GEOESTADISTICA 1 UNI-FIGMM

TEOREMA DEL LIMITE CENTRAL-DISTRIBUCION LOG

NORMAL PARA SIMULACION DE 3000 DATOS

Introducción

El trabajo numero 5 tiene que simular 3000 datos de la función

randum con parámetros establecidos (media = 2, y desv. estándar =
1), esta simulación de datos se ajustara a una distribución NORMAL,
mediante el teorema de límite central, para obtener un gaussiano
totalmente simétrico, esta simulación se hace ajustando a esta
distribución ya que en la vida real lo datos obtenidos en campo se
comportan como distribución lognormal.

Además debemos halla del calculo los valores de las variables α y β

.
Graficaremos igualmente el histograma de esta simulación para
observa el comportamiento del nuevo ajuste.

Objetivos

 Simular 3000 datos, y observar el comportamiento del

gaussiano en distribución normal y log normal.
 Comprobar el teorema del límite central.
 Comparar los histogramas obtenidos.
 Graficar diagramas P-P plot

Fundamento teórico

Teorema del límite central

Si tenemos una variable aleatoria regida por , puede definirse

una nueva variable como el promedio de mediciones
independientes de dicha magnitud, es decir,

La pregunta que nos planteamos es ¿cómo será la distribución de

probabilidades de esta nueva variable estocástica?

Para responder esta interrogante, analicemos la función característica

correspondiente a

CICLO 2008-I
GEOESTADISTICA 1 UNI-FIGMM

Tomando , puede desarrollarse

La exponencial oscilatoria en la integral nos permite ver que

decrece con , de modo que decrecerá aun más

rápidamente. Si cuando decae de tal forma que todos los

son finitos,

De este modo, podemos reconstruir

Completando cuadrados puede resolverse la integral para obtener

Este resultado es llamado teorema del límite central, y nos dice que,

sin importar cuál es la forma de , el valor medio de la variable

estocástica coincide con y la distribución es gaussiana,

con . Vale la pena resaltar que los requisitos que hemos

pedido para nuestros experimentos son: que sean independientes,

que los momentos sean finitos y que sea grande.

Calculo

Las ecuaciones a usar para demostrar el teorema de Límite Central

son:

CICLO 2008-I
GEOESTADISTICA 1 UNI-FIGMM

Distribución LOGNORMAL
ln x −α
1 −1 / 2.( )2
β
f ( x) = .e
2π .β

Despejando α y β, obtenemos:

1   σ x  
2

α = Ln µ x − Ln   + 1
2   µx  
 
  σ 2 
β= Ln  x  + 1
  µx  
 

Teorema de Limite Central:

 k 
 ∑ yi − kφ 
y = µy + σ y  i =1 
 σφ k 
 
 
Donde:

α = µy
β = σy

xi = e y i

Calculo

Al aplicar las formulas indicadas en la parte superior, , con los

parámetros dados en clase, obtuvimos lo siguiente

Media µ = 2
Desviación Estándar σ =1
Numero de Datos (N) = 3000
Numero de datos aleatorios (k)=14

α= 0.5815754
0.4723807
β= 3

El valor de k nos dice que 14 datos de la función Random <0,1>, son

tomados para obtener un dato (histograma experimental) para la
distribución Log normal

CICLO 2008-I
GEOESTADISTICA 1 UNI-FIGMM

Histograma experimental

Observamos que el gaussiano no es simétrico, esto demuestra la

tendencia de los datos iniciales. Para un mejor ajuste ploteamos un
grafico P-P.
400

300
Frequency

200

100

Mean = 1,992476
Std. Dev. = 0,9985067
N = 3.000
0
0,0000 2,0000 4,0000 6,0000 8,0000 10,0000

normal

El diagrama P-P plot nos indica las expectativas del grafico

experimental sobre el grafico esperado, debido a eso es que se
obtiene una curva y no una línea recta con punto de paso en el
origen, por lo tanto existe variabilidad.

CICLO 2008-I
GEOESTADISTICA 1P-P Plot of normal
Normal UNI-FIGMM
1,0

0,8

Expected Cum Prob

0,6

0,4

0,2

0,0
0,0 0,2 0,4 0,6 0,8 1,0

Observed Cum Prob

Histograma con distribución Lognormal

El histograma de la distribución Log normal nos muestra un gaussiano

perfecto, con apariencia simétrica, para observar la variabilidad de
datos y su tendencia ploteamos un grafico P-P plot.
200

150
Frequency

100

50

Mean = 0,576438
Std. Dev. = 0,4755642
N = 3.000
0
-1,0000 0,0000 1,0000 2,0000

VAR00001

CICLO 2008-I
 Lognormal P-P Plot of lognormal
GEOESTADISTICA 1 UNI-FIGMM
1,0

0,8

Expected Cum Prob 0,6

0,4

0,2

0,0
0,0 0,2 0,4 0,6 0,8 1,0

Observed Cum Prob

En este caso se observa la tendencia lineal de la grafica anterior, eso

quiere decir que la variabilidad de la simulación ha dismuído lo
máximo posible, lo cual indica que ha sido correcta la distribución
aplicada.

Conclusiones y observaciones

 Se demostró que el teorema de límite central es aplicable a

cualquier tipo de distribución que poseamos, siempre que esta
posea variables independientes.
 Mientras el valor de k sea mayor, mejor será el ajuste de la
distribución, a una distribución normal.
 Se puede deducir que conociendo la media y la desviación
estándar se pueden generar datos que tengan distribución
Lognormal.
 Los histogramas ploteados muestran el gaussiano en
distribución normal y Lognormal, es decir gaussiano
perfectamente simétrico o con cola cuando la distribución no
esta ajustada.
 Los valores de media y varianza obtenidas experimentalmente
mediante la distribución y el histograma ( µ = 1.992476 y σ
=0.9965067) son muy similares a los teóricos ( µ = 2 y σ =1),
 Los diagramas P-P Plot, muestran que luego de la distribución
Lognormal nuestro histograma refleja exactitud con el diagrama
teórico, por lo cual se observa un tendencia lineal, mientras que
la distribución normal nos arroja una grafica curva la cual se
aleja del comportamiento lineal ideal, esto se interpreta como

CICLO 2008-I
GEOESTADISTICA 1 UNI-FIGMM

una mayor variabilidad de los datos en la simulación con esa

distribución (se aleja del comportamiento teórico).

Código de Distribución Log Normal con datos random (Macros

de Excel)

´Modificado por Carlos Quevedo.

Dim k As Double
Dim a As Double
Dim b As Double

Private Sub CommandButton1_Click()

z = Val(TextBox1.Text)
x = Val(TextBox3.Text)
y = Val(TextBox2.Text)
q = Val(TextBox4.Text)

For j = 1 To z
s=0
For i = 1 To q
k = Rnd
s=s+k
Next
a = Log(x) - 0.5 * Log((y / x) ^ 2 + 1)
b = (Log((y / x) ^ 2 + 1)) ^ 0.5
t = Exp((a + (b * ((s - q * 0.5) / ((q / 12) ^ 0.5)))))
p = (a + (b * ((s - q * 0.5) / ((q / 12) ^ 0.5))))
Cells(j, 2) = t
Cells(j, 1) = p
Next

Cells(11, 4) = a
Cells(12, 4) = b

End Sub

*CABE RESALTAR QUE EN EL MACROS DE EXCEL CONSIDERA

EN SU SINTAXIS A LOG COMO LN.

Bibliografía

 ESTADÍSTICA: DESCRIPTIVA E INFERENCIAL Manuel

Córdova Zamora.

CICLO 2008-I
GEOESTADISTICA 1 UNI-FIGMM

PRECIO DE LOS METALES 02/05/2008 HORA: 14:52PM

 Cu 8549.88 $USS/Tm

 Ni 28 088.3 $USS/Tm

 Al 2869.3 $USS/Tm

 Zn 2168.65 $USS/Tm

 Pb 2559.6 $USS/Tm

 Au 855.6 $USS/onz

 Ag 16.36 $USS/onz

 Pt 1900 $USS/onz

 Pd 415 $USS/onz

 U 143 487.8 $USS/Tm

 Rh 9110 $USS/Tm

CICLO 2008-I