VARIABLES ALEATORIAS

I. DEFINICION
Son aquellas que tienen un comportamiento probabilstico en la realidad.
Ejemplo: El nmero de clientes que llegan a cada hora a un banco depende del momento del da ,del da de la semana y de otros factores. Las variables aleatorias deben cumplir reglas de distribucin de probabilidad que son las siguientes: La suma de las probabilidades asociadas a todos los valores posibles de la variable aleatoria x es uno. La probabilidad de que un posible valor de la variable x se presente siempre es mayor que o igual a cero. El valor esperado de la distribucin de la variable aleatoria es la media de la misma. Si la distribucin de probabilidad asociada a una variable aleatoria esta definida por mas de un parmetro, dichos parmetros pueden obtenerse mediante un estimador no sesgado.

II. TIPOS DE VARIABLES ALEATORIAS

VARIABLES ALEATORIAS DISCRETAS: Es aquella que solo puede tomar valores dentro de un conjunto finito o infinito numerable. Deben cumplir con los sgtes. parmetros:
P(x)0 =0 = 1 P( ) =

= +. . +

VARIABLES ALEATORIAS CONTINUAS: Es aquella que toma valores en uno o varios intervalos de la recta real. Se representa mediante ecuacin funcin de densidad de probabilidad .Por lo tanto deben cumplir con los sgtes. parmetros: P(x)0 P(x=a)=0 f(x)= 1 P( ) = ( < < ) =

f(x)

III. DETERMINACIN DEL TIPO DE DISTRIBUCIN i. PRUEBA CHI-CUADRADA: Basada en el calculo de un valor llamado
estadstico de prueba, al cual suele compararse con un valor llamado valor critico, el cual se obtiene de tablas estadsticas. El procedimiento es el siguiente: Obtener al menos 30 datos de la variable aleatoria a analizar. Calcular la media y varianza de los datos. Crear un histograma de m= intervalos, y obtener la frecuencia observada en cada intervalo Establecer explcitamente la hiptesis nula, proponiendo una distribucin de probabilidad que se ajuste a la forma del histograma Calcular la frecuencia esperada a partir de la funcin de probabilidad propuesta Calcular el estadstico de prueba: Definir el nivel de significancia de la prueba,,y determinar el valor critico de la prueba Comparar el estadstico de prueba con el valor critico. Si el estadstico de prueba es menor que el valor critico no se puede rechazar la hiptesis nula.

1. 2. 3.

4.
5. 6. 7. 8.

ii. PRUEBA DE KOLMOGOROV-SMIRNOV: Permite determinar la

distribucin de probabilidad de una serie. El procedimiento es el siguiente: 1. Obtener al menos 30 datos de la variable aleatoria a analizar. 2. Calcular la media y varianza de los datos. 3. Crear un histograma de m= intervalos, y obtener la frecuencia observada en cada intervalo 4. Calcular la probabilidad observada en cada intervalo = /n 5. Acumular las probabilidades par obtener la probabilidad observada. 6. Establecer explcitamente la hiptesis nula, proponiendo una distribucin de probabilidad que se ajuste a la forma del histograma. 7. Calcular la probabilidad esperada acumulada par cada intento. PEZ. 8. Calcular el estadstico de prueba 9. Definir el nivel de significancia de la prueba y determinar el valor critico de la prueba 10. Comparar el estadstico de prueba con valor critico. Si el estadstico de prueba es menor que el valor critico no se puede rechazar la hiptesis nula.

iii. PRUEBA DE ANDERSON-DARLING: Esta prueba tiene como

propsito corroborar si una muestra de variables aleatorias proviene de una poblacin con una distribucin de probabilidad especifica. Esta prueba es capaz de detectar las discrepancias en los extremos de las distribuciones. Su principal desventaja es que es necesario calcular los valores crticos para cada distribucin.
H0: Los datos siguen una distribucin especificada.

Ha:
Prueba estadstica:

Los datos no siguen la distribucin especificada

El estadstico de prueba Anderson-Darling se define como

donde

Como conclusin del ejemplo diremos que al parecer nuestros 40 datos si provienen de una poblacin normal.

iv. AJUSTE DE DATOS CON STAT:FIT

La herramienta Stat: :Fit de ProModel se utiliza para analizar y determinar el tipo de distribucin de probabilidad de un conjunto de datos. La cual nos permite comparar los resultados entre varias distribuciones analizadas mediante una calificacin. Entre sus procedimiento: emplea las pruebas Chi-cuadrada, de Kolmogorov-Smirnovy de Anderson-Darling. Adems calcula los parmetros apropiados para cada tipo de distribucin, e incluye informacin estadstica adicional como media, moda, valor mnimo, valor mximo y varianza, entre otros datos. Stat: :Fit se puede ejecutar desde la pantalla de inicio de ProModel. o bien desde el comando Stat: :fit del men Tools