Este documento describe métodos para generar números aleatorios, incluidos el método del cuadrado medio y el método de congruencia lineal. También explica cómo realizar pruebas de uniformidad como la prueba de Kolmogorov-Smirnov para verificar si una secuencia de números aleatorios se ajusta a una distribución uniforme. El objetivo es que los alumnos aprendan a generar números aleatorios y verificar su uniformidad utilizando estas técnicas.
Este documento describe diferentes métodos para generar números aleatorios pseudoaleatorios, incluyendo generadores congruenciales lineales multiplicativos y generadores congruenciales generales. Explica que los números pseudoaleatorios deben distribuirse uniformemente, ser estadísticamente independientes, ser reproducibles y tener un largo ciclo no repetitivo. También discute pruebas como la prueba chi-cuadrado y Kolmogorov-Smirnov para evaluar la calidad de los generadores de números aleatorios.
Simulación: Teoría y aplicaciones con PromodelAlvaro Gil
Este documento presenta una introducción a la simulación. Explica conceptos clave como sistemas, variables, eventos y aplicaciones de la simulación. Luego, cubre temas como la generación de números aleatorios usando el método de congruencia lineal, y pruebas como Kolmogorov-Smirnov y Chi cuadrado para validar la uniformidad de los números generados. Finalmente, proporciona ejemplos numéricos para ilustrar los métodos.
El documento describe diferentes métodos para generar números pseudoaleatorios, incluyendo métodos manuales, tablas de números aleatorios, y métodos aritméticos como cuadrados medios y congruenciales. Explica que los números pseudoaleatorios deben distribuirse uniformemente, ser estadísticamente independientes y tener media de 1/2 y varianza de 1/12 para considerarse aleatorios.
Este documento presenta los fundamentos de los números pseudoaleatorios y varios métodos para generarlos, como el método de cuadrados medios, el algoritmo de productos medios, y algoritmos congruenciales lineales, multiplicativos y aditivos. Explica que los números pseudoaleatorios deben distribuirse uniformemente, ser estadísticamente independientes y reproducibles sin repetición dentro de una longitud determinada.
El documento habla sobre los números pseudoaleatorios y sus propiedades. Explica que son necesarios para simulaciones y que deben parecer aleatorios aunque se generen de forma determinista. Luego describe métodos para generarlos como los congruenciales y pruebas como la de la frecuencia, independencia y varianza para verificar sus propiedades estadísticas.
El documento introduce el método Monte-Carlo para la integración numérica utilizando números pseudoaleatorios. Explica cómo generar números pseudoaleatorios y cómo usarlos para estimar integrales definidas e integrales de superficie como el cálculo del valor de pi. El método Monte-Carlo es sencillo de implementar en Matlab y mejora su precisión cuanto mayor es el número de simulaciones, aunque es un método numérico lento.
Este documento presenta varios métodos de interpolación polinómica, incluyendo polinomios de Newton-Gregory, Gauss, Lagrange, Hermite y la fórmula general de Newton. También discute tablas de diferencias, interpolación con splines y aplicaciones de métodos numéricos de interpolación en la resolución de ecuaciones diferenciales ordinarias.
Este documento describe diferentes métodos para generar números aleatorios pseudoaleatorios, incluyendo generadores congruenciales lineales multiplicativos y generadores congruenciales generales. Explica que los números pseudoaleatorios deben distribuirse uniformemente, ser estadísticamente independientes, ser reproducibles y tener un largo ciclo no repetitivo. También discute pruebas como la prueba chi-cuadrado y Kolmogorov-Smirnov para evaluar la calidad de los generadores de números aleatorios.
Simulación: Teoría y aplicaciones con PromodelAlvaro Gil
Este documento presenta una introducción a la simulación. Explica conceptos clave como sistemas, variables, eventos y aplicaciones de la simulación. Luego, cubre temas como la generación de números aleatorios usando el método de congruencia lineal, y pruebas como Kolmogorov-Smirnov y Chi cuadrado para validar la uniformidad de los números generados. Finalmente, proporciona ejemplos numéricos para ilustrar los métodos.
El documento describe diferentes métodos para generar números pseudoaleatorios, incluyendo métodos manuales, tablas de números aleatorios, y métodos aritméticos como cuadrados medios y congruenciales. Explica que los números pseudoaleatorios deben distribuirse uniformemente, ser estadísticamente independientes y tener media de 1/2 y varianza de 1/12 para considerarse aleatorios.
Este documento presenta los fundamentos de los números pseudoaleatorios y varios métodos para generarlos, como el método de cuadrados medios, el algoritmo de productos medios, y algoritmos congruenciales lineales, multiplicativos y aditivos. Explica que los números pseudoaleatorios deben distribuirse uniformemente, ser estadísticamente independientes y reproducibles sin repetición dentro de una longitud determinada.
El documento habla sobre los números pseudoaleatorios y sus propiedades. Explica que son necesarios para simulaciones y que deben parecer aleatorios aunque se generen de forma determinista. Luego describe métodos para generarlos como los congruenciales y pruebas como la de la frecuencia, independencia y varianza para verificar sus propiedades estadísticas.
El documento introduce el método Monte-Carlo para la integración numérica utilizando números pseudoaleatorios. Explica cómo generar números pseudoaleatorios y cómo usarlos para estimar integrales definidas e integrales de superficie como el cálculo del valor de pi. El método Monte-Carlo es sencillo de implementar en Matlab y mejora su precisión cuanto mayor es el número de simulaciones, aunque es un método numérico lento.
Este documento presenta varios métodos de interpolación polinómica, incluyendo polinomios de Newton-Gregory, Gauss, Lagrange, Hermite y la fórmula general de Newton. También discute tablas de diferencias, interpolación con splines y aplicaciones de métodos numéricos de interpolación en la resolución de ecuaciones diferenciales ordinarias.
Este documento describe varios métodos para generar números aleatorios en computadoras de forma automática. Explica que los números aleatorios generados digitalmente siguen una distribución uniforme entre 0 y 1. Luego describe algunos métodos comunes como las secuencias lineales recursivas, el método de congruencias aditivas y los generadores de congruencias lineales. Estos últimos son los más utilizados actualmente y funcionan generando números enteros que luego se normalizan entre 0 y 1 para simular una distribución uniforme.
Este documento describe los números aleatorios y pseudoaleatorios, y cómo se usan en simulaciones. Los números aleatorios son impredecibles, mientras que los pseudoaleatorios siguen algoritmos deterministas para parecer aleatorios. Se usan pseudoaleatorios en simulaciones porque son más rápidos de generar que aleatorios reales. Existen algoritmos no congruenciales y congruenciales para generar pseudoaleatorios, como el algoritmo de cuadrados medios o el algoritmo congruencial lineal.
El documento describe el método de Monte Carlo, un método numérico para calcular probabilidades y otras cantidades utilizando secuencias de números aleatorios. Genera números aleatorios uniformemente distribuidos que luego transforma para producir otra secuencia distribuida según la función de probabilidad deseada. A partir de esta secuencia simulada, estima propiedades estadísticas de interés como probabilidades.
Este documento presenta información sobre ecuaciones de primer grado y segundo grado, sistemas de ecuaciones lineales, medidas de tendencia central y dispersión, y probabilidades. Explica cómo resolver ecuaciones de primer y segundo grado utilizando diferentes métodos como la fórmula general, factorización y gráficamente. También cubre conceptos estadísticos como moda, mediana, media, varianza y desviación estándar, y cómo calcular probabilidades usando la regla de Laplace.
Este documento presenta una introducción a los números aleatorios y pseudoaleatorios, así como métodos para generar muestras artificiales que sigan distribuciones específicas. Explica conceptos como números aleatorios, métodos para generar números pseudoaleatorios de forma manual y computarizada, y pruebas estadísticas como chi cuadrado para evaluar la calidad de dichos números. También describe métodos como el cuadrado central de Von Neumann, Fibonacci y números índices para generar muestras que sigan distribuciones uniforme, de Bernoulli y binomial.
Este documento presenta una introducción a los números aleatorios y pseudoaleatorios, así como a los métodos para generar muestras artificiales que sigan distribuciones específicas. Explica brevemente los números aleatorios y pseudoaleatorios, y los métodos manuales y computacionales para generarlos. Luego, describe los métodos más comunes para generar números pseudoaleatorios como el método de los cuadrados centrales y el método de Fibonacci. Finalmente, introduce los conceptos de muestras artificiales y distribuciones como la uniforme, Bernoulli y binomial.
El documento describe varios métodos de derivación e integración numérica como las fórmulas de diferencias finitas, el método del trapecio, la regla de Simpson y la extrapolación de Richardson. También cubre técnicas como la interpolación polinómica, las fórmulas de Newton-Cotes y el método de integración de Romberg.
Este documento presenta una introducción a la simulación. Explica conceptos clave como sistemas, variables, eventos y aplicaciones de la simulación. Luego describe elementos básicos de la simulación como procesos, estados, eventos y variables. Finalmente, introduce métodos para la generación de números aleatorios y el uso de hojas de cálculo para simulación.
El documento resume varios métodos numéricos para la derivación, integración y interpolación de funciones. Explica brevemente la derivación numérica usando fórmulas de diferencias finitas, e integración numérica usando los métodos del trapecio, Simpson y Romberg. También cubre interpolación polinómica y extrapolación de Richardson.
Este documento contiene información sobre conceptos básicos de análisis numérico como números en máquina, errores absolutos y relativos, cotas de error, fuentes de errores como truncamiento y redondeo, errores en suma y resta, y cálculos estables e inestables. Explica que el análisis numérico se ocupa de simular procesos matemáticos complejos a través de algoritmos y números simples.
Este documento describe los pasos para diseñar experimentos de simulación por computadora de manera sistemática. Explica que el diseño determina el análisis estadístico y el éxito del experimento. Luego detalla tres pasos clave: 1) determinar los criterios del diseño, 2) sintetizar el modelo experimental, 3) seleccionar el diseño óptimo comparando opciones. Finalmente, ofrece consideraciones como el número de factores, niveles y repeticiones para lograr el aprendizaje más económico posible.
El documento trata sobre la generación de números pseudoaleatorios y sus propiedades. Explica que los números pseudoaleatorios siguen una distribución determinista pero tienen las mismas propiedades estadísticas que los números aleatorios. También describe los métodos congruenciales para generar números pseudoaleatorios y las pruebas estadísticas como la prueba de frecuencias y la prueba de poker para evaluar la aleatoriedad de los números generados.
Este documento resume varios métodos numéricos para encontrar las raíces o ceros de una ecuación, incluyendo el método gráfico, bisección, regla falsa, Muller y punto fijo. Explica cada método con detalles sobre su algoritmo e incluye ejemplos resueltos con MATLAB.
Fernando galaviz romero analisis de datos experimentales. tarea#1Fernando Galaviz
Este documento presenta conceptos estadísticos y probabilísticos fundamentales como la media, desviación estándar, factorial, técnicas de conteo y probabilidad. Explica que la media es el promedio de los datos, la desviación estándar mide la variación de los resultados, y el factorial calcula el producto de números consecutivos. También describe cómo usar el principio fundamental de conteo para enumerar eventos y calcular probabilidades como sacar cartas o premios.
Este documento describe conceptos clave del análisis numérico como problemas numéricos, algoritmos y métodos numéricos. Explica que el análisis numérico se encarga de diseñar algoritmos para resolver problemas matemáticos mediante cálculos numéricos en computadoras. También cubre temas como la representación de números en computadoras, fuentes de error numérico como redondeo y truncamiento, y la importancia de la estabilidad de los algoritmos.
Este documento describe las funciones estadísticas predefinidas en Excel que permiten realizar análisis estadísticos de datos. Explica que Excel proporciona herramientas para distribución de frecuencias, cálculo de media, varianza, desviación estándar y otras medidas. Además, clasifica los tipos de funciones Excel en categorías como estadísticas, financieras, de texto, de fecha y hora, de ingeniería y más.
Diferenciación e Integración Numérica
- Nociones preliminares.
- Primeras derivadas de los polinomios interpolantes.
- Extrapolación de Richardson.
- Fórmulas de integración de Newton-Cotes.
- Regla del trapecio.
- Integración de Romberg.
- Regla de Simpson 1/3 y 3/8.Fórmulas de la cuadratura Gaussiana.
UNIDAD 7 y 8 Intergración numérica y Ec Dif.pptxPaulaInes2
Este documento describe diferentes métodos de integración numérica como la regla del trapecio, la regla de Simpson 1/3 y la regla de Simpson 3/8. También cubre métodos de diferenciación numérica como las diferencias hacia adelante, hacia atrás y centradas. Los métodos de integración se basan en aproximar la función por un polinomio de interpolación para calcular la integral de manera más sencilla. Los métodos de diferenciación aproximan la derivada primera mediante diferencias finitas divididas entre puntos.
Este documento describe varios métodos para generar números aleatorios en computadoras de forma automática. Explica que los números aleatorios generados digitalmente siguen una distribución uniforme entre 0 y 1. Luego describe algunos métodos comunes como las secuencias lineales recursivas, el método de congruencias aditivas y los generadores de congruencias lineales. Estos últimos son los más utilizados actualmente y funcionan generando números enteros que luego se normalizan entre 0 y 1 para simular una distribución uniforme.
Este documento describe los números aleatorios y pseudoaleatorios, y cómo se usan en simulaciones. Los números aleatorios son impredecibles, mientras que los pseudoaleatorios siguen algoritmos deterministas para parecer aleatorios. Se usan pseudoaleatorios en simulaciones porque son más rápidos de generar que aleatorios reales. Existen algoritmos no congruenciales y congruenciales para generar pseudoaleatorios, como el algoritmo de cuadrados medios o el algoritmo congruencial lineal.
El documento describe el método de Monte Carlo, un método numérico para calcular probabilidades y otras cantidades utilizando secuencias de números aleatorios. Genera números aleatorios uniformemente distribuidos que luego transforma para producir otra secuencia distribuida según la función de probabilidad deseada. A partir de esta secuencia simulada, estima propiedades estadísticas de interés como probabilidades.
Este documento presenta información sobre ecuaciones de primer grado y segundo grado, sistemas de ecuaciones lineales, medidas de tendencia central y dispersión, y probabilidades. Explica cómo resolver ecuaciones de primer y segundo grado utilizando diferentes métodos como la fórmula general, factorización y gráficamente. También cubre conceptos estadísticos como moda, mediana, media, varianza y desviación estándar, y cómo calcular probabilidades usando la regla de Laplace.
Este documento presenta una introducción a los números aleatorios y pseudoaleatorios, así como métodos para generar muestras artificiales que sigan distribuciones específicas. Explica conceptos como números aleatorios, métodos para generar números pseudoaleatorios de forma manual y computarizada, y pruebas estadísticas como chi cuadrado para evaluar la calidad de dichos números. También describe métodos como el cuadrado central de Von Neumann, Fibonacci y números índices para generar muestras que sigan distribuciones uniforme, de Bernoulli y binomial.
Este documento presenta una introducción a los números aleatorios y pseudoaleatorios, así como a los métodos para generar muestras artificiales que sigan distribuciones específicas. Explica brevemente los números aleatorios y pseudoaleatorios, y los métodos manuales y computacionales para generarlos. Luego, describe los métodos más comunes para generar números pseudoaleatorios como el método de los cuadrados centrales y el método de Fibonacci. Finalmente, introduce los conceptos de muestras artificiales y distribuciones como la uniforme, Bernoulli y binomial.
El documento describe varios métodos de derivación e integración numérica como las fórmulas de diferencias finitas, el método del trapecio, la regla de Simpson y la extrapolación de Richardson. También cubre técnicas como la interpolación polinómica, las fórmulas de Newton-Cotes y el método de integración de Romberg.
Este documento presenta una introducción a la simulación. Explica conceptos clave como sistemas, variables, eventos y aplicaciones de la simulación. Luego describe elementos básicos de la simulación como procesos, estados, eventos y variables. Finalmente, introduce métodos para la generación de números aleatorios y el uso de hojas de cálculo para simulación.
El documento resume varios métodos numéricos para la derivación, integración y interpolación de funciones. Explica brevemente la derivación numérica usando fórmulas de diferencias finitas, e integración numérica usando los métodos del trapecio, Simpson y Romberg. También cubre interpolación polinómica y extrapolación de Richardson.
Este documento contiene información sobre conceptos básicos de análisis numérico como números en máquina, errores absolutos y relativos, cotas de error, fuentes de errores como truncamiento y redondeo, errores en suma y resta, y cálculos estables e inestables. Explica que el análisis numérico se ocupa de simular procesos matemáticos complejos a través de algoritmos y números simples.
Este documento describe los pasos para diseñar experimentos de simulación por computadora de manera sistemática. Explica que el diseño determina el análisis estadístico y el éxito del experimento. Luego detalla tres pasos clave: 1) determinar los criterios del diseño, 2) sintetizar el modelo experimental, 3) seleccionar el diseño óptimo comparando opciones. Finalmente, ofrece consideraciones como el número de factores, niveles y repeticiones para lograr el aprendizaje más económico posible.
El documento trata sobre la generación de números pseudoaleatorios y sus propiedades. Explica que los números pseudoaleatorios siguen una distribución determinista pero tienen las mismas propiedades estadísticas que los números aleatorios. También describe los métodos congruenciales para generar números pseudoaleatorios y las pruebas estadísticas como la prueba de frecuencias y la prueba de poker para evaluar la aleatoriedad de los números generados.
Este documento resume varios métodos numéricos para encontrar las raíces o ceros de una ecuación, incluyendo el método gráfico, bisección, regla falsa, Muller y punto fijo. Explica cada método con detalles sobre su algoritmo e incluye ejemplos resueltos con MATLAB.
Fernando galaviz romero analisis de datos experimentales. tarea#1Fernando Galaviz
Este documento presenta conceptos estadísticos y probabilísticos fundamentales como la media, desviación estándar, factorial, técnicas de conteo y probabilidad. Explica que la media es el promedio de los datos, la desviación estándar mide la variación de los resultados, y el factorial calcula el producto de números consecutivos. También describe cómo usar el principio fundamental de conteo para enumerar eventos y calcular probabilidades como sacar cartas o premios.
Este documento describe conceptos clave del análisis numérico como problemas numéricos, algoritmos y métodos numéricos. Explica que el análisis numérico se encarga de diseñar algoritmos para resolver problemas matemáticos mediante cálculos numéricos en computadoras. También cubre temas como la representación de números en computadoras, fuentes de error numérico como redondeo y truncamiento, y la importancia de la estabilidad de los algoritmos.
Este documento describe las funciones estadísticas predefinidas en Excel que permiten realizar análisis estadísticos de datos. Explica que Excel proporciona herramientas para distribución de frecuencias, cálculo de media, varianza, desviación estándar y otras medidas. Además, clasifica los tipos de funciones Excel en categorías como estadísticas, financieras, de texto, de fecha y hora, de ingeniería y más.
Diferenciación e Integración Numérica
- Nociones preliminares.
- Primeras derivadas de los polinomios interpolantes.
- Extrapolación de Richardson.
- Fórmulas de integración de Newton-Cotes.
- Regla del trapecio.
- Integración de Romberg.
- Regla de Simpson 1/3 y 3/8.Fórmulas de la cuadratura Gaussiana.
UNIDAD 7 y 8 Intergración numérica y Ec Dif.pptxPaulaInes2
Este documento describe diferentes métodos de integración numérica como la regla del trapecio, la regla de Simpson 1/3 y la regla de Simpson 3/8. También cubre métodos de diferenciación numérica como las diferencias hacia adelante, hacia atrás y centradas. Los métodos de integración se basan en aproximar la función por un polinomio de interpolación para calcular la integral de manera más sencilla. Los métodos de diferenciación aproximan la derivada primera mediante diferencias finitas divididas entre puntos.
Similar a generacion-de-numeros-aleatorios.pdf (20)
Presentación Aislante térmico.pdf Transferencia de calorGerardoBracho3
Las aletas de transferencia de calor, también conocidas como superficies extendidas, son prolongaciones metálicas que se adhieren a una superficie sólida para aumentar su área superficial y, en consecuencia, mejorar la tasa de transferencia de calor entre la superficie y el fluido circundante.
TIA portal Bloques PLC Siemens______.pdfArmandoSarco
Bloques con Tia Portal, El sistema de automatización proporciona distintos tipos de bloques donde se guardarán tanto el programa como los datos
correspondientes. Dependiendo de la exigencia del proceso el programa estará estructurado en diferentes bloques.
Aletas de transferencia de calor o superficies extendidas dylan.pdf
generacion-de-numeros-aleatorios.pdf
1. Cabrera Hernández Elizabeth Ramírez Bustos Fabián
Logro: Al finalizar la sesión el alumnos genera números aleatorios utilizando métodos de generación numérico
GENERACION DE NUMEROS
ALEATORIOS
2. NUMEROS ALEATORIOS
Los números random son un elemento básico en
la simulación de la mayoría de los sistemas
discretos.
Cada número random Ri es una muestra
independiente de una distribución uniforme y
continua en el intervalo (0,1).
3. NÚMEROS ALEATORIOS
* La probabilidad de observar un valor en un
particular intervalo es independiente del valor
previo observado.
* Todo punto en el rango tiene igual probabilidad
de ser elegido.
* Si el intervalo (0,1) es dividido en n sub-
intervalos de igual longitud, el número esperado
de observaciones en cada intervalo es N/n. (N
número de observaciones totales).
4. El objetivo de cualquier esquema de
generación (generador), es producir una
secuencia de números entre 0 y 1 que simule
las propiedades ideales de distribución
uniforme y de independencia.
GENERADOR DE NÚMEROS
ALEATORIOS
5. NÚMEROS PSEUDO-ALEATORIOS
•Los números aleatorios son calculados a partir de
una semilla (seed) y una fórmula.
•El problema es que si el método es conocido,
entonces la secuencia de números random puede ser
replicada.
•En la práctica ninguna función produce datos
aleatorios verdaderos -- las funciones producen
números pseudo-aleatorios.
6. La mayoría de los métodos (generadores) comienzan
con un número inicial (semilla), a este número se le
aplica un determinado procedimiento y así se
encuentra el primer número random.
Usando este número como entrada, el procedimiento es
repetido para lograr un próximo número random.
Y así siguiendo.
TÉCNICAS P
ARA GENERAR
NÚMEROS ALEATORIOS
7. Método Del Cuadrado Medio: comienza con un número inicial
(semilla). Este número es elevado al cuadrado. Se escogen los
dígitos del medio de este nuevo número (según los dígitos que se
deseen) y se colocan después del punto decimal. Este número
conforma el primer número random.
Ejemplo: X0 = 5497
X0
2 = (5497)2 = 30,217,009 ===> X1 = 2170
R1 = 0.2170
X1
2 = (2170)2 = 04,708,900 ===> X2 = 7089
R2 = 0.7089
X2
2 = (7089)2 = 50,253,921 ===> X3 = 2539
TÉCNICAS P
ARA GENERAR
NÚMEROS ALEATORIOS
8. Método De Congruencia Lineal: produce una secuencia de
enteros X1, X2,... entre 0 y m-1 de acuerdo a la siguiente
relación recursiva:
Xi+1= (a * Xi + c) mod m, i=0,1,2,...
X0 es llamado semilla.
a es llamado el multiplicador constante.
c es el incremento.
m es el módulo.
El número aleatorio se encuentra de la siguiente manera:
R = X / m
TÉCNICAS PARA GENERAR
NÚMEROS ALEATORIOS
9. Ejemplo: Utilice el método de Congruencia Lineal para generar
números aleatorios con las siguiente constantes:
X0 = 27 , a = 17, c = 43, m = 100
La secuencia de Xi y subsecuentes Ri serían:
X0 = 27
X1 = (17 * 27 + 43) mod 100 = 502 mod 100 = 2
R1 = 2/100 = 0.02
X2 = (17 * 2 + 43) mod 100 = 77 mod 100 = 77
R2 = 77/100 = 0.77
La selección de los parámetros del generador afecta
drásticamente las propiedades ideales y la longitud del ciclo.
TÉCNICAS P
ARA GENERAR
NÚMEROS ALEATORIOS
10. TEST PARA EL CHEQUEO DE
UNIFORMIDAD
Test de Kolmogorov-Smirnov: compara la
distribución de un conjunto de números
generados con una distribución uniforme.
Este test compara:
la función de Probabilidad Acumulada continua
F(x) de una Distribución Uniforme, con
la función de Probabilidad Acumulada empírica
SN(x), de una muestra de N observaciones.
11. TEST DE KOLMOGOROV-SMIRNOV
Por definición, la Función de Probabilidad Acumulada
(teórica) uniforme entre 0 y 1 tiene:
* F(x) = x, 0<=x<=1
Mientras que una Función de Probabilidad Acumulada
Empírica se encuentra:
* SN(x) = (cantidad de n.r. generados <=x ) /
N
Este test se basa en la mayor desviación absoluta entre F(x)
y SN(x) sobre todo el rango de variable random.
Esto es: D = max|F(x) - SN(x)|
La distribución de D está tabulada como una función de N.
12. Ejercitación de Distribución Empírica (SN(x))
Si no se conoce la probabilidad de un fenómeno se debe trabajar con las
distribuciones empíricas ( basadas en frecuencias).
Ejemplo: Que distribución tiene la siguiente secuencia de números?:
3-4-5-3-4-5-3-6-4-3
3 4 4/10=0.4 4/10=0.4
4 3 3/10=0.3 7/10=0.7
5 2 2/10=0.2 9/10=0.9
6 1 1/10=0.1 10/10=1
valor cantidad frel. frelAcum
13. El test procede de la siguiente manera:
1- Ordena los datos de menor a mayor:
R(1)<=R(2)<=... <= R(N)
(R(i) denota la observación más pequeña.)
2- Computa:
D+ = max { i/N - R(i)}, 1<=i<=N
D- = max { R(i)- (i-1)/N}, 1<=i<=N
3- Computa D = max (D+,D-).
14. El test procede de la siguiente manera (continuación):
4- Determina el valor crítico, D para el nivel de significancia alfa y
tamaño de muestra N, (estos valores están tabulados).
5- Si la muestra estadística diferencia ha D es mas grande que el valor
crítico, D, la hipótesis nula es rechazada.
Si D <= D concluye que ninguna diferencia
significativa ha sido detectada entre la verdadera distribución de {R1,R2
..., RN} y la distribución uniforme.
15. Ejemplo Para Ejecutar Test De Uniformidad
(Kolmogorov - Smirnov)
Suponer que se generaron cinco números random y que
se desea ejecutar el test de K.S. para un nivel de
significancia = 0.05
Orden cronológico:
Orden numérico creciente:
R1 R2 R3 R3 R5
0.03 0.58 0.87 0.32 0.95
R(1) R(2) R(3) R(3) R(5)
0.03 0.32 0.58 0.87 0.95