Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTRODUCCIÓN______________________________________________
En este math-block titulado "Variables aleatorias continuas" se describen algunas de las
variables aleatorias, probablemente aquellas que más aplicaciones tienen en el ámbito del método
MonteCarlo y la Simulación, y la forma en que pueden ser tanto analizadas (tabular y gráficamente)
como simuladas a través de Excel.
Para cada una de las v.a. presentadas se muestra: una breve descripción de las aplicaciones
que pueden encontrarse en la literatura, sus funciones de densidad y distribución, sus estadísticos
principales y sus propiedades teóricas, fundamentalmente respecto a otras variables aleatorias con las
que pudieran estar relacionadas.
Para cada una de ellas se presenta al menos uno, en muchas ocasiones dos, métodos de
generación de muestras aleatorias. El lector notará que se ha hecho un esfuerzo por evitar que los
mecanismos de generación se basen, contrario a lo que es habitual, en código VBA.
Varias son las razones que nos han movido a ello, en primer lugar soslayar la aparición,
inevitable, de las macros que contuvieran dicho código y que, querámoslo o no, arrojan siempre una
sombra de amenaza para la integridad de nuestros ordenadores; en segundo lugar para reivindicar la
capacidad de Excel - de las funciones propias de la hoja - para realizar tareas de mediana complejidad
a espaldas de un código que, aunque sumamente inteligible, implica en cualquier caso un aparato no
siempre bien asumido por el usuario final.
Las dos partes de este documento hacen mención a una serie de hojas de cálculo con las que
se complementan: (Beta.xls ; Bradford.xls ; Cauchy.xls ; Chi2.xls ; Exponencial.xls ; FSnedecor.xls ;
Gamma.xls ; Gumbel.xls ; Logistica.xls ; LogNorm.xls ; Normal.xls ; Rayleigh.xls ; Pareto.xls ;
Triang.xls ; Uniforme.xls ; Weibull.xls).
Proyecto e-Math 1
Proyecto e-Math 2
Beta
Usos.
Notación y parámetros.
La notación habitual es X∼
∼Be(α,β
α,β o bien X∼
α,β) α,β los dos parámetros son de forma (α, β
∼Beta(α,β
α,β),
>0). En Excel la notación es diferente y se basa en el hecho de que la distribución puede ser
fácilmente reescalada a un intervalo (a,b) ya que si X ∼ Be(α,β
α,β → 0≤
α,β) ≤X≤≤1 al hacer X´= a+(b-a)X
tendríamos X´∼ ∼Be(α,β
α,β pero ahora con a≤
α,β) ≤X´≤≤b. Así, la notación en Excel es X∼
∼Be(α,β, ); en este
α,β,a,b);
α,β,
caso los parámetros a y b son de escala en la distribución.
Densidad y Distribución.
x α −1 (1 − x)β −1
f(x) =
B(α,β)
1
B(α,β) x α −1(1 − x)β −1 dx
∫
0
Estadísticos.
α αβ
;
α+β (α + β) (α + β + 1)
2
Proyecto e-Math 3
Generación.
Puesto que Excel cuenta con una función para la inversa de la función de distribución, la
generación de variables aleatorias puede hacerse directamente por inversión utilizando la fórmula
siguiente:
DISTR.BETA.INV(ALEATORIO();α,
α, β , a , b ).
Caracterización.
x(1 − x) x(1 − x)
α = x
ˆ − 1 ;ˆ
β = (1 − x) − 1
2 2
s s
Hoja de cálculo.
0,06 BETA(α
α ,β ,min,max)
X Den Dis n
3,1 0,004246 0,004246 1 0,0033 0,00333 0,003344 Alfa (α) 23 3,03
3,3
0,05 0,011494 0,015740 6 0,0201 0,01996 0,023411 2,3 6,64
3,4 0,019165 0,034906 8 0,0268 0,02661 0,050167 Beta (β) 0,1130
3,5 0,026495 0,061400 9 0,0301 0,02994 0,080268 3,6 36 299
0,04
3,6 0,033176 0,094577 10 0,0334 0,03326 0,113712 Mínimo (min) 0,9945483
3,7 0,039046 0,133622 13 0,0435 0,04324 0,157191 3 0,0878056
3,8
0,03 0,044017 0,177639 17 0,0569 0,05655 0,214047 Máximo (max) A1:A300
3,9 0,048052 0,225691 8 0,0268 0,02661 0,240803 7 0,4247008
4,0 0,051146 0,276836 17 0,0569 0,05655 0,297659 0,0487887
0,02
4,2 0,053318 0,330154 16 0,0535 0,05322 0,351171 Muestra 4,0079271
4,3 0,054605 0,384760 14 0,0468 0,04657 0,397993 300 3,8174458
4,4
0,01 0,055058 0,439818 15 0,0502 0,04989 0,448161
4,5 0,054736 0,494554 17 0,0569 0,05655 0,505017 Estadísticos
4,6 0,053708 0,548261 17 0,0569 0,05655 0,561873 Teóricos Muestra
0,00
4,7 0,052047 0,600308 15 0,0502 0,04989 0,612040 Mínimo 3,03 3,09
3,1
3,5
3,8
4,2
4,5
4,8
5,2
5,5
5,9
6,2
Proyecto e-Math 4
En este caso se requiere que sean éstos los datos que el usuario aporte para dar forma a una
distribución Beta Subjetiva cuyos parámetros formales pueden, no obstante, ser deducidos de las
indicaciones del usuario. Los parámetros α y β pueden ser deducidos a partir de: la media µ que se
desee tenga la distribución, del valor m más probable que se le supone, del máximo a y del mínimo
b, en la forma siguiente:
(µ − a)(2m − a − b) ˆ (b − µ) ˆ
α
ˆ
α= ; β=
(m − µ) (b − a) (µ − a)
0,09X BETA_SUB(Mod,Med,Min,Max)
Den Dis n
1,6
0,08 0,043701 0,043701 13 0,0435 0,04323 0,043478 Alfa (α) 1,00
2,1 0,052780 0,096481 23 0,0769 0,07649 0,120401 1,18 18,85
2,7
0,07 0,055320 0,151801 14 0,0468 0,04656 0,167224 Beta (β) 0,5577
3,2 0,055990 0,207791 22 0,0736 0,07316 0,240803 2,57 299
0,06
3,8 0,055677 0,263468 11 0,0368 0,03658 0,277592 Más probable 0,9943627
4,3
0,05 0,054748 0,318216 20 0,0669 0,06651 0,344482 3 0,0878056
4,9 0,053398 0,371613 9 0,0301 0,02993 0,374582 Media A1:A300
0,04
5,5 0,051744 0,423357 22 0,0736 0,07316 0,448161 77 0,341846
6,0
0,03 0,049864 0,473221 10 0,0334 0,03326 0,481605 Mínimo (min) 0,0573859
6,6 0,047814 0,521035 13 0,0435 0,04323 0,525084 1 2,9206033
0,02
7,1 0,045636 0,566671 19 0,0635 0,06319 0,588629 Máximo (max) 2,1185688
7,7 0,043362 0,610033 16 0,0535 0,05321 0,642140 20
0,01
8,3 0,041016 0,651049 16 0,0535 0,05321 0,695652
8,8
0,00 0,038622 0,689671 8 0,0268 0,02661 0,722408 Muestra
9,4 0,036195 0,725866 8 0,0268 0,02661 0,749164 300
11,6
13,3
14,9
16,6
1,6
3,2
4,9
6,6
8,3
9,9
1
Es necesario un pequeño esfuerzo para entender que la identificación que habitualmente hacemos entre la
media y el valor más probable sólo tiene sentido en distribuciones simétricas. En cualquier otra situación
ambos valores estarán más separados cuanto más larga sea una de las colas de la distribución en comparación
con la otra y por tanto más asimétrica sea ésta.
Proyecto e-Math 5
Bradford
Usos.
Su uso es muy restringido en simulación, se trata de otra distribución que, como la de Pareto,
modeliza cualquier fenómeno en el que "sólo unos pocos controlan una gran parte del todo". La
distribución de Bradford se aplica concretamente al número de referencias (bibliográficas en el
trabajo original) a un determinado tema e intenta explicar un hecho observado por Samuel Bradford
(1934) que puede definirse de esta manera: "un tercio de las referencias provienen de un reducido
grupo de fuentes; otro tercio de un grupo menos reducido y el tercio restante de un disperso grupo
de fuentes". Por ejemplo, encontradas 300 referencias sobre un tema, 100 se encuentran en un grupo
de cinco revistas; otras 100 en un grupo de 25 y las restantes en un amplio grupo de 100 fuentes.
Notación y parámetros.
Densidad y Distribución.
C
f(x) =
[C(X − A) + B − A] Log(C + 1)
La función de distribución es:
C(x − A)
Log 1 +
B−a
F(x) =
Log(C + 1)
Estadísticos.
Propiedades.
Generación.
Excel no cuenta con ninguna función relacionada con la distribución de Bradford, sin embargo,
la generación de v.a. puede hacerse (por inversión) fácilmente a través de la fórmula siguiente:
(1/C)*(A*(C+1)-B+(B-A)*(C+1)^ALEATORIO())
Hoja de cálculo.
Proyecto e-Math 6
8,0 BRADFORD(A,B,C)
X Den Dis n f_s f1_s f2_s
1,03 6,097998 0,092336 31 0,1069 7,05958 0,10690 A 10 1,0003
7,0 1,07 5,179196 0,170760 25 0,0862 5,69321 0,19310 1,0 1,9977
1,10 4,501016 0,238914 14 0,0483 3,18820 0,24138 B 0,0332
6,0 1,13 3,979878 0,299178 22 0,0759 5,01003 0,31724 2,0 20 290
5,0
1,17 3,566895 0,353188 11 0,0379 2,50501 0,35517 C 66,041
1,20 3,231563 0,402120 14 0,0483 3,18820 0,40345 6,5 65 0,086267971
4,0 1,23 2,953863 0,446848 9 0,0310 2,04956 0,43448 Muestra A1:A290
1,27 2,720114 0,488036 9 0,0310 2,04956 0,46552 290
3,0 1,30 2,520647 0,526204 14 0,0483 3,18820 0,51379 2,014903021
1,33 2,348435 0,561764 13 0,0448 2,96047 0,55862 Estadísticos
2,0 1,37 2,198250 0,595050 10 0,0345 2,27729 0,59310 Teóricos Muestra
1,40 2,066119 0,626335 11 0,0379 2,50501 0,63103 Mínimo 1,00 1,00
1,0 1,43 1,948971 0,655847 12 0,0414 2,73274 0,67241 Media 1,99 1,33
1,47 1,844395 0,683775 14 0,0483 3,18820 0,72069 Máximo 2,00 1,99
0,0 1,50 1,750470 0,710280 10 0,0345 2,27729 0,75517 Varianza 0,078 0,071
1,53 1,665648 0,735502 7 0,0241 1,59410 0,77931
1,0
1,1
1,2
1,2
1,3
1,4
1,4
1,5
1,6
1,6
1,7
1,8
1,8
1,9
2,0
1,57 1,588666 0,759557 4 0,0138 0,91091 0,79310
1,60 1,518486 0,782550 3 0,0103 0,68319 0,80345 Algoritmo de generación
1,0 1,63 1,454244 0,804570 10 0,0345 2,27729 0,83793 (1/C)*(A*(C+1)-B+(B-A)*(C+1)^ALEATORIO())
0,9 1,67 1,395217 0,825697 7 0,0241 1,59410 0,86207
0,8 1,70 1,340794 0,845999 4 0,0138 0,91091 0,87586
1,73 1,290458 0,865539 5 0,0172 1,13864 0,89310
0,7 1,76 1,243765 0,884373 0 0,0000 0,00000 0,89310
0,6 1,80 1,200333 0,902548 6 0,0207 1,36637 0,91379
1,83 1,159832 0,920110 7 0,0241 1,59410 0,93793
0,5 1,86 1,121974 0,937099 4 0,0138 0,91091 0,95172
0,4 1,90 1,086510 0,953551 5 0,0172 1,13864 0,96897
1,93 1,053219 0,969499 4 0,0138 0,91091 0,98276
0,3
1,96 1,021908 0,984973 1 0,0034 0,22773 0,98621
0,2 2,00 0,992404 1,000000 4 0,0138 0,91091 1,00000
0,1 0
0,0
1,0
1,1
1,2
1,2
1,3
1,4
1,4
1,5
1,6
1,6
1,7
1,8
1,8
1,9
2,0
Cauchy
Usos.
De otra manera, si θ se distribuye U(-π/2, π/2) entonces X = tg(θ) se distribuye según una
Cauchy(a = 0 ; b = 1). Así, se distribuye con arreglo a esta distribución, la distancia a la que un
segmento de longitud infinita y con un origen arbitrario corta a una recta (la distancia se
considera desde el punto de corte de la recta que determina la distancia del origen a la recta) cuando
el ángulo que forma el segmento con la recta es arbitrario (esto es, igualmente posible entre -π/2 y
π/2).
La distribución de Cauchy se caracteriza por tener las colas (es simétrica) mucho más largas
que otras distribuciones simétricas (la Normal o incluso la Logística) esto hace que tenga aplicación
durante la fase de validación de un modelo cuando se quiere someter a éste a un gran número de
valores extremos.
Proyecto e-Math 7
No es una distribución demasiado conocida. Aunque pueda encontrarse con otra notación, la
∼C(a,b), siendo a el parámetro de posición (-∞<a<∞) y b el de escala (b>0).
habitual es X∼
Densidad y Distribución.
b
f(x) =
[
π (X − a) + b 2
2
]
,la función de distribución es:
1 1 X − a
F(x) = + arctan
2 π b
Estadísticos.
Propiedades.
Generación.
• a - (b/(TAN(PI()*ALEATORIO())))-0,5
• a + (b*(N(0,1))/N(0,1)))
ambas parecen proporcionar buenos resultados (véase la hoja de cálculo). Mientras que la primera
requiere un único número aleatorio, la segunda requiere dos ya que cada generación de una variable
aleatoria normal deberá hacerse utilizando la fórmula:
DISTR.NORM.ESTAND.INV(ALEATORIO())
a+(b*DISTR.NORM.ESTAND.INV(ALEATORIO())/DISTR.NORM.ESTAND.INV(ALEATORIO()))-0,5
Hoja de cálculo.
El fichero Cauchy.xls contiene una hoja que posibilita la descripción gráfica y la generación,
por los dos métodos expuestos, de v.a. de Cauchy. Su aspecto es el siguiente:
Proyecto e-Math 8
## CAUCHY(a,b)
0,18 X
## Den Dis n f_s f1_s f2_s
## -6,5 0,003655 0,048346 16 0,0584 0,05003 1,00000 Posición (a) 11 -7
0,16
## -6,1 0,003951 0,052001 3 0,0109 0,00938 0,01095 0 7
##
0,14-5,6 0,004620 0,056248 0 0,0000 0,00000 0,01095 0,46667
## -5,1 0,005472 0,061241 1 0,0036 0,00313 0,01460 Escala (b) 274
0,12-4,7
## 0,006581 0,067193 4 0,0146 0,01251 0,02920 1 10 0,85670
## -4,2 0,008056 0,074403 3 0,0109 0,00938 0,04015 0,08205
0,10-3,7
## 0,010078 0,083306 2 0,0073 0,00625 0,04745 Muestra A1:A300
##
0,08-3,3 0,012941 0,094558 3 0,0109 0,00938 0,05839 300 1
## -2,8 0,017161 0,109188 5 0,0182 0,01563 0,07664
0,06-2,3
## 0,023680 0,128881 8 0,0292 0,02501 0,10584 Estadísticos
## -1,9 0,034275 0,156548 16 0,0584 0,05003 0,16423 Teóricos Muestra
0,04-1,4
## 0,052212 0,197432 11 0,0401 0,03439 0,20438 Mínimo -7,00 -447,29
##
0,02-0,9 0,081793 0,260972 31 0,1131 0,09693 0,31752 Media 0,00 -2,58
## -0,5 0,119514 0,361017 34 0,1241 0,10631 0,44161 Máximo 7,00 51,55
##
0,000,0 0,138983 0,500000 43 0,1569 0,13445 0,59854 Varianza
## 0,5 0,119514 0,638983 30 0,1095 0,09380 0,70803
-6,1
-5,1
-4,2
-3,3
-2,3
-1,4
-0,5
0,5
1,4
2,3
3,3
4,2
5,1
6,1
## 0,9 0,081793 0,739028 26 0,0949 0,08129 0,80292
## 1,4 0,052212 0,802568 18 0,0657 0,05628 0,86861 Algoritmo de generación
1,0 1,9
## 0,034275 0,843452 13 0,0474 0,04065 0,91606 a-(b/(TAN(PI()*ALEATORIO())))-0,5
##
0,9 2,3 0,023680 0,871119 7 0,0255 0,02189 0,94161 a+(b*(N(0,1))/N(0,1)))
## 2,8 0,017161 0,890812 2 0,0073 0,00625 0,94891
0,8
## 3,3 0,012941 0,905442 3 0,0109 0,00938 0,95985 a-(b/(TAN(PI()*ALEATORIO())))-0,5
0,7 3,7
## 0,010078 0,916694 3 0,0109 0,00938 0,97080
##
0,6 4,2 0,008056 0,925597 0 0,0000 0,00000 0,97080
## 4,7 0,006581 0,932807 6 0,0219 0,01876 0,99270
0,5 5,1
## 0,005472 0,938759 1 0,0036 0,00313 0,99635
0,4 5,6
## 0,004620 0,943752 0 0,0000 0,00000 0,99635
##
0,3 6,1 0,003951 0,947999 1 0,0036 0,00313 1,00000
## 6,5 0,003417 0,951654 0 0,0000 0,00000 1,00000
0,2 7,0
## 0,000000 0,954833 0 0,0000 0,00000 1,00000
0,1
## 10
##
0,0
##
-6,1
-5,1
-4,2
-3,3
-2,3
-1,4
-0,5
0,5
1,4
2,3
3,3
4,2
5,1
6,1
##
##
χ2 )
Chi cuadrado (χ
Usos.
Es sabido que la suma de n variables normales estándar al cuadrado sigue una distribución χ2
de n grados de libertad, sin embargo, este hecho no convierte a la distribución χ2 en candidata para
la modelización de ninguna magnitud, excepto si ésta fuera precisamente la suma anterior. Su uso en
Simulación, o MonteCarlo, está más relacionada con el test de bondad del ajuste que lleva su
nombre.
Notación y parámetros.
Densidad y Distribución.
ν X
−1 −
X 2 e 2
f(x) =
ν
2 ν
2 Γ
2
Proyecto e-Math 9
ν j
X
X
−
j = 2 −1
2
F(x) = 1 − e 2 ∑ j!
j=0
Estadísticos.
Propiedades.
El fichero Chi2.xls contiene una hoja que posibilita la descripción gráfica y la generación:
13,8
15,8
17,8
19,7
2,1
4,0
6,0
8,0
9,9
12,5
14,5
16,4
18,4
20,4
2,7
4,7
6,7
8,6
Proyecto e-Math 10
Exponencial
Usos.
La distribución exponencial es una de las más utilizadas en simulación, sus valores son
siempre positivos lo que la liga fundamentalmente con la modelización de "tiempos", pero lo que la
convierte en sumamente importante es el hecho de que se trata de la única distribución continua cuya
tasa de fallo es constante, o dicho de otra forma, no tiene memoria. Esto supone que la magnitud
simulada, el tiempo necesario para que se complete una tarea, el tiempo hasta el fallo de un
dispositivo mecánico, el tiempo entre llegadas de los clientes a una cola, es independiente del
instante del tiempo en que nos encontremos y por tanto del tiempo transcurrido hasta ese momento.
Notación y parámetros.
Densidad y Distribución.
X
−
1 β
f(x) = e
β
X
−
β
F(x) = 1 − e
Estadísticos.
Propiedades.
Generación.
Excel no cuenta con una función para la inversa de la función de distribución, sin embargo, la
generación de variables aleatorias puede hacerse utilizando la fórmula siguiente:
(1/β) * -LOG(ALEATORIO())
Proyecto e-Math 11
1,4 EXPONENCIAL (λ
λ)
X Den Dis n f_s f1_s f2_s
0,18 1,30008 0,277733 76 0,2533 1,19015 0,25333 Lambda(λ
λ ) 18 0,00
1,2
0,36 0,940327 0,477596 58 0,1933 0,90827 0,44667 1,8 5,40
0,54 0,680124 0,622153 37 0,1233 0,57942 0,57000 0,1800
0,72
1,0 0,491923 0,726710 25 0,0833 0,39150 0,65333 300
0,90 0,355800 0,802333 27 0,0900 0,42282 0,74333 4,698
1,08
0,8 0,257345 0,857031 10 0,0333 0,15660 0,77667 0,08
1,26 0,186133 0,896593 13 0,0433 0,20358 0,82000 Muestra A1:A300
1,44
0,6 0,134627 0,925207 10 0,0333 0,15660 0,85333 300
1,62 0,097374 0,945903 9 0,0300 0,14094 0,88333
1,80 0,070429 0,960873 8 0,0267 0,12528 0,91000 Estadísticos
0,4
1,98 0,050940 0,971700 8 0,0267 0,12528 0,93667 Teóricos Muestra
2,16 0,036844 0,979531 3 0,0100 0,04698 0,94667 Mínimo 0,00 0,00
0,2
2,34 0,026649 0,985195 3 0,0100 0,04698 0,95667 Media 0,56 0,70
2,52 0,019275 0,989292 2 0,0067 0,03132 0,96333 Máximo 5,40 4,62
0,0
2,70 0,013941 0,992255 4 0,0133 0,06264 0,97667 Varianza (λ) 0,309 0,547
2,88 0,010083 0,994398 0 0,0000 0,00000 0,97667
0,2
0,5
0,9
1,3
1,6
2,0
2,3
2,7
3,1
3,4
3,8
4,1
4,5
4,9
5,2
3,06 0,007293 0,995948 1 0,0033 0,01566 0,98000
3,24 0,005275 0,997069 2 0,0067 0,03132 0,98667 Algoritmo de generación
1,0
3,42 0,003815 0,997880 0 0,0000 0,00000 0,98667 Lambda*-LOG(ALEATORIO())
3,60
0,9 0,002760 0,998467 3 0,0100 0,04698 0,99667
3,78 0,001996 0,998891 0 0,0000 0,00000 0,99667
0,8
3,96 0,001444 0,999198 0 0,0000 0,00000 0,99667
0,7
4,14 0,001044 0,999420 0 0,0000 0,00000 0,99667
4,32
0,6 0,000755 0,999580 0 0,0000 0,00000 0,99667
4,50 0,000546 0,999697 0 0,0000 0,00000 0,99667
0,5
4,68 0,000395 0,999781 1 0,0033 0,01566 1,00000
4,86
0,4 0,000286 0,999841 0 0,0000 0,00000 1,00000
5,04 0,000207 0,999885 0 0,0000 0,00000 1,00000
0,3
5,22 0,000149 0,999917 0 0,0000 0,00000 1,00000
0,2
5,40 0,000108 0,999940 0 0,0000 0,00000 1,00000
0,1 0
0,0
0,2
0,7
1,3
1,8
2,3
2,9
3,4
4,0
4,5
5,0
F
Usos.
Esta distribución tiene un papel fundamental en determinados contrastes de hipótesis
(pruebas sobre las varianzas y ANOVA). Pero fuera de estas aplicaciones no suele usarse para
modelizar magnitud alguna.
Notación y parámetros.
La notación habitual es X∼
∼F(gl1,gl2), ambos parámetros, conocidos como grados de libertad
del numerador y g.l. del denominador son de forma (gl1;gl2>0).
Densidad y Distribución.
La función de densidad es:
gl1
1 −1gl
gl1 2 2
X
f(x) = gl2
gl1 + gl2
gl gl gl 2
Β 1 ; 2 1 + X 1
2 2 gl2
Proyecto e-Math 12
Propiedades.
Nótese que la media de la distribución no depende de gl1; al aumentar los grados de libertad
de la distribución, ésta se aproxima cada vez más a la distribución Normal; se verifica que: F(gl1,gl2)
≡ 1/ F(gl2,gl1)
Generación.
Excel cuenta con una función para la inversa de la función de distribución, la generación de
variables aleatorias puede hacerse utilizando la fórmula siguiente:
DISTR.F.INV(ALEATORIO();GL1;GL2)
Hoja de cálculo.
El fichero FSnedecor.xls es una plantilla para la generación y análisis de esta distribución en
Excel. Su aspecto es el siguiente:
0,14X F (GL1,GL2)
Den Dis n
0,0 0,001274 0,000000 0 0,0000 0,00000 0,0000 G.L. 1 41 0,0000
0,12
0,1 0,015724 0,001274 1 0,0033 0,00333 0,0033 9 3,8519
0,3 0,046486 0,016998 1 0,0033 0,00333 0,0067 0,1284
0,10
0,4 0,079062 0,063484 17 0,0567 0,05667 0,0633 G.L. 2 300
0,5
0,08 0,101903 0,142546 23 0,0767 0,07667 0,1400 48 4 1,0000
0,6 0,111639 0,244449 34 0,1133 0,11333 0,2533 0,0784
0,8
0,06 0,110150 0,356089 35 0,1167 0,11667 0,3700 Muestra A1:A300
0,9 0,101166 0,466239 31 0,1033 0,10333 0,4733 300
1,0
0,04 0,088282 0,567404 27 0,0900 0,09000 0,5633
1,2 0,074197 0,655686 26 0,0867 0,08667 0,6500 Estadísticos
0,02
1,3 0,060624 0,729883 31 0,1033 0,10333 0,7533 Teóricos Muestra
1,4 0,048480 0,790507 12 0,0400 0,04000 0,7933 Mínimo 0,00 0,09
0,00
1,5 0,038133 0,838987 12 0,0400 0,04000 0,8333 Media 1,04 1,07
1,7 0,029613 0,877120 9 0,0300 0,03000 0,8633 Máximo 3,85 3,52
0,0
0,4
0,8
1,2
1,5
1,9
2,3
2,7
3,1
3,5
0,4
0,8
1,2
1,5
1,9
2,3
2,7
3,1
3,5
Proyecto e-Math 13
Gamma
Usos.
Estas aplicaciones se derivan del hecho de que puede considerarse como la probabilidad de
que ocurran α sucesos en un periodo (1/β) β) de tiempo (por ejemplo que fallen los k subsistemas
de un dispositivo que harán que éste finalmente deje de funcionar; que se lleven a cabo las k
subtareas que componen un tarea principal con lo que ésta puede considerarse terminada, etc.)
Notación y parámetros.
Densidad y Distribución.
X
−α α −1 β
β X e
f(x) =
Γα
j
− j = α −1 X
X
β
F(x) = 1 − e β
∑ j!
j=0
Estadísticos.
αβ ; αβ2
1 6 1
2 ; 3+ ;
β β β
Propiedades.
Proyecto e-Math 14
Excel cuenta con una función para la inversa de la función de distribución, la generación de
variables aleatorias puede hacerse utilizando la fórmula siguiente:
DISTR.GAMMA.INV(ALEATORIO();α;β
α;β)
α;β
Hoja de cálculo.
0,12 X GAMMA (α
α ,β )
Den Dis n f_s f1_s f2_s
3,4 0,000156 0,000156 0 0,0000 0,00000 0,0000 Alfa (α) 55 0,60
0,10 6,3 0,002635 0,002791 1 0,0033 0,00333 0,0033 5,5 85,98
9,1 0,011450 0,014240 2 0,0067 0,00666 0,0100 2,8460
12,0 0,027448 0,041688 7 0,0233 0,02331 0,0333 Beta (β) 300
0,0814,8 0,047561 0,089249 26 0,0867 0,08658 0,1200 5,5 55 0,9990
17,7 0,067276 0,156526 19 0,0633 0,06327 0,1833 0,0784
0,0620,5 0,082859 0,239385 21 0,0700 0,06993 0,2533 Muestra A1:A300
23,4 0,092304 0,331689 22 0,0733 0,07326 0,3267 300
0,0426,2 0,095294 0,426983 24 0,0800 0,07992 0,4067
29,1 0,092687 0,519670 31 0,1033 0,10323 0,5100 Estadísticos
31,9 0,085930 0,605600 30 0,1000 0,09990 0,6100 Teóricos Muestra
0,0234,7 0,076586 0,682186 22 0,0733 0,07326 0,6833 Mínimo 0,60 5,82
37,6 0,066044 0,748229 20 0,0667 0,06660 0,7500 Media 30,25 30,19
0,0040,4 0,055381 0,803610 11 0,0367 0,03663 0,7867 Máximo 2,85 71,31
43,3 0,045337 0,848947 10 0,0333 0,03330 0,8200 Varianza (λ) 166,38 168,14
17,7
26,2
34,7
43,3
51,8
60,4
68,9
77,4
0,6
9,1
26,2
34,7
43,3
51,8
60,4
68,9
77,4
0,6
9,1
Gumbel
Usos.
Notación y parámetros.
Proyecto e-Math 15
Hoja de cálculo.
El fichero Gumbel.xls es una plantilla para la generación y análisis de esta distribución
0,40 X GUMBEL(α α ,β )
Den Dis n f_s f1_s f2_s
2,8 0,024994 0,005830 0 0,0000 0,00000 0,00000 Posición (α
α ) 48 2,48083
0,353,2 0,069201 0,021672 2 0,0069 0,01944 0,00690 4,8 13,08871
3,5 0,137041 0,057624 6 0,0207 0,05833 0,02759 0,35360
0,303,9 0,211444 0,119377 13 0,0448 0,12637 0,07241 Escala (β
β) 290
4,2 0,270901 0,205356 22 0,0759 0,21387 0,14828 1,2 12 2,81913
0,254,6 0,302204 0,307587 36 0,1241 0,34996 0,27241 0,07975
5,0 0,304094 0,415573 37 0,1276 0,35968 0,40000 Muestra A1:A290
0,20
5,3 0,283378 0,519967 23 0,0793 0,22359 0,47931 290 1
0,155,7 0,249392 0,614417 32 0,1103 0,31108 0,58966
6,0 0,210330 0,695747 22 0,0759 0,21387 0,66552 Estadísticos
0,106,4 0,171846 0,763239 20 0,0690 0,19442 0,73448 Teóricos Muestra
6,7 0,137125 0,817726 21 0,0724 0,20414 0,80690 Mínimo 2,48 2,76
0,057,1 0,107510 0,860819 16 0,0552 0,15554 0,86207 Media 4,80 5,40
7,4 0,083194 0,894383 12 0,0414 0,11665 0,90345 Máximo 13,09 11,48
0,007,8 0,063752 0,920228 6 0,0207 0,05833 0,92414 Varianza (λ) 2,0
8,1 0,048499 0,939961 8 0,0276 0,07777 0,95172
10,6
11,3
12,0
12,7
2,8
3,5
4,2
5,0
5,7
6,4
7,1
7,8
8,5
9,2
9,9
Proyecto e-Math 16
Logística
Usos.
Otro motivo para su utilización es su gran parecido con la distribución Normal pero con la
ventaja de tener una función de distribución mucho más sencilla lo que posibilita extraordinariamente
su tratamiento analítico.
Notación y parámetros.
Densidad y Distribución.
X −α
−
β
e
f(x) =
2
X−α
−
β
β 1 + e
1
F(x) =
X −α
−
β
1+ e
Estadísticos.
π 2β2
α ;
3
π 2β2
3
0 ; 4,2 ;
α
Propiedades.
Proyecto e-Math 17
Excel no cuenta con una función para la inversa de la función de distribución, sin embargo, la
generación de variables aleatorias puede hacerse utilizando la fórmula siguiente:
α +( β*-LN(ALEATORIO()/(1-ALEATORIO())))
Hoja de cálculo.
12,4
15,5
18,6
0,0
3,1
6,2
9,3
12,4
15,5
18,6
0,0
3,1
6,2
9,3
Proyecto e-Math 18
BIBLIOGRAFÍA______________________________________________________
ENLACES___________________________________________________________
Proyecto e-Math 19