MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: [email protected].

41
MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: [email protected]

Transcript of MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: [email protected].

Page 1: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

MODELOS DE SIMULACIÓN

PROFESOR:Ing. Msc. MARINO FRANCO

ACEVEDOCorreo: [email protected]

Page 2: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.
Page 3: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

ObjetivoRepresentar, modelar y establecer un horizonte de predictibilidad de una situación problémica por medio de modelos matemáticos y su operatividad desde la informática

Page 4: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

CONTENIDO:

•INTRODUCCION.•CONSTRUCCIÓN DE MODELOS LINEALES.•MODELOS DETERMINÍSTICOS•MODELOS ESTOCÁSTICOS•ANALISIS DE SERIES DE TIEMPO

Page 5: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

BIBLIOGRAFIA: Mendenhall, William. Probabilidad y Estadística para Ingeniería y Ciencias. Cuarta edición. 1997. México. 1182 p.Guerrero, Víctor. Análisis Estadístico de series de tiempo Económicas. Editorial universidad Autonoma Metropolitana 1991. México. 309 p.

Page 6: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

BIBLIOGRAFIA: Orozco, Giovanni. Estadística para Ingenieros. Editorial U.P.B. 1996. Medellín. 209 p.

Page 7: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

BIBLIOGRAFIA:

INTERNET

Page 8: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

EVALUACIÓN:Fecha de entrega

Taller 50% 1 de Mayo 8:00 a.m. ?Consulta 20% 1 de Mayo 8:00 a.m. ?Trabajo 30% 1 Mayo 5:00 p.m.

Page 9: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

INTRODUCCIÓN

Page 10: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

ESTADISTICA BASICA

Page 11: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Etimología:La palabra "estadística" procede del latín statisticum collegium ("consejo de Estado") y de su derivado italiano statista ("hombre de Estado" o "político"). No fue hasta el siglo XIX cuando el término estadística adquirió el significado de recolectar y clasificar datos. Este concepto fue introducido por el inglés John Sinclair.

Page 12: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Orígenes en probabilidad:

Los métodos estadístico matemáticos emergieron desde la teoría de probabilidad, la cual data desde la correspondencia, ciertamente, entre Pierre de Fermat y Blaise Pascal (1654).

Page 13: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Conceptos Básicos:

(Gini, 1953.Murria R. Spiegel, (1991) dice: "La estadística estudia los métodos científicos para recoger, organizar, resumir y analizar datos, así como para sacar conclusiones válidas y tomar decisiones razonables basadas en tal análisis.

Page 14: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Conceptos Básicos:

"La estadística es la ciencia que trata de la recolección, clasificación y presentación de los hechos sujetos a una apreciación numérica como base a la explicación, descripción y comparación de los fenómenos". (Yale y Kendal, 1954).

Page 15: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Conceptos Básicos:

Cualquiera sea el punto de vista, lo fundamental es la importancia científica que tiene la estadística, debido al gran campo de aplicación que posee.

Page 16: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Población:

"Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).

"Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974).

Page 17: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Ejemplo: Los estudiantes de ingeniería Eléctrica de la Universidad de Antioquia.El tamaño que tiene una población es un factor de suma importancia en el proceso de investigación estadística.Según el número de elementos la población puede ser finita o infinita

Page 18: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Cuando el número de elementos que integra la población es muy grande, se puede considerar a esta como una población infinita, por ejemplo; el conjunto de todos los números positivos.

Page 19: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Una población finita es aquella que está formada por un limitado número de elementos, por ejemplo; el número de profesores del municipio de Medellín.

Page 20: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Muestra: "Se llama muestra a una parte de la población a estudiar que sirve para representarla". Murria R. Spiegel (1991).

"Una muestra es una colección de algunos elementos de la población, pero no de todos". Levin & Rubin (1996).

Page 21: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Muestreo:

Es el procedimiento empleado para obtener una o más muestras de una población.Tipos de muestreo. Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no aleatorio o de juicio y el muestreo aleatorio o de probabilidad.

Page 22: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Muestreo:

En el muestreo aleatorio o de probabilidad todos los elementos de la población tienen la misma oportunidad de ser escogidos en la muestra.

Page 23: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Variables: Las variables, también suelen ser llamados caracteres cuantitativos, son aquellos que pueden ser expresados mediante números. Son caracteres susceptibles de medición. Como por ejemplo, la estatura, el peso, el salario, la edad, etc.

Page 24: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Si la variable puede tomar solamente un valor, se llama constante.

Page 25: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Atributos: Los atributos también llamados caracteres cualitativos, son aquellos que no son susceptibles de medición, es decir que no se pueden expresar mediante un número. La forma de expresar los atributos es mediante palabras, por ejemplo; profesión, estado civil, sexo, nacionalidad, etc.

Page 26: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Es acá donde en base a la muestra seleccionada se calculan unos valores llamados estadísticos, los cuales la caracterizan y son una aproximación probabilística a los parámetros.

Page 27: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Se llaman estadísticos ya que si seleccionan varias muestras en una misma población, dichos valores serán diferentes, aunque deben ser razonablemente aproximados.

Page 28: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Formas de Observar la Población:Atendiendo a la fuente se clasifican en directa o indirecta. Observación directa: es aquella donde se tienen un contacto directo con los elementos o caracteres en los cuales se presenta el fenómeno que se pretende investigar, y los resultados obtenidos se consideran datos estadísticos originales

Page 29: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Formas de Observar la Población:Atendiendo a la fuente se clasifican en directa o indirecta. Observación indirecta: es aquella donde la persona que investiga hace uso de datos estadísticos ya conocidos en una investigación anterior, o de datos observados por un tercero

Page 30: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Formas de Observar la Población:Atendiendo a la periodicidad, puede ser continua, periódica o circunstancial.Una observación periódica; es aquélla que se lleva a cabo a través de períodos de tiempo constantes.

Page 31: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Formas de Observar la Población:Atendiendo a la periodicidad, puede ser continua, periódica o circunstancial. La observación circunstancial, es aquella que se efectúa en forma ocasional o esporádica, esta observación hecha más por una necesidad momentánea, que de carácter regular o permanente.

Page 32: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Estadística Descriptiva: Tienen por objeto fundamental describir y analizar las características de un conjunto de datos, obteniéndose de esa manera conclusiones sobre las características de dicho conjunto y sobre las relaciones existentes con otras poblaciones, a fin de compararlas.

Page 33: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Estadística Inductiva Está fundamentada en los resultados obtenidos del análisis de una muestra de población, con el fin de inducir o inferir el comportamiento o característica de la población, de donde procede, por lo que recibe también el nombre de Inferencia estadística.

Page 34: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

RELACION ESTADÍSTICA-PROBABILIDAD

Lo que podría llamarse un Proceso Estadístico está fundamentado en la inferencia que se hace sobre una población, teniendo en cuenta la información suministrada por una muestra.

Page 35: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Algunos campos de investigación usan la estadística tan extensamente que tienen terminología especializada. Estas disciplinas incluyen: Física estadística Estadística industrialEstadística Espacial

Disciplinas especializadas:

Page 36: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Matemáticas Estadística Estadística en MedicinaEstadística en Nutrición Estadística en Agronomía Estadística en Planificación Estadística en Investigación Estadística en Derecho Estadística en Restauración de Obras

Disciplinas especializadas:

Page 37: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Estadística en Literatura Estadística en Astronomía Estadística en la AntropologíaEstadística Militar Geoestadística Bioestadística Estadísticas de negocios

Disciplinas especializadas:

Page 38: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Computación estadística:

El rápido y sostenido incremento en el poder de cálculo de la computación desde la segunda mitad del siglo XX ha tenido un sustancial impacto en la práctica de la ciencia estadística. Viejos modelos estadísticos fueron casi siempre de la clase de los modelos lineales.

Page 39: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Computación estadística:

Ahora, complejos computadores junto con apropiados algoritmos numéricos, han causado un renacer del interés en modelos no lineales, como redes neuronales, y la creación de nuevos tipos tales como modelos lineales generalizados y modelos multinivel.

Page 40: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Críticas a la estadística:

Hay una percepción general de que el conocimiento estadístico es intencionado y muy frecuentemente mal usado, encontrando formas de interpretar los datos que sean favorables al presentador. Un dicho famoso, al parecer de Benjamin Disraeli es "Hay tres tipos de mentiras — mentiras, grandes mentiras y estadísticas".

Page 41: MODELOS DE SIMULACIÓN PROFESOR: Ing. Msc. MARINO FRANCO ACEVEDO Correo: marinoupb@gmail.com.

Críticas a la estadística:

El Decano de Harvard Lawrence Lowell escribió en 1909 que las estadísticas, "como algunos pasteles, son buenas si se sabe quién las hizo y se está seguro de los ingredientes.”