Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

TAREA IV. Diseño de La Calidad de La Simulación

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 8

TECNOLÓGICO NACIONAL DE MÈXICO

INSTITUTO TECNOL ÓGICO DE ORIZABA

Licenciatura en Ingeniería Industrial

Simulación-6b4D

17:00-18:00 HRS

TAREA DE LA UNIDAD IV: Diseño de la calidad de la


Simulación.

INTEGRANTES:

CASTILLO XICALHUA GABRIEL

OSORIO CASTELLANOS AMI SADHAI

JIMENEZ HERNANDEZ SALVADOR

VAZQUEZ BELLO MARÍA DEL ROSARIO

MERLIN MARTINEZ ALEJANDRO JIMMY

ZAVALA GILES MARIA CRISTINA

Profesor: Constantito Gerardo Moras Sánchez


1. Se tiene un proceso de producción que produce bicicletas. La
siguiente tabla muestra los resultados de 10 corridas piloto
independientes que se obtuvieron al correr el programa de
simulación:

Replicación Cantidad total de bicicletas


producidas en una semana
1 55
2 57
3 46
4 60
5 63
6 58
7 51
8 47
9 53
10 59

Suponga que se desea estimar la cantidad promedio de bicicletas


producidas por semana con un error absoluto de 3 bicicletas y un nivel
de confianza del 95%. Determine el número óptimo de replicaciones que
se deberán realizar.

Datos:

n= 59.4

S2n= 31.43

B= 3

α = 1- α = (1-0.95) =0.05

SOLUCIÓN:

Fórmula:
α 𝑠2(𝑛)
n ∗ (B) = min {𝑖 ≥ 𝑛: 𝑡 𝑖 − √ ≤𝐵
2 1

Sustitución:
31.43
min{𝑖 ≥ 10: 𝑡𝑖 − 1,0.025√ ≤3
1

Desarrollo:

i= 10
31.43
: 2.262 √ = 4.010 ≥ 3 (No se cumple)
10

i= 11
31.43
: 2.228 √ 11 = 3.776 ≥ 3 (No se cumple)

i= 12
31.43
: 2.201 √ = 3.562 ≥ 3 (No se cumple)
12

i= 13
31.43
: 2.179 √ 13 = 3.388 ≥ 3 (No se cumple)

i= 14
31.43
: 2.160 √ 14 = 3.236 ≥ 3 (No se cumple)

i= 15
31.43
: 2.145 √ 15 = 3.105 ≥ 3 (No se cumple)

i= 16
31.43
: 2.131 √ 16 = 2.987 ≥ 3

Por lo tanto, el número de replicaciones óptimo sería de:


16 corridas del programa.
2. Se registró el número de accidentes industriales, X, por mes en
una gran fábrica de acero, para los últimos 10 años (n=120 meses),
con los resultados que aparecen en la siguiente tabla:

X (número de accidentes) Frecuencia (número de meses)

0 65

1 25

2 8

3 7

4 6

5 5

6 4

Aplique la prueba Ji-Cuadrada y pruebe la hipótesis nula de que la


variable aleatoria X tiene una distribución Poisson, suponiendo que las
observaciones son independientes. Utilice un valor de alfa = 0.01.

Especifique claramente:
A. La hipótesis nula.
B. La hipótesis alterna.
C. El estadístico de la prueba.
D. La región de rechazo.
E. La decisión.
F. La conclusión.

SOLUCIÓN:

Ho: La variable aleatoria x sigue una distribución Poisson dada por la función:

𝑃(𝑥) = (𝜆𝑥 𝑒 −𝜆 )/𝑥!

Ha: La variable aleatoria x no sigue con una distribución Poisson.


Análisis:
La media (λ) es desconocida, por lo que se estima:

𝑥̅ ={(0)(65)+(1)(25)+(2)(8)+(3)(7)+(4)(6)+(5)(5)+(6)(4)}/120=135/120=1.125

Es decir, en 120 meses ocurren 1.125 accidentes industriales por mes.

Las probabilidades de las celdas, los valores esperados y los valores observados
son los siguientes:

x Oi 𝐏(𝐱) = (𝛌 𝐱 𝐞−𝛌 )/𝐱! 𝑬(𝒙) =𝒏𝑷(𝒙)

0 65 0.3246 38.952
1 25 0.3652 43.824
2 8 0.2054 24.648
3 7 0.0770 9.24
4 6 0.0216 2.59
5 5 0.00487 0.5844
6 4 0.000914 0.10968

Recordando que cada valor esperado debe ser mayor o igual a cinco, por lo que la
tabla definitiva es la siguiente:

x Oi 𝐏(𝐱) = (𝛌 𝐱 𝐞−𝛌 )/𝐱! 𝑬(𝒙) =𝒏𝑷(𝒙)


0 65 0.3246 38.952
1 25 0.3652 43.824
2 8 0.2054 24.648
3-4-5-6 22 0.10748 12.87

El estadístico de la prueba es el siguiente:

𝒙𝟐 = (65 − 38.952)2 /38.952 + (25 − 43.824)2 /43.824 + (8 − 24.648)2 /24.648


+ (22 − 12.87)2 /12.87 = 𝟒𝟑. 𝟐𝟐

La región de rechazo es la siguiente:

𝒙𝟐 > 𝒙𝟐 𝜶, 𝑲 − 𝟏 − 𝒑 = 𝑥 2 0.01,4 − 1 − 1 = 𝑥 2 0.01,2 = 𝟗. 𝟐𝟏𝟎

Decisión:

Se rechaza la hipótesis nula.


Conclusión:

Hay suficiente evidencia para decir que los datos no se ajustan a una distribución
Poisson.

3. Se tomó una muestra de 20 datos de los tiempos de servicio en


minutos que un empleado de una gasolinera tarda despachando
gasolina por automóvil. Los 20 datos en minutos son los siguientes:

1.3, 2.6, 7.4, 3.2, 4.5, 1.9, 2.2, 2.1, 3.6, 6.5,
2.4, 2.9, 4.5, 6.1, 6.0, 3.0, 2.8, 2.6, 3.5, 4.5.

Aplique la prueba K-S y pruebe la hipótesis de que estos datos


siguen la distribución exponencial con una media beta de 3.7
minutos, con una alfa de 0.01, sabiendo que la fórmula de la
función de distribución exponencial es:

F(x) = 1-e-x/

 Nota: No se olvide de ordenar los datos en forma ascendente.
Especifique claramente:
A. La hipótesis nula.
B. La hipótesis alterna.
C. El estadístico de la prueba.
D. La región de rechazo.
E. La decisión.
F. La conclusión.

SOLUCIÓN:

Ho: Los tiempos de servicio que un empleado de una gasolinera tarda despachando
gasolina siguen la distribución exponencial con una media beta de 3.7 minutos.

Ha: Los tiempos de servicio que un empleado de una gasolinera tarda despachando
gasolina NO siguen la distribución exponencial con una media beta de 3.7 minutos.

i Xi F*(Xi) = 1-e-x/ i/n – F*(Xi) F*(Xi) – (i-1)/n


1 1.3 0.296 -0.246 0.296
2 1.9 0.402 -0.302 *0.352
3 2.1 0.433 -0.283 0.333
4 2.2 0.448 -0.248 0.298
5 2.4 0.447 -0.227 0.277
6 2.6 0.505 -0.205 0.255
7 2.6 0.505 -0.155 0.205
8 2.8 0.531 -0.131 0.181
9 2.9 0.543 -0.093 0.143
10 3.0 0.555 -0.055 0.105
11 3.2 0.579 -0.029 0.079
12 3.5 0.612 -0.012 0.062
13 3.6 0.622 0.028 0.022
14 4.5 0.704 -0.004 0.054
15 4.5 0.704 0.046 0.004
16 4.5 0.704 0.096 0.046
17 6.0 0.802 0.048 0.002
18 6.1 0.808 0.092 0.042
19 6.5 0.827 0.123 0.073
20 7.4 0.865 0.135* 0.085

Estadístico de la prueba:
D= máx. (0.135,0.352) =0.352

Región de rechazo:

D0.01,20=1.63/SQRT (20) = 0.3645

Decisión:

Como 0.352 es menor a 0.3645 entonces, no se rechaza la hipótesis nula.

Conclusión:

De acuerdo a la evidencia presentada los tiempos de servicio que un empleado de


una gasolinera tarda despachando gasolina siguen la distribución exponencial con
una media beta de 3.7 minutos.

También podría gustarte