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

¡Te damos la bienvenida a Scribd!

  • 187 vistas

    TAREA IV. Diseño de La Calidad de La Simulación

    Cargado por

    Maria del rosario Vazquez
    Este documento presenta 3 problemas de simulación resueltos. El primero determina el número óptimo de replicaciones para estimar la producción promedio de bicicletas con un error de 3 unidades. El segundo aplica la prueba Ji-cuadrada para probar si los accidentes industriales siguen una distribución de Poisson. El tercero aplica la prueba K-S para probar si los tiempos de despacho de gasolina siguen una distribución exponencial con parámetro 3.7 minutos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    TAREA IV. Diseño de La Calidad de La Simulación

    Cargado por

    Maria del rosario Vazquez
    187 vistas8 páginas
    Este documento presenta 3 problemas de simulación resueltos. El primero determina el número óptimo de replicaciones para estimar la producción promedio de bicicletas con un error de 3 unidades. El segundo aplica la prueba Ji-cuadrada para probar si los accidentes industriales siguen una distribución de Poisson. El tercero aplica la prueba K-S para probar si los tiempos de despacho de gasolina siguen una distribución exponencial con parámetro 3.7 minutos.

    Descripción original:

    Simulación

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta 3 problemas de simulación resueltos. El primero determina el número óptimo de replicaciones para estimar la producción promedio de bicicletas con un error de 3 unidades. El segundo aplica la prueba Ji-cuadrada para probar si los accidentes industriales siguen una distribución de Poisson. El tercero aplica la prueba K-S para probar si los tiempos de despacho de gasolina siguen una distribución exponencial con parámetro 3.7 minutos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    187 vistas8 páginas

    TAREA IV. Diseño de La Calidad de La Simulación

    Cargado por

    Maria del rosario Vazquez
    Este documento presenta 3 problemas de simulación resueltos. El primero determina el número óptimo de replicaciones para estimar la producción promedio de bicicletas con un error de 3 unidades. El segundo aplica la prueba Ji-cuadrada para probar si los accidentes industriales siguen una distribución de Poisson. El tercero aplica la prueba K-S para probar si los tiempos de despacho de gasolina siguen una distribución exponencial con parámetro 3.7 minutos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 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