diagrama de dispersion






1.3.3.1 AJUSTE DE DATOS A DISTRIBUCIONES TEÓRICAS.
Análisis de entradas: especificaciones de parámetros y distribuciones del modelo (Pág. 172)
Input analyzer (Analizador de datos de entrada). Herramienta estándar que acompaña a Arena y está diseñada específicamente para ajustar distribuciones para datos observados, proporcionar estimados de sus parámetros, y medir que tan bien seajustan a los datos.

Las distribuciones de probabilidad caen dentro de dos tipos: teóricas y empíricas. Las distribuciones teóricas como la exponencial, triangular, weibull y gamma, generan muestras con base en la formulación matemática. Las distribuciones empíricas simplemente dividen los datos reales en grupos y calculan la proporción de valores en cada grupo, posiblemente interpolandoentre puntos para conseguir mayor precisión.

Cada tipo de distribución se subdivide en continua y discreta. Las distribuciones teóricas continuas que Arena usa en su modelo son la exponencial, triangular, weibull, gamma, erlang, lognormal, uniforme y normal. Se les llaman distribuciones continuas porque pueden regresar cualquier cantidad de valor real. Por lo general se usan para representarduraciones de tiempo en un modelo de simulación.

La distribución Poisson es discreta; solo puede regresar cantidad de valores enteros. A menudo se usa para describir el número de eventos que ocurren en un intervalo de tiempo o la distribución de variar aleatoriamente el tamaño de los lotes.
También se pueden usar una o dos distribuciones empíricas: las distribuciones de probabilidaddiscreta y continua. Cada una se define al usar una serie de pares probabilidad/valor que representan un histograma de los valores de datos que pueden regresar. La distribución empírica discreta regresa solo los valores de datos de ellos mismos, al usar las probabilidades de escoger de entre los valores individuales. Se usa comúnmente para tipos de entidad probabilísticamente asignados. Ladistribución empírica continua usa las probabilidades y valores para regresar una cantidad realmente evaluada. Se puede usar en lugar de una distribución teórica en casos donde los datos tengan características inusuales o donde ninguna de las distribuciones teóricas proporcione un buen ajuste.

Se requieren 4 pasos para usar el Analizador de datos de entrada para ajustar una distribución de probabilidada sus datos para usarlos como una entrada en un modelo:
1. Crear un archivo de texto que contenga los valores de los datos
2. Ajustar automáticamente todas las distribuciones aplicables.
3. Seleccionar que distribución quiere usar.
4. Copiar la expresión generada por el Analizador de datos de entrada en el campo apropiado en el modelo de Arena.

Cuando se utiliza la opción Fit All(Ajustar todos), presenta la distribución que tiene un valor de error cuadrático mínimo (una medida de la calidad de la correspondencia de la distribución con los datos).

El Analizador de datos de entrada proporciona 3 medidas numéricas de la calidad del ajuste de una distribución a los datos para ayudarle a decidir:
1. Error cuadrático medio. Es el promedio de los términos de error cuadráticopara cada clase del histograma, que son los cuadrados de las diferencias entre las frecuencias observadas y las frecuencias de la función de la distribución de probabilidad ajustada. A mayor valor de error cuadrático mas lejana esta la distribución ajustada de los datos verdaderos.
2. Prueba de hipótesis de bondad de ajuste.
3. Prueba de hipótesis Kolmogorov-Smirnov

Las pruebas de hipótesisde bondad de ajuste y Kolmogorov-Smirnov son pruebas estándar de hipótesis estadísticas que se pueden usar para evaluar si una distribución teórica ajustada es un buen ajuste de los datos.

El valor p es la probabilidad de obtener un conjunto de datos que es más inconsistente con la distribución ajustada que el conjunto de datos que de hecho tiene, si la distribución de ajuste es en realidad...