ESTUDIO DE LA ENERGIA ESPECIFICA EN UN CANAL

RECTANGULAR
Daniel Leyton - Juan Maya- Esteban Meneses- Mauricio Sarasty
Universidad Mariana, Facultad de Ingenieria, Ingenieria Civil

March 15, 2017

Abstract
La variabilidad de los diferentes factores econ omicos que ahondan en el mundo son actualmente un tema de
estudio e interes para el publico en general, es por ello que el realizar un an
alisis de como vara el comportamiento
de estas variantes se considera importante analizar todas o al menos una de estas. En este caso el observar el
comportamiento de cualquier moneda ser a motivo de investigaci on exhaustiva para estudiar posibles resultados en
el futuro.

1
INTRODUCCION de probabilidad. Y, tal como corresponde a la definici
on
de distribuci
on de probabilidad, esta expresi on repre-
Un canal es una construcci on que puede ser natural o senta la suma de todas las probabilidades desde lo que
artificial destinada al transporte de todo tipo de flui- se conoce como infinito negativo hasta el valor x.
dos en nuestro laboratorio el fluido es el agua cuando
est
a en movimiento genera una energa cinetica que en En este caso la distribuci
on de variable discreta abar-
este caso es la estudiada en un canal rectangular, y que car
a distribuciones especificas de las cuales haremos uso
debe superar cualquier elevaci on o contracci
on a la cual para el respectivo analisis monetario. Determinadas dis-
se vea enfrentada el agua y si no es capaz de superar tribuciones se explicaran a continuacion.
estos obst aculos con la energa que viaja se genera un
fenomeno en el fluido llamado fen omeno de choque. Y DISTRIBUCION BINOMIAL:En estadstica,
en este caso el agua acumula energa repres andose para la distribuci
on binomial es una distribuci on de proba-
superar los obst aculos. Por consiguiente encontraremos bilidad discreta que cuenta el numero de exitos en una
las energas en cada punto del canal y la mnima en- secuencia de n ensayos de Bernoulli independientes entre
erga que puede tener el agua antes de que se genere un s, con una probabilidad fija p de ocurrencia del exito
fenomeno de choque de una manera gr afica y numerica. entre los ensayos. Un experimento de Bernoulli se carac-
teriza por ser dicot
omico, esto es, s
olo son posibles dos
resultados. A uno de estos se denomina exito y tiene
2 OBJETIVOS una probabilidad de ocurrencia p y al otro, fracaso, con
una probabilidad q = 1 - p. En la distribuci on binomial
Para la realizaci on del analisis en las fluctuaciones del el anterior experimento se repite n veces, de forma inde-
dolar respecto al peso mexicano se utilizo los concep- pendiente, y se trata de calcular la probabilidad de un
tos basicos aprendidos en probabilidad, tambien se hizo determinado n umero de exitos.[4]
uso de las diferentes herramientas inform aticas y de pro-
gramas como python y excel, estos programas nos mini- Su funci
on de probabilidad ser
a:
mizan un poco el trabajo pues permiten el ingreso de una
gran cantidad de datos en muy poco tiempo. Para em-
pezar se debe tener saber que tipo de variables se quiere
analizar en cuanto a la basta cantidad de an alisis prob- !
abilisticos que existen, primeramente debemos recordar n x
f (x) = p (1 p)nx (1)
que la probabilidad se dividir a en dos grupos de dis- x
tribucion, la distribuci
on continua y la distribuci on disc-
reta: Donde x = 0, 1, 2, ..., n y tambien.

DISTRIBUCION DE VARIABLE DISC-

RETA Se denomina distribucion de variable discreta
a aquella cuya funci
on de probabilidad solo toma valores !
positivos en un conjunto de valores de X finito o infinito n n!
= (2)
numerable. A dicha funci on se le llama funci
on de masa x x!(n x)!

1
 Donde n 0 es el n umero de ensayos (siempre ser
a DISTRIBUCION DE NORMAL: En estadstica
umero entero). Y tambien 0 p 1 es la probabil-
un n y probabilidad se llama distribucion normal, distribuci on
idad de exitos (siempre ser
a un n
umero real). de Gauss o distribuci on gaussiana, a una de las dis-
tribuciones de probabilidad de variable continua que con
DISTRIBUCION DE POISSON:En teora de mas frecuencia aparece aproximada en fen omenos reales.
probabilidad y estadstica, la distribuci
on de Poisson es La grafica de su funci on de densidad tiene una forma
una distribucion de probabilidad discreta que expresa, a acampanada y es simetrica respecto de un determinado
partir de una frecuencia de ocurrencia media, la proba- parametro estadstico. Esta curva se conoce como cam-
bilidad de que ocurra un determinado n umero de eventos pana de Gauss y es el gr afico de una funci on gaussiana.
durante cierto perodo de tiempo. Concretamente, se es- La importancia de esta distribuci on radica en que
pecializa en la probabilidad de ocurrencia de sucesos con permite modelar numerosos fen omenos naturales, so-
probabilidades muy peque nas, o sucesos raros. [5] ciales y psicol
ogicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fen omenos son de-
Donde la funci
on de masa o probabilidad de la dis- sconocidos, por la enorme cantidad de variables incontro-
tribuci
on de Poisson es: lables que en ellos intervienen, el uso del modelo normal
puede justificarse asumiendo que cada observaci on se ob-
tiene como la suma de unas pocas causas independientes.

e k
f (k, ) = (3)
k!
Donde: k es el n umero de ocurrencias del evento o
fen
omeno (la funcion nos da la probabilidad de que el
evento suceda precisamente k veces). es un parametro
positivo que representa el n
umero de veces que se espera
que ocurra el fen
omeno durante un intervalo dado.

DISTRIBUCION BINOMIAL NEGATIVA:

En estadstica la distribuci
on binomial negativa es una
distribucion de probabilidad discreta que incluye a la dis-
tribuci
on de Pascal.
El n umero de experimentos de Bernoulli de
parametro independientes realizados hasta la conse- Figure 1: Grafica general de una distribucion normal
cucion del k-esimo exito es una variable aleatoria que
tiene una distribucion binomial negativa con parametros
k y [6] .
3
PRESENTACION DEL
La distribucion geometrica es el caso concreto de la
binomial negativa cuando k = 1. PROBLEMA
! Analisis del problema desde el aspecto prob-
x 1 xr r abil
stico. El examinar el fenomeno y la toma de
f (x) = q (p) (4)
r1 datos desde el aspecto estadstico es m as complejo y casi
interminable ya que podemos hacer diferentes an alisis de
cada toma de datos y esta puede variar seg un tomemos
DISTRIBUCION DE VARIABLE CON-
una porci on diferente de los datos.
TINUA En teora de la probabilidad una distribucion
Para este caso y primordial mente para una inter-
de probabilidad se llama continua si su funci on de dis-
pretaci on mas clara de resultados analizaremos los datos
tribuci
on es continua. Puesto que la funci on de dis-
de los primeros 7 meses de nuestra informaci on, como
tribuci
on de una variable aleatoria X viene dada por
tambien en el u ltimo problema analizaremos la situaci on
FX (x) = P (X x) , la definicion implica que en una
con los 3 primeros a nos de los que se tiene registro la
distribuci
on de probabilidad continua X se cumple P[X
cual constar a de valores del peso mexicano en los a nos
= a] = 0 para todo n umero real a, esto es, la probabili-
2006, 2007 y 2008. Los siguientes propuestos proba-
dad de que X tome el valor a es cero para cualquier valor
bilsticos est
an basados en la misma informaci on. Con
de a. Si la distribuci
on de X es continua, se llama a X
el fin de analizar los diferentes aspectos y probabilidades
variable aleatoria continua.[7]
futuras del comportamiento del valor monetario procede-
mos a hacer uso de diferentes definiciones y ecuaciones
En las distribuciones de probabilidad continuas, la
mencionadas anteriormente. A partir de aqu se desea
distribuci
on de probabilidad es la integral de la funci
on
presentar diferentes preguntas importantes a resolver
de densidad, por lo que tenemos entonces que:
mediante fundamentos te oricos como lo son las distribu-
ciones de probabilidad anteriormente mencionadas. Las
graficas resultantes de tales distribuciones nos propor-
Z x cionar an un an alisis m
as preciso del comportamiento de
F (x) = P (X x) = f (t)dt (5) los diferentes factores que comprender an la accion del

2
peso mexicano a lo largo de un periodo de tiempo dado. valor de el peso mexicano con respecto al dolar estuvo
en el rango de 13 pesos ( en este caso fueron 50 ) y lo
Para la realizacion de los siguientes problemas se dividiremos entre el numero total de das con el que se
quiso analizar de los 7 primeros meses del a no 2006 que hizo el respectivo estudio (en este caso fueron 190), valor
se tiene. En este caso el peso mexicano vara de 9 a 19 que tambien corresponder a a n. Una vez hecho esto se
pesos, en el que suceder a tambien una variaci
on decimal aplicara la formula 1 y 2. Para afianzar los datos, se
que vamos a despreciar. Tomaremos el rango que m as se genero una tabla obtenida en Python que proporciona
repite en esta lista, el cual es el de 13 pesos, y a partir cada valor de X en este caso de 0 a 25 y su respec-
se sacara la probabilidad de que se escoja un da al azar tivo resultado en la variable de funcion de probabilidad
y se elija un monto que vare de 13,0 a 13,99 pesos. (TABLA ADJUNTA EN ANEXOS Distribuci on Bino-
DISTRIBUCION BINOMIAL:Se sabe que el mial - Tabla de Datos).
rango en el que vara el peso mexicano en los primeros 7
meses del a no 2006 sera el rango de los 13 pesos, sea X
la variable aleatoria que definira las veces en las que se
escogi
o un valor de la moneda en un da determinado, p
la probabilidad de que el valor se encuentre en el rango
de los 13 pesos mexicanos. Obtenga la funci on de prob-
abilidad de funcion acumulada y tambien diga para que
valores de X esto sera m as o menos probable.

DISTRIBUCION DE POISSON:La cantidad de

veces en la que el peso mexicano con respecto al dolar
cueste en un rango de 13,0 a 13,99 pesos se modela
como una variable aleatoria de Poisson. Sabemos que en
promedio cada 7 meses el valor de el peso mexicano ha
estado dentro de el rango mencionado 45 veces. Cual
es la probabilidad de que se obtenga tal rango en 10, 15,
20 y 25 das ?
Figure 2: Funcion de probabilidad binomial acumu-
DISTRIBUCION BINOMIAL NEGA- lada.
TIVA:Un experimento se modela de tal forma que se
deja de hacer ensayos cada que se encuentra el primer
exito. En este caso nuestra probabilidad de exito corre- Basados en la tabla adjunta y en el anterior gr
afico
spondera a obtener un da en el que el rango del peso establecemos lo siguiente:
mexicano con respecto al dolar este dentro de los 13
pesos, que en este caso es 0.43 . Graficar la probabilidad
Valor de X Probabilidad Tipo de Frecuencia
desde que en un ensayo se encontr o 1 exito, hasta que
en 11 ensayos se encontro 1 exito. 1 2.894e-07 Menos Probable
14 0.1277 Mas probable
DISTRIBUCION NORMAL ESTANDAR:La
variaci
on del peso mexicano con respecto al dolar se
encuentra dentro del rango de los 9 a 19 pesos. Con TABLA 1: Valores mas y menos probables de X en
una media de 13,12 pesos mexicanos y una desviaci on distribuci
on binomial.
estandar de 1,97.
a) Cual es la probabilidad de que el valor del peso
mexicano en una elecci
on sea menos de 15,4 pesos mex-
icanos?
DISTRIBUCION DE POISSON: Para este
b) Cual es la probabilidad de que el valor del peso problema, se proceder a a identificar primero el valor de
mexicano en una eleccion se encuentre entre los 12,5 y lambda, lambda ser a el numero de veces que se espera
los 14,3 pesos mexicanos? que ocurra este fen
omeno en este caso 10, 15, 20 y 25. Y
K el numero total de observaciones que tenemos. En este
caso el numero total de observaciones ser a los 45 das
correspondientes a la media de das que se repite el rango
4 RESULTADOS cada 7 meses, en este caso 45, aplicando la formula (3)
determinaremos el valor de la funci on de probabilidad
BINOMIAL: Para solucionar
DISTRIBUCION para cada caso. Se gener o una tabla obtenida en Python
este problema primero tenemos que considerar ciertas que proporciona cada valor de X en este caso de 0 a 25
variables para poder graficar, estas variables correspon- y su respectivo resultado en la variable de funci on de
den a n y a p, sabemos que X variar a de 1 en 1 porque probabilidad (TABLA ADJUNTA EN ANEXOS Dis-
siempre tendra que ser entera. Primeramente sabemos tribuci
on de Poisson - Tabla de Datos).
que la variable p es la probabilidad, la probabilidad se
obtendra dividiendo la cantidad de das en los que el

3
 tambien haremos uso de la siguiente gr
afica.

Figure 5: Grafica de distribucion de probabilidad

normal estandar.
Figure 3: Funci
on de probabilidad de Poisson. Los valores de la media y la desviaci on estandar
fueron sacados de los valores obtenidos mediante pro-
Valor de Lambda Valor de funci on de probabilidad gramas en Python, que proporcionaron dichos datos y
10 3.79527e-16 fueron llevados a la siguiente tabla.
15 2.14722e-10
20 6.06245e-07 Media 13.12
25 9.37835e-05 Varianza 3.89
TABLA 2: Valores de funci on de probabilidad de Des. estandar 1.97
Poisson con diferentes valores de lambda. Coef. variacion 0.150
X- min 9.92

DISTRIBUCION BINOMIAL NEGATIVA: Cuartil 1 11.95
Para poder asimilar este problema, tendremos que hacer Mediana 12.94
uso de el valor de probabilidad de exito, que en este caso Cuartil 2 12.94
es de 0,43 dicho valor corresponder a al valor de p, el X-max 19.19
valor de q ser
a igual a (1-p), r correspondera al numero Cuartil 3 13.54
de exitos que se desea que tenga, en este caso ser an 2. TABLA 3: Valores estadsticos de el an alisis de los 3
Con ayuda de la formula (4) obtendremos la siguiente primeros anos de la variacion del peso mexicano con
gr
afica y una tabla anexa realizada en python.(TABLA respecto al dolar
ADJUNTA EN ANEXOS Distribuci on Binomial Neg-
Para estandarizar la variable X se hace:
ativa - Tabla de Datos).

X
Z= (6)

Con ayuda de la anterior formula y de los datos de la
Tabla 3 tenemos:
a) Para X=15,4
Z=1.15
Con ayuda de la tabla
P (Z 1.15) = 0, 874928
b) Para X=12,5 y X=14,3
Z1=-0.31 , Z2=0.59
Con ayuda de la tabla
P (0.31 Z 0.59) = P (0.31 Z1) + P (Z2
0.59) = 0, 503353

Figure 4: Funci
on de probabilidad binomial negativa 5
ANALISIS DE
acumulada. RESULTADOS

DISTRIBUCION
NORMAL ESTANDAR: Los diferentes problemas planteados anteriormente nos
Para resolver los problemas de distribuci on normal es- proporcionaron ciertos resultados analticos, los cuales
tandar se hara uso de la formula de estandarizaci on y son importantes a la hora de analizar la fluctuaci on de
una vez estandarizada X en Z se proceder a a examinar el dolar con respecto a la moneda mexicana, desde este
con la ayuda de la tabla de distribucion normal estandar aspecto podemos influir varias cosas, en el caso de
acumulada, las respectivas probabilidades de los even- nuestro grafico de distribuci
on binomial acumulada
tos. Para hacer mas f
acil la interpretaci
on del problema, podemos influir que al tratarse de un da aleatorio, las

4
probabilidades de que el rango de la moneda se
encuentre entre los 13 pesos que es el valor que m as se
repite a lo largo de todo el an alisis monetario,
obtendremos la probabilidad m as baja, a partir de aqu
la probabilidad de encontrarse con esta variable
comienza a aumentar, hasta decirnos que en el 14 avo
ensayo se encontrar a la mayor probabilidad de que
podamos encontrar el valor que m as se repite como
resultado. A partir de aqu la probabilidad disminuye,
sin importar que se hagan m as ensayos, haciendonos
llegar a la conclusi on de que la cantidad de ensayos no
depender a la efectividad de obtener una probabilidad
alta, sino que llegar a a un punto de alta probabilidad en
la que esta dejar a de aumentar, para volver a establecer
valores numericos de probabilidad similares, la
probabilidad fija, permitir a que la ocurrencia de exitos
no sea creciente sino que la forma que dar a a la hora de
graficarlos sera parecida a la de una campana de Gauss.
En la gr afica de Poisson podemos observar que tenemos
varios valores de lambda, estos valores son los distintos
valores de tiempo que se le han asignado a la
distribuci on para analizar de que manera la ocurrencia
de un evento depender a al verse afectado en un tramo
m as largo o m as corto de tiempo, en este caso la curva
roja, representa la funci on de probabilidad con un
lambda igual a 10, osea 10 das, a menor cantidad de
tiempo (menor lambda) la probabilidad ser a mayor,
esto podemos corroborarlo analizando la curva cyan
correspondiente a los 25 das la cual presenta la menor
probabilidad en los ensayos.
En el caso de la distribuci on binomial negativa
analizar a el caso en el que suceda un exito, que sera el
de encontrar un da en el que el valor del peso
mexicano oscile en el rango de los 13 pesos, a partir de
ah el conteo vuelve a iniciarse y vuelve a detenerse
hasta volver a encontrar el primer exito nuevamente,
las probabilidades de encontrar el mismo exito iniciada
la cuenta nuevamente se van reduciendo hasta que las
probabilidades se acercan a un n umero demasiado
peque no para analizarse.
Finalmente en nuestra distribuci on normal
estandarizada podemos f acilmente analizar que rangos
seran los m as probables de encontrar en un da
ordinario en cuanto al monto del peso mexicano.
Podemos observar que el rango m as significativo es el
que est a entre 12,5 y 14,3 pesos mexicanos,
intuitivamente podemos entrar en acuerdo con esta
afirmaci on ya que como hemos venido hablando
durante todo el informe, el rango de 13 pesos es el que
m as se repite, al tener un rango que encierra dicho
propuesto, podemos asegurar que la probabilidad al
escoger un monto al azar ser a alta. Si nos fijamos en la
cantidad numerica es un poco m as del 50 por ciento de
posibilidades, lo cual nos hace confirmar una vez m as
que el monto que oscila entre los 13 pesos mexicanos
sera el valor mas probable con respecto al dolar.
6 CONCLUSIONES
Se afianz
o de manera exitosa la capacidad de re-
solver y as mismo plantear problemas relaciona-
dos con probabilidad simple, compuesta y las
demas leyes que la componen, logrando as un en-
tendimiento en su totalidad de los temas vistos en
clase.
Se adquirio cierta habilidad para relacionar la ma-
teria con otras con el fin de resolver problemas y
obtener graficos descriptivos de maneras mas detal-
ladas y sencillas. En este caso se afianz
o el uso del
programa Python para crear gr aficas que puedan
describirnos el fenomeno de la variacion del peso,
pero de una manera m as entendible por medio de
gr
aficos de distribuci
on de probabilidad.
Se fortaleci
o la habilidad de interpretacion del estu-
diante frente a graficos probabilisticos, obteniendo
as una mayor afinidad a la hora de obtener con-
clusiones con respecto a si los cambios o resultados
obtenidos fueron significativos o no.
Se pudo saber m as acerca de los cambios de mon-
eda y del comportamiento que trae los cambios de
moneda como en este caso dolar a peso mexicano,
analizar la incidencia que tiene a subir o bajar con
respecto a el a
no en el que encontraba y poder saber
mas acerca de la economa de el pas que se estudia
gracias a estos diferentes analisis.
7 REFERENCIAS
1 https://es.wikipedia.org/wiki/Tasa_de_
cambio
2 https://es.wikipedia.org/wiki/Dolar_
estadounidense
3 https://es.wikipedia.org/wiki/Peso_mexicano
4 Canavos, G. C., Medal, E. G. U. (1987). Proba-
bilidad y estadstica. McGraw Hill.
5 Spiegel, M. R., Luis, J., Gnedenko, B. V., Gne-
denko, A. I. B. V., Jinchin, A. I., Toranzos, F. I.,
... Vctor Hugo, P. A. U. L. (1976). Teora y prob-
lemas de estadstica (No. 519.2). McGraw-Hill,.
6 Navarro, A., Utzet, F., Puig, P., Caminal, J.,
Martn, M. (2001). La distribuci
on binomial neg-
ativa frente a la de Poisson en el an alisis de
fen
omenos recurrentes. Gaceta Sanitaria, 15(5),
447-452.
7 Ostle, B. (1981). Estadstica aplicada. Limusa.
8 http://pybonacci.org/2012/06/23/manual-de-introduccio
9 http://www.lawebdelprogramador.com/codigo/
Python/2324-Histograma-de-numeros-con-matplotlib.
html
10 http://matplotlib.org/1.3.0/examples/pylab_
examples/histogram_demo_extended.html
11 http://pendientedemigracion.ucm.es/info/
aocg/python/modulos_cientificos/matplotlib/
index.html