Unidad 3 Ensayo Simulacion

Instituto Tecnolgico de Campeche
Ingeniera Industrial
Alumno: Herrera Maldonado Daniel
VI-8
Materia:
Simulacin
Unidad III
Generacin de Variables Aleatorias
Prof.: Ing. Carlos Cabaas Rivera
San Francisco de Campeche, Campeche. Junio 2014
Generacin de Variables Aleatorias.

La generacin de cualquier variable aleatoria se va a basar en la generacin
previa de una distribucin uniforme (0,1). Y las transformaciones de dichos
nmeros generados en valores de otras distribuciones.
La generacin de variables aleatorias significa la obtencin de variables que
siguen una distribucin de probabilidad determinada, en todo modelo de
simulacin, existen una o varias variables aleatorias interactuando entre s.
Generalmente, estas variables siguen distribuciones de probabilidad tericas o
empricas, como son las:
Distribucin Poisson.
Distribucin Binomial.
Distribucin Geomtrica.
Distribucin uniforme.
Distribucin Exponencial.
Distribucin Normal, entre otras.
Por esta razn para generar esto, hay que contar con un mtodo que le
llamaremos generador de nmeros uniformes y una funcin que a atreves de un
mtodo especifico, transforme estos nmeros en valores de la distribucin de
probabilidad deseada o asignada.
Luego de introducir al sistema los datos, es necesario transformarlos en
informacin, la cual puede ser determinstica y/o probabilstica. La determinstica
ingresa directamente al sistema con su valor respectivo. Para la probabilstica se
requiere generar modelos que emulen el comportamiento de la variable
correspondiente. Los nmeros pseudoaleatorios son la base para realizar
simulaciones donde hay variables estocsticas, porque estos nmeros generan
eventos probabilsticos; inicialmente se parte de la generacin de nmeros
pseudoaleatorios uniformes entre cero (0) y uno (1), como ya hemos visto las
propiedades de los numero aleatorios.
En otras palabras se tiene que la generacin de cualquier variable aleatoria se va

a basar en la generacin previa de una distribucin uniforme (0,1). Y las
transformaciones
de
dichos
nmeros
generados
en
valores
de
otras
distribuciones.
Los mtodos que anteriormente hemos mencionado son distintos, los cuales cada
uno de estos pueden ser enfocados a diferentes distribuciones de probabilidad, ya
sea continua o discreta. Dichos mtodos son los siguientes:
Mtodo de la transformada Inversa.

Mtodo de Rechazo.
Mtodo de composicin.
Procedimientos especiales.
Mtodo de la transformada Inversa.

En lo que se refiere al primer mtodo de la transformada inversa, esta consiste en
emplear la distribucin acumulada F(x) de la distribucin de probabilidad a simular
por medio de integracin; como el rango de F(x) se encuentra en el intervalo de
cero (0) a uno (1), se debe generar un nmero aleatorio ri para luego determinar el
valor de la variable aleatoria cuya distribucin acumulada es igual a ri. El problema
de este mtodo radica en el hecho que algunas veces se dificulta demasiado la
consecucin de la transformada inversa.
Para distribuciones continuas, se obtendr una muestra de lo que nosotros
queramos nuestro experimento, con esta muestra y los resultados arrojados de la
misma, el prximo paso es sacar los acumulados de estos resultados, teniendo
esto vamos a hacer una divisin del acumulado sobre el total de datos, por lo tanto
lo que vamos a hacer es la probabilidad de cada uno de los datos observados.
Como siguiente paso vamos a generar los nmeros aleatorios con las
caractersticas que ya en unidades anteriores hemos analizado, teniendo estos
nmeros procederemos a generar los lmites para cada uno de los elementos a
estudiar, esto quiere decir que el primer intervalo va a ser de cero a la probabilidad
del primer elemento, el segundo ser de la probabilidad del primer elemento a la
probabilidad del segundo, y as consecutivamente con n elementos a estudiar en

el experimento. Por ultimo vamos a sacar las frecuencias que las tendremos a
partir de n nmeros aleatorios generados anteriormente, as quedara finalizado
este mtodo con las variables aleatorias de cada uno de los experimentos.
Mtodo de Rechazo.
Este mtodo por lo general es usualmente utilizado para dos tipos de
distribuciones, la primera es la distribucin emprica, donde esta es una de la ms
fciles y la distribucin triangular, donde la diferencia de cada una de estas es su
f(x) dado.
Este mtodo consiste primeramente en generar un valor de la variable aleatoria y
en seguida probar que dicho valor simulado proviene de una distribucin de
probabilidad de la cual se est analizando.
Para la distribucin emprica, se sabe que tendr un intervalo finito determinado de
a a b, para aplicar este mtodo se da el siguiente logaritmo:
1. Generar dos nmeros uniformes (Nmeros Aleatorios).
2. Determinar el valor de la variable aleatoria x, de acuerdo a una funcin
establecida.
3. Se evala la funcin de probabilidad.
4. Se determina si se cumple la propiedad asignada que se dice que si
R2
es menor o igual a la funcin f(x) que anteriormente evaluamos.

5. Se dicta el resultado final.
Si la respuesta es s, entonces x es el valor de la variable aleatoria, y x
es aceptado.
Si la respuesta es no, entonces x es rechazado, y hay que volver a
comenzar desde el paso 1.
Como ya se ha mencionado anteriormente se tiene que para este mtodo lo

podemos realizar para una distribucin emprica, as como para una distribucin
triangular. La diferencia de cada una de estas distribuciones al aplicar este mtodo

se tiene primero que nada en la funcin f(x), ya que cada una de las dos
distribuciones tienen una forma especfica para evaluarla en el paso 3 del
algoritmo del mtodo de rechazo. Otra de la diferencia que hay que considerar en
este mtodo es que en una distribucin emprica se tiene solamente un rango que
ser de a x b, en cambio para una distribucin triangular, se tendr que lo
dividiremos en dos para su anlisis, por lo tanto se dir que esta distribucin
estar compuesta de dos funciones: una vlida en el rango a x b y la otra
vlida en b x c, por lo tanto este constara del punto a al b y del b al c.
Procedimientos Especiales.
Existen algunas distribuciones estadsticas de probabilidad en las cuales es
posible emplear sus propiedades para obtener expresiones matemticas para la
generacin de variables aleatorias en forma eficiente.
Este mtodo nos servir bsicamente para tenerlo como extra cuando queramos
generar variables aleatorias, ya que hay distribuciones que a travs del mtodo de
la transformada inversa cuesta mucho trabajo realizarlo ya que los tipos de
distribucin suelen no prestarse para esto. Cuando esto suceda utilizaremos este
mtodo, el mtodo o procedimientos especiales, usualmente es utilizado para
distribuciones como la:
Normal.
Erlang.
Binomial
Poisson entre otras.
Para cada una de estas distribuciones se aplican diferentes metodologas, esto

dependiendo de sus propiedades y caractersticas de cada una de ellas, para
aclarar esto nos enfocaremos en la distribucin Poisson.
-Poisson.
En la distribucin Poisson, se tendrn tiempos de llegadas distribuidos
exponencialmente, de igual manera tendrn un periodo T de tiempo, con una
distribucin Poisson. Para generar una variable con distribucin de Poisson, se
suman las variables generadas exponencialmente hasta que la suma exceda el
valor de T y se retorna el nmero de variables generadas como variables Poisson.
Existe un algoritmo aplicado para la generacin de variables discretas Poisson el
cual es el siguiente:
1. Se tienen los valores iniciales, la cual para la primera iteracin tendremos
s=1 y a x=0 y se saca A con una frmula establecida.
2. Se genera R, los cuales es el nmero aleatorio generado.
S i=Si1 R
3. Se hace
4. Si S > A, x=x+1 y se repite desde 2.
5. Si S<A, x es la variable de Poisson.
6.
Esta distribucin de probabilidad se puede simular aparte del mtodo de
Transformada Inversa si se hace uso de la relacin existente entre esta
distribucin con la distribucin exponencial.
-Normal.
La distribucin gaussiana, recibe tambin el nombre de distribucin normal, ya que
una gran mayora de las v. a. (variables aleatorias) continuas de la naturaleza
siguen esta distribucin. Se dice que una Y.a. X sigue una distribucin normal de
parmetros y 2, lo que representamos del modo
densidad es:
si su funcin de
-Erlang.
La Distribucin Erlang es una distribucin de probabilidad continua con una amplia
aplicabilidad debido principalmente a su relacin con la exponencial y la
distribucin gamma dada por la suma de un nmero de variables aleatorias
independientes que poseen la misma distribucin exponencial. La distribucin
Erlang se aplica en modelos de sistemas de servicio masivo, ejemplo: En
situaciones donde el servicio tiene que realizar dos operaciones c/u con tiempo de
servicio exponencial. La distribucin a veces se definen utilizando el inverso del
parmetro de tasa, la escala . Cuando el parmetro de forma k es igual a 1, la
distribucin se reduce a la distribucin exponencial.
-Binomial.
En estadstica, la distribucin binomial es una distribucin de probabilidad discreta
que mide el nmero de xitos en una secuencia de n ensayos independientes de
Bernoulli, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un
experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son
posibles dos resultados. A uno de estos se denomina xito y tiene una
probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p.
Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de
parmetros n y p, se escribe: X
B (n , p)
Conclusin
Para terminar se puede decir que para generar variables aleatorias, existen
infinidad de mtodos, unos con ms grado de complejidad que los otros, sin
embargo obedecen cierto tipo de distribucin, as como diferentes reglas, pero
todos recurren a funciones matemticas y hacen uso de operaciones y frmulas.
Aqu analizamos algunos mtodos, podra decirse los ms conocidos en la materia
de estadstica, sin embargo, existen ms pero todos van a lo mismo, de los
nmeros tomados, se van a ir obteniendo otros, y mientras menos se repitan los
obtenidos mucho mejor.
Bibliografa
Naylor. Tcnicas de simulacin en computadoras. Limusa
Noriega Editores.
Coss Bu, Ral. Simulacin: Un enfoque prctico.

Unidad 3 Ensayo Simulacion

Cargado por

Copyright:

Formatos disponibles

Unidad 3 Ensayo Simulacion

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 3 Ensayo Simulacion

Cargado por

Copyright:

Formatos disponibles

Instituto Tecnolgico de Campeche

Alumno: Herrera Maldonado Daniel

Prof.: Ing. Carlos Cabaas Rivera

San Francisco de Campeche, Campeche. Junio 2014

Generacin de Variables Aleatorias.

En otras palabras se tiene que la generacin de cualquier variable aleatoria se va

Mtodo de la transformada Inversa.

Mtodo de la transformada Inversa.

probabilidad del segundo, y as consecutivamente con n elementos a estudiar en

es menor o igual a la funcin f(x) que anteriormente evaluamos.

Como ya se ha mencionado anteriormente se tiene que para este mtodo lo

triangular. La diferencia de cada una de estas distribuciones al aplicar este mtodo

Para cada una de estas distribuciones se aplican diferentes metodologas, esto

También podría gustarte