Professional Documents
Culture Documents
3
GENERACIN DE VARIABLES ALEATORIAS
En la introduccin al curso se discutieron y se mostraron ejemplos de sistemas
diversos donde se dejo clara la importancia de las distribuciones estadsticas para
modelar actividades que son generalmente impredecibles o inciertas. Por ejemplo,
los tiempos entre arribo y los tiempos de servicio en las colas, y la demanda de un
producto, son generalmente impredecibles por naturaleza.
4
GENERACIN DE VARIABLES ALEATORIAS
Usualmente tales variables son
modeladas como variables
aleatorias con una distribucin
estadstica, y los procedimientos
estadsticos estndar existen para
estimar los parmetros de la
distribucin hipottica y para probar
la validez del modelo estadstico
asumido (como son las pruebas de
Ajuste de Bondad).
5
GENERACIN DE VARIABLES ALEATORIAS
En todo modelo de simulacin estocstico, existen una o varias
variables aleatorias interactuando.
6
GENERACIN DE VARIABLES ALEATORIAS
Hay una variedad de mtodos para generar variables aleatorias. Cada
mtodo se aplica solo a un subconjunto de distribuciones y para una
distribucin en particular un mtodo puede ser mas eficiente que otro.
8
MTODO DE LA TRANSFORMADA INVERSA
Proposicin:
Sea U una variable aleatoria uniforme en (0, 1). Para cualquier funcin de
distribucin continua F, invertible, la variable aleatoria X definida como:
= 1
Tiene distribucin F.
1 se define como el valor de x tal que =
9
MTODO DE LA TRANSFORMADA INVERSA
El mtodo consiste en:
10
MTODO DE LA TRANSFORMADA INVERSA
11
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN UNIFORME CONTINUA:
A partir de la funcin de densidad de la variable aleatoria uniforme entre a y b:
1
=
12
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN UNIFORME CONTINUA:
Igualando la funcin acumulada con F(x) con el nmero pseudoaleatorio tenemos:
=+
13
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN UNIFORME CONTINUA:
La temperatura de una estufa se comporta uniformemente dentro del rango de
95C a 100C. simule la temperatura de la estufa usando una lista de nmeros
pseudoaleatorios dada:
14
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN UNIFORME CONTINUA:
La temperatura de una estufa se comporta uniformemente dentro del rango de
95C a 100C. simule la temperatura de la estufa usando una lista de nmeros
pseudoaleatorios dada:
15
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN EXPONENCIAL:
A partir de la funcin de densidad de la distribucin exponencial con media 1/.
= 0
Distribucin acumulada:
= = 1 0
0
16
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN EXPONENCIAL:
Igualando la funcin acumulada F(x) con el nmero pseudoaleatorios y despejando
se tiene:
= 1
= 1 u
ln = ln(1 )
ln = ln 1
= ln 1
1
= ln 1
17
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN EXPONENCIAL:
Los datos histricos del servicio en la caja de un banco se comportan de forma
exponencial con media de 3 minutos/cliente. Genere el comportamiento del
tiempo en la caja del banco con una lista de 5 nmeros pseudoaleatorios:
Tiempo de
Medicin u(i)
servicio (minutos)
1 0,64 3,06
2 0,83 5,31
3 0,03 0,09
4 0,50 2,07
5 0,21 0,70
18
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN EXPONENCIAL:
Los datos histricos del servicio en la caja de un banco se comportan de forma
exponencial con media de 3 minutos/cliente. Genere el comportamiento del
tiempo en la caja del banco con una lista de 5 nmeros pseudoaleatorios:
Tiempo de
Medicin u(i)
servicio (minutos)
1 0,64 3,06
2 0,83 5,31
3 0,03 0,09
4 0,50 2,07
5 0,21 0,70
19
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN WEIBULL:
Para una variable aleatoria Weibull.
0 >0
=
^
1 0
20
MTODO DE LA TRANSFORMADA INVERSA
21
MTODO DE LA TRANSFORMADA INVERSA
Para las variables aleatorias discretas el mtodo consiste en:
22
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DISCRETA GENERAL:
Distribucin de probabilidad de datos:
x f(x) F(x)
0 0,5 0,5
1 0,3 0,8
2 0,2 1,0
Lista de nmeros pseudoaleatorios:
1 = 0,73
2 = 0,51
3 = 0,92
4 = 0,15
23
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DE POISSON:
El nmero de piezas que entran a un sistema de produccin sigue una distribucin
de Poisson con media de 2 piezas/hora. Simular el comportamiento de la llegada de
las piezas al sistema.
=
!
24
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DE POISSON: x f(x) F(x)
Construir la tabla 0 0,135 0,135
Simular las llegadas de las piezas al sistema, con 1 0,270 0,406
variable aleatoria de Poisson: 2 0,270 0,676
Hora u(i) Piezas /hora 3 0,180 0,857
1 0,675 2 4 0,090 0,947
2 0,023 0 5 0,036 0,983
3 0,789 3 6 0,012 0,995
4 0,513 2 7 0,003 0,998
5 0,333 1
25
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DE POISSON: x f(x) F(x)
Construir la tabla 0 0,135 0,135
Simular las llegadas de las piezas al sistema, con 1 0,270 0,406
variable aleatoria de Poisson: 2 0,270 0,676
Hora u(i) Piezas /hora 3 0,180 0,857
1 0,675 2 4 0,090 0,947
2 0,023 0 5 0,036 0,983
3 0,789 3 6 0,012 0,995
4 0,513 2 7 0,003 0,998
5 0,333 1
26
MTODO DE LA TRANSFORMADA INVERSA
Desafortunadamente, para muchas de las distribuciones de
probabilidad, resulta imposible o extremadamente difcil expresar a x
en trminos de la transformacin inversa.
27
MTODO DE ACEPTACIN Y RECHAZO
Este mtodo consiste primeramente en generar un valor de la variable
aleatoria y enseguida probar que dicho valor simulado proviene de la
distribucin de probabilidad que se esta analizando.
28
MTODO DE ACEPTACIN Y RECHAZO
Pasos:
1. Se selecciona una constante M, tal que M es el valor ms grande de f(x) en el
intervalo [a, b].
2. Se genera dos nmeros aleatorios 1 2 / 1 , 2 0,1 .
3. Se calcula = + 1 . (Esto asegura que cada miembro de [a, b] tiene
una probabilidad igual de ser elegido como x*).
4. Se evala la funcin f(x) en el punto x*; sea f(x*).
5. Si 2 , entonces se acepta x* como una variable aleatoria continua. De lo
contrario, se rechaza x* y se vuelve al paso 2.
29
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO:
Se tiene la siguiente funcin de densidad
2 01
=
0
30
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO:
1. M = 2
2. 1 = 0,5 2 = 0,2
3. Se calcula = 0 + 1 0 0,5 = 0,5
4. Se evala = 2 = 2 0,5 = 1
1
5. Se compara 2 , 0,2 se acepta x* = 0,5 como una variable
2
aleatoria
31
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO DISTRIBUCIN TRIANGULAR:
Genere variables aleatorias que sigan
una distribucin triangular con mnimo 2
(a), moda 6 (c) y mximo 8 (b).
2
=
2
32
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO DISTRIBUCIN TRIANGULAR:
1. M = 0,333
2. 1 = 0,75 2 = 0,9
3. Se calcula = 2 + 8 2 0,75 = 6,5
2 2 8
4. Se evala = = = 0,25
82 86
0,25
5. Se compara 2 , 0,9 no se acepta x* = 6,5 como una variable aleatoria
0,33
33
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO DISTRIBUCIN TRIANGULAR:
1. M = 0,333
2. 1 = 0,5 2 = 0,15
3. Se calcula = 2 + 8 2 0,5 = 5
2 2 2
4. Se evala = = = 0,25
82 62
0,25
5. Se compara 2 , 0,15 se acepta x* = 5 como una variable aleatoria
0,33
34
MTODO DE CONVOLUCIN
En algunas distribuciones de probabilidad la variaba aleatoria a simular X, puede
generarse mediante la suma de otras variables aleatorias Y de manera ms rpida
que a travs de otros mtodos. Entonces el mtodo de convolucin puede
expresarse como:
= 1 + 2 + +
35
MTODO DE CONVOLUCIN
EJEMPLO DISTRIBUCIN DE ERLANG:
La variable aleatoria k-erlang con media 1/ puede producirse a partir de k
variables exponenciales con media 1/.
= 1 + 2 + +
1 1 1
= ln 1 1 ln 1 2 ln 1
1
= ln 1 1 1 2 1
1
= ln 1
=1
36
DISTRIBUCIN NORMAL
Tanto el mtodo de la transformada inversa como el mtodo de aceptacin y
rechazo, son inapropiados para esta distribucin porque:
La funcin de probabilidad no existe en forma cerrada.
La distribucin no est definida en un intervalo finito.
37
DISTRIBUCIN NORMAL
TEOREMA DEL LIMITE CENTRAL:
Si X1, X2, ,Xk son variables aleatorias independientes, con idntico modelo de
probabilidad, de valor medio y de varianza 2 , entonces la distribucin de la
variable:
= 1 + 2 + ~ , 2
1 1
= 1 + 2 + ~ ,
2 12
= 1 + 2 + ~ ,
2 12
= 1 + 2 + ~ 0,1
2
38
DISTRIBUCIN NORMAL
MTODO DE LA CONVOLUCIN:
= =
=1 2
= +
=1 2
= 12
1212
= +
=1 2
39
DISTRIBUCIN NORMAL
El volumen de liquido de una gaseosa sigue una distribucin normal con media de 12 onzas y
desviacin estndar de 0,4 onzas. Simular 5 variables aleatorias con esta distribucin.
12
12
= +
=1 2
Volumen
Botella u1 u2 u3 u4 u5 u6 u7 u8 u9 u10 u11 u12 6
(onzas)
1 0,76 0,47 0,21 0,61 0,16 0,49 0,76 0,82 0,71 0,17 0,16 0,40 5,69 -0,31 11,87
2 0,43 0,28 0,61 0,98 0,89 0,41 0,47 0,79 0,61 0,50 0,72 0,15 6,84 0,84 12,33
3 0,64 0,47 0,66 0,18 0,71 0,29 0,95 0,98 0,97 0,79 0,23 0,67 7,54 1,54 12,61
4 0,43 0,18 0,90 0,94 0,64 0,82 0,33 0,31 0,90 0,39 0,82 0,67 7,33 1,33 12,53
5 0,12 0,39 0,32 0,10 0,10 0,12 0,39 0,49 0,64 0,07 0,14 0,00 2,89 -3,11 10,75
40
DISTRIBUCIN NORMAL
MTODO DE LA TRANSFORMADA DIRECTA:
Se transforman en dos variables aleatorias normales, cada una con media 0 y
varianza 1, usando las transformaciones directas:
1
1 = 2 ln 1 2 sin 22
1
2 = cos 22 2 ln 1 2
Se calculan las variables aleatorias normales x1 y x2 de la siguiente forma:
1 = 1 +
2 = 2 +
Box, G, Mller, M. (1958). A Note on the Generation of Random Normal Deviates, The Annals of Mathematical Statistics, Vol. 29, No. 2 pp. 610-611
41
DISTRIBUCIN NORMAL
TRANSFORMADA INVERSA DE LA FUNCIN LAMBDA GENERALIZADA:
0,1349 1 0,1349
=
0,1975
= +
Burbano Pantoja, V. (2010). Una manera alternativa de simular variables aleatorias con distribucin normal, uniforme y logstica. Ciencia en desarrollo, 3(1), 63-72.
42
CARACTERIZACIN
Caractersticas especiales de ciertas distribuciones permiten generar
sus variables usando algoritmos especialmente ajustados para ellas.
43
CARACTERIZACIN
Ejemplos de variables generadas usando caracterizacin son:
Si los tiempos entre llegadas son exponenciales con media 1/, el nmero
de llegadas n en cierto intervalo T es Poisson con parmetro . Por lo
tanto una Poisson puede ser obtenida generando exponenciales hasta que
su suma supere T y devolviendo el nmero de exponenciales usadas.
El a-esimo menor nmero en una secuencia de a + b + 1 variables (0,1)
tiene distribucin (, ).
La razn de dos normales estndar en Cauchy(0,1).
Una chi-cuadrado con un nmero par de grados de libertad 2 (v) es un
gamma (2, /2).
Si x1 y x2 son dos gammas ( , ) y ( , ) respectivamente, la razn
1/(1 + 2 ) es beta(b,c).
44
Es Fx Mtodo de
invertible? transformada inversa
Es la Fx una Mtodo de
suma de Fx? composicin
Es la fx una Mtodo de
suma de fx? composicin
Es x una
Mtodo de
suma de convolucin
variables? Esta x
relacionada Caracterizacin
con otras
variables? Existe una Mtodo de
funcin aceptacin y
limitante? rechazo
Transforma
da
emprica
45
Bibliografa:
Banks, J., Carson, J., Nelson, B., & Nicol, D. (2005). Discrete event system
simulation (Fourth ed.). Pearson Prentice Hall.
Garcia, E., Garcia, H., & Crdenas, L. (2006). Simulacin y anlisis de sistemas
con ProModel. Mxico DF: Pearson Prentice Hall.
Hoeger, H. (2013). Generacin de variables aleatorias. Obtenido de
http://webdelprofesor.ula.ve/ingenieria/hhoeger/simulacion/PARTE6.pdf
Burbano Pantoja, V. (2010). Una manera alternativa de simular variables
aleatorias con distribucin normal, uniforme y logstica. Ciencia en
desarrollo, 3(1), 63-72.
46