Simulacin Gerencial

Generacin de Variables Aleatorias

 Agenda
Tcnicas de Generacin de Nmeros Aleatorios
Mtodo Lineal de Congruencias
Tcnicas de Generacin de Variables Aleatorias
Transformada Inversa
Distribucin Uniforme
Distribucin Exponencial
Distribucin Triangular
Distribuciones Continuas Empricas
Distribuciones Discretas
Aceptacin y Rechazo
Distribucin Poisson
Proceso de Poisson No Estacionario
 Tcnicas de Generacin de
Nmeros Aleatorios
Una secuencia de Nmeros Aleatorios debe tener dos propiedades
estadsticas importantes:

Uniformidad: espacio equiprobable todo nmero tiene la misma

probabilidad de ser escogido.

Independencia: la eleccin de uno no depende de la eleccin de otro.

 Tcnicas de Generacin de
Nmeros Aleatorios
Nmeros Pseudoaleatorios: la idea es generar una secuencia de nmeros
entre 0 y 1 que imite las propiedades de uniformidad e independencia.
Estas secuencias se construyen por medio de una funcin determinista.
Los generadores de nmeros deben poseer las siguientes propiedades:
Secuencias no correlacionadas
Periodo largo: idealmente las secuencias no deberan repetirse, en la
prctica una repeticin debe ocurrir despus de un gran conjunto de
nmeros generados.
Uniformidad
Eficiencia: rutinas portables y rpidas f(x)

0 1 x
 Mtodo Lineal de Congruencias
Producir una secuencia de nmeros enteros X1, X2,.. entre 0 y (m-1)
mediante la siguiente relacin recursiva.

Xo es la Semilla, el valor inicial.

m es el mdulo.
La operacin n mod m devuelve el residuo de n/m.
a es la constante multiplicativa.
c es el incremento, si c0 es llamado mtodo mixto de congruencia. Si
c=0 es llamado mtodo multiplicativo de congruencia.
La escogencia de a, c, m y Xo afecta drsticamente las propiedades
estadsticas y la longitud del ciclo.
Los enteros aleatorios se generan entre [0, m-1]. Para convertir los
enteros en nmeros entre 0 y 1, se dividen entre el mdulo m.
 Ejemplo
Con a = 17, Xo = 27, c = 43, y m = 100.

Los valores Xi y Ri correspondientes seran:

 Tcnicas de Generacin de
Variables Aleatorias
Para que el modelamiento de un sistema tome forma se debe definir
correctamente:
Variables aleatorias que rigen ciertos comportamientos del sistema.
Procesos estocsticos para modelar variacin de entradas en el tiempo.
Deben definirse mtodos para generar muestras de variables aleatorias y
muestras de procesos estocsticos.
Transformada Inversa
 Transformada Inversa
Algoritmo

Calcule la funcin acumulada de probabilidad de la variable aleatoria X.

F(X)=R, donde R es un nmero aleatorio entre 0 y 1.
Resuelva la ecuacin para X en trminos de R.
Teniendo X = F-1 (Ri), genere nmeros, con la distribucin que se quiere,
como se desee.
 Transformada Inversa
Distribucin Uniforme
Sea X una variable aleatoria en el intervalo [a, b]

De acuerdo al mtodo de la transformada inversa:

Despejando se tiene el generador:

 Transformada Inversa
Distribucin Exponencial

Al aplicar el mtodo de la Transformada inversa:

 Transformada Inversa
Distribucin Triangular

Aplicando el mtodo de la Transformada inversa el generador:

 Transformada Inversa
Distribuciones continuas empricas
Cuando distribuciones tericas no son aplicables.
Para recolectar datos empricos:
Interpolar entre los datos observados y llenar las brechas o espacios.
Para tamaos de muestra pequeos (tamao n):
Ordene los datos de menor a mayor
x (1) x (2) x (n)
Asigne una probabilidad de (1/n) a cada intervalo x (i -1) x x (i)

(i 1)
X F 1 ( R) x(i 1) ai R cuando (i 1) / n R i / n
n
donde x(i ) x(i 1) x(i ) x(i 1)
ai
1 / n (i 1) / n 1/ n
 Ejemplo
Suponga que se toman los tiempos de reparacin de 100 componentes
electrnicos:

Intervalo Frecuencia Frecuencia Pendiente

(horas) Frecuencia Relativa Acumulada ai
0.25X0.5 31
0.5X1.0 10
1.0X1.5 25
1.5X2.0 34
 Ejemplo Sol
Intervalo Frecuencia Frecuencia Pendiente
(horas) Frecuencia Relativa Acumulada ai
0.25X0.5 31 0.31 0.31 0.81
0.5X1.0 10 0.10 0.41 5.00
1.0X1.5 25 0.25 0.66 2.00
1.5X2.0 34 0.34 1.00 1.47

Suponga que R1 = 0.83, Cul es el nmero generado?

 Ejemplo Sol

Si R1 = 0.83, entonces:

c3 = 0. 66 < R1 < c4 = 1.00

X1 = x(4-1) + a4(R1 c(4-1))

= 1.5 + 1.47(0.83-0.66)
 Transformada Inversa
Distribuciones Discretas
Todas las distribuciones discretas pueden ser generadas por medio de la
tcnica de transformada inversa.

F(x)
x p(x)
p1 + p2 + p3
a p1
b p2 p1 + p2
R1
c p3
p1

a b c
Forma General:
X min{x : F ( x) r}
 Ejemplo
Distribucin de probabilidad de los datos

x p(x) F(x)
Considere R1 = 0.73:
0 0,50 0,50 F(x0) < 0.73 <= F(x1)
1 0,30 0,80
2 0,20 1 ,00 Por lo tanto, x1 = 1

Dado R, la generacin:

0, R 0.5

x 1, 0.5 R 0.8
2, 0.8 R 1.0

 Aceptacin y Rechazo
Particularmente til cuando la funcin acumulada inversa no existe en forma
simplificada.

Ejemplo: Generar una variable aleatoria, X ~ U(1/4, 1)

Paso 1. Generar R ~ U[0,1]

Paso 2a. Si R >= , aceptar X=R.
Paso 2b. Si R < , rechazar R, volver al paso 1

R no tiene la distribucin deseada, pero R condicionado (R) al evento {R } s.

Eficiencia: Depende en gran medida en la habilidad de minimizar el nmero

de rechazos.
 Aceptacin y Rechazo
Algoritmo:
Pasos para generar X con funcin de densidad f(x).
Esta tcnica se puede usar si existe otra funcin de densidad r(x) tal que t(x)
supera (mayoriza) la funcin f(x), es decir, t(x)>f(x) para todos los valores de
x. Si la funcin existe, entonces se pueden aplicar los siguientes pasos:

1. Genere x con densidad r(x).

2. Genere y uniforme [0, t(x)]. c t ( x)dx f ( x)dx 1

3. Si y f(x), devuelva x, de lo contrario t ( x) t(x)
repita desde el paso 1. c dx 1, r(x)

t ( x)dx
 Aceptacin y Rechazo
El algoritmo permanece rechazando las variables x y y hasta que la
condicin y f(x) se satisfaga.

Este es simplemente un mtodo de prueba y error. Si se considera la

interpretacin grfica, probablemente se entender mejor. Bsicamente
estamos generando un punto en el plano X-Y donde la funcin de densidad
deseada se grafica. Si el punto cae bajo la curva de la funcin de densidad
entonces tendr la misma distribucin de f(x), si no, hay que tratar de
nuevo.
 Ejemplo
Considere la funcin de densidad Beta (2,4), la funcin de densidad es:
f(x)= 20x(1-x) , 0x 1.
Esta funcin se muestra en la figura y puede ser limitada por el rectngulo de
altura 2,11. Por lo tanto podemos usar t(x)=2,11 y r(x)=1. para 0x 1.

Los puntos 1 y 2 generan un

punto (x,y) uniformemente
distribuido en el rectngulo. Si el
punto cae encima de f(x), el
paso 3 rechaza x.

Las variables Beta (2,4) pueden ser generadas as:

1. Genere x uniforme [0,1].
2. Genere y uniforme [0,2.11] .
3. Si y<20x(1-x) retorne x, de lo contrario vuelva al paso 1.