Material de Apoyo

MATERIAL DE APOYO SIMULACION DE SISTEMAS SIS- 2520
Auxiliar: Marcelo Arroyo Alejandro Pgina 1






UNIDAD II
Generacin De Nmeros Pseudoaleatorios

En principio definiremos la funcin de distribucin acumulada para la distribucin uniforme
estandarizada como:
En la prctica, se requieren sucesiones de nmeros aleatorios para la generacin de los datos de

entrada para el proceso de simulacin.
Se tienen cuatro mtodosalternativos para generar o proveer sucesiones de nmeros aleatorios:
Mtodos manuales {lanzamiento de monedas, dados, cartas, ruleta, etc.}

Tablas {corporacin rand}
Mtodos analgicos de computacin
Mtodos de computacin digitales
Los mtodos analgicos comprenden el uso de procesos fsicos aleatorios (comportamiento de

corriente elctrica), se considera que producen verdaderos nmeros aleatorios.
En el caso de los mtodos digitales hay 3 formas para proveerse de nmeros aleatorios: provisin
externa, generacin interna por medio de un proceso fsico al azar, generacin interna por
medio de una relacin de recurrencia.
En el caso de provisin externa, lo que se hace es, grabar las tablas de nmeros aleatorios en una
cinta del sistema de la computadora digital.
La segunda alternativa utiliza un aditamento de la computadora que puede registrar los

resultados de algn proceso aleatorio y que los traduzca a sucesiones de dgitos, tales procesos
pueden ser el decaimiento radiactivo, el ruido trmico, entre otros.
El defecto de estos procedimientos analgicos es el de que las sucesiones as generadas no

pueden reproducirse.
La generacin interna por medio de una relacin de recurrencia, comprende la generacin por
medio de una transformacin indefinidamente continuada aplicada a un grupo de nmeros
elegidos en forma arbitraria.
El primer mtodo conocido para generar nmeros aleatorios de manera recurrente se considera
que es de los cuadrados centrales, en el que cada nmero de la sucesin se obtiene tomando
los dgitos centrales del cuadrado del nmero precedente o tambin conocido como raz para lo
cual seguimos los siguientes pasos:

1 Paso.- Dada una raz r aleatoria procedemos a elevarla al cuadrado

2 Paso.- Una vez obtenido el resultado, procedemos a extraer los dgitos centrales del resultado
3 Paso.- Al numero obtenido en el paso 2 ponemos un cero por delante
4 Paso.- Nuestra nueva raz ser el nmero obtenido en el 2 paso
Ejemplo.-
Si r=29 = 29 = 841= 84 41
(en este caso podemos extraer 2 dgitos de la izquierda o de la derecha indistintamente)
Para el ejemplo tomaremos el 84 y lo dividimos por 100 y luego
= 0.84
Nueva raz r = 84 = 84 = 7056= 05 = 0.05
El segundo mtodo conocido para generar nmeros aleatorios de manera recurrente se considera
que es de los productos centrales, en el que cada nmero de la sucesin se obtiene tomando
los dgitos centrales del producto de los nmeros precedentes para el cual seguimos los
siguientes pasos.
1 Paso.- Dada dos races r1 y r2 aleatorios procedemos multiplicarlos

2 Paso.- Obteniendo el producto, procedemos a extraer los dgitos centrales de dicho resultado
3 Paso.- Al numero obtenido en el paso 2 ponemos un cero por delante
4 Paso.- Una nueva raz ser el nmero obtenido en el 2 paso y remplazara a r1
Ejemplo.-
= 1 2
Si r1=13 y r2=7 = 13 7= 91
(en este caso podemos obviar el paso 2 y directamente poner al numero 0 por delante) y luego
= 0.91
Nueva raz r1=91 y r2=13 = 91 13=1183 = 18 = 0.18
En la actualidad se prefiere el uso del mtodo de congruencias mixtas para generar nmeros
aleatorios satisfactorios para lo cual tenemos las siguientes formulas:
=(a* +c)mod(m)
Donde es la semilla, a es la constante multiplicativa, c es una constante aditiva y m es el

Mdulo: >0 ,a >0 , c >0 y m >0 deben ser nmeros enteros. La operacin mod m
Significa multiplicar por a, sumar c y dividir el resultado entre m para obtener el residuo . Es
importante sealar que la ecuacin recursiva del algoritmo congruencial lineal generauna
secuencia de nmeros enteros y que para obtener nmeros pseudoaleatorios en el intervalo
(0,1) se requiere de la siguiente ecuacin:
Con i = 1,2,3,...,n
Para que el algoritmo sea capaz de lograr el mximo perodo
Como hallar el modulo de dos nmeros
Sea la situacin hallar: A mod B
1paso.- dividir A/B
2paso.- multiplicar la parte entera de la divisin anterior por B
3paso.- restar la multiplicacin obtenida anteriormente a A y el resultado ser mod(A, B)
Ejemplo.- hallar 3456 mod 456
1paso 3456 / 456 = 7.578974
2paso 456*7=3192
3paso 3456 3192 = 264
Respuesta: 3456 mod 456 = 264
Cualquiera que sea el mtodo para generar nmeros aleatorios debe satisfacer las siguientes
condiciones:
Deben ser:
Uniformemente distribuidos
Estadsticamente independientes
Reproducibles
Sin repeticin dentro de una longitud determinada de la sucesin
Generacin a grandes velocidades
Requerir el mnimo de capacidad de almacenamiento

Por lo cual a continuacin detallaremos las PRUEBAS ESTADSTICAS para realizar las
pruebas de uniformidad e independencia de los nmeros generados aleatoriamente:
a) Prueba De Medias
Consiste en verificar que los nmeros generados tengan una media estadsticamente igual a 1/2,
de este modo la hiptesis planteada es:
Ho = hiptesis nula: =
H1 = hiptesis alternativa:
Paso 1Calcular la media de los n nmeros generados
X= =0
Paso 2 Calcular los lmites superior e inferior de aceptacin
1 1
= ( )
2 12
1 1
= + ( )
2 12
Paso 3.- Si el valor X se encuentra entre li y ls, aceptamos que los nmeros tienen una media
estadsticamente igual a con un nivel de aceptacin 1.
Ejemplo:
Realice la prueba de medias a los primeros 30 nmeros aleatorios producidos con un generador
congruencial mixto, con un nivel de confianza del 95%.
Los nmeros generados son:
0.03991 0.10461 0.93716 0.16894 0.98953 0.73231 0.25543 0.34565 0.02345 0.67347
0.10987 0.25678 0.71890 0.61234 0.86322 0.94134 0.99872 0.27657 0.82345 0.12387
0.05389 0.82474 0.59289 0.36782 0.72484 0.48999 0.50502 0.39528 0.36782 0.90234
Paso1
= 15.22015
X = 15.22015/30
X= 0.507338

Paso2
Para buscar el valor de Z0.025 se resta 1 - 0.025 = 0.975 y se busca en la tabla
|Z0.025| = 1.96
Paso3
= 0.5298 = 0.4701
Como: 0.4701 0.507338 0.5298 Ho se acepta
b) PRUEBA DE LA VARIANZA
Consiste en verificar si los nmeros aleatorios generados tienen una variancia de 0.083, de tal
forma que la hiptesis queda expresada como:
Ho: V(x) = 1/12
Hi: V(x) 1/12
Paso 1. Calcular la variancia de los n nmeros generados V(x).
V(X)=
Paso 2. Calcular los lmites superior e inferior de aceptacin.
Paso 3. Si V(x) se encuentra entre los valores de liv(x) y lsv(x), aceptamos la hiptesis nula y los
nmeros aleatorios tiene una variancia estadsticamente igual a 1/12.

Ejemplo:
Realice la prueba de variancia a los siguientes 30 nmeros con un nivel de confianza del 95%.
0.72484 0.48999 0.50502 0.39528 0.36728 0.90234 0.71890 0.61234 0.86322 0.94134
0.99872 0.27657 0.34565 0.02345 0.67347 0.10987 0.25678 0.25593 0.82345 0.12387
0.05389 0.82474 0.59289 0.36782 0.03991 0.10461 0.93716 0.16894 0.98953 0.73231
E( x) = 0.507337
Paso1.-Aplicando la ecuacin del paso 1 se tiene V(x)= 0.104. Al calcular los lmites de
aceptacin para muestras de tamao 30,
Paso2
Paso3
0.046 0.1040.1313
Como el valor se encuentra dentro de lmites de aceptacin se acepta que la variancia de la

muestra es estadsticamente igual a 1/12.

PRUEBAS DE UNIFORMIDAD
a) PRUEBA DE LA CHI-CUADRADO
Tabla 1
0.34 0.9 0.25 0.89 0.87 0.44 0.12 0.21 0.46 0.67 0.83 0.76 0.79 0.64 0.7 0.81 0.94 0.74 0.22 0.74
0.96 0.99 0.77 0.67 0.56 0.41 0.52 0.73 0.99 0.02 0.47 0.3 0.17 0.82 0.56 0.05 0.45 0.31 0.78 0.05
0.79 0.71 0.23 0.19 0.82 0.93 0.65 0.37 0.39 0.42 0.99 0.17 0.99 0.46 0.05 0.66 0.1 0.42 0.18 0.49
0.37 0.51 0.54 0.01 0.81 0.28 0.69 0.34 0.75 0.49 0.72 0.43 0.56 0.97 0.3 0.94 0.96 0.58 0.73 0.05
0.06 0.39 0.84 0.24 0.4 0.64 0.4 0.19 0.79 0.62 0.18 0.26 0.97 0.88 0.64 0.47 0.6 0.11 0.29 0.78

b) PRUEBA KOLNOVOROV SMIRNOV K-S


PRUEBAS DE INDEPENDENCIA
Las pruebas de independencia consisten en demostrar que los nmeros generados son
estadsticamente independientes entre s, esto es, que no depende uno de otro.
a) PRUEBA DEL POKER
La prueba de poker plantea la siguiente hiptesis:
Ho :ri = independiente
H1 :ri = dependiente
Paso 1. Calcular las probabilidades esperadas para un juego de poker con 5 cartas numeradas del
0 al 9 con reemplazos. Se tienen 7 eventos con las siguientes probabilidades:
P (todos Diferentes) = 0.3024

P (par) = 0.5040
P (2 pares) = 0.1080
P (1 tercia) = 0.0720
P (Full) = 0.0090
P (Poker) = 0.0045
P (Quintilla) = 0.0001
Paso 2. Calcular la frecuencia esperada de cada uno de los eventos multiplicando la probabilidad
de cada evento por la cantidad de nmeros aleatorios generados.
Paso 3.Para cada nmero aleatorio generado verificar si es Pachuca, 1 par, 2 pares, etc., tomando
los primeros 5 dgitos a la derecha del punto decimal. Con estos resultados se genera una tabla de
frecuencias observadas de cada uno de los eventos.
Paso 4. Calcular la estadstica:
Paso 5.Si el valor de C2 no excede al estadstico de tablas i2 con 6 g.l. y una probabilidad de
rechazo alfa =, entonces se acepta que los datos son estadsticamente independientes entre s.

Ejemplo:
Realice la prueba de Pker a los siguientes 30 nmeros con un nivel de confianza del 95%.
0.72484 0.48999 0.50502 0.39528 0.36782 0.90234

0.71890 0.61234 0.86322 0.94134 0.99872 0.27657
0.34565 0.02345 0.67347 0.10987 0.25678 0.25593
0.82345 0.12387 0.05389 0.82474 0.59289 0.36782
0.03991 0.10461 0.93716 0.16894 0.98953 0.73231
FO PE FE
Pachuca 14 0.3024 9.072
Un Par 14 0.5040 15.12
Tercia 1 0.0720 2.16
Dos Pares 1 0.1080 3.24
Full 0 0.0090 0.27
Poker 0 0.0045 0.135
Quintilla 0 0.0001 0.003
0.05, 6 = 12.6
Si : H0 se acepta
Ejemplo2
Realice la prueba de Poker a los siguientes 30 nmeros con un nivel de confianza de 95%
0.03991 0.24122 0.10461 0.66591 0.93716 0.27699

0.38555 0.61196 0.95554 0.30231 0.32886 0.92962
0.17546 0.30532 0.73704 0.21704 0.92052 0.10274
0.32643 0.03788 0.52861 0.97599 0.95189 0.75867
0.69572 0.48228 0.68777 0.63379 0.39510 0.85783

Evento PE FO FE
Pachuca 0.3024 7 9.072
Par 0.5040 15 15.12
Tercia 0.0720 5 2.16
2 Pares 0.1080 3 3.24
Full 0.0090 0 0.27
Poker 0.0045 0 0.135
Quintilla 0.0001 0 0.003

b) PRUEBA DE CORRIDAS ARRIBA Y ABAJO
Luego pasamos a contar el nmero de corridas y calcula la media y la varianza donde N = la

cantidad de nmeros generados


c) PRUEBA DE CORRIDAS ARRIBA Y DEBAJO DE LA MEDIA

d) PRUEBA DE SERIES
Ho : ri independiente
H1 : ri dependiente
Paso 1 Crear un histograma de dos dimensiones m*m, con m intervalos, clasificando cada pareja
de nmeros consecutivos (ri, ri + 1) dentro de las casillas de dicho histograma de frecuencias. El
nmero total de pares ordenados en cada casilla formar la frecuencia observada: Foi.

Paso 2 Calcular la frecuencia esperada en cada casilla FE de acuerdo con FE=nm/m*m donde
nm. es el nmero total de parejas ordenadas y m = dimensin del histograma.
Paso 3 Calcular el error 12, con la ecuacin:
( )
=
Paso 4 Si el valor de 12 es menor o igual al estadstico de tablas 12 con m-1 grados de libertad y
una probabilidad de rechazo, entonces aceptamos que estadsticamente los nmeros son
independientes.
Ejemplo:
Realice la prueba de series a los siguientes 30 nmeros con un nivel de confianza del 95%
0.72484 0.48999 0.50502 0.39528 0.36782 0.90234

0.71890 0.61234 0.86322 0.94134 0.99872 0.27657
0.34565 0.02345 0.67347 0.10987 0.25678 0.25593
0.82345 0.12387 0.05389 0.82474 0.59289 0.36782
0.03991 0.10461 0.93716 0.16894 0.98953 0.73231
Al formar parejas ordenadas se obtiene:
(.72484, .48999) (.48999, .50502) (.50502, .39528) ... (.98953, .73231)
La clasificacin en una tabla de frecuencias de dos dimensiones de 4 x 4, (m=16), queda

ri+1 1 3 2 1 2
0.75 1 1 1 3
0.50 1 3 3 1
0.25 2 2 1 2
0 0.25 0.50 0.75 1 ri
Tomando en cuenta que se tienen 29 parejas ordenadas clasificadas uniformemente en 16

casillas, la frecuencia esperada FE en cada una es 1.8125 y al calcular el error con la ecuacin
del paso 3, para cada una de las 16 celdas o intervalos de la tabla anterior se tiene:
El valor de la tabla 2 con un nivel de confianza del 95% y con 15 grados de libertad es igual a
25. Si se compara 12 =5.75 con este valor, se acepta la independencia de la secuencia de
nmeros.
Si : H0 se acepta
Por consiguiente Ho se acepta.
Ejemplo:
Realice la prueba de series a los siguientes 30 nmeros con un nivel de confianza de 95%
0.03991 0.24122 0.10461 0.66591 0.93716 0.27699

0.38555 0.61196 0.95554 0.30231 0.32886 0.92962
0.17546 0.30532 0.73704 0.21704 0.92052 0.10274
0.32643 0.03788 0.52861 0.97599 0.95189 0.75867
0.69572 0.48228 0.68777 0.63379 0.39510 0.85783

IIIIII II III
6 2 3
III IIII
0
3 4
III IIIII III
3 5 3







Metodo de Compocicion

La distribucin exponencial y poisson
Utilizamos estas desigualdades cuando Tj sigue una distribucin exponencial
Ejemplo.
Sabemos que por la teora de la probabilidad que si el nmero de eventos se puede describir a
travs del flujo de Poisson, el tiempo entre la ocurrencia de eventos debe ser exponencial. En la
distribucin de Poisson el resultado se expresa como el nmero de eventos n que ocurren en un
determinado tiempo t. Por lo tanto para muestrear la distribucin exponencial con media
tantas veces como sea necesario hasta que la suma de las variables aleatorias generadas exceda a
t por vez primera. En este caso, el valor de Poisson muestreado n se toma igual al nmero de
veces que se muestreo la distribucin exponencial -1.
Supngase que se desea muestrear una distribucin de Poisson

durante un periodo de 1.4 hrs.
x 1 2 3 4 5
r 0.058962 0.673284 0.479909 0.948578 0.61396
0.9436 0.1318 0.2447 0.1075 0.1624
0.9436 1.0754 1.3201 1.3376 1.5002
t = 1.4

X= Variable aleatoria de poisson

X=4 numero de eventos que llegan en 1.4 horas
La distribucin de poisson.-
Entonces, para un intervalo de tiempo con distribucin exponencial = 2 arribos/seg (t = 1 seg), se

producen 2 arribos.

Ejemplo 2.- el numero de clientes que llega a un banco sigue una distribucin de Poisson con una
media =5 [clientes/hora]. Generar el numero de clientes llegaran las prximas 2 horas, se sabe que la
media del tiempo entre llegadas es 1
E[x]=5 [clientes/hora]= = 0.0067
1/=1
Para la primera hora
x 1 2 3 4 5
r 0.5603 0.4768 0.2251 0.5582 0.1455
*r 0.5603 0.2676 0.0601 0.0336 0.0049
X=4
Para la segunda hora
x 1 2 3 4 5 6 7 8 9 10 11
r 0.576 0.8062 0.6647 0.5881 0.9116 0.8240 0.9101 0.9755 0.1073 0.2631 0.26
*r 0.576 0.4647 0.3554 0.2090 0.1905 0.1570 0.1429 0.1344 0.0738 0.0079 0.002
X=10
Por tanto : tendremos 4+10= 14
En las dos horas tendremos la llegada de 14 clientes en las 2 horas
DISTRIBUCIN ERLANG
Siguiendo con nuestro tema daremos a conocer el mtodo antes mencionado.
La variable aleatoria k-Erlang con medida 1/ puede producirse a partir dela generacin de k
variables exponenciales con media 1/k

Ejemplo:
El tiempo de proceso de cierta pieza sigue la distribucin 3-erlang con media 1/ de 8 minutos/
pieza. Una lista de nmeros pseudoaleatorios ri ~ U(0,1) y la ecuacin de generacin de
nmeros Erlang permite obtener la siguiente tabla que indica el comportamiento de una variable
aleatoria.
Simulacin del tiempo de proceso

Pieza 1- ri 1- ri 1- ri Tiempo de proceso (min/pieza)
1 0.28 0.52 0.64 6.328
2 0.96 0.37 0.83 3.257
3 0.04 0.12 0.03 23.588
4 0.35 0.44 0.50 6.837
5 0.77 0.09 0.21 11.279

Distribucin Binomial
BIBLIOGRAFA

Tablas para K-S

Para hallar para hallar K(N)
Modelo modelo K(N)
0.1 0.05 0.01 general 0.11
+ 0.12 +
General 1.224 1.358 1.628
Normal 0.819 0.895 1.035 Normal 0.85
0.01 +
Exponencial 0.79 1.094 1.308
Weibull N=10 0.76 0.819 0.944 Exponencial 0.11
+ 0.12 +
Weibull N=20 0.779 0.843 0.973
Weibull N=50 0.79 0.856 0.988 Weibull
Weibull N>50 0.803 0.874 1.007


Material de Apoyo

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Material de Apoyo

Transféré par

Droits d'auteur :

Formats disponibles

MATERIAL DE APOYO SIMULACION DE SISTEMAS SIS- 2520

Auxiliar: Marcelo Arroyo Alejandro Pgina 1

Auxiliar: Marcelo Arroyo Alejandro Pgina 2

Auxiliar: Marcelo Arroyo Alejandro Pgina 3

Auxiliar: Marcelo Arroyo Alejandro Pgina 4

Auxiliar: Marcelo Arroyo Alejandro Pgina 5

Auxiliar: Marcelo Arroyo Alejandro Pgina 6

Generacin De Nmeros Pseudoaleatorios

En la prctica, se requieren sucesiones de nmeros aleatorios para la generacin de los datos de

Se tienen cuatro mtodosalternativos para generar o proveer sucesiones de nmeros aleatorios:

Mtodos manuales {lanzamiento de monedas, dados, cartas, ruleta, etc.}

Los mtodos analgicos comprenden el uso de procesos fsicos aleatorios (comportamiento de

La segunda alternativa utiliza un aditamento de la computadora que puede registrar los

El defecto de estos procedimientos analgicos es el de que las sucesiones as generadas no

Auxiliar: Marcelo Arroyo Alejandro Pgina 7

1 Paso.- Dada una raz r aleatoria procedemos a elevarla al cuadrado

(en este caso podemos extraer 2 dgitos de la izquierda o de la derecha indistintamente)

Para el ejemplo tomaremos el 84 y lo dividimos por 100 y luego

Nueva raz r = 84 = 84 = 7056= 05 = 0.05

1 Paso.- Dada dos races r1 y r2 aleatorios procedemos multiplicarlos

Nueva raz r1=91 y r2=13 = 91 13=1183 = 18 = 0.18

Donde es la semilla, a es la constante multiplicativa, c es una constante aditiva y m es el

Auxiliar: Marcelo Arroyo Alejandro Pgina 8

Para que el algoritmo sea capaz de lograr el mximo perodo

Como hallar el modulo de dos nmeros

Sea la situacin hallar: A mod B

1paso.- dividir A/B

2paso.- multiplicar la parte entera de la divisin anterior por B

3paso.- restar la multiplicacin obtenida anteriormente a A y el resultado ser mod(A, B)

Ejemplo.- hallar 3456 mod 456

1paso 3456 / 456 = 7.578974

3paso 3456 3192 = 264

Respuesta: 3456 mod 456 = 264

Auxiliar: Marcelo Arroyo Alejandro Pgina 9

Paso 1Calcular la media de los n nmeros generados

Paso 2 Calcular los lmites superior e inferior de aceptacin

Los nmeros generados son:

Auxiliar: Marcelo Arroyo Alejandro Pgina 10

Para buscar el valor de Z0.025 se resta 1 - 0.025 = 0.975 y se busca en la tabla

Como: 0.4701 0.507338 0.5298 Ho se acepta

Ho: V(x) = 1/12

Hi: V(x) 1/12

Paso 1. Calcular la variancia de los n nmeros generados V(x).

Paso 2. Calcular los lmites superior e inferior de aceptacin.

Auxiliar: Marcelo Arroyo Alejandro Pgina 11

Como el valor se encuentra dentro de lmites de aceptacin se acepta que la variancia de la

Auxiliar: Marcelo Arroyo Alejandro Pgina 12

Auxiliar: Marcelo Arroyo Alejandro Pgina 13

b) PRUEBA KOLNOVOROV SMIRNOV K-S

Auxiliar: Marcelo Arroyo Alejandro Pgina 14

Auxiliar: Marcelo Arroyo Alejandro Pgina 15

a) PRUEBA DEL POKER

La prueba de poker plantea la siguiente hiptesis:

P (todos Diferentes) = 0.3024

Paso 4. Calcular la estadstica:

Auxiliar: Marcelo Arroyo Alejandro Pgina 16

0.72484 0.48999 0.50502 0.39528 0.36782 0.90234

0.03991 0.24122 0.10461 0.66591 0.93716 0.27699

Auxiliar: Marcelo Arroyo Alejandro Pgina 17

Auxiliar: Marcelo Arroyo Alejandro Pgina 18

b) PRUEBA DE CORRIDAS ARRIBA Y ABAJO

Luego pasamos a contar el nmero de corridas y calcula la media y la varianza donde N = la

Auxiliar: Marcelo Arroyo Alejandro Pgina 19

Auxiliar: Marcelo Arroyo Alejandro Pgina 20