UNIVERSIDAD CATOLICA BOLIVIANA SAN

PABLO

PRACTICA

ACEPTACION Y RECHAZO

ESTUDIANTE: Juan Carlos Torrez Machicado

MATERIA: Simulacin

DOCENTE: Juan Carlos Flores

SEMESTRE 1-2017

FECHA: 05/05/2017

LA PAZ - BOLIVIA
 ACEPTACION Y RECHAZO

Existe otro procedimiento para generar nmeros al azar de distribuciones de probabilidad no

uniformes. A este tipo de procedimiento se le conoce con el nombre de mtodo de rechazo.

Este mtodo consiste en primeramente en generar un valor de la variable aleatoria y enseguida

probar que dicho valor simulado proviene de la distribucin de probabilidad que se est
analizando. Para comprender la lgica de este mtodo, suponga que f(x), fig.1 es una distribucin
de probabilidad acotada y con rango finito, es decir, a x b. De acuerdo a esta funcin de
probabilidad, la aplicacin del mtodo de rechazo implica el desarrollo de los siguientes pasos:

1. Generar dos nmeros uniformes R1 y R2.

2. Determinar el valor de la variable aleatoria x de acuerdo a la siguiente relacin lineal de R1:

x= a + (b - a) R1

3. Evaluar la funcin de probabilidad en x= a + (b - a) R1.

4. Determinar si la siguiente desigualdad se cumple:

R2 f(a + (b - a) R1)/M

Se utiliza a x= a + (b - a) R1 si la respuesta es afirmativa como un valor simulado de la variable

aleatoria. De lo contrario, es necesario pasar nuevamente al paso 1 tantas veces como sea
necesario.

La teora sobre la que se apoya este mtodo se basa en el hecho de que la probabilidad de que R2
f(x)/M es exactamente f(x)/M. Por consiguiente, si un nmero es cogido al azar de acuerdo a x= a
+ (b - a) R1 y rechazado si R2 > f(x)/M, entonces la distribucin de probabilidad de las xs aceptadas
ser exactamente f(x). Por otra parte, conviene sealar que si todas las xs fueran aceptadas,
entonces x estara uniformemente distribuida entre a y b.

Finalmente, es necesario mencionar que algunos autores como Tocher, han demostrado que
el nmero esperado de intentos para que x sea aceptada como una variable aleatoria que sigue
una distribucin de probabilidad f(x), es M. esto significa que este mtodo podra ser un tanto
ineficiente para ciertas distribuciones de probabilidad en las cuales la moda sea grande.
El mtodo de aceptacin/rechazo para generar una v.a. Y tiene la siguiente forma general:

Paso 1: Generar una v.a. U y calcular un valor tentativo de Y

Paso 2a: Si se cumple una cierta condicin, aceptar el valor tentativo de Y

Paso 2b: Si no se cumple la condicin, rechazar el valor tentativo, y volver al paso

Sol:

( + )) 1
(1 )1 ; 0 1
() = {()())
0 ; . .

() = ; () = 2
+ ( + ) ( + + 1)

() = ( 1)!
EJERCICIO DE CLASE

Considerando el mtodo se pide generar una variable aleatoria x que tiene como funcin de
densidad con beta (2,4)

SCRIPT

f <- function(x) 20*x*(1-x)^3 # Con Beta(2,4)

g <- function(x) x/x
rg <- function(n) runif(n,0,1)
c <- 135/64
xs <- seq(0, 1, len=100)
plot(xs, f(xs), ylim=c(0,c*1.25), type="l", col="red", lwd=2, ylab="densities")
lines(xs, c*g(xs), type="l", col="blue", lwd=2)
legend("topleft",c("f(x)","c*g(x)"), col=c("red","blue"), lwd=2)

Resultado del Script

EJERCICIO DE INTERNET

Considerando el mtodo se pide generar una variable aleatoria x que tiene como funcin de
densidad con beta (6,8)

SCRIPT

f <- function(x) 10296*x^5*(1-x)^7 # Con Beta(6,8)

g <- function(x) x/x
rg <- function(n) runif(n,0,1)
c <- 2.97
xs <- seq(0, 1, len=100)
plot(xs, f(xs), ylim=c(0,c*1.25), type="l", col="red", lwd=2, ylab="densities")
lines(xs, c*g(xs), type="l", col="blue", lwd=2)
legend("topleft",c("f(x)","c*g(x)"), col=c("red","blue"), lwd=2)

Resultado Script