Académique Documents
Professionnel Documents
Culture Documents
SIMULACIÓN
Actividad de Aprendizaje:
Presenta:
Edgar Camacho Cruz.
Docente:
ISC. CESAR EDUARDO MORA HERNANDEZ
INTRODUCCION.
INDICE
INTRODUCCION..............................................................................................................2
MÉTODOS PARA GENERAR VARIABLES ALEATORIAS.............................................4
MÉTODO DE LA TRANSFORMADA INVERSA..............................................................4
MÉTODO DE CONVOLUCIÓN........................................................................................7
MÉTODO DE COMPOSICIÓN.........................................................................................9
CONCLUSIÓN................................................................................................................13
BIBLIOGRAFÍA...............................................................................................................14
Machote Documentos
2 0.82 99.10
3 0.69 98.45
4 0.67 98.35
5 0.00 95.00
Distribución exponencial
A partir de la función de densidad de las variables aleatorias exponenciales
con media
1/A,
Distribución de Bernoull
A partir de la distribución de probabilidad de las variables aleatorias de
Bernoulli con
Machote Documentos
Media
x 0 1
P(X) 1-p P
x 0 1
P(X) 1-p 1
X1=¿
MÉTODO DE CONVOLUCIÓN.
Distribución de Erlang
La variable aleatoria /c-Erlang con media 1/A puede producirse a partir de la
generación
de k variables exponenciales con media l /kA:
Machote Documentos
Ejemplo:
El tiempo de proceso de cierta pieza sigue una distribución 3-Erlang con
media 1/A de 8 minutos/pieza. Una lista de números pseudoaleatorios
r¡ ~U(0,1) y la ecuación de generación de números Erlang permite obtener la
tabla 3.14# que indica el comportamiento de la variable aleatoria.
Distribución normal
La variable aleatoria normal con media /x y desviación estándar ο* puede
generarse mediante el teorema del límite central:
Machote Documentos
MÉTODO DE COMPOSICIÓN.
I A ( x )= 0 si∧x A
{
1 si∧x A
Alguna de las distribuciones más conocidas que pueden expresarse como
una combinación convexa son: triangular, de Laplace y trapezoidal. El
procedimiento general de generación es el siguiente:
1. Calcular la probabilidad de cada una de las distribuciones f i(x).
2. Asegurar que cada función fi(x) sea la función de densidad.
Machote Documentos
Distribución triangular
A partir de la función de densidad triangular
2 ( x −a )
{
f ( x )= ( b−a ) ( c−a )
¿
2 ( b−x )
∧a< x c
( b−a ) ( b−c )
∧c < x b
c
2 ( x−a )
p ( x) =
{
¿∫
∫ ( b−a )( c −a ) ∧dx
a
b
c
2 ( b−x )
( b−a ) ( b−c )
∧dx
( c−a )
p ( x) = (
¿ {
b−a )
∧a< x c
( b−c )
( b−a )
c<xb
¿{ =
p ( x ) = ( b−a ) ( c−a ) ( c−a ) ( c−a ) 2
2 ( b−x ) ( b−a ) 2 ( b−x )
=
∧a< x c
m 2
f ( x )= ∑ f i ( x ) I A ( x ) =∑ f i ( x ) I A ( x )
i=1 i=1
2 ( x−a ) 2 ( b−x )
f ( x )= I a x c (x) + I c x b ( x)
( c−a ) 2 ( b−c ) 2
Dónde:
I A ( x )= 0 si∧x A
{
¿1 si∧x A
Primero integramos para aplicar el método de la transformación inversa a
cada segundo de la función:
x
2 ( x−a ) ( x−a ) 2
F ( x )=
{ x
∫ ( c−a ) 2 ∧dx= ( c−a ) 2 a ≤ x c
a
2 ( b−x )
¿
( b−x ) 2
∫ ( b−c ) 2 ∧dx=1− ( b−c ) 2 c ≤ x b
c
a+ ( c−a ) √ r 1
x=
{
¿ b∧−[ ( b−c ) √ 1−r 1 ]
( c−a )
{
a+ ( c−a ) √r 1 si r j≤
( b−a ) ¿
x= ¿
( c−a )
b∧−[ ( b−c ) √ 1−r 1 ] si r j>
( b−a )
Ejemplo:
Generar una muestra de 5 variables aleatorias con distribución triangular a
partir de los parámetros: valor mínimo 5, moda 10 y valor máximo 20.
( c−a )
{
a+ ( c−a ) √r 1 si r j≤
( b−a ) ¿
x= ¿
( c−a )
b∧−[ ( b−c ) √ 1−r 1 ] si r j>
( b−a )
Machote Documentos
(5 )
{
5+ ( 5 ) √ r 1 si r j≤
( 15 ) ¿
x= ¿
(5)
20∧− [ (10 ) √ 1−r 1 ] si r j>
( 15 )
CONCLUSIÓN
Antes de poder realizar una simulación de gran escala con las distribuciones
de probabilidad mediante la generación de números aleatorios, suelen actuar
factores que pueden generar conflictos unos con otros y es de esperar que
la solución que deseemos buscar no sea la más optima.
Machote Documentos
BIBLIOGRAFÍA