Generacin de variables

aleatorias
SIMULACION
UNIDAD 3

Introduccin
Por medio de la simulacin se logra el

entendimiento de cualquier sistema, esto

se logra aproximndose a la realidad, lo
cual se consigue componiendo el modelo a
base de variables aleatorias que
interacten entre si.

Variable aleatoria
Son aquellas que tienen un comportamiento probabilstico en la

realidad.
Una variable aleatoria o variable estocstica es una variable

estadstica cuyos valores se obtienen de mediciones en

experimento aleatorio.
Los valores posibles de una variable aleatoria pueden representar

los posibles resultados de un experimento an no realizado (ej.,

como resultado de medicin incompleta o imprecisa).
Intuitivamente, una variable aleatoria puede tomarse como una

cantidad cuyo valor no es fijo pero puede tomar diferentes

valores; una distribucin de probabilidad se usa para describir la
probabilidad de que se den los diferentes valores.

Las variables aleatorias siguen

distribuciones de probabilidad tericas o

empricas diferentes a las uniformes, por lo
cual para simular este tipo e variables es
necesario contar con un generador de
nmeros uniforme y una funcin que a
travs de un mtodo especifico, transforme
estos nmeros en valores de la distribucin
de probabilidad deseada.

Reglas de distribucin de
probabilidad
La suma de las probabilidades asociada a

todos los valores posibles de la variable

aleatoria X es uno
La probabilidad de que un posible valor de
las variables X se presente siempre es > o
= a cero
El valor esperado de la distribucin de la
variable aleatoria e l media de la misma
Si la distribucin de probabilidad asociada a
dicha variable aleatoria esta definida por
mas de un parmetro, los parmetros se
obtienen mediante un estimador sesgado

Tipos de variables aleatorias

Se definen las variables aleatorias de acuerdo al tipo de valor
que representan
Discretas: si su recorrido es un conjunto discreto. Ej:
numero de defectos en la superficie de un cristal,
proporcin de piezas defectuosas en una muestra de 1000,

Continuas: si su recorrido no es un conjunto numerable.

Intuitivamente esto significa que el conjunto de posibles

valores de la variable abarca todo un intervalo de nmeros
reales Ej:
Corriente elctrica
Longitud
Peso
Temperatura

Distribucin de probabilidad
La distribucin de probabilidad de una

variable aleatoria describe tericamente la

forma en que varan los resultados de un
experimento aleatorio. Intuitivamente se
tratara de una lista de los resultados
posibles de un experimento con las
probabilidades que se esperaran ver
asociadas con cada resultado.

Variables aleatorias discretas

Distribucin uniforme
Distribucin binomial
Distribucin multinomial
Distribucin hipergeomtrica
Distribucin multihipergeomtrica
Distribucin de poisson

Variables aleatorias continuas

Distribucin normal o de Gauss
Distribucin Gamma ()
Distribucin exponencial
Distribucin Chi-cuadrado
Distribucin T de Student
Distribucin F de Snedecor

Distribucin de probabilidad
Enteora de la probabilidadyestadstica,

ladistribucin de probabilidadde
unavariable aleatoriaes unafuncin que
asigna a cada suceso definido sobre la
variable aleatoria laprobabilidadde que
dicho suceso ocurra. La distribucin de
probabilidad est definida sobre el conjunto
de todos los sucesos, cada uno de los
sucesos es el rango de valores de la
variable aleatoria.

Las distribuciones de probabilidad de los

datos histricos puede determinarse

mediante las pruebas Chi-cuadrada,
kolmogorov-Smirnof y de Anderson-Darling

Stat:Fit
La herramienta Stat:Fit de promodel se utiliza

para analizar y determinar el tipo de distribucin

de probabilidad de un conjunto de datos.
Permite comparar los resultados entre varias

distribuciones analizadas mediante una

calificacin.
Emplea pruebas de Chi-cuadrada, KolmogorovSmirnov y Anderson-Darling
Calcula los parmetros apropiados para cada
distribucin, incluyendo moda, media, valor
mnimo, mximo y varianza entre otros

Haga clic en el icono Stat:Fit

Abra un nuevo documento

Introduzca datos

Los datos del numero de automviles que

entran por hora son:

14
13
13
20
12

7
15
20
10
14

13
10
8
18
20

16
15
17
15
15

16
16
19
13
10

13
14
11
16
13

15
12
12
24
21

17
17
17
18
23

15
14
9
16
15

16
12
18
18
18

Determinar la distribucin con un nivel de

confianza de 5 por ciento

Seleccione una estadstica descriptiva

Para obtener la distribucin seleccione del

men Fit el comando Autofit

Seleccione variable aleatoria

Haga clic en el tipo de distribucin para

obtener la grafica

Estos son los datos de un estudio del

tiempo de atencin al cliente en una

florera medido en minutos/cliente

13.32
13.46
10.05
9.4 8.62 9.346
3 7.112
6 5.764 8.974 9.831
6
13.94
7.445 6.619 9.26 6.775 8.306 5.633 8.864
4 8.952 9.355
10.48
12.68 11.07
11.73
14.38
9 6.306
5
8 6.957 9.532 9.192
1 11.35
9
12.55
11.80
14.75
3 8.045 9.829
4 9.274 12.19 10.27
1 9.237 6.515
12.39
13.83
11.51
Determinar
la
distribucin
con
un
nivel
de
7 8.453 9.628
8 9.935 7.827 9.269 8.69
5 8.527

confianza de 5 por ciento

Generacin de variables
aleatorias
La variabilidad de eventos y actividades se

representa a travs de funciones de

densidad de fenmenos continuos, y
mediante distribuciones de probabilidad
para fenmenos de tipo discreto. La
simulacin de estos eventos o actividades
se realiza con la ayuda de generacin de
variables aleatorias.

Principales mtodos de generacin

de variables aleatorias
Mtodo de la transformada inversa
Mtodo de convolucin
Mtodo de composicin
Mtodo de transformacin directa
Mtodo de aceptacin y rechazo

Mtodo de transformada
inversa
El mtodo de la transformada inversa se

puede utilizar para simular variables

continuas, lo cual se logra mediante la
funcin acumulada f(x) y la generacin de
nmeros pseudoaleatorios rj ~U(0,1)

El mtodo consiste en:

1. Definir una funcin de densidad F(x) que
represente la variable a modelar
2. Calcular la funcin acumulada F(x)
3. Despejar la variable aleatoria x y obtener
la funcin acumulada inversa F(x)-1
4. Generar variables aleatorias x,
sustituyendo valores con nmeros pseudo
aleatorios rj ~U(0,1) en la funcin
acumulada inversa.

El mtodo de la transformada inversa tambin puede

emplearse para simular variables aleatorias de tipo
discreto.
La generacin se lleva a cabo a travs de la
probabilidad acumulada P(x) y la generacin de nmeros
pseudoaleatorios rj ~U(0,1). El mtodo consiste en:
Calcular los valores de la distribucin de probabilidad
p(x) de la variable a modelar
Calcular todos los valores de la distribucin acumulada
P(x)
Generar nmeros pseudoaleatorios rj ~U(0,1)
Comparar con el valor de P(x) y determinar que valor
de x corresponde a P(x)

Distribucin uniforme
A partir de la funcin de densidad de las

variables aleatorias entre a y b

f(x) =
Se obtiene la funcin acumulada
F(x)= =
Igualando la funcin acumulada F(x) con el
numero pseudoaleatorio rj ~U(0,1) y
despejando x se obtiene
Xj=a+(b-a)F(x)j
Xj=a+(b-a)rj

Ejemplo
La temperatura de una estufa se comporta

uniformemente dentro del rango de 95 a

100. Una lista de nmeros
pseudoaleatorios y la ecuacin xj= 95+5rj
nos permiten modelar el comportamiento
de la variable aleatoria que simula la
Medicin
temperatura
de la R
estufa Temperatura
C
j

.48

97.40

.82

99.10

.69

98.45

.67

98.35

0,0

95.00

Distribucin exponencial

A partir de la funcin de densidad de las variables

aleatorias exponenciales con media 1/
F(x) = e

x para

x>=0

Obtiene la funcin acumulada

= 1- para x>=0
Igualando la funcin acumulada F(x) con el numero
pseudoaleatorio rj ~U(0,1), y x se obtiene
=ln(1-F(x)j)
=ln(1-rj)

Ejemplo
Los datos histricos del tiempo de servicio

en la caja de un banco se comportan con

una media de 3 minutos /cliente. Una lista
de nmeros pseudoaleatorios rj ~U(0,1) y
la ecuacin generadora exponencial xj=3ln(1-r
simular Tiempo
el
j) nos permite
Cliente
R
de
servicio
en
comportamiento de la variable
aleatoria
j

(min)

.64

.83

.03

.50

.21

Mtodo de convolucin
En algunas distribuciones de probabilidad la variable

aleatoria a simular, Y, puede generarse mediante la

suma de otras variables aleatorias como X de manera
mas rpida que a travs de otros mtodos.
Entonces el mtodo de convolucin se puede expresar

como:
Y= x1 + x2 + +xk
Las variables aleatorias de cuatro de las distribuciones
mas conocidas (Erlang, normal, binomial y Poisson)
pueden ser generadas a travs de este mtodo.

Distribucin Erlang
=
Ejemplo

El tiempo de proceso de una pieza sigue una

distribucin 3-Erlang con media 1/ de 8
minutos/ pieza. Una lista de nmeros
pseudoaleatorios ri ~U(0,1) y la ecuacin de
gene
racin de nmeros Erlang se obtiene la
siguiente tabla
=-

Pieza

1-ri

1-ri

1-ri

Tiempo de
proceso
(min/pieza
)

.28

.52

.64

6.328

.96

.37

.83

3.257

.04

.12

.03

23.588

.35

.44

.50

6.837

.77

.09

.21

11.279

Distribucin binomial
La variable aleatoria normal con media y

desviacin estndar puede generarse

utilizando el teorema de limite central

Ejemplo

El volumen de un liquido de un refresco sigue

una distribucin normal con media de 12 oz y
desviacin estndar de .4 . Generar 5
variables aleatorias con esta distribucin
para similar el proceso de llenado

Volumen
Volumen
(onzas)
(onzas)

Botella
Botella
1
1
2
2
3
3

6.21
6.21
5.34
5.34
6.03
6.03

.21
.21
-.66
-.66
.03
.03

12.084
12.084
11.736
11.736
12.012
12.012

4
4

6.97
6.97

.97
.97

12.038
12.038

4.81

-1.19

11.524