TECNOLOGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLOGICO DE MÉRIDA

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Simulación
Generación de variables
aleatorias

DZUL CHAVEZ MARCO ANTONIO

PAREDES CHIN LIZBETH BEATRIZ
RODRIGUEZ HERNANDEZ JORGE ALBERTO
PALOMO AGUILAR FELIPE DE JESUS
KUYOC TORRES BRANDOM
HERNANDEZ GOMEZ UBALDO

Facilitador:
Ing. Christian Arturo Olvera Mercado M.A.
La variabilidad de eventos y actividades se representa a través de
funciones de densidad para fenómenos continuos, y mediante
distribuciones de probabilidad para fenómenos de tipo discreto.

La simulación de estos eventos o actividades se realiza con la

ayuda de la generación de variables aleatorios.

Generación de variables aleatorias

 Método de Convolución
o Distribución de Erlang
o Distribución Normal
o Distribución Binomial
Método de Convolución
En algunas distribuciones de probabilidad la variable aleatoria a
simular, Y, puede generarse mediante la suma de otras variables X
de manera más rápida que a través de otros métodos.

El método de Convolución se expresa como:

Y= X1+X2+…+Xk

Las variables aleatorias de cuatro de las distribuciones más

conocidas (de Erlang, normal, binomial y Poisson) pueden ser
generadas a través de este método, como se vera a continuación.
 
Distribución de Erlang

La variable aleatoria K-Erlang con media 1/ puede producirse a partir de la

generación de K variables exponenciales con media 1/:
 
Ejemplo:
El tiempo de proceso de cierta pieza sigue una distribución 3-Erlang con media 1/ de 8 minutos/pieza.
Una lista de pseudoaleatorios ri~U(0,1) y la ecuación de generación de números Erlang permite obtener
la tabla siguiente, que indica el comportamiento de la variable aleatoria.

Pieza 1-ri 1-ri 1-ri Tiempo de proceso

(min/pza)
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
 
Distribución normal

La variable aleatoria normal con media µ y desviación estándar

puede generarse usando el teorema del límite central:
Ejemplo:

El volumen de líquido de un refresco sigue una distribución normal con media de

12 onzas y desviación estándar de 0.4 onzas. Generar 5 variables aleatorias
con esta distribución para simular el proceso de llenado.

 
Tabla Simulación del volumen de llenado de refresco

Botella Volumen
(onzas)
1 6.21 0.21 12.084
1
2 6.21
5.34 0.21
-0.66 12.084
11.739
2
3 5.34
6.03 -0.66
0.03 11.739
12.012
4
3 6.97
6.03 0.97
0.03 12.038
12.012
5
4 4.81
6.97 -1.19
0.97 11.524
12.038
5 4.81 -1.19 11.524
Distribución binomial
La variable de aleatoria binomial con parámetros N y p puede ser generada a
través de la suma de N variables aleatorias con distribución Bernoulli con
parámetro p.

Y= Bi= BE1+BE2+…+BEN~BI(N,p)
Ejemplo:
Al inspeccionar lotes de tamaño N=5, la probabilidad de que una pieza sea
defectuosa es 0.03. Simular el proceso de inspección para determinar el número
de piezas defectuosas por lote.

Este proceso sigue una distribución binomial con N=5 y p=0.03, y será simulado
mediante la generación de variables aleatorias de Bernoulli con p=0.03, de
acuerdo con el procedimiento señalado donde BEi= 0 representa una pieza en
buen estado y BEi= 1 una pieza defectuosa.
 Tabla de simulación del sistema de inspección

Lot r1 BE1 r2 BE2 r3 BE3 r4 BE4 r5 BE5 Piezas

e defectuosas
1 0.49 0 0.32 0 0.15 0 0.01 0 0.45 0 0
2 0.11 0 0.85 0 0.93 0 0.99 1 0.61 0 1
3 0.57 0 0.92 0 0.84 0 0.74 0 0.82 0 0
4 0.62 0 0.01 0 0.68 0 0.98 1 0.99 1 2
5 0.34 0 0.98 1 0.99 1 0.02 0 0.98 1 3
 Ejercicio de practica 1

 Eltiempo de fabricación de un articulo sigue una distribución 4-Erlang con

media 1/ de 10 minutos/pieza. Una lista de pseudoaleatorios ri~U(0,1) y la
ecuación de generación de números Erlang permite obtener la tabla siguiente,
que indica el comportamiento de la variable aleatoria.

Artículo 1-ri 1-ri 1-ri 1-ri Tiempo de proceso

(min/pza)
1 0.30 0.46 0.48 0.52
2 0.52 0.26 0.69 0.27
3 0.02 0.14 0.06 0.38
4 0.25 0.35 0.41 0.05
5 0.56 0.10 0.15 0.28
 Ejercicio de practica 2

El contenido en gramos de unas galletas sigue una distribución normal con media
de 101 gr y desviación estándar de 3.3 gr. Generar 5 variables aleatorias con esta
distribución para simular el proceso de empaque.
 Ejercicio de practica 3

Se realizo una inspección y verificación de ciertas fracciones(lotes) de tamaño N=4, la

probabilidad de que una pieza sea defectuosa es 0.05. Simular el proceso de inspección
para determinar el número de piezas defectuosas por fracción(lote).

Este proceso sigue una distribución binomial con N=4 y p=0.05, y será simulado mediante la
generación de variables aleatorias de Bernoulli con p=0.05, de acuerdo con el procedimiento
señalado donde BEi= 0 representa una pieza en buen estado y BEi= 1 una pieza defectuosa.

Lot r1 BE1 r2 BE2 r3 BE3 r4 BE4 Piezas

e defectuosas
1 0.52 0.45 0.13 0.64
2 0.14 0.96 0.96 0.78
3 0.98 0.96 0.84 0.99
4 0.60 0.23 0.99 0.45
 Bibliografía
García, E. et al. (2006) Simulación y análisis de sistemas con ProModel.
Edit. PEARSON EDUCACIÓN. México, D.F.
Gracias por su
atención
 Solución de ejercicio de practica 1

Artículo 1-ri 1-ri 1-ri 1-ri Tiempo de proceso

(min/pza)
1 0.30 0.46 0.48 0.52 8.420
2 0.52 0.26 0.69 0.27 9.203
3 0.02 0.14 0.06 0.38 24.147
4 0.25 0.35 0.41 0.05 15.808
5 0.56 0.10 0.15 0.28 15.131
 Solución de ejercicio de practica 3

Lot r1 BE1 r2 BE2 r3 BE3 r4 BE4 Piezas

e defectuosas
1 0.52 0 0.45 0 0.13 0 0.64 0 0
2 0.14 0 0.96 1 0.96 1 0.78 0 2
3 0.98 1 0.96 1 0.84 0 0.99 1 3
4 0.60 0 0.23 0 0.99 1 0.45 0 1