Professional Documents
Culture Documents
SIMULACIN
GENERACIN DE VARIABLES ALEATORIAS CONTINUAS Hay cuatro mtodos generales de generacin de variables aleatorias y una serie de mtodos Particulares de las distintas distribuciones. La facilidad de aplicacin de dichos mtodos, as como el coste computacional asociado a los Mismos, vara mucho segn la familia de variables aleatorias a lasque se apliquen. Normalmente existen varios algoritmos que se pueden utilizar para generar valores de una Determinada distribucin, y diferentes factores que se pueden considerar para determinar qu algoritmo utilizar en un caso particular. Desafortunadamente dichos factores suelen entrar en conflicto unos con otros y a veces se ha de llegar a una solucin de compromiso. Algunos de estos factores son los siguientes: Exactitud: se han de obtener valores de una variable con una precisin dada. A veces se tiene suficiente con obtener una aproximacin y otras no. Eficiencia: el algoritmo que implementa el mtodo de generacin tiene asociado un tiempo de ejecucin y un gasto de memoria. Elegiremos un mtodo que sea eficiente en cuando al tiempo y a la cantidad de memoria requeridos. Complejidad: Buscamos mtodos que tengan complejidad mnima, siempre cuando se garantice cierta exactitud.Robusted: el mtodo tiene que ser eficiente para cualquier valor que tmenlos parmetros de la distribucin que siga la variable aleatoria. Facilidad de implementacin.
Mtodos generales Los mtodos generales para la generacin de variables aleatorias son: Mtodo de Inversin, de Aceptacin-Rechazo, de Composicin y de Consolacin. A continuacin pasamos a estudiarlos. Mtodo De Los Cuadrados Consiste en que cada nmero de una sucesin es producido tomando los dgitos medios de un nmero obtenido mediante la elevacin al cuadrado.P1: Obtener semilla (valores iniciales 445)P2: Aplicacin de Algoritmos recursivos (elevar al cuadrado)P3: Validacin del conjunto de datos generados 2
SIMULACIN
DISTRIBUCIN EXPONENCIAL
con . Otro mtodo, basado en los estadsticos ordenados y que permite generar n valores a la vez, es el siguiente: se generan
obtenemos
y definimos u(0)=0,
Estos valores corresponden a una variable Exp(1) y son independientes. DISTRIBUCIN GAMMA Sea y . Como esta distribucin es reproductiva respecto del segundo es una , consideramos la siguiente descomposicin:
Es por esto por lo que basta limitarse a simular variables con . El siguiente teorema nos da un mtodo directo para simular estas variables. Si y son independientes, entonces
Se considera el cambio
As
El recinto transformado es
La distribucin marginal de X es
SIMULACIN
Luego
DISTRIBUCIN BETA
Si
, entonces f est acotada y se puede aplicar aceptacin y rechazo. El valor para una cota de
mximo de f se alcanza en
Sin embargo, el mtodo slo es eficiente si tanto como estn prximos a uno. En los dos siguientes teoremas veremos dos mtodos para simular variables beta de modo eficiente. Si e son independientes, entonces
Demostracin:
SIMULACIN
La densidad conjunta es
El recinto transformado es
la distribucin marginal de X1 es
SIMULACIN
Demostracin: Como U1 y U2 son independientes, entonces Y1 e Y2 tambin lo son. Distribucin de Y1 (la de Y2 se obtiene de forma anloga pero considerando ): en lugar de
El
recinto
transformado
es
0<y1<1.
Distribucin
de
(Y1,Y2):
Distribucin
de
SIMULACIN
El recinto transformado es
Ahora, si
, entonces:
En consecuencia,
Luego
SIMULACIN
Q.E.D.
DISTRIBUCIN NORMAL
Para generar una variable , basta generar una variable N(0,1), pues
Con el fin de generar una variable N(0,1) se considera el cambio de coordenadas siguiente (cambio polar):
con Demostracin:
El recinto transformado es
As
Luego
y son independientes. 9