You are on page 1of 46

SIMULACIN

UNIVERSIDAD TECNOLGICA DE BOLVAR


MANUEL SOTO DE LA VEGA
30/08/2017
GENERACIN DE VARIABLES
ALEATORIAS

3
GENERACIN DE VARIABLES ALEATORIAS
En la introduccin al curso se discutieron y se mostraron ejemplos de sistemas
diversos donde se dejo clara la importancia de las distribuciones estadsticas para
modelar actividades que son generalmente impredecibles o inciertas. Por ejemplo,
los tiempos entre arribo y los tiempos de servicio en las colas, y la demanda de un
producto, son generalmente impredecibles por naturaleza.

4
GENERACIN DE VARIABLES ALEATORIAS
Usualmente tales variables son
modeladas como variables
aleatorias con una distribucin
estadstica, y los procedimientos
estadsticos estndar existen para
estimar los parmetros de la
distribucin hipottica y para probar
la validez del modelo estadstico
asumido (como son las pruebas de
Ajuste de Bondad).

5
GENERACIN DE VARIABLES ALEATORIAS
En todo modelo de simulacin estocstico, existen una o varias
variables aleatorias interactuando.

Generalmente, estas variables siguen distribuciones de probabilidad


tericas o empricas diferentes a la distribucin uniforme. Por
consiguiente, para simular este tipo de variables, es necesario contar
con un generador de nmeros uniformes y una funcin que a travs de
un mtodo especifico, transforme estos nmeros en valores de la
distribucin de probabilidad deseada.

6
GENERACIN DE VARIABLES ALEATORIAS
Hay una variedad de mtodos para generar variables aleatorias. Cada
mtodo se aplica solo a un subconjunto de distribuciones y para una
distribucin en particular un mtodo puede ser mas eficiente que otro.

Mtodo de la transformada inversa


Mtodo de aceptacin y rechazo
Mtodo de convolucin
Mtodo de composicin
Mtodo de la transformacin directa
7
MTODO DE LA TRANSFORMADA INVERSA
El mtodo de la transformada inversa, es el mtodo ms utilizado en la
obtencin de variables aleatorias para experimentos de simulacin.

Este mtodo puede utilizarse para simular variables aleatorias


continuas, en las cuales su F(x) se puede obtener en forma cerrada
(tiene frmula y es posible calcular 1 ).

Tambin puede emplearse para simular variables aleatorias de tipo


discreto, como las distribuciones de Poisson, Bernouli, Binomial,
Geomtrica, discreta general, etc.

8
MTODO DE LA TRANSFORMADA INVERSA

Proposicin:

Sea U una variable aleatoria uniforme en (0, 1). Para cualquier funcin de
distribucin continua F, invertible, la variable aleatoria X definida como:

= 1

Tiene distribucin F.
1 se define como el valor de x tal que =

9
MTODO DE LA TRANSFORMADA INVERSA
El mtodo consiste en:

1. Definir la funcin de densidad que representa la variable a modelar.


2. Calcular la funcin acumulada
3. Despejar la variable aleatoria x y obtener la funcin acumulada inversa 1
4. Generar las variables aleatorias x, sustituyendo valores con nmeros
pseudoaleatorios ~ 0,1 en la funcin acumulada inversa.

10
MTODO DE LA TRANSFORMADA INVERSA

Garcia, E., Garcia, H., & Crdenas, L. (2006).

11
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN UNIFORME CONTINUA:
A partir de la funcin de densidad de la variable aleatoria uniforme entre a y b:
1
=

Funcin de distribucin de una variable alaeatoria uniforme:



1
= =

12
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN UNIFORME CONTINUA:
Igualando la funcin acumulada con F(x) con el nmero pseudoaleatorio tenemos:

=+

13
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN UNIFORME CONTINUA:
La temperatura de una estufa se comporta uniformemente dentro del rango de
95C a 100C. simule la temperatura de la estufa usando una lista de nmeros
pseudoaleatorios dada:

Medicin u(i) Temperatura C


1 0,48 97,40
2 0,82 99,10
3 0,69 98,45
4 0,67 98,35
5 0,00 95,00

14
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN UNIFORME CONTINUA:
La temperatura de una estufa se comporta uniformemente dentro del rango de
95C a 100C. simule la temperatura de la estufa usando una lista de nmeros
pseudoaleatorios dada:

Medicin u(i) Temperatura C


1 0,48 97,40
2 0,82 99,10
3 0,69 98,45
4 0,67 98,35
5 0,00 95,00

15
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN EXPONENCIAL:
A partir de la funcin de densidad de la distribucin exponencial con media 1/.

= 0
Distribucin acumulada:


= = 1 0
0

16
MTODO DE LA TRANSFORMADA INVERSA
DISTRIBUCIN EXPONENCIAL:
Igualando la funcin acumulada F(x) con el nmero pseudoaleatorios y despejando
se tiene:
= 1
= 1 u
ln = ln(1 )
ln = ln 1
= ln 1
1
= ln 1

17
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN EXPONENCIAL:
Los datos histricos del servicio en la caja de un banco se comportan de forma
exponencial con media de 3 minutos/cliente. Genere el comportamiento del
tiempo en la caja del banco con una lista de 5 nmeros pseudoaleatorios:
Tiempo de
Medicin u(i)
servicio (minutos)
1 0,64 3,06
2 0,83 5,31
3 0,03 0,09
4 0,50 2,07
5 0,21 0,70

18
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN EXPONENCIAL:
Los datos histricos del servicio en la caja de un banco se comportan de forma
exponencial con media de 3 minutos/cliente. Genere el comportamiento del
tiempo en la caja del banco con una lista de 5 nmeros pseudoaleatorios:
Tiempo de
Medicin u(i)
servicio (minutos)
1 0,64 3,06
2 0,83 5,31
3 0,03 0,09
4 0,50 2,07
5 0,21 0,70

19
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN WEIBULL:
Para una variable aleatoria Weibull.

0 >0
=

^
1 0

Donde y son parmetros de forma y escala.

20
MTODO DE LA TRANSFORMADA INVERSA

Garcia, E., Garcia, H., & Crdenas, L. (2006).

21
MTODO DE LA TRANSFORMADA INVERSA
Para las variables aleatorias discretas el mtodo consiste en:

1. Calcular todos los valores de la distribucin de probabilidad f(x) de la variable a


modelar.
2. Calcular todos los valores de la distribucin acumulada F(x).
3. Generar los nmeros pseudoaleatorios ~ 0,1
4. Comparar con el valor F(X) y determinar a que valor de x corresponde F(x).

22
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DISCRETA GENERAL:
Distribucin de probabilidad de datos:
x f(x) F(x)
0 0,5 0,5
1 0,3 0,8
2 0,2 1,0
Lista de nmeros pseudoaleatorios:
1 = 0,73
2 = 0,51
3 = 0,92
4 = 0,15

23
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DE POISSON:
El nmero de piezas que entran a un sistema de produccin sigue una distribucin
de Poisson con media de 2 piezas/hora. Simular el comportamiento de la llegada de
las piezas al sistema.


=
!

24
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DE POISSON: x f(x) F(x)
Construir la tabla 0 0,135 0,135
Simular las llegadas de las piezas al sistema, con 1 0,270 0,406
variable aleatoria de Poisson: 2 0,270 0,676
Hora u(i) Piezas /hora 3 0,180 0,857
1 0,675 2 4 0,090 0,947
2 0,023 0 5 0,036 0,983
3 0,789 3 6 0,012 0,995
4 0,513 2 7 0,003 0,998
5 0,333 1

25
MTODO DE LA TRANSFORMADA INVERSA
EJEMPLO DISTRIBUCIN DE POISSON: x f(x) F(x)
Construir la tabla 0 0,135 0,135
Simular las llegadas de las piezas al sistema, con 1 0,270 0,406
variable aleatoria de Poisson: 2 0,270 0,676
Hora u(i) Piezas /hora 3 0,180 0,857
1 0,675 2 4 0,090 0,947
2 0,023 0 5 0,036 0,983
3 0,789 3 6 0,012 0,995
4 0,513 2 7 0,003 0,998
5 0,333 1

26
MTODO DE LA TRANSFORMADA INVERSA
Desafortunadamente, para muchas de las distribuciones de
probabilidad, resulta imposible o extremadamente difcil expresar a x
en trminos de la transformacin inversa.

Cuando es ste el caso, el nico recurso de que se dispone, consiste en


obtener una aproximacin numrica para la transformacin inversa, o
bien recurrir a alguno de los siguientes mtodos.

27
MTODO DE ACEPTACIN Y RECHAZO
Este mtodo consiste primeramente en generar un valor de la variable
aleatoria y enseguida probar que dicho valor simulado proviene de la
distribucin de probabilidad que se esta analizando.

Este mtodo requiere una funcin de distribucin acumulada F(x) est


definida en un intervalo finito.

28
MTODO DE ACEPTACIN Y RECHAZO
Pasos:
1. Se selecciona una constante M, tal que M es el valor ms grande de f(x) en el
intervalo [a, b].
2. Se genera dos nmeros aleatorios 1 2 / 1 , 2 0,1 .
3. Se calcula = + 1 . (Esto asegura que cada miembro de [a, b] tiene
una probabilidad igual de ser elegido como x*).
4. Se evala la funcin f(x) en el punto x*; sea f(x*).

5. Si 2 , entonces se acepta x* como una variable aleatoria continua. De lo

contrario, se rechaza x* y se vuelve al paso 2.

29
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO:
Se tiene la siguiente funcin de densidad

2 01
=
0

30
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO:

1. M = 2
2. 1 = 0,5 2 = 0,2
3. Se calcula = 0 + 1 0 0,5 = 0,5
4. Se evala = 2 = 2 0,5 = 1
1
5. Se compara 2 , 0,2 se acepta x* = 0,5 como una variable
2
aleatoria

31
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO DISTRIBUCIN TRIANGULAR:
Genere variables aleatorias que sigan
una distribucin triangular con mnimo 2
(a), moda 6 (c) y mximo 8 (b).

2


=
2

32
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO DISTRIBUCIN TRIANGULAR:

1. M = 0,333
2. 1 = 0,75 2 = 0,9
3. Se calcula = 2 + 8 2 0,75 = 6,5
2 2 8
4. Se evala = = = 0,25
82 86
0,25
5. Se compara 2 , 0,9 no se acepta x* = 6,5 como una variable aleatoria
0,33

33
MTODO DE ACEPTACIN Y RECHAZO
EJEMPLO DISTRIBUCIN TRIANGULAR:

1. M = 0,333
2. 1 = 0,5 2 = 0,15
3. Se calcula = 2 + 8 2 0,5 = 5
2 2 2
4. Se evala = = = 0,25
82 62
0,25
5. Se compara 2 , 0,15 se acepta x* = 5 como una variable aleatoria
0,33

34
MTODO DE CONVOLUCIN
En algunas distribuciones de probabilidad la variaba aleatoria a simular X, puede
generarse mediante la suma de otras variables aleatorias Y de manera ms rpida
que a travs de otros mtodos. Entonces el mtodo de convolucin puede
expresarse como:

= 1 + 2 + +

Variables aleatorias conocidas como Erlang, Normal, Binomial y de Poisson, pueden


ser generados a partir de este mtodo.

35
MTODO DE CONVOLUCIN
EJEMPLO DISTRIBUCIN DE ERLANG:
La variable aleatoria k-erlang con media 1/ puede producirse a partir de k
variables exponenciales con media 1/.

= 1 + 2 + +
1 1 1
= ln 1 1 ln 1 2 ln 1

1
= ln 1 1 1 2 1

1
= ln 1
=1

36
DISTRIBUCIN NORMAL
Tanto el mtodo de la transformada inversa como el mtodo de aceptacin y
rechazo, son inapropiados para esta distribucin porque:
La funcin de probabilidad no existe en forma cerrada.
La distribucin no est definida en un intervalo finito.

Aunque es posible usar mtodos numricos o truncar la distribucin, otros


mtodos tienden a ser ms eficaces:
Algoritmo de convolucin.
Mtodo de la trasformada directa directo.

37
DISTRIBUCIN NORMAL
TEOREMA DEL LIMITE CENTRAL:
Si X1, X2, ,Xk son variables aleatorias independientes, con idntico modelo de
probabilidad, de valor medio y de varianza 2 , entonces la distribucin de la
variable:
= 1 + 2 + ~ , 2
1 1
= 1 + 2 + ~ ,
2 12

= 1 + 2 + ~ ,
2 12

= 1 + 2 + ~ 0,1
2

38
DISTRIBUCIN NORMAL
MTODO DE LA CONVOLUCIN:

= =
=1 2


= +
=1 2
= 12

1212
= +
=1 2

39
DISTRIBUCIN NORMAL
El volumen de liquido de una gaseosa sigue una distribucin normal con media de 12 onzas y
desviacin estndar de 0,4 onzas. Simular 5 variables aleatorias con esta distribucin.

12
12
= +
=1 2

Volumen
Botella u1 u2 u3 u4 u5 u6 u7 u8 u9 u10 u11 u12 6
(onzas)
1 0,76 0,47 0,21 0,61 0,16 0,49 0,76 0,82 0,71 0,17 0,16 0,40 5,69 -0,31 11,87
2 0,43 0,28 0,61 0,98 0,89 0,41 0,47 0,79 0,61 0,50 0,72 0,15 6,84 0,84 12,33
3 0,64 0,47 0,66 0,18 0,71 0,29 0,95 0,98 0,97 0,79 0,23 0,67 7,54 1,54 12,61
4 0,43 0,18 0,90 0,94 0,64 0,82 0,33 0,31 0,90 0,39 0,82 0,67 7,33 1,33 12,53
5 0,12 0,39 0,32 0,10 0,10 0,12 0,39 0,49 0,64 0,07 0,14 0,00 2,89 -3,11 10,75

40
DISTRIBUCIN NORMAL
MTODO DE LA TRANSFORMADA DIRECTA:
Se transforman en dos variables aleatorias normales, cada una con media 0 y
varianza 1, usando las transformaciones directas:
1
1 = 2 ln 1 2 sin 22
1
2 = cos 22 2 ln 1 2
Se calculan las variables aleatorias normales x1 y x2 de la siguiente forma:
1 = 1 +
2 = 2 +

Box, G, Mller, M. (1958). A Note on the Generation of Random Normal Deviates, The Annals of Mathematical Statistics, Vol. 29, No. 2 pp. 610-611

41
DISTRIBUCIN NORMAL
TRANSFORMADA INVERSA DE LA FUNCIN LAMBDA GENERALIZADA:

0,1349 1 0,1349
=
0,1975

Se calculan las variables aleatorias normales x de la siguiente forma:

= +

Burbano Pantoja, V. (2010). Una manera alternativa de simular variables aleatorias con distribucin normal, uniforme y logstica. Ciencia en desarrollo, 3(1), 63-72.

42
CARACTERIZACIN
Caractersticas especiales de ciertas distribuciones permiten generar
sus variables usando algoritmos especialmente ajustados para ellas.

Todos estos algoritmos estn clasificados bajo una tcnica llamada


caracterizacin.

43
CARACTERIZACIN
Ejemplos de variables generadas usando caracterizacin son:
Si los tiempos entre llegadas son exponenciales con media 1/, el nmero
de llegadas n en cierto intervalo T es Poisson con parmetro . Por lo
tanto una Poisson puede ser obtenida generando exponenciales hasta que
su suma supere T y devolviendo el nmero de exponenciales usadas.
El a-esimo menor nmero en una secuencia de a + b + 1 variables (0,1)
tiene distribucin (, ).
La razn de dos normales estndar en Cauchy(0,1).
Una chi-cuadrado con un nmero par de grados de libertad 2 (v) es un
gamma (2, /2).
Si x1 y x2 son dos gammas ( , ) y ( , ) respectivamente, la razn
1/(1 + 2 ) es beta(b,c).

44
Es Fx Mtodo de
invertible? transformada inversa
Es la Fx una Mtodo de
suma de Fx? composicin
Es la fx una Mtodo de
suma de fx? composicin
Es x una
Mtodo de
suma de convolucin
variables? Esta x
relacionada Caracterizacin
con otras
variables? Existe una Mtodo de
funcin aceptacin y
limitante? rechazo
Transforma
da
emprica
45
Bibliografa:
Banks, J., Carson, J., Nelson, B., & Nicol, D. (2005). Discrete event system
simulation (Fourth ed.). Pearson Prentice Hall.
Garcia, E., Garcia, H., & Crdenas, L. (2006). Simulacin y anlisis de sistemas
con ProModel. Mxico DF: Pearson Prentice Hall.
Hoeger, H. (2013). Generacin de variables aleatorias. Obtenido de
http://webdelprofesor.ula.ve/ingenieria/hhoeger/simulacion/PARTE6.pdf
Burbano Pantoja, V. (2010). Una manera alternativa de simular variables
aleatorias con distribucin normal, uniforme y logstica. Ciencia en
desarrollo, 3(1), 63-72.

46