You are on page 1of 92

Generación de Variables Aleatorias

Generacion de Variables Aleatorias


 La generación de cualquier variable aleatoria se va a basar en la
generación previa de una distribución uniforme U(0,1), Luego vamos a
estudiar ciertas transformaciones o algoritmos que nos van a transformar
dichos números generados en valores de otras distribuciones.
Método de la transformada Inversa
 La función de distribución (también llamada función de distribución
acumulativa), F(x), de una variable aleatoria X es definida para cada
número real x como sigue:

F(x)=P(X≤x) para -∞<x<∞

 Una función de distribución F(x) tiene las siguientes propiedades:


◦ 0≤F(x) ≤1.
◦ F(x) es no decreciente (es decir, si x1<x2, entonces F(x1)<F(x2)).
◦ lim F(x)=1 y lim F(x)=0 (ya que X sólo toma valores finitos).
◦ Entonces sea U una variable aleatoria con distribución uniforme en
(0,1). Entonces, la Variable aleatoria tiene función de
distribución F.
Método de la transformada Inversa
 Este método sugiere que para muestrear una variable aleatoria X de la
que se conoce , se pueden generar números U uniformes en (0,1) y
hacer luego . Tenemos entonces el siguiente algoritmo:

 Generar U→U(0,1).
 Hacer
 Salir X.
Método de la transformada Inversa
1. Definir la función de densidad f(x) que
represente la variable a modelar.
2. Calcular la función acumulada F(x)
3. Despejar la variable aleatoria x y obtener la
función acumulada inversa F(x)-1
4. Generar las variables aleatorias x,
sustituyendo valores con números
pseudoaleatorios riU(0,1) en la función
acumulada inversa.
Método de la transformada Inversa
Para simular v.a. de tipo discreto:
1. Calcular todos los valores de la distribución
de probabilidad p(x) de la variable a
modelar.
2. Calcular todos los valores de la distribución
acumulada P(x).
3. Generar números pseudoaleatorios riU(0,1)

4. Comparar con el valor de P(x) y determinar


qué valor de x corresponde a P(x)
Método de la transformada Inversa
 Distribución uniforme

1
f ( x)  a xb
ba
 Se obtiene la función acumulada
Método de la transformada Inversa
 Distribución uniforme
1
f ( x)  a xb
ba
 Se obtiene la función acumulada

x
1 1 xa
F ( x)   dx  xa 
x
a xb
a
ba ba ba
Método de la transformada Inversa
 Distribución uniforme
1
f ( x)  a xb
ba
 Se obtiene la función acumulada
x
1 1 xa
F ( x)   dx  xa 
x
a xb
a
ba ba ba
 Igualando la función acumulada con ri y
despejando x se obtiene:

xi  a  (b  a)ri
Método de la transformada Inversa
Ejemplo
La demanda X de un articulo tiene una
distribución uniforme entre 25000 y 30000
unidades. Genere 5 variables aleatorias que
simularan la demanda del producto X.
Método de la transformada Inversa

ri Demanda
1 0.52 27600
2 0.01 25050
3 0.77 28850
4 0.39 26950
5 0.73 28650
Método de la transformada Inversa

ri Demanda
1 0.52 27600
2 0.01 25050
3 0.77 28850
4 0.39 26950
5 0.73 28650
xi  25000  (30000  25000)ri  25000  5000ri
Método de la transformada Inversa
Ejemplo

El tiempo de reparación de unas máquinas de


escribir tiene una distribución
aproximadamente exponencial, con media 22
minutos. Simule el comportamiento de la
variable aleatoria.
Método de la transformada Inversa
 x
F ( x)  1  e

 x
ri  1  e
 x
e  1  ri
aplicanado ln a ambos lados
1
x   ln(1  ri )

Método de la transformada Inversa
Maquina ri Tiempo de reparación
1 0.77
2 0.69
3 0.63
4 0.06
5 0.81
Método de la transformada Inversa
Maquina ri Tiempo de reparación
1 0.77 32.33
2 0.69 25.77
3 0.63 21.87
4 0.06 1.36
5 0.81 36.54

xi  22 ln(1  ri )
Método de la transformada Inversa
 El gerente de un restaurante que sólo da
servicio mediante reservas sabe, por
experiencia, que el 20% de las personas que
reservan una mesa no asistirán en un día
determinado. Generar una secuencia aleatoria
que simule este comportamiento.
Método de la transformada Inversa
1 x
p( x)  (0.2) (0.8) x

p=0.2 probabilidad de que no asista cliente (x=1)


q=1-p=0.8 probabilidad de q asista cliente (x=0)
Probabilidades acumuladas:

X p(x) P(x)
0
1
Método de la transformada Inversa
1 x
p( x)  (0.2) (0.8) x

p=0.2 probabilidad de que no asista cliente (x=1)


q=1-p=0.8 probabilidad de q asista cliente (x=0)
Probabilidades acumuladas:

X p(x) P(x)
0 0.8
1 0.2
Método de la transformada Inversa
1 x
p( x)  (0.2) (0.8) x

p=0.2 probabilidad de que no asista cliente (x=1)


q=1-p=0.8 probabilidad de q asista cliente (x=0)
Probabilidades acumuladas:

X p(x) P(x)
0 0.8 0.8
1 0.2
Método de la transformada Inversa
1 x
p( x)  (0.2) (0.8) x

p=0.2 probabilidad de que no asista cliente (x=1)


q=1-p=0.8 probabilidad de q asista cliente (x=0)
Probabilidades acumuladas:

X p(x) P(x)
0 0.8 0.8
1 0.2 1
Método de la transformada Inversa
X p(x) P(x)
0 0.8 0.8
1 0.2 1

0 si ri  (0  0.8)
xi  
1 si ri  (0.8  1)
Método de la transformada Inversa
Simulación de la asistencia de los clientes q
reservaron:

Cliente ri xi Evento: el
cliente
1 0.937
2 0.368
3 0.104
4 0.761
5 0.566
Método de la transformada Inversa
Simulación de la asistencia de los clientes q
reservaron:

Cliente ri xi Evento: el
cliente
1 0.937 1
2 0.368
3 0.104
4 0.761
5 0.566
Método de la transformada Inversa
Simulación de la asistencia de los clientes q
reservaron:

Cliente ri xi Evento: el
cliente
1 0.937 1
2 0.368 0
3 0.104 0
4 0.761 0
5 0.566 0
Método de la transformada Inversa
Simulación de la asistencia de los clientes q
reservaron:

Cliente ri xi Evento: el
cliente
1 0.937 1 No asiste
2 0.368 0
3 0.104 0
4 0.761 0
5 0.566 0
Método de la transformada Inversa
Simulación de la asistencia de los clientes q
reservaron:

Cliente ri xi Evento: el
cliente
1 0.937 1 No asiste
2 0.368 0 Asiste
3 0.104 0 Asiste
4 0.761 0 Asiste
5 0.566 0 Asiste
Método de la transformada Inversa
La contaminación constituye un problema en la
fabricación de discos de almacenamiento
óptico. El número de partículas de
contaminación que ocurre en un disco óptico
tiene una distribución de Poisson y el número
promedio de partículas por centímetro
cuadrado de superficie del disco es 0.1. El área
de un disco bajo estudio es de 100 centímetros
cuadrados. Simular la ocurrencia de partículas
en el área de los discos fabricados.
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
 ¿Cuánto de área tiene cada disco?....
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
 ¿Cuánto de área tiene cada disco?..................
 ………
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
 ¿Cuánto de área tiene cada disco?..................
 ……… 100cm2.
 
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
 ¿Cuánto de área tiene cada disco?..................
 ……… 100cm2.
 E(x)=
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
 ¿Cuánto de área tiene cada disco?..................
 ……… 100cm2.
 E(x)= 100cm2*0.1partículas/cm2=
Método de la transformada Inversa
 Sea x:N° de partículas en el área de un disco
bajo estudio
 N° promedio de partículas es 0.1 partículas

por cm2.
 ¿Cuánto de área tiene cada disco?..................
 ……… 100cm2.
 E(x)= 100cm2*0.1partículas/cm2

E(x)=10 particulas
Método de la transformada Inversa
Se calculan las probabilidades puntuales y
acumuladas para x=0,1,2,3,4,5,…
Método de la transformada Inversa
Se calculan las probabilidades puntuales y
acumuladas para x=0,1,2,3,4,5,…
x 
e
p( x) 
x!
Método de la transformada Inversa
Se calculan las probabilidades puntuales y
acumuladas para x=0,1,2,3,4,5,…
x 10
10 e
p( x) 
x!
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005
1
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x) 100 e 10


0 0.00005
p (0)   e 10
0!
1
p (0)  0.00005
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x) 101 e 10


0 0.00005 0.00005
p(1)   10e 10
1!
1 0.00045
p(1)  0.00045
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
2
3
4
5
6
7
8
9
10
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
2 0.00227 0.00277
3
4
5
6
7
8
9
10
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
2 0.00227 0.00277
3 0.00757 0.01034
4
5
6
7
8
9
10
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
2 0.00227 0.00277
3 0.00757 0.01034
4 0.01892 0.02925
5
6
7
8
9
10
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
2 0.00227 0.00277
3 0.00757 0.01034
4 0.01892 0.02925
5 0.03783 0.06709
6
7
8
9
10
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x)
0 0.00005 0.00005
1 0.00045 0.00050
2 0.00227 0.00277
3 0.00757 0.01034
4 0.01892 0.02925
5 0.03783 0.06709
6 0.06306 0.13014
7 0.09008 0.22022
8 0.11260 0.33282
9 0.12511 0.45793
10 0,12511 0.58304
Método de la transformada Inversa
Probabilidades puntuales y acumuladas:

x p(x) P(x) x p(x) P(x)


11 0.11374 0.69678 21 0.00089 0.99930
12 0.09478 0.79156 22 0.00040 0.99970
13 0.07291 0.86446 23 0.00018 0.99988
14 0.05208 0.91654 24 0.00007 0.99995
15 0.03472 0.95126 25 0.00003 0,99998
16 0.02170 0.97296 26 0.00001 0.99999
17 0.01276 0.98572
18 0.00709 0.99281
19 0.00373 0.99655
20 0.00187 0.99841
Método de la transformada Inversa
Regla para generar esta v.a. esta dada por:
0 si ri  (0.00000 0.00005)
1 si ri  (0.00005 0.00050)

2 si ri  (0.00050 0.00277)

3 si ri  (0.00277 0.01034)
4 si ri  (0.01034 0.02925)

5 si ri  (0.02925 0.06709)
6 si ri  (0.06709 0.13014)

7 si ri  (0.13014 0.22022)
8 si ri  (0.22022 0.33282)

9 si ri  (0.33282 0.45793)
xi  
10 si ri  (0.45793 0.58304)
11 si ri  (0.58304 0.69678)

12 si ri  (0.69678 0.79156)
13 si ri  (0.79156 0.86446)

14 si ri  (0.86446 0.91654)
15 si ri  (0.91654 0.95126)

16 si ri  (0.95126 0.97296)

17 si ri  (0.97296 0.98572)
18 si ri  (0.98572 0.99281)

19 si ri  (0.99281 0.99655)
Método de la transformada Inversa
Disco X N° particulas
1 0.62214
2 0.95442
3 0.81099
4 0.12627
5 0.72563
6 0.38724
7 0.30733
8 0.85956
9 0.10116
10 0.47681
Método de la transformada Inversa
Disco X N° particulas
1 0.62214 11
2 0.95442
3 0.81099
4 0.12627
5 0.72563
6 0.38724
7 0.30733
8 0.85956
9 0.10116
10 0.47681
Método de la transformada Inversa
Disco X N° partículas
1 0.62214 11
2 0.95442 16
3 0.81099 13
4 0.12627 6
5 0.72563 12
6 0.38724 9
7 0.30733 8
8 0.85956 13
9 0.10116 6
10 0.47681 10
Método de convolución
Y=X1+X2+X3+…+Xk

 Las variables aleatorias de cuatro de las


distribuciones más conocidas (de Erlang,
normal, binomial y de Poisson) pueden ser
generadas a través de este método.
Método de convolución
Distribución k-Erlang
 La v.a Erlang con media 1/ puede producirse

a partir de la generación de k variables


exponenciales con media 1/k.

1  k

Y  ERi    ln  (1  ri )
k  i 1 
Método de convolución
Distribución Normal
La variable aleatoria normal con media  y
desviación estándar  puede generarse
mediante:

 12 
x  N i   (ri )  6  
 i1 
Método de convolución
 Los pesos de los soldados presentan una
distribución normal de media 65 kg y
desviación de 8 Kg. Genere 5 variables
aleatorias con esta distribución para simular
el proceso de pesaje.
Método de convolución
 12 
N i   (ri )  6  
 i1 

12

N i   (ri )  68  65
 i 1 
Método de convolución
12 12

Soldado  (ri )  (r )  6
i Peso (Kg)
i 1 i 1

1
2
3
4
5
Método de convolución
12 12

Soldado  (ri )  (r )  6
i Peso (Kg)
i 1 i 1

1 6.34
2 4.66
3 4.69
4 6.54
5 5.22
Método de convolución
12 12

Soldado  (ri )  (r )  6 i Peso (Kg)


i 1 i 1

1 6.34 0.34
2 4.66 -1.34
3 4.69 -1.31
4 6.54 0.54
5 5.22 -0.78
Método de convolución
12 12

Soldado  (ri )  (r )  6 i Peso (Kg)


i 1 i 1

1 6.34 0.34 67.72


2 4.66 -1.34 54.28
3 4.69 -1.31 54.52
4 6.54 0.54 69.32
5 5.22 -0.78 58.76
Método de convolución
Distribución Binomial
La v.a. Binomial con parámetro N y p puede ser
generado a través de la suma de N variables
aleatorias con distribución de Bernoulli con
parámetro p.

Y  Bi  BE1  BE2    BEN ~ BI ( N , p )


Método de convolución
El departamento de control de calidad de una
empresa que fabrica pañuelos sabe que el 5%
de su producción tiene algún tipo de defecto-
Los pañuelos se empaquetan en cajas con 15
elementos. Simule el proceso de fabricación
de pañuelos para determinar el número de
pañuelos defectuosos por empaque.
Método de convolución
Proceso de fabricación tiene distribución
Binomial con N=15 y p=0.05
Será simulado generando v.a. de Bernoulli con
p=0.05
Donde
BEi=0 pañuelo en buen estado
BEi=1pañuelo defectuoso
Método de convolución

0 si ri  (0  0.95)
BEi  
1 si ri  (0.95  1)
ri

BEi
0.739

0.657

0.555

0.486

0.512

0.574

0.905

0.778

0.636

0.922

0.792
Método de convolución

0.769

0.916

0.181

0.247

N° Defectuosas
ri

BEi 0
0.739

0.657

0.555

0.486

0.512

0.574

0.905

0.778

0.636

0.922

0.792
Método de convolución

0.769

0.916

0.181

0.247

N° Defectuosas
ri

BEi 0
0.739

0
0.657

0.555

0.486

0.512

0.574

0.905

0.778

0.636

0.922

0.792
Método de convolución

0.769

0.916

0.181

0.247

N° Defectuosas
ri

BEi 0
0.739

0
0.657

0
0.555

0
0.486

0
0.512
0
0.574
0

0.905
0

0.778
0

0.636
0

0.922
0

0.792
Método de convolución

0.769
0

0.916
0

0.181
0

0.247

N° Defectuosas
ri

BEi 0
0.739

0
0.657

0
0.555

0
0.486

0
0.512
0
0.574
0

0.905
0

0.778
0

0.636
0

0.922
0

0.792
Método de convolución

0.769
0

0.916
0

0.181
0

0.247
0

N° Defectuosas
ri

BEi 0
0.739

0
0.657

0
0.555

0
0.486

0
0.512
0
0.574
0

0.905
0

0.778
0

 Empaque 1 tiene 0 pañuelos defectuosos

0.636
0

0.922
0

0.792
Método de convolución

0.769
0

0.916
0

0.181
0

0.247
0

N° Defectuosas
ri

BEi 0
0.550

0
0.006

0
0.004

1
0.965

0
0.581
0
0.352
0

0.648
0

0.787
0

 Empaque 2 tiene 3 pañuelos defectuosos

0.275
1

0.962
0

0.562
Método de convolución

0.299
0

0.402
1

0.968
0

0.712
3

N° Defectuosas
ri

BEi 0
0,061

0
0,600

0
0,764

0
0,341

1
0,976
0
0,601
0

0,907
0

0,683
 Empaque 3 tiene 1 pañuelo defectuoso
0

0,932
0

0,807
0

0,812
Método de convolución

0,721
0

0,661
0

0,830
0

0,863
1

N° Defectuosas
Ri

BEi 0
0,645

0
0,124

1
0,998

0
0,396

0
0,782
0
0,300
0

0,622
0

0,088
0

 Empaque 4 tiene 2 pañuelos defectuosos

0,581
1

0,997
0

0,721
Método de convolución

0,671
0

0,388
0

0,319
0

0,210
2

N° Defectuosas
Ri

BEi 0
0,030

0
0,152

0
0,135

0
0,707

0
0,174
0
0,019
0

0,316
0

0,502
0

 Empaque 5 tiene 0 pañuelos defectuosos

0,769
0

0,435
0

0,817
Método de convolución

0,527
0

0,475
0

0,550
0

0,510
0

N° Defectuosas
Ejercicios
 Genere variables aleatorias con densidad f(x)
mediante los números aleatorios 0.747,
0.687, 0.303, 0.609, 0.587. Use el método de
la transformada inversa.

 3 2
x -1  x  1
f ( x)   4
0 en otro caso
Solución:
x 3 2
F ( x)   x dx
1 4
Solución:
x 3 2
F ( x)   x dx
1 4

x
3 x 
3
F ( x)   
4  3  1
Solución:
1 3
F ( x)  ( x  1)
4
Solución:
1 3
F ( x)  ( x  1)
4
1 3
ri  ( x  1)
4
Solución: 1 3
ri  ( x  1)
4
4ri  ( x  1)
3
Solución: 1 3
ri  ( x  1)
4
4ri  ( x  1)
3

x  4ri  1
3
Solución:
x  4ri  1
3

entonces el generador es :
x  3 4ri  1 Si 0  ri  1
Solución:
ri v.a.

0.747 1.28
0.687 1.20
0.303 0.60
0.609 1.13
0.587 1.10
Ejercicios
Genere variables aleatorias con densidad f(x)
mediante los números aleatorios 0.747,
0.687, 0.303, 0.609, 0.587. Use el método de
la transformada inversa.

1 / 4 0  x 1
f (x)  
3 / 4 1 x  2
Solución:

x 1
F ( x)   dt
0 4
Solución:

1 1 x
dt  t 0
x
F ( x)  
0 4 4
Solución:

1 1 x 1
dt  t 0  x
x
F ( x)  
0 4 4 4
Solución:

1 1 x 1
dt  t 0  x
x
F ( x)  
0 4 4 4
ri  1 / 4 x
x  4ri 0  ri  1 / 4
Solución:
x
3
F ( x)  1 / 4   dt
1
4
F ( x)  (1 / 4)  (3 / 4)[t ]x
1

ri  1 / 4  (3 / 4)[ x  1]
x  2 / 3  (4 / 3)ri 1/4  r  1