a 34 Generacion de variables aleatorias discretas Cap. 4
[Ahora tenemos la siguiente nica llamada método de rechazo o método de acptacién
3 techazo, para simlar una variable alatriaX con funcién de masa p,= PL X= J)
Método de rechazo
PASO 1; Simular el valor de ¥, con funcién de masa de probabilidad 4,
PASO 2: Generar un némero aleatorio U.
PASO3: Si U/< pylegy hacer X= ¥y terminar. En caso contraio, regresar al paso.
El método de rechazo se representa en la figura 4.1
‘Ahora demostramos que el método de rechazo funciona,
Teorema El algoritmo de aceptacién y rechazo genera una variable aleatoria X ral
que
PY
=p» 5=9,
demas, el niimero de iteraciones del algoritmo necesarias para obtener X es una
variable aleatoria geométrica con media c.
Demostracién Para comenzar, determinaremos la probabilidad de que una tinica itera-
cig produzca el valor aceptado j.
P(Y= j, aceptada)
Inicio Sf
Generar ¥ oon |
fanci6n de masa g,
St LU s prleay?
Figura 4.1. Aceptaci6n y rechazo
Sec. 44 La téenica de aceptacisn y rechazo 55
{Al sumar sobre je abtiene Ia probabilidad de que una variable aleatora generada sea
aceptada:
yt
Placeptaday = =~
7
Como cada iteracién produce de manera independiente un valor aceptado con proba:
bilidad1/c, vemos que el nmero de iteraiones necesaias es una geométrica con
media ¢. demi,
PIX = j) =, Pl aceptada en Ia iteracion n}
= Dave
=% .
Observaciones
1. Bl lector debe observar qu la forma en que “aceptamos el valor ¥con probabi-
lidad py/eqy” consiste en generar un némero aleatorio U y luego aceptar ¥ si
Us pyleay
2. Como cada iteracién del algritmo produce de manera independiente un valor
aceptado con probabildad P(aceptacién) = K'= He, esto implica que el mero
de iteraciones neceseriastendré una distibucién geométrica con parimetro Ic
¥ por tanto tendré media c. Entonces, mientras més cerca esté c de 1 (nunca
puede ser menor que 1, lo cual se puede ver al escribir Ia desigualdad (42)
como p, cq, y sumar ambos lados) més efieaz seré el método; esto es claro
intuitivamente, pues mientras més cerca estéc de 1, més paecidas serén las dos
funciones de masa (p,) ¥ (qj).
_Ejemplo 4e Suponga que queremos simular el valor de una variable aleatoria X que
toma uno de los valores 1, 2, ..., 10 con probabilidades respectivas 0.11, 0.12, 0.09,
0.08, 0.12, 0.10, 0.09, 0.09, 0,10, 0.10. Una posibilidad es utilizar el algoritmo de la
‘wansformada inversa, pero un planteamiento mejor consiste en usar el método de
rechazo, con como la densidad uniforme discreta en 1, ..., 10. Es decir, = 1/10.
j=l... 10, Para esta eleccién de (q,}, podemos elegir ¢ como
co Max = 12
4
de modo que el algoritmo serta el siguiente 56 Generacién de variables aleatorias discretas Cap. 4
Aso 1: Generar un nimero leatorio Uy y hacer Y=
#4302: Generar un segundo nimeroaleatrio Uy
P4503: $i U;Spy/0.12,hacer X= ¥yterminar En caso conta egresar al paso 1
La constante 0.12 del paso 3 se debe a que cy = 1.2/10 = 0.12. En promedio, este
algoritmo requiere slo 12 iteraciones para obtener el valor generado de X. I
int(10U) + 1
La fuerza del método de rechazo, una de cuyas primeras versiones fue propuesta
por el famoso matematico John von Neumann, seré atin més clara cuando considere-
‘mos su anslogo al generar variables aleatorias vontinuas.
lI 5 El método de composicién
SSuponga que tenemos un método eficiene para simularel valor de una variable aleatoria
con una de las dos funciones de masa de probabilidad (p}.j2 0} 0 (p20) ave
Gueremos simular el valor de la variable aleatoria X con foncién de masa
PIX=j) = ap} + (1 ayy, j20 43)
donde 0 < o.< 1. Una forma de simular esta variable aleatoria X es observar que siX;
{y X son variables aleatoris con funciones de masa respectivas (p}) y {pj}, entonces
la variable aleatoria X definida como
ya [Xi con probabiidad
X, con probabilidad 1 -
tendrd su funcién de masa dada por (4.3). Esto implica que para generar el valor de tal
variable aletoria primero generamos un némero aleatorio Vy luego un valor de X, si
U & pare alguna & < n,
Sea a = P{Y > 4] y suponga que se ha caleulado el valor de ct.
(a) Dé el método de transformada inversa para generar ¥.
(b) Dé otro método para generar ¥.
(©) @Para qué valores de cr, pequetios o grandes, serfa ineficiente el algoritmo
en (6)?
Dé un método de simulacign a partir de la funcién de masa de probabitidad p,
5.6... 14, donde
f011 cuando jes impar y $< j-<13
"10.09 cuando j es par y 6 Tn > 0
Restablecer: = fp
Restablecer. a =n —1
Restablecer: Np =Np +1 90 EE método de simulaci6n por medio de eventos diseretos Cap. 6 Sec. 6.3. Sistema de nea de espera con dos servidores en serie
Sim >0, generar Yy hacer ty =1+ ¥.
Reunir los datos de salida D(Np) = t
Caso 4 minty, fe) > Tm
Reunir los datos de salida T, = méx(t ~ T, 0).
Iustramos fo anterior en el diagrama de flujo de la figura 6.1. Cada vez que llegamos a
tuna caja “terminar” habremos obtenido los datos Ny, el nmero total de legadas, que
sera igual aN, el mero total de saidas. Para cada‘, i= 1,...NytenemosA(@)y D(?)las
horas de llegada y salids del cliente i, respectivamente [y asf D(@ — A(H) representa la
‘cantidad de tiempo que el cliente ha estado dentro de sistema]. Por ultimo, tenemos
1, et tiempo posterior a T en que sale el tltimo cliente, Cada vez que reunimos los
datos anteriores, decimos que ha concluido una ejecucién de la simulaci6n. Después de
cada ejecucisn, podemos reinicilizar y generar otra ejecucién hasta decidir que se
cuenta con los datos suficientes (en el capftulo 7 veremos cusndo terminar una simu-
lacién). El promedio de todos los valores de 7, generados de esta forma seré nuestra
cestimacién del tiempo promedio posterior a Ten que saldré el dltimo cliente; de manera
andloga, el promedio de todos los valores observados de D — A (es decir, el tiempo
promedio que un cliente pasa en el sistema, sobre todos los clientes observados en
ruestras ejecuciones de simulacién) ser nuestra estimacidn del tiempo promedio que ;
un clicte pasa ene sistema, é
Generar
pen
a
Observacién Si queremos ahorrar datos de salida con el mimero de clientes dentro
del sistema en cada instante de tiempo, s6lo se necesita Ia salida formada por el es-
tado del sistema y Ia variable de tiempo (n, 1) siempre que ocurra un evento. Por
ejemplo, i la Salida es (1, 4) y (©, 6), entonces, si n(t) es el nimero de clientes en el 7
sistema en el instante 1, sabriamos que a
n@)=0, si0sted
n=l, sidsr<6
nm) =0, si
+f Dip) 0
2+
No:
Figura 6.1
Generar ¥
sey
n>0
foYou might also like
