TECNOLOGICO NACIONAL DE MEXICO

INSTITO TECNOLÓGICO DE TIJUANA

ING. INDUSTRIAL
Unidad 2
Investigacion

PRESENTA:
Jesús Cisneros Monzón

MATERIA:
Simulación

PROFESOR:
Baca Guillen Jesús Octavio

TIJUANA, B.C. 19/03/2021

Simulación de variables aleatorias Unidad 2
2.1. Producción de números con comportamiento estadístico aleatorio y uniforme en [0, 1].

Las variables aleatorias son aquellas que tiene un comportamiento en la realidad. Por ejemplo, el
número de clientes que llegan cada hora a un banco depende del momento del día, de la semana y de
otros factores. La generación de variables aleatorias o estocásticas significa la obtención de variables
que siguen una distribución de probabilidad determinada. Requiere de dos etapas: Generar números
aleatorios distribuidos uniformemente (R) Generar con R y con las distribuciones de probabilidad las
variables aleatorias o estocásticas. La generación de estadísticas simuladas, o sea de los valores de las
variables aleatorias, tienen una naturaleza enteramente numérica y debe soportarse por números
aleatorios, generados por algún método.

Generación de números pseudoaleatorios Los distintos métodos de simulación requieren disponer de

secuencias de números pseudoaleatorios que imiten las propiedades de generaciones independientes
de una distribución U(0,1). En primer lugar, nos centraremos en el caso de los generadores
congruenciales. A pesar de su simplicidad, podrían ser adecuados en muchos casos y constituyen la
base de los generadores avanzados habitualmente considerados. Posteriormente se dará una visión de
las diferentes herramientas para estudiar la calidad de un generador de números pseudoaleatorios.

2.1.1. Uso del generador incluido en la hoja de cálculo.

Una hoja de cálculo es un programa que permite

manipular datos numéricos y alfanuméricos
dispuestos en forma de tablas (la cual es la unión de
filas y columnas). Habitualmente es posible realizar
cálculos complejos con fórmulas y funciones y
dibujar distintos tipos de gráficas. Debido a la
versatilidad de las hojas de cálculo modernas, se
utilizan a veces para hacer pequeñas bases de datos,
informes, gráficos estadísticos, clasificaciones de
datos, entre otros usos. Las operaciones más frecuentes se basan en cálculos entre celdas, las cuales son
referenciadas respectivamente mediante la letra de la columna y el número de la fila, por ejemplo
=B1*C.

2.1.2. Teoría: métodos congruenciales

Los generadores congruenciales lineales generan una secuencia de número pseudoaleatorios en la cual
el próximo número pseudoaleatorios es determinado a partir del número generado, es decir el número
pseudoaleatorios Xn+1 es derivado a partir del número pseudoaleatorios Xn

Para el caso particular del generador Congruencias mixto, la relación de recurrencia es la siguiente:

Xn+1 =( aXn + C) mod m

4.3. MÉTODOS CONGRUENCIALES.

Se han desarrollado básicamente tres métodos de congruenciales para generar números

pseudoaleatorios, los cuales se derivan del empleo de diferentes versiones de la relación fundamental
de congruencia. El objetivo de cada uno de los métodos es la generación en un tiempo mínimo, de
sucesiones de números aleatorios con periodos máximos. Los métodos congruenciales son: el aditivo, el

multiplicativo y el mixto.

4.3.1. Método Congruencial Aditivo: calcula una sucesión de números pseudoaleatorios mediante la
relación Xn+1= Xn +Xn-k (mod M). Para usar este método se necesitan k valores iniciales, siendo k
entero. Las propiedades estadísticas de la secuencia tienden a mejorarse a medida que k se incrementa.

Este es el único método que produce periodos mayores que M.

4.3.2. Método Congruencial Multiplicativo: calcula una sucesión Xn de enteros no negativos, cada uno
de los cuales es menor que M mediante la relación Xn+1= a.Xn (mod M). Es un caso especial de la
relación de congruencia en que c=0, este método se comporta de manera satisfactoria
estadísticamente, es decir, los números generados por medio de este método están unifórmente
distribuidos, y no están correlacionados. Este método tiene un periodo máximo menor que M,

pero se pueden imponer condiciones en a y X0 de tal forma que se obtenga el periodo máximo. Desde el
punto de vista computacional es el más rápido de todos.

4.3.3. Método Congruencial Mixto o Lineal: los generadores congruenciales lineales generan una
secuencia de números pseudoaleatorios en la cual el próximo número pseudoaleatorio es determinado
a partir del último número generado, es decir, el número pseudoaleatorio Xn+1 es derivado a partir del
número pseudoaleatorio Xn La relación de recurrencia para el generador congruencial mixto es Xn+1 =(a
Xn+c) mod m, en donde

• X0 = es la semilla

• a =el multiplicador

• c = constante aditiva

• m = el modulo (m > X0, a,c)

• X0, a, c >0

Esta relación de recurrencia nos dice que Xn+1 es el residuo de dividir a Xn+c entre el modulo. Lo
anterior significa que los valores posibles de Xn+1 son 0,1,2,3....m-1, es decir, m representa el número
posible de valores diferentes que pueden ser generados.

Ejemplo: supongamos que se tiene un generador en el cual los valores de sus

parámetros son: a = 5, c = 7, X0 = 4 y m = 8. El generador quedará de la siguiente

manera:
Xn+1 = (5 Xn + 7) mod 8

En la tabla 2, se muestran los números aleatorios generados por este método.

2.2. Simulación de otras variables aleatorias

Veremos métodos generales para simular muestras de distribuciones univariadas, generales se refiere a
que se pueden utilizar independientemente de la forma de la función de densidad.

Para utilizar estos métodos debemos tener un generador de números aleatorios confiable, pues la
mayoría de los métodos consisten en una transformación de números aleatorios.

2.2.1. Teoría: transformación inversa, composición, convolución y otros

procedimientos. Método de transformada inversa

El método de la transformada (o transformación) inversa, también conocido como método de la inversa

de la transformada, es un método para la generación de números aleatorios de cualquier distribución de
probabilidad continua cuando se conoce la inversa de su función de distribución. Este método es en
general aplicable, pero puede resultar muy complicado obtener una expresión analítica de la inversa
para algunas distribuciones de probabilidad. El método de Box-Muller es un ejemplo de algoritmo que,
aunque menos general, es más eficiente desde el punto de vista computacional.

El método se utiliza para simular valores de las distribuciones exponencial, Cauchy, triangular, de Pareto
y Weibull.

El método consiste en:

Definir la función de Densidad f(x) que representa la variable a modelar.

Calcular la función acumulada f(x).

Despejar la variable aleatoria x y obtener la función acumulada inversa f(x)-1

Generar las variables aleatorias x, sustituyendo valores con números pseudoaleatorios en la función
acumulada inversa.

El problema que resuelve el método de la transformada inversa es el siguiente:

Sea X una variable aleatoria cuya distribución puede ser descrita por la función de distribucion F.

Se desea generar valores de X que están distribuidos según dicha distribución.

Numerosos lenguajes de programación poseen la capacidad de generar números pseudo-aleatorios que

se encuentran distribuidos de acuerdo con una distribución uniforme standard. Si una variable aleatoria
posee ese tipo de distribución, entonces la probabilidad de que el número caiga dentro de cualquier
subintervalo (a, b) del intervalo entre 0 a 1 es la longitud del subintervalo, o sea b − a.

El método de la transformada inversa funciona de la siguiente manera:

 Se genera un número aleatorio a partir de la distribución uniforme standard; se lo llama u.

 Se calcula el valor x tal que ss ; y se lo llama xelegido.
 Se toma xelegido como el número aleatorio extraído de la distribución caracterizada por F.

Método de transformada convolución

La distribución de probabilidad de la suma de dos o más variables aleatorias independientes es llamada

la convolución de las distribuciones de las variables originales. El método de convolución es entonces la
suma de dos o más variables aleatorias para obtener una variable aleatoria con la distribución de
probabilidad deseada. Puede ser usada para obtener variables con distribuciones Erlang y binomiales.

El método de convolución se puede usar siempre y cuando la variable aleatoria x se pueda expresar
como una combinación lineal de K variables aleatorias:

X= b1x1+b2x2+…bkxk

En este método se necesita generar k números aleatorios (u1, u2,…, uk) para generar (x1, x2,…xk)
variables aleatorias usando alguno de los métodos anteriores y así poder obtener un valor de la variable
que se desea obtener por convolución.
Ejemplos de aplicación de esta técnica:

Una variable Erlang-k es la suma de k exponenciales.

Una variable Binomial de parámetros n y p es la suma de n variable Bernoulli con probabilidad de éxito
p.

La chi-cuadrado con v grados de libertad es la suma de cuadrados de v normales N (0,1).

La suma de un gran número de variables de determinada distribución tiene una distribución normal.
Este hecho es usado para generar variables normales a partir de la suma de números U (0,1)
adecuados.

Una variable Pascal es la suma de m geométricas.

La suma de dos uniformes tiene una densidad triangular.

2.2.2. Funciones inversas de hoja de cálculo, utilizables como simuladores.

Se ha desarrollado una metodología propia mediante la utilización de la programación “ad hoc” de una
aplicación de hoja de cálculo para la simulación del funcionamiento de la lista de espera quirúrgica.
(LEQ). La LEQ es una lista de tipo médico que incluye a aquellos pacientes que se encuentran pendientes
de una intervención quirúrgica programada, por tanto no urgente. Básicamente el paciente es incluido
en la lista de espera, previa aceptación del mismo, a petición de un facultativo que determina que

debe ser intervenido de una forma no urgente. El enfermo permanece en la lista hasta que la
abandona por cualquier motivo, siendo el más habitual la intervención quirúrgica solicitada por el
facultativo, una vez realizados todos los procedimientos médicos previos preceptivos, tales como
pruebas, análisis, etc.

La única matización posible en relación al procedimiento descrito radica en la forma en la cual se

determina cuál debe ser la jerarquía a la hora de determinar qué paciente va a ser el próximo en ser
atendido. Esta matización es lo que la “Teoría de colas” denomina “disciplina de servicio”, siendo el
método más habitual el de “primero en llegar, primero en ser servido”, frente a otras posibilidades
como “último en llegar, primero en ser servido”, “selección aleatoria” o “prioridades”. Esta disciplina
será la que se utilizará para realizar la simulación y afectará exclusivamente al orden en que los
pacientes son atendidos al quedar disponible un quirófano. Posteriormente se utilizará también la
simulación utilizando un sistema de prioridades.

2.3. Simulación de variables especiales: tablas

Generación de números aleatorios: se utilizan para obtener muestras independientes de variables

aleatorias.Muestreo de variables aleatorias: se obtienen apartir de números aleatorios.Para simular
necesitamos de números aleatorios comosemillas para generar muestras de variables
aleatorias.Características deseables de un generador de números aleatorios: Genera valores
uniformemente distribuidos en un intervalo dado. Asegura la no correlación serial.Propiedades De Los
Números Aleatorios Distribución uniforme Cualquiernúmeroquepertenezcaalrangode interés debe
tener la misma probabilidad de resultar sorteado.No correlación serial La aparición de un número en la
secuencia, no afecta la probabilidad de sortear otro (o el mismo) número.Ejemplo: la sucesión
1,2,3,4,5,1,2,3,4,5... Podríamos decir que es uniforme pero está correlacionada.Existen test que
verifican las propiedades de uniformidad y correlación serial.Procedimientos para generar números
aleatoriosUtilización de tablas.Dispositivos especiales.Procedimientos, funciones que generan números
pseudoaleatorios.

Tablas De Números Aleatorios Se generan con métodos aleatorios puros mediante ruletas,
extracción de números al azar, dados, etc. La secuencia generada se carga en la memoria de la
computadora.Ventajas: son números aleatorios puros. Desventajas: La sucesión de números es
finita,Requiere cargar la tabla en memoria (eventualmente ocupando mucho espacio), actualmente
puede no ser un problema.Dispositivos especiales. En base a algún circuito o mecanismo de la
computadora (por ejemplo, reloj) se generan números queson puramente aleatorios.El método
básicamente consiste en interrumpir un proceso uniforme aleatoriamente. Es esencialmente lo
que ocurre cuando la bola cae en un casillero de la ruleta.Ventajas: Son números aleatorios
puros.Desventajas:Si se desea generar la misma secuencia más de una vez, es necesario grabarla;
no siempre podremos repetir la misma secuencia en caso de ser necesario.

Bibliografía

Ortiz, M. T. (n.d.). 7.3 Simulación de variables aleatorias | Estadística Computacional.

https://tereom.github.io/est-computacional-2018/simulacion-de-variables-aleatorias.html

S. (2016, March 11). Método de transformada inversa y convolución. Simulación De Procesos

Por Pano. https://simupano.wordpress.com/2016/03/11/metodo-de-transformada-inversa-

y-convolucion/

Simulación: Unidad Producción de números con comportamiento estadístico aleatorio y

uniforme (0,1). (n.d.). Ppt Descargar. https://slideplayer.es/slide/18040821/