Procediment general de mostreig aplicat a lleis

específiques

Optimització i simulació
Grau en Enginyeria en Tecnologies Industrials
Curs 2019-2020Qt

Supòsits per generar mostres d’una variable aleatòria:

 Tenim una font de dígits equiprobables i independents

 Coneixem la funció de distribució, F(x), de la variable aleatòria
Procediment:
1. Generar valor y, distribuït uniformement a [0, 1] (y ~ U(0,1))
2. Determinar antiimatge de y per F → x = F-1(y)

Índex
Lleis de variables discretes ............................................................................................................ 3
Bernoulli (o dicotòmica) (X ~ Be(p)) .......................................................................................... 3
Distribució discreta arbitrària ................................................................................................... 3
Binomial (X ~ B(n, ω)) ................................................................................................................ 3
Poisson (de paràmetre λ) (X~P(λ)):........................................................................................... 4
Lleis de variables contínues........................................................................................................... 5
Uniforme de variable contínua entre a i b (X ~ U(a,b)) ............................................................. 5
Exponencial (de paràmetre λ: esp. matemàtica = 𝟏𝟏𝟏𝟏): ............................................................ 5
Erlang-k (de paràmetre µ) (X ~ E k (µ)) ....................................................................................... 5
Llei Triangular de paràmetres a,b,c........................................................................................... 6
Procediment general de mostreig Optimització i Simulació GETI 2019-2020Qt

2
Procediment general de mostreig Optimització i Simulació GETI 2019-2020Qt

Lleis de variables discretes

Bernoulli (o dicotòmica) (X ~ Be(p))
p(X = 1) = p; p(X = 0) = 1 - p
Per obtenir-ne una mostra (valor de X):
1. Generar y ~ U(0,1)
2. Si y ≤ p → x = 1; altrament x = 0

Distribució discreta arbitrària

p(X = k) = p k , k = 1, 2,...
𝑘𝑘

𝑃𝑃𝑘𝑘 = � 𝑝𝑝𝑗𝑗
𝑗𝑗=0

Per obtenir-ne una mostra (valor de X):

1. Generar y ~ U(0,1)
2. x = k on 𝑦𝑦 ∈ [𝑃𝑃𝑘𝑘 ; 𝑃𝑃𝑘𝑘+1 )
Exemple
k pk Pk y
0 0,1 0,1 [0; 0,1)
1 0,2 0,3 [0,1; 0,3)
2 0,5 0,8 [0,3; 0,8)
3 0,2 1 [0,8; 1]

Binomial (X ~ B(n, ω))

La variable aleatòria X és suma d’n variables aleatòries independents amb distribució
de Bernoulli Be(ω): X = B 1 + ... +B n , on B i ~ Be(ω).
La probabilitat de X = k és la probabilitat d’obtenir k vegades un resultat determinat en
fer n proves, quan la probabilitat del resultat, en cada prova, és igual a ω.
𝑛𝑛
𝑝𝑝(𝑋𝑋 = 𝑘𝑘) = � � · 𝜔𝜔𝑘𝑘 · (1 − 𝜔𝜔)𝑛𝑛−𝑘𝑘
𝑘𝑘
𝑘𝑘

𝑃𝑃𝑘𝑘 = � 𝑝𝑝(𝑋𝑋 = 𝑗𝑗)

𝑗𝑗=0

Per obtenir-ne una mostra (valor de X):

1. Inicialitzar amb k = 0
2. Repetir n vegades:

3
Procediment general de mostreig Optimització i Simulació GETI 2019-2020Qt

o Generar y i ~ U(0,1)
o si y i ≤ ω → k = k + 1
3. x = k

Poisson (de paràmetre λ) (X~P(λ)):

Binomial → Poisson
n →∞
ω →0
n ·ω →λ

Per tant, correspon al nombre de vegades que es produeix un esdeveniment quan es

fa un nombre molt gran de proves i la probabilitat que, en cada prova, succeeixi
l’esdeveniment és constant i molt petita.

−𝜆𝜆
𝜆𝜆𝑘𝑘
𝑝𝑝𝑘𝑘 = 𝑒𝑒 ·
𝑘𝑘!
𝑘𝑘
−𝜆𝜆
𝜆𝜆𝑗𝑗
𝑃𝑃𝑘𝑘 = 𝑒𝑒 ·�
𝑗𝑗!
𝑗𝑗=0

Per obtenir-ne una mostra (valor de X):

1. Generar y ~ U(0,1)
2. Trobar el primer valor de k per al qual es compleix que
𝜆𝜆 𝜆𝜆2 𝜆𝜆3 𝜆𝜆𝑘𝑘
1+ + + +⋯+ ≥ 𝑦𝑦 · 𝑒𝑒 𝜆𝜆
1! 2! 3! 𝑘𝑘!
3. x = k

4
Procediment general de mostreig Optimització i Simulació GETI 2019-2020Qt

Lleis de variables contínues

Uniforme de variable contínua entre a i b (X ~ U(a,b))
1 𝑥𝑥 − 𝑎𝑎
𝑓𝑓(𝑥𝑥) = , 𝐹𝐹(𝑥𝑥) = 𝑥𝑥 ∈ [𝑎𝑎, 𝑏𝑏]
𝑏𝑏 − 𝑎𝑎 𝑏𝑏 − 𝑎𝑎
Per obtenir-ne una mostra (valor de X):
1. Generar y ~ U(0,1)
2. 𝑥𝑥 = 𝑎𝑎 + (𝑏𝑏 − 𝑎𝑎) · 𝑦𝑦

𝟏𝟏
Exponencial (de paràmetre λ: esp. matemàtica = ):
𝝀𝝀

Fenòmens sense memòria (la densitat de probabilitat d’un esdeveniment és

independent del temps transcorregut des del darrer esdeveniment).
𝑓𝑓(𝑥𝑥) = 𝜆𝜆 · 𝑒𝑒 −𝜆𝜆·𝑥𝑥 , 𝐹𝐹(𝑥𝑥) = 1 − 𝑒𝑒 −𝜆𝜆·𝑥𝑥 𝑥𝑥 ∈ [0, ∞)
Per obtenir-ne una mostra (valor de X):
1. Generar y ~ U(0,1)
1
2. 𝑥𝑥 = − 𝜆𝜆 · ln 𝑦𝑦

Erlang-k (de paràmetre µ) (X ~ Ek(µ))

X segueix una Erlang-k d’esperança matemàtica µ, si és la suma de k variables
independents amb distribució exponencial de paràmetre k/µ:
X = X 1 + X 2 + ... + X k , on les X i són independents i segueixen lleis exponencials de
paràmetre k/µ:
Per obtenir-ne una mostra (valor de X): sumem k mostres d’una exponencial de
paràmetre k/µ:

1. Generar y i ~ U(0,1), i = 1,...,k

𝜇𝜇
2. 𝑥𝑥 = − · ln ∏𝑘𝑘𝑖𝑖=1 𝑦𝑦𝑖𝑖
𝑘𝑘

5
Procediment general de mostreig Optimització i Simulació GETI 2019-2020Qt

Llei Triangular de paràmetres a,b,c (a: valor mínim, b: valor màxim, c: valor
més probable)

⎧ 2 · (𝑥𝑥 − 𝑎𝑎)
⎪(𝑏𝑏 − 𝑎𝑎) · (𝑐𝑐 − 𝑎𝑎) 𝑎𝑎 ≤ 𝑥𝑥 < 𝑐𝑐
𝑓𝑓(𝑥𝑥) = ,
⎨ 2 · (𝑏𝑏 − 𝑥𝑥)
⎪(𝑏𝑏 − 𝑎𝑎) · (𝑏𝑏 − 𝑐𝑐) 𝑐𝑐 ≤ 𝑥𝑥 ≤ 𝑏𝑏
⎩

⎧ (𝑥𝑥 − 𝑎𝑎)2
⎪ (𝑏𝑏 − 𝑎𝑎) · (𝑐𝑐 − 𝑎𝑎) 𝑎𝑎 ≤ 𝑥𝑥 < 𝑐𝑐
𝐹𝐹(𝑥𝑥) =
⎨ (𝑏𝑏 − 𝑥𝑥)2
⎪1 − 𝑐𝑐 ≤ 𝑥𝑥 ≤ 𝑏𝑏
⎩ (𝑏𝑏 − 𝑎𝑎) · (𝑏𝑏 − 𝑐𝑐)
Per obtenir-ne una mostra (valor de X):
1. Generar y ~ U(0,1)
2.
𝑐𝑐 − 𝑎𝑎
𝑎𝑎 + �(𝑏𝑏 − 𝑎𝑎) · (𝑐𝑐 − 𝑎𝑎) · 𝑦𝑦 0 ≤ 𝑦𝑦 <
𝑥𝑥 = � 𝑏𝑏 − 𝑎𝑎
𝑐𝑐 − 𝑎𝑎
𝑏𝑏 − �(𝑏𝑏 − 𝑎𝑎) · (𝑏𝑏 − 𝑐𝑐) · (1 − 𝑦𝑦) ≤ 𝑦𝑦 ≤ 1
𝑏𝑏 − 𝑎𝑎