DISTRIBUCIN NORMAL O DE GAUSS

La generacin de cualquier variable aleatoria se va a basar en la generacin previa de

una distribucin uniforme (0,1).
La distribucin normal es una distribucin de variable continua que queda especificada
por dos parmetros de los que depende su funcin de densidad y que resultan ser la
desviacin tpica de la distribucin tpica de la distribucin. Su estudio terico suele
introducirse directamente a partir de su funcin de densidad.
Es, con mucho, la ms importante de todas las distribuciones de probabilidad. Es una
distribucin de variable continua, con campo de variacin ]-, [.
Caractersticas de la distribucin normal de probabilidad
1.
La curva tiene un solo pico, por tanto es unimodal. Tiene forma de campana.
2.
La media de una poblacin distribuida normalmente cae en el centro de su curva
normal.
3.
Debido a la simetra de la distribucin normal de probabilidad, la mediana y la
moda de la distribucin se encuentran tambin en el centro; en consecuencia, para una
curva normal, la media, la mediana y la moda tienen el mismo valor.
4.
Los dos extremos de la distribucin normal de probabilidad se extienden
indefinidamente y nunca tocan el eje horizontal.

Demostracin de Box-Mller

x
2

1
f ( x )=
e
2

Notemos que, aunque x toma solo los valores 0,1,2,.,n en el limite cuando n>oo la funcin de distribucin de la variable centrada y reducida es continua y
la funcin de densidad correspondiente est dad entonces por:
2

x
2

1
f ( x )=
e
2

;< x <

Llamamos a esta densidad normal centrada y reducida o ley de probabilidad

normal centrada y reducida y brevemente ley normal reducida.
Su media es igual a cero, su varianza es igual a 1, y es simetrica con respecto a
x=0. La probabilidad de que una variable aleatoria que tiene densidad normal
reducida tome un valor entre a y b est dado por:
b

12 e
a

x
2

dx

1
e
2

x
2

dx

Ahora el problema en consideracin, sera como generar variables aleatorias

normales estndar mutuamente independientes y para ello puede utilizarse el
mtodo de la transformacin inversa para generar variables aleatorias continuas
as:
x
1
f ( x )=
e 2 ;< x <
2
2

Y lo que puede hacerse es calcular su funcin de distribucin acumulada e

igualarla a una variable aleatoria uniforme U(0,1) as: Y despejar a X en trminos
de U, lo cual no se puede hacer directamente debido a la complejidad del clculo
de F(x), por tanto se utilizarn las coordenadas polares para generar 2 variables
aleatorias normales estndar independientes as:
x

F ( x )=

1
e
2

x
2

=u ;< x <

Y despejar a X en trminos de U, lo cual no se puede hacer directamente debido a la complejidad del clculo
de F(x), por tanto se utilizarn las coordenadas polares para generar 2 variables aleatorias normales estndar
independientes as:

1
e
2

F ( x )=

x
2

dx

1
F( x , y)=
e
2

x
2

)(

dx

1
e
2

y
2

dy (1)

La que es una distribucin normal bivariada estndar con variables independientes entre si, arreglando un
poco la ecuacin 1 nos dara:

1
F ( x , y )=
e
2

(x + y )
2

dxdy (2)

Y utilizando la siguiente transformacin:

r 2=x 2 + y 2

Tenemos:

x=r cos

1)
2)

y=r sin

Arreglando la ecuacin 2, con la transformacin previa, tenemos:

2

r
21 e 2 r drd= 21 d
0 0
0

r
2

rdr

Utilizando cambio de variable

u=

r 2
; du=rdr
2
2

1
1

d eu du =

d
2 0
2 0
0

( )

e du = 21 d 12 e

0
u

r
2

As notamos que es una densidad.

[ ]

1
1
1
=
d ( 10 )= d=

2 0
2 0
2

2
=
2

Despus, teniendo:
2

21 d
0

r
2

rdr ( 3)

De la ecuacin 3, notamos que:

1
2

f ()=

g ( r )=r e

que es la funcin de densidad de una distribucin uniforme en

r
2

u(0,2 )

que es una funcin de densidad exponencial negativa.

De esta forma se puede escribir la ecuacin 3 as:

r

F ( r , )= f ( ) g ( r ) ddr
0 0

Entonces, simplemente se debe generar una distribucin uniforme entre (0,2) y una exponencial negativa,
y para esto, recurrimos a lo siguiente:

Mtodo para generar

1)
2)

Generar
Regresar

u1 u (0,1)
=2 u 1

Demostracin:
f ()=

Teniendo

Integrando:

21 d=( 2 )
0

1
I
()
2 [ 0,2 ]

1
I
()
2 [0,2 ]


=u1
2

y despejando a

tenemos:

=2 u 1

Mtodo para generar

1)

Generar

2)

Regresar

R re

r
2

I (r )

u2 u (0,1)
u
2 ln ( 2)
R=

Demostracin
Tenemos
f ( r ) =r e

r
2

I [ 0, ] (r)

Integrando:
R

r e

r
2

dr

Empleando un cambio de variable

2

u=

r
; du=rdr
2

R
2

R
2
0

e du=(e )

=1e

R
2

As

1e

R
2

=u2

Y despejando R, tenemos:
e

R
2

R
2

=u21
2

=1u2

ln( e

R
2

)=ln(1u2)

R2
=ln (1u2 )
2

R2=2 ln(1u2)
R=2 ln(1u2)

Y tenemos que 1u en si es un nmero

aleatorio, quedando entonces:
2

R= 2 ln(u2 )

-Mtodo de Box-Mller
1)

Generar

u ( 0,2 )

2)
3)

Generar
Regresar

R re

r
2

x=R cos( ); y=R sin()

Demostracin:
Se basa de todo lo anterior

Mtodo Polar
Se usa para generar valores de la distribucin N (0,1), hay dos aproximaciones diferentes
de dicho mtodo:
1) Propuesta de Marsaglia y Brax:
Se inscribe un crculo de radio 1 en un cuadrado de lado 2, se generan nmeros
aleatorios aceptando como salidas aquellos que caen dentro del crculo y rechazando los
que caen dentro del cuadrado pero fuera del crculo.

El algoritmo es el siguiente:

2) Propuesta de Box y Muller: