Unidad 3:

Generacin de Variables
Aleatorias
Instructor: M.I.I. Mnica Lpez Arteaga

Saltillo, Coahuila, Mxico

4 de agosto de 2015

Introduccin
Un modelo de simulacin permite lograr un
mejor entendimiento cualquier sistema. Para
ello resulta indispensable obtener la mejor
aproximacin a la realidad, lo cual se consigue
componiendo el modelo a base de variables
aleatorias que interacten entre s.

Definicin de Variable Aleatoria

Es una variable estadstica cuyos valores se
obtienen de mediciones en algn tipo de
experimento aleatorio.
Formalmente, una variable aleatoria es una
funcin, que asigna eventos.
Se puede decir que una V. A. es aquella que
tiene un comportamiento probalstico en la
realidad.
3

Definicin de Variable Aleatoria

Ejemplos
Los posibles resultados de tirar un
dado dos veces.

El nmero de clientes que

llegan cada hora a un banco
que depende del momento
del da, del da de la semana
y otros factores.
4

Definicin de Variable Aleatoria

Las variables aleatorias deben cumplir reglas
de distribucin de probabilidad como stas:
- La suma de las probabilidades asociadas a
todos los valores posibles de la V. A. es uno.
- La probabilidad de que un posible valor de las
variables x se presente siempre es mayor o
igual a cero.
- El valor esperado de la distribucin de la V. A.
es la media de la misma, la cual a su vez
estima la media de la poblacin.
5

Tipos de Variables Aleatorias

Variables aleatorias discretas
Diremos que una variable aleatoria es discreta
si su recorrido es finito o infinito numerable.
numerable
Generalmente, este tipo de variables van
asociadas a experimentos en los cuales se
cuenta el nmero de veces que se ha
presentado un suceso o donde el resultado es
una puntuacin concreta.
6

Tipos de Variables Aleatorias

Algunas
distribuciones
probabilidad son:
-

discretas

de

Uniforme
Bernoulli
Hipergeomtrica
Poisson
Binomial

Tipos de Variables Aleatorias

Variables aleatorias continuas
Este tipo de variables se representan mediante
una ecuacin que se conoce como funcin de
densidad de probabilidad.
probabilidad
Generalmente, se corresponden con variables
asociadas a experimentos en los cuales la
variable medida puede tomar cualquier valor
en un intervalo.
8

Tipos de Variables Aleatorias

Algunas
distribuciones
probabilidad son:
-

continuas

de

Uniforme continua
Exponencial
Normal
Weibull
Chi-cuadrada
Erlang

Mtodos para generar variables

aleatorias
La variabilidad de eventos y actividades se
representan a travs de funciones de densidad
para fenmenos continuos, y mediante
distribucin de probabilidad para fenmenos de
tipo discreto.

La simulacin de estos eventos o actividades se

realiza con la ayuda de la generacin de V. A.

10

Mtodos para generar variables

aleatorias
Los principales mtodos
variables aleatorias son:
-

Mtodo
Mtodo
Mtodo
Mtodo
Mtodo

de
de
de
de
de

para

generar

las

la transformada inversa
convolucin
composicin
la transformacin directa
aceptacin y rechazo

11

METODO DE LA
TRANSFORMADA
INVERSA
12

Mtodo de la transformada
inversa

El mtodo de la trasformada inversa puede

utilizarse para simular variables aleatorias
continuas, lo cual se logra mediante la funcin
acumulada f(x) y la generacin de nmeros
pseudoaleatorios ri ~U(0,1). El mtodo consiste
en:
1.Definir la funcin de densidad F(x) que
represente la variable a modelar.
2.Calcular la funcin acumulada F(x).
3.Despejar la variable aleatoria x y obtener la
funcin acumulada inversa F(x)-1
4.Generar las V. A. x, sustituyendo valores con
nmeros aleatorios en la funcin acumulada13

Distribucin Uniforme
La formula para la distribucin esta dada por:
Xi= a+(b-a)ri
Ejemplo
La temperatura de una estufa se comporta
uniformemente dentro del rango de 95 a 100C.
Una lista de nmeros pseudoaleatorios nos
permite modelar el comportamiento de la
variable que simula la temperatura de la
estufa.
14

Distribucin Uniforme
Resultados
Xi= 95+(100-95)ri
Medicin
1
2
3
4
5
6
7
8
9
10

Ri
0,48
0,82
0,69
0,67
0
0,18
0,70
0,12
0,85
0,91

Temperatura
C

15

Distribucin Uniforme
Resultados
Xi= 95+(100-95)ri
Medicin
1
2
3
4
5
6
7
8
9
10

Ri
0,48
0,82
0,69
0,67
0
0,18
0,70
0,12
0,85
0,91

Temperatura
C
97,4
99,1
98,45
98,35
95
95.9
98.5
95.6
99.25
99.55

16

Ejercicio
La velocidad de 15 ciclistas se comporta
uniformemente dentro del rango de 23 a 50km
por
hora.
Una
lista
de
nmeros
pseudoaleatorios nos permite modelar el
comportamiento de la variable que simula la
velocidad.

17

Medicin

Ri

0.43

0.12

0.76

0.23

0.48

0.73

0.97

0.31

10

0.85

11

0.95

12

0.31

13

0.03

14

0.70

15

0.53

Velocidad

18

Distribucin Exponencial
La formula para la distribucin exponencial esta
dada por:
1
Xi ln(1 ri )

Ejemplo
Los datos histricos del tiempo de servicio en la
caja de un banco se comportan de forma
exponencial con media de 3 minutos/cliente.
Una lista de nmeros pseudoaleatorios ri
~U(0,1)
nos
permiten
simular
el
comportamiento de la variable aleatoria.
19

Distribucin Exponencial
Resultados
Xi= -3ln(1-ri)
Cliente
1
2
3
4
5
6
7
8
9
10

Ri
0.64
0.83
0.03
0.50
0.21
0.98
0.84
0.12
0.45
0.42

Tiempo de
servicio (min)
3.06
5.31
0.09
2.07
0.70
11.73
5.49
0.38
1.79
1.63
20

Distribucin de Bernoulli
La formula para la distribucin Bernoulli esta
dada por:
p(x) p x(1 p)1 x

para x= 0,1

Se calculan las probabilidades para x=0 (no

falle) y x=1 (falle), para obtener
x

p(x) 1-p

1
p

Acumulando los valores de p(x) se obtiene:

x

P(x) 1-p

1
1
21

Distribucin de Bernoulli
Generando
nmeros
pseudoaleatorios
~U(0,1) se aplica la regla:
si ri (0, 1-p)

x=0

si ri (1-p, 1)

x=1

ri

Xi =

Ejemplo:
Los datos histricos sobre la frecuencia de
paros de cierta mquina muestran que existe
una probabilidad de 0.2 de que esta falle (x=1),
y de 0.8 de no falle (x=0) en un da
determinado. Generar una secuencia aleatoria22

Distribucin de Bernoulli
A partir de la distribucin de probabilidad de la
variable aleatoria de Bernoulli con media 0.8.
p(x) 0.2x(1 0.8)1 x

para x= 0,1

Se calculan las probabilidades puntuales y las

acumuladas para x=0 y x=1 y se obtiene:
X

P(x)

0.8

0.2

P(x)

0.8

1
23

Distribucin de Bernoulli
La regla para generar esta variable aleatoria
esta dada por:
si ri (0, 0.8)

x=0

si ri (0.8, 1)

x=1

Xi =

Con una lista de nmeros aleatorios y la regla

anterior es posible simular el comportamiento
de las fallas de la mquina a lo largo del
tiempo, considerando que:
Si ri es menor que 0.8, la mquina no fallar,
fallar y
24
Si ri es mayor que 0.8, ocurrir la falla

Distribucin de Bernoulli
Resultados
si ri (0, 0.8)

x=0

si ri (0.8, 1)

x=1

Xi =

Da

Ri

Xi

Evento

0.453

No falla

0.823

Falla

0.034

0.503

0.891

0.023

0.983

0.865

0.208

10

0.910
25

Distribucin Poisson
La formula para la distribucin Poisson esta
dada por:

xe
p(x)
x!

para x= 0, 1, 2, 3,

Ejemplo
El nmero de piezas que entran a un sistema
de produccin sigue una distribucin de Poisson
con media de 2 piezas/hra. Simular el
comportamiento de la llegada de las piezas al
sistema.

26

Distribucin Poisson
Se calculan las probabilidades puntuales y
acumuladas:
0 2
Da

p(x)

P(x)

0.1353

0.1353

0.2706

0.4060

3
4
5

2e
p(0)
0!

0.1353

21e 2
p(1)
0.2706
1!

6
7
8
9
10
27

Distribucin Poisson
La regla para generar
esta variable quedar
0 si ri (0 - 0.1353)
1si ri (0.1353 0.4060)
2si ri (0.4060 0.6766)
3si ri (0.6766 0.8572)
4si ri (0.8572 0.9473)
5si ri (0.9473 0.9834)
6si ri (0.9834 0.9954)
7si ri (0.9954 0.9989)
8si ri (0.9989 0.9997)
9si ri (0.9997 0.9999)
10si ri (0.9999 - )

Con una lista de Ri es posible

simular la llegada de las piezas.
Hora

Ri

Piezas/h

0.6754

0.0234

0.7892

0.5134

0.3331

0.0123

0.9843

0.8722

0.9904

10

0.0034
28

METODO DE
CONVOLUCIN
29

Distribucin de Erlang
La formula para la distribucin Erlang esta dada
por:
k

1
Y ERi ln (1 ri )
k
i 1

Ejemplo
El tiempo de proceso de cierta pieza sigue una
distribucin 3-Erlang con media de 8 min/pza.
Una lista de numeros aleatorios y la ecuacin
de generacin de nmeros Erlang permite
30
obtener la siguiente tabla.

Distribucin de Erlang
Se calculan las probabilidades puntuales y
acumuladas:
1
Y ERi 8 ln(1 r1 )(1 r2 )(1 r3 )
3

Pieza
1
2
3
4
5
6
7
8
9
10

Ri
0.72
0.04
0.96
0.65
0.23
0.68
0.35
0.63
0.41
0.02

1-Ri
0.28

Ri
0.48
0.63
0.88
0.56
0.91
0.55
0.36
0.02
0.76
0.9

1-Ri
0.52

Ri
0.36
0.17
0.97
0.5
0.79
0.03
0.55
0.77
0.35
0.71

1-Ri
0.64

Tiempo de
proceso
6.328

31

Distribucin de Erlang
Se calculan las probabilidades puntuales y
acumuladas:
Pieza
1
2
3
4
5
6
7
8
9
10

Ri
0.72
0.04
0.96
0.65
0.23
0.68
0.35
0.63
0.41
0.02

1-Ri
0.28
0.96
0.04
0.35
0.77
0.32
0.65
0.37
0.59
0.98

Ri
0.48
0.63
0.88
0.56
0.91
0.55
0.36
0.02
0.76
0.9

1-Ri
0.52
0.37
0.12
0.44
0.09
0.45
0.64
0.98
0.24
0.1

Ri
0.36
0.17
0.97
0.5
0.79
0.03
0.55
0.77
0.35
0.71

1-Ri
0.64
0.83
0.03
0.5
0.21
0.97
0.45
0.23
0.65
0.29

Tiempo
de
proceso
6.32848
3.25708
23.5885
6.8372
11.2799
5.24907
4.46821
6.62435
6.36142
9.4951
32

Distribucin Normal
La formula para la distribucin Normal esta
dada por:

12

( r ) 6

x Ni

i 1

Ejemplo
El volumen de liquido de un refresco sigue una
distribucin normal con media de 12 onzas y
desviacin estndar de 0.4 onzas. Generar 5
variables con esta distribucin para simular el
proceso de llenado.
33

Distribucin Normal
No.
1
2
3
4
5
6
7
8
9
10
11
12
Sumatoria

Ri
0.91
0.54
0.49
0.54
0.14
0.62
0.90
0.19
0.77
0.80
0.95
0.84
7.69

12

(r ) 6 0.4 12

x Ni

i 1

Botella

(ri)

(ri) - 6

Volumen
(onzas)

7.69

1.69

12.7

2
3
4
5
34

Distribucin Normal
No.
1
2
3
4
5
6
7
8
9
10
11
12

2
Ri
0.74
0.89
0.71
0.17
0.32
0.56
0.24
0.20
0.25
0.74
0.68
0.58

3
Ri
0.44
0.25
0.28
0.87
0.29
0.38
0.85
0.64
0.05
0.32
0.94
0.24

4
Ri
0.69
0.20
0.90
0.01
0.63
0.52
0.59
0.55
0.14
0.83
0.26
0.10

5
Ri
0.84
0.56
0.09
0.25
0.88
0.54
0.71
0.45
0.19
0.89
0.49
0.17
35

Distribucin Normal

Volumen
(ri) - 6 (onzas)

Botella

(ri)

7.69

1.69

12.70

6.08

0.08

12.03

5.58

-0.42

11.83

5.42

-0.58

11.77

6.05

0.05

12.02

36

Distribucin Binomial
La formula para la distribucin Binomial esta
dada por:

Y Bi BE1 BE2 ... BE N B( N , p)

Ejemplo
Al inspeccionar lotes de tamao N=5, la
probabilidad de que una pieza sea defectuosa
es 0.03. Simular el proceso e inspeccin para
determinar el nmero de piezas defectuosas
37
por lote.

Distribucin Binomial
La regla para generar esta variable aleatoria esta
dada por:
0 si ri (0 - 0.97)
BEi =
1 si ri (0.97 - 1)
Lote
1
2
3
4
5

R1 BE1 R2 BE2 R3 BE3 R4 BE4 R5

0.49 0
0.32
0.15
0.01
0.45
0.93
0.85
0.93
0.99
0.61
0.57
0.92
0.84
0.74
0.82
0.99
0.01
0.68
0.98
0.99
0.34
0.98
0.99
0.02
0.98

Piezas
BE5 defectuosas

38

METODO DE
COMPOSICION
39

Distribucin Triangular
La formula para la distribucin Triangular esta
dada por:

a (c a ) ri
X=

b (b c) 1 ri

si

(c a )
rj
(b a )

si

(c a )
rj >
(b a )

Generar una muestra de 5 variables aleatorias

con distribucin triangular a partir de los
parametros: a=5, b= 20 y c=10.
40

Distribucin Triangular
5 (5) ri
X=

20 (10) 1 ri
Variabl
e
1
2
3
4
5
6
7

rj
0.231
0.421
0.853
0.617
0.128
0.876
0.506

ri
0.456
0.967
0.140
0.286
0.992
0.228
0.038

si

(5)
rj
(15)

si

(5)
rj >
(15)
rj
0.33
8.38

ri >
0.33

18.18
10.73
11.55

9.98
11.21
10.19

41

Consulta
Mtodo de transformacin directa
Mtodo de aceptacin y rechazo

42