Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulacion
Simulacion
6
4
1
5
3
p(x)
h(x)
1
2
3
4
5
6
1/6
1/6
1/6
1/6
1/6
1/6
1
2
3
4
5
6
1/6
1/6
1/6
1/6
1/6
1/6
Dado
Urna 1
4
1
5
3
p(x)
1
2
3
4
5
6
0.2
0.2
0.2
0.2
0.2
0.0
1
2
3
4
5
6
4
6
4
1
4
5
1/6
1/6
1/6
1/6
1/6
1/6
1.2
1.2
1.2
1.2
1.2
0.0
Dado
Urna 2
h(x) s(x)
p(x)
1
2
3
4
5
6
0.1
0.3
0.1
0.3
0.1
0.1
1
2
3
4
5
6
Dado
Urna 3
h(x) s(x)
1/6
1/6
1/6
1/6
1/6
1/6
0.6
1.8
0.6
1.8
0.6
0.6
SIMULACION A PARTIR DE LA
FUNCION DE DISTRIBUCION
Para generar una muestra de una funcion de densidad h(x), se calcula la funcion de distribuci
on,
H(x) = p(X x) =
Zx
h(x)dx.
H(x)
1
0.8
u2
0.6
0.4
u1
0.2
0.5
x1
x2
1.5
METODOLOGIA DE SIMULACION
ALGORITMO
Datos: Las funciones de probabilidad real p(x)
y la de simulaci
on h(x), el tama
no de la muestra
N , y un subconjunto Y X.
Resultados: Una aproximaci
on de p(y) para
todo valor posible y de Y .
1. Para j = 1 a N
Generar xj = (xj1, . . . , xjn) usando h(x).
p(xj )
j
Calcular s(x ) =
.
j
h(x )
2. Tras obtener una muestra de tama
no N , y
disponer de las realizaciones, xj = {xj1, . . . , xjn},
j = 1, . . . , N , la probabilidad condicional de
cualquier subconjunto Y X dada la evidencia
E = e se estima por la suma normalizada de los
pesos de todas las realizaciones en las que ocurre
y, es decir
P
j
s(x
)
yxj
p(y) NP
.
(1)
j
s(x )
j=1
X1
X2
X4
X3
X5
X6
x1
0
0
1
1
x2 p(x2|x1)
0
0.4
1
0.6
0
0.1
1
0.9
x1
0
0
1
1
x3 p(x3|x1)
0
0.2
1
0.8
0
0.5
1
0.5
x2
0
0
1
1
x4 p(x4|x2)
0
0.3
1
0.7
0
0.2
1
0.8
x3
0
0
1
1
x6 p(x6|x3)
0
0.1
1
0.9
0
0.4
1
0.6
x2
0
0
0
0
1
1
1
1
x3
0
0
1
1
0
0
1
1
x5 p(x5|x2, x3)
0
0.4
1
0.6
x1 p(x1)
0
0.5
1
0.5
0 0.3
0
0.7
1 0.7
1
0.3
0
0.2
1
0.8
x1
x2
x3
x4
x5
Realizacion xj
= (0, 1, 1, 1, 0,
= (1, 1, 0, 1, 1,
= (0, 0, 1, 0, 0,
= (1, 0, 0, 1, 1,
= (1, 0, 0, 0, 1,
p(xj )
0.0092
0.0076
0.0086
0.0015
0.0057
0)
0)
1)
0)
1)
p(X1 = 0)
h(xj )
1/64
1/64
1/64
1/64
1/64
s(xj )
0.5898
0.4838
0.5529
0.0941
0.3629
s(x1)+s(x3 )
5
P
i=1
s(xi )
0.5898 + 0.5529
=
= 0.5485
2.0835
y
p(X2 = 0)
s(xi)
i=1
0.5529 + 0.0941 + 0.3629
=
= 0.4847.
2.0835
Estos valores se obtienen porque X1 = 0 aparece
en las realizaciones x1 y x3, mientras que X2 = 0
aparece en las realizaciones x3, x4 y x5. Las probabilidades condicionales para otras variables pueden
calcularse de forma an
aloga.
CALCULO DE PESOS
n
Y
p(xi|si)
(2)
h(xi|si),
(3)
i=1
i=1
n
Y
n p(xi|si )
n
p(x)
Y
Y
=
=
s(xi|si).
h(x) i=1 h(xi|si) i=1
(4)
n
Y
i=1
pe(xi|i),
(5)
donde
METODOS DE SIMULACION
El m
etodo de aceptaci
on-rechazo.
El m
etodo del muestreo uniforme.
El m
etodo de la funci
on de verosimilitud
pesante.
El m
etodo de muestreo hacia adelante y
hacia atr
as.
El m
etodo del muestreo de Markov.
El m
etodo del muestreo sistem
atico.
El m
etodo de la b
usqueda de la probabilidad m
axima.
X1
X3
X2
x4 = 1
X4
X5
x3 = 1
X6
x1
0
0
1
1
x2 p(x2|x1)
0
0.4
1
0.6
0
0.1
1
0.9
x1
0
0
1
1
x3 p(x3|x1)
0
0.2
1
0.8
0
0.5
1
0.5
x2
0
0
1
1
x4 p(x4|x2)
0
0.3
1
0.7
0
0.2
1
0.8
x3
0
0
1
1
x6 p(x6|x3)
0
0.1
1
0.9
0
0.4
1
0.6
x2
0
0
0
0
1
1
1
1
x3
0
0
1
1
0
0
1
1
x5 p(x5|x2, x3)
0
0.4
1
0.6
x1 p(x1)
0
0.5
1
0.5
0 0.3
0
0.7
1 0.7
1
0.3
0
0.2
1
0.8
10
METODO DE ACEPTACION-RECHAZO
Distribuci
on de simulaci
on
h(xi|i) = p(xi|i), i {1, . . . , n}.
(7)
Condiciones
Deben simularse antes los padres que los hijos.
Pesos
pe(x)
s(x) =
=
h(x)
Xi E
/
Q
pe(xi|i)
Xi E
/
p(xi|i)
Xi E
Q
Xi E
pe(xi|i)
p(xi|i)
(8)
s(x) =
(9)
N
otese que si xi 6= ei para alg
un Xi E, entonces el
peso es cero; por tanto, tan pronto como el valor simulado para los nodos evidenciales no coincida con el
valor observado, se rechaza la muestra (peso cero).
11
12
Distribuci
on de simulaci
on
1
, si Xi
/ E,
card(Xi)
h(xi) =
1,
si Xi E y xi = ei,
0,
en otro caso,
(10)
pe(x)
h(x)
pe(x)
pe(x) = p(x),
1
Y
Q
1
Xi E
/ card(Xi ) Xi E
donde
no
es
necesario
considerar
el
factor QXiE
/ card(Xi ) puesto que es constante para
todas las realizaciones.
13
14
METODO DE LA
FUNCION DE VEROSIMILITUD PESANTE
Distribuci
on de simulaci
on
pe(xi|i), si Xi
/ E,
si Xi E y xi = ei,
h(xi) = 1,
0,
en otro caso.
(11)
Condiciones
Deben simularse antes los padres que los hijos.
Pesos
pe(x)
h(x)
pe(xi|i) Y pe(xi|i)
Y
=
1
Xi E
/ pe (xi |i) Xi E
Y
Y
=
pe(xi|i) =
p(ei|i).
s(x) =
Xi E
Xi E
15
(12)
16
Distribuci
on de simulaci
on
p(xi|i)
=
,
(13)
i
donde i es el conjunto de los padres de Xi, con
valores desconocidos y i = P p(xj |j ).
h(i)
xj i
Condiciones
pe(x)
=
h(x)
Y
Xi BF
/
Xi B
pe(xi|i)
pe (xi |i ) Q
pe(xi|i)
i
p(xi|i)
Xi B
Xi F
i ,
(14)
17
18
Distribuci
on de simulaci
on
h(xi) = p(xi|x \ xi) p(xi|i)
Xj Ci
p(xj |j ),
(15)
19
Distribuci
on de simulaci
on
h(x1) = p(x1|x \ x1) p(x1)p(x2|x1)p(x3|x1),
h(x2) = p(x2|x \ x2) p(x2|x1)p(x4|x2)p(x5|x2, x3),
h(x5) = p(x5|x \ x5) p(x5|x2, x3),
h(x6) = p(x6|x \ x6) p(x6|x3).
1. Se asigna a las variables evidenciales sus valores:
x13 = x14 = 1.
2. Se elige la realizaci
on inicial:
x0 = (0, 1, 1, 1, 0, 1).
3. Se elige una ordenaci
on arbitraria, por ejemplo,
{X1, X2, X5, X6}.
4. Se simulan las variables no evidenciales.
Variable X1: De la Tabla y de h(x1):
p(X1 = 0)p(X2 = 1|X1 = 0)p(X3 = 1|X1 = 0)
= 0.3 0.6 0.8 = 0.144,
p(X1 = 1)p(X2 = 1|X1 = 1)p(X3 = 1|X1 = 1)
= 0.7 0.9 0.5 = 0.315.
20
21
X1
X2
x1 p(x1)
0 0.4
1 0.6
x1
0
0
0
0
0
0
x2
0
0
0
1
1
1
X3
x1
0
0
1
1
x3 p(x3|x1, x2)
0
0.3
1
0.3
2
0.4
0
0.3
1
0.3
2
0.4
x2 p(x2|x1)
0
0.6
1
0.4
0
0.4
1
0.6
x1
1
1
1
1
1
1
22
x2
0
0
0
1
1
1
x3 p(x3|x1, x2)
0
0.3
1
0.4
2
0.3
0
0.3
1
0.4
2
0.3
MUESTREO SISTEMATICO
Realizaci
on
Probabilidad
(x1, x2, x3 ) p(x1 , x2, x3 ) Acum.
(0,0,0)
0.072
0.072
(0,0,1)
0.072
0.144
(0,0,2)
0.096
0.240
(0,1,0)
0.048
0.288
(0,1,1)
0.048
0.336
(0,1,2)
0.064
0.400
(1,0,0)
0.072
0.472
(1,0,1)
0.096
0.568
(1,0,2)
0.072
0.640
(1,1,0)
0.108
0.748
(1,1,1)
0.144
0.892
(1,1,2)
0.108
1.000
Intervalo
[li, ui)
[0.000, 0.072)
[0.072, 0.144)
[0.144, 0.240)
[0.240, 0.288)
[0.288, 0.336)
[0.336, 0.400)
[0.400, 0.472)
[0.472, 0.568)
[0.568, 0.640)
[0.640, 0.748)
[0.748, 0.892)
[0.892, 1.000)
1.000
112
0.892
11
111
0.748
1
110
102
10
101
01
100
012
011
010
002
00
001
001
000
X1
23
0.640
0.568
0.472
0.400
0.336
0.288
0.240
0.144
0.072
0.000
112
112
11
111
110
11
101
01
100
012
011
010
002
0
00
101
01
100
012
011
010
002
01
100
012
011
010
002
10
101
01
100
012
011
010
002
11
1
10
101
01
100
012
011
010
002
00
001
000
11
01
00
101
100
012
011
010
002
101
01
100
012
011
010
002
00
ETAPA 10
ETAPA 6
112
111
11
102
101
01
01
100
012
011
010
002
11
0
00
001
000
001
000
ETAPA 9
112
111
110
11
111
110
102
102
10
101
10
101
01
100
012
011
010
002
01
100
012
011
010
002
0
00
ETAPA 11
24
111
110
112
001
000
001
000
100
012
011
010
002
102
00
10
00
111
10
01
100
012
011
010
002
ETAPA 8
110
101
101
112
10
10
ETAPA 7
11
110
102
001
000
111
102
001
000
110
102
112
111
110
10
11
ETAPA 5
112
11
112
111
110
001
000
ETAPA 3
102
ETAPA 4
00
112
102
00
001
000
ETAPA 2
110
102
10
112
110
101
00
111
111
10
001
000
ETAPA 1
11
11
102
102
10
111
110
112
001
000
0
00
ETAPA 12
001
000
xi+1
fj+8
u(i)
xi
fj
l(i)
xi-1
u(n) fj
=
+ 1,
N
25
X1
X2
x1 p(x1)
0 0.9
1 0.1
X1
0
0
0
0
0
0
X2
0
0
0
1
1
1
X3
x1
0
0
1
1
x2 p(x2|x1)
0
0.2
1
0.8
0
0.1
1
0.9
p(X3|X1, X2)
X3
X1 X2
0 0.2 1 0
1 0.2 1 0
2 0.6 1 0
0 0.8 1 1
1 0.1 1 1
2 0.1 1 1
26
X3
0
1
2
0
1
2
0.3
0.4
0.3
0.7
0.1
0.2
X1 = 0 0.900
0.9
0.1
X1 = 1 0.100
(a)
0.2
X2 = 0 0.180
0.9
X1 = 0
0.8
X1 = 1 0.100
(b)
27
X2 = 1 0.720
X2 = 0 0.180
X1 = 0
0.720
X2 = 1
0.8
0.1
X3 = 0 0.576
0.1
X3 = 2 0.072
X3 = 1 0.072
X1 = 1 0.100
(a)
X2 = 0 0.180
X1 = 0
X3 = 0 0.576
X2 = 1
X3 = 1 0.072
X3 = 2 0.072
X1 = 1 0.100
(b)
28
0.180
X2 = 0
0.2
0.2
0.6
X3 = 0 0.036
X3 = 1 0.036
X3 = 2 0.108
X1 =0
X3 = 0 0.576
X2 = 1
X3 = 1 0.072
X3 = 2 0.072
X1 =1 0.100
(a)
X3 = 0 0.036
X2 = 0
X3 = 1 0.036
X3 = 2 0.108
X1 =0
X3 = 0 0.576
X2 = 1
X3 = 1 0.072
X3 = 2 0.072
X1 =1
0.100
(b)
29
X3 = 0 0.036
X2 = 0
X3 = 1 0.036
X3 = 2 0.108
X1 = 0
X3 = 0 0.576
X2 = 1
0.100
0.1
X2 = 0 0.010
0.9
X2 = 1 0.090
X1 = 1
30
X3 = 1 0.072
X3 = 2 0.072
0.2
X2 = 0
0.2
0.2
X3 = 0
0.036
X3 = 1
0.036
0.6
X3 = 2
0.108
0.8
0.1
X3 = 0
0.576
X3 = 1
0.072
0.1
X3 = 2
0.072
0.3
0.4
X3 = 0
0.003
X3 = 1
0.004
0.3
X3 = 2
0.003
0.7
0.1
X3 = 0
0.063
X3 = 1
0.009
0.2
X3 = 2
0.018
X1 = 0
0.8
0.9
0.1
0.1
X2 = 1
X2 = 0
X1 = 1
0.9
X2 = 1
31
Con evidencia
0.2
X1 = 0
0.2
X2 = 0
0.2
X3 = 0 0.036
X3 = 1 0.036
0.9
0.6
X3 = 2 0.108
0.1
0.3
0.4
X3 = 0
0.003
X3 = 1
0.004
0.3
X3 = 2
0.003
X1 = 1
0.1
X2 = 0
32
1200
Nmero de ocurrencias
1000
800
600
400
200
0
0.78
0.835
0.89
0.945
0.945
120
Nmero de ocurrencias
100
80
60
40
20
0
0.78
0.835
0.89
33
Aproximacion Progresiva
p(x1 )
xj
(0, 1, 0)
(0, 0, 2)
(0, 1, 2)
(0, 1, 1)
(1, 1, 0)
(0, 0, 1)
(0, 0, 0)
(1, 1, 2)
(1, 1, 1)
(1, 0, 1)
(1, 0, 2)
(1, 0, 0)
p(xj )
0.576
0.108
0.072
0.072
0.063
0.036
0.036
0.018
0.009
0.004
0.003
0.003
0
1.000
1.000
1.000
1.000
0.929
0.932
0.935
0.917
0.909
0.905
0.903
0.900
1
0.000
0.000
0.000
0.000
0.071
0.068
0.065
0.083
0.091
0.095
0.097
0.100
p(x2)
0
0.000
0.158
0.143
0.130
0.121
0.155
0.187
0.183
0.182
0.185
0.188
0.190
34
1
1.000
0.842
0.857
0.870
0.879
0.845
0.813
0.817
0.818
0.815
0.812
0.810
0
1.000
0.842
0.762
0.696
0.717
0.689
0.701
0.688
0.682
0.679
0.677
0.678
p(x3 )
1
0.000
0.000
0.000
0.087
0.081
0.117
0.112
0.110
0.118
0.122
0.121
0.121
2
0.000
0.158
0.238
0.217
0.202
0.194
0.187
0.202
0.200
0.199
0.202
0.201
Acotacion Progresiva
Etapa 1
Etapa 2
Etapas 3 y 4
Marginal Exacto Inf. Sup. Inf. Sup. Inf. Sup.
X1 = 0 0.900 0.9 0.9
X1 = 1 0.100
35
Etapa 7
Etapa 8
Inf. Sup. Inf. Sup.
0.190 0.190
0.810 0.810