MODELOS DISCRETOS Y CONTINUOS

VARIABLE ALEATORIA DISCRETA/CONTINUA Una vez analizados algunos generadores de nmeros aleatorios as como verificados su calidad, es momento de utilizarlos para la obtencin y generacin de las denominadas variables aleatorias, mismas que pueden ser discretas o continuas. Los modelos de simulacin por ende recibirn la denominacin correspondiente dependiendo del tipo de variables que lo conforman. Una variable aleatoria es construida mediante un generador de nmeros aleatorios de calidad. VARIABLES ALEATORIAS DISCRETAS Es aquella que toma los valores X1, x2, Xn, con probabilidades respectivas P(x1), P(x2) P(xn) Donde: ( )

Las variables aleatorias discretas sirven para modelar fenmenos en donde los resultados son claramente distinguibles, y solamente se puede estimar el resultado ms probable. Ejemplos: Supngase que se lanza una moneda al aire de tipo legal. Modelarla a travs de una variable aleatoria discreta que permita visualizar el resultado obtenido X Variable aleatoria 0 1 P(X) Funcin de probabilidad 0,50 0,50 F(X) Funcin de distribucin acumulativa 0,50 1

Se lanzan 2 monedas simultneamente, se pide modelar mediante una variable aleatoria, el nmero de caras que se podra obtener.

X: nmero de caras obtenidas al lanzar 2 monedas

0 1 0 (0,0) (1,0) X 0 1 P(X) F(X) 1/4 1 (0,1) (1,1)

Valores Y
0.6 0.4 0.2 0 0 0.2 0.4 0.6 0.8 1 1.2

La variable aleatoria cuyo valor es igual a cero se llama suceso imposible, y la variable aleatoria cuyo valor es igual a 1 es suceso posible o absoluto. EL METODO GENERAL PARA VARIABLES ALEATORIAS DISCRETAS Sea X una variable que toma los valores X1, X2, Xn con sus correspondientes probabilidades P(X1), P(X2) P(Xn), entonces para generar un valor de dicha variable aleatoria se deben realizar los siguientes pasos: 1. Dividir el intervalo (0;1) en N partes, asociando a cada parte un valor de la variable aleatoria con una longitud correspondiente a la respectiva probabilidad. 2. Generar un valor aleatorio y uniforme U, perteneciente al intervalo (0;1) 3. Verificar en que particin del intervalo (0;1) se encuentra el numero U. Ese determinar el valor simulado correspondiente de la variable aleatoria X. Ejercicio: Simular 4 valores de la 0 0 0,5 variable aleatoria X 1 1 del ejercicio 1.

U
0,3 0,6 0,8 0,9

Xsimulado
0 1 1 1

Se lanz la moneda 4 veces, en tres ocasiones sali sello.

Simular para el segundo ejercicio U 0,21 0,15 0,65 0,73 0,84 0,55 X cuantifica al menos 2 caras. Construir un cdigo que permita simular el lanzamiento de 2 dados y permita determinar la variable aleatoria que determina la obtencin de un resultado para un numero par. X-simulado 0 0 1 1 2 1

Algunas variables aleatorias discretas

Variable aleatoria de Bernoulli (P): Cuando un experimento tiene 2 posible resultados X1, X2, con probabilidades respectivas P, (1-P), entonces tenemos un fenmeno de Bernoulli (P). Ejemplos: Lanzamiento de una moneda. Estado de un objeto (bueno o defectuoso) La demanda o no de un producto, etc. ( ) una distribucin de
X1=1 0 P 1-P

Notacin convencional: Se lee X sigue

Bernoulli (P).
X2=0
1

Int Bernoulli(float P) { Float u; U=random(100)/100.0;

If(u<p) Return 1; //exito Else Return 0; //fracaso } Int xitos=0; For(int i=1; i<=n;i++) If(Bernoulli(P)) Exitos++;

Ejercicio: 1. Simular el lanzamiento de una moneda donde la cara tiene el doble de probabilidad de salir que el sello, y finalice contabilizando el nmero de caras obtenidas luego de ejecutar 100 lanzamientos. P=2/3 2. Una empresa necesita saber en donde debe perforar un pozo de petrleo. Los estudios preliminares que tiene la empresa hacerca de la profundidad a la que se encuentra el petrleo puede ser L1 y L2, unidades de longitud sabiendo que la mayor que L2. Ahora sabiendo que del terreno del punto A hacen que la produndidad sea mas lenta que en B, de forma mas precisa suponga las velocidades respectivas de perforacin X1 y X2 unidades de longitud por unidades de trabajo. X1<X2. La empresa espera recibir antes de empezar las prospecciones un nuevo tipo de maquinaria que utilizara en caso de recibirla. La probabildad de que esto ocurra igual a 0,71. A dems, la probabilidad de danio para la nueva maquinaria es respectivamente en cada punto igual a 0,14 y 0,16. De la misma forma se estima la probabilidad de danio para la vieja maquinaria con valores respectivos iguales a 0,18 y 0,19. Los danios se han tipificado en 2 clases, tomando en cuenta el tiempo necesario para realizar las reparaciones; asi tenemos danios grandes y danios pequenios. Se denominan danios grandes a aquellos cuyos tiempos medios de reparacin son de 4 jornadas de trabajo y los danios pequenios tiene 1 jornada de trabajo. Si el danio se produce, la probabilida de que sea grande es igual a 0,35. Construir un modelo de simulacin que permita decidir en donde perforar, considerando que es necesario llegar al petrleo lo mas pronto posible

Probabilidad nueva maquinaria=0,71 Probabilidad de dao de la nueva maquinaria en A=0,14 Probabilidad de dao de la nueva maquinaria en B=0,16 Probabilidad de da de la vieja maquinaria en A=0,28 Probabilidad de da de la vieja maquinaria en B=0,19 DG 4jt DP 1jt Perforacin en A Llega la nueva maquinaria nueva? No llega: usar la vieja maquinaria. Si llega: usar la nueva maquinaria. Se daa la maquinaria? NO dania: tiempo retardo=0 ira a 1 Si dania Es el danio grande? No: tiempo retardo =1 ir a 1 Si : tiempo retardo = 4 ir a 1 1 Tiempo total en A = Tiempo de retardo + (l1/x1) FIN Simulacion: calcular TTA y TTB, y sacar la media de TTA y la media de TTB, el mayor es el que da resultado. Valor de prueba: 5Km L1 > L2 4.3Km 0,3 X1 ul/jt < X2 ul/jt 0,4

2) Variable aleatoria Binomial Esta variable puede considerarse como la generalizacin del fenmeno de Bernoulli cuando este se repite n veces. Ms especficamente sea X una variable aleatoria que toma los valores 0,1,2n y cuya probabilidad de ocurrencia est dada por la siguiente formula.

( )

En cuyo caso diremos que x sigue una distribucin binomial ( )

Ejemplo: Simular 5 valores de una variable aleatoria binomial de parmetros 3 y 0,6 X 0 1 2 3 P(x) F(x) P(0)=(3!/(0)!(3-0)!)*(0.6^0)(0.4^3)

0,064 0,064 0,288 0,352 0,432 0,784 0,216 1.00

Ejercicio El responsable de una tienda de electrodomsticos est cuestionando el procedimiento que sigue actualmente a la hora de hacer pedidos a la fbrica de una determinada marca de televisores. Este procedimiento consiste en hacer un pedido siempre que en la tienda existan 4 o menos televisores y la cantidad pedida deben permitir completar los 10 televisores. Se supone que si acude un cliente a comprar un televisor y en ese momento no hay stock, la venta se ha perdido. A dems se ha determinado que la demanda diaria de televisores es una variable aleatoria binomial con parmetros 4 y 0.45 y tambin el tiempo de reabastecimiento tambin es una variable aleatoria binomial con parmetros 3 y 0.6. Realizar el proceso de simulacin para determinar la cantidad de televisores que se dejaran de vender por falta de stock durante los prximos 100 das laborables. Iniciar el estudio con un stock de 11 televisores. Dia 0 1 2 Stock 11 11 8 8 4 Demanda TV vendidas 3 4 Tv no Tiempo Cantidad vendidas reabastecimiento pedida 0 0 0 2 0 6

3 4

3 4 5

4 1 3 1 0 2 6 2 reabastece 4

3 1 2

0 1 0

0 0 1

0 0 6