NDICE

Introduccin ----------------------------------------------------------------------------------- 3
3.- GENERACIN DE VARIABLES ALEATORIAS. ------------------------------------------ 4
3.1 conceptos bsicos de variables aleatorias. -------------------------------- 4
3.2 variables aleatorias discretas -------------------------------------------------- 5
3.3 variables aleatorias continuas ------------------------------------------------ 8
3.4 mtodos para generar variables aleatorios -------------------------------- 9
INTRODUCCIN
3.- Generacin de variables aleatorias.
3.1 Conceptos bsicos de variables aleatorias.
En estadstica, un nmero aleatorio es un resultado de una variable al azar
especificada por una distribucin. Los algoritmos para la generacin de valores
uniformemente distribuidos estn presentes en todas las calculadoras y lenguajes de
programacin, y suelen estar basados en congruencias numricas del tipo:
El xito de este tipo de generadores de valores de una variable aleatoria depende
de la eleccin de los cuatro parmetros que intervienen inicialmente en la expresin
anterior:
El valor inicial o semilla: x0
La constante multiplicativa: a
La constante aditiva: c
El nmero m respecto al cual se calculan los restos Estos cuatro valores deben
ser nmeros enteros no negativos y que cumplan la siguiente condicin: x0,a,c <
m Por la condicin anterior, es evidente que todos los valores generados por este
procedimiento son nmeros enteros entre 0 y m-1. El nmero mximo de cifras
distintas que pueden obtenerse con el procedimiento descrito es m, as que llegar
un momento en que el primer nmero generado se repetir producindose un
ciclo. El ciclo dnde inevitablemente caer el generador interesa que sea de la
mayor longitud posible (como mximo m), para evitar que se repitan pronto los
valores aleatorios. Por ejemplo, para los valores a = 3, c = 5, x0 = 2 y m = 32 se
obtiene la siguiente secuencia de valores: 2-11-6-23-10-3-14-15-18-27-22-7-26-
19-30-31-2-11-6 La secuencia generada tiene como longitud 16 nmeros (el
nmero generado en la decimosptima posicin es el 2 inicial, por lo que toda la
secuencia se repite a partir de ah), muy inferior a la longitud mxima que podra
tener (m=32). Determinadas elecciones de parmetros del generador (x0 , a , c y
m) conducen a ciclos de amplitud mxima.
Si c!=0: o m.c.m.(c,m) = 1

24

Si c=0: m es primo
para cada primo p de m si 4 es divisor de m
para cada factor primo p de m-1

Porejemplo,tomandocomovaloresm=25 =32,a=5,x0 =1yc=3se obtiene la siguiente
secuencia de nmeros, que tiene longitud mxima:
1-8-11-26-5-28-15-14-9-16-19-2-13-4-23-22-17-24-27-10-21-12-31-30-25-0-3- 18-
29-20-7-6-1
3.2 Variables aleatorias discretas
Mtodo de la transformacin inversa
Sea X una variable aleatoria discreta con funcin de distribucin F y probabilidades
puntuales
Considerando la funcin F, que es escalonada, se tiene el siguiente algoritmo: 1.
Se hace s=p1, i=1. 2.
Se genera u = U (0,1) .
Si u < s , entonces x=xi es el valor que se genera y finaliza el algoritmo. Si u>s,
entonces se hace i=i+1, s=s+pi y se repite el paso 2.

25
Distribuciones concretas Distribucin geomtrica
Representa el nmero de fracasos hasta que se produce el primer xito en un
experimento de Bernouilli de parmetro p.
La variable geomtrica se puede relacionar fcilmente con la variable exponencial:
Sea . Sea x>0.
Como , tomemos tal que para conseguir la expresin



de probabilidad puntual de una distribucin G(p). Basta tomar Tras esto se toma
un valor y generado segn una
x=[y]. Ya se vio que para ello hay que hacer , con lo que se concluye que
Distribucin binomial negativa
. y se toma
, por

Representa el nmero de fracasos antes del r-simo xito en un experimento de
Bernouilli de parmetro p.

26
Existen varias formas de simular variables con distribucin binomial negativa: la
ms inmediata es ir simulando experimentos de Bernouilli de parmetro p y contabilizar
los fracasos hasta que se obtiene el xito r-simo. Otro modo consiste en observar que
una variable BN(p,r) es suma de r variables geomtricas G(p) independientes, por lo que
basta simular r veces una geomtrica con parmetro p y sumar los valores obtenidos.
Veamos tambin un algoritmo directo basado en el mtodo de composicin.

Sean (Poisson) y
.



Luego esta composicin es
BN(p,r), entonces debemos tomar algoritmo:
1. Se genera .
2.
. Como nosotros queremos simular una , , resultando el siguiente

Se genera .
Este valor x est distribuido segn una distribucin binomial negativa BN(p,r).
27
Distribucin de Poisson
En la primera parte de la asignatura se vio que si los tiempos entre sucesos
consecutivos son , entonces el nmero de sucesos por unidad de
tiempo sigue una distribucin de Poisson de parmetro . En consecuencia, para
generar una variable , podemos proceder del siguiente modo: se

generan valores corresponder a
tales que . Ese valor x una variable .

Como los valores Tj son exponenciales de parmetro , entonces se tiene que ,
con , por lo que
En resumen, el algoritmo es el siguiente: 1.
Sean k=1, x=1. 2.


28
Se genera y se hace k=kui. 3.
Si , entonces x-1 es el valor buscado. En caso contrario se hace x=x+1 y
se va al paso 2.
3.3 Variables aleatorias continuas
Distribucin exponencial Un mtodo que ya se usado varias veces consiste en
tomar
con . Otro mtodo, basado en los estadsticos ordenados y que permite
generar n valores a la vez, es el siguiente: se generan
Ordenando obtenemos y definimos u(0)=0, u(n)=1. Ahora se hace
Estos valores corresponden a una variable Exp(1) y son independientes.
Distribucin gamma
Sea y . Como esta distribucin es reproductiva respecto del
segundo parmetro y una variable es una , consideramos la
siguiente descomposicin:


29

Es por esto por lo que basta limitarse a simular variables con . El
siguiente teorema nos da un mtodo directo para simular estas variables. Si
y son independientes, entonces
Distribucin beta
Si , , entonces f est acotada y se puede aplicar aceptacin y rechazo. El
valor mximo de f se alcanza en para una cota de
Sin embargo, el mtodo slo es eficiente si tanto como estn prximos a
uno. En los dos siguientes teoremas veremos dos mtodos para simular
variables beta de modo eficiente. Si e son independientes,
entonces


30

Sean U1, e independientes, . Si , entonces
Distribucin normal
Para generar una variable , basta generar una variable N(0,1), pues
Con el fin de generar una variable N(0,1) se considera el cambio de coordenadas
siguiente (cambio polar):
con e independientes. Las variables Z1, Z2 son N(0,1) e independientes.
3.4 Mtodos para generar variables aleatorios
Para la funcin triangular:


31