Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPTULO 2
47
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Captulo 2
Generacin de Nmeros Aleatorios
Competencias de la Unidad
SUMARIO
48
M. C. Sergio Humberto Romo Picazo
Ingeniera Industrial
50
M. C. Sergio Humberto Romo Picazo
Ingeniera Industrial
0
1
f ( x)
0
si 0 x 1
de otro mod o
E r x dx
1
x2
2
1
2
x3 1 1 1 1
V (r ) x dx E (r )
3 0 2 3 4 12
0
1
de
nmeros
pseudoaleatorios.
Un
generador
de
nmeros
53
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
3. Longitud. La rutina debe tener un largo periodo, esto se conoce como longitud
de ciclo o periodo, y representa la longitud de la secuencia de nmeros
pseudoaleatorios
(en
adelante
los
denominaremos
aleatorios
54
M. C. Sergio Humberto Romo Picazo
Cuadrados medios. Propuesto por Van Neuman y Metropolis en 1946. Este mtodo
es ineficiente porque tiende degenerar con rapidez y, dependiendo de su valor inicial,
pierde rapidez.
Procedimiento
Paso 1. Seleccin de la semilla, a la que se denomina X 0 , con d dgitos mayores a 3.
Paso 2.
a) Determinar Y0 X 0
Y0
55
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Yi-1
Xi
ri
92302 85192900
1929
0.1929
19292 03721041
7210
0.7210
Comentarios
72102 51984100
9841
0.9841
98412 96845281
8452
0.8452
84522 71436304
4363
0.4363
Tabla 2.1 Procedimiento del algoritmo de cuadrados medios para el ejemplo 2.1
Productos medios. El procedimiento de este algoritmo se similar al anterior, slo
que aqu se utilizan dos semillas: X 0 y X1 las cuales se multiplican para obtener el
valor de Y0 . Para obtener X 2 se extraen los d dgitos del centro del valor de Y0 el cual
servir para obtener r1 0. X 2 . Enseguida se determina el valor de Yi X i X i 1 , y se
extraen los d dgitos del centro para obtener el valor de X i 2 y de ah ri . Se repite el
procedimiento hasta obtener los n nmeros deseados.
Procedimiento
Paso 1. Seleccin de las semillas, a las que se les denomina X 0 y X1 , con d dgitos
mayores a 3.
Paso 2.
a) Determinar Y0 X 0 X1
b) Definir X 2 los d dgitos del centro2
c) Defina ri 0. X 2
Paso 3
2
Y0
56
M. C. Sergio Humberto Romo Picazo
a) Determine Yi X i X i 1
b) Defina X i 2 los d dgitos del centro.
c) Defina ri 0. X i 2 para toda i = 1, 2,, n
Paso 4. Repita el paso 3 hasta obtener los n nmeros aleatorios deseados.
Ejemplo 2.2
Usando el algoritmo de productos medios genere los primeros cinco nmeros
aleatorios si se tienen las semillas X 0 9230 y 2449.
Solucin
La tabla 2.2 muestra los resultados de cada uno de los pasos del procedimiento
antes descrito.
I
Yi-1
Xi
ri
92302449 22604270
6042
0.6042
24496042 14796858
7968
0.7968
60427968 48142656
1426
0.1426
79681426 11362368
3623
0.3623
14263623 05166398
1663
0.1663
Comentarios
Tabla 2.2 Procedimiento del algoritmo de productos medios para el ejemplo 2.2
Multiplicador constante. El procedimiento de este algoritmo se similar al anterior,
slo que aqu se una semilla y un multiplicador constante: X 0 y a, respectivamente,
los cuales se multiplican para obtener el valor de Y0 . Para obtener X 1 se extraen los d
dgitos del centro del valor de Y0 el cual servir para obtener r1 0. X1 . Enseguida se
determina el valor de Yi a X i , y se extraen los d dgitos del centro para obtener el
57
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Y0
58
M. C. Sergio Humberto Romo Picazo
Yi-1
Xi
ri
24499230 22604270
6042
0.6042
24496042 14796858
7968
0.7968
24497968 19498938
4989
0.4989
24494989 12218061
2180
0.2180
24492180 05338820
3388
0.3388
Comentarios
Tabla 2.3 Procedimiento del algoritmo del multiplicador constante para el ejemplo
2.3.
2.3.2. Algoritmos congruenciales lineales
En la subseccin 2.3.1 se estableci que los mtodos presentados ah son
ineficientes por dos razones principales, primero porque degeneran rpidamente y no
aseguran obtener ciclos muy grandes y, en segundo lugar, porque tienden a ser
lentos en su procesamiento.
La mayora del software de simulacin est basado en los generadores
congruenciales lineales (LCG, por su sigla en ingls). Este generador es eficiente ya
que produce rpidamente una secuencia de nmeros aleatorios sin requerir muchos
recursos computacionales, (Harrell, et al, 2003). A continuacin se presentan tres de
los ms representativos: el mixto, el multiplicativo y el aditivo.
Algoritmo congruencial lineal mixto. Produce una secuencia de enteros x1, x2,
entre cero y m-1 por medio de la ecuacin recursiva siguiente
xi 1 axi c mod m i 1, 2,
(2.1)
Donde:
x0 = valor inicial llamado semilla
a = constante multiplicativa
59
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
c = constante aditiva
m = mdulo
x0, a, c, m 0, enteros y m > a, m > c, m > x0
En la ecuacin recursiva 2.1, mod m representa la operacin aritmtica mdulo la
cual arroja como resultado el residuo entero de la divisin de (axi + c) entre m.
La ecuacin recursiva 2.1 produce nmeros aleatorios enteros discretos por lo que
es necesario convertirlos a nmeros aleatorios uniformes en el intervalo [0,1], lo cual
se logra haciendo
ri
xi
m
i 1, 2,
(2.2)
Banks, Carson II, Nelson y Nicol (2005), hacen notar que con la aplicacin de la
ecuacin recursiva 2.1 se tienen los siguientes resultados:
i = 1, 2,, no tienen
60
M. C. Sergio Humberto Romo Picazo
El ejemplo 2.4 muestra los clculos del algoritmo congruencial mixto. Los parmetros
que se eligieron lo hacen ideal para mostrar que se alcanza el periodo completo, P =
m = 8, aunque este periodo no nos servira en una simulacin ya que su longitud es
muy pequea. Se obtiene un periodo completo cuando la longitud de la secuencia de
nmeros es igual a m, la longitud del ciclo nunca exceder este valor.
Ejemplo 2.4
Use el mtodo congruencial lineal mixto para generar una secuencia de nmeros
aleatorios, tantos como sea posible, con los siguientes parmetros:
x0 4, a 5, c 7, m 8.
Solucin
Sustituyendo los valores de los parmetros en la ecuacin 2.1 se tiene:
x1 5 * 4 7 mod 8 3 r1 3 0.375
8
Ahora se sustituye el valor de x1 en la ecuacin 2.1, los dems valores permanecen
igual, dando como resultado
x2 5 * 3 7 mod 8 6 r2 6 0.750
8
La tabla 2.4 muestra los clculos para el resto de los valores. Observe que cuando
se genera x9 se repite el mismo valor obtenido para x1 , lo cual muestra que se ha
obtenido el mximo periodo, en este caso, de ocho nmeros aleatorios.
Periodo completo o ciclo completo. En 1966 Hull y Dobell presentaron un teorema
para obtener el periodo completo:
El LCG
Ingeniera Industrial
b = 3, es decir m = 23 = 8.
a = 1 + 4k = 1 + (4*1) = 5
X0
a
c
m
ri
0.375
0.750
0.625
0.000
0.875
0.250
0.125
0.500
0.375
Tabla 2.4 Aplicacin del algoritmo congruencial lineal mixto para el ejemplo 2.4
62
M. C. Sergio Humberto Romo Picazo
(2.3)
Este algoritmo tiene como ventaja ser ms rpido, ya que requiere menos
operaciones.
La
sucesin
de
nmeros
aleatorios
generados
tienen
buen
x1 5 * 4 mod 8 4 r1 4 0.500
8
Para la siguiente iteracin se observa que x1 = x2 = 4, por lo que vamos a obtener el
mismo resultado. Banks, et al, (2005), aconsejan que para obtener el periodo ms
grande posible, P m / 4 2b2 , se deben cumplir las condiciones siguientes:
a = 3 + 8k o a = 5 + 8k, k = 0, 1, 2, 3,
Ejemplo 2.5
Utilice el algoritmo congruencial lineal multiplicativo para generar tantos nmeros
aleatorios como sea posible si se utilizan los siguientes parmetros: b = 6, k = 5 y
una semilla x0 = 145.
Solucin
Aplicando la ecuacin 2.3 se obtienen los siguientes resultados para x1 y x2, como
sigue. La tabla 2.5 muestra que no se tiene un periodo completo, slo se generaron
63
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
16 nmeros, esto corresponde a m/4 = 64/4 = 16, que confirma que respetando las
condiciones aconsejadas, se obtiene el mximo periodo P.
m = 2b = 26 = 64
a = 5 + 8k = 5 + 8*5 = 45
x2 45 * 61 mod 64 57 r2 57
64
0.8906
X(i+1)
61
57
5
33
13
9
21
49
29
25
37
1
45
41
53
17
61
ri
0.9531
0.8906
0.0781
0.5156
0.2031
0.1406
0.3281
0.7656
0.4531
0.3906
0.5781
0.0156
0.7031
0.6406
0.8281
0.2656
0.9531
Observaciones
Tabla 2.5 Nmeros aleatorios generados a travs del algoritmo congruencial lineal
multiplicativo para el ejemplo 2.5
64
M. C. Sergio Humberto Romo Picazo
i n 1, n 2 , N
(2.4)
Ejemplo 2.6
Mediante el algoritmo congruencial lineal aditivo, genere 5 nmeros aleatorios entre 0
y 1, si tiene la siguiente secuencia de enteros aleatorios: 4, 51, 39, 93, 69. Utilice un
mdulo m = 32.
Solucin
Conservando el orden en que fueron generados se tiene:
r1 29 / 32 0.90625
r2 16 / 32 0.50000
r3 23 / 32 0.71875
r1 20 / 32 0.62500
r1 25 / 32 0.78125
i 0, 1, 2, 3,, N
(2.5)
65
Ingeniera Industrial
2 * 30
x0
a
b
c
m
CONGRUENCIAL CUADRTICO
5
2
19
13
32
i
x(i+1)
1
30
2
15
3
12
4
17
5
18
ri
0.9375
0.46875
0.375
0.53125
0.5625
un
gran
desarrollo
en
el mbito
de
la
generacin
de
nmeros
pseudoaleatorios, por ejemplo, Dutang y Wuertz (2009) hacen una revisin de los
distintos tipos de reas y las clasifican en: generadores congruenciales lineales,
generadores recursivos mltiples en los que destaca Knuth-TAOCP-2002, MersenneTwister, generadores congruenciales bien equidistribuidos de largo periodo, SMIDOriented fast Mersenne-Twister Algorithms y la generacin de nmeros cuasi
66
M. C. Sergio Humberto Romo Picazo
La media de los nmeros generados puede ser muy alta o muy baja.
La varianza de los nmeros generados puede ser muy alta o muy baja.
Estas son las razones principales que tienen que ver con las dos propiedades
estadsticas de inters que ya se han mencionado: la uniformidad y la independencia.
Al generar nmeros pseudoaleatorios es conveniente asegurarnos que los nmeros
tienen comportamiento aleatorio, para ello tomamos una muestra y con ella le
realizamos una serie de pruebas estadsticas generalmente usando algn paquete
estadstico. Sin embargo, en esta seccin revisaremos las pruebas sin el auxilio del
software para entender mejor qu hacen, cmo lo hacen y la manera de interpretar
sus resultados.
Las pruebas que se muestran son pruebas de hiptesis, por lo tanto, siguen un
procedimiento estndar como el que sugieren Walpole y Myers (1984) que se
describe a continuacin:
1. H 0 : 0
67
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Pruebas de independencia
o Prueba de corridas ascendentes y descendentes
o Pruebas de corridas arriba y debajo de la media
o Prueba de series
Prueba de medias
68
M. C. Sergio Humberto Romo Picazo
0.203
0.984
0.766
0.547
0.328
0.109
H 0 : ri 0.5
2. H1 : r 0.5
i
3. Nivel de significancia 0.05
4. Para este caso, la regin crtica se establece a partir de los siguientes lmites
de aceptacin:
LI r
1 z / 2
2
12n
2.6 (a)
LSr
1 z / 2
2
12n
2.6 (b)
Ingeniera Industrial
LI r
1 z / 2
1.96
0.5
0.406
2
12n
12 * 36
LI r
1 z / 2
1.96
0.5
0.594
2
12n
12 * 36
r
11
2.7
r
11
Prueba de la varianza
Ejemplo 2.9
Con los datos de la tabla 2.7 determine si el conjunto de nmeros ri tiene una
varianza de 1/12, para un nivel de confianza de 95%.
Solucin
1. H 0 : r2 1 / 12
i
2. H1 : r2 1 / 12
i
3. Nivel de significancia 0.05
4. Para este caso, la regin crtica se establece a partir de los siguientes lmites
de aceptacin:
70
M. C. Sergio Humberto Romo Picazo
12 / 2,n1
LI 2
2.8 (a)
12n 1
LS 2
r
2 / 2,n1
2.8 (b)
12n 1
12 / 2,n1
LI 2
12n 1
LS 2
r
20.5694
0.0490
12(36 1)
53.2033
0.1267
12(36 1)
2 / 2,n1
12n 1
r r
n
i 1
2.9
n 1
r
i
35
2
r
i
r 0.490
i 1
36 1
0.0916
Ingeniera Industrial
2.4.1.3.
Prueba de Kolgomorov-Smirnov
0.016, 0.031, 0.125, 0.203, 0.219, 0.391, 0.609, 0.797, 0.844, 0.938
Paso 2. Calcule
i
D mx ri
1i n n
2.10 (a)
i 1
D mx ri
1in
n
2.10 (b)
Paso 3. Calcule
D mx D , D
2.11
La tabla 2.8 muestra los pasos 1 a 3 del procedimiento, una vez obtenida el valor
de D, procedemos a su comparacin con el valor en tablas para definir si se
acepta o no la hiptesis de uniformidad.
I
i
n
r (i)
i 1
n
i
ri
n
i 1
ri
n
PRUEBA DE KOLGOMOROV-SMIRNOV
4
5
6
10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.016
0.031
0.125
0.203
0.219
0.391
0.609
0.797
0.844
0.938
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.084
0.169
0.175
0.197
0.281
0.209
0.091
0.003
0.056
0.063
0.016
-0.069
-0.075
-0.097
-0.181
-0.109
0.009
0.097
0.044
0.038
0.281
0.097
0.281
D mx D , D
2.4.1.4.
73
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
.
m
Ei Oi 2
i 1
Ei
02
2.12
Donde:
Ei = frecuencia esperada en el subintervalo m
Oi = frecuencia observada en el subintervalo m
m n , n tamao de la muestra
Recuerde que tabla 2.7 muestra los 36 nmeros que estn siendo sometidos a la
prueba.
74
M. C. Sergio Humberto Romo Picazo
2
, m 1
2.13
2
2
11.070
, m 1
0.05,5
Ei Oi 2
Subintervalo
0 - 0.167
0.168 - 0.334
0.335 - 0.501
0.502 - 0.668
0.669 -0.885
0.886 - 1.000
Oi
7
6
6
5
7
5
36
Ei
6
6
6
6
6
6
36
0.05,5
Ei
0.167
0.000
0.000
0.167
0.167
0.167
0.667
11.070
Ingeniera Industrial
Ei Oi 2
i 1
Ei
2
0
76
M. C. Sergio Humberto Romo Picazo
1
1
0
0
0
0
1
2
3
4
5
2
0
1
0
0
1
3
1
0
1
0
1
4
1
0
0
1
0
5
1
0
1
0
1
6
0
0
1
0
1
2n 1
3
2.14
c2
16n 29
90
2.15
77
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
La estadstica de prueba es
z0
c c
2.16
ri
0.844
0.016
0.938
0.609
0.031
0.203
0.125
0.797
0.219
0.391
0.313
0.984
0.406
0.578
0.500
0.172
0.594
0.766
0.688
0.359
0.781
0.953
0.875
0.547
0.969
0.141
0.063
0.734
0.156
0.328
0.250
0.922
0.344
0.516
0.438
0.109
01
0
1
0
0
1
0
1
0
1
0
1
0
1
0
0
1
1
0
0
1
1
0
0
1
0
0
1
0
1
0
1
0
1
0
0
c=
0.203
0.984
0.766
0.547
0.328
0.109
2n 1 2 * 36 1
24.667
3
3
c2
16n 29 16 * 36 29
6.077
90
90
z0
c c
27 24.667
0.946
6.077
2.4.2.2.
Esta prueba es similar a la anterior, slo que ahora se formarn las corridas
atendiendo si los nmeros pseudoleatorios estn por arriba o por debajo de la media
de la distribucin uniforme (0.5).
Ejemplo 2.13
Nuevamente se hace referencia a los datos de la tabla 2.7 para comprobar la
independencia de los nmeros mediante la prueba de corridas arriba y por debajo de
la media. Considere un nivel de confianza del 95%.
1. H 0 : los nmeros del conjunto ri son independientes
79
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
2n0 n1 1
n
2
2.17
c2
2n0 n1 2n0 n1 n
n 2 n 1
2.18
Estadstica de prueba
z0
c c
2.19
c2
la
lectura
del
tema.
Primero
se
convierten
los
nmeros
0.203
0.984
0.766
0.547
0.328
0.109
80
M. C. Sergio Humberto Romo Picazo
ri
0.844
0.016
0.938
0.609
0.031
0.203
0.125
0.797
0.219
0.391
0.313
0.984
0.406
0.578
0.500
0.172
0.594
0.766
0.688
0.359
0.781
0.953
0.875
0.547
0.969
0.141
0.063
0.734
0.156
0.328
0.250
0.922
0.344
0.516
0.438
0.109
01
1
0
1
1
0
0
0
1
0
0
0
1
0
1
0
0
1
1
1
0
1
1
1
1
1
0
0
1
0
0
0
1
0
1
0
0
c=
1
1
Esta es una corrida de tres ceros
1
1
1
1
1
1
1
1
1
1
1
1
1
1
20
81
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
c2
8.6874
n 2 n 1
362 (36 1)
Estadstica de prueba
z0
c c
2
c
20 *18.444
0.5278
8.6874
n0
n1
n
c
Valor crtico
19
17
36
20
1.96
2n0 n1 1
n
2
c2
2n0 n1 2n0 n1 n
c c
z0
n 2 n 1
c2
18.444
CONCLUSIN
8.6874
Aceptar
0.5278
Prueba de series
2.
forma que r1 , ri1 , r11 , ri2 ,, rn1 , rn . Con estas duplas se crea una grfica de
dispersin dividida en m casillas, siendo m el valor ms cercano
n.
Ei Oi 2
i 1
Ei
2
0
(0.844,0.016),
(0.016,0.938),
(0.938,0.609)...(0.516,0.438),
(0.516,0.109).
La figura 2.2 muestra la grfica de dispersin para estos pares ordenados de
nmeros aleatorios. Se dividi en m = 9 casillas en las que se contabiliz el
nmero de puntos que cayeron dentro de cada una de ellas. Esto nos da el
valor de la frecuencia observada, Oi, en este caso, O1 = 3, O2 = 5, O3 = 7, O4 =
2, O5 = 5, O6 = 6, O7 = 1, O8 = 3 y O1 = 3.
La tabla 2.14 muestra la prueba chi-cuadrada. Observe que el valor de la
frecuencia esperada es Ei = 35/9 = 3.9. El valor crtico se determin con el
valor en tablas para 02.05,8 15.507 el cual servir para comparar con el del
estadstico de prueba que es 02 7.943 .
83
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
0.203
0.984
0.766
0.547
0.328
0.109
ri 1
0.016
0.938
0.609
0.031
0.203
0.125
0.797
0.219
0.391
0.313
0.984
0.406
0.578
0.500
0.172
0.594
0.766
0.688
0.359
0.781
0.953
0.875
0.547
0.969
0.141
0.063
0.734
0.156
0.328
0.250
0.922
0.344
0.516
0.438
0.109
84
M. C. Sergio Humberto Romo Picazo
Ei Oi 2
Intervalo
1
2
3
4
5
6
7
8
9
Ei
3.9
3.9
3.9
3.9
3.9
3.9
3.9
3.9
3.9
Oi
3
5
7
2
5
6
1
3
3
02
02.05,8
Ei
0.203
0.317
2.489
0.917
0.317
1.146
2.146
0.203
0.203
7.943
15.507
2.5. Obtencin
de
nmeros
pseudoaleatorios
utilizando
paquetes
computacionales
Despus de la lectura de la seccin precedente debi haberle quedado claro que
existen muchos algoritmos para generar nmeros aleatorios y la importancia que las
85
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
secuencias
generadas
pasen
las
pruebas
estadsticas
de
uniformidad
independencia. LEcuyer (1997, 2001) advierte sobre el cuidado que debe tenerse al
utilizar un generador de nmeros pseudoaleatorios. Dice Cuando aplicamos
conjuntos de pruebas a los generadores de nmeros aleatorios que actualmente se
encuentran en el software comercial (software estadstico y simulacin, hojas de
clculo, etc.), nos encontramos con que muchos de ellos fallan las pruebas
espectacularmente. Algunos de los que se tiene que desconfiar son los que a
continuacin se listan, Ros, David; Ros, Sixto; Martn y Jacinto, (2009)
xn
248
xn
224
nmeros
pseudoaleatorios
obtenidos
partir
de
diferentes
paquetes
Ingeniera Industrial
Frecuencia
(Toneladas/da)
(nmero de das)
10
35
40
25
30
25
10
15
89
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Solucin
a. Mtodo Montecarlo
Identificacin de la variable aleatoria. La variable aleatoria es la demanda, X = 4, 5, 6,
7, 8, 9, 10.
Construccin de la distribucin acumulativa de probabilidad para la variable aleatoria.
La tabla 2.17 muestra la demanda, la frecuencia, la probabilidad de la demanda p(X)
y la probabilidad acumulativa, P(X).
Probabilidad
Demanda (x)
Frecuencia
Probabilidad
(Toneladas/da)
(nmero de das)
p(X)*
10
0.06
0.06
35
0.19
0.25
40
0.22
0.47
25
0.14
0.61
30
0.17
0.78
25
0.14
0.92
10
15
0.08
1.00
acumulativa
P(X)
Tabla 2.17. Probabilidades p(X) y P(X) para la demanda del ejemplo 2.15. *Valores
redondeados a centsimos.
Dado que para cualquier distribucin de probabilidad acumulada las probabilidades
caen en el intervalos [0, 1], es posible generar una ocurrencia aleatoria
correspondiente a una distribucin probabilstica especfica, seleccionando un
nmero aleatorio en el intervalo [0, 1], encontrando el intervalo de la distribucin
acumulativa dentro del cual cae el nmero aleatorio e identificando el valor asociado
de la demanda. La tabla 2.18 muestra los intervalos en los que puede caer el nmero
aleatorio y su demanda asociada.
90
M. C. Sergio Humberto Romo Picazo
Intervalo
Demanda (X)
Ton/da
0 ri 0.06
92 < ri 1.00
10
Xi
ri
Xi
ri
Xi
ri
Xi
0.45
0.82
0.91
0.26
0.79
0.22
0.17
0.03
0.59
0.40
0.77
0.52
0.53
0.27
0.84
0.19
0.72
0.55
0.31
0.44
Ingeniera Industrial
r2 =0.79
r1 =0.45
Demanda, X
Figura 2.3. Muestreo Monte Carlo para los dos primeros nmeros aleatorios del
ejemplo 2.15.
De acuerdo con los resultados del muestreo Monte Carlo, la demanda promedio es la
siguiente:
20
X
i 1
20
135
6.75 Ton/da
20
Y la desviacin estndar es
X 1.517 Ton/da
b. Mtodo analtico
En realidad la solucin de este problema es mucho ms sencilla que mediante la
simulacin Monte Carlo. Esto se puede determinar a travs del concepto de valor
esperado de la variable aleatoria, como sigue:
92
M. C. Sergio Humberto Romo Picazo
93
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
nmero aleatorio que comparamos con los intervalos inferior y superior de la tabla de
la figura 2.4 y nos devuelve el valor de la demanda.
Figura 2.5. Tabla donde se muestran los resultados de la simulacin Monte Carlo
para el ejemplo 2.16
Los resultados presentados en la figura 2.5 muestran que ahora el promedio es 6.94
Ton/da que se aproxima ms al valor esperado calculado mediante el mtodo
analtico, sin embargo, este resultado fue producto del azar ya que cada vez que
efectuamos alguna otra operacin el resultado cambiar. Esto tambin sera posible
hacerlo una secuencia fija de nmeros aleatorios como lo hicimos en el ejemplo 2.15
2.7. Proyecto Final. Segundo avance
Obtencin de datos. Este segundo avance estar enfocado a la obtencin de datos.
Para ello se tienen que considerar los siguientes aspectos:
a. Elegir un procedimiento para la obtencin de datos.
b. Los tipos de datos que deben obtenerse.
c. Fuentes que deben usarse cuando se obtienen los datos.
d. Tipo de anlisis que deben realizarse a los datos.
94
M. C. Sergio Humberto Romo Picazo
95
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
96
M. C. Sergio Humberto Romo Picazo
97
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
nmero
pseudoaleatorio.
2. Qu dispositivos se pueden utilizar para generar nmeros aleatorios?
3. Cules
son
las
caractersticas
estadsticas
de
los
nmeros
pseudoaleatorios?
4. Cul es el valor esperado de los nmeros aleatorios uniformes? Su
varianza?
5. Qu aspectos importantes se deben considerar al momento de elegir un
generador de nmeros pseudoaleatorios?
98
M. C. Sergio Humberto Romo Picazo
2.9. Problemas
1. Genere cinco nmeros pseudoaleatorios mediante el mtodo de cuadrados
medios si el valor de la semilla es X 0 4233.
2. Si se generan cinco nmeros pseudoaletorios mediante el mtodo de
productos medios, con semillas X 0 4233 y X1 2707 Cul es el valor de
Y3? Cul es el valor de X4? Cul es el valor de r5?
3. Genere cinco nmeros pseudoaleatorios mediante el mtodo del
multiplicador constante si X 0 4233 y a 2707
4. Genere los nmeros pseudoaleatorios utilizando el algoritmo congruencial
lineal mixto hasta alcanzar el periodo completo si se tienen los siguientes
parmetros:
Generador
X0
a.
16
b.
41
31
75
16
c.
41
145
32
X0
a.
16
b.
43
75
16
c.
43
145
32
99
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
8. Prepare
Generador
a.
15 13
b.
c.
una
hoja
de
X0
195
32
16
33 23 1233
16
15
87
clculo
en
Excel
para
generar
nmeros
una
hoja
de
clculo
en
Excel
para
generar
nmeros
100
M. C. Sergio Humberto Romo Picazo
Frecuencia
11
12
10
Utilice el mtodo Monte Carlo para simular 20 das de trabajo de ese taller.
Para la simulacin use los primeros 20 nmeros pseudoaleatorios que gener
en el ejercicio 9.
a. En promedio, cuntas solicitudes de servicio se recibirn en un da
dado?
101
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Frecuencia
30
18
40
16
50
15
60
13
70
11
80
10
90
10
100
110
120
Esta seccin tiene como propsito que usted desarrolle las actividades que se
sugieren para que adquiera las competencias especficas que se incluyen en el
102
M. C. Sergio Humberto Romo Picazo
programa de estudios. Es importante que las realice todas ya que cada una de ellas
tiene una cierta ponderacin en la evaluacin de la unidad. En esta unidad se
incluyen cuatro competencias especficas que son:
Realizar
las
conclusiones
pruebas
estadsticas
correspondientes
de
para
aleatoriedad
los
nmeros
establecer
las
pseudo-aleatorios
generados.
1. Conocer
la
diferencia
entre
nmeros
aleatorios
desarrollar
pseudoaleatorios.
Actividades
Ingeniera Industrial
correspondiente,
Unidad
la
que
Cuide
104
pertinentes
de
los
autores
que
deber
contener
en
orden
Presentacin
o El tamao de letra es 12, el tipo de la fuente de la
misma Arial o Times New Roman, con interlineado
de 1.5, texto justificado, sin sangras y con
mrgenes de 2.5 en toda la pgina, excepto el
margen izquierdo que ser de 3.
o La extensin del contenido del reporte tendr como
mnimo diez cuartillas sin considerar portada, ndice
y bibliografa. Como mximo podr tener diez
cuartillas.
Productos a
Entregar
Diferencia
entre
nmeros
aleatorios
nmeros
pseudoaleatorios.
Evaluacin
1. Entrega
oportuna
del
reporte
de
la
Investigacin
propsito
de
la
Investigacin
Documental solicitada.
2. Definicin
clara
del
Documental.
3. Descripcin organizada y detallada de la ejecucin del
105
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
trabajo.
4. Presentacin de los hallazgos del ejercicio y reflexin
personal sobre la actividad de aprendizaje realizada.
5. Incluir apropiadamente datos bibliogrficos. Reportar todas
las fuentes
correctamente (APA).
Competencia a
desarrollar
pseudoaleatorios.
Actividades
Instrucciones
correspondiente,
Unidad
la
que
106
M. C. Sergio Humberto Romo Picazo
que
deber
contener
en
orden
Presentacin
o El tamao de letra es 12, el tipo de la fuente de la
misma Arial o Times New Roman, con interlineado
de 1.5, texto justificado, sin sangras y con
mrgenes de 2.5 en toda la pgina, excepto el
margen izquierdo que ser de 3.
o La extensin del trabajo no tiene lmite, slo debe
considerar que se deben entregar todos los
problemas propuestos.
Productos a
Entregar
Evaluacin
Ingeniera Industrial
correctamente (APA).
Competencia a
desarrollar
Actividades
las
tablas
obtenidas
en
el
sitio
108
M. C. Sergio Humberto Romo Picazo
Asignatura
correspondiente,
Unidad
la
que
que
deber
contener
en
orden
Presentacin
o El tamao de letra es 12, el tipo de la fuente de la
misma Arial o Times New Roman, con interlineado
de 1.5, texto justificado, sin sangras y con
109
Ingeniera Industrial
Entregar
Evaluacin
1. Entrega
oportuna
del
reporte
de
la
Investigacin
Documental solicitada.
2. Definicin clara del propsito de la solucin de los
problemas.
3. Descripcin organizada y detallada de la ejecucin del
trabajo.
4. Presentacin de los hallazgos del ejercicio y reflexin
personal sobre la actividad de aprendizaje realizada.
5. Incluir apropiadamente datos bibliogrficos. Reportar todas
las fuentes
correctamente (APA).
110
M. C. Sergio Humberto Romo Picazo
Competencia a
desarrollar
Actividades
aleatorios,
cambie
los
valores
de
los
correspondiente,
Unidad
la
que
Ingeniera Industrial
Cuide
pertinentes
de
los
autores
que
deber
contener
en
orden
Presentacin
o El tamao de letra es 12, el tipo de la fuente de la
misma Arial o Times New Roman, con interlineado
de 1.5, texto justificado, sin sangras y con
mrgenes de 2.5 en toda la pgina, excepto el
112
Entregar
Evaluacin
1. Entrega
oportuna
del
reporte
de
la
Investigacin
Documental solicitada.
2. Definicin clara del propsito de la solucin de los
problemas.
3. Descripcin organizada y detallada de la ejecucin del
trabajo.
4. Presentacin de los hallazgos del ejercicio y reflexin
personal sobre la actividad de aprendizaje realizada.
5. Incluir apropiadamente datos bibliogrficos. Reportar todas
las fuentes
correctamente (APA).
Tabla 2.22 Competencia: Explicar, con base en las pruebas estadsticas, por qu
algunos mtodos o parmetros para la generacin de nmeros pseudoaleatorios no
son confiables.
113
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial
Proyecto Final
Actividades
Instrucciones
correspondiente,
Unidad
la
que
de este proyecto.
Presentacin
o El tamao de letra es 12, el tipo de la fuente de la
misma Arial o Times New Roman, con interlineado
de 1.5, texto justificado, sin sangras y con
mrgenes de 2.5 en toda la pgina, excepto el
margen izquierdo que ser de 3.
Productos a
Entregar
Obtencin de la informacin
Evaluacin
1. Entrega
oportuna
del
primer
avance.
Captulo
2:
Obtencin de la informacin.
2. En la introduccin presenta el propsito de la actividad.
3. Determinar
las
necesidades
de
datos.
Define
correctamente (APA).
Ingeniera Industrial
Bibliografa y Referencias
McGraw
Hill
Interamericana Editores, S. A. de C. V.
Banks, J., Carson II, J., Nelson, B. y Nicol, D. (2005) Discrete-Event System
Simulation, 4th Edition, USA, Prentice Hall, Inc.
Banks, J., Carson II, J. y Nelson, B. (1996). Discrete-Event System Simulation,
Second Edition, USA, Prentice Hall, Inc.
Banks, Jerry. (1998). Handbook of Simulation: Principles, Methodology, Advances,
and Practice, First Edition, USA, John Wiley & Sons Inc.
Coss B, R. (1986) Simulacin: Un enfoque prctico, Primera edicin, segunda
reimpresin, Mxico, Editorial Limusa.
Davis,
Roscoe
Mckeown,
Patrick.
(1986).
Modelos
Cuantitativos
para
116
M. C. Sergio Humberto Romo Picazo
117
Instituto Tecnolgico de Aguascalientes
Ingeniera Industrial