GeneracionVariablesAleatorias PDF

Generacin de
Variables Aleatorias
UCR ECCI
CI-1453 Investigacin de Operaciones
Prof. M.Sc. Kryscia Daviana Ramrez Benavides
Introduccin
Las variables aleatorias se representan por medio de

distribuciones de probabilidad.
El procedimiento para generar variables aleatorias a partir de
distribuciones de probabilidad se conoce como generacin de
variables aleatorias o muestreo de Monte Carlo.
El principio del muestreo se basa en la interpretacin de
frecuencia de la probabilidad y requiere un flujo permanente
de nmeros aleatorios.
UCR-ECCI CI-1453 Investigacin de Operaciones

Generacin de Variables Aleatorias
Tipos de Generadores
Generador congruencial lineal (ms utilizado).

Generador multiplicativo.
Generador mixto.

Generador Congruencial Lineal
Produce una secuencia de enteros x1, x2, ; entre 0 y m-1 de

acuerdo a la siguiente relacin recursiva:
xi +1 = (axi + c ) mod m
(i = 0,1,2,...)
x0 = semilla
Esto da el residuo de la divisin de (axi + c) entre m.

Los nmeros aleatorios se entregan por medio de la relacin:
xi
ri =
m
(i = 1,2,3,...)

Generador Congruencial Lineal (cont.)
Tcnicamente, un nmero aleatorio, ri, se define como una

muestra aleatoria independiente extrada de una distribucin
uniforme continua, cuya funcin de densidad de probabilidad
(fdp) est dada por:
1 0 x 1
f (x ) =
0 en caso contrario
As cada nmero aleatorio estar distribuido de manera
uniforme en el intervalo entre 0 y 1.
Debido a esto, a estos nmeros aleatorios se les conoce como
nmeros aleatorios U(0,1), o simplemente como nmeros
aleatorios uniformes.

Distribucin Uniforme
f(x)
f(x)=y
1
F(x)
1 x

Generacin de Valores para

Variables Aleatorias Discretas
El muestreo de Monte Carlo se logra al asignar intervalos de

nmeros aleatorios de acuerdo a las probabilidades en la
distribucin especificada.
Este mtodo consiste en los siguientes pasos:
1.
2.
Se realiza una segmentacin, para cada probabilidad de la

distribucin se le asigna un rango de valores segn su valor.
Se genera un nmero aleatorio entero r entre 00 y 99.
3.
Cada nmero aleatorio en una secuencia (en este caso de 00 a 99) tiene
una probabilidad igual (en este caso 0.01) de aparecer, y cada uno es
independiente de los nmeros antes y despus de l.
Se devuelve la variable aleatoria discreta de la distribucin que

corresponda con el rango donde pertenece el nmero aleatorio
generado.


Variables Aleatorias Discretas (cont.)
Distribucin de Tiempo de Servicio
Generacin de Valores
Tiempo de Servicio
(minutos)
Probabilidad
Rango
0.35
0 34
0.40
35 74
0.25
75 99
Al generar un nmero aleatorio sali el 62.

El nmero aleatorio 62 pertenece al rango 35 74, por lo que,
la variable aleatoria discreta de la distribucin de tiempo de
servicio que se escoge es 2 minutos.


Variables Aleatorias Continuas
El muestreo de Monte Carlo se logra al transformar los

nmeros aleatorios en una variable aleatoria continua a partir
de la distribucin especificada.
Hay muchos mtodos diferentes para generar variables
aleatorias continuas.
La seleccin de un algoritmo particular depender de la
distribucin a partir de la cual se quiere generar, tomando en
cuenta factores como la exactitud de las v.a., las eficiencias de
cmputo y almacenaje, y la complejidad del algoritmo.


Variables Aleatorias Continuas (cont.)
Los dos algoritmos utilizados con ms frecuencia son:
Mtodo de transformacin inversa (ITM).

Mtodo de aceptacin-rechazo (ARM).
Entre estos dos mtodos, es posible generar variables

aleatorias de casi todas las distribuciones utilizadas con ms
frecuencia.
Adems, se cuenta con dos mtodos para generar variables
aleatorias a partir de la distribucin normal:
Algoritmo de convolucin.
Mtodo directo.

10
Mtodo de Transformacin Inversa (ITM)
Este mtodo requiere una funcin de distribucin acumulada

(fda) F(x) se puede obtener en forma cerrada (tiene frmula y
es posible calcular F-1(x)).
Como ejemplos se tienen las distribuciones exponencial,
uniforme, triangular y la de Weibull.

11
Mtodo de Transformacin Inversa (ITM) (cont.)

1.
Dada la funcin de densidad de probabilidad f(x), se elabora la

funcin de distribucin acumulada como:
F ( x ) = f (t )dt
x
2.
3.
Se genera un nmero aleatorio r [0,1].

Se establece F(x) = r y se determina el valor de x. La variable x es
entonces una variable aleatoria continua de la distribucin cuya fdp
est dada por f(x).

12

Funcin de Rampa
Se tiene la siguiente fdp:

x
0 x2
f (x ) = 2
0 en caso contrario
Se calcula fda:
x t
x2
F ( x ) = dt =
0 2
4
0
x2
F (x ) =
4
1

x<0
0 x2
x2
13

Funcin de Rampa (cont.)
Se genera un nmero aleatorio r, por ejemplo, r = 0.64.

Se establece F(x) = r y se determina el valor de x:
F (x ) = r
x = 2 r
2
x
=r
x = 2 0.64 = 1.6
4
Puesto que los tiempos de servicio se definen slo para valores
positivos de x, no es factible un tiempo de servicio x = -2r;
entonces se queda como solucin x = 2r. Esta ecuacin se
llama generador de variables aleatorias o un generador de
proceso.

14

Distribucin Exponencial
e x
f (x ) =
0
x 0, > 0
en caso contrario
Se calcula fda:
F (x ) = e dt = 1 e
x

0
F (x ) =
x
1
e
x<0
x0
15

Distribucin Exponencial (cont.)
Se genera un nmero aleatorio r, por ejemplo, r = 0.

F (x ) = r
1 e
=r
e x = 1 r
x = ln (1 r )

x=
x=
ln (1 r )
ln (1 0 ) = 0
16

Distribucin Uniforme Continua
(
)
f x = b a
0
a0b
en caso contrario
Se calcula fda:
F (x ) =
1
xa
dt =
ba
ba

0
x a
F (x ) =
b a
1
x<a
a xb
x>b
17

Distribucin Uniforme Continua (cont.)
Se genera un nmero aleatorio r, por ejemplo, r = 0.5.

F (x ) = r
xa
=r
ba
x a = r (b a )
x = a + r (b a )
x = a + 0.5(b a ) = 0.5a + 0.5b

18

Distribucin Triangular

1
(x 2)
2 x3
2
1
x
f (x ) = 2 3 x 6
3
2
en caso contrario
0
Se calcula fda:
0
x1
1
2
1
2
F1 (x ) = (t 2 )dt = (x 2 )
(
)
x
2 2
4
F (x ) = 4 1
2
x1
1 2
t
x
12 x + 24
F2 (x ) = 2 dt =
x 12 x + 24
3 2
12
3
12

x<2
2 x3
3 x 6
en caso contrario
19

Distribucin Triangular (cont.)
La funcin F1(x) cubre el primer 25% del intervalo fda y la

funcin F2(x) cubre el restante 75% del intervalo.
Debido a que tenemos dos funciones, si r < 0.25 se usa la
funcin F1(x); en caso contrario (r 0.25) se utiliza la funcin
F2(x).
F1 ( x ) = r
0 r < 0.25
1
(x 2)2 = r
4
F2 ( x ) = r
0.25 r 1
1 2
x 12 x + 24 = r
12

20

Se genera un nmero aleatorio r, por ejemplo, r = 0 y r = 2/3.

F1 ( x ) = r
F2 ( x ) = r
1
(x 2)2 = r
4
x 2 = 4r
1 2
x 12 x + 24 = r
12
x 2 12 x = 24 12r
x 2 12 x + 36 = 36 24 12r
(x 6)2 = 12 12r
x 6 = 12 12r
x = 2 + 4r
x = 6 2 3 3r
x = 2 + 4 0 = 2 x = 6 2 3 3 2 3 = 4

21
Mtodo de Aceptacin-Rechazo (ARM)
Este mtodo requiere una funcin de distribucin acumulada

(fda) F(x) est definida en un intervalo finito.
Como ejemplos se tienen la funcin rampa, las distribuciones
triangular, beta y la de Erlang.

22
Mtodo de Aceptacin-Rechazo (ARM) (cont.)

1.
2.
3.
4.
5.
Se selecciona una constante M, tal que M es el valor ms grande de

f(x) en el intervalo [a, b].
Se genera dos nmeros aleatorios r1 y r2, r1, r2 [0,1].
Se calcula x* = a + (b a)r1. (Esto asegura que cada miembro de [a,
b] tiene una probabilidad igual de ser elegido como x*).
Se evala la funcin f(x) en el punto x*; sea f(x*).
Si r2 f(x*) / M, entonces se acepta x* como una variable aleatoria
continua. De lo contrario, se rechaza x* y se vuelve al paso 2.

23

Funcin de Rampa
2 x 0 x 1
f (x ) =
0 en caso contrario
El valor ms grande de f(x) ocurre x = 1 y es igual a 2.
Entonces, M = 2.
Se genera dos nmeros aleatorios r1 y r2, por ejemplo, r1 = 0 y
r2 = 1.
Se calcula x* = a + (b a)r1 = 0 + (1 0)0 = 0
Se evala f(x*) = 2x* = 2*0 = 0
Se comprueba r2 f(x*) / M; 1 0/2, por lo que se rechaza y
UCR-ECCI
CI-1453 al
Investigacin
se vuelve
paso 2.de Operaciones
24

Funcin de Rampa (cont.)
Se genera dos nmeros aleatorios r1 y r2, por ejemplo, r1 = 0.5

y r2 = 0.2.
Se calcula x* = a + (b a)r1 = 0 + (1 0)0.5 = 0.5
Se evala f(x*) = 2x* = 2*0.5 = 1
Se comprueba r2 f(x*) / M; 0.2 1/2, por lo que se acepta x*
como una variable aleatoria continua, x* = 0.5.

25

Distribucin Triangular

1 x
6 + 12 2 x 6
4 x
f (x ) =
6 x8
3 6
en caso contrario
0
ms grande
de f(x) ocurre x = 6
El valor
y es igual a 1/3.
Entonces, M = 1/3.
Se genera dos nmeros aleatorios r1 y r2, por ejemplo, r1 = 0 y
r2 = 1.
Se calcula x* = a + (b a)r1 = 2 + (8 2)0 = 2

26

La funcin f1(x*) cubre 2/3 del intervalo fdp y la funcin

f2(x*) cubre el restante 1/3 del intervalo.
Debido a que tenemos dos funciones, si 2 x* 6 se usa la
funcin f1(x*); en caso contrario (6 x* 8) se utiliza la
funcin f2(x*).
1 x*
2 x* 6
f ( x *) = f1 ( x *) = +
6 12
4 x*
f ( x *) = f 2 ( x *) =
6 x* 8
3 6
27

Se evala f1(x*) porque x* = 2:

1 x*
1 2
f ( x *) = f1 ( x *) = +
= + =0
6 12
6 12
Se comprueba r2 f(x*) / M; 1 0/(1/3), por lo que se rechaza
y se vuelve al paso 2.

28

Se genera dos nmeros aleatorios r1 y r2, por ejemplo, r1 =

0.75 y r2 = 0.5.
Se calcula x* = a + (b a)r1 = 2 + (8 2)0.75 = 6.5
Se evala f2(x*) porque x* = 6.5:
4 x * 4 6.5 1
f (x *) = f 2 ( x *) =
=
=
3 6 3 6
4
Se comprueba r2 f(x*) / M; 0.5 (1/4)/(1/3), por lo que se
acepta x* como una variable aleatoria continua, x* = 6.5.

29
Distribucin Normal
Esta distribucin es muy importante, por lo cual se ha creado

varios algoritmos para la generacin de variables aleatorias.
Tanto el mtodo ITM como el mtodo ARM, son inapropiados
para esta distribucin porque:
La fdp no existe en forma cerrada.

La distribucin no est definida en un intervalo finito.
Aunque es posible usar mtodos numricos en el ITM y

truncar la distribucin para el mtodo ARM; otros mtodos
tienden a ser ms eficaces:
Algoritmo de convolucin.
Mtodo directo.

30
Distribucin Normal
Algoritmo de Convolucin
En este algoritmo se hace uso del teorema del lmite central.

Teorema del Lmite Central: La suma X de n variables
aleatorias independientes y distribuidas de manera idntica
(por ejemplo, x1, x2, , xn, cada una con media (E(xi) = ) y
varianza finita 2 (Var(xi) = 2)) tiene una distribucin
aproximadamente normal con media n y varianza n2.
2
n
x
n
n
i
i =1
X=
x
i =1

31
Distribucin Normal
Algoritmo de Convolucin (cont.)
Sea X con distribucin n(, 2), se va a generar un valor Z con

distribucin n(0, 1).
Si esto se aplica a R(0, 1) variables aleatorias; r1, r2, , rn ,
con media y varianza finita 2, se deduce que:
n
z=
r n
i =1
(n )
2 12

n (0,1)
32
Distribucin Normal
Se generan n variables aleatorias con distribucin U(0, 1).

Se calcula la variable z:
n
z=
r n
i =1
(n )
2 12
n (0,1)
Se calcula la variable aleatoria normal x de la siguiente forma:
x = z +

33
Distribucin Normal
Se utiliza casi siempre los siguientes valores:
n = 12.
= 0.5
2 = 1/12
Se calcula la variable z:
12
z = ri 6 n (0,1)
i =1

34
Distribucin Normal
Mtodo Directo
Este mtodo fue creado por Box y Muller (1958).

No es tan eficaz como algunas nuevas tcnicas, pero es fcil
aplicarlo y ejecutarlo.
El algoritmo genera dos nmeros aleatorios R(0, 1), r1 y r2, y
luego los transforma en dos v.a. normales, cada una con media
0 y varianza 1.

35
Distribucin Normal
Mtodo Directo (cont.)
Se generan dos nmeros aleatorios r1 y r2, U(0, 1).

Se transforman en dos variables aleatorias normales, cada una con
media 0 y varianza 1, usando las transformaciones directas:
z1 = ( 2 ln r1 ) sen (2r2 )
12
z 2 = ( 2 ln r1 ) cos(2r2 )
12
Se calculan las variables aleatorias normales x1 y x2 de la siguiente

forma:
x1 = z1 +
x2 = z 2 +
36
Referencias Bibliogrficas
Winston, Wayne L. Investigacin de Operaciones. Grupo

Editorial Iberoamrica. Mxico, 2005.

37

GeneracionVariablesAleatorias PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

GeneracionVariablesAleatorias PDF

Cargado por

Copyright:

Formatos disponibles

Generacin de

Las variables aleatorias se representan por medio de

UCR-ECCI CI-1453 Investigacin de Operaciones

Generador congruencial lineal (ms utilizado).

UCR-ECCI CI-1453 Investigacin de Operaciones

Generador Congruencial Lineal

Produce una secuencia de enteros x1, x2, ; entre 0 y m-1 de

Esto da el residuo de la divisin de (axi + c) entre m.

UCR-ECCI CI-1453 Investigacin de Operaciones

Generador Congruencial Lineal (cont.)

Tcnicamente, un nmero aleatorio, ri, se define como una

UCR-ECCI CI-1453 Investigacin de Operaciones

UCR-ECCI CI-1453 Investigacin de Operaciones

Generacin de Valores para

El muestreo de Monte Carlo se logra al asignar intervalos de

Se realiza una segmentacin, para cada probabilidad de la

Se devuelve la variable aleatoria discreta de la distribucin que

UCR-ECCI CI-1453 Investigacin de Operaciones

Generacin de Valores para

Al generar un nmero aleatorio sali el 62.

UCR-ECCI CI-1453 Investigacin de Operaciones

Generacin de Valores para

El muestreo de Monte Carlo se logra al transformar los

UCR-ECCI CI-1453 Investigacin de Operaciones

Generacin de Valores para

Los dos algoritmos utilizados con ms frecuencia son:

Mtodo de transformacin inversa (ITM).

Entre estos dos mtodos, es posible generar variables

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Este mtodo requiere una funcin de distribucin acumulada

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM) (cont.)

Este mtodo consiste en los siguientes pasos:

Dada la funcin de densidad de probabilidad f(x), se elabora la

Se genera un nmero aleatorio r [0,1].

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se tiene la siguiente fdp:

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se genera un nmero aleatorio r, por ejemplo, r = 0.64.

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se tiene la siguiente fdp:

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se genera un nmero aleatorio r, por ejemplo, r = 0.

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se tiene la siguiente fdp:

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se genera un nmero aleatorio r, por ejemplo, r = 0.5.

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se tiene la siguiente fdp:

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

La funcin F1(x) cubre el primer 25% del intervalo fda y la

UCR-ECCI CI-1453 Investigacin de Operaciones

Mtodo de Transformacin Inversa (ITM)

Se genera un nmero aleatorio r, por ejemplo, r = 0 y r = 2/3.

Se evala f1(x) porque x = 2: