INSTITUTO TECNOLGICO SUPERIOR DE

ALVARADO

INGENIERA EN SISTEMAS COMPUTACIONALES

M ateria:
SIMULACION

Semestre-Grupo:
QUINTO SEMESTRE GRUPO NICO

Producto Acadmico:
INVESTIGACIN:
PROCEDIMIENTOS ESPECIALES

Presenta:
RAMON PRIETO CANO

Docente:
MCA. ALFONSO ROSAS ESCOBEDO
H. Y G. ALVARADO, VER. AGOSTO - DICIEMBRE 2016

PROCEDIMIENTOS ESPECIALES
Introduccin
Existen algunas distribuciones estadsticas de probabilidad en las
cuales es posible emplear sus propiedades para obtener expresiones
matemticas para la generacin de variables aleatorias en forma eficiente.
En varios casos se aplica el Teorema Central del Lmite y en otros se utiliza el
mtodo directo para encontrar las variables aleatorias.

SIMULACION

Pgina 1

PROCEDIMIENTOS ESPECIALES
Procedimientos Especiales.
Existen algunas distribuciones estadsticas de probabilidad en las
cuales es posible emplear sus propiedades para obtener expresiones
matemticas para la generacin de variables aleatorias en forma eficiente.
Este mtodo nos servir bsicamente para tenerlo como extra cuando
queramos generar variables aleatorias, ya que hay distribuciones que a
travs del mtodo de la transformada inversa cuesta mucho trabajo realizarlo
ya que los tipos de distribucin suelen no prestarse para esto. Cuando esto
suceda utilizaremos este mtodo, el mtodo o procedimientos especiales,
usualmente es utilizado para distribuciones como la:
Normal.
Erlang.
Binomial
Poisson entre otras.
Para

cada

una

de

estas

distribuciones

se

aplican

diferentes

metodologas, esto dependiendo de sus propiedades y caractersticas de

cada una de ellas, para aclarar esto nos enfocaremos en la distribucin
Poisson.
Poisson.
En la distribucin Poisson, se tendrn tiempos de llegadas distribuidos
exponencialmente, de igual manera tendrn un periodo T de tiempo, con una
distribucin Poisson. Para generar una variable con distribucin de Poisson,
se suman las variables generadas exponencialmente hasta que la suma
exceda el valor de T y se retorna el nmero de variables generadas como
variables Poisson.
SIMULACION

Pgina 2

PROCEDIMIENTOS ESPECIALES

Existe un algoritmo aplicado para la generacin de variables discretas

Poisson el cual es el siguiente:
Se tienen los valores iniciales, la cual para la primera iteracin
tendremos s=1 y a x=0 y se saca A con una frmula establecida.
Se genera R, los cuales es el nmero aleatorio generado.
Se hace
Si S > A, x=x+1 y se repite desde 2.
Si S<A, x es la variable de Poisson.
Esta distribucin de probabilidad se puede simular aparte del mtodo
de Transformada Inversa si se hace uso de la relacin existente entre esta
distribucin con la distribucin exponencial.
-Normal.
La distribucin gaussiana, recibe tambin el nombre de distribucin
normal, ya que una gran mayora de las v. a. (variables aleatorias) continuas
de la naturaleza siguen esta distribucin. Se dice que una Y.a. X sigue una
distribucin normal de parmetros y 2, lo que representamos del modo
si su funcin de densidad es:

-Erlang.
La Distribucin Erlang es una distribucin de probabilidad continua con
una amplia aplicabilidad debido principalmente a su relacin con la
exponencial y la distribucin gamma dada por la suma de un nmero de
SIMULACION

Pgina 3

PROCEDIMIENTOS ESPECIALES
variables aleatorias independientes que poseen la misma distribucin
exponencial. La distribucin Erlang se aplica en modelos de sistemas de
servicio masivo, ejemplo: En situaciones donde el servicio tiene que realizar
dos operaciones c/u con tiempo de servicio exponencial. Las distribuciones a
veces se definen utilizando el inverso del parmetro de tasa, la escala .
Cuando el parmetro de forma k es igual a 1, la distribucin se reduce a la
distribucin exponencial.
-Binomial.
En

estadstica,

la

distribucin

binomial

es

una

distribucin

de

probabilidad discreta que mide el nmero de xitos en una secuencia de n

ensayos independientes de Bernoulli, con una probabilidad fija p de
ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se
caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A
uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al
otro, fracaso, con una probabilidad q = 1 - p.
Para n = 1, la binomial se convierte, de hecho, en una distribucin de
Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin
binomial de parmetros n y p, se escribe: X

SIMULACION

Pgina 4

PROCEDIMIENTOS ESPECIALES
Conclusin
Para generar variables aleatorias existen infinidad de mtodos, unos
con ms grado de complejidad que los otros, sin embargo, todos y cada uno
obedecen a un tipo de distribucin. Aqu analizamos y mencionamos algunos
mtodos, podra decirse que los ms conocidos en la materia de estadstica,
sin embargo, existen muchos ms, pero todos tiene en comn un objetivo
final, el cual es que a partir de los nmeros tomados en una muestra se
generen otros, y mientras menos se repitan los obtenidos, mayor ser el
grado de exactitud.

SIMULACION

Pgina 5

PROCEDIMIENTOS ESPECIALES
Fuentes de consulta
http://simulacionedi.es.tl/3-.-5-Procedimientos-especiales-.-.htm
https://simulacion2010.wordpress.com/2010/05/18/3-5-procedimientosespeciales-simulacion/

SIMULACION

Pgina 6