Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo 3.3
Dada la siguiente distribución especificada por la función,
1
si a x b
f ( x) (b a)
0
en otro caso
Solución:
Aplique el método de la transformada inversa para obtener la variable aleatoria x en
función de R.
x
dt
Paso 1: F ( x) (3.10)
aba
xa
F ( x) (3.11)
ba
Paso 2: Generar el número aleatorio R .
R ~ U(0,1)
Paso 3: R = F(x) (3.12)
xa
R (3.13)
ba
x = a + R(b – a) (3.14)
Ejemplo 3.4
Considere una variable aleatoria x cuya función de densidad está dada por la siguiente
distribución empírica:
x
si 0 x 2
f ( x) 2
0 en otro caso
Solución:
x
t
Paso 1: F ( x) dt
02
x
t2 x2
F ( x)
2 * 2 4
0
Paso 3: R = F(x)
R = x2
4
Despejando la variable aleatoria x se tiene:
x 4R
Ejemplo 3.5
Cuando no se conoce el tipo de distribución que tiene una tabla de probabilidades por
ejemplo en los datos de servicio que están dados por la tabla 1.2 del ejemplo 1.1, se
resuelve:
Solución:
Aplicando el método de la transformada inversa, el valor que puede tomar la variable
aleatoria depende del rango que corresponda al valor del número aleatorio R.
x = 1 si R se encuentra en el rango 0.0 - 0.20
x = 2 si R se encuentra en el rango 0.21 - 0.60
x = 3 si R se encuentra en el rango 0.61 - 0.80
x = 4 si R se encuentra en el rango 0.81 – 1.0
X= y1 + y2 + y3 + ……..ym (3.15)
m
X ln Ri
m i 1
(3.18)
Ejemplo 3.6
Genere variables aleatorias 3-Erlang(1).
Solución:
Paso 1: Generar 3 números aleatorios como U(0,1).
De la tabla 2.9 se obtienen:
R1 =0.7109, R2 = 0.5625, R3 = 0.4141
Paso 2: Obtener la variable aleatoria X
m
X ln Ri
m i 1
X = (-⅓) ln(0.7109*0.5625*0.4141)
=(-⅓) ln(0.1656)
=(-⅓) (-1.7982) = 0.5994
Ejemplo 3.7
Genere una variable aleatoria binomial (5,0.45).
Solución:
Para obtener esta variable discreta bin(t,p) se aplica el método de convolución
utilizando para obtenerla la Ber (p) de la siguiente forma:
X = y1 + y2 + y3 + ……..yt
donde yi desde i = 1 hasta t son variables aleatorias Bernoulli con función de densidad:
1 p si x 0
p( x) p si x 1
0
en otro caso
Esta distribución da solo 2 valores, cuando: p > R, el valor de X =1, y X=0 en caso
contrario
Paso 1 Generar 5 números aleatorios.
Paso 2 Obtener 5 variables Bernoulli(0.45).
Paso 3 Obtener la variable aleatoria bin(5,0.45).
Solución: Obteniendo los 5 números aleatorios U(0,1) de la tabla 2.9 se tiene:
i R yi
1 0.2656 1
2 0.1172 1
3 0.9688 0
4 0.8203 0
5 0.6719 0
Entonces la variable aleatoria bin(5,0.45) es:
X = y1 + y 2 + y3 + y4 + y5
X=1+1+0+0+0
X=2
Solución:
Paso 1: Generar un número aleatorio R1~ U(0,1).
Paso 2: Calcular la variable aleatoria Y en función de R1. Y = a + R1 (b-a)
Paso 3: Generar un número aleatorio R2~ U(0,1).
Paso 4: Si R2 < Y/M, entonces X=Y, esto significa que la variable aleatoria X toma el
valor simulado, de lo contrario regresar al paso 1.
Ejemplo 3.9
Aplique el método de aceptación y rechazo para generar variables aleatorias N(0,1),
aplicando el método polar de aproximación propuesto por Marsaglia y Bray en 1964,
este método genera 2 variables aleatorias.
Solución:
Paso 1 Generar 2 números aleatorios
R1 y R2 ~ U(0,1)
Paso 2 Obtener Vi = 2*Ri – 1 para i=1,2, y calcular
W= V12 + V22
Paso 3 Si W > 1, regresar al paso 1, de lo contrario
calcular Y como:
Y (2 ln W ) / W
X1 = V1*Y y X2 = V2*Y
Solución:
Algunos autores recomiendan utilizar 2 corridas diferentes de números aleatorios para
esta prueba, por lo tanto se tomará un número de la tabla 2.9 y otro del ejemplo 2.14
R1 = 0.523 y R2 = 0.375
V1 = 2*R1– 1 = 2 *0.523 – 1 = 0.046
V2 = 2*R2– 1 = 2 *0.375 – 1 = -0.25
W= V12 + V22 = (0.046)2 + (-0.25)2 = 0.064616
Ejemplo 3.10
Aplicar los siguientes pasos a la figura 3.35, para generar variables aleatorias que sigan
esta distribución.
Solución:
Paso 1: Dividir la distribución de probabilidad original en n partes, en este caso 2,
recordemos que el área total bajo la curva es 1 igual que la suma de probabilidades,
obtener el área de cada una de las fracciones:
ba cb
A , A
1 ca 2 ca
0.8
2/(c-a)
0.4
0.2
a b c x
Figura 3.35 Distribución de probabilidad del ejemplo 3.10
Paso 3: Definir las distribuciones acumuladas de cada fracción, integrando f1(x) y f2(x)
( x a) 2 ( x c) 2
F ( x) F ( x) 1
1 2
(b a ) 2 (c b) 2
f ( x)
b a 2( x a ) c b 2( x c)
c a (b a ) 2 c a (c b) 2
f ( x)
2( x a ) 2 ( x c )
(b a)( c a) (c a)( c b)
Paso 5: Generar 2 números aleatorios
R1, R2 ~ U(0,1)
f(x)
1
(b-a)/(c-a)
f1 (x) f2 (x) x
El uso de uno u otro depende de cuál sea computacionalmente más rápido y esto queda
a elección del programador.
m
X ln Ri
m i 1
Donde β/ m es la media de la variable aleatoria, m es un número entero m > 0 y β > 0. En
el ejemplo 3,6 se muestra la generación de esta variable por el método de convolución.
1. Generar Y~ N(0,1)
2. Obtener la variable aleatoria
X = μ+ σY
Donde α1, α2 > 0, y el rango son números reales positivos de cero a α1+ α2 – 1. Esta
distribución no tiene forma cerrada, es usada como un modelo forzado, cuando hay
ausencia de datos. La distribución U(0,1) y la distribución beta(1,1) son la misma.
Ejemplo 3.11
Supóngase que se generan 200 variables aleatorias distribuidas binomialmente, con
parámetros p=0.5 y t =5 las cuales se muestran en la tabla 3.3, en la tabla 3.4 se
observan los resultados teóricos al aplicar los parámetros dados a la distribución de la
función binomial, que es:
t! t
p ( x) ( p) (3.21)
x x ! (t x) !
Solución:
1.- Formulación de la H0
H0: Las variables aleatorias generadas se comportan como binomiales con parámetros t
= 5 y p = 0.5. Con un nivel de significancia de 0.05.
2.- Obtener las frecuencias observadas de la tabla 3.3.
3.- Obtener las frecuencias esperadas utilizando las probabilidades teóricas
obtenidas de la tabla 3.4.
4.- Aplicar la prueba de χ2 a los resultados obtenidos en el paso 2 y 3
5.- Obtener las conclusiones.
Tabla 3.3 Variables aleatorias bin(5,0.5) generadas con el algoritmo de la sección 3.5.3
i x i x i x i x i x i x i x i x i x i x
1 1 21 4 41 2 61 3 81 4 101 0 121 2 141 3 161 2 181 2
2 3 22 4 42 3 62 1 82 2 102 4 122 1 142 3 162 1 182 2
3 3 23 5 43 3 63 2 83 3 103 3 123 5 143 2 163 4 183 3
4 4 24 4 44 3 64 3 84 3 104 1 124 1 144 2 164 2 184 2
5 3 25 2 45 2 65 1 85 2 105 1 125 2 145 3 165 1 185 3
6 0 26 4 46 4 66 4 86 2 106 3 126 1 146 3 166 1 186 3
7 2 27 3 47 3 67 1 87 3 107 1 127 2 147 4 167 4 187 3
8 2 28 2 48 2 68 3 88 1 108 1 128 2 148 3 168 2 188 5
9 2 29 4 49 2 69 2 89 2 109 3 129 3 149 4 169 2 189 4
10 1 30 3 50 3 70 5 90 3 110 4 130 4 150 4 170 3 190 2
11 2 31 2 51 5 71 0 91 2 111 2 131 2 151 2 171 3 191 3
12 2 32 2 52 0 72 4 92 4 112 1 132 2 152 1 172 3 192 5
13 4 33 4 53 3 73 2 93 3 113 2 133 2 153 4 173 4 193 4
14 4 34 1 54 3 74 4 94 2 114 2 134 2 154 2 174 1 194 1
15 3 35 0 55 3 75 3 95 3 115 2 135 3 155 3 175 2 195 1
16 0 36 2 56 0 76 4 96 2 116 5 136 1 156 3 176 2 196 5
17 3 37 3 57 2 77 1 97 3 117 1 137 3 157 2 177 4 197 5
18 3 38 2 58 2 78 3 98 2 118 3 138 2 158 2 178 1 198 3
19 1 39 2 59 1 79 4 99 3 119 2 139 4 159 4 179 4 199 4
20 4 40 4 60 2 80 3 100 1 120 2 140 4 160 3 180 3 200 3
Tabla 3.4: Valor teórico de probabilidad de la distribución bin(5,0.5) con la fórmula
3.21
probabilidad
x teórica
0 0.03125
1 0.15625
2 0.3125
3 0.3125
4 0.15625
5 0.03125
calculada es menor que la χ 2 teórica, no hay motivo para rechazar la hipótesis nula
planteada al inicio de la solución del problema.
Conclusión:
Las variables aleatorias mostradas en la tabla 3.2 se comportan como variables
aleatorias binomiales dado p=0.5 y t =5.
3.9 Ejercicios:
1. ¿Parámetros de una distribución uniforme continua?
a) Parámetro de escala λ > 0.
b) Límite inferior a, límite superior b.
c) Parámetro de escala β > 0, parámetro de forma α > 0.
2. ¿Cuáles son los parámetros de la distribución exponencial?
a) Parámetro de escala λ > 0.
b) Parámetro de escala β > 0, parámetro de forma α> 0.
c) Parámetro de localización µ, parámetro de escala α.
3. ¿Cuáles son los parámetros de la distribución triangular?
a) Límite inferior a, límite superior b.
b) Parámetro de escala λ > 0.
c) Parámetro de localización µ, parámetro de escala α.
d) Parámetro de escala β > 0, parámetro de forma α > 0.
4. ¿Cuáles son los parámetros de la distribución Normal?
a) Parámetro de escala β > 0, parámetro de forma α > 0.
b) Parámetro de localización µ, parámetro de escala α.
c) Parámetro de localización µ, parámetro de escala σ.
d) Parámetro de escala µ > 0, parámetro de forma σ
5. ¿Para determinar el tipo de una distribución de probabilidad, se cuenta con la
herramienta estadística de?
a) Prueba F de Fisher.
b) Prueba de medias.
c) Prueba de bondad de ajuste.
6. Si usted, de una serie de datos ha obtenido un valor de la media de 0.5147 y un valor
de la variancia de 0.5995 y ha decidido comparar la serie de datos con una distribución
de probabilidad Poisson mediante la utilización de una prueba χ2. ¿Qué valores de
parámetros propondría?
a) Media igual a 0.5147.
b) Media igual a 0.5147 y variancia igual a 0.5995.
c) Cualquiera de los dos anteriores.
d) Media igual a 0.5571.
7. Generar por el método de la transformada inversa
variables aleatorias que siguen la siguiente distribución.
( x 3) 2
si 0 x 6
f ( x) 18
0 si 6 x 0
f(x)
¾
1 2 x
BIBLIOGRAFÍA