Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase9 PDF
Clase9 PDF
Georgina Flesia
FaMAF
16 de abril, 2013
Generación de v.a. discretas
P(X = xj ) = pj , j = 0, 1, . . . .
entonces
j
X
F (xj ) = pk = p0 + p1 + · · · + pj .
k =0
Gráficamente
1 y = F (x)
p3
p2
p1
p0
x0 x1 x2 x3 x4
p0 + p1 < U < p0 + p1 + p2
1 F (x)
p3
p2
p1
p0
x0 x1 x2 x3 x4
X = x2
Algoritmo
Pj
Si x0 < x1 < x2 < . . . , entonces F (xj ) = i=0 pi , y por lo tanto
X ← x0 si U < p0 = F (x0 )
X ← xj si F (xj−1 ) ≤ U < F (xj )
Algorithm 2:
Generar U;
if U < 0.2 then
X ← 1 y terminar.
end
if U < 0.35 then
X ← 2 y terminar.
end
if U < 0.6 then
X ←3
else
X ←4
end
Ejemplo
X : {1, 2, 3, 4}.
1 y = F (x)
p3
p2
p1
p0
x0 x1 x2 x3 x4
Orden decreciente de pi
1 y = F (x)
p3
p2
p1
p0
x0 x1 x2 x3 x4
Generación de variables aleatorias continuas con
densidad
Teorema
Si F es una función de distribución continua, inversible, y
U ∼ U(0, 1), entonces
X = F −1 (U)
es una variable aleatoria con distribución F .
Ejemplo
Escribir un método para generar el valor de una v. a. X con función
de densidad
x
f (x) = − + 1, 0 ≤ x ≤ 2.
2
x2
F (x) = − + x, 0 ≤ x ≤ 2.
4
F no es inversible sobre R, pero sólo nos interesa encontrar una
inversa F −1 : (0, 1) 7→ (0, 2).
√ Algorithm 4:
x 2 x = 2 + 2 1 − u
− +x =u ⇒ x= o Generar U;
√ √
4 X← 2 − 2 U
x =2−2 1−u
Aplicación del método de la transformada inversa
Ejemplo
Escribir un método para generar el valor de una v. a. X con función
de densidad
1/4 0 ≤ x ≤ 2
f (x) = 1/2 2 < x < 3
0 c.c.
Generar U;
0 x ≤0
if U < 1/2 then
x/4
0≤x ≤2
F (x) = x − 1 X← 4U
2<x <3 else
2
X← 2U + 1
1 x ≥3
end
Máximos y mínimos de v. a. independientes
I X = max{X1 , X2 , . . . , Xn }
I FX (a) = F1 (a) · F2 (a) . . . Fn (a)
I Y = min{X1 , X2 , . . . , Xn }
I 1 − FY (a) = (1 − F1 (a)) · (1 − F2 (a)) . . . (1 − Fn (a))
Máximos y mínimos de v. a. independientes
Si X es tal que
FX (x) = 1 − e−x
u = 1 − e−x
1−u = e−x
x = − loge (1 − u)
X1 X2 X3 Xn Xn+1
0 1
N(1) = max{n | X1 + X2 + · · · + Xn ≤ 1}
Generación de una v. a. Poisson X ∼ P(λ)
X1 X2 X3 Xn Xn+1
0 1
N(1) = max{n | X1 + X2 + · · · + Xn ≤ 1}
Generación de una v. a. Poisson X ∼ P(λ)
N(1) = max{n | X1 + X2 + · · · + Xn ≤ 1}
1
= max{n | − (log(U1 ) + log(U2 ) + · · · + log(Un )) ≤ 1}
λ
1
= max{n | − (log(U1 · U2 · · · Un )) ≤ 1}
λ
= max{n | log (U1 · U2 · · · Un ) ≥ −λ}
= max{n | U1 · U2 · · · Un ≥ e−λ }
FX (x) = P(X1 + X2 + · · · + Xn ≤ x)
1
= P(− (log(U1 · U2 · · · Un )) ≤ x)
λ
1
= P(− (log(U1 · U2 · · · Un )) ≤ x}
λ
Por lo cual
Algorithm 9: X ∼ γ(n, λ)
Generar U1 , . . . , Un ∼ U(0, 1);
1
X ← − log(U1 . . . Un )
λ
Generación de una v. a. con distribución Gamma
1
fX |X +Y (x | t) = I(0,t) (x),
t
es decir, X condicional a X + Y = t es uniforme en (0, t).
Para generar X , Y exponenciales independientes, de parámetro λ
podemos aplicar el siguiente algoritmo:
Algorithm 11: X , Y ∼ E(λ)
Generar U1 , U2 ∼ U(0, 1);
1 I Calcula un único logaritmo.
t ← − log(U1 U2 );
λ
Generar U3 ; I Emplea 1 uniforme adicional.
X ← t U3 ;
Y ←t −X
Generación de exponenciales a partir de una
distribución gamma
Para generar n exponenciales, se puede extender el método anterior
generando
I una v. a. gamma, de parámetros (n, λ),
I n − 1 v. a. uniformes, adicionales.
Algorithm 12:
Generar U1 , . . . , Un ∼ U(0, 1);
1
t ← − log(U1 · · · Un );
λ
Generar V1 , . . . , Vn−1 y ordenarlos de menor a mayor;
X1 ← t V1 ;
X2 ← t (V2 − V1 );
..
.;
Xn−1 ← t (Vn−1 − Vn−2 );
Xn ← t − t Vn−1