Integrantes:

 Rodrigo Cueva
 Lizeth Guevarra

NRC: 3361

Materia: Simulación Digital

Fecha: 2018/11/27

TEMA: Distribución Normal y Exponencial con el método de Muller.

INTRODUCCIÓN.

Distribution normal.

La importancia de esta distribución radica en que permite modelar numerosos

fenómenos naturales, sociales y psicológicos.
Mientras que los mecanismos que subyacen a gran parte de este tipo de fenómenos son
desconocidos, por la enorme cantidad de variables incontrolables que en ellos
intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observación se obtiene como la suma de unas pocas causas independientes.

Distribución exponencial.
La distribución exponencial estudia el tiempo entre cada una de estas llegadas. Si las
llegadas son de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la
distribución de Poisson es discreta la distribución exponencial es continua porque el
tiempo entre llegadas no tiene que ser un número entero.

Esta distribución se utiliza mucho para describir el tiempo entre eventos. Más
específicamente la variable aleatoria que representa al tiempo necesario para servir a
la llegada.

Método de Muller
Método de la Müller.

Introducción

Este método utilizado para encontrar raíces de ecuaciones con raíces múltiples, y
consiste en obtener los coeficientes de la parábola que pasa por tres puntos elegidos.

Los coeficientes son sustituidos en la formula cuadrática para obtener el valor donde la
parábola intersecta al eje X; es decir, la raíz estimada.

Fórmula

donde f[xk, xk-1] y f[xk, xk-1, xk-2] denotan restas divididas. Esto puede ser escrito como:

donde

La próxima iteración está dada por la raíz que brinda la ecuación y = 0.

Distribución Normal con el Método de Mulller

GENERAR NÚMEROS ALEATORIOS PARA UNA DISTRIBUCIÓN NORMAL

Para la generación de números aleatorios para una distribución normal, decidimos

usar el un modelo matemático de “Box Müller”
Nombrado así por sus inventores George Edward Pelham Box y Mervin Edgar Müller.
Es un método de generación de pares de números aleatorios independientes con
distribución normal estándar a partir de una fuente de números aleatorios
uniformemente distribuidos.

 Generación de dos números aleatorios uniformes NA1; NA2.

 Calcular R y Ө así:
 Calcular 2 números aleatorios normales estándar así:

• Paso 4: Obtener 2 números aleatorios con fórmulas:

• Paso 5: Repetir a partir del paso 1, hasta completar la corrida y el tamaño de la

muestra.
Distribución Exponencial

Números aleatorios con distribución exponencial:

Para generar números aleatorios con distribución exponencial de parámetro a (a>0) se
aplicó el algoritmo de congruencia lineal y el método de la transformada inversa.
La función inversa obtenida a partir de la función acumulada
−log⁡(𝑟)
𝐹(𝑥) = 1 − 𝑎𝑒 −𝑎𝑥 corresponde a 𝑟 = , donde r es un número aleatorio U(0,1)
𝑎

Números aleatorios con distribución normal:

Para obtener un conjunto de números aleatorios con una distribución normal,

utilizaremos un método de transformación en dos dimensiones.
1 𝑥2
𝑃(𝑥) = ⁡ ⁡𝑒 − 2
√2𝜋
1 2 2
𝑢1 = 𝑒 −2(𝑧1 +𝑧2 )
1 𝑧2
𝑢2 = 𝑎𝑟𝑐𝑡𝑎𝑛 i
2𝜋 𝑧1
𝑥1 = √−2log⁡(𝑢1 )cos⁡(2𝜋𝑢2 )
𝑥2 = √−2log⁡(𝑢1 )sin⁡(2𝜋𝑢2 )
Programa:

RESULTADOS
Distribucion Exponencial

Distribucion Normal
Conclusion.
 La distribución con la que se obtiene los números aleatorios influye directamente en la
relación que tiene cada número generado con otro del mismo y con la ejecución de un
programa podemos simular estas acciones.

Recomendación.
 Antes de elegir una distribución es necesario entender cómo funciona cada una de las
distribuciones disponibles y así elegir una que se ajuste a nuestras necesidades y por
esto sacarle mayor provecho.

BIBLIOGRAFIA:
Métodos Informáticos aplicados a la Psicología. Madrid: Pirámide. Joyanes, L. (1994).
Programación en QuickBasic/Qbasic. 2ª Edición. Madrid: McGraw-Hill.