Está en la página 1de 4

Ingeniería en Logística y Transporte

Modelos de Simulación
Unidad 3: Construcción de modelos
Actividad 2: revisar los métodos para generar variables aleatorias.
LMOS_U3_A2_JESF
Alumno: ES 162008726
Jesús Sánchez Flores
Docente: Dra. María Alejandra Hernández Zúñiga
LOS MÉTODOS PARA GENERAR VARIABLES ALEATORIAS.

Investiga los métodos que existen para generar variables aleatorias.

La variabilidad de eventos y actividades es representada mediante funciones llamadas de


densidad para fenómenos continuas en base a distribucion de probabilidad en fenómenos de tipo
discreto. Esta simulación se realiza mediante la utilización de la generación de variables
aleatorias.
Principales métodos para generar las variables aleatorias son;
Método de la transformada inversa
Método de convolución
Método de composición
Método de transformación directa
Método de aceptación y rechazo

Método de la transformada inversa Se utiliza para simular variables aleatorias continuas,


mediante la función acumulada F(x) y la generación de números pseudoaleatorios r¡ ~ U (0,1).
Este método consiste en cuatro como lo son: García, D. (2013). Simulación y análisis de
sistemas con ProModel
1. Definición de la función de densidad F(x) la cual representa la variable a modelar.
2. Calcula la función acumulada F(x)
.3. Despeja la variable aleatoria x y obtiene la función acumulada inversa F(x)~'-
4. Genera la variable aleatoria x, sustituyendo valores con números pseudoaleatorios r. ~U(0,1)
en la función acumulada inversa.
Método de convolución:
En posibles distribuciones de probabilidad la variable aleatoria a simular, , pudiendo generarse
mediante la adición de mas variables aleatorias X de manera más práctica que a través de
diferentes métodos. Expresándose de la siguiente forma: García, D. (2013). Simulación y análisis
de sistemas con ProModel

Y = X₁ + X₂ +...+ Xk
Las variables aleatorias de cuatro de las distribuciones más conocidas (de Erlang, normal,
binomial y de Poisson) pueden generase a través de este método, como se verá a continuación.
Distribución de Erlang, normal, binomial, y de Poisson. García, D. (2013). Simulación y análisis
de sistemas con ProModel
Método de composición:
El método de composición mixta, permite generar variables aleatorias x cuando éstas provienen
de una función de densidad f(x) que puede expresarse como la combinación convexa de m
distribuciones de probabilidad f.(x).
Entonces, la combinación convexa se puede expresar como: García, D. (2013). Simulación y
análisis de sistemas con ProModel

Método de transformación directa:


“Se basa en el teorema de Pitágoras, sirve para generar variables aleatorias normales”. García, D.
(2013). Simulación y análisis de sistemas con ProModel

Método de aceptación y rechazo.


Se utiliza este método cuando se identifica la función de la densidad, el cual consiste en cambiar
la función complicada de la densidad de probabilidad representada con f(x), por la función de
densidad g(x), para con facilidad para su manejo. García, D. (2013). Simulación y análisis de
sistemas con ProModel
Elige una distribución de probabilidad e investiga sobre el método de transformada
inversa para generarla, así como los pasos que se deben seguir.

“ El método de la transformada inversa se emplea para simular variables aleatorias de tipo


discreto, como las distribuciones de Poisson, de Bernoulli, binomial, geométrica, discreta general,
y otras. La generación se lleva a cabo mediante la probabilidad acumulada P(x) y la generación
de números pseudoaleatorios ri~ U (0, 1). Dicho método consiste en”: García, D. (2013).
Simulación y análisis de sistemas con ProModel p, 79

1. Calculo de todos los valores de la distribución de probabilidad p(x) de la variable a modelar.


2. Calculo los valores de la distribución acumulada P(x).
3. Genera números pseudoaleatorios ri~ U (0, 1).
4. Compara el valor de P(x) y determina qué valor de x corresponde a P(x).
Distribucion uniforme.
A partir de la función de densidad de las variables aleatorias uniformes entre a y b,

Se obtiene la función acumulada

Al igualar la función acumulada F(x) con el número pseudoaleatorios ri~ U (0, 1)., y despejar x
se obtiene:

Conclusión:
La simulación como parte importante de las aplicaciones de métodos que nos permiten
modelar considerándola como una de las herramientas mas importantes que se usan para el
análisis, el diseño y operación de sistemas de procesos complejos mediante la simulación,
sabiendo de antemano que la solución nunca será exacta y solo será una aproximación que nos da
un panorama pará la solución de problemas.
Fuentes de referencia:
García, D, (2013). Simulación y análisis de sistemas con ProModel. México: Pearson.