Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SIMULACIÓN
INTEGRANTES:
Alonso López Guadalupe de Jesús
García Quiroz Marvin Leonardo
López Villarreal María Fernanda
Martínez Guardado José Manuel
Sánchez Ibarra Brenda
Vázquez Aguilar Jessica Marlen
𝑥 𝑥2
∫0 𝑥𝑑𝑥 = 2
𝑥2
=𝑟
2
2
𝑥 = 2𝑟
𝑥 = √2𝑟
𝑥1 1
∫0 2 𝑑𝑥 = 2 𝑥
1
𝑥=𝑟
2
𝑥 = 2𝑟
√2𝑟 + 2𝑟 = 𝑥
𝑥 = √2𝑟 + 2𝑟
𝑥𝑖 𝑟𝑖 𝑥𝑖 = √2𝑟𝑖 + 2𝑟𝑖 𝑥𝑖
𝑥1 𝑟1 = 0.054 𝑥1 = √2(0.054) + 2(0.050) 𝑥1 = 0.436
𝑥2 𝑟2 = 0.909 𝑥2 = √2(0.909) + 2(0.909) 𝑥2 = 2.456
𝑥3 𝑟3 = 0.216 𝑥3 = √2(0.216) + 2(0.216) 𝑥3 = 1.089
𝑥4 𝑟4 = 0.930 𝑥4 = √2(0.930) + 2(0.930) 𝑥4 = 3.223
𝑥5 𝑟5 = 0.072 𝑥5 = √2(0.072) + 2(0.072) 𝑥5 = 1.344
𝑥6 𝑟6 = 0.558 𝑥6 = √2(0.558) + 2(0.558) 𝑥6 = 2.172
𝑥7 𝑟7 = 0.767 𝑥7 = √2(0.767) + 2(0.767) 𝑥7 = 2.772
𝑥8 𝑟8 = 0.513 𝑥8 = √2(0.513) + 2(0.513) 𝑥8 = 2.038
𝑥9 𝑟9 = 0.725 𝑥9 = √2(0.725) + 2(0.725) 𝑥9 = 2.654
𝑥10 𝑟10 = 0.434 𝑥10 = √2(0.434) + 2(0.434) 𝑥10 = 1.799
3. Mediante el método de la transformada inversa desarrolle el generador de
procesos aleatorios para la siguiente función de densidad:
3
, 0≤𝑥≤1
𝑓(𝑥) { 4 }
1
, 1<𝑥<2
4
𝑥
3 3 4𝑟
∫ 𝑑𝑥 = 𝑥 = 𝑟 = =𝑥
0 4 4 3
𝑥
1 1
∫ 𝑑𝑥 = 𝑥 = 𝑟 = 4𝑟 = 𝑥
1 4 4
4𝑟 4𝑟 16𝑟
+ = =𝑥
3 1 3
16𝑟
𝑥=
3
𝑥𝑖 𝑟𝑖 16𝑟𝑖 𝑥𝑖
𝑥𝑖 =
3
𝑥1 𝑟1 = 0.800 16(0.800) 4.266
𝑥1 =
3
𝑥2 𝑟2 = 0.224 16(0.224) 1.194
𝑥2 =
3
𝑥3 𝑟3 = 0.198 16(0.198) 1.056
𝑥3 =
3
𝑥4 𝑟4 = 0.269 16(0.269) 1.434
𝑥4 =
3
𝑥5 𝑟5 = 0.065 16(0.065) 0.346
𝑥5 =
3
𝑥6 𝑟6 = 0.698 16(0.698) 3.722
𝑥6 =
3
𝑥7 𝑟7 = 0.042 16(0.042) 0.901
𝑥7 =
3
𝑥8 𝑟8 = 0.169 16(0.169) 0.901
𝑥8 =
3
𝑥9 𝑟9 = 0.691 16(0.691) 3.685
𝑥9 =
3
𝑥10 𝑟10 = 0.952 16(0.952) 5.077
𝑥10 =
3
5. Mediante el método de la transformada inversa desarrolle el generador de
procesos aleatorios para la siguiente función de densidad:
1
, 0<𝑥≤2
6
1
𝑓(𝑥) , 2<𝑥≤3
3
1
{12 , 3 < 𝑥 ≤ 7}
𝑥
1 1
∫ 𝑑𝑥 = 𝑥
0 6 6
𝑥
1 1 2
∫ 𝑑𝑥 = 𝑥 −
2 3 3 3
𝑥
1 1 1
∫ 𝑑𝑥 = 𝑥−
3 12 12 4
1 1 2 1 1 7𝑥 − 11
𝑥+ 𝑥− + 𝑥− = =𝑟
6 3 3 12 4 12
12𝑟 + 11
𝑥=
7
12𝑟 + 11
𝑥=
7
𝑥𝑖 𝑟𝑖 12𝑟𝑖 + 11 𝑥𝑖
𝑥𝑖 =
7
𝑥1 𝑟1 = 0.639 12(0.639) + 11 2.666
𝑥1 =
7
𝑥2 𝑟2 = 0.709 12(0.709) + 11 2.786
𝑥2 =
7
𝑥3 𝑟3 = 0.408 12(0.408) + 11 2.270
𝑥3 =
7
𝑥4 𝑟4 = 0.144 12(0.144) + 11 1.818
𝑥4 =
7
𝑥5 𝑟5 = 0.987 12(0.987) + 11 1.933
𝑥5 =
7
𝑥6 𝑟6 = 0.211 12(0.211) + 11 1.933
𝑥6 =
7
𝑥7 𝑟7 = 0.821 12(0.821) + 11 2.978
𝑥7 =
7
𝑥8 𝑟8 = 0.585 12(0.585) + 11 2.574
𝑥8 =
7
𝑥9 𝑟9 = 0.908 12(0.908) + 11 3.128
𝑥9 =
7
𝑥10 𝑟10 = 0.423 12(0.423) + 11 2.296
𝑥10 =
7
7. Mediante el método de la transformada inversa desarrolle el generador de
procesos aleatorios para la siguiente función de densidad:
0.1, 0<𝑥≤4
1
, 4 < 𝑥 ≤ 10
𝑓(𝑥) 𝑥2
3𝑥
{1000 , 10 < 𝑥 ≤ 20}
𝑥 𝑥 𝑥
1 3
∫ 0.1𝑑𝑥 ∫ 2
𝑑𝑥 ∫ 𝑑𝑥 = 0.000075𝑥 2 + 0.003 − 0.00105𝑥
0 4 𝑥 10 1000
√𝑟 − 0.003 + 0.00105
0.000075
𝑥=
2
8. Use el generador desarrollado en el problema 7 para determinar los valores
x , i = 1, 2,L,10 i si se han generado los siguientes números pseudoaleatorios:
0.917, 0.622, 0.999, 0.854, 0.054, 0.620, 0.374, 0.073, 0.622 y 0.888.
√𝑟 − 0.003 + 0.00105
0.000075
𝑥=
2
STATGRAPHICS
ProModel
11. Genere 100 variables aleatorias con distribución uniforme con los
parámetros: a = 350 y b = 850.
a. En una hoja de cálculo, usando la ecuación 3.8.
i a b Var. Aleatoria i a b Var. Aleatoria i a b Var. Aleatoria
1 350 850 763.55 36 350 850 472.54 71 350 850 412.67
2 350 850 441.59 37 350 850 627.09 72 350 850 544.69
3 350 850 638.83 38 350 850 728.61 73 350 850 828.29
4 350 850 792.66 39 350 850 790.47 74 350 850 367.18
5 350 850 459.28 40 350 850 352.29 75 350 850 469.88
6 350 850 689.34 41 350 850 593.28 76 350 850 767.94
7 350 850 511.14 42 350 850 633.54 77 350 850 705.84
8 350 850 671.95 43 350 850 584.24 78 350 850 717.53
9 350 850 436.57 44 350 850 486.74 79 350 850 582.85
10 350 850 509.91 45 350 850 395.21 80 350 850 706.71
11 350 850 683.61 46 350 850 762.38 81 350 850 462.34
12 350 850 545.12 47 350 850 609.62 82 350 850 783.11
13 350 850 685.02 48 350 850 420.59 83 350 850 598.52
14 350 850 770.44 49 350 850 600.18 84 350 850 832.7
15 350 850 576.51 50 350 850 668.6 85 350 850 654.35
16 350 850 524.34 51 350 850 427.34 86 350 850 389.93
17 350 850 771.54 52 350 850 645.71 87 350 850 792.35
18 350 850 399.57 53 350 850 427.66 88 350 850 545.23
19 350 850 648.14 54 350 850 707.86 89 350 850 563.72
20 350 850 514.8 55 350 850 768.03 90 350 850 647.26
21 350 850 620.26 56 350 850 378.13 91 350 850 719.32
22 350 850 377.11 57 350 850 399.66 92 350 850 558.92
23 350 850 463.69 58 350 850 422.8 93 350 850 529.46
24 350 850 393.89 59 350 850 530.22 94 350 850 765.01
25 350 850 540.59 60 350 850 834.23 95 350 850 647.35
26 350 850 751.58 61 350 850 683.47 96 350 850 842.87
27 350 850 613.48 62 350 850 690.39 97 350 850 456.3
28 350 850 630.13 63 350 850 677.55 98 350 850 580.9
29 350 850 698.06 64 350 850 454.51 99 350 850 781.88
30 350 850 358.35 65 350 850 616.06 100 350 850 565.01
31 350 850 583.32 66 350 850 514.61
32 350 850 537.03 67 350 850 560.12
33 350 850 847.99 68 350 850 464.11
34 350 850 393.19 69 350 850 461.68
35 350 850 820.12 70 350 850 816.03
b. Usando Statgraphics.
c. Usando ProModel.
12. Realice la prueba de bondad de ajuste, con un nivel de significancia de 0.05,
a los valores generados en cada uno de los incisos del ejercicio anterior.
Saque conclusiones de los resultados de las pruebas.
Statgraphics
ProModel
13. En un cajero automático llegan clientes a razón de 15 por hora. Genere 100
llegadas de los clientes utilizando:
a. Statgraphics.
b. ProModel.
14. Realice la prueba de bondad de ajuste, con un nivel de significancia de 0.05,
a los valores generados en cada uno de los incisos del ejercicio anterior.
Saque conclusiones de los resultados de las pruebas.
a. Statgraphics.
b. ProModel.
15. La inspección final de un proceso de fundición arroja un promedio de 5%
defectuosos. La fundición trabaja los tres turnos y en cada uno de ellos se
toma una muestra de 20 partes fundidas. Simule la inspección de 100
muestras mediante:
a. Statgraphics.
b. ProModel.
16. Realice la prueba de bondad de ajuste, con un nivel de significancia den
0.05, a los valores generados en uno de los incisos del ejercicio anterior.
Saque conclusiones de los resultados de las pruebas.
a)Statgraphics
b)Promodel
17. El tiempo de mantenimiento para ciertas máquinas se ha encontrado que
varía y que aparentemente sigue una distribución normal con media de 20
minutos y desviación estándar de 3 minutos. Genere 50 tiempos aleatorios
de mantenimiento de esas máquinas.
Statgraphics
ProModel
4.00
3.5
3.50
3.00
3.00
2.50
2.50
2
2.00
1.5
1.50
1.00
0.85
1.00 0.67
0.32 0.42
0.50
-
0 0.5 1 1.5 2 2.5 3 3.5 4
R1= 2.00 (1.50-0.32) (1.00-2.00)
i ri xi ai
1 0.32 1.5 0.44
2 0.42 2 1.24
3 0.67 2.50 1.49
4 0.85 3.00 2.07
5 1.00 3.5 0.3
Ri X=xi+ai(R-ri) Xi (horas)
2.00 1.50+0.44(2.00-0.32) 2.24
3.50 3.50+2.25(3.50-1.00) 4.25
2.50 2.50+1.49(2.50-0.67) 5.23
1.55 1.50+0.44(1.55-0.32) 3.63
3.01 3.00+2.07(3.01-0.85) 7.47
22. El número de trabajos que se recibe en un taller durante una hora pueden
ser 0, 1 o 2. Con la frecuencia relativa observada de 0.44, 0.16 y 0.40,
respectivamente. Genere 5 valores X, para representar el número de trabajos
que se reciben cada hora. Use el método de la transformada inversa. En este
caso se trata de una variable aleatoria discreta. Recuerde que para estos
casos no se utiliza la interpolación, tal como se hizo en los ejemplos de la
simulación Monte Carlo.
0.44, 0<𝑥<1
𝑓(𝑥) = {0.16, 1 < 𝑥 < 2}
0.40, 2<𝑥<3
𝑥 𝑥 𝑥
23. ∫0 0.44𝑑𝑥 ∫1 0.16𝑑𝑥 ∫2 0.40𝑑𝑥 = 0.44𝑥 + 0.16𝑥 − 0.16 + 0.40𝑥 − 0.8
24. 0.44𝑥 + 0.16𝑥 + 0.40𝑥 = 𝑥 − 0.96
25. 𝑥 − 0.96 = 𝑟
26. 𝑥 = 𝑟 + 0.96
𝑥 = 𝑟 + 0.96
𝑥𝑖 𝑟𝑖 𝑥𝑖 = 𝑟𝑖 + 0.96 𝑥𝑖
𝑥1 0.8612 𝑥1 = 0.8612 + 0.96 1.8212
𝑥2 0.6364 𝑥2 = 0.6364 + 0.96 1.5964
𝑥3 0.6449 𝑥3 = 0.6449 + 0.96 1.6049
𝑥4 0.6021 𝑥4 = 0.6021 + 0.96 1.5621
𝑥5 0.0149 𝑥3 = 0.0149 + 0.96 0.9749