INGENIERÍA EN GESTIÓN EMPRESARIAL

SIMULACIÓN

Problemario Unidad 3: Variables Aleatorias

Docente: DR. José Armando Rodríguez Cerros

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

Lunes 06 de abril de 2020

1. Mediante el método de la transformada inversa desarrolle el generador de
procesos aleatorios para la siguiente función de densidad:

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

2. Use el generador desarrollado en el problema 1 para determinar los valores

x , i = 1, 2,L,10 i si se han generado los siguientes números pseudoaleatorios:
0.054, 0.909, 0.216, 0.930, 0.072, 0.558, 0.767, 0.513, 0.725 y 0.434.

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

4. Use el generador desarrollado en el problema 3 para determinar los valores

x , i = 1, 2,L,10 i si se han generado los siguientes números pseudoaleatorios:
0.800, 0.224, 0.198, 0.269, 0.065, 0.698, 0.042, 0.169, 0.691 y 0.952.

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

6. Use el generador desarrollado en el problema 5 para determinar los valores

x , i = 1, 2,L,10 i si se han generado los siguientes números pseudoaleatorios:
0.639, 0.709, 0.408, 0.144, 0.987, 0.211, 0.821, 0.585, 0.908 y 0.423.

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

𝑥𝑖 𝑟𝑖 √𝑟𝑖 − 0.003 + 0.00105

0.000075
𝑥𝑖 =
2
√ 0.917 − 0.003
𝑥1 𝑟1 = 0.917 + 0.00105 55.197
0.000075
𝑥1 =
2
√ 0.622 − 0.003
𝑥2 𝑟2 = 0.622 + 0.00105 45.424
0.000075
𝑥2 =
2
√ 0.999 − 0.003
𝑥3 𝑟3 = 0.999 + 0.00105 57.619
0.000075
𝑥3 =
2
√ 0.854 − 0.003
𝑥4 𝑟4 = 0.854 + 0.00105 53.260
0.000075
𝑥4 =
2
√ 0.054 − 0.003
𝑥5 𝑟5 = 0.054 + 0.00105 13.038
0.000075
𝑥5 =
2
√ 0.620 − 0.003
𝑥6 𝑟6 = 0.620 + 0.00105 45.351
0.000075
𝑥6 =
2
√ 0.374 − 0.003
𝑥7 𝑟7 = 0.374 + 0.00105 35.166
0.000075
𝑥7 =
2
√ 0.073 − 0.003
𝑥8 𝑟8 = 0.073 + 0.00105 15.275
0.000075
𝑥8 =
2
√ 0.622 − 0.003
𝑥9 𝑟9 = 0.622 + 0.00105 45.424
0.000075
𝑥9 =
2
√0.888 − 0.003
𝑥10 𝑟10 = 0.888 + 0.00105 54.314
0.000075
𝑥10 =
2
 9. Genere 100 variables aleatorias distribuidas exponencialmente con media
1l =1500 horas.
a. En una hoja de cálculo, usando la ecuación 3.4.

No. Var. Aleatorias No. Var. Aleatorias No. Var. Aleatorias

1500 1 1473.509 1500 41 1217.486 1500 81 2332.538
1500 2 851.03 1500 42 443.072 1500 82 91.741
1500 3 840.887 1500 43 560.541 1500 83 3235.561
1500 4 1695.3 1500 44 3669.506 1500 84 682.167
1500 5 931.477 1500 45 418.661 1500 85 1368.17
1500 6 5621.065 1500 46 3403.447 1500 86 2286.801
1500 7 263.271 1500 47 183.628 1500 87 786.213
1500 8 107.993 1500 48 1159.09 1500 88 222.461
1500 9 3539.011 1500 49 1705.979 1500 89 2046.395
1500 10 1257.007 1500 50 542.046 1500 90 968.874
1500 11 1712.735 1500 51 13.728 1500 91 104.8
1500 12 248.926 1500 52 2427.909 1500 92 880.861
1500 13 909.255 1500 53 1765.664 1500 93 96.369
1500 14 2514.73 1500 54 973.668 1500 94 136.55
1500 15 427.364 1500 55 2167.788 1500 95 1278.262
1500 16 2091.962 1500 56 236.092 1500 96 65.875
1500 17 655.284 1500 57 3916.633 1500 97 2139.27
1500 18 2920.912 1500 58 1049.492 1500 98 865.388
1500 19 2878.738 1500 59 1651.457 1500 99 2520.125
1500 20 2535.987 1500 60 1759.304 1500 100 3116.091
1500 21 1245.6 1500 61 292.779
1500 22 800.828 1500 62 1989.066
1500 23 857.264 1500 63 1050.803
1500 24 3637.363 1500 64 4441.23
1500 25 1947.636 1500 65 1166.525
1500 26 1290.736 1500 66 12.476
1500 27 1109.741 1500 67 90.219
1500 28 320.139 1500 68 525.666
1500 29 108.855 1500 69 364.966
1500 30 2697.05 1500 70 814.662
1500 31 1186.953 1500 71 901.84
1500 32 3047.879 1500 72 67.368
1500 33 4424.591 1500 73 161.887
1500 34 1574.76 1500 74 645.887
1500 35 1480.137 1500 75 119.813
1500 36 850.98 1500 76 1466.918
1500 37 141.38 1500 77 299.699
1500 38 1750.818 1500 78 88.664
1500 39 949.804 1500 79 1486.083
1500 40 3058.79 1500 80 588.037
b. Usando Statgraphics.
c. Usando ProModel.
10. 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
 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

18. Realice la prueba de bondad de ajuste, con un nivel de significancia den

0.05, a los valores generados en cada uno de los incisos del ejercicio
anterior. Saque conclusiones de los resultados de las pruebas.
a) Promodel
b) Statgraphics
19. Los tiempos hasta la falla para un robot industrial están distribuidos
aleatoriamente con una distribución de Weibull con parámetros b = 3 y a =
500 horas. Genere 50 tiempos hasta la falla para este tipo de robot.
a. Usando Statgraphics.
b. Usando ProModel.
20. 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)Usando ProModel.
 21. Se han recolectado 100 tiempos de servicio en la caja de la cafetería del ITA,
después de varias pruebas se concluye que los datos no se ajustan a ninguna
de las distribuciones conocidas, por lo que se decide generar valores
aleatorios a partir de la distribución empírica.
La siguiente tabla muestra el resumen de los datos del tiempo de servicio.

Genere 5 variables aleatorias mediante el método de la transformada inversa para

distribuciones empíricas continuas.

intervalo frecuencias frecuencia frecuencia

(minutos) relativa acumulada
1.5 32
0.32 0.32
2 10
0.10 0.42
25
2.50 0.25 0.67
15
3.00 0.15 0.85
3.5 18
0.18 1.00

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)

R2= 3.50 (3.50-1.00) (2.50-3.50)

2.00 − 0.32
𝑋1 = 1.50 + (1.00 − 2.00) = 0.14 ℎ𝑜𝑟𝑎𝑠
1.00 − 0.32
0.32−01 0.42−0.32
𝑎1 = = 0.44 𝑎2 = = 1.24
1.5−0 2−1.5
0.67−0.42 0.42−0.32
𝑎3 = = 1.49 𝑎4 = 3.00−2.50 = 2.07
2.50−2
1.00−0.85
𝑎5 = = 0.3
3.5−3.00

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