GENERACION DE NUMEROS

ALEATORIOS Y VARIABLES
ALEATORIAS
“La simulación de eventos se basa en la
ocurrencia aleatoria de los mismos, por ello
los números aleatorios y las variables
aleatorias son de especial importancia en la
aplicación de esta herramienta”

DR. JORGE ACUÑA

 VARIABLES
ALEATORIAS news
PROCESO
GENERADOR
TIEMPO DE NUMEROS
ALEATORIOS

GENERADOR
DE
VARIABLES
ALEATORIAS
ENTREGA
TIEMPO PIDE TIEMPO
GENERADO DA DISTRIBUCION ENTREGA
Y PARAMETROS PIDE UN NUMERO
NUMERO GENERADO
ALEATORIO
DR. JORGE ACUÑA
 VARIABLES
ALEATORIAS news
PROCESO
GENERADOR
TIEMPO=? DE
NUMEROS
ALEATORIOS

GENERADOR
DE
VARIABLES
ALEATORIAS
TIEMPO=4.324
NORMAL CON
MEDIA=4.3 Y ENTREGA
DESVIACION=0.4 PIDE UN 0.34555
NUMERO
ALEATORIO
DR. JORGE ACUÑA
GENERADOR DE NUMEROS
ALEATORIOS news
 Los números aleatorios son los que dan un
comportamiento real al modelo.
 Es un proceso matemático-estadístico
 Existen varios algoritmos:
◦ Método del cuadrado medio
◦ Método congruencial lineal
◦ Método congruencial multiplicativo
 Todos los métodos se basan en una semilla
 En la generación se debe poner especial cuidado al
período, que es el número de números que se pueden
generar hasta que se repita la serie.
 El número aleatorio es un valor entre 0 y 1 y se
distribuyen uniformemente.

DR. JORGE ACUÑA

 METODO DEL CUADRADO
MEDIO news
• Es uno de los primeros métodos. Consiste en:

1. Escoger una semilla arbitraria

2. Elevar la semilla al cuadrado
3. Escoger los dígitos medios del cuadrado como
número aleatorio
4. Elevar esos dígitos al cuadrado
5. Repetir 3 y 4 hasta generar los números
deseados sin que se repita la cadena o serie.

DR. JORGE ACUÑA

 METODO DEL CUADRADO
MEDIO news
 EJEMPLO: Generar 4 números aleatorios con la semilla
5497. Ri : número aleatorio generado
1. Semilla= X0= 5497
2. X02 = 54972 = 30217009
3. X1 = 2170 R1 = 0.217
4. X12 = 21702 = 04708900 Estos son los
3. X2 = 7089 R2 = 0.7089 cuatro números
2 2
4. X2 = 7089 = 50253921 aleatorios
3. X3 = 2539 R3 = 0.2539
4. X32 = 25392 = 06446521
3. X4 = 4465 R4 = 0.4465

DR. JORGE ACUÑA

 GENERACION DE
VARIABLES ALEATORIAS news
• En Simulación se debe siempre muestrear de una
distribución de probabilidad que representa la
ocurrencia de los eventos.
• Estas distribuciones pueden ser teóricas o empíricas y
ambas pueden ser continuas o discretas.
• Las distribuciones empíricas están representadas por
distribuciones de frecuencias.
• En el caso de distribuciones teóricas existen varios
métodos para generar las variables.

DR. JORGE ACUÑA

 GENERACION DE
VARIABLES ALEATORIAS news
 Técnicas para generar variables aleatorias provenientes
de una distribución teórica:
◦ Transformada inversa (usada para generar variables
aleatorias distribuidas según Exponencial, Weibull y
Triangular)
◦ Función acumulada (usada para generar variables
aleatorias de distribuciones empíricas)
◦ Transformación directa (usada para generar variables
normalmente distribuidas)
◦ Método de convolución (usado para generar variables
aleatorias distribuidas según ERLANG, POISSON y
GAMMA)

DR. JORGE ACUÑA

 METODO DE LA
TRANSFORMADA INVERSA news
PROCEDIMIENTO
1. Encontrar la función acumulada de la distribución
respectiva.
2. Igualar esa función a R (número aleatorio
uniformemente distribuido) sea F(x)=R
3. Resolver la anterior ecuación para x.
4. Establecer la función generadora
EJEMPLO
Encontrar la función generadora de la exponencial.
1. F(x) = 1 - e - x 2. 1 - e - x = R
3. x = (-1/ ) ln(1-R) 4. xi = (-1/ ) ln(1-Ri)

DR. JORGE ACUÑA

EJEMPLO DE GENERADOR
DE VARIABLES EXPONENCIALES news
PROCESO
GENERADOR
TIEMPO=? DE NUMEROS
ALEATORIOS

xi = (-1/ )*
ln(1-Ri)
TIEMPO=1.91 MINS
EXPONENCIAL
MEDIA=4.5 MINS ENTREGA
PIDE UN 0.34555
NUMERO
ALEATORIO
DR. JORGE ACUÑA
 METODO DE LA
TRANSFORMADA INVERSA
news
OTRAS FUNCIONES GENERADORAS
 Distribución uniforme
xi = a +( b - a ) * Ri
 Distribución Weibull
xi = * [ -ln (1 - Ri )] 1/
 Distribución triangular
R1 = ALEATORIO 1
R2 = ALEATORIO 2
SI (R1 < (B - A) / (C - A)) ENTONCES
Triangular = A + (B - A) * R2 SINO
Triangular = C - (C - B) * R2

DR. JORGE ACUÑA

 DISTRIBUCION NORMAL
PROCEDIMIENTO A.
12
news
X Ri 6 *
i 1

PROCEDIMIENTO B.
1. Generar R1 y R2
Vi=2Ri-1 para i=1,2
W=V12+V22
2. Si W>1 volver al Paso 1. Sino:
2 ln( w)
Z1=V1*y Z2=V2*y y
X1=Z1* + w
X2=Z2* +

DR. JORGE ACUÑA

EJEMPLO DE PROCEDIMIENTO
A. news
Generar dos variables aleatorias para un tiempo de
proceso cuya media es 5 y su desviación estándar es
0.3.
12
S1 Ri 6 6 .2 6 0.2
i 1
12
S2 Ri 6 5 .4 6 0.6
i 1

X1=S1* + = 0.2*0.3+5= 5.24

X2=S2* + = -0.6*0.3+5= 4.82

DR. JORGE ACUÑA

 EJEMPLO DE
PROCEDIMIENTO B. news
Generar dos variables aleatorias para un tiempo de proceso cuya
media es 5 y su desviación estándar es 0.3.

1. R1=0.6 y R2 =0.3
V1=2(0.6) -1= 0.2
V2=2(0.3) -1=- 0.4
W=0.22+(-0.4)2=0.2
2. W<1

Z1=V1*y =0.2*4.012=0.8 Z2=V2*y=-0.4*4.012=-1.6

X1=Z1* + = 0.8*0.3+5= 5.24

X2=Z2* + = -1.6*0.3+5= 4.52

2 ln( w) 2 ln(0.2)
y 4.012
w 0.2
DR. JORGE ACUÑA
 EJEMPLO 2 DE
PROCEDIMIENTO B.
Generar 30 valores para un tiempo de proceso que se distribuye
normalmente con media es 2.35 minutos y desviación estándar es
news
0.23 minutos.
# R1 R2 V1 V2 W y Z1 Z2 X1 X2
1 0.760177467 0.04974372 0.52035493 -0.90051257 1.08169214 (No sirve pues W>1)

2 0.50190155 0.54633272 0.0038031 0.09266543 0.00860135 33.2541048 0.12646867 3.08150595 2.38 3.06

3 0.107204119 0.32589551 -0.78559176 -0.34820899 0.73840392 0.9063139 -0.71199273 -0.31558665 2.19 2.28

4 0.744025954 0.20457119 0.48805191 -0.59085763 0.5873074 1.34624008 0.65703504 -0.79543622 2.50 2.17

5 0.888466886 0.30798921 0.77693377 -0.38402158 0.75109866 0.87300188 0.67826464 -0.33525156 2.51 2.27

6 0.600042775 0.51130059 0.20008555 0.02260119 0.04054504 12.5742851 2.51593273 0.28419381 2.93 2.42

7 0.123304795 0.68341085 -0.75339041 0.3668217 0.70215527 1.00358691 -0.75609275 0.36813746 2.18 2.43

8 0.656965005 0.07457283 0.31393001 -0.85085435 0.82250517 0.68930038 0.21639208 -0.58649423 2.40 2.22

9 0.551837621 0.00516526 0.10367524 -0.98966949 0.99019425 0.14107958 0.01462646 -0.13962216 2.35 2.32

10 0.958738503 0.5849138 0.91747701 0.16982761 0.87060547 0.56420017 0.51764068 0.09581677 2.47 2.37

11 0.666282809 0.21796188 0.33256562 -0.56407625 0.4287819 1.98741681 0.6609465 -1.12105462 2.50 2.09

12 0.819078493 0.20853019 0.63815699 -0.58293962 0.74706294 0.88355688 0.563848 -0.51506031 2.48 2.23

13 0.293377603 0.30383294 -0.41324479 -0.39233413 0.32469733 2.63223846 -1.08775884 -1.03271698 2.10 2.11

14 0.088355424 0.32108534 -0.82328915 -0.35782931 0.80584684 0.73194157 -0.60259955 -0.26191015 2.21 2.29

15 0.097035419 0.77361042 -0.80592916 0.54722084 0.94897247 0.33224026 -0.26776211 0.1818088 2.29 2.39

16 0.109395645 0.40379788 -0.78120871 -0.19240423 0.64730644 1.15923757 -0.90560649 -0.22304222 2.14 2.30

DR. JORGE ACUÑA

DISTRIBUCIONES EMPIRICAS news
En este caso se trabaja con la frecuencia relativa acumulada y el
punto medio que representa a la variable aleatoria.
EJEMPLO: Para una distribución de probabilidad variable
continua

Li Ls Xk nk fk Fk

5.05 14.95 10.0 4 0.1250 0.1250

14.95 24.85 19.9 6 0.1875 0.3125
24.85 34.75 29.8 12 0.3750 0.6875
34.75 44.65 39.7 8 0.2500 0.9375
44.65 54.55 49.6 2 0.0625 1

DR. JORGE ACUÑA

DISTRIBUCIONES
EMPIRICAS news
Xk Fk R(# aleatorio)

10.0 0.1250 0.0000 0.1250

19.9 0.3125 0.1251 0.3125
29.8 0.6875 0.3126 0.6875
39.7 0.9375 0.6876 0.9375
49.6 1 0.9376 0.9999

Así, si por ejemplo, si se tiene un número aleatorio

generado que da el valor de 0.5078, entonces el valor de
la variable aleatoria es el correspondiente a Xk o sea
29.8.

DR. JORGE ACUÑA

EJEMPLO DE GENERACION DE
VARIABLES ALEATORIAS news
A: Determine un intervalo de confianza del
95% para el tiempo de proceso de 40
partes cuya función densidad de
probabilidad es:
32
f ( x) para x 0
( x 4)3

B. Muestre los efectos en la media, desviación

e intervalo que tiene el incremento en el
tamaño de la muestra.
DR. JORGE ACUÑA
FUNCION ACUMULADA
F(x) f ( x)
32
para x 0
( x 4) 3
news
SOLUCION:
32
A. F ( x) f ( x) dx 3
dx
0 0
( x 4)
u x 4
du dx
3 32 16
F ( x) 32 u du
0
2u 2 ( x 4) 2
16
R
( x 4) 2
2 16
x 8 x 16 0
R
DR. JORGE ACUÑA
 2
x +8x+(16-16/R)

news
# Aleatorio (16-16/R) x1 x2 x
1 0,51 -15,11 1,58 -9,58 1,58
2 0,86 -2,54 0,31 -8,31 0,31
3 0,96 -0,73 0,09 -8,09 0,09
4 0,88 -2,09 0,25 -8,25 0,25
5 0,38 -25,96 2,48 -10,48 2,48
6 0,33 -32,55 2,97 -10,97 2,97
7 0,46 -18,58 1,88 -9,88 1,88
8 0,75 -5,25 0,61 -8,61 0,61
9 0,23 -52,36 4,27 -12,27 4,27
10 0,81 -3,66 0,43 -8,43 0,43
11 0,88 -2,12 0,26 -8,26 0,26

GENERACION 12
13
14
0,28
0,32
0,75
-41,49
-34,39
-5,47
3,58
3,10
0,63
-11,58
-11,10
-8,63
3,58
3,10
0,63

DE LA
15 0,76 -5,05 0,59 -8,59 0,59
17 0,43 -21,29 2,11 -10,11 2,11
18 0,43 -21,33 2,11 -10,11 2,11
19 0,55 -13,09 1,39 -9,39 1,39

VARIABLE
20 0,18 -72,89 5,43 -13,43 5,43
21 0,81 -3,81 0,45 -8,45 0,45
22 0,17 -77,77 5,68 -13,68 5,68
23 0,96 -0,67 0,08 -8,08 0,08

ALEATORIA x 24
25
26
27
0,35
0,34
0,87
0,99
-30,23
-31,42
-2,39
-0,16
2,80
2,89
0,29
0,02
-10,80
-10,89
-8,29
-8,02
2,80
2,89
0,29
0,02
28 0,25 -48,55 4,03 -12,03 4,03
29 0,52 -14,57 1,53 -9,53 1,53
30 0,92 -1,30 0,16 -8,16 0,16
31 0,65 -8,73 0,97 -8,97 0,97
32 0,76 -4,99 0,58 -8,58 0,58
33 0,31 -35,61 3,18 -11,18 3,18
34 0,62 -9,63 1,06 -9,06 1,06
35 0,94 -1,02 0,13 -8,13 0,13
36 0,77 -4,87 0,57 -8,57 0,57
37 0,89 -1,98 0,24 -8,24 0,24
38 0,55 -13,24 1,41 -9,41 1,41
39 0,38 -26,42 2,51 -10,51 2,51
40 0,39 -25,54 2,44 -10,44 2,44
PROMEDIO 1,67
DESVIACION 1,534
DR. JORGE ACUÑA
RESPUESTA A LA PARTE
A. news
El intervalo de confianza del 95% para el tiempo
de proceso de 40 partes es:
P{Li Ls} 0.95
' 1.534
Li x z0.025 1.67 1,96 * 1.282
n 40
' 1.534
Ls x z0.025 1.67 1,96 * 2.058
n 40
P{1.282 2.058} 0.95

DR. JORGE ACUÑA

RESPUESTA A LA PARTE
B. n t Z xbarra sigma LIC LSC
10 2,262 1,49 1,41
news
0,43 2,55
30 2,045 1,79 1,67 1,16 2,43
50 1,96 1,71 1,44 1,31 2,11
100 1,96 1,90 1,89 1,53 2,27
200 1,96 2,01 2,07 1,72 2,30
300 1,96 2,11 2,34 1,84 2,37
400 1,96 2,06 2,29 1,83 2,28
500 1,96 2,09 2,30 1,88 2,29
600 1,96 2,07 2,27 1,89 2,26
700 1,96 2,01 2,19 1,84 2,17
800 1,96 1,95 2,14 1,80 2,10
900 1,96 1,93 2,11 1,79 2,06
1000 1,96 1,92 2,08 1,79 2,05

DR. JORGE ACUÑA

GRAFICOS DE
ESTABILIDAD news
GRAFICO DE PROMEDIOS
DE LOS PROMEDIOS
2,20
2,10
2,00
PROMEDIO

1,90
1,80
1,70
1,60
1,50
1,40
0 100 200 300 400 500 600 700 800 900 1000
TAMAÑO DE MUESTRA

DR. JORGE ACUÑA

GRAFICOS DE
ESTABILIDAD
GRAFICO DE DESVIACIONES ESTANDAR
news
DE LAS DESVIACIONES ESTANDAR
2,40
DESVIACION ESTANDAR

2,20

2,00

1,80

1,60

1,40
0 100 200 300 400 500 600 700 800 900 1000
TAMAÑO DE MUESTRA

DR. JORGE ACUÑA

GRAFICOS DE
ESTABILIDAD
GRAFICO DE INTERVALOS DE CONFIANZA
news
DE LOS INTERVALOS DE CONFIANZA
LIMITES DE CONFIANZA

2,55
2,30
2,05
1,80
1,55
1,30
1,05
0,80
0,55
0,30
0 100 200 300 400 500 600 700 800 900 1000
TAMAÑO DE LA MUESTRA

DR. JORGE ACUÑA