UNIVERSIDAD NACIONAL

PEDRO RUIZ GALLO

FACULTAD DE INGENERÍA CIVIL, SISTEMAS Y
ARQUITECTURA
ESCUELA PROFESIONAL DE INGENERÍA DE SISTEMAS

Variables Aleatorias:
Método de Convolución

INTEGRANTES
Alva Gonzales Angie Maryline
Ayasta Portocarrero Denilson Homero
Flores Perez José Andrés
Mejia Rojas Nélida Yulissa
Reyes Cajo Celso Arcenio
Soplopuco Navarro Erick Xavier

ASIGNATURA
Modelamiento y Simulación

DOCENTE
Ing. Ronald Stalyn Morales Alarcón

Chiclayo 03 de noviembre del 2020

 ÍNDICE
VARIABLES ALEATORIAS: Método de convolución...........................................................2

Método de convolución..............................................................................................................2

Tabla de similitudes:..................................................................................................................3

Ejemplo 1:..................................................................................................................................4

Ejemplo 2:..................................................................................................................................4

Distribución normal...................................................................................................................5

Ejemplo 1:..................................................................................................................................6

Bibliografía................................................................................................................................7

1
 VARIABLES ALEATORIAS: Método de Convolución

Método de Convolución

La distribución de probabilidad de la suma de dos o más variables aleatorias

independientes es llamada la convolución de las distribuciones de las variables originales. El
método de convolución; para obtener la variable aleatoria utiliza una suma
estadística(convoluciones) de otras variables aleatorias fáciles de obtener. El método de
convolución se aplica a varias distribuciones como: m-Erlang, binomial, Poisson, normal y la
gamma.

El método de convolución se puede usar siempre y cuando la variable aleatoria x se

puede expresar como una combinación lineal de K variables aleatorias:

X = b1x1 + b2x2 + …bkxk

En este método se necesita generar k números aleatorios (u1, u2, …, uk) para generar
(x1, x2, …xk) variables aleatorias usando alguno de los métodos anteriores y así poder obtener
un valor de la variable que se desea obtener por convolución.

Ejemplos de aplicación de esta técnica:

Una variable Erlang-k es la suma de k exponenciales.

Una variable Binomial de parámetros n y p es la suma de n variable Bernoulli con

probabilidad de éxito p.

La chi-cuadrado con v grados de libertad es la suma de cuadrados de v normales N (0,1).

La suma de un gran número de variables de determinada distribución tiene una distribución

normal. Este hecho es usado para generar variables normales a partir de la suma de números
(0,1) adecuados.

Una variable Pascal es la suma de m geométricas.

La suma de dos uniformes tiene una densidad triangular.

2
 Este método permite la interacción de variables aleatorias para realizar un tipo de
distribución. En el caso de la distribución uniforme la fórmula a utilizar sería la siguiente:

U(a, b) = a + (b-a) Aleatorio ()

Distribución de Erlang

La variable aleatoria K-Erlang con media 1/λ puede producirse a partir de la

generación de K variables exponenciales con media 1/kλ

−β
X= ( ) [ln(R1) +ln(R2) +ln(R3) +....+ln(Rm) ]
m

−β
x=( )[ln(R1R2R3….Rm)
m

−β
ln ⁡¿i)
m

Tabla de similitudes:

Método de la transformada
Método de convulsión Similitudes
inversa
Simula variables de tipo Simula variables de tipo Utilizan números aleatorios
aleatoria o exponencial, aleatorio Erlang, norma,
Weibull, uniforme general, binomial, y de Poisson.
Bernoulli.
Se genera a partir de la suma Generan variables en
Se genera a partir de una de dos o más variables distribuciones: Poisson,
función de densidad: f(x) aleatorias independientes. binomial.

Se genera a partir de Se genera siempre y cuando

números pseudo-aleatorios la variable aleatoria x se Se utiliza si la función es
ri=U (0,1). puede expresar como una invertible.
combinación lineal de K

3
Iguala la función F(x) al variables aleatorias X=
número aleatorio r. b1x1b2x2+…bkxk Se hace uso de números
Se necesita generar k aleatorios entre 0 y 1 para
Encontrar la transformada números aleatorios (U1,U2, generar variables aleatorias
inversa y despejando x se …,UK) para generar (x1.x2, con otro tipo de distribución.
obtiene la variable aleatoria. ….xk) variables aleatorias

Ejemplo 1:

Genere variables aleatorias 3-Erlang (1).

Solución:
Paso 1: Generar 3 números aleatorios como U(0,1).De la tabla 2.9 se obtienen:
R1 =0.7109,
R2 = 0.5625,
R3 = 0.4141

Paso 2: Obtener la variable aleatoria X

−β
ln ⁡¿i)
m

X= (-⅓) ln(0.7109*0.5625*0.4141)

X=(-⅓) ln(0.1656)

X=(-⅓) (-1.7982) = 0.5994

Ejemplo 2:

Genere una variable aleatoria binomial (5,0.45).

Solución:

Para obtener esta variable discreta bin(t,p) se aplica el método de convolución

utilizando para obtenerla la Ber ( p) de la siguiente forma:

X= y1 + y2 + y3+ …….. yt

4
 donde yi desde i=1 hasta t son variables aleatorias Bernoulli con función de densidad:

Esta distribución da solo 2 valores, cuando: p ≥ R, el valor de X =1, y X=0 en caso

contrario

Paso 1 Generar 5 números aleatorios.

Paso 2 Obtener 5 variables Bernoulli(0.45).

Paso 3 Obtener la variable aleatoria bin(5,0.45).

Solución: Obteniendo los 5 números aleatorios U(0,1) de la tabla 2.9 se tiene:

I R Yi
1 0.2656 1
2 0.1172 1
3 0.9688 0
4 0.8203 0
5 0.6719 0

Entonces la variable aleatoria bin(5,0.45) es:

X = y1 + y2 + y3 + y4 + y5

X=1+1+0+0+0

X=2

Distribución normal

La distribución también es nombrada como distribución de Gauss.

La variable aleatoria normal con media μ y desviación estándar σ puede generarse usando el
teorema del límite central

Y= x 1+ x 2+……+ x k ~ N(kµ,kơ 2 )

5
Al sustituir x i por números pseudoaleatorios r i se obtiene:

1 1
Y=r 1+r 2+r 3+…..r k ~ N(k ,k )
2 12

12 12
Y=r 1+r 2+r 3+…..r k ~ N( ,k ) ~ N(6,1)
2 12

Y=Z=(r 1+r 2+r 3+…..r 12)-6 ~ N(0,1)

12
x−µ
Z=∑ r−6= ~ N(0,1)
i=1 ơ

Despejando X, tenemos que

12
X= [∑ ]
1
r i−6 ơ+µ

Ejemplo 1:

La temperatura durante setiembre está distribuida normalmente con media 18,7ºC y

desviación standard 5ºC. Calcule la probabilidad de que la temperatura durante
setiembre esté por debajo de 21ºC.

µ = 18,7ºC σ = 5ºC X = 21ºC

x−u 21−18.7 2.3

Z= = = =0.46
σ 5 5

De acuerdo a la tabla z, tenemos una probabilidad de 0.6772

6
 Tenemos que la probabilidad de que la temperatura en septiembre este por debajo de
21°C es del 67.72%

Bibliografía
Garcia, E., García, H., & Cárdenas, L. (2006). Simulación y análisis de sistemas con
Promodel. México: Pearson Educación.

Martinez, M. (s.f.). Métodos para generar variables aleatorias. Recuperado el 30 de 10 de

2020, de Academia:
https://www.academia.edu/17628825/Metodos_para_generar_variables_aleatorias