Simulación Industrial

INDU-215
II-2021
Clase 6:
 Temas de la lección 6

AGENDA
❑Generación de muestras aleatorias de distribución
estadística III
❑Distribución uniforme.
❑Distribución Triangular.
❑Distribuciones empíricas

2
 Generación de muestras
aleatorias de distribución
estadística
*Transformada inversa

Los datos históricos del tiempo de servicio en un banco se comporta de forma

exponencial con media de 3 minutos/cliente. Simule la llegada de los
próximos 5 clientes.

3
 Ejemplo
-La compañía ABC compró un torno en 13 500 000 colones y
se espera que su vida útil sea de seis años, al final de los
cuales tendría un valor de salvamento que se distribuye
uniformemente entre 1 500 000 y 1 750 000 colones. Se
estima que generará ahorros distribuidos normalmente con
promedio de 5 500 000 y desviación estándar de 120 000
colones. Debe pagarse un 27,2% en impuestos sobre ahorros.
Determinar el valor de recuperación de la inversión después de
impuestos con 10 corridas.
-Tome en cuenta que valor de recuperación de la inversión (VR)
en años está dado por:
 Distribución Uniforme

Se utiliza cuando no hay información

suficiente para poder ajustar a
alguna de las distribuciones teóricas.
• a: un mínimo y b: un máximo

5
 Fórmulas

•F𝑥 =
𝑥−𝑎
𝑏−𝑎

• 𝜇= 𝑎+𝑏
2
(𝑏−𝑎)2
• 𝜎2 =
12

6
 Ejemplo: Probabilidad Dist.
Uniforme
• El tiempo de mezclado en una batidora es una variable
distribuida uniformemente con un mínimo de 8 minutos y
un máximo de 11.
Cuál es la probabilidad al mezclar de que se dure:
a) 9.5 minutos o menos minutos
b) 8.6 o más minutos
c) Entre 8.5 y 10.5
d) Cuál es la media y la varianza?

7
 Fórmulas
MIN 8 min y un MAX 11 min
a) Prob 9.5 o menos?
•F𝑥 =
𝑥−𝑎
𝑏−𝑎 (9.5-8)/(11-8)= 0.5
• 𝜇= 𝑎+𝑏
2 b) prob? X>=8.6

(𝑏−𝑎)2
• 𝜎2 =
12
1-F(x)= 1-((8.6-8)/(11-8)= 1- 0.6/3 = 0.8

8
 Distribución Triangular

• Se utiliza cuando no hay información suficiente para

poder ajustar a alguna de las distribuciones teóricas.
• Se basa en tres valores: un mínimo llamado a, una moda
llamado b y un máximo C. Son el resultado de una
aproximación empírica obtenida por expertos en el
comportamiento de la variable en estudio.
• No es posible hacer conjeturas fuera de ese intervalo.

9
Distribución Triangular
• El tiempo de ensamble de un
computador se distribuye
triangularmente con
a=1.5 b=3.1 y c=5.1
-Menos de 4.5 minutos
-Menos de 1.4 minutos
-Menos de 6.6 minutos
-Menos de dos minutos
-Entre 3 y 4.5 minutos
-Cuál es la media y la varianza?

10
 Distribuciones Empíricas
Aplicado a la simulación

• Son el resultado de no poder ajustar estadísticamente a

un conjunto de datos una distribución teórica conocida,
por lo que se debe acudir a un acotado que toma como
base los valores máximo y mínimo de la muestra
utilizada.
• Se origina de una distribución de frecuencias de datos no
agrupados que representan la variable en estudio.
• La función densidad de la probabilidad f(x) se ajusta con
la frecuencia relativa.
• La función acumulada F(x) se ajusta con la frecuencia
relativa. 11
 Ejemplo
• Considere la cantidad de
inspectores requeridos en una
inspección según la siguiente tabla
de frecuencia:

• Determine la función de densidad,

la función acumulada, la media y
la varianza.

12
 Respuesta

Inspectores Probabilidad Acumulada F(x)

1 0,15 0,15
2 0,08 0,23
3 0,54 0,77
4 0,05 0,82
5 0,18 1

13
14
 Generación de
Variables Aleatorias
 Distribuciones Empíricas

Distribución discreta

Distribución continua
Vamos a generar valores de una variable aleatoria…
partiendo de una distribución empírica

16
 Distribución Discreta
• Probar que ninguna distribución teórica conocida se
ajuste a los datos. Gráfico o bondad de ajuste.
• Tomar la muestra y generar una distribución de
frecuencias de datos no agrupados.
• Completar la tabla de distribución de frecuencias y
determinar la frecuencia relativa acumulada.
• Generar intervalos para los aleatorios (00-99) con base en
la frecuencia acumulada.
• Generar aleatorios U(0,1) y ubicar el número en los
intervalos correspondientes.

17
 Ejemplo
Clientes Probabilidades
5 0,02
10 0,08
20 0,11
La llegada de clientes a la ventanilla del
cine se comporta según el siguiente 30 0,16
gráfico.
40 0,08
Genere 5 valores de llegada para los
clientes del cine. 50 0,11
60 0,15
70 0,04
80 0,07
90 0,06
100 0,05
110 0,04 18
120 0,03
 Representación de la distribución de probabilidad
0,18

0,16

0,14

0,12
Probabilidad

0,10

0,08

0,06

0,04

0,02

0,00
5 10 20 30 40 50 60 70 80 90 100 110 120
# Clientes

19
 Respuesta
Clientes Probabilidades Acumulada Indice (aleatorios)
5 0,02 0,02 00 - 01
10 0,08 0,10 02 - 09
20 0,11 0,21
30 0,16 0,37
40 0,08 0,45
50 0,11 0,56
60 0,15 0,71
70 0,04 0,75
80 0,07 0,82
90 0,06 0,88
100 0,05 0,93
110 0,04 0,97
120 0,03 1 97 - 99
20
*Generar 5 aleatorios, buscar el rango, luego la
cantidad de clientes que representa.
 Distribución Continua

• Tomar la muestra y generar una distribución de frecuencias de datos

agrupados
• Completar la tabla de distribución de frecuencias y determinar la
frecuencia relativa acumulada.
• Probar que ninguna distribución teórica conocida se ajusta a los datos.
• Encontrar las ecuaciones lineales correspondientes, por tramo.
Determinar la curva de función acumulada.
• Aplicar la técnica de transformada inversa sobre cada ecuación de línea.
• Generar aleatorios e identificar la variable según el tramo al que
pertenece.

21
 Ejemplo

•A continuación se le presenta
una distribución de
probabilidad de variable
continua obtenida de un
proceso en estudio, Dicho
proceso analiza los tiempos de
servicio en minutos.
• Genere 10 tiempos de
proceso.

22
 Solución

Frecuencia Frecuencia
Li Ls Punto medio Frecuencia
relativa acumulada
5,05 14,95 10 5 0,1667 0,1667
14,95 24,85 19,9 4 0,1333 0,3000
24,85 34,75 29,8 12 0,4000 0,7000
34,75 44,65 39,7 2 0,0667 0,7667
44,65 54,55 49,6 7 0,2333 1,0000

23
 Construir rangos

Tramo Ecuación Rango

Tramo A,B,C… X= m*ri + b 0 <ri<#

24