Variables aleatorias para la simulación

■ Los datos estadísticos son imposibles de obtener

– Sin embargo, se pueden suponer ciertos comportamientos respecto a la

población en la que se originan los datos, esto es la esencia de la
simulación; es decir, realizar un análisis del tipo “que pasa si…”.

■ En la generación de estadísticas simuladas:

– Los valores de las variables aleatorias, tienen una naturaleza

estocástica

– Y debe soportarse por números aleatorios.

Definición de variable aleatoria

■ Un modelo de simulación permite lograr un entendimiento de cualquier sistema.

■ Obtener la aproximación a la realidad se consigue componiendo el modelo con base en

variables aleatorias que interactúen entre sí.

■ ¿cómo podemos determinar qué tipo de distribución tiene una variable aleatoria?,

■ ¿cómo podemos usarla en el modelo una vez que conocemos su distribución

asociada?

■ Los métodos y las herramientas dan respuesta a estas interrogantes para la

generación del modelo.
Definición de variable aleatoria
■ Las variables aleatorias son aquellas que tienen un comportamiento probabilístico en
la realidad.

■ Ejemplo:

– el número de clientes que llegan cada hora a un banco depende del momento del
día, del día de la semana y de otros factores:

– por lo general:

la afluencia de clientes será mayor al mediodía que muy temprano por la

mañana;

la demanda será más alta el viernes que el miércoles;

habrá más clientes un día de pago que un día normal, etc.

Reglas de distribución de probabilidad
■
Tipos de variables aleatorias
■ Se diferencian las variables aleatorias de acuerdo con el tipo de valores aleatorios que
representan.

■ Ejemplo: el número de clientes que solicitan cierto servicio en un periodo de tiempo

determinado, podríamos encontrar valores tales como 0, 1, 2, ..., n, es decir, un
comportamiento como el que presentan las distribuciones de probabilidad discretas.

■ Otro del tiempo que tarda en ser atendido una persona, nuestra investigación arrojaría
resultados como 1.54 minutos, 0.028 horas o 1.37 días, es decir, un comportamiento
similar al de las distribuciones de probabilidad continuas.

■ Si consideramos lo anterior podemos diferenciar entre variables aleatorias discretas y

las continuas.
 Variables aleatorias discretas
■
 Distribuciones de Variables aleatorias discretas
■ Las distribuciones discretas son aquellas en las que la variable puede tomar un número
determinado de valores:

■ EJEMPLO

– Si se lanza una moneda al aire puede salir cara o cruz

– Si se tira un dado puede salir un número de 1 al 6

– En una ruleta el número puede tomar un valor del 1 al 32.

1. Distribucion de la Variable aleatoria discreta
Bernouilli
Es aquel modelo que sigue un experimento que se realiza una sola vez que puede tener dos soluciones:
ACIERTO O FRACASO
Cuando es acierto la variable toma el valor de 1
Cuando es fracaso la variable toma el valor de 0

Donde p + q = 1
Ejemplo
probabilidad de salir cara al lanzar una moneda al aire
Probabilidad de que salga cara p=0.5
Probabilidad de que no salga cara q=0.5

p + q = 0.5 + 0.5 = 1
2. Distribuciones de Variables aleatorias discretas Poisson
2. Distribuciones de Variables aleatorias discretas Poisson
3. Distribuciones de Variables aleatorias discretas Binomial
2. Distribuciones de Variables aleatorias discretas Binomial
3. Distribución de probabilidad de una variable aleatoria discreta binomial
■ .
Ejemplos distribuciones de variables aleatorias discretas

■ Comportamiento asociado a una distribución de Bernoulli.

Si nuestro propósito al analizar un muestreo de calidad consiste en decidir si la
pieza bajo inspección es buena o no, estamos realizando un experimento con 2
posibles resultados: la pieza es buena o la pieza es mala.
■ Comportamiento a una distribución de Poisson.
si lo que queremos es modelar el número de usuarios que llamarán a un teléfono
de atención a clientes
■ Distribución empírica
Si el comportamiento de la variable no se pareciera a otras distribuciones de
probabilidad conocidas.
Es perfectamente válido usar una que se ajuste a las condiciones reales de
probabilidad.
Esta distribución puede ser una ecuación o una suma de términos que cumpla con
las condiciones necesarias para ser considerada una distribución de probabilidad.
Variables aleatorias continuas
■
Las distribuciones de probabilidad continuas:
1. uniforme continua
2. exponencial
3. normal
4. Chi-cuadrada
■ Algunos procesos pueden ser asociados a ciertas distribuciones.
■ Las distribuciones continuas son aquellas que presentan un numero infinito de posibles
soluciones
■ Ejemplo:
■ - el peso medio de los alumnos puede tomar infinitos valores dentro de un intervalo 42.37
kg, 42.3764 kg, 42.376741 kg…. Etc
- La esperanza media de vida de una población, 72.5 años, 72.513 años, 72.51234 años
Ejemplos de distribución de variables aleatorias continuas
■ Es posible que el tiempo entre llegadas de los clientes a un sistema tenga una
distribución de probabilidad muy semejante a una exponencial, o que el tiempo que
le toma a un operario realizar una serie de tareas se comporte de manera muy similar
a la dispersión que presenta una distribución normal.

■ Debemos hacer notar que este tipo de distribuciones tienen sus desventajas, ya que el
rango de valores posibles implica que existe la posibilidad de tener tiempos entre
llegada de clientes infinitos o tiempos de ensamble infinitos» situaciones lejanas a la
realidad.

■ Es muy poco probable de se presenten este tipo de eventos, aunque el analista de la

simulación debe estar consciente de cómo pueden impactar valores como los descritos
en los resultados del modelo.
1. Distribución de variables aleatorias continuas uniforme o rectangular
■ Es aquella que puede tomar cualquier valor dentro de un intervalo todos ellos con la misma probabilidad
■ donde:
 1. Distribución de variables aleatorias continuas uniforme o rectangular

• La función de distribución acumulativa del modelo uniforme

es
Grafica de distribución de variables aleatorias continuas uniforme o rectangular

Grafica de la función densidad Grafica de distribución de probabilidad acumulativa uniforme

Teorema : si la variable aleatoria X tiene distribución uniforme en el intervalo [a, b]
Entonces:
 2. Distribución de probabilidad continua exponencial
■
 3. Distribución de distribución de probabilidad continua normal
■ La distribución normal es un modelo que se aproxima el valor de una variable aleatoria a una
situación ideal.
■ función que depende de la media y la desviación típica
■ una variable aleatoria X, la frecuencia de sus observaciones se aproxima a una distribución normal:

■ Los parámetros de la distribución son la media o valor central y la desviación típica:

Función de densidad de una distribución normal.

3. Distribución de variables aleatorias continuas normal
4. Distribución de variables aleatorias continuas Chi - Cuadrada
4. Distribución de variables aleatorias continuas Chi - Cuadrada
4. Distribución de variables aleatorias continuas Chi - Cuadrada