22-28 ABRIL Simulación Clase 4 - I-2021 Clase

30/4/2021
II0503 Simulación
Clase 4
1. Resumen Clase 2
2. Repaso de Conceptos de Probabilidad
◦ Estocástico vs Determinista
◦ Función de Densidad de Probabilidad
◦ Distribuciones Más Frecuentes
3. Distribuciones en Simulación
◦ Naturaleza de los eventos a simular y necesidad matemática
◦ Generación de Valores para Variables Aleatorias Contínuas:
◦ Método de transformación inversa
II-0503 SIMULACIÓN. ESCUELA DE INGENIERÍA INDUSTRIAL - UNIVERSIDAD DE COSTA RICA - I SEMESTRE, 2021 – PROFESOR: LUIS IGNACIO GARCÉS MONGE
Resumen Clase 2
Generación de Números Aleatorios:
◦ Método del cuadrado medio

◦ Método congruencial lineal
◦ Excel
1
30/4/2021
Prácticamente el comportamiento de todos los

fenómenos que nos rodean responden a una
distribución de probabilidad.
… todo evento sucede de forma diferente cada vez que

ocurre: es único e influenciado por el entorno
Real Virtual
La línea se detiene “de vez en cuando” por Explicamos este comportamiento como una
problemas de mantenimiento. distribución de probabilidad.
Recolectamos datos para comprender este “de Replicamos este comportamiento:

vez en cuando” en términos estadísticos: . Usamos la distribución de probabilidad.
promedio, desviación estándar, . Es alimentada por números aleatorios.
comportamiento.
Tenemos que saber cómo generar estos
números aleatorios.
2
30/4/2021
Se obtienen los datos de campo
Bondad de
Generador de Variable Aleatoria
Ajuste de
1. Función Inversa de Probabilidad
Función de
F-1(x)
Probabilidad
2. Aceptación/rechazo
Función de Probabilidad F(x)
Entrada de Datos para

Números Aleatorios
Simulación
Qué es un número aleatorio?

Los números aleatorios son números que ocurren en una secuencia tal que se cumplen dos
condiciones:
◦ Los valores están uniformemente distribuidos en un intervalo o conjunto pre-definido, y
◦ Es imposible predecir valores futuros a partir de valores pasados o presentes.
Generadores de Números Pseudo-

Aleatorios
Generador Congruencial Lineal (más común).
Generación en Excel.
3
30/4/2021
Generador Congruencial Lineal

Dato inicial definido por “el usuario”
Tiene una semilla x0. El propio mét. va normalizando los datos
A partir de esta semilla genera una serie de enteros x1, x2, … entre 0 y m-1 de acuerdo a:
◦ 𝑥 = 𝑎𝑥 + 𝑐 𝑚𝑜𝑑 𝑚 (i=0,1,2,3…) a = multiplicador, c = incremento. m>a, m>c, m>x0 Condiciones a cumplir
Reglas para definir valores de m de
acuerdo a magnitud de unos sobre
◦ mod = residuo. Ej: (3)mod2=1, pues 2 cabe una vez en 3 y sobra 1. En Excel: inglés =mod(3,2), español =residuo(3,2) otros…
x1+i da el residuo de la división de (axi + c) entre m.

Los números aleatorios se generan a partir de la relación:
◦ 𝑟 = (i=1,2,3…)
II-0503 SIMULACIÓN. ESCUELA DE INGENIERÍA INDUSTRIAL UNIVERSIDAD DE COSTA RICA II

SEMESTRE, 2019 PROFESORA: ING. NATALIA UREÑA
Aleatorios en Excel
Algoritmo de generación usado en XL
Funciones
◦ Rand
◦ Randbetween
Add-In Data Analysis
4
30/4/2021
Repaso de Conceptos de
Probabilidad
Estocástico vs Determinista
Puede ser explicado en términos

de probabilidad
Teoría que supone que el desarrollo de
los fenómenos naturales está
Teoría estadística de los procesos Aleatorio necesariamente determinado por las
cuya evolución en el tiempo es condiciones iniciales
aleatoria, tal como la secuencia de
las tiradas de un dado Relativo al azar
5
30/4/2021
Variable aleatoria (o estocástica) es la función que adjudica eventos

posibles a números reales, cuyos valores se miden en experimentos de
tipo aleatorio.
Permite ofrecer una descripción de Se conoce como distribución de probabilidad a una
la probabilidad de que se adoptan ciertos valores. función que le da a cada uno de los sucesos que se
definen sobre una variable aleatoria un valor que

No se sabe de manera precisa qué valor adoptará la
denota cuán probable es que tenga lugar el suceso
variable cuando sea medida, pero sí se puede
que representa.
conocer cómo se distribuyen las probabilidades
vinculadas a los valores posibles. En dicha
distribución incide el azar.
Variable Aleatoria Variable Aleatoria Continua: cualquier dato dentro

Variable Aleatoria Discreta: puntos
aislados (por lo general, conteos). de un intervalo (por lo general, medidas).
Cuál es el peso promedio?

Cuántos hijos por familia?
Un rango tiene una
Distribución de la Probabilidad: modelo que describe el comportamiento de la probabilidad. probabilidad de suceder…
Hablamos en términos de
Un valor, una probabilidad. Un rango, una probabilidad. RANGOS!!
Existe una probabilidad
asociada de un valor… Cual es la probabilidad de un
Cuál es la probab. de que hayan Función de Distribución: la descripción matemática de la distribución de probabilidad. valor exacto en una VAC?
3 miembros en una familia…?
Sumatoria de probabilidad Al ser continua se debe

𝐹 𝑥 =𝑃 𝑋≤𝑋 = 𝑃 calcular la integral 𝐹 𝑥 =𝑃 𝑥≤𝑋 = 𝑓 𝑥 𝑑𝑥
Formato barras… cada valor

representa una probabilidad
La función de densidad es la derivada de la

función de distribución.
𝑭′ 𝒙 = 𝒇(𝒙)
6
30/4/2021
Función de densidad de Función de densidad acumulada

probabilidad (FDP) de probabilidad (FDA)
Es el valor que tendrá cualquier valor X
en probabilidad
Distribución Normal
7
30/4/2021
Repaso de
Distribuciones más
Frecuentes
¿Cómo se clasifican?
Empíricas Teóricas
A partir de la frecuencia de Comportamientos teóricos ya

ocurrencia de los datos reales conocidos que siguen las
variables bajo estudio
Función •Variables aleatorias
continuas
densidad
Función de •Variable aleatoria

discreta
Cuantía
8
30/4/2021
Distribuciones Soportadas por MiniTab
https://goo.gl/Av7ovg
UNIFORME NORMAL TRIANGULAR
WEIBULL POISSON EXPONENCIAL
9
30/4/2021
Manual de
Distribuciones
https://goo.gl/9prsQL
Generación de Valores
para Variables Aleatorias
Continuas
10
30/4/2021
Para qué se generan números aleatorios?

Como entradas a una función de probabilidad inversa con el fin de generar un comportamiento
determinado.
La función de probabilidad parte del fenómeno y define una probabilidad.
La probabilidad está en [0,1].
Al obtener la inversa de la función de probabilidad, la “probabilidad” pasa a ser la variable
independiente, definida por los números aleatorios que también están en [0,1].
Para ello es necesario:
◦ Identificar la función de probabilidad del fenómeno que se quiere simular.
◦ A partir del mismo, crear un generador de variables aleatorias. La inversa de la función de probabilidad
◦ Generar un número aleatorio que lo alimente (clase anterior).

Se le llama “Generador de Variable Aleatoria” a la función que crea, a partir de un número aleatorio
[0,1] una variable que responde a un comportamiento probabilístico.
Ejemplo:
◦ Se tiene una ventanilla de servicio al cliente cuyo comportamiento refleja el siguiente resultado:
Generador de Variable Aleatoria:
Distribución de Tiempo de Atención (Servicio) Generación de Valores Eje x : valores: variable independiente
Tiempo de Servicio en Eje Y: probabilidades: var.dependiente
Probabilidad Rango
minutos
La inversa de la función de probabilidad
1 10% 0-9
2 15% 9 - 24 Se busca darle vuelta al gráfico (INVERSA) para
3 45% 24 - 69 que la probabilidad sea la variable independiente
y mi número la dependiente.
4 30% 69 - 99
◦ A partir de la probabilidad (y por ser una función discreta) se obtiene el rango de Con números aleatorios yo simulo cómo se
comporta el tiempo de servicio, porque caen en
números en el contínuo (0,99). los rangos con una probabilidad asociada
◦ Entonces, si el número aleatorio fue 29, este número pertenece al rango 24 – 69, por lo que la variable
aleatoria discreta de la distribución de tiempo de servicio que se escoge es de 3 minutos = es la que mejor
simula el comportamiento del tiempo de servicio en Ventanilla
11
30/4/2021
En este eje “cae” el

número aleatorio
En este eje se debe

encontrar la respuesta.

12
30/4/2021
Variables Aleatorias
 En simulación se debe siempre muestrear de una distribución de
probabilidad que representa la ocurrencia de eventos.
 Estas distribuciones pueden ser teóricas o empíricas y ambas pueden
ser continuas o discretas
 Las distribuciones empíricas están representadas por distribuciones
de frecuencia
 En el caso de distribuciones teóricas existen varios métodos para
generar variables.

Existen varios métodos para obtener un Generador, partiendo de una función de distribución:
◦ Método de transformación inversa (ITM, Inverse Transformation Method)
◦ Método de aceptación-rechazo (ARM, Acceptance-Rejection Method)
◦ Función Acumulada
◦ Algoritmo de convolución.
◦ Método directo.
No todos los métodos aplican a todas las funciones de distribución.
13
30/4/2021

Transformada inversa (usada para generar variables aleatorias distribuidas según Exponencial,
Uniforme 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)
Método de la Transformada Inversa

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 sea
x= F-1(R)
4. Establecer la función generadora
14
30/4/2021

F(x) 1.0
0
x=F-1(R) x
x Continua
F(x)
1.0
0
x=F-1(R) x
Discreta
15
30/4/2021
Esta técnica se utiliza para generar variables con Distribución Empírica

Discreta (Montecarlo) y Continua (Interpolación).
También se utiliza para generar variables con Distribución Teórica

siempre y cuando la Función de Distribución Acumulada tenga inversa.

Por definición:
0 ≤ F(x) ≤ 1 y 0≤ R ≤ 1
Entonces la siguiente relación es válida:
Para todo F(x) = R 
x  F 1 R 
16
30/4/2021
F(X)
1
y = F(x)= R
x = F-1 (R)

Generación de Variables: Distribución Empírica
f(x)= x si 0<= x<1

F(x) = 0 1
x dt = x2/2 si 0<= x <=1
R = x2/2 si 0<= x <=1
X= 2R
17
30/4/2021
f(x) = ½eˉˣ Infinito < x < 0
F(x) = -½eˉˣ Infinito < x < 0
R = -½eˉˣ Infinito < x < 0
2R = eˉˣ
-X = ln(2R)
X = -(ln(2R))

Método de Transformación Inversa, ITM
Ejemplo:
𝑥 Matemáticamente…
Función de Densidad de 0x2
f(x) = 2
Probabilidad (FDP): • Hay una variable que puede
0 resto tener cualquier valor
• Tiene asociada un valor de
probabilidad
• Esa probabilidad varía en
función a esa variable
18
30/4/2021

Ejemplo:
𝑥 Matemáticamente…
f(x) = 2
Probabilidad (FDP): • Se saca la integral de la FDP
0 resto • En la FDA para valores menores
a 0, la probabilidad es 0
Función de Densidad 𝑡 𝑥 • Para valores mayores a 2, la
𝐹 𝑥 = 𝑑𝑡 =
Acumulada (FDA): 2 4 probabilidad es 1
• Los gráficos de las FDA siempre
terminan en 1
0 x0
• El rango se mantiene
𝑥
F(x) = 0x2
4
1 x2

Ejemplo:
𝑥
f(x) = 2
Probabilidad (FDP):
0 resto
Función de Densidad 𝑡 𝑥
Acumulada (FDA): 2 4
0 x0
𝑥
F(x) = 0x2
4
1 x2
19
30/4/2021

Ejemplo:
𝑥
f(x) = 2
Probabilidad (FDP): Número aleatorio r:
0 resto
𝐹 𝑥 =𝑟
Función de Densidad 𝑡 𝑥 𝐹 𝑟 =𝑥
𝑥
=𝑟
0 x0 4
𝑥 = ±2√𝑟
𝑥 Si r = 0.28
F(x) = 0x2
4 𝑥 = ±2 0.28 = 1.06
En la FDA pruebo mi r en cada rango 1 x2

Ejemplo:
𝑥
f(x) = 2
0 resto
𝐹 𝑥 =𝑟
𝑥
=𝑟
0 x0 4
𝑥 = ±2√𝑟
𝑥 Si r = 0.28
F(x) = 0x2
4 𝑥 = ±2 0.28 = 1.06
1 x2

20
30/4/2021

Ejemplo:
𝑥
f(x) = 2
0 resto
𝐹 𝑥 =𝑟
𝑥
=𝑟
0 x0 4
𝑥 = ±2√𝑟
𝑥 Si r = 0.28
F(x) = 0x2
4
Acá se nota claramente que el r entra por el eje de las probabilidades… y me da un valor de X 𝑥 = ±2 0.28 = 1.06
Se ve donde “le di vuelta al gráfico” 1 x2


𝑥 0<𝑥<1
Función de Densidad de 1 Función de Densidad de F 𝑥 = 𝑓 𝑥 𝑑𝑥

𝑓(𝑥) 1≤𝑥≤2
Probabilidad (FDP): 2 Acumulada (FDA): 1
1/2
0 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
1 2
21
30/4/2021

𝑥 0<𝑥<1

𝑓(𝑥) 1≤𝑥≤2
1/2
1 2
F 𝑥 = 0 𝑑𝑥 = 0

𝑥 0<𝑥<1

𝑓(𝑥) 1≤𝑥≤2
1/2
1 2
F 𝑥 = 0 𝑑𝑥 = 0
1 1
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 = 0 + 𝑥 = 𝑡
2 2
22
30/4/2021

𝑥 0<𝑥<1

𝑓(𝑥) 1≤𝑥≤2
1/2
1 2
F 𝑥 = 0 𝑑𝑥 = 0
1 1
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 = 0 + 𝑥 = 𝑡
2 2
1 1 1 1 𝑡 1 𝑡
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 + 𝑑𝑥 = 0 + + 𝑥 = + − =
2 2 2 2 2 2 2

𝑥 0<𝑥<1

𝑓(𝑥) 1≤𝑥≤2
1/2
1 2
F 𝑥 = 0 𝑑𝑥 = 0
1 1
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 = 0 + 𝑥 = 𝑡
2 2
1 1 1 1 𝑡 1 𝑡
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 + 𝑑𝑥 = 0 + + 𝑥 = + − =
2 2 2 2 2 2 2
1 1 1 1 2 1
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 + 𝑑𝑥 + 0 𝑑𝑥 = 0 + + 𝑥 = + − +0=1
2 2 2 2 2 2
23
30/4/2021

𝑥 0<𝑥<1

𝑓(𝑥) 1≤𝑥≤2
1/2
1 2
0 0≥𝑥
F 𝑥 = 0 𝑑𝑥 = 0
𝑥
1 1 0<𝑥 <1
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 = 0 + 𝑥 = 𝑡 2
2 2
F 𝑥 =
𝑥
1 1 1 1 𝑡 1 𝑡 1≤𝑥 ≤2
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 + 𝑑𝑥 = 0 + + 𝑥 = + − = 2
2 2 2 2 2 2 2
1 1 1 1 2 1 1 𝑥 >2
F 𝑥 = 0 𝑑𝑥 + 𝑥 𝑑𝑥 + 𝑑𝑥 + 0 𝑑𝑥 = 0 + + 𝑥 = + − +0=1
2 2 2 2 2 2

0 0≥𝑥 F(x) Cada ecuación se iguala a un número
1,2 aleatorio r y se despeja.
𝑥 1
0<𝑥 <1
2 0,8 𝑥
F 𝑥 = 𝑟= → 2𝑟 = 𝑥 → 𝑥 = √2𝑟
𝑥 0,6 2
1≤𝑥 ≤2 𝑥
2 0,4 𝑟 = → 𝑥 = 2𝑟
2
0,2
1 𝑥 >2 Se generan números aleatorios, aplicándose
0
0 0,10,20,30,40,50,60,70,80,9 1 1,11,21,31,41,51,61,71,81,9 2 2,12,2 a la fórmula dependiendo del rango (de 0 a 1
los números < 0.5, de 1 a 2 aquellos entre
0.5 y 0.99.
r F-1(x)
0 – 0.5 𝑥 = 2𝑟
0.5 – 1 𝑥 = 2𝑟
24
30/4/2021
F(x)
Resultados
1,2
Generación V.A. 0,8
0,6
0,4
0,2
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2 2,1 2,2
Generación de Variable Aleatoria por medio del Método

Inverso
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1 1,2

Generación de Variables: Distribución Exponencial
Objetivo: generar variables

aleatorias con distribución
Exponencial de parámetro .
25
30/4/2021
Distribución Exponencial
Una variable aleatoria X tiene distribución exponencial de parámetro
 > 0 si su función de densidad es:
Integrando, su función de distribución, o de probabilidad acumulada, es:
La interpretación del parámetro  es sencilla, pues coincide con la inversa de la

media de la variable aleatoria X.
26
30/4/2021
Establecer F(x) = R = 1- e-x x >= 0
Resolver X en términos de R:
1- e-X = R
e-X = 1- R
-X = ln(1-R)
X = (-1/)*(ln(1-R))
o
X = (-1/)*(ln(R))
Generador de Variables Exponenciales

Generación de Variables: Distribución Uniforme

aleatorias con distribución
Uniforme entre a y b.
27
30/4/2021
Distribución Uniforme(a,b)
Distribución Uniforme
Establecer F(X) = (X-a)/(b-a) = R
Resolver X en términos de R:
(X-a)/(b-a) = R
X = a + (b-a)*R
Generador de Variables Uniformes
28
30/4/2021

Generación de Variables: Distribución Normal

aleatorias con distribución Normal
con parámetros  y 2
La distribución gaussiana, recibe también el
nombre de distribución normal, ya que una gran
mayoría de las v.a continuas de la naturaleza
siguen esta distribución.,
Se dice que una v.a. X sigue una distribución
normal de parámetros  y 2 , lo que
representamos del modo si su función
de densidad es:
Donde p: 3.1416 y e:2.71828
29
30/4/2021
Procedimiento A
 12

X i   Ri  6 *  
i1 
30
30/4/2021
Ejemplo de procedimiento A
Ejemplo:
Generar dos variables aleatorias para un tiempo de proceso
cuya media es 5 y su desviación estándar es 0.3
Procedimiento B
1. Generar dos números aleatorios

R1 y R2
Sea V1 = 2R1 - 1 y V2 = 2R2 – 1
W = V12 + V22
2. Si W > 1.0 volver al paso 1.

Si W ≤ 1.0 entonces :
y   2 * ln(W ) /W
Z1 = V1 * y
Z2 = V2 * y
X1 = Z1*σ + µ
X2 = Z2*σ + µ
31
30/4/2021
Ejemplo
Procedimiento B
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
Y = −2ln(0.2)/0,2 = 4.012
Z1 = 0.2 x 4.012 = 0.8
Z2 = -0.4 x 4.012 = -1.6
X1 = 0.8*0.3 + 5 = 5.24
X2 = -1.6*0.3 +5 = 4.52
Tarea
1. Generar 50 números de una variable aleatoria normal con media = 27

y desviación estándar = 3. Con el procedimiento A.
2. Realizar la bondad de ajuste para comprobar la normalidad de los
datos.
32

22-28 ABRIL Simulación Clase 4 - I-2021 Clase

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

22-28 ABRIL Simulación Clase 4 - I-2021 Clase

Cargado por

Copyright:

Formatos disponibles

30/4/2021

◦ Método del cuadrado medio

Prácticamente el comportamiento de todos los

… todo evento sucede de forma diferente cada vez que

Recolectamos datos para comprender este “de Replicamos este comportamiento:

Se obtienen los datos de campo

Función de Probabilidad F(x)

Entrada de Datos para

Qué es un número aleatorio?

Generadores de Números Pseudo-

Generador Congruencial Lineal

x1+i da el residuo de la división de (axi + c) entre m.

II-0503 SIMULACIÓN. ESCUELA DE INGENIERÍA INDUSTRIAL UNIVERSIDAD DE COSTA RICA II

Add-In Data Analysis

Puede ser explicado en términos

Variable aleatoria (o estocástica) es la función que adjudica eventos

definen sobre una variable aleatoria un valor que

vinculadas a los valores posibles. En dicha

distribución incide el azar.

Variable Aleatoria Variable Aleatoria Continua: cualquier dato dentro

Cuál es el peso promedio?

Sumatoria de probabilidad Al ser continua se debe

Formato barras… cada valor

La función de densidad es la derivada de la

Función de densidad de Función de densidad acumulada

A partir de la frecuencia de Comportamientos teóricos ya

Función de •Variable aleatoria

Distribuciones Soportadas por MiniTab

UNIFORME NORMAL TRIANGULAR

WEIBULL POISSON EXPONENCIAL

Para qué se generan números aleatorios?

◦ Generar un número aleatorio que lo alimente (clase anterior).

Generador de Variable Aleatoria

En este eje “cae” el

En este eje se debe

II-0503 SIMULACIÓN. ESCUELA DE INGENIERÍA INDUSTRIAL UNIVERSIDAD DE COSTA RICA II

Generador de Variable Aleatoria

No todos los métodos aplican a todas las funciones de distribución.

Generador de Variable Aleatoria

Método de la Transformada Inversa

Método de la Transformada Inversa

Método de la Transformada Inversa

Método de la Transformada Inversa

Esta técnica se utiliza para generar variables con Distribución Empírica

También se utiliza para generar variables con Distribución Teórica

Método de la Transformada Inversa

Entonces la siguiente relación es válida:

Para todo F(x) = R 

Método de la Transformada Inversa

Método de la Transformada Inversa

f(x)= x si 0<= x<1

f(x) = ½eˉˣ Infinito < x < 0

F(x) = -½eˉˣ Infinito < x < 0

R = -½eˉˣ Infinito < x < 0

Generador de Variable Aleatoria

Generador de Variable Aleatoria

Generador de Variable Aleatoria

Generador de Variable Aleatoria

Generador de Variable Aleatoria

II-0503 SIMULACIÓN. ESCUELA DE INGENIERÍA INDUSTRIAL UNIVERSIDAD DE COSTA RICA II

Generador de Variable Aleatoria

II-0503 SIMULACIÓN. ESCUELA DE INGENIERÍA INDUSTRIAL UNIVERSIDAD DE COSTA RICA II

Generador de Variable Aleatoria