GENERACIÓN DE

VARIABLES ALEATORIAS
INTRODUCCIÓN

• En todos los modelos de simulación estocásticos,

existen una o varias variables aleatorias
interactuando.
• Generalmente estas variables siguen distribuciones de
probabilidad teóricas o empíricas diferentes a la
distribución uniforme.
• Por consiguiente es necesario contar con un
generador de números uniformes (aleatorio()) y una
función que a través de un método específico,
TEXTOS PARA
transforme estos números en valores de la distribución
deseada.
SEPARADORES
INTRODUCCIÓN

Método Transformada Inversa

Método Composición y Rechazo

Métodos Especiales
MÉTODO DE LA TRANSFORMADA INVERSA

• Utiliza la distribución de acumulada F(x).

• Sea x una variable aleatoria
• 𝑓 𝑥 𝑒𝑠 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
• Se puede afirmar que:
𝛼
•𝐹 𝑥 = ‫׬‬−𝛼 𝑓 𝑥 𝑑𝑥
• 𝐹 𝑥 = 𝑅𝑖
−1
• 𝑥 = 𝐹 (𝑅𝑖 )
MÉTODO DE LA TRANSFORMADA INVERSA
• Sea x una variable aleatoria U[a,b]
1
•𝑓 𝑥 =
𝑏−𝑎
𝑥 1
•𝐹 𝑥 = ‫𝑎׬‬ 𝑑𝑥
𝑏−𝑎
• 𝑥 = 𝑏 − 𝑎 𝑅𝑖 + 𝑎
1 1
• Sea x una variable aleatoria exponencial con 𝜇 = 𝑦 𝑣𝑎𝑟 =
𝜆 𝜆2
−𝜆𝑥
• 𝑓 𝑥 =𝜆∗ 𝑒
𝑥 −𝜆𝑥
•𝐹 𝑥 = ‫׬‬0 𝜆 ∗ 𝑒 𝑑𝑥
−1
•𝑥= ∗ 𝐿𝑁(1 − 𝑅𝑖 )
𝜆
MÉTODO COMPOSICIÓN Y RECHAZO

• Generar dos números aleatorios uniformes R1 y R2

• R1 Selecciona el área.
• R2 Asigna el valor de la variable.
𝑏−𝑎
• Si
R1< entonces A1 trabaja con la f1(x) de lo contrario A2 trabaja
𝑐−𝑎
con la f2(x)
• 𝑆𝑖 𝑓1 𝑥 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 𝑏 − 𝑎 ∗ 𝑅𝑖 + 𝑎
• 𝑆𝑖 𝑓2 𝑥 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 𝑐 − 𝑐 − 𝑏 ∗ 𝑅𝑖
MÉTODO COMPOSICIÓN Y RECHAZO

• Generar dos números aleatorios uniformes R1 y R2

• R1 Selecciona el área.
• R2 Asigna el valor de la variable.
𝑏−𝑎
• Si R1< entonces A1
𝑑−𝑎
𝑐−𝑏
• Si R1< entonces A2 De lo contrario A3
𝑑−𝑎
• 𝑆𝑖 𝐴1 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 𝑏 − 𝑎 ∗ 𝑅𝑖 + 𝑎
• 𝑆𝑖 𝐴2 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 𝑐 − 𝑏 ∗ 𝑅𝑖 + 𝑏
• 𝑆𝑖 𝐴2 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥 = 𝑑 − 𝑑 − 𝑐 ∗ 𝑅𝑖
MÉTODOS ESPECIALES

• Sea X una VA
𝑛
σ𝑖=1 𝑢𝑖 −𝑛Τ2
•𝑋= 𝑛Τ
𝑛>7
12
• X sea una VA normal normalizada con medía 0 y varianza 1
• Si n=12
12
• 𝑋 = σ𝑖=1 𝑟𝑖 − 6
12
• 𝑋 = σ𝑖=1 𝑟𝑖 − 6 ∗ σ + 𝜇
GRACIAS