Universidad

Instituto Tecnológico de Tijuana

Carrera
Ing. Industrial
Materia
Simulación
Tema
Simulación de variables aleatorias
Tarea
Investigacion de la Unidad
Alumno
Ivan De Jesús Serrano Romanillo
# Matricula
19212766
Fecha de entrega
10-04-22
 Introducción

La “Simulación”, es una técnica científica que se ha ido desarrollando conforme a pasado

el tiempo e innovando a los largo de la historia, esta técnica es utilizada principalmente
para el análisis y diseño de sistemas complejos y dinámicos de la realidad, ya que con
sus principios, fundamentalmente intuitivos, permite la creación de escenarios de los
sistemas, en los que se pueden explorar y experimentar diversas situaciones sin tener
que afectar de manera directa la realidad sobre la que se busca actuar para mejorarla,
consiste también en imitar o fingir que se está realizando una acción cuando en realidad
no se está llevando a cabo. Cuando se habla de simulación nos referimos básicamente
En primer lugar a la imitación de la operación de un proceso real o un sistema a través
del tiempo. Es decir, un proceso que nos permite representar algo que esta pasando en
un fenómeno de la realidad a eso nos referimos cuando hablamos de simulación y se
realiza aprovechándonos de los modelos para realizar cambios o realizar algún tipo de
acción sobre ellos y así tratar de representar el comportamiento. Otra definición es que
Simular no es otra cosa que Experimentar sobre un modelo Cuando hablamos de
simulación hablamos de la experimentación sobre un modelo, cuando se mencionada en
la primera definición imitación de la operación de un proceso real o un sistema a
través del tiempo hacemos énfasis en la operación, no en la imitación de un proceso, la
imitación de un proceso sería un modelo, son esos cambios que se le realizan a dicho
modelo lo que llamamos simulación.

Para esto podemos observar una línea de tiempo, y verificar los tipos de simulación y el
avance que se ha tenido hasta la actualidad.
 2.1 Producción de números con comportamiento estadístico aleatorio y uniforme
en [0, 1]

Las variables aleatorias son aquellas que tiene un comportamiento en la realidad. La

generación de variables aleatorias o estocásticas significa la obtención de variables que
siguen una distribución de probabilidad determinada.
Requiere de dos etapas:
Generar números aleatorios distribuidos uniformemente (R) Generar con R y con las
distribuciones de probabilidad las variables aleatorias o estocásticas.
La generación de estadísticas simuladas, o sea de los valores de las variables aleatorias,
tienen una naturaleza enteramente numérica y debe soportarse por números aleatorios,
generados por algún método.
Una secuencia de números aleatorios R1, R2,... debe tener dos importantes propiedades
estadísticas: uniformidad e independencia. Cada número aleatorio Ri es una muestra
independiente tomada de una distribución continua uniforme entre cero y uno. Esto es,
la función de densidad de probabilidad es:

Si el intervalo (0, 1) es dividido en n clases, o sub-intervalos de longitudes iguales, el

número esperado de observaciones en cada intervalo es N/n, donde N es el número total
de observaciones.
La probabilidad de observar un valor en un intervalo en particular es independiente de
los valores previamente observados.
Números “elegidos al azar” son útiles en diversas aplicaciones, entre las cuáles podemos
mencionar.
Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
computacional.
Estas aplicaciones se realizan en muy
variados campos con el fin de emular
distintos comportamientos: física (por
ejemplo, para simular colisiones entre
partículas), ingeniería (diseño de obras
hidráulicas, puentes, etc.), inversiones
de capital, redes, servicios a clientes,
call centers, etc.
La simulación a través de la
computadora es una herramienta
poderosa para comprender la
naturaleza de sistemas complejos.
 • Muestreo: con el fin de seleccionar una sub-muestra de una población.
• Análisis Numérico: algunas técnicas para resolver problemas de análisis
numérico complejos han sido desarrolladas usando números aleatorios.
• Programación: la generación de valores aleatorios puede ser útil para poner a
prueba la efectividad de un algoritmo. También son útiles en cristología.

2.1.1. Uso del generador incluido en la hoja de cálculo.

Uso del generador incluido en la hoja de cálculo.

¿Qué es?
Es un programa que permite manipular datos numéricos y alfanuméricos dispuestos, en
forma de tablas (la cual es la unión de filas y columnas). Habitualmente es posible
realizar cálculos complejos con fórmulas y funciones y dibujar tipos de graficas
Excel es un programa que tiene esta capacidad de generar números aleatorios y es del
de uso más común.

Un número aleatorio es aquel obtenido al

azar, es decir, que todo número tenga la
misma probabilidad de ser elegido y que la
elección de uno no dependa de la elección
del otro. El ejemplo clásico más utilizado
para generarlos es el lanzamiento repetitivo
de una moneda o dado ideal no trucado.
• Existe la simulación de Montecarlo, es
una técnica de tipo cuantitativo el cual
ayuda para hacer una distribución.

El generador incluido en las hojas de calculo nos permite simular acciones que
podríamos hacer físicamente, esto mediante formulas aplicables dentro las celdas y de
gran utilidad como el siguiente ejemplo en Excel.

2.1.2. Teoría: métodos congresuales

Congruencial Mixto
Los generadores congruencias lineales generan una secuencia de numero
pseudoaleatorios en la cual el próximo número pseudoaleatorios es determinado a
partir del numero generado, es decir el número pseudoaleatorios Xn+1 es derivado a
partir del número pseudoaleatorios Xn
Para el caso particular del generador Congruencial mixto, la relación de de ocurrencia
es la siguiente:
Xn+1 =( aXn + C) mod m
Donde:
X0 = la semilla (X0 > 0)
a= el multiplicador (a>0)
c= constante aditiva (c>0)
m= el modulo (m>X0 , m>a y m>c)

Congruencial Multiplicativo
Al igual que el generador Congruencial mixto, el generador Congruencial multiplicativo
determina el próximo número pseudoaleatorio a partir del último número generado, de
acuerdo a la siguiente recurrencia:
Xn+1 = aXn mod m
Método de los Cuadrados Medios
Es debido a von Neuman y tiene fundamentalmente solo interés histórico.
1. se toma un numero entero inicial, X0, llamado semilla, de 2n cifras.
2. se eleva al cuadrado, obteniendo un número de 4n cifras (completado quizás con
ceros a la izquierda).
3. se considera X1 el número entero formado por las 2n cifras centrales.
4. se eleva al cuadrado X1 y se repite el proceso anterior tantas veces como sea
preciso.
5. finalmente se consideran los numero ui = Xi/102n ya en el intervalo (0,1)
Xn+1 = aXn mod m

2.2. Simulación de otras variables aleatorias

La generación de variables aleatorias es un proceso que enfrenta la simulación debido
a que cuenta con variables con un comportamiento probabilístico.
En donde dicha variabilidad se pudiera clasificar dentro de alguna distribución de
probabilidad conocida.
Es una variable cuyo valor depende del resultado de un experimento aleatorio. Las
variables aleatorias discretas toman un conjunto de valores finitos, los cuales son
enteros no negativos (usualmente utilizados para conteo).
La simulación de variables en esta materia es de suma importancia ya que debido a
la simulación de diversas variables podremos hacer cálculos para algunos
trabajos de simulación. Ejemplos de este tema son las variables aleatorias que nos
pueden ser útiles para cálculos de diversas simulaciones empleados en la
manipulación de trabajos profesionales hasta los más sencillos.

2.2.1. Teoría: transformación inversa, composición, convolución y otros

procedimientos.
Método de la transformada inversa
Puede utilizarse para simular variables aleatorias continuas, lo cual se logra mediante
la función acumulada f(x) y la generación de números pseudoaleatorios ri ~U (0,1).

¿En qué consiste este método?

Definir la función de Densidad f(x) que representa la variable a modelar.
Calcular la función acumulada f(x).
Despejar la variable aleatoria x y
obtener la función acumulada inversa
f(x)-1.
Generar las variables aleatorias x,
sustituyendo valores con números
pseudoaleatorios ri ~U (0,1) en la
función acumulada inversa.

También puede emplearse para simular variables aleatorias de tipo discreto, como en
las distribuciones de Poisson, de Bernoulli, binomial, geométrica, discreta general, etc.
La generación se lleva a cabo a través de la probabilidad acumulada P(x) y la
generación de números pseudoaleatorios ri ~U (0,1).

Método de aceptación rechazo

Este método es más probabilístico que el

anterior. Los métodos de inversión,
composición y convolución son métodos de
generación directos, en el sentido en que tratan
directamente con la función de distribución.
El método de aceptación-rechazo es menos
directo en su aproximación.
Método de composición

Para generar valores de variables aleatorias no-uniformes es usado

también el método de composición, en la cual la distribución de
probabilidad f(x) se expresa
cómo una mezcla de varias
distribuciones de
probabilidad f(x)
seleccionadas
adecuadamente.

Este procedimiento se basa

en el objetivo de minimizar el
tiempo de computación
requerido para la generación de valores de la variable aleatoria analizada.

El método de composición-conocido también como método mixto-permite

generar variables aleatorias x cuando estas provienen de una función de
densidad fx qué puede expresarse cómo la combinación convexa de
distribuciones de probabilidad fi(x).

Método de convolución

El método de convolución permite generar variables aleatorias en función a

una combinación lineal
ponderada de otras
variables aleatorias el
método entonces requiere
que la variable aleatoria a
ser generada Yi pueda
expresarse como una
suma lineal ponderada de
otras variables aleatorias
Xi.

La convolución se puede ver también como:

 Una operación matemática en la cual tomamos dos señales y

producimos una tercera.
 De la misma manera que en multiplicación tomamos dos números y
producimos un tercero.
2.2.2. Funciones inversas de hoja de cálculo, utilizables como
simuladores.
Es una construcción de funciones en Excel mediante VBA Dado que en
determinadas simulaciones la variable a simular no sigue ninguna de las
distribuciones que incorporan las aplicaciones de hoja de cálculo.
Existen dos posibilidades realización manual de los cálculos necesarios en
la propia hoja de cálculo o programación de la función adecuada mediante
VBA.
Calculadora derivada, calculadora de integrales, integración definida,
calculadora de límites, calculadora de series, solucionador de ecuaciones,
simplificador de expresiones, funciones inversas, serie de Taylor,
calculadora de matrices, aritmética de matrices y calculadora gráfica.
De las más conocidas esta
Symbolab.
Todas estas mencionadas,
son algo similar a lo que se
viene haciendo con visual
Basic en Excel

Conclusiones: La simulación se
utiliza para casi todo, puede ser desde
la cocina hasta la arquitectura, cada
vez más se hace más común el uso
de dispositivos o programas que ya
incluyan algún tipo de simulación y realmente es de gran ayuda porque se acopla a la
vida cotidiana y ayuda a cortar y ahorra tiempo.

Realizamos una formulación en Excel mediante el complemento VBA

Que viene siendo el Visual Basic
Se programa el Excel colocando las palabras clave y los datos que se utilizaran como
parámetros.
Ejemplo: determinar la base de un triangulo

2.3. Simulación de variables especiales: tablas

Generación de números aleatorios: se utilizan para obtener muestras independientes
de variables aleatorias.

Muestreo de variables aleatorias: se obtienen a partir de números aleatorios.

Para simular necesitamos de números aleatorios como semillas para generar muestras
de variables aleatorias
Características deseables de un generador de números aleatorios:
 Genera valores uniformemente distribuidos en un intervalo dado.
 Asegura la no correlación serial.

Propiedades De Los Números Aleatorios
• Distribución uniforme Cualquier número que pertenezca al rango de interés debe
tener la misma probabilidad de resultar sorteado.
• No correlación seria, La aparición de un número en la secuencia, no afecta la
probabilidad de sortear otro (o el mismo) número.
• Ejemplo: la sucesión 1,2,3,4,5,1,2,3,4,5... Podríamos decir que es uniforme pero
está correlacionada.
Existen test que verifican las propiedades de uniformidad y correlación serial
Procedimientos para generar números aleatorios
• Utilización de tablas.
• Dispositivos especiales.
• Procedimientos, funciones que generan números pseudoaleatorios

Tablas De Números Aleatorios

Se generan con métodos aleatorios puros
mediante ruletas, extracción de números
al azar, dados, etc. La secuencia
generada se carga en la memoria de la
computadora.
Ventajas:
son números aleatorios puros.
Desventajas:
La sucesión de números es finita,

Requiere cargar la tabla en memoria (eventualmente ocupando mucho espacio),

actualmente puede no ser un problema.

Método de Montecarlo
El método Montecarlo es un método numérico que permite resolver problemas físicos y
matemáticos mediante la simulación de variables aleatorias. Lo vamos a considerar
aquí desde un punto de vista didáctico para resolver un problema del que conocemos
tanto su solución analítica como numérica.
En la simulación el método Montecarlo es una técnica cuantitativa que hace uso de la
estadística y los ordenadores para imitar, mediante modelos matemáticos, el
comportamiento aleatorio de sistemas reales no dinámico.
Este método proporciona soluciones aproximadas a una gran variedad de problemas
matemáticos posibilitando la realización de experimentos de números pseudoaleatorios
en una computadora. Este método es aplicable a cualquier problema ya sea
estocástico o determinista

Aplicación del método de Montecarlo

• Criptografía
• Cromo dinámico cuántica
• Densidad y flujo de tráfico
• Diseño de reactores nucleares
• Diseño de VLSL
• Ecología
• Cronometría
• Evolución estelar
• Física de materiales
• Métodos cuantitativos de organización industrial
• Programas de computadora
• Pronóstico de índice de bolsa
• Prospecciones en explotaciones petrolíferas
• Radioterapia contra el cáncer
• Sistema de colas
• Sistemas de inventario P y Q
• Valoración de cartera de valores