GENERACIÓN DE NÚMEROS ALEATORIOS CON

DISTRIBUCIÓN NORMAL

MEDIA:

Se puede interpretar la media como el centro de gravedad de la función

probabilidad. La media tenderá a encontrarse más cerca de los resultados más
probables del experimento aleatorio.

DESVIACIÓN TÍPICA:

Matemáticamente, se define como la raíz cuadrada de la varianza, normalmente

se le conoce también como desviación estándar, hace referencia a la medida
de dispersión más común, que indica qué tan dispersos están los datos con
respecto a la media. Mientras mayor sea la desviación estándar, mayor será la
dispersión de los datos.

El símbolo σ (sigma) se utiliza frecuentemente para representarla.

VARIANZA:

La varianza es una medida de dispersión que representa la variabilidad de una

serie de datos respecto a su media. Formalmente se calcula como la suma de
los residuos al cuadrado divididos entre el total de observaciones.

También se puede calcular como la desviación típica al cuadrado. Dicho sea de

paso, entendemos como residuo a la diferencia entre el valor de una variable en
un momento y el valor medio de toda la variable.

Monitorear la varianza es esencial en las industrias de manufactura y control de

calidad, porque con la reducción de la varianza del proceso aumenta la
precisión y disminuye el número de defectos.
NÚMEROS ALEATORIOS:

Aunque existen múltiples definiciones sobre los números aleatorios, sin duda la
más aceptada dentro del estudio de la estadística y la probabilidad es la
siguiente: se define como aleatorio aquel resultado que es impredecible o fruto
del azar. No es posible llegar hasta él siguiendo una secuencia.

Los seres humanos vivimos en un medio aleatorio, característica que también se

atribuye a nuestro comportamiento. Si deseamos predecir el comportamiento de
un material, de un fenómeno climatológico o de un grupo humano podemos
generarlo a partir de datos estadísticos. Para lograr una mejor aproximación a la
realidad nuestra herramienta predictiva debe funcionar de manera similar:
aleatoriamente. De esa necesidad surgieron los modelos de simulación.

‐ Los valores obtenidos deben ser independientes entre sí. Es

decir, no debemos utilizar un número obtenido “aleatoriamente” para
la generación de otros números supuestamente aleatorios, porque lo
que estaremos haciendo es un generador de números
pseudoaleatorios.

‐ Todos los valores deben tener la misma probabilidad de obtenerse.

Así pues, podemos establecer una pequeña clasificación con los distintos
métodos de generación que nos permiten obtener números aleatorios:

‐ Métodos manuales: lanzamiento de monedas, lanzamientos de

dados, dispositivos mecánicos, dispositivos electrónicos.

‐ Métodos de computación digital, cuando se usa el ordenador digital.

‐ Tablas de bibliotecas, son números aleatorios que se han

publicado, de los cuales podemos encontrar listas en los libros de
probabilidad y tablas de matemáticas. Estos números fueron
generados por alguno de los métodos de computación.
Se generan por tablas (Rand 1955), o por dispositivos especiales: ruleta.
En la práctica se utilizan algoritmos y se generan números pseudoaleatorios.
Sustituyen a los números aleatorios.
Se generan por algoritmos o fórmulas.
Se debe asegurar la existencia de secuencias largas y densas.

NUMERO PSEUDOALEATORIO:

Es un número generado en un proceso que parece producir números al azar,

pero no lo hace realmente. Las secuencias de números pseudoaleatorios no
muestran ningún patrón o regularidad aparente desde un punto de vista
estadístico, a pesar de haber sido generadas por un algoritmo completamente
determinista, en el que las mismas condiciones iniciales producen siempre el
mismo resultado.

SEMILLA ALEATORIA

Una semilla aleatoria (o estado de semilla, o semilla) es un número (o vector)

utilizado para inicializar un generador de números pseudoaleatorios.

DISTRIBUCIÓN NORMAL

 Es la distribución más importante en el campo de la estadística.

 La curva normal describe aproximadamente muchos fenómenos que
ocurren en la naturaleza
 Desarrollada en 1733 por Abraham DeMoivre, aunque fue Karl Fiedrich
Gauss quien demostró su aplicabilidad.
 La función de probabilidad de la variable aleatoria normal X, con media u
y varianza o2 está dada por:
CARACTERÍSTICAS DE LA CURVA NORMAL

La variable aleatoria normal X se expresa

como N(u, o2 )

La moda está localizada en el punto

donde x = u

La curva es simétrica en el eje de la media

Sus puntos de inflexión están en x =u+- o

Se aproxima al eje horizontal de manera

asintótica en ambos lados

Su área total es igual a 1

TIPIFICACIÓN DE LA VARIABLE

Si tenemos una distribución normal

llamamos tipificar la variable al proceso de convertirla en una

Normal Estándar

lo cual nos permitirá poder consultarla en las tablas.

Si entonces

Enunciado: Sabemos que sigue una distribución normal de media 20 y

desviación típica 4. Calcula

Solución:

Sabemos que

Nos piden

Tipificamos:

Como sigue una , podemos mirarlo en las tablas

Por lo tanto el resultado es

SIMULACIÓN DE VALORES DISTRIBUCIÓN NORMAL EN EXCEL

Excel permite simular valores de una distribución normal con media y desviación
estándar; a través de la función DISTR.NORM.INV(ALEATORIO(); media;
desviación estándar).

En este ejercicio se hará· uso de la hoja "simula3". Supongamos que deseamos

simular 200 ensayos de una variable aleatoria normal con media 40,000 y
desviación estándar de 10,000, para ello generamos 200 números aleatorios, por
ejemplo, en el rango de celdas C3:C200. Recuerda que estos números siguen
una distribución uniforme en el intervalo [0,1] y que son generados a través de la
función ALEATORIO (). Ahora copiamos de la celda B3 al rango de celdas
B4:B200 la fórmula
DISTR.NORM.INV (C3; media; desviación estándar)
con este procedimiento generamos una columna de valores (200 ensayos) de
una variable aleatoria normal con las características deseadas. La función de
Excel genera un número aleatorio con distribución normal, tal que la probabilidad
de obtener dicho valor corresponda al valor de nuestro número aleatorio
uniforme, en otras palabras, si tenemos un número aleatorio uniforme, digamos
0.8466, este número representa el percentil 85 de una variable aleatoria normal
con media 40,000 y desviación estándar 10,000.
 EJERCICIOS DE APLICACIÓN

1° EJEMPLO:

Sea X una variable aleatoria que se distribuye según una normal de media 5
y desviación típica 2. Calcular la probabilidad de que dicha variable tome
valores inferiores a 4.

X N(5;2) se nos pide P(x 4) sin utilizar tablas o algoritmos de recurrencia
tendríamos que realizar la integral :

Para no tener que resolver dicha integral y dado que no podemos tener
tabuladas todas las posibles distribuciones normales (por ejemplo esta, la
N(5;2)) transformaremos el valor de la variable sobre el que queremos
calcular una probabilidad a un valor tipificado (estandarizado) , para poder
usar la tabla de la N(0;1) que habitualmente tenemos a mano realizada-
calculada por varios autores . Así, siendo t N(0;1) tendríamos:

Así el efecto de lo apuntado sería el expuesto en la imagen:

Utilizando una tabla de la normal 0,1 obtendríamos el valor 0.691

2° EJEMPLO:

La temperatura durante el mes de Julio en la ciudad de Chiclayo está distribuida

normalmente con media 18,7ºC y desviación standard 5ºC. Calcule la
probabilidad de que la temperatura durante Julio esté por debajo de 21ºC.

Ahora vamos a la tabla y para el valor de Z = 0,46 tenemos que la probabilidad

es de 0,6772

¿Pero qué probabilidad es que hemos averiguado de la tabla?

Justamente, esta tabla nos proporciona la probabilidad desde que ocurran

sucesos menores que Z=0.46. Esto es, la probabilidad de que ocurran sucesos
desde menos infinito hasta el valor de Z de 0,46 es 0,6772. Esto es un 67,72%.

Sucesos menores que Z=0,46 es lo mismo que decir que la temperatura sea
menor que 21°C. Con la variable X hablamos de temperatura, con la variable
estándar hablamos de Z.
3° EJEMPLO (USANDO EXCEL)

Por ejemplo, el modelo de sartenes para omelette de Foslins de Marie Ford.

Encontraremos que Marie desarrolló la hipótesis de que una distribución normal

con una media de 1,000 y una desviación estándar de 100 describe la demanda
que ocurrirá.

Para utilizar la simulación para estimar el costo esperado de un tamaño de

pedido dado, Marie tendría que extraer una demanda aleatoria a partir de una
distribución normal con una media de 1,000 y una desviación estándar de 100
para cada una de las iteraciones. Excel tiene un complemento que puede hacer
esto por nosotros.

Así que, para generar una variable aleatoria normal en Excel, Marie tendrá que
utilizar esta sencilla fórmula:

=DISTR.NORM.INV(ALEATORIO();1000;100)

Excel automáticamente devolverá un número aleatorio de distribución normal,

con una media de 1,000, y una desviación estándar de 100.
Anexo 01: TABLA NORMAL ESTANDARIZADA
Bibliografía:

Taha, H. (2012). Investigación de Operaciones. Naucalpan de

Juárez, México: Editorial Pearson.

Hillier, F. (2010). Introducción a la Investigación de Operaciones.

México DF, México: Editorial Mc Graw Hill.