Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 2 Recurso 5
Tema 2 Recurso 5
Variables Aleatorias
Simulación
Métodos De Convolución
De Aceptación y rechazo
Método de la
transformada inversa
•Este
método puede utilizarse para simular
variables aleatorias continuas, lo cual se logra
mediante la función acumulada f(x) y la
generación de números pseudoaleatorios
•El método consiste en:
1. Definir la función de densidad F(x) que represente la
variable a modelar.
2. Calcular la función acumulada F(x).
3. Despejar la variable aleatoria x y obtener la función
acumulada inversa F(x)-1
4. Generar las variables aleatorias x, sustituyendo
valores con números pseudoleatorios en la función
acumulado inversa.
•El método de la transformada inversa también
puede emplearse para simular variables
aleatorias de tipo discreto, como en las
distribuciones Poisson, de Bernoulli, binomial,
geométrica, discreta. La distribución se lleva a
cabo a través de la probabilidad acumulada P(x) y
la generación de números pseudoaleatorios
•El
método consiste en:
1. Calcular todos los valores de la distribución de
probabilidad p(x) de la variable a modelar.
2. Calcular todos los valores de la distribución
acumulada P(x).
3. Generar números pseudoleatorios Comparar
con el valor de P(x) y determinar qué valor de
x corresponde a P(x).
•A partir de la función de densidad de
las variables aleatorias uniformes
Distribución entre a y b. Se obtiene la función
acumulada e igualando la función
Uniforme acumulado F(x) con el número
pseudoleatorio y despejando x se
obtiene:
•A partir de la función de densidad de
las variables aleatorias exponenciales
Distribución con media Se obtiene la función
acumulada y se iguala con el número
Exponencial pseudoleatorio y despejando x se
obtiene
• partir de la función de probabilidad
A
de las variables aleatorias de Bernoulli
con media
Distribución
Bernoulli Se calculan las probabilidades para
x=0 y para x=1 para obtener
x 0 1
p(x) 1-p p
Acumulando los valores de p(x) se
obtiene:
x 0 1
Distribución P(x) 1-p=0.8 p=0.2