Simulación de Sistemas

Generadores de Variables Aleatorias

CONTENIDOS

Generadores de variables aleatorias para

funciones continuas.

GVA para la función Uniforme

GVA para la función Exponencial

GVA para la función Normal

 Objetivos de la Sesión
• Obtener los Generadores de Variables Aleatorias (GVA)
usando los métodos adecuados
• Implementar los generadores de variables aleatorias en
modelos de simulación.
• GVA para la función Normal.
• GVA para la función Exponencial.
• GVA para la función Uniforme.
GVA para una función de
distribución de
probabilidades contínua
 Variables Aleatorias
• Los números aleatorios con distribución uniforme son utilizados
para la generación de números con distribución cualquiera
denominados valores aleatorios.
• Generar un proceso aleatorio significa generar valores muéstrales
de una variable aleatoria X con función distribución de
probabilidad f(x) y distribución acumulada F(x):

x
F ( x)   f (t )dt  Pr( X  x)

 Método de la Transformada Inversa
• El método se basa en que:
• r, el valor aleatorio de la distribución uniforme entre 0 y 1.
• F(x) para cualquier variable aleatoria x varían entre cero y
uno por lo que se pueden igualar.
• Luego se halla la inversa de la función.

F(r) F(x)
1
F(x0)
r0

x0

1 f(x) f(x0)

x0
 GVA para una fdp contínua
construir un generador de valores aleatorias y generar 10 valores para
una variable con f.d.p f(x)


2 x , 0  x  1
f ( x)  
0, Otro caso


Paso 1: Hallamos la distribución acumulada:

x x
F ( x)   f (t )dt   2tdt  t
2 x
0 x 2
0 0
 GVA para una fdp contínua
Sea r: Número aleatorio

F ( x)   0,1 y r   0,1
El número aleatorio está uniformemente distribuido y varía en el rango de
(0,1) y La función acumulada F(x) también varía en el rango (0,1)

Paso 2: Igualamos F(x) con r

2
rx x r r   0,1

generador de variables aleatorias para f(x)

r tiene distribución uniforme
GVA para una fdp contínua
i ri
1 0.10 0.316
2 0.32 0.566
3 0.76 0.872
4 0.13 0.361
5 0.34 0.538
6 0.54 0.735
7 0.80 0.894
8 0.09 0.300
9 0.39 0.624
10 0.74 0.860
 Ejercicio
Generar valores aleatorios para Recordando:
la siguiente variable aleatoria X
2
 b  b  4ac
2(1  x) 0  x 1 x

f ( x)  
2a
0 Otro caso


i 1 2 3 4 5 6 7 8 9
ri 0.37 0.04 0.65 0.89 0.27 0.24 0.10 0.35 0.68
Generador
 Ejercicio
Hallar el GVA para la siguiente función y genere 7 valores aleatorios
usando los siguientes números aleatorios:

0.13 0.32 0.54 0.38 0.23 0.99 0.75

1
4
0  x 1

f (x)  
3

4 1 x  2
 Ejercicio
La solución para este caso implica hallar la fdp acumulada considerando
lo siguiente:

 x
1
 F1( x)   dt
4
0  x 1
 0

F ( x)  
 x
 F 2( x)  3 dt  F1( x  1) 1 x  2
 1 4
 Ejercicio
Hallar el GVA para la siguiente función:

1 0 x2
6

1
f (x)   2 x3
3
1
12 3 x 7


Genere 7 valores aleatorios usando los siguientes números

aleatorios:

0.13 0.48 0.84 0.38 0.23 0.99 0.75

 GVA para la fdp Uniforme
Sea la fdp Uniforme:

 1 ,a<x<b

f  x  b  a
0 , Otro caso

Hallamos la fdp acumulada:

xa Generador de
F  x  ,a < x < b variables aleatorias
ba para la fdp Uniforme

Igualamos r = F(x) y hallamos la inversa de f(x)

xa
r  F ( x)   Xi  a  r i  b  a  ,a < x< b ; 0 < r <1
ba
 GVA para la fdp Uniforme
Algoritmo
1) i = 1
2) Generar ri  (0,1)
3) Hacer Xi = a + ri (b - a)
4) i = i +1
5) Repetir el proceso desde el paso 2
 GVA para la fdp Uniforme
Generar 5 observaciones aleatorias del proceso uniforme definido en
(2,6)

i ri Xi = 2 + ri (6 - 2)
1 0.98 5.92
2 0.17 2.68
3 0.14 2.56
4 0.68 4.72
5 0.22 2.88
 GVA para la fdp Exponencial
Sea la función exponencial:

f ( x)  e
 x
1
E x 
1
,X > 0 V  x 
 
2

 F  x  1  e
 X

Igualando F(x) con r:

Generador de variables
F  x  1  e
 X
r aleatorias para la fdp
Exponencial
 X
 1 r  e
Aplicando logaritmo:
Ln1  r 
 Ln1  r   x  X 

 GVA para la fdp Exponencial
• El generador para la fdp exponencial:

Ln1  r 
X

• Puede tener también esta forma por ser su equivalente:

Ln r i 
X

• Los intervalos de tiempo entre ocurrencias de evento tales que cada
intervalo, es independiente de anterior, están distribuidos
exponencialmente
• El proceso exponencial generalmente se da en los casos de tiempos
entre arribos y tiempos de servicio
 GVA para la fdp Exponencial
General las variables aleatorias exponencialmente distribuidas en el
siguiente cuadro, usando una media igual a 3  x = -3Ln(1-r)

i ri VA Exponencial
1 0.98 5.92
2 0.17 2.68

3 0.14 2.56

4 0.68 4.72

5 0.22 2.88
 GVA para la fdp Normal

Sea Y ~ N(0,1) Además, si ri es un numero aleatorio independiente

uniformemente distribuido U(0,1)
Sea X ~ N(,)
 E(ri ) = 1/2  El promedio de los números es 1/2
 X =  + Y
var(ri ) = 1/12  La varianza es 1/12

n
n

Caso especial si n = 12:
ri 
2 12
Y i 1
n X     ( ri  6)
12 i 1
 GVA para la fdp Normal
General las variables aleatorias normalmente distribuidas en el
siguiente cuadro, usando una media = 8 y desv. Est. = 2

i Suma de 12 12
aleatorios X  8  2( ri  6)
i 1

1 5.98 5.92
2 6.17 2.68
3 4.14 2.56
4 5.68 4.72
5 6.22 2.88
 CONCLUSIONES

01 En una función de probabilidades contínua, la función acumulada F(x) se halla integrando la

función de distribución de probabilidades.

02 El generador uniforme U(2, 10) es: x = 2 + r(10-2).

03 El generador exponencial E(25) es: x = -25*ln(1-r).

04 El generador normal N(20,4) es: x = 20 + 4*(suma_12_aleatorios - 6).

 REFERENCIAS

Cite adecuadamente la información utilizada en los materiales

de aprendizaje.
Las referencias pertenecen exclusivamente a los contenidos de
esta diapositiva.
Ejemplo:
 Bibliográficas: LAW, Averill M. y David Kelton (2014).
Simulation Modeling and Analysis.