Simulacin

1. Ejemplo e introduccin a la simulacin 2. Ventajas e inconvenientes de la simulacin 3. Tipos de sistemas y simulaciones 4. Elementos de la simulacin por eventos discretos 5. Simulacin por incremento de tiempo fijo y por eventos 6. Estructura y traza de un modelo de simulacin 7. Generacin de muestras uniformes 8. Generacin de nmeros pseudoaleatorios 9. Generacin de distribuciones discretas y continuas

SIMULACIN

Ejemplo
Se desea construir una carretera y para ello se ha de hacer un tnel a travs de una montaa. Existen dos puntos posibles donde hacer el tnel, correspondientes a dos montaas distintas M1 y M2 cercanas. Supongamos que se tiene que decidir si hacerlo en un punto o en otro. Mediante estudios preliminares se sabe que en el punto M1 la longitud del tnel habra de ser L1, y en la montaa M2, L2. En la primera de ellas, por las caractersticas del terreno, se perforara a razn de x1 unidades por jornada de trabajo, mientras que en la otra montaa sera a razn de x2 unidades. La empresa debe recibir una maquinaria nueva con una probabilidad 0.71. La probabilidad de que la nueva maquinaria se avere en M1 es 0.14 y en M2 es 0.16. Para la maquinaria vieja estas probabilidades son, respectivamente, 0.28 y 0.19. Las averas pueden ser de dos tipos: graves con probabilidad 0.35 y 4 jornadas de trabajo de reparacin o leves con 1 jornada de trabajo de reparacin. Dnde se debe perforar el tnel para tardar lo menos posible en la construccin de la carretera?

SIMULACIN

Perforacin M1

0.71 SI p=0.14

Llega maquinaria nueva?

0.29 NO p=0.28

p SI Grave 0.35 Leve 0.65

Avera

1-p NO

Tipo avera

DA=4

DA=1

DA=0

DT=L1/x1+DA

SIMULACIN

Modelo de simulacin
1. Se definen los parmetros aleatorios (llegada de nueva maquinaria, avera, gravedad de la avera) 2. Se simulan o muestrean los parmetros aleatorios 3. Se recopilan los resultados 4. Se detiene el proceso de muestreo

SIMULACIN

Introduccin
Sistema: Elementos (componentes) cuyo comportamiento se representa en trminos de variables para cada estado posible Relaciones (reglas de operacin lgicas) entre elementos Simulacin: Proceso de diseo de un modelo estocstico de un sistema real y realizacin de experimentos para reproducir su funcionamiento (muestreo estocstico de un modelo) Objetivo: Modelado y simulacin de sistemas estocsticos donde los eventos que ocurren en el sistema se generan mediante distribuciones de probabilidad

SIMULACIN

Cundo conviene utilizar simulacin?

No existe formulacin matemtica conocida del problema (lneas de espera) Los modelos analticos no son eficientes (sistemas complejos) Se desea experimentar con el sistema antes de su uso (para formar a pilotos mediante los simuladores de vuelo) Se desea experimentar con el sistema para mejorarlo, detectando eventualidades (simuladores de vuelo del espacio) Para reducir escalas de tiempo porque la evolucin del sistema sea muy lenta (disminucin de la capa de ozono, talas de rboles)

SIMULACIN

Inconvenientes de la simulacin
Incluso la construccin del modelo puede ser compleja y costosa (aunque esto siempre ocurre en el desarrollo de cualquier modelo; por ejemplo se pueden olvidar relaciones entre los elementos del sistema a modelar) Dificultad de establecer la precisin de los resultados, pues los resultados son muestras y se deben utilizar tcnicas estadsticas

SIMULACIN

Tipos de sistemas
1. CONTINUOS Las variables de estado cambian de forma continua con el tiempo. Por ejemplo, el movimiento de un tren por una va, en donde las variables de estado son la posicin, la velocidad y la aceleracin

2. DISCRETOS Las variables de estado cambian en ciertos instantes de tiempo. Por ejemplo, un sistema de atencin a clientes atendido por un solo servidor, la variable de estado es el nmero de clientes que hay en el centro de servicio.

SIMULACIN

Tipos de simulacin
Segn la evolucin del tiempo - Estticos: representan un sistema en un instante particular. A menudo se denomina simulacin de Monte Carlo. - Dinmicos: representan un sistema que evoluciona con el tiempo. Segn la aleatoriedad - Deterministas: no incluyen variables aleatorias. Dados unos datos de entrada, existe un nico conjunto posible de datos de salida. - Probabilistas o estocsticos: contienen variables aleatorias, siendo las salidas tambin aleatorias (estimaciones de las verdaderas caractersticas). Segn las variables de estado - Continuos: si todas las variables de estado cambian de forma contina con el tiempo. - Discretos: si todas las variables de estado cambian en determinados instantes de tiempo. - Hbridos o combinados: si incluyen variables de estado continuas y discretas. Nos centraremos en los modelos de simulacin dinmicos, estocsticos y discretos, denominados modelos de simulacin de eventos discretos.

SIMULACIN

Elementos de la simulacin de eventos discretos

1. ESTADOS Y EVENTOS Estado del sistema definido por el estado de cada uno de sus componentes. Eventos: sucesos que producen un cambio en el estado del sistema. 2. MECANISMO DE TRANSICIN ENTRE ESTADOS POR OCURRENCIA DE EVENTOS Ejemplo: Sistema de colas con 1 servidor Estado: nmero de clientes en el sistema (en cola o siendo atendidos) N (t ) en el instante t . Eventos: llegada de un cliente o final de un servicio N (t ) + 1 si llegada cliente Mecanismo de transicin: N (t ) = N (t ) 1 si final de servicio cliente

SIMULACIN

10

3. RELOJ DE SIMULACIN Mide el tiempo simulado para el sistema. Mecanismos de avance: INCREMENTO DE TIEMPO FIJO (time step) Se avanza un intervalo fijo (pequeo) de tiempo y se actualiza el estado del sistema (se comprueba si ha ocurrido algn evento en el sistema). Se considera que los eventos ocurren al final del intervalo. Problemas asociados a simultaneidad de eventos (ver transparencia 14 cuando Pe = Ps ). INCREMENTO POR EVENTO (event step) Se avanza el tiempo hasta el prximo evento y se actualiza el estado del sistema. Se genera el intervalo de tiempo hasta el prximo evento. En todos los intervalos hay un evento luego ms eficiente que incremento por tiempo fijo (en donde si el incremento del tiempo es pequeo, puede no haber ningn evento).

SIMULACIN

11

4. LISTA DE EVENTOS Necesaria para saber cules son los eventos futuros que se deben incluir en la actualizacin del sistema (ya sea con incremento de tiempo fijo o por evento) y en qu instantes se van a dar, al menos los ms inmediatos 5. CONTADORES ESTADSTICOS Variables utilizadas para almacenar informacin sobre el comportamiento del sistema y que al final, mediante algn clculo matemtico, darn respuesta al objetivo del estudio.

SIMULACIN

12

Sistema de colas M/M/1

Tasa media de llegada : Tasa media de servicio : 3 clientes/hora con distribucin de probabilidad exponencial 5 clientes/hora con distribucin de probabilidad exponencial

t tiempo del sistema N(t) estado del sistema (nmero de clientes en el sistema = clientes en cola + clientes en servicio)
Eventos: llegada de un cliente, final del servicio a un cliente Transicin entre estados N(t) = N(t) + 1 llega un cliente al sistema en el tiempo t sale un cliente del sistema en el tiempo t N(t) = N(t) 1 Estado inicial: ningn cliente en el sistema

SIMULACIN

13

Simulacin por incremento de tiempo fijo

t = 0.1 h Hiptesis No hay simultaneidad de eventos. Slo hay una llegada o salida en cada intervalo [t,t+t] Si T es una exponencial() que mide el tiempo de llegadas, la probabilidad de llegada en t supuesto que el tiempo es mayor que t Pe = P {T t + t | T > t} = 1 e t = 1 e 0.3 = 0.26

Si T es una exponencial() que mide el tiempo de salidas, la probabilidad de salida en t Ps = P {T t + t | T > t} = 1 e t = 1 e 0.5 = 0.39

Estas probabilidades permiten determinar qu evento ocurre en cada intervalo [t,t+t]: Generador de evento generador nmero aleatorio uniformemente distribuido U[0,1]
SIMULACIN 14

 U < 0.26 U < 0.39

ocurre una llegada ocurre una salida

U 0.26 U 0.39

no ocurre una llegada no ocurre una salida

Ntese que para que no haya simultaneidad de eventos es necesario Pe Ps . En el caso en que aun siendo Pe Ps se produzca una llegada y una salida en [t,t+t], se puede proceder: Obviando cada caso con simultaneidad de eventos (se vuelve a generar U[0,1]). Dado que la probabilidad Pe Ps de que se produzca simultaneidad tiende a 0 con t mucho ms rpidamente que Pe o Ps , decrementando t. El problema es que si se decrementa en exceso pudiera no ocurrir nada en [t,t+t] (dado que Pe y Ps pequeos).

SIMULACIN

15

Simulacin por eventos

Se generan los tiempos de ocurrencia de eventos de llegada o salida en funcin de sus distribuciones de probabilidad mediante nmeros aleatorios. Se avanza el tiempo de reloj hasta el siguiente evento (mnimo de los tiempos futuros ms cercanos)

Resultados de la simulacin
Se van calculando para cada instante discreto las medidas del sistema (por ejemplo en un modelo de colas las medidas de eficiencia: clientes en cola, clientes en servicio, etc.)

SIMULACIN

16

Estructura (informtica) de un modelo de simulacin por eventos

Rutina de tiempo Determina el siguiente evento y avanza el reloj de simulacin Rutina de evento Actualiza el estado del sistema. Una por cada tipo de evento. Generador de informes o resultados Realiza los clculos y valores estadsticos de las caractersticas que se desean medir. Programa principal Enlaza las rutinas anteriores.

SIMULACIN

17

Rutina inicializacin

Reloj simulacin = 0 Inicializar estado y contadores Inicializar lista de eventos

Determinar tipo prximo evento i 1 Llamar rutina tiempo Programa principal Avanzar reloj de simulacin Rutina tiempo Actualizar estado 2 Llamar rutina evento Actualizar contadores Generar futuros eventos y actualizar lista de eventos Rutina evento i Fin de simulacin? SI Generador resultados Clculos finales (estimaciones) Imprimir informe

Regla de parada

NO

SIMULACIN

18

Ejemplo: Sistema de una lnea de espera con un servidor

Objetivo: estimar el nmero medio de clientes en el sistema. Hiptesis y datos: Tiempos entre llegadas de clientes segn distribucin F Tiempos de servicio segn distribucin G Tiempos independientes T tiempo mximo de simulacin Variable de estado: N el nmero de clientes en el sistema. Eventos: Llegada de un cliente al sistema Final de servicio de un cliente El mecanismo de transicin se define como N (t ) + 1 si es llegada de un cliente N (t ) N (t ) 1 si es final de servicio

SIMULACIN

19

Ejemplo: Sistema de una lnea de espera con un servidor (cont.)

Variables principales son: N nmero de clientes en el sistema TM reloj de simulacin DL tiempo entre llegadas = F DS tiempo de servicio = G Otras variables auxiliares son: TL instante de la prxima llegada TS instante del prximo final de servicio TANT variable auxiliar (instante del ltimo evento) SUMA contador acumulando suma de tiempos de permanencia de clientes
D D

SIMULACIN

20

Diagrama del modelo

SIMULACIN

21

Traza del modelo

Tabla en la que se recogen los valores de las variables que intervienen en el modelo en varias iteraciones. Permite detectar la necesidad de variables auxiliares. Es una forma de verificar la programacin posterior.

SIMULACIN

22

Datos de tiempo entre llegadas DL: 3, 2, 5, 1, 2, 6, 6, 2, 8 Datos de tiempo de servicio DS: 4, 1, 3, 1, 3, 2, 3, 5 Tiempo de simulacin T= 35 N evento Reloj Simulacin Tipo evento 0 0 Inicio 1 3 Llegada 2 5 Llegada 3 7 Servicio 4 8 Servicio 5 10 Llegada 6 11 Llegada 7 13 Llegada 8 14 Servicio 9 15 Servicio 10 18 Servicio 11 19 Llegada 12 21 Servicio 13 25 Llegada
SIMULACIN

N 0 1 2 1 0 1 2 3 2 1 0 1 0 1

TL 3 5 10 10 10 11 13 19 19 19 19 25 25 27

TS 7 7 8 14 14 14 15 18 21 28

SUMA 0 0+03=0 0+12=2 2+22=6 6+11=7 7+0=7 7+11=8 8+22=12 12+31=15 15+21=17 17+31=20 20+0=20 20+12=22 22+0=22
23

14 15 16 17

27 28 33 35

Llegada Servicio Servicio Final

2 35 28 22+12=24 1 35 33 24+21=26 0 35 26+15=31 31+02=31

[ N ] = 31 = 0.89 Nmero medio de clientes en el sistema: E 35

SIMULACIN

24

7 8

10 11

13 14 15

18

Si el tiempo mximo de simulacin hubiera sido T= 18 [ N ] = 20 = 1.11 Nmero medio de clientes en el sistema: E 18 El tiempo de simulacin influye en los resultados.

SIMULACIN

25

Ejemplo disponibilidad dinmica de un sistema paralelo

El sistema est indisponible cuando todos los componentes estn indisponibles. Cuando se repara un componente vuelve a funcionar como nuevo. Datos: Distribucin de probabilidad de tiempo entre fallos del componente i TFi(t) Distribucin de probabilidad de tiempo de reparacin del componente i TRi(t) Tiempo mximo de simulacin T

SIMULACIN

26

Variables de estado: 1 componente en funcionamiento xi 0 componente en reparacin 1 sistema en funcionamiento ES estado del sistema 0 sistema en fallo Variables principales: TM tiempo del reloj de simulacin TFi muestra de la distribucin de tiempo entre fallos del componente i TRi muestra de la distribucin de tiempo de reparacin del componente i Variables auxiliares: TPi instante en el que se produce el siguiente evento del componente i TPS tiempo (no instante) total de parada del sistema TI instante de la ltima parada del sistema

SIMULACIN

27

Proceso de simulacin
1. Inicializacin de variables TM = 0 TPS = 0 2. Definir estado inicial xi = 1 todos los componentes estn disponibles ES = 1 el sistema est disponible 3. Generar muestra de distribucin de tiempo entre fallos TFi 4. TPi = TFi 5. Rutina de tiempo: Determinar mnimo de TPi (cundo), el componente al que afecta (a quin), y el evento de fallo o reparacin (qu) Actualizar el tiempo de simulacin TM = TPi Dependiendo de la respuesta a qui y a qu (la respuesta a qu se deduce del valor que tenga xi ) vamos al paso 6 o al 7.

SIMULACIN

28

6. Rutina de evento de fallo del componente i: En caso de fallo del componente i xi = 0 Y estar fallados el resto de componentes se declara indisponible el sistema ES = 0 y TI=TM Generar muestra de distribucin de tiempo de reparacin TRi TPi = TPi + TRi 7. Rutina de evento de fin de reparacin del componente i: En caso de reparacin del componente i xi = 1 Si el sistema estaba indisponible (ES = 0) se contabiliza el tiempo de parada del sistema TPS = TPS + (TM-TI) y se declara disponible el sistema ES = 1 Generar muestra de distribucin de tiempo entre fallos TFi TPi = TPi + TFi 8. Comprobar que TM < T. En caso contrario ir a 10 9. Continuar la simulacin. Ir a 5 10. Final. ndice de disponibilidad = 1-TPS / TM

SIMULACIN

29

Generacin de nmeros aleatorios

Generacin de muestras uniformes
Se generan valores de variables aleatorias uniformes en (0,1) dado que los mtodos para generar variables aleatorias son transformaciones U(0,1)

Mtodo de la ruleta (mtodo fsico)

Ruleta dividida en 10 partes iguales, con valores del 0 al 9, y una flecha fija que seala. Para generar valores de una uniforme en (0,1), se puede agrupar los valores de k en k y considerar que cada grupo son las cifras decimales de una realizacin de U(0,1). Para considerar informativos los resultados de la simulacin es necesario simular muchas veces, ms cuanto ms complicado es el modelo, siendo necesario el uso del ordenador. Existen tablas de nmeros aleatorios obtenidos por el mtodo de la ruleta y otros mtodos fsicos, pero no es un buen mtodo para su uso en ordenador. Por ello se crearon mtodos aritmticos particulares adaptados al ordenador, aunque con un cierto deterioro de la aleatoriedad, denominndose nmeros pseudoaleatorios.

SIMULACIN

30

Generacin de nmeros (pseudo)aleatorios

Producir una secuencia de nmeros que siguen una distribucin de probabilidad especfica y tienen apariencia y propiedades de aleatoriedad. El procedimiento debe ser cmodo para su implementacin en un ordenador. Caractersticas de los nmeros pseudoaleatorios: 1. Generan realizaciones de distribuciones uniformes (0,1). 2. Uniformidad e independencia en las secuencias . 3. Reproducibilidad. 4. Capaces de producir diferentes secuencias de nmeros. 5. Rpidos de generar y no requerir almacenamiento. 6. Tener un ciclo no repetitivo tan largo como se desee. Los siguientes mtodos generan a gran velocidad y ocupan poca memoria de ordenador, puesto que para generar un valor slo necesito el ltimo valor generado. Tambin son reproducibles (con una misma semilla se obtiene una misma secuencia). No obstante, pueden tener problemas respecto a las caractersticas 2 y 6.
1 1

Los generadores tienen que cumplir propiedades estadsticas (caracterstica 2): uniformidad e independencia de las secuencias. Para ello se han generado distintas secuencias y se les ha hecho pasar contrastes de bondad de ajuste para la uniformidad y la independencia.

SIMULACIN

31

Mtodo de los cuadrados medios Se toma un nmero al azar, x , de 2n cifras. Se eleva al cuadrado y se toman de este resultado las 2n cifras centrales siendo el nuevo nmero x1 a partir del cual se repite el proceso. Ejemplo: x =4122 x =16|9908|84 x =9908 x =98|1684|64 x =1684 x =2|8358|56
0

2 0

2 1

2 2

La secuencia 4122, 9908, 1684, ... puede ser considerada, al menos a partir de un cierto intervalo, como una secuencia de nmeros pseudoaleatorios. Cada nmero puede considerarse los decimales de un nmero uniforme (0,1). El principal problema de este mtodo es que los nmeros pueden repetirse a partir de una secuencia muy corta. Por ejemplo, si x = 3708 se tiene que x = 6100 = x , lo cual no es controlable (no cumple con la caracterstica 6).
0 4 8

SIMULACIN

32

Mtodo de Lehmer Sea x un nmero al azar de n cifras. Se multiplica por otro k (fijo del generador) de k cifras, dando lugar a uno de n + k . Se quitan las k cifras de la izquierda, obteniendo uno de n cifras al que se resta el de k cifras que se haba separado siendo el nuevo nmero x1 a partir del cual se repite el proceso. Ejemplo: x =4122 k =76 4122 76=31|3272 3272-31=3241 x =3241 k =76 3241 76=24|6316 6316-24=6292
0

Cada nmero puede considerarse los decimales de un nmero uniforme (0,1). Este mtodo acaba degenerando a 0 (no cumple con la caracterstica 2).

SIMULACIN

33

Mtodo congruencial mixto Obtiene una secuencia de nmeros pseudoaleatorios en el conjunto {0,K, m 1} calculados a

partir del anterior. xk +1 = ( axk + b) mod m x0 semilla conocida m longitud del ciclo

a, b, m enteros positivos a,b<m

Si b = 0 el mtodo se denomina congruencial multiplicativo Sean x, y, m . Se dice que x es congruente con y en mdulo m si y slo si x e y dan el mismo resto al dividir por m . Se representa por x y . Ejemplo: m = 9 , a = 5 , b = 1, x0 = 1 Secuencia generada: 6, 4, 3, 7, 0, 1
y1 = 5 1 + 1 = 6 y2 = 5 6 + 1 = 31
y3 = 5 4 + 1 = 21 y 4 = 5 3 + 1 = 16 y5 = 5 7 + 1 = 36 y6 = 5 0 + 1 = 1
(m)

x1 = 6
x2 = 4 x3 = 3 x4 = 7 x5 = 0 x6 = 1 = x0

SIMULACIN

34

Respecto al ciclo no repetitivo (caracterstica 6) en el mismo ejemplo se puede ver que es muy corto. De hecho, la mxima longitud que se puede lograr sin repetir es de m , ya que es la mayor cantidad de nmeros diferentes que se puede obtener y una vez que se obtiene un nmero repetido toda la secuencia se repite. Para seguir generando nmeros aleatorios sin ciclos se puede modificar el valor de a y b en el momento de la repeticin. Se puede afirmar que los dos generadores multiplicativos con m = 2 1 y multiplicador a = 16807 o bien a = 63036016 generan valores con la propiedad de la uniformidad y la independencia y con ciclo no repetitivo maximal (el ciclo con mayor nmero de elementos9: El primero es ms rpido y tiene menor riesgo de desbordamiento de memoria. El segundo tiene mejores propiedades estadsticas.
31

Muestras uniformes en el intervalo (0,1) se obtienen con el cociente de dividir cada nmero
k generado por el mdulo m ( uk = m

n ).

SIMULACIN

35

Generacin de variables aleatorias discretas

x1 con prob p1 x con prob p 2 X = 2 x3 con prob p3 M

p1

p1+p2 p1+p2+p3 1

p
k

=1

u U (0,1)

X = xi

si

p
k =1

i 1

u < pk
k =1

Fx ( xi 1 ) u < Fx ( xi )

SIMULACIN

36

Ejemplo: 1.0 0.8 0.3 01 0 u: X: 0.27 1 0.54 2 0.06 0 0.89 3 0.15 1 1 2 3 F

0 1 X = 2 3

con prob p1 = 0.1 con prob p2 = 0.2 con prob p3 = 0.5 con prob p4 = 0.2

SIMULACIN

37

Mtodo de la distribucin binomial (n, p) Se basa en la propiedad segn la cual la distribucin de la suma de v.a.i.i.d. con distribucin de Bernoulli de parmetro p es Binomial (n, p) . Luego, para generar valores de una variable con distribucin Binomial (n, p) , se pueden generar n Bernoulli de parmetro p y sumarlas. Algoritmo:

1. x 0 2. Hacer n veces Generar u U (0,1) Si u p x x + 1 3. Salida: X se distribuye segn Binomial (n, p)

SIMULACIN

38

Mtodo de la distribucin Geomtrica (p) La distribucin geomtrica corresponde al nmero de ensayo en que aparece el primer xito al repetir un experimento de Bernoulli de parmetro p . As que para generar valores con esa distribucin es posible hacerlo con el mtodo tradicional o aprovechando esta propiedad. Con el mtodo tradicional, basta aplicarlo con su funcin de distribucin [ F (x ) = 1 (1 p)x x = 1, 2,... ] para ver que la expresin sera:
ln(1 u ) d = 1 + ln(u ) x =1+ ln(1 p) ln(1 p)

Utilizando la propiedad que la relaciona con los experimentos de Bernoulli el algoritmo sera: 1. x 0 2. Hacer hasta que u p
x x +1

Generar u U (0,1) 3. Salida: X se distribuye segn Geomtrica (p) Este mtodo es bueno cuando el valor de p es grande (en caso contrario poca eficiencia dado que se alargara en exceso el proceso hasta llegar al xito).
SIMULACIN 39

Generacin de variables aleatorias continas

Mtodo de la transformacin inversa

X variable aleatoria F ( x ) = P {x X } funcin de distribucin acumulada

1.

F(x

Procedimiento: 1. Generar nmero aleatorio uniforme entre 0 y 1, r r 2. F ( x ) = r se determina x Se puede aplicar a la uniforme, exponencial, Weibull Ejemplo: Distribucin exponencial 0 x F ( x ) = 1 e x x0 1 media de la distribucin ln(1 r ) x= F ( x) = r . Dado que la suma de k (k entero) exponenciales
1 x = es Gamma (o Erlang) de parmetro k para su generacin basta
i =1,..,k

ln(1 r )
i

Inconveniente: Es necesario conocer la funcin de distribucin (en ocasiones algo dificil)

SIMULACIN 40

Mtodo simple de aceptacin - rechazo

Distribucin triangular (cualquiera dentro de un rectngulo)

f (x )

0 x 1 x f ( x ) = 1 ( x 1) 1 x 2 0 fuera de [0,2]

Procedimiento: 1. Generar r1 = U (0,1) y r2 = U (0,1) 2. x = 2 r1 y = r2 3. Aceptar x si y f ( x) , rechazar si y > f ( x) y volver a paso 1 El rectngulo puede tener altura c igual a Max { f ( x ) : x ( a1 , a2 )} (en el ejemplo c=1) o puede ser mayor o igual que dicho valor. Inconveniente: Es necesario encontrar un rectngulo envolvente (no es posible para distribuciones con soporte no acotado como la normal)
SIMULACIN 41

En general para cualquier funcin f ( x) con soporte en (a1,a2) el procedimiento sera: 1. Generar r1 = U (0,1) y r2 = U (0,1) 2. x = a1 + ( a2 a1 ) r1 y = cr2 3. Aceptar x si y f ( x) , rechazar si y > f ( x) y volver a paso 1 Siendo c Max { f ( x ) : x ( a1 , a2 )}

SIMULACIN

42

Mtodo generalizado de aceptacin - rechazo

El soporte de la funcin de densidad f(x) puede ser no acotado. Se considera una funcin (envolvente) g(.) tal que multiplicada por una constante a>1 de valores superiores o iguales a los de f(.) en cada punto. Procedimiento: 1. Se genera un valor para x a partir de g(.) 2. Se genera un valor para y a partir de una U(0, a g(x)) 3. Se calcula el valor de f(x) y si y > f(x) se vuelve a 1. 4. Si y <f(x) se considera que x se distribuye segn f(x).

SIMULACIN

43

ag(x)
f(x)
g(x) multiplicada por a>1

y(0,ag(x))

g(x)

x xg

a2

Ntese que este mtodo generaliza al simple de aceptacin-rechazo para funciones de densidad f(x) acotadas (por ejemplo con soporte (a1,a2)) sin ms que hacer g(x)=1/(a2-a1) (es f ( x) : x ( a1 , a2 ) , es decir: decir, gU(a1,a2)) y escogiendo a tal que a Max g ( x)
a ( a2 a1 ) Max { f ( x ) : x ( a1 , a2 )} ( luego c = a / ( a2 a1 ) )

Inconveniente: para cada distribucin hay que determinar una envolvente apropiada y esto no es nada fcil (ver un ejemplo para la normal en apuntes de la asignatura).
SIMULACIN 44

Mtodo de la distribucin normal No permite aplicar el mtodo de la transformada inversa porque la funcin de distribucin de una normal no tiene expresin analtica exacta (aunque existen aproximaciones analticas).

Mtodo del teorema central del lmite

X 1 ,..., X n ,.... v.a.i.i.d. con media y desviacin tpica ,

n i =1

X i n

N (0,1) cuando

n . Caso particular: U i X i U (0,1) media = 1/ 2 desviacin estndar = 1/ 12

U
i =1

n 2 N (0,1) n=12 n U 6 i N (0,1) i =1

n 12

Caso ejemplo: tomo

SIMULACIN

45

Mtodo del Box-Mller Este mtodo se basa en una transformacin de variables aleatorias segn la cual si u1 , u2 son v.a.i.i.d., entonces x = 2 ln u1 cos(2 u2 ) e y = 2 ln u1 sen(2 u2 ) son v.a.i.i.d. con distribucin N (0,1) . As el procedimiento a seguir sera: 1. Generar u1 , u2 U (0,1) 2. Salida x = 2 ln u1 cos(2 u2 ) o bien y = 2 ln u1 sen(2 u2 ) son v.a.i.i.d. N (0,1)

SIMULACIN

46