GENERACION DE VARIABLES ALEATORIAS

Mtodos de Generacin de Variables Aleatorias

Hay una variedad de mtodos para generar variables aleatorias. Cada mtodo se aplica solo a un
subconjunto de distribuciones y para una distribucin en particular un mtodo puede ser ms
eficiente que otro.
Transformacin Inversa Si la variable aleatoria X tiene una FDA F(x), entonces la variable R = F(x)
est distribuida uniformemente entre 0 y 1. Por lo tanto, X se puede obtener generando nmeros
uniformes y calculando x = F1 (R).


Analticamente, el mtodo se representa como:

donde f(x) es la funcin de densidad de probabilidad de la distribucin deseada. Para ver porqu el
X generado con este mtodo en realidad tiene la distribucin deseada, tome un valor X0 y calcule
la probabilidad acumulada:


Este mtodo nos permite generar variables aleatorias siempre que se pueda determinar F1 (x)
analticamente o empricamente.
Ejemplo (determinacin analtica):

Ejemplo (determinacin emprica):

y la inversa est dada por:


Mtodo de Composicin
Este mtodo se puede usar si la FDA F(x) deseada se puede expresar como una suma ponderada
de otras n FDA F1 (x), ..., Fn (x):

El nmero de funciones n puede ser finito o infinito, y las n FDA son compuestas para formar la
FDA deseada; de aqu el nombre de la tcnica. Esto tambin se puede ver como que la FDA
deseada es descompuesta en otras n FDA; por esto la tcnica a veces es llamada descomposicin.
La tcnica tambin se puede usar si la funcin de densidad f (x) puede ser descompuesta como
una suma ponderada de otras n densidades:

En cualquier caso, los pasos a seguir son:
1. Genere un entero aleatorio I tal que P(I = i ) = pi. Esto puede ser hecho con el
mtodo de transformacin inversa.
2. Genere x con la i-esima densidad fi (x) y retorne.
Ejemplo:
Consideremos la densidad de Laplace dada por

Distribucin Uniforme
Una distribucin Uniforme sobre el rango de 0 a 1 es la base para generar valores de
distribuciones de probabilidad estndar. Una aplicacin comn es para representar el tiempo de
duracin de una actividad cuando se tiene una mnima informacin de la duracin de la actividad.
Algunas veces el tiempo para completar se considera que vara aleatoria y uniformemente entre
dos valores. Dadas estas condiciones, la distribucin Uniforme es una buena estimacin preliminar
para la duracin de una actividad
La funcin de densidad de la distribucin Uniforme de probabilidad es definida como sigue:

Distribucin Uniforme de probabilidad para el intervalo (a,b)
Para obtener la distribucin acumulada de probabilidad, usando la distribucin original de
probabilidad y a travs del clculo, as;

Usando el procedimiento de transformacin inversa involucra establecer una variable aleatoria
uniforme R (donde R se encuentra entre cero y uno) igual a F(x) y resolver para x. As,
X = a + R(b - a)
Ejemplo
El tiempo requerido para lavar un auto esta uniformemente distribuido con un tiempo mnimo de
8 minutos y un mximo de 12 minutos. Simule el tiempo de servicio para procesar 10
automviles. Use un proceso generador uniforme en su anlisis. Cul es el tiempo promedio
para los 10 autos que se procesan?
Sea x = Tiempo de servicio


Distribucin Exponencial
Es usada extensivamente en modelos de colas. Es la nica distribucin continua con la propiedad
de prdida de memoria: recordar el tiempo desde el ltimo evento no ayuda a predecir el tiempo
hasta el prximo evento. Es usada para modelar el tiempo entre eventos sucesivos, por ejemplo:
El tiempo entre llegadas. El tiempo entre fallas.
Un proceso generador uniforme para esta distribucin puede ser desarrollado con el uso de la
tcnica de transformacin inversa. La funcin de densidad de la distribucin Exponencial de
probabilidad es la siguiente:


donde es la tasa de servicio o el nmero de unidades servidas por unidad de tiempo.
Para desarrollar el proceso generador, se debe encontrar primeramente la funcin de densidad
acumulada de probabilidad:


y esta expresin puede ser reemplazada por

Ejemplo 1
El tiempo entre fallas para una operacin particular de manufactura puede ser descrito por una
distribucin exponencial con una media de 100 horas. Simule el tiempo de 5 fallas. Use el proceso
generador exponencial en su anlisis.
1/100 = .01 hora
x= tiempo entre fallas

Ejemplo 2
El tiempo entre arribos de los clientes que entran a una tienda puede ser descrito por una
distribucin exponencial con media de 8 minutos. Simule el arribo de 10 clientes a la tienda. Use
un proceso generador exponencial en su anlisis.
60/8 =7.5 clientes/hora


Distribucin Gamma
La distribucin Gamma puede ser usada para representar el tiempo requerido para completar una
actividad o grupo de actividades. La distribucin Gamma pude ser utilizada para generar valores
que representan el tiempo total requerido para completar n desempeos independientes de la
actividad. Es una generalizacin de la Erlang y tiene parmetros no enteros. Se usa en modelos de
colas para modelar tiempos de servicio y tiempos de reparacin. El parmetro es llamado
parmetro de forma y es llamado parmetro de escala.

Los pasos a seguir son los siguientes:


La idea bsica de todos los mtodos de aceptacin-rechazo es nuevamente ilustrar aqu, pero la
prueba de esto no es la intencin de este libro. En el paso 3, X = [R1/(1-R1)]a no esta distribuida
en forma Gamma, pero el rechazo de cierto valores de X en el paso 4 garantiza que los valores
aceptados en el paso 4b tienen una distribucin Gamma.
Ejemplo:


Este ejemplo tomo 2 pruebas para generar una variable aleatoria distribuida Gamma, pero en
promedio para generar una 1000 variables Gamma, el mtodo requerir entre 1130 y 470
pruebas, o en forma equivalente, entre 2260 y 2940 nmeros aleatorios.


Distribucin Poisson
Se usa extensivamente en modelos de colas para modelar el nmero de llegadas en cierto
intervalo:
Nmero de consultas a un servidor en un intervalo t. Nmero de fallas en componentes por
unidad de tiempo. Nmero de consultas a una base de datos en t segundos. Nmero de
errores de tecleo por forma.
Si los datos son obtenidos en la forma d el nmero de arribos por unidad de tiempo, entonces los
datos pueden ser descritos por una distribucin Poisson.
La funcin de masa de probabilidad para la distribucin Poisson se define como sigue:

El mtodo de composicin para generar variables aleatoria Poisson es el siguiente:
Paso 1 Identifique la longitud del perodo T. Inicialice a cero el contador de arribos, n y el
contador de intervalo de tiempo t.
Paso 2 Genere el intervalo de tiempo para un arribo utilizando el generador de proceso
exponencial.
Paso 3 Sume el tiempo entre arribos en el paso 2 a t; sume 1 al contador de nmero de arribo n.
Paso 4 si t>T en el paso 3, entonces deseche el ultimo arribo y reste 1 del contador de nmero de
arribos, n, y vaya a el paso 5 de otra forma vaya al paso 2.
Paso 5 El valor de n es la variable aleatoria para la distribucin Poisson.
Problema
El nmero de clientes que llegan a un banco est descrita por una distribucin poisson con una
media de 4 arribos cada hora. Simule el arribo de los clientes sobre un perodo de 1 hora.
(Recordar la relacin recproca entre el tiempo entre arribos (dist. Exponencial) y el No. de arribos
por perodo de tiempo (Dist. Poisson)).


10 arribos/ hora
tiempo de entre arribo = 6 min.
Cuando 15, la tcnica de aceptacin-rechazo se convierte en
algo caro (por la cantidad de clculos que se realizan), pero afortunadamente se usa una tcnica
para aproximar basada en la distribucin Normal que trabaja bastante bien. Cuando , es grande,


Distribucin Geomtrica
El nmero de ensayos hasta e incluyendo el primer xito en una secuencia Bernoulli es una
Geomtrica. Es la equivalente discreta de la exponencial en cuanto a la propiedad de prdida de
memoria: recordar el pasado no ayuda a predecir el futuro.