Universidad Nacional Mayor de San Marcos

(Universidad del Per, DECANA DE AMRICA)

Facultad de Ingeniera de Sistemas

Simulacin de

Sistemas

Prof. Luis Antonio Durand Romero ldurandr@unmsm.edu.pe

Contenido
1. Generacin aleatorias. de observaciones

2. Aplicaciones.

Objetivos
1. Generar datos aleatorios a partir de funciones de distribucin de probabilidad estadsticos. 2. Discutir los mtodos fundamentales para la generacin de observaciones variables aleatorias. 3. Aplicarlos a diferentes casos.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1. Generacin de observaciones variables (datos) aleatorias

de

Dado que existen varios mtodos para la generacin de observaciones de variables aleatorias, a continuacin se indican algunos factores que pueden influir en la decisin de usar uno u otro mtodo en determinado estudio de simulacin:

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

 Exactitud. Es deseable que el algoritmo proporcione en la medida de lo posible (dadas las limitaciones de precisin del ordenador, la inexactitud del generador de nmeros aleatorios, etc.) observaciones de la variable aleatoria con exactamente la distribucin deseada. En la actualidad existen algoritmos con esta propiedad para la mayora de las distribuciones comnmente usadas.
Eficiencia. Es deseable que el algoritmo sea de ejecucin rpida, y que no requiera de un gran espacio de memoria.
Prof. Luis Antonio Durand Romero Ing. de Sistemas

 Complejidad. Es deseable que la comprensin conceptual del algoritmo, y su programacin, no resulten extremadamente complejos.

Robustez. Es deseable que el algoritmo sea igualmente eficiente para cualquier valor admisible de los parmetros de la distribucin.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1.1. Mtodo de la transformada inversa

La exposicin de los fundamentos del mtodo se ha estructurado en funcin del tipo de distribucin de la variable aleatoria. De esta forma, se han distinguido tres casos: Distribuciones continuas, Distribuciones continuas truncadas, y Distribuciones discretas.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

El objetivo es generar observaciones de una variable aleatoria continua, X, cuya probabilidad acumulada, FX(x), es una funcin continua y estrictamente creciente para todos los valores de x tales que 0 < FX(x) <1. El mtodo de la transformacin inversa consiste de los siguientes pasos:
1. Generar un nmero seudo aleatorio, u. 2. Devolver x = Fx1(u), donde Fx1 es la funcin inversa de FX.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Caso 1. Hallar los respectivos generadores de

nmeros aleatorios de las siguientes f.d.p
= 1 + 1 ; 1 < 0 ; 0 1

a)

b)

3 2 = 2 0

; 1 1 ;

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1. Distribuciones empricas continuas

En el caso de las distribuciones empricas continuas, el procedimiento de definicin depende de si se dispone de las observaciones originales, o bien slo se dispone de los datos agrupados (es decir, del nmero de observaciones que caen dentro de cada uno de una serie de intervalos en que se divide el rango de la variable aleatoria).

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Figura 1: Distribuciones empricas construidas a partir de datos individuales (izqda.) y de los datos agrupados (drcha.).

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1. En primer lugar, deben hallarse los intervalos de confianza del conjunto de datos, con sus respectivas frecuencias. 2. A continuacin, se define el valor de x en funcin de la acumulada de la siguiente forma:
1 + 2 1 = 2 + 3 2 + 1 1 0 1 0 2 1 2 1 1 , 2 0 1 1

2 , 3 1 2 2 1 , 1 1

1 1 1

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIN

Los siguientes datos representa la cantidad de cajas de atn vendidas por semana. Cada caja se vende a 50 soles. El costo de produccin es de 15 soles por caja.
32 88 45 90 84 23 40 55 53 35 48 94 46 69 75 44 72 27 81 83 79 30 43 75 28 53 27 88 39 89 91 56 30 21 47 59 55 82 100 79 38 42 59 60 91 40 26 29 74

Simule la venta de atn para 10 semanas y determine la utilidad promedio semanal. Use

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Si son datos discretos que tienen su respectiva frecuencia, se considera el intervalo de la acumulada donde cae ui, y el valor de x, sera la respectiva frecuencia.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIN

Los siguientes datos indica la cantidad de autos que llegan a una playa de estacionamiento. La capacidad mxima del estacionamiento es de 3 autos por da
2 2 3 0 3 1 0 0 1 0 3 2 3 2 2 0 2 0 3 2 2 1 3 2 3 3 3 1 2 1 3 0 2 2 1 1 1 1 1 2 3 0 2 0 1 0 1 2 3

Simule 10 das de servicio y determine las caractersticas del mismo. Use

0.06 0.76 0.68 0.11 0.79 0.96 0.53 0.76 0.77 0.53 0.96 0.86 0.30 0.40 0.79 0.15 0.66 0.95 0.74 0.93 0.52 Antonio Durand Romero

Prof. Luis

Ing. de Sistemas

1.1. Distribucin Uniforme Quiz la funcin de densidad de probabilidad ms simple es aquella que se caracteriza por ser constante, en el intervalo (a; b) y cero fuera de el. Esta funcin de densidad define la distribucin conocida como uniforme. Matemticamente, la funcin de densidad uniforme se define como sigue:

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

La funcin de la distribucin acumulada FX(x), para una variable aleatoria X uniformemente distribuida se representa por:

Como

u=Fx(x)= el

Entonces, aplicando la inversa tenemos, generador Nmeros aleatorios u

Prof. Luis Antonio Durand Romero

u
Ing. de Sistemas

Figura. Variables aleatorias uniformes.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIN El tiempo promedio de servicio en la ventanilla de un banco es U(1,4). Genere el tiempo de atencin de 10 clientes y obtenga el tiempo promedio de servicio en la ventanilla.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1.2. Distribucin Exponencial Se dice que una variable aleatoria X tiene una distribucin exponencial, si se puede definir a su funcin de densidad como:

con >0 y x0. La funcin de distribucin acumulada de X sta dada por:

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Entonces u
En consecuencia

Por consiguiente, para cada valor del nmero aleatorio u se determina un nico valor para x. Los valores de x toman tan slo magnitudes no negativas.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Figura. Variables aleatorias exponencial.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIN El tiempo promedio de llegada de clientes a un servicio de reparacin y mantenimiento de autos es cada E(20). Genere el tiempo de atencin de 10 clientes y obtenga el tiempo promedio de arribos.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1.3. Distribucin Normal La ms conocida y ms ampliamente utilizada distribucin de probabilidad es sin duda la distribucin normal y su popularidad se debe cuando menos a dos razones que presentan sus propiedades generales. Las pruebas matemticas nos sealan, que bajo ciertas condiciones de calidad, resulta justificado que esperamos una distribucin normal mientras que la experiencia estadstica muestre que, de hecho, muy a menudo las distribuciones se aproximan a la normal.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

la funcin de distribucin recibir el nombre de distribucin normal estndar, con funcin de densidad:

Del cual podemos generar variables aleatorias normalmente distribuidas

Considerando K nmero aleatorios

Prof. Luis Antonio Durand Romero Ing. de Sistemas

Figura. Variables aleatorias normales.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIN El nmero de clientes que llega por da a cajero automtico del banco de la nacin da mediante N(20,9). Genere el nmero clientes para diez das y obtenga promedio de clientes por da. un se de el

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

1.4. Distribucin Logartmica Normal Si el logaritmo de una variable aleatoria tiene una distribucin normal, entonces la variable aleatoria tendr una distribucin continua sesgada positivamente, conocida con el nombre de distribucin logartmica normal. Frecuentemente se hace uso de esta distribucin para describir procesos aleatorios que representan al producto de varios eventos pequeos e independientes.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Donde

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

Figura. Variables aleatorias logartmicas normales.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIN El nmero de clientes que llega por da a cajero automtico del banco de la nacin da mediante los datos mostrados en siguiente tabla. Genere el nmero clientes para diez das y obtenga promedio de clientes por da. Use siguiente generador.
32 88 45 90 84 23 40 55 53 35 48 94 46 69 75 44 72 27 81 83 79 30 43 75 28 53 27 88 39 89 91 56 30 21 47 59 55 82 100 79 38 42 59 60 91 40 26 29 74
0.54 0.57 0.80 0.15 0.62 0.94 0.97 0.13 0.46 0.55 0.77 0.23 0.94 0.87 0.91 0.27 0.71 0.28 0.56 0.02

un se la de el el

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

2. Distribuciones de probabilidad Discretas

2.1. Distribucin Geometrica Entre las primeras y probablemente ms simples de las formulaciones matemticas de procesos estocsticos, se encuentra la llamada de ensayos de Bernoulli. Estos ensayos son experimentos independientes al azar, en los que el resultado de cada ensayo queda registrado, ya sea como un xito o un fracaso. La probabilidad de xito se denota por p (0 p 1).
Prof. Luis Antonio Durand Romero Ing. de Sistemas

La distribucin geomtrica queda descrita por la siguiente funcin de probabilidad:

Consecuentemente

donde al valor x siempre se le redondea al entero que sea menor. Esto se puede lograr de manera muy simple con slo retener los nmeros hasta antes del punto decimal.
Prof. Luis Antonio Durand Romero Ing. de Sistemas

2.2. Distribucin Binomial Negativa Cuando los procesos de ensayos de Bernoulli, tal como se han descrito en la seccin anterior, se repiten hasta lograr que ocurran k xitos (k>1), la variable aleatoria que caracteriza al nmero de fallas tendr una distribucin binomial negativa. La funcin de distribucin de probabilidad para una distribucin binomial negativa est dada por:

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

En consecuencia:

Para una media y una varianza dados, k es un entero determinado por

con

Prof. Luis Antonio Durand Romero

Ing. de Sistemas

APLICACIONES Genera 10 datos aleatorios usando cada una de las distribuciones previas. Use los siguientes nmeros aleatorios.

Prof. Luis Antonio Durand Romero

Ing. de Sistemas