Escolar Documentos
Profissional Documentos
Cultura Documentos
TECNOLOGICO DE TAPACHULA
UNIDAD III: GENERACION DE VARIABLES
ALETORIAS.
SIMULACION
CATEDRTICO:
ING. MILTON CARLOS HERNANDEZ RAMIREZ
ALUMNOS:
Acosta Cruz Adela Guadalupe.
Arvalo reyes Adalberto.
De la cruz barrios Hilma kristel
De len Vilches Isabel
Komukai Lucero Selene Izumi
Mndez Ponce Nayeli
Ruiz Santiago.
5 SEMESTRE B
2
NOVIEMBRE DE 2015
CONTENIDO
PAG.
Introduccin... 3
3.1.- Conceptos bsicos... 4
3.2.- Variables aleatorias discretas..... 6
3.3.- Variables aleatorias continas...12
3.4.- Mtodos para generar variables aleatorias...21
3.4.1.- Mtodo de la transformada inversa.21
3.4.2.- Mtodo de convolucin..22
3.4.3.- Mtodo de composicin.23
3.5.- Procedimientos especiales...24
3.6.- Pruebas estadsticas. (Pruebas de bondad de ajuste)....25
Conclusin...26
Bibliografia...27
3
INTRODUCCION
Buscamos mtodos que nos permitan obtener valores de variables aleatorias que
sigan
determinadas distribuciones de probabilidad a partir de los nmeros aleatorios
generados que siguen la distribuci6n Uniforme en el intervalo (0,1).
Hay cuatro mtodos generales de generaci6n de variables aleatorias y una serie
de mtodos particulares de las distintas distribuciones.
La facilidad de aplicacion de dichos mtodos, as como el coste computacional
asociado a los mismos, varfa mucho segun la familia de variables aleatorias a las
que se apliquen.
Normalmente existen varios algoritmos que se pueden utilizar para general
valores de una determinada distribuci6n, y diferentes factores que se pueden
considerar para determinar que algoritmo utilizar en un caso particular.
Desafortunadamente dichos factores suelen entrar en conflicto unos con otros y a
veces se ha de Ilegar a una soluci6n de compromiso.
Algunos de estos factores son los
siguientes:
Exactitud: se han de obtener valores de una variable con una precisi6n dada. A
veces se tiene suficiente con obtener una aproximaci6n y otras no.
Eficiencia: el algoritmo que implementa el mtodo de generaci6n tiene asociado
un tiempo de ejecuci6n y un gasto de memoria Elegiremos un m6todo que sea
eficiente en cuando al tiempo y a la cantidad de memoria requeridos.
Complejidad: Buscamos m6todos que tengan complejidad mnima, siempre y
cuando se garantice cierta exactitud.
4
3.1.- CONCEPTOS BSICOS
Un generador de nmeros aleatorios es un dispositivo informtico o fsico
diseado para producir secuencias de nmeros sin un orden aparente.
Algoritmos: Los algoritmos para la generacin de valores uniformemente
distribuidos estn presentes en todas las calculadoras y lenguajes de
programacin, y suelen estar basados en congruencias numricas del tipo:
Estos cuatro valores deben ser nmeros enteros no negativos y que cumplan la
siguiente condicin:
La mayor parte de los generadores de nmeros aleatorios son, en realidad,
pseudoaleatorios; se calcula (o introduce internamente) un valor x0, que
llamaremos semilla, y, a partir de l, se van generando x1,x2, x3, ...
Siempre que se parta de la misma semilla, se obtendr la misma secuencia de
valores.
5
Por la condicin anterior, es evidente que todos los valores generados por este
procedimiento son nmeros enteros entre 0 y
, as que
se
Rectificacin
Si 4 es divisor de m
Si c=0:
=32).
conducen
6
m es primo
se
x1 x2
...
xk
P(x)
p1 p2
...
pk
7
Volvamos al experimento aleatorio de lanzar una moneda 3 veces
Espacio muestral S={ccc, ccs, css, csc, sss, ssc, scc, scs}
Sea X = nmero de caras,
x = 0, 1, 2, 3
x
P(x)
P(x)
0,
0,2
0,2
0,1
)?
)?
)?
8
e) Qu proporcin de estudiantes llevan entre 1 y 2 libros (
)?
) para todo x
Tamao familiar
Sea
el
nmero
de
personas
de
hogares
en
el
censo
(http://www.ine.cl/cd2002/index.php)
7
ms
p(x)
0,11
0,18
0,22
0,23
0,14
0,07
2002
9
a) Cunto debe ser la probabilidad de que el tamao familiar sea de 7 y ms
personas para que esta sea una distribucin de probabilidades discreta
legtima?
b) Muestre grficamente la distribucin de probabilidades.
c) Cul es la probabilidad de que un hogar elegido al azar tenga un tamao
familiar de ms de 5 personas?
d) Cul es la probabilidad de que un hogar elegido al azar tenga un tamao
familiar de no ms de 2 personas?
e) Cul es
Otra
s
10
Si X es una variable aleatoria discreta que toma valores x1, x2, ... xk, con
probabilidad p1, p2,... pk, entonces la media o el valor esperado de X est dado
por:
11
p(x)
1/8
3/8
3/8
1/8
La media de X es:
12
Y la desviacin estndar de X es :
Calcule las medias y desviaciones estndar en los dems ejercicios.
El rea total bajo la curva es igual a uno y calculamos probabilidades como reas
bajo la curva de densidad.
13
Propiedades de una funcin densidad:
funcin,
1.
3.
La distribucin Normal
Existe una distribucin de frecuencias terica llamada distribucin normal, que puede
considerarse como modelo adecuado para la distribucin de un gran nmero de
variables en el campo biolgico.
14
Notacin:
y desviacin estndar
Caractersticas:
-
15
distribucin en el eje horizontal y la desviacin estndar refleja la dispersin de
los valores con respecto al promedio.
Los puntajes del test de inteligencia para nios WISC (Weschler Intelligence
Scale for Children) siguen una distribucin Normal con media 100 y desviacin
estndar de 15 (http://nicologic.free.fr/FAQ.htm). Nos interesa saber qu
proporcin de nios tendrn un CI menor que 130?
16
Clculo de reas de una Distribucin Normal:
Definicin:
Si
y tiene
17
se cumple que:
18
-2
+2 )
-3
+3
19
Aunque tericamente la distribucin llega a - y a +, en la prctica es muy raro
encontrar valores a ms de 3 desviaciones estndar del promedio.
Tabla: reas de la
distribucin Normal
estandar
20
Clculo de reas
a)
b)
c)
d)
e)
Puntajes de CI
Suponga que definimos a X como los puntajes de CI del test de inteligencia WISC,
con distribucin
21
El tiempo que demoran los nadadores de 100 metros mariposa sigue una
normal con media 55 segundos y desviacin estndar de 5 segundos.
Sea X es
22
Las alturas de los pinos son medidas en metros. Decidiremos rechazar la hiptesis
nula si la altura de un pino seleccionado al azar del bosque mide menos de 8
metros.
23
la inversa para algunas distribuciones de probabilidad. El mtodo de Box-Muller es
un ejemplo de algoritmo que aunque menos general, es ms eficiente desde el
punto de vista computacional.
El mtodo se utiliza para simular valores de las distribuciones exponenciales,
Cauchy, triangular, de Pareto y Weibull.
El problema que resuelve el mtodo de la transformada inversa es el siguiente:
Sea X una variable aleatoria cuya distribucin puede ser descrita por la cdf F.
Se desea generar valores de X que estn distribuidos segn dicha distribucin.
Numerosos lenguajes de programacin poseen la capacidad de generar nmeros
pseudo-aleatorios que se encuentran distribuidos de acuerdo con una distribucin
uniforme standard. Si una variable aleatoria posee ese tipo de distribucin,
entonces la probabilidad de que el nmero caiga dentro de cualquier subintervalo
(a, b) del intervalo entre 0 a 1 es la longitud del subintervalo, o sea b a.
El mtodo de la transformada inversa funciona de la siguiente manera:
1. Se genera un nmero aleatorio a partir de la distribucin uniforme standard; se
lo llama u.
2. Se calcula el valor x tal que
y se lo llama Xelegido.
24
Convolucin es un operador matemtico que transforma dos funciones f y g en
una tercera funcin que en cierto sentido representa la magnitud en la que se
superponen f y una versin trasladada e invertida de g. Una convolucin es un tipo
muy general de media mvil, como se puede observar si una de las funciones se
toma como la funcin caracterstica de un intervalo.
Convolucin discreta
Cuando se trata de hacer un procesamiento digital de seal no tiene sentido
hablar de convoluciones aplicando estrictamente la definicin ya que solo
disponemos de valores en instantes discretos de tiempo. Es necesario, pues, una
aproximacin numrica. Para realizar la convolucin entre dos seales, se
evaluar el rea de la funcin:
que llamaremos
25
26
" k " es el nmero de xito cuya probabilidad se est calculando
La distribucin binomial parte de la distribucin de Bernouilli:
La distribucin de Bernouiili se aplica cuando se realiza una sola vez un
experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo
que la variable slo puede tomar dos valores: el 1 y el 0
La distribucin binomial se aplica cuando se realizan un nmero "n" de veces el
experimento de Bernouiili, siendo cada ensayo independiente del anterior. La
variable puede tomar valores entre:
0: si todos los experimentos han sido fracaso
N: si todos los experimentos han sido xitos.
3.6 PRUEBAS ESTADSTICA. (PRUEBAS DE BONDAD DE AJUSTE)
En la construccin del modelo de simulacin es importante decidir si un conjunto
de datos se ajusta apropiadamente a una distribucin especfica de probabilidad.
Al probar la bondad del ajuste de un conjunto de datos, se comparan las
frecuencias observadas FO realmente en cada categora o intervalo de clase con
las frecuencias esperadas tericamente FE.
Prueba Ji cuadrada
La prueba Ji cuadrada hace uso de la distribucin del mismo nombre para probar
la bondad del ajuste al comparar el estadstico de prueba Xo2 con el valor en
tablas de la mencionada distribucin Ji cuadrada con v grados de libertad y un
nivel de significancia alfa.
27
CONCLUSIN
28
BIBLIOGRAFIA
www.virtual.unal.edu.co/cursos/sedes/
manizales/4030011/lecciones/cap3/cap_3_pag_13.html
COSS Bu, Ral. Simulacin (Un enfoque Practico), Limusa, Mxico. 2003.