Unidad 3: GENERACION DE VARIABLES ALEATORIAS

Sistema discreto: Las variables de estado cambian solo en puntos discretos o contables en
el tiempo. Un ejemplo tpico de simulacin discreta ocurre en las colas donde estamos
interesados en la estimacin de medidas como la longitud de la lnea de espera. Tales
medidas solo cambian cuando un cliente entra o sale del sistema; en todos los dems
momentos, no ocurre nada en el sistema desde el punto de vista de la inferencia estadstica.

Sistema continuo: Las variables de estado cambian en forma continua a travs del tiempo.
Un ejemplo tpico de simulacin continua es el estudio de la dinmica de la poblacin
mundial.

En nuestro modelo de simulacin, lo que no podemos controlar (la variable independiente) se
le conoce como variable aleatoria. Durante la simulacin, esta variable recibe valores al azar,
pero no cualquier azar, sino dependiendo de una distribucin. En otras palabras, uno genera
un nmero al azar entre 0 y 1, con ese nmero se deduce un valor para esa variable
aleatoria utilizando para ello la funcin de distribucin que tenga.


1.1 CONCEPTO DE VARIABLES ALEATORIAS

Para introducir el concepto de variable aleatoria, veamos primero algunos ejemplos, al arrojar
dos dados, sabemos que la suma X de los puntos que caen hacia arriba debe ser un nmero
entero entre 2 y 12, pero no podemos predecir qu valor de X aparecer en el siguiente
ensayo, por lo que decimos que X depende del azar, por lo tanto es una variable aleatoria
que toma valores entre 2 y 12.

El tiempo de vida de un foco que se extrae aleatoriamente de un lote de focos depende
tambin del azar, este constituye otro ejemplo de una variable aleatoria que vara entre el
tiempo 0 y un valor indeterminado, ya que no sabemos exactamente cunto tiempo va durar.

El nmero de varones de una familia con 5 hijos tambin es una variable aleatoria que vara
de 0 a 5, ya que en una familia de cinco hijos puede que no haya ningn varn, uno, dos,
tres, cuatro o cinco varones.

Si las observaciones no se dan en trminos numricos, podemos asignarles nmeros y
reducir las observaciones cualitativas al caso cuantitativo; as tenemos que la funcin que
asigna valores numricos a cada uno de los elementos del espacio muestra con una
probabilidad definida, se denomina "variable aleatoria".

Variable aleatoria: Funcin que asigna valores numricos a cada uno de los elementos del
espacio muestra con una probabilidad definida.

Por ejemplo, si se lanza una moneda 3 veces, el nmero de caras X es
una variable aleatoria que toma los valores 0, 1, 2, 3; es decir puede que
ninguna vez, una sola, dos o tres veces salga cara como resultado; la
probabilidad de que X =2 (dos caras) es 3/8 ya que el espacio muestra
S={ccc, ccs, csc, css, sss, ssc, scs, scc}y de estos ocho resultados hay
tres en los cuales hay dos caras.

Ccc

CCS

CSC

css


sss ssc

scs

SCC

Con esto podemos ver que:

El espacio muestra (S) es el DOMINIO de la funcin
El conjunto de valores que la variable puede tomar es el RANGO o recorrido de la
funcin, que es un subconjunto de los nmeros reales.

Si el conjunto de valores de X es un conjunto finito o infinito numerable, es decir, si se
pueden enlistar o enumerar, se dice que la variable es discreta, dicho de otra manera si el
rango de la funcin X es un subconjunto de los enteros Z, la variable aleatoria se llama
variable aleatoria discreta. Son ejemplos de variables aleatorias discretas el nmero de
alumnos que asisten diariamente durante un semestre, el nmero de accidentes
automovilsticos en una ciudad por da, el nmero de piezas defectuosas por lote, el nmero
de alumnos aprobados por grupo en un examen, etc.

Y si el conjunto de valores de X es no numerable, o es un subconjunto de los nmeros
reales, la variable aleatoria se llama variable aleatoria continua. Son ejemplos de variables
aleatorias continuas: la estatura, el peso, la edad, el volumen, el pH, etc.




Una variable aleatoria X es una funcin cuyo dominio es el espacio muestra S cuyo rango
es un subconjunto de los nmeros reales que tiene asociada a su conjunto de valores una
funcin de probabilidad.
Ejemplo: Dados

Sea X la variable aleatoria que indica la suma de los puntos en las
caras superiores al lanzar dos dados, determine el espacio muestra
(S), el conjunto de valores de X y las probabilidades respectivas.

Solucin: El espacio muestra S es el conjunto de los 36 pares ordenados que se indican a
continuacin:

Este conjunto se puede visualizar como el conjunto de puntos del plano cartesiano que se
muestra a continuacin:



La variable aleatoria es la suma de los elementos de cada par (1+1=2, 1+2=3, 1+3=4, ,
6+6=12), por lo tanto, toma los valores del 2 al 12, y las probabilidades para cada uno de los
valores de la variable se indican en la siguiente tabla:

S Valores de X: x
i
f( X = x
i
)
(1,1) 2 f(x
1
) =f(X=2) =1 / 36
(1,2) (2,1) 3 f(x
2
) =f(X=3) =2 / 36
(1,3) (3,1) (2,2) 4 f(x
3
) =f(X=4) =3 / 36
(1,4) (4,1) (2,3) (3,2) 5 f(x
4
) =f(X=5) =4 / 36
(1,5) (5,1) (2,4) (4,2) (3,3) 6 f(x
5
) =f(X=6) =5 / 36
(1,6) (6,1) (2,5) (5,2) (3,4) (4,3) 7 f(x
6
) =f(X=7) =6 / 36
(2,6) (6,2) (3,5) (5,3) (4,4) 8 f(x
7
) =f(X=8) =5 / 36
(3,6) (6,3) (4,5) (5,4) 9 f(x
8
) =f(X=9) =4 / 36
(4,6) (6,4) (5,5) 10 f(x
9
) =f(X=10) =3 / 36
(5,6) (6,5) 11 f(x
10
) =f(X=11) =2 / 36
(6,6) 12 f(x
11
) =f(X=12) =1 / 36

TOTAL (X =x

) =
36
36
=1
n
=1


La grfica para este ejemplo es una distribucin normal:




1.2 DISTRIBUCION DE PROBABILIDAD

1.2.1 VARIABLES ALEATORIAS DISCRETAS

En el ejemplo de las monedas, se procede del
siguiente modo: se hallan las probabilidades de
cada resultado, y se apuntan en la segunda
columna, la suma total debe de dar la unidad. En
la tercera columna, se escriben las
probabilidades acumuladas.


Resultado Probabilidad
Probabilidad
acumulada
0 1/8 1/8
1 3/8 1/2
2 3/8 7/8
3 1/8 1

Se sortea un nmero aleatorio R uniformemente
distribuido en el intervalo [0, 1), el resultado del
sorteo se muestra en la figura. En el eje X se
sitan los distintos resultados que hemos
nombrado X
0
, X
1
, X
2
, X
3
. En el eje vertical las
probabilidades en forma de segmentos verticales
de longitud igual a la probabilidad P
i
de cada uno
de los resultados, dichos segmentos se ponen
unos a continuacin de los otros, encima su
respectivo resultado X
i
. Se obtiene as una
funcin escalonada. Cuando se sortea una
variable aleatoria R, se traza una recta horizontal
cuya ordenada sea R. Se busca el resultado cuya
abscisa sea la interseccin de dicha recta horizontal y del segmento vertical, tal como se
seala con flechas en la figura. Si el nmero aleatorio R est comprendido entre 0,25 y 0,75
se obtiene el resultado denominado X
1
.

La tabla describe el sorteo de una variable discreta, siendo R una variable aleatoria
uniformemente distribuida en el intervalo [0,1).

Condicin Resultado
0,000 R < 0,250 0
0,250 R < 0,750 1
0,750 R < 0,875 2
0,875 R < 1,000 3

1.2.2 VARIABLES ALEATORIAS CONTINUAS

Si X es una variable aleatoria continua, entonces la regla de la correspondencia que define la
funcin distribucin acumulada F(X) es:

F(X) = _ (x) Jx

-


El integrando f es la funcin densidad de probabilidad, y al derivar la expresin anterior
(Teorema Fundamental del Clculo) se tiene que:

J
Jx
__ (x) Jx

-
_ =F(x) =(x)


1.1 TCNICA DE TRANSFORMADA INVERSA

Si X es una variable aleatoria contina con funcin de densidad dada por f(x), la funcin de
distribucin acumulativa F(x) esta dada:

F(X) = _ (x) Jx

-


F(x) =R Hacer que la funcin distributiva F(x) sea igual a un nmero aleatorio.

Ejemplo:

Un viaje entre Villavicencio (A) y Bogot (B) puede demorarse entre:

0 y 2 horas con una probabilidad de 1/6
2 y 3 horas con una probabilidad de 1/3
3 y 7 horas con una probabilidad de 1/12

Se quiere simular ese viaje, para lo cual se genera un nmero al azar entre 0 y 1, dando por
ejemplo 0.3 Cunto tarda el viaje? (recuerde que es una funcin continua).

(x)

1
6
si 0 x 2


1
3
si 2 x 3


1
12
si 3 x 7



F(X) = _ (x) Jx
x
0
por que estamos evaluando el rea entre 0 y x
0 x 2 F(X) = _ (x) Jx =
x
0
_
1
6
Jx =
x
6
|
0
2
=
2
6

0
6
=
1
3
2
0


Como es acumulado se tiene en cuenta lo anterior

2 x 3 F(X) = _ (x) Jx =
x
0
_ (x) Jx +_ (x) Jx =
x
2

2
0

1
3
+_
1
3
Jx =
x
2
1
3
+
x
3
|
2
x


=
1
3
+
x
3

2
3
=
x 1
3


Evaluando F(3) =
x 1
3
=
2
3
, entoces
1
3
F(x)
2
3



3 x 7 F(X) = _ (x) Jx =
x
0
_ (x) Jx +_ (x) Jx =
x
3

3
0

2
3
+_
1
12
Jx =
x
3
2
3
+
x
12
|
3
x


=
2
3
+
x
12

3
12
=
8+x 3
12
=
x +5
12


Evaluando F(7) =
x +5
12
=1, entoces
2
3
F(x) 1

Entonces ya tenemos la funcin acumulativa expresada as:

(x)

x
6
si 0 x <2 0 F(x) <
1
3

x 1
3
si 2 x <3
1
3
F(x) <
2
3

x +5
12
si 3 x 7
2
3
F(x) <1


Como igualamos F(x)=R (un nmero aleatorio entre 0 y 1)

1. Si 0 R
1
3
entonces
x
6
=R, luego x =6 R

2. Si
1
3
R
2
3
entonces
x-1
3
=R, luego x =3 R +1

3. Si
2
3
R 1 entonces
x+5
12
=R, luego x =12 R 5

Volviendo al inicio, en la simulacin se gener un nmero al azar que fue R=0.3, entonces
estamos en el caso 1, luego x =6 R =6 0,3 =1,8 horas


1.1 CONCEPTO ADICIONAL DE LA TCNICA DE TRANSFORMADA INVERSA

El mtodo de la transformada inversa utiliza la distribucin acumulada F(x) de la distribucin
que se va a simular. Puesto que F(x) est definida en el intervalo (0; 1), se puede generar un
nmero aleatorio uniforme R y tratar de determinar el valor de la variable aleatoria para la
cual su distribucin acumulada es igual a R, es decir, el valor simulado de la variable
aleatoria que sigue una distribucin de probabilidad f(x), se determina al resolver la siguiente
ecuacin:

F(x) =R x =F
-1
(R)


Forma grfica del mtodo de la transformada inversa

La dificultad principal de este mtodo descansa en el hecho de que en algunas ocasiones es
difcil encontrar la transformada, inversa. Sin embargo, si esta funcin inversa ya ha sido
establecida, generando nmeros aleatorios uniformes se podrn obtener valores de la
variable aleatoria que sigan la distribucin de probabilidad deseada.

1.1.1 Ejemplo: Distribucin exponencial



Se desea generar nmeros al azar que sigan la siguiente distribucin de probabilidad:

(x) =_
zc
-xx
si x 0
0 si x <0


La distribucin acumulada de esta distribucin es:

F(x) = _ zc
-xx
Jt =1c
-xx
x
0


y utilizando la ecuacin F(x) =R, es decir, igualando la distribucin acumulada con el
nmero uniforme R, se obtiene:

1c
-xx
=R
c
-xx
=1R

Pero si R sigue una distribucin uniforme, entonces 1 - R tambin sigue esta distribucin. Por
consiguiente:

c
-xx
=R

x =
1
z
In R

1.1.2 Ejemplo: Distribucin lineal



Se desea generar nmeros al azar que sigan la siguiente distribucin de probabilidad:

(x) =

1
b o
si o x b


0 si o >x > 0


La distribucin acumulada de esta distribucin es:

F(x) = _
1
b o
Jt =
x o
b o
x
0


y utilizando la ecuacin F(x) =R, es decir, igualando la distribucin acumulada con el
nmero uniforme R, se obtiene:

x o
b o
=R

x = o +(b o)R

1.1.3 Ejemplo: Distribucin emprica

Se desea generar nmeros al azar que sigan la siguiente distribucin de probabilidad:

(x) =_
x si 0 x 1


1
2
si 1<x 2


La distribucin acumulada de esta distribucin es:

F(x) = _ t Jt =
x
2
2
si
x
0
0 x 1
y
F(x) =
1
2
+_
1
2
Jt =
x
2
si
x
0
1 <x 2

puesto que la acumulada de la funcin tiene un valor de cuando x =1, entonces el valor de
la variable aleatoria x se determina de acuerdo a la siguiente expresin::

x =_
2R si R 1/ 2

2R si R >1/ 2



Ejemplo: Distribucin de probabilidad y distribucin acumulada de la siguiente funcin
1


c
-5
5
x
x!


x
Distribucin
de
probabilidad
Distribucin
acumulada





0 0,0067 0,0067 Si 0,0000 R < 0,0067 entonces x= 0
1 0,0337 0,0404 Si 0,0067 R < 0,0404 entonces x= 1
2 0,0842 0,1247 Si 0,0404 R < 0,1247 entonces x= 2
3 0,1404 0,2650 Si 0,1247 R < 0,2650 entonces x= 3
4 0,1755 0,4405 Si 0,2650 R < 0,4405 entonces x= 4
5 0,1755 0,6160 Si 0,4405 R < 0,6160 entonces x= 5
6 0,1462 0,7622 Si 0,6160 R < 0,7622 entonces x= 6
7 0,1044 0,8666 Si 0,7622 R < 0,8666 entonces x= 7
8 0,0653 0,9319 Si 0,8666 R < 0,9319 entonces x= 8
9 0,0363 0,9682 Si 0,9319 R < 0,9682 entonces x= 9
10 0,0181 0,9863 Si 0,9682 R < 0,9863 entonces x= 10
11 0,0082 0,9945 Si 0,9863 R < 0,9945 entonces x= 11
12 0,0034 0,9980 Si 0,9945 R < 0,9980 entonces x= 12
13 0,0013 0,9993 Si 0,9980 R < 0,9993 entonces x= 13
14 0,0005 0,9998 Si 0,9993 R < 0,9998 entonces x= 14
15 0,0002 0,9999 Si 0,9998 R < 0,9999 entonces x= 15





1
El signo ! significa factorial, y se define como la multiplicacin de ese nmero con sus antecesores, por ejemplo 3!=
3x2x1=6



Bibliografia

J erry Banks. Discrete- Event System Simulation. Capitulo 1.
Raul Coss. Simulacin un enfoque prctico
Simulacin Mtodos y aplicaciones. David Rios Insua.