Академический Документы
Профессиональный Документы
Культура Документы
de densidad es
(1)
1
f (t )
e
2
( t )2
2 2
f (t ) tiende a
c) La integral
1
d) Como Max f (t )
, entonces, cuando la desviacin estndar aumenta, el
t
2
mximo de f (t ) disminuye; pero como su integral no vara, entonces la curva se
0.46531
Haciendo uso del comando disttool de MATLAB y al ejecutar se abre el interface
que permite mostrar las grficas de la distribucin normal y la distribucin normal
acumulada para los parmetros indicados.
Fig. 1
Fig. 2
62
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
Ejemplo 1
Otra manera de mostrar las grficas en MATLAB de la Distribucin Normal DISN y la
Distribucin Normal Acumulada DISNA, con media mu=0.46531 y desviacin
estndar sigma=0.5 es correr el programa que sigue. El intervalo en el que se va
graficar es [-6, 6], que es suficiente, porque los valores de la funcin de DISN para
valores fuera de este intervalo son extremadamente pequeos. Por ejemplo para x=6.5
es 1.8626e-032
EJE Y
ex /
y la acumulada ser con x 0 y 0
b) ExpA( x, )
x e t /
dt 1 e x /
63
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
Fig.4
Ejemplo 2
>>X = 0:0.5:3;
DISTR. EXP
DISTR. EXP
DISTR. EXP ACUMU
0.9
MU = 1:0.5:4;
Y = exppdf(X,MU);
YA = expcdf(X,MU);
0.8
0.7
set(get(gca,'Children'),'FaceColor',[.8 .8
1]);
EJE Y
0.6
bar(X,Y);
0.5
0.4
grid
0.3
hold on
0.2
plot(X,Y,'r','LineWidth',2);
plot(X,YA,'b','LineWidth',2);
0.1
ylabel('EJE Y');
0
-0.5
0
0.5
xlabel('EJE X');
Title('DISTRIBUCION EXPONENCIAL Y SU ACUMULADA CON');
Legend('DISTR. EXP','DISTR. EXP','DISTR. EXP ACUMU');
1.5
EJE X
2.5
3.5
Fig. 6
1
g ( x , a, b) a
x a1e b
b ( a)
cuando a 1 .
f (t ) b a
0
en caso contrario
Las propiedades de esta distribucin no requieren mayor explicacin.
64
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
f (t )dt
1
dt 1
b
a
a
Fig. 8
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
mu=15000; sigma=4500;
a=0.01; b=0.99; N=45; h=(b-a)/N;
Y=a:h:b;
Fig. 1
X=norminv(Y,mu,sigma);
hist(X);
grid on
set(get(gca,'Children'),'FaceColor',[.8 .8 1]);
5
EJE Y
ylabel('EJE Y');
xlabel('EJE X');
Title('RANDOM CON
INV.DIST.NORMAL,MEDIA=15000; SIGMA=4500');
Legend('X');
4
3
2
1
0
0.5
1.5
EJE X
2.5
3
4
x 10
ex /
y la acumulada ser con x 0 y 0
b) ExpA( x, )
x e t /
dt 1 e x /
Los comandos que usa MATLAB para estas dos funciones son
Y = exppdf(X,MU), donde X, MU son matrices del mismo orden.
Y = expcdf(X,MU), donde X, MU son matrices del mismo orden.
0
c) Generacin de una Variable aleatoria exponencial con expinv (la inversa de expcdf)
Ejemplo 3
Fig. 2
a=0.01; b=0.99; N=30; h=(b-a)/N;
Y=a:h:b;
A = 2;
X= expinv(Y,A);
hist(X);
grid on
10
ylabel('EJE Y');
xlabel('EJE X');
Title('RANDOM CON INV.DIST.EXP,MU=2');
Legend('X');
8
EJE Y
set(get(gca,'Children'),'FaceColor',[.8
.8 1]);
6
4
2
0
EJE X
Beta( x, a, b)
x a1 (1 x )b1
(a )(b)
, donde B (a, b) t a1 (1 t )b1 dt
es la
B ( a, b)
( a b)
0
66
n !m!
(n m)!
10
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
Fig.3
4.5
4
3.5
ylabel('EJE Y');
xlabel('EJE X');
Title('RANDOM CON
INV.DIST.BETA,A=10,B=5');
Legend('X');
3
EJE Y
set(get(gca,'Children'),'FaceColor',[.8
.8 1]);
2.5
2
1.5
1
0.5
0
0.4
0.5
0.6
0.7
EJE X
0.8
0.9
El cuadrado mgico: es una matriz de nmeros enteros, de nxn, donde la suma de las
componentes, tanto de sus filas y como de sus columnas son iguales.
>> magic(3)
ans =
67
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
8
3
4
1
5
9
6
7
2
>> mod(magic(3),3)
ans =
2
1
0
0
2
1
1
0
2
Son los nmeros aleatorios generados. Pero vemos que es cclico, se repiten. Entonces
no son aleatorios.
Ejemplo 2
Ahora consideremos: a=5 multiplicador
b=7 sesgo, mdulo m=2^(31)-1=2.1475*109, x(1)=1 semilla y n=50 nmeros
aleatorios.
a=5; b=7; m=2^(31)-1; x(1)=1;
n=50;
% se tiene
for i=2:n
k=a*x(i-1)+b;
x(i)=mod(k,m);
50 NMEROS ALEATORIOS
1
CURVA
N ALEATORIO
0.9
Fig.1
end
u=x/m;
plot(u,'r');
hold on;
grid;
plot(u,'ob','MarkerSize',6,'LineWidth',0.5);
ylabel('VALORES DE los 50 NUMEROS');
xlabel('SECUENCIA DEL 1 AL 50');
Title('50 NMEROS ALEATORIOS');
Legend('CURVA','N ALEATORIO');
68
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
20
30
SECUENCIA DEL 1 AL 50
40
50
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
>>u'
ans =
0.000000000465661
0.000000005587935
0.000000031199306
0.000000159256160
0.000000799540431
0.000004000961782
0.000020008068541
0.820452119605826
Fig. 2
15
10
0
0.2
hist(u);
grid on
set(get(gca,'Children'),'FaceColor',[.8 .6 0.2]);
0.4
0.6
0.8
El histograma (Fig. 2) indica que los 50 nmeros aleatorios generados no tiene una
distribucin conocida.
6.3 Generadores comerciales (poco confiables, comparado con las anteriores)
UNIX
a=25214903917; b=11;
m=2^(48); x(1)=1;
Para
n=20;
for i=2:n
k=a*x(i-1)+b;
x(i)=mod(k,m);
end
u=x/m;
VISUAL BASIC
a=1140671485; b=12820163;
m=2^(24); x(1)=1;
Para
n=20;
for i=2:n
k=a*x(i-1)+b;
x(i)=mod(k,m);
end
u=x/m;
EXCEL 97
a=9821.0; b=0.211327; m=1;
x(1)=1;
Para
n=20;
for i=2:n
k=a*x(i-1)+b;
x(i)=mod(k,m);
end
> u'
ans =
0.000000000000004
0.000089581334095
0.731953177135438
0.212944030761719
0.355430603027344
0.495841979980469
0.222557067871094
0.418876647949219
0.114585876464844
0.306266784667969
> u'
ans =
0.000000059604645
0.753459930419922
0.484230279922485
0.245288372039795
0.352006614208221
0.122855305671692
0.724798977375031
0.612998723983765
0.553807258605957
0.841977357864380
> x'
ans =
1.000000000000000
0.211327000000892
0.653794008764635
0.122287077478177
0.192714913174314
0.864489284933370
0.360594330628373
0.608248101255413
0.815929429407333
0.454253209421040
69
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
42
44
46
48
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
if 0.7<=rmo(i)<0.8
end
if 0.6<=rmo(i)<0.7
end
if 0.5<=rmo(i)<0.6
end
if 0.4<=rmo(i)<0.5
end
if 0.3<=rmo(i)<0.4
end
if 0.2<=rmo(i)<0.3
end
if 0.1<=rmo(i)<0.2
end
end
hist(MO)
MO(i)=46;
MO(i)=45;
MO(i)=44;
MO(i)=43;
MO(i)=42;
MO(i)=41;
MO(i)=40;
grid on
Title('DISTRIBUCIN MANO DE OBRA');
set(get(gca,'Children'),'FaceColor',[.6 .5 1]);
25
20
15
10
grid on
Title('DISTRIBUCIN MATERIA PRIMA');
set(get(gca,'Children'),'FaceColor',[.6 .5 0.2]);
5
0
80
90
100
110
120
DISTRIBUCIN DE LA DEMANDA
60
50
40
30
20
.5
10
0.5
1.5
2.5
3
4
x 10
71
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
for i=1:N
UTILIDAD(i)=(239-MO(i)-MP(i))*DEM(i)-1000000;
end
hist(UTILIDAD,30)
45
40
35
30
grid on
Title('DISTRIBUCIN DE LA UTILIDAD');
set(get(gca,'Children'),'FaceColor',[.2
.6 0.7]);
25
20
15
10
5
0
-1
-0.5
0.5
1.5
5) ESTADISTICA DE LA UTILIDAD
UTILIDAD EN
DETALLE
-972642.53
-824113.93
-675585.33
-527056.73
-378528.12
-229999.52
-81470.92
67057.67
215586.27
364114.88
512643.48
661172.08
809700.68
958229.29
1106757.89
1255286.49
1403815.09
1552343.70
1700872.30
1849400.90
HISTOGRAMA DE LA UTILIDAD
1
0
1
1
8
12
18
21
23
23
25
22
16
12
6
6
1
3
0
1
25
20
M1=minmax(UTILIDAD);
a=M1(1);
b=M1(2);
N=20;
h=(b-a)/(N-1);
for i=1:N
X1(i)=a+h*(i-1);
end
N1=length(X1);
hist(UTILIDAD, N1)
grid on
set(get(gca,'Children'),'FaceC
olor',[.5 .5 1]);
hold on
ylabel('FRECUENCIA');
xlabel('UTILIDAD');
Title('HISTOGRAMA DE LA
UTILIDAD');
Frr1=hist(UTILIDAD,X1);
format short;
Frec1=[X1',Frr1']
2
6
x 10
15
10
0
-1
-0.5
72
0.5
UTILIDAD
1.5
2
6
x 10
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
[m,b,r]
ans =
1.0e+005 *
0.0009133
-9.5425406
0.0000093
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
end
Haciendo
>> MOrd
se obtiene la tabla:
MOrd =
1.0e+006 *
-0.884359.823069031 0.000047000000000
-0.655639168415336 0.000047000000000
-0.500551053296741 0.000045000000000
-0.479905410363706 0.000044000000000
-0.391306804925584 0.000047000000000
-0.320310984214749 0.000048000000000
-0.283754973142825 0.000048000000000
-0.268582489763240 0.000048000000000
1.307556804573684 0.000045000000000
1.335676423510621 0.000043000000000
1.435231730121935 0.000048000000000
1.506113170451864 0.000044.000000000
0.000101872228750
0.000103141002441
0.000106661116536
0.000119519280126
0.000102006253716
0.000115186148979
0.000104899003440
0.000113012551816
0.001283.069306237
0.003875362552405
0.005718517650958
0.006890429642268
0.006763727705624
0.008965235331463
0.008318661287021
0.009378656787331
0.000103319455310 0.025447099071360
0.000090488469911 0.022136693701111
0.000098151908349 0.026228129052750
0.000087.790571583 0.023375.865420126
% 1576,200
% 48
% 119.9632
% 26,228
Luego se toman las escalas adecuadas para tener una grfica escalada.
>>U=1000/MU; D=100/MDEM;
for i=1:N
% U=1/15762; D=1/262;
Ind(i)=i;
end
% M=[ UTILIDAD' MO' MP' DEM'];
>> plot(Ind, U*MOrd(:,1),'m','LineWidth',2);
hold on
plot(Ind, MOrd(:,2),'r','LineWidth',2);
plot(Ind, MOrd(:,3),'b','LineWidth',2);
plot(Ind, D*MOrd(:,4),'g','LineWidth',2);
Title('SIMULACION DE LA UTILIDAD ORDENADA');
Legend('UTILIDAD','MANO DE OBRA','MATERIA PRIMA','DEMANDA');
74
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
SIMULACION DE LA UTILIDAD ORDENADA
120
100
80
60
40
20
0
UTILIDAD
MANO DE OBRA
MATERIA PRIMA
DEMANDA
-20
-40
-60
20
40
60
80
100
120
140
160
180
200
-0.2
-0.4
-0.6
20
40
60
80
100
120
140
160
180
200
Universidad Nacional de Ingeniera. Facultad de Ingeniera Industrial y de Sistemas. Unidad de Post Grado
Maestra en Ingenieria Industrial. Curso: Matemtica para el Modelamiento de Sistemas de Produccin y Operaciones.
Pedro C. Espinoza H.
REFERENCIAS
[1] Sheldon M. Ross Simulacin, segunda edicin Ed. Prentice Hall. Mexico 1999
[2] Barry R. James Probabilidad, un curso de nivel intermedio Ed. IMCA, 2004
[3] Rios I. D. y otros Simulacin, mtodos y aplicaciones Ed. Alfaomega, 2009.
[4] De Guzman M. y Rubio B. Integracin:Teora y Tcnicas Ed. Alhambra 1979.
[5] P. R. Halmos: Measure Theory, D.Van Nostrand Company. Princeton, N.J. 1960.
[6] W. Rudin: Real and Complex Anlisis, Ed. McGraw-Hill, 1974.
[7] E. LeLionnais Colaboradores: Las grandes corrientes del pensamiento matemtico
Ed. Universitaria de Buenos Aires. 1976.
[8] M. Perero: Historia e historias de Matemticas Grupo Ed. Ibero Americana. 1994.
[9] A brief overview of what the Monte-Carlo method is and does.
http://www.physics.gla.ac.uk/~donnelly/files/montecarlo/
[10] Arsham H. System Simulation: The Shortest Route to Applications.
http://home.ubalt.edu/ntsbarsh/Business-stat/simulation/sim.htm.
[11] Barreto H. and Howland F. Introductory Econometrics via Monte Carlo Simulation
with Microsoft Excel. http://www.wabash.edu/econometrics
[12] Bong D. Monte Carlo Simulation.
http://www.visionengineer.com/mech/monte_carlo_simulation.shtml.
76