Академический Документы
Профессиональный Документы
Культура Документы
UNIDAD 3.
GENERACIÓN DE VARIABLES
ALEATORIAS.
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8
Distribución acumulada
1.2
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8
Distribución uniforme
1. Definir la función de densidad f(x) que represente la
variable a modelar:
1 0.48 97.4
2 0.82 99.1
3 0.69 98.45
4 0.67 98.35
5 0.00 95
χ¡=a(b-a)r¡
χ¡=95+(100-95)r¡
χ¡=95+(5)r¡
χ¡=95+5(0.48)=97.40
χ¡=95+5(0.82)=99.10
χ¡=95+5(0.69)=98.45
χ¡=95+5(0.67)=98.35
χ¡=95+5(0.00)=95.00
A partir de la función de densidad de las variables aleatorias
exponenciales con media 1/λ,
−λ𝑥
dx = 1 −𝑒 −λ𝑥 𝑝𝑎𝑟𝑎 𝑥≥ 0
𝑥
F(x)= 0
λ𝑒
p(0)=p0(1-p)1-0=1(1-p)1
Se calculan las probabilidades para x=0 y x=1 para obtener: p(1)=p1(1-p)1-1=p(1-p)0 =p
x 0 1
p(x) 1-p p
Acumulando los valores de p(x) se obtiene:
p(0)=1-p p(0)+p(1)=1-p+p=1
x 0 1
P(x) 1-p 1
𝑥𝑖 𝑆𝑖 𝑟𝑖 ⋵ 0, 1 − 𝑝 𝑥 = 0
Si 𝑟𝑖 ⋵ 1 − 𝑝, 1 𝑥 = 1
p=probabilidad de éxito
q=1-p=probabilidad de fracaso
Los datos históricos sobre la frecuencia de paros de cierta máquina
muestran que existe una probabilidad de 0.2 de que éste falle (x=1),
y de 0.8 de que no falle (x=0) en un día determinado. Generar una
secuencia aleatoria que simule este comportamiento . A partir de la
distribución de probabilidad de la variable aleatoria de Bernoulli.
Día Ri Xi Evento de
la máquina
1 0.453 0 No falla
2 0.823 1 Falla
3 0.034 0 No falla
4 0.503 0 No falla
5 0.891 1 Falla
A partir de la siguiente tabla que muestra la
demanda de cepillos. Simular el comportamiento
de la demanda para los siguientes 9 días.
Día 1 2 3 4 5 6 7 8 9
Demanda 1 2 2 1 3 0 3 1 3
Día 1 2 3 4 5 6 7 8 9
Demanda 1 2 2 1 3 0 3 1 3
Día 1 2 3 4 5 6 7 8 9
ri 0.695 0.187 0.933 0.052 0.171 0.29 0.036 0.528 0.274
Demanda 3 1 3 0 1 1 0 2 1
El número de piezas que entran a un sistema de
producción sigue una distribución exponencial con
media de 2 piezas/hr. Simular el comportamiento de la
llegada de las piezas al sistema.
𝑥 1
𝑖=− ln(1−𝑟𝑖)
λ
hora Ri Piezas/h
1 0.6754
2 0.0234
3 0.7892
4 0.5134
5 0.3331