INSTITUTO TECNOLÓGICO DE TIJUANA
Investigación.
“Variables aleatorias (simulación)”
Adame medina José Manuel
Nombre del Alumno
21211080
No. Control
INGENIERÍA INDUSTRIAL
Baca Guillen Jesús Octavio
TIJUANA, B.C. 17/03/24
Introducción
En la Teoría de Colas, en ocasiones, es preciso recurrir a la simulación de
fenómenos de espera generando valores de entrada y salida de acuerdo con los
distintos modelos existentes. Para realizar dicha simulación es posible recurrir a
determinadas aplicaciones informáticas especializadas en este tipo de cálculos o
hacer uso de aplicaciones de uso general como las hojas de cálculo. En el presente
trabajo probamos la idoneidad de dicha simulación utilizando las funciones
estadísticas propias de la versión 2003 de la conocida aplicación Microsoft® Excel.
Además de comprobar el funcionamiento de dichas funciones, se han programado
mediante el uso de Visual Basic para Aplicaciones aquellas otras que son
necesarias para tener recogidas todas las posibilidades y que no son incorporadas
por Excel, probando también que cumplen todos los requisitos que son exigibles
para este tipo de cálculos.
Contents
Introducción ....................................................................................................................................... 2
Desarrollo ............................................................................................................................................ 4
Producción de números con comportamiento estadístico aleatorio y uniforme en [0, 1]. .... 4
Uso del generador incluido en la hoja de cálculo ........................................................................ 5
Teoría: métodos congruenciales .................................................................................................... 5
Simulación de otras variables aleatorias ...................................................................................... 6
Teoría: transformación inversa, composición, convolución y otros procedimientos. ............. 6
Método de aceptación de rechazo............................................................................................. 7
Funciones inversas de hoja de cálculo, utilizables como simuladores. ................................... 8
Simulación de variables especiales: tablas .................................................................................. 8
Conclusión ........................................................................................................................................... 9
Desarrollo
Producción de números con comportamiento estadístico aleatorio y uniforme en [0,
1].
Las variables aleatorias son aquellas que tiene un comportamiento en la realidad.
Por ejemplo, el número de clientes que llegan cada hora a un banco depende del
momento del día, de la semana y de otros factores.
La generación de variables aleatorias o estocásticas significa la obtención de
variables que siguen una distribución de probabilidad determinada. Requiere de dos
etapas: Generar números aleatorios distribuidos uniformemente (R) Generar con R
y con las distribuciones de probabilidad las variables aleatorias o estocásticas.
La generación de estadísticas simuladas, o sea de los valores de las variables
aleatorias, tienen una naturaleza enteramente numérica y debe soportarse por
números aleatorios, generados por algún método.
Una secuencia de números aleatorios R1, R2... debe tener dos importantes
propiedades estadísticas: uniformidad e independencia. Cada número aleatorio es
una muestra independiente tomada de una distribución continua uniforme
entre cero y uno. Esto es, la función de densidad de probabilidad es:
Si el intervalo (0, 1) es dividido en n clases, o subintervalos de longitudes iguales,
el número esperado de observaciones en cada intervalo es N/n, donde N es el
número total de observaciones. La probabilidad de observar un valor en un intervalo
en particular es independiente de los valores previamente observados. Números
“elegidos al azar” son útiles en diversas aplicaciones, entre las cuáles podemos
mencionar:
Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
computacional. Estas aplicaciones se realizan en muy variados campos con el fin
de emular distintos comportamientos: física (por ejemplo, para simular colisiones
entre partículas), ingeniería (diseño de obras hidráulicas, puentes, etc.), inversiones
de capital, redes, servicios a clientes, cal centers, etc. La simulación a través de la
computadora es una herramienta poderosa para comprender la naturaleza de
sistemas complejos.
Muestreo: con el fin de seleccionar una submuestra de una población.
Análisis Numérico: algunas técnicas para resolver problemas de análisis
numérico-complejos han sido desarrolladas usando números aleatorios
Programación: la generación de valores aleatorios puede ser útil para poner a
prueba la efectividad de un algoritmo. También son útiles en criptología.
Uso del generador incluido en la hoja de cálculo.
Una hoja de cálculo es un programa que permite manipular datos numéricos y
alfanuméricos dispuestos en forma de tablas (la cual es la unión de filas y
columnas). Habitualmente es posible realizar cálculos complejos con fórmulas y
funciones y dibujar distintos tipos de gráficas. Debido a la versatilidad de las hojas
de cálculo modernas, se utilizan a veces para hacer pequeñas bases de datos,
informes, gráficos estadísticos, clasificaciones de datos, entre otros usos. Las
operaciones más frecuentes se basan en cálculos entre celdas, las cuales son
referenciadas respectivamente mediante la letra de la columna y el número de la
fila, por ejemplo =B1*C.
Teoría: métodos congruenciales
Los generadores congruenciales lineales generan una secuencia de número
pseudoaleatorios en la cual el próximo número pseudoaleatorios es determinado a
partir del número generado, es decir el número pseudoaleatorios Xn+1 es derivado
a partir del número pseudoaleatorios Xn
Para el caso particular del generador Congruencias mixto, la relación de recurrencia
es la siguiente:
Xn+1 =( aXn + C) mod m
Simulación de otras variables aleatorias
La generación de cualquier variable aleatoria se va a basar en la generación previa
de una distribución uniforme (0,1). Y las transformaciones de dichos números
generados en valores de otras distribuciones.
La mayoría de las técnicas utilizadas para la generación se pueden agrupar en:
Método de la transformada inversa
Método de aceptación-rechazo
Método de composición
Método de convolución
Teoría: transformación inversa, composición, convolución y otros procedimientos.
Definir la función de Densidad f(x) que representa la variable a modelar. Calcular la
función acumulada f(x).
−1
Despejar la variable aleatoria x y obtener la función acumulada inversa f ( x) .
Generar las variables aleatorias x, sustituyendo valores con números
pseudoaleatorios
ri ~U (0,1) en la función acumulada inversa.
El método de la transformada inversa también puede emplearse para simular
variables aleatorias de tipo discreto, como en las distribuciones de Poisson, de
Bernoulli, binomial, geométrica, discreta general, etc. La generación se lleva a cabo
a través de la probabilidad acumulada P(x) y la generación de números
pseudoaleatorios ri~U(0,1).
Es el método más directo para generar una variable aleatoria. Sea Una función de
distribución cuya función de distribución inversa es:
Sea U una variable aleatoria de
Se verifica que:
Esto sugiere inmediatamente el siguiente esquema de generación:
Algoritmo del método de la transformada inversa Propósito: Generar Z
aleatoriamente de:
Método de aceptación de rechazo
Este método es más probabilístico que el anterior. Los métodos de inversión,
composición y convolución son métodos de generación directos, en el sentido en
que tratan directamente con la función de distribución. El método de aceptación-
rechazo es menos directo en su aproximación.
Se va aplicar este método en el caso de que la variable aleatoria sea continua, el
caso discreto es análogo y está tratado en Prob. 8.9
En este caso tenemos la función de densidad f(x) de la variable y necesitamos una
función t(x) que la acote, es decir t(x) ³f(x) "x. Hay que notar que t(x) no es, en
general, una función de densidad.
Pero la función r(x)=t(x)/c, si es claramente una función de densidad. (Suponemos
que t es tal que c<¥). Debemos de poder generar (esperamos que de forma fácil y
rápida) un valor de la variable aleatoria que sigue la función r(x). El algoritmo
general queda como sigue:
Generar x que siga la distribución r(x)
Generar u ~ U (0,1), independiente de x
Funciones inversas de hoja de cálculo, utilizables como simuladores.
Hasta hace algunos años las funciones de tipo estadístico que incorporaban las
distintas aplicaciones de hoja de cálculo eran muy limitadas, obligando al usuario a
programar aquellas funciones que necesitaba (Bernal García), o bien era preciso
adquirir programas complementarios como @RISK, Analyze-It, Crystal Ball y otros,
que incorporan funciones adicionales a la hoja de cálculo. Así, en la última versión
de la hoja de cálculo Excel aparece una amplia serie de funciones estadísticas
relacionadas con las distribuciones probabilísticas. Con todas estas funciones se
pueden realizar simulaciones basadas en las distribuciones beta, F, gamma,
logarítmico-normal, normal y t de Student, ya que para todas ellas existen funciones
inversas, las cuales a partir de la probabilidad acumulada y de los parámetros
propios de cada distribución devuelven el valor que hace que se obtenga dicha
probabilidad. El procedimiento para ello consiste en generar números aleatorios de
acuerdo con la distribución uniforme y a partir de dicho valor (que siempre será
mayor o igual que cero y menor que 1) aplicar la correspondiente función inversa
para obtener el valor al que le corresponde la probabilidad obtenida aleatoriamente.
Simulación de variables especiales: tablas
Las hojas de cálculo como Excel (y cualquier lenguaje de programación estándar)
son capaces de generar números pseudoaleatorios provenientes de una
distribución uniforme entre el 0 y el 1. Este tipo de números pseudoaleatorios son
los elementos básicos a partir de los cuales se desarrolla cualquier simulación por
ordenador. En Excel, es posible obtener un número pseudoaleatorio -proveniente
de una distribución uniforme entre el 0 y el 1- usando la función ALEATORIO:
Los números generados mediante la función ALEATORIO tienen dos propiedades
que los hacen equiparables a números completamente aleatorios.
Conclusión
Podemos comprobar que la hoja de cálculo Microsoft® Excel, siendo una
herramienta de tipo ofimático, se revela como una aplicación que permite la
simulación de todo tipo de distribuciones estadísticas. En particular, es posible
efectuar la simulación de las funciones de distribución propias de la Teoría de Colas,
cumpliendo los parámetros obligados de rigor que se debe exigir a este tipo de
cálculos. Además, la utilización de su editor de Visual Basic para Aplicaciones (VBA)
permite dotarla de aquellas distribuciones de las que carece, utilizando para ello una
programación orientada a objetos
