Instituto Tecnológico Nacional de México campus Cerro
Azul
Asignatura:
Simulación
Docente:
Lic. Ana Lilia Calderón Castro
Estudiante:
Luis Rey Cruz Diego A21500651
Actividad:
Investigación tema 2
Grupo:
2
Semestre:
6to semestre
2.1.2 Teoría: métodos congruenciales
Congruencial Mixto
Se han desarrollado básicamente tres métodos de congruenciales para generar números
pseudoaleatorios, los cuales se derivan del empleo de diferentes versiones de la relación
fundamental de congruencia. El objetivo de cada uno de los métodos es la generación en un
tiempo mínimo, de sucesiones de números aleatorios con periodos máximos. Los métodos
congruenciales son: el aditivo, el multiplicativo y el mixto.
Los generadores congruenciales lineales generan una secuencia de numero pseudoaleatorios en la
cual el próximo número pseudoaleatorios es determinado a partir del número generado, es decir
el numero pseudoaleatorios Xn+1 es derivado a partir del número pseudoaleatorios Xn
Para el caso particular del generador Congruencial mixto, la relación de decurrencia es la siguiente:
Xn+1 =( aXn + C) mod m
Donde:
X0 = la semilla (X0 > 0)
a= el multiplicador (a>0)
c= constante aditiva (c>0)
m= el módulo (m>X0 , m>a y m>c)
Esta relación de recurrencia nos dice que Xn+1 es el residuo de dividir aXn + c entre el módulo.
Congruencial Multiplicativo
Al igual que el generador Congruencial mixto, el generador Congruencial multiplicativo determina
el próximo número pseudoaleatorio a partir del último número generado, de acuerdo a la
siguiente recurrencia:
Xn+1 = aXn mod m
Método de los Cuadrados Medios
Es debido a Von Neuman y tiene fundamentalmente solo interés histórico.
1. se toma un numero entero inicial, X0, llamado semilla, de 2n cifras.
2. se eleva al cuadrado, obteniendo un número de 4n cifras (completado quizás con ceros a la
izquierda).
3. se considera X1 el número entero formado por las 2n cifras centrales.
4. se eleva al cuadrado X1 y se repite el proceso anterior tantas veces como sea preciso.
5. finalmente se consideran los numero ui = Xi/102n ya en el intervalo (0,1)
2.2 Simulación de otras variables
2.2.1 Teoría: transformación inversa, composición, convolución y otros
procedimientos
Un modelo de simulación involucra variables aleatorias, las cuales siguen distribuciones de
probabilidad teóricas o empíricas. Para simular las variables se requiere de algunos procedimientos
que transformen las variables a la distribución de probabilidad que deseemos usar.
Método de la transformada inversa
La transformada inversa en un método que usa la distribución acumulada F(x) de la distribución
que se desea simular (variables aleatorias continuas). La función F(x) se encuentra en el intervalo
de cero a uno, y es posible generar un número pseudoaleatorio R y tratar de determinar el valor de
la variable aleatoria para la cual su distribución acumulada es igual a R. Se determina al resolver la
siguiente ecuación:
𝐹(𝑥) = 𝑅 𝑥 = 𝐹 −1 (𝑅)
Su método como tal, consiste en:
1. Definir la función de densidad F(x) que represente la variable a modelar.
2. Calcular la función acumulada F(x).
3. Despejar la variable aleatoria x y obtener la función acumulada inversa 𝐹(𝑥) −1.
4. Generar variables aleatorias x, sustituyendo valores con números pseudoaleatorios en la función
acumulada inversa.
Método de convolución
En algunas distribuciones de probabilidad la variable a simular, Y, puede generarse mediante la
suma de otras variables aleatorias X de manera más rápida que a través de otros métodos.
Entonces el método de convolución se puede expresar como:
𝑌 = 𝑋1 + 𝑋2 + ⋯ + 𝑋k
Distribución normal
Una variable aleatoria continua, X, sigue una distribución normal de media μ y desviación típica σ,
y se designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de
Gauss:
Distribución exponencial
Se desea simular una variable aleatoria con distribución exponencial; la función de densidad es:
La distribución acumulada de esta función de = es un valor x es:
Igualando la función acumulada F8x) al número aleatorio ri y encontrando la transformada inversa
(despejando x) se obtiene:
Distribución Binomial
La distribución binomial mide el número de éxitos en N pruebas independientes. Ejemplos de
variables que siguen esta distribución son el número de miembros de un conjunto que cumplen
cierta característica tal como el número de piezas defectuosas en una caja de 200, el número de
veces que se obtiene cara si se lanza 10 veces una moneda, etc.… Esta distribución tiene dos
parámetros: n que es el número de experimentos y p que indica la probabilidad de éxito.
Donde x= 0,1, 2,…,n
Siendo las combinaciones de n en x (n elementos tomados de x en x).
