Investigacion de Las Variables Aleatorias
Investigacion de Las Variables Aleatorias
Investigacion de Las Variables Aleatorias
Materia: Simulación
2
¿ Qué es una variable?
Una variable, también conocida como variable matemática, es un símbolo que se usa para proponer
fórmulas, algoritmos o ecuaciones. Este tipo de variable puede tomar distintos valores, dependiendo
de otras variables, así como de una serie de parámetros y ciertas constantes.
Por lo tanto, son indispensables para plantear problemas o modelos matemáticos. Sin ellas, no se
podrían resolver muchos problemas matemáticos complejos.
No se deben confundir con el concepto de incógnita, que es algo desconocido. La variable matemática
se caracteriza por tomar un valor indeterminado, pero que es calculable.
Una variable aleatoria es un tipo de variable, utilizada principalmente en estadística, cuyos posibles
valores dependen del resultado de cierto fenómeno aleatorio. Ya que una variable aleatoria puede
tener distintos valores, normalmente se etiqueta con una letra (por ejemplo: variable “X”). Cada variable
posee una función de probabilidad específica de distribución. Esto quiere decir una variable
matemática que representa las probabilidades de que ocurran todos los resultados posibles.
En pocas palabras, una variable aleatoria es un número que representa un resultado de una
circunstancia o un experimento aleatorio.
Es importante recalcar que existen dos tipos principales de variables aleatorias: variables aleatorias
discretas y variables aleatorias.
Una variable aleatoria discreta, es una variable (aleatoria) cuyos valores toman solamente un número
finito de valores.
Tomemos el ejemplo más conocido de una variable aleatoria discreta: un dado. Cuando lanzas un
dado, es un evento totalmente aleatorio. Pero a la vez, el dado solamente puede tener un número finito
de resultados {1, 2, 3, 4, 5, y 6}.
Cada valor resultante de una variable aleatoria discreta contiene una cierta probabilidad. En el ejemplo
del dado, cada probabilidad de resultado es ⅙, ya que los valores resultantes son de probabilidades
iguales.
2. Variables aleatorias continuas
A diferencia de las variables aleatorias discretas, las variables aleatorias continuas pueden tomar un
número infinito de posibles valores.
Un ejemplo de una variable aleatoria continua es el retorno sobre las acciones. Estos retornos pueden
tener un valor de una posibilidad infinita de valores (en este caso son porcentajes). Otro ejemplo de
una variable aleatoria continua es el peso o altura de los alumnos de un salón. Unos pueden medir
1.75m, otros 1.845m, otros pesar 72.1kg, otros 68.91, y así sucesivamente.
Ejemplo: un volado
Vamos a hacer un experimento aleatorio que consiste en lanzar dos de estas monedas y colocamos
los resultados de la siguiente forma:
águila-águila
sol-águila
águila-sol
sol-sol
X: número de soles
águila-águila → 0
sol-águila → 1
águila-sol → 1
sol-sol → 2
Recuerda que la variable aleatoria siempre va con letras mayúsculas (en este caso X), mientras que
los valores de su rango siempre van con letras minúsculas (en este caso x1 , x2 , x3)
águila-águila → 0 = x1
sol-águila → 1 = x2
4
águila-sol → 1 = x2
sol-sol → 2 = x3
Una variable aleatoria discreta es aquella que solamente puede asumir un número contable de
valores.
Por ejemplo, si salimos a la calle y seleccionamos a 10 personas al azar para un examen sorpresa de
inglés, podemos definir la variable aleatoria X:
Los valores que asume X van del 0 al 10 {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10} y su rango se expresa de la
siguiente manera:
RX = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
La variable aleatoria X asume un número contable de valores, por lo tanto, es una variable aleatoria
discreta.
Una variable aleatoria continua es aquella que puede tener un número incontable de valores.
Por ejemplo, digamos que vamos a una granja de peces para estudiar sus características, podemos
definir la variable aleatoria X:
Un pez puede pesar 3.42kg, otro puede pesar 8.91kg y si tomamos más ejemplares, podemos tener
más y más valores, y nunca terminaríamos. Pero en esta ocasión, conocemos el peso del pez más
pequeño y el más grande.
De esta forma, tenemos un número incontable de valores para el rango de esta variable. El rango de
esta variable aleatoria continua puede ser cualquier valor dentro del intervalo que va desde 3 kg hasta
100 kg. Por ello, es una variable aleatoria continua.
5
Para poder generar entradas estocásticas (probabilísticas) para un modelo de simulación, se debe
contar con un generador de números pseudoaleatorios. Con estos métodos de generación de variables
aleatorias, se pueden simular las entradas incontrolables para un modelo de simulación.
Los principales generadores de números pseudo-aleatorios utilizados hoy en día son los llamados
comienza con un valor inicial (semilla) Xo y los sucesivos valores xn,n > 1 se obtienen recursivamente
en donde:
X0 = es la semilla
a =el multiplicador
c = constante aditiva
X0, a, c >0
Esta relación de recurrencia nos dice que Xn+1 es el residuo de dividir a Xn+c entre el modulo. Lo
anterior significa que los valores posibles de Xn+1 son 1, 2, 3 ….m-1, es decir, m representa el número
posible de valores diferentes que pueden ser generados.
Ejemplo: supongamos que se tiene un generador en el cual los valores de sus parametros son
Xn+1 = (5 Xn + 7) mod 8
6
Método congruencial aditivo: calcula una sucesión de números pseudoaleatorios mediante la
relación Xn+1= Xn +Xn-k (mod M). Para usar este método se necesitan k valores iniciales, siendo k
entero. Las propiedades estadísticas de la secuencia tienden a mejorarse a medida que k se
incrementa. Este es el único método que produce periodos mayores que M.
Calcula una sucesión Xn de enteros no negativos, cada uno de los cuales es menor que M mediante
la relación Xn+1= a.Xn (mod M). Es un caso especial de la relación de congruencia en que c=0, este
método se comporta de manera satisfactoria estadísticamente, es decir, los números generados por
medio de este método están uniformemente distribuidos, y no están correlacionados. Este método
tiene un periodo máximo menor que M, pero se pueden imponer condiciones en a y X0 de tal forma
que se obtenga el periodo máximo.
Es una técnica de análisis de riesgos que incorpora múltiples simulaciones de resultados con la
variabilidad de elementos individuales para producir una distribución de resultados potenciales.
Para cada simulación, la herramienta de simulación Monte Carlo escoge al azar un valor para cada
evento de riesgo dentro de su rango de valores posibles, pero de acuerdo con la probabilidad de
ocurrencia de cada uno de éstos.
Luego se combinan los valores escogidos al azar para generar un solo resultado para una simulación.
Este proceso se repite un cierto número de veces (típicamente más de 1,000 iteraciones), y se produce
un rango de resultados potenciales igualmente probables.
Algoritmo
7
Variables aleatorias en simulación
Es aquella variable que puede tener asignado un valor (no previsible) de un determinado conjunto finito
(variable aleatoria discreta) o infinito (variable aleatoria continua) de posibles valores. Es una función
que asigna un número a cada posible resultado de un experimento (espacio de muestreo). Aunque la
secuencia exacta de valores que serán asignados a una variable aleatoria no puede ser prevista, sí
que es posible conocer el rango de valores en los que puede variar, así como la probabilidad de tener
asignado un cierto valor.
Un proceso estocástico evoluciona en el tiempo y/o espacio e involucra a una variable aleatoria, de tal
modo que el comportamiento del proceso no puede preverse con exactitud. Estos procesos se utilizan
para representar aquellas actividades cuyos efectos varían aleatoriamente en distintas salidas y los
resultados generados sirven para obtener estimaciones de las variables que caracterizan el
comportamiento real del sistema.
En simulación, los valores que puede tomar una variable aleatoria, como la duración de una actividad,
o quizá el tiempo entre arribos de las entidades al sistema, son representados por una Distribución de
Probabilidad. Para generar un valor individual de la variable aleatoria, un número aleatorio (creado
mediante un generador de números aleatorios) es colocado en una rutina o ecuación de
transformación, convirtiendo el número aleatorio en un valor que conforma una distribución de
probabilidad y que representa a la variable aleatoria.
8
Conclusión.
La simulación es posible a variables y datos numéricos, algoritmos para poder crear la simulación,
Además en los programas o métodos estadísticos es utilizada la simulación para representar los
valores de los datos obtenidos.
Bibliografía.