SIMULACION DE

VARIABLES ALEATORIAS
UNIDAD 2
 INSTITUTO TECNOLÓGICO DE TIJUANA
INGENIERÍA INDUSTRIAL

MATERIA: SIMULACIÓN
UNIDAD: 2
TEMA: SIMULACIÓN DE VARIABLES ALEATORIAS
INTEGRANTES:
MORALES PALLARES JOSÉ ÁNGEL 19212751
MORALES PALLARES LEOBARDO MANUEL 19212752
JUAN LUIS CASILLAS ESMERIO 20211005

PERIODO: AGOSTO- DICIEMBRE

DOCENTE: BACA GUILLEN JESÚS OCTAVIO

FECHA DE ENTREGA: DOMINGO 02 DE OCTUBRE DEL 2022

 SIMULACIÓN DE VARIABLES
ALEATORIAS

2.1. Producción de números 2.2. Simulación de otras 2.3. Simulación de variables

con comportamiento variables aleatorias  especiales: tablas
estadístico aleatorio y
uniforme en [0, 1].
 2.1. Producción de números con
comportamiento estadístico aleatorio y
uniforme en [0, 1].
 PRODUCCIÓN DE NÚMEROS
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.
MODELIZACIÓN PARA LA PRODUCCIÓN DE
NÚMEROS
La modelización es una etapa presente en la mayor parte de los trabajos de investigación, especialmente
en las ciencias experimentales.

El modelo debería considerar las variables más relevantes para explicar el fenómeno en estudio y las
principales relaciones entre ellas. La inferencia estadística proporciona herramientas para estimar los
parámetros y contrastar la validez de un modelo estocástico a partir de los datos observados
MODELIZACIÓN PARA LA PRODUCCIÓN DE
NÚMEROS
La idea es emplear el modelo, asumiendo que es válido, para resolver el problema de interés. Si se puede
obtener la solución de forma analítica, esta suele ser exacta (aunque en ocasiones solo se dispone de
soluciones aproximadas, basadas en resultados asintóticos, o que dependen de suposiciones que pueden
ser cuestionables) y a menudo la resolución también es rápida.

Para esto, es necesario considerar la utilización de números aleatorios, los cuales se caracterizan por que
no existe ningún regla o plan que nos permita conocer sus valores. Normalmente, son obtenidos por
medios físicos (loterías, ruletas, etc.) y se almacenan en tablas de dígitos aleatorios (Fernández Casal,
Rubén, 2022).
NÚMEROS PSEUDOALEATORIOS
Los números pseudo-aleatorios son números que se encuentran en el intervalo (0,1). Las variables aleatorias
pueden tener valores fuera del intervalo (0,1) o sea dentro de cualquier intervalo, que llamamos (a,b).

• Número Pseudo-aleatorio: se definen como una sucesión en la cual cada término es impredecible para la
persona ajena al problema, cuyos dígitos se someten a cierto tipo de pruebas comunes a los estadísticos y
que depende del uso que se le dará a la sucesión. (definición de Lehner).

• Llevamos la aleatoriedad de los números Vaspseudo aleatorios en el intervalo (0,1) al Altonas intervalo (a,b)
donde se encuentran las variables aleatorias de simulación.
NÚMEROS PSEUDOALEATORIOS
La mayoría de los métodos de simulación se basan en la posibilidad de generar números pseudo-
aleatorios que imiten las propiedades de generaciones independientes de una distribución 𝒰(0,
1). El procedimiento habitual para obtener estas secuencias es emplear un algoritmo recursivo
denominado generador:
CARACTERÍSTICAS DE NÚMEROS
PSEUDOALEATORIOS

A los números pseudoaleatorios los llamamos variable tipo U, las cuales están:
• Uniformemente distribuidas en el (0,1)
• Son estadísticamente independientes
• Tienen una precisión p
• Su función de probabilidad es constante
 CLASIFICACIÓN DE LOS MÉTODOS

• Manuales: por ejemplo la tirada de datos, preguntar la edad a cada persona que va
pasando, la ruleta, etc.

• Físicos: es cuando un medio físico es analizado y los valores obtenidos

corresponden a la sucesión de números aleatorios (ej. valor de la corriente
eléctrica).

• Tablas o Métodos Históricos: se genera por alguno de los métodos anteriores y se

cargan en la tabla.

• De computación analógica: se utiliza en computadoras analógicas para el análisis

delos valores de un proceso físico. Lee los valores físicos y el computador los
traduce a números aleatorios. Es una combinación del físico trabajado con un
computador.
 CLASIFICACIÓN DE LOS MÉTODOS
De Computación Digital: se distinguen tres categorías o métodos:
a) Provisión externa: es una variante de las tablas, donde la tabla se genera
como un archivo que es consultado por un programador de computadora.
b) Generación Interna por medio de Procesos físicos Aleatorios: es equivalente
al método de computación analógica solo que se lo trabaja con un
computador digital.
c) Generación Interna por medio de una Relación de Recurrencia: utilizan una
relación de recurrencia es decir se generan los números por una
transformación indefinidamente continuada aplicada a un grupo de números
elegidos al azar. Se distinguen tres métodos:
• Método de Lehmer
• Método de los Cuadrados Medios
• Métodos Congruencia les
1. Congruencia Aditiva
2. Congruencia les multiplicativos
3. Mixto
 2.1.1. 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.
 EJEMPLO: GENERAR NO. ALEATORIOS (SELECCIONAR TABLA, CLICK DERECHO,
OBJETO DE DOCUMENTO Y ABRIR)

Cómo crear o generar números aleatorios en Excel.

Es posible aplicar y mostrar una formula con la cual se pueden generar números aleatorios en Excel para distintas utilidades a partir de uno o más comandos.
Lo cual es de bastante utilidad para distintos ejemplos como lo pueden ser el sorteo de un numero de lotería
Forma 1
Paso 1
Abrir un documento en Excel

Paso 2
En una celda aplicaremos el comando = aleatorio () cerrando el paréntesis si se generara un número pseudovariable entre 0 y 1 y después lo deslizaremos
sobre las demás celdas
 CONDICIONES QUE DEBEN REUNIR LOS
MÉTODOS
Independientemente del proceso o procedimiento que se use para la generación de los
números pseudoaleatorios, estos deben poseer ciertas características deseables que asegure no
aumenten la confiabilidad de los resultados obtenidos de la simulación. Tales características son:.
Uniformemente distribuidos.

• Estadísticamente independientes.
• Reproducibles.
• Período largo (sin repetición dentro de una longitud determinada de la sucesión). Generados a
través de un método rápido.
• Generados a través de un método que no requiera mucha capacidad de almacenamiento de la
computadora
MÉTODO DE LOS CUADRADOS CENTRALES
O CUADRADOS MEDIOS

Consiste en tomar un número al azar x0 de 2n cifras, elevado al cuadrado, tomar las 2n cifras centrales y repetir
la operación.
Ejemplo:
• n=2 x0=4378
• (x0)2 =19166884 => x1 = 1668
• (x1)2 = 02782224 => x2 = 7822 y así sucesivamente

cuando el numero tiene cantidad impar de dígitos completo con cero a la izquierda la secuencia sería: 4378,
1668, 7822, ...
 MÉTODO DE LEHMER
Se parte de un número al azar x0 de m cifras, se lo multiplica por un número y de k cifras dando lugar a un
número de m+k cifras del que se separan las k cifras de la izquierda obteniéndose un número de m cifras, del
cual se resta el de k cifras que se había separado. k<n
Ejemplo:

• m=4; k=2; x0=7518;

• y=23 x0 * y = 172914 (numero de m+k cifras)x1 = (x0 * y) – 17 = 172914 – 17 = 2897;
• x1 * y = 066631x2 = (x1 * y) – 06 = 6625;

La sucesión sería: 7518, 2897, 6625...

 2.1.2. MÉTODOS CONGRUENCIALES
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.
 TIPOS DE MÉTODOS CONGRUENCIALES
Método Congruencial Aditivo:
Calcula una sucesión de números pseudoaleatorios mediante la relación X n+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
 TIPOS DE MÉTODOS CONGRUENCIALES
Método Congruencial Multiplicativo:
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. Desde el punto de vista computacional es el más rápido de todos.

Método Congruencial Mixto o Lineal:

Los generadores congruenciales lineales generan una secuencia de números pseudoaleatorios en la cual el próximo
número pseudoaleatorio es determinado a partir del último número generado, es decir, el número pseudoaleatorio
Xn+1 es derivado a partir del número pseudoaleatorio Xn La relación de recurrencia para el generador congruencial
mixto es:
• Xn+1 =(a Xn+c) mod m, en donde
• X0 = es la semilla
• a =el multiplicador
• c = constante aditiva
• m = el modulo (m > X0, a,c)
• X0, a, c >0
EJEMPLO:
Supongamos que se tiene un generador en el cual los valores de sus parámetros son:
• a = 5,
• c = 7,
• X0 = 4
• y m = 8.

El generador quedará de la siguiente manera:

Xn+1 = (5 Xn + 7) mod 8}
En la tabla 2, se muestran los números aleatorios generados por este método.
2.2. SIMULACIÓN DE
OTRAS VARIABLES
ALEATORIAS
MÉTODO DE LA TRANSFORMADA INVERSA

Es el método más directo para generar una variable aleatoria. Sea

 
𝐹 (𝑧), 𝑎 ≤𝑧 ≤𝑏

Una función de distribución cuya función de distribución inversa es:

𝐹^(−1) (𝑢)≔𝑖𝑛 𝑓 {𝑧 ∈ [𝑎, 𝑏] :𝐹 (𝑧)≥𝑢, 0 ≤𝑢 ≤1}
 
Sea U una variable aleatoria de   
• 𝑢 (0,1)
• Se verifica que
• 𝑧= 𝐹^(−1) (𝑈)

Tiene la función de distribución F. La prueba se sigue de la observación de que

𝑝𝑟(𝑍≤𝑧)=𝑝𝑟 [𝐹^(−1) (𝑈)≤𝑧]=𝑝𝑟 [𝑈 ≤𝐹 (𝑧)]=𝐹 (𝑧)
Esto sugiere inmediatamente el siguiente esquema de generación:

Algoritmo del método de la transformada inversa

Propósito: Generar Z aleatoriamente de
𝐹 (𝑧), 𝑎 ≤𝑧 ≤𝑏

Entrada: Capacidad para evaluar

 
𝐹^(−1) (𝑢), 0 ≤𝑢 ≤1 

Salida: Z
Método: Generar aleatoriamente U de
 
𝑈 (0,1)
𝑍 ← 𝐹^(−1) (𝑈) 

Devolver Z.
 MÉTODO DE ACEPTACIÓN 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.

Tenemos la función de densidad de la variable y necesitamos una función ) que la acote, es decir "x”. Hay
que notar que no es, en general, una función de densidad:

El algoritmo general queda como sigue:

• Generar x que siga la distribución
• Generar u ~ U (0,1), independiente de x

Entonces devolver x si no volver a repetir el algoritmo

El algoritmo continúa repitiéndose hasta que se genera un valor que es aceptado.
Para hacer que se rechacen el menor número de puntos posibles la función t(x) debe ser la mínima función
que acote a
 MÉTODO DE COMPOSICIÓN
Este método va a poder ser aplicado cuando la función de densidad es fácil de:

Siendo n el número de trozos en los que se ha dividido la función.

Cada uno de los fragmentos se puede expresar como producto de una función de distribución y un peso

Y la función de distribución global la podemos obtener como:

 MÉTODO DE COMPOSICIÓN
El método consiste en generar dos números aleatorios, uno sirve para seleccionar un trozo y el otro se utiliza
para generar un valor de una variable que sigue la distribución de dicho trozo. El valor de la variable obtenida
es el valor buscado.
El algoritmo general queda como sigue:
• Generar u1, u2~U (0,1)
• Si u1=w1 entonces generar x~f1(x)
• Si no
• Si u1=w1+w2 entonces generar x~f2(x)
 EL MÉTODO DE CONVOLUCIÓN
El método de convolución se puede usar siempre y cuando la variable aleatoria x se pueda expresar como
una combinación lineal de k variables aleatorias:

En este método se necesita generar k números aleatorios (u1, u2,..., uk) para generar (x1, x2,...xk)
variables aleatorias usando alguno de los métodos anteriores y así poder obtener un valor de la variable
que se desea obtener por convolución.
2.2.1. TEORÍA: TRANSFORMACIÓN INVERSA,
COMPOSICIÓN, CONVOLUCIÓN Y OTROS
PROCEDIMIENTOS.
TRANSFORMACIÓN
INVERSA
 MÉTODO DE TRANSFORMADA INVERSA

Es un método para la generación de números aleatorios de cualquier distribución de probabilidad

continua cuando se conoce la inversa de su función de distribución.

El método se utiliza para simular valores de las distribuciones exponencial, Cauchy, triangular, de Pareto
y Weibull.
 EL MÉTODO CONSISTE EN:

• Definir la función de Densidad f(x) que representa la variable a modelar.

• Calcular la función acumulada f(x).
• Despejar la variable aleatoria x y obtener la función acumulada inversa
f(x)-1.
• Generar las variables aleatorias x, sustituyendo valores con números
pdeudoaleatorios ri ~U (0,1) en la función acumulada inversa.
 EL MÉTODO DE LA TRANSFORMADA
INVERSA FUNCIONA DE LA SIGUIENTE
MANERA:
• Se genera un número aleatorio a partir de la distribución uniforme
standard; se lo llama u.
• Se calcula el valor x tal que 𝐹(𝑥)=𝑢 y se lo llama Xelegido.
• Se toma Xelegido como el número aleatorio extraído de la distribución
caracterizada por F.
 MÉTODO DE TRANSFORMADA
CONVOLUCIÓN
La distribución de probabilidad de la suma de dos o más variables aleatorias independientes es
llamada la convolución de las distribuciones de las variables originales.

Muchas variables aleatorias incluyendo la normal, binomial, poisson, gamma, Erlang, etc., se pueden
expresar de forma exacta o aproximada mediante la suma lineal de otras variables aleatorias
 METODOLOGÍA

• Se generan números aleatorios (Y1, Y2, Y3…….Yn)

• Con uno (o más dependiendo del método a utilizar) de los números
aleatorios, se generan las variables aleatorias componentes (X1,X2,X3,
…..Xn)
• Se obtiene un valor de la variable por suma lineal de las variables
aleatorias componentes
Distribución Erlang
Esta distribución mide el tiempo que transcurre entre un suceso y el m-
ésimo siguiente (es una generalización de la exponencial). Tiene dos
parámetros μ (m, β) donde β es la media de una distribución exponencial
y m es el número de sucesos que se cuentan.

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:
 MÉTODO DE COMPOSICIÓN
Para generar valores de variables aleatorias no-uniformes es usado también el método de
composición, en la cual la distribución de probabilidad f(x) se expresa cómo una mezcla de varias
distribuciones de probabilidad f(x) seleccionadas adecuadamente. Este procedimiento se basa en el
objetivo de minimizar el tiempo de computación requerido para la generación de valores de la
variable aleatoria analizada.
 METODOLOGÍA:
1. Se descompone f como con 𝑓𝑖 función de densidad

2. 2.Se elige la i-ésima función con probabilidad pi y se genera un valor

para la función de densidad 𝑓𝑖.
 EL PROCEDIMIENTO GENERAL DE
GENERACIÓN ES EL SIGUIENTE:

1. Calcular la probabilidad de cada una las distribuciones

2. Asegurar que cada función sea función de densidad.
3. Obtener, mediante el método de la transformada inversa, las expresiones para
generar variables aleatorias de cada una de las distribuciones .
4. Generar un numero pseudoaleatorio que permita definir el valor de
5. Seleccionar la función generadora correspondiente a la función .
6. Generar un segundo número pseudoaleatorio y sustituirlo en la función generadora
anterior para obtener .
 2.2.2.FUNCIONES INVERSAS DE HOJA DE
CÁLCULO, UTILIZABLES COMO SIMULADORES.
 FUNCIONES INVERSAS DE HOJA DE
CÁLCULO, UTILIZABLES COMO
SIMULADORES

La utilización de softwares para realización de múltiples tareas hoy en día, es algo que nos
facilita las tareas complejas derivadas al guardado y uso de la información, También para ello se
pueden utilizar hoja de cálculo la mas común Excel para la realización de ello.
En este caso veremos como este software nos permite utilizarlo para generar números
aleatorios y simulaciones mediante ellos.
EJEMPLO DE FUNCIONES INVERSAS DE HOJA DE
CÁLCULO, UTILIZABLES COMO SIMULADORES.
(SELECCIONAR TABLA, DAR CLICK DERECHO Y
SELECCIONAR OBJETO HOJA DE CALCULO Y ABRIR)
0 0.10 0.10 Si ri va de sde 0 hasta 0.1 x =0
1 0.00 0.10 Si ri va de sde 0.1 hasta 0.5 x =6
2 0.00 0.10 Si ri va de sde 0.5 hasta 0.7 x =8
3 0.00 0.10 Si ri va de sde 0.7 hasta 0.8 x =9
4 0.00 0.10 Si ri va de sde 0.8 hasta 1 x =10
5 0.00 0.10
6 0.40 0.50
7 0.00 0.50
8 0.20 0.70
9 0.10 0.80
10 0.20 1.00

Simul acion de demanda de ce l uare s Me diante e l comando "=Al e atorio( ) se

Di a ri De manda di aria
1 0.53 8
2 0.43 6
3 0.95 10
4 0.87 10
5 0.64 8
6 0.86 10
7 0.56 8
8 0.07 0
9 0.26 6
10 0.35 6 Se obti ene n l a si mul aci on de de manda
2.3 SIMULACIÓN DE VARIABLES
ESPECIALES: TABLAS
 TABLAS DE NÚMEROS ALEATORIOS
Se generan con métodos aleatorios puros mediante ruletas, extracción
de números al azar, dados, etc. La secuencia generada se carga en la
memoria de la computadora.
Ventajas:
• son números aleatorios puros.
Desventajas:
• La sucesión de números es finita,
• Requiere cargar la tabla en memoria (eventualmente ocupando
mucho espacio), actualmente puede no ser un problema.
Generación de números aleatorios: se utilizan para obtener muestras
independientes de variables aleatorias.
Muestreo de variables aleatorias: se obtienen a partir de números
aleatorios. Para simular necesitamos de números aleatorios como semillas
para generar muestras de variables aleatorias:
Características deseables de un generador de números aleatorios:
• Genera valores uniformemente distribuidos en un intervalo dado.
• Asegura la no correlación serial.