3.3 Ejemplos resueltos de generadores de variables continuas .

EJEMPLO 1. Hallar el generador de variaciones aleatorias cuya funcin de densidad de probabilidad es:

Sea RND un nmero aleatorio uniforme en (0,1) dado, entonces:

al integrar se tiene:

es decir,

por lo que el generador, hallado por el mtodo de la transformacin inversa es:

Los valores generados de x correspondientes a los nmeros aleatorios RND = 0.074, 0.262, 0.871; tendremos: x = -0.948, -0.780, 0.905; respectivamente.

EJEMPLO 2. Sea la siguiente f.d.p.

Sea RND dado, entonces:

Por lo que se tiene

despejando a x:

ahora integraremos sobre la segunda rama de la funcin:

Por tanto despejando x, obtenemos:

Podemos escribir el generador como:

los valores generados de X, correspondientes a los nmeros aleatorios RND = 0.868, 0.617, 0.232; son: 1.824, 1.489 y 0.976.

EJEMPLO 3. Sea la funcin de densidad de probabilidad uniforme en (a, b), definida por:

y cuya grfica es:

Sea RND dado:

Despejando x:

En particular supongamos que a = 10 y b = 20, el generador de variaciones aleatorias correspondiente es: x = 10 + 10 RND; 0 <= RND <= 1 si los nmeros aleatorios son RND = 0.716, 0.586, 0.313; entonces, x = 17.16, 15.86 y 13.13,

respectivamente.

EJEMPLO 4. Sea la funcin de densidad de probabilidad exponencial negativa dada por:

La grfica correspondiente es

integrando:

esta ecuacin generalmente se reduce a:

ya que (1-RND) tambin ser un valor aleatorio uniforme en (0,1). Por ejemplo, si el parmetro ? = 15,

y si los nmeros aleatorios son: RND = 0.953, 0.181, 0.409; los valores correspondientes de X son: 0.722, 25.638, 13.410.

EJEMPLO 6. La funcin de densidad de probabilidad triangular definida por:

y que tiene por grfica:

Tiene por funcin acumulada a:

Supngase el caso en que a = 200, b = 250 y c = 300; es decir:

o tambin

Sea RND un nmero aleatorio uniforme en (0,1), entonces:

Evaluando en los lmites

integrando sobre la segunda rama de la funcin:

podemos resumir el generador dado por las ecuaciones (a) y (b) en:

Variables aleatorias discretas. En este caso, la funcin acumulada de probabilidad se calcula mediante una sumatoria, en lugar de la integracin de la funcin de distribucin de probabilidad, como en el ejemplo de la simulacin del lanzamiento del dado, visto en el captulo 1.

EJEMPLO 5. Sea la funcin de distribucin de probabilidad de Poisson, dada por

con ? = 1.5;

Primero evaluamos las funciones de distribucin y de distribucin acumulada: x 0 1 2 3 4 5 6 f(x) 0.223 0.335 0.251 0.125 0.047 0.014 0.005 F(x) 0.223 0.558 0.804 0.934 0.981 0.995 1.000

A continuacin generamos un nmero aleatorio uniforme RND, y si: 0.000 <= RND ? 0.223, entonces x = 0 0.224 <= RND <= 0.558, x = 1 0.559 <= RND <= 0.809, x = 2 0.810 <= RND <= 0.934, x = 3 0.935 <= RND <= 0.981, x = 4 0.982 <= RND <= 0.995, x = 5 0.996 <= RND <= 1.000, x = 6 lo que podemos abreviar en la siguiente tabla como: INTERVALO RDN 0.000 - 0.223 0.224 - 0.558 0.559 - 0.809 0.810 - 0.934 0.935 - 0.981 0.982 - 0.995 0.996 - 1.000 VALOR GENERADO DE X 0 1 2 3 4 5 6

La que recibe el nombre de funcin tabulada de transformada inversa. Si queremos generar o simular tres valores de la variable aleatoria X, dados los siguientes nmeros aleatorios RND = 0.818, 0.510, 0.300; tendremos x = 3, 1, 1; respectivamente.