Simulación de Sistemas

Generadores de Variables Aleatorias

CONTENIDOS

Generadores de variables
aleatorias para una función
discreta empírica.

Simulación de Montecarlo con

GVA
Objetivos de la Sesión
• Obtener los Generadores de Variables Aleatorias (GVA) usando
los métodos adecuados
• Implementar los generadores de variables aleatorias en modelos
de simulación.
• GVA para una función discreta empírica
• GVA para la función Normal.
• GVA para la función Exponencial.
• GVA para la función Uniforme.
GVA para una función de distribución de
probabilidades discreta empírica
Variables Aleatorias
• Los números aleatorios con distribución uniforme son utilizados
para la generación de números con distribución cualquiera
denominados valores aleatorios.
• Generar un proceso aleatorio significa generar valores muéstrales
de una variable aleatoria X con función distribución de
probabilidad f(x) y distribución acumulada F(x):

x
F ( x)   f (t )dt  Pr( X  x)

Método de la Transformada Inversa
• El método se basa en que:
• r, el valor aleatorio de la distribución uniforme entre 0 y 1.
• F(x) para cualquier variable aleatoria x varían entre cero y
uno por lo que se pueden igualar.
• Luego se halla la inversa de la función.
F(r) F(x)
1
F(x0)
r0

x0

1 f(x) f(x0)

x0
GVA para una función discreta
• Hallar las probabilidades f(x) para cada valor discreto.
• Calcular el acumulado F(x)
• Generar un valor ri y verificar en F(x) a que intervalo de x pertenece,
esa será la V.A. Generada por la dist. propuesta.

F(x)
f(x) 1

ri

0 x 0 ri = F-1(ri) x
GVA para una función discreta
Dada la cantidad de requerimientos de usuarios registrados en los
últimos 10 meses:

Mes 1 2 3 4 5 6 7 8 9 10
Demanda 1 2 1 2 3 4 1 2 2 3

Hallamos la distribución de probabilidades y la probabilidad acumulada:

Demanda 1 2 3 4
f(x) 0.3 0.4 0.2 0.1
F(x) 0.3 0.7 0.9 1
GVA para una función discreta
Demanda 1 2 3 4
f(x) 0.3 0.4 0.2 0.1
F(x) 0.3 0.7 0.9 1

Algoritmo:
f(r) F(x) Sea r: ´#aleatorio
1 Si r <= 0.3 entonces
1 1 0.9
X=1
r = 0.85
0.7
Caso contrario, si r <= 0.7 entonces
r = 0.62
0.5
X=2
0.3 Caso contrario, si r <= 0.9 entonces
X=3
r = 0.15
Caso contrario
0 0
X=4
1 1
X=1 X=2 X=3
Ejercicio
Implementar el GVA para el caso desarrollado previamente, usar la hoja de
cálculo Excel y generar 20 valores aleatorios para la demanda.
Ejercicio
Revisar y simular el caso propuesto en el archivo:
“simulacion_de_montecarlo_1.doc”.
• Desarrollar el caso propuestos en forma manual para los 10 días
propuestos.
• Desarrollar el caso propuesto usando la hoja de cálculo Excel para 30
días.
Ejercicio
Revisar y simular el caso propuesto en el archivo:
“simulacion_de_montecarlo_2.doc”.
• Desarrollar el caso propuestos en forma manual para los 8 semanas
propuestas.
• Desarrollar el caso propuesto usando la hoja de cálculo Excel para 120
meses.
CONCLUSIONES
01 En una función de probabilidades, la función acumulada F(x) se halla sumando las probabilidades.

02 Para hallar el valor de la variable, se genera un número aleatorio “r” y se verifica en que rango de la función
acumulada se encuentra r, y el valor asociado a dicho rango será el valor de x.

03 Los modelos de simulación desarrollados se conocen como modelos de simulación de Montecarlo.

REFERENCIAS

 Bibliográficas: LAW, Averill M. y David Kelton (2014).

Simulation Modeling and Analysis.