Generación de variables aleatorias

[6.1] ¿Cómo estudiar este tema?

[6.2] Introducción

[6.3] Método de la transformada inversa

[6.4] Método de composición

[6.5] Método de convolución

[6.6] Método de aceptación-rechazo

[6.7] Referencias bibliográficas

6
TEMA
 Esquema

TEMA 6 – Esquema
Generación de variables aleatorias

Conceptos Métodos de generación de variables aleatorias

• Variable aleatoria
Método de la transformada inversa
• Función de distribución acumulativa de una variable
aleatoria
• Función de densidad de una variable aleatoria
Método de composición

Método de convolución

Método de aceptación-rechazo
Modelado y Simulación Numérica

© Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Ideas clave

6.1. ¿Cómo estudiar este tema?

Para estudiar este tema lee las Ideas clave que encontrarás a continuación.

Además lee el capítulo 5 «páginas 181-202» del siguiente libro:

» Lladser, M. (2011). Variables aleatorias y simulación estocástica. Santiago de Chile:
J. C. Sáez Editor.
Disponible en la Biblioteca Virtual de UNIR.

Las ideas claves de este tema son:

» Concepto de variable aleatoria, función de distribución y función de densidad.

» Métodos de generación de variables aleatorias.
» Método de la transformada inversa.
» Método de composición.
» Método de convolución.
» Método de aceptación-rechazo.

6.2. Introducción

Las variables aleatorias se utilizan para modelar las entradas de un modelo

de simulación. Estas variables generalmente presentan una distribución estadística
específica, por lo que se pueden usar procedimientos estadísticos estándar para la
estimación de los parámetros de la distribución correspondiente y para probar la validez
del modelo estadístico asumido. Se debe de tener en cuenta que una función de
distribución 𝐹𝐹(𝑥𝑥), de una variable aleatoria 𝑋𝑋, se define mediante la siguiente fórmula:

𝐹𝐹(𝑥𝑥) = 𝑃𝑃(𝑋𝑋 ≤ 𝑥𝑥),

𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑥𝑥 ∈ (−∞, ∞)𝑦𝑦 𝑃𝑃(𝑋𝑋 ≤ 𝑥𝑥) 𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑎𝑎𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 {𝑋𝑋 ≤ 𝑥𝑥}

Ecuación 1 Función de distribución acumulada.

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Es decir, 𝐹𝐹(𝑥𝑥)representa la probabilidad de que dado un experimento, 𝑋𝑋 tome un valor

menor o igual que 𝑥𝑥. Es una función que no es decreciente y que toma valores entre 0 y
1.

De lo anterior se extrae que la generación de una variable aleatoria, consiste en obtener

valores que sigan la distribución correspondiente; y para ello se pueden usar distintos
algoritmos o métodos.

Otro concepto que se debe considerar para la aplicación de algunos de los métodos es la
función de densidad de la variable aleatoria 𝑋𝑋 que se denota por 𝑓𝑓(𝑥𝑥) y se define
como una función no negativa, de forma que para cualquier intervalo [𝑎𝑎, 𝑏𝑏] cumple que:

𝑏𝑏
𝑃𝑃(𝑎𝑎 ≤ 𝑋𝑋 ≤ 𝑏𝑏) = � 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑
𝑎𝑎
Ecuación 2. Función de densidad de una variable aleatoria

La selección del método se basa en los siguientes factores:

Exactitud, es decir, precisión.

Eficiencia en el cálculo.

Complejidad del método.

Robustez.

Facilidad de implementación.

De los métodos que existen algunos son específicos para funciones continuas,
otros para funciones discretas, aunque también existen métodos generales.

Si bien en la mayoría de los modelos se usan rutinas que están disponibles en bibliotecas
o que se construye mediante el uso de lenguajes para la simulación, no siempre es
posible contar con ellas en algunas aplicaciones o lenguajes y por tanto, se
debe hacer uso de estos métodos e implementar la rutina correspondiente.

Los métodos se van a estudiar para la generación de variables continuas.

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

6.3. Método de la transformada inversa

El método de la transformada inversa que se analizará a continuación, se usa para

la generación de variables absolutamente continuas. Dada una variable aleatoria 𝑋𝑋, con
una función de distribución 𝐹𝐹(𝑥𝑥), se pretende generar un número aleatorio uniforme 𝑟𝑟
entre 0 y 1, para obtener la 𝑥𝑥 que cumpla que 𝐹𝐹(𝑥𝑥) = 𝑟𝑟.

Este método es aplicable a la distribución uniforme, la distribución exponencial, la

distribución Weibull y otras.

Los pasos que se deben llevar a cabo en este método para una variable aleatoria 𝑋𝑋 con
función de distribución 𝐹𝐹(𝑥𝑥) (Banks., Carson y Nelson, 1996):

» Calcular 𝐹𝐹(𝑥𝑥).
» Establecer que 𝐹𝐹(𝑥𝑥) = 𝑟𝑟 siendo una 𝑟𝑟 variable aleatoria definida en el rango de 𝑋𝑋.
» Resolver la ecuación del paso 2. para 𝑋𝑋 en términos de 𝑅𝑅. De forma que 𝑋𝑋 = 𝐹𝐹 −1 (𝑅𝑅)
» Generar los números aleatorios uniformes que se necesiten de acuerdo con 𝑋𝑋𝑖𝑖 =
𝐹𝐹 −1 (𝑅𝑅𝑖𝑖 ), 𝑖𝑖 = 1,2,3 ….

Distribución exponencial

Dada una variable aleatoria X con función de distribución exponencial, se deben realizar
las siguientes acciones:

» 𝐹𝐹(𝑥𝑥) = 1 − 𝑒𝑒 −𝜆𝜆𝜆𝜆 , 𝑥𝑥 ≥ 0
» 1 − 𝑒𝑒 −𝜆𝜆𝜆𝜆 = 𝑟𝑟, con que 𝑋𝑋 ≥ 0
ln(1−𝑟𝑟)
» – 𝜆𝜆𝜆𝜆 = ln(1 − 𝑟𝑟) => 𝑋𝑋 = − 𝜆𝜆
𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠 𝑢𝑢𝑢𝑢𝑢𝑢 𝑋𝑋 =
ln(𝑟𝑟)
− 𝜆𝜆
𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟 𝑦𝑦 1 − 𝑟𝑟 𝑠𝑠𝑠𝑠𝑠𝑠 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑.

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Distribución uniforme

Sea 𝑋𝑋 con distribución uniforme 𝐹𝐹(𝑥𝑥) en un intervalo [𝑎𝑎, 𝑏𝑏].

0, 𝑥𝑥 < 𝑎𝑎
𝑥𝑥−𝑎𝑎
» 𝐹𝐹(𝑥𝑥) = �𝑏𝑏−𝑎𝑎 ,𝑎𝑎 ≤ 𝑥𝑥 ≤ 𝑏𝑏
1, 𝑥𝑥 > 𝑎𝑎
𝑋𝑋−𝑎𝑎
» = 𝑟𝑟
𝑏𝑏−𝑎𝑎

» 𝑋𝑋 = 𝑎𝑎 + (𝑏𝑏 − 𝑎𝑎)𝑟𝑟

Distribución Weibull

Se usa para representar el tiempo o tasa de fallos en máquinas o componentes

electrónicos.

𝑥𝑥⁄ )𝛽𝛽
» 𝐹𝐹(𝑥𝑥) = 1 − 𝑒𝑒 −( 𝛼𝛼

𝑋𝑋� �𝛽𝛽
» 1 − 𝑒𝑒 −� 𝛼𝛼 = 𝑟𝑟
» 𝑋𝑋 = 𝛼𝛼[− ln(1 − 𝑟𝑟)]1/𝛽𝛽

6.4. Método de composición

Este método para la generación de variables continuas se caracteriza porque

la función de distribución se puede definir como suma de otras funciones de distribución
de la siguiente manera:

𝑛𝑛 𝑛𝑛

𝐹𝐹(𝑥𝑥) = � 𝑝𝑝𝑖𝑖 𝐹𝐹𝑖𝑖 (𝑥𝑥), 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑖𝑖 ≥ 0 𝑦𝑦 � 𝑝𝑝𝑖𝑖 = 1

𝑖𝑖=1 𝑖𝑖=1

Este método solo se puede aplicar si la función de densidad se puede expresar como
suma ponderada de otras funciones de densidad como se muestra a continuación

𝑛𝑛 𝑛𝑛

𝑓𝑓(𝑥𝑥) = � 𝑝𝑝𝑖𝑖 𝑓𝑓𝑖𝑖 (𝑥𝑥), 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑖𝑖 ≥ 0 𝑦𝑦 � 𝑝𝑝𝑖𝑖 = 1

𝑖𝑖=1 𝑖𝑖=1

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Los pasos seguir son los siguientes:

» Generar un índice 𝐼𝐼 tal que 𝑃𝑃(𝐼𝐼 = 𝑖𝑖) = 𝑝𝑝𝑖𝑖 .

» Generar una variable aleatoria 𝑋𝑋 con función de distribución 𝐹𝐹𝐼𝐼

Ejemplo: La función de distribución de una variable aleatoria está definida como suma
de funciones de distribución continuas, de la siguiente forma:
𝑥𝑥 2 𝑥𝑥 3 𝑒𝑒 𝑥𝑥 − 1
𝐹𝐹(𝑥𝑥) = + + , 0 ≤ 𝑥𝑥 ≤ 1
4 4 2(𝑒𝑒 − 1)

Las funciones de las que está compuesta esta función son:

1
𝐹𝐹1 (𝑥𝑥) = 𝑥𝑥 2 𝑐𝑐𝑐𝑐𝑐𝑐 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑝𝑝1 =
4
1
𝐹𝐹2 (𝑥𝑥) = 𝑥𝑥 3 𝑐𝑐𝑐𝑐𝑐𝑐 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑝𝑝2 =
4
𝑥𝑥
𝑒𝑒 − 1 1
𝐹𝐹3 (𝑥𝑥) = 𝑐𝑐𝑐𝑐𝑐𝑐 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑝𝑝3 =
(𝑒𝑒 − 1) 2

Se genera 𝑈𝑈1 , 𝑈𝑈2 ∼ 𝑈𝑈(0,1);

1
Si 𝑈𝑈1 < , se invierte 𝐹𝐹1 (𝑥𝑥) = 𝑈𝑈2 y 𝑋𝑋 = �𝑈𝑈2
4
1
Si no, si 𝑈𝑈1 < , se invierte 𝐹𝐹2 (𝑥𝑥) = 𝑈𝑈2 y 𝑋𝑋 = 3�𝑈𝑈2
2

Y si no se invierte 𝐹𝐹3 (𝑥𝑥) = 𝑈𝑈2 y 𝑋𝑋 = ln(1 + (𝑒𝑒 − 1) 𝑈𝑈2 )

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

6.5. Método de convolución

Este método también genera variables aleatorias continuas y en este caso 𝑋𝑋 se

obtiene a partir de la suma de variables aleatorias independientes que son más fáciles de
calcular. Sean 𝑌𝑌𝑌𝑌 𝑍𝑍 variables aleatorias independientes continuas con función de densida
𝑓𝑓𝑌𝑌 (𝑦𝑦) y 𝑓𝑓𝑍𝑍 (𝑧𝑧) . Entonces se calcula X, como suma de ellas con función de densidad:

∞ ∞
𝑓𝑓𝑋𝑋 (𝑥𝑥) = � 𝑓𝑓𝑍𝑍 (𝑥𝑥 − 𝑦𝑦) 𝑓𝑓𝑌𝑌 (𝑦𝑦)𝑑𝑑𝑑𝑑 = � 𝑓𝑓𝑌𝑌 (𝑥𝑥 − 𝑧𝑧) 𝑓𝑓𝑍𝑍 (𝑧𝑧)𝑑𝑑𝑑𝑑
−∞ −∞
Ecuación 3. Función de distribución

Ejemplo: Sean 𝑌𝑌𝑌𝑌 𝑍𝑍 variables independientes exponencialmente distribuidas con

función de densidad 𝑓𝑓(𝑥𝑥) = 𝛼𝛼𝑒𝑒 −𝛼𝛼𝛼𝛼 , con 𝛼𝛼 > 0, entonces la función de densidad de 𝑋𝑋 =
𝑌𝑌 + 𝑍𝑍 es
𝑥𝑥 𝑥𝑥 𝑥𝑥
𝑓𝑓𝑋𝑋 (𝑥𝑥) = � 𝑓𝑓𝑍𝑍 (𝑥𝑥 − 𝑦𝑦) 𝑓𝑓𝑌𝑌 (𝑦𝑦)𝑑𝑑𝑑𝑑 = � 𝛼𝛼𝑒𝑒 −𝛼𝛼(𝑥𝑥−𝑦𝑦) 𝛼𝛼𝑒𝑒 −𝛼𝛼𝛼𝛼 𝑑𝑑𝑑𝑑 = � 𝛼𝛼 2 𝑒𝑒 −𝛼𝛼𝛼𝛼 = 𝛼𝛼 2 𝑧𝑧𝑒𝑒 −𝛼𝛼𝛼𝛼
0 0 0

6.6. Método de aceptación-rechazo

Es un método que se puede usar para la generación de variables

absolutamente continuas uniformemente distribuidas en un intervalo.
Cuenta con dos formas una más sencilla que la otra y que será la que se tratará en este
tema por su uso más generalizado.

El método de aceptación-rechazo se usará si existe otra función de densidad 𝑔𝑔(𝑥𝑥) tal que
𝑐𝑐𝑐𝑐(𝑥𝑥) supere a la función de densidad 𝑓𝑓(𝑥𝑥) para todos los valores de 𝑥𝑥. Los pasos a seguir
serán:

» Generar 𝑥𝑥 con la densidad 𝑔𝑔(𝑥𝑥).

» Generar 𝑦𝑦 uniforme en [0, 𝑐𝑐𝑐𝑐(𝑥𝑥)]
» Si 𝑦𝑦 ≤ 𝑓𝑓(𝑥𝑥), se devuelve 𝑥𝑥 y termina. Si no, se repite desde el paso 1.

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Ejemplo

Sea 𝑓𝑓(𝑥𝑥) = 1 + 2𝑥𝑥 − 2𝑥𝑥 2 , si 0 ≤ 𝑥𝑥 ≤ 1 y 𝑓𝑓(𝑥𝑥) = 0 en otro caso.

Para generar los valores aleatorios por aceptación y rechazo, se debe calcular primero la
función que supera a la función de densidad.

* Para ello se calcula el máximo de 𝑓𝑓(𝑥𝑥)

𝑓𝑓 ′ (𝑥𝑥) = 2 − 4𝑥𝑥 = 0 => 𝑥𝑥 = 1/2 𝑓𝑓 ′′ (1/2) = −4, 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥
1
𝑓𝑓 � � = 3/2 => 𝑐𝑐 = 3/2
2

Para generar los valores del paso 1 se puede usar en este caso la transformada inversa
para una distribución uniforme donde 𝑎𝑎 = 0, 𝑏𝑏 = 1.

Se calculan los valores 𝑟𝑟0 = 0,25 y 𝑟𝑟1 = 0,1 y se realizan las etapas correspondientes con
𝑐𝑐 = 3/2.

Paso 1. 𝑥𝑥0 = 𝑎𝑎 + 𝑟𝑟0 (𝑏𝑏 − 𝑎𝑎) = 0,25

3
Paso 2. Se genera 𝑦𝑦 = 𝑐𝑐𝑟𝑟1 = 0,1 = 0,15
2

Paso 3. 𝑓𝑓(𝑥𝑥0 ) = 𝑓𝑓(0,25) = 1,375

Paso 4. 0,15 ≤ 1,375 Así que se acepta 0,25 como valor de la variable aleatoria. Si la 𝑦𝑦 no
hubiese sido menor o igual que 𝑓𝑓(𝑥𝑥0 ), se habría rechazado 𝑥𝑥0 y se tendría que repetir el
proceso

Este método se puede aplicar para generar variables aleatorias para la distribución de
Poisson o distribuciones gamma.

6.7. Referencias bibliográficas

Banks, J., Carson, J. S., y Nelson, B. L. (1996). Discrete-Event System Simulation. (2a
ed.). New Jersey: Prentice Hall.

TEMA 6 – Ideas clave © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Lo + recomendado

Lecciones magistrales

Generación de variables aleatorias

En la siguiente lección magistral trataremos la generación de variables aleatorias

considerando aspectos como, por ejemplo, las funciones de distribución.

Accede a la lección magistral a través del aula virtual

No dejes de leer…

Generation Random Variates

Capítulo en el que se presentan distintos métodos de generación de variables aleatorias

con ejemplos ilustrativos.

Accede al capítulo a través del aula virtual o desde la siguiente dirección web:
[Link]

TEMA 6 – Lo + recomendado © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Ejemplos resueltos de generadores de variables continuas

Lista de ejemplos resueltos en los que se aplican distintos métodos de generación de

variables aleatorias continuas.

Accede al artículo a través del aula virtual o desde la siguiente dirección web:
[Link]
[Link]

No dejes de ver…

Random Variate Generation

Vídeo sobre métodos de generación de variables aleatorias.

Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
[Link]

TEMA 6 – Lo + recomendado © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

+ Información

A fondo

Ampliación de modelos de investigación operativa

Página de modelos de investigación operativa con un tema de métodos generales de

generación de variables aleatorias.

Accede al artículo desde el aula virtual o a través de la siguiente dirección web:

[Link]

Generación de variables aleatorias

Presentación de métodos de generación de variables aleatorias para la simulación.

Accede a la presentación desde el aula virtual o a través de la siguiente dirección web:

[Link]

Bibliografía

Banks, J., Carson, J.S. y Nelson, BL. (1996). Discrete-Event System Simulation. (2a ed.).
New Jersey: Prentice Hall.

Barceló, J. (1996). Simulación de sistemas discretos. Madrid: Isdefe.

Fishman, G. S. (1973). Concepts and Methods in Discrete Event Digital Simulation.

Nueva York: John Wiley & Sons Inc.

Fishman, G. S. (2001). Discrete-Event Simulation. Nueva York: Springer. Recuperado

de [Link]

García-Dunna, E. (2012). Simulación y análisis de sistemas con promodel.

Massachusetts: Addison-Wesley.

TEMA 6 – + Información © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

Test

1. En el método de la transformada inversa:

A. Se generan los valores de la función de distribución de forma uniforme entre 0
y 1.
B. Se generan los valores de la función de densidad de forma uniforme entre 0 y 1.
C. Se generan los valores de la función de distribución mediante una distribución
exponencial.
D. Ninguna es verdadera.

2. Para aplicar el método de la transforma inversa:

A. La función de distribución no puede tomar valores iguales a 0.
B. La función de distribución debe tomar valores negativos.
C. La función de distribución debe tener inversa.
D. Ninguna de las anteriores es verdadera.

3. El método de composición:
A. Solo se puede aplicar si la función de distribución es suma ponderada de
funciones de densidad.
B. Solo se puede aplicar si la función de densidad es suma ponderada de funciones
de densidad.
C. Solo se puede aplicar si la función de distribución es suma ponderada de
funciones de distribución.
D. Ninguna de las anteriores es verdadera.

4. Para aplicar el método de aceptación-rechazo:

A. La función de densidad tiene que ser creciente.
B. La función densidad debe tener un máximo.
C. La función de densidad no puede tomar valores menores que 1.
D. Ninguna de las anteriores es verdadera.

TEMA 6 – Test © Universidad Internacional de La Rioja (UNIR)

 Modelado y Simulación Numérica

5. El método de aceptación-rechazo:
A. Acepta los valores para los que la función de densidad es menor o igual que el
valor aleatorio generado en el intervalo [0, 𝑐𝑐𝑐𝑐(𝑥𝑥)].
B. Acepta los valores para los que la función de densidad es menor que el valor
aleatorio generado en el intervalo [0, 𝑐𝑐𝑐𝑐(𝑥𝑥)].
C. Acepta los valores para los que la función de densidad es mayor o igual que el
valor aleatorio generado en el intervalo [0, 𝑐𝑐𝑔𝑔(𝑥𝑥)].
D. Acepta los valores para los que la función de densidad es mayor que el valor
aleatorio generado en el intervalo [0, 𝑐𝑐𝑐𝑐(𝑥𝑥)].

TEMA 6 – Test © Universidad Internacional de La Rioja (UNIR)