18 de Abril del 2017

CERCADO JAVIER
SIMULACIN

INGENIERA EN COMPUTACIN E INFORMTICA

DOCENTE:
ING. SIMN DVILA

CURSO:
3 CURSO 5 SEMESTRE A

AO LECTIVO:
2017 2018 (I Ciclo)
ndice
APLICACIN DE LA VARIABLE UNIFORME ................................................................................ 3
BIBLIOGRAFA.............................................................................................................................. 5
ANEXOS......................................................................................................................................... 6
 3.7. APLICACIN DE LA VARIABLE UNIFORME

En ciertos casos es til simular el muestreo de una variable aleatoria con una
distribucin dada. El muestreo de Montecarlo es un procedimiento general
para obtener muestras aleatorias de cualquier tipo de variable (discreta o
continua) si su funcin de distribucin es conocida o se puede calcular. De
hecho, todas las muestras artificiales de Statmedia han sido generadas a
travs del mtodo de Montecarlo.
Supongamos que queremos generar una muestra procedente de una variable
aleatoria X con funcin de distribucin F(x). El proceso comprende los
siguientes pasos:
1. Obtener un valor aleatorio y entre cero y uno. Es decir, obtener una
muestra de una distribucin Uniforme entre cero y uno. La mayora de
lenguajes de programacin incorporan un generador de este tipo.
2. Considerar el valor obtenido como el valor de la funcin de distribucin
a generar: y = F(x).
3. El valor x = F 1 (y) (la inversa de la funcin de distribucin en el punto y)
es un valor procedente de la distribucin de la que desebamos
generar la muestra.
4. Si queremos obtener una muestra con n individuos debemos repetir los
pasos anteriores n veces.
Generacin de una muestra uniforme procedente de una distribucin Binomial
Supongamos que queremos simular el experimento de contar el nmero de
caras obtenidas en 5 lanzamientos de una moneda trucada con probabilidad
de cara igual a 0,75. Es decir, queremos obtener una muestra de una
distribucin Binomial con n = 5 y p = 0,75.
Al realizar un estudio de simulacin es necesario definir el sistema (es decir, el
conjunto de elementos que se van a incluir en el modelo y, por exclusin, lo
que queda fuera del modelo) y los objetivos que se pretenden conseguir con
el estudio.
Estas tareas son especialmente importantes por las siguientes razones:
En primer lugar, para que el nivel de detalle del modelo sea el adecuado.
No conviene que el detalle sea tan pobre que no se pongan de manifiesto
los fenmenos relevantes del sistema, pero tampoco es interesante que el
 nivel de detalle sea mayor del necesario. En el primer caso, aunque el
desarrollo pueda ser no muy costoso, los resultados sern poco fiables y el
modelo intil. En el segundo, el nivel de detalle puede no aportar
informacin adicional interesante, implicar casi con toda seguridad un
tiempo total de desarrollo mayor y, finalmente, se traducir en un modelo
informtico ms lento.
En segundo lugar, la definicin clara de los objetivos y la definicin precisa
del problema facilita la generacin de alternativas potencialmente ms
interesantes y evita el estudio de alternativas menos atractivas.
Finalmente, permite establecer las variables de salida adecuadas, para
evaluar de forma correcta la eficacia y la eficiencia del sistema en
diferentes circunstancias, adems de facilitar que su estudio en trminos
estadsticos sea el adecuado.

NMEROS ALEATORIOS ENTEROS. Es una observacin aleatoria de una

distribucin uniforme sincretizada en el intervalo n, n+1 Por lo general,
n =0 1 donde estos son valores convenientes para la mayora de las
aplicaciones
NMEROS ALEATORIOS UNIFORMES. Es una observacin aleatoria a partir de
una distribucin uniforme (continua) en un intervalo [a, b]
 BIBLIOGRAFA
Obtenido de:
http://site.ebrary.com/lib/uagrariaecsp/reader.action?docID=11322649
&ppg=3

Urqua Moraleda Alfonso, Martn Villalba Carla. (Enero, 2016). Mtodos

de simulacin y modelado, La Habana, Cuba: UNED - Universidad
Nacional de Educacin a Distancia
ANEXOS