Professional Documents
Culture Documents
on III
Prof. Jos
e Ni
no Mora
Investigaci
on Operativa, Grado en Estadstica y Empresa, 2011/12
Esquema
Comentario: generaci
on de v.a. exponenciales
Generaci
on de v.a. normales
M
etodo de convoluci
on: generaci
on de v.a. Erlang
M
etodo de aceptaci
on/rechazo: generaci
on de v.a.
Poisson
Generaci
on de v.a. exponenciales
Hemos visto c
omo generar una v.a. X Exp() a partir
de U Uniforme[0, 1] :
ln(1 U )
X
Exp()
Podemos simplificar la f
ormula, observando que:
U Uniforme[0, 1] 1 U Uniforme[0, 1]
Por tanto, tambi
en podemos generar una v.a. X Exp()
calculando X como
ln(U )
X
Exp()
La distribuci
on normal
xR
Funci
on de distribuci
on:
x
1
2
ex /2 dx,
F (x) =
2
xR
La distribuci
on normal
C
omo podemos generar X Normal(0, 1) ?
Para aplicar el m
etodo de la transformada inversa,
tendramos que resolver la ecuaci
on
F (X) = U
El m
etodo de Box & Muller
Supongamos que tenemos dos v.a. independientes:
Y Exp(1/2),
Z Uniforme[0, 2]
Y cos(Z)
Y sin(Z),
al origen
Y , y
angulo Z
El m
etodo de Box & Muller
X2
Y
Z
X1
El m
etodo de Box & Muller
Para generar v.a. independientes
Y Exp(1/2),
Z Uniforme[0, 2],
Generamos U1 , U2 Uniforme[0, 1]
Generamos Y 2 ln(U1 )
Generamos Z 2U2
Ahora, calculamos
X1
X2
Y cos(Z) =
Y sin(Z) =
2 ln(U1 ) cos(2U2 )
2 ln(U1 ) sin(2U2 ),
Generaci
on de v.a. Normal(, 2 )
C
omo generar una v.a. W Normal(, 2 ) ?
Generamos X Normal(0, 1)
Calculamos
W + X
Entonces, W Normal(, 2 )
El m
etodo de convoluci
on
Ej: la distribuci
on Y Erlang(k, ) , donde k es un entero
positivo, se puede obtener como suma de k v.a. i.i.d.
X1 , . . . , Xk Exp(k) :
Y X1 + + Xk
Ej: generaci
on de una v.a. Erlang(k, )
Ilustraremos el m
etodo de convoluci
on para generar
Y Erlang(k, )
Generamos una muestra i.i.d. U1 , . . . , Uk Uniforme[0, 1]
Calculamos una muestra i.i.d. X1 , . . . , Xk Exp(k) :
ln(Ui )
Xi
,
k
i = 1, . . . , k
Calculamos
1
Y X1 + + Xk =
{ln(U1 ) + + ln(Uk )}
k
1
=
ln {U1 Uk } Erlang(k, )
k
El m
etodo de aceptaci
on/rechazo
El m
etodo de aceptaci
on/rechazo para generar una v.a.
Y tiene la siguiente forma general:
Paso 1: Generar una v.a. U y calcular un valor tentativo
de Y
Paso 2a: Si se cumple una cierta condici
on, aceptar el
valor tentativo de Y
Paso 2b: Si no se cumple la condici
on, rechazar el valor
tentativo, y volver al paso 1
Ej: generaci
on de Y Poisson()
Ilustraremos el m
etodo de aceptaci
on/rechazo para
generar una v.a. Y Poisson() :
P {Y = n} = e
n!
n = 0, 1, 2, . . .
Aplicaremos la interpretaci
on de la distribuci
on de
Poisson: p. ej. en una cola M/M/1 con tasa de llegadas
(tiempos entre llegadas Exp() ), Y representa el
n
umero de llegadas que ocurren en una unidad de
tiempo
Ej: generaci
on de Y Poisson()
Aplicaremos la interpretaci
on de la distribuci
on de
Poisson: p. ej. en una cola M/M/1 con tasa de llegadas
(tiempos entre llegadas Exp() ), Y representa el
n
umero de llegadas que ocurren en una unidad de
tiempo
Generaremos una sucesi
on de tiempos entre llegadas i.i.d.
A1 , A2 , A3 , . . . Exp()
Calculamos cu
antas llegadas ocurren en el intervalo de
tiempo [0, 1] : ocurren n llegadas si
A1 + + An 1 < A1 + + An + An+1
En tal caso, tomamos Y = n
Ej: generaci
on de Y Poisson()
Para generar A1 , A2 , A3 , . . . Exp() i.i.d. generamos
U 1, U 2, U3 , . . . Uniforme[0, 1] i.i.d., y calculamos
ln(Ui )
Ai
,
i = 1, 2, 3, . . .
Ej: generaci
on de Y Poisson()
Multiplicando la expresi
on
1
1
{ln(U1 ) + + ln(Un )} 1 < {ln(U1 ) + + ln(Un+1 )}
Ej: generaci
on de Y Poisson()