Unidad 1: Ejercicios de Modelos de Simulacion

1. La comisi on de lotera de Nueva York est a considerando una modicaci on del juego del ejemplo 1
en la que cada tarjeta de juego tiene 3 renglones con 6 casillas cada una. En cada la, una de esas
6 casillas cubre un dibujo de una pi na, 3 casillas cubren cerezas y dos casillas cubren limones. El
jugador raspa una casilla en cada la, pero solo hasta que ocurre una de las siguientes condiciones:
(a) aparece un lim on, en cuyo caso el jugador pierde, (b) aparecen dos cerezas, en cuyo caso el
jugador gana $1 o (c) aparecen dos pi nas en cuyo caso el jugador gana $5. Aplique la teora de
probabilidades para determinar la ganancia esperada de la tarjeta de lotera y construya una hoja
de calculo para obtener la ganancia promedio en el raspado simulado de 1000 tarjetas.
2. La gerencia de Hexxon Oil Company ha identicado 10 sitios para perforar pozos petroleros en el
area norte de Alaska. Los geologos estiman un 20 % de probabilidad de que durante su vida activa
uno de estos pozos produzca entre 0 y 1 millon de barriles de petr oleo, 50 % de que produzca
entre 1 y 2 millones de barriles y 30 % de que genere entre 2 y 3 millones de barriles. La gerencia
asume que la produccion real dentro de cada intervalo es igualmente probable. Suponga que la
perforaci on y operaci on de un pozo cuesta $1.4 millones durante su vida activa y que el precio
promedio de venta de cada barril es $20. Use la teora de probabilidades para calcular la ganancia
esperada de cada pozo y la ganancia total de los 10 pozos. (ayuda: el n umero esperado de barriles
de un pozo se calcula sumando los resultados de multiplicar el n umero promedio de barriles en
cada uno de los tres intervalos por las probabilidades respectivas). Adem as construya una hoja de
c alculo para calcular la ganancia promedio de los 10 pozos mediante 100 simulaciones.
3. Jerry Tate es responsable del mantenimiento de una otilla de vehculos que utiliza la compa na
electrica para la construccion y reparaci on de lneas de transmisi on electrica. Jerry est a especial-
mente preocupado por las proyecciones del costo que signica remplazar una gr ua grande en estos
vehculos. Le gustara simular el n umero de fallas de la gr ua en cada a no, durante los 20 a nos
siguientes. Jerry ha buscado los datos de los ultimos 10 a nos y ha compilado la siguiente tabla:
No. fallas No. A nos
0 4
1 3
2 1
3 1
4 1
Lleve a cabo una simulaci on de un perodo de 20 a nos y diga en base a ella que tan com un es que
el n umero total de fallas exceda de tres durante tres a nos consecutivos.
4. Considere el siguiente modelo de lealtad a la marca. En este modelo las probabilidades se utilizan
para describir el comportamiento de un cliente que compra cerveza. En el modelo est an incorpora-
das tres cervezas A, B y C. El comportamiento del cliente esta resumido en la tabla. De la primera
la se ve que un cliente que compra la cerveza A en la semana 1 comprara la misma cerveza en la
semana 2 con una probabilidad de 0.90, la cerveza B con probabilidad de 0.06 y la cerveza C con
probabilidad de 0.04. Se hace una interpretaci on similar para las dem as las. Considere ahora un
1
cliente que compra la cerveza A en la semana 1, simule el comportamiento de compra del cliente
para las siguientes 50 semanas.
Probabilidad de compra en la semana i+1
Cerveza de la semana i A B C
A 0.90 0.06 0.04
B 0.12 0.78 0.10
C 0.09 0.07 0.84
5. La demanda semanal de leche de las ultimas 50 semanas en la tienda All-Ways-Open aparece en
la siguiente tabla. Asuma que la tienda ordena 42 cajas todas las semanas y simule 100 semanas
de demanda para aproximar el faltante y excedente promedio.
No. Cajas No. Semanas
40 4
41 10
42 12
43 9
44 8
45 7
Total 50
6. Considere la forma m as simple del juego de dados. En este juego, se tira un par de dados. Si en el
primer lanzamiento se obtiene un 7 o un 11 se gana de inmediato. Si el resultado del lanzamiento es
2, 3 o 12, se pierde de inmediato. Cualquier otro total da una segunda oportunidad. En esta parte
del juego se sigue lanzando los dados hasta que se obtiene un 7 o el total obtenido en el primer
lanzamiento. Se pierde si sale un 7. Si se obtiene el mismo total que en el primer lanzamiento, se
gana. Asumiendo que los dados no est an cargados, elabore un programa para simular 100 veces
el juego y determinar el porcentaje del tiempo que se gana.
7. La panadera de Pierre hornea y vende pan frances. Cada ma nana la panadera satisface la de-
manda del da con pan recien horneado. Pierre puede hornear el pan solo en lotes de una docena
de hogazas cada uno. El costo por hogaza es de 25 centavos. Para simplicar, se supone que la
demanda diaria total de pan tambien ocurre en m ultiplos de 12. En los registros se observa que
esta demanda vara entre 36 y 96 hogazas por da. Una hogaza se vende en 40 centavos, y cualquier
hogaza de pan sobrante al nal del da se vende a una cocina de caridad a un precio de salvamento
de 10 centavos. Si la demanda excede la oferta, se supone que hay un costo ganancia-perdida de
15 centavos por hogaza. En los registros de la panadera se observa que la demanda diaria puede
clasicarse en tres tipos: alta, promedio y baja. Estas demandas ocurren con probabilidad 0.30,
0.45 y 0.25 respectivamente. La distribucion de la demanda por categoras se da en la tabla. A
Pierre le gustara simular 100 das de operacion de la panadera para determinar el n umero optimo
de hogazas por hornear diario que maximiza la ganancia.
Probabilidad
Demanda Alta Promedio Baja
36 0.05 0.10 0.15
48 0.10 0.20 0.25
60 0.25 0.30 0.35
72 0.30 0.25 0.15
84 0.20 0.10 0.05
96 0.10 0.05 0.05
8. Para los siguientes generadores congruenciales determinar mediante una hoja de c alculo excel, los
primeros 1000 n umeros generados, el perodo de los generadores, y en caso de ser posible justicar
2
el resultado usando las propiedades del perodo de los generadores congruenciales.
a) x
n+1
= 8x
n
+ 16 m od 100 y x
0
= 15
b) x
n+1
= 50x
n
+ 17 m od 64 y x
0
= 13
c) x
n+1
= 5x
n
+ 24 m od 32 y x
0
= 7
d) x
n+1
= 5x
n
+ 21 m od 16 y x
0
= 3
e) x
n+1
= 9x
n
+ 13 m od 32 y x
0
= 8
f) x
n+1
= 203x
n
m od 100000 y x
0
= 17
g) x
n+1
= 221x
n
m od 1000 y x
0
= 3
h) x
n+1
= 5x
n
m od 64 y x
0
= 7
i) x
n+1
= 11x
n
m od 128 y x
0
= 9
9. Generar por el metodo de la transformada inversa, n umeros aleatorios que sigan la distribuci on
de probabildad dada
a)
b)
c) f(x) = (2)
2
xe
2x
, x 0
d) f(x) =
(x 3)
2
18
, 0 x 6
10. Generar por el metodo de aceptacion rechazo n umeros aleatorios que sigan la distribuci on de
probabilidad dada
a)
3
b)
c)
d)
11. Usando transformacion inversa y aceptacion-rechazo determine un generador de proceso corres-
pondiente a la variable aleatoria continua con la funcion de densidad de probabilidad
a) f(x) =

1
2
, 0 x 1
3
4

x
4
, 1 x 3
0, en caso contrario
b) f(x) =

x 1, 1 x 2
3 x, 2 x 3
0, en caso contrario
12. Un administrador de taller quiere elaborar un modelo de simulaci on para ayudar a programar
las tareas en el taller.

El ha evaluado los tiempos para completar las diferentes tareas. Para una
tarea particular, los tiempos de terminacion siguen la distribuci on triangular siguiente. Elabore
un generador de proceso para esta distribucion por medio del metodo de transformacion inversa.
f(x) =

x
8

1
4
, 2 x 4
10
24

x
24
, 4 x 10
0, en caso contrario
13. Un operador de maquina procesa dos tipos de tarea, A y B, durante el da. Las tareas tipo A
tienen tiempos de terminacion que se pueden representar mediante una distribuci on Erlang con
par ametro de proporcionalidad 5 y par ametro de forma 2. Los tiempos de terminacion de las
tareas tipo B se representan mediante la distribucion siguiente. Elabore generadores de proceso
para los tiempos de las tareas tipo A y tipo B. f(x) =

x1
12
, 2 x 4
9x
20
, 4 x 9
0, en caso contrario
14. Aplique el metodo de la transformacion inversa para generar tres observaciones de una distribuci on
uniforme entre -10 y 40 con los n umeros aleatorios uniformes en (0,1), 0.0965, 0.5692, 0.6658.
15. Genere una observaci on aleatoria correspondiente a la siguiente funcion de probabilidad
4
a) geometrica con par ametro p =
1
3
, la cual toma valores enteros positivos y tiene funci on de
probabilidad dada por p(x) =
1
3

2
3

x1
, para x 1.
b) poisson con par ametro = 5, la cual toma valores enteros no negativos y tiene funci on de
probabilidad p(x) = e
5 5
x
x!
, para x 0.
16. Aplique el metodo de la transformada inversa para generar 10 n umeros aleatorios con funci on de
distribuci on acumulada F(x) =
x
2
+x
2
, para 0 x 1
17. Construya una tabla excel para generar 100 valores aleatorios con las caractersticas
a) Triangular con a = 2, b = 5, c = 10 mediante aceptaci on rechazo
b) Exponencial con = 4 mediante transformaci on inversa
c) Uniforme con a = 3, b = 8 mediante aceptaci on rechazo
d) Normal con = 5,
2
= 2. 41423
e) Erlang con n = 5, = 3.
f) Binomial con n = 5, = 0. 75362
18. Efectuar todas las pruebas de aleatoriedad y uniformidad estudiadas para los siguientes n umeros
pseudoaleatorios
a)
0.10480 0.15011 0.01536 0.02011 0.81647 0.91646 0.69179 0.14194 0.62590 0.36207
0.20969 0.99570 0.91291 0.90700 0.22368 0.46573 0.25595 0.85393 0.30995 0.89198
0.37982 0.53402 0.93965 0.34095 0.52666 0.19174 0.39615 0.99505 0.24130 0.48360
b)
0.22527 0.97265 0.76393 0.64809 0.15179 0.24830 0.49340 0.32081 0.30680 0.19655
0.63348 0.58629 0.42167 0.93093 0.06243 0.61680 0.07856 0.16376 0.39440 0.53537
0.71341 0.57004 0.00849 0.74917 0.97758 0.16379 0.37570 0.39975 0.81837 0.16656
c)
0.06121 0.91782 0.60468 0.81305 0.49684 0.60672 0.14110 0.06927 0.01263 0.54613
0.77921 0.06907 0.11008 0.42751 0.27756 0.53498 0.18602 0.70659 0.90665 0.15053
0.21916 0.81825 0.44394 0.42880 0.99562 0.72905 0.56420 0.69994 0.98872 0.31016
d)
0.71194 0.18738 0.44013 0.48840 0.63213 0.21069 0.10634 0.12952 0.96301 0.91977
0.07119 0.97336 0.05463 0.07972 0.18876 0.20922 0.94595 0.56869 0.69014 0.60045
0.18425 0.84903 0.42508 0.32307 0.89579 0.14342 0.63661 0.10228 0.17453 0.18103
5