20.

GENERACIN DE OBSERVACIONES ALEATORIAS

893

k nmeros aleatorios entre 0 y 1, como r1, r2, . . . , rk, la observacin aleatoria deseada a partir de
la distribucin Erlang es
k

i1

ln r
i ,
k

que se reduce a

1
x ln
k

r ,
k

i1

donde P denota multiplicacin.

Distribuciones normal y ji cuadrada

Una tcnica en particular sencilla para generar observaciones aleatorias a partir de una distribucin normal se obtiene al aplicar el teorema del lmite central. Debido a que un nmero aleatorio
uniforme tiene una distribucin uniforme entre 0 y 1, resulta que tiene media de 1/2 y desviacin
estndar 1/12
w. En consecuencia, este teorema implica que la suma de n nmeros aleatorios
uniformes tiene una distribucin normal aproximada con media n/2 y desviacin estndar
n/12.
Por lo tanto, si r1, r2, . . . , rn constituyen una muestra de nmeros aleatorios uniformes, entonces

n/12

ri 2
i1

n/12

es una observacin aleatoria a partir de una distribucin normal aproximada con media y desviacin estndar . Esta aproximacin es excelente (excepto en las colas de la distribucin), aun
para valores pequeos de n. En consecuencia, los valores de n entre 5 y 10 pueden ser adecuados;
n 5 12 tambin es un valor conveniente porque elimina los trminos de la raz cuadrada de la
expresin anterior.
Como siempre se dispone de tablas de la distribucin normal (vea el apndice 5), otro mtodo
sencillo para generar una aproximacin cercana de una observacin aleatoria es usar esa tabla de
manera directa para elaborar el mtodo de transformacin inversa. Este procedimiento es bastante
conveniente cuando se generan varias observaciones a mano, pero lo es menos cuando se programa
en computadora puesto que en este caso es necesario almacenar una tabla grande y despus usar
la tabla de bsqueda.
Se han desarrollado algunas otras tcnicas exactas para generar observaciones aleatorias a
partir de una distribucin normal.4 Estas tcnicas exactas son suficientemente rpidas como para
que, en la prctica, se usen en lugar del mtodo aproximado que se acaba de describir. Es comn
que se incorpore una rutina para una de estas tcnicas en los paquetes de software con caractersticas para simulacin. Por ejemplo, Excel usa la funcin DISTR.NORM.INV(ALEATORIO(),
, ), para generar una observacin aleatoria que sigue una distribucin normal con media y
desviacin estndar .
Un mtodo sencillo para manejar la distribucin ji cuadrada consiste en usar el hecho de
que es el resultado de sumar los cuadrados de variables aleatorias normales estandarizadas. As,
si y1, y2, . . . , yn son n observaciones aleatorias que siguen una distribucin normal con media 0 y
desviacin estndar 1, entonces
n

x yi2
i1

es una observacin aleatoria a partir de una distribucin ji cuadrada con n grados de libertad.

Mtodo de aceptacin-rechazo
En el caso de muchas distribuciones continuas, no es factible aplicar el mtodo de la transformada
inversa puesto que quiz x 5 F1(r) no se pueda calcular (al menos en forma eficiente). Por lo tanto,
se han desarrollado algunos otros tipos de mtodos para generar observaciones aleatorias a partir
4

Vea de nuevo la referencia citada en la nota al pie 3 de la pgina anterior.

894

CAPTULO 20

SIMULACIN

de esas distribuciones. Con frecuencia, estos mtodos son mucho ms rpidos que el mtodo de la
transformada inversa, aun cuando se puede usar este ltimo. Para proporcionar cierta nocin del
enfoque de estos mtodos, se ilustrar uno que recibe el nombre de mtodo de aceptacin-rechazo
con un ejemplo sencillo.
Considere una distribucin triangular que tiene funcin de densidad de probabilidad

x
f(x) 1 (x 1)
0

si 0 x 1
si 1 x 2
de otra manera.

El mtodo de aceptacin-rechazo utiliza los siguientes pasos (tal vez varias veces) para generar
una observacin aleatoria.
1.
2.

Generar un nmero aleatorio uniforme ri entre 0 y 1 y establecer x 5 2ri (de manera que el
intervalo de valores posibles de x es de 0 a 2).
Aceptar x con

Probabilidad

1 (x 1)
x

si 0 x 1
si 1 x 2,

como la observacin aleatoria deseada [puesto que esta probabilidad es igual a f(x)]. De otra
manera, rechazar x y repetir los dos pasos.
Para generar en forma aleatoria el evento de aceptar (o rechazar) x de acuerdo con esta
probabilidad, el mtodo pone en prctica el paso 2 de la manera siguiente:
3.

Generar un nmero aleatorio uniforme r2 entre 0 y 1.

Aceptar x
Rechazar x

si r2 f (x).
si r2 f (x).

Si x se rechaza, es necesario repetir los dos primeros pasos.

Como x 5 2r1 se acepta con probabilidad 5 f (x), la distribucin de probabilidad de los valores
aceptados tiene f (x) como su funcin de densidad, de manera que los valores aceptados son observaciones aleatorias vlidas de f (x).
Por fortuna, en este ejemplo el valor ms grande de f (x) para cualquier x era exactamente 1.
Si este valor ms grande fuera L 1, entonces r2 quedara multiplicado por L en el paso 2. Con
este ajuste, el mtodo se extiende con facilidad a otras funciones de densidad de probabilidad en
un intervalo finito y tambin se puede usar conceptos similares en un intervalo infinito.

20.5 DESCRIPCIN DE UN ESTUDIO DE SIMULACIN IMPORTANTE

Hasta ahora, este captulo se ha centrado en el proceso de realizar una simulacin y en algunas
aplicaciones para hacerlo. Ahora se ubicar este material en una perspectiva ms amplia con una
descripcin breve de los pasos tpicos que incluye un estudio importante de investigacin de operaciones basado en la aplicacin de simulacin (se aplican casi los mismos pasos cuando el estudio
se basa en otra tcnica de investigacin de operaciones).

Paso 1: Formulacin del problema y planeacin del estudio

El equipo de investigacin de operaciones debe comenzar por reunirse con la administracin para
determinar el problema a partir de los siguientes tipos de preguntas.
1.
2.
3.
4.
5.
6.

Qu problema desea estudiar la administracin?

Cules son los objetivos globales del estudio?
Qu aspectos especficos debe incluirse?
Qu tipos de configuraciones de sistemas alternativos deben considerarse?
Qu medidas de desempeo del sistema son de inters para la administracin?
Cules son las restricciones de tiempo para realizar el estudio?