2016

vol. 2

jaime
alcalde
chigne

modelo
determinista
Es un modelo lgico matemtico donde
para entradas iguales se producen salidas
iguales. No existe la incertidumbre o azar,
los modelos deterministas generalmente
representan sistemas de gestin donde se
debe obviar la incertidumbre.

En un modelo determinista habr una salida

esperada en la que los valores aleatorios no
varan.
ejemplo: un sistema informtico de gestin
administrativa, uno de produccin, uno de
contabilidad, un ascensor, planificacin de
una lnea de produccin, planificacin de la
construccin de un edificio, etc.

Modelo de elevador: acciones: 1. presionar botn 2. abrir

puerta 3. elegir piso y presionar botn. 4. cerrar puerta. 5. ir
al piso elegido 6. abrir la puerta. 7. si se tienen pisos en cola,
ir al siguiente piso. 8. cerrar puerta.

Diferentes tipos de modelos de simulacin

determinista.

modelo estocstico o
probabilista
mtodo de montecarlo

variable aleatoria
Una variable aleatoria X puede tomar un
conjunto de valores

El mtodo de Montecarlo o Simulacin de

{ x0, x1, x2, ... , xn-1 } con probabilidades

Montecarlo es un conjunto de metodologas

{ p0, p1, p2, ... , pn-1 }

que solucionan problemas matemticos o

fsicos mediante pruebas aleatorias repetitivas.

ejemplo: al lanzar dos monedas legales, la

Las pruebas aleatorias provienen de

variable aleatoria X puede tomar los valores

resultados de clculos lgico matemticos

{ cara, sello },

con nmeros aleatorios.

con probabilidades { 0.5, 0.5 }

Ejemplo: Clculo aproximado de reas,

aproximacin geomtrica del nmero phi, ley
exponencial de la desintegracin de una
sustancia radioactiva, modelos fsicos
meteorolgicos e hidrolgicos, etc.

al lanzar un dado, la variable aleatoria X

toma los siguientes valores:
{ 1, 2, 3, 4, 5, 6 }, con probabilidades
{ 1/6, 1/6, 1/6, 1/6, 1/6, 1/6 }

En las figuras siguientes, en la primera ruleta, la variable aleatoria X toma los siguientes valores: { 0, 1, 2, 3, 4, 5,
6, 7 }, con probabilidades { 1/8, 1/8, 1/8, 1/8, 1/8, 1/8, 1/8, 1/8 }, como las probabilidades son las mismas para
cualquier valor que tome la variable aleatoria X, se dice que los valores de la variable estn uniformemente
distribuidos.
en la segunda ruleta nuestra variable aleatoria X toma los valores: { 0, 1, 2, 3 }, con probabilidades: { 1/4, 1/2,
1/8, 1/8 }.

variable aleatoria discreta

Para simular la ruleta de la figura se construye una tabla de contingencia utilizando las probabilidades
acumuladas. luego se genera un numero aleatorio se ubica en el intervalo al que pertenece y se lee el valor de
la variable aleatoria, en este caso puede ser 0, 1, 2 o 3.

Grfico de funcin escalonada, en el

eje y, se observa las probabilidades
acumuladas en el intervalo [0, 1 ].
se toma un numero aleatorio se
ubica en el eje y y luego se dirige
hacia la derecha hasta que tope con
el segmento que es parte de la
relacin, luego se baja por dicho
segmento y se lee el valor de la
variable X en el eje x.

variable aleatoria discreta

Ejemplo de generador de variable aleatoria discreta y su forma de leerlo.

variable aleatoria continua

Si X es una variable aleatoria continua, y p(x) es su probabilidad asociada a cada resultado de x,
construimos la funcin como la de la figura. Tomamos en el eje y un numero aleatorio [ 0, 1 ], apuntamos
hacia la funcin acumulada y en este punto bajamos al eje x para tomar el valor de variable aleatoria X.

simulacin de Montecarlo
valor aproximado del numero pi
si "disparamos" puntos aleatorios en un cuadrado que tiene inscrito un circulo, veramos los siguientes
cuadros que corresponden a 1000, 10 000, y 30 000 disparos en cada cuadro respectivamente.
si asumimos que el radio del circulo mide 1 unidad, y si tomamos el centro del circulo en un origen de
coordenadas y de all tomamos solo el primer cuadrante tenemos lo siguiente:
Por el teorema de pitgoras
tendremos que la hipotenusa
del tringulo inscrito en el
semicrculo pide 1 y
cualquier punto que tenga un
radio mayor que 1 estar
fuera del circulo, pero dentro
del cuadrado. ademas todos
los puntos que estn en el
cono y fuera de el pertenecen
al cuadrado de lado 1 unidad.

simulacin de Montecarlo
valor aproximado del numero pi
Trabajaremos solo en el primer cuadrante, luego
completamos el trabajo del circulo completo,
multiplicando el resultado de un cuadrante por 4.

simulacin de Montecarlo
valor aproximado del numero pi

Trabajaremos solo en el primer cuadrante, luego

completamos el trabajo del circulo completo,
multiplicando el resultado de un cuadrante por 4.

simulacin de Montecarlo
valor aproximado del numero pi

rplica
Se llama replica a la repeticin de una corrida completa de simulacin. para obtener mejores
aproximaciones se deben realizar varias replicas, luego se promedian y as obtenemos una cantidad mas
cercana al objetivo. existe un teorema que nos dice cual es la cantidad de replicas que se deben realizar.
esto lo estudiaremos mas adelante en este curso.

10

variable aleatoria continua (continuacin)

11

metodo de la transformada inversa

12

metodo de la transformada inversa

13

distribucin exponencial

14

distribucin uniforme continua

15

distribucin triangular

16

distribucin triangular

17

metodo de aceptacion - rechazo

18

metodo de aceptacion - rechazo

se regresa al paso 2

19

distribucin triangular

20

distribucin triangular

21

distribucin normal

22

algoritmo de convolucin

23

algoritmo de convolucin

24

metodo directo

25