Sie sind auf Seite 1von 4

Distribucin Normal

La distribucin normal basa su utilidad en el teorema del lmite central. Este teorema postula que, la distribucin de probabilidad de la suma de N valores de variables aleatorias Xi independientes pero idnticamente distribuidos, con medidas respectivas i y variancias i2 se aproxima asintticamente a una distribucin normal, a medida que N se hace muy grande, y que dicha distribucin tiene como media y varianza respectivamente, a

En consecuencia, el teorema del lmite central permite el empleo de distribuciones normales para representar medidas globales operadas sobre los efectos de causa (errores) aditivas distribuidas en forma independiente, sin importar la distribucin de probabilidad a que obedezcan las mediciones de causas individuales. Otro rasgo valiosamente prctico de la distribucin normal, es su utilidad para aproximar distribuciones de Poisson y binomiales para mencionar solo dos entre muchas. Si la variable aleatoria X tiene una funcin de densidad f(x) dada como: Con x positiva, entonces se dice que X tiene una distribucin normal Gaussiana, con parmetros x y x. Si los parmetros de la distribucin normal tienen los valores x = 0 y x = 1, la funcin de distribucin recibir el nombre de distribucin normal estndar, con funcin de densidad ( )

( )

Cualquier distribucin normal se puede convertir a la forma estndar mediante la siguiente sustitucin.

La funcin de distribucin acumulativa F(x) o F(z) no existe en forma explcita; sin embargo, esta ltima se encuentra totalmente tabulada en cualquier libro sobre estadsticas. El valor esperado y la varianza de la distribucin normal no estndar estn dados por:

A fin de simular una distribucin normal con meda x y varianza x2 dadas se debe proponer la siguiente interpretacin matemtica del teorema del lmite central. Si r1, r2, , rN representan variables aleatorias independientes cada una de las cuales posee la misma distribucin de probabilidad caracterizada por E(ri) = y Var(ri) = 2, entonces [ ]

( )

( )

El procedimiento para simular valores normales utilizando computadoras requiere el uso de la suma de K valores de variable aleatoria distribuidos uniformemente; eso es, la suma de r1, r2, , rk, con cada ri definida en el intervalo 0 < ri < 1. Aplicando la convencin notacional de la forma matemtica del teorema del lmite central, as como nuestros conocimientos previos de la distribucin uniforme, encontraremos que

Pero, por definicin, z es un valor de variable aleatoria con distribucin normal estndar que se puede escribir en la forma sugerida por la ecuacin, donde x es un valore de variable aleatoria

distribuido en forma normal que se va a simular, con media x y varianza x2. Igualando ecuaciones obtenemos: Y resolviendo para x, se tiene que:

Con esta ecuacin se puede proporcionar una formulacin muy simple para generar valores de variable aleatoria normalmente distribuidos, cuya media sea igual a y varianza . Para generar un solo valor de x (un valor de variable aleatoria con distribucin normal) bastara con sumar K nmeros aleatorios definidos en el intervalos de 0 a 1. El valor de K que debe aplicarse a las formulas usualmente se determina al establecer las condiciones de balance entre la eficiencia de cmputo y la precisin. En la prctica de simulacin se recomienda una K = 10, como el menor valor deseable. Sin embargo, con K = 12 se logra una cierta ventaja computacional, ya que en la ecuacin se puede evitar una multiplicacin constante. Con el fin de obtener mayor precisin se deben considerar valores mayores par K (del orden de K = 24), de acuerdo con la llamada tcnica de aproximacin de Teichroew [27], aunque en estos casos la eficiencia del procedimiento del lmite central resulta significativamente menor a la de otros criterios. La aproximacin de Teichroew mejora la precisin de las probabilidades de los eventos extremos, obtenidas con el procedimiento del lmite central. Con K = 12 deberemos calcular el valor de ( )

Y el siguiente polinomio servir para obtener el valor de la variable aleatoria z distribuida normalmente: z = a1y + a3y3 + a5y5 + a7y7 + a9y9 donde: a1 = 3.949846138 a3 = 0.252408784

a5 = 0.076542912 a7 = 0.008355968 a9 =0.029899776 Procedimiento Directo Sean r y r dos valores de variable aleatoria independientes distribuidos de modo uniforme y definidos en el intervalo (0, 1), entonces: ( ( ) )

Sern dos valores de variables aleatorias obtenidos a partir de una distribucin normal estndar. Con este mtodo se logran resultados exactos y su velocidad de cmputo se puede comparar con la del mtodo del lmite central, sujeto a la eficiencia de ciertas subrutinas para funciones especiales. El procedimiento rpido Se afirma que esta tcnica es la ms rpida, aunque se le imputa que emplea varios cientos de ubicaciones de memoria para almacenar en la computadora ciertas constantes especficas. Las desviaciones aleatorias normales se acumulan a partir de la mezcla de tres densidades: ( ) ( ) ( ) ( )

Los fundamentos racionales en los que se basa esta mezcla establecen que del 95 al 87 por ciento del tiempo solo se usa ( ) lo cual proporciona inmediatamente una variable normal con una tabla de longitud mnima. BIBLIOGRAFIA Tcnicas de Simulacin en Computadoras Thomas H. Naylor, Josepgh L. Balintfy, Donald S. Burdick, Kong Chu. Editorial Limusa Pg. 109

Das könnte Ihnen auch gefallen