MTODO DE ACEPTACIN Y RECHAZO

JULIETH ALEJANDRA OSPINA CALDERN

UNIVERSIDAD ANTONIO NARIO

FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
MODELOS MATEMTICOS
BOGOT D.C.
2015

MTODO DE ACEPTACIN Y RECHAZO

JULIETH ALEJANDRA OSPINA CALDERN

CDIGO: 10411311062

Presentado a:
LUIS CARLOS FORERO

UNIVERSIDAD ANTONIO NARIO

FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
MODELOS MATEMTICOS
BOGOT D.C.
2015

TABLA DE CONTENIDO

PG.
Introduccin...............................................................................................4
1.

Variable aleatoria..................................................................................................... 5

1.1.

Variable aleatoria discreta...................................................................................... 5

1.2.

Variable aleatoria continua..................................................................................... 5

2. Generacion de variables aleatorias................................................................................ 5

2.1. Mtodos ms empleados para la generacin de variables aleatorias...............................6
2.2. Tipos de generadores de variables aleatorias...............................................................7
3. Mtodo de aceptacin y rechazo.................................................................................10
3.1. Demostracin........................................................................................................ 10
3.2. Algoritmo de aceptacin y rechazo............................................................................10
4. Simulacin del mtodo de aceptacin y rechazo...........................................................14
conclusiones................................................................................................................ 17
bibliografa.................................................................................................................. 18

INTRODUCCIN
Una variable aleatoria es una funcin que asocia un nmero a cada elemento del
espacio muestral, en donde el recorrido o rango de la variable es el conjunto de valores
que toma.
El proceso de simulacin necesita la generacin de datos semejantes a los que se
producen en la realidad, lo que precisa la posibilidad de generar variables aleatorias de
varias distribuciones, por ejemplo la exponencial.
El mtodo de aceptacin y rechazo consiste en generar un valor de la variable aleatoria
e inmediatamente probar que dicho valor simulado proviene de la distribucin de
probabilidad que se est analizando.

1. VARIABLE ALEATORIA

Se llama variable aleatoria a toda funcin que asocia a cada elemento del espacio
muestral E un nmero real.
Se utilizan letras maysculas X, Y,... para designar variables aleatorias, y las
respectivas minsculas (x, y,...) para designar valores concretos de las mismas.

1.1.

VARIABLE ALEATORIA DISCRETA

Una variable aleatoria discreta es aquella que slo puede tomar valores enteros.
Ejemplo: El nmero de hijos de una familia, la puntuacin obtenida al lanzar un dado.
1.2.

VARIABLE ALEATORIA CONTINUA

Una variable aleatoria continua es aquella que puede tomar todos los valores posibles
dentro de un cierto intervalo de la recta real.
Ejemplo: La altura de los alumnos de una clase, las horas de duracin de una pila 1.

2. GENERACION DE VARIABLES ALEATORIAS

Luego de introducir al sistema los datos, es necesario transformarlos en informacin, la

cual puede ser determinstica y/o probabilstica. La determinstica ingresa directamente
al sistema con su valor respectivo. Para la probabilstica se requiere generar modelos
que emulen el comportamiento de la variable correspondiente. Los nmeros
pseudoaleatorios son la base para realizar simulaciones donde hay variables
estocsticas, porque estos nmeros generan eventos probabilsticos; inicialmente se
parte de la generacin de nmeros pseudoaleatorios uniformes entre cero (0) y uno (1).

1 (VITUTOR, Variables Aleatorias (En lnea))

2.1. MTODOS MS EMPLEADOS PARA LA GENERACIN DE VARIABLES

ALEATORIAS
2.1.1. Mtodo de la transformada inversa.

Consiste en emplear la distribucin acumulada F(x) de la distribucin de probabilidad a

simular por medio de integracin; como el rango de F(x) se encuentra en el intervalo de
cero (0) a uno (1), se debe generar un nmero aleatorio ripara luego determinar el valor
de la variable aleatoria cuya distribucin acumulada es igual a ri. El problema de este
mtodo radica en el hecho que algunas veces se dificulta demasiado la consecucin de
la transformada inversa.
2.1.2. Mtodo de convolucin.
Permite generar una distribucin a partir de la suma de distribuciones ms elementales
o mediante la transformada z.
2.1.3. Mtodo de aceptacin y rechazo.
Cuando f(x) es una funcin acotada y x tiene un rango finito, como a x b, se utiliza
este mtodo para encontrar los valores de las variables aleatorias. El mtodo consiste
en normalizar el rango de f mediante un factor de escala c, luego definir a x como una
funcin lineal de r, despus se generan parejas de nmeros aleatorios r1 , r2 y por
ltimo si el nmero encontrado se elige al azar dentro del rango (a,b) y r b, se utiliza
este mtodo para encontrar los valores de las variables aleatorias. El mtodo consiste
en normalizar el rango de f mediante un factor de escala c, luego definir a x como una
funcin lineal de r, despus se generan parejas de nmeros aleatorios r1 , r2 y por
ltimo si el nmero encontrado se elige al azar dentro del rango (a,b) y r cf (x) se
acepta, en caso contrario se rechaza. El problema de este mtodo es la cantidad de
intentos que se realizan antes de encontrar una pareja exitosa.
2.1.4. Mtodo de composicin.
Con este mtodo la distribucin de probabilidad f(x) se expresa como una mezcla o
composicin
de
varias
distribuciones
de
probabilidad fi(x) seleccionadas
adecuadamente.
2.1.5. Procedimientos especiales.

Existen algunas distribuciones estadsticas de probabilidad en las cuales es posible

emplear sus propiedades para obtener expresiones matemticas para la generacin de
variables aleatorias en forma eficiente. En varios casos se aplica el Teorema Central del
Lmite y en otros se utiliza el mtodo directo para encontrar las variables aleatorias 2.
2.2. TIPOS DE GENERADORES DE VARIABLES ALEATORIAS
2.2.1. Generador congruencial lineal (ms utilizado).
Produce una secuencia de enteros x1, x2, ; entre 0 y m-1 de acuerdo a la
siguiente relacin recursiva:

Esto da el residuo de la divisin de ( a x1 + c) entre m.

Los nmeros aleatorios se entregan por medio de la relacin:

Tcnicamente, un nmero aleatorio, ri , se define como una muestra aleatoria

independiente extrada de una distribucin uniforme continua, cuya funcin de
densidad de probabilidad (fdp) est dada por:

As cada nmero aleatorio estar distribuido de manera uniforme en el intervalo

entre 0 y 1.
Debido a esto, a estos nmeros aleatorios se les conoce como nmeros
aleatorios U (0,1), o simplemente como nmeros aleatorios uniformes 3.

2 (Lozano, Generacin de Variables Aleatorias, Universidad Nacional de ColombiaSede Manizales (En lnea))
3 (Benavides, ECCI, Investigacin de Operaciones (En lnea))

Grfica 1. Distribucin Uniforme

Fuente: Investigacin de Operaciones - ECCI

2.2.2. Generador multiplicativo.

Este mtodo tiene la ecuacin congruencial de recurrencia, donde:

a = es la constante multiplicativa.
m = es la magnitud del mdulo.
X0 = es la semilla.
Los
requisitos
mnimos
que
X0, a, m > 0; enteros y m > a, m >X0.

deben

satisfacer

los

parmetros

son

Ejemplo. Desarrollar cinco iteraciones del generador X n+1 = 3Xn mod 100, con X0=51.
Xn
51
53
59
77
31

RND
0.51
0.53
0.59
0.77
0.31

2.2.2.1. Seleccin de los parmetros del generador congruencial multiplicativo.

Seleccin de a. Debe seleccionarse el valor de a de la forma siguiente:
a = 8t +- 3 donde t es cualquier entero positivo.
Seleccin de m. Este valor se selecciona de tal manera que: m =2d,
donde d es el nmero de bits de la palabra de la computadora.
Seleccin de X0. Tmese X0 impar, relativamente primo a m.
A continuacin damos los parmetros para dos casos especiales que ya han sido
probados para este generador (Varela, Kelton respectivamente).

2.2.3. Generador mixto.

El mtodo mixto tiene la siguiente ecuacin de recurrencia, donde:
a = es la constante multiplicativa.
c = es la constante aditiva.
m = es la magnitud del mdulo.
X0 = es la semilla.
Los requisitos mnimos que estos parmetros deben satisfacer son:
X0, a, c, m >= 0; enteros y m > a, m > c, m > X0
Aqu mod representa a la operacin aritmtica mdulo entre los enteros a y b tal que el
resultado de (a mod b) es el residuo entero de la divisin a entre b.
2.2.3.1. Seleccin de los parmetros del generador congruencial mixto.

 Seleccin de m. Seleccionar m de modo que sea el nmero primo ms grande

posible y que a su vez sea menor que p, donde:
p es la base del sistema binario y d es el nmero de bits de la palabra de la
computadora. Por ejemplo 231.
Seleccin de a. Preferentemente seleccinese a a de tal manera que:
I) (a-1) mod 4 = 0, si 4 es un factor de m.
II) (a-1) mod b = 0, si b es un factor primo de m.
Usualmente, el valor de a se toma como a = 2k +1; k>=2
Seleccin de c. Es recomendable escoger c tal que c mod 8 = 5.
Seleccin de X0. La seleccin de X0 es irrelevante.
Algunos parmetros que se utilizaron en diferentes mquinas son 4:

3. MTODO DE ACEPTACIN Y RECHAZO

Sea X una variable aleatoria con funcin de densidad
. Supngase que
f(x)=Cg(x)h(x) con C una constante,
y h(x) una funcin de
densidad en I. Si
e Y (con funcin de densidad h) son independientes, entonces

4 (Poli Libros Mexico, (En lnea))

3.1. DEMOSTRACIN

3.2. ALGORITMO DE ACEPTACIN Y RECHAZO

Se genera
independiente).

y un valor y de la variable Y (de forma

Si u>g(y), se va al paso 1.
Si

, entonces se hace x=y.

Ahora interesa conocer cul es la probabilidad de que en una iteracin concreta se

rechace el valor generado:

Como el nmero de iteraciones del mtodo hasta aceptar un valor sigue una
distribucin geomtrica de parmetro
(cuya esperanza es C), entonces si queremos
optimizar el mtodo habr que intentar que C sea prxima a uno y que h sea sencilla de
generar.

Si hacemos,

entonces buscamos que sea

. Se tendr

Como
coincide con h salvo la constante y h es una funcin de densidad en I,
entonces tambin se tiene que cumplir que
sea finita.
Caso particular: f acotada, definida en un intervalo [a,b] acotado

Sea

en I=[a,b]. En este caso tomamos

. As:

H-1(u)= a + (b-a)u.

Adems,

El algoritmo resultante es:

Genrese u1,

de forma independiente.

Si M u1 > f(a+(b-a)u2), entonces se vuelve al paso 1. En caso contrario, se

hace x=a+(b-a)u2.

Ejemplo:
En este caso [a,b]=[-R,R], por lo que
, pues f alcanza su mximo en x=0.
Tratemos de simplificar el test de aceptacin
.

Si y slo si:
Si y slo si:

Si y slo si
La probabilidad de aceptacin es:

Ejemplo:
La funcin

Tomamos

es funcin de densidad en (0,1). As

. De este modo se tiene que

Y el criterio de aceptacin es:

Tomndose:

Ejemplo:

Para que se cumplan todas las condiciones que necesitamos, tomamos

Es inmediato que

. Veamos que

integra un valor finito:

Ahora,

Como

, entonces,

El algoritmo para simular la variable X es:

Se genera u1, u2 segn una distribucin U (0,1).
Si
el paso 1.

, entonces se toma x=H-1(u1). En caso contrario, se repite

4. SIMULACIN DEL MTODO DE ACEPTACIN Y RECHAZO

Consideremos X una variable aleatoria cuyo soporte es un intervalo finito [a, b] sobre el
que la funcin de densidad es acotada y no nula. Sea c = mx. x [a , b] f(x). Los
mtodos generales de generacin de variables aleatorias procedimiento es el siguiente:

1. Generar dos nmeros aleatorios u, v independientes.

2. Hacer x = a + (b a) u, x es un valor de una variable aleatoria U(a, b). Hacer
y=cv, y es un valor de una variable aleatoria U (0, c).
3. Calcular f(x). Si y f(x), entonces se acepta x como valor generado de la variable
aleatoria X. En caso contrario, volver al paso 1.
La siguiente figura muestra el funcionamiento del mtodo:

Grfica 2. Mtodo de aceptacin y rechazo por envolvente

Los pasos 1 y 2 generan puntos (X, Y) uniformemente distribuidos sobre el rectngulo

con dimensiones c (b a). Si el punto (x, y) cae bajo la curva f(x), entonces en el
paso 4 se acepta x; en caso contrario el mtodo rechaza x y realiza otro intento. La
regin entre el rectngulo y la curva es la que determina el rechazo de la observacin.
La probabilidad de rechazo ser el cociente entre el rea de esta zona y el rea del
rectngulo. La regin de aceptacin tiene rea 1 por ser f(x) una funcin de densidad.
4.1. Ejemplo de la Simulacin Si se Rechaza

4.2. Ejemplo de la Simulacin Si se Acepta

Teniendo en cuenta los siguientes valores, con que se realiz la simulacin:

.
.
.
CONCLUSIONES
Las variables aleatorias son la base para el xito en los procesos de
simulacin son los valores que toma el Cierre procesos de simulacin, son
los valores que toma el sistema bajo anlisis, y con los cuales haremos la
simulacin.
Por lo que al encontrar los nmeros pseudoaleatorios para utilizar en el
sistema, tenemos primero que verificar que sean variables aleatorias que
se ajustan a la distribucin de probabilidad el proceso.
En los planes de muestreo de aceptacin y rechazo por variables deben
especificarse el nmero de artculos que muestrear y los criterios para
juzgar los lotes cuando se obtienen los datos de mediciones respecto a la
caracterstica que se interesa.

BIBLIOGRAFA
VITUTOR. URL: www.vitutor.com/pro/3/a_1.html
UNAL.
URL:
www.virtual.unal.edu.co/cursos/sedes/manizales/4060015/Lecciones/Capitulo
%20VI/valeatorias.htm
ECCI.
URL:
http://www.kramirez.net/ProbaEstad/Material/Presentaciones/GeneracionVariable
sAleatorias.pdf
UVA.
Es.
http://www5.uva.es/estadmed/probvar/simulacion/simulacion2.htm

URL:

POLI
LIBROS.
URL:
http://www.sites.upiicsa.ipn.mx/polilibros/portal/polilibros/p_terminados/SimSist/do
c/SIMULACI-N-129.htm