Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 15 vistas

    1erLabCalificado Desarrollado CC562A - 11abr2018

    Cargado por

    anthony miranda
    Laboratorio de redes de computadoras

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    1erLabCalificado Desarrollado CC562A - 11abr2018

    Cargado por

    anthony miranda
    15 vistas3 páginas
    Laboratorio de redes de computadoras

    Título original

    1erLabCalificado-Desarrollado-CC562A_11abr2018

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Laboratorio de redes de computadoras

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    15 vistas3 páginas

    1erLabCalificado Desarrollado CC562A - 11abr2018

    Cargado por

    anthony miranda
    Laboratorio de redes de computadoras

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 3

    Primer Laboratorio Calificado CC 562A

    (Modelamiento y Simulación)
    1. Sea U U ( 0,1 ). Utilizar simulación para aproximar lo siguiente
    1.1. Cov ( U , √ 1−U 2 )
    Solución.-
    Cov ( U , √ 1−U 2 ) =E [ U √ 1−U 2 ]−E [ U ] E [ √1−U 2 ]
    k k k
    1 1 1
    ¿ ∑
    k i=1 (
    U i √ 1−U i2− ∑ U i
    k i =1
    ∑
    k i=1)(
    √ 1−U i2 ;
    ) U i U ( 0,1 )
    rm(list=ls())
    k=10000
    U=runif(k,0,1);n=1:length(U)
    int_aprox=((cumsum(U*sqrt(1-U^2))))/n-((cumsum(U))/n)*((cumsum(sqrt(1-
    U^2)))/n)
    plot(n,int_aprox,type="l",xlab="n",ylab="promedios",main="Calculo
    Aproximado de Covarianza")
    int_aprox[length(U)]

    [1] -0.06082275

    1.2. Cov ( U 2 , √ 1−U 2 )


    Solución.-
    Cov ( U 2 , √ 1−U 2 ) =E [ U 2 √ 1−U 2 ]−E [ U 2 ] E [ √ 1−U 2 ]
    k k k
    1 1 1
    k i=1 k i=1(
    ¿ ∑ U 2i √ 1−U 2i − ∑ U 2i ∑
    k i=1
    √ )(
    1−U 2i ;
    ) U i U ( 0,1 )
    rm(list=ls())
    k=10000
    U=runif(k,0,1);n=1:length(U)
    int_aprox=((cumsum((U^2)*sqrt(1-U^2))))/n-
    ((cumsum(U^2))/n)*((cumsum(sqrt(1-U^2)))/n)
    plot(n,int_aprox,type="l",xlab="n",ylab="promedios",main="Calculo
    Aproximado de Covarianza")
    int_aprox[length(U)]

    [1] -0.06471626

    2. Sean Sea U i U ⟨ 0,1 ⟩ para i ≥ 1, y si se define a


    n

    {
    N=Max n : ∏ U i ≥ e
    0
    i=o
    −3
    }
    Donde ∏ U i ≡ 1
    i=1

    2.1. Determinar E [ N ]
    Solución.-
    rm(list=ls())
    k=1000;N=rep(0,k)
    for(i in 1:k){
    u=runif(1,0,1)
    while(u>=exp(-3)){
    u=u*runif(1,0,1)
    N[i]=N[i]+1
    }
    }
    n=1:length(N)
    z=cumsum(N)/n
    plot(n,z,type="l",xlab="n",ylab="promedios",main="Calculo Aproximado de
    E[N]")
    z[length(N)]

    [1] 2.972

    2.2. Determinar P [ N =i ] para i=0,1,2 , … , 6 por simulación.


    Solución.-
    zz=table(N)/length(n)
    barplot(zz,main = "Calculo de P[i]")
    zz[1:7]

    N
    0 1 2 3 4 5 6
    0.047 0.153 0.225 0.224 0.174 0.103 0.043

    3. Utilizar el método de la composición para generar valores de una V.A. X con masa de
    probabilidad dado por

    Solución.-

    REVISAR MATERIAL DE CLASES….

    4. [Aceptación-Rechazo] La función de masa de probabilidad de una V.A X BinNeg ( r , p ) con r


    entero positivo y p ∈<0,1>¿, es dado por

    4.1. Verifique la relación

    A partir de la ecuación de la función de masa de probabilidad p j se obtiene p j+1para


    p j+ 1
    finalmente utilizar el siguiente cociente de donde mediante simplificación de términos
    pj
    se obtiene la relación solicitada

    4.2. Utilizar la relación de la parte 4.1 para generar valores de una V.A Binomial Negativa
    Solución.- Uso del Método de la Transformada Inversa (r=4, p=0.3)
    rm(list=ls())
    k=100 # Numero de valores a generar
    pr=0.3 # pr: probabilidad de éxito
    r=4 # r: número de éxitos

    y=rep(0,k)
    for(i in 1:k){
    u=runif(1,0,1) # u ~ U(0,1)
    j=r; p=pr^r;F=p
    while (u >= F){
    p=((j*(1-p))/(j+1-r))*p
    F=F+p
    j=j+1
    }
    y[i]=j
    }
    zz=table(y)/length(y)
    barplot(zz,main = "Calculo de P[i]")
    zz

    4.3. Proponga e implemente otro método para generar valores de la Distribución Binomial
    Negativa.
    r
    Solución.- Si X BinNeg ( r , p ) se cumple que X =∑ Y i con Y i ≥( p ) . Por lo tanto, se
    i=1
    puede generar valores de Binomial Negativa usando valores generados de r valores
    generados de una Distribución Geométrica.

    El Profesor
    LANH

    También podría gustarte