La estadística computacional es una habilidad crítica para profesionales en campos como la ciencia de datos, estadística y disciplinas relacionadas. Un aspecto esencial de la estadística computacional es la capacidad de simular variables aleatorias a partir de distribuciones de probabilidad especificadas. Las técnicas comúnmente empleadas para muestrear variables aleatorias incluyen el método de transformación inversa, el método de aceptación-rechazo y la transformación de Box-Muller, todos los cuales dependen del muestreo de la distribución uniforme. Un concepto significativo en estadística es el modelo de mezcla finita, caracterizado por una combinación convexa de múltiples funciones de densidad de probabilidad. En este documento, presentamos una versión modificada del método de composición, un enfoque estándar para el muestreo de modelos de mezcla finita. Nuestra modificación ofrece la ventaja de depender del muestreo de la distribución uniforme, alineándose con los métodos predominantes en estadística computacional. Esta alineación simplifica la enseñanza de cursos de estadística computacional, así como tiene otros beneficios. Ofrecemos varios ejemplos para ilustrar el enfoque.