UTH
Universidad Tecnológica de Honduras
Catedrática:
Ing. Merary Ayala
Presentado Por:
Christian Leodan Lopez Santos
Cuenta:
210520020117
Clase:
Modelación y Simulación de sistemas
Fecha Limite:
22 de JUNIO del 2019.
MODELACION Y SIMULACION DE SISTEMAS CL
Tabla de contenido
objetivos ....................................................................................................................................... 3
introducción: ................................................................................................................................ 4
números aleatorios y pseduoaleatorios .................................................................................. 5
números aleatorios ................................................................................................................. 5
¿para qué sirven?............................................................................................................... 5
propiedades y generadores de números aleatorios...................................................... 5
¿cómo puedo generar números aleatorios? .................................................................. 6
¿qué son los números pseudoaleatorios?.......................................................................... 7
propiedades de los números pseudoaleatorios ............................................................. 7
¿por qué hay que recurrir a los números pseudoaleatorios? ...................................... 8
aplicaciones en la criptografía .......................................................................................... 8
que son generadores de números aleatorios y psudoaleatorios ........................................ 9
generador de numeros aleatorios ........................................................................................ 9
generador de números pseudoaleatorios ........................................................................... 9
generadores de numeros aleatorios y pseudoaleatorios ................................................... 10
el método de centros al cuadrado (método de los cuadrados medios) ....................... 10
desventaja del método de centros al cuadrado: .............................................................. 10
método de lehmer................................................................................................................. 11
método congruencia mixto lineal........................................................................................ 11
el método congruencial multiplicativo................................................................................ 11
pruebas estadísticas o de aleatoriedad para los números pseudoaleatorios. ............ 12
prueba de los promedios ..................................................................................................... 12
prueba de las frecuencias ................................................................................................... 12
prueba de series ................................................................................................................... 12
prueba de las corridas ......................................................................................................... 13
método de montecarlo ......................................................................................................... 13
conclusion ................................................................................................................................... 14
MODELACION Y SIMULACION DE SISTEMAS CL
Objetivos
Conocer sobre los números aleatorios, que, son aquellos que pueden ser
generados a partir de fuentes de aleatoriedad, las cuales, generalmente, son
de naturaleza física (dados, ruletas, mecanismos electrónicos o mecánicos), y
son gobernados por las leyes del azar; éstos exhiben verdadera aleatoriedad
en la realización de experimentos. Por su parte, los números pseudo-aleatorios
son aquellas que tienen un comportamiento similar a la naturaleza aleatoria,
pero están ceñidos a un patrón, generalmente de naturaleza matemática, que
hace que su comportamiento sea determinantico.
MODELACION Y SIMULACION DE SISTEMAS CL
Introducción:
Los sistemas reales frecuentemente tienen valores de tiempo y cantidades que
varían dentro de un rango y de acuerdo a una función específica de densidad,
definida por una distribución de probabilidad. Por ejemplo, si el tiempo que se
tarda una máquina en procesar una pieza se distribuye entre 2.2 minutos y 4.5
minutos, esto se definirá como una distribución de probabilidad en el modelo de
simulación. Durante la simulación, cada vez que una pieza entre a esta
máquina y sea procesada, el simulador generará un número al azar entre 2.2 y
4.5 minutos para simular el tiempo de procesamiento de esa pieza. Cada vez
que generamos un valor a partir de una distribución, a ese valor se le
llama variable aleatoria. Para generar variables aleatorias, es necesario
utilizar números aleatorios.
Casi todas las aplicaciones comerciales tienen varios generadores de números
pseudoaleatorios que pueden generar un conjunto muy grande de números sin
mostrar correlación entre ellos, para ello se utilizan métodos preestablecidos
que garantizan esta demanda.
Para poder realizar una simulación que incluya variabilidad dentro de sus
eventos, es preciso generar una serie de números que sean aleatorios por sí
mismos, y que su aleatoriedad se extrapole al modelo de simulación que se
está construyendo. En la construcción del modelo los números aleatorios
juegan un papel relevante.
Unas de las primeras tareas que es necesario llevar a cabo consiste en
analizar si los números que se utilizaran para “correr” o ejecutar la simulación
son realmente aleatorios o no; por desgracia, precisar lo anterior con absoluta
certidumbre resulta muy complicado, ya que para ello se tendría que generar
un número infinito de valores que permitan comprobar la existencia de
correlaciones entre ellos. Esta actividad sería muy costosa y tardada, volviendo
impráctico el uso de la simulación aun con las computadoras más avanzadas.
MODELACION Y SIMULACION DE SISTEMAS CL
NÚMEROS ALEATORIOS Y PSEDUOALEATORIOS
NÚMEROS ALEATORIOS
Un número aleatorio es aquel obtenido al azar, es decir, que todo número tenga
la misma probabilidad de ser elegido y que la elección de uno no dependa de la
elección del otro. El ejemplo clásico más utilizado para generarlos es el
lanzamiento repetitivo de una moneda o dado ideal no trucado.
¿PARA QUÉ SIRVEN?
Los números aleatorios permiten a los modelos matemáticos representar la
realidad.
En general cuando se requiere una impredecibilidad en unos determinados
datos, se utilizan números aleatorios
Los seres humanos vivimos en un medio aleatorio y nuestro comportamiento lo
es también. Si deseamos predecir el comportamiento de un material, de un
fenómeno climatológico o de un grupo humano podemos inferir a partir de datos
estadísticos. Para lograr una mejor aproximación a la realidad nuestra
herramienta predictiva debe funcionar de manera similar: aleatoriamente. De esa
necesidad surgieron los modelos de simulación.
En la vida cotidiana se utilizan números aleatorios en situaciones tan dispares
como pueden ser los juegos de azar, en el diseño de la caída de los copos de
nieve, en una animación por ordenador, en tests para localización de errores en
chips, en la transmisión de datos desde un satélite o en las finanzas.
PROPIEDADES Y GENERADORES DE NÚMEROS ALEATORIOS.
1. Su generación se basa en el uso de mecanismos físicos. Entre las distintas
propuestas se incluyen el recuento de partículas emitidas por una explosión, el
lanzamiento de monedas, aparatos mecánicos basadas en ruedas de la fortuna,
etc.
2. Tienen el inconveniente de ser generados lentamente. Además, los números
aleatorios no pueden almacenarse de forma automática. Por tanto, se deben
buscar procedimientos algorítmicos computacionales que generen números
MODELACION Y SIMULACION DE SISTEMAS CL
aleatorios de forma muy rápida y los puedan almacenar sin utilizar mucha
capacidad de memoria.
Una de las características más poderosas de la simulación es la habilidad de
imitar el comportamiento aleatorio que es característico de la mayoría de los
sistemas reales. Para poder imitar este comportamiento aleatorio la simulación
necesita utilizar un generador de números aleatorios, el cual es responsable de
producir un ciclo grandísimo e independiente de números aleatorios.
Hay que aclarar que los números U(0,1) producidos por un generador de
números aleatorios (algoritmo computacional) no son aleatorios en el verdadero
sentido de la palabra, ya que el generador puede reproducir la misma secuencia
de números una y otra vez, lo cual no indica un comportamiento aleatorio. Por
esta razón, a los números U(0,1) producidos por un generador (algoritmo) se les
llama pseudoaleatorios.
¿CÓMO PUEDO GENERAR NÚMEROS ALEATORIOS?
La lógica nos hace pensar que las personas somos generadores aleatorios
imperfectos, hay estudios que demuestran que existen tendencias claras en los
humanos para la elaboración de secuencias sesgadas y están relacionadas con
características personales, con los conocimientos o informaciones previas o con
la edad
Podemos aprovecharnos de situaciones reales para obtener una tabla de
números aleatorios, como la lista de los números de Lotería Nacional premiados
a lo largo de su historia, pues se caracterizan por que cada dígito tiene la misma
probabilidad de ser elegido, y su elección es independiente de las demás
extracciones.
Métodos manuales, lanzamiento de monedas, lanzamientos de dados,
dispositivos mecánicos, dispositivos electrónicos
Métodos de computación analógica, son métodos que dependen de ciertos
procesos físicos aleatorios, por ejemplo, el comportamiento de una corriente
eléctrica.
Métodos de computación digital, cuando se usa el ordenador digital.
MODELACION Y SIMULACION DE SISTEMAS CL
Tablas de bibliotecas, son números aleatorios que se han publicado; de los
cuales podemos encontrar listas en los libros de probabilidad y tablas de
matemáticas. Estos números fueron generados por alguno de los métodos de
computación analógica.
¿QUÉ SON LOS NÚMEROS PSEUDOALEATORIOS?
Son unos números generados por medio de una función (determinista, no
aleatoria) y que aparentan ser aleatorios. Estos números pseudoaleatorios se
generan a partir de un valor inicial aplicando iterativamente la función. La
sucesión de números pseudoaleatorios es sometida a diversos tests para medir
hasta qué punto se asemeja a una sucesión aleatoria.
PROPIEDADES DE LOS NÚMEROS PSEUDOALEATORIOS
Es deseable que los números pseudoaleatorios uniformes posean las siguientes
características:
Uniformemente distribuidos.
Estadísticamente independientes.
Reproducibles.
Periodo largo.
Generados mediante un método rápido.
Generados mediante un método que no requiera mucha capacidad de
almacenamiento de la computadora.
Generar un conjunto de números pseudoaleatorios es una tarea relativamente
sencilla, para ello, el lector sólo tiene que diseñar su propio algoritmo de
generación. Lo que resulta difícil es diseñar un algoritmo que genere un conjunto
de números pseudoaleatorios con periodo de vida suficientemente grande (N) y
además pase sin problema las pruebas de uniformidad e independencia, lo cual
implica evitar problemas como éstos:
Que los números del conjunto no estén uniformemente distribuidos, es decir,
que haya demasiados números en un subintervalo y otro muy pocos o
ninguno.
Que los números pseudoaleatorios sean discretos en lugar de continuos.
Que la media del conjunto sea muy alta o muy baja, es decir, que esté por
arriba o por debajo de ½.
MODELACION Y SIMULACION DE SISTEMAS CL
Que la varianza del conjunto sea muy alta o muy baja, es decir, que se
localice por arriba o por debajo de 1/12.
En ocasiones se presentan también anomalías como números pseudoaleatorios
seguidos por arriba o por debajo de la media; secuencia de números por arriba
de la media, seguida por una secuencia por debajo de la media, y viceversa, o
varios números seguidos en forma ascendente o descendente.
Existen varios métodos para generar números pseudoaleatorios.
¿POR QUÉ HAY QUE RECURRIR A LOS NÚMEROS
PSEUDOALEATORIOS?
Fundamentalmente porque las sucesiones de números pseudoaleatorios son
más rápidas de generar que las de números aleatorios. Si las personas tenemos
dificultad en generar números aleatorios, mucho más la tiene un ordenador, la
dificultad está en que un ordenador es tan "torpe" que no sabe generarlos. Por
eso usan números pseudoaleatorios, que para nuestro fin es lo mismo, pues
nadie los puede predecir.
APLICACIONES EN LA CRIPTOGRAFÍA
En el corazón de todos los sistemas criptográficos, está la generación de
números secretos que no puedan ser adivinados por otra persona, es decir
aleatorios.
La generación de números aleatorios es necesaria en diversos sistemas
criptográficos, como por ejemplo en la telefonía móvil digital GSM se utilizan para
la asignación de una clave aleatoria que sirve para autenticar al usuario o
también para dar cierta seguridad a la asignación inicial de números secretos a
las tarjetas de crédito.
MODELACION Y SIMULACION DE SISTEMAS CL
QUE SON GENERADORES DE NÚMEROS ALEATORIOS Y
PSUDOALEATORIOS
GENERADOR DE NUMEROS ALEATORIOS
Una vez construido un modelo, debemos experimentar sobre él y para poder
ejecutarlo necesitamos dar valores a las variables de tipo exógeno. De esta
forma podremos obtener valores de salida y pasaremos a realizar un análisis de
los mismos. Algunas de las variables de entrada son de tipo aleatorio por lo que
se tendrán que generar valores que simulen dichas entradas. Para generar
variables aleatorias que sigan determinadas funciones de probabilidad
necesitamos partir de series de números que cumplan ciertas características de
aleatoriedad. La generación de dichos números es lo que se va a abordar en
este tema.
GENERADOR DE NÚMEROS PSEUDOALEATORIOS
Un generador pseudoaleatorio de números (GPAN) es un algoritmo que produce
una sucesión de números que es una muy buena aproximación a un conjunto
aleatorio de números. La sucesión no es exactamente aleatoria en el sentido de
que queda completamente determinada por un conjunto relativamente pequeño
de valores iniciales, llamados el estado del GPAN. Si bien es posible generar
sucesiones mediante generadores de números aleatorios por dispositivos
mecánicos que son mejores aproximaciones a una sucesión aleatoria, los
números pseudo-aleatorios son importantes en la práctica para simulaciones
(por ejemplo, de sistemas físicos mediante el método de Montecarlo), y
desempeñan un papel central en la criptografía.
La mayoría de los algoritmos de generadores pseudoaleatorios producen
sucesiones que poseen una distribución uniforme según varios tipos de pruebas.
Las clases más comunes de estos algoritmos son generadores lineales
congruentes, generadores Fibonacci demorados, desplazamiento de registros
con retroalimentación lineal y desplazamientos de registros con
retroalimentación generalizada. Entre los desarrollos más recientes de
algoritmos pseudoaleatorios se encuentran Blum Blum Shub, Fortuna, y el
Mersenne twister.
MODELACION Y SIMULACION DE SISTEMAS CL
Se requiere de un cuidadoso análisis matemático para tener algún tipo de
confianza en que un dado GPAN genera números que son suficientemente
"aleatorios" para ser útiles para el propósito para el que se los precisa. Robert R.
Coveyou del Oak Ridge National Laboratory escribió un artículo titulado, "La
generación de números aleatorios es demasiado importante como para ser
dejado al azar."1 Y como John von Neumann decía en broma, "Todo el que
desarrolla métodos aritméticos para producir dígitos aleatorios esta desde luego
en pecado."2
GENERADORES DE NUMEROS ALEATORIOS Y PSEUDOALEATORIOS
EL MÉTODO DE CENTROS AL CUADRADO (MÉTODO DE LOS
CUADRADOS MEDIOS)
Este método es debido a von Neumann y tiene fundamentalmente sólo interés
histórico. El método de centros al cuadrado se apega a la siguiente metodología:
1. Inicie con un número entero positivo de 4 (2n) dígitos y llámele
Z0 (X0), llamado semilla.
2. Eleve Z0 (X0) al cuadrado para obtener un número de 8 (4n) dígitos.
Si es necesario, agregue ceros a la izquierda para hacerlo exactamente
de 8 dígitos.
3. Tome los 4 (2n) dígitos centrales como el próximo número de 4 (2n)
dígitos y llámele Z1(X1).
4. Coloque el punto decimal a la izquierda de Z1(X1) para obtener el
primer número pseudoaleatorio U(0,1).
5. Continué generando de esta forma números pseudoaleatorios
U(0,1)
DESVENTAJA DEL MÉTODO DE CENTROS AL CUADRADO:
Tiene una fuerte tendencia a degenerar rápidamente hacia cero, donde
permanecerá por siempre.
La gran mayoría de los generadores de números pseudoaleatorios que se usan
en la actualidad son generadores congruenciales lineales, introducidos
por Lehmer en 1951.
MODELACION Y SIMULACION DE SISTEMAS CL
Los generadores congruenciales lineales generan una secuencia de números
pseudoaleatorios en la cual el próximo número pseudoaleatorio es determinado
a partir del último número generado. A continuación, se presentan los dos más
importantes: el método congruencial mixto lineal y el método congruencial
multiplicativo lineal.
MÉTODO DE LEHMER
El método consiste en los siguientes pasos:
1. Se toma como semilla un número entero, X0, de n cifras.
2. Se elige otro entero, c, de k cifras. Suele tomarse k<n.
3. Se calcula X0 *c, número de a lo sumo, n + k cifras.
4. Se separan las k cifras de la izquierda de X0*c y al número formado
por las n cifras restantes se le resta el que se forma de esas k cifras de la
izquierda, dando lugar a X1.
5. Se repite este proceso tantas veces como sea necesario.
6. Se devuelven los valores
MÉTODO CONGRUENCIA MIXTO LINEAL
Los valores posibles de Xn+1 son 0, 1, 2,3,…, m-1, m representa el número
posible de valores que pueden ser generados.
Periodo del generador = 4
Reglas para la selección de parámetros en el método congruencial mixto lineal
En los ejemplos anteriores se colocaron de manera arbitraria cada uno de los
parámetros requeridos: X0, a, c, m. Sin embargo, para que el algoritmo sea
capaz de lograr el máximo periodo de vida n, es preciso que dichos parámetros
cumplan ciertas condiciones.
EL MÉTODO CONGRUENCIAL MULTIPLICATIVO
Al igual que el generador congruencial mixto lineal, el generador congruencial
multiplicativo determina el próximo número pseudoaleatorio a partir del último
número generado.
MODELACION Y SIMULACION DE SISTEMAS CL
PRUEBAS ESTADÍSTICAS O DE ALEATORIEDAD PARA LOS NÚMEROS
PSEUDOALEATORIOS.
Los números pseudoaleatorios producidos mediante un programa de
computadora no son aleatorios debido a que tales números están
completamente determinados por los datos iníciales y tienen una precisión
limitada. Sin embargo, en la medida en que esos números pseudoaleatorios
pasen determinadas pruebas estadísticas, pueden considerárseles como
verdaderos números aleatorios. Las siguientes pruebas son de las más usadas
para la comprobación de la aleatoriedad.
PRUEBA DE LOS PROMEDIOS
En la prueba de los promedios se establecen las siguientes hipótesis:
Ho: μ = ½ (los números pseudoaleatorios generados provienen de una
distribución U(0,1) con μ =0.50)
Ha: μ≠ ½ (los números pseudoaleatorios generados no provienen de una
distribución U(0,1) con μ=0.50)
PRUEBA DE LAS FRECUENCIAS
Esta prueba consiste en dividir el intervalo (0,1) en n subintervalos para luego
comparar para cada subintervalo la frecuencia esperada con la frecuencia
observada. Si estas frecuencias son bastante parecidas entonces la muestra
proviene de una distribución uniforme.
Las hipótesis son:
Ho: Los números pseudoaleatorios provienen de una distribución U(0,1).
Ha: Los números pseudoaleatorios no provienen de una distribución U(0,1).
PRUEBA DE SERIES
Esta prueba se utiliza para comprobar el grado de aleatoriedad entre números
sucesivos. La prueba consiste en formar parejas de números, las cuales son
consideradas como coordenadas en un cuadrado unitario dividido en n2 celdas.
En la prueba de series se generan N números pseudoaleatorios de los cuales se
forman parejas entre Ui y Ui + 1, es decir si se generan 5 números, las parejas
que se forman serian:
MODELACION Y SIMULACION DE SISTEMAS CL
(U1 , U2), (U2 , U3), (U3 , U4), (U4 , U5).
En seguida se determina la celda a la que pertenece cada pareja ordenada, con
lo cual se determina la frecuencia observada de cada celda.
PRUEBA DE LAS CORRIDAS
La prueba de las corridas sirve para probar la aleatoriedad de los números
generados. Esta prueba se basa en el número de corridas o secuencias
ascendentes y descendentes. Una corrida es una secuencia ascendente o
descendente de números pseudoaleatorios adyacentes.
MÉTODO DE MONTECARLO
La simulación de Montecarlo es un método especialmente útil para analizar
situaciones que involucran riesgo con el propósito de obtener respuestas
aproximadas cuando el realizar un experimento físico o el aplicar métodos
analíticos no es posible o resulta muy difícil o costoso.
La simulación de Montecarlo hace referencia a experimentos que involucran el
uso de números pseudoaleatorios. El requisito clave de esta técnica es que los
resultados de todas las variables de interés deben ser seleccionados
aleatoriamente.
La simulación de Montecarlo ha tenido una gran aceptación en la vida real debido
al poder analítico que presenta sin la necesidad de matemáticas complejas.
MODELACION Y SIMULACION DE SISTEMAS CL
CONCLUSION
Siempre que se generen números aleatorios, se habla de un conjunto de
números en un rango (1, n) en el cuál la probabilidad de que uno de esos
números sea elegido será siempre 1/n. 2- Los números aleatorios se utilizan
todo el tiempo aplicados al mundo real, ya que por medio de ellos se realizan
análisis probabilísticos y pruebas de proyectos, desarrollos de software, entre
otros. Se utilizan como referencia para encontrar y reducir errores. 3- Los
números aleatorios, permiten que sus simuladores tengan un mejor rendimiento
en cuanto a recursividad, comodidad, reproducibilidad, portabilidad, debido a su
forma de ser elegidos.
MODELACION Y SIMULACION DE SISTEMAS CL
