Números Pseudoaleatorios
Simulación de Sistemas
Números pseudoaleatorio
• Números generado mediante algún procedimiento algorítmico
mediante un computador.
• No son realmente aleatorios, pero se comportan estadísticamente
como si lo fueran.
Números pseudoaleatorio
• Valor uniforme en el intervalo (0,1)
• Es uno de los input en la simulación, ya que generan los eventos
aleatorios.
• Características:
• Uniformidad - Media ½ Var(x)=1/12
• Independencia
Métodos de generación
• Medio cuadrado
• Medio producto.
• Multiplicativo por una constante
• Congruencial lineal
• Congruencial multiplicativo
Métodos congruenciales
• Xi+1 = ( a* Xi + c ) mod m
• Donde:
• El valor inicial X0 se llama semilla,
• a es la constante multiplicativa,
• c es el incremento, y
• m es el módulo.
• Parámetros usuales: a = 75 = 16807, m = 231-1 = 2147483647 (un
número primo) y c = 0. Estos valores aseguran un periodo P = m-1.
Ejemplo método congruencial mixto
• m=8
• a=5
•c=3
• X0 = 3
Pruebas estadísticas para números
pseudo aleatorios
Generados mediante
algún método recursivo
Prueba de uniformidad,
• Se compara la distribución real con la teórica uniforme. Cada número
aleatorio debe de tener la misma probabilidad de ocurrencia.
• Pruebas:
• Kolmogorov-Smirnov.
• Chi-cuadrado.
Pruebas Chi-cuadrado
• Chi-cuadrado: sigue el procedimiento general comparando el
valor tabulado, S(Oi-Ei)2/Ei, con el valor de tabla, con n-1 grados
de libertad, siendo n el número de intervalos
• Si c2calculadoc2tabla, entonces se acepta la hipótesis de que los
números aleatorios se distribuyen uniformemente. Ei=N/n
• Prueba válida para al menos 50 números aleatorios.
Números aleatorios
0.71 0.99 0.34 0.58 0.76 0.95 0.78 0.85 0.68 0.32
0.59 0.33 0.93 0.99 0.21 0.68 0.86 0.13 0.50 0.64
0.76 0.25 0.52 0.27 0.37 0.49 0.21 0.48 0.79 0.57
0.24 0.06 0.60 0.77 0.55 0.75 0.64 0.36 0.37 0.80
0.62 0.24 0.17 0.13 0.37 0.20 0.70 0.64 0.94 0.64
0.37 0.17 0.48 0.22 0.55 0.83 0.32 0.56 0.24 0.48
0.69 0.52 0.83 0.20 0.24 0.86 0.49 0.76 0.53 0.75
0.21 0.81 0.20 0.49 0.63 0.84 0.78 0.33 0.98 0.46
0.51 0.57 0.84 0.98 0.77 0.91 0.48 0.24 0.90 0.30
0.40 0.64 0.58 0.30 0.72 0.11 0.39 0.07 0.51 0.59
Conteo
Ei Oi Oi-Ei (Oi-Ei)2 (Oi-Ei)2/Ei
0.00-0.10 10 2 8 64 6.4
0.10-0.20 10 6 4 16 1.6
0.20-0.30 10 14 -4 16 1.6
0.30-0.40 10 12 -2 4 0.4
0.40-0.50 10 9 1 1 0.1
0.50-0.60 10 15 -5 25 2.5
0.60-0.70 10 12 -2 4 0.4
0.70-0.80 10 13 -3 9 0.9
0.80-0.90 10 8 2 4 0.4
0.90-1.00 10 9 1 1 0.1
100 100 14.4
c2 0.05,9 = 16.9189602 Por lo tanto, se acepta la hipótesis de que los
números aleatorios generados se distribuyen
uniformemente.
Pruebas de independencia
• Se utiliza esta prueba para evaluar la independencia de un número generado
respecto a los anteriores. Ej. La secuencia:0.12, 0.15, 0.32, 0.55, 0.65,..no se
puede decir que es aleatoria por su tendencia.
• Se tienen 4 pruebas:
• Prueba de corrida (3 tipos)
• Prueba de autocorrelación.
• Prueba del vacío
• Prueba del póker
Prueba de corrida
• Se utiliza para determinar la presencia anormal de
grupos de números ascendentes, descendentes,
por encima del promedio, o por debajo del
promedio
• Prueba número arriba, número abajo.
• Prueba sobre y bajo la media.
• Longitud de corrida
Prueba sobre y bajo la media
• Evalúa las veces que en una secuencia los números están por encima y por
debajo de la media y los cambios en la tendencia, por medio de la fórmula de
Swed y Eisenhart:
• mb=(2*n1*n2)/N+1/2
• sb2=(2*n1*n2)*(2*n1*n2-N)/(N2*(N-1))
• En donde:
• n1=total de números sobre la media.
• n2=total de números bajo la media
• N=n1+n2
Números Aleatorios
0.67 0.90 0.25 0.89 0.87 0.44 0.12 0.21 0.46 0.67
0.83 0.76 0.79 0.64 0.70 0.81 0.94 0.74 0.22 0.74
0.96 0.99 0.77 0.67 0.56 0.41 0.52 0.73 0.99 0.02
0.47 0.30 0.17 0.82 0.56 0.05 0.45 0.31 0.78 0.05
0.79 0.71 0.84 0.19 0.82 0.93 0.65 0.37 0.39 0.42
0.99 0.17 0.98 0.46 0.05 0.66 0.10 0.42 0.18 0.49
0.37 0.51 0.54 0.01 0.81 0.28 0.69 0.34 0.75 0.49
0.72 0.43 0.56 0.97 0.30 0.94 0.96 0.58 0.73 0.05
0.06 0.39 0.84 0.24 0.40 0.64 0.40 0.19 0.79 0.62
0.16 0.26 0.97 0.88 0.64 0.47 0.60 0.11 0.29 0.78
Evaluación
+ + - + + - - - - +
+ + + + + + + + - +
+ + + + + - + + + -
- - - + + - - - + -
+ + + - + + + - - -
+ - + - - + - - - -
- + + - + - + - + -
+ - + + - + + + + -
- - + - - + - - + +
- - + + + - + - - +
Cálculos
n1= 55
n2= 45
b= 49
N= 100
m= 50
s2= 24.25
Z= 49 -50 24.25 1/2
-0.20307
=
Z0.05/2 = 1.96
Resultados
-1.96 -0.20307 1.96
Por lo tanto se acepta la hipótesis de que los
números aleatorios están independientemente
distribuidos.
Variables aleatorias
Generación
• La generación de cualquier variable aleatoria se basa en la generación
previa de una distribución uniforme (0,1).
• Se tienen métodos generales de generación de variables aleatorias;
así como, una serie de métodos particulares de las distintas
distribuciones.
Variables discretas
• Empírica: Se genera a partir de su distribución de probabilidad.
• Distribución de Bernoulli: Si R ≤ p, X=1
• Distribución binomial: si n es pequeña, convolución, si n es grande,
aproximación.
• Distribución de Poisson: Por su definición o se puede aproximar a una
exponencial.
Aproximación de una distribución
discreta a una continua
• Se relaciona para cada clase los límites de los intervalo asociado a la
probabilidad con los límites asociados a la variable aleatorio en
interés.
• Para cada clase habrá una función de la variable dependiente del
valor del número aleatorio.
x
1
Variable aleatoria continua
• Método de transformación inversa:
• Dado que F(x) = P(X ≤ x)
• Determinar F(x) integrando la función de densidad para el intervalo valor menor de x
hasta x
• Igualar F(x) a R
• Despejar x para que esté en función de R
• Condición, la función de densidad debe de ser integrable.
• Método de Box y Müller:
• Usada para la distribución normal.
𝑋𝑖 = 𝜇 + 𝑍𝑖 𝛔
𝑍1 = −2𝑙𝑛𝑅1 cos(2𝜋𝑅2 ) 𝑍2 = −2𝑙𝑛𝑅1 𝑠𝑒𝑛(2𝜋𝑅2 )
