TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE TIJUANA

SUBDIRECCIÓN ACADÉMICA
DEPARTAMENTO DE SISTEMAS Y COMPUTACIÓN

SEMESTRE:
AGO-DIC 2023

CARRERA:
Ingeniería en Sistemas Computacionales

MATERIA:
Simulación

TÍTULO ACTIVIDAD:
Acción 1: Números Pseudoaleatorios

UNIDAD A EVALUAR:
Unidad 2

NOMBRE Y NÚMERO DE CONTROL DEL ALUMNO:

Guerrero Aguilar Eligio Guadalupe – 17210571

NOMBRE DEL MAESTRO (A):

María Concepción Ibarra Gamiz

FECHA:
14/09/2023
Números pseudoaleatorios
Un número pseudoaleatorio no es más que el valor de una variable aleatoria x
que tiene una distribución de probabilidad uniforme definida en el intervalo (0,
1).
Los números pseudoaleatorios constituyen una parte realmente importante en la
simulación de procesos estocásticos y generalmente se usan para generar el
comportamiento de variables aleatorias, tanto continuas como discretas. Debido
a que no es posible generar números realmente aleatorios, los consideramos
como pseudoaleatorios, generados por medio de algoritmos determinísticos que
requieren parámetros de arranque.
Podemos asegurar con altos niveles de confiabilidad que el conjunto de
números que utilizaremos en una simulación se comporta de manera muy
similar a un conjunto de números totalmente aleatorios; por ello es que se les
denomina números pseudoaleatorios.

Características
• Equidistribución. Los números pseudoaleatorios deben repartirse por
igual, como correspondería a una verdadera distribución uniforme.
• Largo periodo. Todos los generadores de números pseudo aleatorios
tienen un periodo a partir del cual la secuencia de números se vuelve a
repetir. Para evitar correlaciones no deseadas es importante que el periodo
sea largo para no llegar a agotar la secuencia en un cálculo concreto.
• Repetibilidad. A veces se necesita repetir el cálculo con exactamente los
mismos números pseudo aleatorios (para hacer una comprobación, por
ejemplo). Así que conviene que el generador permite almacenar su estado.
• Largas subsecuencias disjuntas. Si la simulación es muy extensa resulta
conveniente subdividirla en otras más pequeñas, para lo que es importante
que sean estadísticamente independientes y así se puedan recombinar sin
introducir correlaciones.
• Portabilidad. La rutina debe generar exactamente la misma secuencia de
números pseudo aleatorios no solamente por distintos lenguajes de
programación si no también en distintas máquinas.
• Eficiencia. La generación de cada número pseudoaleatorio debe consumir
muy poco tiempo.
• Estadísticamente independientes.
• Continuidad. Los números pseudoaleatorios generados deben ser
continuos en lugar de discretos.
• Media del conjunto. Debe ser igual a 1⁄2
• Varianza del conjunto. Debe ser igual a 1⁄12
Softwares estadísticos
MATLAB.
MATLAB es una plataforma de programación y computación numérica que permite
a las empresas e instituciones educativas crear modelos, desarrollar algoritmos,
analizar conjuntos de datos y más. Los profesionales pueden usar el editor en vivo
para crear scripts y mejorar el código mediante hipervínculos, imágenes y
encabezados.
SPC for Excel
El software SPC for Excel simplifica el análisis estadístico y las gráficas para
ayudarte a identificar áreas problemáticas, obtener información sobre tus datos,
detectar tendencias, resolver problemas y mejorar los procesos; todo en el entorno
conocido de Excel. Para cualquier persona interesada en la mejora de procesos y
calidad.

Método de Monte Carlo

La simulación de Monte Carlo es una técnica de análisis numérico que combina
conceptos estadísticos (muestreo aleatorio) y el uso de ordenadores para imitar,
mediante modelos matemáticos, el comportamiento aleatorio de sistemas reales
no dinámicos. Permite tener en cuenta el riesgo en análisis cuantitativos y tomas
de decisiones.
A veces la aplicación del método Monte Carlo se usa para analizar problemas que
no tienen un componente aleatorio explícito; en estos casos un parámetro
determinista del problema se expresa como una distribución aleatoria y se simula
dicha distribución.

Características
1. Muestras aleatorias
El método Montecarlo debe generar muestras aleatorias para simular una situación o
modelo. En contexto, una muestra aleatoria se refiere a un conjunto de valores generados
de forma aleatoria a partir de una distribución de probabilidad específica. Estos valores se
usan para simular un conjunto de resultados posibles.
Las muestras aleatorias son parte fundamental de la simulación Montecarlo, pues son
representativas de la distribución de probabilidad de los datos de entrada. Sin ellas, la
proyección puede ser incorrecta o inexacta.
2. Distribución de entrada conocida
 Si bien la
simulación Montecarlo no siempre requiere de una distribución de entrada conocida; en
algunos casos es necesario comprender la distribución de los datos para generar
muestras aleatorias precisas y representativas.
Cuando la distribución de probabilidad de los datos de entrada es conocida, es posible
generar dichos resultados, lo que mejora la precisión de los resultados de la simulación.
3. Computacionalmente intensivo
El método Montecarlo puede ser computacionalmente intensivo, sobre todo cuando se
generan muchas muestras de datos. Por ello a menudo se utilizan métodos de simulación
más eficientes para grandes conjuntos de datos.
Referencias
NÚMEROS PSEUDOALEATORIOS y SUS CARACTERÍSTICAS. (2016, 15 septiembre).
Recuperado de [Link]
sus-caracteristicas/
Franzolini, D. (2023, 1 marzo). Qué es la simulación Montecarlo y cómo se aplica en
empresas. HunSpot. Recuperado de [Link]