PROFESOR:
Ing. Aldo Valenzuela
INTEGRANTES:
Martnez, Angelica C.I 22.822.827
Ortega, Arymir C.I 21.009.069
NDICE
Pg.
INTRODUCCIN..............................................................................................1
INTRODUCCIN
Los nmeros aleatorios son aquellos nmeros obtenidos al azar,
donde cualquier nmero tiene la misma probabilidad de ser elegido y su
eleccin no depende de cualquier condicin. Generar un nmero aleatorio es
algo muy habitual y necesario en lo que respecta a la informtica, ya que
abarca muchas reas y en diferentes situaciones representa de gran utilidad.
El medio donde nos desenvolvemos es aleatorio al igual que nuestro
comportamiento, cuando se necesita una impredecibilidad en determinados
datos, se recurren a los nmeros aleatorios, para predecir un fenmeno
climatolgico o el comportamiento un grupo de personas, podemos inferir a
partir de datos estadsticos utilizando herramientas que funcionen de manera
aleatoria.
Los nmeros aleatorios surgen en la dcada de los cuarenta con el
nacimiento del mtodo llamado Simulacin de Montecarlo, y Von Neumann,
Metropolis, Ulam y Lehmer. Pueden ser generados mediante mtodos
manuales, tablas, mtodos analgicos y digitales,
Los generadores de nmeros aleatorios son procedimientos o rutinas
utilizadas para generar una secuencia de nmeros, donde los diferentes
lenguajes de programacin poseen funciones de bibliotecas para nmeros
aleatorios.
En 1951 D.H. Lehmer propuso el generador lineal de congruencia, el
cual, con pequeas modificaciones propuestas por Thomson y Rotenberg, se
ha convertido en el mtodo para la generacin de nmeros aleatorios ms
ampliamente usado en la actualidad.
NMEROS ALEATORIOS
Definicin de nmeros aleatorios
Clav (2011) define como numero aleatorio aquel resultado que es
impredecible o fruto del azar. No es posible llegar hasta l siguiendo una
secuencia (p. 6).
Lehmer D (citado por el Instituto Tecnolgico de Ciudad Victoria,
2012), proporcion la siguiente definicin para nmeros aleatorios:
Una secuencia aleatoria es una nocin difusa... en la que cada trmino
es impredecible para el no iniciado y cuyos dgitos deben pasar una serie de
pruebas tradicionales para los estadsticos. (p. 1).
Cuevas (2016) explica que
Los nmeros aleatorios son nmeros que deben de cumplir los
requisitos de espacio equiprobable, es decir, que todo elemento tenga la
misma probabilidad de ser elegido y que la eleccin de uno no dependa de la
eleccin del otro. Son generados por medio de una funcin determinista (no
aleatoria) y que aparentan ser aleatorios (p. 1).
Caractersticas de los nmeros aleatorios
1. Son un elemento bsico en la simulacin de la mayora de los
sistemas discretos.
2. Cada nmero aleatorio es una muestra independiente de una
distribucin uniforme y continua en el intervalo (0,1).
3. Tiene igual probabilidad de ser elegido.
4. Se generan por tablas (Rand 1955), o por dispositivos especiales:
ruleta.
MTODOS
VENTAJAS
DESVENTAJAS
Lentos, simples y pocos
Manuales
Fcil generacin
Tablas
Fcil implementacin
prcticos
Lentos y no reproducibles
Comp Analgica
Rpidos verdaderos
No reproducibles
Comp Digital
Rpidos
No son verdaderos
r i=
Xi
i=0,1,2,3, , n
m1
xi
( m1)
xi
m1
xi
m1
Otros generadores:
Generador Shift-Register
Este generador viene dado de la forma:
ai X n +i
k1
(mod 2)
i=0
X n +k =
10
En donde
pueden generar
2
( m1)
( 2k1 )
( 2k 1 ) 2m 1 , adems se
Donde
x . x =1 , donde
x 0 y 0=0
Eichenauer y Lehn (1986) mostraron que:
El perodo mximo es m. Si
11
H 0 : r i U ( 0,1 )
H 1 :r i no son uniformes
Prueba ji-cuadrada de bondad de ajuste
El procedimiento de prueba requiere una muestra aleatoria de tamao
n proveniente de la poblacin cuya distribucin de probabilidad es
desconocida. Estas n observaciones se acomodan en un histograma de
frecuencia, el cual tiene k intervalos de clase. Sea O i la frecuencia observada
en le i-simo intervalo de clase. De la distribucin de probabilidad propuesta
se calcula la frecuencia esperada en el i-simo intervalo de clase, la cual se
denota por Ei. El estadstico de prueba es:
Ei
Oi
=
i=1
20
20 > 2a , k p1 .
13
20
1
20
20
2
22
20
3
17
20
4
18
20
5
19
20
6
24
20
X 2=
i=1
14
2
0,05=11,070 para =5
grados de libertad.
Como 1,7 es menos que el valor crtico, no se rechaza la H 0,
concluimos que no hay suficiente evidencia de que el dado esta
desbalanceado.
Esta prueba se utiliza para probar qu tan bien una muestra de datos
categricos se ajusta a una distribucin terica.
Prueba de Kolmogorov-Smirnov promodel
Sirve para determinar si un conjunto r1 cumple la propiedad de
uniformidad. Es recomendable aplicarla en conjuntos r 1 pequeos, por
ejemplo, n < 20. El procedimiento es el siguiente:
1. ordenar de menor a mayor los nmeros del conjunto r1
r 1 r 2 r 3 r n
2. Determinar los valores de:
mx
+=
{ni n}
1 i n
15
mx
{n ni }
1 i n
+ , D
D
D=max
3. Determinar el valor critico
0.11
0.13
0.21
0.26
0.65
0.69
0.89
0.97
0.98
y D
16
10
i
n
ri
i1
n
i
r
n i
i1
r i
n
n
+
D
De acuerdo con la tabla de valores para la prueba KolmogorovSmirnov, el valor critico
D0.10,10
correspondiente a n=10 es
D 0.10,10=0.368,
que resulta mayor al valor D=0.24; por lo tanto, se concluye que los nmeros
del conjunto ri se distribuyen uniformente.
Pruebas de independencia
Prueba de pker
La prueba de pker examina en forma individual los dgitos del nmero
pseudoaleatorio generado. La forma como esta prueba se realiza es
tomando 5 dgitos a la vez y clasificndolos como: par, dos pares, tercia,
pker, quintilla, full y todos diferentes. Lo anterior significa que los nmeros
pseudoaleatorios generados son de 5 dgitos cada uno, o bien, en caso de
que el nmero tenga ms de 5 dgitos, solamente se consideran los primeros
5. Las probabilidades para cada una de las manos de pker posibles:
Categora
Todos diferentes
Probabilidad
0,30240
17
Un par
Dos pares
Tercia
Full
Pker
Quintilla
0,50400
0,10800
0,07200
0,00900
0,00450
0,00010
FE i
i
X 20 =
i=0
Si
0,72
Primero hay que clasificar cada nmero del conjunto Ri, asignndole
las categoras.
18
Categora
El estadstico
Oi
Ei
FO
FE i
i
(EiOi )2
Ei
X 20 =
i=0
de
19
Donde
(;).
Al igual que en el inciso anterior, es conveniente agrupar las
probabilidades para valores de
siguiente expresin:
Pi n= (1)
m +n
=(1)
m =0
X 20 seria:
FO
FE i
i
X 20 =
i=0
20
X0=
Puesto que
X 0.05,3 =7,81 .
22
CONCLUSIN
Los nmeros aleatorios estn presentes en nuestra vida cotidiana, son
un elemento vital para muchos procesos necesarios cada da, desde juegos
de azar, animaciones, tests para localizacin de errores en chips, sistemas
de comunicaciones y redes, para evaluar el comportamiento de las finanzas,
sistemas criptogrficos la seguridad.
23
REFERENCIAS
Astaiza, L. (1983). Los nmeros aleatorios y la ingeniera. Ingeniera de
sistemas. [Artculo en lnea], 7 (1). 55-60. Consultado el 12 diciembre
de 2016 en: http://revistas.unal.
edu.co/index.php/ingeinv/article/view/28891
Clav, A. (2011). Generador de nmeros aleatorios. [Documento en Lnea]
Espaa. Consultado el 12 de diciembre de 2016:
http://deeea.urv.cat/public/PROPOSTES/pub/pdf/1178pub.pdf
Cuevas, R. (2016). Nmeros aleatorios y pseudoaletorios. [Documento en
Lnea] Mxico. Consultado el 12 diciembre de 2016 en:
https://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r57653.D
OC
Instituto Tecnolgico de Ciudad Victoria. (2012). Generacin de nmeros
aleatorios. [Documento en Lnea] Mxico. Consultado el 12 diciembre
de 2016 en:
http://ccpmderat.com/Cursos/ITCV/Simulation/Archives/Unit2/GEN_DE
_NUM_ALEAT.pdf
Mancilla, A. (2000). Nmeros Aleatorios. Historia, Teora y Aplicaciones.
Ingeniera & Desarrollo. [Artculo en lnea], 8 (1). 49-69. Consultado el
12 diciembre de 2016 en:
24
http://ciruelo.uninorte.edu.co/pdf/ingenieria_desarrollo/8/numeros_alea
torios.pdf
Salmern, A y Morales, M. (2001). Estadstica Computacional [Libro en lnea].
Consultado el 12 diciembre de 2016 en:
http://www.ual.es/~asalmero/papers/libro.pdf
Tarifa, E. (2011). Generacin de Nmeros Aleatorios. Teora de Modelos y
Simulacin. [Documento en lnea] Argentina. Consultado el 12
diciembre de 2016 en:
https://iupsm.files.wordpress.com/2011/11/triangular.pdf
Universidad de Talca. (s/f). Muestreo [Documento en Lnea] Chile.
Consultado el 12 diciembre de 2016 en:
http://dta.utalca.cl/estadistica/ejercicios/recoger/
Muestro/muestreo.pdf
Walpole, R.; Myers, R.; Myers, S. y Ye, K. (2012). Probabilidad y estadstica
para ingeniera y ciencias (9 ed). Mxico: Pearson Educacin.
Triola, M. (2004). Estadstica (9 ed). Mxico: Pearson Educacin.
Coss, R. (1993). Simulacin: un enfoque prctico (2 ed). Mxico: Editorial
Limusa.
Garca, E.; Garca, H. y Crdenas, L. (2013). Simulacin y anlisis de
sistemas con ProModel (2 ed). Mxico: Pearson Educacin.
25