Scribd Logo
Importer

Bienvenue sur Scribd !

  • Generacion de Numeros Aleatorios

    Transféré par

    Fernando Huitron
    7 vues17 pages
    Estadistica

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document
    Estadistica

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    7 vues17 pages

    Generacion de Numeros Aleatorios

    Transféré par

    Fernando Huitron
    Estadistica

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 17
    EXPERTENCTAS GENERACION DE NUMEROS ALEATORIOS NEDIANTE COMPUTADORA. SUS APLICA CIONES EN DIDACTICA" Por Hernéndez Guarch, F., Arribf Lépez, A. Lopez Cancio, J.A. y Limtmana Canal, JM, Departamento de Cibernética y Ciencias Basicas. Colegio Universitario de Las Palmas. 43 INTRODUCCION. En el Tercer Congreso Internacional sobre Educacién Ma- temética, organizado en Karisruhe (R.F.A.) en 1974, dentro de Tos formes presentados, hubo uno, concretamente el By "EL PAPEL DE LOS ~ AUGORTTMOS Y LAS COMPUTADORAS EN LA ENSERANZA DE LA MATEMATICA", pre, parado por A-ENGEL, de la R.F.A., que adends de las ideas generales sobre el tena que Te daba tftulo, enumeré hasta 60 programas usados fen las escuelas secundarias, muchos de ellos con posibilidad de eje- cutarse con calculadoras de bolsillo, y otros sélanente aptos para - ordenadores de mis capacidad. Entre ellos, uno se titulaba "SIMULA- CION DE NUMEROS ALEATORIOS CON EL GENERADOR GRAFICO DE MUESTRAS ALEA. TORIAS" Trabajando en esta Tinea, presentamos una introduccii a 1a generacién de nimeros aleatorios y algunas de sus aplicaciones, todas ellas a nivel de BachiTlerato, Entendenos que alin cuando no figure en los cues' rios oficiales nada sobre este asunto, puede ser objeto de trabajos_ de seminario y optativos, para grupos de alumnos, con Ta ventaja pa ‘ona ra el profesor que los dirige de que se prepara para cuando, y no sé ha de tardar mucho, Tos cuestionarios contemplen situaciones de este tipo o andlogas y para Tos alunnos porque son métodos de trabajo in- teresantes y que quizd Te den una visién menos rutinaria de To habi- ‘tual para resolver problemas MUMEROS ALEATORIOS. Se entiende por nimeros aleatorios aquéllos que satisfa cen ciertas condiciones, més menos rigurosas y dificiles de siste- natizar, de aleatoriedad. Aunque en principia pueden ser generados ~ por procesas de azar, cono hicieron, por ejenplo, Kendall y Smith en 1980, para su tabla de cien mil dfgitos, enpleando un disco dividido en diez sectores, cada uno marcado con una cifra diferente, de 0a 9 14 que giraba répidanente de modo que un foco Tuminoso dejaba ver a in- tervalos aleatorios un solo digito, anoténdolo un observador; 0 en Espafia, Royo y Ferrer en 1954, quienes utilizaron para 1a construc-- cin de su tabla de doscientos cincuenta mil dfgitos los resultados_ de Ta Loteria Nacional, los nimeros aleatorios son mis bien nimeros_ producides por procesos sistenéticos. Asf, uno de los métodos es el eel digitos, elevarlo a1 cuadrado y retener los diez dfgitos del centro como "aleatorios", desechando Tas cifras extremas. tuadrado central". Consiste en tonar un niimero de suficientes - Otro podrfa ser e1 empleado por Fischer y Yates en 1953, para su tabla de cien mil digitos, construfda a partir de las cifras entre 15 y 19 en unas tablas logarftmicas de veinte cifras. Otro me- canisma tfpico para generar niimeros aleatorios es n+ 1 = Xn (mod MN) Un elenento inicial Xo se multiplica reiteradanente por Ly cada producto se reduce médulo N. Estos nimeros asf generados se someten a Tas pruebas, ~ apuntadas al comienzo, de aleatoriedad, Son, por ejemplo, (citadas por Azorin Pach, ref.1) las lamadas a) frecuencial, b) serial, c) poker, d) lagunar, etc. Consiste 1a "frecuencial" en contar las apariciones de los diferentes digitos y someterla a un test x*, con 1a hipétesis de que de ser ciertamente aleatorias, cada dfgito deberfa aparecer 1/10 del total. Este mismo test x2, se utiliza en la "serial", consis- tente en calcular Ja frecuencia de cada par de digitos consecutivos, mediante una tabla de doble entrada cuyas columas y filas corres ponden a los diez digitos, 0, 1 cuencias absolutas observadas para cada par no difieran significat 2.9, Se trata de que las fre vamente de 1a esperada, que es N/100. Puede aplicarse a grupos de - tres, cuatro o mds elementos. 15. En 1a pruebe Nameda "poker", se estudia 1a frecuencia absoluta obtenida para cade ninero cuyas cuatro cifras sean iguales, 1y se compara con 1a esperada, que es (1/1000) (j}) Por Gltimo, para Ta “lagunar" habré que calcular 1a fre, cuencia esperada para una laguna de tanafo i, para un dfgito cual-- quera. Esta quiere decir que si tonamos el cero, habria que contar Jos dfgitos que hay entre dos ceros consecutivos. La frecuencia espe- vada para una laguna de orden i sera: oth qole Para mis detalles puede verse el Vibro de Azorin Poch ~ citado. Hay muchas més pruebas de esta naturaleza, algunas sen- cillas, cono el contar Tas carreras dobles ascendentes (es decir, in- crementos positivos entre tres nimeros consecutivos, por eJemplo, 1, 45, 51) y descendentes y contrastarlas con Tos valores esperados, ob- tenidos siempre con 1a hipétesis nula de aleatoriedad de los ntneros. El test de contraste més enpleado es el ya citado 2. CONJUNTO DE VALORES ALEATORIOS x FRENTE ALCONSTANTE GENERADOS SEGUN SE_INDICA VALORES ALEATORIOS SEGUN X=RNDX CON N=500 ———--—---| JALORES ALEATORIOS SEGUN x=LOGK1000-INT(LOGK* 1000) CON N=500] ee VALORES ALEATORIOS SEGUN X=x97 9-10 SMINT(7 9*x/10 5) CON e500 Fie d 16 Los autores de este trabajo han utilizado también prue- bas gr8ficas de aleatoriedad, aprovechando la facilidad de representa cin gr&fica del computador utilizado. Asi, en el supuesto de aleato- riedad y reduciendo Tos nimeros para que estuvieran conprendidos en= tre Oy 1, (ver Fig. 1) deberfan cubrir el segmento (0,1) sin cla- ros ni borrones apreciables. Del mismo tipo es la prueba de isotropta fen el choque de neutrones térmicos que se presenta en este trabajo. - (ver Fig. 48). En las aplicacténes con computadora suele introducirs en el programa un método propio de generacién de nimeros aleatorios , ya.que serfa muy tedioso el tener que tonarlos de alguna tabla, y tam bién un test de aleatoriedad para confirmar este cardcter en los nine 0s productdos. Los nimeros aleatorios son la base de 1a resolucién de ciertos problemas con el método de Nontecarlo. Se trata de imitar o - simular la aritnética de un fenémeno real con un nlinera aleatorio que que cunpla los requisitos del problema. Este método se enplea, en general, en la resolucién de problemas que dependen de modo importante de factores probabilfsticos fen Tos que 1a experiencia ffsica no resulta factible, o se hace larga y tediosa, y 1a solucién est8 fuera de? alcance de los céleulos tebri, 2. EL PROBLEMA DE BUFFON, Una forma de obtener el valor del ndnera + es baséndo: nos en el concepto de probabilidad. Se trata de conseguir que su va Jor sea definide analfticamente con exactitud por una probabilidad y después sustituir ésta mediante una frecuencia. £1 caso particular - que vanos a utilizar para este trabajo es un problena fanoso que se - conoce con e1 nombre de problema de BUFFON (1707-1788) . 47 ae Ul Se puede enunciar asf: Se tienen sobre un plano una se- rie de paralelas, siendo Ta distancia entre ellas 2a, Se lanza una - aguja de longitud 21 < 2a al azar sobre el plano, y se busca 1a pro- babiTidad de que 1a aguja corte a alguna paralela. (Fig. 28) ae i I 1 1 an - I 1 Fig 28 18 Naturatmente, 1a aguja cortard si Ta distancia entre su centro y 1a recta més préxima es menor que 1 sen a siendo a , el &n- gulo formado por 1a aguja con la recta. Si consideranos sGlamente - uno de los extrenos de 1a aguja, a variaré entre 0 y 9 Podenos hacer un esquema, que nos ayudaré a encontrar ~ 1a probabilidad de que corte. (Fig. 28 GRAFICA DE L SEM X DESDE X20 A X90 CON L=1 AH2 Fic 28 Los casos posibles estén dados evidentenente por el - Grea del recténgulo de lados 2 y 90°(Cualquier punto de este rectén- gulo tiene dos coordenadas que representan los dos valores variable: distancia del centro de 1a aguja a la paralela més préxina y valor del angulo. Y los casos favorables estarén representados por el érea bajo 1a curva 1 sen a. 19 La probabilidad buscada seré por tanto P= 2 (# asenada n° fn esta expresién, podemos ahora despejar el valor * obteniéndose * = 28/Pa. Si encontranes el valor de P, Gnico desconacido, pode- mos sustituirlo en esta expresién y obtener asi el valor de * que es nuestro objetivo. Nos acercarenos a P buscando 1a frecuencia del suceso, consistente en que 1a aguja corte a alguna paralela y esta aproxina cin seré tanto mejor cuanto mis alto sea el niinero de ensayos (Na~ turalmente esto no quiere decir que no podamos obtener un valor més exacto con 100 ensayos que con 10.000. Eso es el azar). Wolf siguié este procedimiento y en 1800, con $000 ensayos obtuvo un valor de + igual a 3, 1596. Es evidente que podenos sustituir el ensayo real (tirar 1a aguja sobre Tas paralelas) por un ensayo ficticio més cémodo de realizar, generando Tos valores necesarios (distancia del centro de Ja aguja a Ta paralela més préxina y el valor del seno del éngulo - formado por 1a aguja y Ta paralela) mediante algin otro método ales torio. Para simplificar Tos célculos, podemos pensar que 1=1 y ar2. p Podiamos,en efecto,simular 1a distancia que es un valor entre Oy 2, mediante una ruleta, por ejemplo; bastarfa con dividir por 18 el nimero obtenido. Tanbién se podrfa hacer lo mismo para ge nerar el valor del seno dividiendo por 36 y multiplicando por 90,10 que nos daria el valor del éngulo en grados sexagesinales. De esa manera n Naturalnente, se puede atin simplificar mas e1 asunto - UutiTizando nfimeras aleatorios, obtenidos de las tres dltimas cifras a, b, c, de un listin telefénico. Si los suponenos escritos de 1a forma 0, a bc, milti- plicando por 2 encontraremas un valor para 1a distancia y con 0, a" b'c! por 90 el valor del angulo en grados sexagesinales. 20 Simulacién mediante conputadora También, y eso hemos hecho nosotros, se Te puede enco-— mendar el trabajo a un ordenador. No es preciso que sea muy grande , (nosotros utiTizanos un HP 98308) y con un programa adecuado, é1 se encarga de todo. Genera los niineros aleatorios, hace todas Tas operacio- nes necesarias, compara los valores y nos 4 el obtenido para x. He- nos realizado secuencias de 500, 1.000, §,000 y 10.000 tiradas, obte niendo valores medios de 3'113, 3'110, 3'125, 3'135 respectivamente. } (En una ocasién con s6lo 10 tiradas obtuvimos 31528, 1o que no deja de ser una casualidad). (Ref.6) GRAFICAS DE VALORES ALEATORIOS DE PI 2.90 500_1000 1500 20002500 3000 3500 4000 4500 5000, A CITA DE LOS Dos AMIGOS Un problema facil de resolver, sin necesidad de recurrir 2a a procedimientos aleatorios, nos puede servir para contrastar 1a efi, cacia del mismo, Conociendo, @ priori, la solucién, nos seré senci~ Vo decidir si Ta aproximacién obtenida con los nineros aleatorios es buena o mala. Sean, pues, dos amigos que quedan citados entre 1a una y Tas dos de la tarde en determinado lugar, con e1 compromiso de es- perar diez minutos 1a 1Tegada del otro. ZCuél es 1a probabilidad de que os dos amigos Teguen a encontrarse? En un gréfico, 1a solucién no es diffcil: Tas horas de Megada de uno de ellos se representan en el efe horizontal y as = del otro en la vertical (Fig. 3A) CALCULO APROXIMADO DE LA PROBABILIDAD DE QUE DOS ‘AAFGOS SE ENCUENTREN ESPERANDO DIEZ MINUTOS Fig 34 22 Llegarn 2 encontrarse si el intervalo entre 1a Megada del 1° ye] 2° no es superior @ 10 minutos, basta por tanto encon, tar el area de 1a franja entre dos paralelas (trazadas, cono indica a Figura, de th. 10 min. a 1h. 50 min.) E] area ser el total 1x1 excepto Tas zonas donde no 15.5 25 se encuentran 2 ZB .esdeciri- B-H 0'306 . Hacténdolo con nineros aleatorios, al computador se le fordena que los genere por pares entre 0 y 1 (una hora) similando ho- ras de Tegada de anbos amigos, que los compare, y cuente en qué ca- sos la diferencia, el valor absoluto, es mayor que 1/6 (10 minutos), y en cudntos es menor. La frecuencia relativa de estos Gitimos nos 48 una aproximacién a la probabilidad buscada La grdfica para 1.000 pruebas, marcando con una cruz = Jos encuentros, es 1a de la Fig. 38. CALCULO APROXIMADO DE LA PROBABILIDAD DE QUE 005 AMIGOS SE ENCUENTREN ESPERANDO O1€2 MINUTOS Los valores obtenidos son, por ejemplo, 0°329, 0'309 y (0'303 para N° = 100, 1.000 y 50.000 casos respectivamente. 4, ABSORCION DE_NEUTRONES. Histéricamente este problena se planted durante 1a se-~ gunda guerra mundial a los cientfficos que, con gran secreto, traba~ Jaan en el Laboratorio de Los Alamos. Por un pracedimiento sorprendentenente sencil1o, los ma teméticos John Von Neunann y Stanislas Ulam resolvieron el problena, dando el primero de ellos 2 2 técnica enpleada el nombre de "Monte- carlo" que describinos en e1 primer parrafo. Veamos céno hemes aplicado este método 2 nuestro proble, rma de difusién de neutrones térmicos. Deseamos conocer qué poréenta~ je de Tos neutrones incidentes atraviesan una Ténina de Pb de un de~ terminado espesor. No hay ninguna férmula capaz de describir con pre cisién el comportamiento de todos Tos neutrones. Se trata, entonces, de seguir paso @ paso la "historia" de Tos neutrones de una muestra de tanafo considerable tonada del haz incidente. Nosotros To hemos - hecho con 15.000 neutrones térmicos Suponganos que Tos neutrones se pasean dentro del blin- daje, chocando ocasionalmente con nicleos de Pb. Sabemos cudl es la distancia media recorrida por un neutrén antes de chocar con un ni-~ cleo (D = 3,4 cm.)3 as probabilidades relativas de que el neutrén - sea absorbido © rechazado por el nGcleo (%a/°d = 1/100), asi cono el resto de la informacién, han sido tonadas de un estudio previo reali. zado sobre las bases ffsicas del problema, (Ref. 5). Toneros un neu- trén y sigamos las vicisitudes de su “historia” (ver Fig. 4A). Este neutrén penetra en el blindaje une distancia D y - choca con un nicleo de Pb. Si el neutrén es abscrbido (Ta probabi1i~ dad de que esto suceda es de 0.01) se acabé su "historia". Sino, - asignenos una direccién alestoria @ su nueva trayectoria de recorri- do nuevanente D, hasta su segundo choque (1a Fig.48 es una prueba - aréfica de dicha aleatoriedad y sinula 1a isotropta de Yos choques) y asf suces vanente ISOTROPIA EN EL CHOQUE DE UN NEUTRON TERMICO Fie 46 25 A partir del tercer choque, si Te suna de Tas proyeccio, nes verticales de los recorridos es menor que 0, el neutrén ha sido dewelto. Si es mayor que 2D, ha atravesado el blindaje. Si no,con, tinda dentro de 61. De este modo vanos siguiendo el neutrén hasta ~ que es absorbido o pierde tanta energta que deja de interesarnos, 0 se escapa del blindaje de Pb. Si acumulamos un niimero suficientenen- te grande de estas “historias” obtendremos una descripcién més 0 me- nos exacta del porcentaje de penetracion buscado. £1 grado de preci- 546n dependerd del nimero de casos considerados. ResuTta de hecho ~ que Ta precisién de 1a aproxinacién en el método de Montecarlo aumen, ta s6lanente con el cuadrado del nimero de ensayos. (Ver eT Apartado 5). En nuestra simulacién henos utilizado los némeros alea~ torios generates mediante una conputadora HP 9830 que estuvo traba~ Jando seis horas para construir Ta “historia” de quince mil neutro-~ nes, a través de un mixino de ciento cincuenta mil choques. Los valores obtenidos para 100, 1.000 y 10.000 ensayos. son 25%, 25,678 y 25,698. Para el estudio didéctico en el que henos de evitar ex- cesivas complicaciones, henos supuesto que el nimero miximo de cho-~ ques de un neutrén dentra del blindaje es diez (en realidad, para - que 10s neutrones enpiecen a ser absorbidos dentro del Pb, han de - perder energfa, desde 0,025 ev @ 0.0025 ev, lo que supone unos dos cientos cuarenta choques) Como puede verse, con s6lo mil ensayos se obtiene una ~ exactitud suficiente; lo cual refleja la lentitud enorme de 1a con-~ vergencia hacia una solucién més exacta por estos métodos. Esto ya - Jo habfanos observado en el apartado que hemos realizado sobre el - cAlculo del niinera + par métodos aleatorios y que es una caracterfs- tica en el método de Montecarlo. 5. OBSERVACIONES APLICACIONES OIOACTICAS Aunque el calculador no esté al alcance de todos, si es 26 SO | | posible utilizar con alunnos de Bachillerato el método de Montecar~ Jo, generando nfimeros aleatorios por otros procedimientos. En un = ‘grupo de 30 alunnos, si cada uno se encarga de, por ejenplo, 200 ni mmeros, es facil Megar a una buena aproxinactén. Necesitamos, en ocasiones, algunas funciones que trans formen el valor de los nfineros aleatorios, (en los ejemplos del ni mero y de los choques de neutrones hemos necesitado las funciones eno y coseno), pero eso es facil de conseguir con las méquinas de calcular, que tan frecuentes son ya. Los nGmeros aleatorios, propiamente dichos, se pueden= leer en tablas 0 incluso en un Tistin de teléfonos, tomando las - tres dltimas cifras, como ya se dijo en el apartado del problema de Buffon. Creemos que todo ello constituye una experiencia inte- resante porque son varios os conceptos importantes que se manejan, y porque abre horizontes nuevos sobre formas de trabajo. Convenga~. ‘mos en que es un método original Quedan, naturalmente, muchas cuestiones pendientes. - Quizé 1a mas importante sea Ta que atahe a 1a rapidez de convergen- cia. Hemos apuntado que es un método de convergencia Tenta, Ello se debe al teorema de BERNOUILLI. En efecto, dados c, a . positives, arbitrariamente pe- quefios, se puede fijar n> ba P[iti-pl

    Vous aimerez peut-être aussi