Académique Documents
Professionnel Documents
Culture Documents
UNIDAD II
En el caso de los mtodos digitales hay 3 formas para proveerse de nmeros aleatorios: provisin
externa, generacin interna por medio de un proceso fsico al azar, generacin interna por
medio de una relacin de recurrencia.
En el caso de provisin externa, lo que se hace es, grabar las tablas de nmeros aleatorios en una
cinta del sistema de la computadora digital.
La generacin interna por medio de una relacin de recurrencia, comprende la generacin por
medio de una transformacin indefinidamente continuada aplicada a un grupo de nmeros
elegidos en forma arbitraria.
El primer mtodo conocido para generar nmeros aleatorios de manera recurrente se considera
que es de los cuadrados centrales, en el que cada nmero de la sucesin se obtiene tomando
los dgitos centrales del cuadrado del nmero precedente o tambin conocido como raz para lo
cual seguimos los siguientes pasos:
Ejemplo.-
Si r=29 = 29 = 841= 84 41
= 0.84
El segundo mtodo conocido para generar nmeros aleatorios de manera recurrente se considera
que es de los productos centrales, en el que cada nmero de la sucesin se obtiene tomando
los dgitos centrales del producto de los nmeros precedentes para el cual seguimos los
siguientes pasos.
Ejemplo.-
= 1 2
Si r1=13 y r2=7 = 13 7= 91
(en este caso podemos obviar el paso 2 y directamente poner al numero 0 por delante) y luego
= 0.91
En la actualidad se prefiere el uso del mtodo de congruencias mixtas para generar nmeros
aleatorios satisfactorios para lo cual tenemos las siguientes formulas:
=(a* +c)mod(m)
Mdulo: >0 ,a >0 , c >0 y m >0 deben ser nmeros enteros. La operacin mod m
Significa multiplicar por a, sumar c y dividir el resultado entre m para obtener el residuo . Es
importante sealar que la ecuacin recursiva del algoritmo congruencial lineal generauna
secuencia de nmeros enteros y que para obtener nmeros pseudoaleatorios en el intervalo
(0,1) se requiere de la siguiente ecuacin:
Con i = 1,2,3,...,n
2paso 456*7=3192
Cualquiera que sea el mtodo para generar nmeros aleatorios debe satisfacer las siguientes
condiciones:
Deben ser:
Uniformemente distribuidos
Estadsticamente independientes
Reproducibles
Sin repeticin dentro de una longitud determinada de la sucesin
Generacin a grandes velocidades
Requerir el mnimo de capacidad de almacenamiento
Por lo cual a continuacin detallaremos las PRUEBAS ESTADSTICAS para realizar las
pruebas de uniformidad e independencia de los nmeros generados aleatoriamente:
a) Prueba De Medias
Consiste en verificar que los nmeros generados tengan una media estadsticamente igual a 1/2,
de este modo la hiptesis planteada es:
Ho = hiptesis nula: =
H1 = hiptesis alternativa:
X= =0
1 1
= ( )
2 12
1 1
= + ( )
2 12
Paso 3.- Si el valor X se encuentra entre li y ls, aceptamos que los nmeros tienen una media
estadsticamente igual a con un nivel de aceptacin 1.
Ejemplo:
Realice la prueba de medias a los primeros 30 nmeros aleatorios producidos con un generador
congruencial mixto, con un nivel de confianza del 95%.
0.03991 0.10461 0.93716 0.16894 0.98953 0.73231 0.25543 0.34565 0.02345 0.67347
0.10987 0.25678 0.71890 0.61234 0.86322 0.94134 0.99872 0.27657 0.82345 0.12387
0.05389 0.82474 0.59289 0.36782 0.72484 0.48999 0.50502 0.39528 0.36782 0.90234
Paso1
= 15.22015
X = 15.22015/30
X= 0.507338
Paso2
|Z0.025| = 1.96
Paso3
= 0.5298 = 0.4701
b) PRUEBA DE LA VARIANZA
Consiste en verificar si los nmeros aleatorios generados tienen una variancia de 0.083, de tal
forma que la hiptesis queda expresada como:
V(X)=
Paso 3. Si V(x) se encuentra entre los valores de liv(x) y lsv(x), aceptamos la hiptesis nula y los
nmeros aleatorios tiene una variancia estadsticamente igual a 1/12.
Ejemplo:
Realice la prueba de variancia a los siguientes 30 nmeros con un nivel de confianza del 95%.
0.72484 0.48999 0.50502 0.39528 0.36728 0.90234 0.71890 0.61234 0.86322 0.94134
0.99872 0.27657 0.34565 0.02345 0.67347 0.10987 0.25678 0.25593 0.82345 0.12387
0.05389 0.82474 0.59289 0.36782 0.03991 0.10461 0.93716 0.16894 0.98953 0.73231
E( x) = 0.507337
Paso1.-Aplicando la ecuacin del paso 1 se tiene V(x)= 0.104. Al calcular los lmites de
aceptacin para muestras de tamao 30,
Paso2
Paso3
0.046 0.1040.1313
PRUEBAS DE UNIFORMIDAD
a) PRUEBA DE LA CHI-CUADRADO
Tabla 1
0.34 0.9 0.25 0.89 0.87 0.44 0.12 0.21 0.46 0.67 0.83 0.76 0.79 0.64 0.7 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 0.3 0.17 0.82 0.56 0.05 0.45 0.31 0.78 0.05
0.79 0.71 0.23 0.19 0.82 0.93 0.65 0.37 0.39 0.42 0.99 0.17 0.99 0.46 0.05 0.66 0.1 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 0.3 0.94 0.96 0.58 0.73 0.05
0.06 0.39 0.84 0.24 0.4 0.64 0.4 0.19 0.79 0.62 0.18 0.26 0.97 0.88 0.64 0.47 0.6 0.11 0.29 0.78
PRUEBAS DE INDEPENDENCIA
Las pruebas de independencia consisten en demostrar que los nmeros generados son
estadsticamente independientes entre s, esto es, que no depende uno de otro.
Ho :ri = independiente
H1 :ri = dependiente
Paso 1. Calcular las probabilidades esperadas para un juego de poker con 5 cartas numeradas del
0 al 9 con reemplazos. Se tienen 7 eventos con las siguientes probabilidades:
Paso 3.Para cada nmero aleatorio generado verificar si es Pachuca, 1 par, 2 pares, etc., tomando
los primeros 5 dgitos a la derecha del punto decimal. Con estos resultados se genera una tabla de
frecuencias observadas de cada uno de los eventos.
Paso 5.Si el valor de C2 no excede al estadstico de tablas i2 con 6 g.l. y una probabilidad de
rechazo alfa =, entonces se acepta que los datos son estadsticamente independientes entre s.
Ejemplo:
Realice la prueba de Pker a los siguientes 30 nmeros con un nivel de confianza del 95%.
0.05, 6 = 12.6
Si : H0 se acepta
Ejemplo2
Realice la prueba de Poker a los siguientes 30 nmeros con un nivel de confianza de 95%
Evento PE FO FE
Pachuca 0.3024 7 9.072
Par 0.5040 15 15.12
Tercia 0.0720 5 2.16
2 Pares 0.1080 3 3.24
Full 0.0090 0 0.27
Poker 0.0045 0 0.135
Quintilla 0.0001 0 0.003
d) PRUEBA DE SERIES
Ho : ri independiente
H1 : ri dependiente
Paso 1 Crear un histograma de dos dimensiones m*m, con m intervalos, clasificando cada pareja
de nmeros consecutivos (ri, ri + 1) dentro de las casillas de dicho histograma de frecuencias. El
nmero total de pares ordenados en cada casilla formar la frecuencia observada: Foi.
Paso 2 Calcular la frecuencia esperada en cada casilla FE de acuerdo con FE=nm/m*m donde
nm. es el nmero total de parejas ordenadas y m = dimensin del histograma.
( )
=
Paso 4 Si el valor de 12 es menor o igual al estadstico de tablas 12 con m-1 grados de libertad y
una probabilidad de rechazo, entonces aceptamos que estadsticamente los nmeros son
independientes.
Ejemplo:
Realice la prueba de series a los siguientes 30 nmeros con un nivel de confianza del 95%
ri+1 1 3 2 1 2
0.75 1 1 1 3
0.50 1 3 3 1
0.25 2 2 1 2
0 0.25 0.50 0.75 1 ri
El valor de la tabla 2 con un nivel de confianza del 95% y con 15 grados de libertad es igual a
25. Si se compara 12 =5.75 con este valor, se acepta la independencia de la secuencia de
nmeros.
Si : H0 se acepta
Ejemplo:
Realice la prueba de series a los siguientes 30 nmeros con un nivel de confianza de 95%
IIIIII II III
6 2 3
III IIII
0
3 4
III IIIII III
3 5 3
Metodo de Compocicion
Ejemplo.
Sabemos que por la teora de la probabilidad que si el nmero de eventos se puede describir a
travs del flujo de Poisson, el tiempo entre la ocurrencia de eventos debe ser exponencial. En la
distribucin de Poisson el resultado se expresa como el nmero de eventos n que ocurren en un
determinado tiempo t. Por lo tanto para muestrear la distribucin exponencial con media
tantas veces como sea necesario hasta que la suma de las variables aleatorias generadas exceda a
t por vez primera. En este caso, el valor de Poisson muestreado n se toma igual al nmero de
veces que se muestreo la distribucin exponencial -1.
x 1 2 3 4 5
r 0.058962 0.673284 0.479909 0.948578 0.61396
0.9436 0.1318 0.2447 0.1075 0.1624
t = 1.4
La distribucin de poisson.-
Ejemplo 2.- el numero de clientes que llega a un banco sigue una distribucin de Poisson con una
media =5 [clientes/hora]. Generar el numero de clientes llegaran las prximas 2 horas, se sabe que la
media del tiempo entre llegadas es 1
1/=1
x 1 2 3 4 5
r 0.5603 0.4768 0.2251 0.5582 0.1455
*r 0.5603 0.2676 0.0601 0.0336 0.0049
X=4
x 1 2 3 4 5 6 7 8 9 10 11
r 0.576 0.8062 0.6647 0.5881 0.9116 0.8240 0.9101 0.9755 0.1073 0.2631 0.26
*r 0.576 0.4647 0.3554 0.2090 0.1905 0.1570 0.1429 0.1344 0.0738 0.0079 0.002
X=10
DISTRIBUCIN ERLANG
La variable aleatoria k-Erlang con medida 1/ puede producirse a partir dela generacin de k
variables exponenciales con media 1/k
Ejemplo:
El tiempo de proceso de cierta pieza sigue la distribucin 3-erlang con media 1/ de 8 minutos/
pieza. Una lista de nmeros pseudoaleatorios ri ~ U(0,1) y la ecuacin de generacin de
nmeros Erlang permite obtener la siguiente tabla que indica el comportamiento de una variable
aleatoria.
Distribucin Binomial
BIBLIOGRAFA