UNIDAD 2 NÚMEROS

PSEUDOALEATORIOS
ISCCAMC
ISC
ITZ
Introducción & Definición
• Pseudo-aleatorio ?
• Generado en un proceso que parece producirlos al azar
• No muestran ningún patrón
• No regularidad aparente desde un punto de vista estadístico
• Generadas por un Algoritmo completamente determinista
• Las mismas condiciones iniciales producen siempre el mismo resultado
• S– E - C
2.1 Métodos de generación de números
Pseudoaleatorio
• Ejercicio 1 
• DEF  ?
• Un GNPA (GPAN) es un algoritmo que produce una sucesión de números que es
una muy buena aproximación a un conjunto aleatorio de números.
• Ejercicio 2 
• La sucesión no es exactamente aleatoria en el sentido de que queda
completamente determinada por un conjunto relativamente pequeño de valores
iniciales, llamados el estado del GPAN.
 Cont. Métodos de GNPA
• Si bien es posible generar sucesiones mediante generadores de números
aleatorios por dispositivos mecánicos (GNADM) que son mejores aproximaciones
a una sucesión aleatoria, los números pseudo-aleatorios son importantes en la
práctica para simulaciones (por ejemplo, de sistemas físicos mediante el Método
de Monte Carlo), y desempeñan un papel central en la CRIPTOGRAFIA.

• La mayoría de los algoritmos de generadores pseudo-aleatorios producen

sucesiones que poseen una distribución uniforme según varios tipos de pruebas.
Propiedades de los números
pseudoaleatorios
1. Uniformemente distribuidos.
2. Estadísticamente independientes.
3. Reproducibles.
4. Periodo largo.
5. Generados mediante un método rápido.
6. Generados mediante un método que no requiera mucha
capacidad de almacenamiento de la computadora.
Contrastes de los números aleatorios
• Generar números aleatorios es algo relativamente sencillo, el
estudiante puede diseñar su propio algoritmo de generación.
• Lo que resulta difícil es diseñar un algoritmo que genere un
conjunto de números pseudo-aleatorios con periodo de vida
suficientemente grande (N) y además pase sin problema las
pruebas de uniformidad e independencia.
Implicaciones de la uniformidad e
independencia (cosas a evitar:)
1. Que los números del conjunto no estén uniformemente
distribuidos, es decir, que haya demasiados números en un
sub-intervalo y otro muy pocos o ninguno.
2. Que los números pseudoaleatorios sean discretos en lugar de
continuos
3. Que la media del conjunto sea muy alta o muy baja, es decir,
que esté por arriba o por debajo de ½.
4. Que la varianza del conjunto sea muy alta o muy baja, es decir,
que se localice por arriba o por debajo de 1/12.
Clases de algoritmos generadores

Generadores lineales Generadores Fibonacci

congruentes demorados

G. Desplazamiento de G. Desplazamientos de
registros con registros con
retroalimentación retroalimentación
lineal generalizada
Desarrollos mas recientes de algoritmos
GNPA
Blum Blum Shub
• BBS  Xi+1 = Xn ^2 mod m (p*q)
• p=11, q=19 y s=3 x0, x1, x2,... x5= 9, 81, 82, 36, 42, 92

Fortuna

Mersenne twister.
MÉTODOS DE GENERACIÓN
DE NÚMEROS
“MAS IMPORTANTES”
El Método de BBS Blum
Centros al Blum Shub
Cuadrado

Congruencial Congruencial
mixto multiplicativo
(Lehmer) (Lehmer)
Característica de la mayoría de los
métodos
1. Todos los métodos generadores comienzan con un numero inicial
• SEMILLA

2. A este numero se le aplica un determinado procedimiento y así se encuentra el

primer numero random.
• X1

3. Usando este numero como entrada, el procedimiento es repetido para lograr un

próximo numero random
• X n  X n-1
El Método de Centros al Cuadrado
(Método de los cuadrados medios)
• Metodología:
1. Inicie con un número entero positivo de 4 (2n) dígitos y llámele Z0 (X0), llamado
semilla.
2. Eleve Z0 (X0) al cuadrado para obtener un número de 8 (4n) dígitos. ZerosIZQ ex(8d).
3. Tome los 4 (2n) dígitos centrales como el próximo número de 4 (2n) dígitos y llámele
Z1(X1).
4. Coloque el punto decimal a la izquierda de Z1(X1) para obtener el primer número
pseudoaleatorio U(0,1).
5. Continué generando de esta forma números pseudoaleatorios U(0,1).
Ejemplo de NPA con el método de centros
al cuadrado
1. Se escoge una semilla Xo de D • Por Ejemeplo: si se tiene una semilla
dígitos (D>3) (c/u escoja su semilla). Xo = 7531. Encuentre los primeros 5
números aleatorios.
2. Elevar X0 al cuadrado (c/u hágalo)
• Xo ^ 2 = 56715961
• 56715961 X1 = 7159
3. Tomar los D dígitos del centro (4)
• X1 ^2 = 51251281
• 51251281 X2= 2512
4. Repetir los pasos 2 y 3 hasta • X2 ^2 = 6310144 *
obtener los n números deseados. • 06310144 X3=3101

• X3 ^2 =9616201 *  6162 ……. 9702

Ejemplo unificado (grupal)
• Si tenemos que la semilla es 1289
• Indique en la siguiente sucesión
cuantos y cuales son los errores
cometidos, si se desean obtener los
primeros 10 números generados.
• 6615 -7582 – 8467 – 6876 -2793 –
8008 -1280 – 6384 – 7545 – 0629
• Serie Correcta
• 6615 -7582 – 4867 – 6876 -2793 –
8008 -1280 – 6384 – 7554 – 0629
• Que pasa con el ultimo digito, es
decir, que nos va a generar ?
• Cuantos dígitos izq. hacen falta ?
• Si D = 5 cuantos faltarían ?
• Cual es el siguiente numero generado
?
• R un # de 6 dígitos.
• R2
• R3
• R 3956
Desventaja del método de centros al
cuadrado:
• Tiene una fuerte tendencia a degenerar rápidamente hacia cero, donde
permanecerá por siempre.
• La gran mayoría de los generadores de números pseudoaleatorios que se
usan en la actualidad son generadores congruenciales lineales, introducidos
por Lehmer en 1951.
• Los generadores congruenciales lineales generan una secuencia de
números pseudoaleatorios en la cual el próximo número pseudoaleatorio es
determinado a partir del último número generado. A continuación se
presentan los dos más importantes: el método congruencial mixto lineal y
el método congruencial multiplicativo lineal.
Método de Lehmer (GNPA CL)
• El método consiste en los siguientes pasos:
1. Se toma como semilla un número entero, X0, de n cifras.
2. Se elige otro entero, c, de k cifras. Suele tomarse k<n.
3. Se calcula X0 *c, número de a lo sumo, n + k cifras.
4. Se separan las k cifras de la izquierda de X0*c y al número formado
por las n cifras restantes se le resta el que se forma de esas k cifras
de la izquierda, dando lugar a X1.
5. Se repite este proceso tantas veces como sea necesario.
6. Se devuelven los valores
Ejemplo de GNPA por el método de
Lehmer
• Escoger/pensar en un numero Xo de 5 • Xo = 31579
cifras (cuh)
• Escoger/pensar en otro numero C de
3 cifras (cuh) • K = 246

• Hacer la multiplicación de Xo * C
(cuh) • Res. Mult. = 7768434
• Separacion de k(3) cifras izq y resto • Digitos izquierdos 776
• Resta del numero de K cifras al N° • Res. Resta 7658 X1
restante
• …… ….. …..
Ejemplo grupal unificado por el método
de Lehmer
• Si se tiene que Xo =647382 y
además se tiene que C es 785,
encuentre la sucesión de los
primeros 10 dígitos generados en • Quien es el afortunado de ese
forma aleatoria. huummm ?

• 194362 574018 603680 888327

• 335998 758167 160500 992375 • Venga de ahí

• 13596 72754 • Termine y vámonos

• Cuantos errores hay en la serie

anterior ?
Método congruencial mixto lineal
• 𝑋𝑛+1 = 𝑎𝑋𝑛 + 𝐶 𝑚𝑜𝑑 𝑚 • X n+1 = ?
• Residuo
• Donde
• Valores posibles
• X0 =Semilla ( 𝑋0 > 0) • 0,1,2,3,……..,m-1
• A = multiplicador ( a > 0 )
• C = constante aditiva ( C > 0) • M=?
• m = el modulo ( m > 𝑋0 , m > a y m >C) • Rango
EJEMPLO METODO CONGRUENCIAL
MIXTO LINEAL
• Suponga que se tiene un generador CML y que los valores a alimentar son:
• A= 5
• C=7
• X0 = 4 y
• m=8
• Como quedaría la formula de acuerdo a los valores.
• Al final, se muestra una tabla con los primeros 8 valores generados
• Cual es esa tabla ?
• Que pasa con esos datos respecto de la distribución de valores ?
Tabla de resultados
n Xn (5Xn + 7 )/8 Xn+1 Números
uniformes
0 4 3+3/8 3 3/8
1 3 2+6/8 6 6/8
2 6 4+5/8 5 5/8
3 5 4+0/8 0 0/8
4 0 0+7/8 7 7/8
5 7 5+2/8 2 2/8
6 2 2+1/8 1 1/8
7 1 1+4/8 4 4/8
Caso ejemplo # 2
• Elegido / Voluntario para Excel
• 

• Alimentar al generador con los valores A = Xo = C = 7 y m = 10

• Que conclusiones obtiene de lo anterior ?

• Que pasa al cambiar A ? Que pasa al cambiar C ? Que pasa al cambiar la semilla ?
• Conclusión  m es el valor central de este método.
Blum Blum Shup
• METODOLOGIA • Lenore Blum
1. Escoger dos números primos • Manuel Blum
1. P=
• Michael Shub 1986
2. Q=
2. Sembrar una semilla como valor
inicial • En caso de necesitar un solo
1. S= elemento directo se encontraría por
medio de :
3. Generar los números aleatorios
aplicando la formula 2𝑖 𝑚𝑜𝑑 (𝑝−1)(𝑞−1)
• 𝑋𝑖 = 𝑋𝑜 𝑚𝑜𝑑 𝑀
1. Xi+1 = Xn ^2 mod m
4.
Reglas de selección de valores del método
Congruencial Mixto Lineal

C
k debe ser relativam g debe ser
m= 2g a= 1 + 4k
entero ente entero
primo a m
Método congruencial multiplicativo
• 𝑋𝑛+1 = 𝑎 𝑋𝑛 𝑚𝑜𝑑 𝑚

• Reglas
• Xo  Entero Impar No divisible entre 2 y 5 Relativamente primo a m.
• a = 200t ± p
• t = any int
• p = 3,11,13,19,21,27,29,37,53,59,61,67,69,77,83,91,

• m puede ser 10𝑑

• a Xo & m  selección adecuada
EJEMPLO
• Si se tiene que el valor de a es 3, m es 100 y que la semilla es 17, encuentre :
• La expresión de la ecuación :
• 𝑋𝑛+1 = 3 𝑋𝑛 𝑚𝑜𝑑 100
• Los primeros 20 números pseudoaleatorios generados
n Xn n Xn n Xn n Xn
1 51 6 ? 11 99 16 -
2 53 7 ? 12 97 17 -
3 59 8 ? 13 91 18 -
4 77 9 ? 14 73 19 -
5 31 10 ? 15 19 20 -
Observaciones al Método congruencial
multiplicativo
• Elegido del señor  Excel
• Mostrar los primeros 100 #’s Pseudo aleatorios
• En columnas de 20

• Que pasa con esas columnas ? Que muestran ? Que podemos decir de ello ?
• PERIODO
• Si necesitamos generar solo 20 #’s  es perfecto, pero si no 
• Como sabemos que periodo tiene ?
Calculo del periodo
• Periodo *
• Caso 1 cuando m es 10𝑑  d ≥ 5  5 x 10𝑑−2 .
• Caso 2 cuando m es 10𝑑  d < 5  Mín. común múltiplo { λ(𝑃1 𝑑1), λ(𝑃2 𝑑2 ),….λ(
𝑃𝑛 𝑑𝑛 )}
• Donde
• λ (2) = 1 λ (4) = 2
• λ ( 2𝑑 ) = 2𝑑−2 𝑠𝑖 𝑑 ≥ 3
• λ ( 𝑝𝑑 ) = 𝑝𝑑−1 𝑝 − 1 𝑠𝑖 𝑝 ≥ 2
• Ejemplo
• Si m = 100  (22 )(52 )
• Periodo = mínimo común múltiplo ((22 )(52 ))  { 2, 20 } 
Recordatorio m.c.m.
• Al tener 2 o mas números, cada uno de ellos se factoriza en factores consecutivos
hasta llegar a la unidad.
• Cuando ya los n números están factorizados, el m.c.m es la multiplicación de
todos los factores de todos los números sin repetir el mismo factor.
• Ejemplo:
Ejemplos de calculo de periodo
• Ecuaciones • Resultado de periodo **

1. 𝑋𝑛+1 = 203 𝑋𝑛 𝑚𝑜𝑑 105 Xo = 17 1. 5,000

2. 𝑋𝑛+1 = 211 𝑋𝑛 𝑚𝑜𝑑 108 𝑋𝑜 = 19 2. 5 x 106 = 5′000000
3. 𝑋𝑛+1 = 221 𝑋𝑛 𝑚𝑜𝑑 103 𝑋𝑜 = 3 3. 50*
4. 𝑋𝑛+1 = 5 𝑋𝑛 𝑚𝑜𝑑 64 𝑋𝑜 = 7 4. 16
5. 𝑋𝑛+1 = 11 𝑋𝑛 𝑚𝑜𝑑 128 𝑋𝑜 = 5. 32
19

• Conclusiones
Operaciones
1. Mod 105  5 x 10𝑑−2 −≺ 4. Mod 64 = 26 = 2𝑑−2 = 26−2 =
5 𝑋105−2 = 5 𝑋 103 → 5 x 1000 = 24 = 16
5000
5. Mod 128 == 27 == 25 = =
2. Mod 108  5 x 108−2 → 5 x 106 = 25 = 32
5 x 1000000 = 5 000 000 = 5 mills.
3. Mod 103 → Caso 2 (Factores
primos)  1000 (2 2 2 5 5 5 ) =
23 , 53  23 =23−2 = 21 & 53 =
53−1 5 − 1 = 25 4 = 100 =
2,100 = 200.
Calculo de periodo
• Solución y operaciones
• 𝑋𝑛+1 = ( 8 𝑋𝑛 + 16) mod 100 1. Mod =100 = 4(25) = 22 , 55 primer
factor da como resultado 2,
• 𝑋𝑛+1 = ( 50𝑋𝑛 + 17 ) mod 64 segundo factor provoca 20, …
• 𝑋𝑛+1 = ( 5𝑋𝑛 + 24) mod 32 Periodo es 40
• 𝑋𝑛+1 = ( 5𝑋𝑛 + 21 ) mod 100 2. =16 ítem
• 𝑋𝑛+1 = ( 9𝑋𝑛 + 13 ) mod 32 3. =8 por lógica
4. Item
5. 8 de nuevo
NOTA / ACLARACION
•Cuando el valor de
m es una potencia
𝒏
equivalente a 𝟐 , el
periodo del
𝒅−𝟐
generador es 𝟐 o
m/4.
2.2 Pruebas estadísticas para los números
aleatorios
• Porque utilizar mínimo una prueba estadística ?

• Porque cualquier deficiencia estadística en la distribución de la

variable aleatoria, se deberá exclusivamente a la utilización de
un deficiente generador de números pseudoaleatorios.

• Por lo tanto, aplicar una de las muchas pruebas estadísticas

prueban la aleatoriedad de los números pseudoaleatorios.
Pruebas estadísticas.

Prueba de los Prueba de Prueba de la Prueba de

promedios frecuencias distancia series

Prueba de
Prueba del Prueba de las
Kolmogorov- Etc..
Poker corridas
Smirnov
PRUEBA DE LOS PROMEDIOS
• Como saber que los números están distribuidos uniformemente (rectangular) ?
• R: Cumpliendo con la función de densidad

1 𝑠𝑖 0 ≤ 𝑋 ≤ 1
𝑓𝑥 =
0 𝑠𝑖 0 > 𝑋 > 1

• La distribución acumulada F (x) se puede obtener como :

𝑥
𝐹 𝑋 = න 1 𝑑𝑡 = 𝑋
0
 Mas datos teóricos de la prueba de
promedios
• El valor esperado y la varianza de una variable aleatoria uniformemente
distribuida están dadas por las siguientes expresiones:
𝑥 1
𝐸 𝑥 = ‫׬‬0 𝑥 1 𝑑𝑥 =
2
1 2
𝑣𝑎𝑟 𝑋 = ‫׬‬0 𝑥 − 1/2 1 𝑑𝑥 = 1/12
En que consiste el método de los
promedios
• LOS NUMEROS PSEUDOALEATORIOS GENERADOS PROVIENEN DE UN UNIVERSO
UNIFORME CON MEDIA DE 0.5

• Hipótesis nula Ho : u = ½
• Hipótesis alternativa H1 : u ≠ ½

• Si tenemos una muestra de tamaño N (N #’s aleatorios)

• Paso 1 : Encontrar el promedio aritmético
• Paso 2: Determinar el valor del estadístico Zo
• Paso 3: Comparar Z0, Si | Zo | < 𝑍∞/2  no se rechaza Ho

𝑈1+𝑈2+𝑈3……+𝑈𝑛 ത
𝑋−1/2 𝑁
• 𝑥ҧ = 𝑍0 =
𝑁 1/12
Ejemplo de uniformidad PRUEBA DE LOS
PROMEDIOS Que encuentra ? Que concluye ?
• Considere los 100 números aleatorios de la tabla siguiente
94 84 74 64 54 44 34 24 14 04
03 93 83 73 63 53 43 33 23 13
32 22 12 02 92 82 72 62 52 42
81 71 61 51 41 31 21 11 01 91
50 40 30 20 10 00 90 80 70 60
39 29 19 09 99 89 79 69 59 49
48 38 28 18 08 98 88 78 68 58
77 67 57 47 37 27 17 07 97 87
26 16 06 96 86 76 66 56 46 36
95 85 75 65 55 45 35 25 15 05
Números aleatorios validos para ejercicio
.78961 .29931 .05230 .30861 .10699 .83358 .55877 .51781 .14151 .03272
.76086 .57410 .12079 .26593 .27738 .85903 .65726 .43308 .79269 .35286
.80548 .24000 .82654 .65559 .29453 .38507 .20852 .90829 .42989 .94187
.58518 .93655 .98611 .88809 .34488 .81772 .34358 .36982 .11537 .19904
.89898 .54325 .57880 .62400 .67621 .09133 .05010 .41678 .00121 .33954
.28269 .58244 .73059 .85853 .70119 .88752 .18284 .33729 .49962 .15506
.38618 .23949 .76910 .53559 .68334 .33381 .55170 .49383 .10850 .75103
.79982 .19962 .45679 .65002 .21631 .74579 .87616 .79113 .55743 .63453
.58962 .19147 .33216 .40644 .03185 .08128 .61168 .73435 .09264 .22724
.69623 .22287 .17028 .07281 .05475 .64183 .91512 .44267 .76262 .72102
Operaciones ejercicio de uniformidad
• Encuentre el valor de la media
• Respuesta : Paso 1 = 0.48234
ത
𝑋−1/2 𝑁 0.48234 −0.5 100
• Paso 2 𝑍0 = = = -0.61
1/12 1/12

• Paso 3 Nivel de significado ? 5 % 10 % 2.5 % ?

Resultado ejemplo prueba de los
promedios
• Si ∞= 5 %
• Entonces 𝑍∞/2 tiene un valor de 1.96

• Si ∞= 10 %
• Entonces 𝑍∞/2 tiene un valor de 1.65

• Si ∞= 2 %
• Entonces 𝑍∞/2 tiene un valor de 2.33
• En cualquier caso |Z0| < ҈ NO PODEMOS RECHAR LA Ho y son ACK
Prueba de frecuencias
• VIPr
• En que consiste:
• Dividir el intervalo (0;1) en n sub-intervalos
• Comparar para cada sub-intervalo F(x)esp Vs F(x)obs
• Si F(x)e ≈ F(x)o
•  Distribución Uniforme
• Estadístico a utilizar 𝑿𝟐𝟎
𝑛 𝐹𝑂𝑖 −𝐹𝐸𝑖 2
𝑋02 = σ𝑖=1
𝐹𝐸𝑖
Cont. Prueba de frecuencias
• Donde :
• FOi = Frecuencia observada del 𝑖 𝑡ℎ subintervalo
• FEi = Frecuencia esperada del 𝑖 𝑡ℎ subintervalo (N/n)
• N = Tamaño de la muestra
• n = numero de sub-intervalos

Frecuencia 𝑵 𝑵 𝑵 ……… 𝑵 𝑵
esperada 𝒏 𝒏 𝒏 𝒏 𝒏
Frecuencia 𝐹𝑂1 𝐹𝑂2 𝐹𝑂3 ……… 𝐹𝑂𝑛−1 𝐹𝑂𝑛
observada
Ejemplo: Prueba de frecuencias
• Considere la tabla de números pseudoaleatorios ya generada y adicional a ello
que el numero de subintervalos es 5.
• Encuentre la frecuencia esperada para cada subintervalo
• Encuentre la frecuencia observada para cada subintervalo
• Encuentre la distribución X2

1
𝑋02
= 21 − 20 2
+ 22 − 20 2
+ 19 − 20 2
+ 23 − 20 2
+ 15 − 20 2
20
• 𝑿𝟐
𝟎= 2

 Y=?
Cont. Ejemplo prueba de frecuencias
• Determinar / escoger  Grado de confianza
• Adicional a ello los grados de libertad
• P. ej .05
• Gdl=4
• Entonces utilizando la tabla de distribución X (Chi cuadrada – ji cuadrada –
Pearson) buscamos el valor correspondiente y comparamos
• ?
• 2 Vs 9.49
• Que nos dice ?
Prueba de la distancia
• A) NPA  Como dígitos
• B) NPA  Numeros reales

• A) Consiste en contar el numero de dígitos que aparece entre ocurrencias

sucesivas de un mismo digito.
• P. ej. 58245  “hueco” de tamaño 3 .
• La probabilidad de c/u de los tamaños de huecos (i=0, 1 , 2, . . .) se obtiene con la
siguiente expresión:
𝑃𝑖 = 0.1 0.9 𝑖 𝑝𝑎𝑟𝑎 𝑖 = 0,1,2, … .
Cont. Prueba de la distancia (a) dígitos
• El tamaño del hueco puede llegar a ser G ( ∞ )
• Conveniente agrupar las probabilidades para valores de i mayores o iguales a un
determinado valor de n
• Tal sumatoria se obtiene con la siguiente expresión:

∞
𝑚+𝑛 𝑛
𝑃𝑖≥𝑛 = ෍ 0.1 0.9 = 0.9
𝑚=0
• Si aplicamos las formulas se obtienen las Fe (X) p/c/tam/hueco 
Tabla de Fe(X) y Fo(X) p/dif/tam/huecos
i Pi FOi FEi
0 0.1 0.1 FO 0 ∑ FO i (0.1)
1 0.1 (0.9) 0.0900 FO 1 ∑ FO i (0.1) (0.9)2
2 0.1 (0.9)2 0.0810 FO 2 ∑ FO i (0.1) (0.9)3
. . . .
5 0.1 (0.9)5 0.0656 FO 5 ∑ FO i (0.1) (0.9)5
. . . .
i 0.1 (0.9)i 0.0 i i i FO i ∑ FO i (0.1) (0.9)i
10 0.1 (0.9)10 0.0387 FO 10 ∑ FO i (0.1) (0.9)10
. . .
20 0.1 (0.9)20 0.0135 FO 20 ∑ FO i (0.1) (0.9)20
≥n (0.9) n 0.0 n n n FO n ∑ FO i (0.1) (0.9)n
Total 1.0 ∑ FO i (N)
Cont. Prueba de las distancias
• Si las frecuencias esperadas y observadas para cada tamaño de hueco son
bastantes parecidas , entonces se puede decir que los números pseudoaleatorios
generados pasan la prueba de la distancia.
• El estadístico que se usa en esta prueba se obtiene de:
𝑛 𝐹𝑂𝑖 −𝐹𝐸𝑖 2
• 𝑋02 = σ𝑖=0
𝐹𝐸𝑖

• 2 Si 𝑋 2 < 𝑋 2  Prueba de la distancia OK.

Lo anterior se compara con 𝑋∝,𝑛 0 ∝,𝑛

• NOTA:
Es muy importante señalar que el valor seleccionado de n, debe ser tal que la
suma de las frecuencias esperadas de todos los tamaños de huecos agrupados,
sea mayor de 5.
Cont. Prueba de las distancias B)
• B) NUMEROS PSEUDOALEATORIOS CONSIDERADOS COMO NUMEROS
REALES
• Para realizar esta prueba con esta variante :
1. Seleccionar un intervalo ( 𝝰, 𝝱) (DeEsCoEnElInt (0;1) ). 0 ≤ 𝝰≤ 𝝱 ≤1
2. P/c 𝑈𝑗  Є ( 𝝰, 𝝱)
3. Si 𝑈𝑗 (Num. Unif. generado) es elemento de (𝝰, 𝝱) , 𝑈𝑗+1 hasta 𝑈𝑗+𝑖 no
Є ( 𝝰, 𝝱) pero 𝑈𝑗+𝑖+1  hueco de tamaño i.
4. P. ej 𝝰 = .3 y 𝝱=.5 (0.32415, 0.22257, 0.19147, 0.75103, 0.49383) 
hueco tamaño 3.
Cont. B) Números pseudoaleatorios como
números reales
• La distribución de probabilidad del tamaño del hueco es :

𝑃𝑖 = 𝜑 (1 − 𝜑)𝑖 𝑝𝑎𝑟𝑎 𝑖 = 0,1,2, … . .

• Donde : 𝜑 = 𝝱 - 𝝰
• Al igual que en números como dígitos, agrupar las probabilidades queda:
∞

𝑃𝑖≥𝑛 = ෍ 𝜑 (1 − 𝜑)𝑚+𝑛 = (1 − 𝜑)𝑛

𝑚=0
Frecuencias esperadas y observadas p/
diferentes tamaños de hueco (#’s reales).
i Pi FOi Fei
0 𝜑 FO0 ∑ FOi 𝜑
1 𝜑 (1 − 𝜑) FO1 ∑ FOi 𝜑 (1 − 𝜑)
2 𝜑 (1 − 𝜑)2 FO2 ∑ FOi 𝜑 (1 − 𝜑)2
. . . .
. . . .
i 𝜑 (1 − 𝜑)𝑖 FOi ∑ FOi 𝜑 (1 − 𝜑)𝑖
. . . .
≥n (1 − 𝜑) 𝑛 FOn ∑ FOi (1 − 𝜑) 𝑛
Total 1.0 ∑ FOi
 2
• Comparando el resultado obtenido con 𝑋∝,𝑛 se toma la decisión de aceptar o
rechazar la prueba de la distancia.

• Es muy importante señalar que el valor de 𝝰 y 𝝱 no tienen influencia en la

bondad de la prueba, y también es necesario señalar que el valor de n
debe ser seleccionado de acuerdo al criterio que debe ser tal que la suma
de las frecuencias esperadas de todos los tamaños de huecos agrupados,
sea mayor que 5.
Ejemplo:
• Si se considera los números pseudoaleatorios tabla de 100, un valor de n = 3 y
valores de 𝝰 = 0.3 y 𝝱=0.7, encuentre:
a) Las frecuencias observadas
b) Las frecuencias esperadas
c) Para tamaños de hueco 0,1,2 y mayores de 3.
2 con 𝝰 = 0.05 y 3 grados de libertad.
d) El valor de 𝑋∝,𝑛
e) Conclusión de acuerdo a los valores plasmados
Solución
1° Cuales son los valores de i ?
2° Cuales son sus probabilidades ?
3° Cuales son sus Frec. Obs. ?
i Pi FOi (Cont ↓ ) FEi (Pi*N)
0 0.400 11 16.00
1 0.240 12 9.60
2 0.144 11 5.76
≥3 0.216 6 8.64
Total 1.000 40 40.00
Conclusión del ejercicio
• Encontrar el valor de nuestra distribución Chi Cuadrada.

𝑛 2
𝐹𝑂𝑖 − 𝐹𝐸𝑖
𝑋02 = ෍
𝐹𝐸𝑖
𝑖=0

11−16 2 12−9.6 2 11−5.76 2 6 −8.64 2

𝑥02 = + + + = 7.74
16 9.6 5.76 8.64

• Si p. ej. Se toma un valor arbitrario de =0.05 entonces nuestro valor es 7.81 , por lo tanto
…
Prueba de series
• Permite comprobar el grado de aleatoriedad entre números sucesivos.
1. Formar parejas de números
2. Coordenadas en un cuadrado unitario dividido en 𝑛2 celdas.
3.  Ternas  Puntos 𝑛3 en cubo unitario.
4. Si se tienen N #’s aleatorios  (N-1) parejas
5. Se determina celda a la que Є (Uj,Uj+1). Esto nos determina la FO de c/celda
6. Se obtienen las frecuencias esperadas FEi  (N-1)/ (𝑛2 )
Cont. Prueba de series
• Conocidas las frecuencias observadas y esperadas de c/ celda  𝑋02

2 𝑛
𝑛 𝑛
2
𝑋02 = ෍ ෍ 𝐹𝑂𝑖𝑗 − 𝑁 − 1 /𝑛2
𝑁 − 1 𝑖=1
𝑗=1

Si 𝑋 2 𝑐 < 𝑋 2 𝑡 entonces no se puede rechazar la hipótesis de que los números

provienen de una distribución uniforme.
EJEMPLO:
Si se aplica esta prueba a los números (tabla 100) utilizando un valor de n =5, cual es
el resultado de la aplicación de la prueba ?
Solución ejemplo prueba de series
• Si n= 5, entonces se forma una matriz (cuadro unitario) dividido de .2 en .2.
• En el eje de las x se representa los valores Ui y en el eje y los valores Ui+1
• Encontrando las siguientes frecuencias:

Uj+1
1 3 3 3 4 2
.8 4 5 5 6 2
.6 3 3 2 6 5
.4 5 5 4 4 4
.2 6 6 5 2 2
.2 .4 .6 .8 1
Cont. Solución ejemplo prueba de series
• Necesitamos determinar el valor de las frecuencias esperadas
𝑁−1 100−1 99
𝐹𝐸 𝑖 = = = = 3.96
𝑛2 52 25
• Para cada una de las celdas.
• Por lo tanto el valor de la chi-cuadrada
𝑛
es :
𝑛 2 𝑛
2 2
𝑋0 = ෍ ෍ 𝐹𝑂𝑖𝑗 − 𝑁 − 1 /𝑛2
𝑁 − 1 𝑖=1
𝑗=1
25
• 𝑋02 = ሾ5 2 − 3.96 2 + 5 3 − 3.96 2 + 5 4 − 3.96 2 + 6 5 − 3.96 2 +
99
Prueba de uniformidad.
kolmogorov-Smirnov.
• Prueba la Ho de que la distribución acumulada de una variable aleatoria x es F0(x).
• Pasos
1. Una muestra de tamaño N es obtenida de una distribución continua F(x).
2. Determinar la distribución acumulada de la muestra ( 𝐹𝑛 (𝑥) )
3. Comparar con la distribución acumulada hipotética F0 (x).
 Si Fn (X) difiere demasiado de F0 (X), entonces esto es una amplia evidencia de que Fn(X) no es
igual a F0 (X).

• En otras palabras :
 Descrito en palabras mas “formales”

3 Calcular la distribución
acumulada de los
números generados con
1 Generar n números 2 Ordenar dichos la siguiente expresión: 4 Calcular el estadístico
𝑖
pseudo aleatorios números en orden • 𝐹𝑛 𝑋 =
𝑛
Kolmogorov-Smirnov
uniformes ascendente • i = posición que ocupa el del modo siguiente:
numero Xi en el vector
obtenido en (2)
• 𝐷𝑛 = max |𝐹𝑛 𝑋𝑖 − 𝑋𝑖 |
• Si 𝐷𝑛< 𝐷∝,𝑛 , entonces no se puede rechazar la Ho de que los números generados
provienen de una distribución uniforme.

Comparación
de Fo(X) para
cada valor de
x generada
Ejemplo para (números 100)
PRUEBA DEL POKER
• Examina en forma individual los dígitos del numero pseudoaleatorio.
• Se realiza tomando 5 dígitos a la vez
• Posteriormente se clasifican como:
• Par, dos pares, tercia, póker, quintilla, full y todos diferentes ( * ).

• Las probabilidades para cada una de las manos de póker posibles son :
Posibilidades de obtención (3,4,5).

Todos
Un par Dos pares Tercia
diferentes

Full Poker Quintilla

Cual es la probabilidad de ocurrencia de
c/caso ?

Un par Tercia Poker

• 0.30240 • 0.10800 • 0.00900 • 0.00010
• 0.50400 • (5 2)(3 2) • 0.07200 • (5 3) (2 2) • 0.00450
• (5 2)* (5 3) • (5 4)
Pachuca Dos pares Full Quintilla
Cont. Prueba de Poker
7
• Con las probabilidades anteriores 𝐹𝑂𝑖 − 𝐹𝐸𝑖 2
2
y con el numero de números 𝑋0 = ෍
𝐹𝐸𝑖
pseudoaleatrios generados, se 𝑖=1
puede calcular la frecuencia
esperada de cada posible
• Si 𝑋02 < 𝑋∝,6
2
 ….. Bla bla bla.
resultado, la cual al compararse
con la frecuencia observada
produce el estadístico:
Ejemplo
• Apliquemos la prueba del póker a los • Ahora si 
100 tabla.
• Obtengamos  𝑋02
• Obtenga las frecuencias Observadas
• Y comparemos con el 𝑋02 de t
• Cheque las FO anteriores ?
• Concluyamos
•  Full, Poker & Quintilla < 5
• Que ajuste debemos hacer
• Agruparlas con la de la tercia.
Procedimiento
Frecuencias Frecuencias
Frecuencias Observadas
Esperadas Ajustadas
Mano de poker Frecuencia Obs. Frecuencia Esp. Frecuencia Obs. Frecuencia Esp.
Todos diferentes 23 30.24 23 30.24
Un Par 58 50.40 58 50.40
Dos pares 8 10.80 8 10.80
Tercia 10 7.20 11 8.65
Full 1 0.90 -- ---
Poker 0 0.45 -- ---
Quintilla 0 0.10 -- --- ***
SOLUCION
7 2
2
𝐹𝑂𝑖 − 𝐹𝐸𝑖
𝑋0 = ෍
𝐹𝐸𝑖
𝑖=1

23−30.24 2 58−50.4 2 8−10.8 2 11−8.56 2

• 𝑋02 = + + +
30.24 50.4 10.8 8..56
=4.35
• Seleccionando un valor de =0.05,
• Entonces X2 = 7.81
•  Ok
DIAPOSITIVAS EXTRA O
DE APOYO
Mersenne Twister
Mersenne twister gráficamente
2.2.3 De independencia. (Autocorrelación,
prueba de huecos, prueba del póquer, prueba
de Yule).
2.3 Método de Monte Carlo
2.3.1 Características.
2.3.2 Aplicaciones.
2.3.3 Solución de problemas
• http://www.designthinking.es/comparte/view.php?id=401&tipo=
• Bots IA manpor sjimenez