Se llama nmeros pseudoaleatorios a una sucesin determinstica de nmeros en el intervalo [0,1] que tiene las mismas propiedades estadsticas que una sucesin de nmeros aleatorios. Una forma general de obtener nmeros pseudoaleatorios es partir de una semilla de p nmeros aplicar una funcin d. !os nmeros pseudoaletorios son necesarios cuando se pone en pr"ctica un modelo de simulacin, para obtener observaciones aleatorias a partir de distribuciones de probabilidad. !os nmeros aleatorios generados en un inicio por una computadora casi siempre son nmeros aleatorios enteros. #n sentido estricto, los nmeros generados por una computadora no se deben llamar nmeros aleatorios por que son predecibles se pueden reproducir, dado el nmero aleatorio generador que se use. $or ello en ocasiones se les llama nmeros pseudoaleatorios. %o obstante, el punto importante es que, en forma satisfactoria, &acen las veces los nmeros aleatorios en la simulacin si el m'todo que se usa para generarlos es v"lido. #l procedimiento usado por una computadora para generar nmeros aleatorios se llama generador de nmeros aleatorios. Un generador de nmeros aleatorios es un algoritmo que produce secuencias de nmeros que siguen una distribucin de probabilidad especi(ca tienen la apariencia de aleatoriedad. !a referencia a secuencias de nmeros aleatorios signi(ca que el algoritmo produce muc&os nmeros aleatorios en serie. !a secuencia de nmeros generados debe cumplir con las ) &iptesis siguientes* 1+ ,istribucin Uniforme )+ -ndependencia .no correlacionados+ /dem"s son importantes los siguientes aspectos * a+ !as subsecuencias tambi'n deben cumplir 1+ )+ b+ deben ser secuencias largas sin &uecos .densas+ c+ algoritmos r"pidos que no ocupen muc&a memoria. Instituto Tecnologico De Pachuca Simulacion Unidad II !os nmeros aleatorios se pueden dividir en dos categoras principales* 0 %meros aleatorios enteros. #s una observacin aleatoria de una distribucin uniforme discreti1ada en el intervalo n, n213 $or lo general, n 40 1 donde estos son valores convenientes para la maora de las aplicaciones. p0 %meros aleatorios uniformes. #s una observacin aleatoria a partir de una distribucin uniforme .continua+ en un intervalo [a,b] Propiedades mnimas que debern satisfacer los nmeros pseudoaleatorios: 5/6ustarse a una distribucin U.0,1+.
5Ser estadsticamente independientes .no debe deducirse un nmero conociendo otros a generados+. 5Ser reproducibles .la misma semilla debe dar la misma sucesin+. 57iclo repetitivo mu largo. 58acilidad de obtencin. 59cupar poca memoria. 7ualquiera que sea el m'todo para generar nmeros aleatorios debe satisfacer las siguientes condiciones* ,eben ser* 1. Uniformemente distribuidos ). #stadsticamente independientes :. ;eproducibles <. Sin repeticin dentro de una longitud determinada de la sucesin =. >eneracin a grandes velocidades ?. ;equerir el mnimo de capacidad de almacenamiento Instituto Tecnologico De Pachuca Simulacion Unidad II MET!" !E GE#E$%&'# !E #(ME$" %)E%T$'" M*todos con+ruenciales para +enerar nmeros aleatorios. Se cuenta con varios generadores de nmeros aleatorios, de los cuales los m"s populares son los m'todos congruenciales .aditivo, multiplicativo mi@to+. #l m'todo congruencial mi@to genera una sucesin de nmeros aleatorios enteros en un intervalo de 0 a mA1. Bste m'todo siempre calcula el siguiente nmero a partir del ltimo que obtuvo, dado un nmero aleatorio inicial Co, llamado semilla. #n particular, calcula el .n 2 1+A'simo nmero aleatorio Cn21 a partir del nA'simo nmero aleatorio Cn con la relacin de recurrencia. ,onde a, c m son enteros positivos .a D m, c D m+. Bsta notacin matem"tica signi(ca que Cn21 son 0, 1, 3, EA1, de manera que m representa el nmero deseado de valores diferentes que se puede generar como nmeros aleatorios. / manera de ilustracin, suponga que m4F, a4=, c4G Co4<. #n la siguiente tabla se calcul la sucesin de nmeros aleatorios que se tuvo .esta sucesin no puede continuar, puesto que solo se repetiran los nmeros en el mismo orden+. 9bs'rvese que 'sta sucesin inclue los oc&o nmeros posibles una sola ve1. Bsta propiedad es necesaria para una sucesin de nmeros aleatorios enteros, pero no ocurre con algunos valores de a c. Instituto Tecnologico De Pachuca Simulacion Unidad II !a cantidad de nmeros consecutivos en una sucesin antes de que se repita se conoce como longitud de ciclo. #n consecuencia, la longitud de ciclo en el e6emplo es F. !a longitud de ciclo m"@ima es m, de manera que slo los valores de a c considerados son los que conducen a una longitud de ciclo m"@ima. #n la siguiente tabla, se ilustra la conversin de nmeros aleatorios en nmeros aleatorios uniformes. !a columna de la i1quierda proporciona los nmeros aleatorios enteros que se obtuvo en la ltima columna de la tabla anterior. !a ltima columna proporciona los nmeros aleatorios uniformes correspondientes a partir de la frmula %mero aleatorio uniforme 4 %mero aleatorio entero 2 H m #l m'todo congruencial multiplicativo corresponde al caso especial del m'todo congruencial mi@to en el que c 40. #l m'todo congruencial aditivo tambi'n es parecido, pero establece a 41 sustitue a c por algn nmero aleatorio anterior a Cn en la sucesin , por e6emplo, CnA1 .as requiere m"s de una semilla para iniciar el c"lculo de la sucesin+. #l m'todo congruencial mi@to proporciona una gran Ie@ibilidad para elegir un generador de nmeros aleatorios en particular .una combinacin espec(ca de a, c m+. Sin embargo, se requiere tener muc&o cuidado al seleccionar el generador de nmeros aleatorios porque la maora de las combinaciones de valores a, c m conducen a propiedades indeseables .por e6emplo, una longitud de ciclo menor a m+. Instituto Tecnologico De Pachuca Simulacion Unidad II 2.2 Pruebas estadsticas de aleatoriedad !as propiedades estadsticas que deben poseer los nmeros pseudoaleatorios generados por los m'todos congruenciales tiene que ver con independencia aleatoriedad estadsticas. !a prueba de la frecuencia se usa para comprobar la uniformidad de una sucesin de % nmeros pseudoaleatorios. $ara cada con6unto de % nmeros pseudoaleatorios , se divide el intervalo unitario .0,1+ en @ subintervalos igualesJ el nmero esperado de nmeros pseudoaleatorios que se encontrar"n en cada subintervalo es %K@. Si f6 .641, )...@+ denota el nmero que realmente se tiene de nmeros pseudoaleatorios ri .i41,),...%+ en el subintervalo .6A1+K @ L ri D 6K@ entonces el estadstico* tiene apro@imadamente una distribucin con @A1 g.l3 !a &iptesis de que los nmeros pseudoaleatorios en el de con6unto de % nmeros pseudoaleatorios, son verdaderos nmeros pseudoaleatorios, debe rec&a1arse si con @A1 g.l. e@cede su valor critico (6ado por el nivel de signi(cancia deseado. Prueba de Medios 7onsiste en veri(car que los nmeros generados tengan una media estadsticamente igual a 1K), de este modo la &iptesis planteada es* Paso 1 7alcular la media de los n nmeros generados Instituto Tecnologico De Pachuca Simulacion Unidad II Paso 2 7alcular los lmites superior e inferior de aceptacin Paso , Si el valor se encuentra entre li ls, aceptamos que los nmeros tienen una media estadsticamente igual a H con un nivel de aceptacin 1AM. Prueba !e -arian.a 7onsiste en veri(car si los nmeros aleatorios generados tienen una variancia de 0.0F:, de tal forma que la &iptesis queda e@presada como* Paso 1. 7alcular la variancia de los n nmeros generados N.@+. Paso 2. 7alcular los lmites superior e inferior de aceptacin. Paso ,. Si N.@+ se encuentra entre los valores de , aceptamos la &iptesis nula los nmeros aleatorios tiene una variancia estadsticamente igual a 1K1). Prueba !e Po/er
Instituto Tecnologico De Pachuca Simulacion Unidad II !as pruebas de independencia consisten en demostrar que los nmeros generados son estadsticamente independientes entre s, esto es, que no depende uno de otro.
Oa varios m'todos, entre los cuales est"n*
P !a prueba de $oQer P !a prueba de corridas arriba aba6o P !a prueba de corridas arriba deba6o de la media P !a prueba de la longitud de las corridas P !a prueba de series
!a prueba de poQer plantea la siguiente &iptesis* Paso 1. 7alcular las probabilidades esperadas para un 6uego de poQer con = cartas numeradas del 0 al R con reempla1os. Se tienen G eventos con las siguientes probabilidades* Paso 2. 7alcular la frecuencia esperada de cada uno de los eventos multiplicando la probabilidad de cada evento por la cantidad de nmeros aleatorios generados. Paso ,. $ara cada nmero aleatorio generado veri(car si es $ac&uca, 1 par, ) pares, etc., tomando los primeros = dgitos a la derec&a del punto decimal. 7on estos resultados se genera una tabla de frecuencias observadas de cada uno de los eventos. Paso 0. 7alcular la estadstica* Instituto Tecnologico De Pachuca Simulacion Unidad II Paso 1. Si el valor de no e@cede al estadstico de tablas con ? g.l. una probabilidad de rec&a1o alfa 4M, entonces se acepta que los datos son estadsticamente independientes entre s. Prueba !e "eries Paso 1 7rear un &istograma de dos dimensiones con m intervalos, clasi(cando cada pare6a de nmeros consecutivos .ri, ri 2 1+ dentro de las casillas de dic&o &istograma de frecuencias. #l nmero total de pares ordenados en cada casilla formar" la frecuencia observada* 8oi. Paso 2 7alcular la frecuencia esperada en cada casilla 8# de acuerdo con 8#4nmKm donde nm. es el nmero total de pare6as ordenadas. Paso , 7alcular el error , con la ecuacin* Paso 0 Si el valor de es menor o igual al estadstico de tablas con mA1 grados de libertad una probabilidad de rec&a1o M, entonces aceptamos que estadsticamente los nmeros son independientes. Instituto Tecnologico De Pachuca Simulacion Unidad II 2., M*todo Montecarlo #l m'todo de Eonte 7arlo es un m'todo no determinstico o estadstico num'rico usado para apro@imar e@presiones matem"ticas comple6as costosas de evaluar con e@actitud. #l m'todo se llam as en referencia al 7asino de Eontecarlo .$rincipado de Enaco+ por ser Sla capital del 6uego de a1arT, al ser la ruleta un generador simple de nmeros aleatorios. #l nombre el desarrollo sistem"tico de los m'todos de Eonte 7arlo datan apro@imadamente de 1R<< se me6oraron enormemente con el desarrollo de la computadora. #l uso de los m'todos de Eonte 7arlo como &erramienta de investigacin, proviene del traba6o reali1ado en el desarrollo de la bomba atmica durante la segunda guerra mundial en los Ulamos. #ste traba6o conllevaba la simulacin de problemas probabilsticos de &idrodin"mica concernientes a la difusin de neutrones en el material de fusin, la cual posee un comportamiento eminentemente aleatorio. #n la actualidad es parte fundamental de los algoritmos de tra1ado de raos para la generacin de im"genes sint'ticas. !os primeros e@perimentos de simulacin se reali1aron en el aVo 1R<0 en ##UU ba6o el nombre de an"lisis Eonte7arlo. !os pioneros fueron Non %eumann Ulam que publicaron un artculo intitulado WX&e Eonte7arlo met&odW en 1R<R. #l m'todo en si a era conocido en estadstica, disciplina donde muc&os problemas se resuelven utili1ando muestras aleatorias .de &ec&o, aplicando este m'todo+. #ntonces podemos de(nir el m'todo Eonte7arlo como el m'todo num'rico de simulacin que permite resolver problemas matem"ticos mediante la simulacin de variables aleatorias. Propiedades 2 caractersticas importantes del M.M.&. 1) Algoritmo de estructura muy sencilla. 7omo regla se elabora primero un programa para la reali1acin de una prueba aleatoria .una muestra, por e6emplo* escoger un punto aleatorio en una super(cie, comprobar si ese punto pertenece o no a una (gura de la super(cie+. #sta prueba se repite % veces de modo que cada e@perimento sea independiente de los restantes, se toma la media de todos los resultados de los e@perimentos. 2) El error del valor obtenido como regla proporcional. #l error del valor obtenido es como regla proporcional a la magnitud s ) K N siendo s ) la varian1a .constante+ % el nmero de pruebas. ,e esta Instituto Tecnologico De Pachuca Simulacion Unidad II forma, para disminuir el error 10 veces deberemos aumentar % .volumen de traba6o+ 100 veces. #s de notar que es imposible alcan1ar una elevada e@actitud, por eso el E'todo Eonte 7arlo resulta especialmente e(ca1 en la solucin de problemas en los que se necesita conocer los resultados con una e@actitud del = al 10Y .intervalo de con(an1a R=Y, RG,=Y+. !a e@actitud de los resultados se puede me6orar con t'cnicas de reduccin de varian1a, sin tener que aumentar el volumen de traba6o .%+. Un mismo problema puede ser resuelto utili1ando distintas variantes del m'todo, es decir mediante la simulacin de distintas variables aleatorias. #l m'todo es aplicable en situaciones de diversa ndole* a) Problemas aleatorios diversos, orientados a eventos o no. Se resuelven creando un modelo probabilstico arti(cial, que cumpla con las lees de probabilidad que se dan en el sistema real. #6emplos* estudio de la demanda de energa el'ctrica en un cierto perodo* depende de factores puramente aleatorios, como el clima 6uegos de a1ar estudio de la cantidad de barcos llegados a un puerto por da b) Problemas matemticos determinsticos. 7uando los problemas determinsticos son imposibles de resolver analticamente o mu complicados se puede llegar a una solucin apro@imada mediante el uso de un modelo arti(cial cuas funciones de distribucin densidad satisfagan las relaciones funcionales del problema determinstico. #6emplos* c"lculo de integrales mltiples ecuaciones diferenciales de orden maor que dos. $or ello se puede &ablar del EE7 como un m'todo universal de resolucin de problemas matem"ticos. Utilicemos el m'todo para calcular el "rea de un cuadrado de lado D1. $lanteamos un e@perimento aleatorio tal que colocamos una tabla como en la (gura* Instituto Tecnologico De Pachuca Simulacion Unidad II &acemos que alguien con los o6os vendados tire dardos a la tabla. !os dardos van a perforar la tabla en % puntos aleatorios. Z7mo podemos estimar el "rea del cuadrado S a partir de esos puntos[ %os (6amos cu"ntos puntos est"n dentro de S .sean %\+J supongamos que %\4=, siendo %4<0. #ntonces la estimacin del "rea de S est" dada por %\K%4=K<041KF40,1)=, siendo el valor e@acto en este dibu6o 0,:50,:40,0R. %tese que el "rea buscada cumple la relacin %\K% .independiente de la forma del "rea incgnita+ que cuanto maor sea % m"s nos vamos a acercar a la relacin SK1. $ara que este m'todo de calcular el "rea tenga valide1, los puntos aleatorios deben estar distribuidos en forma uniforme en la super(cie total, deben ser obtenidos en forma independiente. 7"lculo de ] Neremos, a modo de e6emplo, como calcular una apro@imacin del valor ], mediante el m'todo Eonte7arlo .este problema tiene soluciones e(cientes en forma analtica o num'rica+. 1+ Xomamos un crculo de radio 1 centrado en el origen, sabemos que el "rea del cuarto de crculo inscrito en el ortante positivo es ] K<. )+ Sorteamos puntos en el ortante positivo de lado 1 lo &acemos obteniendo dos valores, uno para @ .abscisa+ otro para .ordenada+ cada ve1, obteniendo un punto .@,+. :+ 7ontamos cuantos puntos de los sorteados caen dentro del "rea del cuarto de crculo .-n+ cu"ntos fuera .9ut+, sabiendo que si @)2)^1 el punto est" fuera, si no dentro. <+ #l valor estimado del "rea que queremos &allar es -nK.-n29ut+, ese valor ser" apro@imadamente el de ] K<, por lo que p ser" apro@imadamente igual a <5 -nK.-n29ut+ .en este caso, %4-n29ut+. Instituto Tecnologico De Pachuca Simulacion Unidad II #sta forma de calcular ] es relativamente lenta poco precisa, pero muestra la forma de utili1ar Eonte7arlo, que en el caso de otras constantes es el nico m'todo disponible. 3usti4cacin terica Sea una v.a. con esperan1a #.C+ 4 m varian1a Nar.C+ 4 s_. Xomo una sucesin de n v.a. i independientes con igual distribucin , siendo #.Ci+ 4 m Nar.Ci+ 4 s_. $or el teorema 7entral del !mite la v.a. ` 4 1 2 ) 2 : 2 .... 2 n se apro@ima . es asintticamente igual+ a una v.a. con distribucin normal %.nm, ns_+. /plicando la Wregla de las :sW, tenemos que para una v.a. ! de distribucin %.a, s_+* siendo fa.t+ la funcin de densidad de la v.a. !, por lo que /plicando esto a la N./. ` tenemos !o que signi(ca que podemos estimar m , es decir la esperan1a o valor medio de la v.a. , calculando el promedio de las distintas muestras obtenidas* , sabiendo que con probabilidad mu cercana a 1, el error de este promedio est" acotado por la cifra :sK N. #sto sugiere que para que el Instituto Tecnologico De Pachuca Simulacion Unidad II m'todo tenga un buen resultado N debe ser grande s pequeVa, por lo que es importante saber cual es el valor de la varian1a obtenida, con ello sabemos cu"l es la dispersin de las muestras obtenidas. !a varian1a s ) se estima con el siguiente c"lculo* Se debe tener especial cuidado en que todas las % corridas sean independientes entre s, para asegurar que los valores i son muestras de v.a. independientes que por lo tanto estamos dentro de las &iptesis del teorema central del lmite. Instituto Tecnologico De Pachuca Simulacion Unidad II Instituto Tecnologico De Pachuca