Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Numeros Aleatorios
Numeros Aleatorios
X1 = 8902
X2 = 2456
X1 = 0319
X1 = 0176
X1 = 3097
ri = 0.8902
ri = 0.2456
ri = 0.0319
ri = 0.0176
ri = 0.3097
Algoritmos Congruenciales
d) Algoritmo Lineal
m = 23 =
X0 = 6
X1 = (13*6+7) mod 8 = 5
X2 = (13*5+7) mod 8 = 0
X3 = (13*0+7) mod 8 = 7
N= 8
r1 = 5/7 = 0.714
r2 = 0/7 = 0.000
r3 = 7/7 = 1.000
X4 = (13*7+7) mod 8 = 2
X5 = (13*2+7) mod 8 = 1
X6 = (13*1+7) mod 8 = 4
X7 = (13*4+7) mod 8 = 3
X8 = (13*3+7) mod 8 = 6
r4 = 2/7 = 0.214
r5 = 1/7 = 0.142
r6 = 4/7 = 0.571
r7 = 3/7 = 0.428
r8 = 6/7 = 0.857
Ejemplo:
Generar suficientes nmeros entre 0 y 1 con los siguientes parmetros:
X0 = 17, k =2, y g =5 hasta encontrar el periodo o ciclo de vida.
Solucin:
a = 5 + 8(2) = 21
=32
X1 = (21*17) mod 32 = 5
X2 = (21*5) mod 32 = 9
X3 = (21*9) mod 32 = 29
X4 = (21*29) mod 32 = 1
X5 = (21*1) mod 32 = 21
X6 = (21*21) mod 32 = 25
X7 = (21*25) mod 32 = 13
X8 = (21*13) mod 32 = 17
X0 = 17
r1 = 5/31 = 0.1612
r2 = 9/31 = 0.2903
r3 = 29/31 = 0.9354
r4 = 1/31 = 0.3225
r5 = 21/31 = 0.6774
r6 = 25/31 = 0.8064
r7 = 13/31 = 0.4193
r8 = 17/31 = 0.5483
i = n + 1, n + 2, n + 3,, N
r1 = 34/99 = 0.3434
r2 = 23/99 = 0.2323
r3 = 21/99 = 0.2121
r4 = 24/99 = 0.2424
r5 = 93/99 = 0.9393
r6 = 27/99 = 0.2727
r7 = 50/99 = 0.5050
i = 0,1,2,3,, N
i = 0, 1, 2, 3, n
= 05484964
= 23512801
= 26296384
= 08779369
= 60730849
= 53406864
= 165448624
= 30096196
= 923521
= 05531904
= 28291761
= 08508889
= 25887744
= 78801129
= 64176121
= 03101121
= 01022121
= 048841
= 23853456
= 71132356
X1 = 4849
X2 = 5128
X3 = 2963
X4 = 7793
X5 = 7306
X6 = 4068
X7 = 5486
X8 = 0961
X9 = 2352
X10 = 5319
X11 = 2917
X12 = 5088
X13 = 8877
X14 = 8011
X15 = 1761
X16 = 1011
X17 = 0221
X18 = 4884
X19 = 8534
X20 = 1323
r1 = 0.4849
r2 = 0.5128
r3 = 0.2963
r4 = 0.7793
r5 = 0.7306
r6 = 0.4068
r7 = 0.5486
r8 = 0.0961
r9 = 0.2352
r10 = 0.5319
r11 = 0.2917
r12 = 0.5088
r13 = 0.8877
r14 = 0.8011
r15 = 0.1761
r16 = 0.1011
r17 = 0.0221
r18 = 0.4884
r19 = 0.8534
r20 = 0.1323
Lo que nos da
Por lo tanto
( )
Dado estos resultados podemos decir que los nmeros aleatorios
entre cero y uno deben tener
Independencia
Esta es una propiedad muy
importante, e indica que los
nmeros aleatorios no deben tener
correlacin entre s; es decir, que
sean independientes, de manera que
puedan dispersarse uniformemente
dentro de un espectro de valores
posibles.
Los datos deben mostrar dispersin como en la figura.
Es posible realizar una serie de pruebas para corroborar que no
existe correlacin ente los nmeros aleatorios, e incluso para garantizar
que no existe un sesgo o tendencia entre los dgitos de cada uno de ellos.
6/31=
5/31=
20/31=
19/31=
2/31=
1/31=
16/31=
15/31=
30/31=
29/31=
12/31=
11/31=
26/31=
25/31=
8/31=
7/31=
22/31=
21/31=
4/31=
3/31=
18/31=
17/31=
0/31=
31/31=
14/31=
13/31=
28/31=
27/31=
10/31=
9/31=
24/31=
23/31=
0.1935
0.1612
0.6451
0.6129
0.0645
0.0322
0.5161
0.4838
0.9677
0.9354
0.3870
0.3548
0.8387
0.8064
0.2580
0.2258
0.7096
0.6774
0.1290
0.0967
0.5806
0.5483
0.0000
1.0000
0.4516
0.4193
0.9032
0.8709
0.3225
0.2903
0.7741
0.7419
Prueba de medias
U (0,1)
X20 =
)2
(0.00 0.166)
(0.166 0.33)
(0.33 0.5)
(0.5 0.666)
(0.666 0.833)
(0.833 1)
Oi
Ei =
6
5
5
5
5
6
5.6569
5.6569
5.6569
5.6569
5.6569
5.6569
0.0209222
0.0760848
0.0760848
0.0760848
0.0760848
0.0209222
0.3461838
El estadstico
=
0.3461838 es menor al valor crtico
correspondiente de la chi-cuadrada
, entonces no se puede
rechazar que el conjunto de nmeros ri sigue una distribucin uniforme.
Prueba de independencia
H0: los nmeros de los conjuntos ri son independientes
H1: los nmeros de los conjuntos ri no son independientes
Existen mltiples mtodos que tratan de corroborar que si los nmeros
en el intervalo (0, 1) son independientes o, en otras palabras s parecen
pseudoaleatorios, a continuacin se realizar la prueba de corridas arriba y
abajo. El procedimiento de esta prueba consiste en determinar una secuencia
de nmeros (S) que slo contiene unos y ceros, de acuerdo con una
comparacin entre ri y ri-1, la cual se construye de la siguiente manera: se
coloca un cero si el nmero ri ri-1; en caso de ser mayor que el que nmero ri
anterior, se pone un uno. Posteriormente, se determina el nmero de corridas
observadas, Co la cual se identifica como la cantidad de unos o ceros
consecutivos. Adems se necesita hacer los siguientes clculos:
Co =
=
Para aceptar o rechazar la hiptesis nula, es necesario hacer una
comparacin entre el siguiente estadstico de prueba y el valor crtico,
si Z0< Z/2 podemos concluir que los nmeros generados corresponden a la
propiedad de ser independientes.
Z0 = [
0.1612
0.9354
0.6778
0.4193
0.6451
0.3870
0.1290
0.9032
0.6129
0.3548
0.0967
0.8709
0.0645
0.8387
0.5806
0.3225
0.0322
0.8064
0.5483
0.2903
0.5161
0.2850
0
0.7741
0.4838
0.2258
1
0.7419
S = {0 1 0 0 0 1 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0
0 1 0 0 0 1 0}
Co = 19
=
=
= 21
= 5.3666
Z0 = *
+ = - 0.8634
=
= 1.96 entonces - 0.8634 es menor que 1.96 se concluye
que no se puede rechazar que los nmeros del conjunto r i sean
independientes.
UNIDAD III
VARIABLES ALEATORIAS
1. A qu se llama variable aleatoria y que tipos de variable aleatoria
existen?
El trmino variable significa valores inestables, pero decir que
una variable es aleatoria, se refiere a mediciones cuyos valores se
obtienen de algn tipo de experimento aleatorio. Los experimentos
aleatorios presentan un tratamiento matemtico, en el cual se deben
cuantificar los resultados de modo que se asigne un nmero real a cada
uno de los resultados posibles del experimento.
Las variables aleatorias son aquellas
comportamiento probabilstico de la realidad.
que
tienen
un
Objetivo
Utilizar la herramienta Stat::Fit con la finalidad de determinar la
distribucin de probabilidad a partir de un conjunto de datos.
Introduccin
Stat::Fit permite comparar los resultados entre varias distribuciones
analizadas mediante una calificacin. Entre sus procedimientos emplea las
pruebas estadsticas Chi-cuadrada, de Kolmogorov-Smirnov y de
Anderson-Darling.
Conjuntamente calcula los parmetros apropiados para cada tipo de
distribucin, e incluye informacin estadstica adicional como media,
moda, valor mnimo, valor mximo y varianza, entre otros datos.
Stat::Fit se puede ejecutar desde la pantalla de inicio de Promodel, o
bien desde el comando Stat::Fit del men Tools.
Entrada de datos y manipulacin
Tabla de Datos
Un nuevo proyecto se crea haciendo clic en el icono new document
en la barra de control o seleccionando File en la barra de men
y luego New en el submen, esta accin genera un nuevo documento de
Stat::Fit , y muestra una tabla vaca de datos.
Es en la tabla vaca donde se insertan uno por uno los datos del
ejemplo:
Opciones de entrada
Opciones de entrada de datos (Input options) permite establecer varias
opciones de manejo:
El nmero de intervalos para el histograma, la precisin con que los
datos se muestran y almacenan, y los tipos de distribucin que se
permitirn. El cuadro de dilogo Opciones de entrada se ingresa haciendo
clic en el icono Input Options o mediante la seleccin Input de la barra
de men y luego Options en el men secundario.
Se aconseja que el nmero de intervalos se calcule con la raz
cuadrada del total de datos, 10 para este ejemplo.
La precisin de los datos es el nmero de decimales que se muestran
en los datos de entrada y todos los clculos posteriores. La precisin por
defecto es de 6 cifras decimales y se ajusta inicialmente. La precisin se
puede ajustar entre 0 y 15. Tenga en cuenta que la mayora de los datos de
este ejemplo tiene un mximo de 5 dgitos por lo tanto es este valor que se
establecer.
Ajuste de la Distribucin
El ajuste automtico de distribuciones continuas se puede realizar
mediante el comando Auto::Fit. Este comando sigue el mismo
procedimiento como se explica a continuacin para el ajuste manual, pero
opta por la distribucin adecuada de los datos de entrada. Tambin califica
las distribuciones de acuerdo con su relativa bondad de ajuste, y da una
indicacin de su aceptacin como buenas representaciones de los datos de
entrada.
En el ajuste manual de las distribuciones de anlisis de los datos de
entrada en la tabla de datos, las distribuciones adecuadas de los datos de
entrada deben ser elegidas en la configuracin del ajuste (setup) junto con
las pruebas de bondad de ajuste deseadas.
Comience el proceso de
ajuste
de la distribucin
mediante la seleccin de Fit en
la barra de men y luego de
setup
desde
el
men
secundario, o haciendo clic en
el icono de setup apropiado.
Grficos
Un grfico de la densidad de los datos de entrada y la densidad
ajustada pueden ser vistos seleccionando Fit de la barra de mens y, a
continuacin Result Graphs, submen Density, tambin se puede acceder
a las grficas haciendo clic sobre la distribucin en la ventana Automatic
Fitting. Este grfico muestra un histograma de los datos de entrada
cubierto de las densidades ajustadas para distribuciones especficas.
El grfico aparecer con la configuracin por defecto de los datos de
entrada en un histograma azul y los datos ajustados en un polgono de
color rojo, como se muestra a continuacin.
dx = 1-e-x para x 0
ri
0.4849
0.5128
0.2963
0.7793
0.7306
0.4068
0.5486
0.0961
0.2352
0.5319
Tiempo Alumno
ri
Tiempo
23.882192
11
0.2917 12.4159517
25.8869003
12
0.5088 25.5925405
12.6505134
13
0.8877 78.716931
54.3942348
14
0.8011 58.1383114
47.2160885
15
0.1761 6.97342016
18.8000521
16
0.1011 3.83700547
28.6344509
17
0.0221 0.80452309
3.63731559
18
0.4884 24.1276395
9.65307302
19
0.8534 69.1217096
27.3266399
20
0.1323 5.10873286
p(x)
1-p
P(x)
1-p
(0, 1 p) x=0
Si ri
(1 p, 1) x=1
Xi =
p(x)
0.8
0.2
P(x)
0.8
Si ri
(0 0.8) x=0
Si ri
(0.8 - 1) x=1
Xi =
ri
0.1935
0.1612
0.6451
0.6129
0.0645
0.0322
0.5161
0.4838
0.9677
0.9354
0.387
0.3548
0.8387
0.8064
0.285
0.2258
0.7096
0.6774
0.129
0.0967
0.5806
0.5483
0
1
0.4516
0.4193
0.9032
0.8709
0.3225
0.2903
0.7741
0.7419
Xi
0
0
0
0
0
0
0
0
1
1
0
0
1
1
0
0
0
0
0
0
0
0
0
1
0
0
1
1
0
0
0
0
Evento: Compra
No
No
No
No
No
No
No
No
Si
Si
No
No
Si
Si
No
No
No
No
No
No
No
No
No
Si
No
No
Si
Si
No
No
No
No