2.3.1. Pruebas de Aleatoriedad.

Introduccin
Estrictamente hablando, obtener sucesiones de nmeros realmente
aleatorios implica la utilizacin de algn fenmeno fsico de naturaleza
estocstica, como el arrojar una moneda al aire, el ruido de un circuito
electrnico, el decaimiento de un material radioactivo, el conteo de fotones
mediante detectores centelladores y, ms recientemente, se han propuesto
mtodos menos tradicionales basados en fenmenos tales como el ujo
turbulento de aire formado por el movimiento de los discos duros en una
computadora y otro tipo de hard!are, pndulos caticos e incluso del tipo
biomtricos, pero debido a las inherentes di"cultades #ue ofrece este
enfo#ue, entre las #ue podemos mencionar los errores sistemticos
introducidos por el arreglo e$perimental, la nula reproducibilidad de la
sucesin obtenida, as como la baja frecuencia en la generacin de nmeros
aleatorios, han hecho necesaria la bs#ueda de otras formas ms e"cientes
para obtener estos nmeros%
&esde hace ya algunos a'os, se utilizan computadoras digitales para
implementar programas a los #ue llamamos generadores de nmeros
pseudoaleatorios o simplemente generadores, los cuales mediante reglas
deterministas y operaciones aritmticas muchas veces sencillas, producen
sucesiones de nmeros #ue se asemejan en un sentido limitado, a las
obtenidas mediante un e$perimento aleatorio y #ue se denominan
sucesiones de nmeros pseudoaleatorios%
(e conocen muchas implementaciones diferentes para generar
nmeros pseudoaleatorios #ue hacen uso de una gran variedad de tcnicas
y algoritmos #ue comprenden desde el uso de algoritmos de congruencias
lineales hasta otros asociados con autmatas celulares, algoritmos de
criptografa de curvas elpticas, etctera%
)a actual utilizacin de series muy grandes de nmeros
pseudoaleatorios en muchas aplicaciones, as como algunos episodios de
resultados dudosos, obtenidos debido a la baja calidad de los generadores
utilizados, ha fortalecido la necesidad de contar con mejores y cada vez ms
e"cientes pruebas de la calidad% El campo de investigacin de las pruebas
de calidad de generadores de nmeros pseudoaleatorios *y por supuesto,
tambin de su implementacin+, es tan activo #ue prcticamente no hay
mes en el #ue no se reporten en la literatura cient"ca nuevas pruebas de
calidad #ue utilizan una gran variedad de criterios y tcnicas *teora de la
informacin, tcnicas estadsticas, po!er spectrum, gambling tests,
sistemas fsicos, entropa, etc%+%
)as pruebas de calidad de los generadores de nmeros
pseudoaleatorios se pueden dividir en,
-ruebas tericas% (e realizan estudiando los algoritmos
generadores de nmeros pseudoaleatorios mediante el uso de
herramientas como la teora de nmeros% Estos tipos de
pruebas son tiles por su generalidad y estn basadas en el
estudio de algunas propiedades tales como la longitud del
periodo de la secuencia y la uniformidad del algoritmo%
-ruebas empricas% Estas pruebas se concentran en las
sucesiones de nmeros pseudoaleatorios y sus propiedades%
(on usadas para encontrar correlaciones locales no triviales
presentes en las sucesiones de nmeros pseudoaleatorios y
mostrar aspectos desapercibidos en las pruebas tericas%
-ruebas de aleatoriedad
-ara comprobar si los nmeros aleatorios obtenidos cumplen las
propiedades deseadas de uniformidad e independencia se deben realizar
una serie de pruebas%
-rueba de frecuencia%
-ruebas de series%
-rueba de autocorrelacin%
-rueba de saltos%
-rueba de po.er%
/uando se prueba la uniformidad las hiptesis son,
0
1
, 2i 3 451,67
0
6
, 2i 8 451,67
)a hiptesis nula supone #ue la secuencia de nmeros
obtenidos est distribuida uniformemente en el intervalo 51,67%
-rueba de frecuencia *9olmogorov+
)a prueba bsica a la #ue se debiera someter cual#uier nuevo
generador de nmeros aleatorios es la de uniformidad% E$isten dos
mtodos para realizar esta prueba,
-rueba de 9olmogorv:(mirnov%
-rueba de chi:cuadrado%
9olmogorov:(mirnov compara la funcin de distribucin
acumulada ;*$+ de la distribucin uniforme con la emprica, (<*$+, de
la muestra de < observaciones% -or de"nicin, ;*$+ = $ para 1 > $ > 6
-ara una muestra de 26, 2?, %%%,2< la funcin de distribucin
acumulada, (<*$+, est de"nida por, (<*$+ = *nmero de 26, 2?,
%%%,2< #ue son > 6+@<
& = ma$ A;*$+ : (<*$+A
)a forma de obtenerlo es de la siguiente manera,
(e ordenan los datos de menor a mayor 2*6+ > 2*?+ > %%%
> 2*<+
(e calcula, &B = ma$ 6 > i > < Ci@< : 2*<+D
&: = ma$ 6 > i > < C2*<+ : *i:6+@< D
(e obtiene & = ma$*&B,&:+
(e compara con el valor de la tabla para un E dado%
Ejemplo de prueba 9olmogorov:(mirnov
(ean F nmeros 1,GG, 1,H6, 1,6G, 1,1F, 1,IJ generados por algn
mtodo%
&B = ma$ 6 > i > < Ci@< : 2*<+D = 1,?K
&: = ma$ 6 > i > < C2*<+ : *i:6+@<D= 1,?6
-or tanto & = 1,?K% -ara E = 1,1F y < = F el valor de la tabla es 1,FKF
por tanto no se puede rechazar la hiptesis nula%
-rueba de frecuencia */hi /uadrada+
(e necesita un conjunto mnimo de F1 datos generados #ue se
organizarn en un histograma #ue cumpla lo siguiente,
)a cantidad de aleatorios esperados en cada una de las
clases del histograma ser de cinco datos como mnimo%
-ara aplicar esta prueba se necesita un conjunto de *<+
aleatorios #ue sean calculados con el generador #ue se
desea probar, y ejecutar los siguientes pasos, *< L= F1+
6%: Mrganizar los datos en un histograma *con n clases+%
2.- /alcular el nmero de datos esperados en cada clase del
histograma suponiendo aleatorios idealmente uniformes%
3.- /alcular el estadstico /hi:cero cuadrado con las diferencias entre
las cantidades de aleatorios esperados *Ei+ y los observados
realmente *Mi+ en cada una de las *n+ clases del histograma, segn la
muestra #ue se inspecciona%
4.- (e establece el nivel m$imo de variacin del estadstico #ue se
calcula *ji:cero+ cuando los grados de libertad son iguales al nmero
de clases menos unoN y la signi"cacin de la prueba es alfa% Estos
valores se encuentran tabulados para la prueba de la /hi:cuadrada%
5.- (e compara el estadstico calculado con el m$imo permitido #ue
ley de tablasN si es menor entonces se concluye #ue no hay
evidencia estadstica para a"rmar #ue los aleatorios de la muestra no
tienen una distribucin uniforme% (i es mayor no se acepta la
hiptesis de uniformidad en los aleatorios generados%
Ejemplo de /hi:cuadrada
(e tiene un generador de nmeros en el intervalo *1,6+ y se
desea probar la uniformidad en los nmeros #ue genera, con un nivel
de con"anza del IFO% -ara ello se generan 611 nmeros con l y se
siguen los pasos de la prueba de /hi:cuadrada%
-aso 6%: (e organizan los datos en un histograma, supongamos con
61 clases de igual longitud, encuentre la cantidad de aleatorios #ue
cae en cada clase% En este caso los resultados se muestran a
continuacin,
/)P(E I<QE2RP)M ;2E/4E</IP
6 *1:1%67 I
? *1%6:1%?7 66
J *1%?:1%J7 6?
G *1%J:1%G7 61
F *1%G:1%F7 H
K *1%F:1%K7 I
S *1%K:1%S7 61
H *1%S:1%H7 66
I *1%H:1%I7 61
61 *1%I:6%17 61
-aso ?%: /alcular los datos esperados en cada clase si el generador
fuese completamente uniforme%
En ese caso en cada clase se esperan la misma cantidad de nmeros
es decir 611@61=61N en general se esperan Ei datos en cada clase
donde
Ei=Ttotal de datos@Tde clases *para el caso de uniformidad+%
/on esto se veri"ca #ue se cumple con las condiciones de /hi:
cuadrada #ue son, < L = F1 y Ei L = F% -or tanto se puede aplicar la
prueba%
-aso J%: /alcular el estadstico chi:cero cuadrada con las diferencias
entre la cantidad esperada y la observada en cada una de las clases%


CLASE Intervalo ;recuencia
observada
Esperado (Oi-Ei)*(Oi-
Ei)/Ei
6 *1:1%67 I 61 1%6
? *1%6:1%?7 66 61 1%6
J *1%?:1%J7 6? 61 1%G
G *1%J:1%G7 61 61 1%1
F *1%G:1%F7 H 61 1%G
K *1%F:1%K7 I 61 1%6
S *1%K:1%S7 61 61 1%1
H *1%S:1%H7 66 61 1%6
I *1%H:1%I7 61 61 1%1
61 *1%I:6%17 61 61 1%1
Qotal 6%?
Qabla de /hi:cuadrada
-or tanto el estadstico #ue se busca es, 6%?
-aso G%: El valor m$imo aceptable se lee de tablas para un alfa de
1%1F y grados de libertad 61:6=IN cuyo valor es, 6K%I *tabla para /hi:
cuadrada+%
-aso F%: /omo 6K%I L 6%? entonces no hay evidencia estadstica para
rechazar la hiptesis de uniformidad en los nmeros generados% -or
tanto se acepta la uniformidad en ellos%
;uente,
2evista Ue$icana de ;sica
http,@@rmf%fciencias%unam%m$@pdf@rmf@FJ@F@FJVFVJF1%pdf
/asteln, Uario% Utodos /uantitativos y (imulacin% /entro de
Investigacin y de Estudios Pvanzados del I-<%
http,@@!!!%cinvestav%edu%m$@saltillo@robotica@mariocastelan@simulacion@