Recibimos sabidura, legaremos desarrollo

Grupo: 52T
Profesor: Ing. Jos Antonio Lpez Tello
Ingeniera en Sistemas Computacionales
Cd. Lzaro Crdenas, Mich. 17 de octubre de 2013

ndice
Introduccin .................................................................................................................................. 2
2 Nmeros pseudoaleatorios ........................................................................................................ 3
2.1 Mtodos de generacin de nmeros pseudoaleatorios ..................................................... 3
2.2 Pruebas estadstcas ............................................................................................................ 6
2.2.1 De uniformidad............................................................................................................. 6
2.2.2 De aleatoriedad .......................................................................................................... 10
2.2.3 De independencia ...................................................................................................... 12
Conclusin ................................................................................................................................... 26
Referencias bibliogrfcas ............................................................................................................ 27



Introduccin
En este trabajo de investgacin veremos los diferentes mtodos de generacin de
nmeros pseudoaleatorios as como las diferentes pruebas estadstcas que se les
aplican para verifcar aspectos de la calidad de los nmeros pseudoaleatorios. Los
nmeros pseudoaleatorios son muy utlizados en simulacin ya que con ellos se da la
necesidad de generar nmeros aleatorios en modelos de simulacin para as probar su
funcionamiento.
























2 Nmeros pseudoaleatorios
2.1 Mtodos de generacin de nmeros pseudoaleatorios
Mtodos Manuales: son los mtodos ms simples y lentos, ejemplo de estos mtodos
son lanzamientos de monedas, dados, cartas y ruletas. Los nmeros producidos por
estos mtodos cumplen las condiciones estadstcas mencionadas anteriormente, pero
es imposible reproducir una secuencia generadas por estos mtodos.
Tablas de nmeros aleatorios: estos nmeros se pueden generar por medio de una
hoja de clculo o por cualquier generador de cualquier lenguaje de programacin
razn por la cual su comportamiento es totalmente determinstco.
Mediante el computador digital: existen tres mtodos para producir nmeros
aleatorios mediante un computador:
Provisin externa.
Generacin interna a travs de un proceso fsico aleatorio.
Generacin por medio de una regla de recurrencia.

Mtodos aritmtcos para generar nmeros pseudoaleatorios
Mtodos de Cuadrados Medios: el procedimiento de obtencin de nmeros
pseudoaleatorios con este tpo de generador es el siguiente:
Se defne una semilla.
Se eleva la semilla al cuadrado.
Dependiendo de la cantdad de dgitos que se desea tenga el nmero
pseudoaleatorio, se toman de la parte central del nmero resultante en el paso
anterior el nmero de dgitos requeridos. Si no es posible determinar la parte
central, se completa el nmero agregando ceros al principio o al fnal.
Debe tenerse en cuenta que se desean nmeros pseudoaleatorios entre 0 y 1, en
consecuencia el resultado se debe normalizar, es decir, si los nmeros son de dos
dgitos se normaliza dividiendo por 100, si es de tres dgitos por mil y as
sucesivamente.
Mtodo de Producto medio: este mtodo es un poco similar al anterior pero se debe
comenzar con dos semillas cada una con k dgitos, el nmero resultante se toma como
las cifras centrales del producto de los dos nmeros anteriores. Por ejemplo, tomando
como semillas a X0 =13 y X1 =15 el mtodo sera el siguiente:
X2 = (13*15)= 0195 = 19, luego R2 =19 / 100 = 0.19.
X3 = (15*19) = 0285 = 28, luego R3 = 28 / 100 = 0.28.
X4 = (19*28) = 0532 = 53, luego R4=53 / 100 = 0.53.

Mtodo del producto medio modifcado: consiste en usar una constante
multplicatva en lugar de una variable. Es decir Xn+1 = (K*Xn). Debe notarse que los
mtodos anteriores tenen periodos relatvamente cortos, los cuales son afectados
grandemente por los valores iniciales que se escojan, adems son estadstcamente
insatsfactorios. Tambin debe tenerse en cuenta que un generador con un periodo
corto no sirve para hacer un nmero considerado de ensayos de simulacin.

Mtodos congruenciales
Mtodo Congruencial Aditvo: calcula una sucesin de nmeros pseudoaleatorios
mediante la relacin Xn+1= Xn +Xn-k (mod M). Para usar este mtodo se necesitan k
valores iniciales, siendo k entero. Las propiedades estadstcas de la secuencia tenden
a mejorarse a medida que k se incrementa. Este es el nico mtodo que produce
periodos mayores que M.
Mtodo Congruencial Multplicatvo: calcula una sucesin Xn de enteros no negatvos,
cada uno de los cuales es menor que M mediante la relacin Xn+1= a.Xn (mod M). Es
un caso especial de la relacin de congruencia en que c=0, este mtodo se comporta
de manera satsfactoria estadstcamente, es decir, los nmeros generados por medio
de este mtodo estn unifrmente distribuidos, y no estn correlacionados. Este
mtodo tene un periodo mximo menor que M, pero se pueden imponer condiciones
en a y X0 de tal forma que se obtenga el periodo mximo. Desde el punto de vista
computacional es el ms rpido de todos.
Mtodo Congruencial Mixto o Lineal: los generadores congruenciales lineales generan
una secuencia de nmeros pseudoaleatorios en la cual el prximo nmero
pseudoaleatorio es determinado a partr del ltmo nmero generado, es decir, el
nmero pseudoaleatorio Xn+1 es derivado a partr del nmero pseudoaleatorio Xn La
relacin de recurrencia para el generador congruencial mixto es Xn+1 =(a Xn+c) mod
m, en donde
X0 = es la semilla
a =el multplicador
c = constante aditva
m = el modulo (m > X0, a,c)
X0, a, c >0

Esta relacin de recurrencia nos dice que Xn+1 es el residuo de dividir a Xn+c entre el
modulo. Lo anterior signifca que los valores posibles de Xn+1 son 0,1,2,3 ....m-1, es
decir, m representa el nmero posible de valores diferentes que pueden ser
generados.











2.2 Pruebas estadstcas
2.2.1 De uniformidad
Las dos propiedades ms importantes esperadas en los nmeros aleatorios son
uniformidad e independencia. La prueba de uniformidad puede ser realizada usando
las pruebas de ajuste de bondad disponibles. Por ejemplo, un nmero estadstco
sufciente de nmeros aleatorios pueden ser usados para verifcar la distribucin de los
nmeros contra la distribucin uniforme terica usando ya sea el mtodo Chi-Cuadrada
o el mtodo Kolmogorov-Smirnov (KS) para nmeros aleatorios. Este tpo de prueba es
denominada "Prueba de frecuencia"
Una prueba bsica que siempre ser desarrollada para validar un nuevo generador es
la prueba de uniformidad. Dos mtodos de pruebas disponibles. Estas son las pruebas
Kolmogorov-Smirnov y la prueba Chi-Cuadrada Ambas de estas pruebas miden el grado
de ajuste entre la distribucin de una muestra de nmeros aleatorios generados y y la
distribucin uniforme terica. Ambas de estas pruebas estn basadas en la Hiptesis
Nula de que no existe diferencia entre la distribucin de la muestra y la distribucin
terica.
La prueba de Kolmogorov-Smirnov
La prueba de Kolmogrov-Smirnov (tambin prueba K-S) es una prueba no
paramtrica que se utliza para determinar la bondad de ajuste de distribuciones de
probabilidad entre s.
Conviene tener en cuenta que la prueba Kolmogrov-Smirnov es ms sensible a los
valores cercanos a la mediana que a los extremos de la distribucin. La prueba de
Anderson-Darling proporciona igual sensibilidad con valores extremos.
Procedimiento:
1. Generar una muestra de nmeros aleatorios uniformes de tamao N.
2. Ordenar dichos nmeros en orden ascendente.
3. Calcular la distribucin acumulada de los nmeros generados con la siguiente
expresin

Donde i es la posicin que ocupa el nmero aleatorio Xi en el vector ordenado
obtenido en el paso 2.
4. Calcular el estado de prueba Kolmogorov-Smirnov del modo siguiente
D
n
= mx | F
n
(X
i
) X
i
| para toda X
i


5. Si D
n
es menor d
alfa,n
, entonces no se puede rechazar la hiptesis de que los nmeros
generados provienen de una distribucin uniforme. La distribucin de D
n
ha sido
tabulada como una funcin de n y alfa para cuando F
n
(x) = F
0
(x).
Ejemplo:
Efectuar la prueba de Kolmogorov Smirnov a la siguiente muestra de nmeros
aleatorios uniformes.
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55
Susttuyendo los valores en las frmulas correspondientes se tene que:
i RNDi F(RNDi) RNDi- F (RNDi)
1 0.00 0.03 0.03
2 0.01 0.07 0.06
3 0.03 0.10 0.07
4 0.04 0.13 0.09
5 0.06 0.17 0.11
6 0.07 0.20 0.13
7 0.11 0.23 0.12
8 0.11 0.27 0.16
9 0.15 0.30 0.15
10 0.18 0.33 0.15
11 0.25 0.36 0.11
12 0.25 0.40 0.15
13 0.26 0.43 0.17
14 0.31 0.47 0.16
15 0.33 0.50 0.17
16 0.34 0.53 0.19
17 0.34 0.57 0.23
18 0.43 0.60 0.17
19 0.48 0.63 0.15
20 0.49 0.67 0.18
21 0.55 0.70 0.15
22 0.59 0.73 0.14
23 0.60 0.77 0.17
24 0.68 0.80 0.12
25 0.70 0.83 0.13
26 0.77 0.87 0.1
27 0.81 0.90 0.09
28 0.83 0.93 0.1
29 0.92 0.97 0.05
30 0.97 1.00 0.03
Siguiendo con el paso 4
D
n
= Max |RNDi F (RNDi)| = 0.23
Comparamos el valor Dn (calculado) contra el valor en tablas de la distribucin
Kolmogorov-Smirnov con n = 30 y un nivel de signifcancia alfa = 5%, el cual
es d30.5% = 0.242. Como 0.23 es menor que 0.242, entonces, no se puede rechazar la
uniformidad de los nmeros aleatorios.
Prueba Chi-Cuadrada
Esta prueba puede utlizarse incluso con datos medibles en una escala nominal. La
hiptesis nula de la prueba Chi-cuadrado postula una distribucin de probabilidad
totalmente especifcada como el modelo matemtco de la poblacin que ha generado
la muestra.
Procedimiento
1. Generar la muestra de nmeros aleatorios de tamao N.
2. Subdividir el intervalo [0,1] en n subintervalos.
3. Para cada subintervalo contar la frecuencia observada F0 y calcular la frecuencia
esperada FE de nmeros aleatorios, la cual se obtene dividiendo N/n.
4. Calcular el estadstco de prueba.

5. Comparar el valor calculado X02 contra el valor tabulado de la distribucin X2, con
(n-1) grados de libertad y una signifcancia. Si X02 es menor que X2(n-1), entonces no
se puede rechazar la uniformidad de los nmeros aleatorios.
Ejemplo
Realizar la prueba de bondad de ajuste Ji-cuadrada a la siguiente muestra de tamao
30 de nmeros aleatorios uniformes.
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55

INTERVALO FE FO (FE-FO)
2
/FE
0.00 - 0.20 6 10 2.67
0.21 - 0.40 6 7 0.17
0.41 - 0.60 6 6 0.00
0.61 - 0.80 6 3 1.50
0.81 - 1.00 6 4 0.67

X
2
0=5.01
Sea alfa= 5%. Tenemos (5-1) grados de libertad, es decir V=4. El valor en tablas de la
distribucin Ji cuadrada es:
X24.5% = 9.49
Como X02 es menor que X24.5% es decir; 5.01 es menor que 9.49. Entonces no se
puede rechazar la uniformidad de los nmeros aleatorios.
2.2.2 De aleatoriedad
Prueba de corridas por arriba y debajo de la media
El mtodo llamado prueba de corridas por arriba y abajo de la media consiste en lo
siguiente:
Denotaremos con un nmero (1) a aquel nmero que se encuentre por debajo
de la media.
Denotaremos con un nmero (0) a aquel nmero que se encuentre por arriba
de la media.
Este procedimiento consiste en determinar una secuencia de unos y ceros de acuerdo a
la comparacin de cada nmero que cumpla con la condicin de ser mayor o igual a 0.5
(en el caso de los ceros) o ser menor a 0.5 (en el caso de los unos).
Procedimiento
Generar la muestra de tamao N de nmeros aleatorios.
Con base en esta muestra, obtener una nueva sucesin binaria, segn el criterio
siguiente:
Si rj es menor o igual a 0.50 entonces asignarle a rj el smbolo 0.
Si rj es mayor a 0.50 entonces asignarle a rj el smbolo 1.
La frecuencia esperada para cada longitud de corrida i, es:

Ejemplo
Dada la siguiente muestra de tamao 30 de nmeros aleatorios, aplicar la prueba de
corridas, para la independencia
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55
Comparando los nmeros aleatorios segn el criterio establecido, se obtene la
siguiente sucesin binaria. Leyendo de izquierda a derecha se agrupan los smbolos del
mismo tpo para formar las corridas.
0 0 1 0 0 1
0 0 0 1 0 0
0 0 1 0 0 1
0 1 1 1 0 0
0 0 0 1 0 1
En la siguiente tabla se resume la informacin necesaria para el clculo de la Ji-
cuadrada.

Longitud
de corrida i
FE FO (FE-FO)2/FE
1 8.000 9 0.125
2 3.875 3 0.197
3 1.875 2 0.008
4 0.906 1 0.010
5 0.438 1 0.721
Como para las longitudes de corrida i = 2, 3, 4, 5; las frecuencias observadas son
menores o igual a cinco, agrupamos estas longitudes de corridas en una sola longitud
de corrida ? 2.
i FE FO (FE-FO)2/FE
1 8 9 0.125
>=2 7.04 7 0.936

X
0
2
= 1.061
El valor en tablas de X21.5%= 3.84; entonces no se puede rechazar la independencia de
los nmeros aleatorios.
2.2.3 De independencia
Prueba de autocorrelacin
Correlacin es la relacin recproca entre dos o ms cosas (elementos). A veces un
grupo de nmeros generados pueden parecer aleatorios, pero existe una relacin entre
cada cierto nmero de ellos a partr de alguno especfco.
Amplitud de autocorrelacin: Es la distancia que existe entre los nmeros de la lista
que tene la relacin entre s. Se da cada n-simo nmero aleatorio e inicia en el
elemento i.
Esta prueba se aplica con la suposicin de los nmeros aleatorios tene una distribucin
uniforme e independiente sobre el intervalo de 1 a 0.

Conceptos y parmetros que usamos en autocorrelacin
Para analizar la correlacin general para todos los pares sucesivos de nmeros
aleatorios se utliza la estadstca:
Densidad de probabilidad


Dnde:
N es el total de nmeros en toda la serie; Tamao de la muestra.
i es el primer nmero donde empieza la amplitud de autocorrelacin.
m es la amplitud de la autocorrelacin .
M es el entero mayor tal que i+(M+1)*m<N
Este valor, se obtene de acuerdo a los valores dados cuidando que se cumpla la
condicin. Es un
Parmetro de la frmula:

Cumplindose la condicin: i + ( M + 1 ) m < M
Desviacin estndar de la autocorrelacin

(Desviacin estndar de la densidad de probabilidad.)
La estadstca para determinar la signifcancia de la autocorrelacin para la secuencia
propuesta de M+1 nmeros es:


Z signifcancia de la autocorrelacin que tene una distribucin Normal, con media cero
y una varianza de uno, bajo la suposicin de independencia.
Nivel de signifcancia
Si se defne el nivel de signifcancia por medio de y Z
1 - /2
el valor de Z hace que:

Se utliza ( / 2 puesto que se va a tomar en cuenta ambos lados del rea bajo la curva)

Para determinar la autocorrelacin se establecen las siguientes Hiptesis;
Hiptesis Nula
Los nmeros aleatorios estn correlacionados (No son Aleatorios)
Hiptesis Alternatva
Los nmeros aleatorios No estn correlacionados (S son aleatorios )
Criterio de rechazo | Z
0
| > Z
1-/2

Entonces, si: |Z| >Z
1- /2 a
se rechaza la hiptesis de aleatoriedad.
Y si |Z| Z
1- /2
Se acepta la hiptesis de aleatoriedad.
Ejemplo
Tenemos la Siguiente serie de Nmeros:
0.20,0.96,0.78,0.18,0.09,0.80,0.02,0.53,0.05,0.30,0.70,0.59,0.98,0.03,0.37,0.86,0.73,0.
06,0.53,0.25,0.67,0.78,0.33,0.97,0.63,0.25,0.33,0.72,0.91,0.00,0.24,0.64,0.90,0.08,0.33
,0.94,0.33,0.16,0.45,0.70,0.18,0.07
A primera vista, estos nmeros pueden parecer aleatorios. No obstante, al examinar de
cerca estos nmeros se ve que existe una relacin clara entre cada sexto nmero, a
partr del segundo.
Cada uno de estos nmeros vara en magnitud sucesivamente de muy grande a muy
pequeo.
0.20,0.96,0.78,0.18,0.09,0.80,0.02,0.53,0.05,0.30,0.70,0.59,0.98,0.90,0.03,0.37,0.86,0.
73,0.06,0.53,0.25,0.67,0.78,0.33,0.97,0.63,0.25,0.33,0.72,0.91,0.00,0.24,0.64,0.90,0.0
8,0.33,0.94,0.33,0.16,0.45,0.7 0,0.18,0.07.

Prueba de huecos
La prueba de huecos (GAP) es usada para asegurar que la recurrencia de cada dgito
partcular en un fujo de nmeros suceda con un intervalo aleatorio. Se pueden usar
dos pruebas para comparar estos intervalos con la longitud esperada de los huecos: La
prueba Chi-Cuadrada (X
2
) y la prueba Kolmogorov Smirnov (KS) es entonces usada
para comparar
Para determinar si los nmeros aleatorios generados cumplen con las propiedades
especifcadas (uniformidad e independencia) se tendrn las hiptesis siguientes:

La prueba de huecos se utliza para determinar la signifcancia de los intervalos entre la
repetcin de cierto dgito. Si el dgito k va seguido por x dgitos distntos de k, antes de
que vuelva a parecer k, se dice que existe un hueco de tamao x. Por ejemplo:

Se puede tomar cualquier nmeros aleatorio; en este caso se toma el nmero cero, el
cual aparece 13 veces y por ende habr 12 huecos. El primero de longitud 2, el
segundo de 19, el tercero de 8, etc. Otro ejemplo tomamos el nmero cuatro, el cual
aparece 15 veces y tendr 14 huecos. El primero de longitud 16, el segundo de 12, el
tercero de 5, etc. Para fnes de esta prueba, nos interesa la frecuencia con la que se
presentan los diversos huecos.
Para una secuencia dada de dgitos, anotamos el nmero de veces que aparecen los
huecos de longitudes 0, 1, 2,.... . Podemos aplicar este procedimiento a un dgito
simple entre 0 y 1. Despus de tomar nota de la frecuencia con que aparece cada
hueco, comparemos la frecuencia acumulatva relatva (Sx) observada con la frecuencia
acumulatva terica. Suponiendo que los dgitos estn ordenados aleatoriamente, la
distribucin de frecuencias acumulatvas relatvas est dada por:

Y la distribucin de frecuencias acumulatvas tericas est dada por:
La probabilidad de un hueco de una cierta longitud puede ser determinada por
una prueba Bernoulli.

Si nicamente consideramos dgitos del 0 al 9, entonces;

Tericamente la distribucin de frecuencia para dgitos ordenados aleatoriamente est
dada por;

Ejemplo
Basndonos en la frecuencia con que se producen los huecos, determnese si se puede
suponer que los dgitos estn ordenados aleatoriamente. Sea el nivel de signifcancia
de = 0.05.

El nmero de huecos registrados ser la cantdad de nmeros analizados menos el
nmero de nmeros aleatorios generados (en este caso son 10, puesto que cada dgito
se debe presentar, por lo menos, una ltma vez).
Total de huecos (T) = N 10 donde N es el tamao de la muestra
(T) = 125 10 = 115.
Despus se verifca cual fue la mayor longitud del hueco, y dependiendo de sta usted
elegir cuantos intervalos requiere. Por ejemplo: si tene una longitud de hueco igual a
49 y desea 10 intervalos entonces el primer intervalo ser de 0 4, el segundo de 5 9,
el tercero de 10 14, etc. Si quisiera solo 5 intervalos entonces quedar el primero de
0 9, el segundo de 10 19, el tercero de 20 29, el cuarto de 30 39 y el quinto de
40 49. Para el ejemplo se tene que la mayor longitud de hueco es de 50 y se dividi
en 17 intervalos.
Enseguida se analizan cada uno de los nmeros aleatorios generados para determinar
su longitud de hueco y obtener la frecuencia en los intervalos generados. Por ejemplo:
si tomamos el nmero aleatorio siete (7) su primera longitud de hueco es de 9; y caer
en el intervalo 9 11, entonces ese intervalo tendr su primera frecuencia. Si el mismo
nmero aleatorio u otro nmero cayeran en ese mismo intervalo entonces se sumara
la segunda frecuencia para este intervalo; y as sucesivamente para todos los
intervalos. La suma de las frecuencias de todos los intervalos (en este ejemplo son 17)
es igual a el total de huecos (T = 115).

Pasos a seguir en la prueba.
Paso 1.
Especifque la fdp para la distribucin de frecuencia terica dada por la ecuacin (14)
basado en el ancho del intervalo de clase seleccionado.
Ecuacin 14

Paso 2.
Arregle los huecos observados en una distribucin acumulada con esas mismas clases.
Paso 3.
Encuentre D, La mxima desviacin entre F(x) y Sn(x) como en la ecuacin

Paso 4.
Determine el valor crtco D, de la tabla de KolmogorovSmirnov para el valor
especfco de y el tamao de muestra N.
Paso 5.
Si el valor calculado de D es mayor que el valor tabulado de D la hiptesis nula de
independencia es rechazada.
El valor exacto de puede ser encontrado usando la metodologa descrita por
Conmover [1980].

Resumimos la prueba en la tabla siguiente:

Para determinar la frecuencia acumulatva relatva se basa en la frmula:

y as sucesivamente hasta acabar con los intervalos.
Para determinar la frecuencia acumulatva relatva se basa en la frmula:

Posteriormente se obtene la diferencia mxima absoluta entre las dos frecuencias
acumulatvas D * = 0.082. Esta diferencia se compara con la diferencia de
confabilidad. La diferencia de confabilidad est dada por la siguiente frmula:

Donde el nivel de confabilidad es igual a 1 nivel de signifcancia (1-.95)=0.05. Valor
de la tabla con
0.05
y N>35 (tamao muestral 125) = 1.36 (apndice de tablas)

Puesto que D * (0.082) < D
0.95
(0.127); rechazamos la hiptesis de que los dgitos estn
ordenados aleatoriamente.
La prueba de pquer
La prueba POKER se utliza para analizar la frecuencia con la que se repiten los dgitos
en nmeros aleatorios individuales. Para determinar si los nmeros aleatorios
generados cumplen con las propiedades especifcadas (uniformidad e independencia)
se tendrn las hiptesis siguientes:

Se utliza para analizar la frecuencia con la que se repiten los dgitos en nmeros
aleatorios individuales. Por ejemplo, si nos ocupamos de nmeros aleatorios de cinco
dgitos, nos interesara la frecuencia con que ocurre lo que sigue en los nmeros
individuales:
1. Los cinco son diferentes.
2. Hay exactamente un par.
3. Dos pares diferentes.
4. Tres dgitos iguales.
5. Tres dgitos iguales y un par.
6. Cuatro dgitos iguales.
7. Cinco dgitos iguales.
Por supuesto, el nmero de esas combinaciones que se pueden dar depende del
nmero de dgitos que consttuyen cada uno de los nmeros aleatorios.
Para aplicar la prueba del pquer:
a) Escogemos primeramente un nivel de signifcancia, a, y enumeramos el grado de
repetcin de los dgitos.
b) A contnuacin, calculamos la probabilidad de aparicin de cada una de esas
combinaciones.
c) Luego, se examina la frecuencia con que se presenta cada combinacin en la
secuencia de nmeros estudiados.
d) Posteriormente, se puede comparar la frecuencia observada con que aparece cada
combinacin con la frecuencia esperada, mediante la prueba de la ji cuadrada. Para
comprobar que los datos pertenecen a una distribucin Uniforme, se debe de cumplir
la condicin de que X2 Calculada < x2 /1,g.l.. Donde x2 /2,g.l se obtene de la tabla de
la distribucin Ji cuadrada, con un nivel de signifcancia y y los grados de libertad g.l. =
No. de parmetros de la distribucin de probabilidad a probar menos l.(en nuestro
caso estamos probando la uniformidad y la distribucin uniforme no tene parmetros
).

Como ejemplo, supngase que tenemos que aplicar la prueba de pquer a N nmeros
aleatorios de cinco dgitos. Calcularemos la probabilidad de aparicin de cada una de
esas combinaciones, bajo la suposicin de que los dgitos se presentan de una manera
completamente aleatoria.

Frmulas que ya estn establecidas estadstcamente:

Las probabilidades para cada una de las manos de pquer se muestran a contnuacin:

Para obtener el nmero de veces que se puede esperar cada una de esas
combinaciones, se multplica cada probabilidad por N. Por supuesto, el nmero de esas
combinaciones que se pueden producir depende del nmero de dgitos que
consttuyen cada uno de los nmeros aleatorios.
Ejemplo
Tenemos que aplicar la prueba del pquer a n nmeros aleatorios de cinco dgitos. Las
combinaciones posibles que indican el grado de repetcin de los dgitos en un nmero
aleatorio dado se dieron antes. Calcularemos la probabilidad de aparicin de cada una
de esas combinaciones, bajo la suposicin de que los dgitos se presentan de una
manera completamente aleatoria.
Nmeros aleatorios:

Si analizamos el primer dgito 0.85881 contene una tercia de 8s , el segundo dgito
contene dos pares uno de 7s y uno de 9s, y as sucesivamente se analizan todos los
nmeros aleatorios y se cuantfcan las diferentes opciones en el juego de pquer
agrupndolas para obtener la frecuencia esperada fe de cada uno de ellos.
Para obtener el nmero de veces que se puede esperar cada una de esas
combinaciones, se multplica cada probabilidad por n.
Resultados del anlisis del pquer:

Como la frecuencia esperada es menor de 5, se deben agrupar las flas con las
inmediatas superiores hasta que la suma se al menos 5. As;

Como =0.05 y numero de intervalos es igual a 3, la X
2

Tabla
=X
2

0.05,2
=5.99 (apndice de
tablas), y entonces como 3.63 < 5.99 se acepta la hiptesis de que los nmeros estn
ordenados al azar.

Los resultados que se obtuvieron en la tabla fue de la siguiente forma:
4 dgitos distntos = .504 * 100 = 504
1 dgito par = .432 * 100 = 432
2 dgitos pares = .027 * 100 = 27
3 dgitos iguales = .037 * 100 = 37
Por lo tanto para sacar el resultado de la ltma columna se hace mediante la frmula
que se encuentra en la misma posicin de la columna.
Puesto que x 0.95 (4) = 9.488 <22.8982, que por lo tanto no podemos rechazar la
aseveracin de que los dgitos al interior de los nmeros aleatorios estn ordenados al
azar. Por lo tanto si se aprueba la hiptesis.
Nota: este ejemplo fue creado con nmeros aleatorios para cinco dgitos lo cual se
puede realizar con nmeros de cuatro dgitos, cinco dgitos, seis dgitos, siete dgitos,
etc. Lo cual las formulas van a variar dependiendo de su tamao de la longitud.




Conclusin
En simulacin se da mucho la necesidad de generar nmeros aleatorios pero para generarlos
en la computadora se hace por medio de algoritmos defnidos por esta razn ya no son
nmeros aleatorios ya que siguen un algoritmo para ser creados, a estos nmeros se les
denomina nmeros pseudoaleatorios porque son casi aleatorios. A estos nmeros se les
pueden aplicar diferentes mtodos para verifcar varios aspectos de calidad ya que hay dos
propiedades importantes esperadas en los nmeros aleatorios la uniformidad e independencia.
El mtodo chi-cuadrada y el mtodo Kolmogomorov-Smirnov (KS) son mtodos utlizados para
probar la uniformidad en nmeros aleatorios.





















Referencias bibliogrfcas

1. htp://carlosmarquez.fles.wordpress.com/2012/02/unidad-4-generacion-de-numeros-
pseudoaleatorios1.pdf

2. htp://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/SimSist/doc
/SIMULACI-N-131.htm

3. htp://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r92011.PDF

4. htp://es.wikipedia.org/wiki/Prueba_de_Kolmog%C3%B3rov-Smirnov

5. htp://www.ub.edu/aplica_infor/spss/cap5-2.htm

6. htp://www.slideshare.net/pakitofve/prueba-de-corridas-arriba-y-abajo-de-la-media