UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE INGENIERIA QUIMICA

CARRERA DE INGENIERIA QUIMICA

INVESTIGACIÓN #2

NOMBRE: Veloz Chipre Xiomara

CURSO: 701

DOCENTE: Ing. Gonzalo Villa

Fecha de entrega: 18 de noviembre de 2019

2018-2019 CII
NUMEROS ALEATORIOS

Los números aleatorios son la base esencial de la simulación. Usualmente, toda la aleatoriedad
involucrada en el modelo se obtiene a partir de un generador de números aleatorios que produce
una sucesión de valores que supuestamente son realizaciones de una secuencia de variables
aleatorias independientes e idénticamente distribuidas iid U(0, 1).

Posteriormente estos números aleatorios se transforman convenientemente para simular las

diferentes distribuciones de probabilidad que se requieran en el modelo. En general, la validez de
los métodos de transformación dependen fuertemente de la hipotaxis de que los valores de
partida son realizaciones de variables aleatorias iid U(0, 1), pero esta suposición realmente no se
cumple, puesto que los generadores de números aleatorios son simplemente programas
determinísticos que intentan reproducir una sucesión de valores que parezca aleatoria.

El método más conveniente y fiable de generar números aleatorios es utilizar algoritmos

determinísticos que posean alguna base matemática sólida. Estos algoritmos producen una
sucesión de números que se asemeja a la de una sucesión de realizaciones de variables aleatorias
iid U(0, 1), aunque realmente no lo sea. Es por ello por lo que este tipo de números se denominan
pseudoaleatorios y el algoritmo que los produce se llama generador de números pseudoaleatorios.

T1POS DE GENERADORES

Los generadores de números aleatorios los podemos clasificar en:

o Los generadores basados en métodos de congruencia se pueden explicar en la siguiente

forma. Consideremos la relaci6n: u = V (mod T)

Donde: U y V son dos números reales cualesquiera. Si la diferencia entre estos números es aún
divisible por un numero entero T, entonces Use define como congruente a V con modulo T. EI
significado de la ecuación anterior puede explicarse de la siguiente manera. Si la expresión (U – V)
/T es un entero. entonces U es congruente a V con módulo T. En general hay muchos valores de
T que satisfacen la relación anterior. En la mayoría de los casos uno está interesado en el valor más
grande T que satisface esta definición.

o Generadores compuestos:

Están basados en la combinación de otros generadores separados con la esperanza que el

generador final presente mejor comportamiento estadístico.

Inicialmente un vector V = (V1 V2 ... Vk) es Ilenado (secuencialmente) con los primeros k Ui
obtenidos del primer generador congruencial lineal (k = 128). Luego el segundo generador es
utilizado para generar un entero aleatorio I distribuido uniformemente ~n los enteros 1. 2 ... k y Vi es
entregado como el primer número aleatorio de la serie: el primer generador entonces reemplaza
la 1th posición en V con su siguiente Ui y el segundo generador selecciona la siguiente posición del
V actualizado etc.

o Generadores de tausworthe:

Estos métodos están relacionados con sistemas criptogámicos y operan directamente con bits
para formar números aleatorios. EI método opera así:
1. Define una secuencia b1, b2... de dígitos binarios
2. Haga bi = (C1bi-1 + C2bi-2... + CRbi-R) (mod 2) donde C1 C2... Cr son cero o uno.
Por lo general solamente dos son diferentes de cero.
3. Agrupe k bits para formar un entero binario de longitud k con valor entre 0 y 2.
 El cual es dividido por 2 k. para dar el número U(O. 1). Estos generadores. el periodo máximo
es 2 R - 1 Para inicializar el algoritmo es necesario especificar los primeros R dígitos binarios
en alguna forma. Lo cual es equivalente a especificar Zo.

EN MATLAB

rand: Números aleatorios distribuidos uniformemente

Sintaxis

o X = rand
o X = rand(n)
o X = rand(sz1,...,szN)
o X = rand(sz)
o X = rand(___,typename)
o X = rand(___,'like',p)

Descripción

X = rand devuelve un único número aleatorio distribuido uniformemente en el intervalo (0,1).

X = rand(n) devuelve una matriz de n por n de números aleatorios.

X = rand(sz1,...,szN) devuelve un array de sz1por ... por szN de números aleatorios donde
sz1,...,szN indica el tamaño de cada dimensión. Por ejemplo, rand(3,4) devuelve una matriz
de 3 por 4.

X = rand(sz) devuelve un array de números aleatorios donde el vector de tamaño sz

X = rand(___,typename) devuelve un array de números aleatorios con el tipo de datos

typename. La entrada typename puede ser 'single' o 'double'. Puede utilizar cualquiera de
los argumentos de entrada en las sintaxis anteriores.

X = rand(___,'like',p) devuelve un array de números aleatorios como p, es decir, del mismo

tipo de objeto que p. Puede especificar typename o 'like', pero no ambos.

Ejemplo
TEORIA DEL ERROR
Tipos de errores:
a. Errores de redondeo
b. Errores de truncamiento o aproximación

Definición de errores
Si a es una aproximación a A, entonces se define el error absoluto como

a  A  a , y el error relativo como  a a siempre que A no sea cero.
A

Propagación de Errores
a) Funciones de una y  f x
variable:

f
y  x
x

b) Funciones de varias y  f x1 , x2 ,, xn 

variables:
n f

 i1 xi
 y  x
i

Errores de redondeo y aritmética de punto flotante

Un número flotante (normalizado, en base 2) con precisión t se expresa así:

En el sistema simple precisión (t=24), se tiene fl(x)  (1.b1b2 b23 )2  2E

Si el número 1 se expresa (1.00…0)2 , entonces el primer número mayor es el

que se obtiene sumándole 1 (un) bit, es decir (1.00…1)2
Expresando este valor mediante las potencias (negativas) de 2, se obtiene:

1 20  0  21  0  22 1 2(t1)  1 2(t1)

Al reemplazar t=53 y luego efectuar la diferencia de 1 se obtiene el “épsilon
de maquina” para este sistema de “doble precisión”

  (1 252) 1  252

Se llama épsilon (  ) de máquina al número (gap) que existe como diferencia entre el 1 y el
número próximo más grande.
 Punto flotante de precisión (eps es la precisión de la maquina: si 1 < x < 1 + eps,
entonces x = 1 )
 Punto flotante underflow (x_min es el cero de la maquina: si 0 <= x < x_min,
entonces x = 0 )
 Punto flotante overflow (x_max es el infinito de la maquina: si x > x_max,
entonces x = inf )
Ejemplo 1
Creación de un Archivo Script
a) Crear una carpeta de trabajo en su usb o en el disco C, usando el
explorador de Windows, por ejemplo denomínela MN_miapellido.
b) Establecer la ruta donde el MATLAB buscara su programa, para ello digite en la
ventana de comandos la instrucción cd seguida de la ruta de su carpeta de trabajo:
>> cd c:\MN_miapellido y presione la tecla Enter
c) Crear un nuevo archivo-m:
Haga clic en el menú File, seleccione la opción New y haga clic en M-File.
Aparecerá una ventana en blanco donde deberá digitar su programa.
d) Digite el siguiente programa:

% prueba01.m
n=input('Ingrese numero de
periodos=')
x=0:pi/100:2*pi*n;

y=exp(-x/10).*sin(2*x);
plot(x,y)
title('Amortiguamiento')
xlabel('Tiempo(seg)')
ylabel('Posicion (m)')
grid
e) Grabar el programa:
Hacer clic en el menú File, clic en la opción Save, luego digite el nombre del
programa: prueba01 y haga clic en el botón guardar.
f) Ejecución del programa:
En la ventana de comandos escriba el nombre del programa: prueba01 y presione
la tecla Enter.
El programa solicitara el ingreso de un dato:
Ingrese número de períodos =
Digite 5 y presione Enter.
Se mostrara el siguiente gráfico

g) Si el programa no corre correctamente se debe hacer las modificaciones

correspondientes, luego volverlo a grabar y ejecutar.
BIBLIOGRAFIA
 http://webpersonal.uma.es/~JMPEULA/teoria_de_errores.html
 https://www.uaa.mx/direcciones/dgdv/editorial/docs/breve_introduccion_teoria_errores.p
df
 https://dialnet.unirioja.es/descarga/articulo/4902537.pdf