2.

1 Números aleatorios: definición, propiedades, generadores y

tablas

Introducción:
Los sistemas reales frecuentemente tienen valores de tiempo y cantidades que varían dentro
de un rango y de acuerdo a una funció n específica de densidad, definida por una distribució n
de probabilidad. Por ejemplo, si el tiempo que se tarda una má quina en procesar una pieza se
distribuye entre 2.2 minutos y 4.5 minutos, esto se definirá como una distribució n de
probabilidad en el modelo de simulació n. Durante la simulació n, cada vez que una pieza entre
a esta má quina y sea procesada, el simulador generará un nú mero al azar entre 2.2 y 4.5
minutos para simular el tiempo de procesamiento de esa pieza. Cada vez que generamos un
valor a partir de una distribució n, a ese valor se le llama variable aleatoria. Para generar
variables aleatorias, es necesario utilizar números aleatorios.

Definición:
Un nú mero aleatorio es aquél que es generado a partir de la distribució n Uniforme
U(0,1).

 Propiedades y generadores de números aleatorios.

  Su generación se basa en el uso de mecanismos físicos. Entre las distintas
propuestas se incluyen el recuento de partículas emitidas por una explosión, el
lanzamiento de monedas, aparatos mecánicos basadas en ruedas de la fortuna, etc.
  Tienen el  inconveniente de ser generados lentamente. Además, los números
aleatorios no pueden almacenarse de forma automática. Por tanto, se deben buscar
procedimientos algorítmicos computacionales que generen números aleatorios de forma
muy rápida y los puedan almacenar sin utilizar mucha capacidad de memoria.
Una de las características más poderosas de la simulación es la habilidad de imitar el
comportamiento aleatorio que es característico de la mayoría de los sistemas reales. Para
poder imitar este comportamiento aleatorio la simulación necesita utilizar un generador de
números aleatorios, el cual es responsable de producir un ciclo grandísimo e
independiente de números aleatorios.
Hay que aclarar que los números U(0,1) producidos por un generador de números
aleatorios (algoritmo computacional) no son aleatorios en el verdadero sentido de la
palabra, ya que el generador puede reproducir la misma secuencia de números una y otra
vez, lo cual no indica un comportamiento aleatorio. Por esta razón, a los números U(0,1)
producidos por un generador (algoritmo) se les llama pseudoaleatorios.

2.2 Números pseudoaleatorios.

Introducción:
Casi todas las aplicaciones comerciales tienen varios generadores de nú meros
pseudoaleatorios que pueden generar un conjunto muy grande de nú meros sin
mostrar correlació n entre ellos, para ello se utilizan métodos preestablecidos que
garantizan esta demanda.
Para poder realizar una simulació n que incluya variabilidad dentro de sus eventos, es
preciso generar una serie de nú meros que sean aleatorios por sí mismos, y que su
aleatoriedad se extrapole al modelo de simulació n que se está construyendo. En la
construcció n  del modelo los nú meros aleatorios juegan un papel relevante.
Unas de las primeras tareas que es necesario llevar a cabo consiste en analizar si los
nú meros que se utilizaran para “correr” o ejecutar la simulació n son realmente
aleatorios o no; por desgracia, precisar lo anterior con absoluta certidumbre resulta
muy complicado, ya que para ello se tendría que generar un nú mero infinito de
valores que permitan comprobar la existencia de correlaciones entre ellos. Esta
actividad sería muy costosa y tardada, volviendo imprá ctico el uso de la simulació n
aun con las computadoras má s avanzadas.

Tomando en cuenta lo anterior, se puede asegurar, con altos niveles de confiabilidad

que el conjunto de nú meros que se utilizará n en la simulació n se comportan de
manera muy similar a un conjunto de nú meros totalmente aleatorios; por ello es que
se les denomina números pseudoaleatorios.
Un número pseudoaleatorio es un número U(0,1) producido por un algoritmo
matemático.

Propiedades de los números pseudoaleatorios

Es deseable que los nú meros pseudoaleatorios uniformes posean las siguientes
características:
1. Uniformemente distribuidos.
2. Estadísticamente independientes.
3. Reproducibles.
4. Periodo largo.
5. Generados mediante un método rá pido.
6. Generados mediante un método que no requiera mucha capacidad de
almacenamiento de la computadora.
Generar un conjunto de nú meros pseudoaleatorios es una tarea relativamente
sencilla, para ello, el lector só lo tiene que diseñ ar su propio algoritmo de generació n.
Lo que resulta difícil es diseñ ar un algoritmo que genere un conjunto de nú meros
pseudoaleatorios con periodo de vida suficientemente grande (N) y ademá s pase sin
problema las pruebas de uniformidad e independencia, lo cual implica evitar
problemas como éstos:
         Que los nú meros del conjunto no estén uniformemente distribuidos, es decir, que
haya demasiados nú meros en un subintervalo y otro muy pocos o ninguno.
         Que los nú meros pseudoaleatorios sean discretos en lugar de continuos.
         Que la media del conjunto sea muy alta o muy baja, es decir, que esté por arriba o por
debajo de ½.
         Que la varianza del conjunto sea muy alta o muy baja, es decir, que se localice por
arriba o por debajo de 1/12.

En ocasiones se presentan también anomalías como nú meros pseudoaleatorios

seguidos por arriba o por debajo de la media; secuencia de nú meros por arriba de la
media, seguida por una secuencia por debajo de la media, y viceversa, o varios
nú meros seguidos en forma ascendente o descendente.
Existen varios métodos para generar nú meros pseudoaleatorios. A continuació n se
presentan los má s importantes.

El Método de Centros al Cuadrado (Método de los cuadrados medios)

Este método es debido a von Neumann y tiene fundamentalmente só lo interés
histó rico. El método de centros al cuadrado se apega a la siguiente metodología:
1. Inicie con un nú mero entero positivo de 4 (2n) dígitos y llá mele Z0 (X0),
llamado semilla.
2. Eleve Z0 (X0) al cuadrado para obtener un nú mero de 8 (4n) dígitos. Si es
necesario, agregue ceros a la izquierda para hacerlo exactamente de 8 dígitos.
3. Tome los 4 (2n) dígitos centrales como el pró ximo nú mero de 4 (2n) dígitos y
llá mele Z1(X1).
4. Coloque el punto decimal a la izquierda de Z1(X1) para obtener el primer
nú mero pseudoaleatorio U(0,1).
5. Continué generando de esta forma nú meros pseudoaleatorios U(0,1)
Desventaja del método de centros al cuadrado: Tiene una fuerte tendencia a
degenerar rápidamente hacia cero, donde permanecerá por siempre.

La gran mayoría de los generadores de nú meros pseudoaleatorios que se usan en la

actualidad son generadores congruenciales lineales, introducidos por Lehmer en 1951.
Los generadores congruenciales lineales generan una secuencia de nú meros
pseudoaleatorios en la cual el pró ximo nú mero pseudoaleatorio es determinado a
partir del ú ltimo nú mero generado.  A continuació n se presentan los dos má s
importantes: el método congruencial mixto lineal y el método congruencial
multiplicativo lineal.

Método de Lehmer
El método consiste en los siguientes pasos:

1. Se toma como semilla un nú mero entero, X0, de n cifras.

2. Se elige otro entero, c, de k cifras. Suele tomarse k<n.
3. Se calcula X0 *c, nú mero de a lo sumo, n + k cifras.
4. Se separan las k cifras de la izquierda de X 0*c y al nú mero formado por las n
cifras restantes se le resta el que se forma de esas k cifras de la izquierda, dando lugar
a X1.
5. Se repite este proceso tantas veces como sea necesario.
6. Se devuelven los valores 

Método Congruencial Mixto Lineal

Los valores posibles de Xn+1 son 0, 1, 2,3,…, m-1, m representa el nú mero posible de
valores que pueden ser generados.

Fó rmula:

Donde:
Xn= la semilla (X0>0)
   a= el  multiplicador (a>0)
   c= constante aditiva (c>0)
  m= Mó dulo (m>Xn; m>a; m>c)

Periodo del generador = 4

Reglas para la selección de parámetros en el método congruencial mixto lineal
En los ejemplos anteriores se colocaron de manera arbitraria cada uno de los
pará metros requeridos: X0, a, c, m. Sin embargo, para que el algoritmo sea capaz de
lograr el má ximo periodo de vida n, es preciso que dichos pará metros cumplan ciertas
condiciones. Banks, Carson, Nelson y Nicol sugieren lo siguiente:
m= 2g
a= 1 + 4k
k debe ser entero
c relativamente primo a m
g debe ser entero

Bajo estas condiciones se obtiene un periodo de vida má ximo: N= m= 2g.

El Método Congruencial multiplicativo

Al igual que el generador congruencial mixto lineal, el generador congruencial multiplicativo
determina el pró ximo nú mero pseudoaleatorio a partir del ú ltimo nú mero generado, de
acuerdo a la siguiente fó rmula: