Está en la página 1de 6

INGENIERÍA INDUSTRIAL

SIMULACION

Actividad 1

Profesor: María Inés Cardona Ibarra

Alumno: Diego Armando Martinez Martinez

Fecha: 19 de septiembre de 2020


1.1. Visite el sitio http://www.random.org/. ¿Qué argumentos dan sobre la
diferencia entre los verdaderos números aleatorios y los números
pseudoaleatorios?

Que los números aleatorios provienen del ruido atmosférico, mientras que los
números pseudoaleatorios típicamente se encuentran en programas informáticos.

1.2. Acceda al apartado Numbers. ¿Qué se utiliza para generar los


números aleatorios verdaderos?

Se utiliza un formulario

1.3. Genere 100 números aleatorios verdaderos por medio de este generador,


entre 0 y 100 en cuatro columnas. Imprima la tabla. Nota: en el libro dice que
se imprima, pero ustedes sólo inclúyanlo en el documento de Word que van
a enviar.

37 58 61 45
26 31 76 52
29 98 36 44
27 15 48 71
8 41 99 69
41 88 95 24
13 93 70 80
19 58 17 70
31 54 52 51
100 69 30 26
53 91 94 95
93 22 4 16
67 60 54 68
82 34 19 21
59 37 90 6
70 49 24 55
46 15 50 39
38 30 32 83
55 66 73 74
15 35 67 63
76 53 68 58
31 81 48 15
18 87 30 71
6 12 84 23
40 94 52 47
1.4.   Aceda al generador de fracciones decimales aleatorias e imprima un
conjunto de 100 números de cuatro decimales en cinco columnas. Nota: en
el libro dice que se imprima, pero ustedes sólo inclúyanlo en el documento
de Word que van a enviar.

0.0626 0.1153 0.9477 0.8089 0.9855


0.1024 0.3608 0.9067 0.2678 0.1690
0.4286 0.3402 0.5542 0.8597 0.5583
0.0427 0.6603 0.4739 0.8031 0.2491
0.9349 0.4564 0.0852 0.5368 0.3990
0.5153 0.0490 0.8587 0.8170 0.5991
0.1651 0.8739 0.5577 0.9807 0.7779
0.3754 0.0846 0.5019 0.8774 0.9320
0.3443 0.0616 0.8967 0.2953 0.6890
0.8077 0.3970 0.1038 0.0232 0.5736
0.2487 0.9016 0.5595 0.0935 0.1437
0.3378 0.3875 0.0195 0.6650 0.3235
0.7237 0.8223 0.5449 0.3008 0.5429
0.9375 0.9099 0.9056 0.6981 0.7193
0.9248 0.7897 0.2061 0.7656 0.1637
0.7073 0.0836 0.7683 0.0376 0.1301
0.0032 0.8289 0.9252 0.0738 0.1872
0.4741 0.8549 0.1430 0.6893 0.1432
0.4781 0.7230 0.6260 0.8556 0.1471
0.6084 0.9294 0.9406 0.9261 0.8383

1.5. Acceda al apartado “Introduction to Randomness and Random


Numbers” y haga un resumen de esta lectura.

Como sugiere la palabra ‘pseudo’, los números pseudoaleatorios no son aleatorios


de la manera que cabría esperar, al menos no si estás acostumbrado a los dados
o boletos de lotería. Esencialmente, los PRG son algoritmos que utilizan fórmulas
matemáticas o simplemente tablas pre calculadas para producir secuencias de
números que parecen aleatorios. Un buen ejemplo de un PRNG es el método
congruente lineal. Una buena cantidad de investigación se ha ido en la teoría de
números pseudo-aleatorios, y los algoritmos modernos para generar números
pseudo-aleatorios son tan buenos que los números se ven exactamente como
eran realmente aleatorios.La diferencia básica entre los PRG y los TRNG es fácil
de entender si comparas los números aleatorios generados por ordenador con los
rollos de un troquel. Debido a que los PRNG generan números aleatorios
mediante el uso de fórmulas matemáticas o listas pre calculado, el uso de uno
corresponde a alguien que rueda un dado muchas veces y escribe los resultados.
Cada vez que pides un rollo de troquel, obtienes el siguiente en la lista.
Efectivamente, los números parecen aleatorios, pero realmente están
predeterminados. Los TRNG funcionan consiguiendo que una computadora
realmente enrolle el troquel, o, más comúnmente, usan algún otro fenómeno físico
que sea más fácil de conectar a una computadora que un dado. Los PRNG son
eficientes, lo que significa que pueden producir muchos números en poco tiempo,
y deterministas, lo que significa que una secuencia determinada de números se
puede reproducir en una fecha posterior si se conoce el punto de partida de la
secuencia. La eficiencia es una buena característica si su aplicación necesita
muchos números, y el determinismo es útil si necesita reproducir la misma
secuencia de números de nuevo en una etapa posterior. Los PRG suelen ser
también periódicos, lo que significa que la secuencia eventualmente se repetirá. Si
bien la periodicidad casi nunca es una característica deseable, los PRG modernos
tienen un período que es tan largo que puede ser ignorado para la mayoría de los
propósitos prácticos. Estas características hacen que los PRG sean adecuados
para aplicaciones donde se requieren muchos números y donde es útil que la
misma secuencia se pueda reproducir fácilmente. Ejemplos populares de este tipo
de aplicaciones son aplicaciones de simulación y modelado. Los PRG no son
adecuados para aplicaciones en las que es importante que los números sean
realmente impredecibles, como el cifrado de datos y los juegos de azar. Cabe
señalar que a pesar de que existen buenos algoritmos PRNG, no siempre se
utilizan, y es fácil obtener sorpresas desagradables. Tomemos el ejemplo del
popular lenguaje de programación web PHP. Si utiliza PHP para GNU/Linux, lo
más probable es que estará perfectamente satisfecho con sus números aleatorios.
Sin embargo, si utiliza PHP para Microsoft Windows, probablemente encontrará
que sus números aleatorios no están muy a la altura de los arañazos como se
muestra en este análisis visual de 2008. Otro ejemplo se remonta a 2002 cuando
un investigador informó que el PRNG en MacOS no era lo suficientemente bueno
para la simulación científica de infecciones por virus. La conclusión es que incluso
si un PRNG va a satisfacer las necesidades de su aplicación, todavía debe tener
cuidado con cuál utiliza.

Para un programa que espera las pulsaciones de teclas, parecerá como si las
teclas fueron presionadas casi simultáneamente, y puede que no haya mucha
aleatoriedad allí después de todo. Sin embargo, hay muchas otras maneras de
obtener la verdadera aleatoriedad en su ordenador. Un fenómeno físico muy
bueno para usar es una fuente radiactiva. Los puntos en el tiempo en los que una
fuente radiactiva decae son completamente impredecibles, y pueden ser
fácilmente detectados y alimentados en un ordenador, evitando cualquier
mecanismo de amortiguación en el sistema operativo. El servicio HotBits en
Fourmilab en Suiza es un excelente ejemplo de un generador de números
aleatorios que utiliza esta técnica. Otro fenómeno físico adecuado es el ruido
atmosférico, que es bastante fácil de recoger con una radio normal. Este es el
enfoque utilizado por RANDOM.ORG. También puedes usar ruido de fondo de una
oficina o laboratorio, pero tendrás que tener cuidado con los patrones. El
ventilador de su computadora puede contribuir al ruido de fondo, y dado que el
ventilador es un dispositivo giratorio, lo más probable es que el ruido que produce
no será tan aleatorio como el ruido atmosférico.

1.6. Conteste las preguntas 1 a 5 del final del capítulo.

1. Explique la diferencia entre un número aleatorio y un número


pseudoaleatorios.

Que los números aleatorios provienen del ruido atmosférico, mientras que los
números pseudoaleatorios típicamente se encuentran en programas informáticos.

2. ¿Qué dispositivos se pueden utilizar para generar números


aleatorios?

Trully Random Number Generator TRNG y programas de computadora

3. ¿Cuáles son las características estadísticas de los números


pseudoaleatorios?

Están uniformemente distribuidos, son estadísticamente independientes, su


medida estadística es igual a ½, su varianza es estadísticamente igual a 1 ½, son
reproducibles, su periodo o ciclo de vida es largo.

4. ¿Cuál es el valor esperado de los números aleatorios uniformes? ¿Su


varianza?

Es igual a 1 1/2
5. ¿Qué aspectos importantes se deben considerar al momento de elegir un
generador de números pseudoaleatorios?

 Deben estar uniformemente distribuidos.


 Deben ser estadísticamente independientes.
 Su media debe ser estadísticamente igual a ½.
 Su varianza debe ser estadísticamente igual a 1/12.
 Deben ser reproducibles.
 Su periodo o ciclo de vida debe ser largo.