Modelos de simulación Montecarlo:

Rangos.

Módulo2
SIMULACIÓN DE SISTEMAS
2020-1

Videoconferencia 03

Profesor Luis Antonio Durand Romero

OBJETIVOS

Cuando culmines el estudio de este modulo, estarás en condiciones de

:

 Generar números aleatorios y pseudoaleatorios

 Analizar los números aleatorios generados con test

estadísticos para determinar la uniformidad e independencia

 Calcular la longitude de la simulación

montecarlo
Tema: Modelos de simulación Montecarlo: Rangos

TEMARIO
1. Introducción

2. Generación de números aleatorios

3. Métodos congruenciales

4. Test de comprobación para una serie aleatoria

5. Casos de aplicación

6. Longitud de la simulación montecarlo

7. Conclusiones
Tema: Modelos de simulación Montecarlo:Rangos

1. Introducción
Un número aleatorio, constituye el corazón de la
simulación. Son números que están entre 0 y 1. Se
representa por ui
Ejemplo:
u1=0.01 u2=0.99 u3=0.45

Los números aleatorios, imitan la aleatoriedad de

los procesos de un sistema de la vida real.

Se usan para la Simular con el Método Montecarlo.

Tema: Modelos de simulación Montecarlo:Rangos

2. Generación de Números aleatorios

Tema: Modelos de simulación Montecarlo:Rangos

2. Generación de Números aleatorios. Algoritmos y fórmulas

(Pseudoaleatorios)

Ventajas Desventajas
Son reproducibles Son pseudoaleatorios
Son rápidos Se debe probar la calidad aleatoria
del método
No ocupan mucha memoria
Se pueden estudiar y analizar
Tema: Modelos de simulación Montecarlo:Rangos

3. Métodos Congruenciales.

1.Aditivo 3.Mixto o Lineal

2.Multiplicativo
Tema: Modelos de simulación Montecarlo: Rangos

3.1. Método congruencial lineal o mixto.

La fórmula para obtener

números pseudoaleatorios.

𝑿𝒏+𝟏 = 𝒂. 𝑿𝒏 + 𝒄 𝒎𝒐𝒅 𝒎 • 𝑿𝒏 = 𝑿𝒐 semilla

• a=1+4k, k>0∈Z
Los datos requeridos para • c impar
aplicarla, son: • m=2g, g>0 ∈Z
Tema: Modelos de simulación Montecarlo: Rangos

1. Caso: Generación números pseudoaleatorios

Supongamos el siguiente generador

𝒛𝒊 = 𝟓𝒛𝒊−𝟏 + 𝟑 𝑚𝑜𝑑 𝟏𝟔
Indique la secuencia, de números pseudoaleatorios si:

a) Considere la semilla z0=7 (semilla)

b) Considere la semilla z0=13 (semilla)

Tema: Modelos de simulación Montecarlo

1. Caso: Generación números pseudoaleatorios

La longitud del ciclo se llama periodo del

generador, y se representa por p.

Si p=m entonces, es un buen generador de números

pseudoaleatorios y se denomina generador de periodo
completo; y se puede utilizar para simular, si no,
NO.
Tema: Modelos de simulación Montecarlo: Rangos

4. Test de comprobación para una serie aleatoria

Los tests de uniformidad (también denominados
tests de la frecuencia) comparan la distribución
de la secuencia de números, u1, ..., uN, con la
distribución uniforme.
PRUEBA DE UNIFORMIDAD

H0:Los número aleatorios son generados

uniformemente.
H1:Los número aleatorios no son generados
uniformemente.
si D ≤ D aceptar H0 (*)
Tema: Modelos de simulación Montecarlo:Rangos

4. Test de comprobación para una serie aleatoria

1.Test de 2.Test chi-

Kolmogorov- cuadrado
Smirnov
Tema: Modelos de simulación Montecarlo:Rangos

4. Pasos para aplicar el test de Kolomogorov-Smirnov

1.Ordenar los 3.Calcular

Ui de menor a 𝒊 𝒊−𝟏
− 𝒖𝒊 𝒖𝒊 −
mayor 𝑵 𝑵

4.Calcular 5.Calcular
2.Calcular 𝑫 = 𝑴𝒂𝒙{𝑫+ , 𝑫− }
+ 𝑴𝒂𝒙 𝒊
i/N, donde N 𝑫 = 𝟏≤𝒊≤𝑵 {
𝑵
− 𝒖𝒊 }
es cantidad Ui Aplicar (*)
− 𝑴𝒂𝒙 𝒊−𝟏
𝑫 = 𝟏≤𝒊≤𝑵 {𝒖𝒊 − }
𝑵
Tema: Modelos de simulación Montecarlo: Rangos

2. Caso: Aplicación del Test K-S

Aplicar el Tests K-S con un nivel de
significancia =0.05 a la siguiente secuencia.

0.44 0.81 0.14 0.05 0.93

Tema: Modelos de simulación Montecarlo: Rangos

2. Caso: Aplicación del Test K-S. Solución.

𝑫 = 𝑴𝒂𝒙{𝟎. 𝟐𝟔, 𝟎. 𝟐𝟏}

Si
D=0.26 ≤ 0.565 =D

Aceptar H0 , es
decir los números
aleatorios son
uniformes e indep.
Tema: Modelos de simulación Montecarlo: Rangos
Tema: Modelos de simulación Montecarlo:Rangos

4. Pasos para aplicar el test de Chi-cuadrado

1.Hallar: 3.Calcular
𝒏
K= 𝒏 ; y los Ei =
𝑲
intervalos. Frec. esperada

4.Calcular 5.Aplicar
2.Hallar Oi, (𝑬𝒊 − 𝑶𝒊)𝟐
(*) y
frecuencia 𝑬𝒊
concluir
observada. 𝑫=suma col.
𝑫𝜶 = 𝑿𝟐(𝜶,𝒌−𝟏)
Tema: Modelos de simulación Montecarlo: Rangos

3. Caso: Aplicación del Chi-cuadrado

Aplicar el Tests Chi-cuadrado con un nivel de
significancia =0.05 a la siguiente secuencia de
números aleatorios:
0.095 0.283 0.359 0.838 0.891 0.682
0.478 0.380 0.552 0.181 0.933 0.679
0.223 0.712 0.291 0.577 0.694 0.790
0.562 0.190 0.341 0.441 0.361 0.256
0.943 0.831 0.160 0.277 0.864 0.646

Use el comando:
=CONTAR.SI.CONJUNTO(RANGO1;”COND1”;RANGO2;”COND2”)
para calcular Oi.
Tema: Modelos de simulación Montecarlo: Rangos
Tema: Modelos de simulación Montecarlo

CONCLUSIONES

Para finalizar recordemos lo aprendido en este modulo

1. La importancia de la generación de números aleatorios para usarlos en el

desarrollo de un experimento de simulación.

2. Analizar los números aleatorios con los test de uniformidad e independencia, así

como calcular la longitud de la simulación.

Tema: Modelos de simulación Montecarlo

BIBLIOGRAFIA
Tema: Modelos de simulación Montecarlo

CONSULTAS

Realice consultas a través del

chat para participar.
También podrás enviar tus consultas a
través de: Preguntas al docentes o
mensajería interna; y te responderé en 24
horas.
 GRACIAS

SI NO
Modelos de simulación
Montecarlo.

Material producido por:

Universidad Privada del Norte

@ 2018 | Universidad Privada del Norte