Simulación de Sistemas

Simulación Montecarlos
Validación de números pseudoaleatorios

Marcos Rivas Peña

 Objetivo de la Sesión
• Validar una serie de números aleatorios
– Test de Corrida
– Test Arriba / Debajo de la media
• Caso de aplicación de simulación Montecarlo
usando los números aleatorios

Marcos Rivas Peña

 Validación de Series de Números pseudoaleatorios

La validación consiste en probar si una serie de

números generados corresponde a una
distribución de probabilidad supuesta y probar
que los números son independientes entre sí.
• Prueba de Aleatoriedad.
– Probar si los elementos de la serie son independientes.
• Prueba de Bondad de Ajuste.
– Probar si cumple una distribución uniforme
• Prueba chi-cuadrado
• Prueba K-s
Marcos Rivas Peña
 Validación de la Aleatoriedad de los Números Pseudoaleatorios

Test de Rachas

• Rachas: Se define una racha como una sucesión de

símbolos idénticos que pueden estar o no estar
separados por otros símbolos.
Ejemplo:

++---+----++-+

Marcos Rivas Peña

 Validación de la Aleatoriedad de los Números Pseudoaleatorios
Test de Rachas

Procedimiento:
1o. Sea n1 el número de elementos de una clase , y n2 el número de
elementos de la otra.
2o Sea N el número total de eventos observados n 1 + n2
3o Determinar el número de rachas (r)

Nota: Para muestras grandes, una buena aproximación a la

distribución muestral de (r) es la distribución normal.

Marcos Rivas Peña

 Validación de la Aleatoriedad de los Números Pseudoaleatorios

Test de Rachas

Test de Corridas
Dada la sucesión de “N” observaciones construimos la
sucesión de símbolos binarios definida por
1 si X i  X i 1

0 si X i  X i 1

Definimos racha creciente (decreciente) de longitud “L” a

un grupo seguido de “L” números 1(+) ó números 0(-).
Contando el número de rachas. Bajo aleatoriedad de la
muestra se espera que su distribución asintótica sea
normal:
N
 2 N  1 16 N  29
 ; 
 3 90 

Marcos Rivas Peña

 Ejemplo: Considere la siguiente secuencia de 20 números aleatrorios

Test de Rachas

0.073 0.405 0.809 0.729 0.856

0.857 0.179 0.973 0.983 0.491

0.325 0.441 0.530 0.917 0.910

0.372 0.985 0.631 0.905 0.427

0.244 0.203 0.783 0.535 0.620

Marcos Rivas Peña

Ejemplo: Considere la siguiente secuencia de 20 números aleatrorios
Test de Rachas

N  2 N  1 16 N  29

 3
;
90



Marcos Rivas Peña

 Validación de la Aleatoriedad de los Números Pseudoaleatorios

Test de Rachas

Test de Rachas por encima y debajo de la media.

Se cuentan el número de observaciones que se sitúan a

un mismo lado de la media. La distribución asintótica del
número de rachas bajo aleatoridad es normal:

N[(2n n /N)+1/2, 2n n
1 2 1 2 (2n1n2-N)/N2(N-1) ]

Marcos Rivas Peña

Ejemplo: Considere la siguiente secuencia de 25 números aleatrorios
Test arriba / Debajo de media
0,757195476 0 1 Media (datos) 0,53842705
0,230869445 1 1 n1 14
0,716325002 0 1 n2 11
0,32792499 1 1 N 25
0,081957032 1 0
0,978128599 0 1
0,043682704 1 1 Media 12,82
0,61022797 0 1 varianza 5,81093333
0,379059554 1 1
0,586517429 0 1
0,397027713 1 1
0,826614638 0 1 Z 1,734016938
0,774659979 0 0 F(z) 0,958542461
0,961318557 0 0 1-F(z) 0,041457539
0,293639849 1 1 P-Valor 0,875627383
0,0892727 1 0
0,767625351 0 1
0,916531458 0 0
0,179178546

0,229290698

0,69462748
1
1
0
1
0
1
N[(2n n /N)+1/2, 2n n
1 2 1 2 (2n1n2-N)/(N2(N-1)) ]
0,775471442 0 0
0,775245982 0 0
0,438054267 1 1
0,63022943 0 1
17

Marcos Rivas Peña

 Ejercicio 1
Caso : Limpiar Parabrisas
Un limpia vidrios en un crucero de semáforos tiene las siguientes
probabilidades de que lo dejen limpiar parabrisas, en el transcurso de una
hora:
Autos 0 1 2 3 4 5

Prob. 0.1 0.2 0.1 0.1 0.3 0.2

Y una vez que le permitan limpiar el vidrio tiene las siguientes probabilidades
de que le paguen cierta cantidad de dinero

Pagos $ 0.5 1 1.5 2

Prob. 0.3 0.5 0.1 0.1

Simule 8 horas y calcule la ganancia promedio por hora

 Ejercicio 2
Caso : Tienda de Abarrotes
• Una tienda de abarrotes tiene un solo cajero , los clientes
arriban aleatoriamente entre 1 y 8 minutos. Los tiempos entre
arribos tiene la misma probabilidad de ocurrencia y el tiempo de
servicio varía entre 1 a 6 minutos. Simular el problema para el
arribo y servicio de 20 clientes
• Distribución de tiempo de servicio
•Tiempo de •Prob •Prob. •Intervalo
•Servicio Acumulada
•Minutos
•1 •0.10 •0.10 •01 – 10

•2 •0.20 •0.30 •11 – 30

•3 •0.30 •0.60 •31 – 60

•4 •0.25 •0.85 •61 – 85

•5 •0.10 •0.95 •86 – 95

•6 •0.05 •1.00 •96 - 00

•
•
Ejercicio 3
Caso : Valor de Acciones
• La evolución del valor de unas acciones varía diariamente siguiendo el
siguiente esquema
•Cambio en la •Probabilidad
Cotización
•- 1/8 •3/36
•Sin Cambio •7/36
•+ 1/8 •16/36
•+ 1/2 •7/36
•1 •3/36

• Realiza una simulación de la evolución del valor de estas acciones a lo

largo de un mes. Considera que el valor inicial de la acción es de 100
dólares.
 Ejercicio 4
Caso : Empresa de Transporte
• Una empresa de transportes dispone de un camión para recorridos locales y está
considerando la posibilidad de comprar otro camión. Actualmente alquila los
camiones adicionales necesarios por 250 dólares al día. El camión que posee la
empresa ocasiona un gasto de 150 dólares al día, independientemente de que sea
usado o no. La compra del nuevo camión ocasionará un nuevo gasto diario de
175 dólares. De la información histórica disponible se sabe que el número de
camiones necesitado diariamente sigue la siguiente distribución de probabilidad:

•Número de Camiones •Probabilidad

•0 •0.10
•1 •0.40
•2 •0.35
•3 •0.15

• Realiza una simulación para deducir si es conveniente comprar otro camión o si,
por el contrario, es preferible seguir como hasta la fecha considerando la misma
demanda para ambos escenarios.
 Ejercicio 5
Caso : Venta de Pescado
• Consideramos el caso de una cadena de tiendas que se dedica a vender
pescado por cajas. Por experiencia se sabe que la demanda es de 3 a 8 cajas
diarias. Cada una de estas cajas se compra a 25 soles y se vende en 40 soles,
pero las cajas que no se vendan al final del día, hay que venderlas en unas
drásticas rebajas, a 10 soles cada una. Si la demanda supera a la oferta
suponemos que hay una perdida de 15 soles por cada unidad que no se puede
ofrecer al cliente (en concepto de perdida de prestigio, fuga de cliente a otras
tienda, etc). Se sabe que la demanda se puede clasificar en alta, media y baja
con probabilidad 0.3, 045 y 0.25 respectivamente. (Tabla)
• Por ser un producto perecedero, el comerciante ha decidido adquirir
diariamente 5 cajas. Se desea simular el comportamiento de la demanda
durante 10 días calculando la ganancia media por día y determinar el número
óptimo de cajas que se deben adquirir diariamente para maximizar los
beneficios. ¿Cómo se puede resolver este problema por simulación?.

Marcos Rivas Peña

 Ejercicio 5
Caso : Venta de Pescado

Demanda Alta (0.3) Media (0.45) Baja (0.25)

3 0.05 0.1 0.15

4 0.1 0.2 0.25

5 0.25 0.3 0.35

6 0.3 0.25 0.15

7 0.2 0.1 0.05

8 0.1 0.05 0.05

Marcos Rivas Peña

 Conclusiones
• Es necesario validar la uniformidad y
aleatoriedad de la serie de números
generados

Marcos Rivas Peña