Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 04
Tema 04
Al finalizar la sesión, el
estudiante realiza una serie de
pruebas para validar si los
números que lo integran son
aptos para usarse en un
estudio de simulación.
Pruebas estadísticas
En la sesión anterior, se presentaron diversos algoritmos para construir un conjunto
ri pero ése es sólo el primer paso, ya que el conjunto resultante debe ser sometido
a una serie de pruebas para validar si los números que lo integran son aptos para
usarse en un estudio de simulación.
1 1 1 1 1 1
𝐿𝐼𝑟ҧ = − 𝑍𝛼 = − 𝑍0.05 = − 1.96 = 0.410538649
2 2 12𝑛 2 2 12 40 2 12 40
1 1 1 1 1 1
𝐿𝑆𝑟ҧ = + 𝑍𝛼 = + 𝑍0.05 = + 1.96 = 0.589461351
2 2 12𝑛 2 2 12 40 2 12 40
Dado que el valor de la varianza: V(r)=0.08695062 está entre los límites de aceptación,
podemos decir que no se puede rechazar que el conjunto de 40 números ri tiene una varianza
de 1/12 = 0.08333. 𝐻 : 𝜎 2 = 1Τ12
0 𝑟𝑖
𝐻1 : 𝜎𝑟2𝑖 ≠ 1Τ12
Pruebas de Uniformidad
𝐻0 : 𝑟𝑖 ~U 0, 1
𝐻1 : 𝑟𝑖 𝑛𝑜 𝑠𝑜𝑛 𝑢𝑛𝑖𝑓𝑜𝑟𝑚𝑒𝑠
Prueba Chi-cuadrado
Ejemplo:
Realizar la prueba Chi-cuadrada a los siguientes 100 números de un conjunto ri,
con un nivel de confianza de 95 %.
La prueba Chi-cuadrada busca determinar si los números del conjunto ri se distribuyen de manera
uniforme en el intervalo (0,1). Para llevar a cabo esta prueba es necesario dividir el intervalo (0,1)
en m sub-intervalos, en donde es recomendable m = 𝐧. Luego se clasifica cada número
pseudoaleatorio del conjunto ri en los m intervalos. A la cantidad de números ri que se clasifican
en cada intervalo se le denomina frecuencia observada (O), y a la cantidad de números ri que se
espera encontrar en cada intervalo se le llama frecuencia esperada (E) ; teóricamente, la Ei es
igual n/m. A partir de los valores de Oi y Ei se determina el estadístico 𝑿𝟐𝟎 mediante la ecuación:
𝑚 2
2
𝐸𝑖 − 𝑂𝑖
𝑋0 =
𝐸𝑖
𝑖=1
El procedimiento de esta prueba consiste en determinar una secuencia de números (S) que sólo contiene 1 y
0, de acuerdo con una comparación entre ri y ri-1. Después se determina el número de corridas observadas,
Co (una corrida se identifica como la cantidad de 1 ó 0 consecutivos). Luego se calcula el valor esperado, la
varianza del número de corridas y el estadístico Z0
𝑆 = 1,1,0,1,1,0,1,0,1,1,0,0,1,1,0,0,0,1,0,0,0,1,0,0,0,1,0,1,0,0,1,1,0,1,0,0,1,1,0
2𝑛 − 1 2𝑛 − 1 2 40 − 1
𝜇𝐶𝑜 = 𝜇𝐶𝑜 = = = 26.333
3 3 3
16𝑛 − 29 16𝑛 − 29 16 40 − 29
𝜎𝐶2𝑜 = 𝜎𝐶2𝑜 = = = 6.788
90 90 90
Como el estadístico Z0 es menor que el valor de Tabla Normal estándar para Zα/2 = Z5%/2 = 1.96, se concluye que no se
puede rechazar que los números del conjunto ri son independientes. Es decir, de acuerdo con esta prueba, los
números son aptos para usarse en simulación.
Pruebas de corridas arriba y debajo de la media
Ejemplo:
Realizar la prueba de corridas arriba y abajo, con un nivel de aceptación de 95% , al
siguiente conjunto de 50 números ri.
S= {1,0,0,1,0,1,1,1,0,1,0,0,1,1,0,1,0,0,1,0,0,1,0,0,0,1,1,1,1,1,1,0,0,0,0,0,0,1,1,1,1,1,1,1,1,0,0,0,1,1}
A partir de la secuencia anterior se determina que hay 21 corridas, 23 ceros y 27 unos. Por lo tanto,
Co = 21, n0= 23 y n1 = 27. A continuación se presentan los cálculos del valor esperado y de la varianza
del número de corridas:
2𝑛0 𝑛1 1 2(23)(27) 1
𝜇𝐶𝑜 = + 𝜇𝐶𝑜 = + = 25.34
𝑛 2 50 2
𝐶𝑜 − 𝜇𝑐𝑜 21 − 25.34
𝑍0 = 𝑍0 = = −1.2484
𝜎𝑐𝑜 12.08542
Como el valor de Z0 cae dentro del intervalo -1.96 ≤ Z0 = -1.2484 ≤ 1.96, se dice que no se puede
rechazar que los números del conjunto ri son independientes con un nivel de confianza de 95 %. De
acuerdo con esta prueba, el conjunto de números ri se puede usar en un estudio de simulación.
Pruebas póker
Ejemplo
Realice la prueba póker, con un nivel de aceptación de 95% , a los siguientes 30
números entre cero y uno, con 5 decimales.
Primero hay que clasificar cada número del conjunto ri, asignándole las claves
El procedimiento de la prueba consiste en:
a. Determinar la categoría de cada número del conjunto ri
b. Contabilizar los números ri de la misma categoría o clase para obtener la
frecuencia observada (Oi).
c. Calcular el estadístico de la prueba 𝑿𝟐𝟎
d. Comparar el estadístico de 𝑿𝟐𝟎 con 𝑿𝟐𝜶,𝒎−𝟏
𝑚 2 𝑚 2
2
𝐸𝑖 − 𝑂𝑖 2
𝐸𝑖 − 𝑂𝑖
𝑋0 = 𝑋0 = = 30.0969
𝐸𝑖 𝐸𝑖
𝑖=1 𝑖=1
2
El estadístico es mayor que el estadístico correspondiente de la Chi-cuadrada: 𝑋0.05,6 = 12.59
En consecuencia, se rechaza que los números del conjunto ri son independientes.
Pruebas de series
Esta prueba consiste en comparar los números con el propósito de corroborar la
independencia entre números consecutivos. Las hipótesis básicas son:
𝐻0 : 𝑟𝑖 ~ 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝐻1 : 𝑟𝑖 ~ 𝐷𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
La prueba funciona de esta manera: se
inicia al crear una gráfica de dispersión
entre los números consecutivos (ri , ri+1);
luego se divide la gráfica en m casillas,
como se muestra en la figura, con m como
el valor entero más cercano a 𝐧 que
permita formar de preferencia, aunque no
necesariamente, una matriz cuadrada.
Ejemplo
Realice la prueba de series a los siguientes 30 números, con un nivel de confianza
de 95 %.
Para empezar, generamos la gráfica de dispersión con la secuencia de los 29
pares ordenados (x ,y) = (ri , ri+1) siguientes:
𝑟1 , 𝑟2 = 0.872, 0.219
𝑟2 , 𝑟3 = 0.219, 0.570
𝑟3 , 𝑟4 = 0.570, 0.618
𝑟4 , 𝑟5 = 0.618, 0.291
𝑟5 , 𝑟6 = 0.291, 0.913
𝑟6 , 𝑟7 = 0.913, 0.950
… … …
𝑟28 , 𝑟29 = 0.203, 0.868
𝑟29 , 𝑟30 = 0.868, 0.879
𝑚 2 9 2
2
𝐸𝑖 − 𝑂𝑖 3.22 − 𝑂𝑖
𝑋0 = =
𝐸𝑖 3.22
𝑖=1 𝑖=1
El valor de tablas 𝑿𝟐𝟎.𝟎𝟓,𝟖 = 𝟏𝟓. 𝟓𝟎𝟕 es mayor que el error total de 7.935, por lo cual no
podemos rechazar la hipótesis de independencia.
Prueba de Huecos
Esta prueba consiste en comparar los números con el propósito de verificar el
tamaño del "hueco" que existe entre ocurrencias sucesivas de un número. Las
hipótesis fundamentales son:
𝐻0 : 𝑟𝑖 ~ 𝐼𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝐻1 : 𝑟𝑖 ~ 𝐷𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
La prueba se inicia al definir un intervalo de prueba (α, β), donde (α, β) Є (0, 1),
posteriormente se construye una secuencia de unos y ceros de esta manera: se
asigna 1 si el ri pertenece al intervalo (α, β), y un 0 si no pertenece a dicho
intervalo.
Ejemplo
Realizar la prueba de huecos a los siguientes 30 números, con un nivel de
confianza de 95% para e l intervalo (α,β) = (0.8, 1.0).
2 2
el estadístico de tablas 𝑋𝛼, 𝑚−1 = 𝑋0.05, 5 = 11.07 no podemos rechazar la