Simulación de Procesos

Industriales

EDUYN LÓPEZ SANTANA

2022-1

12/02/2022 Eduyn López-Santana 1

Generación de Números
Aleatorios
G ENERALIDAD ES
MÉTOD OS
PRU EBAS ESTAD ÍSTIC AS

12/02/2022 Eduyn López-Santana 2

Números Aleatorios
❑ Propiedades estadísticas importantes:
◦ Uniformidad: espacio equiprobable – todo número tiene la misma
probabilidad de ser escogido.
◦ Independencia: la elección de uno no depende de la elección de otro.
❑ Números Pseudoaleatorios: la idea es generar una secuencia de
números entre 0 y 1 que imite las propiedades de uniformidad e
independencia. Estas secuencias se construyen por medio de una
función determinista. Los generadores de números deben poseer las
siguientes propiedades:
– Secuencias no correlacionadas
– Periodo largo: idealmente las secuencias no deberían repetirse, en la
práctica una repetición debe ocurrir después de un gran conjunto de
números generados. f(x)

– Uniformidad
– Eficiencia: rutinas portables y rápidas.
0 1 x

12/02/2022 Eduyn López-Santana 3

Métodos de Generación de N. A.
No
Congruenciales
Congruenciales

Cuadrados
Lineales
medios

Productos
No lineales
medios

Multiplicador
constante

12/02/2022 Eduyn López-Santana 4

Algoritmo de cuadrados Medios
❑ Von Neumann y Metropolis
❑ Algoritmo:

Semilla 105
D 3
i x_i Cuadrado Centro r_i
0 105 11025 102 0.102
1 102 10404 040 0.040

12/02/2022 Eduyn López-Santana 5

Algoritmo de productos medios
❑ Requiere dos semillas
❑ Algoritmo:

Xo 105
X1 106
D 3
i X_i X_i+1 Y_i Centro r_i
0 105 106 11130 113 0.113
1 106 113 11978 197 0.197

12/02/2022 Eduyn López-Santana 6

Algoritmo de multiplicador constante
❑ Similar a productos medios
❑ Algoritmo:

Xo 105
a 106
D 3
i a x_i Y_i Centro r_i
0 106 105 11130 113 0.113
1 106 113 11978 197 0.197

12/02/2022 Eduyn López-Santana 7

 Método congruencial lineal
• Producir una secuencia de números enteros X1, X2,….. entre 0 y (m-1)
mediante la siguiente relación recursiva.

– Xo es la Semilla, el valor inicial.

– m es el módulo.
– La operación n mod m devuelve el residuo de n/m.
– a es la constante multiplicativa.
– c es el incremento, si c≠0 es llamado método mixto de congruencia. Si c=0 es llamado
método multiplicativo de congruencia.
– La escogencia de a, c, m y Xo afecta drásticamente las propiedades estadísticas y la
longitud del ciclo.
– Los enteros aleatorios se generan entre [0, m-1]. Para convertir los enteros en números
entre 0 y 1:

12/02/2022 Eduyn López-Santana 8

Método congruencial lineal
❑ Ejemplo
◦ Con a=17, Xo=27, c=43, y m=100
◦ Los valores Xi y Ri correspondientes serían:

12/02/2022 Eduyn López-Santana 9

Ejercicio Simulación de Eventos Discretos 2015-10

• Genere un arreglo de 10 números pseudoaleatorios con los siguientes

parámetros: m = (2^31)-1, a=(2^16)+3,c=0 y X0=2007.

12/02/2022 Eduyn López-Santana 10

Características importantes de un buen
generador Simulación de Eventos Discretos 2015-10

❑ Máxima Densidad:

◦ De tal manera que se reduzcan las brechas entre los

números generados en el intervalo [0,1].
◦ Problema: 𝑅𝑖 puede solamente asumir valores del
conjunto I={0, 1/m, 2/m, …, (m-1)/m} por lo cual cada 𝑅𝑖
es discreto en I, en vez de continuo en el intervalo [0,1].
◦ Solución: Considere un módulo grande. Ej: 2^(31)-1.

12/02/2022 Eduyn López-Santana 11

Características importantes de un buen
generador Simulación de Eventos Discretos 2015-10

❑ Máximo Periodo:
◦ Para lograr máxima densidad y evitar la recurrencia de las
mismas secuencias de números generados.
◦ Escogencia apropiada de 𝑎, 𝑐 , 𝑚 𝑦 𝑋0 .
◦ Para una potencia 𝑚 de 2, 𝑚 = 2𝑏 , 𝑦 𝑐 ≠ 0 : Máximo periodo posible es
𝑃 = 𝑚 = 2𝑏 , que se obtiene cuando el máximo común divisor entre 𝑐 y 𝑚
es 1 y 𝑎 = 1 + 4𝑘, donde k es un entero.
◦ Para una potencia 𝑚 de 2, 𝑚 = 2𝑏 , 𝑦 𝑐 = 0: Máximo periodo posible es
𝑃 = 𝑚/4, que se obtiene si 𝑋0 es impar y (𝑎 = 3 + 8𝑘 ó 𝑎 = 5 + 8𝑘),
para un k entero.
◦ Para un número primo 𝑚 𝑦 𝑐 = 0 : Máximo periodo posible es 𝑃 = 𝑚 − 1,
que se obtiene cuando el multiplicador 𝑎 tiene la propiedad de que el
entero más pequeño k, tal que 𝑎𝑘 − 1 sea divisible por m, es 𝑘 = 𝑚 − 1.

12/02/2022 Eduyn López-Santana 12

Algoritmo congruencial aditivo
❑ Requiere una secuencia previa de números aleatorios 𝑋1 , 𝑋2 , … . 𝑋𝑛
❑ Genera una nueva secuencia 𝑋𝑛+1 , … . . , 𝑋𝑛+𝑡
𝑋𝑖 = 𝑋𝑖+1 + 𝑋𝑖−𝑛 𝑚𝑜𝑑 𝑚 , 𝑖 = 𝑛 + 1, 𝑛 + 2, … . . , 𝑁
𝑋𝑖
𝑅𝑖 =
𝑚−1

12/02/2022 Eduyn López-Santana 13

Algoritmo congruencial cuadrático
❑ Formula recursiva
𝑋𝑖+1 = 𝑎𝑋𝑖2 + 𝑏𝑋𝑖 + 𝑐 𝑚𝑜𝑑 𝑚, 𝑖 = 0,1,2, . . , 𝑁
𝑋𝑖
𝑅𝑖 =
𝑚−1
❑ Condiciones (periodo máximo N=m)

12/02/2022 Eduyn López-Santana 14

Algoritmo de Blum, Blum y Shub
❑ Basado en el cuadrático
❑ Formula recursiva
𝑋𝑖+1 = 𝑋𝑖2 𝑚𝑜𝑑 𝑚, 𝑖 = 0,1,2, . . , 𝑁
𝑋𝑖
𝑅𝑖 =
𝑚−1

12/02/2022 Eduyn López-Santana 15

Pruebas (Tests) para Números Aleatorios
Simulación de Eventos Discretos 2015-10

Frecuencia Autocorrelación

Uniformidad Independencia

Tests de Uniformidad Tests de Independencia

Nivel de significancia α = P{rechazar Ho|Ho es verdadera}

12/02/2022 Eduyn López-Santana 16

Pruebas iniciales
❑ Prueba de medias

❑ Prueba de Varianzas

12/02/2022 Eduyn López-Santana 17

 Pruebas de Frecuencia
Simulación de Eventos Discretos 2015-10

❑ Pruebas de Bondad de Ajuste

◦ Ji-cuadrado
◦ Para realizar la prueba, se clasifican los datos observados en 𝑘 clases o
categorías, y se contabiliza el número de observaciones en cada clase,
para posteriormente comparar la frecuencia observada en cada clase con
la frecuencia que se esperaría obtener en esa clase si la hipótesis nula es
correcta.
◦ 𝑘 = 𝑁𝑜. 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠; 𝑘 > 2
◦ 𝑜𝑖 = 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎 𝑒𝑛 𝑙𝑎 𝑐𝑙𝑎𝑠𝑒 𝑖
◦ 𝑒𝑖 = 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑒𝑛 𝑙𝑎 𝑐𝑙𝑎𝑠𝑒 𝑖, 𝑠𝑖 𝐻𝑜 𝑒𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎
•𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑆𝑡𝑟𝑢𝑔𝑒𝑠: •𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 𝑑𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜:
𝑘 = 1 + 3.32 ∗ 𝐿𝑜𝑔10 𝑛 𝑋 𝑚𝑎𝑥 − 𝑋 𝑚𝑖𝑛
∆𝑋 =
𝑘
𝐷𝑜𝑛𝑑𝑒 𝑛 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝐷𝑜𝑛𝑑𝑒 𝑋 𝑒𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎 𝑙𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑙𝑒 𝑒𝑠𝑡á
ℎ𝑎𝑐𝑖𝑒𝑛𝑑𝑜 𝑙𝑎 𝑝𝑟𝑢𝑒𝑏𝑎 𝑑𝑒 𝑏𝑜𝑛𝑑𝑎𝑑 𝑑𝑒 𝑎𝑗𝑢𝑠𝑡𝑒

12/02/2022 Eduyn López-Santana •18

Pruebas de Bondad de Ajuste
Ji-cuadrado Simulación de Eventos Discretos 2015-10

Oi

pi

𝒆𝒊 = 𝒏 /k;

12/02/2022 Eduyn López-Santana 19

 Pruebas de Bondad de Ajuste
Ji-cuadrado Simulación de Eventos Discretos 2015-10

• Esta prueba se basa en el estadístico de prueba Ji-cuadrado

Éste tiene distribución Ji-cuadrado (asumiendo que (𝑜𝑖 −𝑒𝑖 ) tiene una distribución
normal) con 𝑘 − 𝑟 − 1 grados de libertad. Si las diferencias (𝑜𝑖−𝑒𝑖) son pequeñas, el valor
del estadístico es pequeño, por el contrario si esas diferencias son grandes (lo observado
no se ajusta a lo propuesto), el valor del estadístico es grande, por lo tanto, la región de
rechazo de la hipótesis nula se ubica en la cola superior de la distribución Ji-cuadrado al
nivel de significancia.

No rechazo Ho Rechazo Ho
Y Y
𝐷𝑜𝑛𝑑𝑒: 𝑘 = 𝑁𝑜. 𝑑𝑒𝑐𝑙𝑎𝑠𝑒𝑠.
𝑟 = 𝑛𝑜. 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑠 𝑒𝑛 𝑓𝑜 𝑥
𝑝𝑎𝑟𝑎 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑒𝑖.

12/02/2022 Eduyn López-Santana 20

Pruebas de Autocorrelación
Simulación de Eventos Discretos 2015-10

❑ Cálculo de la correlación entre números y comparación de la correlación de

la muestra con la esperada (0 cero).
❑ Los números en una secuencia pueden estar relacionados.
❑ Seleccionaremos los números con la misma distancia.
❑ El test requiere el cálculo de la autocorrelación entre cada m números
(m=lag=espacio entre los números que están siendo examinados).
❑ i es el índice o número de la secuencia en donde se está empezando. Por lo
tanto, nos interesa conocer la autocorrelación ρim entre los siguientes
números de interés, donde M es el mayor entero tal que i+(M+1)m≤N, y N es R1
el número de valores en la secuencia. 3
R4
Ri , Ri+m, Ri+2m ,.........Ri+(M +1)m.
R7
❑ Una correlación diferente de cero implica DEPENDENCIA, se aplica una
prueba de dos colas:
H 0 : im = 0
R10
H 1 : im  0

12/02/2022 Eduyn López-Santana 23

 Pruebas de Autocorrelación
Simulación de Eventos Discretos 2015-10

• Para valores grandes de M, la distribución del estimador de ρim es

aproximadamente normal si los valores Ri , Ri+m, R i+2m ,.........Ri+(M +1)m. no están
correlacionados. El estadístico de prueba se puede escribir como:
ˆ im
Z 0 =  ˆ → Está distribuido normalmente con media 0 y varianza 1,
im bajo el supuesto de independencia para M grande.

Ecuación de Schmidt y Taylor:

12/02/2022 Eduyn López-Santana 24

 Pruebas de Autocorrelación
Simulación de Eventos Discretos 2015-10

¿Cuándo Rechazo?
• Después de calcular Z0 no se debe rechazar la hipótesis nula de
independencia si:

̂im
− z /2  Z 0
=
ˆ
 z /2
im

12/02/2022 Eduyn López-Santana 25

 Ejemplo Simulación de Eventos Discretos 2015-10

• Aplique el test de autocorrelación de Schmidt y Taylor para i = 3 y m=5, usando

un nivel de significancia del 5%.

12/02/2022 Eduyn López-Santana 26

Solución: Simulación de Eventos Discretos 2015-10

Luego, no hay evidencia estadística para rechazar la hipótesis de

independencia.

12/02/2022 Eduyn López-Santana 27

Pruebas de Independencia
Probar que los números no tengan correlación entre ellos

❑ Prueba corridas arriba y abajo

❑ Prueba corridas arriba y abajo de la media
❑ Prueba Póker
❑ Prueba de Series
❑ Prueba de huecos

12/02/2022 Eduyn López-Santana 28

Prueba de corridas arriba y abajo
❑ Secuencia de números aleatorios 𝑟𝑖
❑ Crea una secuencia de 0 y 1
◦ 0 si: 𝑟𝑖 ≤ 𝑟𝑖−1
◦ 1 si: 𝑟𝑖 > 𝑟𝑖−1

❑ Corrida es “Ceros” o “Unos” consecutivos.

❑ 𝐶0 es el número de corridas
❑ Estadístico de prueba: 𝑍0 > 𝑍𝛼/2 → 𝑟𝑖 no son independientes

12/02/2022 Eduyn López-Santana 29

Ejemplo

𝐶0 =14
n= 21
2 ∗ 21 − 1 41
𝜇0 = = = 13.66
3 3
2
16 ∗ 21 − 29 307
𝜎0 = = = 3.41
90 90
14−13.66
𝑧0 = = 0.1841
3.41

12/02/2022 Eduyn López-Santana 30

Otras pruebas….
❑ Aunque los generadores de números aleatorios pasen estas pruebas,
es necesario tener en cuenta otras pruebas como:
◦ Correlacion serial
◦ Prueba serial
◦ Prueba de rachas
◦ Crecientes y decrecientes
◦ Bajo y sobre la media
◦ Longitud de las rachas
◦ Prueba de brechas
◦ Prueba de Poker

◦ Revisar Material….” PROBANDO GENERADORES DE NUMEROS ALEATORIOS”

Prof. Herbert Hoeger.

12/02/2022 Eduyn López-Santana 31