UNIVERSIDAD GALILEO DE GUATEMALA

Carné: 08129019 | Modelos y Simulación

Luis Ronquillo – 19/02/2022

NÚMEROS ALEATORIOS - APLICACIÓN EN LOS MODELOS DE SIMULACIÓN

La utilidad de la aleatoriedad aplicado en los modelos de simulación nos permite
modelar fenómenos complejos y seleccionar muestras aleatorias de conjuntos de
datos más grandes.

Un número aleatorio es uno que se extrae de un conjunto de valores posibles,

cada uno de los cuales es igualmente probable, es decir, una distribución uniforme
(utilizados para evaluar una diversidad de variables de entrada y analizar
resultados). Una distribución uniforme en teoría de la probabilidad y estadística se
expresa como un número finito y conocido de resultados que tienen la misma
probabilidad de ocurrir. La mayoría de los números aleatorios se generan de
manera predecible usando una fórmula matemática. Cuando se habla de una
secuencia de números aleatorios, cada número extraído debe
ser estadísticamente independiente de los demás, por lo que los programadores
reconocieron la necesidad de un medio para introducir la aleatoriedad en un
programa de computadora. Sobre esté fin, existen dos enfoques principales para
generar números aleatorios usando una computadora: generadores de números
pseudoaleatorios (PRNG) y generadores de números aleatorios verdaderos
(TRNG). Esencialmente, los PRNG son algoritmos que usan fórmulas
matemáticas o simplemente tablas precalculadas para producir secuencias de
números que parecen aleatorios. Efectivamente, los números parecen aleatorios,
pero en realidad están predeterminados. Los PRNG son eficientes, lo que significa
que pueden producir muchos números en poco tiempo, y deterministas, lo que
significa que una determinada secuencia de números se puede reproducir en una
fecha posterior si se conoce el punto de inicio de la secuencia. Estas
características hacen que los PRNG sean adecuados para aplicaciones donde se
requieren muchos números y donde es útil que la misma secuencia se pueda
reproducir fácilmente. Ej. aplicaciones de simulación y modelado.
Independientemente del fenómeno físico que se utilice, el proceso de generar
números aleatorios verdaderos implica identificar cambios pequeños e
impredecibles en los datos. En conclusión, los TRNG son generalmente
ineficientes en comparación con los PRNG, ya que toman mucho más tiempo para
producir números, siendo estos no deterministas, lo que significa que una
secuencia dada de números no se puede reproducir. Los defensores de los
generadores de números aleatorios de la variedad cuántica argumentan que la
física cuántica es inherentemente no determinista, mientras que los sistemas
gobernados por la física son esencialmente deterministas.