Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contexto
Seguro que en más de una ocasión has llevado a cabo algún experimento varias veces y no siempre
te ha dado el mismo resultado. Esto no quiere decir que lo hayamos realizado mal, todo lo contrario,
en algunas ocasiones las variables que podemos obtener son precisamente muy distintas. Es por
ello por lo que la asignatura de simulación también trabaja con la estadística y la probabilidad, y
dentro de estas modalidades nos encontramos con las variables aleatorias.
Número Aleatorios
• Uniformemente distribuidos.
• Estadísticamente independientes (no correlación).
• Periodo largo (sin repetición).
• Reproducibles y mutables.
• Sencillo en su implementación.
• Portabilidad.
• Método rápido de generación.
• Poca memoria para la generación.
Generadores de N° Aleatorio
• Generadores no congruenciales
• Generadores congruenciales
• Este método es muy similar al anterior ya que se tomará como número aleatorio
siguiente de la serie, a los n dígitos centrales del resultado de una multiplicación
previa.
• Se requiere dos semillas.
Generadores Congruenciales
Xn
Un =
Xn+1 = (a Xn + c) mod m ; m
• a multiplicador
• c sesgo
• m módulo
• Xo semilla (valor inicial)
Xn+1 = (a Xn + c) mod m
Observación:
Donde:
Un = Xn / m
Ventajas:
Streams - Torrentes
Finalmente, la fase de validación se basa en ciertas propiedades estadísticas que deben cumplirse a
la salida de los generadores de N° aleatorios.
Los Test empíricos que se verá a continuación son genéricos y pueden usarse en la evaluación de
generadores de No. aleatorios, en generadores de variables aleatorias y en la modelación de
entradas de modelos de simulación.
Una de las propiedades más importantes que debe cumplir un conjunto de números ri es la
uniformidad.
Para comprobar su acotamiento se han desarrollado pruebas estadísticas tales como las pruebas
Chi-cuadrada y de Kolmogórov-Smirnov .
Ho: ri~U(0,1)
Es recomendable que m=√n. Posteriormente se clasifica cada número pseudo aleatorio del conjunto
ri en los m intervalos.
2
Si el valor del estadístico 𝑥02 es menor al valor de tablas de 𝑥𝑎, 𝑚−1 , entonces no se puede rechazar
que el conjunto de números ri sigue una distribución uniforme. En caso contrario, se rechaza que ri
sigue una distribución uniforme.
Prueba de Kolmogórov-Smirnov
Propuesta por Kolmogórov-Smirnov, esta es una prueba estadística que también sirve para
determinar si un conjunto ri cumple la propiedad de uniformidad. Es recomendable aplicarla en
conjuntos ri pequeños, por ejemplo, n < 20. El procedimiento es el siguiente:
A continuación, se estudia las pruebas estadísticas que tratan de corroborar si los números en el
intervalo (0,1) son independientes o, en otras palabras, si parecen pseudo aleatorios.
Para probar la independencia de los números de un conjunto ri primero es preciso formular las
siguientes hipótesis:
Si el estadístico Z0 es menor que el valor crítico de Zα/2, se concluye que los números del conjunto
ri son independientes y se acepta H0.
• Si el estadístico Zo está dentro del intervalo: -Zα/2 Z0 Zα/2 se concluye que los
números del conjunto ri son independientes. De lo contrario se rechaza que el conjunto
de ri es independiente (se rechaza Ho).
Distribución uniforme
x = a + (b − a) RNDi
donde:
1
x=− ln(1 − RNDi )
donde:
1
= media de la distribución exponencial.
Distribución Normal
x = + inv.dist.normal(RNDi )*
donde:
= Media.
= parámetro de forma.
Distribución Erlang
1 k
x=− ln RNDi
k i =1
donde:
= parámetro de escala.
k = parámetro de forma.
Distribución Weibull
x = + − ln(1 − RNDi )
donde:
= parámetro de escala.
= parámetro de forma.
= parámetro de localización.
Distribución Gamma
1 k
x=− ln RNDi
k i =1
donde:
= parámetro de escala.
k = parámetro de forma.
Es una técnica cualitativa que hace uso de la estadística y de los ordenadores para imitar, mediante
modelos matemáticos, el comportamiento aleatorio de sistemas reales no dinámicos.