24 22 23 24 25 Los ndmeros pseudoaleatorios Generacién de ntimeros pseudoaleatorios Propiedades de los ntimeros pseudoaleatorios entre 0 y 1 Pruebas estadisticas para los ntimeros pseudoaleatorios Problemas ReferenciasBL Capitulo 2. Numeros pseudoaleatorios 2.1 Los ndmeros pseudoaleatorios 2.2 Generacién de numeros pseudoaleato! 22 Para poder realizar una simulacion que incluya variabilidad dentro de sus eventos, es preciso generar una serie de ntimeros que sean aleatorios por s{ mismos, y que su aleato- tiedad se extrapole al modelo de simulacién que se est construyendo. Como puede comprender, en la construccién del modelo los ntimeros aleatorios juegan un papel rele- vante. ‘Ast, una de las primeras tareas que es necesario llevar a cabo consiste en determinar silos nimeros que utilizaremos para ‘correr”o ejecutar la simulaci6n son realmente alea- torios 0 no. Por desgracia, precisar lo anterior con absoluta certidumbre resulta muy complicado, ya que para ello tendriamos que generar un niimero infinito de valores que nos permitiera comprobar la inexistencia de correlaciones entre ellos. Esto seria muy costoso y tardado, ademas volveria impractico el uso de la simulacién aun con las com- putadoras mas avanzadas. A pesar de lo anterior, podemos asegurar que el conjunto de nimeros que utilizare- ‘mos en una simulaci6n se comporta de manera muy similar a un conjunto de ntimeros totalmente aleatotios; por ello es que se les denomina nimeros pseudoaleatorios. Casi todas las aplicaciones comerciales tienen varios generadores de nlimeros pseudoaleato- ios que pueden generar un conjunto muy grande de ntimeros sin mostrar correlacién entre ellos. En el presente capitulo discutiremos algunos de los métodos de genera- cién de ntimeros pseudoaleatorios, y precisaremos qué caracteristicas deben tener para emplearlos como una fuente confiable de variabilidad dentro de los modelos. Asimismo, se mostrardn algunas de las pruebas més comunes para comprobar qué tan aleatorios. son los ntimeros obtenidos con dichos generadores. Para realizar una simulacién se requieren nmeros aleatorios en el intervalo (0,1), a los cuales se hard referencia como r, es decir, una secuencia f= {F,45,f, “n” ntimeros, todos ellos diferentes. El valor“n" recibe el nombre de periodo o ciclo devida del generador que creé la secuencia r, Los r, constituyen la parte medular de la simulacién de procesos estocésticos, y por lo regular, se usan para generar el comportamiento de variables aleatorias, tanto continuas como discretas. Debido a que no es posible generar nimeros realmente aleatorios, con- sideramos los r, como niimeros pseudoaleatorios generados por medio de algoritmos determinssticos que requieren parémetros de arranque. Para simular el comportamiento de una 0 ms variables aleatorias es necesarlo con- tar con un conjunto suficientemente grande de ¥ que permita, por ejemplo, que la secuencia tenga al menos un periodo de vida de n = 2" =2,147,483,648. De acuerdo con UEcuyer* una secuencia de r,con petiodo de vida de n = 2°"es relativamente peque- fia; de hecho, incluso una secuencia de r, que contenga un ciclo de vida de n = 2 se considera pequefia. En la actualidad, contamos ya con generadores y procesadores capa- ces de construir una secuencia de r, con periode de vida de n - 2°". Tal ver se preguntaré; ;por qué debe interesarnos construir una secuencia de ntime- tos 1, lo bastante grande? A continuacién ilustraremos la razén mediante un ejemplo.22. Generaclon de ntimeros pseudoalestorios ‘Suponga que queremos simular el tiempo de atencién a clientes en un banco que tiene 5 cajeros en paralelo, cada uno de los cuales atiende alrededor de 50 clientes diarios. Para simular el tiempo de atencién se requiere un generador de variable aleatoria en funcién der, como por ejemplo T, =5 + 2r, expresado en minutos para toda f = 1, 2, 3, m. (El tema de generadores de variables aleatotias se presenta en el capitulo 3). Sisimulamos el tiempo de atencion de manera aislada, es decir, sin considerar el tiempo transcurrido desde la llegada de éstos, seran necesarios 5 x 50 =250 nimeros , para simular un dia; si desedramos simular 5 diasse necesitarian 250 x5 =1250 r, Ahora bien, si consideramos el tiempo desde la llegada de los clientes, precisariamos de 250 r, para simular el tiempo transcurtido desde la llegada al banco de los 250 clientes por dia, y 250 x 5 = 1250 r, para simular el correspondiente al total de clientes atendidos durante 5 dias. Por lo tanto, se requerirén 2500 ntimeros pseudoaleatorios r, para simular la operacién del banco duran- te 5 dias. Como se mencioné en el capitulo 1, los resultados no pueden basarse en una sola simulacién del sistema; por el contrario, es necesario realizar varias réplicas de la misma, corriendo cada una de ellas con nlimeros pseudoaleatorios diferentes. Si retomamos el ejemplo del banco, simular 5 dias otra vez significa que necesitamos otros 2500 nimeros pseudoaleatorios en el intervalo (0,1). En consecuencia, se requieren 5000 para realizar la simulacién del sistema de atencién a clientes con dos réplicas. Usted podré imaginar cudntos nimeros r, seran necesarios para simular la operacién del banco durante un afio con 9 réplicas, o cudntos ntimeros r, se requieren para simular un sistema productivo durante un afio con varias lineas de produccién, y cada una con varias estaciones, y cada estacién con uno 0 mas procesos. Dada la importancia de contar con un conjunto de r,suficientemente grande, en esta seccién se presentan diferentes algoritmos deterministicos para obtenerlo. Por otra parte, es conveniente sefialar que el conjunto de r, debe ser sometido a una variedad de prue- bas para vetificar si los nmeros que lo conforman son realmente independientes y uni- formes. En la seccién 2.4 veremos las pruebas estadisticas que determinan si un conjunto 1, tiene las propiedades de independencla y uniformidad. Una vez generado el con- junto r,mediante un algoritmo deterministico, es necesario someterlo a las pruebas antes mencionadas: si las supera, podrd utilizarse en la simulacién; de lo contrario, simplemen- te deberemos desecharlo. Un conjunto de r, debe seguir una distribu da por: fin=fh S451 “Jo, en cualquier otro valor n uniforme continua, la cual estd defini- Generar un conjunto de res una tarea relativamente sencilla; para ello, el lector slo tiene que disefiar su propio algoritmo de generacién. Lo que resulta dificil es disefar un algoritmo que genere un conjunto de r,con periode de vida lo bastante grande (M), y que ademés pase sin problema las pruebas de uniformidad e independencia, lo cual implica evitar problemas como éstos: ‘© Que los ntimeros del conjunto r, no estén uniformemente distribuidos, es decir, que haya demasiados r, en un subintervalo y en otro muy pocos o ninguno. 23BL Capitulo 2. Numeros pseudoaleatorios 2.2.1 24 © Que los némeros r, generados sean discretos en lugar de continuos. © Que la media del conjunto sea muy alta o muy baja, es decir, que esté por arriba o por debajo de ¥. © Que la varianza del conjunto sea muy alta o muy baja, es decir, que se localice por arriba 0 por debajo del ¥4 (la obtencién de estos valores se discute en la seccién 2.3). En ocasiones se presentan también anomaltas como nimeros r, seguidos por arriba 0 por debajo de la media; secuencia de r, por arriba de la media, seguida de una secuencia por debajo de la media, y viceversa, o varios r, seguidos en forma ascendente o des- cendente, A continuacion se presentan diferentes algoritmos deterministicos para generar los 1y los cuales se clasifican en algoritmos no congruenciales y congruenciales. Los algo- ritmos no congruenciales que analizaremos en esta obra son: cuadrados medios, pro- ductos medios y multiplicador constante. Entre los algoritmos congruenciales se encuentran los algoritmos congruenciales lineales y los no lineales, En este libro aborda- remos los algoritmos congruenciales lineales —tales como algoritmo congruencial lineal, multiplicativo y aditivo—, y los algoritmos ne lineales, como el algoritmo de Blum, Blum y Shub, y el congruencial cuadratico. Algoritmo de cuadrados medios Este algoritmo no congruencial fue propuesto en la década de los cuarenta del siglo xx por Von Neumann y Metropolis‘"! Requiere un niimero entero detonador (llamado semi- Hla) con D digitos, el cual es elevado al cuadrado para seleccionar del resultado los D digitos del centro; el primer niimero r, se determina simplemente anteponiendo el“0.’a e505 digitos. Para obtener el segundo 1, se sigue el mismo procedimiento, slo que ahora se elevan al cuadrado los D digitos del centro que se seleccionaron para obtener el primer r, Este método se repite hasta obtener n nuimeros r, A continuacién se presen- tan con més detalle los pasos para generar nimeros con el algoritmo de cuadrados medios. 1. Seleccionar una semilla (X,) con D digitos (D > 3). 2. Sea Y, = resultado de elevar X, al cuadrado; sea X, = los D digitos del centro, y sea 1,=0.D digitos del centro. 3. Sea ¥,= resultado de elevar X,al cuadrado; sea X, = los D digitos del centro, y sea 1,=0.D digitos del centro para toda i= 1,2, 3, .. 4. Repetir el paso 3 hasta obtener los n nuimeros r, deseados. Nota: Si no es posible obtener los D digitos del centro del niimero ¥, agregue ceros a la izquierda del nimero Y, Para ilustrar la mecdnica del algoritmo de cuadrados medios se presenta el siguiente ejemplo.22. Generaclon de ntimeros pseudoalestorios 2.2.2 Ejemplo 2.1 Generar los primeros 5 niimetos r, a partir de una semilla X,=5735, de donde se puede observar que D=4 digitos. Solucién: ¥, = (0176)? =030976 El algoritmo de cuadrados medios generalmente es incapaz de generar una secuencia de r,con periodo de vida n grande. Ademés, en ocasiones sélo es capaz de generar un niime- 10, por ejemplo, si X,= 1000, entonces X,=0000; r,= 0.0000 y se dice que el algoritmo se degenera con la semilla de X,= 1000. Algoritmo de productos medios La mecénica de generacién de niimeros pseudoaleatorios de este algoritmo no con- gruencial es similar a la del algoritmo de cuadrados medios. La diferencia entre ambos radica en que el algoritmo de productos medios requiere dos semilias, ambas con D dig tos; ademés, en lugar de elevarlas al cuadrado, las semillas se multiplican y del producto se seleccionan los D digitos del centro, los cuales formarén el primer nimero pseudoalea- torio r,=0.D digitos. Después se elimina una semilla, y la otra se multiplica por el primer ntimero de D digitos, para luego seleccionar del producto los D digitos que conformarsn un segundo numeror, Entonces se elimina la segunda semilla y se multiplican el pri- mer numero de D digitos por el segundo nimero de D digitos; del producto se obtiene eltercer ntimeror, Siempre se ird eliminando el ntimero mas antiguo, y el procedimiento se repetird hasta generar los n nimeros pseudoaleatorios. A continuacién se presen- tan con mas detalle los pasos del método para generar ntimeros con el algoritmo de producto medios, 1. Seleccionar una semilla (X,) con D digitos (D > 3) 2. Seleccionar una semilla (X,) con D digitos (D > 3) 5. Repetir el paso 4 hasta obtener los n ntimeros r, deseados. Nota: Si no es posible obtener los D digitos del centro del niimero Y, agreque ceros a la izquierda del nimero Y, Para ilustrar la mecdnica del algoritmo de productos medios se presenta el siguiente ejemplo, 25TL Capitulo 2 Numeros pseudoaleatorios 2.2.3 Ejemplo 2.2 Generar los primeros 5 ntimeros 1, partir de las semillas X,=5015 y X, = 5734; observe que ambas semillas tienen D=4 digitos. Soluci6n: Algoritmo de multiplicador constante Este algoritmo no congruencial es similar al algoritmo de productos medios. Los sigulen- tes son los pasos necesatios para generar ntimeros pseudoaleatorios con elalgoritmo de multiplicador constante. 1. Seleccionar una semilla (X,) con D digitos (D > 3). 2. Seleccionar una constante (a) con D digitos (D > 3). 3. Sea Y,= a*X, sea X,=los D digitos del centro, y sea r; A, Sea Y,= a°X; sea X,,= los D digitos del centro, y sea fy, para todai=1,2,3,..n. 5. Repetir el paso 4 hasta obtener los n niimeros r, deseados. 0.D digitos del centro. .D digitos del centro Nota: Sino es posible obtener los D digitos del centro de! nimero ¥, agregue ceros a la izquierda del nimero Y,, Para ilustrar la mecdnica del algoritmo de multiplicador constante se presenta el siguiente ejemplo. Ejemplo 2.3 Generar los primeros 5 ntimeros ra partir de la semilla X, = 9803 y con la constante a= 6965. Observe que tanto la semilla como la constante tienen D =4 digitos. Solucién: Y, = (6965) (9803) = 68277895 9348770 1965) (9825) = 68431125 & 8 KS Heat See22 Generacion de numeros pseudoaleatorios lj 2.24 Algoritmo lineal Este algoritmo congruencial fue propuesto por D. H. Lehmer®! en 1951. Seguin Law y Kelton,?! no ha sido el més usado. El algoritmo congruencial lineal genera una secuen denntimeros enteros por medio de la siguiente ecuacién recursiva: X41 =(ax,4emod(m) — '=0,1,2,3,...0 donde X, es la semilla, @ es la constante multiplicativa, c es una constante aditiva, y m es el médulo. X, >0,a>0,¢>0y m>0 deben ser némeros enteros. La operacién "mod (m)" significa multiplicar X, por a, sumar¢, y dividir el resultado entre mara obtener el residuo X,.» Es importante sefialar que la ecuacién recursiva del algoritmo congruencial lineal genera una secuencia de nimeros enteros $= {0, 1, 2, 3, .. m— 1}, y que para obtener ndmeros pseudoaleatorios en el intervalo (0,1) se requiere la siguiente ecuacion: x m-1 (= Analice el siguiente ejemplo para comprender mejor la mecénica del algoritmo con- gruencial lineal: Ejemplo 2.4 Generar 4 ntimeros entre 0 y 1 con los siguientes parémetr m= 100. 37,a=19,c=33y Solucién: 9°37 +33) mod 100 X,=(19°36 +33) mod 100=17 ——r,=17/99=0.1717 9°17 +33) mod 100=56 r= 56/99 =0.5656 }9°56 +33) mod 100 =97 17/99 =0.9797 En el ejemplo anterior se dieron de manera arbitraria cada uno de los pardmetros reque- tidos: X, a, ¢, m. Sin embargo, para que el algoritmo sea capaz de lograr el maximo perio- do de vida N, es preciso que dichos parametros cumplan ciertas condiciones. Banks, Carson, Nelson y Nicol" sugieren lo siguiente: m=2 a=144k k debe ser entero Crelativamente primo am g debe ser entero Bajo estas condiciones se obtiene un periodo de vida maximo: N 28, Veamos un ejemplo mas, tomando en cuenta lo anterior. 27HL Capitulo 2. Numeros pseudoaleatorios 28 Ejemplo 2.5 Generar suficientes németos entre 0 y 1 con los parémettos X,=6, k=3,g=3y C= 7, hasta encontrar el periodo de vida maximo (N). ‘Como podemos ver, sise cumplen las condiciones que Banks, Carson, Nelson y Nicol sugieren, se logrard el periodo maximo N =m =8. A continuacién se presenta el desarro- Ilo de la generacién de los ntimetos r, a=144(3 3°6 +7) mod 8= 3*5+7)mod8 3*0+7) mod 8 3*7 +7) mod 8= 3*2+7) mod 8 3*1 47) mod 8 =(13"4+7) mod 8=3 3*3 +7) mod8 x x % % x, x, x, =3/7 =0.428 1857 Es importante mencionar que el nlimero generado en X,=6 es exactamente igual a la semilla X, y si continudramos generando mas numeros, éstos se repetirian. Ademas, sabemos que el algoritmo congruencial lineal genera una secuencia de nuimeros enteros 5 ={0, 1, 2,3, m—1). Observe que en este caso se genera la secuencia $= {0, 1, 2, 3, 4, 5,6,7). Ejemplo 2.6 Consideremos de nuevo el ejemplo anterior, pero tratemos de infringir de manera arbi- traria alguna de las condiciones. Supongamos que a= 12; se sabe que a no es el resultado de 1 +4k, donde k es un entero. Veamos el comportamiento del algoritmo congruencial lineal ante tal cambio. Solucién: a=144@)=13ym=P=8 El periodo de vida en este caso es N= 2, de manera que, como puede ver, el periodo de vida méiclmo no se lagra. Como conclusién tenemos que sino se cumple alguna de las condiciones, el periodo de vida mximo N= m no se garantiza, por lo que el periodo de vida seré menor que m.2.2.5 22 Generacion de numeros pseudoaleatorios lj Algoritmo congruencial multiplicativo El algoritmo congruencial multiplicativo surge del algoritmo congruencial lineal cuando €=0, Entonces la ecuacién recursiva es: a Xq= (0X) mod (m) —i=0, 1,2, 3.4, En comparaci6n con el algoritmo congruencial lineal, la ventaja del algoritmo multiplica- tivo es que implica una operacién menos a realizar. Los parémetros de arranque de este algoritmo son X,, ay m, los cuales deben ser nuimeros enteros y mayores que cefo. Para transformar los nuimeros X,en el intervalo (0, 1) se usa la ecuacion r,= x/(m — 1), De acuer- do con Banks, Carson, Nelson y Nicol,"! las condiciones que deben cumplir los parametros para que el algoritmo congruencial multiplicativo alcance su maximo periodo N, son: m= a=3+8k 0 5+8k k=0,1,2,3, 1X, =debe ser un niimero impar 4g debe ser entero A partir de estas condiciones se logra un periodo de vida maximo N= k/4= 272 Ejemplo 2.7 Generar suficientes nimeros entre 0 y 1 con los 9 =5, hasta encontrar el periodo o ciclo de vida. juientes pardmetros: X,=17,k=2y Soluci6n: 1*5) mod 32= 9 1*9) mod 32=29 1*1) mod 32=21 1*21) mod 32 = 25 Sila semilla X, se repite, volverdn a generarse los mismos ntimeros. Por lo tanto, el perio- dode vida es n=8, el cual comresponde a N= m/4=32/4=8, 29HL Capitulo 2. Numeros pseudoaleatorios 2.2.6 Ejemplo 2.8 Ahora bien, si quebrantamos la condicién de que la semilla sea un numero impar, diga- 2, tenemos: 1°12) mod 32=28 r, 1*28) mod 32 = 12 18/31 = 0.9032 2/31 =0.3870 En vista de que la semilla X, se repite, volverén a generarse los mismos niimeros. Por lo tanto, el periodo de vida es N=2. Algoritmo congruencial aditivo Este algoritmo requiere una secuencia previa den niimeros enteros X,,X, X, Xy aX, para generar una nueva secuencia de niimeros enteros que empieza en X_.., X. Xnear Xa Su ecuacién recursiva es: X= Oy. +X,,) mod (m) n41,n42,043,.N Los nimeros r, pueden ser generados mediante la ecuacion x/m=1 Ejemplo 2.9 Generar 7 ntimeros pseudoaleatorios entre cero y uno a partir de la siguiente secuencia de ntimeros enteros: 65, 89, 98, 03, 6 00. Sean X,=65, X,=89, X,=98, X,=03, X,= 69. Para generar f, fy Fy fy fy fy F,antes es necesario generar Xz Xo Xy Xo Xpn Xyy Xo Soluci6n: X,= (K, +X) mod 100 = (69 + 65) mod 100 =34 1, =34/99 =03434 X,=(K, +X) mod 100 = (34 +89) mod 100=23 1,=23/99 =0.2323 X,=(X, +X) mod 100 = (23+ 98) mod 100=21 1/99 =0.2121 X,=(%+X mod 100= (21 +03) mod 100=24 4/99 Xoq= 0% +X) mod 100 = (24 +69) mod 100 = 93, %o+X,) mod 100 = Xq= %,+X,) mod 10022 Generacion de numeros pseudoaleatorios lj 2.2.7 Algoritmos congruenciales no lineales En esta seccién se analizarén dos algoritmos congruenciales no lineales: el congruencial cuadratico y el algoritmo presentado por Blum, Blum y Shub.”! 2.2.7.1 Algoritmo congruencial cuadratico Este algoritmo tiene la siguiente ecuacién recursiva: Xg= (XP 6X +e)modim) —7=0,1,2,3,..N Eneste caso, los ntimeros r, pueden ser generados con la ecuacién 1,=x,/(m—1). De acuer- do con L’Ecuyer!"| las condiciones que deben cumplir los pardmetros m, a, b y ¢ para alcanzar un periodo maximo de N=m son: m=” a debe ser un nimero par debe ser un nimero impar gobo cer entern (b-1)mod4= De esta manera se logra un periodo de vida mximo N= m. Ejemplo 2.10 Generar, a partir del algoritmo congruencial cuadrético, suficientes nimeros enteros has- taalcanzar el periodo de vida, para esto considere los parémetros X,= 13, m=8,a=26, 6 =27 y c=27. Como todas las condiciones estipuladas para los parémetros se satisfacen, es de esperarse que el periodo de vida del generador sea N= m =8, tal como podré com- probar al revisar los célculos correspondientes, que se presentan a continuacién. Solucion: X,=(26"13-+.27"13 +27) mod (8)=4 X,=(26*4? +27%4 +27) mod (8)=7 X, =(26*7? +27*7 + 27) mod (8)=2 X,=(26"22427°2 +27) mod (8)=1 X,=(26"17427"1 +27) mod (8)=0 X,=(26*0? +270 +27) mod (8)=3 X,=(26"3? +27*3 +27) mod (8)=6 X,=(26*6? +27*6 +27) mod (8)=5 X,=(26*5? +27*5 +27) mod (8)=4 31HL Capitulo 2 Nameros pseudoaleatorios Por otto lado, el algoritmo cuadratico genera una secuencia de ndmeros enteros $={0, 1, 2,3, m= 1},al igual que el algoritmo congruencial lineal. 2.2.7.2 Algoritmo de Blum, Blum y Shub™! Sien el algoritmo congruencial cuadratico a= 1, nueva ecuacién recursiva: Oy c=0, entonces se construye una x, (4, = (XK? )mod(m) 120/2,3,.n La ecuacién anterior fue propuesta por Blum, Blum y Shub®! como un nuevo método para generar nimeros que no tienen un comportamiento predecible. 2.3 Propiedades de los numeros pseudoaleatorios entre 0 y 1 32 En la seccién anterior hablamos de cémo generar niimeros aleatorios usando diferentes métodos, Sin embargo, {de qué manera se puede garantizar que tales ntimeros son reat mente aleatorios entre 0 y 1? ;Cudles son las caracteristicas que los identifican?, scudles son sus parémetros? La respuesta es muy importante, dado que los ntimeros aleatorios serdn utilizados en la simulacién para generar los valores de cualquier variable aleatoria. En gran medida, conocer las propiedades que deben tener estos nimeros aleatorios garantiza una buena simulacién, por ello, se enumeran a continuacién, Media de los aleatorios entre 0 y 1. En vista de que estos nimeros deben tener la mis- ma probabilidad de presentarse, es preciso que su comportamiento muestre una distri- bucién de probabilidad uniforme continua, con limite inferior cero y limite superior uno. La funcién de densidad de una distribucién uniforme es la siguiente: Flx)= aS xb; en este caso,a=Oyb=1 Graficamente se veria de la siguiente manera: cr) Figura 2.1 x | Formageneral a o dela distribucion Uniforme entre a y b,23 Propiadades delos numeros pseudoaleatorios entre Oy 1 Mi Para obtener la media de la distribucién multiplicamos la funcién de densidad por x y la integramos en todo el rango de la misma distribucion de la siguiente manera: Ew) |. flade, hoe Sustituyendo los valores de a= Oy b=1. Por lo tanto, el valor esperado (es decir, a media de los ntimeros aleatorios entre 0 y 1) es =05, \Varianza de los nuimeros aleatorios. Si partimos de la misma distribucién uniforme continua obtenemos la varianza de la distribucién por medio de la ecua Veo = 0? = EG?) — p> Lo que nos da E(x): E =3b-a) "“3(6-a— 3 Fe) =f Fal de Alsustituir a= Oy b= 1, tenemos que: Eve) wie Por lo tanto, Dados estos resultados podemos decir que los niimeros aleatorios entre 0 y 1 deben tener 33HL Capitulo 2. Numeros pseudoaleatorios Independencia. Esta es una propiedad muy importante, e implica que los nimeros aleatorios no deben tener correlacién entre sf; es decir, deben ser independientes, de ‘manera que puedan dispersarse de manera uniforme dentro de todo el espectro de valo- tes posibles. La figura 2.2a muestra una grafica totalmente dispersa en los valores pos bles, y la figura 2.2b presenta una acumulacién de los valores en la parte central, lo cual quiere decir que hay una correlacién entre los mismos. () Figura 2.2 Valores uniformemente dispersos y valores correlacionados. (b) Fs posible realizar una serie de pruebas para corroborar que no existe correlacién entre los niimeros aleatorios, e incluso para garantizar que no exista un sesgo o ten- dencia entre los digitos de cada uno de ellos. Estas pruebas se revisarén con mas detalle en la siquiente seccién. 2.4 Pruebas estadisticas para los nimeros pseudoaleatorios 34 En la seccién 2.2 se presentaron diversos algoritmos para construir un conjunto r, pero se €5:56lo el primer paso, ya que el conjunto resultante debe ser sometido a una serie de pruebas para validar si los nimeros que lo integran son aptos para usarse en un estudio desimulacién.24 Pruebas estadisticas paralos niimeros pseudoaleatorios ij 2.4.1 A continuacién se analizardn las pruebas estadisticas basicas que se emplean gene- ralmente para determinar si un conjunto de nimeros pseudoaleatorios entre cero y uno cumplen con las propiedades bésicas de independencia y uniformidad. El objetivo, en otras palabras, es validar que el conjunto /; realmente esté conformado por nimeros aleatorios. Es importante mencionar que las pruebas que se discutirén no son (inicas; si desea conocer otras, consulte Banks, Carson, Nelson y Nicol." Prueba de medias Una de las propiedades que deben cumplir los ntimeros del conjunto r, es que el valor esperado sea igual a0.5. La prueba que busca determinar lo anterior es la llamada prueba de medias, en la cual se plantean las siguientes hipétesis: Hep,=05 Hy 2, #05 La prueba de medias consiste en determinar el promedio de los n nmeros que contiene el conjunto r,, mediante la ecuacién siguiente: Después se calculan los limites de aceptacién inferior y superior con las ecuaciones siguientes: pet, (1 ba taol Joe rl Sielvalor de se encuentra entre los limites de aceptaci6n, concluimos que no se puede rechazar que el conjunto r,tiene un valor esperado de 0.5 con un nivel de aceptacién de 1 — a. En caso contrario se rechaza que el conjunto r,tiene un valor esperado de 0.5. Para el cdlculo de los limites de aceptactén se utiliza el estadisticoz, .,elcual se deter- mina por medio de la tabla de la distribucién normal estandar (ver apéndice) Ejemplo 2.11 Considere los 40 nimeros del conjunto r, que se presenta a continuacién, y determine si tienen un valor esperado de ¥4 con un nivel de aceptacién de 95 por ciento. 35HL Capitulo 2. Numeros pseudoaleatorios oss = 073305746 =n sis = 0.as9 02 02564 0601s 06694 0397207025 «1055. 0.127 «0.1977 0.0125 ass 02531 0897S as4n}, «0.6072 9sa? © a.gos © O.RS 24 05514 09316 «03587-7041 ©5815 025230545 0.3044 00207 01067 «038571746 = 0.3362 0.1589 «0.3727 ANAS El conjunto r, contiene 40 nimeros, por lo tanto, n= 40. Un nivel de aceptacién de 95% implica que a =5%, Enseguida procedemos a calcular el promedio de los ntimeros y {os limites de aceptacién: r= Looser -orvaze+03748 santos. -rossee+orses 03724040483 7 =043250 U, ~via = 0410538649 (40) i. ' ‘un| Fm) 1 V12(40) Como el valor del promedio: r= 0.43250 se encuentra entre los limites de aceptacién, se concluye que no se puede rechazar que el conjunto de 40 ntimeros r, tiene un valor espe- rado de 0.5, con un nivel de aceptacién de 95 por ciento. 1 att ot J-oseoaras 2.4.2 Prueba de varianza Otra de las propiedades que debe satisfacer el conjunto r, es que sus ntimeros tengan tuna varianza de 1/12. La prueba que busca determinar lo anterior es la prueba de varianza, que establece las siguientes hipétesis: Hgo7 =1/12 Hyop #11224 Pruebas estadisticas paralos numeros pseudoaleatorios ij La prueba de varianza consiste en determinar la varianza de los n numeros que contiene el conjunto r,, mediante la ecuaci6n siguiente: E0-7F Vin=s —— na-1 Después se calculan los limites de aceptacién inferior y superior con las ecuaciones siguientes: Xa/an-1 wo" 72(n-1) X=a)/2,0-1 Sn 12(n-1) alo: de Vo) se ercuentia entte lus limites Ue aveplacion, decinus que nu se puede rechazar que el conjunto r, tiene una varianza de 1/12, con un nivel de aceptacién de 1 ~ @; de lo contrario, se rechaza que el conjunto r, tiene una varianza de 1/12. Para obtener valores de los factores Chi-cuadrada vea los anexos del libro. Ejemplo 2.12 Realizar la prueba de varianza alos 40 nuimeros r, del ejemplo 2.11. Considerando quen=40 y a=5%, procedemos a calcular la varianza de los nimeros, y los limites de aceptacién cortespondientes: ? $ 0.43250) Yoy= wot a1 Yin=35((0.04487 - 0.43250)? +(0.17328-0.43250)’ + ..+ (0.37266— 0.43250)? +(0.41453-043250)"1 V(r)=0:08695062 =X cosas _ 581200541 _ 9 > 418815 12(39) 468 X (eaves _X vansrase _ 236543003 12(n=1) 12(39) 468 =005054338 Dado que el valor de la varianza: Vir) ~ 0.08695062 esté entre los limites de aceptacién, podemos decir que no se puede rechazar que el conjunto de 40 ntimeros r, tiene una varlanza de 1/12 = 0.08333. 37BL Capitulo 2. Numeros pseudoaleatorios 2.4.3 Pruebas de uniformidad Una de las propiedades més importantes que debe cumplir un conjunto de nuimeros s,s {a uniformidad, Para comprobar su acatamiento se han desarrollado pruebas estadisticas tales como las pruebas Chi-cuadrada y de Kolmogorov-Smirnov. En cualquiera de ambos casos, para probar la uniformidad de los numeros de un conjunto r,es necesario formular las siguientes hipétesis: Hg 4, ~ U,1) Hf no son uniformes \Veamos a continuacién cémo funciona cada una de estas pruebas. 2.4.3.1 Prueba Chi-cuadrada La prueba Chi-cuadrada busca determinar silos ntimeros del conjuntor, 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= V/n. Luego se clas fica cada numero pseudoaleatorio del conjunto r, en los m intervalos. A la cantidad de inumeros r, que se clasitican en cada intervalo se le denomina frecuencia observada (U), y a la cantidad de nuimeros r, que se espera encontrar en cada intervalo se le llama frecuen- cia esperada (F); teéricamente, la E,es igual n/m. A partir de los valores de O,y E,se deter- mina el estadistico X. mediante la ecua Siel valor del estadistico X es menor al valor de tablas de X’x2-1, entonces no se puede rechazar que el conjunto de niimeros r, sigue una distribucion uniforme. En caso contra- to, se rechaza que r, sigue una distribucién uniforme. Ejemplo 2.13 Realizar la prueba Chi-cuadrada a los siguientes 100 ntimeros de un conjunto r,,con un nivel de confianza de 95%. 0347 0832 0956 0472 «0797 «0.101 «06950955 © 0.404 0.603 0993 0371 0729 0067 0189 «0.977 «084305620549 0.992. 0574 0.628 0.055 0.494 ©0494 «0.235 «O.17B«O77S.««0.797 «0.252 0425 0054 0022 0742 «0674 «aR 6A] 674 «td 046 0224 © 0990788 ©0393 «0.461 0.011977 0.28688 0199 0.753 073 «0.797 «0.292 «0.876 «0.707562 «0.562.821 0112 0.191 0584 ©0347 «0426-0057 O.819 «03030404064 037 om4 0731 «07420213047? OHk1 094g 263 as09 0764 0999 0303 «718 ©0933. ansG ATS amo .a. 0178 0516 ©0437 ««0393-««0.268««123 08450527459 (0.65224 Pruebas estadisticas paralos numeros pseudoaleatorios ij Antes de proceder, es recomendable crear una tabla similar a la tabla 2.1, en donde se resumen los pasos que deben llevarse a cabo en la prueba Chi-cuadrada, Tabla 2.1 Célculos para la prueba Chi-cuadrada. pl (e-oF Interval oO, £ {0.00-0.10) 7 10 | 09 [0.10-020) 9 10 | 01 1020-030) 8 10 | 4 1030-040) 9 10 a1 [0.40-0.50) 14 10 | 1.6 [0.50-060) 7 10 | os 1060070) n 10 | 1 10.70.020) 4 10 | 16 “10.20-0.90) 9 10 | ot w.90-1.00) a Ww l o4 0," =62 es menor al estadistico correspondiente de la El estadistico x2 =)! Chi-cuadrada yj9,,= 169. En consecuencia, no se puede rechazar que los niimeros 1, siguen una distribucién uniforme. 2.4.3.2 Prueba Kolmogorov-Smirnov Propuesta por Kolmogorov y Smirnov, ésta es una prueba estadistica que también nos sitve para determinar si un conjunto r, cumple la propiedad de uniformidad. Es recomen- dable aplicarla en conjuntos r, pequefios, por ejemplo, n < 20, El procedimiento es el siguiente: Ordenar de menor a mayor los ntimeros del conjunto Fr; Sh SrSuSr, 2. Deter jar los valores de: D*, D- y D con las siguientes ecuaciones: ‘| me i isisal’ a D=méx(D*,D") 39HL Capitulo 2. Numeros pseudoaleatorios 3. Determinar el valor critico D,,, de acuerdo con la tabla de valores criticos de Kolmogorov-Smirnoy para un grado de confianza a, y segin el tamafio de la muestra n, Si el valor D es mayor que el valor critico D_,, se concluye que los nimeros de! conjunto r, no siguen una distribucién uniforme; de lo contrario se dice que no. ‘se ha detectado diferencia significativa entre la distribucién de los numeros del conjunto fy la distribucién uniforme. Ejemplo 2.14 Realizar la prueba Kolgomorov-Smirnoy, con un nivel de confianza de 90%, al siguiente conjunto r,de 10 nuimeros: .97,0.11,0.65,0.26 0.98,0.03,0.13,0.89,0.21,069) EI nivel de confianza de 90% implica = 10%, Si se ordenan los niimeros r, de menor a mayor, la secuencia es: 003 011 0.3, 2128s Ss) 097 88 Para determinar los valores de D*, Dy D es recomendable realizar una tabla como la siguiente. Tabla 2.2 Célculos de la prueba Kolmogorov-Smirnov. ol )2)°)*l*)]*|7)]*|*)* i a0 | 020 | 030 | 040 | 050 | 060 | 070 | oa | a90 | 100 a 003 | 011 | 0x3 | 021 | 036 | 06s | om | ono | 097 | 09s 090 wo [oe 020 | 020 | o40 | 050 | aso | 070 | 080 007 003 | 001 |e -009 | -0.14 | 015 | 009 | 019 | 017 | 098 = re | | D 024) o | o19| D | oma 009 | 017 | 019 024 | -005 | 001 | -009 on | om 4024 Pruebas estadisticas paralos niimeros pseudoaleatorios ij 244 De acuerdo con la tabla de valores para la prueba Kolmogorov-Smirnoy, el valor cr tico Da soy9 COrrespondiente a= 10 €5 Dy .q;9=0.368, que resulta mayor al valor D=0.24; por lo tanto, se concluye que los ntimeros del conjunto f, se distribuyen uniformemente. Pruebas de independencia Recuerde que las dos propiedades m4s importantes que deben satisfacer los ntimeros de tun conjunto r, son uniformidad e independencia. En la seccién anterior comentamos las. pruebas que buscan determinar si los nimeros del conjunto r, son uniformes, A continua cl6n hablaremos de las pruebas estadisticas que tratan de corroborar silos ntimeros en el intervalo (0,1) son independientes 0, en otras palabras, si parecen pseudoaleatorios. Para probar la independencia de los nimeros de un conjunto 1, primero es preciso formular las siguientes hipotesis: H,; los ntimeros del conjunto r, son independientes H;:los ndmetos del conjunto , no son independientes 2.4.41 Prueba de corridas arriba y abajo El procedimiento de esta prueba consiste en determinar una secuencia de ntimeros (5) que slo contiene unos y ceros, de acuerdo con una comparacién entre ry F,,.. Después se determina el numero de corridas observadas, C, (una cortida se identifica como la cantidad de unos 0 ceros consecuttivos). Luego se calcula el valor esperado, la varianza del ntimero de corridasy el estadistico Z, mediante las ecuaciones: Si el estadistico Z, es mayor que el valor critic de Z_» se concluye que los numeros del conjunto 1, no son independientes. De lo contrario no se puede rechazar que el conjunto der, sea independiente. Considere el siguiente conjunto r, de 21 nuimeros: 1,= 089,0.26,0.01,0.980.13,0.12,0.69,0.11,0.05,0.65, 0.21,0.04,0.03,0.11,0.07,0.97,0.27,0.12,0.95,0.02,0.06} La secuencia de unos y ceros se construye de esta manera: se coloca un cero si el némero 1,25 menor que o igual al numero s, anterior; en caso de ser mayor que el nuimeto 1, aHL Capitulo 2. Numeros pseudoaleatorios a2 anterior, se pone un uno. Si se considera la secuencla de los 21 nimeros del conjunto 1, que se dio antes, la secuencia de unos y ceros 5={0,0,1,0,0,1,0,0,1,0,0,0,1,0,1,0,0,1,0,1) Observe que la secuencia S contiene n — 1 niimetos, en este caso 20, Esto se debe a que el primer numero r,= 0.89 no tiene nmeto anterior con el cual compararlo. Recuerde que una corrida se forma con unos consecutivos 0 cetos consecutivos. Por ejemplo los prime- tos dos ceros de la secuencia forman la primer corrida, que se dice que tiene una longitud de dos; el tercer nimero de la secuencia, uno, forma la segunda corrida con longitud de uno; después siguen dos cetos, los cuales forman la tercera corrida con longitud de dos; después sique un uno, que forma la cuarta corrida con longitud de uno, etcétera. Mediante el proceso anterior se determina r, que el numero de corridas de la secuencia es C,= 14, Ejemplo 2.15 Realizar la prueba de corridas arriba y abajo con un nivel deaceptacién de95% al siguien- te conjunto de 40 ntimeros 1; 034 083098 )= 0a? 7909937 st 067 062 005 «09S 059042 OS, mh 046 022099 «078-0398 S S379 29 O11 019-058) 03402037031 O78 O48 at Realizaremos la asignacién de unos y ceros por renglén (0 fila). Por lo tanto, la secuencia S es: S= {1,1,0,1,1,0,1,0,1,1,0,0,1,10,0,0,1,0,0,0,1,0,0,0,1,0,1,0,0,1,1,0,1,0,0,1,1,0) obteniéndose un valor de C, =24 y «=5%. ‘A continuacién se presentan los célculos correspondientes al valor esperado y a la varianza del ntimero de corridas: _2n-1_2(40)-1 “si 3 _16n=29_16(40)-29 m= “90 _|24-26.333| e788 Como el estadistico Z,es menor que el valor de tabla de la normal estandar para Zi ~ Ziyn —1.96, se concluye que no se puede rechazar que los nimeros del conjunto F, son independientes. Fs decir, de acuerdo con esta prueba, los niimeros son aptos para usarse en simulacién,24 Pruebas estadisticas paralos niimeros pseudoaleatorios ij 2.4.4.2 Prueba de corridas arriba y abajo de la media EI procedimiento de esta prueba consiste en determinar una secuencia de unos y ceros, de acuerdo con una comparacién entre los ntimeros del conjunto r,y 0.5. Después se determi na el ntimero de corridas observadas, C, y los valores de n,y n,.C,,es el nimero de corridas en la secuencia, el cual esté determinado de la misma manera que en la prueba de corridas arriba y abajo; n, es igual a la cantidad de ceros en la secuencia, y n, es igual a la cantidad de unos en la secuencia, y se cumple que n,+n,=n. (Recuerde que una corrida se identifica como la cantidad de unos 0 ceros consecutivos). Lego se calcula el valor espera- do, la varianza del numero de corridas, y el estadistico Z, con las siguientes ecuaciones: _2ngn, 1 n 2 of, = 2a (nan =n * (n=) Sil estadistico Z, esta fuera del intervalo:-Z, Z, Z,, se concluye que los nimeros del conjunto r,no son independientes. De lo contrario no se puede rechazar que el con- junto de r,es independiente. Considere la siguiente secuencia de 10 ntimeros de un conjunto ¢; f= {0.67 ,0.62,0.05,0.49,0,59,0.42,0.05,0.02,0.74,0.67} La secuencia de unos y ceros se construye de la siguiente manera: se asigna un uno si el ntimero r,es mayor que o igual a 0.5. En caso contrario se asignard un cero. Al seguir esta regla, la secuencia de unos y ceros es: S=11,1,0,0,1,0,0,0,1,1) El ntimero de corridas se determina de la misma manera que en la prueba de corridas arriba y abajo, En este caso se tiene que el ntimero de corridas de la secuencia S es C,=5. Por otra parte, la secuencia tiene 5 ceros y 5 unos, asf que n,=5 yn,=5. Ejemplo 2.16 Realizar la prueba de corridas arriba y abajo, con un nivel de aceptacién de 95%, al siguiente conjunto de 50 nimeros 0809 00420432 «0538 «05 «= OBB. 6880772 0036 «OSA 0397 0268 ©0821 «0897 «007 «0.72108? 035077982 0136 0855 «04530197 0.444 «0.799 080906910545 0.857 0692 05S 0348 © 0373««0436-«S 029 «01S. 0.34 ©0599 0724 0564 0709 0946 «0.754 0677012801209HL Capitulo 2. Numeros pseudoaleatorios Construiremos la secuencia de unos y ceros por rengién quedando de la siguiente manera: S=11,0,0,1,0,1,1,1,0,19,0,1,1,0,1,0,0,1,0,0,1,0,0,0, 111,1,1.1,0,0,0,0,0,0,1,1,1,1,1,1.1,1,0,0,0,1,1) A partir de la secuencia anterior se determina que hay 21 corridas, 23 ceros y 27 unos. Por lo tanto, C,=21, n,=23 yn, =27. A continuacién se presentan los calculos del valor espe- rado y de la varianza del ntimero de corridas: 2ngn, 1_ 2(23)(27) n 2 50 2 _2nn,(2n,n,—n) _ 2(23)(27)[2(23)(27)-50] Com He, _ 21-25.34 = FS = 1.2484 a, V12.08542 Como el valor de Z, cae dentro del intervalo ~1.96 < Z, = ~1.2484 < 1.96, se dice que no se puede rechazar que los nimeros del conjunto 1, son independientes con un nivel de confianza de 95 %. De acuerdo con esta prueba, el conjunto de ntimeros r, se puede usar enun estudio de simulacién. 2.4.4.3 Prueba poker Esta prueba consiste en visualizar el nero f,con cinco decimales (como si fuera una mano del juego de poker, con 5 cartas), y clasificarlo como: todos diferentes (TD), exacta- mente un par (1P), dos pares (2P), una tercia (T), una tercia y un par (TP), poker (P) y quintilla (Q). Por ejemplo, si r;=0.69651 se le clasifica como par, porque hay dos nume- 105 6. Ahora bien, consideremos el caso de r, =0.13031, el cual debe clasificarse como dos pares (dos ntimeros 1 y dos ntimeros 3). Finalmente, r, = 0.98898 debe clasificarse como una tercia y un par, porque hay tres ntimeros 8 y dos niimeros 9. La prueba poker se pue- de realizar a ntimeros r, con tres, cuatro y cinco decimales. Para r, con tres decimales slo hay tres categorias de clasificacién: todos diferentes (TD), un par (1P) y una tercia (7). Cuando se consideran r,con cuatro decimales se cuenta con cinco opciones para clasificar los nlimeros: todos diferentes (TD), exactamente un par (1P), dos pares (2P), una tercia (T) y péker (P). Las tablas 23 a 2.5 presentan la probabilidad esperada para cada una de las categorias de clasificacién de esta prueba para conjuntos r,que contienen n niimeros con 3, 4y5 decimales.24 Pruebas estadisticas paralos numeros pseudoaleatorios ij Tabla 2.3. Prueba poker para nimeros con 3 decimales, Categoria Probabilidad 5 ‘Todos diferentes (TD) 72 ‘a72n Exactamente un par (1P) 027 0270 Tercia(T) 001 opin Tabla 2.4 Prueba poker para niimeros con 4 decimales. Gtegoria Probabilidad 5 Todos diferentes (TD) 05040 os04on Exactamente 1 par(1P) 04320 043200 2pares (2P) 00270 002700 Tercia(T) 0.0360 003607 Poker (P) 0.0010 o.oo10n Tabla 2.5 Prueba poker para nimeros con 5 decimales, Gategoria Probabilidad iz ‘Todos diferentes (TD) 03024 030240 Exactamente 1 par(1P) 05040 oso4on 2 pares (2P) 01080 ox08on “Ttereia y 1 par (TP) 0.0090 ‘o0son Tercia(T) 00720 007200 Poker (P) 0045 c.o04sn Quintia (Q) 0.0001 00010 La prueba poker requiere el estadistico de la distribucién Chi-cuadrada Xi. para rniimeros con 5 decimales, X,.« para nGmeros con 4 decimales, y X 2 para numeros con 3 decimales. X7.. tiene 6 grados de libertad, debido a que los niimeros se clasifican en 7 categorias 0 clases: todos diferentes, exactamente un par, dos pares, una tercia y un par, una tercia, poker y quintilla, El procedimiento de la prueba consiste en: @) Determinar la categoria de cada nimeto del conjunto r, 6) Contabilizar los nGmeros r,de la misma categoria o clase para obtener la frecuen- a observada (0).HL Capitulo 2. Numeros pseudoaleatorios ©) Galeular el estadistico de la prueba y? con la ecuacién % $(E-0)" Be donde £,es la frecuencia esperada de niimeros sen cada categoria, y m represen- ta la cantidad de categorias o clases en las que se clasificaron los ntimeros F, siendo m= 7, m=5, y m= 3 los ntimeros de categorias para la prueba poker con 5, 4y 3 decimales, respectivamente. Por ultimo: d) comparar el estadistico de x3 con x2. Si x2 es menor que X2,,1, Se dice que no se puede rechazar la independencia de los iniimeros del conjunto r,. En caso contrario la independencia de los ntimeras del conjunto 1, se rech; Ejemplo 2.17 Realice la prueba péker, con un nivel de aceptacién de 95%, a los siguientes 30 nuimeros entre cero y uno, con 5 decimales, ‘06141 072484 osatar 0.56766 onset 0768 si792 0.48999 0.18590 0.06060, 0.223 0.64794 052953 0.50502 oso4as 0.70688 025357 ostsss 904127 067347 o2si03 0.99367 0.44598 0.73997 027813 0.62182 0.82578 0.85923, 051483 0.08099 Primero hay que clasificar cada ntimero del conjunto r,, asignandole las claves que se mencionaron antes. El resultado es el que se muestra en la tabla 2.6: Tabla 2.6 Clasificacién de los niimeros de un conjunto r,, de acuerdo con la prueba péker. aoerat 1792 052953 08127 0.27813 1P 072484 © 1P-_— 0.94107 TD 056766 «T= ONsI1 TP 7648 TP TD 048%9 = T © 0.185% © TD .660 «TP Cat223««2P68794 IP 1P 50502 2P «03044 «= T «070688 © 1P 025357 IP O31SSS 3D 057347 1p 028103 TD o9s367 IP aassA 1p 0739972 7D 062182 1P~—0.m578«1P-_—«0.85523 TD asi483 TD 009099 TP 46 Para seguir con la prueba se recomienda hacer una tabla como la siguiente:24 Pruebas estadisticas paralos niimeros pseudoaleatorios ij Tabla 2.7 Célculos de la prueba poker. Categorias 0, 5 ‘Todos diferentes (TD) 8 (0.3024)(30) = 9072 012667 fxactamente 1 par (1P) 2 (0:5040)(30) = 15.12 064380 2 pares (2P) 3 (0.108030) = 324 00177 ‘tercia y 1 Par (TP) 3 (0.0090)30) = 027 27.6033 Tercia (7) 4 (0.072030) = 2.16 156740 Poker (P) ° (0.0045)(30) 0135 Quintlla (Q) o (0.0001)(30) 0.003 (E-O,)7 : ; Elestadistico x3 = )|~'—" = 30.0969 es mayor que el estadistico correspondiente de la Chi-cuadrada: y%,, ,=12.59. En consecuencia, se rechaza que los nimeros del con- Junto 1, son independlerites. 2.4.4.4 Prueba de series Esta prueba consiste en comparar os ntimeros con el propésito decorroborarla indepen- dencia entre numeros consecutivos. Las hipétesis basicas son: H,:,~Independientes H,:,~ Dependientes La prueba funciona de esta manera: se inicia al crear una gréfica de dispersién entre los. nuimeros consecutivos (F,/,,); luego se divide la gréfica en m casillas, como se muestra en a figura 2.3, con m como el valor entero més cercano a v/n que permita formar de prefe- rencia, aunque no necesariamente, una matriz cuadrada, Figura23 Graficade dispersion: primer paso dela prueba de series. a7HL Capitulo 2. Numeros pseudoaleatorios 48 Enseguida se determina la frecuencia observada O, al contabilizar el ntimero de puntos en cada casila y su correspondiente frecuencia esperada £, de acuerdo con E,=(n ~ 1)/m, donde n—1 es el niimero total de pares ordenados o puntos en la gréfica. Se procede entonces a calcular el error 0 estadistico de prueba y2 ser, finalmente, si el mE valor del error es menor que o igual al estadistico de tablas 4», no podemos rechazar la hipétesis de independencia entre nimeros consecutivos. Ejemplo 2.18 Realice la prueba de series a los siguientes 30 ntimeros, con un nivel de confianza de 95 %. 0872 950 0343 cose 0384 219 oa 0.036 0213 946 0570 842 0706 noo 0300 0618 0512 0.462 0.005 0203 0291 151 0596 aes os 0913 0511 0586 sos 0879 Para empezar, generamos la grafica de dispersion (vea la figura 2.4) con la secuencia delos 29 pares ordenados (x, y) = (fy r,.) siguientes: (6,5) = (08729.219) (ry, ) = (0.219,0.570) (= (05700618) (ty 6) = (0.618.291) (yr) = (0.2910.913) (ry 1) = (0.913,0.950) (ay ty) = 0-203,0.868) (ay Tq) = 0.868,0.879) 0999 = x .¢ . ° = 0866+-* = 4 ote 2 . T * < 0333 os | + . . ‘0.000. ie * o—* Figura24 ‘0.000 0333 0666 0899 | Grafica de disperstin deal ejemplo 2.18.24 Pruebas estadisticas paralos numeros pseudoaleatorios ij En la tabla 28 se presenta el resto del procedimiento: se contabiliza el nimero de puntos en cada casilla O, y se calcula la frecuencia esperada E de acuerdo con £,= 29/9; en la ultima columna se presenta el célculo del estadistico de prueba a_WlE-0y (3.22-0,)° x “i! zs of 22-0} Tabla 2.8 Célculos de la prueba de series. 26-oF Intervalo 9, % 2 & 1 3 322 0.015 zi a 322 0015 3 5 322 994 4 3 322 0015 5 6 322 2.400 ° 1 322 1530 7 5 322 0984 a 1 322 1530 9 2 322 0462 Total a | 29 | 7935 Elvalor de tablas x2,,, = 15.507 es mayor que el error total de 7.935, por lo cual no podemos rechazar la hipotesis de independencia. 2.44.5 Prueba de huecos Esta prueba consiste en comparar los nlimeros con el propésito de verificar el tamatio del. “hueco" que existe entre ocurrencias sucesivas de un numero, Las hipétesis fundamenta- Tes son: H,:1,~Independientes Dependientes La prueba se inicia al definir un intervalo de prueba (a, 8), donde (a, 6) € (0, 1), posteri ‘mente se construye una secuencia de unos y ceros de esta manera: se asigna un uno siel 1 pertenece al intervalo (a, f), y un 0 sino pertenece a dicho intervalo. Por ejemplo, si se dofine tin inteevalo (a, A) = (06,0.7) y se tone la muestra de 10 niimeros .67,0.62,0.05 ,0.49,0.59,0.42,0.64,0.06,0.74,0.67}, 49TL Capitulo 2 Numeros pseudoaleatorios se asignard un uno si el, estd entre 0.6 y 0.7; en caso contrario se asignard un cero. Sise sigue la regla anterior, la secuencia binaria es: S={1,1,0,0,0,0,1,0,0,1} El tamajio de hueco i se define como el niimero de ceros existentes entre unos consecutivos, En el caso de la secuencia de nuestro ejemplo tenemos h = 3 huecos, el primero de tamajio 0, el segundo de tamaiio 4, y el tercero de tamaiio 2 de acuer- do con: A partir del conjunto anterior se determina la frecuencia observada O,,al contabilizar el ntimero de ocurrencias de cada tamafo de hueco y su correspondiente frecuencia espe- tada E,, de acuerdo con E, = (h)(B — a)(1-(8 — a), donde h es el nimero total de huecos en la muestra. La frecuencia del Gltimo intervalo se puede calcular mediante la dife- rencia entre el total y la suma de las frecuencias esperadas de los intervalos anteriores. En la tabla 2.9 se muestra un resumen de estos célcullos. Tabla 2.9 Frecuencias observadas y esperadas en la prueba de huecos. ‘Tamaiio del hueco £,=(h)\(B-a) (148 -a)y 1 °, £,=(3)(0.7-0.6)(1-(0.7 0.6)! gE o a | Benoa" 03 1 ° Bens) 027 2 1 @)0.1)(0.9F (ones 3 o @O.1)(09P 02187 3 1 a)0.1)(0.9 01968 23 o @)0.1)0.9¥ 17715 Total (E-0,7 Liltimo, si este valor es menor que o igual al estadistico de tablas X.,,, no podemos rechazar la hipétesis de la independencia entre los numeros. Se procede entonces a calcular el error o estadistico de prueba x4 = > por24 Pruebas estadisticas paralos numeros pseudoaleatorios ij Ejemplo 2.19 Realizar la prueba de huecos a los siguientes 30 nimeros, con un nivel de confianza de 95% para el intervalo (a— 8) =(0.8, 1.0). 0872 950 0343 oss 0384 0219 ai 0036 0213 0946, 0570 842 0706 aos 0300 618 0512 462 aoas 0203 0291 asi 0596 as 6s 0913 0511 0586 608 0879 ‘Tomando los ntimeros por renglén (0 fila) y teniendo en cuenta el intervalo (0.8,1.0), la secuencia de unos y ceros es: $={140,0,0,0,0,0,0,10,10,1,0,0,0,0,0,0,0,0,0,0,1,1,0,0,0,1} Si calculamos los huecos de la muestra, tenemos: El nimero de ocurrencias de cada tamafio de hueco O, su correspondiente frecuencia esperada Fy el célculo del estadistico de prueba se muestran en la tabla 2.10. Tabla 2.10 Ejemplo de la prueba de huecos. Tamafo del hueco E,=(h\(B— a\(1-«6 ay oF i oO, E=(70.2)(0.8) E ° 2 14 02571 1 2 42 6914 2 ° (0896 0.896 3 1 07168 aig 4 ° 05734 05734 35 2 710.8)*=22938 00376 Total ha? he? (25675 S(E,-O,7 Ya que el estadistico de prueba x; =) 2.5675 es menor que el estadistico de tablas y/,..= Xéyss=1107, no podemos rechazar la hipétesis de independencla entre los nimeros. 51TL Capitulo 2 Numeros pseudoaleatorios 2.5 Problemas 52 1. Determine el ciclo © periodo de vida de los siguientes generadores congruenciales. @) ¥,,, =(21%,4 15) mod (31}con b) x, =(13%,+ 9) mod (128)con ©) %,=(17x) mod 1) con 4) x, =(121 +x) mod (256)con 1x, + 15x,,.) mad (64) el ciclo 0 periodo de vida de los siguientes generadores congruenciales. '37*X, +47) mod 17 91*X, +17) mod 23 374%, +71) mod 37 174X, +31) mod 19 '57*X, +47) mod 37 }21*X, +11) mod 27 3, Programe en una hoja de célculo la serie congruencial x,,.= (553 + 121x) mod (177) con x, = 23, y haga lo que se indica. 4) Determine el ciclo 0 periodo de vida. ) Realice las pruebas de media, varianza y uniformidad. 4, Realice las pruebas de uniformidad, series y corridas a los primeros 100 aleatorios de los siguientes generadores @)X,,=(1117°X, + 3057) mod 1679567; semilla 1457 6) X, ,=(2177*X, +2367) mod 1351867; semilla 1117 5. Para cada uno de los generadores del problema anterior tome ahora los datos de 101 al 200 y realice las pruebas de media, varianza y péker. 6. Programe en una hoja de célculo la generacién automitica de nimeros pseudoalea- torios con el método de cuadrados medios. Genere una muestra de 50 nmeros con la semilla 5735, y determine con un nivel de aceptacién de 90 % si son uniformes entre Oy 7, Realice las pruebas de media, varianza y uniformidad a los 50 numeros de la tabla siguiente, con un nivel de aceptacién de 95%. 08797 0.3884 0.6289 0.8750 0.5999 08s89 0.9906 0.2415 03808 0.9606 984s 03469 0.7977 05844 0.8147 06431 07387 05613 00318 0.7401 04557 0.1592 0.8536 08845 0.3410 0.1492 0.8681 05791 03188 0.5992 09170 0.2204 05991 05461 05739 0.3254 0.0855 0.2258 0480305027 08375 06235 0.3681 0.2088 0.1525 0.2006 04720 0427/2 06360 0.095425 Problemas 8. Genere la secuencia de aleatorios del generador congruencial x, ,= (71x) mod (357) con x, = 167 y efecttie lo que se indica: @) Realice la prueba de corridas arriba y abajo. ) Realice la prueba de corridas arriba y abajo de la media. 9. Obtenga una secuencia de aleatorios de tamajio n = 200 con el generador con- gtuencial MINSTD." x,,, = (16807x) mod (2147483647) con x, =1 y efectiie lo que se indica: 4) Realice la prueba de media, varianza y uniformidad. ) Realice la prueba de corridas arriba y abajo. ©) Realice la prueba de corridas arriba y abajo de la media. 4) Realice la prueba de pékery series. @) Reallce la prueba de huecos. 10. Obtenga una secuencia de aleatorios con el generador congruencial Super- Duper.”! ‘,4 = (69069x) mod (4294967296) con x, = 1 y efecttie lo que se indica: 4) Realice la prueba de media, varianza y uniformidad. b) Realice la prueba de cortidas arriba y abajo. ©) Realice la prueba de corridas arriba y abajo de la media. 4) Realice la prueba de poker y series. @) Realice la prueba de huecos. 11, Determine si la siguiente lista de 100 ntimeros de 2 digitos tiene una distribucién uniforme con un nivel de aceptacion de 90%. 078 058) 02 «073043018? 004 029 «068077 01S 003079022037 8d 096 «026 «S155 OSS 064039053. 061 014 038 012 040 074 078 «098 «027060 043 067 06 03 053 054 024 029 018 008 os2 0% 019 098 O41 10 074 092 O16 043 083 088 «0.18021 osDo8s3 98a 022 050 «016 «18S o) oko? 29 87 oss 079 «065 «0.280788 BSB? O84 as} 007018098 oso?) 12. Utilice la prueba de poker con nivel de aceptacién de 95 % para comprobar la hipé- tesis de que los ntimeros de la siguiente lista son aleatorios. 53TL Capitulo 2 Numeros pseudoaleatorios 1B. 14. 15. 0562 0.2395 05583 0.9050 04165 05454 05491 05593 07725 0.2326 01020 0.478 05690 03M2 08224 06866 07008 09352 a13Aa 04535 00945 0.1357 09191 0.1503 0.1645 09770 1301 1100 0.2523 09499 0945 07413 09335 0.0805 08295 04575 01863 05504 09035 0.1133 G.1115 08761 0.0007 06222 04605 0.0588 0.9164 9419 0.3602 0.8765 05340 0.6593 0.8266 05932 04277 0.9162 00927 04601 05736 0561S 0199 02143 02672 a7R54 03218 05581 0.0888 0.3959 00151 08605 0.9615 07752 0.0461 0.1122 04251 07327 08791 04445 Ones4 06384 06607 02802 8905 07184 0.0512 05982 0.3277 0.0407 0.2668 05557 08139 03261 02236 0.1455 05083 06106 O75 O97Aa 0.0204 6006 01452 Determine, mediante las pruebas de independencia (corridas arriba y abajo, corridas arriba y debajo de la media, de poker, de series o de huecos) si los 100 numeros de la tabla son pseudoaleatorios con un nivel de aceptacién de 90 %. 078 088028 0730S ONG 78? B OSS. 022° 068 «0770.16 © 003.79 022037080 0% «ost oss 07S 055s 383s 04 012 04 074 0.78 © 0.98) 027060 067 032 053 05s «028 «028 ate ns 094 098 ost 100 «074 92 ate a8 os 018 «m1 sD 1303 3B 2 050 016 011 0.18 08) | 080) 02029 087 079 065 «6078-078 dd 0360S? 097 018 094 95002085 Ooms 28 GERBEESES Abra el directorio telefénico en la primera pagina de la letra D y seleccione los ti mos 5 digitos de los primeros 50 niimeros telefénicos. Determine siesta seleccién es aleatoria con un nivel de aceptacién de 95 %; utilice para ello las pruebas de corridas arriba y abajo, arriba y abajo de la media, y poker. Observe y anote los 4 digitos de las placas de 100 automéviles que pasen por alguna calle. Determine si esta seleccién es aleatoria con un nivel de aceptacién de 95%; utilice para ello las pruebas de corridas arriba y abajo, arriba y abajo de la media, y la prueba de series.25 Problemas 16. Determine con la prueba de cortidas amtiba y abajo si los 50 niimeros de la tabla son independientes con un nivel de aceptacién de 90 %. 06069 05316 05929 0.4131 02991 0.46948 08291 0.1233 0.2497 0.9481 04411 08195 03521 0.8068 0.1062 0.5384 09287 07054 07271 05739 04029 02549 0.1003 05523 01997 0.8725 0.4439 0.6056 0.8310 0.4709 01976 00266 05696 07504 08542 0.6045 02269 07970 03738 0.1284 06367 019543 05385 0.2574 02395 03468 04105 05143 0.2014 0.9900 17. Determine, con la prueba de corridas artiba y abajo de la media, si los50 nimeros de la tabla son independientes con un nivel de aceptacién de 90%. 06351 00272 0.0227 03827 00659 03583 02270 07323 0.4088 0.139 04271 04855 0.2078 0.1618 05335 0.7378 0.3670 0.6637 0.1854 06734 09458 09323 0.0265 0.4595 07730 0.9570 0.7500 05259 0.5269 0.5405 03641 00356 0.2181 0.0866 06085 0.4468 00539 09311 03128 0.1562 08559 07280 07789 0.1746 06637 0.0587 05494 1504 0.8397 0.2995 18, Utilice la prueba de series para determinar st los 50 nimeros de la tabla son indepen- dientes con un nivel de aceptacion de 90%. 05858 08853 08378 03203 OAIIS 0.2710 09238 0.1959 0.9258 06702 06213 04360 0.6279 0841S 0578 0.0543 0.3567 0.1655 0.3880 0.8080 01931 00843 0.9152 0.6093 07587 04515 03203 05139 0.7070 0.9123 01242 08826 0.9971 0.8523 06723 0.8540 04722 04781 0.27101 0.1680 08658 04028 05136 08720 01125 05857 09172 08943 0.8095 0.6408 19. Genere en una hoja de célculo 200 niimeros aleatorios en una misma columna, use la funcién predeterminada ALEATORIO (0 RAND). Copie estos valores y ubiquelos en la siguiente columna, pero desfaselos una posicién. Copie el iltimo de los valo- res en el lugar que quedé vacio al principio, y haga una gréfica de relackon XY. {Se observa que los datos estén dispersos de manera uniforme? 20. Obtenga la media y la varianza de los datos del problema 18, Son exactamente los mismos que para una distribucién uniforme entre cero y uno? {A qué atribuye esta diferencia? 21, Un método multiplicative mixto genera 19500 numeros de 3 digitos, de los cuales 13821 tienen todos sus digitos diferentes, 5464 pares y 215 tercias. Calcule el error respecto de las frecuencias esperadas bajo la prueba poker. 22. Un método congruencial genera 71500 niimeros de 4 digitos, de los cuales 3500 se dlasifican como 2 pares. Calcule el error de este evento respecto de su frecuencia esperada bajo la prueba péker. 55TL Capitulo 2 Numeros pseudoaleatorios 23, Alrealizar la prueba poker 50 nuimeros aleatorios de 4 digitos, el resultado del error total es de 11.07. ;Aceptaria la hipétesis de independencia con nivel de aceptacién de 95 967 24, Alrrealizar la prueba poker a X cantidad de nuimeros aleatorios de 6 digitos, el resul tado del error total es de 15.51. ,Aceptaria la hipotesis de independencia con nivel de aceptacién de 95 %? 25. Un método congruencial genera 357500 ntimeros de 6 digitos, de los cuales 17500 se clasifican como 2 pares. Calcule el error de este evento respecto de su frecuencia esperada bajo la prueba poker. 26. Cudles de las aseveraciones siguientes son correctas? @) La prueba poker requiere nimeros aleatorios de 5 digitos. 6) Si acepto que los niimeros son uniformes (0,1), no necesito hacer la prueba de media = ¥s y de varianza = 1/12. ©) Siacepto la prueba de series los ntimeros no contienen ciclos o tendencias. d) Siacepto la prueba de media = % y la de varlanza = 1/12, entonces los ntimeros son uniformes (0,1). 27. Lasiguiente tabla muestra los resultados de la prueba de series después de clasificar los niimeros entre Oy 1. 92 5 90 93 38 98 93 90 96. st 86 338 100 5 a4 a 4) Calcule el error total existente (C) entre lo realy lo tedrico. b) (Existe evidencia estadistica de falta de independencia de la secuencia de nime- ros con un nivel de aceptacion de 90%? 28. Caleule la cantidad minima y maxima de corridas que deben existir en una secuencia de 17000 nuimeros para concluir que son nimeros aleatorios con un nivel de confian- zade95 %, 29. Genere 100 nimeros pseudoaleatorios usando cualquier hoja de cdlculo, y realice las. pruebas de cortidas, uniformidad e independencia. {Bajo este andlisis es posible considerar que el generador de ntimeros aleatorios que tiene la hoja de cdlculo usa da es confiable? 20, Para los siguientes niimerns peoudealeatarins determine par media de una pusha de series sise pueden considerar independientes. @) Utilice 9 casillas equiprobablesb) Utilice 16 casilas equiprobables ©) Utilice 25 casillas equiprobables. 25 Problemas ‘1108 03316 nara 63 04128 otas3 02977 asia 0213 06239 0.9082 0.2974 07348 0.1508 07647 0.1328 09579 0.3399 miss 0.0502 04738 aa7a2 04751 asset o4g4g as782 02121 8420 anase ater 0048 02777 03529 5323 02963 10674 08373 a178 oes 7373 0.9966 00333 osiss ons34 07677 oss0s (0.5005 08873 03440 02909 06576 0.1106 ota 02144 09857 0.1240 os240 0.6978 0.9546 0.1465 ozs 84s 0.1128 05254 0248 0436 02802 07379 02729 ais 761 0.4999 oso08 0.7932 0.5241 0.9608 0.4820 o.74a1 0.9304 0.2812 0746 31, Dado el siguiente generador de aleatorios X,, 177*X,+2367) mod 1351867; semi- lla 1117. Tome los primeros nuimeros entre cero y uno para completar 100 pares de datos. Luego elabore una prueba de series como se pide. @) Considere clases en incrementos de 0.125 en el eje X y de 0.25 para Y. Es decir, una matriz de 32 casillas. 6) Considere clases en incremento de 0.2 en el eje X y 0.25 para Y. Es decir, una matriz de 20 casillas. ) Basado en los dos casos, ,podemos decir que los aleatorlos generados son inde- pendientes? 32. La siguiente tabla muestra los resultados de la prueba de huecos con B- «= 0.1 después de clasificar los nimeros uniformes. a) Calcule el error total existente entre lo real y lo tedrico. b) (Se puede considerar que esta muestra es pseudoaleatoria con un nivel de acep- tacién de 90 %? 57HL Capitulo 2. Numeros pseudoaleatorios 33. Determine, mediante la prueba de huecos, con @=0.5 y B=0.8, silos 50 nimeros de la tabla son independientes con un nivel de aceptacién de 90%. 05858 08863 08378 03203 4115 G2710 09238 01959 09268 06702 06213 0.4360 06279 08415 05785 00543 03567 01655 03380 0.8080 04931 0.0843 09152 06093 07587 0451S 03203 05130 07070 09123 01242 08M6 09921 0.8573 06723 aaS40 04722 04781 02101 0.1680 08658 0.4028 06136 08720 0.1125 05857 09172 08943 08095 0.6408 Referencias a a BI (al 51 (61 m Banks, J, Carson, JS, Nelson, BLL, y Nicol, D.M.(2005). Discrete-Event System Simulation (4% ed.) Nueva Jersey: Prentice Hall Blum, L. Blum, M.y Shub, M.A(1986). Simple Unpredictable Pseudo-random Number Generator, SIAM. Comput, volumen 15 (niimero 2), pp. 364-383. Law, AMLy Kelton, WD. (2000). Simulation Modeling and Analysis (34. ed.): McGraw Hill. ¥Ecuyer, P (1994b). Uniform Random Number Generation, Ann. Of Operations Research, 53, pp. 77-120. Lehmer DH. (1951). Proceedings of the Second Symposium on Large-Scale Digital Computing ‘Machinery, Massachussetts: Harvard University Press, Cambridge. Lewis PA, Goodman AS,, and Miller J.M. (1969). A pseudo-random number generator for the Systern/360, IBM Syst.J, volimenes 8, 2, pp.136-146. Margsalia DH. (1972). The structure of linear congruential sequences, Applications of Number Theory to Numerical Analysis, SK. Zaremba, pp. 248-285, Nueva York: Academic Press.