Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Los Cabos
Asignatura: Simulación.
Docente: José Ismael Ojeda Campaña.
Grupo: ISC-05V
Objetivo
El objetivo es poder generar números pseudoaleatorios a través de una lógica de programación
que pueda generar dichos números con el fin de poder ver y entender como puede variar dichos
números que no dan un valor exacto.
1.
Para crear las estadísticas de nuestro generador, emplearemos una clase denominada
"AnalizadorDatos". Esta clase se encargará de realizar el análisis estadístico de los datos
generados, evaluando propiedades como la dispersión, la aleatoriedad y otras métricas
relevantes.
Media
Varianza
Este método determina la media de las diferencias al cuadrado entre cada número y la media
aritmética. Comienza inicializando la variable "sumaDiferenciasCuadradas" en 0.0. Luego, para
cada número "num" en la lista de números, se calcula la diferencia entre "num" y la media. Se
eleva al cuadrado dicha diferencia y se suma al valor acumulado de
"sumaDiferenciasCuadradas". Finalmente, se obtiene la media de estas diferencias cuadradas
dividiendo la suma total entre el número de elementos en la lista de números. Este método
proporciona una medida de dispersión al evaluar la variabilidad de los números respecto a la
media.
Chi cuadrada
Definimos intervalos de 0.2 a 0.4, 0.4 a 0.6, y así sucesivamente, para dividir los datos.
Inicializamos un contador para las frecuencias observadas en cada intervalo. Asignamos las
frecuencias observadas para cada número en la lista, identificando el intervalo correspondiente.
Calculamos las frecuencias esperadas asumiendo una distribución uniforme, dividiendo el
tamaño de la muestra por el número de intervalos. Calculamos el estadístico de prueba de la chi
cuadrada sumando las diferencias al cuadrado entre frecuencias observadas y esperadas,
dividido por las esperadas. La fórmula para el estadístico de prueba de chi cuadrada es la suma
de las diferencias al cuadrado entre frecuencias observadas y esperadas, dividida por las
esperadas. Este proceso evalúa si las frecuencias en los intervalos difieren significativamente de
las esperadas en una distribución uniforme.
Iniciamos un bucle for que recorre los intervalos. Para cada intervalo \( i \):
Finalmente, la función devuelve el valor del estadístico de prueba de la chi cuadrada, que
es la suma acumulativa de las diferencias al cuadrado entre frecuencias observadas y
esperadas, dividida por las esperadas. Este proceso evalúa la discrepancia global entre
las frecuencias observadas y esperadas en los intervalos.
Generamos una lista llamada "resultado" para almacenar valores binarios (0 o 1), indicando si un
número es mayor o igual que el anterior. Iteramos a través de la lista "numeros" mediante un
bucle y, para cada número en la secuencia:
Prueba de huecos
Generamos una lista llamada "resultado" para almacenar valores binarios (0 o 1), indicando si un
número está en el rango [0.6, 0.7]. Iteramos a través de la lista "números" mediante un bucle y,
para cada número en la secuencia:
Agregamos 1 a la lista "resultado" si el número actual está en el rango [0.6, 0.7].
Añadimos 0 a la lista "resultado" si el número actual no está en el rango [0.6, 0.7].
Luego, creamos una lista llamada "longitudesHuecos" para almacenar las longitudes de las
secuencias de números iguales en "resultado". Iteramos a través de "resultado" y actualizamos
"longitudesHuecos" según los siguientes criterios:
Si el valor actual de "resultado" es igual al valor anterior, incrementamos la variable "longitud" en
1.
Si el valor actual de "resultado" es diferente al valor anterior, establecemos "longitud" en 0.
Si "longitud" es mayor que 0, añadimos "longitud" a "longitudesHuecos".
El código primero recorre la lista resultado y cuenta el número de ceros consecutivos. Si el valor
actual de resultado es 0, entonces longitud se incrementa en 1. Si el valor actual de resultado es
1, entonces longitud se establece en 0.
Después de que el bucle haya terminado, el código calcula los valores esperados de los huecos.
El cálculo de los valores esperados se realiza asumiendo que los huecos son eventos
independientes. En este contexto, la probabilidad de un hueco de longitud 0 es 0.1, y la
probabilidad de un hueco de longitud \( n \) es \( 0.9 \) multiplicado por la probabilidad del hueco
anterior de longitud \( n-1 \). Este proceso se repite para distintas longitudes de huecos.
Conclusión
En resumen, hemos explorado una serie de procesos y métodos relacionados con el análisis de
datos pseudoaleatorios. Desde la generación de números hasta pruebas estadísticas y
evaluación de patrones, cada paso ha sido diseñado para proporcionar una comprensión más
profunda de la naturaleza y distribución de los números generados.
Bibliografía.
https://repository.uaeh.edu.mx/bitstream/bitstream/handle/123456789/20363
/numeros-pseudo-aleatorios.pdf?sequence=1
Generar números aleatorios fuertes en Java. (s/f). Juntadeandalucia.es. Recuperado el
12 de diciembre de 2023, de
https://www.juntadeandalucia.es/servicios/madeja/contenido/recurso/607