Lic.

Araujo Cajamarca, Raul

Nu meros aleatorios
Generacin de nmeros aleatorios (pseudoaleatorios) uniformes (0;1) u
Una de las caractersticas ms importantes de la Simulacin es la capacidad de imitar el
comportamiento aleatorio que existe en los sistemas estocsticos. Para simular este
comportamiento aleatorio se requiere de un mtodo que provea la generacin den estos
nmeros aleatorios, as como de rutinas para generar variaciones aleatorias, basadas en
distribuciones de probabilidad.
Un generador de nmeros aleatorios es un algoritmo determinstico, usado para crear valores
reales distribuidos entre 0 y 1, tal que
0 1 r s s
Se debe considerar lo siguiente:
o La ocurrencia de cualquier valor es equiprobable o uniforme
o El valor de la muestra previa no afecta la probabilidad del valor de la prxima
muestra(independencia)
Estos nmeros pueden ser transformados en valores que se ajustan a una determinada
distribucin de probabilidad.
Mtodos para generar nmeros aleatorios
Existen varios mtodos que son utilizados para generar nmeros aleatorios, los ms populares
son los mtodos congruenciales lineales que pueden ser:
1. Mtodo congruencial lineal aditivo

2. Mtodo congruencial lineal multiplicativo
Mtodos congruenciales lineales
Hacia 1949, Lehmer introduce un mtodo de generacin de nmeros aleatorios mediante el
cual un trmino de la serie se obtiene como funcin del trmino inmediatamente anterior
1
( )
n n
x f x

=
En el generador distinguimos cuatro elementos:
0
x : es el valor inicial o semilla
0
0 1 x m s s
a : Multiplicador, siendo 0 a m < < , ae
c : Incremento, siendo 0 c m s <
m: Modulo (resto de la divisin entera)
Lic. Araujo Cajamarca, Raul
Se llama periodo a la subcadena, dentro de la serie generada, en la que no hay repeticiones de
nmeros y longitud de periodo al nmero de elementos de dicha subcadena.
La repeticin de nmeros en la serie puede ser aleatoria, pero dado el mtodo utilizado para la
generacin de las mismas, en el momento en el que se repite un valor ya empieza a repetirse
todo el periodo, por lo que interesan mtodos que garanticen longitudes de periodos grandes.
Tipos de generadores congruenciales lineales
Podemos distinguir dos tipos de estos generadores que se diferencian en el valor del
incremento.
a) Generadores congruenciales multiplicativos:
En ellos el incremento 0 c = este tipo de generadores fueron los introducidos por LEHMER,
aunque menciono como posibilidad la idea de tomar 0 c =

1
mod
n n
x ax m
+
=

b) Generadores congruenciales Mixtos (aditivos):
Fueron introducidos por THOMSON hacia 1958, en ellos el incremento es distinto de cero,
osea 0 c = .

1
( ) mod
n n
x ax c m
+
= +

A los nmeros obtenidos mediante dichos mtodos se les conoce como nmeros
pseudoaleatorios, dado que, como se ha mencionado, los nmeros obtenidos estn
uniformemente distribuidos pero no son independientes. Un trmino de la serie se
obtiene como funcin del trmino inmediatamente anterior.

No obstante ellos se adecuan en forma aproximada a la aleatoriedad del mundo real, para
propsito de Simulacin.
Ejemplo 1
De acuerdo con la informacin siguiente, determinar la secuencia completa de nmeros
aleatorios; es decir, hasta que se alcance el periodo correspondiente:
0
6 x =
6 a =
6 c =
10 m=

Lic. Araujo Cajamarca, Raul
n n
x
n
k ax c = +
1
mod
n
x k m
+
=
n
x
r
m
=
0 6 42 2
0.20
1 2 18 8
0.80
2 8 54 4
0.40
3 4 30 0
0.00
4 0 6 6
0.60
5 6 42 2
0.20
6 2 18 8
0.80

Interpretacin:
1. La secuencia de nmeros aleatorios ser: 6; 2; 8; 4 y 0, luego se repite la misma secuencia.
2. Todos los nmeros aleatorios generados tienen un periodo; es decir, despus de una cierta
cantidad de nmeros aleatorios la serie vuelve a repetirse. Para nuestro ejemplo, el
periodo es de 5. (Longitud de periodo).
La repeticin de nmeros en la serie puede ser aleatoria, pero dado el mtodo utilizado para la
generacin de las mismas, en el momento en el que se repite un valor ya empieza a repetirse
todo el periodo, por lo que interesan mtodos que garanticen longitudes de periodos grandes.
3. Como el modulo es 10, los nmeros generados no excedern a 10.

4. Para obtener valores aleatorios entre 0 y 1, se deben realizar algunas de las operaciones
con los nmeros aleatorios generados.
n
r =valores aleatorios (0;1) u
n
n
x
r
m
=
1
( )
2
n
n
x
r
m
=
+

1
n
n
x
r
m
=

5. Los valores generados son pseudoaleatorios por que le siguiente nmero se genera a partir
del anterior, adems despus del periodo se repite la misma secuencia.

6. En Arena, el periodo contiene por lo menos dos billones de nmeros, luego el ciclo se
repite a travs de la misma secuencia.

7. Un nmero es completamente aleatorio si al repetir el experimento el orden es diferente.
Por ejemplo al lanzar sucesivamente un dado, una moneda, etc.
Cmo calcular 5mod10?
5
5mod10 5 10
10
= , Mximo entero
Lic. Araujo Cajamarca, Raul
5mod10 5 10 0.50 =
5mod10 5 10(0) =
5mod10 5 0 =
5mod10 5 =
Cmo se calcula 42mod10?
42
42mod10 42 10
10
=
42mod10 42 10 4.2 =
42mod10 42 10(4) =
42mod10 42 40 2 = =
Cmo se calcula 18mod10?

Aplicacin (expresiones de probabilidad)
Se desea evaluar la decisin, si la entidad que ingresa al modelo de decisin aprueba o
desaprueba la inspeccin, vase el siguiente esquema del modelo.


Lic. Araujo Cajamarca, Raul
INTERVALO
n
r
SUCESO
INICIAL FINAL
0.00 0.85 0.57 ALMACEN
0.85 1.00 0.96 DESECHO

Para determinar el prximo resultado del evento aleatorio es necesario que se genere un valor
aleatorio uniformemente distribuido entre 0 y 1. Este valor es comparado con el valor de la
probabilidad, definida en el modelo (0.85). Si el valor generado est entre 0 y 0.85, entonces la
entidad aprueba la inspeccin; de lo contrario, la entidad no pasa la inspeccin y se desecha.
Observacin: Para la eleccin del mdulo, nuestro objetivo es generar series con el mayor
nmero posible de elementos, es decir series con mxima longitud de periodo.
Para ello el modulo que se elija para el generador ha de ser grande dado que
x elemento de la serie se cumple que 0 x m s s , es decir, longitud de
periodo va a ser mcomo mximo.
Ejemplo 2
Genere una secuencia de 6 nmeros aleatorios entre 0 y 9 usando el mtodo congruencial
mixto con:
0
5 x = , 5 c = , 5 a = .
Sol.
Falta calcular m, como entre 0 y 9 hay 10 nmeros 10 m=


n
n
x
n
k ax c = +
1
mod
n
x k m
+
=
n
r
0 5 30 0 0.00
1 0 5 5 0.50
2 5 30 0 0.00
3 0 5 5 0.50
4 5 30 0 0.00
5 0 5 5 0.50
6 5 30 0 0.00

Vemos que esta secuencia es de periodo muy corto. Para obtener un periodo grande debe
escoger m grande.
Mtodo de cuadrados medios

El procedimiento de obtencin de nmeros con este tipo de generadores es el siguiente:
o Generar una semilla
0
x de mdgitos, 0 n =
Nmero aleatorio
estandarizado, valores
aleatorios
Lic. Araujo Cajamarca, Raul
o Elevar al cuadrado
n
x y adicionar ceros a la izquierda para obtener 2m dgitos
o Tomar de la parte central un conjunto de mdgitos que formarn el nmero aleatorio
1 n
x
+

o Los m dgitos pasarn a ser la nueva semilla con el fin de repetir el proceso n ocasiones.

Ejemplo 1
Generar una secuencia de 4 N.A. de 4 cifras a partir de un generador de cuadrados medios,
utilizando como semilla 1254.
Solucin
0
x =1254 m=4
n
n
x
2
n
x
1 n
x
+

n
r
0 1254 01572516 5725 0.5725
1 5725 32775625 7756 0.7756
2 7756 60155536 1555 0.1555
3 1555 02418025 4180 0.4180
4 4180 17472400 4724 0.4724

Caractersticas estadsticas de los nmeros aleatorios

Existen un gran nmero de mtodos para generar los nmeros aleatorios entre 0 y 1, el
mtodo a utilizar, en s mismo, no tiene importancia; la importancia radica en los nmeros que
genera, ya que estos nmeros deben cumplir ciertas caractersticas para que sean vlidos,
dichas caractersticas son:
a) Aleatoriedad

Uniformemente distribuidos
Estadsticamente independientes

b) Su media debe ser estadsticamente igual a 1 2
c) Su varianza debe ser estadsticamente igual a 1 12
d) Su periodo o ciclo de vida debe ser largo
Una vez que se ha generado o se puede usar un generador es importante verificar si los
nmeros poseen las caractersticas mencionadas. La comprobacin de tales caractersticas se
realiza mediante ciertas pruebas estadsticas que son las siguientes:
1. Prueba de aleatoriedad

Se trata de probar si la secuencia se comporta de forma aleatoria, para lo cual se debe
probar su independencia y uniformidad.
Lic. Araujo Cajamarca, Raul
1.1. Prueba de uniformidad

La prueba bsica a la que se debera someter cualquier nuevo generador de nmeros
aleatorios o una secuencia de nmeros aleatorios es a la de uniformidad.
Existen dos mtodos para realizar esta prueba:

1.1.1. Prueba de Chi-Cuadrado

Esta prueba se emplear en el caso especfico de los nmeros aleatorios uniformes
entre 0 y 1, para probar que un conjunto de datos siga esta distribucin.
De esta manera la hiptesis propuesta se resume como sigue:
0
H : (0;1)
n
r U Hiptesis nula
1
H : (0;1)
n
r U = Hiptesis alterna

0
H : Es la hiptesis que se somete a prueba: la diferencia que existe entre la
distribucin de la muestra y la distribucin uniforme no es significativa
1
H
: De negarse la hiptesis nula, seria esta la que se acepta, lo cual nos indica que: la
diferencia que existe entre la distribucin de la muestra y la distribucin uniforme es
significativa.
Requiere de la siguiente informacin:
o Frecuencia observada (
i
FO ): Nmero de observaciones reales en la clase i .
o Frecuencia Esperada (
i
FE ): nmero de observaciones en la clase i , para la
distribucin uniforme.

*
i
N
FE N p
n
= = , donde
1
p
n
= , N : Total observaciones (Datos), n : Total
clases (Intervalos).

o Grados de libertad ( 1 n ): Nmero de grados de libertad, en este caso se toma
intervalos de clase de igual longitud.

o Nivel de Significacin (o ): generalmente se utiliza 0.01 o = 0.05 o =

o : Probabilidad del error
1 o : Nivel de confianza

o Tabla de valores crticos
2
x , segn G.L. y a un o
Lic. Araujo Cajamarca, Raul
o Si el valor de
2
x es tal que la probabilidad asociada con su ocurrencia, conforme a
la hiptesis nula
0
H para ( 1 n ) G.L. es:
p o < Se rechaza
0
H
p o > Se acepta
0
H
La distribucin de
2
x , es Ji-Cuadrada con ( 1 n ) G.L.
Ejemplo 1
Fueron generados 100 N.A. que luego se agruparon en 9 intervalos de amplitud 8,
como se muestra en la tabla siguiente:
Prueba Ji-Cuadrada
i
INTERVALOS
i
FO
i
N
FE
n
=
i i
FE FO
2
( ) /
i i i
FE FO FE
INICIAL FINAL
1 0.00 8.00
12 11.10 0.90 0.0730
2 8.00 16.00
10 11.10 -1.10 0.1090
3 16.00 24.00
14 11.10 2.90 0.7580
4 24.00 32.00
11 11.10 -0.10 0.0010
5 32.00 40.00
10 11.10 -1.10 0.1090
6 40.00 48.00
15 11.10 3.90 1.3700
7 48.00 56.00
10 11.10 -1.10 0.1090
8 56.00 64.00
8 11.10 -3.10 0.8660
9 64.00 72.00
10 11.10 -1.10 0.1090

N= 100

3.5040
9 n =
Observamos que la tabla de valores crticos de
2
x para G.L.= 1 n =8 y o =0.01

2 2
(1 ; 1) (0.99;8)
20.10
n
x x
o
= =
Tambin observamos el estadstico de prueba
2
3.5040 x = , al comparar con el valor
crtico,
2 2
(0.99;8)
x x < podemos concluir que se acepta
0
H , es decir los datos
maestrales no reflejan una diferencia significativa con respecto a la distribucin
uniforme.
OBSERVACIONES:
Numero de intervalos (Clases):

Se calcula con la frmula de STURGES 1 3.32(log( )) n N = + Aproximado
N : Nmero de datos

Amplitud de clase o intervalo (C):

Lic. Araujo Cajamarca, Raul
Se calcula previamente,
Ls : Lmite superior o mayor valor
Li : Lmite inferior o menor valor
R : Rango o recorrido: R Ls Li =
R
C
n
=
Ejemplo 2
Realice la prueba de uniformidad utilizando el mtodo Chi-Cuadrado a los siguientes
30 nmeros (valores) con nivel de confianza del 95%.
Solucin.

0
H : Los datos o nmeros corresponden a una distribucin uniforme

1
H : Los datos o nmeros no corresponden a una distribucin uniforme
0.05 o =
Prueba Ji-Cuadrada

i
INTERVALOS
i
FO
i
N
FE
n
=
i i
FE FO
2
( ) /
i i i
FE FO FE
INICIAL FINAL
1 0.00 0.10 3 3.00 0.00 0.0000
2 0.10 0.20 4 3.00 1.00 0.3330
3 0.20 0.30 3 3.00 0.00 0.0000
4 0.30 0.40 4 3.00 1.00 0.3330
5 0.40 0.50 1 3.00 -2.00 1.3330
6 0.50 0.60 2 3.00 -1.00 0.3330
7 0.60 0.70 2 3.00 -1.00 0.3330
8 0.70 0.80 3 3.00 0.00 0.0000
9 0.80 0.90 3 3.00 0.00 0.0000
10 0.90 1.00 5 3.00 2.00 1.3330

N= 30

3.9980

Tenemos el estadstico de prueba que hemos calculado en la tabla,
2
3.9980 x =
Buscamos en tabla Chi-Cuadrada el valor crtico,
2 2
(1 ; 1) (0.95;9)
16.90
n
x x
o
= = y la
comparacin indica:

2 2
(1 ; 1) n
x x
o
<
Aceptamos
0
H , es decir los nmeros generados siguen una distribucin uniforme
entre 0 y 1.
Lic. Araujo Cajamarca, Raul
1.1.2. Prueba de Kolmogorov-Smirnov

La forma de obtenerlo es de la siguiente manera:
o Se ordenan los datos de menor a mayor,
1 2
,...,
i
r r r s s s
o Se calcula
i
N

o Se calcula
i i
i
D r
N
=
o Se busca el
max
( )
i
D Max D =
o Se compara con el valor de la tabla para un o dado y N , numero de datos.
Ejemplo 1
Sean 5 nmeros 0.44; 0.81; 0.14; 0.05; 0.93 generados por algn mtodo. Realice la
prueba de uniformidad utilizando el mtodo de Kolmogorov-Smirnov con un nivel de
confianza del 95%.
Solucin
0
H : Los nmeros provienen de una poblacin uniforme entre (0 y 1)
1
H : Los nmeros no provienen de una poblacin uniforme
0.05 o = Pues, 1 0.95 o = tambin, 5 N = datos

Prueba K-Smirnov

i
i
r
i
N

i
i i
r
D r
N
=
1
0.050 0.20 0.1500
2
0.140 0.40 0.2600
3
0.440 0.60 0.1600
4
0.810 0.80 0.0100
5
0.930 1.00 0.0700

0.2600

Una vez calculado el estadstico de prueba,
max
0.2600 D = necesitamos determinar el
valor critico en la tabla K-S, siendo:
( , ) (0.05,5)
0.56328
N
D D
o
= = , ahora hagamos las
comparaciones:
Como
max (0.05;5)
D D < concluimos que no se puede rechazar la hiptesis nula, es
decir que los nmeros provienen de una poblacin uniformemente distribuida.
Lic. Araujo Cajamarca, Raul
1.2. Prueba de independencia
Las pruebas de independencia consisten en demostrar que los nmeros generados son
estadsticamente independientes entre s, esto es, que no depende uno de otro. Para esto
se propone la siguiente hiptesis:
0
H :
i
r son independientes
1
H :
i
r son dependientes
Para realizar esta prueba de hiptesis existen varios mtodos, puede seleccionarse
cualquiera de la siguiente lista:
Prueba de Pker
Prueba de corridas arriba y debajo de la media
Prueba de la longitud de las corridas
Prueba de distancias
Prueba de series
Prueba de huecos

1.2.1. Prueba de corridas para la independencia
Pasos:
Paso 1:
0
H :
i
r son independientes
1
H :
i
r son dependientes
Paso 2: clasificar cada nmero aleatorio con respecto al anterior, de acuerdo con:
Si
1 i r
r r
+
s entonces
i
r =+
Si
1 i r
r r
+
> entonces
i
r =-
Paso 3: calcular el nmero de corridas observadas h , una corrida se forma por un
conjunto de nmeros aleatorios consecutivos del mismo signo.
Paso 4: Calcular:
Esperanza,
2 1
( )
3
n
E h

=
Varianza,
16 29
( )
90
n
V h

=
Donde n es el nmero de datos generados
Lic. Araujo Cajamarca, Raul
Paso 5: Calcular el estadstico de prueba
( )
( )
h E h
z
V h

=
Paso 6: buscar el valor crtico
(1 )
2
z
o

en tabla estadstica
Paso 7: si el estadstico de prueba es menor que el valor crtico, entonces se acepta la
hiptesis de independencia.
(1 ) ( )
2 2
( )
( )
h E h
z z z
V h
o o

= < =
Ejemplo 01
Determine si la siguiente secuencia de 20 nmeros puede ser aceptada como independiente
con un nivel de confianza del 95%, usando la prueba de corridas.
Solucin
0
H :
i
r son independientes
1
H :
i
r son dependientes

0.43 - 0.28 + 0.33 - 0.27 - 0.12
+ + - + +
0.31 0.42 0.01 0.32 0.45
+ - + - +
0.98 0.79 0.99 0.55 0.67
+ - + - +
0.74 0.16 0.20 0.12 0.58

20 n =
La secuencia de corridas es:
- + - - + + - + + + - + - + + - + - +
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Nmero de corridas observadas es:
14 h =
Entonces calculamos:
Lic. Araujo Cajamarca, Raul
2(20) 1
( ) 13
3
E h

= =
16(20) 29
( ) 3.23
90
V h

= =
El estadstico de prueba:
14 13
0.5564
3.23
z

= =
Buscamos en la tabla normal el valor crtico:
0.05 0.05 (0.975)
( ) (1 )
2 2
1.96 z z z
=
= =

Comparamos:
Como
(1 ) ( )
2 2
z z z
o o

< =
Entonces podemos concluir que la independencia de estos nmeros no puede ser rechazada.
Trabajo domiciliario: Traer para la prxima clase, las otras pruebas de independencia, teora y
ejemplos