Números Aleatorios

Azar

El azar es una casualidad presente,

teóricamente, en diversos
fenómenos que se caracterizan por
causas complejas, no lineales y
sobre todo que no parecen
ser predictibles en todos sus
detalles.
Aleatoriedad

La aleatoriedad se asocia a todo proceso cuyo resultado no es previsible más que

en razón de la intervención del azar; un ejemplo muy sencillo de un evento
aleatorio es el lanzamiento de dados. El resultado de todo suceso aleatorio no
puede determinarse en ningún caso antes de que este se produzca.
 Aleatoriedad contra Impredecibilidad
Algunos discuten que la aleatoriedad no debe confundirse con
la impredecibilidad práctica, la cual es una idea que está relacionada con el uso
ordinario. Algunos sistemas matemáticos, por ejemplo, pueden verse como
aleatorios; sin embargo son de hecho impredecibles. Esto se debe a
una dependencia sensible de las condiciones iniciales. Muchos fenómenos aleatorios
pueden exhibir características organizadas a algunos niveles. Por ejemplo, mientras
la media porcentual del incremento de la población humana es bastante
predecible, en términos sencillos, el intervalo real de los nacimientos y muertes
individuales no se pueden predecir.
Generacion de numeros aleatorios

Un generador de números aleatorios es un algoritmo determinístico, usado para

crear valores reales distribuidos entre 1 y O, tal que O <= X < l. Se debe
considerar lo siguiente:
 La ocurrencia de cualquier valor es equiprobable o uniforme.
 El valor de la muestra previa no afecta la probabilidad del valor de la próxima
muestra (independencia).
Metodos de Generacion de Numeros
pseudoalatorios :

1) Metodo de los
cuadrados medios 2) Metodos
- Midsquare congruenciales
Method
Metodo de los cuadrados medios -
Midsquare Method
El metodo comienza tomando un numero al azar, x0,de 2n cifras (originalmente
los autores proponían 4 cifras) que al elevarlo al cuadrado resulta un número de
hasta 4n cifras. Si es necesario se añaden ceros a la izquierda para que el número
resultante tenga exactamente 4n cifras. Sea x1 el número resultante de
seleccionar las 2n cifras centrales de x 2 0 ; el primer número aleatorio u1 se
obtiene poniendo un punto decimal delante las 2n cifras de x1. A continuación x2
y u2 se generan a partir de x1 del mismo modo. Así sucesivamente.
Este método tiene dos inconvenientes
principales:
 tiene una fuerte tendencia a degenerar a cero rápidamente (probar por
ejemplo con x0 = 1009)
 los números generados pueden repetirse cíclicamente después de una
secuencia corta.
Metodos congruenciales

Los principales generadores de números pseudo-aleatorios utilizados hoy en día

son los llamados generadores congruenciales lineales, introducidos por Lehmer
en 1951. Un método congruencial comienza con un valor inicial (semilla) x0, y los
sucesivos valores xn, n ≥ 1 se obtienen recursivamente con la siguiente fórmula:
xn = axn−1 + b módulo m,
donde a, m y b son enteros positivos que se denominan, respectivamente, el
multiplicador, el módulo y el incremento. Si b = 0, el generador se denomina
multiplicativo; en caso contrario se llama mixto. La sucesión de números pseudo-
aleatorios un, n ≥ 1 se obtiene haciendo ui = xi m .

Como el siguiente resultado demuestra, cada xi está completamente

caracterizado por a,b,m y x0.
Prueba de Aleatoriedad

En estadística y análisis preliminar de datos, las pruebas de aleatoriedad (o test

de aleatoriedad), son pruebas estadísticas usadas para decidir si una
determinada muestra o conjuntos de datos responde a un patrón o puede
considerarse aleatoria. En modelización estocástica, y algunas ciencia de la
computación, es deseable que algunos datos de entrada sean aleatorios y que
dicha aleatoriedad pueda ser verificada por una prueba cuantitativa
de aleatoriedad, para mostrar que la simulación se realizó usando datos
aleatorios y por tanto representativos de una cierta distribución.
Metodo de Monte Carlos

La simulación de Montecarlo es un método estadístico utilizado para resolver

problemas matemáticos complejos a través de la generación de variables
aleatorias.
El objetivo principal de la simulación de Montecarlo es intentar imitar el
comportamiento de variables reales para, en la medida de lo posible, analizar o
predecir cómo van a evolucionar.
¿Para qué se utiliza la simulación de
Montecarlo?
En economía la simulación de Montecarlo se utiliza tanto en empresas como en
inversión. Siendo en el mundo de la inversión donde más se utiliza. Algunos
ejemplos de simulación de Montecarlo en inversión son los siguientes:

 Crear, valorar y analizar carteras de inversión

 Valorar productos financieros complejos como las opciones financieras
 Creación de modelos de gestión de riesgo
El estudio de los Métodos de Monte-Carlo requiere un conocimiento detallado en
una amplia gama de campos; por ejemplo, la probabilidad para describir los
experimentos y procesos aleatorios, la estadística para analizar los datos,
las ciencias de la computación para implementar eficientemente los algoritmos y
la programación matemática para formular y resolver problemas
de optimización.
TIPOS DE SOFTWARE DE SIMULACIÓN
 GASP IV

Es una colección de subrutinas FORTRAN, diseñadas para facilitar la simulación

de secuencia de eventos y procesos. Algunas de sus rutinas y funciones son:
gestión de listas de eventos futuros, adición y remoción de entidades, colección
de estadísticas, generadores de variables aleatorias y reporte estándar.
ÁREA DE APLICACIÓN Y REQUERIMIENTOS:
Usado para programadores de simulación discretos, continuos y combinados.
Requerimientos recomendables:
 Sistema Operativo: Windows 7 32bit, 64bit, Windows 8
 Disco duro: 1 GB espacio disponible
 Memoria: 4 GB RAM
 SIMSCRIPT II.5

Es un lenguaje de simulación con orientación al evento y al proceso, es híbrido

porque posee facilidades para simulación de sistemas discretos y continuos. Está
basado en entidades, atributos y conjuntos.
ÁREA DE APLICACIÓN Y REQUERIMIENTOS:
Utilizado para modelos no orientados a colas; por ejemplo modelos de combates
militares.
Es conectado solo en plataforma Windows versión 2000/NT, Unix/PC Linux
 SIMAN

Modela un sistema discreto usando la orientación al proceso, se estudian las

entidades que se mueven a través del sistema. Una entidad para SIMAN es un
cliente, un objeto que se mueve en la simulación y que posee características
únicas conocidas como atributos. Los procesos denotan la secuencia de
operaciones o actividades a través del que se mueven las entidades, siendo
modeladas por el diagrama de bloques.
ÁREA DE APLICACIÓN Y REQUERIMIENTOS:
Utilizado principalmente en Contabilidad Electrónica. Modela un sistema
discreto.
Expresiones de probabilidad.