UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE INGENIERÍA
 
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMATICA

ASIGNATURA : Dinámica II
TEMA : Validación de números pseudoaleatorios
CICLO : IV
ALUMNOS : Ramirez Cava Shanira Lisset
Jaico Advíncula José Rodolfo
Angulo Calderón José Aarón
Chunga Sandoval Jean
Bermúdez Mejía Steven

DOCENTE : Vega Moreno Carlos E.

NUEVO CHIMBOTE – PERÚ

2017
Pruebas estadísticas
para números
pseudoaleatorios
Pruebas de uniformidad
Pruebas de independencia
 Introducción

Para realizar una simulación se requiere números aleatorios en el

intervalo (0,1), a los cuales se hará referencia como ri, es decir, una
secuencia de ri ={ r1 , r2 =, r3 =, r4 =,…, rn } que contiene n números,
todos ellos diferentes; n recibe el nombre de período o ciclo de vida del
generador que creo la secuencia ri .

Números pseudoaleatorios

Imitan los valores de una variable aleatoria uniforme. Cumplen los tests de
ajustes como si fueran esa variable aleatoria.
Se generan a través de una fórmula.

Se usan como semilla para generar valores de variables aleatorias

(discretas, continuas).
Pseudoaleatorios, porque se obtienen realizando un conjunto de
operaciones a partir del número generado en algún paso anterior.
 Uniformidad

Cualquier número que pertenezca al rango de interés debe tener la misma

probabilidad de resultar sorteado.

Corresponde al caso de una variable aleatoria que sólo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de una
misma longitud (dentro de (a, b)) tienen la misma probabilidad.

También puede expresarse como el modelo probabilístico correspondiente a tomar

un número al azar dentro de un intervalo (a, b).
 Independencia

Ésta es una propiedad muy importante, e

implica que los números aleatorios no
deben tener correlación entre sí; es decir,
deben ser independientes, de manera que
puedan dispersarse de manera uniforme
dentro de todo el espectro de valores
posibles.
Pruebas de uniformidad
Para la uniformidad

  Bondad de ajuste o Ji-cuadrada:

Bondad de ajuste Kolmogorov-Smirnov

Una de las propiedades más importantes que debe cumplir un conjunto de números r. es la
uniformidad. Para comprobar su acatamiento se han desarrollado pruebas estadísticas tales
como las pruebas Chi-cuadrada y de Kolmogorov-Smirnov.

En cualquiera de ambos casos, para probar la uniformidad de los números de un conjunto r es

necesario formular las siguientes hipótesis:

  : r¡ ~ U(0,1)
: r¡ no son uniformes
   Prueba de bondad de ajuste o Ji-cuadrada:
La prueba Ji-cuadrada busca determinar si los números del conjuntor.se distribuyen de
manera uniforme en el intervalo (0,1).

P
E
O 1 Subdividir el intervalo [0,1] en m subintervalos (m=√𝑛 ).

C
E
2
Para cada subintervalo contar la frecuencia observada F0 y
DI … calcular la frecuencia esperada FE de números aleatorios, la cual
M . se obtiene dividiendo n/m.
IE
N
T 3 . Calcular el estadístico de prueba

O
 Si el valor del estadístico es menor que el valor de

4 , entonces no se puede rechazar que el conjunto de datos ri sigue una

distribución uniforme. En caso contrario, se rechaza que ri sigue una
distribución uniforme
  Prueba de bondad de ajuste o Ji-cuadrada:
 EJEMPLO 1

Realizar la prueba de bondad de ajuste Ji-cuadrada a la siguiente

muestra de tamaño 30 de números aleatorios uniformes.

0.15 0.31 0.81 0.48 0.01 0.60

0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55

  Prueba de bondad de ajuste o Ji-cuadrada:

 1°
m=√𝑛 , n=30 ……….. m=5.472 INTERVALO Ei Oi

0.00 – 0.20 6 10 2.67

2°
Ei = n/m ….. Ei = 6 0.21 – 0.40 6 7 0.17

3° 0.41 – 0.60 6 6 0.00

.
0.61 – 0.80 6 3 1.50

0.81 – 1.00 6 4 0.67

Xo2 = 5.01

4°
Sea alfa = 5%. Tenemos (5-1) grados de libertad, es decir V =4. El valor
en tablas de la distribución Ji cuadrada es ( NO SE RECHAZA
LA UNIFORMIDAD)
Distribución uniforme

  Prueba de bondad de ajuste o Ji-cuadrada:

 EJEMPLO 2 EN EXCEL

  Prueba de bondad de ajuste o Ji-cuadrada:

 PRUEBA DE BONDAD DE AJUSTE DE KOLMOGOROV-SMIRNOV

Es recomendable aplicarla en conjuntos r¡ pequeños, por ejemplo, n < 20.

PROCEDIMIENT
O

1
. Ordenar de menor a mayor los números ri r1≤ r2≤ r3≤ … ≤ rn

Si el Valor D es mayor
que el valor crítico
2 . Determinar los valores D+, D- y D con las
siguientes ecuaciones:

𝐷𝛼,𝑛 se concluye que los

números del conjunto ri ,
no siguen una distribución
3 Determinar el valor crítico 𝐷𝛼,𝑛 de acuerdo con la tabla de
valores críticos de Kolmogorov-Smirnov para un grado de
confianza α y según el tamaño de la muestra n.
uniforme; de lo contrario se dice
que no se ha detectado diferencia significativa entre la distribución de los
números del conjunto ri y la distribución uniforme.
Ejemplo

Se tiene la siguiente muestra {0.00, 0.75, 0.63, 0.20, 0.34, 0.99} , con un
nivel de significancia de 5%

Solución

Ordenamos la muestra de forma ascendente:

Construimos la siguiente tabla:
 = 0.470

Dado que 0.167 < 0.470 decimos que no hay evidencia de que la muestra no
provenga de una distribución uniforme.
Pruebas de Independencia
Para la independencia

Corridas por arriba y por abajo del promedio

Corridas ascendentes y descendentes
Poker
De series

Para probar la independencia de los números de un conjunto r¡ primero es preciso

formular las siguientes hipótesis:

H0: los números del conjunto r¡ son independientes

H1: los números del conjunto r¡ NO son independientes
PRUEBA DE CORRIDAS POR ARRIBA Y POR ABAJO DEL PROMEDIO

PROCEDIMIENT
O

1 Generar la muestra de tamaño N de número aleatorios.

2 Obtener una nueva sucesión binaria

 
Criterio:

2 𝑛0 𝑛1 (2 𝑛0 𝑛1 − 1)   𝐶 0− 𝜇𝐶
  2 𝑛 0 𝑛1   2
1 𝜎 𝑍 0= 0

𝜇𝐶 = + 𝐶 = 2 𝜎2
0
𝑛 2
0
𝑛 (𝑛 − 1) 𝐶 0
Ejercicio:
  
Realizar la prueba de corridas, con un nivel de aceptación de 95%, al
siguiente conjunto de números .

0.809 0.042 0.432 0.538 0.225 0.88 0.688 0.772 0.036 0.854
0.397 0.268 0.821 0.897 0.07 0.721 0.087 0.35 0.779 0.482
0.136 0.855 0.453 0.197 0.444 0.799 0.809 0.691 0.545 0.857
0.692 0.055 0.348 0.373 0.436 0.29 0.015 0.834 0.599 0.724
0.564 0.709 0.946 0.754 0.677 0.128 0.012 0.498 0.6 0.913
 Construiremos la secuencia de unos y ceros por renglón quedado en la
siguiente manera: ()
1 0 0 1 0 1 1 1 0 1
0 0 1 1 0 1 0 0 1 0
0 1 0 0 0 1 1 1 1 1
1 0 0 0 0 0 0 1 1 1
1 1 1 1 1 0 0 0 1 1
PRUEBA DE CORRIDAS POR ARRIBA Y POR ABAJO DEL PROMEDIO
   partir de la secuencia anterior se determinar que hay 21 corridas, 23 ceros
A
y 27 unos. Por lo tanto, =21, , . A continuación se presenta los cálculos de
valor esperado y la varianza del número de corridas.

  2 2 𝑛0 𝑛1 (2 𝑛0 𝑛1 − 1) 2(23)(27)(2 ∗23 ∗ 27 − 1)
𝜎𝐶 = 2
= 2
=12.08542
0
𝑛 (𝑛 −1) 50 (50− 1)

  𝐶 0− 𝜇𝐶 21 −25.34
𝑍 0= 2
0
= =−1.2484146
𝜎𝐶 0
√12.08542

PRUEBA DE CORRIDAS POR ARRIBA Y POR ABAJO DEL PROMEDIO

 Resultado:

 
Como

el valor de cae dentro del intervalo se dice
que los números del conjunto son independientes
con un nivel de confianza del 95% (se acepta ). De
acuerdo con esta prueba, el conjunto de números
se puede usar en un estudio de simulación.

PRUEBA DE CORRIDAS POR ARRIBA Y POR ABAJO DEL PROMEDIO

 CORRIDAS ASCENDENTES Y DESCENDENTES
Procedimiento

1. Generar la muestra de tamaño N de números aleatorios.

2. Construir la sucesión binaria de acuerdo al siguiente criterio:

Si rj es menor o igual a r  j+1entonces asignarle a r  j el símbolo

0
Si rj es mayor o igual a r  j+1entonces asignarle a r  j el
símbolo 1
3. Con base en la distribución X ^2 , efectuar la prueba, donde la frecuencia
esperada de las longitudes de corrida i se calculará con
EJEMPLO 7
Aplicar la prueba de las corridas ascendentes y descendentes a la muestra
de números aleatorios del ejemplo anterior. Compararemos a los números
por fila, pero es indistinto hacerlo por columna

0.14 0.33 0.84 0.48 0.03 0.62

0.24 0.35 0.76 0.32 0.08 0.09
0.31 0.48 0.78 0.06 0.53 0.93
0.26 0.87 0.69 0.95 0.012 0.00
0.18 0.12 0.04 0.58 0.23 0.55

ahora la sucesión binaria es

0 0 1 0 0 1
0 0 1 1 0 0
0 0 1 0 0 1
0 1 0 1 1 0
1 1 0 1 0

N = 29
 Long de (FE-FO)^2/FE
FE FO
corrida i
1 11.5 11 0.02

2 5.083 7 0.72

3 1.4 ---

4 0.292 4 47.08

5 0.005 ---

Total 17.983 Xo2 = 47.82

Como el valor calculado de 47.82 es mayor que el valor en tablas de Ji-

cuadrada
 X^2 1.5% = 3.84, no se puede rechazar la independencia de los
números aleatorios.
Prueba de Póker
 R
e
l
Todos diferentes (TD) a
Tercia (T)
c
i
Exactamente un par (1P) o
Una tercia y una par (TP)
n
a
d
Dos pares (2P) Póker (P) o
 Esta prueba consiste en visualizar el número ri con cinco
decimales (como si fuera una mano del juego de póker, con 5
cartas), y clasificarlo como: todos diferentes (TD), exactamente
un par (1P), dos pares (2P), una tercia (T), una tercia y un par
(TP), póker (P) y quintilla (Q).
Ejemplos:
ri = 0.69651 un par (1P)
ri = 0.13031 dos pares (2P)
ri = 0.98898 una tercia y un par
(P)
 La prueba póker se puede realizar a números ri con tres, cuatro y
cinco decimales. Para ri con tres decimales solo hay tres
categorías de clasificación: todos diferentes (TD), un par (1P) y
una tercia (T). Cuando se consideran ri con cuatro decimales se
cuenta con cinco opciones para clasificar los números: todos
diferentes (TD), exactamente un par (1P), dos pares (2P), una
tercia (T) y póker (P).
 Prueba póker para números con cinco decimales

 La prueba póker requiere el estadístico de la distribución Chi-

cuadrada X2 ∞,6 para números con cinco decimales.

El procedimiento de la prueba consiste en:

a) Determinar la categoría de cada número del conjunto ri.
b) Contabilizar los números ri de la misma categoría o clase
para
obtener la frecuencia observada (0i).
Ejemplo:
 Realizar la prueba póker, con un nivel de aceptación de 95%, a los
siguientes 30 números entre cero y uno, con cinco decimales.

 Primero clasificamos cada número del conjunto ri, asignándole las

claves que se mencionaron antes.
 Cálculos de la prueba póker

2
 ( 𝐸 𝑖 − 𝑂 𝑖 )
𝐸𝑖
 

. El estadístico = es mayor que el estadístico correspondiente de

la Chi-Cuadrada:
En consecuencia, se rechaza que los números del
conjunto ri son independientes.
 PRUEBA DE SERIES

Esta prueba consiste en comparar los números con el propósito de corroborar la

independencia entre números consecutivos. Las hipótesis básicas son:

HQ: r¡ ~ Independientes
H1: r¡ ~ Dependientes

La prueba funciona de esta manera: se inicia creando una gráfica de dispersión

entre los números consecutivos ( ri , r i + 1 ) ; posteriormente se divide la gráfica
en m casillas, como se muestra en la figura siendo m el valor entero más
cercano a Vn que permita formar de preferencia, aunque no necesariamente,
una matriz cuadrada.
 Enseguida se determina la frecuencia
observada Oi al contabilizar el número de
puntos en cada casilla y su correspondiente
frecuencia esperada E¡, de acuerdo con
E¡ = (n - 1 )/m, donde n - 1 es el número
total de pares ordenados o puntos en la
gráfica.

Se procede entonces a calcular el error o estadístico de prueba

  𝒎 𝟐
𝟐 ( 𝑬𝒊 − 𝑶𝒊 )
𝑿 =∑𝟎
𝒊=𝟏 𝑬𝒊
Finalmente, si el valor del error es menor que o igual al estadístico de tablas
X a,m-i, no podemos rechazar la hipótesis de independencia entre números consecutivos.

PRUEBA DE SERIES