SIMULACION DE SISTEMAS DISCRETOS

Generación de números pseudoaleatorios

Mg. Samuel Oporto Díaz

 Objetivo de la Sesión
• Exponer los métodos de generación de números aleatorios.

/41
2
 Tabla de Contenido
1. Mapa Conceptual
2. Generación de Series de Números Aleatorios.
3. Generadores no congruenciales
4. Generadores congruenciales

/41
3
 Mapa Conceptual del Curso

Modelado y Colas con

Simulación un servidor

Proyectos Series de Simulación Colas en

Inventarios
Simulación Nro. Aleato X Eventos Serie

Validación Colas en
de Series Paralelo

Generación
de VA

/41
4
 Mapa Conceptual

Xi+1=(aXi+c) mod m

Tabla de Nros. Procedimientos

Fenómenos Físicos
aleatorios Matemáticos

Números
Aleatorios

Validación de Variables
Series de NA U (0,1)

Variables
Aleatorias
/41
5
GENERACIÓN DE SERIES DE
NÚMEROS ALEATORIOS

/41
6
 Generación de Números Aleatorios
• Rol preponderante en el proceso de simulación.
• Para simular necesitamos de números aleatorios como
semillas para generar muestras de V.A.

• Características de un generador de nros aleatorios:

• 1) Muestrea valores de Distribución Uniforme. 
• 2) Asegura la NO Correlación Serial.

/41
7
Algunas Propiedades de Nros Aleatorios
1. Distribución Uniforme.
Cualquier número que
pertenezca al rango de interés
debe tener la misma
probabilidad de resultar
sorteado. 

2. NO Correlación Serial.
La aparición de un número en
la secuencia, no afecta la
probabilidad de que aparesca
otro (o el mismo) número.
/41
8
 Ejemplo
La sucesión 1,2,3,4,5,1,2,3,4,5,1,2,3,4,5...
es uniforme
pero
está correlacionada.
 
Existen Tests que verifican las condiciones de uniformidad y
correlación serial, temas que veremos mas adelante.

/41
9
 Series de números aleatorios
• No tiene sentido el concepto de “número aleatorios”.
• Se usa el concepto de “serie de números aleatorios”

• “Una sucesión de números es aleatoria si no puede

reproducirse eficientemente mediante un programa más
corto que la propia seria”

• “Una sucesión de números es aleatoria si nadie que utilice

recursos computacionales razonables en tiempo razonable
puede distinguir entre la serie y una sucesión
verdaderamente aleatoria de una forma mejor que tirando
una moneda fiel para decidir cuál es cuál”

Definiciones provenientes de la teoría computacional

 Serie de Números Aleatorios
• Son números que deben de cumplir los requisitos de
espacio equiprobable, es decir, que todo elemento tenga la
misma probabilidad de ser elegido y que la elección de uno
no dependa de la elección del otro.

11
/41
 Propiedades deseables
1. Uniformemente distribuidos.
2. Estadísticamente independientes (no correlación).

3. Periodo largo (sin repetición).

4. Reproducibles y mutables.
5. Sencillo en su implementación.
6. Portabilidad.

7. Método rápido de generación.

8. Poca memoria para la generación.

12
/41
 Mecanismos de generación
• Tablas de números aleatorios 1. Uniformemente
distribuidos.
– RAND (1955), 100,000 números aleatorios 2. Estadísticamente
(ruido electrónico) independientes.
• Fenómenos físicos
3. Periodo largo (sin
– Ruido blanco producido por circuitos repetición).
electrónicos
– Recuento de partículas emitidas 4. Reproducibles y
– Lanzamiento de monedas mutables.
– Rueda de la fortuna 5. Sencillo en su
implementación.
• Procedimientos matemáticos 6. Portabilidad.
– Se usa algoritmos para la generación de
números aparentemente aleatorios, se entrega 7. Método rápido de
una semilla y se generan los sucesores generación.
mediante una función 8. Poca memoria para
la generación.

13
/41
 Generación de Series de # Aleatorios
• Es un proceso fundamental en la simulación.
• ¿Por qué?

• Para simular el comportamiento de variables aleatorias.

– El comportamiento de un sistema depende del comportamiento de sus
variables (variables aleatorias).

• ¿Qué sucede si en un modelo en lugar de usar una

distribución Normal usamos una Poisson?

14
/41
GENERADORES NO
CONGRUENCIALES

15
/41
 Método del cuadrado medio
• Fue propuesto inicialmente por Von Newman y Metrópolis
en el año 1946.

• Para generar el siguiente número pseudo-aleatorio, se

toman los n dígitos centrales del cuadrado del número
anterior de n dígitos.

• Se requiere una semilla.

16
/41
 Método del cuadrado medio
n R(n) R(n)2 M.R(n)2 Val 1 Val 2
0 154 23,716 371 371 0
1 371 137,641 3,764 376 764
2 376 141,376 4,137 413 137
3 413 170,569 7,056 705 056
4 705 497,025 9,702 970 702
5 970 940,900 4,090 409 090
6 409 167,281 6,728 672 728
7 672 451,584 5,158 515 158
8 515 265,225 6,522 652 522
9 652 425,104 2,510 251 510
10 251 63,001 300 300 0
11 300 90,000 0 0 0
12 0 0 0 0 0
17
/41
 Análisis
• El problema con este método es que tiende a degenerar
rápidamente. Dependiendo del valor inicial el método puede
degenerar al cabo de ≈20 términos.
• Por ejemplo, supóngase que se quiere generar una serie de
números pseudo-aleatorios de cuatro dígitos y se tiene
como i-ésimo termino generado es 3500, luego se tendrá:

n R(n) R(n)2 M.R(n)2 Random 1 Random 2

i 3500 12250000 2500 0 2500

i+1 2500 6250000 2500 0 2500

• Se puede observar que hemos llegado a una condición

degenerada. Por la tanto, es necesario verificar siempre la
serie de números y protegerse contra este fenómeno
18
/41
 Método del Producto Medio
• Este método es muy similar al anterior ya que se tomará
como número aleatorio siguiente de la serie, a los n dígitos
centrales del resultado de una multiplicación previa.

• Se requiere dos semillas.

19
/41
 Método del Producto Medio
n R(n) R(n+1) R(n)2 M.R(n)2 Val 1 Val 2
0 151 155 23,405 340 340 0
1 155 340 52,700 270 270 0
2 340 270 91,800 180 180 0
3 270 180 48,600 860 860 0
4 180 860 154,800 5,480 548 480
5 860 548 471,280 7,128 712 128
6 548 712 390,176 9,017 901 017
7 712 901 641,512 4,151 415 151
8 901 415 373,915 7,391 739 391
9 415 739 306,685 668 668 0
10 739 668 493,652 9,365 936 365
11 668 936 625,248 2,524 252 524
12 936 252 235,872 3,587 358 587
13 252 358 90,216 21 21 0
14 358 21 7,518 51 51 0
15 21 51 1,071 7 7 0
16 51 7 357 5 5 0
17 7 5 35 0 0 0
18 5 0 0 0 0 0
 Análisis
• Una modificación para este método consiste en utilizar un
multiplicador constante, en lugar de dos números
aleatorios como se muestra a continuación:
Rn+1 = K * Rn

• Estos métodos son similares al cuadrado medio.

• Sin embargo los dos tienen periodos más extensos y los
números parecen estar distribuidos uniformemente.
• Este método tiende a degenerar a un valor constante.
• Tanto el método de cuadrados medios como el de producto
medio tienen un periodo corto para la cantidad de números
aleatorios que vamos a necesitaremos generar en cada uno
de nuestros Modelos.
21
/41
 GENERADORES
CONGRUENCIALES

22
/41
 Generadores Congruenciales
• Congruencial Lineal (Mixto).
• Congruencial Multiplicativo.

23
/41
 Método Congruencial Lineal (MCL)
• Los generadores congruenciales lineales generan una
serie de números pseudo - aleatorios de tal forma que se
puede generar el siguiente a partir del ultimo número
derivado, es decir, que el número Xn+1 es generado a
partir de Xn.

• La relación de recurrencia para el método congruencial

mixto es:

Xn+1 = (aXn + c) mod m

Donde:
X0 = semilla (X0 >0)
a = multiplicador (a >0)
c = constante aditiva (c >0)
m = módulo (m >X0, m >a y m>c)
24
/41
 Método Congruencial Lineal (MCL)
• Si se quiere obtener números Uniformes (0,1) se
normaliza el resultado:

Un = Xn / m

• En el MCL, si se repite un número ya se repite toda la

secuencia.

• Ventajas:
1. utiliza poca memoria y es muy rápido.
2. fácil de volver a generar la misma secuencia, guardando un solo
número, (se alcanza con partir desde la misma semilla: X0).

25
/41
 Ejemplo
a c m
1 7 13
n X(n) a*X(n)+c [a*X(n)+c] mod m
0 7 14 1
1 1 8 8
2 8 15 2
3 2 9 9
4 9 16 3
5 3 10 10
6 10 17 4
7 4 11 11
8 11 18 5
9 5 12 12
10 12 19 6
11 6 13 0
12 0 7 7
13 7 14 1
14 1 8 8
15 8 15 2
26
/41
 Análisis
• Si no se escogen los valores adecuados de los
parámetros el período del generador de números
pseudo – aleatorios, será menor que m.

• En la Tabla A se muestra los valores obtenidos para un

generador con parámetros: a = 7, c = 9, X0 = 5 y m = 11.
Como puede apreciarse en la tabla el período del
generador es 10 que es menor que el módulo que es 11.

• Si bien este caso no es crítico si lo es el que se presenta

en la Tabla B donde los parámetros toman los valores
de a = X0 = c = 7 y m=10 cuyo período es de 4, que es
un caso muy critico que nos puede llevar a resultados
no deseables y poco confiables

27
/41
 Tabla A
a c m
7 9 11
n X(n) a*X(n)+c [a*X(n)+c] mod m
0 5 44 0
1 0 9 9
2 9 72 6
3 6 51 7
4 7 58 3
5 3 30 8
6 8 65 10
7 10 79 2
8 2 23 1
9 1 16 5
10 5 44 0

28
/41
 Tabla B
a c m
7 7 10
n X(n) a*X(n)+c [a*X(n)+c] mod m
0 7 56 6
1 6 49 9
2 9 70 0
3 0 7 7
4 7 56 6
5 6 49 9
6 9 70 0

29
/41
 Selección de m, a, c, X0
a) Selección de módulo (m). Existen dos opciones que son
las siguientes:

a.1) Escoger al azar el módulo m.

a.2) Tomar m de tal manera que sea el número primo más

grande posible y además que sea menor que pd-1, donde
p es la base del sistema que se esta usando y d es el
número de bits que tiene una palabra de computadora en
el sistema que se esta usando.

Por ejemplo una computadora XT que trabaja en el

sistema binario entonces se tiene que p = 2 y d = 16.

30
/41
 Selección de m, a, c, X0
b) Selección de a.
• El valor de a debe ser un número entero impar, que no
deberá ser divisible por 3 ó 5. Pero además, para
asegurarnos que el generador tenga período completo, el
valor que se tome para a deberá escogerse según el
siguiente criterio:

(a-1) mod 4 = 0 si 4 es un factor de m.

(a-1) mod b = 0 si b es un factor primo de m.

• Generalmente se toma a igual a 2k + 1 cuando se trabaja

en el sistema binario. En ambos casos el valor que se
asigne a k deberá ser mayor o igual que 2.

31
/41
 Selección de m, a, c, X0
c) Selección de c.
• Este parámetro puede tomar cualquier valor. Pero para
asegurarnos de tener buenos resultados se deberá
seleccionar según la siguiente regla:

c mod 8 = 5

• En consecuencia c deberá tomar un valor entero impar y

relativamente primo a m.

32
/41
 Selección de m, a, c, X0
d) Selección de X0
• Se tiene que para el generador congruencial el valor que
tome X0 es irrelevante y tiene poca o ninguna influencia
sobre las propiedades estadísticas de las series de
números pseudo - aleatorios que se generen.

33
/41
 Método Congruencial Lineal (MCL)
• Para terminar esta parte se debe señalar que existen otras
formas matemáticas de representar este generador, que
son las siguientes:

Xn = [anX0 + c{(an - 1)/(a - 1)}] mod m

Xn+k =[anXk + c{(an - 1)/(a - 1)}] mod m

34
/41
 Método Congruencial Multiplicativo
• En forma semejante al método anterior el generador
congruencial multiplicativo genera el próximo número
pseudo - aleatorio a partir del último número calculado,
siguiendo la siguiente relación de recurrencia:

Xn+1 = aXnmod m

• Para este generador también se deben escoger

adecuadamente los valores de a, X0, y m, con la finalidad
de que se pueda asegurar un período máximo para la
series pseudo - aleatorias generadas por este método. A
continuación se dan las reglas que indican como se deben
escoger estos valores.

35
/41
 Selección de m, a, X0
• Para trabajar en el sistema binario los valores de los
parámetros deberán escogerse siguiendo las siguientes
reglas:
– El valor de X0 debe ser un número entero impar y relativamente
primo a m.
– El valor de a debe ser obtenido a partir de la siguiente expresión:
a = 8t ± 3
Donde t es cualquier entero.
– El valor de m puede ser 2d .

• Si m = 2d el período del generador es 2d-2 ó m/4.

• A modo de ejemplo se obtendremos el período de un
generador cuyos parámetros son: a = 5, X0 = 5 y m = 32. En
la siguiente tabla se muestra los elementos que componen
la serie generada cuyo período es de 8
36
/41
 Tabla C
a m
5 32
[a*X(n)] mod m
n X(n) a*X(n)
0 5 25 25
1 25 125 29
2 29 145 17
3 17 85 21
4 21 105 9
5 9 45 13
6 13 65 1
7 1 5 5
8 5 25 25
9 25 125 29
10 29 145 17

37
/41
 Tabla D
Parámetros
Caso a b m xo
1 6 0 13 1
2 7 0 13 10
3 5 0 13 5
4 7 0 11 5
5 6 0 11 3

Caso Salidas
1 6 10 8 9 2 12 7 3 5 4 11 1 6 10
2 5 9 11 12 6 3 8 4 2 1 7 10 5 9
3 12 8 1 5 12 8 1 5 12 8 1 5 12 8
4 2 3 10 4 6 9 8 1 7 5 2 3 10 4
5 7 9 10 5 8 4 2 1 6 3 7 9 10 4

38
/41
 Streams - Torrentes
• Un generador de números aleatorios que comience con la
misma semilla, siempre producirá la misma torrente o
secuencia de números.

• Diferentes semillas generarán diferentes secuencias. Si las

semillas se eligen con valores no cercanos (en el ciclo del
generador), entonces las secuencias de números
generados (torrentes) parecerán y actuarán como números
aleatorios independientes entre sí con lo que colaborarán
en la generación de v.a. Independientes entre sí.

39
/41
 Tarea 5
• Implementar en Excel estos 4 generadores y probar los
métodos de selección.

40
/41
PREGUNTAS

41
/41