Números

Aleatorios
 Números Aleatorios

• Elemento Central en la Simulación digital.

• Definición formal controvertida.
• Elemento esencial en muchas áreas del conocimiento
Ingeniería, Economía, Física, Estadística, etc.
• Definición intuitiva: Una sucesión de números
aleatorios puros, se caracteriza por que no existe
ninguna regla o plan que nos permita conocer sus
valores.
• Los números aleatorios obtenidos a través de
algoritmos recursivos se llaman pseudoaleatorios.
 Números Aleatorios

Disponer de un buen generador de números

aleatorios es clave en:

• Computación Aleatorizada
• Computación Evolutiva
• Algoritmos Aleatorizados
• Verificación de Algoritmos
• Validación de Algoritmos
• Criptografía
• etc.
 Números Aleatorios

• La gran disponibilidad de generadores de números

aleatorios en muchos entornos y compiladores
puede llevarnos a pensar que para un usuario de
la simulación no sería necesario estudiar estas
cuestiones.
• Una lección del pasado reciente nos obliga a sacar
lecciones y actuar con mucho cuidado con dichos
generadores (RANDU - IBM).
• El Uso progresivo de modelos de simulación cada
vez más detallados exige una mayor calidad de los
generadores de números aleatorios.
 Números Aleatorios

Algunas ideas o propiedades de los generadores

I. Lagarias (1993) publicó un trabajo titulado “Pseudo Random Numbers” en
Statistical Science. Donde estudia algunas propiedades tales como:
Expansividad : Una aplicación es expansiva si
La idea es escoger “d” como una aplicación expansiva de manera que la
inestabilidad computacional proporcione aleatoriedad.
 Números Aleatorios

No Linealidad: La composición de aplicaciones no lineales puede conducir a

comportamientos crecientemente no lineales Ej: d(x) = x 2; d(n)(x) = x2n
Complejidad Computacional: La aleatoriedad de Kolmogorov, también
denominada incomprensibilidad computacional. Consiste en constatar si la
aleatoriedad de una sucesión de números es incomprensible (problema
decidible).
Impredecibilidad
 Números Aleatorios

• DEF 1: Kolmogorov (1987) [Complejidad Algorítmica]

Una sucesión de números es aleatoria sino puede
producirse eficientemente de una manera más corta
que la propia serie.
• DEF 2: L’Ecuyer (1990) [Impredicibilidad] Una
sucesión de números es aleatoria si nadie que utilice
recursos computacionales razonables puede distinguir
entre la serie y una sucesión de números
verdaderamente aleatoria de una forma mejor que
tirando una moneda legal para decidir cuál es cuál.
Obs: Esta definición conduce a los denominados
generadores PT-perfectos usados en Criptografía.
 Números Aleatorios
• DEF 3: Un Número aleatorio es una realización de una
variable aleatoria que tiene asociada una ley de
probabilidades F, en un espacio o modelo de Probabilidades
(, , P).

Obs: Una particular Ley de Probabilidad base para la

generación de números pseudo-aleatorios es:
u1, u2,..., un : es la uniforme (0 ; 1) ui ~ U(0,1).

• DEF 4: Una sucesión de números aleatorios {u1, u2,..., un}

es una sucesión de números U(0;1), si tiene las mismas
propiedades estadísticas relevantes que dicha sucesión de
números aleatorios.
 Números Aleatorios
• DEF 5: Una sucesión de números aleatorios {ui}
es aleatorio si h-úplas de números sucesivos no
superpuestos se distribuyen aproximadamente.
como una [0,1]h, con h=1,2,..,n, para n
suficientemente grande.
• Obs: h=2 tenemos (ui,ui+1) , i=1,2,..n , se distribuye
como una ley uniforme en [0,1]2.

• Existe una gran de métodos para generar

{ui} U(0,1) : -Uniformente distribuidas
- Independientes
- E[U]= ½ ; V[U]= 1/12
- Período largo
 Números Aleatorios

A las propiedades estadísticas anteriores se deben

agregar otras relativas a la eficiencia computacional:

• Velocidad de respuesta
• Consumo de memoria
• Portabilidad
• Parsimonia
• Reproducibilidad
• Mutabilidad
• Período
 Números Aleatorios
Métodos de Generación de Números Aleatorios
1.- Método de los cuadrados medios
2.- Métodos Congruenciales
3.- Método de registros desfasados

[Semilla - Algoritmo - Validación]

P1 : Obtener semilla (valores iniciales)
P2 : Aplicación de Algoritmos recursivos
P3 : Validación del conjunto de datos generados (Test de
Aleatoriedad)
 Métodos de los cuadrados Medios

Consiste en que cada número de una sucesión es producido tomando los dígitos
medios de un número obtenido mediante la elevación al cuadrado.
P1 : Obtener semilla (valores iniciales 445)
P2 : Aplicación de Algoritmos recursivos (elevar al cuadrado)
P3 : Validación del conjunto de datos generados
 Métodos de los Cuadrados Medios

Ejemplo: Consideremos la semilla 445

X X2 N° Aleatorio
445 1| 9802 | 5 0,9802
9802 96| 0792 | 04 0,0792
792 6 | 2726 | 4 0,2726
2726 ............... ...............
 Generadores Congruenciales
Xn+1 = (a Xn + b) mod m ;

Los parámetros del algoritmo se llaman

- a multiplicador
- b sesgo
- m módulo
- Xo semilla (valor inicial)
 Generadores Congruenciales

Obs: 1.- Cuando b=0 el generador se denomina Generador congruencial

multiplicativo.
2.- Cuando b0 el generador se denomina Generador
congruencial mixto.
3.- A pesar de la simplicidad una adecuada elección de los
parámetros de “a, b y m”, permite obtener de manera eficiente una
larga e impredecible sucesión de números como para considerarse
“aleatoria”.
Generadores Congruenciales
 Generadores Congruenciales

Algunas observaciones de las salidas de los generadores congruenciales:

i) Un generador congruencial tiene ciclos
iI) La longitud del ciclo depende de la selección de los parámetros (ver caso 1) y
3) )
iii) Dentro de selecciones de parámetros que conducen a la misma longitud,
algunas salidas parecen más aleatorias que otras.
iv) La representación de pares (Xi, Xi+1) sugiere que estos se disponen en un número
finito de hiperplanos.
 Generadores Congruenciales

Los resultados teóricos que veremos a continuación facilitan la elección de los

parámetros de “a y b” su demostración puede verse en el texto clásico
D. Knuth (1981):
“The Art of Computer Programming”. Ed. A. Wesley Vol N°2
 Generadores Congruenciales

Proposición 2.1
Un generador congruencial tiene su período máximo si y sólo si:
i) m.c.d (b, m) = 1 (primos relativos)
ii) a = 1 mod p ; para cada factor primo p de m.
iii) a = 1 mod 4 ; si 4 divide a m.
Puesto que b esta asociado en la práctica con el efecto de traslación, inicialmente
asumiremos ( b=0), es decir partiremos estudiando los generador congruencial
multiplicativos.
 Generadores Congruenciales

Dem: Donald Knuth Vol 2 (1981)

Obs: 1) Lo anterior sugiere elegir “m” lo más grande posible, para asegurarnos
un período largo (posibles elecciones de m son; m=231 -1, m=216 +1)
2) Sea p el período de la secuencia de números aleatorios, si p=m el
generador se llama de período completo.
3) Si m es un número primo entonces el máximo período se obtiene ssi a
=1
 Generadores Congruenciales
Proposición 2.2 Sea un generador multiplicativo (b=0) [Xn+1 = a Xn mod m] tiene
período p=(m-1), sólo si “p” es primo. El periodo divide a (m-1) y es (m-1) si y sólo
si “a” es una raíz primitiva de m-1, es decir a (m-1)/p  1 mod m, para todos los factores
primos p de (m-1).
Proposición 2.3
Si a es un raíz primitiva de m, ak mod m, lo es siempre que k y m-1 sean primos
relativos.
Equivalentemente
Si a es una raíz primitiva de m, ak mod m lo es siempre que ; mcd(k,m-1)=1
 Generadores Congruenciales
Dem: B. Ripley (1987) “Stochastic Simulation”Ed. John Wiley. pp 47
Obs: 1) En general los generadores congruenciales son de la forma
Xn+1 = g (Xn, Xn-1,.... ,Xn-k ,...) mod m

g (x) = a Xn
g (x) = a Xn + b
g (x) = a Xn2 + b Xn + c

Usando g (x) = (a1 Xn-1 + a2 Xn-2 + ... + ar Xn-r), se obtiene

un generador de Fibonacci retardado. La teoría de estos generadores se puede ver en
Marsaglia (1985)]
 Generadores Congruenciales

2) Una buena elección de “m”, permite obtener un generador eficiente (ciclo máximo).
Pero aún se debe estudiar con más detalle la elección de a y b, pues se tienen muchos
grados de libertad.
3) Un buen generador congruencial debe ser:
i) De máximo período
ii) Su salida debe parecer aleatoria

iii) Poder implementar de forma eficiente en aritmética

de 32 bits.
 Generadores Congruenciales

Un algoritmo de muy fácil implementación del tipo congruencial es m = 2 31-1

a = 75 (raíz primitiva de m)
Xn = 75 Xn-1 mod (231-1)

un =

Dicho generador se encuentra en las bibliotecas IMSL y NAG

 Generadores Congruenciales

La rutina RANDU, que IBM proporcionaba para sus equipos consideraba un

modelo congruencial multiplicativo con m = 231 ; a = 65539 ; b = 0
Xn = 65539 Xn-1 mod (231)

un =

¡ Este generador proporciona tripletas consecutivas de números que caen en 15

planos ! Lo que sugiere cierta previsiblidad en su salida (Mal Generador)
 Generadores Congruenciales

Barsaglia (1968) demostró que sucesiones consecutivas no superpuestas de n

números aleatorios obtenidos de generadores multiplicativos caen en, a lo sumo [n!
m] 1/n hiperplanos paralelos.
Algunas cotas de casos representativos
n=3 n=5 n=7 n=9 n=10
m = 216 73 23 16 14 13
m = 232 2953 220 80 48 41
Es decir, en un computador con palabras de 32 bits, menos de 41 hiperplanos
contendrán las 10-úplas
 Generadores Congruenciales

En teoría puede conseguirse que un buen generador con m = 2 32 produzca 357.913.941

puntos independientes en un cubo de dimensión 3, siendo el mínimo número de
hiperplanos que contiene estos puntos 108, en contraste con los 2953.
Para la famosa rutina RANDU de IBM,
Xn = 65539 Xn mod (231)
las tripletas consecutivas de números caen en 15 planos.
 Generadores de Registros Desfasados
Se basa en Generadores lineales recursivos múltiples

El estudio de este generador se asocia al Polinomio característico.

sobre un
álgebra finita Fm, con m elementos. [Niederreiter 1992]
 Generadores de Registros Desfasados

[Niederreiter 1992]

Cuando el polinomio es primitivo el período es (mk-1). Debido a la complejidad del

análisis para m grande, habitualmente se elige un m pequeño, generalmente 2
obteniendo generadores de bits de la forma

donde ak = 1 ^ ai  {0, 1}
 Generadores de Registros Desfasados

La adición módulo 2 es equivalente al XOR (ó exclusivo)

0 XOR 0 = 0 0 XOR 1 = 1
1 XOR 1 = 0 1 XOR 0 = 1
Esto nos permite implementar registros de desplazamiento
Un generador propuesto Tausworthe (1985)
 Generadores de Registros Desfasados

En este caso los primeros q bits deben ser especificados, esto es análogo a la semilla de
los generadores congruenciales.
Este tipo de generador depende del largo de la palabra
Ejemplo: h = 3 ; q = 5 ; b 1 = b 2 = b3 = b4 = b 5 = 1
b6 = (b3 + b1) mod 2 = 2 mod 2 = 0
b7 = (b4 + b2) mod 2 = 2 mod 2 = 0
b8 = (b5 + b3) mod 2 = 2 mod 2 = 0
b9 = (b6 + b4) mod 2 = 1 mod 2 = 1
b10 = (b7 + b5) mod 2 = 1 mod 2 = 1
...
b42 = (b39 + b37) mod 2 = 2 mod 2 = 0
 Conversión del Generador Binario

Transformar la sucesión {bi} en un número aleatorio U(0,1)

Consideremos {bi}

b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12

1 1 1 1 1 0 0 0 1 1 0 1
......... b41 b42
......... 1 0
 Conversión del Generador Binario
Consideremos l = 4
y1 = b123 + b222 + b321 + b420 = 8 + 4 + 2 + 1 = 15
u1 =
y2 = b523 + b622 + b721 + b820 = 8 + 0 + 0 + 0 = 8
u2 =
y3 = b923 + b1022 + b1121 + b1220 = 8 + 4 + 0 + 1 = 13
u3 = .... y así sucesivamente
 Generadores no Lineales

Dada la estructura reticular de los generadores lineales, algunos autores sugirieron

utilizar generadores no lineales. (Ver Niederreiter (1992))
• Usar un generador con función de transición lineal, produciendo una transformación
no lineal del estado en su salida.
•Usar un generador con función de transición no lineal.
 Combinación de Generadores
Una forma de incrementar el periodo e intentar evitar regularidades que muestren los
generadores lineales es combinar (mezclar) diferentes generadores para obtener
generadores híbridos de mejor calidad que los generadores originales.
Muchas de las combinaciones propuestas son heurísticas y algunas con resultados
bastantes pobres.
Por ejemplo sean e dos sucesiones aleatorias, una sucesión
combinada sería :
Zi = Xi Yi
donde “ ” es alguna operación binaria
 Otros Generadores

• Generadores Paralelos de números aleatorios.

• Sincronización; reproductibilidad; gasto transición ]
•Generadores de Fibonacci retardados
•[ Sincronización; reproductibilidad; gasto transición ]
•Generadores Comerciales: IMSL Generador
congruencial multiplicativo m = 231 - 1 a = 16807; 397204094; 950706376
http://www.stat.cmu.edu/
 Validación de Generadores
Congruenciales
Finalmente la fase de validación se basa en ciertas propiedades estadísticas que
deben cumplirse a la salida de los generadores de n° aleatorios .
Los Test empíricos que veremos a continuación son genéricos y pueden usarse en
la evaluación de generadores de n° aleatorios, en generadores de variables
aleatorias y en la modelación de entradas de modelos de simulación.
La mayoría de los Test se encuentran disponibles en paquetes estadísticos
comerciales. SAS, Statistica, etc.
 Validación de Nos Aleatorios

1) Test
Este es un test de Bondad de Ajuste. Es poco potente, por lo que permite justificar
el rechazo de una hipótesis, pero proporciona escaso apoyo en la aceptación.
Dada una muestra X1, X2, ..., Xn de una Fx(x) desconocida. Se desea contrastar.
Ho : Fx(x) = Fo(x) v/s H1 : Fx(x)  Fo(x)
 Validación de Nos Aleatorios

Efectuando una partición del soporte de X en k subconjuntos I1, I2, ..., Ik :

~
fi : frecuencia absoluta del subconjunto i-ésimo (Ii)
asint
ei: número de observaciones esperadas en Ii bajo Ho
 Validación de Nos Aleatorios

Obs: 1) Este Test considera aleatoridad de Fo = U(0,1)

2) Este Test también permite contrastar la uniformidad S-dimensional de
X1 = (u1, u2, ..., us);
X2 = (us+1, us+2, ..., u2s);
...
Xn = (u(n-1)s+1, ..., uns)

en Fo = [0,1]s [Distribución uniforme en el hipercubo]

 Validación de Nos Aleatorios
2) Test de Kolmogorov - Smirnov (Test K-S)
Sea Fo una función de distribución continua y sea Fn la función de distribución empírica de la
muestra.
Bajo Ho: Fx(x) = Fo(x) se espera que Fn se aproxime a Fo

Dn = Sup | Fn(x) - Fo(x) |

x  R de Dn está tabulada para valores n  40 y distintos niveles de

La distribución exacta
significación .
Para muestras grandes se utiliza la distribución asintótica de D n dada por
 Test de Kolmogorov - Smirnov

Obs: En el caso particular de aleatoridad se considera

X(1) < X(2) < .... < X(n)

estadísticos de orden Fo(X(i)) = X(i) ^ Fn (X(i)) = i/n

Dn =
 Validación de Nos Aleatorios
3) Test de Rachas
Dada la sucesión de “n” observaciones construimos la sucesión de símbolos binarios
definida por

Definimos racha creciente (decreciente) de longitud “L” a un grupo seguido de “L”

números 1(+) ó números 0(-). Contando el número de rachas. Bajo aleatoridad de la
muestra se espera que su distribución asintótica sea normal:

N
EJEMPLO: CONSIDERE LA SIGUIENTE SECUENCIA DE 20
NÚMEROS ALEATRORIOS

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

- + - - + + - + + + - + -+ + - + - +

L=14 E[L]= 13, V[L]=3.23 Z = (14 -13) /

Z = 0.55 comparado con el valor crítico N ( 13 ;3.23)

El supesto de independencia no puede ser rechazado
 Test de Rachas

Test de Rachas por encima y debajo de la mediana.

Se cuentan el número de observaciones que se sitúan a un mismo lado de la mediana.

La distribución asintótica del número de rachas bajo aleatoridad es normal:

N
 Test Serial

4) Test Serial
Este Test se usa para contrastar el grado de aleatoriedad entre números aleatorios
sucesivos de una secuencia. [Extensión del test Chi-Cuadrado]

Sea
X1 = (u1, ..., uk) X2 = (uk+1, ..., u2k) ... Xn = (u(n-1)k+1,..., unk)

Consideremos la n (k-úplas). Se desea contrastar que X 1, X2, ..., Xn son v.a.i.i.d.

uniformemente distribuidas en el hipercubo k-dimensional unitario.
 Test Serial

Dividiendo el hipercubo rk en hipercubos elementales de volumen 1/rk y sea Vj1, j2, ..., jk
el número de k-úplas que caen dentro del elemento

usando la estadística
 Test Serial

Caso Especial (k=2)

X1 = (u1, u2) X2 = (u3, u4) ... Xn/2 = (u(n-1), un)

Particularmente el eje X e Y en r subintervalos de igual longitud, generando r 2-

cubos del mismo tamaño. El número de pares esperado por cubo es
 Test Serial

Sea nij : el número de pares en el cuadrado (i, j)

i = 1,r j =1,r

Entonces la estadística
 Validación de Nos Aleatorios

Otros Test son:

• Test de Permutaciones
• Test de Poker
• Test de Dependencia
• Test de longitud de rachas
• etc.