Beruflich Dokumente
Kultur Dokumente
(no
debe
deducirse
un
nmero
Donde a, c y m son enteros positivos (a < m, c < m). sta notacin matemtica
significa que Xn+1 son 0, 1, , M-1, de manera que m representa el nmero
deseado de valores diferentes que se puede generar como nmeros aleatorios.
A manera de ilustracin, suponga que m=8, a=5, c=7 y Xo=4. En la siguiente
tabla se calcul la sucesin de nmeros aleatorios que se tuvo (esta sucesin
no puede continuar, puesto que solo se repetiran los nmeros en el mismo
orden). Obsrvese que sta sucesin incluye los ocho nmeros posibles una
sola vez. sta propiedad es necesaria para una sucesin de nmeros aleatorios
enteros, pero no ocurre con algunos valores de a y c.
Ho: ri~U(0,1)
H1: ri no son uniformes
El estadstico
=6.2 es menor al estadstico
correspondiente de la chi- cuadrada
.
=16.9. En
consecuencia, no se puede rechazar que los nmeros ri siguen una distribucin
uniforme.
Prueba de Kolmogorov-Smirnov
Propuesta por Kolmogorov-Smirnov, esta es una prueba estadstica que
tambin nos sirve para determinar si un conjunto ri cumple la propiedad de
uniformidad. Es recomendable aplicarla en conjuntos ri pequeos, por ejemplo
n<20. El procedimiento es el siguiente:
D= mx. (D+,D-)
3. Determinar el valor critico de acuerdo con la tabla de valores crticos de
Kolmogorov para un grado de confianza , y segn el tamao de la muestra n.
4. Si el valor D es mayor que el valor critico
Se concluye que los nmeros del conjunto ri no siguen una distribucin
uniforme; de lo contrario se dice que no se ha detectado diferencia significativa
entre la distribucin de los nmeros del conjunto ri y la distribucin uniforme.
10
i/n
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
ri
i-1/n
0.03 0.11 0.13 0.21 0.26 0.65 0.69 0.89 0.97 0.98
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
i/n-ri
0.07 0.09 0.17 0.19 0.24 -0.05 0.01 -0.09 -0.07 0.02
ri- (i1)/n
0.03 0.01 -0.07 -0.09 -0.14 0.15 0.09 0.19 0.17 0.08
10
D+
0.24
D-
0.19
0.24
Pruebas de aleatoriedad
Prueba de corridas arriba y abajo
Pruebas de independencia
Las dos propiedades ms importantes que deben satisfacer los nmeros de un
conjunto ri son uniformidad e independencia. A continuacin hablaremos de las
pruebas estadsticas que tratan de corroborar si los nmeros en el intervalo
(0,1) son independientes o, en otras palabras, si parecen pseudo aleatorios.
Para probar la independencia de los nmeros de un conjunto ri primero es
preciso formular las siguientes hiptesis:
Prueba Pker
= 2.567522 es menor
Ejemplos:
ri = 0.69651 un par (1P)
ri = 0.13031 dos pares (2P)
ri = 0.98898 una tercia y un par (P)
Donde:
Ei = Frecuencia esperada de nmeros ri en cada categora
m = Cantidad de categoras o clases en las que se clasificaron los nmeros ri
Oi = Frecuencia observada
Si X20 es menor que X2,m-1 se acepta H0, o sea, que los nmeros del
conjunto ri son independientes. En caso contrario la independencia de los
nmeros del conjunto ri se rechaza.
Ejemplo:
Realizar la prueba pker, con un nivel de aceptacin de 95%, a los siguientes
30 nmeros entre cero y uno, con cinco decimales.
Primero clasificamos cada nmero del conjunto ri, asignndole las claves que
se mencionaron antes.
El estadstico
es mayor que el estadstico correspondiente de la Chi-cuadrada:
En consecuencia, se rechaza que los nmeros del conjunto ri son
independientes.
se
mejoraron
Es de notar que es imposible alcanzar una elevada exactitud, por eso el Mtodo
Monte Carlo resulta especialmente eficaz en la solucin de problemas en los
que se necesita conocer los resultados con una exactitud del 5 al 10%
(intervalo de confianza 95%, 97,5%). La exactitud de los resultados se puede
mejorar con tcnicas de reduccin de varianza, sin tener que aumentar el
volumen de trabajo (N).
y hacemos que alguien con los ojos vendados tire dardos a la tabla.
Los dardos van a perforar la tabla en N puntos aleatorios. Cmo podemos
estimar el rea del cuadrado S a partir de esos puntos?
Nos fijamos cuntos puntos estn dentro de S (sean N'); supongamos que
N'=5, siendo N=40. Entonces la estimacin del rea de S est dada por
N'/N=5/40=1/8=0,125, siendo el valor exacto en este dibujo 0,3*0,3=0,09.
Clculo de
Veremos, a modo de ejemplo, como calcular una aproximacin del valor ,
mediante el mtodo MonteCarlo (este problema tiene soluciones eficientes en
forma analtica o numrica).
Justificacin terica
Sea X una v.a. con esperanza E(X) = m y varianza Var(X) = s. Tomo una
sucesin de n v.a. Xi independientes y con igual distribucin , siendo E(Xi) = m
y Var(Xi) = s.
Por el teorema Central del Lmite la v.a. Z = X1 + X2 + X3 + .... + Xn se
aproxima (y es asintticamente igual) a una v.a. con distribucin normal N(nm,
ns).
Aplicando la "regla de las 3s", tenemos que para una v.a. Y de distribucin N(a,
s):
,
sabiendo que con probabilidad muy cercana a 1, el error de este promedio est
acotado por la cifra 3s/ N. Esto sugiere que para que el mtodo tenga un
buen resultado N debe ser grande y s pequea, por lo que es importante saber
cual es el valor de la varianza obtenida, con ello sabemos cul es la dispersin
de las muestras obtenidas.
La varianza s2 se estima con el siguiente clculo:
independientes y que por lo tanto estamos dentro de las hiptesis del teorema
central del lmite.