Generacin De Nmeros Aleatorios

2.1 Nmeros Aleatorios: Definicin, Propiedades, Generadores Y

Tablas
Los nmeros aleatorios son elementos que se emplean dentro del proceso de
simulacin, con el propsito de evaluar el grado de respuesta de un sistema a los
eventos fortuitos o de baja predictibilidad.
Un problema bsico que nos encontramos habitualmente es el de obtener
secuencias de nmeros uniformemente distribuidos en un intervalo [0,1].
Los sistemas reales frecuentemente tienen valores de tiempo y cantidades que
varan dentro de un rango y de acuerdo a una funcin especfica de densidad,
definida por una distribucin de probabilidad. Cada vez que generamos un valor a
partir de una distribucin, a ese valor se le llama variable aleatoria. Para generar
variables aleatorias, es necesario utilizar nmeros aleatorios.
Definicin:
Un nmero aleatorio es aqul que es generado a partir de la distribucin Uniforme
U(0,1).
Las principales ventajas de los generadores de nmeros aleatorios son:

Rapidez
Comodidad
Reproducibilidad
Portabilidad

Propiedades y generadores de nmeros aleatorios.

Su generacin se basa en el uso de mecanismos fsicos. Entre las distintas
propuestas se incluyen el recuento de partculas emitidas por una
explosin, el lanzamiento de monedas, aparatos mecnicos basadas en
ruedas de la fortuna, etc.
Tienen el inconveniente de ser generados lentamente. Adems, los
nmeros aleatorios no pueden almacenarse de forma automtica. Por tanto,

se deben buscar procedimientos algortmicos computacionales que generen

nmeros aleatorios de forma muy rpida y los puedan almacenar sin utilizar
mucha capacidad de memoria.
Una de las caractersticas ms poderosas de la simulacin es la habilidad
de imitar el comportamiento aleatorio que es caracterstico de la mayora de
los sistemas reales. Para poder imitar este comportamiento aleatorio la
simulacin necesita utilizar un generador de nmeros aleatorios, el cual es
responsable de producir un ciclo grandsimo e independiente de nmeros
aleatorios.
Hay que aclarar que los nmeros U(0,1) producidos por un generador de
nmeros aleatorios (algoritmo computacional) no son aleatorios en el
verdadero sentido de la palabra, ya que el generador puede reproducir la
misma secuencia de nmeros una y otra vez, lo cual no indica un
comportamiento aleatorio. Por esta razn, a los nmeros U(0,1) producidos
por un generador (algoritmo) se les llama pseudoaleatorios.
Generadores
Un Generador de nmeros aleatorios es un componente o funcionalidad que crea
nmeros o smbolos para un programa software en una forma que carezca de un
patrn evidente, y que as parezcan ser nmeros aleatorios.
La mayor parte de los generadores de nmeros aleatorios son, en realidad,
pseudoaleatorios: se calcula (o introduce internamente) un valor X0, que
llamaremos semilla, y, a partir de l, se van generando X1, X2, X3,...
Siempre que se parta de la misma semilla, se obtendr la misma secuencia de
valores.
El algoritmo bsico es el mtodo congruencial que genera valores en el intervalo
[0,1).

Tablas

Es un conjunto de cifras entre 0 y 9 cuyo orden no obedece ninguna regla de

formacin, ellas se pueden leer individualmente o en grupos y en cualquier orden,
en columnas hacia abajo, columnas hacia arriba, en fila, diagonalmente, si se
desea formar nmeros aleatorios en un determinado rango, basta con calcular la
proporcin, otra forma de usarlo es sumando dos nmeros tomados de alguna
posicin o multiplicarlos.
Para ser presentadas estas cifras se agrupan en nmeros de 4 dgitos, formando
bloques de 5 filas y 10 columnas facilitando de esta forma su lectura que puede
iniciarse desde cualquier parte de la tabla.
Una tabla de nmeros aleatorios es til para seleccionar al azar los individuos de
una poblacin conocida que deben formar parte de una muestra.

2.2 Propiedades De Los Nmeros Pseudoaleatorios

Un nmero pseudo-aleatorio es un nmero generado en un proceso que parece

producir nmeros al azar, pero no lo hace realmente.
Las secuencias de nmeros pseudo-aleatorios no muestran ningn patrn o
regularidades aparentes desde un punto de vista estadstico, generadas por un
algoritmo completamente determinista, en el que las mismas condiciones inciales
producen siempre el mismo resultado.
Los mecanismos de generacin de nmeros aleatorios que se utilizan en la
mayora de los sistemas informticos son en realidad procesos pseudo-aleatorios.
Una Sucesin de nmeros pseudoaleatorios es una sucesin de nmeros que ha
sido obtenida mediante un proceso aritmtico definido, pero que es una secuencia
de nmeros aleatorios efectiva para el propsito para el que se la requiere.
Si bien una sucesin de nmeros pseudoaleatorios parece generalmente no
obedecer a ningn patrn o ley de formacin, todo generador de nmeros
pseudoaleatorios con un estado interior finito, se repetir luego de una larga
sucesin de nmeros.
Un nmero pseudoaleatorio es un nmero U(0,1) producido por un algoritmo
matemtico.

Propiedades de los nmeros pseudoaleatorios

Es deseable que los nmeros pseudoaleatorios uniformes posean las siguientes
caractersticas:
1.

Uniformemente distribuidos.

2.

Estadsticamente independientes.

3.

Reproducibles.

4.

Periodo largo.

5.

Generados mediante un mtodo rpido.

6.

Generados mediante un mtodo que no requiera mucha capacidad de

almacenamiento de la computadora.

7. Generar un conjunto de nmeros pseudoaleatorios es una tarea

relativamente sencilla, para ello, el lector slo tiene que disear su propio
algoritmo de generacin. Lo que resulta difcil es disear un algoritmo que
genere un conjunto de nmeros pseudoaleatorios con periodo de vida
suficientemente grande (N) y adems pase sin problema las pruebas de
uniformidad e independencia, lo cual implica evitar problemas como stos:
Que los nmeros del conjunto no estn uniformemente distribuidos, es
decir, que haya demasiados nmeros en un subintervalo y otro muy pocos o
ninguno.
Que los nmeros pseudoaleatorios sean discretos en lugar de continuos.
Que la media del conjunto sea muy alta o muy baja, es decir, que est por
arriba o por debajo de .
Que la varianza del conjunto sea muy alta o muy baja, es decir, que se
localice por arriba o por debajo de 1/12.
8. En

ocasiones

se

presentan

tambin

anomalas

como

nmeros

pseudoaleatorios seguidos por arriba o por debajo de la media; secuencia

de nmeros por arriba de la media, seguida por una secuencia por debajo
de la media, y viceversa, o varios nmeros seguidos en forma ascendente o
descendente.
9. Existen varios mtodos para generar nmeros pseudoaleatorios. A
continuacin se presentan los ms importantes.

Mtodos De Centros Al Cuadrado (Mtodo De Los Cuadrados Medios)

10. Consiste en que cada nmero de una sucesin es producido tomando los
dgitos medios de un nmero obtenido mediante la elevacin al cuadrado.
11. P1: Obtener semilla
12. P2: Aplicacin de Algoritmos recursivos (elevar al cuadrado)
13. P3: Validacin del conjunto de datos generados

14. Desventaja del mtodo de centros al cuadrado: Tiene una fuerte

tendencia a degenerar rpidamente hacia cero, donde permanecer por
siempre.
15.

Mtodos De Congruencia

16. Una secuencia de nmeros enteros Z1, Z2, Z3. Es definido por la frmula
recursiva.
17. Zi = (a Zi-1 + b) (mod m)

m = modulo;
a= multiplicador
b = sesgo :
Zc = semilla o valor inicial

18. Todos enteros no negativos.

19. Adems 0 < m, a < m, b < m, Z0 < m.

Mtodo Congruencial Mixto Lineal

20. Los valores posibles de Xn+1 son 0, 1, 2,3,, m-1, m representa el nmero
posible de valores que pueden ser generados.
21. Reglas para la seleccin de parmetros en el mtodo congruencial
mixto lineal
22. En los ejemplos anteriores se colocaron de manera arbitraria cada uno de
los parmetros requeridos: X0, a, c, m. Sin embargo, para que el algoritmo
sea capaz de lograr el mximo periodo de vida n, es preciso que dichos
parmetros cumplan ciertas condiciones. Banks, Carson, Nelson y Nicol
sugieren lo siguiente:
23. m= 2g

26. C relativamente primo a m

24. a= 1 + 4k

27. G debe ser entero

25. K debe ser entero

28. Bajo estas condiciones se obtiene un periodo de vida mximo: N= m= 2 g.

29.

2.3 Pruebas estadsticas o de aleatoriedad para los

nmeros pseudoaleatorios
30. Los nmeros pseudoaleatorios
computadora no son

producidos mediante un programa de

aleatorios debido a que tales nmeros estn

completamente determinados por los datos inciales y tienen una precisin

limitada. Sin embargo, en la medida en que esos nmeros pseudoaleatorios
pasen determinadas pruebas estadsticas, pueden considerrseles como
verdaderos nmeros aleatorios. Las siguientes pruebas son de las ms
usadas para la comprobacin de la aleatoriedad.

De uniformidad (ch cuadrada, kolmogorov-Smimov)

31. Prueba de Kolmogorov-Smirnov Esta prueba sirve para verificar o negar la

hiptesis que un conjunto de observaciones provienen de una determinada
distribucin. La estadstica D que se utiliza en esta prueba es una medida
de la diferencia mxima observada entre la distribucin emprica (dada por
las observaciones) y la terica supuesta. La estadstica D es obviamente
una variable aleatoria. A continuacin se detalla cmo se utiliza esta prueba
para verificar o negar que un conjunto de nmeros pseudoaleatorios tenga
una distribucin uniforme en el intervalo cerrado [0, 1].

De aleatoriedad (corridas arriba y debajo de la media y longitud de

corridas)

32. Aqu se encuentran los resultados de una encuesta con una serie de
cuestiones sobre lo que ocurrira jugando al ajedrez de forma aleatoria, as
como los resultados obtenidos de una simulacin mediante PC (Mtodo de
Monte Carlo) de sta misma cuestin. Las respuestas a la encuesta se
obtuvieron a travs de Internet y de un BBS local. Las lneas marcadas con
dos asteriscos son las respuestas verdaderas de acuerdo con los
resultados de la simulacin.

33.
34.

De independencia (Auto correlacin, prueba de huecos, prueba del

pquer, prueba de Yule)

35. La prueba Pquer, prueba grupos de nmeros juntos como una mano de
pker y compara cada mano con la mano esperada usando la prueba Chicuadrada. La prueba de corrida arriba abajo es generalmente. La prueba
POKER se utiliza para analizar la frecuencia con la que se repiten los
dgitos en nmeros aleatorios individuales. Para determinar si los nmeros
aleatorios

generados

cumplen

(uniformidad e independencia).

36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.

con

las

propiedades

especificadas

50.
51.
52.

2.4 Obtencin De Los Nmeros Pseudoaleatorios

Utilizando Paquetes Computacionales

53. Un generador pseudoaleatorio de nmeros (GPAN) es un algoritmo que
produce una sucesin de nmeros que es una muy buena aproximacin a
un conjunto

aleatorio

exactamente aleatoria en

de
el

nmeros.
sentido

de

La
que

sucesin
queda

no

es

completamente

determinada por un conjunto relativamente pequeo de valores iniciales,

llamados el estado del GPAN. Si bien es posible generar sucesiones
mediante generadores

de

nmeros

aleatorios

por

dispositivos

mecnicos que son mejores aproximaciones a una sucesin aleatoria, los

nmeros pseudo-aleatorios son

importantes

en

la

prctica

para

simulaciones (por ejemplo, de sistemas fsicos mediante el mtodo de

Montecarlo), y desempean un papel central en la criptografa.
54. La mayora de los algoritmos de generadores pseudoaleatorios producen
sucesiones que poseen una distribucin uniforme segn varios tipos de
pruebas. Las clases ms comunes de estos algoritmos son generadores
lineales congruentes, generadores Fibonacci demorados, desplazamiento
de registros con retroalimentacin lineal y desplazamientos de registros con
retroalimentacin generalizada. Entre los desarrollos ms recientes de
algoritmos pseudoaleatorios se encuentran Blum Blum Shub, Fortuna, y
el Mersenne twister.
55. Se requiere de un cuidadoso anlisis matemtico para tener algn tipo de
confianza en que un dado GPAN genera nmeros que son suficientemente
"aleatorios" para ser tiles para el propsito para el que se los
precisa. Robert R. Coveyou del Oak Ridge National Laboratory escribi un
artculo titulado, "La generacin de nmeros aleatorios es demasiado
importante como para ser dejado al azar."1

56. Problemas de los generadores determinsticos

57. En la prctica, los resultados de muchos GPAN presentan artefactos
matemticos que hacen que los mismos fallen en pruebas de deteccin de
parmetros estadsticos.
58.
59. Entre estos se incluyen:
Perodos ms cortos que lo esperado para algunos estados semilla; en este

contexto dichos estados semilla pueden ser llamados 'dbiles'

Falta de uniformidad de la distribucin
Correlacin de valores sucesivos
Pobre distribucin dimensional de la sucesin resultado
Las distancias entre la ocurrencia de ciertos valores estn distribuidas de

manera distinta que la que corresponde a una sucesin aleatoria

Algunas secuencias de bits son 'ms aleatorias' que otras
60. Los defectos que son exhibidos por los GPAN van desde un rango de lo
imperceptible hasta lo absolutamente obvio. El algoritmo de nmeros
aleatorios RANDU utilizado por dcadas en grandes computadoras tipo
mainframe posea serias deficiencias, y como consecuencia mucho del
trabajo de investigacin producido en ese perodo es menos confiable de lo
que podra haber sido.
61.
62. Un Generador

de

nmeros

pseudo-aleatorios

criptogrficamente

seguro (CSPRNG, del ingls Cryptographically Secure PseudoRandom

Number

Generator)

es

un Generador

de

nmeros

pseudo-

aleatorios (PRNG) con caractersticas que lo hacen adecuado para su uso

en criptografa.
63. Muchos aspectos de la criptografa requieren nmeros aleatorios, por
ejemplo:

Generacin de claves

Nonces

Salts en ciertos esquemas de firmas, incluyendo ECDSA, RSASSA-PSS.

Libretas de un solo uso

64.
65.
66.

67.

2.5 Mtodo de Monte Carlo

68. El mtodo de Monte Carlo es un mtodo no determinstico o estadstico

numrico usado para aproximar expresiones matemticas complejas y
costosas de evaluar con exactitud. El mtodo se llam as en referencia al
Casino de Montecarlo (Principado de Mnaco) por ser la capital del juego
de azar, al ser la ruleta un generador simple de nmeros aleatorios. El
nombre y el desarrollo sistemtico de los mtodos de Monte Carlo datan
aproximadamente de 1944 y se mejoraron enormemente con el desarrollo
de la computadora.
69. El uso de los mtodos de Monte Carlo como herramienta de investigacin,
proviene del trabajo realizado en el desarrollo de la bomba atmica durante
la segunda guerra mundial en el Laboratorio Nacional de Los lamos en
EE.UU. Este trabajo conllevaba la simulacin de problemas probabilsticos
de hidrodinmica concernientes a la difusin de neutrones en el material de
fusin, la cual posee un comportamiento eminentemente aleatorio. En la
actualidad es parte fundamental de los algoritmos de trazado de rayos para
la generacin de imgenes sintticas.
70. La simulacin de Montecarlo es un mtodo especialmente til para analizar
situaciones que involucran riesgo con el propsito de obtener respuestas
aproximadas cuando el realizar un experimento fsico o el aplicar mtodos
analticos no es posible o resulta muy difcil o costoso.

71. La simulacin de Montecarlo hace referencia a experimentos que involucran

el uso de nmeros pseudoaleatorios. El requisito clave de esta tcnica es
que los resultados de todas las variables de inters deben ser
seleccionados aleatoriamente.
72. La simulacin de Montecarlo ha tenido una gran aceptacin en la vida real
debido al poder analtico que presenta sin la necesidad de matemticas
complejas.
73. Aplicaciones

Sistemas de computacin:

redes de ordenadores, componentes,

programacin, bases de datos, fiabilidad. Fabricacin: manejo de

materiales, lneas de montaje, equipos de almacenamiento, control de

inventario, mantenimiento, distribucin en planta, diseo de mquinas.

Negocios: anlisis de existencias, poltica de precios, estrategias de
marketing, estudios de adquisicin, anlisis de flujo de caja, prediccin,

alternativas del transporte, planificacin de mano de obra.

Gobierno: armamento y su uso, tcticas militares, prediccin de la
poblacin, uso del suelo, prevencin de incendios, servicios de polica,

justicia criminal, diseo de vas de comunicacin, servicios sanitarios.

Ecologa y medio ambiente: contaminacin y purificacin del agua, control
de residuos, contaminacin del aire, control de plagas, prediccin del
tiempo, anlisis de sesmos y tormentas, exploracin y explotacin de

minerales, sistemas de energa solar, explotacin de cultivos.

Sociedad y comportamiento: estudios de alimentacin de la poblacin,
polticas educativas, estructuras organizativas , anlisis de sistemas
sociales, sistemas de asistencia social, administracin universitaria.

74.
75.
76.
77.

78.
79.
80.
81.
82.
83.
84.
85.

86.

Bibliografas
87.

http://simulacion-itstb.blogspot.mx/p/unidad-dosnumeros-aleatorios-y.html
Law, A. M. and W. D. Kelton, Simulation Modeling and
Analysis, Second Edition, McGraw-Hill, New
88.
York (1991).
Simulacin De Eventos, - Alejandro Salazar Guerrero
89.
https://cursos.aiu.edu/Simulacion%20de
%20Eventos/PDF/Tema%201.pdf
90.
http://itpn.mx/recursosisc/5semestre/simulacion/Unidad
%20II.pdf