REPBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA

VICERRECTORADO ACADMICO
COORDINACIN GENERAL DE PREGRADO
PROYECTO DE CARRERA: INGENIERA INFORMTICA
ASIGNACIN N 2

Nmeros Aleatorios y Simulacin

PROFESOR:
Ing. Aldo Valenzuela

INTEGRANTES:
Martnez, Angelica C.I 22.822.827
Ortega, Arymir C.I 21.009.069

PUERTO ORDAZ, ENERO DE 2017

NDICE
Pg.
INTRODUCCIN..............................................................................................1

INTRODUCCIN
Los nmeros aleatorios son aquellos nmeros obtenidos al azar,
donde cualquier nmero tiene la misma probabilidad de ser elegido y su
eleccin no depende de cualquier condicin. Generar un nmero aleatorio es
algo muy habitual y necesario en lo que respecta a la informtica, ya que
abarca muchas reas y en diferentes situaciones representa de gran utilidad.
El medio donde nos desenvolvemos es aleatorio al igual que nuestro
comportamiento, cuando se necesita una impredecibilidad en determinados
datos, se recurren a los nmeros aleatorios, para predecir un fenmeno
climatolgico o el comportamiento un grupo de personas, podemos inferir a
partir de datos estadsticos utilizando herramientas que funcionen de manera
aleatoria.
Los nmeros aleatorios surgen en la dcada de los cuarenta con el
nacimiento del mtodo llamado Simulacin de Montecarlo, y Von Neumann,
Metropolis, Ulam y Lehmer. Pueden ser generados mediante mtodos
manuales, tablas, mtodos analgicos y digitales,
Los generadores de nmeros aleatorios son procedimientos o rutinas
utilizadas para generar una secuencia de nmeros, donde los diferentes
lenguajes de programacin poseen funciones de bibliotecas para nmeros
aleatorios.
En 1951 D.H. Lehmer propuso el generador lineal de congruencia, el
cual, con pequeas modificaciones propuestas por Thomson y Rotenberg, se
ha convertido en el mtodo para la generacin de nmeros aleatorios ms
ampliamente usado en la actualidad.

NMEROS ALEATORIOS
Definicin de nmeros aleatorios
Clav (2011) define como numero aleatorio aquel resultado que es
impredecible o fruto del azar. No es posible llegar hasta l siguiendo una
secuencia (p. 6).
Lehmer D (citado por el Instituto Tecnolgico de Ciudad Victoria,
2012), proporcion la siguiente definicin para nmeros aleatorios:
Una secuencia aleatoria es una nocin difusa... en la que cada trmino
es impredecible para el no iniciado y cuyos dgitos deben pasar una serie de
pruebas tradicionales para los estadsticos. (p. 1).
Cuevas (2016) explica que
Los nmeros aleatorios son nmeros que deben de cumplir los
requisitos de espacio equiprobable, es decir, que todo elemento tenga la
misma probabilidad de ser elegido y que la eleccin de uno no dependa de la
eleccin del otro. Son generados por medio de una funcin determinista (no
aleatoria) y que aparentan ser aleatorios (p. 1).
Caractersticas de los nmeros aleatorios
1. Son un elemento bsico en la simulacin de la mayora de los
sistemas discretos.
2. Cada nmero aleatorio es una muestra independiente de una
distribucin uniforme y continua en el intervalo (0,1).
3. Tiene igual probabilidad de ser elegido.
4. Se generan por tablas (Rand 1955), o por dispositivos especiales:
ruleta.

5. Los valores generados deben ser independientes unos de otros, es

decir, que la obtencin de cierto valor no est condicionada por los
valores obtenidos anteriormente.
Ejemplos
Lanzamientos de monedas, dados.
Baraja.
Juegos de azar.
Definicin de Generadores de nmeros aleatorios
Mancilla (2000) Los generadores de nmeros aleatorios son
procedimientos o rutinas utilizadas para generar una secuencia de nmeros
de naturaleza aleatoria. Para ello disponen de algoritmos determinsticos,
que son implementados como funciones de biblioteca (Rnd, Random, Rand,
Randomize, etc.), en los distintos lenguajes de programacin existentes, de
manera que cualquier usuario pueda utilizar estos en sus aplicaciones o
programas. (p. 53)
Clasificacin de Generadores de nmeros aleatorios
Salmern y Morales (2001) clasifican los mtodos de generacin de
nmeros aleatorios en cuatro grupos: Mtodos manuales, tablas, analgicos
y digitales (p. 18).
Mtodos manuales
Salmern y Morales (2001) explican que Cuando los investigadores
comenzaron a necesitar nmeros aleatorios en sus trabajos, recurrieron a
mtodos como el lanzamiento de dados, monedas, extraccin de cartas.

Cuevas (2016) seala que los mtodos manuales son Dispositivos

mecnicos o electrnicos, lanzamientos de monedas o dados, empleo de
barajas, ruletas. Son menos prcticos pero simples, lentos, atractivos,
pedaggico. Pero no pueden reproducirse.
Tablas
Son nmeros aleatorios que se han publicado, Salmern y Morales
(2001) En 1927, L.H.C. Tippett publico la primera tabla con 40.000 nmeros
aleatorios obtenida aleatoriamente a partir del censo. Desde entonces fueron
sucedindose distintos dispositivos de generacin de nmeros aleatorios; el
primero de ellos, diseado por M.G. Kendall y B. Babington-Smith en 1939,
construyo una secuencia de 100.000 nmeros aleatorios.
Universidad de Talca (s/f) dice que una tabla de nmeros aleatorios es
una lista de dgitos 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 y tiene las siguientes
propiedades: 1. Cualquier dgito en cualquier posicin de la tabla tiene la
misma probabilidad de ser 0, 1,..., 9. 2. Los dgitos en posiciones diferentes
son independientes, en el sentido de que el conocimiento de algunos
nmeros de la tabla no da informacin acerca de otros nmeros de la tabla.
(p. 5).
Mtodos de computacin analgica
Cuevas (2016) Dependen de procesos fsicos aleatorios, por ejemplo:
el ruido trmico de un circuito con semiconductores que, convertido en un
nmero binario, representa un valor numrico aleatorio. Se considera que
conducen a verdaderos nmeros aleatorios.

Mtodos de computacin digital

Cuevas (2016) Se han sugerido tres mtodos para producir nmeros
aleatorios cuando se usan computadoras digitales; provisin externa,
generacin interna, relacin de recurrencia.
Salmern y Morales (2001) Los mtodos digitales son algoritmos
numricos que producen secuencias de nmeros X1; : : : ;Xn con Xn+1 =
f(Xn) El primer mtodo de generacin de nmeros aleatorios en ordenador
fue el llamado Mtodo del Centro de los Cuadrados, propuesto por John Von
Neumann en 1946. Este mtodo consiste en tomar un numero
aleatoriamente y generar la secuencia elevando al cuadrado las cifras
centrales del nmero predecesor.
Comparativa de mtodos de generacin Cuevas, R. (2016).

MTODOS

VENTAJAS

DESVENTAJAS
Lentos, simples y pocos

Manuales

Fcil generacin

Tablas

Fcil implementacin

prcticos
Lentos y no reproducibles

Comp Analgica

Rpidos verdaderos

No reproducibles

Comp Digital

Rpidos

No son verdaderos

Tipos de Generadores de nmeros aleatorios

Algoritmos determinsticos para generar los ri, se encuentran:
Algoritmo de cuadrados medios

Este algoritmo no congruencial fue propuesto en la dcada de los

cuarenta del siglo XX por Von Neumann y Metropolis.
Requiere un numero entero detonador (llamado semilla) con D dgitos,
el cual es elevado al cuadrado para seleccionar del resultado los D dgitos
del centro; el primer nmero ri se determina simplemente anteponiendo el 0.
Para obtener el segundo ri se sigue el mismo procedimiento, solo que
ahora se elevan al cuadrado los D dgitos del centro que se seleccionaron
para obtener el primer ri. Este mtodo se repite hasta obtener n nmeros r i.
1. Seleccionar una semilla (X0) con D dgitos (D>3).
2. Sea Y0= resultado X0 al cuadrado; sea Xi= los D dgitos del centro, y
sea ri=0. D dgitos del centro.
3. Sea Y1=resultado de elevar Xi al cuadrado; sea Xi+1=los D dgitos del
centro, y sea ri=0. D dgitos del centro para toda i=1,2, 3, n.
4. Repetir el paso 3 hasta obtener los n nmeros ri deseados.
Algoritmo de productos medios
Requiere de dos semillas, ambas con D dgitos, las semillas se
multiplican y del producto se seleccionan los D dgitos del centro, los cuales
formaran el primer nmero pseudoaleatorio r i=0 D dgitos.
Despus se elimina la semilla, y la otra se multiplica por el primer nmero
de D dgitos, para luego seleccionar del producto los D dgitos que
conformaran un segundo nmero ri.
Entonces se elimina la segunda semilla y se multiplican el primer nmero
de D dgitos por el segundo nmero de D dgitos; del producto se obtiene el
tercer nmero ri. Siempre se ira eliminando el nmero ms antiguo, y el
procedimiento se repetir hasta generar los n nmeros pseudoaleatorio,
1. Seleccionar una semilla X0 con D dgitos (D>3)

2. Seleccionar una semilla(X1) con D dgitos (D>3)

3. Sea Y0=X0*X1; sea X2= los D dgitos del centro, y sea ri=0 D dgitos del
centro.
4. Sea Y1=X1*Xj+1; sea Xj+2= los D dgitos del centro, y sea rj+i=0 D dgitos
del centro para toda i=1,2, 3, n.
5. Repetir el paso 4 hasta obtener los n nmeros ri deseados.
Algoritmo multiplicativo constante
1. Seleccionar una semilla(X0) con D dgitos (D>3)
2. Seleccionar una constante(a) con D dgitos (D>3)
3. Sea Y0=a*X0; sea X1 = los D dgitos del centro, y sea r1=0 D dgitos del
centro
4. Sea Y1=a*X1; sea Xj+1= los D dgitos del centro, y sea ri+1=0 D dgitos
del centro para toda i=1,2, 3, n.
5. Repetir el paso 4 hasta obtener los n nmeros ri deseados.
Algoritmo lineal
Propuesto por D.H. Lehmer en 1951. El algoritmo congruencial lineal genera
una secuencia de nmeros enteros por medio de una ecuacin recursiva.
X i +1=( ax i+ c ) mod ( m) i=0,1,2,3, , n
Donde X0 es la seala, a es la contante multiplicativa, c una constante
aditiva y m es un mdulo x0>0,a>0,c>0 y m>0 deben ser numero enteros.
La ecuacin recursiva genera un secuencia de nmeros enteros S =
{0,1,2, 3,, m-1} para obtener nmeros pseudoaleatorios en el intervalo (0,1)
se requiere la siguiente ecuacin.

r i=

Xi
i=0,1,2,3, , n
m1

Algoritmo congruencial multiplicativo

El algoritmo congruencial multiplicativo surge del algoritmo congruencial
lineal cuando c=0.
aX
( i) mod ( m ) i=0,1,2,3,.. , n
X j+1=
Los parmetros de arranque de este algoritmo son X 0, a y m, los cuales
deben ser nmeros enteros y mayores que cero.
Para transformar los nmeros X1 en el intervalo (0,1) se usa la educacin
r i=

xi
( m1)

Para que el algoritmo congruencial multiplicativo alcance su mximo periodo

N, son:
m=2g
a=3+8k o a=5+8k
K=0,1,2,3
X0= debe ser un nmero impar
G deber ser entero
A partir de estas condiciones se logra un periodo de vida mximo
k
g 2
N= =2
4

Algoritmo congruencial aditivo

Este algoritmo requiere una secuencia previa de n nmeros enteros

X1,X2,X3,X4,,X0 para generar una nueva secuencia de nmeros enteros que
empieza en Xn+1,Xn+2,Xn+3,Xn+4,.
i= ( X i +1+ X in ) mod ( m ) i=n+1, n+ 2, n+ 3, N
X

Los nmeros ri pueden ser generados mediante la ecuacin

r i=

xi
m1

Algoritmo congruencial cuadrtico

Este algoritmo tiene la siguiente ecuacin recursiva:
X i +1=( aX 2i + bX i+ c ) mod ( m ) i=0,1,2,3,. . N
En este caso, los nmeros ri pueden ser generados con la ecuacin
r i=

xi
m1

Las condiciones que deben cumplir los parmetros m, a, b y c para alcanzar

un periodo mximo de N=m son:
M =2g
A deber ser un nmero par
C deber ser un nmero impar
G deber ser entero
(b-1) mod 4 =1

Otros generadores:

Generador Shift-Register
Este generador viene dado de la forma:
ai X n +i
k1

(mod 2)
i=0

X n +k =

En donde los Xn s y los ai s son tanto 0 o 1, el mximo perodo viene

dado por 2k-1.
Existen dos formas para generar nmeros aleatorios enteros a partir
de la ecuacin anterior.
La primera, conocida como el mtodo multi-step, toma n sucesivos bits
de la ecuacin para formar un entero den bits, entonces, n bits adicionales
son generados para crear el prximo entero.
El segundo, llamado el feedback Shift-Register, crea un nuevo entero
pseudoaleatorio para cada iteracin de la ecuacin. Es decir, construye el
nmero entero con el bit generado y los n-1 bits generados anteriormente;
por lo tanto, un nuevo nmero aleatorio es generado por cada bit generado.
Generador Lagged- Fibonnaci
En los ltimos aos se ha convertido en un generador muy popular
para mquinas tanto de procesamiento serial como paralelo. Su nombre se
deriva de su familiaridad con la serie de Fibonacci. Este generador intenta
improvisar el generador de congruencia lineal utilizando un valor adicional
para reducir las correlaciones e incrementar el perodo:
X n =( X n j X nk ) mod ( M ) , j<k , M =2m

10

En donde

es cualquier operador aritmtico binario (+,-,*, etc.). El

mximo perodo entregado por este generador es:

pueden generar

2
( m1)
( 2k1 )

( 2k 1 ) 2m 1 , adems se

ciclos diferentes de perodo mximo.

Una de las ventajas de este generador consiste en que puede ser

implementado directamente con nmeros de punto flotante, y evitar la
conversin de enteros a punto flotante que acompaa a otros generadores.
Para la implementacin de este generador es necesario almacenar
una tabla con los previos k nmeros en la secuencia -es una desventaja en
comparacin con el Mtodo de Congruencia Lineal-, los cuales son
actualizados de manera circular a medida que el proceso es realizado. Se ha
de notar que el perodo puede ser incrementado a medida que el valor de k
se incrementa.
Generador de Congruencia Inversa
El mtodo de la Congruencia Inversa, el cual viene dado por:
X n a X n1 +b (mod m)

Donde

denota el inverso multiplicativo, es decir,

x . x =1 , donde

x 0 y 0=0
Eichenauer y Lehn (1986) mostraron que:
El perodo mximo es m. Si

X 2bXa es un polinomio primitivo,

entonces el generador devuelve una secuencia de periodo mximo.

(Polinomio primitivo en este caso quiere decir que a y b pertenecen al
conjunto de los nmeros primos).

11

La escogencia de los parmetros iniciales es una de las principales

ventajas del mtodo, ya que no implica gran proceso. Una de las desventajas
es que el costo de realizar el proceso del inverso modular es
considerablemente alto en comparacin con el Mtodo de Congruencia
Lineal.

Generador de Congruencia Lineal Combinada

Existe un mtodo importante para la generacin de nmeros
aleatorios: tomar la salida de dos generadores diferentes bsicos para crear
una nueva secuencia aleatoria, como sigue:
X i= ( A 1 X i1+C 1 ) mod M 1
Y i=( A 2 Y i1 +C2 ) mod M 2
Z n =X n Y n
( M 1 , M 2)
Z i= ( X i +Y i ) mod max
Donde X y Y son secuencias de dos generadores de congruencia
lineal independientes. Si el ciclo de los dos generadores independientes son
nmeros primos, implica que el ciclo del nuevo generador ser la
multiplicacin de los perodos.
Pruebas para generadores de nmeros, descripcin y uso.
Pruebas de uniformidad
Una de las propiedades ms importantes que debe cumplir un
conjunto de nmeros ri es la uniformidad. Para comprobar su acatamiento se
utilizan pruebas Chi-cuadrada y de Kolmogorov-Smirnov, para probar la
uniformidad de los nmeros de un conjunto r i es necesario formular las
siguientes hiptesis:
12

H 0 : r i U ( 0,1 )
H 1 :r i no son uniformes
Prueba ji-cuadrada de bondad de ajuste
El procedimiento de prueba requiere una muestra aleatoria de tamao
n proveniente de la poblacin cuya distribucin de probabilidad es
desconocida. Estas n observaciones se acomodan en un histograma de
frecuencia, el cual tiene k intervalos de clase. Sea O i la frecuencia observada
en le i-simo intervalo de clase. De la distribucin de probabilidad propuesta
se calcula la frecuencia esperada en el i-simo intervalo de clase, la cual se
denota por Ei. El estadstico de prueba es:
Ei
Oi

=
i=1

Puede demostrarse que, si la poblacin sigue la distribucin

propuesta,

20

tiene, de manera aproximada, una distribucin ji-cuadrada

con k -p - 1 grados de libertad, donde p representa el nmero de parmetros

de la distribucin propuesta estimada por los estadsticos muestrales. Esta
aproximacin mejora a medida que n aumenta. Debe rechazarse la hiptesis
de que la distribucin de la poblacin es la distribucin propuesta, si el valor
calculado del estadstico de prueba es

20 > 2a , k p1 .

13

Si estas frecuencias son muy pequeas, entonces el estadstico de

prueba

20

no reflejar el alejamiento entre lo observado y lo esperado.

No hay ningn acuerdo general con respecto al valor mnimo de las

frecuencias esperadas, pero los valores 3, 4 y 5 son los que ms se utilizan
como mnimos. Si se espera que una frecuencia sea demasiado pequea,
entonces puede combinarse con la frecuencia esperada en un intervalo de
clase adyacente. Las frecuencias observadas correspondientes tambin se
combinan, por lo que k debe disminuirse en uno. No es necesario que los
intervalos de clase tengan el mismo ancho. walpole
Ejemplo:
Suponga que el dado se lanza 120 veces y que se registra cada
resultado. Tericamente,
si el dado est balanceado, esperaramos que cada cara ocurriera 20
veces.
Cara
observadas
Esperadas

1
20
20

2
22
20

3
17
20

4
18
20

5
19
20

6
24
20

Definir el estadstico adecuado

Ei
Oi

X 2=
i=1

14

Realizar clculos para encontrar el valor de

2

(2020) (2220) (1720) (1820) (1920) (2420)

=
+
+
+
+
+
=1,7
20
20
20
20
20
20
2

En la tabla de chi-cuadrado, encontramos

2
0,05=11,070 para =5

grados de libertad.
Como 1,7 es menos que el valor crtico, no se rechaza la H 0,
concluimos que no hay suficiente evidencia de que el dado esta
desbalanceado.
Esta prueba se utiliza para probar qu tan bien una muestra de datos
categricos se ajusta a una distribucin terica.
Prueba de Kolmogorov-Smirnov promodel
Sirve para determinar si un conjunto r1 cumple la propiedad de
uniformidad. Es recomendable aplicarla en conjuntos r 1 pequeos, por
ejemplo, n < 20. El procedimiento es el siguiente:
1. ordenar de menor a mayor los nmeros del conjunto r1
r 1 r 2 r 3 r n
2. Determinar los valores de:

mx

+=

+ , D y D con las siguientes ecuaciones:

D

{ni n}

1 i n

15

mx

{n ni }

1 i n

+ , D
D
D=max
3. Determinar el valor critico

D ,n de acuerdo con la tabla de valores

crticos de Kolmogorov-Smirnov para un grado de confianza , y

segn el tamao de la muestra n.
4. Si el valor D es mayor que el valor critico

D ,n 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.
Ejemplo:
Con un nivel de confianza de 90%, al siguiente conjunto ri de 10
nmeros.
r i={0.97,0.11, 0.65,0.26, 0.98, 0.03,0.13, 0.89, 0.21,0.69 }
El nivel de confianza de 90% implica

=10 . Si se ordenan los

nmeros ri de menor a mayor la secuencia es:

0.03

0.11

0.13

0.21

0.26

Para determinar los valores de

0.65

0.69

0.89

0.97

0.98

y D

+ , D es recomendable realizar una

tabla como la.

16

10

i
n
ri
i1
n
i
r
n i
i1
r i
n
n
+
D
De acuerdo con la tabla de valores para la prueba KolmogorovSmirnov, el valor critico

D0.10,10

correspondiente a n=10 es

D 0.10,10=0.368,

que resulta mayor al valor D=0.24; por lo tanto, se concluye que los nmeros
del conjunto ri se distribuyen uniformente.
Pruebas de independencia
Prueba de pker
La prueba de pker examina en forma individual los dgitos del nmero
pseudoaleatorio generado. La forma como esta prueba se realiza es
tomando 5 dgitos a la vez y clasificndolos como: par, dos pares, tercia,
pker, quintilla, full y todos diferentes. Lo anterior significa que los nmeros
pseudoaleatorios generados son de 5 dgitos cada uno, o bien, en caso de
que el nmero tenga ms de 5 dgitos, solamente se consideran los primeros
5. Las probabilidades para cada una de las manos de pker posibles:
Categora
Todos diferentes

Probabilidad
0,30240

17

Un par
Dos pares
Tercia
Full
Pker
Quintilla

0,50400
0,10800
0,07200
0,00900
0,00450
0,00010

Con las probabilidades y el nmero de nmeros pseudoaleatorios

generados, se puede calcular la frecuencia esperada de cada posibles
resultado, la cual al compararse con la frecuencia observada produce el
estadstico:
FO

FE i
i

X 20 =
i=0

Si

X 0 < X ,6 , entonces no se puede rechazar la hiptesis de que los

nmeros pseudoaleatorios provienen de una distribucin uniforme. COSS

Ejemplo:
Con un nivel de aceptacin de 95%, a los siguientes 30 nmeros ente
cero y uno, con 5 decimales.
0,06141

0,72

Primero hay que clasificar cada nmero del conjunto Ri, asignndole
las categoras.

18

Categora

El estadstico

Oi

Ei

FO

FE i
i

(EiOi )2
Ei

es mayor que el estadstico correspondiente

X 20 =
i=0

de

X 20,05,6 =12,59 . En consecuencia, se rechaza que los nmeros del

conjunto ri son independientes.

Prueba de huecos
Para realizar para prueba es necesario seleccionar un intervalo (;),
el cual debe de estar contenido en el intervalo (0;1), es decir, 0 1.
En seguida, para cada nmero pseudoaleatorio generado se pregunta si es o
no elemento del intervalo (;). Si Uj (numero uniforme generado) es
elemento de (;), Uj+1 hasta Uj+i no son elementos de dicho intervalo y Uj+i+1
vuelve a ser elemento del intervalo (;), entonces se tiene un hueco de
tamao i.

19

Por ejemplo, si =.3 y =.5 y los nmeros pseudoaleatorios

generados son como sigue: 0.32415, 0.22257, 0.19147, 0.75103, 0.49383,
entonces el hueco es tamao 3.
Para el caso de considerar los nmeros pseudoaleatorios generador
como nmeros reales, la distribucin de probabilidad del tamao del hueco
es como sigue:
Pi=(1)i para i=1,2,3,
=

Donde

representa la probabilidad de caer en el intervalo

(;).
Al igual que en el inciso anterior, es conveniente agrupar las
probabilidades para valores de

i n . Tal agrupacin se obtiene con la

siguiente expresin:

Pi n= (1)

m +n

=(1)

m =0

Por ejemplo, si se consideran los nmeros pseudoaleatorios

presentados 0.400, 0.240, 0.144, 0.216.
, un valor n=3 y los valores de =.3 y =.7, entonces las frecuencias
observadas y esperadas para los diferentes tamaos de huecos serian como
aparecen. Para estas frecuencias el valor del estadstico

X 20 seria:

FO

FE i
i

X 20 =
i=0

20

X0=

(1116) (129,6) (115,76) (68,64)

+
+
+
=7,74
16
9,6
5,76
8,64

Si se especifica un valor arbitrario de =0.05, entonces

Puesto que

X 0.05,3 =7,81 .

X 20 < X 20.05,3 , entonces los nmeros pseudoaleatorios

presentados, pasan la prueba de la distancia. RAUL COSS

Pruebas de aleatoriedad
Prueba de rachas
Se basan en el orden en el que se obtienen las observaciones
muestrales, constituyen una tcnica til para probar la hiptesis nula H 0 de
que las observaciones en realidad se obtuvieron al azar. Una racha es una
subsecuencia de uno o ms smbolos idnticos que representan una
propiedad comn de los datos. walpole
Sin importar si las mediciones de la muestra representan datos
cualitativos o cuantitativos, la prueba de rachas divide los datos en dos
categoras mutuamente excluyentes: hombre o mujer, defectuoso o no
defectuoso, cara o cruz, arriba o debajo de la mediana, etctera. Sea n 1 el
nmero de smbolos asociados con la categora de menor ocurrencia, y n 2 el
nmero de smbolos que pertenecen a la otra categora. Entonces, el tamao
de la muestra n = n1 + n2.
La prueba de rachas para la aleatoriedad se basa en la variable
aleatoria V, el nmero total de rachas que suceden en la secuencia completa
del experimento. En la tabla se dan valores de P(V v* cuando H 0 es
21

verdadera) para v* = 2, 3,..., 20 rachas y valores de n 1 y n2 menores o iguales

que 10.
Ejemplo:
Para los n = 12 smbolos en nuestra encuesta tenemos cinco rachas,
donde la primera incluye dos H, la segunda tres M, y as sucesivamente.
indicar que las primeras cinco personas entrevistadas son mujeres, seguidos
de siete hombres.
De aqu, con n1 = 5, n2 = 7 y v = 5, en la tabla correspondiente
observamos que el valor P para una prueba de dos colas es
P = 2P(V 5 cuando H0 es verdadera) = 0.394 > 0.05.
Es decir, el valor v = 5 es razonable a un nivel de significancia de 0.05
cuando H0 es verdadera y, por lo tanto, no tenemos suficiente evidencia para
rechazar la hiptesis de aleatoriedad de nuestra muestra.
La prueba de rachas tambin sirve para detectar desviaciones en la
aleatoriedad de una secuencia de mediciones cuantitativas a lo largo del
tiempo, ocasionadas por tendencias o periodos. triola

Aplicacin prctica: construir una aplicacin web que genere

nmeros aleatorios por tres mtodos diferentes y aplicar pruebas
estadsticas.

22

CONCLUSIN
Los nmeros aleatorios estn presentes en nuestra vida cotidiana, son
un elemento vital para muchos procesos necesarios cada da, desde juegos
de azar, animaciones, tests para localizacin de errores en chips, sistemas
de comunicaciones y redes, para evaluar el comportamiento de las finanzas,
sistemas criptogrficos la seguridad.

23

REFERENCIAS
Astaiza, L. (1983). Los nmeros aleatorios y la ingeniera. Ingeniera de
sistemas. [Artculo en lnea], 7 (1). 55-60. Consultado el 12 diciembre
de 2016 en: http://revistas.unal.
edu.co/index.php/ingeinv/article/view/28891
Clav, A. (2011). Generador de nmeros aleatorios. [Documento en Lnea]
Espaa. Consultado el 12 de diciembre de 2016:
http://deeea.urv.cat/public/PROPOSTES/pub/pdf/1178pub.pdf
Cuevas, R. (2016). Nmeros aleatorios y pseudoaletorios. [Documento en
Lnea] Mxico. Consultado el 12 diciembre de 2016 en:
https://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r57653.D
OC
Instituto Tecnolgico de Ciudad Victoria. (2012). Generacin de nmeros
aleatorios. [Documento en Lnea] Mxico. Consultado el 12 diciembre
de 2016 en:
http://ccpmderat.com/Cursos/ITCV/Simulation/Archives/Unit2/GEN_DE
_NUM_ALEAT.pdf
Mancilla, A. (2000). Nmeros Aleatorios. Historia, Teora y Aplicaciones.
Ingeniera & Desarrollo. [Artculo en lnea], 8 (1). 49-69. Consultado el
12 diciembre de 2016 en:

24

http://ciruelo.uninorte.edu.co/pdf/ingenieria_desarrollo/8/numeros_alea
torios.pdf
Salmern, A y Morales, M. (2001). Estadstica Computacional [Libro en lnea].
Consultado el 12 diciembre de 2016 en:
http://www.ual.es/~asalmero/papers/libro.pdf
Tarifa, E. (2011). Generacin de Nmeros Aleatorios. Teora de Modelos y
Simulacin. [Documento en lnea] Argentina. Consultado el 12
diciembre de 2016 en:
https://iupsm.files.wordpress.com/2011/11/triangular.pdf
Universidad de Talca. (s/f). Muestreo [Documento en Lnea] Chile.
Consultado el 12 diciembre de 2016 en:
http://dta.utalca.cl/estadistica/ejercicios/recoger/
Muestro/muestreo.pdf
Walpole, R.; Myers, R.; Myers, S. y Ye, K. (2012). Probabilidad y estadstica
para ingeniera y ciencias (9 ed). Mxico: Pearson Educacin.
Triola, M. (2004). Estadstica (9 ed). Mxico: Pearson Educacin.
Coss, R. (1993). Simulacin: un enfoque prctico (2 ed). Mxico: Editorial
Limusa.
Garca, E.; Garca, H. y Crdenas, L. (2013). Simulacin y anlisis de
sistemas con ProModel (2 ed). Mxico: Pearson Educacin.

25