TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE ENSENADA

INGENIERÍA INDUSTRIAL ED

SIMULACION

P2 – INVESTIGACIÓN DE NÚMEROS ALEATORIOS.

ELABORADO POR:

Fuentes Estolano Fabian #97212482

Mario Mosqueda Garrido #22760202
María del Carmen Aguilar Soto #21760040
Tania Belen Sanchez Montoya #11760218

PROFESOR: Raúl Estrada

ENSENADA, B.C.
6 de Marzo del 2023
 INDICE

PORTADA

NÚMEROS ALEATORIOS

…………………….Ejemplo

NÚMEROS PSEUDOATORIOS

……………………..Ejemplo

FUENTES DE INFORMACION
 NÚMEROS ALEATORIOS

Una de las características más importantes de la simulación es la capacidad de imitar el

comportamiento aleatorio que existe en los sistemas estocásticos. Para simular este
comportamiento aleatorio se requiere de un método que provea la generación de estos
números aleatorios, así como de rutinas para generar variaciones aleatorias, basadas en
distribuciones de probabilidad. Un generador de números aleatorios es un algoritmo
determinístico, usado para crear valores reales distribuidos entre 1 y O, tal que O <= X < l. Se
debe considerar lo siguiente:

• La ocurrencia de cualquier valor es equiprobable o uniforme.

• El valor de la muestra previa no afecta la probabilidad del valor de la próxima
muestra (independencia).

Estos números pueden ser transformados en valores que se ajustan a una determinada
distribución de probabilidad. Existen varios métodos que son utilizados para generar números
aleatorios, los más populares son los métodos congruenciales, que pueden ser: aditivos,
multiplicativos o mixtos.

A continuación se presenta la expresión general de un generador congruencial mixto :

Xn+l = (a*Xn + c) mod m

dónde:

• Xn+l: número pseudoaleatorio generado

• Xn: valor inicial (raíz o semilla)
• a: multiplicador
• c: incremento
• m: 2b donde b>2

Función mod: módulo (resto de la división entera; ejemplo: n mod m)

dado que: Xn+l = ( a*Xn + c) mod m

los números generados serán

• X1 = ( a*X0 + e) mod m
• X2 = ( a*X1 + e ) mod m
• X3 = ( a*X2 + e) mod m

Los números generados no son estrictamente aleatorios porque ellos son predecibles y
reproducibles, por esta razón estos números generados son llamados pseudo aleatorios.

No obstante, ellos se adecuan en forma aproximada a la aleatoriedad del mundo real, para
propósitos de simulación.

EJEMPLO

De acuerdo con la información siguiente, determinar la secuencia completa de números

aleatorios; es decir, hasta que se alcance el período correspondiente.

• X0: 6
• a: 6
• e: 6
• m: 10

Solución:

i Xi-1 (a*Xi-1+c) Xi=(a*Xi-1+c) mod m Número Aleatorio Ri=Xi/m

1 6 42 2 0.2

2 2 18 8 0.8
 3 8 54 4 0.4

4 4 30 0 0

5 0 6 6 0.6

6 6 42 2 0.2

7 2 18 8 0.8

8 8 54 4 0.4

9 4 30 0 0

10 0 6 6 0.6

Interpretación:
 • La secuencia de número aleatorios será: 0.2, 0.8, 0.4, O y 0.6, luego se repite la
misma secuencia .
• Todos los números aleatorios generados tienen un período; es decir, después de
una cierta cantidad de números aleatorios la serie vuelve a repetirse. Para nuestro
ejemplo, el período es 5.
• Como el módulo es 10, los valores generados no excederán a 10.
• Los valores generados son pseudo aleatorios, porque el siguiente número se
genera a partir del anterior, además después del período se repite la misma
secuencia.
• En Arena, el período contiene por lo menos dos billones de números. Luego el
ciclo se repite a través de la misma secuencia.
• Un número es completamente aleatorio si al repetir el experimento el orden es
diferente. Por ejemplo al lanzar sucesivamente un dado.

Ejemplo: Expresiones de probabilidad.

Se desea evaluar la decisión, si la entidad que ingresa al módulo de decisión aprueba o

desaprueba la inspección. Véase el siguiente esquema del modelo:

Para determinar el próximo resultado del evento aleatorio es necesario que se genere un
número aleatorio uniformemente distribuido entre O y 1. Este valor es comparado con el valor
de la probabilidad, definida en el modelo (0.85). Si el número generado está entre O y 0.85,
entonces la entidad aprueba la inspección; de lo contrario, la entidad no pasa la inspección y se
desecha.
 NÚMEROS PSEUDOATORIOS
Un número pseudoaleatorio no es más que el valor de una variable aleatoria x que tiene una
distribución de probabilidad uniforme definida en el intervalo (0, 1).
Los números pseudoaleatorios constituyen una parte realmente importante en la simulación de
procesos estocásticos y generalmente se usan para generar el comportamiento de variables
aleatorias, tanto continuas como discretas. Debido a que no es posible generar números
realmente aleatorios, los consideramos como pseudoaleatorios, generados por medio de
algoritmos determinísticos que requieren parámetros de arranque.
Podemos asegurar con altos niveles de confiabilidad que el conjunto de números que
utilizaremos en una simulación se comportan de manera muy similar a un conjunto de números
totalmente aleatorios; por ello es que se les denomina números pseudoaleatorios.
Para generar un conjunto de números pseudoaleatorios se requiere diseñar un algoritmo de
generación. Lo que resulta difícil es que dicho algoritmo genere números pseudoaleatorios con
periodo de vida suficientemente grande y además pase sin problemas las pruebas de
uniformidad e independencia. Por lo cual se necesita:
Equidistribución. Los números pseudoaleatorios deben repartirse por igual, como
correspondería a una verdadera distribución uniforme.
Largo periodo. Todos los generadores de números pseudo aleatorios tienen un periodo a partir
del cual la secuencia de números se vuelve a repetir. Para evitar correlaciones no deseadas es
importante que el periodo sea largo para no llegar a agotar la secuencia en un cálculo concreto.
Repetivilidad. A veces se necesita repetir el cálculo con exactamente los mismos números
pseudo aleatorios (para hacer una comprobación, por ejemplo). Así que conviene que el
generador permite almacenar su estado.
Largas subsecuencias disjuntas. Si la simulación es muy extensa resulta conveniente subdividirla
en otras más pequeñas, para lo que es importante que sean estadísticamente independientes y
así se puedan recombinar sin introducir correlaciones.
Portabilidad. La rutina debe generar exactamente la misma secuencia de números pseudo
aleatorios no solamente por distintos lenguajes de programación si no también en distintas
máquinas.
Eficiencia. La generación de cada número pseudoaleatorio debe consumir muy poco tiempo.
Estadísticamente independientes.
Continuidad. Los números pseudoaleatorios generados deben ser continuos en lugar de
discretos.
Media del conjunto. Debe ser igual a 1⁄2
Varianza del conjunto. Debe ser igual a 1⁄12
La simulación de Monte Carlo es una técnica de analisis numérico que combina conceptos
estadísticos (muestreo aleatorio) y el uso de ordenadores para imitar, mediante modelos
matemáticos, el comportamiento aleatorio de sistemas reales no dinámicos. Permite tener en
cuenta el riesgo en análisis cuantitativos y tomas de decisiones.
A veces la aplicación del método Monte Carlo se usa para analizar problemas que no tienen un
componente aleatorio explícito; en estos casos un parámetro determinista del problema se
expresa como una distribución aleatoria y se simula dicha distribución.
La simulación de Monte Carlo también fue creada para resolver integrales que no se pueden
resolver por métodos analíticos, para solucionar estas integrales se usaron números aleatorios.
Posteriormente se utilizó para cualquier esquema que emplee números aleatorios, usando
variables aleatorias con distribuciones de probabilidad conocidas, el cual es usado para resolver
ciertos problemas estocásticos y determinísticos.
La clave de la simulación MC consiste en crear un modelo matemático del sistema, proceso o
actividad que se quiere analizar, identificando aquellas variables cuyo comportamiento aleatorio
determina el comportamiento global del sistema. Una vez identificadas dichas variables
aleatorias, se lleva a cabo un experimento consistente en (1) generar muestras aleatorias
(valores concretos) para variables aleatorias y (2) analizar el comportamiento del sistema ante
los valores generados. Tras repetir n veces este experimento, dispondremos de n observaciones
sobre el comportamiento del sistema, lo cual nos será de utilidad para entender el
funcionamiento del mismo. El análisis será más preciso cuanto mayor sea el número n de
experimentos que llevemos a cabo. En otras palabras se debe:
Determinar la Variable Aleatoria y sus distribuciones acumuladas.
La distribución de probabilidad por muestra puede basarse en datos empíricos que se obtienen
de registros anteriores, puede ser el resultado del experimento reciente, o puede ser una
distribución teórica conocida.
Generar números pseudoaleatorios.
Dichos números deben tener la misma probabilidad de ocurrencia y un rango de 0 a 1.
Se debe elegir el método para generar valores aleatorios. Estos números se pueden generar de
dos maneras:
*Si se tiene un problema grande y el proceso involucra miles de ensayos, lo conveniente es
utilizar algún software especializado para generarlos.
*Si la simulación se tiene que hacer a mano, los números se pueden seleccionar en una tabla
establecida de números aleatorizados.
Determinar el valor de la V.A. para el número pseudoaleatorio generado.
Los números aleatorios se usan para producir una secuencia aleatorizada de valores que
duplicarán la experiencia esperar la cual puede producirse mediante la distribución de
probabilidad que se muestrea.
Iterar tantas veces como muestras necesitamos.
Calcular media, desviación estándar error y realizar el histograma.
Analizar resultados para distintos tamaños de muest
EJEMPLO
 FUENTES:

https://soloindustriales.com/generacion-de-numeros-aleatorios-para-simulacion

https://astridmll.wordpress.com/2016/09/13/numeros-pseudoaleatorios-y-sus-caracteristicas

https://hopelchen.tecnm.mx/principal/sylabus/fpdb/recursos/r130729.PDF