GENERACION DE NUMEROS ALEATORIOS

HEIDY LORENA HERNANDEZ VELOZA

083203152009

MARIBEL HERNANDEZ PUENTES
083203142009

TEIMY KATENIN SAAVEDRA TORRES

083252342009








MODELACION Y SIMULACION
GRUPO I









INGENIERIA DE SISTEMAS IX
CERES DARIO ECHANDIA OLAYA
CREAD CHAPARRAL
INSTITUTO DE EDUCACION A DISTANCIA
UNIVERSIDAD DEL TOLIMA
2013




2

CONTENIDO

1. Introduccin 3
2. Objetivo general 4
3. Objetivo especfico 5
4. Nmeros aleatorios 6
5. Propiedades de los nmeros aleatorios 6
6. Tcnicas para generar nmeros aleatorios 6
6.1. Operacin mod 7
6.2. Congruencia lineal 8
7. Mtodos para la generacin de nmeros aleatorios 9
7.1. Mtodos de los cuadrados medios 9
7.2. Generadores congruenciales 9
7.3. Generadores de registro desfasado 11
7.4. Generadores no lineales 12
7.5. Otros mtodos para la generacin de nmeros aleatorios 12
8. Pruebas estadsticas para los nmeros aleatorios 12
9. Conclusiones 19
10. Webgrafia 20































3

1. INTRODUCCION

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. Por ejemplo, si el tiempo que se
tarda una mquina en procesar una pieza se distribuye entre 2.2 minutos y 4.5
minutos, esto se definir como una distribucin de probabilidad en el modelo de
simulacin. Durante la simulacin, cada vez que una pieza entre a esta
mquina y sea procesada, el simulador generar un nmero al azar entre 2.2 y
4.5 minutos para simular el tiempo de procesamiento de esa pieza. 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.
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.

















4

2. OBJETIVO GENERAL

- Generar el conocimiento bsico de los nmeros aleatorios, su funcin y
comportamiento en la simulacin y modelacin.














































5



3. OBJETIVOS ESPECIFICOS

Conceptualizar el trmino de nmero aleatorio.
Describir las propiedades de los nmeros aleatorios
Enunciar las tcnicas para generacin de nmeros aleatorios.
Explicar el funcionamiento de los sistemas continuos y discretos.
Listar las pruebas para generacin de nmeros aleatorios.









































6

4. NUMEROS ALEATORIOS

Un nmero aleatorio es aqul que es generado a partir de la distribucin
Uniforme U (0,1).



5. PROPIEDADES DE LOS NMEROS ALEATORIOS
Las propiedades de los nmeros aleatorios, son las que se muestran a
continuacin:
Los nmeros deben estar uniformemente distribuidos U:[0, 1], es decir,
los nmeros aleatorios pueden estar entre 0 y 1, y en algn momento sern 0 o
1.
La media establecida por los nmeros aleatorios debe ser de 0.5. = 0.5.
La probabilidad de salir un nmero de forma aleatoria es: 0X1, debe
estar entre 0 y 1.
La desviacin estndar de los nmeros aleatorios debe ser de
aproximadamente 0.29, es decir, =0.29.
Son estadsticamente independientes.
Sin repeticin dentro de una longitud determinada de la sucesin.
Los nmeros aleatorios debe ser reproducibles, es decir, la misma
semilla utilizada para generar los nmeros aleatorios debe dar la misma
sucesin.
Prueba de poker utilizado como mtodo de independencia estadstica en
nmeros aleatorios.
La varianza de los nmeros aleatorios debe ser de 1/12.
Es impredecible conocer qu valor va a tener cada nmero aleatorio y
cul va a ser su secuencia.

6. TECNICAS PARA GENERAR NUMEROS ALEATORIOS

La mayora de los mtodos (generadores) comienzan con un nmero inicial
(semilla), a este nmero se le aplica un determinado procedimiento y as se
encuentra el primer nmero random. Usando este nmero como entrada, el
procedimiento es repetido para lograr un prximo nmero random. Y as
siguiendo.
FIG 1

7
Mtodo Del Cuadrado Medio: comienza con un nmero inicial (semilla). Este
nmero es elevado al cuadrado. Se escogen los dgitos del medio de este
nuevo nmero (segn los dgitos que se deseen) y se colocan despus del
punto decimal. Este nmero conforma el primer nmero random.





Mtodo De Congruencia Lineal: produce una secuencia de enteros X1, X2,...
entre 0 y m-1 de acuerdo a la siguiente relacin recursiva:


El nmero aleatorio se encuentra de la siguiente manera:
R = X / m

La mayora de los mtodos (generadores) comienzan con un nmero inicial
(semilla), a este nmero se le aplica un determinado procedimiento y as se
encuentra el primer nmero random.
Usando este nmero como entrada, el procedimiento es repetido para lograr un
prximo nmero random.

6.1. Operacin mod
k mod m es el residuo de hacer la divisin de k entre m
Sea x un entero grande
45 mod 12 =
(5+55x) mod 5 =
(5+55x) mod 11 =

8
6.2. Mtodo de la Congruencia Lineal




El nmero aleatorio se encuentra de la siguiente manera:
R = x / m


9
7. Mtodos de Generacin de Nmeros Aleatorios
1.- Mtodo de los cuadrados medios
2.- Mtodos Congruenciales
3.- Mtodo de registros desfasados
[Semilla - Algoritmo - Validacin]
P
1
: Obtener semilla (valores iniciales)
P
2
: Aplicacin de Algoritmos recursivos
P
3
: Validacin del conjunto de datos generados (Test de Aleatoriedad)

7.1. Mtodos de los cuadrados Medios
Consiste en que cada nmero de una sucesin es producido tomando los
dgitos medios de un nmero obtenido mediante la elevacin al cuadrado.
P
1
: Obtener semilla (valores iniciales 445)
P
2
: Aplicacin de Algoritmos recursivos (elevar al cuadrado)
P
3
: Validacin del conjunto de datos generados


Ejemplo: Consideremos la semilla 445
X X
2
N Aleatorio
445 1| 9802 | 5 0,9802
9802 96| 0792 | 04 0,0792
792 6 | 2726 | 4 0,2726
2726 ............... ...............

7.2. Generadores Congruenciales

X
n+1
= (a X
n
+ b) mod m ;

Los parmetros del algoritmo se llaman
- a multiplicador
- b sesgo
- m mdulo
- X
o
semilla (valor inicial)
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 eleccin de los
parmetros de a, b y m, permite obtener de manera eficiente una larga
e impredecible sucesin de nmeros como para considerarse aleatoria.
Algunas observaciones de las salidas de los generadores congruenciales:
i) Un generador congruencial tiene ciclos
iI) La longitud del ciclo depende de la seleccin de los parmetros (ver caso 1)
y 3) )
iii) Dentro de selecciones de parmetros que conducen a la misma longitud,
algunas salidas parecen ms aleatorias que otras.
iv) La representacin de pares (X
i
, X
i+1
) sugiere que estos se disponen en un
nmero finito de hiperplanos.


10
Proposicin 2.1
Un generador congruencial tiene su perodo mximo si y slo 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 prctica con el efecto de traslacin,
inicialmente asumiremos ( b=0), es decir partiremos estudiando los generador
congruencial multiplicativos.
Dem: Donald Knuth Vol 2 (1981)
Obs: 1) Lo anterior sugiere elegir m lo ms grande posible, para
asegurarnos un perodo largo (posibles elecciones de m son; m=2
31
-
1, m=2
16
+1)
2) Sea p el perodo de la secuencia de nmeros aleatorios, si
p=m el generador se llama de perodo completo.
3) Si m es un nmero primo entonces el mximo perodo se
obtiene ssi a =1
Proposicin 2.2 Sea un generador multiplicativo (b=0) [X
n+1
= a X
n
mod m]
tiene perodo p=(m-1), slo si p es primo. El periodo divide a (m-1) y es (m-1)
si y slo si a es una raz primitiva de m-1, es decir a
(m-1)/p
= 1 mod m, para
todos los factores primos p de (m-1).
Proposicin 2.3
Si a es un raz primitiva de m, a
k
mod m, lo es siempre que k y m-1 sean primos
relativos.
Equivalentemente
Si a es una raz primitiva de m, a
k
mod m lo es siempre que ; mcd(k,m-1)=1
Obs: 1) En general los generadores congruenciales son de la forma
X
n+1
= g (X
n
, X
n-1
,.... ,X
n-k
,...) mod m
g (x) = a X
n

g (x) = a X
n
+ b
g (x) = a X
n
2
+ b X
n
+ c
Usando g (x) = (a
1
X
n-1
+ a
2
X
n-2
+ ... + a
r
X
n-r
), se obtiene
un generador de Fibonacci retardado. La teora de estos generadores se puede
ver en Marsaglia (1985)]
2) Una buena eleccin de m, permite obtener un generador eficiente (ciclo
mximo). Pero an se debe estudiar con ms detalle la eleccin de a y b,
pues se tienen muchos grados de libertad.
3) Un buen generador congruencial debe ser:
i) De mximo perodo
ii) Su salida debe parecer aleatoria
iii) Poder implementar de forma eficiente en aritmtica de 32 bits
Un algoritmo de muy fcil implementacin del tipo congruencial es m = 2
31
-1
a = 7
5
(raz primitiva de m)
X
n
= 7
5
X
n-1
mod (2
31
-1)
u
n
=
Dicho generador se encuentra en las bibliotecas IMSL y NAG
La rutina RANDU, que IBM proporcionaba para sus equipos consideraba un
modelo congruencial multiplicativo con m = 2
31
; a = 65539 ; b = 0
X
n
= 65539 X
n-1
mod (2
31
)
u
n
=

11
Este generador proporciona tripletas consecutivas de nmeros que caen en 15
planos ! Lo que sugiere cierta previsiblidad en su salida (Mal Generador)
Barsaglia (1968) demostr que sucesiones consecutivas no superpuestas de n
nmeros 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 = 2
16
73 23 16 14 13
m = 2
32
2953 220 80 48 41
Es decir, en un computador con palabras de 32 bits, menos de 41 hiperplanos
contendrn las 10-plas
En teora puede conseguirse que un buen generador con m = 2
32
produzca
357.913.941 puntos independientes en un cubo de dimensin 3, siendo el
mnimo nmero de hiperplanos que contiene estos puntos 10
8
, en contraste
con los 2953.
Para la famosa rutina RANDU de IBM,
X
n
= 65539 X
n
mod (2
31
)
las tripletas consecutivas de nmeros caen en 15 planos.

7.3. Generadores de Registros Desfasados
Se basa en Generadores lineales recursivos mltiples






El estudio de este generador se asocia al Polinomio caracterstico.

sobre un lgebra finita F
m
, con m elementos.

Cuando el polinomio es primitivo el perodo es (m
k
-1). Debido a la complejidad
del anlisis para m grande, habitualmente se elige un m pequeo,
generalmente 2 obteniendo generadores de bits de la forma
donde a
k
= 1 ^ a
i
e {0, 1}


La adicin mdulo 2 es equivalente al XOR ( 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)



En este caso los primeros q bits deben ser especificados, esto es anlogo 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
= b
3
= b
4
= b
5
= 1
b
6
= (b
3
+ b
1
) mod 2 = 2 mod 2 = 0
|
.
|

\
|
=
=

=

m
X
u
m X a X
n
n
k
i
i n i n
) ( mod ) (
1
k
k k
a Z a Z z P =

... ) (
1
1
2 mod *
1
|
.
|

\
|
=

=

k
i
i n i n
b a b
( ) q h
b b
b b
b b b b
q n h n
q n h n
n q n h n n
<

=
=
= + =



;
1
0
; 2 mod

12
b
7
= (b
4
+ b
2
) mod 2 = 2 mod 2 = 0
b
8
= (b
5
+ b
3
) mod 2 = 2 mod 2 = 0
b
9
= (b
6
+ b
4
) mod 2 = 1 mod 2 = 1
b
10
= (b
7
+ b
5
) mod 2 = 1 mod 2 = 1
...
b
42
= (b
39
+ b
37
) mod 2 = 2 mod 2 = 0

7.4. 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 funcin de transicin lineal, produciendo una
transformacin no lineal del estado en su salida.
Usar un generador con funcin de transicin no lineal.

7.5. OTROS METODOS PARA LA GENERACION DE NUMEROS
ALEATORIOS



13




8. Pruebas estadsticas para los nmeros aleatorios.

Puesto que en el muestreo Monte Carlo cualquier variable aleatoria no
uniforme (normal, exponencial, Poisson, etc.), es obtenida a partir de nmeros
aleatorios uniformes (0,1), el principal nfasis en las pruebas estadsticas
debern ser con respecto al generador de los nmeros aleatorios, ya que
cualquier deficiencia estadstica en la distribucin de la variable aleatoria no
uniforme, se deber exclusivamente a la utilizacin de un deficiente generador
de nmeros aleatorios. Por ello se aplicarn algunas de las muchas pruebas
estadsticas que han sido desarrolladas para probar la uniformidad y
aleatoriedad o independencia de los mismos, lo cual significa que la ocurrencia
de un nmero aleatorio no determina la ocurrencia del siguiente y as
sucesivamente.
Para la uniformidad
Bondad de ajuste o Ji-cuadrada: X
2

Bondad de ajuste Kolmogorov-Smirnov
Para la aleatoriedad o independencia
Corridas por arriba y por abajo del promedio
Corridas ascendentes y descendentes
PRUEBA DE BONDAD DE AJUSTE JI CUADRADA.
Procedimiento:

14
1. Generar la muestra de nmeros aleatorios de tamao N.
2. Subdividir el intervalo [0,1] en n subintervalos.
3. Para cada subintervalo contar la frecuencia observada F0 y calcular la
frecuencia esperada FE de nmeros aleatorios, la cual se obtiene dividiendo
N/n.
4. Calcular el estadstico de prueba.

5. Comparar el valor calculado X0
2
contra el valor tabulado de la
distribucin X
2
, con (n-1) grados de libertad y una significancia ?. Si X0
2
es
menor que X
2
(n-1),? entonces no se puede rechazar la uniformidad de los
nmeros aleatorios.
EJEMPLO 4. Realizar la prueba de bondad de ajuste Ji-cuadrada a la siguiente
muestra de tamao 30 de nmeros aleatorios uniformes
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55

INTERVALO FE FO (FE-FO)
2
/FE
0.00 - 0.20 6 10 2.67
0.21 - 0.40 6 7 0.17
0.41 - 0.60 6 6 0.00
0.61 - 0.80 6 3 1.50
0.81 - 1.00 6 4 0.67

X
2
0=5.01

Sea alfa= 5%. Tenemos (5-1) grados de libertad, es decir V=4. El valor en
tablas de la distribucin Ji cuadrada es:
X
2
4.5%
= 9.49
Como X0
2
es menor que X
2
4.5%
es decir; 5.01 es menor que 9.49. entonces no
se puede rechazar la uniformidad de los nmeros aleatorios.

PRUEBA DE BONDAD DE AJUSTE DE KOLMOGOROV-SMIRNOV
Procedimiento
1. Generar una muestra de nmeros aleatorios uniformes de tamao N.
2. Ordenar dichos nmeros en orden ascendente.
3. Calcular la distribucin acumulada de los nmeros generados con la
siguiente
expresin


15
Donde i es la posicin que ocupa el nmero aleatorio Xi en el vector ordenado
obtenido en el paso 2.
4. Calcular el estado de prueba Kolmogorov-Smirnov del modo siguiente
D
n
= mx | F
n
(X
i
) X
i
| para toda X
i


5. Si D
n
es menor d
alfa,n
, entonces no se puede rechazar la hiptesis de que los
nmeros generados provienen de una distribucin uniforme. La distribucin de
D
n
ha sido tabulada como una funcin de n y alfa para cuando F
n
(x) = F
0
(x).

EJEMPLO 5. Efectuar la prueba de Kolmogorov Smirnov a la siguiente
muestra de nmeros aleatorios uniformes.
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55
Sustituyendo los valores en las frmulas correspondientes se tiene que:
i RNDi F(RNDi) RNDi- F (RNDi)
1 0.00 0.03 0.03
2 0.01 0.07 0.06
3 0.03 0.10 0.07
4 0.04 0.13 0.09
5 0.06 0.17 0.11
6 0.07 0.20 0.13
7 0.11 0.23 0.12
8 0.11 0.27 0.16
9 0.15 0.30 0.15
10 0.18 0.33 0.15
11 0.25 0.36 0.11
12 0.25 0.40 0.15
13 0.26 0.43 0.17
14 0.31 0.47 0.16
15 0.33 0.50 0.17
16 0.34 0.53 0.19
17 0.34 0.57 0.23
18 0.43 0.60 0.17
19 0.48 0.63 0.15
20 0.49 0.67 0.18
21 0.55 0.70 0.15
22 0.59 0.73 0.14

16
23 0.60 0.77 0.17
24 0.68 0.80 0.12
25 0.70 0.83 0.13
26 0.77 0.87 0.1
27 0.81 0.90 0.09
28 0.83 0.93 0.1
29 0.92 0.97 0.05
30 0.97 1.00 0.03
siguiendo con el paso 4
Dn = Max |RNDi F(RNDi)| = 0.23
Comparamos el valor Dn (calculado) contra el valor en tablas de la distribucin
Kolmogorov-Smirnov con n = 30 y un nivel de significancia alfa = 5%, el cual
es d
30.5%
= 0.242. como 0.23 es menor que 0.242, entonces, no se puede
rechazar la uniformidad de los nmeros aleatorios.

CORRIDAS POR ARRIBA Y POR ABAJO DEL PROMEDIO
Procedimiento
Generar la muestra de tamao N de nmeros aleatorios.
Con base en esta muestra, obtener una nueva sucesin binaria, segn el
criterio siguiente:
Si r
j
es menor o igual a 0.50 entonces asignarle a r
j
el smbolo 0.
Si r
j
es mayor a 0.50 entonces asignarle a r
j
el smbolo 1.
La frecuencia esperada para cada longitud de corrida i, es:

EJEMPLO 6. Dada la siguiente muestra de tamao 30 de nmeros aleatorios,
aplicar la prueba de corridas, para la independencia
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55
Comparando los nmeros aleatorios segn el criterio establecido, se obtiene la
siguiente sucesin binaria. Leyendo de izquierda a derecha se agrupan los
smbolos del mismo tipo para formar las corridas.
0 0 1 0 0 1
0 0 0 1 0 0
0 0 1 0 0 1
0 1 1 1 0 0
0 0 0 1 0 1
En la siguiente tabla se resume la informacin necesaria para el clculo de la
Ji-cuadrada

17
Longitud de
corrida i
FE FO (FE-FO)2/FE
1 8.000 9 0.125
2 3.875 3 0.197
3 1.875 2 0.008
4 0.906 1 0.010
5 0.438 1 0.721

Como para las longitudes de corrida i = 2, 3, 4, 5; las frecuencias observadas
son menores o igual a cinco, agrupamos estas longitudes de corridas en una
sola longitud de corrida ? 2.
i FE FO (FE-FO)2/FE
1 8 9 0.125
>=2 7.04 7 0.936

X
0
2
= 1.061
El valor en tablas de X
2
1.5%
= 3.84; entonces no se puede rechazar la
independencia de los nmeros aleatorios.

CORRIDAS ASCENDENTES Y DESCENDENTES
Procedimiento
1. Generar la muestra de tamao N de nmeros aleatorios.
2. Construir la sucesin binaria de acuerdo al siguiente criterio:
Si rj es menor o igual a r
j+1
entonces asignarle a r
j
el smbolo 0.
Si rj es mayor que r
j+1
entonces asignarle a r
j
el smbolo 1.
3. Con base en la distribucin X
2
, efectuar la prueba, donde la frecuencia
esperada de las longitudes de corrida i se calcular con:

EJEMPLO 7. Aplicar la prueba de las corridas ascendentes y descendentes a
la muestra de nmeros aleatorios del ejemplo anterior. Compararemos a los
nmeros por fila, pero es indistinto hacerlo por columna.
0.15 0.31 0.81 0.48 0.01 0.60
0.26 0.34 0.70 0.31 0.07 0.06
0.33 0.49 0.77 0.04 0.43 0.92
0.25 0.83 0.68 0.97 0.11 0.00
0.18 0.11 0.03 0.59 0.25 0.55
ahora la sucesin binaria es
0 0 1 1 0 1
0 0 0 1 1 0
0 0 1 0 1 1
0 1 0 1 1 0

18
1 1 0 1 0


obsrvese que la ltima celda se deja en blanco, pues no hay con que nmero
comparar. (aqu N = 29)
Longitud de
corrida i
FE FO (FE-FO)
2
/FE
1 11.500 11 0.020
2 5.083 5 0.001
3 1.400 2 0.257
4 0.292 -

5 0.005 -


i FE FO (FE-FO)
2
/FE
1 11.500 11 0.020
>=2 6.483 7 0.004

X
0
2
= 0.024
como el valor calculado de 0.024 es menor que el valor en tablas de Ji-
cuadrada X
2
1.5%
= 3.84, no se puede rechazar la independencia de los nmeros
aleatorios.




























19
9. CONCLUSIONES

Elemento Central en la Simulacin digital.
Elemento esencial en muchas reas del conocimiento Ingeniera,
Economa, Fsica, Estadstica, etc.
Definicin intuitiva: Una sucesin de nmeros aleatorios puros, se
caracteriza por que no existe ninguna regla o plan que nos permita
conocer sus valores.
Los nmeros aleatorios obtenidos a travs de algoritmos recursivos se
llaman pseudoaleatorios
A las propiedades estadsticas se deben agregar otras relativas a la
eficiencia computacional:
Velocidad de respuesta
Consumo de memoria
Portabilidad
Parsimonia
Reproducibilidad
Mutabilidad
Perodo

El objetivo de cualquier esquema de generacin (generador), es producir
una secuencia de nmeros entre 0 y 1 que simule las propiedades
ideales de distribucin uniforme y de independencia.




























20
10. WEBGRAFIA
Bibliografa
Nmeros aleatorios. Documento en PDF.
Link:www.depi.itchihuahua.edu.mx/.../diapositivas%5Caleatorios.pdf. Visitado
el Domingo 03/04/11.

http://www.stat.cmu.edu/