Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SUPERIOR DE APATZINGÁN
SIMULACIÓN
6TO SEMESTRE: TURNO MATUTINO
UNIDAD II
MÉTODOS CONGRUENCIALES PARA LA GENERACIÓN
DE NÚMEROS ALEATORIOS
(INVESTIGACIÓN)
INGENIERÍA INDUSTRIAL
INTEGRANTES
Definición…..….….………………………………………………………9
Fórmula……………….…………………………………….......................9
Ejemplos……………....……………………………………......................9
Definición…..….….……………………………………………………...10
Fórmula……………….…………………………………….....................10
Ejemplos……………….……………………………………....................10
Definición…..….….……………………………………………………..11
Fórmula……………….…………………………………….....................11
Ejemplos……………….……………………………………....................11
2.4.2 Prueba de varianza
Definición…..….….……………………………………………………..12
Fórmula……………….…………………………………….....................13
Ejemplos……………….……………………………………....................13
2
Definición…..….….……………………………………………………..14
Fórmula……………….…………………………………….....................15
Ejemplos……………….……………………………………....................16
REFERENCIAS BIBLIOGRÁFICAS………………………………………………….18
3
2.1. ALGORITMO LINEAL
2.1.1 Definición
Este algoritmo congruencial fue propuesto por D. H. Lehmer151 en 1951. Según Law y
Kelton, no ha sido el más usado. El algoritmo congruencial lineal genera una secuencia de números
enteros por medio de la siguiente ecuación recursiva:
2.1.2 Fórmula
𝐗 𝐢 + 𝟏 = (𝐚𝐱, +𝐜)𝐦𝐨𝐝(𝐦) 𝐢 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝐧
𝐫𝐢= 𝐗𝟏 𝒊 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏
𝐦−𝟏
Generar 4 números entre 0 y 1 con los siguientes parámetros: X0= 37, a = 19, c = 33 y m
= 100.
Solución:
4
En el ejemplo anterior se dieron de manera arbitraria cada uno de los parámetros
requeridos: X0, a, c, m. Sin embargo, para que el algoritmo sea capaz de lograr el máximo periodo
de vida N, es preciso que dichos parámetros cumplan ciertas condiciones. Banks, Carson, Nelson
y Nicol sugieren lo siguiente:
m = 2g
a = 1 + 4k
c relativamente primo a m
Ejemplo 2.5
𝐚 = 𝟏 + 𝟒(𝟑) = 𝟏𝟑 𝐲𝐦 = 𝟐𝟑 = 𝟖
X0 = 6
5
X8 = (13*3 + 7) mod 8 = 6 r8 = 6/7 = 0.857
Ejemplo 2.6
Solución:
𝐚 = 𝟏 + 𝟒 (𝟑) = 𝟏𝟑 𝐲 𝐦 = 𝟐𝟑 = 𝟖
X0 = 6
El periodo de vida en este caso es N = 2, de manera que, como puede ver, el periodo de
vida máximo no se logra. Como conclusión tenemos que, si no se cumple alguna de las
condiciones, el periodo de vida máximo N = m no se garantiza, por lo que el periodo de vida será
menor que m.
6
2.2.5 ALGORITMO CONGRUENCIAL MULTIPLICATIVO
m=2g
a=3+8k o a = 5+ 8k
k = 0, 1, 2, 3, ...n
Ejemplo 2.7
Solución:
Si la semilla X0 se repite, volverán a generarse los mismos números. Por lo tanto, el periodo
de vida es n = 8, el cual corresponde a N = m/4 = 32/4 = 8.
Ejemplo 2.8
Ahora bien, si quebrantamos la condición de que la semilla sea un número impar, digamos
con X0 = 12, tenemos:
Solución:
En vista de que la semilla X0 se repite, volverán a generarse los mismos números. Por lo
tanto, el periodo de vida es N = 2
8
2.2.6 ALGORITMO CONGRUENCIAL ADITIVO
Este algoritmo requiere una secuencia previa de n números enteros en X1, X2, X3, X4, …
Xn para generar una nueva secuencia de números enteros que empieza en X(n+1), X(n+2) X(n+3),
X(n+4), … Su ecuación recursiva es:
en ri= Xi/m - 1
Ejemplo 2.9
Sean X1 = 65, X2= 89, X3 = 98, X_4 = 03, X_5 = 69. Para generar r1, r2, r3, r4, r5, r6 y
r7 antes es necesario generar X6, X7, X8, X9, X10, X11, X12,
Solución:
X_8 = (X_7 + X_3) mod 100 = (23 + 98) mod 100 = 21 Xi=21/99=0.2121
X_9 = (X_8 + X_4) mod 100 = (21 + 03) mod 100 = 24 Xi=24/99=0.2424
X_10 = (X_9 + X_5) mod 100 = (24 + 69) mod 100 = 93 Xi=93/99=0.9393
X_11 = (X_10 + X_6) mod 100 = (93 + 34) mod 100 = 27 X_i=27/99=0.2727
X_12 = (X_11 + X_7) mod 100 = (27 + 23) mod 100 = 50 X_i=50/99=0.5050
9
2.2.7 ALGORITMOS CONGRUENCIALES NO LINEALES
En este caso, los números pueden ser generados con la ecuación ri =x¡/(m -1). De acuerdo
con L'Ecuyer, las condiciones que deben cumplir los parámetros m, a, b y c para alcanzar un
periodo máximo de N = m son:
m = 2g
(b - 1) mod 4=1
Ejemplo 2.10
Generar, a partir del algoritmo congruencial cuadrático, suficientes números enteros hasta
alcanzar el periodo de vida, para esto considere los parámetros X0 = 13, m = 8, a = 26, b = 27 y
c=27. Como todas las condiciones estipuladas para los parámetros se satisfacen, es de esperarse
que el periodo de vida del generador sea N = m = 8, tal como podrá comprobar al revisar los
cálculos correspondientes, que se presentan a continuación.
Solución:
10
X4= (26*22 +27*2 + 27) mod (8) =1
Por otro lado, el algoritmo cuadrático genera una secuencia de números enteros S =
{0,1,2,3, m - 1}, al igual que el algoritmo congruencial lineal.
La ecuación anterior fue propuesta por Blum, Blum y Shub como un nuevo método para
generar números que no tienen un comportamiento predecible.
Una de las propiedades que deben cumplir los números del conjunto r¡, es que el valor
esperado sea igual a 0.5. La prueba que busca determinar lo anterior es la llamada prueba demedias,
en la cual se plantean las siguientes hipótesis:
𝐻0µ𝑟𝑖 = 0.5
𝐻1µ𝑟𝑖 ≠ 0.5
11
Después se calculan los límites de aceptación inferior y superior con las ecuaciones
siguientes:
1 1
𝐿𝑟̅ = − 𝑧𝑎⁄2 ( )
2 √12𝑛
1 1
𝐿𝑟̅ = + 𝑧𝑎⁄2 ( )
2 √12𝑛
Ejemplo 2.11
El conjunto ri contiene 40 números, por lo tanto, n = 40. Un nivel de aceptación de 95% implica
que a = 5%. Enseguida procedemos a calcular el promedio de los números y los límites de
aceptación:
𝑛 40
1 1
𝑟̅ = ∑ 𝑟𝑖 = ∑ 𝑟𝑖
𝑛 40
𝑖=1 𝑖=1
1
𝑟̅ =40 [0.04487 + 0.17328+ 0.57458 + 0.04901 +...+ 0.33616 + 0.15885 + 0.37266 + 0.41453
𝑟̅ =0.43250
12
1 1 1 1
𝐿𝐼𝑟̅ = − 𝑧𝑎⁄2 ( ) = − 𝑧0.05/2 ( )
2 √12𝑛 2 √12(40)
1 1
𝐿𝐼𝑟̅ = − (1.96) ( ) = 0.410538649
2 √12(40)
1 1 1 1
𝐿𝐼𝑟̅ = + 𝑧𝑎⁄2 ( ) = + 𝑧0.05/2 ( )
2 √12𝑛 2 √12(40)
1 1
𝐿𝐼𝑟̅ = + (1.96) ( ) = 0.589461351
2 √12(40)
Como el valor del promedio: 𝑟̅ = 0.43250 se encuentra entre los límites de aceptación, se concluye
que no se puede rechazar que el conjunto de 40 números ri tiene un valor esperado de 0.5, con un
nivel de aceptación de 95 por ciento.
Otra de las propiedades que debe satisfacer el conjunto ri es que sus números tengan una varianza
de 1 /12. La prueba que busca determinar lo anterior es la prueba de varianza, que establece las
siguientes hipótesis:
2
𝐻𝑜: 𝜎𝑟𝑖 = 1/12
2
𝐻1: 𝜎𝑟𝑖 ≠ 1/12
La prueba de varianza consiste en determinar la varianza de los n números que contiene el conjunto
ri, mediante la ecuación siguiente:
𝑛
̅2
∑𝑖=1(𝑟𝑖 − 𝑟)
𝑣(𝑟) =
𝑛−1
Después se calculan los límites de aceptación inferior y superior con las ecuaciones siguientes:
𝑥 2 𝛼 ∕ 2, 𝑛 − 1
𝐿𝑆𝑣(𝑟) =
12(𝑛 − 1)
𝑥 2 (1 − 𝑎) ∕ 2, 𝑛 − 1
𝐿𝐼𝑣(𝑟) =
12(𝑛 − 1)
13
Si el valor de V(r) se encuentra entre los límites de aceptación, decimos que no se puede rechazar
que el conjunto ri tiene una varianza de 1/12, con un nivel de aceptación de 1-α; de lo contrario,
se rechaza que el conjunto tiene una varianza de 1/12. Para obtener valores de los factores Chi-
cuadrada vea los anexos del libro.
Ejemplo 2.12
Realizar la prueba de varianza a los 40 números ri del ejemplo 2.11. Considerando que n = 40 y
α= 5%, procedemos a calcular la varianza de los números, y los límites de aceptación
correspondientes:
𝑛 40
̅2
∑𝑖=1(𝑟𝑖 − 𝑟) ∑𝑖=1(𝑟𝑖 − .̅̅̅̅̅̅̅̅̅̅̅
43250)2
𝑣(𝑟) = = 𝑣(𝑟) =
𝑛−1 40 − 1
1
𝑣(𝑟) = [(0.04487 − 0.43250)2 + (0.17328 − 0.432502 ) + ⋯ + (0.37266 − 0.43250)2
39
+ (0.41453 − 0.43250)2 ]
𝑣(𝑟) = 0.08695062
𝑥 2 𝛼 ∕ 2, 𝑛 − 1 𝑥0.05
2 ⁄
2 , 39 58.1200541
𝐿𝑆𝑣(𝑟) = = = = 0.12418815
12(𝑛 − 1) 12(39) 468
2
𝑥 2 (1 − 𝑎) ∕ 2, 𝑛 − 1 𝑥1−0.05 ⁄2 , 39 23.6543003
𝐿𝐼𝑣(𝑟) = = = = 0.05054338
12(𝑛 − 1) 12(39) 468
Dado que el valor de la varianza: V(r) =0.08695062 está entre los límites de aceptación, podemos
decir que no se puede rechazar que el conjunto de 40 números r, tiene una varianza de 1 /12 =
0.08333.
Se trata de una prueba de hipótesis a partir de datos, basada en el cálculo de un valor llamado
estadístico de prueba, al cual suele comparársele con un valor conocido como valor crítico, mismo
que se obtiene, generalmente, de tablas estadísticas. El procedimiento general de la prueba es:
14
3. Crear un histograma de m= √𝑛 intervalos, y obtener la frecuencia observada en cada intervalo
Or.
8. Comparar el estadístico de prueba con el valor crítico. Si el estadístico de prueba es menor que
el valor crítico no se puede rechazar la hipótesis nula.
Ejemplo 3.1
Éstos son los datos del número de automóviles que entran a una gasolinera cada hora:
14 7 13 16 16 13 14 17 15 16
13 15 10 15 16 14 12 17 14 12
13 20 8 17 19 11 12 17 9 18
20 10 18 15 13 16 24 18 16 18
12 14 20 15 10 13 21 23 15 18
El histograma (vea la figura 3.3) de los n = 50 datos, que considera m = 11 intervalos, la media
muestral de 15.04 y la varianza muestral de 13.14, permite establecer la siguiente hipótesis:
15
Comenzamos por calcular la probabilidad de cada intervalo a partir de la función de probabilidad
de Poisson:
𝜆𝑥 ⅇ −𝜆
𝑃(𝑥) = 𝑥 = 0, 1, 2, …
𝑥!
15𝑥 ⅇ −15
𝑃(𝑥) = 𝑥 = 0, 1, 2, …
𝑥!
𝐸𝑖 = 𝑛𝜌(𝑥)
𝐸𝑖 = 50𝜌(𝑥)
16
𝑚
(𝜀𝑖 − 𝑂𝑖 )2 (0.9001 − 1)2 (2.5926 − 2)2 (0.3092 − 0)2
𝑥02 = ∑ = + + ⋯+ = 1.7848
𝜀𝑖 0.9001 2.5926 0.3092
𝑖=1
El valor del estadístico de prueba, 𝑥 2 = 1.7848, comparado con el valor de tablas crítico,
𝑥 2 0.5, 11 − 0 − 1 = 18.307, indica que no podemos rechazar la hipótesis de que la variable
aleatoria se comporta de acuerdo con una distribución de Poisson, con una media de 15
automóviles/hora.
17
Bibliografía
García Dunna Eduardo, G. R. (2013). Simulación y análisis de sistemas con ProModel. Naucalpan de
Juárez: Pearson.
18