Introduccin:

Casi todas las aplicaciones comerciales tienen varios generadores de n meros

psedoaleatorios qe peden generar n conjnto my grande de n meros sin
mostrar correlacio n entre ellos, para ello se tilizan me todos preestablecidos qe
garantizan esta demanda.
Para poder realizar na simlacio n qe inclya variabilidad dentro de ss eventos, es
preciso generar na serie de n meros qe sean aleatorios por s mismos, y qe s
aleatoriedad se extrapole al modelo de simlacio n qe se esta constryendo. En la
constrccio n del modelo los n meros aleatorios jegan n papel relevante.
Unas de las primeras tareas qe es necesario llevar a cabo consiste en analizar si los
n meros qe se tilizaran para correr o ejectar la simlacio n son realmente
aleatorios o no; por desgracia, precisar lo anterior con absolta certidmbre reslta
my complicado, ya qe para ello se tendra qe generar n n mero infinito de valores
qe permitan comprobar la existencia de correlaciones entre ellos. Esta actividad sera
my costosa y tardada, volviendo impra ctico el so de la simlacio n an con las
comptadoras ma s avanzadas.

Tomando en centa lo anterior, se pede asegrar, con altos niveles de confiabilidad

qe el conjnto de n meros qe se tilizara n en la simlacio n se comportan de
manera my similar a n conjnto de n meros totalmente aleatorios; por ello es qe
se les denomina nmeros pseudoaleatorios.
Un nmero pseudoaleatorio es un nmero U(0,1) producido por un algoritmo
matemtico.

Propiedades de los nmeros pseudoaleatorios

Es deseable qe los n meros psedoaleatorios niformes posean las sigientes
caractersticas:
1. Uniformemente distribidos.
2. Estadsticamente independientes.
3. Reprodcibles.
4. Periodo largo.
5. Generados mediante n me todo ra pido.
6. Generados mediante n me todo qe no reqiera mcha capacidad de
almacenamiento de la comptadora.
Generar n conjnto de n meros psedoaleatorios es na tarea relativamente sencilla,
para ello, el lector so lo tiene qe disen ar s propio algoritmo de generacio n. Lo qe
reslta difcil es disen ar n algoritmo qe genere n conjnto de n meros
psedoaleatorios con periodo de vida sficientemente grande (N) y adema s pase sin
problema las prebas de niformidad e independencia, lo cal implica evitar
problemas como e stos:
Qe los n meros del conjnto no este n niformemente distribidos, es decir, qe
haya demasiados n meros en n sbintervalo y otro my pocos o ningno.
Qe los n meros psedoaleatorios sean discretos en lgar de continos.
 Qe la media del conjnto sea my alta o my baja, es decir, qe este por arriba o por
debajo de .
Qe la varianza del conjnto sea my alta o my baja, es decir, qe se localice por
arriba o por debajo de 1/12.

En ocasiones se presentan tambie n anomalas como n meros psedoaleatorios

segidos por arriba o por debajo de la media; secencia de n meros por arriba de la
media, segida por na secencia por debajo de la media, y viceversa, o varios
n meros segidos en forma ascendente o descendente.
Existen varios me todos para generar n meros psedoaleatorios. A continacio n se
presentan los ma s importantes.

El Mtodo de Centros al Cuadrado (Mtodo de los cuadrados medios)

Este me todo es debido a von Nemann y tiene fndamentalmente so lo intere s
histo rico. El me todo de centros al cadrado se apega a la sigiente metodologa:
1. Inicie con n n mero entero positivo de 4 (2n) dgitos y lla mele Z 0 (X0), llamado
semilla.
2. Eleve Z0 (X0) al cadrado para obtener n n mero de 8 (4n) dgitos. Si es
necesario, agrege ceros a la izqierda para hacerlo exactamente de 8 dgitos.
3. Tome los 4 (2n) dgitos centrales como el pro ximo n mero de 4 (2n) dgitos y
lla mele Z1(X1).
4. Coloqe el pnto decimal a la izqierda de Z 1(X1) para obtener el primer
n mero psedoaleatorio U(0,1).
5. Contine generando de esta forma n meros psedoaleatorios U(0,1)
Desventaja del mtodo de centros al cuadrado: Tiene una fuerte tendencia a
degenerar rpidamente hacia cero, donde permanecer por siempre.

La gran mayora de los generadores de n meros psedoaleatorios qe se san en la

actalidad son generadores congrenciales lineales, introdcidos por Lehmer en 1951.
Los generadores congrenciales lineales generan na secencia de n meros
psedoaleatorios en la cal el pro ximo n mero psedoaleatorio es determinado a
partir del ltimo n mero generado. A continacio n se presentan los dos ma s
importantes: el me todo congrencial mixto lineal y el me todo congrencial
mltiplicativo lineal.

Mtodo de Lehmer
El me todo consiste en los sigientes pasos:

1. Se toma como semilla n n mero entero, X0, de n cifras.

2. Se elige otro entero, c, de k cifras. Sele tomarse k<n.
3. Se calcla X0 *c, n mero de a lo smo, n + k cifras.
4. Se separan las k cifras de la izqierda de X 0*c y al n mero formado por las n
cifras restantes se le resta el qe se forma de esas k cifras de la izqierda, dando lgar
a X1.
5. Se repite este proceso tantas veces como sea necesario.
6. Se develven los valores

Mtodo Congruencial Mixto Lineal

Los valores posibles de Xn+1 son 0, 1, 2,3,, m-1, m representa el n mero posible de
valores qe peden ser generados.

Fo rmla:

Donde:
Xn= la semilla (X0>0)
a= el mltiplicador (a>0)
c= constante aditiva (c>0)
m= Mo dlo (m>Xn; m>a; m>c)

Periodo del generador = 4

Reglas para la seleccin de parmetros en el mtodo congruencial mixto lineal
En los ejemplos anteriores se colocaron de manera arbitraria cada no de los
para metros reqeridos: X0, a, c, m. Sin embargo, para qe el algoritmo sea capaz de
lograr el ma ximo periodo de vida n, es preciso qe dichos para metros cmplan ciertas
condiciones. Banks, Carson, Nelson y Nicol sgieren lo sigiente:
m= 2g
a= 1 + 4k
k debe ser entero
c relativamente primo a m
g debe ser entero

Bajo estas condiciones se obtiene n periodo de vida ma ximo: N= m= 2 g.

El Mtodo Congruencial multiplicativo

Al igal qe el generador congrencial mixto lineal, el generador congrencial mltiplicativo
determina el pro ximo n mero psedoaleatorio a partir del ltimo n mero generado, de
acerdo a la sigiente fo rmla:
Frmula:
 2.3 Pruebas estadsticas o de aleatoriedad para los nmeros
pseudoaleatorios.
Los n meros psedoaleatorios prodcidos mediante n programa de comptadora no
son aleatorios debido a qe tales n meros esta n completamente determinados por
los datos inciales y tienen na precisio n limitada. Sin embargo, en la medida en qe
esos n meros psedoaleatorios pasen determinadas prebas estadsticas, peden
considera rseles como verdaderos n meros aleatorios. Las sigientes prebas son de
las ma s sadas para la comprobacio n de la aleatoriedad.

Prueba de los promedios

En la preba de los promedios se establecen las sigientes hipo tesis:

Ho: = (los n meros psedoaleatorios generados provienen de na distribcio n U(0,1)
con =0.50)
Ha: (los n meros psedoaleatorios generados no provienen de na distribcio n U(0,1)
con =0.50)
Prueba de las frecuencias
Esta preba consiste en dividir el intervalo (0,1) en n sbintervalos para lego
comparar para cada sbintervalo la frecencia esperada con la frecencia observada.
Si estas frecencias son bastante parecidas entonces la mestra proviene de na
distribcio n niforme.
Las hiptesis son:
Ho: Los n meros psedoaleatorios provienen de na distribcio n U(0,1).
Ha: Los n meros psedoaleatorios no provienen de na distribcio n U(0,1).

Prueba de Series
Esta preba se tiliza para comprobar el grado de aleatoriedad entre n meros scesivos. La
preba consiste en formar parejas de n meros, las cales son consideradas como coordenadas
en n cadrado nitario dividido en n2 celdas. En la preba de series se generan N n meros
psedoaleatorios de los cales se forman parejas entre Ui y Ui + 1, es decir si se generan 5
n meros, las parejas qe se forman serian:
(U1 , U2), (U2 , U3), (U3 , U4), (U4 , U5).
En segida se determina la celda a la qe pertenece cada pareja ordenada, con lo cal se
determina la frecencia observada de cada celda.

Prueba de las corridas

La preba de las corridas sirve para probar la aleatoriedad de los n meros generados. Esta
preba se basa en el n mero de corridas o secencias ascendentes y descendentes. Una
corrida es na secencia ascendente o descendente de n meros psedoaleatorios adyacentes.
Las hiptesis son:
Ho: Los n meros son psedoaleatorios U(0,1).
Ha: Los n meros no son psedoaleatorios U(0,1).
En este me todo se coloca el signo + o en cada par de n meros adyacentes. Se pede
demostrar qe:
Si: R = n mero total de corridas (arriba y abajo)
N = taman o de la mestra

2.4 Mtodo de Montecarlo

La simlacio n de Montecarlo es n me todo especialmente til para analizar situaciones que
involucran riesgo con el propo sito de obtener respestas aproximadas cando el realizar n
experimento fsico o el aplicar me todos analticos no es posible o reslta my difcil o costoso.
La simlacio n 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.
La simlacio n de Montecarlo ha tenido na gran aceptacio n en la vida real debido al poder
analtico qe presenta sin la necesidad de matema ticas complejas.