Para poder realizar una simulación que incluya variabilidad dentro

de sus eventos, es preciso generar una serie de números que sean

aleatorios por sí mismos, y que su aleatoriedad se extrapole al
modelo de simulación que se está construyendo. Como puede
comprender, en la construcción del modelo los números aleatorios
juegan un papel relevante.
Así, una de las primeras tareas que es necesario llevar a cabo
consiste en determinar si los números que utilizaremos para
"correr“ o ejecutar la simulación son realmente aleatorios o no. Por
desgracia, precisar lo anterior con absoluta certidumbre resulta
muy complicado, ya que para ello tendríamos que generar un
número infinito de valores que nos permitiera comprobar la
inexistencia de correlaciones entre ellos. Esto sería muy costoso y
tardado, además volvería impráctico el uso de la simulación aun
con las computadoras más avanzadas.
Se requieren números aleatorios en el intervalo (0,1), a los cuales
se hará referencia como ri, es decir, una secuencia ri={r1, r2, r3, … rn}
que contiene “n” números todos ellos diferentes. El valor “n”
recibe el nombre de periodo o ciclo de vida del generador que se
usó para crear la secuencia ri.
Se necesitan que la secuencia tenga al menos un período de vida
de n=231 . De acuerdo con algunos autores, esta secuencia aún es
pequeña, en la actualidad ya existen capaces de construir
secuencias con un periodo de vida de n=2200 .
En un banco de 5 cajeros, donde cada cajero atiende alrededor de
50 clientes diarios. Sin considerar el tiempo de llegada de los
clientes:
1 día = 5 x 50 = 250
5 días = 250 x 5 = 1250
Si consideramos el tiempo de llegada, se necesitarían 250 x 5 días
= 1250. En total 2500 números.
Para realizar dos réplicas se necesitarían 5000 números.
Usted podrá imaginar cuántos números ri serán necesarios para
simular la operación del banco durante un año con 9 réplicas, o
cuántos números ri se requieren para simular un sistema
productivo durante un año con varias líneas de producción, y cada
una con varias estaciones, y cada estación con uno o más
procesos.
Un conjunto ri, debe seguir una distribución uniforme continua, la
cual está definida por
1, 0≤𝑟≤1
f(x)=ቊ
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
Se deben buscar algoritmos que generen un conjunto ri lo bastante
grande que pase además sin problemas las pruebas de
uniformidad e independencia, para evitar problemas como
estos:
 Que los números del conjunto ri no estén uniformemente
distribuidos, es decir, que haya demasiados ri en un subintervalo
y en otro muy pocos o ninguno.
 Que los números ri generados sean discretos en lugar de
continuos (enteros).
 Que la media del conjunto sea muy alta o muy baja, es decir, que
esté por arriba o por debajo de 1/2 .
 Que la varianza del conjunto sea muy alta o muy baja, es decir,
que se localice por arriba o por debajo del ½.
 Algoritmo de cuadrados medios.
 Algoritmo congruencial mixto y aditivo.
 Media de los aleatorios entre 0 y 1. En vista de que estos
números deben tener la misma probabilidad de presentarse, es
preciso que su comportamiento muestre una distribución de
probabilidad uniforme continua, con límite inferior cero y límite
superior uno. La función de densidad de una distribución
uniforme es la siguiente:
1
𝑓 𝑥 = 𝑎 ≤ 𝑥 ≤ 𝑏; 𝑒𝑛 𝑒𝑠𝑡𝑒 𝑐𝑎𝑠𝑜, 𝑎 = 0 𝑦 𝑏 = 1
𝑏−𝑎
 Gráficamente:
 Independencia. Ésta es una
propiedad muy importante, e implica
que los números aleatorios no deben
tener correlación entre sí; es decir,
deben ser independientes, de
manera que puedan dispersarse de
manera uniforme dentro de todo el
espectro de valores posibles.
 La figura a) muestra una gráfica
totalmente dispersa en los valores
posibles, y
 la figura b) presenta una
acumulación de los valores en la
parte central, lo cual quiere decir que
hay una correlación entre los
mismos.
 Son una serie de pruebas realizadas a un conjunto ri para
validar si los números que lo integran son aptos para usarse
en un estudio de simulación.
 A continuación se analizarán las pruebas estadísticas básicas que
se emplean generalmente para determinar si un conjunto de
números pseudoaleatorios entre cero y uno cumplen con las
propiedades básicas de independencia y uniformidad. El
objetivo, en otras palabras, es validar que el conjunto ri
realmente está conformado por números aleatorios. Es
importante mencionar que las pruebas que se discutirán no son
únicas.
 Prueba Chi-Cuadrada
 Para esta prueba se tiene dos hipótesis:
H0: ri = U(0,1) Los números son uniformes
H1: ri Los números no son uniformes

La prueba chi-cuadrada busca determinar si los números del conjunto

ri se distribuyen uniformemente en el intervalo (0,1). Para llevar a
cabo esta prueba es necesario dividir el intervalo (0,1) en
subintervalos, en donde es recomendable m= 𝒏.
A la cantidad de números ri que clasifican en cada intervalo se le
denomina frecuencia observada (Oi), y la cantidad de números que se
espera encontrar en cada intervalo se le llama frecuencia esperada
(Ei), teóricamente la Ei es igual a n / m. A partir de estos valores Oi y
Ei se determina el estadístico.
 Prueba Chi-Cuadrada

A la cantidad de números ri que clasifican en cada intervalo se le

denomina frecuencia observada (Oi), y la cantidad de números que
se espera encontrar en cada intervalo se le llama frecuencia esperada
(Ei), teóricamente la ri es igual a n / m. A partir de estos valores Oi y
Ei se determina el estadístico.

Si el valor del estadístico 𝒙𝟐𝟎 es menor que el valor de 𝒙𝟐∝,𝒎−𝟏 ,

entonces no se puede rechazar que el conjunto de datos ri sigue una
distribución uniforme. En caso contrario, se rechaza que ri sigue una
distribución uniforme.
 Prueba Chi-Cuadrada
 Prueba Chi-Cuadrada - Ejemplo

Realizar la prueba Chi-cuadrada a los siguientes 100 números de

un conjunto ri con un nivel de confianza de 95%.
 Prueba Chi-Cuadrada - Ejemplo

Se realiza la siguiente tabla para llevar a cabo la prueba

 Prueba Chi-Cuadrada - Ejemplo
(𝑬𝒊−𝑶𝒊) 𝟐
El estadístico 𝒙𝟐𝟎 = σ𝟏𝟎
𝒊=𝟏 =6.2 es menor al estadístico
𝑬𝒊
2
correspondiente de la chi-cuadrada 𝑥0.05,9 = 16.9. En consecuencia, no
se puede rechazar que los números ri siguen distribución uniforme.
 Determine si la siguiente lista de 100 números de 2 dígitos tiene
una distribución uniforme con un nivel de aceptación de 90%.

0.78 0.98 0.24 0.73 0.43 0.16 0.78 0.47 0.18 0.55
0.04 0.29 0.68 0.77 0.16 0.03 0.79 0.22 0.37 0.80
0.96 0.26 0.91 0.55 0.75 0.55 0.64 0.39 0.53 0.45
0.61 0.14 0.38 0.12 0.40 0.74 0.78 0.98 0.27 0.60
0.43 0.67 0.62 0.32 0.53 0.54 0.24 0.29 0.18 0.08
0.82 0.94 0.19 0.98 0.41 1.00 0.74 0.92 0.14 0.43
0.83 0.88 0.18 0.21 0.50 0.13 0.43 0.69 0.08 0.12
0.22 0.50 0.16 0.11 0.18 0.89 0.80 0.42 0.29 0.87
0.83 0.79 0.65 0.28 0.78 0.49 0.36 0.86 0.87 0.64
0.51 0.07 0.18 0.94 0.50 0.22 0.66 0.91 0.48 0.24
 Utilice la prueba de chi-cuadrada con un nivel de aceptación de
95% para comprobar la hipótesis de que los números de la
siguiente lista son aleatorios

0.5632 0.2395 0.5583 0.8050 0.4166 0.5454 0.5491 0.5593 0.7725 0.2326
0.1020 0.4708 0.5690 0.3802 0.8224 0.6866 0.7098 0.9352 0.1388 0.4535
0.0945 0.1357 0.9191 0.1503 0.1645 0.9770 0.1301 0.1100 0.2523 0.4439
0.9499 0.9415 0.7413 0.9335 0.0805 0.8295 0.4575 0.1863 0.5504 0.8926
0.9035 0.1133 0.1115 0.8761 0.0007 0.6222 0.4605 0.0688 0.9164 0.3482
0.9419 0.3802 0.8765 0.5340 0.6593 0.8266 0.5932 0.4277 0.9162 0.7300
0.0927 0.4691 0.5736 0.5615 0.1909 0.2143 0.2672 0.7864 0.3218 0.4765
0.5581 0.0888 0.3969 0.0151 0.8605 0.9615 0.7752 0.0461 0.1122 0.7559
0.4251 0.7327 0.8791 0.4445 0.8864 0.6384 0.6607 0.2892 0.8905 0.5126
0.7184 0.0512 0.5982 0.3277 0.0407 0.2668 0.5557 0.8139 0.3261 0.7949
0.2236 0.1455 0.5083 0.6106 0.7605 0.9788 0.0204 0.6006 0.1452 0.1234
 Determine, mediante la prueba chi-cuadrada si los 100 números de
la tabla son pseudoaleatorios con un nivel de aceptación de 90%

0.78 0.98 0.24 0.73 0.43 0.16 0.78 0.47 0.18 0.55
0.04 0.29 0.68 0.77 0.16 0.03 0.79 0.22 0.37 0.80
0.96 0.26 0.91 0.55 0.75 0.55 0.64 0.39 0.53 0.45
0.61 0.14 0.38 0.12 0.40 0.74 0.78 0.98 0.27 0.60
0.43 0.67 0.62 0.32 0.53 0.54 0.24 0.29 0.18 0.08
0.82 0.94 0.19 0.98 0.41 1.00 0.74 0.92 0.14 0.43
0.83 0.88 0.18 0.21 0.50 0.13 0.43 0.69 0.08 0.12
0.22 0.50 0.16 0.11 0.18 0.89 0.80 0.42 0.29 0.87
0.83 0.79 0.65 0.28 0.78 0.49 0.36 0.86 0.87 0.64
0.51 0.07 0.18 0.94 0.50 0.22 0.66 0.91 0.48 0.24