INSTITUTO TECNOLOGICO SUPERIOR DE MOTUL.

INVESTIGACIN: PRUEBAS DE ALEATORIEDAD SIMULACIN

MAESTRO: I.S.C. LUIS GILBERTO TEC CETZ.

ELABORADO POR: KU PECH JULIA VERONICA

GRADO: 6

GRUPO: A

MOTUL, YUCATAN, MXICO MARZO, 2012

PRUEBAS DE ALEATORIEDAD

PRUEBA DE LOS PROMEDIOS Esta prueba es conocida como uniforme o rectangular, el valor esperado y la varianza de una variable aleatoria uniformemente distribuida estn dados por las siguientes expresiones: E(x) = 10 x dx = Var = 10 ( x - )2 dx = 1/12 /2 1 - /2 Una prueba de hiptesis de promedios puede ser planteada e la siguiente forma Hiptesis nula Ho : = Hiptesis alternativa H1 : En seguida, su promedio aritmtico es evaluado de acuerdo a la siguiente expresin: U = N.A. Se determina el valor estadstico. Si, entonces se acepta la hiptesis de los nmeros pseudoaleatorios. PRUEBA DE FRECUENCIA El estadstico usado en esta prueba es FOi= frecuencia observada del i-simo subintervalo FEi = frecuencia esperada del i-simo subintervalo N = tamao de la muestra n = nmero de subintervalos Este estadstico se compara con la cual representa una variable aleatoria Chicuadrada con n-1 grados de libertad y un nivel de significancia. Si, entonces se acepta la hiptesis.

Usar pruebas de bondad de ajuste x2 PRUEBA DE LA DISTANCIA Los nmeros pseudoaleatorios generados son considerados como dgitos, entonces la prueba consiste en contar el nmero de dgitos que aparecen entre ocurrencias sucesivas de un mismo dgito. Por ejemplo, 58245, ilustra un hueco de tamao 3 entre los dos 5. La probabilidad de cada uno de los tamaos de hueco se obtiene con la siguiente expresin: Como tericamente el valor del tamao del hueco puede ser infinito, es conveniente agrupar probabilidades para valores de i mayores o iguales a un determinado valor de n. Tal sumatoria se obtiene de acuerdo con la siguiente expresin: El estadstico que se usa en estas pruebas se obtiene como: Entonces los nmeros pasan la prueba. i ni Pi FOi Acum FEi FOi 0 81917 0.1 3 3 13(0.1)=1.3 3 1 78981 0.9 8 11 12(0.9)=1.17 8 2 97982 0.081 1 13 13(0.081)=1.053 1 3 7753 0.729 1 13 13(0.729)=9.477 1 4 72771 5 08160 6 64041 7 72141 8 25223 9 60814 NOTA = Entre los huecos no debe de haber frecuencia de 1 por lo tanto se sube al anterior (31.3)2/1.3 = 2.2231 (81.17)2 /1.17 = 39.871 (11.053)2 /1.053 = 0.00266 (1 9.477)2 /9.477 = 7.5825 = 496792 x2 Frecuencias esperadas y observadas para los diferentes tamaos de huecos, considerando a los nmeros pseudoaleatorios generados como nmeros reales. i Pi FOi FEi 0 FO0 = FOi ( ) 1 (1- ) FO1 = FOi ( )(1- ) 2 (1- )2 FO2 = FOi ( )(1- )2 . . . . . . . . . . . . i (1- )i FOi = FOi ( )(1- )i . . . . . . . . . . . . >=n (1- )n FOn = FOi(1- )n total 1.0 FOi = FOi 0.78961 0.05230 0.10699 0.55877 0.14151 0.76086 0.12079 0.27738 0.65726 0.76269 0.80548 0.82654 0.29453 0.20852 0.42989 0.58518 0.98611 0.34488 0.34358 0.11537 0.89898 0.57880 0.67621 0.05010 0.00121 0.28269 0.73059 0.70119 0.18284 0.49962 0.38618 0.76910 0.68334 0.55170 0.10850 0.79982 0.45679 0.21631 0.87616 0.55742 0.58972 0.33216 0.03185 0.61168 0.09264 0.69623 0.17028 0.05475 0.91512 0.76262 0.29931 0.30831 0.83358 0.51781 0.03272 0.57410 0.26593 0.85903 0.43308 0.35286 0.24000 0.65559 0.38507 0.90829 0.94187 0.93655 0.88809 0.81772 0.36982 0.19904 0.54325 0.62400 0.09133 0.41678 0.33954 0.58244 0.85853 0.88752 0.33729 0.15506 0.23949 0.53559 0.33381 0.49383 0.75103 0.19962 0.65002 0.74579

0.79113 0.63453 0.19157 0.40644 0.08128 0.73465 0.22724 0.22287 0.07281 0.64183 0.44267 0.72102 =0.3 =0.7 = ; 0.4 Pi = (1- )i para i = 0,1,2,3 i Pi FOi FEi 0 0.4 12 40(0.4) = 6.00 1 0.24 12 40(0.4)(0.6) = 9.6 2 0.144 10 40(0.4)(0.6) = 5.76 >=3 0.216 6 40(0.6) = 8.64 total 1.00 70=40 FE = 40 PRUEBAS DE SERIES Consiste en generar n nmeros pseudoaleatorios de los cuales se forman parejas aleatorias entre Ui y Ui+2. En seguida se determina la celda a que pertenece cada pareja ordenada como en la figura. 1 (n-1)/n (n-2)/n 2/n 1/n 1/n 2/n (n-2)/n (n-1)/n 1 Con lo cual se determina al frecuencia observada de cada celda. La frecuencia esperada de cada una de las celdas se obtiene al dividir el total de parejas coordenadas por el total de celdas. Finalmente, conocida la frecuencia observada y esperada de cada celda se obtiene el estadstico: Prueba de series. Para probar el grado de aleatoriedad entre Nm. sucesivos se forman parejas de N donde N= nmeros pseudoaleatorios. (U1, U2), (U2, U3), (U3, U4),. . . (U8, U9), (U9, U10) En seguida, se determina la celda a que pertenece cada pareja. 1 n/n 4/n 3/n 2/n 1/n 0 1/n 2/n 3/n 1 n/n Con lo cual se determina la frecuencia esperada de cada celda se obtiene: N= Nmeros 100 FE = N/n n= Particiones 5 si n = 5 se tiene una matriz de 55 = 25 =n si N = 100 se obtendran 99 parejas. FE = 99/25= NOTA: Cuando la pareja de puntos cae en un vrtice se coloca a la izq. es por la lnea y abajo. Prueba de series: 0.72484 0.48999 0.50502 0.39528 0.36782 0.90234 0.71890 0.61234 0.86322 0.94134 0.99872 0.27657 0.34565 0.02387 0.67347 0.10987 0.25678 0.25593 0.82345 0.12387 0.05389 0.82474 0.59289 0.36782 0.03991 0.10461 0.93716 0.16894 0.98953 0.73231 1- = 0.95 = 10.95 = 0.05 /2= 0.05/2 = 0.025 n=4 elige el valor de n. Nm. de parejas a formar N = 301 = 29 parejas FE = (N-1)/ n2 = (301)/ 42 = 1.8125 Paso 1: Ho: ri independiente H : ri dependiente. Crear un histograma de dos dimensiones con M intervalos, clasificando cada pareja de nmeros consecutivos (ri, ri+1) dentro de las casillas de dicho histograma de frecuencias. El nm. total de pares ordenados en cada casilla formara la frecuencia observada: FOi. Paso 2: Calcular la frecuencia esperada en cada casilla FEi de acuerdo con FEi= num/m de nm. es el numero total de parejas ordenadas. Paso 3. Calcular el error C, con la ecuacin siguiente: Paso 4: Si el valor C es menor o igual al estadstico de tablas x2 con m-1 grados de libertad y una probabilidad de rechazo, entonces aceptamos que

estadsticamente los nmeros son independientes. (0.72484 , 0.48999) 1 (0.48999 , 0.50502) 3 2 1 2 (0.50502 , 0.39528 ) 0.75 (0.39528 , 0.36782 ) (0.36782 , 0.90234 ) 1 1 1 3 (0.90234 , 0.71890) 0.5 (0.71890 , 0.61234) 1 3 3 1 (0.61234 , 0.86322) 0.25 (0.86322 , 0.94134) 2 2 2 2 (0.94134 , 0.99872) (0.99872 , 0.27657) 0 0.25 0.5 0.75 1 (0.27657 , 0.34565) (0.34565 , 0.02387) (0.02387 , 0.67347) (0.67347 , 0.10987) (0.10987 , 0.25678) (0.25678 , 0.25593) (0.25593 , 0.82345) (0.82345 , 0.12387) (0.12387 , 0.05389) (0.05389 , 0.82474) (0.82474 , 0.59289) (0.59289 , 0.36782) (0.36782 , 0.03991) (0.03991 , 0.10461) (0.10461 , 0.93716) (0.93716 , 0.16894) (0.16894 , 0.98953) (0.98953 , 0.73231) PRUEBAS DE CORRIDA Una corrida se define como un conjunto de nmeros que aparecen ordenados en forma monotonicamente creciente o decreciente: por ejemplo 03, 23, 57, 92, 99 contienen una sola corrida, mientras que 03, 99, 23, 92, 27 contiene (03,99), (223,92), (57) si se utiliza el signo + para identificar que el nmero que aparece a la derecha de otro es mayor, o - si es menor, se tiene que: 30, 23, 57, 92, 99 +, +, +, +, +, mientras que 03, 99, 23, 92, 57 +, -, +, - Esta prueba se basa en el supuesto que el numero de corridas es una variable aleatoria. Si una secuencia tiene ms de 20 nmeros, el numero de corridas que es una variable aleatoria distribuida normalmente con media y varianza conocida. La prueba se realiza de la siguiente manera: Paso 1.- Se formula la hiptesis Ho: La secuencia de nmeros es aleatoria. Paso 2.- Se selecciona una muestra de tamao n (n>20) Paso 3.- Se definen con los signos +, - las posibles corridas. Paso 4.- Se define la estadstica r como el nmero de corridas. Pas 5.- si n>20 y Ho es verdadera, entonces r se aproxima a una distribucin normal con media: Paso 6.- Se acepta ho, a un nivel de riesgo, si Donde z (*) esta tabulada en la distribucin normal. Ejemplo: Se tiene la siguiente secuencia de nmeros pseudoaleatorios: 10 37 08 99 12 66 31 85 63 73 32 04 68 02 99 74 10 77 32 42 76 64 19 09 80 34 45 02 05 03 13 74 09 70 36 76 82 64 74 64 34 24 23 28 64 36 35 68 90 35 si r = 35 De tablas: Z (0.68) = 0.7517 Por lo que para el nivel de significancia por ejemplo 10% Se afirma la Hiptesis Ho: La secuencia de nmeros es aleatoria. PRUEBA DE POKER Esta prueba examina en forma individual los dgitos del nmero pseudoaleatorio generado. La forma como esta prueba se realiza es tomando 5 dgitos a al vez y

clasificndolos como: Par, dos pares, tercia, pker quintilla full y todos diferentes. Las probabilidades para cada una de las manos del pker diferentes se muestran enseguida: Todos diferentes = 0.3024 Un par = 0.504 Dos pares = 0.108 Tercia = 0.072 Full = 0.009 Quintilla = 0.0001 Con las probabilidades anteriores y con el nmero de nmeros pseudoaleatorios generados, se puede calcular la frecuencia esperada de cada posible resultado, la cual al compararse con la frecuencia observada, produce el estadstico: Si. Entonces los nmeros pasan la prueba. i Pi FO FE Todos diferentes 0.3024 3 29(0.3024)=8.7696 (8.76963)2/8.7696=3.7958 Un par 0.504 Dos pares 0.108 Tercia 0.072 Full 0.009 Quintilla 0.0001 55787 dos pares 33333 Quintilla 16543 Todos diferentes 17145 Un par 51575 Tercia 44343 Full 11171 Pker Ho: Los N. A. son independientes con Si se acepta Ho. 5.8 PRUEBAS DE LAS CORRIDAS 5.8.1 Prueba de las corridas arriba y abajo del promedio En esta versin de la prueba de las corridas, una secuencia de nmeros pseudoaleatorios es generada. En seguida, una secuencia binaria es obtenida, en la cual es 0 si Ui es menor a 0.5 y 1 si es mayor. Una vez obtenida la secuencia binaria, el siguiente paso e la cantidad de veces que una misma longitud de corridas se repite (frecuencia observada de la corrida de la longitud i). Una sucesin de i ceros (unos) enmarcada por unos (ceros) en los extremos, representa una corrida de longitud i. El Nmero total esperado de corridas y el nmero esperado para cada tamao de corrida se obtienen con las siguientes expresiones: Estas frecuencias esperadas son comparadas con las observadas a travs de la distribucin Chi-cuadrada y una decisin sobre la aleatoriedad de los nmeros pseudoaleatorios generados es tomada. Prueba de corridas arriba y abajo del promedio. 0.65 1 0.55 1 0.91 1 0.25 0 i F0i 0.65 1 0.02 0 0 0.41 0 1 0.31 0 0.40 0 0.08 0 0.69 1 0.46 0 Ho: La secuencia de N. A. es aleatoria con M = 0.5 0.80 1 y 0.83 1 0.27 0 i FOi FEi 0 8 9 ( 98)2/9= 0.1111 1 7 4.25 (4.257)2 = 1.7794 15 La secuencia de No. es aleatoria con M= 0.5 y alfa =5%. Se acepta Ho. 5.8.2 Prueba de corridas arriba y abajo. Se genera una secuencia de nmeros igual que en el inciso anterior y luego se obtienen una secuencia binaria, en la cual el isimo trmino es cero si Uii< Ui+1 y 1 al contrario. Una vez obtenida la secuencia binaria, se sigue el mismo procedimiento descrito anteriormente y se obtienen la frecuencia observada para cada tamao de corrida. CHI-CUADRADA Se determina de acuerdo a la siguiente expresin:

Donde n es el nmero de trminos de la ecuacin anterior. Es importante sealar que el clculo del estadstico Chi-cuadrada, la frecuencia esperada para cada tamao de corrida debe ser igual o mayor a 5. Si las frecuencias esperadas para corridas de tamao grande son menores que 5, tales frecuencias se deben agrupar con las adyacentes de tal modo que la frecuencia esperada de los tamaos de corrida sea al menos 5. Si entonces los nmeros pasan la prueba. pruebas de corridas arriba y abajo. i 1 0.84 1 2 0.53 1 3 0.43 0 4 0.45 1 5 0.74 0 Ho: La sec. De No, es aleatoria con 6 0.66 0 7 0.33 1 8 0.85 0 9 0.37 1 FE 201= 2/20! 10 0.69 0 11 0.10 1 12 0.76 0 13 0.68 0 14 0.60 1 15 0.97 0 16 0.03 1 17 0.72 0 18 0.17 1 19 0.29 0 20 0.16 1 i FOi FEi 0 10 8 ( 810)2/8= 0.1111 1 10 8. 9166 (8.916610)2 /8.9166=0.1316 10 Se acepta Ho. Los No. son aleatorios. PRUEBA DE KOLMOGOROV- SMIRNOV Esta prueba sirve para verificar o negar la hiptesis que un conjunto de observaciones provienen de una distribucin. La estadstica D que se utiliza en esta prueba es una medida de la diferencia mxima observada entre la distribucin emprica y la terica supuesta. D es una variable aleatoria. Se utiliza esta prueba para verificar o negar que un conjunto de nmeros pseudoaleatorios tienen una distribucin uniforme en el intervalo cerrado [0,1]. Paso 1: se formula la hiptesis nula, Ho. De que los nmeros provienen de una distribucin uniforme en el intervalo cerrado [0,1]. Paso 2: Se selecciona una muestra de tamao n de nmeros pseudoaleatorios generados n = 1000. Sea Fn(x), de la siguiente manera. Paso 3: Calcule la funcin de distribucin acumulada emprica fn(x) de la siguiente manera. -Ordene los valores de la secuencia, tal que para toda i. -Haga Fn(0) Paso 4: Evalu la estadstica de Kolmogorov-smirnov, de a partir de Paso 5 Consulte la tabla de limites de aceptacin para la prueba de kolmogorovSmirnov, para un tamao de muestra n y un determinado nivel de riesgo alfa, si D es menor o igual a este numero se acepta Ho, de otra manera se rechaza. Ejemplo: De una tabla de nmero aleatorios se eligen los siguientes 50 (divididos entre 100 Para que su valor oscile entre 0 y 1. 0.10 0.37 0.08 0.99 0.12 0.66 0.31 0.85 0.63 0.73 0.32 0.04 0.68 0.02 0.99 0.74 0.10 0.77 0.32 0.42 0.76 0.64 0.19 0.09 0.80 0.34 0.45 0.02 0.05 0.03 0.13 0.74 0.09 0.70 0.36 0.76 0.82 0.65 0.74 0.64 0.34 0.24 0.23 0.38 0.64 0.36 0.35 0.68 0.90 0.35 Se desea probar la hiptesis Ho: Provienen de una distribucin uniforme en [0,1], a un nivel de significancia del 90% Paso 2. Se arregla la tabla anterior para que se cumpla la condicin para toda i. 1 0.02 2 0.02 3 0.03 4 0.04 5 0.05 6 0.08 7 0.09 8 0.10 9 0.10 10 0.10 11 0.12 12 0.13 13 0.19 14 0.23 15 0.24 16 0.26 17 0.32 18 0.34 19 0.34 20 0.35 21 0.35 22 0.36 23 0.36 24 0.37 25 0.38 26 0.42 27 0.45 28 0.63 29 0.64 30 0.64 31 0.64 32 0.65 33 0.66 34 0.68 35 0.68 36 0.70 37 0.70 38 0.73 39

0.74 40 0.74 41 0.74 42 0.76 43 0.80 44 0.82 45 0.85 46 0.90 47 0.94 48 0.97 49 0.99 50 0.99 Paso 3 Se construye Fn(xi) para toda i siendo n = 50/100 = 0.5 Fn(0.00) = 0.00 Fn(0.02) = 0.04 Fn(0.0.3) = 0.03 Fn(0.04) = 0.08 Fn(0.05) = 0.10 Fn(0.08) = 0.12 Fn(0.09) = 0.16 Fn(0.10) = 0.20 Fn(0.12) = 0.22 Fn(0.13) = 0.24 Fn(0.19) = 0.26 Fn(0.23) = 0.28 Fn(0.24) = 0.30 Fn(0.31) = 0.32 Fn(0.32) = 0.34 Fn(0.34) = 0.38 Fn(0.35) = 0.42 Fn(0.36) = 0.43 Fn(0.37) = 0.48 Fn(0.38) = 0.50 Fn(0.42) = 0.52 Fn(0.45) = 0.54 Fn(0.63) = 0.56 Fn(0.64) = 0.62 Fn(0.65) = 0.64 Fn(0.66) = 0.66 Fn(0.68) = 0.70 Fn(0.70) = 0.74 Fn(0.73) = 0.76 Fn(0.74) = 0.82 Fn(0.77) = 0.84 Fn(0.80) = 0.86 Fn(0.82) = 0.88 Fn(0.85) = 0.90 Fn(0.90) = 0.92 Fn(0.94) = 0.96 Fn(0.97) = 0.98 Fn(0.99) = 0.100 Paso 4: D = MAX [Fn(xi)-xi] D = [0.00 - 0.00] = 0 [0.04 - 0.02] = 0.02 [0.06 - 0.03] = 0.03 [0.08 - 0.04] = 0.04 D = 0.12; Que ocurre para Fn(0.38) Paso 5: Para un nivel de significancia del 90% y una muestra de 50 nmeros se tiene de la tabla, un valor de 0.170 como D < 0.170 se acepta Ho: Los 50 nmeros si provienen de una distribucin uniforme en el intervalo [0,1]. UNIDAD I I I Generacin de variables aleatorias Funciones de probabilidad Definicin: sea f(x) una funcin de variable real continua o discreta. F(x) es una funcin de probabilidad, si satisface las condiciones siguientes: 1) 2) Funcin acumulada definicin: Sea f(x) una funcin de probabilidad continua o discreta. Se define la funcin acumulada de f(x) denotada F(x) como: a) Metodo de la transformada inversa Si f(x) es una funcin de probabilidad continua o discreta y F()x es su funcin acumulada, entonces podemos obtener la variable aleatoria x con distribucin f(x) haciendo r = F(x); r(0,1), despues despejamos x como x= F-1; ri (0,1) pseudoaleatorio uniforme, i = 0,1,2,3,4, . . . ,h-1 Metodo de rechazos Si f(x) es una funcin de variable aleatoria continua o discreta, acotada y definida para y finitos, entonces se puede aplicar la tcnica de rechazos para generar valores de la variable aleatoria x por los 4 pasos siguientes: 1.- Escalar f(x) multi`licndola por una constante positiva c tal que cf(x )<= 1; c= 1/m; 2.- Obtener x a travs de la realcin lineal x = a + (b-a)r; r (0,1) 3.- Generar parejas de nmeros pseudoaleatorios (ri,ri+1)[ (r1,r2) (r2,r3) (r3,r4), . . . , (rh-2,rh1)] 4.- Investigar si ri+1 <= cf(xi), si es as, se acepta xi si no se rechaza. i ni ri xi = a+(b-a)ri cf(xi) ri+1<= cf(xi) ? 0 n0 r0 x0 cf(x0) 0 1 1 n1 r1 x1 cf(x1) 0 1 2 n2 r2 x2 cf(x2) 0 1 . . . . . . . . . . . . . . . . . . n-1 nh-1 rh-1 xh-1 cf(xh-1) ltimo se compara con r0 n nh=0 r0 ----- ------- ----- a=1 b= 1 c= /2

0 < r <1 0 > r >1 1>1-r > 0 0<1-r<1 0 < R < 1 DISTRIBUCIN DE POISSON Sea t una variable aleatoria discreta, con distribucin de Poisson con media. La funcin inversa se obtiene formando productos de variables aleatorias uniformemente distribuidos en [0,1], denotados ri, hasta que este producto sea menor que e, es decir, hasta que se satisfaga la desigualdad: Al cumplirse esta desigualdad se encuentra el valor de t (la vaiable aleatoria con distribicin de Poisson) con media. Distribucin lognormal. Sea t una variable aleatoria positiva con distribucin lognormal. Entonces: x = log t La funcin inversa se obtiene de : Recomendndose que n>=12 Distribucin Geomtrica. Sea t una variable aleatoria con funcin de densidad geomtrica f(t)= pqt t= 0,1,2,3,. con q = 1- p 0 <= p <= 1 La funcin de distribucin es: Donde r es un nmero aleatorio con distribucin uniforme en [0,1]. Nota: Esta funcin t debe redondearse al entero inmediato inferior. Distribucin uniforme en el intervalo cerrado [a,b] Sea t una variable aleatoria distribuida exponencialmente, con media 1 / ; su funcin de densidad es: Donde r es una variable aleatoria con distribucin uniforme en [0,1]. Distribucin Erlang Sea t una variable aleatoria con distribucin de Erlang con media R/ y varianza R/ 2, es decir, con densidad La funcin inversa es: Donde r1,r2,rR son variables aleatorias independientes con distribucin uniforme en [0,1]. Distribucin Normal Sea t una variable aleatoria con distribucin normal con media M y varianza 2 su densidad es: Entonces si M=0 y 2=1 la funcin inversa es aproximadamente: igual a: Donde r1,r2,rR son variables aleatorias independientes con distribucin uniforme en el intervalo [0,1]. Es recomendable que n>=10. Si se quiere una variable aleatoria con distribucin normal con una media y varianza cualquiera, la formula anterior se convierte en:

DISTRIBUCIN JI-CUADRADA Sea t una variable aleatoria con distribucin ji-cuadrada con n grados de libertad y densidad dada por; Si n es un nmero par, la funcin inversa es: Mientras que si n es non, la funcin inversa es la suma de n variables aleatorias cuadradas, cada una de ellas con distribucin normal, M=0 y =1 Donde cada ri se obtiene de: Distribucin binomial negativa (o de pascal) Sea t una variable aleatoria con funcin de densidad binomial negativa Donde r1,r2,rR son R variables aleatorias independientes con distribucin uniforme en el intervalo [0,1]. DISTRIBUCIN BINOMIAL Sea t una variable aleatoria t con distribucin binomial se genera de la suma de n variables (no aleatorias) xi i=1, tal que cada vez que se obtiene una variable aleatoria ri, i=1,2,3n con distribucin uniforme en [0,1] se realiza de la siguiente transformacin: DISTRIBUCIN EMPRICA Variables aleatorias con cualquier distribucin empirca discreta o continua que pueda aproximarse por una distribucin discreta, pueden generarse para el siguiente mtodo: Si t es una variable aleatoria r con distribucin uniforme en [0,1] que cumpla con la siguiente desigualdad. Si t=bi con probabilidad.