SlideShare una empresa de Scribd logo
Métodos para Generar números aleatorios
Generadores por congruencia lineal




Con las definiciones

m= módulo

a= multiplicador

I0 = semilla (entero entre 1 y m - 1)

Si los valores de a, y m son elegidos de una forma adecuada, se generara una
secuencia de números aleatorios enteros con una distribución uniforme en [1,
m−1], con un periodo máximo de m−1. En concreto,las siguientes condiciones
garantizan que el generador tiene un periodo máximo (a es una raíz primitiva
delprimo m:

m es primo.

Am-1 – 1 es un múltiplo de m.

Aj-1 – 1; = 1,2,……,m – 2 no son múltiplos de m.

El generador por congruencia lineal generalizado




es más lento que el anterior y no aporta mayorgeneralidad.
Las condiciones que deben cumplir los parámetros a, c, mpara que el generador
tenga un periodo máximo son:

El único divisor común entre c y m es 1 (se dice quec y m son primos el uno
respecto al otro).

todos los divisores primos m son divisores primos dea − 1.

Si m es divisible por 4, a − 1 también lo es.

Ventajas
       El método es rápido.
       La secuencia generada es independiente de la maquinaen la que se ejecuta
       el algoritmo.

Por el principio de conservación de probabilidad




Dada la forma de la distribución objetivo p(z), y si partimos de una distribución de
probabilidad uniforme en u, hemos de resolver la ecuación diferencial




En términos de la distribución de probabilidad acumulada

la solución es:
Números aleatorios con distribución normal
Para obtener un conjunto de números aleatorios con una distribución normal,
utilizaremos un método de transformación en dos dimensiones.

El objetivo es utilizar un generador de números aleatorios con distribución
uniforme para generar números aleatorios con una distribución normal:




La transformación a utilizar es:




donde u1, u2 son dos números aleatorios con distribución U (0,1).

Método de rechazo
Este método permite obtener un conjunto de números aleatorios con una
distribución arbitraria p(x).

   1. Definimos una función de comparación f(x) similar ap(x) tal que cumple las
      siguientes condiciones:




   2. Generamos un numero aleatorio U a partir de una distribución U[0, A]. A
      partir de este número definimos:
Generamos un segundo número aleatorio V a partir de una distribución uniforme
en [0, f(x)]:




Números aleatorios con correlaciones
Si queremos generar una muestra de números aleatorios(y1, y2, . . . , yN) con una
distribución gaussiana de media(µ1, µ2, . . . , µN) y matriz de covarianzas Σ.

• Generamos una muestra de números aleatorios(x1, x2, . . . , xN) independientes
con distribución normal(0, 1).

• Realizamos la siguiente descomposición de la matriz de covarianzas (ej.
descomposición de Cholesky).

Más contenido relacionado

La actualidad más candente

Numeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhNumeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhh
Victor Hugo
 
Numeros Pseudo-aleatorios y variables aleatorias
Numeros Pseudo-aleatorios y variables aleatoriasNumeros Pseudo-aleatorios y variables aleatorias
Numeros Pseudo-aleatorios y variables aleatoriasAlberto Carranza Garcia
 
Simulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelSimulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelAlvaro Gil
 
Investigación de operaciones vol 1
Investigación de operaciones vol 1Investigación de operaciones vol 1
Investigación de operaciones vol 1
Carlosjmolestina
 
Simulación de línea de producción y servicios
Simulación de línea de producción y serviciosSimulación de línea de producción y servicios
Simulación de línea de producción y servicios
Gaston Vertiz
 
Tecnicas y limitaciones de la investigacion de operaciones
Tecnicas y limitaciones de la investigacion de operacionesTecnicas y limitaciones de la investigacion de operaciones
Tecnicas y limitaciones de la investigacion de operaciones
mariandreinarm
 
Modelos De Programacion Entera
Modelos De Programacion EnteraModelos De Programacion Entera
Modelos De Programacion EnteraCris Tenorio
 
Simulacion de sistemas
Simulacion de sistemasSimulacion de sistemas
Simulacion de sistemas
wilbero
 
simulacion numeros pseudoaleatorios
simulacion numeros pseudoaleatoriossimulacion numeros pseudoaleatorios
simulacion numeros pseudoaleatorios
Anel Sosa
 
Lenguajes de simulacion
Lenguajes de simulacionLenguajes de simulacion
Lenguajes de simulacion
Anel Sosa
 
Algoritmo lineal
Algoritmo linealAlgoritmo lineal
Algoritmo lineal
davisct
 
Unidad 3. Programación dinámica
Unidad 3. Programación dinámicaUnidad 3. Programación dinámica
Unidad 3. Programación dinámica
Universidad del golfo de México Norte
 
Simulación del Modelo de Inventario
Simulación del Modelo de InventarioSimulación del Modelo de Inventario
Simulación del Modelo de Inventario
mirlenisramos
 
U2 series de tiempo
U2 series de tiempoU2 series de tiempo
U2 series de tiempo
ALMAYUNIS1
 
1.4 Estructura y características de la simulación de eventos discretos.
1.4 Estructura y características de la simulación de eventos discretos.1.4 Estructura y características de la simulación de eventos discretos.
1.4 Estructura y características de la simulación de eventos discretos.
avengers92
 
Problemas de colas con varios servidores
Problemas de colas con varios servidoresProblemas de colas con varios servidores
Problemas de colas con varios servidores
Novato de la Weeb Fox Weeb
 

La actualidad más candente (20)

Numeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhNumeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhh
 
Numeros Pseudo-aleatorios y variables aleatorias
Numeros Pseudo-aleatorios y variables aleatoriasNumeros Pseudo-aleatorios y variables aleatorias
Numeros Pseudo-aleatorios y variables aleatorias
 
Simulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelSimulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con Promodel
 
Investigación de operaciones vol 1
Investigación de operaciones vol 1Investigación de operaciones vol 1
Investigación de operaciones vol 1
 
Simulación de línea de producción y servicios
Simulación de línea de producción y serviciosSimulación de línea de producción y servicios
Simulación de línea de producción y servicios
 
Tecnicas y limitaciones de la investigacion de operaciones
Tecnicas y limitaciones de la investigacion de operacionesTecnicas y limitaciones de la investigacion de operaciones
Tecnicas y limitaciones de la investigacion de operaciones
 
Modelos De Programacion Entera
Modelos De Programacion EnteraModelos De Programacion Entera
Modelos De Programacion Entera
 
Simulacion de sistemas
Simulacion de sistemasSimulacion de sistemas
Simulacion de sistemas
 
Pruebas De Varianza Uniformidad E Independencia
Pruebas De Varianza Uniformidad E IndependenciaPruebas De Varianza Uniformidad E Independencia
Pruebas De Varianza Uniformidad E Independencia
 
simulacion numeros pseudoaleatorios
simulacion numeros pseudoaleatoriossimulacion numeros pseudoaleatorios
simulacion numeros pseudoaleatorios
 
Lenguajes de simulacion
Lenguajes de simulacionLenguajes de simulacion
Lenguajes de simulacion
 
Flexsim
FlexsimFlexsim
Flexsim
 
Algoritmo lineal
Algoritmo linealAlgoritmo lineal
Algoritmo lineal
 
Unidad 3. Programación dinámica
Unidad 3. Programación dinámicaUnidad 3. Programación dinámica
Unidad 3. Programación dinámica
 
Metodo Montecarlo
Metodo MontecarloMetodo Montecarlo
Metodo Montecarlo
 
Simulación del Modelo de Inventario
Simulación del Modelo de InventarioSimulación del Modelo de Inventario
Simulación del Modelo de Inventario
 
U2 series de tiempo
U2 series de tiempoU2 series de tiempo
U2 series de tiempo
 
1.4 Estructura y características de la simulación de eventos discretos.
1.4 Estructura y características de la simulación de eventos discretos.1.4 Estructura y características de la simulación de eventos discretos.
1.4 Estructura y características de la simulación de eventos discretos.
 
Simulacion-unidad 1
Simulacion-unidad 1Simulacion-unidad 1
Simulacion-unidad 1
 
Problemas de colas con varios servidores
Problemas de colas con varios servidoresProblemas de colas con varios servidores
Problemas de colas con varios servidores
 

Similar a Métodos para generar números aleatorios

Solución de sistemas de ecuaciones lineaes
Solución de sistemas de ecuaciones lineaesSolución de sistemas de ecuaciones lineaes
Solución de sistemas de ecuaciones lineaes
Andrea García
 
Simulacion
SimulacionSimulacion
Matemáticas Diapositivas prueba de su.pptx
Matemáticas Diapositivas prueba de su.pptxMatemáticas Diapositivas prueba de su.pptx
Matemáticas Diapositivas prueba de su.pptx
GabrielMorales323367
 
Unidad IV.docx
Unidad IV.docxUnidad IV.docx
Unidad IV.docx
GuillerminaCaberaCru
 
Sistemas de ecuaciones lineales
Sistemas de ecuaciones linealesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
AleBe52
 
método de determinantes cramer y sarrus 3x3
 método de determinantes cramer y sarrus  3x3 método de determinantes cramer y sarrus  3x3
método de determinantes cramer y sarrus 3x3
Federico Urrea
 
Sistema de ecuaciones
Sistema de ecuacionesSistema de ecuaciones
Sistema de ecuaciones
Mauro Fernando Diaz Martín
 
Distribucion espacial de coeficientes de un polinomio elevado a la m :Resumen
Distribucion espacial de coeficientes de un polinomio elevado a la m :ResumenDistribucion espacial de coeficientes de un polinomio elevado a la m :Resumen
Distribucion espacial de coeficientes de un polinomio elevado a la m :Resumen
Enrique Ramon Acosta Ramos
 
Sistema de ecuaciones
Sistema de ecuacionesSistema de ecuaciones
Sistema de ecuacionessitayanis
 
álgebra lineal
álgebra linealálgebra lineal
álgebra lineal
3132307694
 
Sistemas de ecuaciones lineales y matrices
Sistemas de ecuaciones lineales y matricesSistemas de ecuaciones lineales y matrices
Sistemas de ecuaciones lineales y matrices
CrissLobo
 
Pasos para resolver problemas de ecuaciones
Pasos para resolver problemas de ecuacionesPasos para resolver problemas de ecuaciones
Pasos para resolver problemas de ecuaciones
Jonatan Alvarado
 
montecaralos metodo
montecaralos metodomontecaralos metodo
montecaralos metodo
Juan Timoteo Cori
 
Ecuaciones lineales
Ecuaciones linealesEcuaciones lineales
Ecuaciones lineales
leonardo moncayo
 
Cramer as_02
Cramer as_02Cramer as_02
Cramer as_02
Julio Lopez
 

Similar a Métodos para generar números aleatorios (20)

Solución de sistemas de ecuaciones lineaes
Solución de sistemas de ecuaciones lineaesSolución de sistemas de ecuaciones lineaes
Solución de sistemas de ecuaciones lineaes
 
Simulacion
SimulacionSimulacion
Simulacion
 
Matemáticas Diapositivas prueba de su.pptx
Matemáticas Diapositivas prueba de su.pptxMatemáticas Diapositivas prueba de su.pptx
Matemáticas Diapositivas prueba de su.pptx
 
Lina 2
Lina 2Lina 2
Lina 2
 
Lina 2
Lina 2Lina 2
Lina 2
 
Unidad IV.docx
Unidad IV.docxUnidad IV.docx
Unidad IV.docx
 
Sistemas de ecuaciones lineales
Sistemas de ecuaciones linealesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
 
Sistemas de ecuaciones lineales
Sistemas de ecuaciones linealesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
 
Semana2algebraenpdf
Semana2algebraenpdfSemana2algebraenpdf
Semana2algebraenpdf
 
método de determinantes cramer y sarrus 3x3
 método de determinantes cramer y sarrus  3x3 método de determinantes cramer y sarrus  3x3
método de determinantes cramer y sarrus 3x3
 
Sistema de ecuaciones
Sistema de ecuacionesSistema de ecuaciones
Sistema de ecuaciones
 
Distribucion espacial de coeficientes de un polinomio elevado a la m :Resumen
Distribucion espacial de coeficientes de un polinomio elevado a la m :ResumenDistribucion espacial de coeficientes de un polinomio elevado a la m :Resumen
Distribucion espacial de coeficientes de un polinomio elevado a la m :Resumen
 
Sistema de ecuaciones
Sistema de ecuacionesSistema de ecuaciones
Sistema de ecuaciones
 
álgebra lineal
álgebra linealálgebra lineal
álgebra lineal
 
Sistemas de ecuaciones lineales y matrices
Sistemas de ecuaciones lineales y matricesSistemas de ecuaciones lineales y matrices
Sistemas de ecuaciones lineales y matrices
 
Pasos para resolver problemas de ecuaciones
Pasos para resolver problemas de ecuacionesPasos para resolver problemas de ecuaciones
Pasos para resolver problemas de ecuaciones
 
montecaralos metodo
montecaralos metodomontecaralos metodo
montecaralos metodo
 
Ecuaciones lineales
Ecuaciones linealesEcuaciones lineales
Ecuaciones lineales
 
Cramer as_02
Cramer as_02Cramer as_02
Cramer as_02
 
Sistema de ecuaciones lineales
Sistema de ecuaciones linealesSistema de ecuaciones lineales
Sistema de ecuaciones lineales
 

Métodos para generar números aleatorios

  • 1. Métodos para Generar números aleatorios Generadores por congruencia lineal Con las definiciones m= módulo a= multiplicador I0 = semilla (entero entre 1 y m - 1) Si los valores de a, y m son elegidos de una forma adecuada, se generara una secuencia de números aleatorios enteros con una distribución uniforme en [1, m−1], con un periodo máximo de m−1. En concreto,las siguientes condiciones garantizan que el generador tiene un periodo máximo (a es una raíz primitiva delprimo m: m es primo. Am-1 – 1 es un múltiplo de m. Aj-1 – 1; = 1,2,……,m – 2 no son múltiplos de m. El generador por congruencia lineal generalizado es más lento que el anterior y no aporta mayorgeneralidad.
  • 2. Las condiciones que deben cumplir los parámetros a, c, mpara que el generador tenga un periodo máximo son: El único divisor común entre c y m es 1 (se dice quec y m son primos el uno respecto al otro). todos los divisores primos m son divisores primos dea − 1. Si m es divisible por 4, a − 1 también lo es. Ventajas El método es rápido. La secuencia generada es independiente de la maquinaen la que se ejecuta el algoritmo. Por el principio de conservación de probabilidad Dada la forma de la distribución objetivo p(z), y si partimos de una distribución de probabilidad uniforme en u, hemos de resolver la ecuación diferencial En términos de la distribución de probabilidad acumulada la solución es:
  • 3. Números aleatorios con distribución normal Para obtener un conjunto de números aleatorios con una distribución normal, utilizaremos un método de transformación en dos dimensiones. El objetivo es utilizar un generador de números aleatorios con distribución uniforme para generar números aleatorios con una distribución normal: La transformación a utilizar es: donde u1, u2 son dos números aleatorios con distribución U (0,1). Método de rechazo Este método permite obtener un conjunto de números aleatorios con una distribución arbitraria p(x). 1. Definimos una función de comparación f(x) similar ap(x) tal que cumple las siguientes condiciones: 2. Generamos un numero aleatorio U a partir de una distribución U[0, A]. A partir de este número definimos:
  • 4. Generamos un segundo número aleatorio V a partir de una distribución uniforme en [0, f(x)]: Números aleatorios con correlaciones Si queremos generar una muestra de números aleatorios(y1, y2, . . . , yN) con una distribución gaussiana de media(µ1, µ2, . . . , µN) y matriz de covarianzas Σ. • Generamos una muestra de números aleatorios(x1, x2, . . . , xN) independientes con distribución normal(0, 1). • Realizamos la siguiente descomposición de la matriz de covarianzas (ej. descomposición de Cholesky).