La aleatoriedad y Generación de variables aleatorias
Presentación
Números aleatorios y pseudoaleatorios
Un número aleatorio es un valor que se obtiene al azar, para identificarlo debe ser asignado a un rango de valores; por ejemplo, puede pertenecer al grupo 1 a 10, o bien, a un conjunto infinito de valores, por lo tanto, cada número tiene la misma probabilidad de ser elegido. Es importante mencionar que la elección de un número no depende de la elección de otro, es decir, no se realiza en un orden concreto.Un numero pseudoaleatorio se les denomina de esta forma porque se obtienen de un conjunto de operaciones a partir del número generado en algún paso anterior; por ejemplo, pueden iniciar en el 30 y de ahí generar números aleatorios utilizando una fórmula que no sobrepase el 100
Generadores congruenciales
Es un algoritmo matemático utilizado para generar una secuencia de números pseudoaleatorios. Tiene su origen en el año 1951 y utiliza una fórmula matemática que genera el siguiente número de la secuencia a partir del número anterior.
Contrastes de bondad de ajuste
Son un resumen de la discrepancia que se presenta entre los valores observados y los valores esperados en el modelo de estudio. Dichas medidas se utilizan para comprobar si dos muestras se obtienen a partir de dos distribuciones idénticas, o bien, para detectar si las frecuencias siguen una distribución específica.
+ info
Contrastes de aleatoriedad e independencia
En la estadística, sirve para evaluar la aleatoriedad de datos binarios, es decir, de los números que sólo pueden tomar los valores de 0 y 1. Esto se basa en la idea de contar el número de rachas, o sea, las secuencias consecutivas de valores iguales en los datos, determinando si la secuencia de datos binarios exhibe un patrón sistemático, o bien, si los valores parecen ser generados al azar.
Teorema central del límite
El teorema central del límite es una herramienta poderosa en estadística que permite realizar inferencias sobre grandes poblaciones de datos; dado que este método trabaja con muestras aleatorias, es importante conocer en primer lugar a qué se refiere este concepto y cuáles son sus características.
Algoritmo de Box-Muller
El algoritmo de Box-Muller se basa en la transformación de coordenadas polares en coordenadas cartesianas utilizando variables aleatorias uniformemente distribuidas. A partir de dos números aleatorios uniformes independientes y distribuidos entre 0 y 1, el algoritmo genera dos números aleatorios que se distribuyen en una curva normal..
Modelado
Genera números aleatorios que respondan a los datos observados, permitiendo modelar el comportamiento de fenómenos naturales, por ello, resulta útil en la ingeniería y la ciencia.
Simulacion
Permite la generación de datos aleatorios con distribuciones normales para la simulación de sistemas complejos, como redes de comunicación o sistemas financieros
Métodos generales de simulación
Se deriva de una distribución empírica de las variaciones experimentadas. Para ello, se debe recopilar datos empíricos de las variaciones o de las pérdidas experimentadas en un sistema o proceso a lo largo del tiempo. Cabe aclarar que la calidad de sus resultados dependerá del tipo de datos empíricos recopilados.
Método de simulación de variables aleatorias discretas
Búsqueda indexada
Método de Alias
Transformación inversa
Este método permite reducir las comparaciones localizando las zonas en las que se encuentran los números pseudoaleatorios que se han producido. Usando la búsqueda indexada, se utiliza un índice para realizar saltos más grandes y reducir la cantidad de comparaciones necesarias
Permite generar muestras aleatorias de una distribución discreta con eficiencia constante, ya que los pasos de preparación y construcción sólo se realizan una vez. Esto lo hace particularmente útil en casos donde se necesite generar múltiples muestras aleatorias de una distribución discreta con probabilidades desiguales
Es un enfoque útil para generar valores aleatorios de una distribución específica en simulaciones. Al utilizar la función de distribución acumulativa inversa, se puede mapear un número aleatorio uniforme a un valor correspondiente en la distribución objetivo, permitiendo así simular variables aleatorias con la distribución deseada.
¡Gracias!
PROYECTO MODULAR DE SIMULACION
jose angel lepez mendez
Created on December 16, 2023
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Modern Presentation
View
Terrazzo Presentation
View
Colorful Presentation
View
Modular Structure Presentation
View
Chromatic Presentation
View
City Presentation
View
News Presentation
Explore all templates
Transcript
La aleatoriedad y Generación de variables aleatorias
Presentación
Números aleatorios y pseudoaleatorios
Un número aleatorio es un valor que se obtiene al azar, para identificarlo debe ser asignado a un rango de valores; por ejemplo, puede pertenecer al grupo 1 a 10, o bien, a un conjunto infinito de valores, por lo tanto, cada número tiene la misma probabilidad de ser elegido. Es importante mencionar que la elección de un número no depende de la elección de otro, es decir, no se realiza en un orden concreto.Un numero pseudoaleatorio se les denomina de esta forma porque se obtienen de un conjunto de operaciones a partir del número generado en algún paso anterior; por ejemplo, pueden iniciar en el 30 y de ahí generar números aleatorios utilizando una fórmula que no sobrepase el 100
Generadores congruenciales
Es un algoritmo matemático utilizado para generar una secuencia de números pseudoaleatorios. Tiene su origen en el año 1951 y utiliza una fórmula matemática que genera el siguiente número de la secuencia a partir del número anterior.
Contrastes de bondad de ajuste
Son un resumen de la discrepancia que se presenta entre los valores observados y los valores esperados en el modelo de estudio. Dichas medidas se utilizan para comprobar si dos muestras se obtienen a partir de dos distribuciones idénticas, o bien, para detectar si las frecuencias siguen una distribución específica.
+ info
Contrastes de aleatoriedad e independencia
En la estadística, sirve para evaluar la aleatoriedad de datos binarios, es decir, de los números que sólo pueden tomar los valores de 0 y 1. Esto se basa en la idea de contar el número de rachas, o sea, las secuencias consecutivas de valores iguales en los datos, determinando si la secuencia de datos binarios exhibe un patrón sistemático, o bien, si los valores parecen ser generados al azar.
Teorema central del límite
El teorema central del límite es una herramienta poderosa en estadística que permite realizar inferencias sobre grandes poblaciones de datos; dado que este método trabaja con muestras aleatorias, es importante conocer en primer lugar a qué se refiere este concepto y cuáles son sus características.
Algoritmo de Box-Muller
El algoritmo de Box-Muller se basa en la transformación de coordenadas polares en coordenadas cartesianas utilizando variables aleatorias uniformemente distribuidas. A partir de dos números aleatorios uniformes independientes y distribuidos entre 0 y 1, el algoritmo genera dos números aleatorios que se distribuyen en una curva normal..
Modelado
Genera números aleatorios que respondan a los datos observados, permitiendo modelar el comportamiento de fenómenos naturales, por ello, resulta útil en la ingeniería y la ciencia.
Simulacion
Permite la generación de datos aleatorios con distribuciones normales para la simulación de sistemas complejos, como redes de comunicación o sistemas financieros
Métodos generales de simulación
Se deriva de una distribución empírica de las variaciones experimentadas. Para ello, se debe recopilar datos empíricos de las variaciones o de las pérdidas experimentadas en un sistema o proceso a lo largo del tiempo. Cabe aclarar que la calidad de sus resultados dependerá del tipo de datos empíricos recopilados.
Método de simulación de variables aleatorias discretas
Búsqueda indexada
Método de Alias
Transformación inversa
Este método permite reducir las comparaciones localizando las zonas en las que se encuentran los números pseudoaleatorios que se han producido. Usando la búsqueda indexada, se utiliza un índice para realizar saltos más grandes y reducir la cantidad de comparaciones necesarias
Permite generar muestras aleatorias de una distribución discreta con eficiencia constante, ya que los pasos de preparación y construcción sólo se realizan una vez. Esto lo hace particularmente útil en casos donde se necesite generar múltiples muestras aleatorias de una distribución discreta con probabilidades desiguales
Es un enfoque útil para generar valores aleatorios de una distribución específica en simulaciones. Al utilizar la función de distribución acumulativa inversa, se puede mapear un número aleatorio uniforme a un valor correspondiente en la distribución objetivo, permitiendo así simular variables aleatorias con la distribución deseada.
¡Gracias!