You are on page 1of 3

NUMEROS ALEATORIOS 1.

Un nmero aleatorio es aquel obtenido al azar, es decir, que todo nmero tenga la misma probabilidad de ser elegido y que la eleccin de uno no dependa de la eleccin del otro. El ejemplo clsico ms utilizado para generarlos es el lanzamiento repetitivo de una moneda o dado ideal no trucado. Los cuales deben satisfacer las condiciones: Estar uniformemente distribuidos en el intervalo de [0,1]. Es decir, que se ajusten a la funcin de densidad de probabilidad uniforme continua. 1 si 0<=x<=1 F(x)= 0 de otro modo

a) Ser independiente entre s. 2. GENERACION DE NUMEROS ALEATORIOS Existen muchos mtodos para poder generar nmeros aleatorios entre ellos podemos mencionar el mtodo de los cuadrados del medio, mtodos congruenciales (Mixto y Multiplicativo). 2.1. Mtodo de los cuadrados del medio Consiste en generar aleatoriamente un numero de cuatro dgitos, q se denomina la semilla, elevarlo al cuadrado y establecer una forma de tomar los cuatro nmeros centrales del resultado de la exponenciacin, ya sea quitando dos o un solo digito de cada extremo del resultado. 2.2. Mtodos congruenciales Los mtodos congruenciales estn basados en el lgebra de congruencia. Metodo congruencial mixto Se representa en la siguiente ecuacin: ( )( Dnde: A= es la constante multiplicativa. C= es la constante aditiva. M= es la magnitud del mdulo. X0= es la semilla. ) ( )

La seleccin adecuada de los parmetros para un generador congruencial mixto, est basado en el teorema de HULL-DOBELL. Este generador tiene periodo completo si y solo si el numero entero positivo que divide a A y Mes 1; si q es un numero primo que divide a M y si 4 divide a M, entonces 4 divide a (a-1). Metodo congruencial multiplicativo Este mtodo presenta la siguiente ecuacin: ( Donde: A= es la constante multiplicativa. M= es la magnitud del mdulo. X0= es la semilla. 3. PRUEBAS ESTADISTICAS PARA LOS NUMEROS ALEATORIOS La estadstica se divide en dos ramas: la estadstica descriptiva, la cual se relaciona con la descripcin de los datos recopilados en una muestra, y la estadstica inferencial, que se relaciona con el proceso de utilizar los datos de una muestra para realizar inferencias y tomar decisiones respecto a la poblacin de la cual se toma la muestra. En la estadstica existen dos procedimientos para hacer inferencias respecto a un parmetro: la estimacin de parmetros ya sea puntual o por intervalos, y las pruebas de hiptesis. La estimacin puntual es un procedimiento que permite a partir de la informacin de la muestra obtener un solo valor, con el cual se estima el parmetro deseado, mientras que la estimacin por intervalos permite obtener dos valores entre los cuales se supone se encuentra el parmetro de inters. Para hacer un uso correcto de la pruebas de Hiptesis, es necesario verificar que se cumplan los supuestos requeridos en estas, ya que al no cumplirse alguno de estos, se incurren en errores que afectan los resultados obtenidos, por lo tanto se debe hacer un estudio formal de las implicaciones que se tendran al aplicar las pruebas de Hiptesis cuando no se cumple algn supuesto. Especficamente se observaran las pruebas de hiptesis para una media, una varianza y una proporcin, bajo condiciones en las cuales no se cumpla el supuesto de normalidad, con la finalidad de establecer los errores en que se incurre y asi aportar conclusiones y recomendaciones tiles para evaluar la confiabilidad de los resultados de esta prueba. La finalidad que se busca es: Analizar la simplicaciones de la aplicacin de las pruebas de hiptesis para una media y para una varianza, cuando los tamaos de muestra son menores a 25 y las ) ( )

muestras provienen de poblaciones con distribucin uniforme, exponencial y gama, a travs del anlisis y comparacin de los valores P. Verificar la velocidad de aproximacin de la distribucin normal, de la proporcin de xitos en una muestra en las pruebas de hiptesis para una proporcin, a travs del anlisis y comparacin de los valores P. Entonces las pruebas de hiptesis para una media al utilizar muestras de distribuciones uniformes y gammas no se presentan alteraciones representativas en los resultados, sin embargo al utilizar muestras de distribuciones exponenciales, la aproximacin a la distribucin normal es muy lenta ya que converge para tamaos de muestra grandes. Para el caso de las pruebas de hiptesis para una varianza, que el uso de estas pruebas cuando las muestras no son distribuciones normales, deriva en resultados errneos e incorregibles al aumentar el tamao de la muestra. En el caso de las pruebas de hiptesis para una proporcin, se lleg a la conclusin de que existe una regla emprica que especifica el tamao de muestra para el cual existe una buena aproximacin a lo normal.

You might also like