ACTIVIDADES DEL TEMA 1.

A1. CUESTIONES TERICAS. 1) Cules son las propiedades que hay que verificar en una secuencia de nmeros pseudoaleatorios dada por un generador computacional.
Al evaluar una secuencia de nmeros pseudoaleatorios, esperamos que la secuencia verifique las propiedades correspondientes a muestras con distribucin U(0,1). 1. Uniformemente distribuidas. La secuencia de nmeros pseudoaleatorios debe estar caracterizada por su distribucin de valores cercana a la distribucin uniforme. Su funcin de densidad f(x) y su funcin de distribucin acumulada F, deben cumplir: 1 si 0 x 1 f(x) = 0 en caso contrario 2. Estadsticamente independientes. Una forma importante de caracterizar a las secuencias pseudoaleatorios es mediante sus propiedades de correlacin. En este caso, los dependencias que existan entre subsecuencias, se convertir en un punto muy importante que deber ser tenido en cuenta, por lo que habr que establecer unos requisitos que debern cumplir estas subsecuencias: Cada secuencia del conjunto debe ser fcilmente distinguible de cualquier versin de ella misma desplazada en el tiempo. Cada secuencia del conjunto debe ser fcilmente distinguible de cualquier otra, y de cualquier versin de ellas obtenida mediante un desplazamiento en el tiempo. F(x) = k 0 f(x) dx

Por tanto, es de esperar que se verifiquen las siguientes propiedades: Secuencias no correlacionadas: esto significa que en una sucesin de nmeros aleatorios, una subsecuencia de nmeros aleatorios no debe estar relacionada con ninguna otra. Independencia estadstica y equiprobabilidad: lo cual implica que la probabilidad de que un nmero especfico aparezca en la sucesin debe ser la misma para cada uno de los elementos del conjunto de nmeros aleatorios, adems, la aparicin de un nmero dentro de la sucesin no implica ni excluye la aparicin de cualquier otro.

2) Cul es el grado de dificultad de los mtodos de simulacin que permiten la generacin de: - Secuencias aleatorias independientes - Secuencias aleatorias altamente correladas - Secuencias aleatorias con dependencia dbil - Secuencias aleatorias Markovianas - Estructuras aleatorias Gaussiana Multivariantes. - Soluciones de ecuaciones diferenciales estocsticas.

En Kahaner (1977) se definen cinco caractersticas sobre las que se debera valorar cualquier generador de nmeros aleatorios:

Calidad. Se deben satisfacer los tests estadsticos adecuados. Antes de la repeticin de la secuencia debiera haber un periodo lo suficientemente largo. Los generadores de nmeros generalmente son cclicos, por lo cual es deseable que cada uno de los elementos del conjunto aparezca exactamente una vez en la secuencia antes de que empiecen a repetirse (ciclo completo). El perodo y las propiedades de la secuencia no deben depender del valor inicial. Eficiencia. El generador debiera ser rpido. Debe precisar la menor cantidad de almacenamiento posible. Un factor importante cuando se genera una gran cantidad de nmeros aleatorios es la eficiencia, la cual se mide en trminos de la utilizacin de la CPU (Central Process Unit). Repetibilidad. El mtodo debe depender de una semilla, para permitir que un experimento se pueda repetir. Transportabilidad. (entre diferentes ordenadores e, idealmente, a diferentes lenguajes de programacin). Si un mtodo dado se implementa sobre un sistema diferente debe producir los mismos resultados. A nivel de la mquina, una propiedad importante de un generador de nmeros aleatorios es la de producir los mismos resultados independientemente de la plataforma computacional que se est utilizando. Simplicidad. El generador debe ser suficientemente sencillo de implementar y utilizar.

Segn Ripley (2006), un buen generador de nmeros pseudoaleatorios, debe:

Utilizar un algoritmo simple y ser rpido, debe llevar un tiempo considerablemente menor que el tiempo que lleva evaluar el algoritmo. Ser peridico con una longitud de perodo de al menos 2 o 10 , y tomar valores dispersos en el intervalo [0,1), preferiblemente excluyendo el cero. Debe tener k-tuples (secuencia o lista ordenada) para k=2,3,4, y preferiblemente k<10, con una distribucin tan cercana a la uniforme como sea posible. Haber probado cuidadosamente que implementa el algoritmo de manera adecuada.
27 8

Generalmente suelen fallar el segundo y tercer punto, que hemos detallado. En la prctica, las salidas de los generadores ms conocidos, exhiben artefactos que pueden causar que fallen cuando se prueba la deteccin del patrn estadstico. Estos casos incluyen: perodos menores a los esperados para algn estado semilla dado (estos estados de semilla se pueden llamar dbiles), prdida de uniformidad en la distribucin, correlacin de valores sucesivos, pobre dimensionalidad en la distribucin de la secuencia generada y que la distancia entre ciertos valores se distribuye de manera diferente respecto a aquellos de una distribucin de secuencias aleatorias. En este sentido, Gentle (2003), propone evaluar dos tipos de propiedades del generador: los elementos del conjunto de desvos sin modificar el orden en el cual han sido generados (llamado propiedades estticas) los patrones en la secuencia de desviaciones (propiedades dinmicas).

3) Razona el orden cronolgico de derivacin de los mtodos de simulacin anteriores.

- Secuencias aleatorias independientes - Secuencias aleatorias altamente correladas - Secuencias aleatorias con dependencia dbil - Secuencias aleatorias Markovianas - Estructuras aleatorias Gaussiana Multivariantes. - Soluciones de ecuaciones diferenciales estocsticas.

4) Razona cules son las aplicaciones potenciales de la simulacin estocstica en la inferencia estadstica.
En el mbito estadstico, la simulacin estocstica proporciona entre otros: Mtodos de generacin de muestras Mtodos para la implementacin de tcnicas estadsticas que requieren la resolucin previa de problemas de optimizacin Mtodos de comprobacin de resultados estadsticos asintticos. Mtodos de validacin.

En definitiva, la simulacin ofrece una alternativa a lo mtodos analticos y numricos.

5)Razona la importancia de la simulacin estocstica en la implementacin de mtodos numricos de aproximacin.

La importancia de la simulacin estocstica es que cuando los mtodos numricos no proporcionan soluciones factibles, o bien, requieren de la aplicacin de tcnicas o herramientas muy complejas, la simulacin estocstica ofrece una alternativa como hemos dicho anteriormente A2. RESUMEN

Realiza un resumen sobre los principales test estadsticos utilizados en la revisin de la aleatoriedad y distribucin probabilstica de una secuencia de nmeros pseudoaleatorios.
En el mbito estadstico la distribucin y aleatoriedad de una secuencia generada computacionalmente, a partir de un algoritmo de simulacin, es detectada mediante test o contrastes estadsticos de bondad de ajuste (e.g. test 2 ) y aleatoriedad (e.g. test de las rachas). Pruebas de bondad de ajuste. Existe un par de test genricos para evaluar la bondad del ajuste, uno para cuando los datos son continuos, el de Kolmogorov-Smirnov, y otro para variables categricas, el test de la 2 . Si las muestras son grandes es preferible utilizar el test de Kolmogorov-Smirnov, salvo que los datos vengan dados en una distribucin de frecuencias por intervalos donde se emplear la 2 .El Test de Kolmogorov-Smirov y el Test Chi-cuadrado, consideran la siguiente hiptesis nula, Ho: no hay diferencias significativas entre la distribucin muestral y la distribucin terica (que en nuestro caso corresponde a la distribucin U(0,1)). Entre los dos, el test de Kolmogorov-Smirov es el ms potente, ya que puede ser aplicado a tamaos

muestrales pequeos, en cambio el test chi-cuadrado solo se aplica para tamaos muestrales grandes, N50. Pruebas de aleatoriedad. Una perspectiva desde la que analizar la aleatoriedad de la muestra, si sta viene dada en forma de variable binaria, es comprobar si existen muy pocas o muchas rachas, entendiendo por racha al grupo de valores consecutivos iguales interrumpido por uno de signo distinto. Si la variable no es de tipo binario, se la puede transformar para que lo sea asignando las clases de la dicotoma en funcin de que el elemento muestral est por encima o por debajo de un determinado valor, tpicamente la mediana. El propsito del test de rachas es determinar si los nmeros de rachas de ceros y unos de diversos largos, es lo esperado para una secuencia aleatoria. En particular, el test determina si la oscilacin entre estas secuencias es rpida o lenta.