Los números aleatorios se utilizan en muchos lugares. La aparición de sonidos en la naturaleza, el tiempo de recorrido de los autobuses entre las mismas paradas, el tiempo de viaje entre la casa y la oficina todos los días, el gasto variable cada mes, la predicción de la cara de una moneda cuando se lanza al aire, la predicción de la suma en dos caras de un dado cuando se lanza. Todos estos fenómenos tienen un cierto grado de aleatoriedad.

Los números aleatorios son números generados en secuencia que no se pueden predecir. Por ejemplo, si la ecuación de una variable es Y = 5 * X + 4, X puede predecirse completamente a partir de Y. Los números aleatorios se sitúan entre 0 y 1 y están perfectamente distribuidos de forma normal. Por ejemplo, cuando se generan en grandes cantidades, los números aleatorios ocurren igualmente entre 0 y 1 a lo largo de la curva de Gauss. Es decir, entre 0 y 0,1 habría la misma cantidad de números que entre 0,8 y 0,9. Los números aleatorios son necesarios en los estudios de simulación, por ejemplo, la simulación del tiempo de conducción entre dos destinos, la simulación de un par de dados, la simulación de un. Hay muchos tipos diferentes de generadores de números aleatorios, el más importante es el generador congruente lineal.

Estos números, al ser generados, tienen que satisfacer muchas pruebas estadísticas definidas de periodicidad, normalidad, etc. Sin embargo, los números generados por muchos generadores son pseudoaleatorios. Es muy importante utilizar números aleatorios perfectos para analizar sistemas de eventos discretos utilizando modelos de simulación, de modo que obtengamos réplicas de los modelos de simulación que sean estadísticamente independientes. También se generan utilizando sonidos de la naturaleza y otros fenómenos naturales.

Las variantes aleatorias también pueden generarse utilizando dichos números. Estas variantes aleatorias pueden ser uniformes, de Poisson, normales, etc. En este caso habría que generar la función de distribución acumulativa Por ejemplo, una cantidad como "la hora de levantarse por la mañana" puede variar entre las 5:30 AM y las 9:00 AM. En el caso de que haya una probabilidad igual de despertarse en cualquier momento entre las 5:30 AM y las 9:00 AM, entonces la hora de despertarse puede darse como Hora de despertarse = 5:30 + r * 210, donde r es un número que varía entre 0 y 1.

Ahora bien, si se observa en la ecuación anterior que si r se genera uniformemente entre 0 y 1 la hora de despertarse variaría uniformemente entre las 5:30 y las 9:30. Pero si la distribución de r no es normal, se podrían encontrar más valores de r generados entre 0,4 y 0,5 que, por ejemplo, entre 0,9 y 1. Por lo tanto, cuando se simule el acto de despertarse, se encontrarán más valores de datos entre las 6:54 y las 7:15 de la mañana, lo que dará lugar a una inferencia errónea o a una conclusión falsa del modelo de simulación. Por lo tanto, es muy importante utilizar un generador que produzca datos con distribución normal.

David wong es un doble máster en ciencias por investigación en Tecnología de la Información e Ingeniería Industrial. Ha trabajado durante muchos años en las principales empresas de servicios informáticos del mundo. Escribe sobre teoría académica, servicios de TI, cricket y temas de actualidad.