Juan Carlos Vergara Schmalbach - Tutoriales de Simulación - Sistemas Logísticos - Logística - Números Aleatorios - Cursos en Video - Experto
Materia Original (Borrador y apartes del libro de SIMULACIÓN de Juan Carlos Vergara Schmalbach)
INTRODUCCIÓN
Un aspecto
importante en la simulación de modelos estocásticos es la generación de números
aleatorios (o RNG por Random Number Generator) de calidad, fuente
de datos necesaria para recrear condiciones de incertidumbre dentro de los
modelos generados,
y que por lo general, requieren de un procedimiento que involucra una serie de
interacciones independientes de forma repetitiva (KNUTH, 1998).
Cuando uno o más elementos de un modelo son estocásticos, las salidas del
modelo serán también estocásticas, necesitando alguna forma de análisis estadísticos
para llegar a unas conclusiones válidas (CARSON, 2004,
pág. 2).
Toda simulación estocástica gira alrededor de los generadores de números
aleatorios, los cuales constituyen una serie de datos independientes, de
acuerdo a una distribución de probabilidad, siendo vital contar con muy buenos
generadores (KELTON, 2007, pág. 41).
El empleo de los
números aleatorios en aplicaciones informáticas es muy diverso, con usos
adicionales, no solo en la simulación de modelos estocástico, sino además, en
el desarrollo de algoritmos para la encriptación de datos convirtiendo un texto
normal en un texto cifrado (HABIBIZAD, HASHEMI, & MIRMOTAHARI, 2008, pág.
209),
e inclusive, como test médicos a pacientes que presentan problemas o desordenes
mentales (MATSUKAWA, NAGASHIMA, KAMEI, & TANABE, 2006) y para entender el
funcionamiento de la memoria humana (TOWSE & VALENTINE, 2007).
REFERENCIAS
CARSON, J. S. (2004).
Introduction to modeling ans simulation. Proceedings of the 2004 Winter
Simulation Conference (p. 9). Estados Unidos:
Brooks Automation.
HABIBIZAD, A., HASHEMI, Y., &
MIRMOTAHARI, O. (2008). Introducing
a platform for Encryption Algorithms. Proceedings of World Academy of Science:
Engineering & Technology, 28(1), 208-210.
KELTON, W. D. (2007).
Representing and Generating Uncertainty Effectively. Proceedings of the 2007
Winter Simulation Conference (pp. 38-42). Cincinnati: Department of
Quantitative Analysis and Operations Management.
KNUTH, D. (1998). The
Art of Computer Programming (Vol. Tercera
Edición). Estados Unidos: Addison-Wesley, Reading, MA.
MATSUKAWA, Y.,
NAGASHIMA, M., KAMEI, S., & TANABE, E. (2006). Random number generation
evaluation in patients with systemic lupus erythematosus indicates a
heterogeneous nature of central nervous system vulnerability. Scandinavian
Journal of Rheumatology, 35, 295-299.
TOWSE, J. N., &
VALENTINE, J. D. (2007). Random number generation and working memory. European
Journal of Cognitive Psychology, 19(3), 374-394.