Validación de secuencias aleatorias: pruebas Chi-Cuadrado y Kolmogorov-Smirnov
Resumen
El documento explica cómo validar la calidad de un generador de números aleatorios mediante pruebas estadísticas de uniformidad. Describe la prueba Chi-Cuadrado, con su fórmula, la regla de agrupación de intervalos y el criterio de decisión, y la prueba Kolmogorov-Smirnov, con la construcción de su tabla, el cálculo del estadístico D0 y su criterio de decisión.
Puntos clave
- Un generador de números aleatorios debe superar pruebas estadísticas; si falla una, su calidad es insuficiente.
- La prueba Chi-Cuadrado compara frecuencias observadas O_i con esperadas E_i = n/k mediante la estadística sum((O_i - E_i)^2 / E_i).
- Si alguna frecuencia observada es menor a 5, el intervalo se reagrupa con el adyacente.
- En Chi-Cuadrado se rechaza la uniformidad si el valor calculado supera el crítico con grados de libertad k-1.
- La prueba Kolmogorov-Smirnov compara la FDA observada S_n(x) con la FDA esperada F(x) y es especialmente adecuada para muestras pequeñas y distribuciones continuas.
- El estadístico D0 es el máximo entre D+ y D-, y se rechaza la uniformidad si D0 supera el valor tabulado D(alpha, n).
Generación y Validación de Números Aleatorios
La Generación de Números Aleatorios requiere que el generador utilizado produzca una secuencia suficientemente aleatoria. Para asegurar esto, el generador se somete a rigurosas pruebas estadísticas. Si el generador no supera una de estas pruebas, se puede concluir que su calidad es insuficiente para la aplicación requerida.
Prueba de Uniformidad Chi-Cuadrado ($\\chi^2$)
La prueba Chi-Cuadrado ($\\chi^2$) es la más común y puede ser utilizada para evaluar cualquier tipo de distribución. Se basa en la comparación de las frecuencias observadas ($O_i$) en un histograma con las frecuencias esperadas ($E_i$) bajo la hipótesis de uniformidad.
Fórmula y Componentes
La estadística de prueba se calcula mediante la siguiente fórmula:
$$\chi^2 = \sum_{i=1}^{k} \frac{(O_i - E_i)^2}{E_i}$$
Donde:
- $O_i$: Frecuencia observada (cantidad de datos que caen en el intervalo $i$).
- $E_i$: Frecuencia esperada, calculada como $E_i = n/k$.
- $n$: Número total de datos en la secuencia.
- $k$: Número de intervalos de igual amplitud.
Procedimiento de Aplicación
Para aplicar la prueba, se sigue el siguiente proceso:
- Se definen los $k$ intervalos de igual amplitud (por ejemplo, de la forma $[*,*)$).
- Se arma una tabla con los intervalos y se registran las frecuencias observadas ($O_i$).
- Se calcula la frecuencia esperada ($E_i$) para todos los intervalos.
- Regla de Agrupación: Si alguna frecuencia observada ($O_i$) es menor a 5, se debe reagrupar ese intervalo con el intervalo adyacente, sumando los $O_i$ y los $E_i$ correspondientes. Esto reduce el número efectivo de intervalos ($k$).
- Se calcula el valor de la estadística $\chi^2$ usando la fórmula.
Criterio de Decisión
El valor calculado de $\chi^2$ se compara con el valor crítico obtenido de la tabla de distribución Chi-Cuadrado, utilizando el nivel de significancia ($\\alpha$) y los grados de libertad ($k-1$).
$$\text{Valor Crítico} = \chi^2(\alpha, k-1)$$
Decisión:
- Si $\chi^2_{\text{calculado}} > \chi^2_{\text{crítico}}$, se rechaza la hipótesis nula de uniformidad.
- Si $\chi^2_{\text{calculado}} \le \chi^2_{\text{crítico}}$, no se rechaza la hipótesis nula (se acepta la uniformidad).
Prueba de Kolmogorov-Smirnov (K-S)
La prueba Kolmogorov-Smirnov (K-S) permite decidir si una muestra de $n$ observaciones proviene de una distribución continua particular. Está especialmente diseñada para muestras pequeñas y distribuciones continuas.
El principio fundamental es que la diferencia entre la Función de Distribución Acumulada (FDA) observada, $S_n(x)$, y la FDA esperada, $F_x(x)$, debe ser mínima.
Ejemplo de Aplicación y Construcción de la Tabla
Considere una secuencia de números aleatorios y un nivel de significancia $\alpha$. Para revisar su uniformidad usando la prueba K-S, se construye una tabla con las siguientes columnas:
- $j$: Índice o número de dato (desde 1 hasta $n$).
- $F(x_j) = X_j$: Los números aleatorios ordenados de menor a mayor.
- $S_n(X_j) = j/n$: La FDA observada, que resulta de dividir cada índice $j$ entre el número total de datos $n$.
- $|S_n(X_j) - F_x(x)|$: La diferencia absoluta entre la FDA observada y la esperada.
- $|X_j - (j-1)/n|$: La diferencia absoluta utilizada para calcular la desviación negativa.
Cálculo de la Estadística de Prueba ($D_0$)
Una vez completada la tabla, se determinan las desviaciones máxima positiva ($D^+$) y máxima negativa ($D^-$):
- $D^+$ es el valor mayor de la columna $|S_n(X_j) - F_x(x)|$.
- $D^-$ es el valor mayor de la columna $|X_j - (j-1)/n|$.
La estadística de prueba $D_0$ es el máximo entre estas dos desviaciones:
$$D_0 = \max(D^+, D^-)$$
Criterio de Decisión K-S
El valor $D_0$ se compara con el valor crítico $D(\alpha, n)$ obtenido de la tabla de Kolmogorov-Smirnov.
Decisión:
- Si $D_0 > D_{\text{tabulado}}$, se rechaza la hipótesis de uniformidad.
- Si $D_0 \le D_{\text{tabulado}}$, no se rechaza la hipótesis (se mantiene la confianza en la uniformidad de la secuencia).
Descargar
PDF Word HTMLPreguntas frecuentes
¿Cuándo se debe reagrupar un intervalo en la prueba Chi-Cuadrado?
Se debe reagrupar un intervalo con el adyacente cuando su frecuencia observada O_i es menor a 5. Al sumar O_i y E_i se reduce el número efectivo de intervalos k.
¿Cómo se calcula el estadístico D0 en la prueba Kolmogorov-Smirnov?
Se calcula D+ como el mayor valor de |S_n(X_j) - F(x)| y D- como el mayor valor de |X_j - (j-1)/n|. D0 es el máximo entre D+ y D-.
¿Para qué tipo de muestras es especialmente adecuada la prueba K-S?
La prueba Kolmogorov-Smirnov está especialmente diseñada para muestras pequeñas y distribuciones continuas, según el texto.
Ponte a prueba
Tarjetas de repaso
Pulsa una tarjeta para ver la respuesta.
Test
Preguntas generadas con IA a partir del documento: comprueba las respuestas con el texto.