Professional Documents
Culture Documents
Números aleatorios
Percolación en
Percolación en
El modelo de Ising en
El modelo de Ising en
Bibliografía
: módulo
! : multiplicador " ! #
$ : incremento " $ #
"
&% : semilla &% #
$
! ;
<
=
> ?
> ? >
* > /
, . 0 B 1 * >
)
+
3C
+
,/. 021 3C&D 3E8F
3GHI
Si $ la generación es más rápida y la secuencia
más corta
Elección del módulo
i) $ es primo relativo a
$
Th.: El máximo periodo cuando se obtiene si
Considerad una muestra de % núcleos radiactivos.
¿Cómo cambia con el tiempo el número de núcleos?.
* ,
Haced una gráfica de V .
Algoritmo:
Desde V hasta V , con U V
# W
Decidir si decae o no: si random# U V enton-
ces el número de núcleos decae en una unidad
W Y X <
R ) Z
% 3 3 U V
W X R[) Z
% 3 3 U V
* , 6* W ,
V %A\^] V
80
60
40
20
20 40 60 80 100 120 140 160 180 200 220 240 260 280
x
.1e3
.5e2
.1e2
5.
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280
x
4000
3000
2000
1000
0
20 40 60 80 100 120 140 160 180 200 220 240 260 280 300
x
.1e4
.1e3
.1e2
1.
20 40 60 80 100 120 140 160 180 200 220 240 260 280
x
Complicando la pregunta anterior: ¿cuál es la proba-
bilidad de observar 4 decaimientos en un intervalo de
tiempo _ ?. Suponiendo que el número de decays en
_ es mucho menor que . Dividimos _ en inter-
valos de duración U V , _ U V
∆t
` W ` a
Probabilidad 1 decay N U V U V b
Probabilidad 4 decays en _
c *d , b e
R
N N 4
f
En el límite , U V
c g
R hij 4lkm3 i ` _
Distribución de Poisson
Ejercicio Modicar el ejercicio anterior para simular un
experimento en el que contamos el número de decays
observados en un intervalo _ . Repetir el experimento
varias veces y hacer histograma de la distribución de
decays.
Datos
W > R T s R<)
%
W > R F < U V s _ s
% sR ) U V s _ s
#experimentos = 1000
TESTS
qwv x
t q 4 Nq ,
- Construimos u
qwv ) 4Nq
Si u y y tendremos fundadas sospechas sobre las
medidas efectuadas.
P: ¿Qué valores son razonables para u ?
La respuesta en la siguiente tabla ( z p , grados
de libertad)
~ } } } }} } } }} }} }
}} } }
{ | } }} } } } } } }
}
~ } } }
} } } } } } }
{ | } }} } } } } } } } }
~
}} } }
} }
{ | } } } }} } } } }
~ } } }}
}}
} } }
} } } } }}
{ | } } }} } }
}
~
} }
} } } }
{ | }} }} } }} }
~ } } } } } }} }
} } }
{ | } } } }
} } }
}
}
}
~ } }} }} }} }
{ | } }} }
} }
}
}
}
} }} } }
| | | | | | | | | | | | | | | |
Si la entrada en la fila z columna N es La cantidad
u sera menor o igual que con probabilidad N , para
4 suficientemente grande.
Criterio 4 grande: 4Nrq 5
-Repetir 4 veces
¬ * , *
,
k función gamma
* , ± g e
R ² ´V ³ R<) V función incompleta de gam-
° 3 %
ma
Test Espectral: el generador RANDU
100
80
60
40
20
2e+09
1.5e+09
1e+09
5e+08
0
0 5e+08 1e+09 1.5e+09 2e+09
Test 3: representemos la secuencia en 3D
2e+09
1.8e+09
1.6e+09
1.4e+09
1.2e+09
1e+09
8e+08
6e+08
4e+08
2e+08
0 0
0 2e+08
2e+08 4e+08
4e+08 6e+08
6e+08 8e+08
8e+08 1e+09
1e+09 1.2e+09
1.2e+09 1.4e+09
1.4e+09 1.6e+09
1.6e+09 1.8e+09
1.8e+09
2e+09 2e+09
Eligiendo apropiadamente el ángulo, los problemas
de RANDU aparecen
2e+09
1.8e+09
1.6e+09
1.4e+09
1.2e+09
1e+09
8e+08
6e+08
4e+08
2e+08
0
0
2e+08
4e+08
6e+08
8e+08
1e+09 0
1.2e+09 2e+08
1.4e+09 6e+08
1.6e+09 1e+09
1.8e+09 1.4e+09
2e+09 1.8e+09
Técnica de Rechazo
Algoritmo:
*
2. Decidir si se acepta o no: Si µ , y ¶ ¹µ ¸ se
*
acepta µ¸ 5 µ , para todo , b n 5 5 b · ³ .
Repetir hasta que se acepte.
Este algoritmo se puede ver como tirar dardos:
f
M
f(x)
x min x max
* ,
De esta manera se puede estimar la integral de µ
º ³§»2¼´½ µ * , Á 4 · * b · b n ,
4 ³
³ »¾À¿ * ,
Problemas: Funciona mal si µ se parece a una
“delta”. Casi nunca se aceptan las propuestas. Si la
función tiene un polo no se puede usar. Si el rango
f f
de va desde hasta no se puede usar.
Técnica de Inversión
Ejemplos
* ,
1) Generar entre 0 y 4 de acuerdo con µ
j * ,
:
± R<)¦ j
%³ V V
¶3 ¶
± F R[)G¦
% V V
generar de acuerdo con ¶ .
f * , g R
2) Generar entre 0 e de acuerdo con µ ³
± g Re²
%³ V g R
±ÅÄ g R² ¶3 ³ ¶
%
Æ 0Ç *¹ ,
generar de acuerdo con ¶ .
" É
Ejercicio: Generar ángulos È en el intervalo È
*
de acuerdo con la función de distribución: µ È ,
*CX^9IÊ( X
È + !ÌË0 È , R<) .
!
!
Generar 10000 valores usando y .
Dibujar los resultados y sobreponer la función de dis-
tribución.
Técnica de Importance Sampling (Muestreo Repre-
sentativo??)
* ,
Reemplazar la función de distribución µ por una
· * ,
forma aproximada µ a la que se pueda aplicar la
técnica de inversión.
· * ,
Generar de acuerdo distribuidos según µ me-
diante la técnica de inversión y aceptarlos de acuerdo
* · *
con una probabilidad proporcional a J µ ,j µ ,.
a
f (x)
f (x)
La técnica de rechazo es el caso especial en el que
· * ,
µ es constante ( µ¹¸ )
* *d
Ejemplo: Generar de acuerdo con µ , +
, j en el rango # # . Intentadlo con la
técnica de inversión.
* ,j · * ,
La idea es que J µ µ sea sencillo. Ele-
· * , j Zs͹Π* ,
gimos µ V con lo que J + .
j Z͹Π* ,
Aplicamos la técnica de inversión a V :
Generamos de prueba: ¶ )
*d
Decidimos si se acepta: si + , y ¶ J b · ³ se
b ·
acepta. En este caso J ³ , en otros casos
puede ser más complicado encontrarlo.