Azar imitado
Aleatoriedad frente a pseudoaleatoriedad, secuencias y semillas reproducibles.
Azar y código · Curso práctico
Números Pseudoaleatorios y Fundamentos Computacionales
Aprendé cómo una computadora determinista imita el azar: semillas, generadores congruenciales y modernos, transformación a distribuciones uniformes, pruebas de calidad y errores numéricos que afectan tus simulaciones.
- 45
- temas progresivos
- Algoritmos
- generadores y semillas
- Práctico
- pruebas y Python
Antes de simular el azar
Entender el azar antes de programarlo
La aleatoriedad real no existe dentro de una computadora: todo generador es un algoritmo determinista que produce secuencias que parecen aleatorias. Esos son los números pseudoaleatorios, la materia prima de cualquier simulación estocástica.
En este curso partiremos de la intuición del azar para llegar a la práctica: semillas y reproducibilidad, generadores congruenciales y modernos, transformación a uniformes en [0,1) e intervalos arbitrarios, pruebas de calidad (uniformidad, independencia, series) y los errores numéricos de punto flotante que pueden arruinar una simulación. No repetiremos probabilidad desde cero: la usamos directamente con variables aleatorias, esperanza, varianza y distribuciones para analizar resultados. Todo con esquemas y pequeños experimentos en Python.
El recorrido
Cuatro ideas que conectan todo
De la semilla al número uniforme validado que alimenta tu simulación.
Generadores
Congruenciales, combinados, de bits y modernos: parámetros y período.
Uso práctico
Uniformes en [0,1), enteros, selecciones, permutaciones y muestreo.
Calidad y cómputo
Pruebas estadísticas, sesgos y precisión de punto flotante.