Pruebas y testeos realizados en clase

Se realizaron las pruebas de Kolmogorov-Smirnov y la de Run Test

Este trabajo presenta la validación de números pseudoaleatorios generados mediante el método secuencial mixto, aplicando pruebas estadísticas para evaluar su calidad. Primero, se utilizó la prueba de Kolmogorov-Smirnov, con el fin de verificar si los datos siguen una distribución uniforme en el intervalo [0,1]. Posteriormente, se aplicó la prueba de rachas (Run Test), que analiza la independencia de la secuencia, identificando posibles patrones o dependencias. Los resultados de ambas pruebas permiten comprobar tanto la uniformidad como la independencia, dos características esenciales para asegurar que los números generados sean adecuados en simulaciones y aplicaciones estadísticas.

Se realizaron las pruebas de Kolmogorov-Smirnov y de Runtest

Este documento presenta la aplicación de pruebas de validación de números pseudoaleatorios mediante el software R. Se implementaron la prueba de Kolmogorov-Smirnov, para evaluar la uniformidad de los valores generados, y la prueba de Rachas (Runs Test), orientada a verificar la independencia de la secuencia. A través de estas pruebas se confirma que los números obtenidos mediante el método secuencial mixto cumplen con las propiedades estadísticas básicas de aleatoriedad.

Este es un trabajo en R studio

pruebas de validacion

Pruebas de Validacion

Trabajo en clase sobre una prueba de validacion, utilizando kolomogorov Smirnoff y Runtest

Las pruebas de validación de números pseudoaleatorios son procedimientos estadísticos que permiten comprobar si una secuencia generada cumple con las condiciones necesarias para ser considerada aleatoria. Estas pruebas evalúan propiedades como la uniformidad de la distribución, la independencia entre los valores y la ausencia de patrones predecibles. Entre las más utilizadas se encuentran la prueba de Kolmogorov–Smirnov, que analiza la concordancia con una distribución teórica, y la prueba de corridas (Runs Test), que verifica la independencia de los números. Su aplicación garantiza que los datos generados sean confiables para simulaciones, modelos matemáticos y aplicaciones en criptografía.