Advertisement

Pseudo-Random Numbers and Congruential Methods

  • Lorenzo Cevallos-TorresEmail author
  • Miguel Botto-Tobar
Chapter
Part of the Studies in Computational Intelligence book series (SCI, volume 824)

Abstract

The pseudo numbers are the essential basis of the simulation. Usually, all randomness involved in the model is obtained from a random number generator that produces a succession of values that are supposed to be realizations of a sequence of independent random variables and identically distributed uniforms U (0, 1). To be more explicit about the use of pseudo numbers, we will analyze concepts such as mixed or linear congruence method, multiplicative congruence method, additive congruence method.

References

  1. 1.
    Ríos Insua, David, Sixto Ríos Insúa, Jacinto Martín Jiménez, and Antonio Jiménez Martín. 2009. Simulación: métodos y aplicaciones. Number 004.94. Alfaomega.Google Scholar
  2. 2.
    Mancilla Herrera, Alfonso Manuel. 2011. Números aleatorios historia, teoría y aplicaciones. Revista Científica Ingeniería y Desarrollo 8: 49–69.Google Scholar
  3. 3.
    López María Victoria. 2005. Software para la generación de variables aleatorias empleadas en simulación. In VII Workshop de Investigadores en Ciencias de la Computación.Google Scholar
  4. 4.
    Barroso, Elina Miret, Gladys Linares Fleites, and María V Mederos Bru. 2002. Estudio comparativo de procedimientos de escalamiento multidimensional a través de procedimientos de escalamiento multidimensional a través de experimentos de simulación. Editorial Universitaria.Google Scholar
  5. 5.
    Ochoa, JC. 2002. Modelo estocástico de redes neuronales para la síntesis de caudales aplicados a la gestión probabilística de sequías. Ph.D. thesis, Tesis Doctoral. Escuela Técnica Superior de Ingenieros de Caminos Canales y\(\ldots \)Google Scholar
  6. 6.
    Bello, L, and M Bertacchini. 2009. Generador de números pseudo-aleatorios predecible en debian. In III International cyber security conference, Manizales, Colombia.Google Scholar
  7. 7.
    Primorac, Carlos R, María V López, and Sonia I Marino. 2011. Construcción de una librería de números pseudoaleatorios y muestras artificiales con matlab. Revista de la Escuela de Perfeccionamiento en Investigación Operativa 19 (32): 241–257.Google Scholar
  8. 8.
    López, María Victoria, and Sonia Itatí Mariño. 2003. Pruebas de hipótesis para generadores de números pseudoaleatorios. In IX Congreso Argentino de Ciencias de la Computación.Google Scholar
  9. 9.
    Solano, Humberto Llinás, and Carlos Rojas Álvarez. 2005. Estadística descriptiva y distribuciones de probabilidad. Universidad del Norte.Google Scholar
  10. 10.
    Kelber, Kristina. 2000. N-dimensional uniform probability distribution in nonlinear autoregressive filter structures. IEEE Transactions on Circuits and Systems I: Fundamental Theory and Applications 47 (9): 1413–1417.Google Scholar
  11. 11.
    Jerrum, Mark R, Leslie G Valiant, and Vijay V Vazirani. 1986. Random generation of combinatorial structures from a uniform distribution. Theoretical Computer Science 43: 169–188.Google Scholar
  12. 12.
    Blum, Lenore, Manuel Blum, and Mike Shub. 1986. A simple unpredictable pseudo-random number generator. SIAM Journal on Computing 15 (2): 364–383.Google Scholar
  13. 13.
    Yuste, Santos Bravo, and Héctor Sánchez-Pajares. 2011. Una función random poco aleatoria. Revista Española de Física 16 (2).Google Scholar
  14. 14.
    Wichmann, Brian A, and I.D. Hill. 2006. Generating good pseudo-random numbers. Computational Statistics & Data Analysis 51 (3): 1614–1622.Google Scholar
  15. 15.
    Butto Zarzar, Cristianne, Joaquín Delgado, and Jerónimo Zamora. 2003. Ejemplos del uso de la hoja de cálculo como herramienta didáctica. Educación matemática 15 (3).Google Scholar
  16. 16.
    Sanabria Brenes, Giovanni, and Félix Núñez Vanegas. 2012. Simulación en excel: Buscando la probabilidad de un evento. Revista Digital: Matemática, Educación e Internet 12 (2).Google Scholar
  17. 17.
    Périssé, Marcelo Claudio. 2007. Control de la calidad utilizando excel.Google Scholar
  18. 18.
    Pérez, Cecilia, Sonia Itatí Mariño, and María Victoria López. 2011. Desarrollo de generadores de números pseudoaleaorios en octave. TE & ET 6: 24.Google Scholar
  19. 19.
    Niederreiter, Harald. 1985. The serial test for pseudo-random numbers generated by the linear congruential method. Numerische Mathematik 46 (1): 51–68.Google Scholar
  20. 20.
    Eichenauer-Herrmann, Jürgen, and Harald Niederreiter. 1991. On the discrepancy of quadratic congruential pseudorandom numbers. Journal of Computational and Applied Mathematics 34 (2): 243–249.Google Scholar
  21. 21.
    Rodriguez, L. 2011. Simulación, método de montecarlo. Métodos Cuantitativos Organización Industrial.Google Scholar
  22. 22.
    Abad, Ricardo Cao. 2002. Introducción a la simulación ya la teoría de colas. Netbiblo.Google Scholar
  23. 23.
    Gimenez Palomares, Fernando. 2018. Método congruencial para la generación de números seudoaleatorios.Google Scholar
  24. 24.
    Dehaene, Stanislas. 1996. The organization of brain activations in number comparison: event-related potentials and the additive-factors method. Journal of Cognitive Neuroscience 8 (1): 47–68.Google Scholar
  25. 25.
    Zhang, Yan, Di Fan, and Yan Zheng. 2016. Comparative study on combined co-pyrolysis/gasification of walnut shell and bituminous coal by conventional and congruent-mass thermogravimetric analysis (tga) methods. Bioresource Technology 199: 382–385.Google Scholar

Copyright information

© Springer Nature Switzerland AG 2019

Authors and Affiliations

  1. 1.Faculty of Mathematical and Physical SciencesUniversity of GuayaquilGuayaquilEcuador
  2. 2.Eindhoven University of TechnologyEindhovenThe Netherlands
  3. 3.University of GuayaquilGuayaquilEcuador

Personalised recommendations