def gap_test(alfa=0, beta=1):
gaps = [0] * constante.CANT_EXPERIMENTOS
i = 0
gap = 0
x_n = gcl_uniforme(constante.SEMILLA)
while (i < constante.CANT_EXPERIMENTOS):
if ((x_n < alfa) or (x_n >= beta)):
gap += 1
else:
gaps[i] = gap + 1
i += 1
gap = 0
x_n = gcl_uniforme(x_n)
p = beta - alfa
gapMax = max(gaps)
# agrupo en 11 clases (de la 0 a la 10)
observed = [0] * 11
for i in range(10):
observed[i] = gaps.count(i + 1)
for i in range(10, gapMax + 1):
observed[10] += gaps.count(i)
expected = [0] * 11
for i in range(10):
expected[i] = p * ((1 - p)**(i)) * constante.CANT_EXPERIMENTOS
for i in range(10, gapMax + 1):
expected[10] += p * ((1 - p)**(i - 1)) * constante.CANT_EXPERIMENTOS
print("observed", observed)
print("expected", expected)
Dsquared, p = stats.chisquare(observed, f_exp=expected)
t = stats.chi2.ppf(q=0.95, df=10)
print("Aplicamos test chi cuadrado a los resultados de test gap.")
print("t: " + str(t))
print("D^2 : " + str(Dsquared))
if (Dsquared < t):
print(
"ACEPTAMOS la hipotesis con un error del 5% para el gap test con intervalo [{0}, {1}]."
.format(alfa, beta))
else:
print(
"RECHAZAMOS la hipotesis con un error del 5% para el gap test con intervalo [{0}, {1}]."
.format(alfa, beta))
def experimento_geometrica(p):
# genero numero aleatorios uniformes
x_n = constante.SEMILLA
empiricos = []
# hago el experimento
for _ in range(constante.CANT_EXPERIMENTOS):
salio1 = False
lanzamientos = 0
while not salio1:
x_n = gcl_uniforme(x_n)
lanzamientos = lanzamientos + 1
if (x_n >= 1-p) and (x_n < 1):
salio1 = True
empiricos.append(lanzamientos)
return empiricos
def gap_test(alfa, beta):
x_n = constante.SEMILLA
gaps = [] # array de nro generado
gap = 0
i = 0
while i < constante.CANT_EXPERIMENTOS:
x_n = gcl_uniforme(x_n)
if ((x_n<alfa) or (x_n>=beta)):
gap = gap + 1
else:
gaps.append(gap)
gap = 0
i = i + 1
maxGap = max(gaps)
counters = {}
for unGap in gaps:
if str(unGap) in counters:
counters[str(unGap)] = counters[str(unGap)]
else:
counters[str(unGap)] = 0
# creo array del contenido como tantos gaps existan
contadorGaps = [0] * (maxGap)
for key, value in counters.iteritems():
print(key)
contadorGaps[int(key)] = value
print("contadorGaps", contadorGaps, len(contadorGaps))
# creo array para valores esperados
valoresEsperados = [0] * (maxGap)
for i in range(maxGap):
valoresEsperados[i] = obtenerProbabilidadDeGap(alfa, beta, i) * constante.CANT_EXPERIMENTOS
print("valoresEsperados", valoresEsperados, len(valoresEsperados))
Dsquared = 0
for key, value in enumerate(contadorGaps):
Ei = valoresEsperados[key]
Oi = value
Dsquared += calcularEst(Oi, Ei)
t = stats.chi2.ppf(q=0.95, df=len(valoresEsperados) - 1)
print ("Aplicamos test chi cuadrado a los resultados de test gap.")
print ("t: " + str(t))
print ("D^2 : " + str(Dsquared))
if (Dsquared < t):
print("ACEPTAMOS la hipotesis con un error del 5% para el gap test con intervalo [{0}, {1}].".format(
alfa, beta))
else:
print("RECHAZAMOS la hipotesis con un error del 5% para el gap test con intervalo [{0}, {1}].".format(
alfa, beta))
def generar_histograma(numeros_aleatorios):
plt.hist(numeros_aleatorios)
plt.title("Histograma GCL")
plt.xlabel("Valor")
plt.ylabel("Frecuencia")
fig = plt.gcf()
plotly_fig = tls.mpl_to_plotly( fig )
py.plot(plotly_fig, filename='histograma-gcl')
## resolucion de histograma
x_n = constante.SEMILLA
numeros_aleatorios = []
for _ in range(constante.CANT_EXPERIMENTOS):
x_n = gcl_uniforme(x_n)
numeros_aleatorios.append(x_n)
generar_histograma(numeros_aleatorios)
# RESPUESTA 2
import numpy as np
from scipy import stats
from math import log
import plotly.plotly as py
import plotly.graph_objs as go
from funciones import gcl_uniforme
import constante
# Paso 1: Generamos muestras de la variable uniforme U