🎲

Random

Sources
Ejecutar el ejemplo en vivo Gratis · sin registro · funciona en tu navegador

El bloque RandomNumber genera valores escalares pseudoaleatorios según una distribución estadística uniforme o gaussiana (normal). Se utiliza extensamente en ingeniería de control, procesado de señales y robótica para simular ruido térmico en sensores, perturbaciones dinámicas no modeladas, rachas de viento turbulentas y análisis de tolerancias Monte Carlo. Permite generar semillas aleatorias en cada ejecución o fijar una semilla estática para ensayos de regresión deterministas.

Modelo Matemático

La secuencia de salida generada y(t)y(t) responde a la función de probabilidad seleccionada:

y(t)∼{U(a,b),si distribution=uniformN(μ,σ2),si distribution=gaussiany(t) \sim \begin{cases} \mathcal{U}(a, b), & \text{si distribution} = \text{uniform} \\ \mathcal{N}(\mu, \sigma^2), & \text{si distribution} = \text{gaussian} \end{cases}

Para la distribución Uniforme sobre el intervalo [a,b][a, b], donde aa corresponde a minimum y bb a maximum:

p(y)=1b−a,a≤y≤bp(y) = \frac{1}{b - a}, \quad a \le y \le b

La esperanza matemática es E[y]=a+b2\mathbb{E}[y] = \frac{a + b}{2} y la varianza es Var⁡(y)=(b−a)212\operatorname{Var}(y) = \frac{(b - a)^2}{12}.

Para la distribución Gaussiana (normal) con media μ\mu (mean) y desviación estándar σ\sigma (stdDev):

p(y)=1σ2πexp⁡(−(y−μ)22σ2)p(y) = \frac{1}{\sigma \sqrt{2\pi}} \exp\left(-\frac{(y - \mu)^2}{2\sigma^2}\right)

Las muestras normales se obtienen mediante la transformación de Box-Muller a partir de dos variables uniformes independientes u1,u2∈(0,1)u_1, u_2 \in (0, 1):

y=μ+σ−2ln⁡u1cos⁡(2πu2)y = \mu + \sigma \sqrt{-2 \ln u_1} \cos(2\pi u_2)

Entradas y Salidas

Direction ID Label Tipo Status
← Out out Out number Output

Parámetros

Parámetros Label Tipo Por defecto Descripción
distribution Distribution select uniform
minimum Minimum number 0
maximum Maximum number 1
mean Mean number 0
stdDev Std Dev number 1
randomSeed New Seed Every Run boolean true Draw a fresh seed at the start of every run, so each run gives different numbers. Switch off to repeat a run exactly with a fixed seed.
seed Seed number 12345 Fixed starting point of the sequence: the same seed gives the same numbers every run.

Ejemplos de Uso

Ejemplo 1: Ruido blanco gaussiano aditivo (AWGN) en giroscopios de navegación

En sistemas de referencia inercial (AHRS), los giroscopios MEMS sufren de ruido térmico electrónico. Ajustando distribution = gaussian, mean = 0.0, stdDev = 0.015 rad/s y randomSeed = false con seed = 42, se inyecta ruido de medida realista en el canal de velocidad de cabeceo. Sumar este ruido antes de un filtro de Kalman extendido (EKF) permite calibrar con exactitud sus matrices de covarianza.

Ejemplo 2: Rachas de viento estocásticas acotadas sobre un dron

Simulación de la estabilidad de un cuadricóptero ante turbulencias atmosféricas. Configurar distribution = uniform, minimum = -3.0 m/s, maximum = 3.0 m/s y randomSeed = true añade ráfagas de viento a la resistencia aerodinámica, permitiendo ensayar la capacidad de rechazo de perturbaciones del lazo de actitud.

Observaciones y Buenas Prácticas

  • Reproducibilidad determinista: El modo randomSeed = false con un seed conocido garantiza curvas idénticas entre ejecuciones repetidas y pruebas de integración continua.
  • Congelación en subpasos del solver: El bloque evalúa una nueva muestra en cada paso principal de simulación. En los pasos intermedios de esquemas multipaso (como RK4 o TR-BDF2), la muestra permanece fija para asegurar la convergencia.
  • Escalado para ruido blanco continuo: Al modelar ruido blanco continuo con densidad espectral de potencia S0S_0 y período de muestreo TsT_s, la desviación estándar se escala como σ=S0/Ts\sigma = \sqrt{S_0 / T_s}.
  • Eficiencia en WebAssembly: Implementado en Rust con transformadas Box-Muller sin reservas dinámicas de memoria, ofreciendo un consumo computacional insignificante.

Bloques Relacionados

  • SignalGenerator: Formas de onda periódicas deterministas (seno, cuadrada, triangular, diente de sierra).
  • Constant: Referencia constante estática.
  • Sum: Adición de comandos deterministas y ruido estocástico.
  • Quantizer: Emulación de pasos discretos de cuantificación en convertidores A/D.