Skip to main content

Generadores arbitrarios

⏱ Dedicación recomendada: 0 minutos
Esto considera el contenido visible y relevante, e ignora texto colapsado o marcado como opcional.

r8vnhill/property-based-testing-kt

Generador de números pseudo-aleatorios (PRNG)​

Un Generador de Números Pseudo-Aleatorios (PRNG) es un algoritmo o dispositivo diseñado para producir una secuencia de números que simulan el comportamiento de una variable aleatoria. A pesar de generar secuencias que parecen aleatorias, estos números son el resultado de algoritmos matemáticos deterministas, lo que los hace predecibles si se conoce el estado inicial o semilla.

Características clave​

  • Algoritmos matemáticos: Los PRNG utilizan fórmulas matemáticas para generar una secuencia de números. Aunque la secuencia tiene propiedades estadísticas similares a las de números aleatorios, está completamente determinada por su semilla inicial.
  • Predictibilidad: Si se conoce la semilla (estado inicial), la secuencia generada por el PRNG es predecible y siempre será la misma para la misma semilla.

Elementos principales del PRNG​

  • Semilla (seed):
    • Es el valor inicial que determina la secuencia de números generada.
    • Importante: Para una misma semilla, el PRNG siempre producirá la misma secuencia de números.
    • La semilla no es almacenada por el generador, por lo que debe ser proporcionada explícitamente si se quiere reproducir la secuencia.
  • Estado Interno:
    • El estado interno del PRNG almacena la información necesaria para continuar la generación de la secuencia.
    • Con cada número generado, el estado interno se actualiza, lo que garantiza la evolución de la secuencia.

Generadores Arbitrarios​

Los generadores arbitrarios son funciones que utilizan un Generador de Números Pseudo-Aleatorios (PRNG) para producir valores de distintos tipos, no solo números. Estos generadores pueden crear valores de cualquier tipo arbitrario, permitiendo la generación automática de estructuras más complejas.

  • Generación de tipos arbitrarios: No se limitan a generar números, sino que pueden producir valores de cualquier tipo definido, como listas, cadenas de texto, objetos personalizados, entre otros.
  • Tipo de retorno: Estas funciones devuelven un valor del tipo Arb<T>, donde T representa el tipo de dato que se va a generar de manera arbitraria.
    • Ejemplo: Un generador que produce listas de enteros devolverá un valor de tipo Arb<List<Int>>. De esta manera, el generador se adapta al tipo de datos requerido y genera una secuencia de valores correspondiente.

¿Qué aprendimos?​

En esta lección, exploramos cómo los generadores de números pseudo-aleatorios (PRNG) y los generadores arbitrarios son herramientas clave para pruebas automatizadas.

Puntos clave​

  • PRNG: Generan secuencias reproducibles a partir de una semilla, esenciales para pruebas controladas.
  • Generadores Arbitrarios: Extienden los PRNG, produciendo valores complejos como listas y objetos, adaptados a distintos tipos de prueba.
  • Reproducibilidad en pruebas: PRNG y generadores arbitrarios permiten pruebas automáticas y exhaustivas, especialmente útiles para identificar casos límite.

Conclusión​

PRNG y generadores arbitrarios hacen posibles pruebas basadas en propiedades, ofreciendo una forma eficaz de validar aplicaciones con datos complejos y descubriendo errores en diversas situaciones.