CLASE - Simu CARTA PDF

SIMULACIN
CIENCIAS INFORMTICAS
INTRODUCCIN A LA SIMULACIN
La planeacin e implementacin de proyectos complejos en los negocios, industrias y gobierno
requieren de grandes inversiones, razn por la que es indispensable realizar estudios preliminares
para asegurar su conveniencia de acuerdo a su eficiencia y ejecucin econmica para proyectos de
cualquier tamao. Una tcnica para ejecutar estudios piloto, con resultados rpidos y a un costo
relativamente bajo, est basado en la modelacin y se conoce como simulacin. El proceso de
elaboracin del modelo involucra un grado de abstraccin y no necesariamente es una rplica de la
realidad; consiste en una descripcin que puede ser fsica, verbal o abstracta en forma, junto con
las reglas de operacin. Ms an debido a que el modelo es dinmico, su respuesta a diferentes
entradas puede ser usada para estudiar el comportamiento del sistema del cual fue desarrollado.
La simulacin de sistemas ofrece un mtodo para analizar el comportamiento de un sistema.
Aunque los sistemas varan en sus caractersticas y complejidades, la sntesis de la formacin de
modelos, la ciencia de la computacin, y las tcnicas estadsticas que representa este tipo de
simulacin constituye un conjunto til de mtodos para aprender sobre estas caractersticas y
complejidades e imponerles una estructura. Para comprender las caractersticas tcnicas de este
enfoque y aplicarlas a un problema real, es necesario familiarizarse con los conceptos que describen
un sistema y un modelo.
COMO SE DEFINE UN SISTEMA EN SIMULACIN. Coleccin de entradas que pasan a travs

de las fases de cierto proceso, produciendo respuestas. Por ejemplo:
QUE ES LA SIMULACIN?
Prof. Heriberto Gonzlez
SIMULACIN
Simulacin es una tcnica numrica para conducir experimentos en una computadora

digital. Estos experimentos comprenden ciertos tipos de relaciones matemticas y
lgicas, las cuales son necesarias para describir el comportamiento y la estructura de
sistemas complejos del mundo real a travs de largos periodos de tiempo.
THOMAS H. NAYLOR
Simulacin es el desarrollo de un modelo lgico matemtico de un sistema, de tal forma que se
tiene una imitacin de la operacin de un proceso de la vida real o de un sistema a travs del
tiempo. La simulacin involucra la generacin de una historia artificial de un sistema, la observacin
de esta historia mediante la manipulacin experimental, nos ayuda a inferir las caractersticas
operacionales de tal sistema.
JERRY BANKS
Simulacin es una tcnica numrica para realizar experimentos en una computadora digital. Estos
experimentos involucran ciertos tipos de modelos matemticos y lgicos que describen el
comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos a
travs de largos periodos de tiempo.
H. MAISEL Y G. GNUGNOLI
PARA FINES DE NUESTRO CURSO DEFINIREMOS A LA SIMULACIN COMO:
Simulacin es el proceso de disear y desarrollar un modelo de un sistema o proceso real
y conducir experimentos con el propsito de entender el comportamiento del sistema o
evaluar varias estrategias (dentro de lmites impuestos por un criterio o conjunto de
criterios) para la operacin del sistema.
ROBERT. SHANNON
Se describe comnmente como un arte, o una ciencia sofisticada, debido a que la utilidad de los
resultados depender de la destreza del grupo que realiza y analiza el modelo. actualmente no
existe una teora cientfica para garantizar la validez de un proceso de simulacin antes de que el
experimento sea realizado, en su lugar, la confiabilidad de un modelo es evaluada por la
correspondencia de los resultados del modelo con los obtenidos por otros sistemas comparables con
el que se est examinando.
Modelo: Es una abstraccin y simplificacin de la realidad, es decir, es la representacin

simplificada de un sistema.
Las variables que aparecen en los modelos se emplean para relacionar un componente
con otro y se clasifican en:
Variables exgenas: son las variables independientes o de entradas al modelo y

que han sido predeterminadas y proporcionadas independientemente del sistema
que se modela y puede ser:
Variables exgenas controlables: son las susceptibles de manipulacin o
control por quienes toman decisiones o crean polticas para el sistema
Ejemplos: la cantidad de materia prima en una industria, el nmero de empleados
de una industria, el intervalo de tiempo entre una llegada y la siguiente, el tiempo
SIMULACIN
de servicio de un, etc.

Variables exgenas no controlables: es el medio ambiente en el cual el
sistema modelado existe.
Ejemplo: las acciones de la naturaleza.
Variables de estado: describen el estado de un sistema o uno de sus
componentes ya sea al comienzo, al final o durante un perodo.
Ejemplos: El inventario de un productos, las ventas en algn precedentes por

regin, etc.
Variables endgenas: son las variables dependientes o de salidas del sistemas y

son generadas por la interaccin de las variables exgenas con las variables de
estado de acuerdo con las caractersticas de la operacin
Ejemplos: ventas totales, produccin total de una industria, los precios, la mano de
obra total en una industria, etc.
El hecho que una variable en particular este clasificada como exgena, estado, o
endgena depende del propsito de la investigacin.
Razones de la simulacin de computadoras
El fundamento racional para usar la simulacin en cualquier disciplina (sea en la
economa, en la investigacin de operaciones). Es la bsqueda constante del
hombre por adquirir conocimientos relativos a la prediccin del futuro.
1. Puede ser imposible o extremadamente costoso observar ciertos procesos
en el mundo real.
Ejemplos:
antes de los vuelos espaciales tripulados, realizados por los EE.UU y la
URSS, no posea informacin de los efectos que tales vuelos tendran sobre
los seres humanos, pues nadie lo haba experimentados antes;
las ventas de una empresa en los prximos aos;
los datos de la frecuencia de fallas de las mquinas en una fbrica que solo
ha guardado informacin de este tipo en forma limitada;
los efectos de la economa de una propaganda en rebajar los impuestos;
los efectos de una campaa de publicidad en las ventas totales de una
empresa.
2. El sistema observado puede ser tan complejo que es imposible describirlo en
un sistema de ecuaciones matemticas del cual puedan tener soluciones
analticas para ser usadas con propsitos predictivos.
Ejemplos:
SIMULACIN
La mayora de los sistemas econmicas se encuentran en esta
categora; es casi imposible describir la operacin de un negocio, una
industria o una economa en trminos de unas cuntas ecuaciones;
otra clase de problemas que origina dificultades similares son los
fenmenos de espera en gran escala, que implican canales mltiples.
3. Aun cuando un modelo matemtico logre formularse para describir algn

sistema de inters puede no obtenerse una solucin del modelo por medio
de tcnicas analticas directas.
Otras consideraciones:
Cuando un problema que por su complejidad no puede ser resueltos
mediante las frmulas existentes, queda la alternativa de simular el
problema. Se han simulado puertos, aeropuertos, carreteras, grandes
avenidas, la economa de un pas, empresas, etc.
El mtodo de simulacin nos permite ver mediante las computadoras
electrnicas, en intervalos muy cortos, lo que pasara en muchos aos o
siglos. El mtodo muy general podra ser lo siguiente: tomamos una posible
solucin, simulamos el proceso y anotamos el resultados a que se llega
(costos, crecimientos, efectividad, etc). Tomamos otra posible solucin y
volvemos a simular el proceso. Hacemos estos con varias soluciones
posibles, comparando luego los resultados obtenidos con las diferentes
soluciones, podemos elegir la mejor de ellas.
VENTAJAS
VENTAJAS Y DESVENTAJAS DE SIMULACIN
No es necesario interrumpir las operaciones de la compaa.

Proporciona muchos tipos de alternativas posibles de explorar.
La simulacin proporciona un mtodo ms simple de
procedimientos matemticos son complejos y difciles.
solucin
cuando
los
La simulacin proporciona un control total sobre el tiempo, debido a que un
fenmeno se puede acelerar.

Auxilia el proceso de innovacin ya que permite al experimentador observar y jugar con el
sistema.
Una vez construido el modelo se puede modificar de una manera rpida con el fin de
analizar diferentes polticas o escenario. Permite anlisis de sensibilidad
Generalmente es ms barato mejorar el sistema va simulacin que hacerlo en el sistema
real.
Es mucho ms sencillo visualizar y comprender los mtodos de simulacin que los mtodos
puramente analticos. Da un entendimiento profundo del sistema
Los mtodos analticos se desarrollan casi siempre relativamente sencillos donde suele
hacerse un gran nmero de suposiciones simplificaciones, mientras que en los mtodos de
simulacin es posible analizar sistemas de mayor complejidad o con menor detalle.
En algunos casos, la simulacin es el nico medio para lograr una solucin.
Da soluciones a problemas "sin" solucin analtica
SIMULACIN
Aunque la simulacin es un planteamiento muy valioso y til para resolver problemas,

no es una panacea para todos los problemas administrativos y presenta algunas
desventajas como:
La simulacin es imprecisa, y no se puede medir el grado de su imprecisin.

Los resultados de simulacin son numricos; por tanto, surge el peligro de atribuir a los
nmeros un grado mayor de validez y precisin.

Los modelos de simulacin en una computadora son costosos y requieren mucho tiempo
para desarrollarse y validarse.
Se requiere gran cantidad de corridas computacionales para encontrar soluciones, lo cual
representa altos costos.
Es difcil aceptar los modelos de simulacin y difcil de vender
Los modelos de simulacin no dan soluciones ptimas.
La solucin de un modelo de simulacin puede dar al anlisis un falso sentido de
seguridad.
Requiere "largos" periodos de desarrollo
PROCESO DE DESARROLLO DE UN MODELO DE SIMULACIN
DEFINICIN DEL SISTEMA. Cada estudio debe de comenzar con una descripcin del
FORMULACIN DEL MODELO. Reduccin o abstraccin del sistema real a un diagrama de
PREPARACIN DE DATOS. Identificacin de los datos que el modelo requiere y reduccin
SELECCIN DEL LENGUAJE: De la seleccin del lenguaje depender el tiempo de desarrollo
TRANSLACIN DEL MODELO. Consiste en generar las instrucciones o cdigo computacional
VALIDACIN DEL MODELO. Es el proceso que tiene como objetivo determinar la habilidad
PLANEACION ESTRATGICA. Diseo de un experimento que producir la informacin
problema o del sistema. Debe determinarse los lmites o fronteras, restricciones, y medidas de
efectividad que se usarn.
flujo lgico.
de estos a una forma adecuada.
del modelo de simulacin, es importante utilizar el lenguaje que mejor se adecu a las
necesidades de simulacin que se requieran. La seleccin puede ser desde usar un lenguaje
general como lo es BASIC, PASCAL o FORTRAN hasta hacer uso de un paquete especficamente
para simular sistemas de manufactura como el SIMFACTORY o el PROMODEL, o lenguajes de
Simulacin como: GPSS, SLAM, SIMAN, SIMSCRIPT, etc.
o necesario para lograr que el modelo pueda ser ejecutado en la computadora.
que tiene un modelo para representar la realidad. La validacin se lleva a cabo mediante la
comparacin estadstica de los resultados del modelo y los resultados reales.
deseada.
SIMULACIN
PLANEACIN TCTICA. Determinacin de cmo se realizar cada una de las corridas de
EXPERIMENTACIN. Corrida de la simulacin para generar los datos deseados y efectuar
INTERPRETACIN. Obtencin de inferencias con base en datos generados por la simulacin
IMPLANTACIN. Una vez seleccionada la mejor alternativa es importante llevarla a
MONITOREO Y CONTROL: No hay que olvidar que los sistemas son dinmicos y con el
prueba
anlisis de sensibilidad.
la
prctica, en muchas ocasiones este ltimo caso es el ms difcil ya que se tiene que convencer
a la alta direccin y al personal de las ventajas de esta puesta en marcha. Al implantar hay
que tener cuidado con las diferencias que pueda haber con respecto a los resultados simulados,
ya que estos ltimos se obtienen, si bien de un modelo representativo, a partir de una
suposiciones.
transcurso del tiempo es necesario modificar el modelo de simulacin, ante los nuevos cambios
del sistema real, con el fin de llevar a cabo actualizaciones peridicas que permitan que el
modelo siga siendo una representacin del sistema.
PELIGROS Y PROBLEMAS EN SIMULACIN
Definir los lmites y nivel de detalles del sistema.

Subestimar el tiempo y costos involucrados en el proceso de modelacin.
Fallar en la seleccin del ms simple y econmico de los modelos para el fin establecido.
Ausencia o prdida de metodologa estadstica.
Considerar como aproximados algunos atributos de un sistema que no existe.
Entendimiento superficial del sistema a ser modelado.
Poca destreza para comunicarse con administradores y staff que financiarn el proyecto.
REAS DE APLICACIN DE SIMULACIN

La simulacin es una tcnica que puede ser aplicada a una gran cantidad de reas, debido a que los
avances tecnolgicos y la disponibilidad de software que existen actualmente, hacen de ella una
herramienta muy til. Los siguientes son algunos ejemplos de las aplicaciones de la simulacin en
algunas reas de estudio:
Sistema de colas.
Sistema de inventarios
Proyecto de inversin.
Sistemas econmicos
Estados financieros.
Problemas industriales.
Problemas econmicos
Problemas conductuales y sociales
Sistemas biomdicos
Sistemas Justo a tiempo
Sistemas de Logstica
SIMULACIN
CONCLUSIONES SOBRE LOS CONCEPTOS BSICOS DE SIMULACIN
LA SIMULACIN ES UN PROCESO ITERATIVO
Un experimento de simulacin da el valor de los parmetros durante y al final de la simulacin. el

anlisis de los resultados sugiere modificaciones a la estrategia, cambios tales como prioridades o
reglas de secuencia. as, paso a paso, ganamos conocimiento sobre el sistema y su comportamiento
hasta que se tiene suficiente informacin para hacer recomendaciones finales sobre el sistema a ser
implementado.
LA SIMULACIN NO SE USA NORMALMENTE PARA ENCONTRAR SOLUCIN PTIMA DEL
PROBLEMA.
En contraste con simulacin, una tcnica de programacin matemtica, tal como programacin
lineal, proporciona una solucin ptima, s existe. (la desventaja de tal tcnica, sin embargo, es que
permanece esttica para cada conjunto de datos). puede parecer que la simulacin es menos
poderosa que la programacin matemtica u otro mtodo matemtico. sin embargo, la simulacin
es una excelente tcnica cuando otros mtodos fallan.
POR OTRA PARTE NO SIMULE CUANDO SE TENGA LAS SIGUIENTES CONDICIONES:

1. El problema puede resolverse usando anlisis de sentido comn.
2. El problema puede resolverse analticamente (usando una forma cerrada).
3. Es ms fcil cambiar o ejecutar experimentos directamente en el sistema real.
4. El costo de la simulacin excede el posible ahorro.
5. No hay recursos disponibles para el proyecto.
6. No hay tiempo suficiente para los resultados del modelo para usarse.
7. No hay informacin o ni siquiera datos estimados.
8. El modelo no puede ser verificado o validado
9. Las expectativas del modelo no pueden ser alcanzadas.
10. El comportamiento del sistema es demasiado complejo o no puede ser definido.
Ejemplo:
Se sabe que un jugador de basquetbol encesta 40% de sus tiros. Si en un partido hace 20
tiros, cul es la probabilidad de que enceste exactamente 9 veces? Hay clculos estndar
que
permiten
obtener
la
respuesta
(en
Excel
la
instruccin
=DISTR.BINOM(9,20,0.4,FALSO) da como resultado 0.15973848). Hay, sin embargo, otro
mtodo que, aunque en este caso no es necesario, a veces es el nico mtodo de abordar
un problema. En el caso planteado supondra pedir al jugador que jugara 10000 partidos
de 20 tiros para obtener una aproximacin del porcentaje de veces en las que encesta
exactamente 9 veces. Como la propuesta anterior es imposible para un ser humano, se
podra simular la situacin y obtener una estimacin del resultado. Para ello se considera
que un tiro del jugador puede simularse, por ejemplo, generando aleatoriamente un
nmero comprendido entre 1 y 10; esto puede llevarse a cabo mediante la instruccin en
Excel: =ALEATORIO.ENTRE(1,10) o con la instruccin =ENTERO(ALEATORIO()*10)+1
SIMULACIN
EXPERIMENTOS CON MODELOS DE SISTEMAS ECONMICOS

Los experimentos de simulacin en computadora con modelos de sistemas econmicos incluyen
normalmente un procedimiento que consta de los siguientes pasos
a)
Formulacin del problema: consiste en la determinacin exacta de los objetivos del

experimento. Estos objetivos casi siempre abarcan:
Preguntas que deben responderse:

Entre las preguntas especficas relacionados con la economa que se pueden
resolver mediante la simulacin estn las siguientes:
Qu efecto tendr una regla de planeacin de la produccin en los costos de una
compaa dada?
Qu efecto tendr un cambio en la tasas de descuentos hechos en los precios?
Cuntos empleados deben contratar una empresa en un periodo dado?
Cuntas pistas se requieren en un aeropuerto, durante los picos de servicios?
Adems de las preguntas a contestarse, se requiere la especificacin de criterios
para evaluar las posibles respuestas; por ejemplo es necesario definir exactamente
lo que entendemos por planeacin ptima de la produccin, etc.
Hiptesis que se han de comprobar:
El objetivo de un experimento de simulacin podra consistir en probar una o ms
hiptesis sobre el comportamiento de un sistema econmico; como ejemplos:
Que efectos tienen los programas de control de la poblacin en el desarrollo
econmico de un pas.
Hay diferencia importante en los efectos de la publicidad sobre las ventas de una
compaa, etc. En cada una de las hiptesis que se desea examinar debe
expresarse en forma clara, al igual que los criterios para aceptarlas o rechazarlas.
Resultados que deben evaluarse:
Por ltimo, el objetivo de una simulacin puede ser estimular los efectos de ciertos
cambios en las variables controlables de una toma de decisin de unos sistemas
econmicos sobre las variables dependientes que describe el comportamiento del
sistema.
Por ejemplo:
El experimentos con valores diferentes de esperanza matemtica de los tiempos de
llegada a una estacin de servicio y estimar la esperanza del tiempo de espera y la
del tiempo de ocio para cada uno de dicho valores.
Por consiguiente, deben tomarse dos decisiones importantes antes de comenzar a
trabajar con cualquier experimento de simulacin
1. Fijar los objetivos de la investigacin
2. Fijar el conjunto de criterios para evaluar el grado de satisfaccin al que
deba sujetarse el experimentos
SIMULACIN
b) Formulacin de un modelo matemtico.

Formular un modelo matemtico, es relacionar las variables endgenas(o de salida)
del sistema con las variables controlables y exgenas (entrada).
Una de las primeras consideraciones que se presentan en la formulacin del
modelo matemtico de un sistema econmico, es la seleccin de las variables que
se deben incluir en l.
Otra consideracin en la formulacin de los modelos matemticos es su
complejidad.
El tiempo de programacin de la computadora es otro aspecto que se debe tener
en cuenta en la formulacin del modelo matemtico. La cantidad de tiempo
necesario para escribir un programa de computadora con el fin de generar las
trayectorias de tiempo para las variables endgenas, depende en parte del nmero
de variables y de la complejidad del modelo.
Otro aspecto, es la validez o cantidad de realismo que se pueda imprimir, es decir,
describe adecuadamente el modelo el comportamiento del sistema que se simula
en perodo futuro?
Otras consideraciones que se tiene que tener en cuenta, es su compatibilidad con
el tipo de experimentos que se van a efectuar con l. Es decir, poder realizar
experimentos de simulacin, se ha de poner especial atencin con el tipo especfico
de caracterstica experimental que se les debe dar a los modelos.
Algunas de las preguntas que se deben responder en esta etapa del procedimiento
son las siguientes:
Se han incluido algunas variables que no sean pertinentes en el sentido de
que ayuden a predecir el comportamiento de las variables endgenas del
sistema?
Se ha olvidado incluir una o ms variables exgenas que tal vez afecten el
comportamiento de las variables endgenas del sistema.
Se formularon indebidamente una o ms de las relaciones funcionales
entre las variables de entrada y de salida del sistema?
Son significativa estadsticamente las estimaciones de los parmetros del
modelo? Etc.
c) Formulacin de un programa de computadora.
Esta fase requiere de una especial atencin a tres actividades:
El programa de la computadora.
Para escribir el programa, en primer trmino comprende la formulacin de un
diagrama que describa la secuencia lgica de los sucesos que se van a desarrollar
mediante la computadora, al generar las trayectorias de tiempo de las variables
endgenas del modelo. A continuacin se proceder la codificacin en algn
lenguaje, ya sea de uso general: FORTAN, BASIC, PASCAL, etc.; o de uso
especfico para simulacin SIMULATE, GPSS, GASP, etc.
SIMULACIN
Entrada de datos y condicionales iniciales.

Otro aspecto de la fase de programacin de computadora correspondiente al
desarrollo de los experimentos de simulacin, es la cuestin de los datos de entrada
y las condiciones iniciales de dicho experimentos. Puesto que estos tienen una
naturaleza muy dinmica, es necesario preguntar qu valores se deben asignar a
las variables y a los parmetros del modelo, en el momento en que se inicia la
simulacin del sistema.
Generacin de datos.
Otro aspecto que se debe tener presente en la programacin, es el desarrollo de
tcnicas numricas para la generacin de datos. Se pueden introducir de fuentes
externas soporte o generar en forma interna por medios subrutinas especiales. Si
una o ms variables exgenas incluidas en el modelo es de tipo estocstico con una
probabilidad especfica, por tanto, los resultados de la repeticin de eso proceso en
la computadora darn origen a una distribucin de probabilidad de los valores
tomados como muestra, que corresponde a la distribucin de la variable su inters
d) Validacin.
El problema de validar un problema, es responder a la siguiente pregunta:
Qu criterios se deben emplear para establecer la validez de una hiptesis?
Si existe una buena comparacin en los valores simulados de las variables
endgenas y los datos histricos conocan si es que se tienen?
Si qu exactitud tienen las predicciones del modelo de simulacin respecto al
comportamiento del sistema real en perodo posteriores.
e) Diseo experimental.
Una vez satisfechos con la validez del modelo ya se encuentran en condiciones de
considerar su uso para dirigir, los experimentos de simulacin.
En esta etapa existen dos trminos importante:
Factor y respuesta, que depende del papel que desempea la variable en el
experimento. Como ejemplo:
La ganancia de una Ca o la utilidad puede ser variable de respuesta, y las
inversiones de capital, la mano de obra, gastos de publicidad, ingreso percapita,
etc, se puede manejar como factores.
Algunas preguntas que se formula en esta fase son las siguientes:
Est controlado o no el factor en cuestin? Un factor se califica de controlado si el
experimentador selecciona a propsito sus niveles.
Ej. En las empresas comerciales, las reglas del programa de produccin y las
polticas de control de inventario se cometen al control de los encargados de la
toma de decisiones.
f) La etapa final en el procedimiento requiere un anlisis de los datos generados por
la computadora, a partir del modelo que se simula:
Existen dos mtodos ms utilizados:
10
SIMULACIN
Anlisis de la varianza
Anlisis de regresin.
NMEROS
ALEATORIOS
PSEUDOALEATORIOS
GENERACIN
DE
NMEROS
Una vez obtenida toda la informacin, es decir, los datos de entrada del sistema real, es necesario
convertirlos en informacin o datos de entrada del modelo de simulacin. Es posible distinguir dos
tipos de informacin:
- Informacin determinstica: entra directamente al modelo con su valor correspondiente en el
sistema real.
- Informacin probabilstica: es necesario crear modelos de simulacin que imiten el
comportamiento de esas variables. La metodologa consiste en la creacin matemtica de
expresiones sencillas partiendo de lo que se conoce como generacin de nmeros aleatorios
uniformes entre 0 y 1
Mtodos de Generacin de Nmeros Pseudoaleatorios U (0, 1)
Existen varios mtodos para generar nmeros aleatorios, pero todos los nmeros generados deben
cumplir con las siguientes caractersticas:
1. Uniformemente distribuidos
2. Estadsticamente independientes
3. Su media debe ser estadsticamente igual a
4. Su varianza debe ser estadsticamente igual a 1/12
5. Su periodo o ciclo de vida debe ser largo
1) MTODOS CONGRUENCIALES
Donde r0 = semilla del generador
= constantes
Ejemplo:
Generar 5 nmeros con el generador congruencial multiplicativo siguiente con la semilla r0=47
Dividiendo por m-1=766, los nmeros aleatorios son:
11
SIMULACIN
2) MTODO DE CUADRADOS MEDIOS

El procedimiento de obtencin de nmeros con este tipo de generadores es el siguiente:
- Generar una semilla
- Elevarla al cuadrado
- Tomar de la parte central un conjunto de k dgitos que formarn el nmero aleatorio
- Los k dgitos pasarn a ser la nueva semilla con el fin de repetir el proceso en n ocasiones
Ejemplo:
Generar 3 nmeros de 4 dgitos a partir de un generador de cuadrados medios utilizando la semilla
445
(445)2=198025=1 9802 5 0,9802
(9802)2=96079204 = 96 0792 04 0,0792
(792)2=627264 = 6 2726 4 0,2726
PRUEBAS ESTADSTICAS
1) PRUEBA DE MEDIAS
2) PRUEBA DE VARIANZA
3) Para la uniformidad
Bondad de ajuste o Ji-cuadrada: X2
4) Para la aleatoriedad o independencia
Corridas
EJERCICIOS DE APLICACIN 1
a)
b)
c)
d)
e)
1. Genere 10 nmeros aleatorios entre 0 y 1 con los siguiente generadores

Xi+1= (40 Xi +13) mod 33
X0=302
Xi+1= (71 Xi +57) mod 341
X0=71
Xi+1= (71 Xi +517) mod 111
X0=171
Xi+1= (452 Xi +3745) mod 1231
X0=457
Xi+1= (17 Xi ) mod 37
X0=51
2. Genere 10 nmeros entre 0 y 1 de 4 dgitos, mediante un generador de cuadrados medios

cuya semilla sea
a) 456
b) 3567
c) 1234
Demuestre que los nmeros generados tienen una media de y una varianza de 1/12 con un
nivel de aceptacin del 95%.
12
SIMULACIN
3. A travs del programa EXCEL se generaron los siguientes 20 nmeros seudoaleatorios con
distribucin uniforme (0; 1)
0,258
0,801
0,613
0,279
0,671
0,730
0,466
0,560
0,103
0,630
0,520
0,487
0,665
0,057
0,212
0,169
0,047
0,935
0,118
0,545
a) Con un nivel de aceptacin del 95%, pruebe la hiptesis de que la media de los nmeros es
igual a
b) Con un nivel de aceptacin de 95%, pruebe la hiptesis de que la varianza de los nmeros es
igual a 1/12
Obs: Escriba las hiptesis adecuadas, el estadstico de prueba, el criterio de decisin y las
conclusiones
4. Se han generado los siguientes 12 nmeros seudoaleatorios con supuesta distribucin
uniforme (0, 1)
0,130
0,238
0,380
0,896
0,221
0,687
0,238
0,507
0,661
0,257
0,546
0,505
Con un nivel de aceptacin del 95%, pruebe la hiptesis de uniformidad de los nmeros
a) Escribe las hiptesis adecuadas
b) Indica el estadstico de prueba y el criterio de decisin
c) Calcula los datos necesarios
d) Escribe las conclusiones adecuadas
5. Dada la siguiente muestra de nmeros entre 0 y 1, determinar si son aleatorios, mediante
Test de Test de Corridas
0.234 0.456 0.678 0.789 0.982 0.123 0.345 0.456 0.479 0.895
0.907 0.002 0.345 0.789 0.987 0.951 0.234 0.380 0.404 0.678
0.800 0.963 0.255 0.607 0.045 0.783 0.405 0.899 0.277 0.341
6. En una muestra de 800 cuadernos se encontr la siguiente frecuencia de cuadernos con

cierto nmero de desperfectos
N de desperfectos
0
1
2
3
4
Frecuencia
200
250
220
80
50
n=800
a) Calcula la frecuencia relativa y la frecuencia acumulada de los datos

b) Determina el nmero de desperfectos esperado en los cuadernos, segn la Tabla de
datos
c) Utilice la frecuencia relativa la frecuencia relativa acumulada para construir intervalos
13
SIMULACIN
de probabilidad de ocurrencia del N de desperfectos

d) Con los nmeros seudoaleatorios siguientes, realice una simulacin de la compra de
20 cuadernos. De la simulacin obtenga el valor promedio y compare con el valor
promedio obtenido en b).
0,370
0,811
0,628
0,533
0,330
0,371
0,528
0,062
0,628
0,716
0,109
0,016
0,918
0,576
0,654
0,970
0,178
0,275
0,071
0,899
7. En una muestra de 200 botellas de Coca-Cola se encontr la siguiente frecuencia de tapitas

defectuosas
Cantidad
Frecuencia
Defectuosa
0
45
1
50
2
60
3
35
4
10
n=200
a) Determina el promedio esperado con los datos de la tabla
b) Con los nmeros seudoaleatorios siguientes, realice una simulacin de la compra de 20
botellas de Coca-Cola y determine el promedio de tapitas defectuosas esperadas.
0,160
0,906
0,802
0,260
0,509
0,190
0,533
0,451
0,402
0,061
0,489
0,819
0,128
0,110
0,132
0,957
0,478
0,396
0,582
0,960
Respecto
14
SIMULACIN
VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

TIPOS DE VARIABLES ALEATORIAS
Las variables aleatorias se clasifican en discretas y continuas:

DISCRETA: La variable aleatoria se dice que es discreta si los nmeros asignados a los
sucesos elementales de E son puntos aislados. Sus posibles valores constituyen un
conjunto finito o infinito numerable. Por ejemplo, supongamos el experimento consistente
en lanzar tres veces una moneda no trucada; si consideramos la variable aleatoria
nmero de caras obtenidas en los tres lanzamientos, los valores que puede tomar esta
variable aleatoria son finitos (0,1,2,3).
CONTINUA: La variable aleatoria
ser continua si los valores asignados pueden ser
cualesquiera, dentro de ciertos intervalos, es decir, puede tomar cualquier valor de . Por
ejemplo, si consideramos el experimento aleatoria consistente en medir el nivel de agua en
un embalse y tomamos la variable aleatoria
nivel de agua, esta puede tomar valores
entre 0 y ms infinito.
DISTRIBUCIN DE PROBABILIDAD
Es un modelo terico que describe la forma en que varan los resultados de un
experimento aleatorio, es decir, nos da todas las probabilidades de todos los posibles
resultados que podran obtenerse cuando se realiza un experimento aleatorio. Se
clasifican como discretas o continuas. En la distribucin de probabilidad discreta est
permitido tomar slo un nmero limitado de valores. En la continua, llamada funcin de
densidad, la variable que se est considerando puede tomar cualquier valor dentro de un
intervalo dado.
Distribucin de probabilidad discreta
Sea un espacio probabilstico y sea
una variable aleatoria discreta que toma como
posibles valores
, se define la distribucin de probabilidad de
como el
conjunto de pares (xi, pi) que a cada valor de la variable le asocia una probabilidad, donde
tal que la suma de todas las probabilidades es igual a la unidad.
Distribucin de probabilidad contina
Si la variable aleatoria es continua, hay infinitos valores posibles de la variable y entre
cada dos de ellos se podran definir infinitos valores. En estas condiciones no es posible
deducir la probabilidad de un valor puntual de la variable como se puede hacer en el caso
de las variables discretas. Pero s es posible calcular la probabilidad acumulada hasta un
cierto valor (funcin de distribucin) y cmo cambia esa probabilidad acumulada en cada
punto (densidad de probabilidad). Por tanto, cuando la variable aleatoria sea continua
hablaremos de funcin de densidad.
Sea X una variable aleatoria continua, se llama funcin de densidad y se representa como
f(x) a una funcin no negativa definida sobre la recta real, tal que para cualquier intervalo
que estudiemos se verifica:
.
15
SIMULACIN
FUNCIN DE DISTRIBUCIN
La funcin de distribucin describe el comportamiento probabilstico de una variable
aleatoria X asociada a un experimento aleatorio y se representa como:
F(x) Fx
Para estudiar la funcin de distribucin distinguiremos entre el caso discreto y el caso
continuo.
CASO DISCRETO
Sea X una variable aleatoria discreta asociada a un espacio probabilstico, se define la
funcin de distribucin:
, que verifica
La funcin de distribucin para una variable discreta siempre verifica las siguientes
propiedades:
a.
b.
c. Es una funcin no decreciente:
CASO CONTINUO:
Sea X una variable aleatoria continua con funcin de densidad f(x), se define la funcin de
distribucin, F(x), como:
La funcin de distribucin para una

propiedades:
a.
b.
c.
d.
variable continua siempre verifica las siguientes
(la funcin de densidad es la derivada de la funcin de distribucin).
Nota: estudiaremos en particular a las distribuciones:

UNIFORME U(a, b)
Una variable aleatoria X se dice que sigue una distribucin uniforme en
donde
son nmeros reales,
, si tiene la siguiente funcin de densidad
Esta distribucin se puede emplear en problemas en los que la probabilidad se

reparte por igual en todo el intervalo.
16
SIMULACIN
La Distribucin acumulada de una uniforme est dada por:
Propiedades:
Media:
Varianza:
EXPONENCIAL (
En un experimento de Poisson en el que se observa la ocurrencia de un suceso E en un

intervalo de tiempo, donde
representa el nmero medio de sucesos que ocurren por
unidad de tiempo, Se dice que X tiene distribucin exponencial de parmetro , que se
denotar por X Exp( ) y su funcin de densidad viene dada por:
Mientras que su funcin distribucin se expresa como sigue:

Propiedades:
Media:
Varianza:
Ejemplo:
Tiempo que tarda una cierta cantidad de una substancia radiactiva en reducir su
masa a la mitad.
Tiempo transcurrido entre la llegada de dos clientes consecutivos a una tienda.
BERNOULLI
Un experimento aleatorio se dice que es de Bernoulli cuando nicamente puede tener
dos resultados mutuamente excluyentes; uno de ellos se denomina xito y el otro fracaso.
Ejemplos:
Los resultados cara o cruz en el lanzamiento de una moneda.
Las piezas defectuosa o no defectuosa en el control de calidad de un producto.
Resultado exitoso o fallido de la peticin a un servidor.
Sea X una v. a. asociada a un experimento de Bernoulli entonces:
Distribucin de probabilidad:
17
SIMULACIN
Distribucin acumulada:
Propiedades:
Media:
Varianza:
POISSON
La distribucin de Poisson suele emplearse para representar experimentos en los que se
analiza el nmero de veces que ocurre cierto suceso en un intervalo (en general de
tiempo).
Sea la variable X = nmero de veces que ocurre el suceso, se dice que sigue una
distribucin de Poisson de parmetro , X P( ). Los valores de la variable son {0, 1, 2, . .
. k . . .} con probabilidades:
Distribucin de probabilidad:
Distribucin acumulada:
Propiedades
Media:
Varianza:
Ejemplos:
El nmero de partculas emitidas por una substancia radiactiva en una hora.
El nmero de mensajes que llegan a un servidor de correo durante una hora.
18
SIMULACIN
GENERACIN DE VARIABLES ALEATORIAS

Una vez aceptadas las pruebas de media, varianza, forma e independencia sobre los nmeros
aleatorios entre 0 y 1, se puede hacer uso de esos nmeros para generar variables aleatorias con
otro tipo de distribucin.
La variabilidad de eventos y actividades se representa a travs de funciones de densidad para
fenmenos continuos, y mediante distribuciones de probabilidad para fenmenos de tipo discreto.
La simulacin de estos eventos o actividades se realiza con la ayuda de la generacin de variables
aleatorias.
Existen varios mtodos para generar variables aleatorias:
Mtodo
Mtodo
Mtodo
Mtodo
de
de
de
de
la transformada inversa
transformacin directa
aceptacin-rechazo
convolucin.
Mtodo de la transformada inversa para distribuciones continuas (I)

El mtodo de la transformada inversa puede utilizarse para simular variables aleatorias continuas, lo
cual se logra mediante la funcin acumulada F(x) y la generacin de nmeros pseudoaleatorios ri
~U (0,1). El mtodo consiste en:
Definir la funcin de densidad f(x) que representa la variable a modelar.
Calcular la funcin acumulada F(x) de la distribucin f(x).
Despejar la variable aleatoria x y obtener la funcin acumulada inversa F-1 (x)
Generar las variables aleatorias x, sustituyendo los valores con nmeros pseudoaleatorios ri
~U(0,1) en la funcin acumulada inversa.
Dificultad: Algunas veces es difcil encontrar la transformada inversa
Distribucin Uniforme general U(a, b).

En estadstica la distribucin uniforme es una distribucin de probabilidad cuyos valores tienen la
misma probabilidad. Se dice que una variable aleatoria X continua tiene una distribucin uniforme
en el intervalo [a,b] si la funcin de densidad de probabilidad (FDP) es:
Teniendo en cuenta que si x [a, b], se obtiene la funcin de densidad:
19
SIMULACIN
Igualando la funcin acumulada F(x) con el nmero pseudoaleatorio ri ~U (0,1) y despejando x se

obtiene:
Distribucin Exponencial E()

A partir de la funcin de densidad de las variables aleatorias exponenciales con media ,
Se obtiene la funcin acumulada
Igualando la funcin acumulada F(x) con el nmero pseudoaleatorio ri ~U(0,1) y

despejando x se obtiene:
Mtodo de la transformada inversa para distribuciones discretas.

Se utiliza cuando se desea simular variables aleatorias de tipo discreto, como la distribucin
Bernoulli, binomial, Poisson, etc. El procedimiento es similar al continuo pero el valor de F(x) se
encuentra acumulando las probabilidades de los eventos individuales p(x). Tambin en este caso,
F(x) est definida en el intervalo 0 a 1.
Metodologa
Paso 1: Calcular todos los valores de p(x) para la distribucin propuesta.
Paso 2: Calcular la acumulada F(x) para cada valor de x.
Paso 3: Generar un valor ri. Verificar en F(x) a qu intervalo de x pertenece y ese ser el nmero
aleatorio generado por la distribucin propuesta.
Distribucin de Bernoulli B(p):

A partir de probabilidad de las variables aleatorias de Bernoulli con media
p(x)= px(1-p) 1-x, para x= 0,1.
Se calculan las probabilidades para x = 0 y x = 1, para obtener
20
SIMULACIN
x
0
1
p(x) 1-p p
Acumulando los valores de p(x) se obtiene:

x
0
1
P(x) 1-p 1
Generando nmeros pseudoaleatorios ri ~U (0,1), se aplica la regla:
Ejemplo:
A partir de un generador de nmeros aleatorios uniformes entre 0 y 1 se obtuvieron los valores
0.7814 y 0.5643. A partir de ellos simular:
a. Una variable aleatoria con distribucin uniforme entre 15 y 19.
.
b. Una variable aleatoria con distribucin exponencial con media
.
c. Una variable aleatoria con distribucin Bernoulli con
Como
se encuentra entre 0.25 y 1, entonces:
EJERCICIOS DE APLICACIN 2
1. Genere nmeros aleatorios exponenciales con media 10 min/pieza a a partir de los
siguientes nmeros aleatorios uniformes entre 0 y 1. 0.45721, 0.67213 y 0.96918.
2. Cul sera la expresin final para generar nmeros aleatorios uniformes entre 7 y 16
a partir de un generador de nmeros aleatorios exponenciales con media igual a 11?
3. Hallar el generador aleatorias cuya funcin de densidad de probabilidad es:
21
SIMULACIN
MODELOS DE FLUJOS DE SISTEMAS ECONMICOS Y MODELOS DE LAS CIENCIAS

ADMINISTRATIVAS
INTRODUCCIN
Los diagramas de flujo son una serie de pasos secuenciales que representan de una
manera tradicional los detalles algortmicos de los procesos. Se utilizan principalmente en
programacin, economa y procesos industriales; dichos diagramas usan una
nomenclatura simblica con significados especiales, utilizaremos los Modelos de flujos
(Diagrama
de
Flujos
o
Flujo
gramas)
para
realizar
simulaciones.
En las representaciones grficas de procesos con smbolos, estos se interconectan para
que en conjunto le den un sentido lgico al diagrama de flujo el cual da pie al desarrollo de
un sistema de informacin. Puede ser difcil entender un proceso con una descripcin
verbal, de esta manera el diagrama de flujos de datos ayuda a ilustrar los componentes de
un proceso y la forma en que interactan. De igual manera se puede mostrar el diagrama
de flujo como un anlisis estructurado de la transformacin de datos de un sistema,
mediante una descripcin pictrica.
OBJETIVO Y ALCANCE
Definir las reglas bsicas a seguir para la construccin y la correcta interpretacin de los
Diagramas de Flujo, resaltando las situaciones en que pueden, o deben, ser utilizados. Es
de aplicacin a todos aquellos estudios en los que un grupo de trabajo necesita conseguir
un conocimiento sobre el funcionamiento de un proceso determinado que sirva como base
comn para todos sus componentes o se debe realizar un anlisis sistemtico del mismo.
Su utilizacin ser beneficiosa para el desarrollo de los proyectos abordados por los
Equipos y Grupos de Mejora y por todos aquellos individuos u organismos que estn
implicados en la mejora de la calidad. Adems se recomienda su uso como herramienta de
trabajo dentro de las actividades habituales de gestin.
DIAGRAMAS DE FLUJO
Un diagrama de flujo es una representacin pictrica de un algoritmo o de una parte del
mismo, ayudan en la comprensin de la operacin de las estructuras de control (Si,
Mientras).til para determinar cmo funciona realmente el proceso para producir un
resultado. El resultado puede ser un producto, un servicio, informacin o una combinacin
de las tres. Al examinar como los diferentes pasos en un proceso se relacionan entre s, se
puede descubrir con frecuencia las fuentes de problemas potenciales. Los diagramas de
flujo se pueden aplicar a cualquier aspecto del proceso desde el flujo de materiales hasta
los pasos para hacer la venta u ofrecer un producto. Los diagramas de flujos detallados
describen la mayora de los pasos en un proceso. Con frecuencia este nivel de detalle no
es necesario, pero cuando se necesita, el equipo completo normalmente desarrollar una
versin de arriba hacia abajo; luego los grupos de trabajo ms pequeos pueden agregar
niveles de detalle segn sea necesario durante el proyecto.
Es un esquema para representar grficamente un algoritmo. Se basan en la utilizacin de
diversos smbolos para representar operaciones especficas. Se les llama diagramas de
flujo porque los smbolos utilizados se conectan por medio de flechas para indicar la
secuencia de operacin. Para hacer comprensibles los diagramas a todas las personas, los
22
SIMULACIN
smbolos se someten a una normalizacin; es decir, se hicieron smbolos casi universales,

ya que, en un principio cada usuario podra tener sus propios smbolos para representar
sus procesos en forma de Diagrama de Flujo. Esto trajo como consecuencia que solo
aquel que conoca sus smbolos, los poda interpretar. La simbologa utilizada para la
elaboracin de diagramas de flujo es variable y debe ajustarse a un patrn definido
previamente.
Un diagrama de flujo (flowchart) es una de las tcnicas de representacin de algoritmos
ms antigua y a la vez ms utilizada, aunque su empleo ha disminuido considerablemente,
sobre todo desde la aparicin de lenguajes de programacin estructurados. Los smbolos
estndar normalizados por ANSI (abreviatura de American National Standard Instituto) son
muy variados.
SMBOLOS DEL DIAGRAMA DE FLUJO
SMBOLO
ACTIVIDAD
Es un rectngulo redondeado con las
palabras inicio o fin dentro del smbolo.
Indica cuando comienza y termina un
proceso.
INICIO-FIN
DATOS
Entrada/salida (cualquier tipo de

introduccin de datos en la memoria
desde los perifricos entrada, o
registro de la informacin procesada en
un perifrico salida.
Proceso (cualquier tipo de operacin
que pueda originar cambio de valor,
formato o posicin de la informacin
almacenada en memoria, operaciones
aritmticas, de transferencia.
OPERACIN/ACTIVIDAD
CONTADOR AUTOMTICO
Contador automtico.
10
DECISIN
NO
SI
Decisin (indica operaciones lgicas o

de comparacin, dando como posible
respuesta, s o no, segn sea el caso).
Cada camino se seala de acuerdo con
la respuesta.
23
SIMULACIN
FLECHA (FLUJO)
CONECTOR
Lneas de flujo o fluido de direccin,
son flechas que conectan pasos del
proceso. La punta de la flecha indica la
direccin del flujo del proceso.
Conector (sirve para enlazar dos partes
cualesquiera de un ordinograma a
travs de un conector en la salida y otro
en la entrada.
CONECTOR DE PGINA
Representa la continuidad del diagrama
en otra pgina. Representa una
conexin o enlace con otra hoja
diferente en la que continua el
diagrama de flujo.
DOCUMENTO
Representa
cualquier
tipo
de
documento que entra, se utilice, se
genere o salga del procedimiento
(Salida por impresora (Se utiliza en
ocasiones en lugar de E/S).
PROCESO PREDEFINIDO
Llamada o subrutina o un proceso
predeterminado (una subrutina es un
mdulo independiente del programa
principal, que recibe una entrada
procedente de dicho programa, realiza
una tarea y regresa, al terminar el
programa principal.
24
SIMULACIN
Generacin de variables aleatorias Sub-Rutina: UNIFORME
25
SIMULACIN
Generacin de variables aleatorias Sub-Rutina: EXPO
CALL EXPO (EX, XX)
X=RND(X)
XX= -EX *
LN(X)
RETURN
26
SIMULACIN
Generacin de variables aleatorias Sub-Rutina: NORMAL

CALL NORMAL (EX, STX, XX)
SUM=0
2
I=1,12,1
X=RND(X)
SUM=SUM+X
XX=STX.(SUM-6,0)+EX
RETURN
27
SIMULACIN
Generacin de variables aleatorias Sub-Rutina: POISSON
CALL POISSON (EX, XX)
XX=0
TR=1,0
B=EXP(-EX)
3
XX=RND(X)
TR=TR.X
TR:B
B
RTN
XX=XX+1,0
28
SIMULACIN
CASOS Y EJEMPLOS DE SIMULACIN

A travs de diversos ejemplos, llegaremos a aproximaciones muy diversas a la modelacin
de sistemas econmicos, de las ciencias administrativas, o naturales.
Ejemplos Sencillos de Simulacin: Problemas de Colas
Ventanilla
Consultorio
Mdico
CENTRO DE
SERVICIOS
Surtidor
Aeropuerto
Cajas de
Supermercado
Estacionamiento
Puerto
Ejemplo 1: Una empresa paga a sus 100 operarios semanalmente, de acuerdo con el
nmero de horas trabajadas, a razn de P pesetas por hora y de 1,5. P pesetas por cada
hora extra. Las horas extras son las que exceden de 40h. Simular por medio de un flujo
grama el nmero de horas trabajadas y el valor de P calcule el salario que le corresponde.
29
SIMULACIN
Ejemplo 2: Hacer un diagrama de flujo que simule un reloj.
30
SIMULACIN
EJERCICIOS DE APLICACIN
Ejercicio 1: Simular el lanzamiento de una moneda.
Ejercicio 2: Simular el lanzamiento de un dado.
Ejercicio 3: El 40% de los nacimientos en el Paraguay son mujeres. Simular los prximos
15000 nacimientos y verificar el porcentaje de nacimientos de mujeres y de varones
Ejercicio 4: Respecto a pedidos de comidas en un restaurant el 50% pide carne vacuna, el
30% pollo, el 19% cerdo y el resto solamente ensalada. Hacer una simulacin que indique
el porcentaje de pedido de una de las 1000 personas que entraron en el restaurant.
Ejercicio 5: En una sucursal de Banco entre las 10 y las 11 de la maana, las personas
llegan con intervalos de 1 a 10 minutos (RND). Se desea saber cuntas personas entran al
banco. Control de tiempo fijo y Control variable de tiempo. Definir todas las variables y
constantes utilizadas en el modelo.
Ejercicio 6: Un centro de servicios tiene una sola estacin y una fila, el tiempo de llegadas
es aleatoria y el tiempo de servicio tambin es aleatoria. Queremos saber:
a) Tiempo promedio de espera de los clientes
b) Tiempo promedio de ociosidad de la estacin
Simular M llegadas de clientes. Control variable de tiempo. Definir todas las variables y
constantes utilizadas en el modelo
Ejercicio 7: En una sala de clases existen N fluorescentes, cada uno tiene una vida til
entre 700 a 1200 horas. Cuando se queman uno o ms focos se cambian totalmente. Se
desea saber en cuantas horas se cambiaran los focos 12 veces. Simular el modelo.
Ejercicio 8: En un centro de servicio las personas llegan siguiendo la distribucin
poissoniana con una media EX persona por minuto y el servicio sigue una distribucin
exponencial EXX personas por minuto. Simular las llegadas y servicios durante 3 horas y
averiguar de cuantos clientes se ha formado la fila ms larga. Control de tiempo fijo.
Ejercicio 9: En un centro de servicio, los clientes llegan exactamente cada tres minutos. El
servicio es aleatorio que oscila entre 1 a 6 minutos. Hacer un flujograma que simule la
actividad del Centro de Servicio hasta llegar a 1000 clientes, y determinar:
a) Tiempo total de llegadas de los 1000 clientes
b) Nmero de veces que el centro de servicios estuvo ocioso
c) Cuando un cliente que llega y existen dos clientes esperando para ser atendido, da
vuelta y se va del centro sin recibir servicio. Cuntos clientes se fueron?
d) El tiempo total de servicios para los 1000 clientes (los que fueron atendidos)
Definir todas las variables y constantes utilizadas en el modelo
Ejercicio 10: Un banco de plaza tiene habilitado una ventanilla para atencin exclusiva a
clientes que realicen depsitos en caja de ahorro. La atencin a sus clientes la realiza de
8:00 a 13:00 horas, al cabo del cual cierra sus puertas y sigue atendiendo a clientes que
31
SIMULACIN
ingresaron al local antes de dicha hora. De acuerdo a Datos relevados sobre el

comportamiento de los sistemas se conoce que el intervalo de llegada de clientes (en
minutos) se aproxima a una distribucin poissoniana de media P y que el tiempo de
atencin (en minutos) se da en el rango de 3 a 8. La asignacin mensual establecida para
el cajero, por la atencin de lunes a viernes en horario normal es de 3000000 de
guaranes, ms 15000 guaranes por cada hora extra que demande la atencin a clientes.
En consideracin a estas informaciones elabore un modelo que permita simular el
funcionamiento del sistema para un tiempo variable a M meses y permita estimar:
a) El costo de las horas de ocio del cajero
b) La cantidad de clientes que conformo la mayor cola.
Ejercicio 11: Simula mediante un diagrama de flujo simplificado de pacientes en el servicio
de urgencias peditricas de un hospital. Los pacientes que llegan al servicio son, en primer
lugar, registrados en la administracin del servicio. A continuacin se efecta un chequeo
rpido inicial para determinar si el estado del paciente precisa su traslado directo al
departamento de emergencias. Esta situacin es poco frecuente y es debida a que los
padres del nio no son conscientes de la gravedad de su estado dado que, en caso
contrario, lo hubiera trasladado directamente a emergencias en lugar del servicio de
urgencias. El resto de pacientes son atendidos, por orden de llegada, en los boxes
dispuestos para tal efecto. Como resultado del chequeo el mdico puede recomendar
rayos X o analticas complementarias. En estos casos, el paciente tiene que ser atendido
por segunda vez en uno de los boxes para confirmar el diagnstico. Finalmente el paciente
recibe el alta del servicio de pediatra.
32

CLASE - Simu CARTA PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

CLASE - Simu CARTA PDF

Hochgeladen von

Copyright:

Verfügbare Formate

SIMULACIN

COMO SE DEFINE UN SISTEMA EN SIMULACIN. Coleccin de entradas que pasan a travs

Prof. Heriberto Gonzlez

Simulacin es una tcnica numrica para conducir experimentos en una computadora

Modelo: Es una abstraccin y simplificacin de la realidad, es decir, es la representacin

Variables exgenas: son las variables independientes o de entradas al modelo y

de servicio de un, etc.

Ejemplos: El inventario de un productos, las ventas en algn precedentes por

Variables endgenas: son las variables dependientes o de salidas del sistemas y

Prof. Heriberto Gonzlez

3. Aun cuando un modelo matemtico logre formularse para describir algn

VENTAJAS Y DESVENTAJAS DE SIMULACIN

No es necesario interrumpir las operaciones de la compaa.

La simulacin proporciona un control total sobre el tiempo, debido a que un

fenmeno se puede acelerar.

Prof. Heriberto Gonzlez

Aunque la simulacin es un planteamiento muy valioso y til para resolver problemas,

La simulacin es imprecisa, y no se puede medir el grado de su imprecisin.

nmeros un grado mayor de validez y precisin.

PROCESO DE DESARROLLO DE UN MODELO DE SIMULACIN

FORMULACIN DEL MODELO. Reduccin o abstraccin del sistema real a un diagrama de

PREPARACIN DE DATOS. Identificacin de los datos que el modelo requiere y reduccin

SELECCIN DEL LENGUAJE: De la seleccin del lenguaje depender el tiempo de desarrollo

TRANSLACIN DEL MODELO. Consiste en generar las instrucciones o cdigo computacional

PLANEACION ESTRATGICA. Diseo de un experimento que producir la informacin

de estos a una forma adecuada.

o necesario para lograr que el modelo pueda ser ejecutado en la computadora.

Prof. Heriberto Gonzlez

PLANEACIN TCTICA. Determinacin de cmo se realizar cada una de las corridas de

EXPERIMENTACIN. Corrida de la simulacin para generar los datos deseados y efectuar

INTERPRETACIN. Obtencin de inferencias con base en datos generados por la simulacin

IMPLANTACIN. Una vez seleccionada la mejor alternativa es importante llevarla a

PELIGROS Y PROBLEMAS EN SIMULACIN

Definir los lmites y nivel de detalles del sistema.

REAS DE APLICACIN DE SIMULACIN

Prof. Heriberto Gonzlez

CONCLUSIONES SOBRE LOS CONCEPTOS BSICOS DE SIMULACIN

LA SIMULACIN ES UN PROCESO ITERATIVO

Un experimento de simulacin da el valor de los parmetros durante y al final de la simulacin. el

POR OTRA PARTE NO SIMULE CUANDO SE TENGA LAS SIGUIENTES CONDICIONES:

Prof. Heriberto Gonzlez

EXPERIMENTOS CON MODELOS DE SISTEMAS ECONMICOS

Formulacin del problema: consiste en la determinacin exacta de los objetivos del

Preguntas que deben responderse:

b) Formulacin de un modelo matemtico.

Prof. Heriberto Gonzlez

Entrada de datos y condicionales iniciales.

Dividiendo por m-1=766, los nmeros aleatorios son:

Prof. Heriberto Gonzlez

2) MTODO DE CUADRADOS MEDIOS

1. Genere 10 nmeros aleatorios entre 0 y 1 con los siguiente generadores

2. Genere 10 nmeros entre 0 y 1 de 4 dgitos, mediante un generador de cuadrados medios

Prof. Heriberto Gonzlez

6. En una muestra de 800 cuadernos se encontr la siguiente frecuencia de cuadernos con

a) Calcula la frecuencia relativa y la frecuencia acumulada de los datos

Prof. Heriberto Gonzlez

de probabilidad de ocurrencia del N de desperfectos

7. En una muestra de 200 botellas de Coca-Cola se encontr la siguiente frecuencia de tapitas

Prof. Heriberto Gonzlez

VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES

Las variables aleatorias se clasifican en discretas y continuas:

La funcin de distribucin para una

variable continua siempre verifica las siguientes