Modelos Matemáticos de Simulación

Modelos matemticos de simulacin
Andrs Ramos
Andres.Ramos@iit.icai.upcomillas.es
Universidad Pontificia Comillas
Begoa Vitoriano
bvitoriano@mat.ucm.es
Universidad Complutense de Madrid
E
SCUELA
T
CNICA
S
UPERIOR DE
I
NGENIERA

D
EPARTAMENTO DE
O
RGANIZACIN
I
NDUSTRIAL
Modelos matemticos de simulacin - 1
ESCUELA TCNICA SUPERIOR DE INGENIERA
DEPARTAMENTO DE ORGANIZACIN INDUSTRIAL
ndice
Sistemas, modelos y simulacin
Elementos de la simulacin
Metodologa de un estudio de simulacin
Generacin de variables aleatorias
Software de simulacin
Anlisis de resultados
Inicio Simulacin: 1949 Mtodo de Monte Carlo (J ohnVon
Neumann, StanislawUlam)
SIMULACIN (Shannon, 1975)
proceso de disear un modelo de un sistema real y llevar a cabo
experiencias con l, con la finalidad de aprender el comportamiento del
sistema o de evaluar diversas estrategias para el funcionamiento del
sistema.
SISTEMA
Conjunto de objetos o ideas que estn interrelacionadas entre s como
una unidad para la consecucin de un fin. Forma parte de la vida real.
MODELO
Representacin simplificada de un sistema. Es una abstraccin del
sistema.
Sistema Sistema
Observaci Observaci n n
Modelo Modelo
Procedimientos de obtencin de modelos
Anlisis tericoo mtodo deductivo:
Estudio cualitativo de los fenmenos que caracterizan el comportamiento
del sistema Relaciones matemticas concretas ecuaciones
descriptivas del proceso.
Anlisis experimental o mtodo inductivo
Construir un modelo matemtico a partir de medidas realizadas sobre el
sistema Descripcin detallada de cmo evolucionaa lo largo del tiempo
Observar el comportamiento del modelo Llevar a cabo experiencias
con l
SIMULACIN DEL MODELO
OBJ ETIVO: NOconocer el sistema en s, sino comportamiento
ante diversas situaciones
LOS MODELOS DE SIMULACIN SE HACEN
FUNCIONAR, NO SE RESUELVEN,!!!
Ejemplo (i)
Construir una carretera, y se ha de hacer tnel a travs de
montaa. Dos puntosposibles donde hacer tnel, M
1
, M
2.
M
1
: longitud del tnel L
1
, y en la montaa M
2
, L
2
.
En la primera de ellas, se perforara a razn de x
1
unidades por
jornada de trabajo, en la otra a razn de x
2
unidades.
La empresa debe recibir una maquinaria nueva con una
probabilidad 0.71. La probabilidad de que la nueva maquinaria
se avereen M
1
es 0.14, y en M
2
es 0.16. Para la maquinaria
vieja son 0.28 y 0.19.
Las averas pueden ser de dos tipos: graves probabilidad 0.35
y 4 jornadas de trabajo de reparacin, o leves con 1 jornada de
trabajo de reparacin
Dnde perforar para tardar lo menos posible en construir
carretera?
Ejemplo (ii)
Anlogo para M
2
E[DT/M
2
] =20.22 E[DT/M
2
] =20.34
E[DT/M
1
] =19.34 E[DT/M
1
] =19.37
50 simulaciones Mtodo terico
Modelo de simulacin
1. Se definen los parmetros aleatorios
llegada de nueva maquinaria
avera
gravedad de la avera
2. Se simulan o muestreanlos parmetros aleatorios
3. Serecopilanlos resultados
4. Sedetieneel proceso de muestreo
Cando conviene utilizar la simulacin?
Si no existe formulacin matemtica del modelo o mtodos
analticos resolucin. (sistemas complejos)
S existen, pero resulta ms sencillo y barato simular.
Si se desea experimentar con el sistema antes de su uso o
construccin. (Simulador de vuelo)
Es imposible experimentar sobre el sistema Prevencin de
eventualidades.
Razones ticas impiden experimentacin (S. biolgicos H.)
Se desea reducir escalas de tiempo, pues la evolucin del
sistema es muy lenta (capa de ozono, polticas de talas de
rboles)
Permite estudiar sistemas dinmicosen tiempo real.
Inconvenientes
La construccin del modelo puede ser compleja y costosa.
Es frecuente despreciar elementos o relaciones sin importancia
aparente y obtener resultados falsos.
Es difcil establecer el grado de precisin de los resultados y su
anlisis.
NO OPTIMIZA, slo evala
Tipos de sistemas
Estadode un sistema
Conjunto de variables necesarias para describir un sistema en
un instante de tiempo y relativo a los objetivos de un estudio
Tipos de Sistemas:
Continuos: Las variables de estado cambian de forma
continua con el tiempo
Discretos: Las variables de estado cambian en ciertos
instantes de tiempo
Tipos de modelos de simulacin
Clasificacin segn evolucin de tiempo
ESTTICOS: representan un sistema en un instante
particular. A menudo se le llama simulacin de Monte Carlo.
DINMICOS: representan un sistema que evoluciona con el
tiempo.
Clasificacin segn la aleatoriedad
DETERMINISTAS: no variables aleatorias. Unos datos
entrada, nica salida.
ESTOCSTICOS/PROBABILISTAS: contienen variables
aleatorias, las salidas son aleatorias (estimar).
Clasificacin segn las variablesde estado
CONTINUOS
DISCRETOS
HBRIDOSO COMBINADOS
Ejemplo modelo continuo: presa-depredador
(modelo Lotka-Volterra)
X(t) : nmero individuos presa en instante t
Y(t) : nmero de individuos depredador en instante t
r: tasa crecimiento sin depredadores
s: tasa variacin en ausencia de presas
( ) ( ) ( ), 0
( ) ( ) ( ), 0
d X
r X t a X t y t a
d t
d Y
s Y t b X t Y t b
d t
= >
= + >
ndice
EVENTOS: Sucesos que pueden producir un cambio en el
estado del sistema
MECANISMO DE TRANSICIN: Mecanismo que muestra
los cambios que se producen en el estado del sistema cuando se
produce un evento
Un sistema de colas con un servidor
Variable de estado: nmero de clientes en el sistema, N(t)
Eventos:
Llegada de un nuevo cliente
Fin del servicio de un cliente
Mecanismo de transicin
( ) 1 si llegada cliente
( )
( ) 1 si fin de servicio de un cliente
N t
N t
N t
+

Tratamiento del tiempo (i)
RELOJ DE SIMULACIN: Variable que registra la cantidad
de tiempo que ha sido simulada
NOtiene relacin con el tiempo requerido para llevar a cabo
simulacin!!!
Mtodos para incrementar el reloj de simulacin
INCREMENTO EN TIEMPO FIJ O (time step):
Reloj simulacin se incrementa en t unidades tiempo
Cada vez que se incrementa tiempo se actualizan las variables de estado,
comprobando si es por eventos si alguno ha ocurrido en ese intervalo
Los eventos que hayan podido ocurrir en ese intervalo, se considera que
ocurren al final del intervalo, momento en que se actualizan lasvariables.
Desventajas: Simultaneidad de eventos, error, lentitud.

000 SSS111 ttt 2 22ttt s ss222 s ss333 3 33ttt 4 44ttt
Tratamiento del tiempo (ii)
INCREMENTO AL PRXIMO EVENTO (event step):
El reloj de simulacin se inicializa a cero y se determinan los instantes en
que sucedern los futuros eventos (todos o los ms inmediatos que puedan
ocurrir).
El reloj de simulacin se avanza hasta el instante del suceso ms inminente
de los futuros eventos, actualizando en ese instante el estado del sistema
dependiendo del evento de que se trate (Si es necesario se genera el
siguiente evento de ese tipo)
Ventajas:
los periodos de inactividad son saltados MENOR TIEMPO DE
EJ ECUCIN
tiene en cuenta instantes exactos (no error)
0
s1
s2
s3
Organizacin de un modelo de simulacin
Estado del sistema: variables describen sistema en un instante
particular
Reloj de simulacin: variable valor actual de tiempo simulado
Lista de eventos: lista de instantes en que ocurrirn los prximos
eventos de cada tipo
Contadores: variables para almacenar informacin sobre el
comportamiento del sistema
Rutina de tiempo: determina el siguiente evento y avanza el reloj
de simulacin al instante en que va a ocurrir
Rutina de evento: actualiza las variables cuando ha ocurrido un
evento. Hay una por cada tipo de evento.
Generador de informes o resultados: realiza los clculos o
estimaciones de las caractersticas que se desean medir, cuando
la simulacin acaba.
Programa principal: enlaza todas las rutinas anteriores.
Organizacin de un modelo de simulacin
Reloj simulacin = 0
Inicializar estado y contadores
Inicializar lista de eventos
1 Llamar
rutina tiempo
2 Llamar
rutina evento
Determinar tipo prximo evento i
Avanzar reloj de simulacin
Actualizar estado
Actualizar contadores
Generar futuros eventos y
actualizar lista de eventos
Fin de
simulacin?
Clculos finales (estimaciones)
Imprimir informe
Rutina tiempo
Rutina evento i
NO
SI
Generador
resultados
Regla de parada
Programa principal
Rutina
inicializacin
Simulacin por incremento de tiempo fijo
t =0.1 h Tasa media de llegadasde clientes: 3 clientes/hora. Tasa
media de servicio: 5 clientes/hora
Hiptesis
Es suficientemente pequeo para que no haya simultaneidad de eventos.
Slo hay una llegada o salida en cada intervalo
Probabilidad de una llegadaen t
Probabilidad de una salidaen t
Generador de eventos generador nmeros aleatorios uniformemente
distribuidos U[0,1]
U <0.26 ocurre una llegada U 0.26 no ocurre una llegada
U <0.39 ocurre una salida U 0.39 no ocurre una salida
Estado inicial: ningn cliente en el sistema
{ }
0.3
| 1 1 0.26
t
e
P P T t t T t e e

= + > = = =
{ }
0.5
| 1 1 0.39
t
s
P P T t t T t e e

= + > = = =
Traza del funcionamiento del sistema de colas
...
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
Salida de
clientes
Tiempo medio
de clientes en
servicio
Clientes
en servicio
Tiempo medio
de clientes en
cola
W
q
(t)
Clientes
en cola
L
q
(t)
Llegada
de
clientes
Tiempo
t
Simulacin por eventos
Se generan los tiempos de ocurrencia de eventos de llegada o salida en
funcin de sus distribuciones de probabilidad mediante nmeros aleatorios.
Se avanza el tiempo de reloj hasta el siguiente evento (mnimo de los
tiempos futuros ms cercanos)
...
0.73
0.43
0.27
0.15
0
Salida de
clientes
Tiempo medio
de clientes en
servicio
Clientes
en servicio
Tiempo
medio de
clientes en
cola
W
q
(t)
Clientes
en cola
L
q
(t)
Llegada de
clientes
Tiempo
t
Ejemplo: Sistema lnea de espera con un
servidor
Objetivo: Estimar el nmero medio de clientes en el sistema
Hiptesisy datos:
Tiempos entre llegadas de clientes: Distribucin F
Tiempos de servicio: Distribucin G
Tiempos independientes
T, tiempo mximo de simulacin
Variables de estado:
N : Nmero de clientes en el sistema
Eventos:
Llegada de un cliente
Servicio de un cliente
Mecanismo de transicin:
Llegada : NN+1
Servicio: NN-1
( ) 1 si es llegada de un cliente
( )
( ) 1 si es final de servicio
N t
N t
N t
+

Modelado de sistemas mediante simulacin
Otras variables:
TM : Reloj de simulacin
DL : Tiempo entre llegadas =
d
F
DS : Tiempo de servicio =
d
G
TL : Instante de la prxima llegada
TS : Instante del prximo fin de servicio
SUMA: contador acumulando suma de reas de clientes en el
sistema por tiempo de permanencia
TANT : Variable auxiliar (Instante de ltimo evento)
Traza del modelo
DL: 3 2 5 1 2 6 6 2 8; DS: 4 1 4 1 3 2 3 5; T= 35
N N evento evento RELOJ Simulaci RELOJ Simulaci n n Tipo Evento Tipo Evento N N TL TL TS TS Suma Suma
0 0 0 0 Inicio Inicio 0 0 3 3 0 0
1 1 3 3 Llegada Llegada 1 1 5 5 7 7 0+0*3=0 0+0*3=0
2 2 5 5 Llegada Llegada 2 2 10 10 7 7 0+1*2=2 0+1*2=2
3 3 7 7 Servicio Servicio 1 1 10 10 8 8 2+2*2=6 2+2*2=6
4 4 8 8 Servicio Servicio 0 0 10 10 6+1*1=7 6+1*1=7
5 5 10 10 Llegada Llegada 1 1 11 11 14 14 7+0=7 7+0=7
6 6 11 11 Llegada Llegada 2 2 13 13 14 14 7+1*1=8 7+1*1=8
7 7 13 13 Llegada Llegada 3 3 19 19 14 14 8+2*2=12 8+2*2=12
11 11 19 19 Llegada Llegada 1 1 25 25 21 21 20+0=20 20+0=20
13 13 25 25 Llegada Llegada 1 1 27 27 28 28 22+0=22 22+0=22
14 14 27 27 Llegada Llegada 2 2 35 35 28 28 22+1*2=24 22+1*2=24
17 17 35 35 Final Final 31+0*2=31 31+0*2=31
Tiempo de simulacin T=35
Nmero medio de clientes en el sistema: Media=31/35=0.89
Si el tiempo de simulacin hubiera sido T=18
Nmero medio de clientes en el sistema: Media=20/18=1.11
N
NN

3
33 5
55 7
77 8
88 1
110
00 1
111
11 1
113
33 1
114
44 1
115
55 1
118
88 t
tt
PROGRAMA PRINCIPAL
Programa Principal
1. Inicializar
N=0, TM=0, SUMA=0, TS=
Generar DL, poner TL=DL
2. Avanzar reloj de simulacin:
TM =min(TL,TS)
3. Identificar prximo evento y
llamar subrutina de evento
Si TL<TS, llamar LLEGADA.
En otro caso, llamar SERVICIO
4. Regla de parada:
Si TM<T, ir a 2.
5. Salida: SUMA/TM. Parar.
Inicializar
N=0, TM=0
SUMA=0, TS=
Generar DL
TL=DL
TM=min(TL,TS)
TANT=TM
Servicio
Llegada
SI NO
SI
SUMA/TM
Parar
NO
TL<TS?
TM<T?
Inicializar
N=0, TM=0
SUMA=0, TS=
Generar DL
TL=DL
TM=min(TL,TS)
TANT=TM
Servicio
Llegada
SI NO
SI
SUMA/TM
Parar
NO
TL<TS?
TM<T?
SUBRUTINAS
Servicio
1. Variables de estado
N=N-1
2. Actualizar prximos eventos:
Si N>0, Generar DS, poner TS=TM+DS.
En otro caso, poner TS=.
3. Actualizar contadores y auxiliares
Poner SUMA=SUMA+(N+1)(TM-TANT)
Poner TANT=TM
4. Volver
Llegada
1. Variables de estado
N=N+1
2. Actualizar prximos eventos:
Si N=1, Generar DS, poner TS=TM+DS.
Generar DL, poner TL=TM+DL
3. Actualizar contadores y auxiliares
Poner SUMA=SUMA+(N-1)(TM-TANT)
Poner TANT=TM
4. Volver
N=N-1
Servicio
N>0?
Generar DS
TS=TM+DS
TS=
NO SI
SUMA=SUMA+(N+1)(TM-TANT)
Volver
N=N+1
Llegada
N>1?
NO SI
SUMA=SUMA+(N-1)(TM-TANT)
Volver
Generar DS
TS=TM+DS
Generar DL
TL=TM+DL
ndice
Metodologa en un estudio de simulacin
CREACIN DEL MODELO O SIMULADOR
1. FORMULAR EL PROBLEMA (fase de especificacin)
Objetivos, hiptesis, parmetros, variables de estado,...
2. REUNIR DATOSY CREAR UN MODELO
Diagrama de flujo
3. PROGRAMAR EL MODELO
Lenguaje general o lenguaje de simulacin
4. VERIFICAR LA PROGRAMACIN (depuracin)
Verificar que lo que se ha programado coincide con lo que se haba modelado
5. VALIDAR EL MODELO
Ejecutar y comparar con sistema o solucin terica casos sencillos
NO
NO
METODOLOGA EN UN ESTUDIO DE SIMULACIN
USODEL MODELO O SIMULADOR
6. DISEAR EL EXPERIMENTO
Estrategias, pruebas, nmero de simulaciones,...
Tcnicas de Reduccin de la Varianza
7. LLEVAR A CABO LAS EJ ECUCIONESDE SIMULACIN
8. ANALIZAR LOS RESULTADOS
Muestra simulada Anlisis estadstico
9. DECIDIR SI DAR POR TERMINADA LA SIMULACIN
10. DOCUMENTAR Y ORGANIZAR LAS EJ ECUCIONES
NO
ndice
Aleatoriedad
Obtener modelos desde los datos:
anlisis estadsticos clsicos (distribuciones empricas y contrastes de
bondad de ajuste)
Simular valores de las variables aleatorias modeladas:
1. Distribucin uniforme(0,1) Nmeros pseudoaleatorios
2. Distribuciones discretas
3. Distribuciones absolutamente continuas
Generacin de muestras uniformes
Secuencia de nmeros aleatoria: si cualquier secuencia finita,
seleccionada previamente a su diseo, es igualmente factible
que estincluida en aquella.
Mtodos fsicos (la ruleta) tablas de nmeros: No eficiente
uso ordenador
Nmeros pseudoaleatorios: Mtodos aritmticos.
Producir una secuencia de nmeros que siguen una distribucin de
probabilidad especfica y tienen apariencia y propiedades de
aleatoriedad.
Propiedades:
Distribucin uniforme
Estadsticamente independientes
Reproducibles
Capaces de producir diferentes secuencias de nmeros
Rpidos de generar y no requerir almacenamiento
Tener un ciclo no repetitivo tan largo como se desee
Generacin de muestras uniformes
MMMTTTOOODDDOOOSSS CCCOOONNNGGGRRRUUUEEENNNCCCIIIAAALLLEEESSS (((LLLEEEH HHMMME EER RR(((1 11999555111)))) ))
1 n
x
+
EEESSS EEELLL RRREEESSSTTTOOO DDDEEE DDDIIIVVVIIIDDDIIIRRR
1 n n
y ax b
+
= + EEENNNTTTRRREEE mmm...
LLLEEEYYY R RREEECCCUUURRRRRREEENNNTTTE EE
1 1
1
n n
n
y y
x m n
m m
+ +
+

=

...
EEEJJJEEEMMMPPPLLLO OO:::
0
9 5 1 1 m a b x = = = =
1
5 1 1 6 y = + =
1
6 x =
2
5 6 1 31 y = + =
2
4 x =
3
5 4 1 21 y = + =
3
3 x =
4
5 3 1 16 y = + =
4
7 x =
5
5 7 1 36 y = + =
5
0 x =
6
5 0 1 1 y = + =
6 0
1 x x = =
m mdulo, a multiplicador. Si b=0, multiplicativo, si no, mixto.
X0 semilla de sucesin (dado por programador: reproducible)
Propiedades estadsticas: uniformidad e independencia.
Buenos generadores: , a =16807 o 63036016 (Ciclo m-1)
Muestras uniformes en intervalo (0,1): dividir nmeros por m
Si se dispone de diferentes cadenas, una para cada parmetro aleatorio
31
2 1 m =
Generacin de variables aleatorias discretas
Mtodo general o estndar
X variable aleatoria discreta
Generar , si o sea,
Ejemplo:
U=0.27, 0.54, 0.06, 0.89, 0.15, x = 1, 2, 0, 3, 1
1 1
2 2
3 3
con prob
con prob
con prob
x p
x p
X
x p

1
k
k
p =
0 1
p
1
p
1
+p
2
p
1
+p
2
+p
3
(0,1)
d
u U =
i
X x =
1
1 1
i i
k k
k k
p u p
= =
<

1
( ) ( )
x i x i
F x u F x
<
1
2
3
4
0 con prob 0.1
1 con prob 0.2
2 con prob 0.5
3 con prob 0.2
p
p
X
p
p
=
=

=
1
3 2 1 0
0.1
0.3
0.8
( ) F x
0 1 2 3
Generacin de variables aleatorias continuas
...
333))) GGGEEENNNEEERRRAAACCCIIINNN VVVAAARRRIIIAAABBBLLLEEESSS AAALLLEEEAAATTTOOORRRIIIAAASSS AAABBBSSS... CCCOOONNNTTTIIINNNUUUAAASSS
MMMTTTOOODDDOOO DDDEEE LLLAAA TTTRRRAAANNNSSSFFFOOORRRMMMAAACCCIIINNN IIINNNVVVEEERRRSSSAAA
XXX V VV...AAA... FFFU UUNNNCCCIII N NN D DDEEE D DDIIIS SST TTR RRIIIB BBUUUCCCIII N NN A AACCCUUUMMMU UULLLA AADDDAAA E EES SS { }
( ) F x P x X = ...
GGGEEEN NNEEER RRAAARRR U UU UUU(((000,,,1 11))),,, YYY D DDEEET TTE EER RRMMMI IIN NNAAARRR A AANNNTTTI III IIM MMA AAGGGE EEN NN,,, XXX T TTA AALLL Q QQU UUEEE ( ) F x u = ...

DDDIIIS SST TTR RRIIIB BBUUUCCCIII N NN E EEX XXP PPO OON NNEEEN NNCCCIIIA AALLL:::
( ) 1
x
F x e

= 0 x (((1 M MME EED DDIIIA AA)))... UUU T TTA AALLL Q QQU UUEEE ( ) F x u =
ln(1 ) ln( )
d
u u
x

= = ...

DDDIIIS SST TTR RRIIIB BBUUUCCCIII N NN U UUNNNIIIF FFO OOR RRMMME EE E EEN NN ( , ) a b :::
( )
x a
F x
b a
S SSI II ( , ) x a b ... UUU T TTA AALLL Q QQU UUEEE ( ) F x u = ,,, SSSE EE T TTI IIE EEN NNEEE Q QQU UUEEE ( ) x a b a u = + ...

DDDIIIS SST TTR RRIIIB BBUUUCCCIII N NN WWWEEEI IIB BBUUULLLL LL ( , ) ::: (((MMME EED DDIIIA AA
1
(1/ )
Y YY D DDEEEN NNSSSI IID DDAAADDD

1 ( )
( ) , 0
x
f x x e x

= )))
( )
( ) 1 , 0
x
F x e x

= ... U UU T TTA AALLL Q QQU UUEEE
( ) F x u = ,,, SSSE EE T TTI IIE EEN NNEEE ( ) ( )
1/ 1/ 1 1
ln(1 ) ln( )
d
x u u

= = ...
MMMTTTOOODDDOOO DDDEEE AAACCCEEEPPPTTTAAACCCIIINNN --- RRREEECCCHHHAAAZZZOOO::: MMMTTTOOODDDOOO SSSIIIMMMPPPLLLEEE DDDEEE RRREEECCCHHHAAAZZZOOO
XXX v vv... a aa... d dde eennns ssiii d dda aaddd f ff ( ((xxx))) s ssooop ppo oor rrttt eee a aacccooot tt a aadddo oo ( ((a aa,,,b bb) ))... { }
1 2
max ( ) : ( , ) c f x x a a ...
PPPu uun nnt tt o oo u uun nni ii f ff ooor rrmmmeee ( ((aaa,,,b bb) ))xxx(((000,,,c cc))),,, s ssiii p ppooorrr eeennnccciii mmmaaa dddeee lll aaa cccuuurrrvvvaaa rrreeeccchhhaaazzzaaarrr,,, s ssiii n nno oo, ,, a aaccceeepppttt aaarrr
AAAlll g ggo oor rriii t tt mmmooo: :: 1 11))) G GGe eennne eerrraaarrr
1 2
, u u U UU(((0 00,,,1 11)))
CCCaaalll c ccuuul ll a aarrr
1
( ) x a b a u = + ... C CCaaalll c ccuuul ll a aarrr
2
y cu =
222))) C CCaaalll c ccuuul ll a aarrr ( ) f x ... S SSiii ( ) y f x > i ii r rr a aa 1 11)))
333))) S SSa aalll i ii d dda aa::: X XX ( ) f x
1 1
1
(Aceptar un valor dado por ( , ))
( )
P x y
c b a
=
{ }
max ( ) : ( , ) c f x x a b =
EEEj jj e eemmmpppl ll o oo: ::

[ ]
0 1
( ) 1 ( 1) 1 2
0 fuera de 0,2
x x
f x x x

111))) G GGe eennne eerrraaarrr
1
(0,1)
d
r U = y yy
2
(0,1)
d
r U = ... C CCaaalll c ccuuul ll a aarrr
1
2 x r = e ee
2
y r =
222))) A AAccceeepppt tt a aarrr
x
s ssiii
2
( ) r f x
,,, s ssiii n nno oo, ,,
2
( ) r f x >
y yy v vvoool ll v vveeerrr a aalll p ppa aasssooo 1 11)))
F(X)
0 1 2
Algunas distribuciones particulares
Normal (,)
Normal(0,1), multiplicar por y sumar .
No expresin funcin distribucin: no transformada inversa
Mtodo del Teorema Central del Lmite
v.a.i.i.d media y desviacin N(0,1)
Aplicado a U(0,1):
Con n=12, (12 pequeo)
Mtodo de Box-Mller
Algoritmo:
1) Generar U(0,1)
2) Salida: v.a.i.i.d. N(0,1)
Mtodo polar de Marsaglia: evita evaluar cosenosy senos
1
,...,
n
X X
1
n
i
D
i
n
X n
n
1
2
/12
n
i
i
n
u
n
=

12
1
6
i
i
u
=

1 2
, u u
1 2
2ln cos(2 ) x u u = 1 2
2ln sen(2 ) y u u =
ndice
Caractersticas comunesal codificar modelos de simulacin:
Generacin de muestras de nmeros aleatorios U(0,1)
Generacin muestras variables aleatorias con distribuciones especficas
Mecanismos de control y flujo del tiempo
Determinacin del siguiente evento
Actualizacin listas sucesos (adicin, supresin, actualizacin registros)
Recogida y anlisis de datos generados por la simulacin
Elaboracin de informes, grficas, ...
Lenguajes de simulacin de propsito general
Gran desarrollo
Incremento del uso de la SIMULACIN
Lenguaje simulacin versus lenguaje propsito
general
Ventajas de los lenguajes de simulacin
Proporcionan la mayora de caractersticas necesarias para programar un
modelo simulacin reduccin de esfuerzo de programacin
Entorno de trabajo natural para el uso de modelos de simulacin
bloques bsicos de programacin ms afines
Ms sencillos de codificar ms fcil de modificar para experimentos
Facilitan deteccin errores, especialmente en lgica de proceso
Ventajas de los lenguajes de propsito general
En general, los modeladores conocen algn lenguaje de propsito
general, pero no suelen conocer lenguajes de simulacin
Suelen estar disponibles en cualquier ordenador, no los de simulacin.
El coste del software es menor.
El tiempo de ejecucin es menor (ms eficientes)
Mayor flexibilidad.
TIPOS DE SOFTWARE DE SIMULACIN
Lenguaje de simulacin: Lenguaje de programacin que es general
por naturaleza pero con desarrollos especiales para cierto tipo de
aplicaciones. Ejemplo: SIMAN, GPSS, etc. Un modelo se
desarrolla en un lenguaje de simulacin escribiendo un programa
usando estructuras de modelado del lenguaje Experto
programador
Simulador: Programa que permite simular un sistema de una clase
especfica de sistemas con poca o ninguna programacin Poca o
ninguna experiencia en PROGRAMACIN Limitadas las
posibles configuraciones de los sistemas. Ejemplo: simulador de
vuelo, simulador de un centro de control de una central nuclear.
ndice
Anlisis de resultados de simulacin
Un estudio de simulacin busca respuestasa preguntas sobre el
sistema a travs de la informacin que proporcionan los
experimentos con el modelo
Los experimentos responden a preguntas: Qupasara s?
(What-if)
Las respuestas servirn de soporte a una decisinsobre el
sistema variable respuesta (numrica)
Cada alternativaes una variante del modelo o escenario de
simulacin para el experimento estimacin variables
respuesta estadstica
Muestreo, reduccin varianza, estimacin, diseo experimentos
Estimacin de medias (esperanzas)
En general, valor esperadode variable respuesta se estima
mediante media muestral de las observaciones. Tambin
intervalo confianza (precisin)
Intervalo de confianza
(De 100 intervalos confiamos en que en al menos % estarla media)
Muestreo de dimensin fija:
n fijado antemano precisin la que resulte
Muestreo secuencial:
precisin fijada antemano (anchura del intervalo) tamao de muestra
indeterminado (fijar y si no se alcanza precisin, seguir)
1
n
i
i
Y
Y
n
=
=

2
2
1
( )
1
n
i
i
Y Y
S
n
=

=
1, /2 n
S
Y t
n


Modelos matemticos de simulacin
Andrs Ramos
Andres.Ramos@iit.icai.upcomillas.es
Universidad Pontificia Comillas
Begoa Vitoriano
bvitoriano@mat.ucm.es
Universidad Complutense de Madrid
E
SCUELA
T
CNICA
S
UPERIOR DE
I
NGENIERA

D
EPARTAMENTO DE
O
RGANIZACIN
I
NDUSTRIAL

Modelos Matemáticos de Simulación

Hochgeladen von

Dokumentinformationen

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

Modelos Matemáticos de Simulación

Hochgeladen von

Copyright:

Verfügbare Formate

Modelos matemticos de simulacin

Modelos matemticos de simulacin - 14

Modelos matemticos de simulacin - 22

Y YY D DDEEEN NNSSSI IID DDAAADDD

Modelos matemticos de simulacin - 45

Das könnte Ihnen auch gefallen