Beruflich Dokumente
Kultur Dokumente
TALLER DE APOYO
ESTADSTICA DESCRIPTIVA
Profesor:
EDUCACIN
BSICA
Loja-Ecuador
20010-2011
1.- PRESENTACIN
En las ultimas dcadas se han producido muchos cambios en el desarrollo de la Estadstica
como campo de conocimiento que necesita ser aprendida o enseada y, utilizada con fines
cientficos, pedaggicos y sociales. Para entenderla es conveniente referirnos a lo que
seala el ms elemental de los diccionarios: Estadstica, es la rama de las matemticas que
aborda el tema de la recoleccin, presentacin, anlisis e interpretacin de grupos de datos
numricos. Estudio de los hechos que se pueden numerar o contar y del resultado de la
comparacin de las cifras que a ellos se refieren.
Estas definiciones ponen en claro que la estadstica abarca mucho terreno pues le
concierne la forma en que se obtienen los datos, como se manipulan y como se ponen en
prctica. Pero en realidad, lo ms importante en la Estadstica moderna es que hace posible
que extraigamos informacin til de conjuntos de datos relativamente escasos;
por
ejemplo, los datos limitados sobre una enfermedad (SIDA, AH1N1); datos difcil de obtener
sobre los efectos ambientales provocados por el calentamiento global o datos muy escasos
sobre la composicin qumica de astros distantes, etc.
No se puede desconocer, a propsito del vertiginoso desarrollo de la comunicacin, la
validez de los resultados estadsticos principalmente en el campo poltico para conocer
tendencias electorales, niveles de popularidad, ndices de inflacin, etc. que en muchos
casos se adelantan o sorprenden a quienes estn inmersos en dichos resultados.
En el campo pedaggico la estadstica tambin ha sufrido cambios, antes slo constaba en
los programas universitarios; hoy sus contenidos, dependiendo del nivel de dificultad, se
estudian desde la educacin bsica; lo cual, indudablemente permite ir entendindole de a
poco en su proceso de aprendizaje. La intencin de abordarla como objeto de estudio en la
programacin curricular de las diferentes carreras del rea de la Educacin, el Arte y la
Comunicacin de la Universidad Nacional de Loja, es la de aplicar la Estadstica a la
investigacin educativa para lo cual, bajo la metodologa de taller, los alumnos tendrn la
oportunidad de plantear ejemplos y resolver ejercicios que se relacionen con los procesos
de investigacin del mdulo.
El referente terico que se ha considerado para el presente taller pertenece a la cuarta
edicin de estadstica de Freund/Smith que ofrece una forma muy didctica para
comprender el lenguaje, notacin y aplicacin de los contenidos de estadstica.
Finalmente dejamos planteado que el alcance de este evento curricular no va mas all de
utilizar la estadstica como herramienta o instrumento de apoyo para procesar informacin
proveniente de las investigaciones, razn que justifica el que abordemos solamente
aquellos contenidos que permitan organizar, presentar y resumir datos estadsticos a
efectos de realizar anlisis e interpretaciones.
2.- OBJETIVOS
Distribuciones de frecuencia
Grficos estadsticos
Medidas de dispersin
4.- METODOLOGA
El taller de estadstica aplicada a la investigacin educativa se desarrolla mediante la
modalidad de estudios presenciales durante media jornada de trabajo semanal de 16H00 a
18H30.
Implementa una metodologa participativa que permite a estudiantes, profesor y referentes
tericos interactuar dinmicamente a efecto de lograr aprendizajes significativos producto
de la ejemplificacin de situaciones estadsticas, demostraciones matemticas y resolucin
de ejercicios en un ambiente de amplia comunicacin pedaggica entre alumnos y entre
profesor y alumnos.
La utilizacin de esta metodologa potenciar el trabajo grupal e individual lo cual facilitar
las instancias de evaluacin y elementos de acreditacin que concluyan con la aprobacin
del taller.
Validez terica de reportes y pruebas, esto significa que deben estar correctamente
elaborados y resueltos.
17:30 - 19:30
17:30 - 19:30
Proponer
alternativas
simulacin de sistemas
para
Realiza
experimentos
y
simulaciones
y
contestar
preguntas de tipo what if
(Qu pasara si?).
Proyector.
Marcadores
Acceso a PCs
Correo electrnico.
Redes sociales.
Documentos tcnicos.
20%
20%
30%
10%
20%
100%
o
o
o
o
http://www.facso.uchile.cl/publicaciones/moebio/03
http://wmincades.scix.net/data/works/att/a937
http://materias.fi.uba.ar/docs/teoria.pdf
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/gardu
no_a_f/capitulo2.pdf [1]
o
http://www.arcgis.com/home/support.html
o
https://www.arenasimulation.com/support/training
o
http://vensim.com/courses/
SISTEMAS
CLASIFICACION DE SISTEMAS
SISTEMA CONTINUO: Las variables de estado
del sistema varan en forma continuo a lo largo
del tiempo
tiempo
CLASIFICACION DE SISTEMAS
SISTEMA DISCRETO: Las variables de estado del
sistema cambian en un cierto instante o
secuencia de instantes, y permanecen
constantes el resto del tiempo. La secuencia de
instantes sigue un patrn peridico.
Ej. Nmero de clientes en un banco.
estado
t0
t1
t2
t3
t4
t5
t6
t7
tiempo
CLASIFICACION DE SISTEMAS
SISTEMA ORIENTADO A EVENTOS DISCRETOS: Las
variables de estado del sistema cambian en un cierto
instante o secuencia de instantes, y permanecen
constantes el resto del tiempo. La secuencia de instantes
sigue un patrn aleatorio.
Ej. Nmero de llamadas entrantes en una central
telefnica.
estado
t0 t1
t2t3 t4
t5
t6 t7
tiempo
CLASIFICACION DE SISTEMAS
SISTEMAS
COMBINADOS:
Combinan
subsistemas
que
siguen
metodologas
continuas y discretas. Poseen componentes
que deben ser modelados segn alguno de los
dos enfoques.
estado
t0 t1
t2t3 t4
t5
t6 t7
tiempo
RELACIONES
Las entidades se relacionan entre s a travs de
relaciones o funciones.
Estas relaciones pueden ser:
Estticas o estructurales: un auto posee
cuatro ruedas.
Dinmicas o funcionales: un auto consume
gasolina si se enciende el motor.
TIPOS DE ESTADOS
TIPOS DE ESTADOS
Un ejemplo de estado estable, es un pndulo en su
posicin de reposo; en cambio, el pndulo invertido
es un ejemplo de estado inestable. Si el pndulo no
tiene friccin, la respuesta a una perturbacin ser
oscilatoria; en cambio, si existe friccin la
respuesta ser amortiguada.
VARIABLES
VARIABLES
VARIABLES
VARIABLES
VARIABLES
OTRA CLASIFICACION DE
SISTEMAS
De acuerdo a la naturaleza, un sistema puede ser (Law and
Kelton, 1991):
OTRA CLASIFICACION DE
SISTEMAS
Estocstico: En este caso algn elemento del
sistema tiene una conducta aleatoria.
Entonces, para entradas conocidas no es posible
asegurar los valores de salida. Un ejemplo de
sistema estocstico es una mquina tragamonedas
en la cual una misma accin (tirar la palanca)
genera un resultado incierto (ganar o perder).
Ej. Banco, central telefnica.
OTRA CLASIFICACION DE
SISTEMAS
OTRA CLASIFICACION DE
SISTEMAS
En el mundo real, los sistemas siempre tienen
elementos estocsticos ya sea por su propia
naturaleza o porque son fenmenos no
comprendidos actualmente; por ejemplo, a un
caverncola le poda parecer que las eclipses eran
fenmenos aleatorios, hoy son predichos. Sin
embargo, se puede considerar a un sistema real con
un sistema determinstico si su incertidumbre es
menor que un valor aceptado.
OTRA CLASIFICACION DE
SISTEMAS
Continuo: Se tiene un sistema continuo cuando las
relaciones funcionales entre las variables del
sistema slo permiten que el estado evolucione en
el tiempo en forma continua (basta que una
variable
evolucione
continuamente).
Matemticamente, el estado cambia en infinitos
puntos de tiempo. El recipiente del calentador es
un subsistema continuo porque tanto M como T
evolucionan en forma continua durante la
operacin del sistema.
Ej.: Comportamiento global del trfico de una
autopista.
OTRA CLASIFICACION DE
SISTEMAS
Discreto: Se tiene un sistema discreto cuando las
relaciones funcionales del sistema
slo permiten que el estado vare en un conjunto
finito (contable) de puntos
temporales. Las causas instantneas de los cambios
de estados se denominan eventos.
Ej. Movimiento individual de los coches en una
autopista.
OTRA CLASIFICACION DE
SISTEMAS
El interruptor del calentador es un subsistema
discreto porque la intensidad I slo puede variar en
los instantes que se abre o se cierra el interruptor.
La apertura y el cierre del interruptor son eventos.
Un sistema continuo puede comportarse en forma
discreta si las entradas son discretas. Los sistemas
reales son combinaciones de continuos y discretos.
La forma de tratarlos se adopta de acuerdo a la
caracterstica dominante.
MODELOS
Un modelo es una forma de representacin de algn
dispositivo o sistema real.
El valor de un modelo se denota cuando ste mejora
nuestra comprensin de las caractersticas del
comportamiento en forma ms efectiva que si se
observar el sistema real.
MODELOS
Un modelo de un objeto puede ser una rplica exacta
de ste (aunque sea en un material diferente y a
escala diferente), o puede ser una abstraccin de las
propiedades dominantes del objeto.
MODELOS
Un modelo, comparado con el sistema verdadero que
representa, proporciona informacin a costo ms bajo
(lo ideal) y permite el logro de un conocimiento ms
rpido de las condiciones que no se observan en la
vida real.
Usualmente, su propsito es ayudarnos a explicar,
entender o mejorar un sistema.
Modelos
Es una abstraccin de la realidad.
Es una representacin de la realidad que ayuda a entender
cmo funciona.
Es una construccin intelectual y descriptiva de una entidad en
la cual un observador tiene inters.
Se construyen para ser transmitidos.
Supuestos simples son usados para capturar el
comportamiento importante.
Un modelo es un sistema desarrollado para entender la realidad y en
consecuencia para modificarla.
No es posible modificar la realidad, en cierta direccin, si es que no se
dispone de un modelo que la interprete.
Herramienta de prediccin
Para entrenamiento
e instruccin
el modelo o la realidad?
Taller en clase
Ejercicio
Diga a qu categora (mental o formal) pertenecen los siguientes
sistemas. Justifique la respuesta:
1. Opinin sobre el problema del gobierno en Venezuela.
2. Opinin sobre el nuevo ministro de Relaciones Laborales
escrito en El Comercio.
3. Dibujo hecho a mano acerca de la nueva casa.
4. Plano de la nueva casa.
5. Orden en que llegan los insumos a una mquina.
6. Distribucin de probabilidad del orden en que llegan los
insumos a una mquina.
7. Orden que sigue un documento para ser aprobado.
8. Flujograma de aprobacin de documentos.
MODELOS Y SISTEMAS
13
Modelos estticos
Modelos dinmicos
Los modelos dinmicos son una representacin de la
conducta dinmica de un sistema, Mientras un
modelo esttico involucra la aplicacin de una sola
ecuacin, los modelos dinmicos, por otro lado, son
reiterativos.
Los modelos dinmicos constantemente aplican sus
ecuaciones considerando cambios de tiempo.
Ej. Cinta transportadora en una fbrica.
Modelo determinstico
En stos ni las variables exgenas, ni las endgenas,
se obtienen por medio del azar, debido a que se
suponen relaciones exactas para las caractersticas de
operacin. Son variables con valores preestablecidos.
Es aquel en el cual se establecen las condiciones para
que al ejecutar el experimento se determine el
resultado.
Ej. Un sistema de Ecuaciones Diferenciales modelando
una reaccin qumica.
17
Modelos estocstico
Los valores de la o las variables, se obtienen al azar.
Es aquel en el cual informacin pasada, no permite la
formulacin de una regla para determinar el resultado
preciso de un experimento.
Ej. Banco.
Modelos continuos
Modelos discretos
El estado de los cambios en los modelos slo se
dan cuando esos eventos ocurren.
La llegada de rdenes, o las partes que estn
siendo ensambladas, as como los clientes que
llaman.
Una fbrica que ensambla partes es un buen
ejemplo de un sistema de evento discreto. Las
entidades individuales (partes) son ensambladas
basadas en eventos (recibo o anticipacin de
rdenes).
Ej. Movimiento individual de los coches en una
autopista.
Modelos fsicos
Llamados as, debido a que se semejan al sistema en
estudio.
Durante muchos aos, los ingenieros han usado
modelos de tamao natural y han reducido y puesto a
escala a los mismos para probarlos. (NASA, lneas
areas comerciales)
Modelo analgico
Los modelos anlogos poseen algunas
propiedades similares a los objetos
representados pero sin ser una rplica
morfolgica de los mismos.
Un ejemplo de un modelo anlogo es un
mapa impreso que se construye mediante
un
conjunto
de
convenciones
cartogrficas, que conducen a un
resultado final claramente distinto del
objeto representado. Mediante esta
transformacin se persigue hacer legibles
propiedades tales como altitud, distancia,
localizacin fsica de objetos geogrficos,
sus relaciones importancia.
Modelos simblicos
Los modelos simblicos se
construyen mediante reglas
notablemente ms abstractas ya
que esta denominacin suele
aplicarse a los casos en los que el
objeto real se representa
mediante
una
codificacin
matemtica.
Un ejemplo de modelo simblico
es la representacin de un
edificio
mediante
la
identificacin y codificacin en
una estructura geomtrica de sus
elementos bsicos. El modelo as
construido permite la aplicacin
de algoritmos para, por ejemplo,
la estimacin de esfuerzos a los
que esta sometido.
Estructura de un modelo de
simulacin
Definir el sistema
Componentes
Entidades.
Atributos.
Actividades.
Eventos.
Variables de estado.
Estructura de un modelo de
simulacin
Entidad: denota un objeto o componente de
inters en un sistema, por ejemplo, un cliente,
un servidor o una mquina.
Atributos: denota una propiedad de una
entidad, por ejemplo, la prioridad de los
clientes en la fila de espera.
Estructura de un modelo de
simulacin
Actividades: todo proceso que provoque
cambios en el sistema se conocer como
actividad, Ejemplo: programar un nuevo
modulo en un sistema acadmico.
Eventos: Un evento es un hecho que ocurre
instantneamente y que cambia el estado del
sistema, como por ejemplo la llegada de un
nuevo cliente a un banco.
Estructura de un modelo de
simulacin
Variables de estado:
Las variables de estado describen el estado de un sistema o uno
de sus componentes, ya sea al comienzo, al final o durante un
periodo.
Estas variables interaccionan con las variables exgenos del
sistema y con las endgenas, de acuerdo con las relaciones
funcionales supuestas para el sistema.
El valor de una variable de estado, durante un periodo particular
de tiempo, puede depender no solamente de los valores de una o
ms variables exgenos en algn periodo precedente, sino
tambin del valor de ciertas variables de salida en periodos
anteriores.
Comprensible
Fcil de comprender por los observadores
Preciso
Representa de forma fiel el sistema que modela
Predictivo
Se pueden usar para deducir conclusiones sobre el sistema que modela
Barato
Mucho ms barato y sencillo de construir que el sistema que modela
EXPERIMENTAR
CON EL SISTEMA
REAL
FORMAS
DE
ESTUDIAR
UN
SISTEMA:
Modelo
fsico
EXPERIMENTAR CON UN
MODELO DEL SISTEMA
(VALIDACIN)
Solucin
analtica
Modelo
matemtico
Simulacin
30
Simulacin
La simulacin involucra el diseo de modelos de un sistema, llevando a cabo
experimentos en l.
El propsito de stos ("que pasa si") experimentos son determinar cmo el
sistema real realiza y predice el efecto de cambios al sistema a travs del
tiempo.
Por ejemplo, se acostumbra emplear la simulacin al contestar preguntas
como:
Qu efectos tiene un incremento en la tasa poblacional en una comunidad?
VENTAJAS DE LA SIMULACION
DESVENTAJAS DE LA SIMULACION
No produce resultados exactos, sino estimaciones. Esto
hace necesario el uso de tcnicas estadsticas.
Desarrollar un modelo de simulacin suele ser caro y
lleva tiempo.
Es difcil demostrar la validez del modelo. Si el modelo no
es vlido, los resultados son poco tiles.
Taller Nro. 3
Buscar en internet que herramientas existen para
realizar modelos y simulacin (al menos 5) y realizar
un breve anlisis de las mismas.
FUENTES DE INFORMACN
1- LA OBSERVACIN: Es el registro visual de lo que ocurre
en una situacin real, clasificado y consignando los datos
de acuerdo con algn esquema previsto y de acuerdo al
problema que se estudia.
Ventajas:
Permite obtener datos cuantitativos y cualitativos.
Se observan caractersticas y condiciones de los individuos.
Tambin conductas , actividades, caractersticas o factores
ambientales.
Puede ser utilizada en cualquier tipo de investigacin y en
cualquier rea del saber.
Es un mtodo que no depende de terceros o de registros; con ello
se eliminan sesgos y ambigedades.
LA OBSERVACIN
Desventajas:
Se requiere de mucha habilidad y agudeza para ver los fenmenos
estudiados.
Demanda gran cantidad de tiempo.
Tiene sesgos; el humano ve lo que quiere ver.
Al momento de la interpretacin pueden distorsiones los hechos e ir
ms all de lo que vimos en realidad.
LA OBSERVACIN
1- La Observacin Participante: El investigador se involucra total
o parcialmente con la actividad objeto de investigacin.
La observacin se hace desde el interior del grupo.
Pueden intervenir las emociones del investigador.
FORMAS DE OBSERVACIN
1-La Observacin Simple, No estructurada, No regulada, No
controlada: El investigador utiliza lineamientos generales parta
observar y luego escoge lo que estima relevante a los efectos
de la investigacin propuesta.
Fundamentalmente usada para estudios exploratorios.
2- La Observacin Sistemtica, estructurada, regulada o
controlada: El investigador dispone de un instrumento
estructurado y estandarizado para medir las variables en
estudio de una manera uniforme.
Utilizada para probar hiptesis en que se especifica claramente
que se estudia.
Se usan listas de cotejo, grabadoras, filmadoras, etc.
LA ENCUESTA
Consiste en obtener informacin de los sujetos en
estudio, proporcionados por ellos mismos, sobre
opiniones, conocimientos, actitudes o sugerencias.
Existen dos maneras de obtener informacin:
1- La Entrevista: Las respuestas son formuladas
verbalmente y se necesita de la presencia del
entrevistador. y
2- El Cuestionario: Las respuestas son formuladas por
escrito y no se requiere de la presencia del investigador.
LA ENTREVISTA
Es la comunicacin interpersonal establecida entre el
investigador y el sujeto de estudio a fin de obtener
respuestas verbales a las interrogantes planteadas sobre el
problema propuesto.
Ventajas:
Es aplicable a toda persona,( muy til con analfabetos, nios o en
aquellos con alguna limitacin fsica o psicolgica),
Permite estudiar aspectos psicolgicos o de otra ndole donde se
desee profundizar en el tema.
Permite obtener informacin ms completa,
A travs de ella el investigador puede: Aclarar el propsito del
estudio, especificar claramente la informacin que necesita, aclarar
preguntas y permite usar triangulacin.
Permite captar mejor el fenmeno estudiado ya que permite observar
lenguaje no verbal.
TIPO DE ENTREVISTA
1- ENTREVISTA ESTRUCTURADA.
Ventajas:
Desventajas:
La informacin puede ser muy superficial.
Limitada la posibilidad de profundizar en un aspecto determinado.
Difcil obtener informacin confidencial.
TIPO DE ENTREVISTA
2- ENTREVISTA NO ESTRUCTURADA.
Es flexible y abierta, pero regida por los objetivos de la investigacin.
Las preguntas, su contenido, orden y formulacin es controlado por el
investigador, el que puede adaptarlas dependiendo delas situaciones y
caractersticas de los sujetos en estudio.
El entrevistado tambin cuenta con libertad para dar sus respuestas.
Se utiliza un instrumento gua que contiene las orientaciones de los
temas a tratar.
Muy til para estudios exploratorios, descriptivos y cualitativos
Ventajas:
Adaptable y aplicable a toda clase de sujetos en diversas situaciones.
Permite profundizar en los temas de inters.
Orienta posibles hiptesis y variables cuando se exploran reas nuevas.
TIPO DE ENTREVISTA
Desventajas:
CUESTIONARIO
Mtodo que utiliza un instrumento o formulario impreso,
destinado a obtener respuestas sobre el problema en
estudio y que el sujeto investigado llena por s mismo.
El cuestionario puede aplicarse a grupos o individuos
estando presente el investigador.
Incluso puede enviarse por correo a los destinatarios.
Ventajas:
Costo relativamente bajo.
Proporciona informacin sobre un mayor nmero de personas en un
perodo breve.
Fcil para obtener, cuantificar, analizar e interpretar datos.
Menores requerimientos de personal capacitado.
Mayor posibilidad de mantener anonimato de los encuestados.
Eliminacin de los sesgos que introduce el encuestador.
CUESTIONARIO
Desventajas:
Es poco flexible, la informacin no puede variar ni profundizarse.
Si el cuestionario se enva por correo, es posible que no sean devueltos o que
no se obtengan respuestas.
No utilizable en personas que no saben leer ni escribir.
No permite aclarar dudas.
Resulta difcil obtener cuestionarios completamente contestados.
Se deben obtener grandes muestras.
PROBABILIDADES
Estadstica Inferencial
Estadstica Inferencial
Tema 1: Probabilidades
Nociones de probabilidad
Estadstica Inferencial
Tema 1: Probabilidades
E espacio muestral
Sucesos
Cuando se realiza un experimento aleatorio diversos resultados son
posibles.
El conjunto de todos los resultados posibles se llama espacio muestral y
se denota por E.
Se llama suceso a un subconjunto de dichos resultados.
E espacio muestral
E espacio muestral
A
E espacio muestral
UNIN
B
Estadstica Inferencial
E espacio muestral
E espacio muestral
A
A
INTERSEC.
B
Tema 1: Probabilidades
E espacio muestral
P(E)=1
100%
P(AUB)=P(A)+P(B) si A B=
E espacio muestral
A
B
es el conjunto vaco.
P( A B)
PB ( A) P( A / B)
P( B)
Estadstica Inferencial
A
B
Tema 1: Probabilidades
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,10
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,08
P(A|B)=1
Estadstica Inferencial
P(A|B)=0,8
Tema 1: Probabilidades
B
B
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,005
P(A) = 0,25
P(B) = 0,10
P(A B) = 0
P(A|B)=0,05
Estadstica Inferencial
P(A|B)=0
Tema 1: Probabilidades
P(A) = 1 - P(A)
Prob. de que ocurra A y B es la prob. de que ocurra A por la probabilidad de que ocurra B
sabiendo que ocurri A.
Estadstica Inferencial
Tema 1: Probabilidades
(760/1000)*100=0,76*100=76%
P(Hombre)=P(Mujer)=1-0,76=0,24
Se sabe de otros estudios que entre los individuos con osteoporosis, aprox.
la cuarta parte de las mujeres y la tercera parte de los hombres fuman.
Elegimos a un individuo al azar de la poblacin de enfermos.
Qu probabilidad hay de que sea mujer fumadora?
Estadstica Inferencial
Tema 1: Probabilidades
A2
A3
Estadstica Inferencial
A4
Tema 1: Probabilidades
10
Divide y vencers
A2
A1
B
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )
A3
A4
Tema 1: Probabilidades
11
Probabilidad total
A2
A1
A3
A4
Tema 1: Probabilidades
12
= 0,13 =13%
Probabilidad Total.
Hombres y mujeres
forman
una particin del espacio
muestral
Mujeres
Varones
= 0,46 = 46%
fumadores
Estadstica Inferencial
Tema 1: Probabilidades
13
0,1
Mujer
0,7
Fuma
0,9
No fuma
Estudiante
0,2
0,3
P(H | F) = 0,3x0,2/P(F)
Los caminos a travs de nodos
representan intersecciones.
Fuma
Hombre
0,8
No fuma
Estadstica Inferencial
14
Regla de Bayes
A2
A1
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces
si ocurre B, podemos calcular la
probabilidad (a posteriori) de ocurrencia
de cada Ai.
PB ( A i ) P( A i / B)
A3
P( A i B)
P( B)
A4
donde P(B) se puede calcular usando el teorema de la probabilidad total:
Tema 1: Probabilidades
15
EJEMPLOS
Estadstica Inferencial
Tema 1: Probabilidades
16
Generacin de Nmeros
Seudo-Aleatorios
En la prctica ninguna funcin
produce datos aleatorios
verdaderos.
Las funciones producen nmeros
pseudo-aleatorios.
Generacin de Nmeros
Seudo-Aleatorios
Un elemento importante en simulacin es tener
rutinas que generen variables aleatorias con
distribuciones especficas: uniforme, normal, etc.
Para ello la base es generar una secuencia de
nmeros aleatorios distribuidos uniformemente entre
0 y 1.
X0 = 5497
Operacin mod
(5+55x) mod 11 =
5
Ejercicio 1
a = 12
c= 0
m = 15
x0
10
11
12
13
14
x1
x2
x3
x4
x5
x6
x7
x8
x9
x 10
x 11
x 12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
Ejercicio
R: 5, 4, 1.
10
Ejercicio
11
GCL Multiplicativos
12
13
14
Ejercicio 2
Suponiendo que se utilice el generador de nmeros
seudo-aleatorios.
15
x X x n
Varianza:
S
2
i 1
Desviacin Estndar:
16
n 1
s s2
2
i
n 1
Ejercicio
1. Determina el rango, la varianza y la desviacin estndar para los
siguientes datos:
2
4
3
5
2
2
0
1
R = Rango 5; Varianza 2.5536 y Desviacin Estndar 1.5980
17
Ejercicio
Frecuentemente se utilizan generadores de nmeros seudoaleatorios en forma encadenada; por ejemplo, el nmero que
sale de
18
Otro ejercicio
Frecuentemente se utilizan generadores de nmeros seudoaleatorios en forma encadenada; por ejemplo, el nmero que
sale de
19
Probando generadores de
nmeros aleatorios
Es importante asegurarse de que el generador usado
produzca una secuencia suficientemente aleatoria.
Para esto se somete el generador a pruebas
estadsticas. Si no pasa una prueba, podemos asumir
que el generador es malo. Pasar una prueba es una
condicin necesaria pero no suficiente. Un generador
puede pasar una prueba y luego no pasarla si se usa
otra semilla u otro segmento del ciclo.
20
21
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
11
21
31
41
51
61
71
81
91
101 111 121 131 141 151 161 171 181 191 201
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
22
20
40
60
80
100
120
140
160
180
200
Es
importante
observar que
NO exista
ningn
patrn o
tendencia.
Generador Uniforme
1.25
random
1
0.75
0.5
0.25
0
-0.25 0
-0.5
1
0.8
0.6
0.4
0.2
0
0
23
50
100
24
21
19
20
16
25
20
20
17
20
22
200
Histograma
30
25
Frecuencias
[0, 0.1)
[0.1, 0.2)
[0.2, 0.3)
[0.3, 0.4)
[0.4, 0.5)
[0.5, 0.6)
[0.6, 0.7)
[0.7, 0.8)
[0.8, 0.9)
[0.9, 1.0)
20
15
10
5
0
[0, 0.1) [0.1,
0.2)
[0.2,
0.3)
[0.3,
0.4)
[0.4,
0.5)
[0.5,
0.6)
Intervalo
[0.6,
0.7)
[0.7,
0.8)
[0.8,
0.9)
[0.9,
1.0)
1
0, en otro caso
F(x)
0, x < 0
F(x) =
x, 0 x 1
1, x<1
25
26
Intervalo
I1
I2
Ik
27
Frecuencia
Observada
O1
O2
Ok
Total
Frecuencia
Esperada
E1
E2
Ek
Total
Estadstico de prueba:
28
Distribucin Ji-cuadrada
29
Ejercicio:
Determine el 95 percentil de la distribucin ji-cuadrada con 6 grados de libertad.
Regin de Rechazo:
c c ,k 1
2
0
30
31
Frecuencia
Intervalo
Observada
[0, 0.1)
[0.1, 0.2)
[0.2, 0.3)
[0.3, 0.4)
[0.4, 0.5)
[0.5, 0.6)
[0.6, 0.7)
[0.7, 0.8)
[0.8, 0.9)
[0.9, 1.0)
Total
10
c
2
0
32
i 1
Frecuencia
Esperada
21
19
20
16
25
20
20
17
20
22
200
Oi Ei
20
20
20
20
20
20
20
20
20
20
200
(observado - esperado) 2
esperado
0.05
0.05
0
0.8
1.25
0
0
0.45
0
0.2
2.8
Ei
2.8
Estadstico de prueba
c c ,k 1
2
0
c2 ,k 1 c 02.05,9
16.919
33
Conclusin: Ho NO se rechaza.
Los valores generados s parecen
venir de una distribucin uniforme
Ejercicio 4
Generador:
xn+1 = (57 xn) mod 215 1
Con semilla = 1, considere los primeros 100 nmeros generados
entre 0 y 1.
Realizar la prueba estadstica ji-cuadrada para probar si los valores
vienen de una distribucin uniforme.
Usar 10 intervalos.
Usar nivel de significancia = = 0.05.
34
Ejercicio 5
Usando el mtodo del cuadrado medio y
semilla = 5896, se generaron los
primeros 80 nmeros aleatorios.
Realizar la prueba estadstica jicuadrada para probar si los valores
provienen de una distribucin uniforme.
Usar 8 intervalos y un nivel de
significancia = = 0.05.
35
Intervalo
Frecuencia
[0, 0.125)
[0.125, 0.25)
[0.25, 0.375)
[0.375, 0.5)
[0.5, 0.625)
[0.625, 0.75)
[0.75, 0.875)
[0.875, 1.0)
16
12
11
11
8
6
7
9
80
Ejercicio 6
Generador:
xn+1 = (57 xn) mod 215 1
Con semilla = 14, considere los primeros 100
nmeros generados entre 0 y 1.
Realizar la prueba estadstica ji-cuadrada
para probar si los valores vienen de una
distribucin uniforme.
Usar 8 intervalos.
Usar nivel de significancia = = 0.05.
36
Intervalo
Frecuencia
[0, 0.125)
[0.125, 0.25)
[0.25, 0.375)
[0.375, 0.5)
[0.5, 0.625)
[0.625, 0.75)
[0.75, 0.875)
[0.875, 1.0)
22
7
18
13
21
4
9
6
100
Generacin de variables
aleatorias discretas
Suponga que un determinado fenmeno aleatorio tiene la
siguiente distribucin de probabilidad:
Variable
18 cm.
37
Probabilidad Acumulada
0.3
0.3
19 cm.
0.4
0.7
20 cm.
0.3
0 R 0.3
entonces x = 18 grs.
entonces x = 19 grs.
0.7 < R 1
entonces x = 20 grs.
Ejercicio 7
Usar el generador:
xn+1 = (57 xn) mod 215 1
Con semilla = 1.
38
Probabilidad
0.3
19 cm.
0.4
20 cm.
0.3
En Excel.
=NORMINV(RAND(),500,50)
aleatorio entre 0 y 1 media desv. std.
(puedes usar tu
propio generador)
39
Ejercicio 8
Usar el generador:
xn+1 = (59 xn) mod 217 1
40
Introduccin a la Simulacin
Introduccin
Cuando alguien tiene la responsabilidad de conducir un sistema dado, como por ejemplo: un
banco, una ciudad, un sistema de transporte, etc., debe tomar continuamente decisiones acerca
de las acciones que ejecutar sobre el sistema. Estas decisiones deben ser tales que la
conducta resultante del sistema satisfaga de la mejor manera posible los objetivos planteados.
Para poder decidir correctamente es necesario saber cmo responder el sistema ante una
determinada accin. Esto podra hacerse por experimentacin con el sistema mismo; pero
factores de costos, seguridad y otros hacen que esta opcin generalmente no sea viable. A fin
de superar estos inconvenientes, se reemplaza el sistema real por otro sistema que en la
mayora de los casos es una versin simplificada. Este ltimo sistema es el modelo a utilizar
para llevar a cabo las experiencias necesarias sin los inconvenientes planteados anteriormente.
Al proceso de experimentar con un modelo se denomina simulacin. Al proceso de disear el
plan de experimentacin para adoptar la mejor decisin se denomina optimizacin. Si el plan
de experimentacin se lleva a cabo con el solo objeto de aprender a conducir el sistema,
entonces se denomina entrenamiento o capacitacin.
En este punto, es conveniente plantear las siguientes definiciones:
Sistema: Conjunto de objetos o ideas que estn interrelacionados entre s como una
unidad para la consecucin de un fin (Shannon, 1988). Tambin se puede definir como
la porcin del Universo que ser objeto de la simulacin.
Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z puede
emplear X para responder cuestiones que le interesan acerca de Y (Minsky).
Simulacin: Simulacin es el 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 (Shannon,
1988).
Aplicaciones de la simulacin
La simulacin es conveniente cuando:
No existe una formulacin matemtica analticamente resoluble. Muchos sistemas
reales no pueden ser modelados matemticamente con las herramientas actualmente
disponibles, por ejemplo la conducta de un cliente de un banco.
Existe una formulacin matemtica, pero es difcil obtener una solucin analtica. Los
modelos matemticos utilizados para modelar un reactor nuclear o una planta qumica
son imposibles de resolver en forma analtica sin realizar serias simplificaciones.
No existe el sistema real. Es problema del ingeniero que tiene que disear un sistema
nuevo. El diseo del sistema mejorar notablemente si se cuenta con un modelo
adecuado para realizar experimentos.
Los experimentos son imposibles debido a impedimentos econmicos, de seguridad,
de calidad o ticos. En este caso el sistema real esta disponible para realizar
experimentos, pero la dificultad de los mismos hace que se descarte esta opcin. Un
ejemplo de esto es la imposibilidad de provocar fallas en un avin real para evaluar la
conducta del piloto, tampoco se puede variar el valor de un impuesto a para evaluar la
reaccin del mercado.
El sistema evoluciona muy lentamente o muy rpidamente. Un ejemplo de dinmica
lenta es el problema de los cientficos que estudian la evolucin del clima. Ellos deben
predecir la conducta futura del clima dadas las condiciones actuales, no pueden
esperar a que un tornado arrase una ciudad para luego dar el mensaje de alerta. Por el
contrario, existen fenmenos muy rpidos que deben ser simulados para poder
observarlos en detalles, por ejemplo una explosin.
Tipos de simulacin
De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por (Fishman,
1978):
Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la
que utilizan las empresas automotrices cuando realizan ensayos de choques de
automviles utilizando unidades reales.
Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por
ejemplo, los entrenamientos militares que incluyen movilizacin de equipos y tropas
pero no se lleva a cabo una batalla real.
Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio.
Se pueden distinguir dos tipos de simulaciones:
o Juego operacional: Personas compiten entre ellas, ellas forman parte del
modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso de
una simulacin de negocios donde las computadoras se limitan a recolectar la
informacin generada por cada participante y a presentarla en forma ordenada
a cada uno de ellos.
o Hombre-Mquina: Se estudia la relacin entre las personas y la mquina. Las
personas tambin forman parte del modelo. La computadora no se limita a
recolectar informacin, sino que tambin la genera. Un ejemplo de este tipo de
simulacin es el simulador de vuelo.
(2)
(3)
Esta solucin analtica permite calcular fcilmente las nuevas races cuando se varan los
coeficientes del polinomio. Tambin, es claro que habr problemas cuando el argumento de la
raz cuadrada se haga negativo.
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
Sin embargo, no siempre es posible obtener una solucin analtica, ya sea por la naturaleza del
modelo o de los experimentos que se desean realizar. En este caso, el modelo deber ser
tratado por algn tipo de mtodo numrico. Esto es, el modelo ser resuelto para un caso
particular, y la solucin ser un nmero, un vector o una matriz; pero no se tendr una funcin
analtica. Debido a esto, el anlisis de los resultados es ms complejo que el requerido por una
solucin analtica. A continuacin se da un ejemplo utilizando la simulacin de Monte Carlo.
(5)
( )
c
c
a crculo = a cuadrado= 4r 2
n
n
(6)
Es importante notar que para un dado n, el resultado ser distinto cada vez que se realice la
simulacin. Es decir, que el resultado ser un nmero aleatorio. A medida que n aumente, la
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
varianza del resultado disminuir y el valor medio se aproximar a la solucin analtica. Para
un n = 100, el resultado de una simulacin es 320 cm2; mientras que para n = 10000, un
resultado es 313 cm2.
El mismo principio se puede aplicar para figuras complejas como se muestra en la Figura 2.
Conociendo la escala, se puede fijar un cuadrado arbitrario y calcular el rea de Argentina.
Sin embargo, la determinacin del permetro de la figura es un problema de mayor magnitud
para el cual se necesita recurrir a la teora de fractales.
Evaluacin de integrales
Suponga que se desea evaluar la siguiente integral que no tiene solucin analtica:
I = g ( x) dx
b
(7)
Si bien para este caso en particular existen mejores mtodos para hacerlo, cuando se deben
resolver integrales mltiples con integrandos mal condicionados la simulacin de Monte
Carlo puede ser una buena alternativa.
Suponga que x es un nmero aleatorio con distribucin uniforme continua en el intervalo
[a,b], f(x) es la correspondiente funcin de densidad de probabilidad que es igual a 1/(b-a);
entonces, el nmero y = g(x) es tambin un nmero aleatorio cuyo valor medio (E(y) o y)
est dado por:
b
b
b
1
1
I
E ( y) = g ( x) f ( x) dx = g ( x )
dx =
g ( x) dx =
(8)
a
a
ba
b a a
ba
Por lo tanto:
I = (b a ) E(y )
(9)
Sin embargo, E(y) no es conocido; slo puede ser estimado con el promedio de una muestra.
Por el mismo motivo, I slo puede ser estimado por el nmero aleatorio Y que se calcula de la
siguie nte manera:
n
Y = (b a )
yi
i =1
g (x )
= (b a ) i =1
(10)
I = sen( x) dx
0
(11)
10
2.213
20
1.951
40
1.948
80
1.989
160
1.993
Sistemas
Un sistema es una seccin de la realidad que es el foco primario de un estudio y est
compuesto de componentes que interactan con otros de acuerdo a ciertas reglas dentro de
una frontera identificada para el propsito del estudio. Un sistema puede realizar una funcin
que no es realizable por sus componentes individuales.
Los objetos o componentes que forman parte del sistema se denominan entidades, por
ejemplo: un auto est compuesto por un motor, ruedas, carrocera, etc. Estas entidades poseen
propiedades denominadas atributos, por ejemplo: la potencia del motor, y se relacionan entre
s a travs de relaciones o funciones. Estas relaciones pueden ser:
Estticas o estructurales: un auto posee cuatro ruedas.
Dinmicas o funcionales: un auto consume nafta si se enciende el motor.
Los valores asumidos por los atributos de las entidades en un momento dado determinan el
estado del sistema. El estado puede ser esttico o estacionario, esto significa que se mantiene
constante en el tiempo; o por el contrario, puede ser dinmico o transitorio si evoluciona con
el tiempo. Un sistema puede presentar los dos tipos de conductas; generalmente, cuando inicia
su funcionamiento pasa por un estado dinmico y luego alcanza un estado estacionario o de
rgimen.
Un estado estacionario es estable si el sistema retorna a l luego de una perturbacin. Por el
contrario, un estado estacionario es inestable si el sistema se aleja de l luego de una
perturbacin. Este alejamiento puede dar lugar a una respuesta acumulativa (crece o decrece
continuamente, o alcanza otro estado estacionario) o a una respuesta oscilatoria (crece y
decrece continuamente). Un ejemplo de estado estable, es un pndulo en su posicin de
reposo; en cambio, el pndulo invertido es un ejemplo de estado inestable. Si el pndulo no
tiene friccin, la respuesta a una perturbacin ser oscilatoria; en cambio, si existe friccin la
respuesta ser amortiguada.
Los atributos tambin se denominan variables o parmetros (Figura 3). Los parmetros (P)
son atributos que se fijaron durante el diseo del sistema ya sea por el diseador o por la
naturaleza, por ejemplo: la cilindrada del motor, la aceleracin de la gravedad. Las variables
se clasifican a su vez en:
Variables de entrada o exgenas: Son fijadas por el medioambiente del sistema.
Pueden ser manipulables (U) -se fijan a voluntad- o no (D). Un ejemplo del primer
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
caso es la posicin del pedal del acelerador, y del segundo caso es la velocidad del
viento. Una variable de entrada no manipulable se denomina perturbacin.
Variables de salida (Y): Son las variables de estado, o combinacin de ellas, que son
medidas o traspasan la frontera del sistema.
Variables internas: Son las variables del sistema que no son ni de entrada, ni de
salida, ni parmetros.
Variables de estado (X): Conforman el conjunto mnimo de variables internas del
sistema necesarias para describir completamente su estado interno.
P
U
Tm
Fe,Te
Wd
M,T
V
I
Rc,W
Estado inicial: El interruptor est abierto, el recipiente vaco, no entra ni sale lquido.
El estado del sistema no vara durante esta etapa. Es un estado estacionario.
Carga de agua: Se hace Fe > 0, el recipiente recibe agua y M aumenta continuamente
durante esta etapa. Es un estado dinmico.
Recipiente lleno: Cuando el nivel del agua es el deseado se interrumpe la
alimentacin. Nuevamente el sistema est en un estado estacionario.
Calentamiento: Una vez alcanzado el nivel de agua deseado, se cierra el interruptor.
La temperatura T del agua aumenta continuamente. Es un estado dinmico.
Rgimen: a medida que aumenta la temperatura del sistema, la potencia disipada hacia
el exterior Wd tambin aumenta. Esta potencia adems depende de Ta, de las
dimensiones del recipiente y de U. Cuando la potencia disipada iguala a la potencia W
de calentamiento, la temperatura del sistema adopta tambin un valor constante. De
este modo, el sistema alcanza un nuevo estado estacionario.
Descarga de agua: Alcanzada la temperatura deseada y mantenida durante el tiempo
requerido, se abre el interruptor y el sistema se descarga haciendo Fs > 0. M
disminuye continuamente hasta valer cero. La temperatura tambin disminuye. Se
trata de un estado dinmico que culmina cuando el sistema est completamente vaco
retornando a su estado inicial.
Clasificacin de sistemas
De acuerdo a su naturaleza, un sistema puede ser (Law and Kelton, 1991):
Determinstico: Si el sistema no contiene ningn elemento aleatorio es un sistema
determinstico. En este tipo de sistema, las variables de salidas e internas quedan
perfectamente determinadas al especificar las variables de entrada, los parmetros y
las variables de estado. Es decir, las relaciones funcionales entre las variables del
sistema estn perfectamente definidas. El calentador elctrico estudiado es un sistema
determinstico.
Estocstico: En este caso algn elemento del sistema tiene una conducta aleatoria.
Entonces, para entradas conocidas no es posible asegurar los valores de salida. Un
ejemplo de sistema estocstico es una mquina tragamonedas en la cual una misma
accin (tirar la palanca) genera un resultado incierto (ganar o perder). Cuando un
sistema determinstico es alimentado con entradas estocsticas, la respuesta del
sistema es tambin estocstica. Por ejemplo, la temperatura ambiente es una variable
estocstica que afecta la respuesta del calentador elctrico. En el mundo real, los
sistemas siempre tienen elementos estocsticos ya sea por su propia naturaleza o
porque son fenmenos no comprendidos actualmente; por ejemplo, a un caverncola le
poda parecer que las eclipses eran fenmenos aleatorios, hoy ellas son predichas. Sin
embargo, se puede considerar a un sistema real con un sistema determinstico si su
incertidumbre es menor que un valor aceptado.
Continuo: Se tiene un sistema continuo cuando las relaciones funcionales entre las
variables del sistema slo permiten que el estado evolucione en el tiempo en forma
continua (basta que una variable evolucione continuamente). Matemticamente, el
estado cambia en infinitos puntos de tiempo. El recipiente del calentador es un
subsistema continuo porque tanto M como T evolucionan en forma continua durante la
operacin del sistema.
Discreto: Se tiene un sistema discreto cuando las relaciones funcionales del sistema
slo permiten que el estado vare en un conjunto finito (contable) de puntos
temporales. Las causas instantneas de los cambios de estados se denominan eventos.
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
10
Modos de simulacin
Como ya se plante anteriormente, cuando se simula se experimenta con un modelo para
obtener ciertos resultados. Un modelo es tambin un sistema, y de acuerdo al tipo de variables
de salida del modelo el modo de simulacinser (Figura 5):
Anlisis: Es el modo ms empleado, en l las variables de salida del modelo
representan a las variables de salida del sistema real. Este modo se utiliza para estimar
la respuesta del sistema real ante entradas especificadas. Debido a que imita un
sistema que realmente funciona, el modelo es matemticamente ms estable y se
asegura la existencia de una solucin.
Diseo: En este modo las salidas del modelo representan a los parmetros del sistema
real. Se utiliza en la etapa de diseo de un equipo donde el problema es determinar los
parmetros para los cuales el sistema producir las salidas deseadas para las entradas
especificadas.
Control: Las variables de salida del modelo representan a las variables de entrada del
sistema real. Este modo sirve para determinar los valores que debern adoptar las
entradas del sistema para producir los resultados deseados. Se utiliza cuando se desea
determinar las condiciones de operacin de un sistema.
Por lo general, los simuladores se operan en modo diseo dejando al usuario la tarea de iterar
para obtener los resultados provistos por los otros modos. Por ejemplo, para estimar el voltaje
requerido para el calentador (modo diseo), se pueden realizar varias simulaciones en modo
anlisis para un conjunto de valores de voltaje, y se selecciona el que produce la salida
deseada.
P
P
P
U
D
X
Modo Anlisis
U
D
Modo Diseo
U
D
Modo Control
Modelado
Modelado es el proceso de construccin de un modelo. Un modelo es una representacin de
un objeto, sistema, o idea. Usualmente, su propsito es ayudar explicar, entender o mejorar un
sistema (Shannon, 1988). Los modelos son tiles para:
El pensamiento: Al construir un modelo necesariamente se debe ordenar y completar
el conocimiento que del sistema real se posee.
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
11
El modelado es un arte. Cualquier conjunto de reglas para desarrollar modelos tiene una
utilidad limitada y slo puede servir como una gua sugerida. El arte de modelar consiste en la
habilidad para analizar un problema, resumir sus caractersticas esenciales, seleccionar y
modificar las suposiciones bsicas que caracterizan al sistema, y luego enriquecer y elaborar
el modelo hasta obtener una aproximacin til. Los pasos sugeridos para este proceso son:
1. Establecer una definicin clara de los objetivos.
2. Analizar el sistema real.
3. Dividir el problema del sistema en problemas simples.
4. Buscar analogas.
5. Considerar un ejemplo numrico especfico del problema.
6. Determinar las variables de inters.
7. Escribir los datos obvios.
8. Escribir las ecuaciones tericas o empricas que describen los fenmenos presentes y
relacionan las variables de inters.
9. Si se tiene un modelo manejable, enriquecerlo. De otra manera, simplificarlo.
Generalmente, simplificar un modelo implica:
Convertir variables en constantes.
Eliminar o combinar variables.
Suponer linealidad.
Agregar suposiciones ms potentes y restricciones.
Restringir los lmites del sistema.
Para enriquecerlo se procede de la forma contraria. Durante el proceso de modelado se debe
alcanzar un equilibrio entre el grado de detalle y el riesgo de falta de exactitud. El mejor
modelo, es el modelo ms simple que puede resolver el problema con el grado de exactitud
requerido.
Un modelo debe ser:
Fcil de entender por parte del usuario.
Dirigido a metas u objetivos.
Sensato, en cuanto no de respuestas absurdas.
Fcil de manipular y controlar por parte del usuario. Es decir, debe ser sencillo
comunicarse con el modelo.
Teora de Modelos y Simulacin. Introduccin a la Simulacin.
12
Clasificacin de modelos
Como ya fue planteado, un modelo es tambin un sistema; por lo tanto valen todas las
definiciones y clasificaciones que se establecieron anteriormente. Debido a que un modelo es
una simplificacin o abstraccin de un sistema real, no es necesario, salvo en los aspectos
relevantes, que el modelo guarde una total correspondencia con el sistema real. Entonces,
habr casos en que ser conveniente utilizar un modelo discreto para modelar un sistema
continuo (por ejemplo, la integracin numrica de una funcin utilizando la regla del
trapecio), o utilizar un modelo estocstico para modelar un sistema determinstico (por
ejemplo, la determinacin del rea de un figura utilizando la simulacin de Monte Carlo), y
todas las combinaciones posibles.
13
Un ejemplo simple se presenta cuando se desea determinar el espacio recorrido por un cuerpo
mvil a velocidad constante en funcin del tiempo. Para una velocidad dada, se puede
construir una grfica de espacio vs. tiempo a partir de medidas experimentales. Esta grfica
slo podr emplearse para el caso en que la velocidad del mvil sea idntica a aquella que se
utiliz en los experimentos. Adems, slo proveer informacin para los tiempos que
pertenezcan al intervalo de experimentacin. Estos problemas no se presentan si se utiliza un
modelo terico simple: e = v.t; ni siquiera son necesarios los datos experimentales.
Para el calentador de agua se puede construir un modelo experimental que permita estimar el
tiempo de calentamiento requerido para calentar una cantidad dada de agua hasta una
temperatura deseada. Para ello ser necesario medir la temperatura Tmi en N determinados
instantes ti y luego ajustar grficamente una curva t vs. Tm, o ajustar matemticamente con el
criterio de mnimos cuadrados los coeficientes a de un polinomio P(a,t) resolviendo el
siguiente problema de optimizacin:
N
(13)
i =1
Luego, el tiempo requerido para alcanzar una temperatura especificada ser dado por este
polinomio ya ajustado.
Un problema del modelo anterior es que se torna totalmente intil cuando se cambia la
cantidad de agua en el recipiente. Este problema puede ser resuelto incorporando la variable
M al modelo; pero sern necesarios nuevos datos experimentales para distintos valores de M.
La incorporacin de ms variables puede llegar a hacer necesario que se reemplace el
polinomio por un modelo ms potente como por ejemplo una red neuronal. Otro problema es
que el modelo no puede ser utilizado para temperaturas que estn fuera del intervalo de las
temperaturas de los datos experimentales. Un modelo con base terica requerira mucho
menos experimentos, o quizs ninguno, y el rango de temperatura posibles sera mayor.
14
El modelo de caja negra ms simple es un polinomio. Si el orden del mismo ya est fijado, el
problema se reduce a determinar los valores de los coeficientes que minimicen la sumatoria
de los cuadrados de los errores, tal como se plante en la seccin anterior. Si el orden del
polinomio debe tambin ser determinado, entonces el orden ptimo y los coeficientes surgen
de minimizar la varianza de los errores de la muestra, es decir de resolver el siguiente
problema de optimizacin ms general:
Min S 2
M ,a
s.a :
(14)
S2 =
( yi P (M , a, xi ))2
i =1
N M 1
donde se desea ajustar los coeficientes a y el orden M del polinomio P que es funcin de x
para que los valores devueltos minimicen la varianza de los errores de una muestra con N
puntos experimentales (xi,yi).
Por ejemplo, dada la siguiente tabla de datos:
Tabla 2: Tabla de datos.
xi
yi
0
1
4
9
10
14
15
8
14
80
385
485
945
1095
Las siguientes tablas muestran los resultados obtenidos cuando se ajustaron polinomios de
orden 0 a 4. El orden 4 se realiz slo como verificacin. Como puede apreciarse, el mejor
ajuste se obtiene con el polinomio de orden 2. La Figura 6 muestra el ajuste lineal y
cuadrtico realizado para estos datos.
Tabla 3: Ajuste de promedio P(x) = a.
xi
yi
0
8
1
14
4
80
9 385
10 485
14 945
15 1095
P(xi)
430.285713
430.285713
430.285713
430.285713
430.285713
430.285713
430.285713
(P(xi)-yi)2
178325.223
173293.794
122700.08
2050.79576
2993.65325
264930.798
441845.084
(P(xi)-yi)2 =
1186139.43
S =
a=
430.29
a=
71.19
197689.90
yi
0
P(xi)
-108.716392
(P(xi)-yi)2
13622.7163
15
1
14
4
80
9 385
10 485
14 945
15 1095
-37.5274306
176.039455
531.984264
603.173226
887.929073
959.118035
2655.0761
9223.57691
21604.3739
13964.9114
3257.09065
18463.9083
(P(xi)-yi)2 =
82791.6535
S =
b=
-108.72
16558.33
P(xi)
10.0872009
(P(xi)-yi)2
4.35640772
1
14
4
80
9 385
10 485
14 945
15 1095
12.2130497
78.5633996
389.056662
481.141716
949.436606
1091.499
3.19319146
2.06382077
16.4565037
14.8863562
19.6834699
12.2570268
(P(xi)-yi)2 =
72.8967766
S2 =
18.22
xi
yi
0
a=
5.00
b=
c=
-2.87
10.09
8
14
P(xi)
8.74519553
12.6470264
(P(xi)-yi)2
0.55531638
1.83053753
4
80
9 385
10 485
14 945
15 1095
80.8057072
388.397437
479.887368
948.983835
1092.52686
0.64916416
11.5425803
26.1390075
15.8709448
6.11643007
(P(xi)-yi)2 =
62.7039808
xi
yi
0
1
S =
a=
b=
0.02
4.62
c=
d=
-0.74
8.75
20.90
8
14
P(xi)
9.03207003
12.2682245
(P(xi)-yi)2
1.06516856
2.99904626
4
80
9 385
10 485
14 945
15 1095
80.8087961
388.71443
479.816645
948.395223
1092.95794
0.6541512
13.796989
26.8671729
11.5275423
4.17000636
(P(xi)-yi)2 =
61.0800766
S2 =
30.54
xi
yi
0
1
a=
b=
0.00
-0.03
c=
d=
e=
5.01
-1.75
9.03
16
Ajuste de polinomios
1200
1000
800
y
y = 71.18x - 108.72
600
yi
Ajuste lineal
Ajuste cuadrtico
400
200
y = 5x - 2.87x + 10.09
0
-200
10
15
20
Bibliografa
Banks J., Carson J.S., Nelson B.L, 1996, Discrete-Event System Simulation. Second
Edition., Prentice-Hall, New Jersey.
Fishman G.S., 1978, Conceptos y mtodos en la simulacin digital de eventos discretos,
Limusa, Mxico.
Kelton W.D., Sadowski R.P., Sadowski D.A., 1998, Simulation with Arena, Mc Graw Hill,
Boston.
Ogunnaike B.A., Harmon Ray W., 1994, Process Dynamics, Modeling and Control,
Oxford, New York.
Shannon R.E., 1988, Simulacin de Sistemas. Diseo, desarrollo e implementacin, Trillas,
Mxico.
Law A.M., Kelton W.D., 1991, Simulation Modeling & Analysis, Second Edition,
McGraw-Hill, New York.
17
Marzo
2011
Newsletter
eLAC2015
14
Foto: Dreamstime.com
Newsletter
eLAC n 14
Marzo
2011
El auge por la innovacin, el desarrollo tecnolgico y el consumo parece no tener fin; cada da
se producen miles de dispositivos y partes electrnicas que facilitan nuestra vida, pues estamos
inmersos en la era de las nuevas versiones, nuevos modelos y nuevas funcionalidades tecnolgicas,
sin reparar en las consecuencias ambientales y sociales que esto conlleva, generando un conflicto
medio ambiental al aumentar desmedidamente los residuos tecnolgicos.
Pese a los beneficios innegables de la tecnologa, esta situacin se torna alarmante, considerando
la cantidad de desechos tecnolgicos que se registran anualmente en el mundo entero, lo que no
impacta nicamente el tema ambiental, sino que al mbito social, pues cientos de comunidades de
varios pases del mundo trabajan diariamente en el reciclaje de basura electrnica sin tener una
regulacin al respecto. Por ello, es necesario que todos los pases trabajen conjuntamente en la
bsqueda de estrategias, mecanismos y soluciones regionales y mundiales que permitan realizar
una gestin sustentable y eficiente de estos residuos.
A nivel de la regin, son escasas y aisladas las iniciativas, proyectos y polticas vinculadas con
el manejo responsable de los residuos electrnicos; como respuesta a esta problemtica, en
Directora de
el marco de la tercera Conferencia Ministerial sobre la Sociedad de la Informacin de Amrica
Telecomunicaciones y
Servicios Postales, Ecuador Latina y el Caribe, los representantes de los pases miembros declararon su convencimiento de
avanzar en el desarrollo de polticas pblicas que permitan el establecimiento de lineamientos
claros para el uso de tecnologas alineadas con la conservacin del medio ambiente y el adecuado manejo de desechos
tecnolgicos. Asimismo, dentro del Plan de accin sobre la Sociedad de la Informacin y del Conocimiento de Amrica
latina y el Caribe (eLAC2015) se tiene como lineamiento: Promover el uso de las tecnologas de la informacin y las
comunicaciones para la mitigacin del impacto del cambio climtico y ampliar su uso para la prevencin, mitigacin y
atencin de los desastres naturales o situaciones de emergencia, y dentro de este lineamiento consta la meta 11, la cual
establece la formulacin de polticas pblicas para incentivar la gestin integral de desechos derivados de las TIC y su uso.
Con la finalidad de hacer posible el cumplimiento de esta meta, los pases miembros acordaron constituir el Grupo de Trabajo
de Desechos Tecnolgicos (GdTDT) y Ecuador a travs del Ministerio de Telecomunicaciones y de la Sociedad de la
Informacin, MINTEL ha sido designado como coordinador de este Grupo de Trabajo. Para cumplir con el desafo que le
ha sido otorgado, generar conjuntamente con los pases de la regin polticas y acciones estratgicas que le permitan la
consecucin de cinco objetivos operativos que se ha planteado en el marco de la meta 11 del Plan de Accin eLAC2015.
Dentro de las acciones propuestas por Ecuador, en el plan de trabajo del GdTDT estn:
Realizar un diagnstico y valoracin regional respecto del manejo de residuos tecnolgicos, con el fin de contar con
informacin base para establecer polticas y aprovechar las mejores prcticas vinculadas con este mbito.
Crear un portal web para intercambio de informacin tcnica, cientfica y legal en el mbito de residuos tecnolgicos
y polticas ambientales, el cual incluir un foro virtual para fortalecer los mecanismos de dilogo e intercambio de
informacin entre los pases de la regin.
Crear un repositorio de informacin tcnica que sirva como base de consulta con informacin cientfica sobre: tratamiento formal
y gestin sustentable de desechos electrnicos, uso de compuestos contaminantes en partes electrnicas, transformacin y
reso de componentes electrnicos, tratamiento y traslado de los desechos tecnolgicos, problemtica ambiental asociada a
los residuos tecnolgicos y dems temtica vinculada, para lo cual se solicitar la cooperacin de los pases miembros.
Elaborar una gua regional de mejores prcticas, polticas, acciones, planes y proyectos para el manejo de desechos
tecnolgicos y mitigacin del impacto ambiental que estos producen.
Publicitar y fomentar iniciativas orientadas a capacitar a las sociedades de los pases miembros en adopcin de buenas
prcticas en el manejo de residuos tecnolgicos.
Todas estas acciones propuestas requieren de la participacin inmediata, activa y colaborativa de los pases miembros,
pues la responsabilidad en la conservacin ambiental no es un tema de inters local o nacional, sino una obligacin que
nos involucra a todos y debe convertirse en un desafo prioritario a nivel mundial.
Las TIC son esenciales para ayudar a los pases a adaptarse y prepararse
Para adaptarse al cambio climtico es preciso tomar medidas para mitigar sus efectos y
planificar para el futuro. Adems de impartir educacin e informacin mediante transmisiones,
Internet y dems medios, cabe mencionar la importancia del monitoreo remoto de la Tierra
por satlite y sensores en el suelo y los mares. Esto puede servir, por ejemplo, para extraer
datos sobre deforestacin o patrones de cultivos que indican una posible escasez de
alimentos. Adems, las TIC son vitales cuando se trata de advertir sobre desastres naturales
que pueden sobrevenir como consecuencia del cambio climtico, as como para hacer frente
a sus efectos, al permitir que los equipos humanitarios respondan de distintas maneras.
Foto: Dreamstime.com
Newsletter
eLAC n 14
Marzo
2011
Iniciativas en la regin
Ya sea gubernamentales o no, en Amrica Latina y el Caribe
ya se estn implementando diversas iniciativas tendientes a
minimizar el impacto del cambio climtico a travs de las TIC,
as como otras la mayora que se enfocan en la gestin
de los residuos electrnicos y su reciclaje. A continuacin se
presentan algunas de las acciones llevadas a cabo por los
pases de la regin en esta rea.
Argentina
En respuesta a la problemtica de los residuos tecnolgicos,
se realiza desde el 2008 en Argentina el Seminario de
gestin sustentable de residuos de aparatos elctricos y
electrnicos, con el objetivo de abordar la problemtica y
fomentar un programa de gestin de residuos de aparatos
elctricos que promueva la recoleccin, seleccin, desmonte
y valorizacin de piezas y materiales susceptibles de
reutilizacin y reciclaje en nuevos procesos industriales, o su
donacin. Adems, se ha desarrollado Parques Nacionales
y Escuelas Interactivas, un programa de equipamiento
informtico, conexin a internet satelital y capacitacin
presencial y virtual, con el objetivo de reducir la brecha digital
en las comunidades involucradas, a la vez que promover
la conservacin del agua, la fauna y la flora y fomentar el
desarrollo sustentable mediante la educacin. El programa
promueve la educacin ambiental a travs de las TIC, y
adems ha situado a las escuelas, al conectarlas a Internet,
como epicentro de diversas actividades, tanto educativas
como sociales, culturales y de recreacin.
Brasil
Chile
Colombia
Costa Rica
En respuesta a la accin que pueden tener las TIC sobre el ambiente se
inici en Costa Rica el 2009 la construccin del Medidor de la Amistad
de la TI con el Ambiente, desarrollado por el Centro de Sistemas de la
Informacin de Scotiabank junto con el Club de Investigacin Tecnolgica
de Costa Rica. Su objetivo es medir el impacto de las TIC en el ambiente
y promover informacin comparable entre distintas organizaciones, de
manera de generar un cambio en el comportamiento y reducir dicho impacto.
El desarrollo de este medidor se basa en la idea de que es fundamental que
las TIC utilizadas sean amigables con el ambiente, para mejorar la eficiencia
de las organizaciones y la calidad de vida de todos. Adems, existe la
organizacin Costa Rica neutral, que en su pgina web permite a travs
de una sencilla calculadora virtual estimar la cantidad de emisiones de una
casa, oficina o tienda. Por otra parte, la Comisin Nacional de Emergencia
del pas posee un sistema de comunicacin para minimizar el impacto de
desastres naturales a travs de alerta temprana, que a travs de sistemas
radiales, de Internet y satelitales mantiene a la comunidad y a la CNE misma
alerta de las posibles amenazas naturales. Asimismo, el Observatorio
Vulcanolgico y Sismolgico de Costa Rica utiliza mensajes de texto para
mantener a la comunidad informada.
Ecuador
De acuerdo a la informacin del MMSI, en Ecuador ha habido mltiples iniciativas de carcter privado, especialmente
de las compaas de telfonos mviles, que buscan reciclar los aparatos electrnicos. Adems, la Superintendencia de
Telecomunicaciones (SUPERTEL) ha recomendado establecer regulaciones para los aparatos inteligentes en trminos de
conversin de energas, tipo de enchufes usados y reutilizacin de los dispositivos; por otra parte, la SUPERTEL busca
promover la integracin de las tecnologas para la prestacin de servicios y el desarrollo de reciclaje y la eliminacin segura
de los residuos tecnolgicos. Desde finales de 2009, adems, se viene desarrollando a travs de la empresa Vertmonde
una iniciativa de gestin integral y reciclaje de residuos elctricos y electrnicos en Quito. Durante el 2011 se volver a
desarrollar esta iniciativa en la ciudad de Quito y Guayaquil en el primer semestre. Adicionalmente, se iniciar una campaa
de reciclaje con la participacin de toda la comunidad comercializadora de equipo tecnolgico, en la que se recolectarn
los residuos generados por mayoristas y su canal de distribucin. Al final de 2011 se espera recolectar ms del 90% de los
residuos generados o acopiados por esta comunidad, as como contar con una lnea base de la cantidad y tipo de residuos
generados por este sector, con el fin de implementar el mismo modelo a nivel nacional.
Cuba
En la lucha contra el cambio climtico y la necesidad de cuidar el medio ambiente es fundamental la informacin. Es por eso
que en Cuba, sta se ha centralizado en sitios web destinados a entregar datos sobre el medio ambiente, los cuales ofrecen
estadsticas ambientales, publicaciones referentes al tema, links a sitios relacionados, indicadores de consumo de energa
elctrica en los ministerios e informacin sobre proyectos, entre otras cosas. Uno de ellos, el Portal de Educacin Ambiental de
Cuba, cuenta con el apoyo de la oficina regional de la UNESCO en ese pas, y busca lograr la integracin de resultados, propiciar
una mayor divulgacin de stos y continuar incrementando y compartiendo experiencias exitosas en el mbito medio ambiental.
El Caribe
Una excelente iniciativa regional que involucra
a los pases del Caribe es la Caribbean
Information Platform on Renewable Energy,
CIPORE (Plataforma de informacin de
energas renovables del Caribe), un sistema
de informacin y comunicacin sobre el uso
regional de energa renovable, que tiene como
objetivo reunir toda la informacin de cada pas
con respecto a estas energas en un punto nico
de acceso. La pgina web http://cipore.org tiene
mltiples informaciones sobre el uso de energas
renovables, las cuales se pueden filtrar adems
por tipo solar, geotermal, elica, nuclear, hdrica
y biomasa. En la pgina se pueden encontrar los
enlaces a las agencias, ministerios de energa
y universidades de cada pas preocupadas de
las energas renovables, as como encontrar
informacin detallada de distintas iniciativas y
proyectos de energas renovables en el Caribe.
La pgina cuenta con informacin en ingls,
francs, espaol y holands.
Per
Segn el MMSI, en Lima existen tres compaas formales que recolectan
desechos electrnicos; sin embargo, slo procesan un 3% de las 15 mil
toneladas de telfonos celulares y computadores cuya vida til acaba
cada ao en Per. Por lo mismo, el Ministerio del Medio Ambiente
ha decidido apoyar las campaas privadas -un proyecto conjunto de
IPES, el Ministerio de Medioambiente y la municipalidad- y desde junio
del 2010 se lleva a cabo un programa piloto en la municipalidad de
Santiago de Surco, enfocada en apoyar las campaas de recoleccin
de basura electrnica, el cual se quiere replicar en todo el pas. Per
adems cuenta con el SINIA, Sistema Nacional de Informacin
Ambiental, una red que facilita la sistematizacin, acceso y distribucin
de la informacin ambiental, as como el uso e intercambio de sta. A
travs de su web la poblacin puede acceder a informacin compuesta
por indicadores ambientales, mapas temticos, documentos, informes
sobre el estado del ambiente y legislacin ambiental.
Uruguay
Newsletter
eLAC n 14
Marzo
2011
10
Foto: Free-pictures-photos.com
Computacin
en nube: una
alternativa en
el cuidado del
medio ambiente
11
Newsletter
eLAC n 14
Marzo
2011
Noticias
Breves
Pendrives de cartn
En lnea con la ecologa, el estudio ruso Art Lebedev desarroll los Flashkus, memorias flash USB desechables que estn
insertas en planchas de cartn. Los dispositivos tienen capacidad de 4GB, 8GB y 16GB, y vienen en un set prepicado, por
lo cual cada memoria se corta y se usa fcilmente. Su valor an no est especificado, pero su produccin es de muy bajo
costo, por lo que se estima que el precio debiera ser muy econmico comparado con los actuales dispositivos existentes.
Este material ha sido elaborado con la ayuda financiera de la Unin Europea. Su contenido es responsabilidad exclusiva de la CEPAL y en ningn caso
se debe considerar que refleja la opinin oficial de la Unin Europea. Las opiniones expresadas en esta publicacin son responsabilidad
de los autores y pueden no coincidir con aquellas de las organizaciones involucradas.
Editora: Laura Palacios - Diseo: Francisca Lira - CEPAL - Divisin de Desarrollo Productivo y Empresarial - Av. Dag Hammarskjld 3477, Vitacura, Santiago, Chile
Telfono: +562 210 2239 o +562 210 2000 - Fax: +562 210 2590 - Pgina en internet: www.cepal.org/socinfo
Email: socinfo@cepal.org - cuenta de twitter @socinfo_cepal
12