Herramientas matemáticas 6 - Modelos de Simulación

Módulos 3 y 4: TEORÍA DE COLAS – SIMULACIÓN MONTECARLO

Algunos conceptos clave específicos para estudiar

(Consejo: Leer una vez que se haya estudiado todo el tema teórico y se hayan practicado
ejercicios.)

Módulo 3: Teoría de colas

 La prioridad de las llegadas NO son característica de la fuente de llegadas.

 Los parámetros lave de un estudios de filas o de Colas no incluyen la distribución de las

instalaciones ni la prioridad en la atención.

 En la teoría de Colas se busca el equilibrio entre dos recursos: costo de servicio y espera
de atención.

 Medidas de desempeño clásicas: Ls, Lq, Ws, Wq. (D = tiempos constantes, no son una
medida de desempeño de la fila).

 Componentes principales de un sistema de colas: CLIENTE y SERVICIO.

 Supongamos que se realiza la inscripción a un curso, y se entrega una determinada

cantidad de tíckets. Es este caso las llegadas son CONTROLABLES.

 La dimensión de la llegada describe si la llegada es individual o grupal.

 Si queda un solo turno por atender, es decir, una sola persona esperando, la capacidad de
la cola o fila es FINITA.

 Las etapas del servicio pueden ser únicas o múltiples.

Módulo 4: Simulación Montecarlo

 Una simulación NO es una OPTIMIZACIÓN.

 Los números aleatorios generados en una PC, son en realidad, pseudo-aleatorios, ya que
se producen a través de un algoritmo más o menos complejo.

 Un método generador de números aleatorios, no tiene una función de entrada, solamente

una valor inicial llamada “semilla”.

 Etapas principales del proceso de simulación realizado en una computadora:

FORMULACIÓN, RECOLECCIÓN, TRADUCCIÓN, VERIFICACIÓN.

 No hay una etapa de “CONSOLIDACIÓN”.

 Para analizar los valores del Método Montecarlo, utilizamos las siguientes medidas
estadísticas de resumen: Promedio, Mediana, Varianza, Desviación Estándar (conceptos de
Estadística 1) y Error Promedio Estándar (concepto de Estadística 2). No se usa la Moda, ni
los cuartiles, ni el Rango intercuartílico.

 En una simulación, lo sistemas reales que se simulan pueden ser DISCRETOS o

CONTÍNUOS.

 Un modelo de Simulación de eventos discretos, incluye una rutina de tiempos,

habitualmente con intervalos de tiempos variables.

 Pueden presentarse 3 métodos para generar muestras aleatorias sucesivas a partir de una
sucesión de probabilidades: método de la INVERSA, método de CONVOLUCIÓN, y método
de ACEPTACIÓN Y RECHAZO.

 Si un modelo de simulación se define en un punto fijo en el tiempo, es estático.

 Si se desea simular un sistema donde la demanda varía constantemente a cada instante,

puede utilizarse un modelo CONTÍNUO.
  Si se desea simular un sistema donde la tasa de llegada cambia de valor en un
determinado horario, puede utilizarse un modelo DISCRETO.

 Una ocurrencia instantánea que puede cambiar el sistema es un EVENTO.

 En los modelos de simulación discretos, la lista de sucesos contiene los tiempos de los
futuros posibles sucesos por ocurrir.

 En la simulación de eventos discretos con intervalos de tiempo fijos, el reloj de simulación

avanza siempre exactamente una cantidad t de tiempo.

 Si en una simulación, la cantidad de clientes se representa como una gráfica estadística de

frecuencias, la cantidad promedio de clientes se obtiene sumando las todas las áreas del
gráfico, y dividiendo por la amplitud total del intervalo de tiempo.

 Recordar que en el método congruencial para la obtención de números aleatorios, los

parámetros del multiplicador y del incremento pueden estar definidos con diferentes
letras, aunque la fórmula sea la misma:

Apunte CANVAS: xn = ( a.x(n-1) + b ) mód m

Libro TAHA (pág 661): un = ( b.u(n-1) + c ) mód m