SIMULACIN DE POBLACIONES

Seminario de Investigacin.
Postgrado en Tecnologas de Informacin

Jorge Paolini Ruiz, Ing, PhD

Ciudad Guayana, octubre de 2014.

Agenda
o Discutir la evolucin del concepto de
simulacin.
o Comprender las ideas de modelos.
o Identificar los tipos de modelos.
o Principios del modelado.
o Poblaciones y nmeros aleatorios.
o Caracterizacin de Poblaciones: un caso de
estudio de Simulacin de Poblaciones.

Definicin de Simulacin (1960)

Simulacin de un sistema es la operacin de un

modelo, el cual es una representacin del sistema.
Este modelo puede estar sujeto a manipulaciones que
seran imposibles de realizar, demasiado costosas e
imprcticas. La operacin de un modelo puede
estudiarse y con ello, inferirse las propiedades
concernientes al comportamiento del sistema o
subsistema real.
Martin Shubik

Definicin de Simulacin (1966)

Simulacin es una tcnica numrica para
conducir experimentos en una computadora
digital. estos experimentos comprenden ciertos
tipo de relaciones matemticas y lgicas, las
cuales son necesarias para describir el
comportamiento y la estructura de sistemas
complejos del mundo real a travs de largos
periodos de tiempo.
Thomas Naylor.

Definicin de Simulacin (1975).

Simulacin es el proceso de disear y

desarrollar un modelo computarizado de un
sistema o proceso y conducir experimentos
con este modelo con el propsito de entender
el comportamiento del sistema o evaluar
varias estrategias con las cuales se puede
operar el sistema.
Robert Shanon.

Definicin de Simulacin (1996).

Simulacin es el desarrollo de un modelo

lgico-matemtico de un sistema, de tal forma
que se obtiene la imitacin de la operacin de
un proceso de la vida real o de un sistema a
travs del tiempo.
Azarang y Garca
Dunna.

Definicin de Simulacin (2000).

La Simulacin consistir en construir un programa de

computador que describa el comportamiento del
sistema de inters, o refleje el modelo que lo
representa, y proceder a experimentar con el
programa o modelo para llegar a las conclusiones que
apoyen la toma de decisiones.
David Rios, Sixto Rios y
Jacinto Martn.

Elementos comunes en la Simulacin

1. Modelo de un sistema o proceso.

2. Experimentacin con el modelo.
3. El tiempo como elemento esencial.
4. Computador-Dispositivo de Clculo.
5. Un Propsito: apoyar la toma de decisiones.
6. Carcter constructivo del modelo.

Definicin de Sistema
Sistema es un conjunto de elementos nterrelacionados, actuando en un ambiente
especfico, en funcin de un objetivo comn.
1. Conjunto de elementos.
2. Relacin entre los elementos.
3. El ambiente del Sistema.
4. La Finalidad u objetivo.

Identificacin de Sistemas
1. Un sistema est especificado por un conjunto de
magnitudes junto con un nivel de resolucin .
2. Un sistema est especificado por una determinada
actividad.
3. Un sistema est especificado por un conjunto de
comportamientos permanentes, de un conjunto de
elementos y entre dichos elementos y el ambiente.
4. Un sistema est especificado por un conjunto de
estados y un conjunto de transiciones entre esos
estados.

Concepto de Modelo
Un modelo constituye una representacin abstracta
de un cierto aspecto de la realidad y tiene una
estructura que est formada por los elementos que
caracterizan el aspecto de la realidad modelado, y
por las relaciones entre estos elementos.
J. Aracil.
Modelo es una representacin de un objeto, sistema,
o idea, de forma diferente a la identidad modelada.
Su propsito es ayudarnos a explicar, entender o
mejorar un sistema.
Shanon.

Esquema de Simulacin

Situacin Problema

P
Sistema

METAS, OBJETIVOS
PROPOSITOS del
SISTEMA

S
M

Modelo
Escenarios

Salidas del Modelo

Funcin de
Cuanta de los
Beneficios de S

Esquema de Simulacin de Zeigler (2000).

Marco Experimental
Base de Datos del

Sistema S

Comportamiento de S

Simulador

Relaciones de
Modelado

Modelo M

Relaciones de
Simulacin

Tipos de Modelos
o Modelos Conceptuales.
o Modelos Icnicos.
o Modelos Analgicos.
o Modelos Simblicos.

Exactitud = Alcance Nivel

Alcance : Qu debe incluirse en un modelo ?
Sistemas, Procesos, Actividades.
Nivel

: Qu cantidad de detalle incluir ?

Cantidad de Variables, Relaciones.

Regla: la mnima cantidad de detalle que

garantice el objetivo de la simulacin

Mtodos de Simplificacin

1. Modelo de Caja Negra (Black Box).

2. Modelado en Cascada (Sub-Modelado).
3. Inclusin Sucesiva (Prototipo Incremental).
4. Exclusin Sucesiva.

Principios del Modelado

1. Principio de Conservacin.
Ecuaciones de balance:
E=S
(materia, energa, dinero)
2. Principio de Equilibrio (aislamiento-tiempo).
3. Principio de Tasa (t0 y t1).

 Cundo utilizar la Simulacin ?

Temporalidad

ESTTICA

DINMICA

Estados de
la Naturaleza
DETERMINSTICO Modelos Ecuaciones
Algebraicas

ALEATORIO

Modelos
Probabilsticos

Modelos Ecuaciones
Diferenciales

Modelos de
Simulacin

La Dinmica est determinada por el Cambio

o Qu cosas son susceptibles al cambio ?
o Cmo podemos juzgar, medir o determinar el
efecto del cambio en un sistema u organizacin ?
o Cmo podemos utilizar el conocimiento del
cambio en una situacin o fenmeno para
aprovecharlo en forma ventajosa ? . V.g. Para
producir un cierto tipo antelacin.

Simulacin = Invencin Descubrimiento

Qu se inventa ?
Los elementos de representacin del sistema.
se crea un modelo
Qu se des-cubre ?
La estructura y funcionamiento, el
comportamiento del sistema en la realidad.

Acerca del comportamiento de un sistema

Nuestro conocimiento de eventos futuros es

simplemente algo basado en nuestro conocimiento
de eventos pasados; cuando decimos que
conocemos algo acerca del futuro, significamos
slo que tenemos una actitud mental basada en
experiencias anteriores.
Norman Campbell.
de El descubrimiento y la explicacin de las Leyes Cientficas

Una definicin de Ciencia

Ciencia es el modo de adquirir conocimiento del

mundo verificable pblicamente; se caracteriza por
la aplicacin del pensamiento racional a la
experiencia, esta derivada de la observacin y de
los experimentos diseados deliberadamente,
siendo el objetivo la expresin concisa de las leyes
que gobiernan las regularidades del universo, leyes
que se expresan matemticamente de ser posible.
Peter Checkland

Patrones que caracterizan la Ciencia

1. Reduccionismo: supuesto de economa o navaja de
Ockham : preferir los supuestos ms simples que
se ajustan a los hechos .
2. Repetibilidad: Experimentacin. Objetividad.
3. Refutacin: Discusin. Soporte de la objetividad de
la ciencia. La neutralidad valorativa.

La aproximacin necesaria en el modelado

Todos los fenmenos naturales se consideran finalmente como
interconectados
y para explicar cualquiera de ellos
necesitamos comprender todos los dems, lo que es
evidentemente imposible. Lo que hace que la ciencia tenga
tanto xito, es el hecho que sean posibles las
aproximaciones. Si a uno le basta con la comprensin
aproximada de la naturaleza, puede describir de ese modo
determinados grupos de fenmenos, haciendo caso omiso de
otros fenmenos de menor importancia. As, uno puede
explicar muchos fenmenos a partir de unos pocos y por
consiguiente comprender distintos aspectos de la naturaleza
de un modo aproximado, sin tener que comprenderlo todo
simultneamente.
Fritjof Capra

de Sabidura Inslita

 He aceptado el hecho de que todos nuestros

conceptos son aproximaciones .
Geoffrey Chew
Autor del enfoque Bootstrap en Fsica, su teora de las partculas,
unifica la Mecnica Cuntica con la Teora de la Relatividad.
Segn su teora la naturaleza no puede ser reducida a
partculas fundamentales, ... las cosas existen en virtud de sus
relaciones mutuamente consistentes ....

Definicin de Poblacin

Una poblacin infinita hipottica, es el conjunto

de todas las muestras posibles de una variable o
variables, que estn asociadas a un sistema,
fenmeno o problema. Los datos actuales se
consideran una muestra.

Algunas consideraciones sobre

Poblaciones y Muestras
Las poblaciones son infinitas e hipotticas, surgen de
procesos de enumeracin, medicin y preferencia.
Las poblaciones usualmente son desconocidas, sin
embargo, asumimos su existencia.
Las muestras son aquello que podemos conocer y acceder
de una poblacin. Contamos con muestras.
Suponemos que la muestra es un subconjunto del total
de la poblacin objetivo o bajo observacin.

Poblaciones Multivariables y Dependientes

AO

P.I.B.

CONSUMO
( M litros)

1991

8,75

31,20

8,7

20,00

1992

6,1

28,70

7,1

18,64

1993

0,3

29,12

6,3

18,37

1994

-2,8

26,60

8,5

14,86

1995

2,2

25,4

10,2

13,24

1996

-0,3

21,3

12,9

12,29

INGRESO
DESEMPLEO REAL (M Bs)

Poblaciones independientes
o Precipitacin en mm registrada en siete meses en la estacin
Canaima (1999).
62, 66, 45, 111, 194, 131, 655
o La insolacin en horas para el mes de julio de 1999 en cinco
estaciones de la Cuenca del Ro Caron:
ESTACIN
(Serial)
INSOLACIN
(horas)

2
194,4

18

22

208,3

235

152

253

Nmeros Aleatorios en la Simulacin

La representacin del azar es posible a travs de los
nmeros aleatorios.
Los nmeros aleatorios son series de dgitos tales que
del conocimiento de los ya obtenidos, es
prcticamente imposible conocer cual ser el prximo
en ocurrir.
Podemos producir artificialmente
nmeros que parezcan aleatorias.

secuencias

de

Mtodos de Generacin de
Nmeros Aleatorios
1. Mtodos Manuales.
2. Mtodos de Computacin Analgica.
3. Mtodos Fsicos.
4. Relaciones de Recurrencias

Esquema de Simulacin de Poblaciones

Mundo Real

Proceso generador de

Computador

la Poblacin P

Poblacin P

Relaciones
Estocsticas

Generador
de P

Modelo
Aleatorio
de P

Procedimientos
Generacin

La Realidad en Simulacin

Lo que consideramos como realidad se halla

condicionado por la teora que suscribimos ... sin
una teora, no podemos distinguir lo que es real
acerca del universo ... de nada sirve apelar a la
realidad porque carecemos de un concepto de la
realidad independiente de un modelo..
Stephen Hawking
de Agujeros Negros y Pequeos Universos

Precepto esencial de investigacin

En la medida en que quepa en absoluto hablar

de que la ciencia o el conocimiento comienzan
en algn punto tiene validez lo siguiente:
el conocimiento no comienza con percepciones u
observaciones o con la recopilacin de datos
o de hechos, sino con problemas.
No hay conocimiento sin problemas -pero tampoco hay
ningn problema sin conocimiento.
Karl Popper.

Planteamiento del problema

o Determinar para una poblacin proveniente
de un experimento de medicin industrial la
cantidad de Normalidad en esa poblacin.
o Cun normal es la poblacin objetivo?.
o Para determinar la Normalidad de una
muestra se ejecuta la Prueba de Distancia
Kolmogorov Smirnov KS.

El Supuesto de Normalidad
Utilizando la teora normal en casos en los
que no est justificada la normalidad, se
llega a resultados poco fiables ...
Es razonable construir un cuerpo de
mtodos estadsticos que presupongan
poco acerca de la distribucin de la
poblacin muestreada.
Susan Milton.

Grfico
de Kernel
Grafico de Kernel
12

12

10

10

0
0

0
0

5
10
NUMERO DE HERMANOS

15

10
NHERM

15

Distribucin de Pbb en Macagua (2009)

6

5
3
4
3

2
1
1
0
0

100

200

300

PRECIP

0
1004 1005 1006 1007 1008 1009 1010
PRESATM

0
25

26

27
TEMP

28

29

0
100

150
200
EVAPSOL

250

Concepto de Muestreo
El proceso de obtener datos o resultados de
varias realizaciones de un experimento aleatorio
es llamado muestreo.

Muestreo Aleatorio
Una muestra aleatoria proveniente de una variable
aleatoria X es un conjunto de variables aleatorias
X1, X2,..., Xn independientes e idnticamente
distribuidas, cada una con la distribucin de X.

Mtodo de Monte Carlo

Un computador puede ser programado para generar
muestras haciendo extracciones independientes de
una muestra X
proveniente de un experimento
aleatorio.
Cada muestra producida ser una muestra extrada
de la funcin Fn , donde X ~ F . Fn es el estimador
mximo verosmil no paramtrico de F.

Algoritmo para Caracterizar Poblaciones

1. Determinar F. Asignando probabilidad 1/n a
cada Xi de X = { X1, X2, ..., Xn }.

2. Generar n nuevos datos y* con reemplazo de F . A la

muestra y* = { x1*, x2*, ..., xn* } se le denomina
muestra B.
3. Calcular el estadstico KS en la muestra Bootstrap.
4. Repetir los pasos 2 y 3

B veces.

Lema de Glivenko-Cantelli

Si el conjunto 1, 2, ..., B esta constituido por B

realizaciones del estadstico y GB() es la
Distribucin Muestral de , GB() converger a G()
uniformemente para todos los valores de . Sea
DB como se define a continuacin

D sup G ( ) G ( )
B

entonces

Lim D 0
B

Caracterizacin de Poblaciones
La serie de valores generada 1 , 2 ,..., b ..., B
determinan la Caracterizacin de la Poblacin.
*

El objeto de la caracterizacin de poblaciones es

determinar
la
proporcin
de
una
poblacin
especificada dentro de la poblacin objeto de estudio.

Caracterizacin de Poblaciones
Prueba Kolmogorov- Smirnov (1-)=0,95.
Nmero de muestreos 100.000.

(C.V.) P(Normal) P(No Normal)

0.6615
Mecate de Asbesto 0.3819 0.3385
0.4797 0.1978
0.8022
Consumo Alquitrn
0.9337
Celdas en Operacin 0.0740 0.0063
Poblacin

A manera de conclusin
o La simulacin de Poblaciones no es un fin en
si misma, es un modo de conducir soluciones
a problemas del entorno de la Computacin
Estadstica.
o El Mtodo de Monte Carlo es un mecanismo
probado para la Simulacin de Poblaciones.
o Los problemas de estimacin aproximada
pasan por el filtro de tener una solucin a
la simulacin de la poblacin considerada.

... Y ahora las preguntas

Muchas gracias!
jorge.paolini1@gmail.com