337 Lectura7.1

LECTURA 7.
SIMULACIN POR COMPUTADORA:

APLICACIONES Y ANLISIS ESTADSTICO
Mathur K. y Solow D.
Prentice Hall
Mxico
SIMULACIN POR COMPUTADORA:

APLICACIONES Y ANLISIS ESTADSTICO
Hipoteca de tasa fija o de tasa variable? Comprar una casa es probablemente la
mayor inversin que usted har, y una diferencia de incluso una fraccin de punto
porcentual en su hipoteca puede tener un inmenso impacto en sus finanzas. La tasa
variable que usted est considerando est ligada a la economa global. La tarea por
hacer, entonces, es proyectar el curso de la tasa
variable de la economa sobre el periodo de 15 aos de la hipoteca y comparar la tasa
variable resultante con respecto a la tasa fija. La hipoteca con tasa variable ser la
mejor opcin? No puede esperar a que sucedan las cosas, debe
tomar una decisin ahora.
En el presente capitulo se ver como podra encontrar la respuesta a su
pregunta sobre la hipoteca, mediante la realizacin de una simulacin
repetida en su computadora, y utilizando la informacin resultante para evaluar la alternativa de tasa variable
En el capitulo 14, usted aprendi los conceptos bsicos de la simulacin. Varios ejemplos
sencillos sirvieron para ilustrar la metodologa general. Recuerde, sin embargo, que la
principal ventaja de la simulacin es el estudio de sistemas grandes y complejos que no
puedan ser revisados fcilmente con un anlisis matemtico directo. En este captulo,
usted ver como se aplica la simulacin a problemas de diferentes reas, incluyendo un
problema sobre finanzas, uno sobre administracin de inventarios y uno sobre un sistema
de colas. Aprender tambin como usar el anlisis estadstico para determinar el nmero
de corridas de simulacin o repeticiones que hay que hacer para que pueda lograr un nivel
deseado de confianza en el valor resultante.
015.1 UNA SIMULACION FINANCIERA
Un rea en la que los tomadores de decisiones aplican comnmente la simulacin es la de
problemas financieros. Las decisiones en los problemas financieros dependen de
diferentes condiciones econmicas futuras que son inciertas en el momento en que se
debe tomar la decisin. Un modelo de simulacin apropiado le permite evaluar los
resultados probables de tales condiciones, segn se ilustra en el siguiente problema de
hipotecas.
15.1.1 Descripcin del problema

Suponga que est a punto de comprar una casa y debe decidir de que manera financiar su
adquisicin. Tiene dos opciones. Una es conseguir una hipoteca f1ja a 15 aos a18% sin
puntos (un punto es 1% de la cantidad hipotecada). La otra opcin es una hipoteca de tasa
variable a 15 aos, con una tasa inicial de 7%. Esta tasa se ajusta cada tres aos en la
cantidad de cambio de la tasa principal (una tasa clave que los bancos cargan a sus
mejores clientes) que se haya presentado en dicho periodo. La tasa mxima es 10%. Los
meritos de las dos hipotecas se analizan sobre la base de 15 pagos anuales hechos al final
de cada ano, aunque el anlisis puede hacerse igualmente bien utilizando 180 pagos
mensuales. Las tasas principales futuras, desde luego, son desconocidas, pero suponga
que un economista respetado le ha dicho que cree que la probabilidad de que esta tasa
cambie en cualquier periodo de tres aos es como sigue:
15.1.2 Diseo de la simulacin

Como se vio en la seccin 14.3.1 del capitulo 14, antes de disear los detalles de una simulacin por computadora, es muy importante tener un claro entendimiento de los
objetivos del estudio en forma de resultados numricos especficos. Para el problema
de la hipoteca, es necesario comparar los pagos anuales de las hipotecas de tasa fija y
tasa variable. Con el propsito de simplificar el ejemplo, no se toman en cuenta las
implicaciones impositivas de las dos hipotecas, pero pueden incluirse utilizando
registros contables adicionales. La cantidad principal total de la hipoteca es la misma en
ambos casos, de modo que la comparacin puede realizarse sobre una base "por
$1000".
Un planteamiento comn para comparar dos formas de pago consiste en realizar un
anlisis de flujo de efectivo basado en el valor presente neto, que toma en cuenta el
valor temporal del dinero. Por ejemplo, preferira usted $1.00 ahora o $1.10 dentro de un
ao? La respuesta depende de la tasa de descuento (inters). Si puede obtener mas de
10% de inters, preferira $1.00 ahora porque su valor ser mayor a $1.10 dentro de un
ao. En general, el valor presente neto1 (NPV) de una cantidad $A en algn tiempo
futuro t es la cantidad $P que se tendra que invertir ahora, con una tasa de descuento
conocida, de modo que $P valga $A en el tiempo t. Por ejemplo, si A es $100, t = 3 y la
tasa de descuento es 8% anual, entonces el valor presente neto es P = $79.38. Esto es,
P = $79.38 invertidos ahora con una tasa de inters de 8% anual crecern a A = $100 al
final de t = 3 aos. Las frmulas matemticas especficas necesarias para obtener el
valor presente neto se presentaran cuando se requieran en la presente seccin. Para
utilizar el concepto de valor presente neto en la comparacin de dos hipotecas, calcule lo
siguiente:
1. Los pagos anuales basados en la tasa de hipoteca fija.
2. Los pagos anuales basados en la tasa de hipoteca variable.
3. La cantidad en la cual el pago variable excede al pago fijo, por cada ano.
4. El valor presente neto de estas diferencias, utilizando una tasa de descuento
apropiada. Depende de usted la seleccin de la tasa de descuento apropiada,
basndose en otras oportunidades de inversin que haya tenido. Por ejemplo, si
usted cree que en los prximos 15 aos puede obtener un promedio de 6% en un
fondo de depsito, entonces su tasa de descuento es de 6%. Para el objetivo del
ejemplo, la tasa de descuento utilizada aqu es el promedio de las cinco tasas
variables que se aplican durante cada uno de los cinco periodos de tres aos.
Un valor presente neto positivo para esta diferencia indica que la hipoteca de tasa fija es
preferible, pues se espera que cueste menos en trminos del valor actual del dinero. En
resumen, entonces, el valor presente neto de las diferencias en los quince pagos anuales
de las dos hipotecas constituyen el resultado de la presente simulacin.
El siguiente paso consiste en identificar las entradas de la simulacin. Estos valores,
una vez determinados, le permiten calcular el valor presente neto. Recuerde de la
seccin 14.3, captulo 14, que las entradas se dividen en las siguientes tres categoras:
1. Las condiciones iniciales, que en este caso expresan una tasa de inters inicial
de 7% para la hipoteca de tasa variable.
2. Los datos determinsticos que consisten en los siguientes:
a. La tasa de inters de 8% para la hipoteca de tasa fija.
1
Valor presente neto (NPV) Cantidad de dinero que se tendra que invertir ahora, a una
tasa de descuento conocida, de modo que sta valga una cantidad de dinero A en algn
tiempo futuro t.
b. La cantidad principal de $1000.
c. El plazo del prstamo, que es de 15 aos.
3. Los datos probabilsticos que se generan cuando es necesario y que consisten en

las tasas de inters aplicables a la hipoteca de tasa variable durante cada uno de
los cuatro periodos restantes de tres aos
Una vez que se han identificado los resultados y los datos de entrada para calcularlos,
usted necesita generar nmeros aleatorios adecuados y desarrollar un esquema
asociado de contabilidad.
15.1.3 Generacin de nmeros aleatorios
Las entradas probabilsticas para la presente simulacin son las cuatro tasas de
inters al inicio de los aos 4, 7,10 y 13 de la hipoteca de tasa variable. La cantidad en
la cual difiere cada tasa de su antecesora deber seguir la distribucin dada en la
descripcin del problema. Para generar un nmero aleatorio a partir de esta
distribucin discreta, utilice el procedimiento presentado en la seccin 14.3, captulo
14. Es decir:
1. Genere un nmero aleatorio entre 0 y 1, a saber, U.
2. Determine el cambio en la tasa de inters basndose en el lugar que ocupe este
valor de U en la tabla 15.1.
TABLA 15.1
Uso de nmeros aleatorios uniformes

para determinar el cambio en la tasa de inters
Por ejemplo, recuerde que la tasa de inters variable para los aos 1-3 es de 7%. Para
generar la tasa de inters para los aos 4-6, elija arbitrariamente un nmero aleatorio
uniforme entre 0 y 1, digamos U = 0.703888, tomado de la hilera 16 y la columna 1 de
la tabla del apndice A. De acuerdo con la tabla 15.1, la tasa de inters disminuye en
0.5% debido a que el valor de Use encuentra en el intervalo de 0.60 a O.75. Por
consiguiente, la tasa de inters para los aos 4-6 es:
Tenga en consideracin, sin embargo, que siempre que esta tasa de inters exceda
10%, los trminos de la hipoteca demandan que solamente se cargue 10%.
15.1.4 Diseo del esquema de contabilidad
Una de las mejores formas de plantear el esquema de contabilidad consiste en utilizar
la tcnica del trabajo en un problema especfico. Tome valores especficos para los
datos de entrada y realice, a mano, los clculos necesarios para determinar el
resultado. En este caso, usted necesita calcular los pagos anuales de cada una de las
dos opciones de hipoteca.
Recuerde los datos siguientes, que corresponden a la descripcin del problema dada
en la seccin 15.1.1:
Principal = P = 1000
Tasa de inters fija = i = 0.08
Factor de valor presente =
r=
1
1
=
= 0.92593
1 + i 1.08
Nmero de aos restantes = n = 15

El pago anual al final del ano para la hipoteca de tasa fija se calcula mediante la
formula:
Pago = P *
= 1000 *
i
1 rn
0.08
1 (0.92593)15
= $116.83
Por el contrario, el pago anual para la hipoteca de tasa variable cambia cada tres aos,
basndose en la tasa de inters aplicable, en el principal restante y en el nmero de
aos que faltan.
CONTABILIDAD PARA LOS AOS 1-3
Para los primeros tres aos, el inters de tasa variable es 7% (de modo que i = 0.07 y r
= 1/(1 + i) = 711.07 = 0.93458). El principal restante es P=1000, de manera que el pago
en cada uno de estos aos es:
Pago = P *
i
1 rn
= 1000 *
0.07
1 (0.983458)15
= $109.79
Para calcular el pago para cada uno de los siguientes tres aos, es decir, para los
aos 4, 5 y 6, primero es necesario saber cuanto del principal falta por ser pagado.
En otras palabras, una porcin de cada uno de los pagos anuales de $109.79 es por
intereses y el resto es para pagar el principal. En particular, para el ano 1:
Principal inicial= 1000
Pago = 109.79
Inters al 7% = 0.07 * 1000 = 70.00
Pago principal = (pago) - (inters)
= 109.79 - 70.00
= 39.79
Principal restante = (principal inicial) - (pago principal)
= 1000-39.79
= 960.21
Por consiguiente, al inicio del ao 2, el principal restante es de $960.21. Clculos
parecidos para los aos 2 y 3 tienen como resultado la tabla siguiente:
Principal inicial
AO 1
1000.00
AO 2
960.21
AO 3
917.63
Pago
Inters
Pago principal
109.79
70.00
39.79
109.79
67.21
42.58
109.79
64.23
45.56
Principal restante
960.21
917.63
872.07
CONTABILIDAD PARA LOS AOS 4-6

Para determinar el pago anual de cada uno de los siguientes tres aos sobre el principal
no pagado de $872.07 y 12 aos restantes de deuda, es necesario utilizar nmeros
aleatorios para generar la tasa de inters aplicable. Seleccione arbitrariamente un
nmero aleatorio inicial uniforme entre 0 y 1, de la tabla del apndice A, digamos U=
0.703888 del rengln 16 y la columna 1. De acuerdo con la tabla 15.1, la tasa de inters
disminuye en 0.5% pues este valor de U cae dentro del intervalo comprendido entre
0.60 y 0.75. Por consiguiente, la tasa de inters para los aos 4-6 es:
Inters en los aos 4-6 = (inters en los aos 1-3) - (cambio)
= 7.0 - 0.5
= 6.5%
En consecuencia, para estos tres aos:
Principal = P = 872.07
Tasa de inters fija = i = 0.065
Factor de valor presente r =
1
1
=
= 0.93897
1 + i 1.065
y, de este modo, el pago anual para este periodo es:
Pago = P *
i
1 rn
= 872.07 *
0.065
1 (0.93897)12
= $106.89
Para calcular el pago por cada uno de los tres aos siguientes, esto es, para los aos 7, 8
y 9, primero es necesario conocer cuanto del principal queda por ser pagado. En otras
palabras, una porcin de cada uno de los pagos anuales de $106.89 es por concepto de
intereses y el resto se abona al capital principal. En particular, para el ao 4:
Principal inicial = 872.07
Pago = 106.89
Inters a17% = 0.065 * 872.07
= 56.68
Pago principal = (pago) - (inters)
= 106.89 - 56.68
= 50.21
Principal restante = (principal inicial) - (pago principal)
= 872.07 - 50.21
= 821.86
As pues, al inicio del ao 5, el principal restante es de $821.86. Clculos
semejantes para los aos 5 y 6 tienen como resultado la tabla siguiente:
Principal inicial
AO 1
827.07
AO 2
821.86
AO 3
768.39
Pago
Inters
Pago principal
106.89
56.68
50.21
106.89
53.42
53.47
106.89
49.95
56.94
Principal restante
821.86
768.39
711.45
CONTABILIDAD PARA LOS AOS 7- 9

Para determinar el pago anual por cada uno de los siguientes tres aos sobre el
principal no pagado de $711.45 y nueve aos restantes, es necesario utilizar nmeros
aleatorios para generar la tasa de inters aplicable. Seleccione el siguiente numero
aleatorio uniforme entre 0 y 1 de U = 0.856269, tornado de la hilera 16 y la columna 2
de la tabla del apndice A. De acuerdo con la tabla 15.1, la tasa de inters disminuye
en 1.0%, porque este valor de U cae dentro del intervalo comprendido entre 0.75 y 0.90.
Por consiguiente, la tasa de inters para los aos 7-9 es:
Inters en los aos 7-9 = (inters en los aos 4-6) - (cambio)
= 6.5 - 1.0
= 5.5%
RESUMEN DE LA CONTABILIDAD EN LOS AOS 1-15
Realizando clculos parecidos para los aos restantes se tiene como resultado la
informacin que se presenta en la tabla 15.2. Esta tabla representa el esquema de
contabilidad necesario para seguir el rastro de los 15 pagos anuales utilizados para
comparar la hipoteca de tasa variable con la de tasa fija. El paso final consiste en
comparar los dos flujos de pago mediante el clculo del valor presente neto de la
diferencia en los pagos anuales.
CONTABILIDAD PARA COMPARAR LOS PAGOS ANUALES
Recuerde que para comparar las dos hipotecas es necesario calcular lo siguiente:
TABLA 15.2 Pagos anuales para la hipoteca de tasa variable
AO
1
Saldo inicial 1000.
00
Pago
109.7
variable
9
2
960.2
1
109.7
9
3
917.6
3
109.7
9
4
872.0
7
106.8
9
5
821.8
6
106.8
9
6
768.3
9
106.8
9
7
711.45
Inters
70.00
67.21
64.23
56.68
53.42
49.95
39.13
Principal
Saldo
restante
39.79
960.2
1
42.58
917.6
3
45.56
872.0
7
50.21
821.8
6
53.47
768.3
9
56.94
711.4
5
63.21
648.24
102.34
10
AO
Saldo
inicial
Pago
variable
Inters
8
648.24
9
10
11
12
13
14
15
581.56 511.21 438.84 361.76 279.67 193.52 100.48
102.34 102.34 105.60 105.60 105.60 108.53 108.53 108.53

35.66
31.99
33.23
28.52
23.51
22.38
15.49
8.05
Principal 66.68 70.35 72.37 77.08 82.09 86.15 93.04 100.48

Saldo
581.56 511.21 438.84 361.76 279.67 193.52 100.48 0.00
restante
1. Los pagos anuales basados en la hipoteca de tasa fija.

2. Los pagos anuales basados en la hipoteca de tasa variable.
3. Por cada ao, la cantidad en la cual el pago variable excede al pago fijo.
4. El valor presente neto de estas diferencias utilizando una tasa de descuento
que es el promedio de las cinco tasas variables aplicables durante cada uno de
los cinco periodos de tres aos.
Los valores para los pagos 1 a 3 se resumen en las primeras cuatro columnas de la
tabla 15.3. Para encontrar los valores presentes netos de tales diferencias, es
necesario calcular la tasa de descuento. Utilice las cinco tasas de inters para la
hipoteca de tasa variable que aparecen en la tabla 15.3 para calcular la tasa de
descuento:
Tasa de descuento = tasa de inters promedio
= [(tasa en los aos 1-3) + (tasa en los aos 4-6)
(tasa en los aos 7-9) + (tasa en los aos 10-12) +

(tasa en los aos 13-15)1/5
= (7.0 + 6.5 + 5.5 + 6.5 + 8.0)/5 = 6.7%
Mediante el uso de los siguientes datos, se tiene:
Tasa de descuento = d = 0.067
11
1
1
=
= 0.93721
1 + d 1.067
El valor presente neto de cualquier cantidad A al final del ao m se calcula con la
frmula:
Factor de valor presente = r =
Valor presente neto = A * rn

TABLA 15.3 Comparacin de los pagos anuales de las dos hipotecas para
la hipoteca de tasa variable
AO
VARIABLE
FIJO
DIFERENCIA
VPN
TASA DE
INTERS
7.0
109.79
-7.04
- 6.60
7.0
109.79
- 7.04
- 6.18
7.0
109.79
- 7.04
- 5.79
6.5
106.89
- 9.94
- 7.67
6.5
106.89
- 9.94
- 7.19
6.5
106.89
- 9.94
- 6.74
5.5
102.34
-14.49
- 9.20
5.5
102.34
-14.49
- 8.62
5.5
102.34
-14.49
- 8.08
10
6.5
105.60
-11.23
- 5.87
11
6.5
105.60
-11.23
- 5.50
12
6.5
105.60
-11.23
- 5.16
13
8.0
108.53
- 8.30
- 3.57
14
8.0
108.53
- 8.30
- 3.35
15
8.0
108.53
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
116.8
3
- 8.30
- 3.14
Total
-92.66
12
Por ejemplo, para el primer ao, la diferencia en los pagos anuales es de A = $109.79 $116.83 = -$7.04, y, de este modo, el valor presente neto de esta cantidad es:
Valor presente neto = A * r
= -7.04 * (0.93721)' = -6.60
De manera similar, para el segundo ao, en el cual m = 2 y la diferencia en los pagos
anuales es tambin A = -7.04,
= -7.04 * (0.93721)t =
= -6.60
De manera similar, para el segundo ao, en el cual m = 2 y la
pagos anuales es tambin A = -7.04,
diferencia en los

= -7.04 * (0.93721)2 =
= -6.18
13
CORRIDA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
TASA
0.7039
0.9264
0.6291
0.1817
0.2918
0.7968
0.1110
0.6176
0.5377
0.9222
0.5212
0.2665
0.9698
0.7512
0.0990
0.1619
0.0367
0.7265
0.9032
0.3507
0.1153
0.4864
0.9705
0.7448
0.8175
0.4833
0.8976
0.0782
0.7887
0.1745
0.2856
0.7970
0.7890
0.8329
0.3770
0.065
0.055
0.065
0.08
0.075
0.06
0.08
0.065
0.07
0.055
0.07
0.075
0.05
0.06
0.085
0.08 6
0.09
0.065
0.055
0.075
0.08
0.07
0.05
0.065
0.06
0.07
0.06
0.085
0.06
0.08
0.075
0.06
0.06
0.06
0.075
0.8563
0.0906
0.3583
0.4278
0.7908
0.6121
0.0214
0.9565
0.8779
0.0827
0.1299
0.8311
0.1605
0.2824
0.1870
0.8069
0.0348
0.7430
0.2250
0.9338
0.6157
0.2642
0.1145
0.0618
0.7287
0.6371
0.3183
0.6974
0.1926
0.3678
0.9864
0.9002
0.9085
0.2176
0.7558
TASA
0.055
0.07
0.07
0.08
0.065
0.055
0.1
0.045
0.06
0.07
0.08
0.065
0.06
0.065
0.095
0.07
0.1
0.06
0.065
0.06
0.075
0.075
0.06
0.08
0.055
0.065
0.065
0.08
0.07
0.085
0.055
0.045
0.045
0.07
0.065
U
0.2016
0.5195
0.8872
0.8364
0.8926
0.2075
0.0251
0.9301
0.3469
0.2408
0.9839
0.4113
0.7804
0.7315
0.9442
0.4670
0.8657
0.9437
0.2227
0.9857
0.5498
0.4886
0.3374
0.0484
0.8572
0.0804
0.7154
0.6217
0.6699
0.1821
0.4365
0.1997
0.4628
0.7250
0.8162
TASA
0.065
0.07
0.06
0.07
0.055
0.065
0.1
0.03
0.065
0.08
0.06
0.065
0.05
0.06
0.08
0.07
0.1
0.045
0.075
0.04
0.075
0.075
0.065
0.1
0.045
0.08
0.06
0.075
0.065
0.095
0.055
0.055
0.045
0.065
0.055
TASA
VPN
0.0910
0.9881
0.5361
0.7327
0.3613
0.8680
0.2183
0.6861
0.1557
0.1072
0.4256
0.9249
0.0815
0.7074
0.6581
0.6909
0.4953
0.2400
0.2680
0.8743
0.0238
0.2486
0.5099
0.2738
0.0406
0.4372
0.7471
0.9688
0.3783
0.8932
0.0793
0.1809
0.8225
0.9125
0.9494
0.080
0.05
0.06
0.065
0.06
0.055
0.1
0.025
0.075
0.09
0.06
0.05
0.065
0.055
0.075
0.065
0.1
0.055 0.08
0.03
0.095
0.085
0.065
0.1
0.065
0.08
0.055
0.055
0.07
0.085
0.07
0.065
0.035
0.05
0.04
-92.6696
-99.5531
-84.4378
-35.2746
-75.6462
-112.0810
11.0926
-163.9220
-78.6119
-78.0904
-62.1982
-71.3720
-133.9300
-102.6880
-1.0827
-47.225
-33.6953
112.3160
-91.1629
-107.2170
-30.0901
-50.1687
-120.9700
-33.6953
-125.0850
-59.9688
-102.6880
-25.5896
-86.5302
-9.4039
-85.0627
-130.3140
-154.2220
-93.8383
-83.0496
TABLA 15.4 Resumen de las 35 simulaciones del problema de las

hipotecas
Desv. Est =78.9361

Media = 42.1812
14
El resultado de hacer estos clculos para cada uno de los trece aos restantes se
resume en la ltima columna de la tabla 15.3. Sumando los 15 nmeros que hay
en esta columna se obtiene que el valor presente neto de las diferencias en los
pagos anuales de las dos hipotecas es de -92.66. Esto significa que, en la
presente simulacin, es preferible la hipoteca de tasa variable a la hipoteca de
tasa fija, debido al valor presente neto negativo de la diferencia.
Es importante darse cuenta que esta conclusin est basada no solamente en un
resultado posible. Con el fin de lograr un grado ms alto de confiabilidad, la
simulacin debera llevarse a cabo un gran nmero de veces. En la seccin 15.5,
usted aprender cmo determinar un nmero apropiado de repeticiones que se
pueden llevar a cabo. Los resultados de hacer 35 repeticiones se resumen en la
tabla 15.4. El promedio, de -78.9361, para los 35 valores presentes netos en esta
tabla es una estimacin confiable de las diferencias esperadas en las dos
hipotecas. Tenga siempre en mente que esta cantidad, -78.9361, es la diferencia
esperada por cada $1000 de prstamo. Si usted obtuvo un prstamo de $200
000, la diferencia esperada entre las dos hipotecas ser de -78.9361 * 200 = -$15
787.22. Basndose en estos resultados, usted debera preferir la hipoteca de
tasa variable, si no se consideran otros factores, como los impuestos.
En la presente seccin, usted ha visto cmo se utiliza una simulacin para realizar
un anlisis financiero. En la seccin 15.2 aprender una aplicacin de la
simulacin para evaluar un sistema de inventarios.
15.2 UNA SIMULACION DE UN PROBLEMA DE INVENTARIOS
Otra rea en la cual comnmente la simulacin resulta de utilidad es la de
anlisis de sistemas de inventarios, para los cuales los mtodos analticos
estudiados en el captulo 12 no son aplicables. Considere el problema que
enfrenta el administrador de American Dairy Foods, Inc.

Entre muchos otros productos, American Dairy Foods, Inc., (ADF), suministra
leche a varios expendios de un suburbio de Madison. ADF obtiene la leche de
una cooperativa granjera local a $1.50 el galn y la almacena en sus
instalaciones centrales. De ah, la leche es distribuida a los expendios segn se
vaya necesitando, a un precio de $2.00 por galn. Un anlisis estadstico de las
ventas anteriores ha revelado que la demanda diaria en las instalaciones
centrales puede ser aproximada con bastante precisin a travs de una
distribucin normal con una media de 750 galones y una desviacin estndar
de 100.
El departamento de contabilidad de ADF ha negociado con la cooperativa un
costo fijo de $100 por pedido para cubrir los cargos de entrega y de
procesamiento. La experiencia de ADF con la cooperativa revela que el 80% de
15
las veces la orden de leche que ADF hace al principio del da es entregada por
la cooperativa a la maana siguiente. Sin embargo, 20% de las veces el pedido
es entregado la segunda maana despus de haberlo hecho.
Como gerente de operaciones de ADF, usted desea determinar una poltica de
inventarios que maximice la ganancia diaria esperada, basndose en un costo
de mantenimiento de inventario de H = $0.02 por galn por da. Al determinar
esta poltica, usted necesita tomar en cuenta que la leche es un producto
perecedero. Con ese hecho en mente, la poltica de la corporacin indica que
cualquier cantidad de leche que se encuentre en las instalaciones centrales
ms de siete das no puede ser distribuida a los expendios. En su lugar, es
vendida a los bancos de comida locales a $0.50 por galn.
Al determinar la poltica ptima, debe darse cuenta de que los modelos
descritos en el captulo 12 no se aplican de manera directa. Una razn de ello
es que el tiempo lder en este problema no es conocido, mientras que los
resultados del captulo 12 estn basados en un tiempo lder conocido.
Tambin, el aspecto perecedero del problema hace que no sea vlido el
anlisis matemtico del captulo 12. Por estas razones, una simulacin es una
forma razonable de evaluar diferentes polticas, como se describir en la
seccin 15.2.2.
15.2.2 Identificacin de la clase de polticas de inventario
Segn se vio en el captulo 12, existen dos clases bsicas de polticas de
inventario.
1. Con una poltica de revisin continua, se pide una cantidad fija
siempre que el nivel de inventario caiga por debajo de un cierto punto
de nuevos pedidos.
2. Con una poltica de revisin peridica, se ordenan diferentes
cantidades, basndose en el nivel de inventario observado en puntos
fijos del tiempo.
Para el problema de ADF, la segunda poltica resulta ms apropiada porque la
empresa necesita satisfacer una demanda diaria y har los pedidos basndose
en su nivel de inventario al principio de cada da. ADF ha decidido instrumentar
esta poltica en dos pasos:
1. Obtener el nivel de inventario de la leche que se puede vender, I, al
inicio de cada da y agregar el nmero de galones de leche, B, que
ya fueron pedidos a la cooperativa pero que todava no se reciben.
2. Hacer un nuevo pedido solamente si I + B est por debajo de algn
nivel mnimo, digamos galones. En este caso, pedir una cantidad tal
que se tenga un total de S galones de leche en inventario y en
pedido, esto es, la cantidad pedida es S - (I + B) galones.
16
Por ejemplo, si s = 500 y S = 2000, entonces la poltica es pedir leche

solamente si el inventario en existencia y en pedido se encuentra por debajo de
500 galones. En este caso, ADF ordena un pedido para tener el inventario en
existencia y en pedido hasta un total de 2000 galones.
El objetivo es determinar los valores de s y de S que maximicen la ganancia
diaria esperada. A pesar de que sera deseable realizar un anlisis matemtico
para determinar los mejores valores de s y S, hacerlo, en este caso, no resulta
sencillo debido a la complejidad ocasionada por el tiempo gua no conocido y el
carcter perecedero de la leche. Un planteamiento viable consiste en utilizar la
simulacin para evaluar la ganancia diaria esperada asociada con diferentes
valores de s y S, y luego elegir la pareja de valores que proporcionen la
ganancia diaria esperada ms grande. Para ilustrar de qu manera se usa la
simulacin en la evaluacin de una eleccin particular, suponga que ks = 900 y
S = 4000.
Como se analiz en la seccin 14.3.1 del captulo 14, antes de disear los
detalles de una simulacin por computadora, es de suma importancia tener un
claro entendimiento de los objetivos del estudio en forma de resultados
numricos especficos. Para el problema de American Dairy Foods, tal
resultado es la ganancia diaria esperada.
El siguiente paso consiste en identificar los datos de entrada de la simulacin.
Necesita estos valores para calcular la ganancia diaria esperada. Recuerde, de
la seccin 14.3, captulo 14, que las entradas caen dentro de las tres
categoras siguientes.
1. Las condiciones iniciales, en este caso, expresan la cantidad de leche con
un da de almacenamiento que se tiene en existencia, con dos das de
almacenamiento que se tiene en existencia y as sucesivamente, al inicio de la
simulacin. Otra condicin inicial es si se ha ordenado un pedido antes del
primer da de la simulacin y, si ste es el caso, la cantidad ordenada y el da
en que se espera su llegada. Estos valores iniciales deberan reflejar las
condiciones iniciales ms probables en cualquier da dado y deberan
obtenerse mediante una estimacin basada en su experiencia. Para los
propsitos de esta ilustracin, suponga que no hay pedidos pendientes y que
los inventarios iniciales son los siguientes:
DAS DE
SMBOLO
INVENTARIO
ALMACENAMIENTO
INICIAL (GALONES)
0
I0
0
1
I1
500
2
I2
300
0
3
I3
0
4
I4
5
I5
100
100
6
I6
17
2. Los datos determinsticos consisten en:

a. Los siguientes datos sobre costos e ingresos, como se describen en la
seccin 15.2.2:
i. Costo de adquisicin = C = $1.50 por galn
ii. Costo de pedido = K = $100
iii. Costo de mantenimiento diario = H = $0.02 por galn por da
iv. Valor de reventa = R = $0.50 por galn
b. Los valores de s = 900 galones y S = 4000 galones a ser evaluados por la
presente simulacin. (Esto es, en cualquier da que inicie con menos de s
= 900 galones de leche en las instalaciones centrales o en pedido, ADF
debe pedir ms. El inventario actual ms la cantidad total ordenada,
incluyendo pedidos anteriores que an no se reciben, debe ser igual a S =
4000 galones.)
c. El nmero de das que se van a simular, digamos n = 100.
3. Los datos probabilsticos, generados cuando se necesiten, consisten en:
a. Una demanda de leche en cada uno de los das de la simulacin, que se
supone sigue una distribucin normal con una media de 750 galones y
una desviacin estndar de 100 galones.
b. Un tiempo gua de 1 o 2 das, con probabilidades de 0.8 y 0.2,
respectivamente, siempre que se ordene un pedido.
La simulacin real consiste en la generacin de los nmeros aleatorios
apropiados y de un esquema de contabilidad asociado.

Una de las entradas probabilsticas de la presente simulacin es la demanda,
diaria, que sigue una distribucin normal, con una media K = 750 galones por
da y una desviacin estndar a = 100. Para generar tal nmero aleatorio,
recuerde, de la seccin 14.3, captulo 14, los siguientes pasos generales:
1. Genere un nmero aleatorio uniforme, U, entre 0 y 1.
2. Encuentre un valor de z de la tabla normal estndar del apndice B, de modo
que el rea que se encuentra a la izquierda de z sea U.
3. Obtenga la demanda aleatoria, d, calculando:
d = +( * z)
= 750 + (100*z)
18
Adems, siempre que se ordene un pedido, se necesita generar el tiempo

lder aleatorio de acuerdo con la siguiente distribucin discreta:
DAS
1
2
PROBABILIDAD
0.8
0.2
Como se analiz en la seccin 14.3, esto se puede llevar a cabo mediante lo

siguiente:
1. Generando un nmero aleatorio uniforme, U, entre 0 y 1.
2. Determinando el tiempo lder mediante:
1
Tiempo gua =
2
si U < 0.8
si U 0.8
15.2.5 Diseo del esquema de contabilidad

De nuevo, utilice la tcnica de trabajo en un ejemplo especfico. Tome valores
especficos para las entradas y efecte los clculos necesarios a mano, para
determinar el resultado. Recuerde los valores de las condiciones iniciales y
otros datos de entrada determinsticos para el problema de American Dairy
Foods, Inc. Los clculos apropiados para cada da se muestran a continuacin:
CONTABILIDAD PARA EL DIA 1
Paso 1.Recepcin de pedidos: para empezar no hay pedidos pendientes, de
modo que no se recibe leche al inicio de este da. En consecuencia, los
inventaros iniciales permanecen sin cambio en:
I0
0
I1
500
I2
300
I3
0
I4
0
I5
100
I6
100
Paso 2. Pedidos: observando que el inventario total de I = Io + I1 + ... +I6 =

1000 est por encima del punto mnimo de nuevos pedidos de s = 900,
no se ordena ningn pedido en da 1.
Paso 3. Generacin de la demanda: la demanda para este da debe generarse
de acuerdo a una distribucin normal, con una media de 750 y una
desviacin estndar de 100. Como se analiz anteriormente, esto se
hace utilizando un nmero aleatorio entre 0 y 1 de la manera siguiente:
19
1. Elija aleatoriamente un nmero aleatorio entre 0 y 1 de la tabla del

apndice A, digamos U = 0.770145, de la hilera 6, columna 1.
2. Obtenga el valor de z asociado de aproximadamente 0.73, de la
tabla del apndice B, de modo que el rea que se encuentra a la
izquierda de z es U = 0.770145. 3. Calcule la demanda como:
d = + ( * z)
= 750 + (100 * z)
= 750 + (100 * 0.73)
= 823 galones
Paso 4. Actualizacin del inventario: primero es necesario determinar si la
demanda generada en el paso 3 puede cumplirse con el inventario
existente. En este caso la respuesta es s, pues la demanda d = 823
galones es menor que el inventario total disponible de 1000 galones.
En general,
d
Cantidadvendida =
inventario total
si d inventario total
en cualquier otro caso
Las cantidades inventariadas, clasificadas por tiempo de almacenamiento deben

actualizarse para justificar las ventas. Debido a que la leche es perecedera, ADF vende
primero la leche con ms tiempo. La empresa cumple con la demanda de 823 galones
vendiendo los 100 galones de leche con seis das de almacenamiento, los 100 galones
de leche con cinco das de almacenamiento, los 300 galones de leche con dos das de
almacenamiento y 323 galones de leche con un da de almacenamiento. Se tiene
tambin que al final del primer da, que es el inicio del segundo, la leche que queda en
inventario tiene un da ms de almacenamiento. Para tomar en cuenta este cambio, la
cantidad en inventario en cada grupo de antigedad de almacenamiento se convierte en
la del siguiente grupo con ms antigedad de la forma siguiente:
DAS DE
ALMACENAMIE
NTO
0
1
2
SMBOL
O
I0
I1
I2
3
4
I3
I4
INVENTARIO
INICIO
DEMANDA
DEL DA 1 CLUMPLIDA
0
500
300
323
300
0
0
INICIO
DEL DIA 2
0
0
500323=177
300-300 = 0
0
20
5
6
7
I5
I6
I7
100
100
0
100
100
0
0
100-100 = 0
100-100 = 0
Paso 5. Clculo de la ganancia diaria: para calcular la ganancia diaria neta,

recuerde que cada galn de leche cuesta $1.50 y se vende a los
expendios en $2.00 y a los bancos de comida en $0.50. Esto tiene
como resultado una ganancia de $0.50 por cada galn vendido en los
expendios y una prdida de $1.00 por cada galn vendido a los bancos
de comida. Esta informacin, los otros datos relevantes sobre costos y
las ventas producen la ganancia neta:
Ganancia neta = (ganancia de la leche vendida en los expendios)
(prdida de la leche vendida en los bancos de alimento) (costo de hacer un pedido ese da) (costo de mantenimiento del inventario del da)
en la que:
Ganancias de los expendios = (galones vendidos en los expendios)*
(ganancia por galn)
= 823 * 0.50
= 411.50
21
galones vendidos
a los bancos
Prdida de los bancos de

alimentos
* (prdida por galn)
galones con leche de 7 das de

almacenamiento al final del da 1
* 1.00
= 0.00
Costo del pedido
si no se ordena un pedido
1100
si se ordena un pedido
= 0 (porque no se hace ningn pedido el da 1)
Nmero de galones
de leche en inventario
con menos de 7 das
al final del da 1
Costo de mantenimiento =
de inventario
costo de
mantenimiento
por galn por da
= 177 * 0.02
= 3.54
(ganancia de la leche vendida a los expendios) (prdida de la leche vendida a bancos de alimentos) (costo por hacer un pedido ese da) (costo de mantenimiento del inventario de ese da) =
411.50 0 0 - 3.54
Ganancia neta =
CONTABILIDAD PARA EL DIA 2

Paso 1. Recepcin de pedidos: ningn pedido se ha ordenado, de modo que
no se recibe leche al inicio de este da. Los inventarios iniciales
permanecen sin cambios en:
I0
0
I1
0
I2
177
I3
0
I4
0
I5
0
I6
0
22
Paso 2. Pedidos: observe que el inventario total de I =10 + Il + . . . + IB =

177 est por debajo del punto mnimo de nuevos pedidos de s =
900: Por consiguiente se ordena un pedido para que el
inventario suba a S = 4000. Este pedido es de 4000 -177 = 3823
galones de leche. Como se analiz en la descripcin del
problema, esta leche llega en el da 3 (con una probabilidad de
0.80) o en el da 4 (con una. probabilidad de 0.20). Para generar
este tiempo lder aleatorio, seleccione el siguiente numero
aleatorio, 0.556772, de la hilera 6, columna 2 de la tabla del
apndice A. Debido a que este nmero es menor a 0.80, el
tiempo lder es un da, de modo que el pedido llega al inicio del
da 3.
Paso 3. Generacin de la demanda: la demanda para este da debe
generarse de acuerdo con una distribucin normal, con una media
de 750 y una desviacin estndar de 100:
a. Seleccione el. siguiente nmero aleatorio, 0.028899, de la
hilera 6, columna 3 de la tabla del apndice A.
b. Obtenga el valor de z asociado de aproximadamente -1.9 de la
tabla del apndice B, de modo que el rea que se encuentra a la
izquierda de z es U = 0.028899.
c. Calcule la demanda como:
d= +(*z)
= 750 + (100 * z)
= 750 + [100 * (-1.9)] = 560 galones
Paso 4. Actualizacin del inventario: primero es necesario determinar si
la demanda generada en el paso 3 puede cumplirse con el
inventario existente. En este caso, la respuesta es no, porque la
demanda de 560 galones es mayor que el inventario total
disponible de 177 galones. Por consiguiente, la cantidad real
vendida es de solamente 177 galones. El inventario debe
actualizarse para mostrar el efecto de estas ventas. En este
caso, el inventario total es vendido, y todos los valores de
inventario se vuelven cero:
I0
0
I1
0
I2
0
I3
0
I4
0
I5
0
I6
0
Paso 5. Clculo de la ganancia diaria: como antes, la ganancia neta es:

Ganancia neta = (ganancia de la leche vendida a los expendios) (prdida de la leche vendida a bancos de alimentos) - (costo por
hacer un pedido ese da) (costo de mantenimiento del inventario de ese da)
= (177*0.50)-(0*1.00)-100-0
= -$11.50
23
CONTABILIDAD PARA EL DA 3
Paso 1. Recepcin de pedidos: debido a que el pedido de 3823 galones
ordenado el. da 2 tiene un tiempo lder de un da (vea el paso 2
de la contabilidad para el da 2)
2), ese pedido llega al inicio del da 3. Agregue esta cantidad a I0, el nivel de
inventario actual de leche con cero das de almacenamiento:
I0
I1
3823 0
I2
0
I3
0
I4
0
I5
0
I6
0
Paso 2. Pedidos: el inventario total de I = Io + I1 +...+ I6 = 3823 est por encima del
punto mnimo de nuevos pedidos de s = 900, de modo que no se ordena ningn
pedido el da 3.
Paso 3. Generacin de la demanda: la demanda para este da debe generarse de
acuerdo con una distribucin normal, con una media de 750 y una desviacin
estndar de 100:
1. Seleccione el siguiente nmero aleatorio, 0.076494, de la hilera 6, columna 4 de
la tabla del apndice A.
2. Obtenga el valor de z asociado de aproximadamente -1.43 de la tabla del
apndice B, de modo que el rea que se encuentra a la izquierda de z sea U =
0.076490.
3. Calcule la demanda como:
d = + (*z)
= 750 + (100 * z).
= 750 + [100 * (-1.43)] = 607 galones
Paso 4. Actualizacin del inventario: primero es necesario determinar si la
demanda generada en el paso 3 puede cumplirse con el inventario existente. En
este caso, la respuesta es s, porque la demanda de 607 galones es menor que el
inventario total disponible de 3823 galones. Ahora, el inventario debe actualizarse
para mostrar el efecto de estas ventas: La cantidad total de 893 galones se toma
de los 3823 galones de leche con cero das de almacenamiento, de modo que este
valor se convierte en 3823 - 607 = 3216. Adems, la leche con cero das de
almacenamiento restante pasa a ser leche con un da de almacenamiento al final
del da. Por tanto, los nuevos niveles de inventario son:
I0
0
I1
I2
3216 0
I3
0
I4
0
I5
0
I6
0
Paso 5. Clculo de la ganancia diaria: como antes, la ganancia neta es:
24
Ganancia neta = (ganancia de la leche vendida a los expendios) - (prdida de la

leche vendida a bancos de alimentos) - (costo por hacer un pedido ese da) (costo de mantenimiento del inventario de ese da) = (607 * 0.50) - (0 * 1.00) (3216 * 0.02)
= -$239.18
Los resultados obtenidos al repetir este proceso para los primeros 20 das se
resumen en la tabla 15.5. Si el proceso se efecta para 100 das, obtendr una
ganancia total de $30 517.62. Dividiendo este total entre 100 da como resultado
una ganancia diaria esperada estimada en $305.18.
Recuerde que este valor es solamente una estimacin basada en una simulacin
particular. La estimacin puede hacerse ms confiable al aumentar el nmero de
das en la presente simulacin o realizando la simulacin de 100 das muchas
veces ms. En la seccin 15.5, usted aprender cmo determinar un nmero
adecuado de veces que se puede repetir esta simulacin, de modo que la
estimacin resultante este dentro de una precisin especificada de antemano.
TABLA 15.5 Resultados de la simulacin de los primeros 20 das del problema de
la American Dairy Foods, Inc.
Recuerde que el objetivo es determinar el valor del punto de nuevos pedidos, s, y

la cantidad S, que es el valor que debera tener el inventario, de modo que se
maximice la ganancia diaria esperada. La simulacin presentada aqu evala los
mritos de la poltica en la que s = 900 y S = 4000. Basndose en su conocimiento
del negocio, usted podra escoger muchos otros valores para s y S, y efectuar
25
simulaciones parecidas. Seleccione entonces los valores de s y S que produzcan

la mayor ganancia diaria esperada de acuerdo con la simulacin.
Antes de instrumentar la poltica obtenida de la presente simulacin, como
administrador, usted debera tomar en cuenta otros aspectos del problema. Por
ejemplo, puede ser que desee considerar qu tan seguido la poltica de inventario
tiene como resultado un dficit de leche, es decir, que la empresa no sea capaz de
suministrar el producto a los expendios. Tambin, usted puede desear conocer el
impacto de revisar el inventario en otro periodo y no diariamente. Todas estas
preguntas del tipo "qu sucede si...? pueden ser exploradas haciendo los
cambios adecuados al diseo y a la contabilidad de la simulacin.
15.3 UNA SIMULACION DE UN PROBLEM DE COLAS
En la presente seccin, usted ver un ejemplo de cmo se utiliza la simulacin
para evaluar un sistema de colas en el cual los productos que llegan esperan en
fila para recibir un servicio. Considere el problema de la New Jersey Turnpike
Commission
La New Jersey Turnpike Commission es un organismo encargado del
mantenimiento de la Autopista de cuota de New Jersey y desea mejorar el flujo de
trfico a travs do sus casetas de cobro. Uno de los administradores ha sugerido
que se favorezca el paso de vehculos teniendo en servicio casetas especiales
para los automviles con dos o ms pasajeros, y el resto de las casetas para el
resto del trfico. A estas casetas especiales se les llama carriles rpidos. La
comisin ha seleccionado una de las plazas de cobro como piloto en el desarrollo
y evaluacin del impacto de la propuesta antes de extender la idea a otras plazas
de cobro. Como administrador de operaciones, usted desea determinar el impacto
en el flujo de trfico actual que tendra el hecho de convertir una de las tres
casetas de la plaza de cobro en carril rpido, como se muestra en figura 15.1.
A travs del estudio de datos, la comisin ha determinado que la plaza de cobro
seleccionada actualmente atiende 20 vehculos por minuto durante las horas pico.
De estos vehculos, solamente un tercio tienen dos o ms pasajeros. Los datos
tambin muestran que el tiempo entre dos vehculos que llegan puede ser
aproximado por una distribucin exponencial, con una tasa promedio de X = 20
vehculos por minuto.
Los datos registrados anteriormente indican que las casetas que atienden al trfico
en general requieren un tiempo de procesamiento por vehculo que obedece a la
siguiente distribucin:
TIEMPO
PROBABILIDAD
(segundos)
3-8
0,6
8-13
0,3
13-18
0,1
26
No existen datos similares para la caseta rpida propuesta. No se espera que el

tiempo de servicio en sta siga la distribucin anterior porque dicha distribucin
pertenece a autos, camiones y todos los dems vehculos, mientras que la caseta
rpida solamente es para automviles. De la experiencia con casetas rpidas en
otras carreteras, usted cree que el tiempo de servicio puede ser aproximado
bastante bien por una distribucin exponencial, con una tasa media de 10 autos
por minuto.
Usted debera darse cuenta de que los modelos descritos en el captulo 13 no se
aplican directamente. Una razn de ello es que los tiempos de servicio en las
casetas siguen diferentes distribuciones, y una de stas no es exponencial. Una
segunda razn es que los autos con dos o ms pasajeros tienen la libertad de
escoger una de las tres colas, mientras que todo el resto del trfico debe unirse a
Caseta
rpida
--------------------------------------------------------------------1
-----------------------------------
Casetas
generales
----------------------------------2
-----------------------------------
Figura 15.1 Plaza de cobro propuesta para la New Jersey Turnpike Commission.
una de las dos colas de las casetas generales. Adems, entre las casetas
permitidas, cada vehculo escoge la cola ms pequea. Por tales razones, no se
pueden aplicar aqu los modelos del captulo 13. Una simulacin ofrece medios
razonables para evaluar el sistema.
Cules son los objetivos del estudio en la forma de resultados numricos
especficos? Para el problema de New Jersey Turnpike Commission, los
resultados apropiados se identifican de la manera siguiente:
1. El tiempo de espera estimado para un vehculo en cada caseta.
2. El nmero promedio de vehculos en cada fila.
27
3. El use promedio de cada caseta, es decir, la fraccin de tiempo que tarda el

empleado en atender a un vehculo.
El siguiente paso consiste en identificar los datos de entrada de la simulacin.
Como siempre, stos caen en las siguientes tres categoras:
1. Las condiciones iniciales aqu son el nmero de vehculos que son atendidos o
que esperan en la fila en cada caseta al momento en que inicia la simulacin.
Estos valores deben reflejar las condiciones ms probables durante las horas
pico. Como administrador de operaciones, debera hacer una estimacin de
ellos, basndose en su experiencia. Para el propsito del presente ejemplo,
suponga que la fila rpida est vaca y que en cada fila general, un automvil
acaba de detenerse en la caseta para pagar. Se tiene tambin que hay dos autos
esperando en la fila de una de las casetas generales y tres en la otra fila general.
Recuerde que si la simulacin se lleva a cabo durante un periodo lo
suficientemente largo, las condiciones iniciales tendrn poco efecto en los
resultados finales.
2. Los datos determinsticos consisten en la duracin del periodo durante el cual se
va a realizar la simulacin, digamos dos horas, y el hecho de que hay una caseta
rpida y dos generales.
3. Los datos probabilsticos, generados cuando sea necesario, consisten en lo
siguiente:
a. Las Ilegadas de vehculos, cuyos tiempos entre llegadas se supone que
siguen una distribucin exponencial, con una tasa media X, = 20 vehculos por
minuto.
b. El tipo de vehculo que llega, que es un vehculo para la caseta rpida (es
decir, un auto con al menos dos personas) o un vehculo para las colas
generales (todos los dems vehculos). La probabilidad de que un vehculo que
Ilega pueda formarse en el carril rpido es de 0.3333 y la probabilidad de que
no se pueda formar es de 0.6667, como se dio en la descripcin del problema.
c. El tiempo de servicio de un vehculo que se encuentre en la fila general, que
se supone sigue la distribucin histrica dada.
d. El tiempo de servicio de un automvil que se encuentre en la fila rpida, que
se supone sigue una distribucin exponencial con una tasa media de 10 autos
por minuto.
La simulacin real consiste en generar los nmeros aleatorios apropiados y un
esquema de contabilidad asociado, lo cual se describe a continuacin.
Cada una de las cuatro entradas probabilsticas necesita ser generada utilizando
nmeros aleatorios de acuerdo con sus distribuciones de probabilidad
subyacentes.
GENERACION DE LOS VEHICULOS QUE LLEGAN
Una de las entradas probabilsticas para la simulacin es la llegada de vehculos.
El tiempo entre llegadas sigue una distribucin exponencial con una media X = 20
vehculos por minuto. Recuerde, de la seccin 14.3, captulo 14, que el tiempo t.,
en segundos, entre llegadas sucesivas se obtiene mediante:
28
Generando un nmero aleatorio uniforme, U, entre 0 y 1.

Calculando:
ta = - (1/20) * 60 * ln(1- U)
GENERACION DEL TIPO DE VEHICULO QUE LLEGA
Un vehculo que llega es un vehculo rpido(probabilidad 0.3333) o un vehculo
general (probabilidad 0.6667). La determinacin del tipo de vehculo que llega, por
consiguiente, puede realizarse mediante:
rpida si U < 0.3333
TIPO =
general si U 0.3333
GENERACION DEL TIEMPO DE SERVICIO EN UNA CASETA GENERAL

La cantidad de tiempo necesario para atender a un vehculo en una caseta general
sigue esta distribucin histrica:
TIEMPO
PROBABILIDAD
(segundos)
3-8
0,6
8-13
0,3
13-18
0,1
Para
generar
la
distribucin
continua
con base en estos datos empricos, primero obtenga su funcin de distribucin
acumulativa, F(x), como se muestra en la figura 15.2. Para generar un nmero
aleatorio a partir de esta funcin de distribucin acumulativa particular, recuerde el
planteamiento general, descrito en la seccin 14.3, captulo 14:
Genere un nmero aleatorio uniforme, U, entre 0 y 1.
Encuentre el tiempo de servicio, ts que es el valor de x para el cual:
F(x)=U
29
Figura 15.2 Funcin de distribucin acumulada del tiempo requerido

Figura 15.2 Funcin de distribucin acumulada del tiempo requerido para atender
un vehculo en una caseta general
Figura 15.3 Generacin de un nmero aleatorio con la funcin de distribucin

acumulada dada en la figura 15.2: (a) U entre 0.0 y 0.6, (b) U entre 0.6 y 0.9 y (c)
U entre 0.9 y 1.0.
Encontrar el valor deseado de t, depende de si U est entre 0.0 y 0.6, entre 0.6 y
0.9 o entre 0.9 y 1, como se muestra en la figura 15.3.
Especficamente, el tiempo de servicio, ts se calcula de la manera siguiente:
30
31
Para determinar cuando cambia el estado de este sistema, usted necesita saber
los tiempos a los cuales los vehculos en las dos casetas generales terminan de
32
ser atendidos y cuando el siguiente vehculo llega a la plaza de cobro. Estos

valores necesitan ser generados aleatoriamente de acuerdo con sus
distribuciones.
DETERMINACION DE CUANDO EL SIGUIENTE VEHCULO SALE DE LA PLAZA
DE COBRO
Utilice nmeros aleatorios para determinar cuando los dos vehculos que son
atendidos actualmente en cada una de las casetas generales terminan el trmite.
1. Para el primer vehculo: inicie arbitrariamente escogiendo un nmero aleatorio
uniforme entre 0 y 1, digamos U = 0.689315, de la hilera 1, columna 2, de la tabla
del apndice A. Luego calcule la duracin del servicio, ts como:
ts = 8 + 5 *
U 0.6
0.3
= 8 + 5*
0.689315 0.6
0.3
= 9.49 segundos
2. Para el Segundo vehculo: escoja el siguiente numero aleatorio uniforme entre 0
y 1, U = 0.122662, de la hilera 1, columna 3, de la tabla del apndice A. Luego
calcule la duracin del servicio, ts como:
ts = 3 + 5 *
= 3 + 5*
U
0.6
0.122662
0.6
=4.02 segundos
El vehculo que se encuentra en la primera caseta general sale del sistema 9.49
segundos despus, al tiempo T = 0 + 9.49 = 9.49. El vehculo que se encuentra en
la segunda caseta general sale del sistema al tiempo T = 0 + 4.02 = 4.02.
DETERMINACIN DEL MOMENTO EN QUE LLEGA EL SIGUIENTE VEHCULO

Para determinar cuando llega el siguiente vehculo, utilice el siguiente nmero
aleatorio entre 0 y 1 de la tabla, U = 0.151792, de la hilera 1, columna 4. De
acuerdo con esto, el tiempo entre llegadas es:
33
to = -(1/20) * 60 * ln(1 - U)
= -3 * In(1- 0.151792)
= 0.49 segundos
Esto es, el siguiente vehculo Ilega 0.49 segundos a partir de ahora, al tiempo
T=0+0.49=0.49.
Para determinar el tipo de vehculo que llega, utilice el siguiente nmero aleatorio
entre 0 y 1, U = 0.245387, de la hilera 1, columna 5, lo cual significa que el
vehculo es rpido (pues U < 0.3333).
TABLA 15.6
a
b
Estado del sistema al tiempo T = 0
El estado de la caseta es I para desocupado o B para ocupado.

Lleg./Sal. significa que el suceso al tiempo actual as una Ilegada/salida.
Estos tiempos de llegada y de salida, y el estado del sistema se resumen en la

tabla 15.6, que describe las condiciones iniciales al tiempo T = 0.
1. Suceso: esta columna indica qu suceso (un nuevo vehculo que llega o uno
que sale) ha tenido como resultado un cambio en el estado del sistema en este
momento. En general, esta columna contendr la entrada "Lleg" para una llegada
y "Sal" para una salida. Al tiempo actual T = 0, se tiene como entrada un " " para
indicar las condiciones iniciales.
2. Estado / hasta tiempo: estas columnas proporcionan el estado de las tres
casetas:
a. La caseta rpida est desocupada, lo cual se indica con la letra I.
b. La primera caseta general est ocupada, lo cual se indica con la letra B, y el
vehculo que actualmente se est atendiendo termina en el tiempo 9.49, el
valor generado anteriormente.
c. La segunda caseta general est ocupada (B), y el vehculo que est siendo
atendido sale al tiempo 4.02.
3. Nmero en fila: estas columnas proporcionan el nmero de vehculos que hacen
cola en cada caseta. Hay cero vehculos en la fila de la caseta rpida, y 2 y 3
vehculos en las filas de las casetas generales.
34
4. Siguiente llegada: estas columnas proporcionan el tiempo al cual llega el

siguiente vehculo y si ste puede pasar por la caseta rpida o no. Como se vio
anteriormente, el siguiente vehculo llega al tiempo 0.49 y es un vehculo
rpido, lo cual est indicado por la letra E.
MOVIMIENTO DEL TIEMPO T
Basndose en la informacin de la tabla 15.6, usted puede ver que el estado del
sistema permanece igual hasta que llega un nuevo automvil rpido al tiempo T =
0.49. Esta llegada ocurre antes de que cualquiera de los dos vehculos que estn
siendo atendidos en las casetas generales termine de hacer el pago.
CONTABILIDAD AL TIEMPO T = 0.49
Cuando el vehculo rpido llega al tiempo T = 0.49, usted necesita llevar a cabo los
siguientes dos pasos:
1. Cambie el estado del sistema de la manera siguiente:
a. Decida en qu fila el vehculo que llega escoge esperar; en este caso, es la
fila de la caseta rpida.
b. Determine si el vehculo que llega puede empezar a ser atendido en la
caseta seleccionada. En este caso el vehculo puede empezar a ser atendido
porque la caseta rpida est desocupada. As pues, el servidor de la caseta
rpida est ocupado. Para determinar durante cunto tiempo, genere un
nmero aleatorio para este tiempo de servicio. Utilizando el siguiente nmero
aleatorio entre 0 y 1, U = 0.995255, de la hilera 2, columna 1, de la tabla, se
tiene:
ts = -(1/10) * 60 * ln(1 - U)
= -6 * l(1 - 0.995255) = -6 * (- 5.3517)
= 32.11 segundos
En otras palabras, el vehculo termina de ser atendido 32.11 segundos a partir de
ahora, al tiempo T = 0.49 + 32.11= 32.60.
2. Determine el tiempo del siguiente vehculo que liega. De nuevo, genere un
tiempo entre llegadas aleatorio utilizando el siguiente nmero aleatorio entre 0 y
1, U = 0.577849, de la hilera 2, columna 2, de la forma siguiente:
tG = -(1/20) * 60 * ln( 1- U)
= -3 * ln(1 - 0.577849) = -3 * (-0.8633)
= 2.59 segundos
El siguiente vehculo llega 2.59 segundos a partir de ahora, al tiempo T = 0.49 +
2.59 = 3.08.
Para determinar el tipo del vehculo que llega, utilice el siguiente nmero aleatorio
entre 0 y 1, U = 0.980588, de la hilera 2, columna 3, para llegar a la conclusin de
que se trata de un vehculo general (porque U > 0.3333).
35
Estos cambios estn resumidos en la tabla 15.7, en la hilera correspondiente al

tiempo T = 0.49, al cual llega un nuevo vehculo.
Basndose en la informacin de la segunda hilera de la tabla 15.7, usted puede
ver que el estado del sistema permanece igual hasta que llega el nuevo vehculo
general al tiempo T= 3.08. Esta llegada ocurre antes de que cualquiera de los
vehculos que estn siendo atendidos termine de hacer el pago.
TABLA 15.7 Estado del sistema al tiempo T= 0.49
CONTABILIDAD AL TIEMPO T=3.08

Cuando el vehculo general llega al tiempo T= 3.08, usted necesita seguir los
siguientes dos pasos:
a. Decida qu fila escoge el vehculo que llega. En este caso, el vehculo se
forma en la fila de la primera caseta general, pues solamente hay dos autos
en ella, y en la otra hay tres.
b. Determine si el vehculo que llega puede ser atendido de inmediato en la
caseta escogida. En este caso, el vehculo no puede ser atendido de
inmediato porque la caseta escogida est ocupada. Este vehculo aumenta
la longitud de la fila de dos a tres.
2. Determine el tiempo del siguiente vehculo que llega. De nuevo, genere un
tiempo entre llegadas aleatorio utilizando el siguiente nmero aleatorio entre 0
y 1, U = 0.894206, de la hilera 2, columna 4, de la manera siguiente:
ta = -(1/20) * 60 * ln(1- U)
= -3 * ln(1- 0.894206)
= -3 * (-2.2467)
= 6.74 segundos
El siguiente vehculo llega 6.74 segundos a partir de ahora, al tiempo
T=3.08+6.74=9.82.
Para determinar el tipo de este vehculo que llega, utilice el siguiente nmero
aleatorio entre 0 y 1, U = 0.332668, de la hilera 2, columna 5, para llegar a la
conclusin de que se trata de un vehculo rpido.
36
Estos cambios se resumen en la tabla 15.8, en la columna correspondiente al

tiempo T = 3.08, al cual llega un nuevo vehculo.
De la tabla 15.8, usted puede ver que el estado del sistema permanece igual hasta
que el vehculo que se encuentra en la segunda caseta general termina de ser
atendido al tiempo T= 4.02. Este suceso se presenta antes que otro vehculo
empiece a ser atendido en la caseta rpida o que el vehculo que est siendo
atendido en la primera caseta general termine de pagar, y antes de la siguiente
llegada de un vehculo, programada al tiempo 9.82.
TABLA 15.8
Estado del sistema al tiempo T = 3.08
CONTABILIDAD AL TIEMPO T= 4.02

Cuando este vehiculo termina en la segunda caseta general al tiempo T = 4.02, los
siguientes cambios pueden ocurrir:
1. El vehculo sale de la segunda caseta general y del sistema completo.
2. Debido a que la fila de esta caseta no esta vaca, el primer vehculo de la fila
entra a la caseta para ser atendido.
a. La longitud de la fila disminuye de tres a dos.
b. El servidor de la caseta sigue ocupado.
c. Para determinar durante cunto tiempo el servidor seguir ocupado con el
presente vehculo se requiere generar un tiempo de servicio aleatorio.
Utilice el siguiente nmero aleatorio, U = 0.355729, de la hilera 3, columna
1, y calcule:
ts = 3 + 5 *
= 3 + 5*
U
0.6
0.355729
0.6
= 5.97 segundos
Este vehculo termina de ser atendido 5.97 segundos a partir de ahora, al tiempo T
= 5.97 + 4.02 = 9.99 segundos.
Los cambios se resumen en la tabla 15.9, en la columna correspondiente al tiempo
T = 4.02, cuando un vehculo termina de ser atendido en la segunda caseta
37
general. A partir de estos sucesos muestra, usted puede ver que el estado del
sistema cambia solamente cuando uno de dos sucesos se presenta: (a) llega un
nuevo vehculo o (b) un vehculo termina de ser atendido en una caseta.
Dependiendo de qu suceso ocurra primero, el reloj se mueve a ese punto del
tiempo y se llevan a cabo las siguientes operaciones asociadas de contabilidad.
CONTABILIDAD CUANDO LLEGA UN NUEVO VEHICULO
a. Decida en qu fila se formar el siguiente vehculo que llegue.
b. Determine si el vehculo que llega puede empezar a ser atendido en la
caseta escogida.
i. Si la caseta escogida est desocupada, entonces el vehculo entra
inmediatamente a ser atendido. En este caso, se genera un tiempo de
servicio aleatorio a partir de la distribucin adecuada, para determinar
cuando el vehculo deja de ser atendido.
TABLA 15.9
Estado del sistema al tiempo T= 4.02
38
39
Estas dos cantidades pueden obtenerse de la tabla 15.10. De la tabla, hasta un

tiempo T = 60, usted puede contar que siete vehculos han sido atendidos en la
primera caseta general (la primera termina al tiempo 9.49, la segunda al tiempo
24.35, y as sucesivamente).
Para obtener el valor del numerador se requiere saber cmo vara con el tiempo la
longitud de la fila para acceder a la primera caseta general. Esa informacin
tambin est disponible en la tabla 15.10 y ha sido transferida a la figura 15.4. Del
tiempo T = 0 a T = 3.08, existen dos vehculos en la fila de la primera caseta
general. Su tiempo de espera combinado hasta ese punto es:
Tiempo de espera de T = 0 a T = 3.08 = 2 * 3.08
= 6.16 segundos
40
Entonces, del tiempo T = 3.08 al tiempo T = 9.49 hay tres vehculos en la fila:
Tiempo de espera de T = 3.08 a T = 9.49 = 3 * (9.49 - 3.08)
= 19.23 segundos
Al realizar este clculo para cada intervalo de tiempo de la figura 15.4 y sumar los
tiempos de espera se obtiene el tiempo de espera total:
Tiempo de espera total = 176.22 segundos y, entonces, el tiempo de espera
promedio es:
Tiempo de espera promedio =
tiempo de espera total

nmero de vehculos atendidos
176.22
7
= 25.17 segundos
En promedio, un vehculo que se encuentre en la primera fila general puede
esperar aproximadamente 29 segundos antes de entrar a la caseta de cobro.
Al realizar clculos semejantes para las otras dos casetas se tiene como resultado
los siguientes tiempos de espera estimados:
CASETA
TIEMPO DE ESPERA
ESTIMADO
41
(SEGUNDOS)
Rpida
General 1
General 2
7.59
25.17
19.99
CALCULO DEL NUMERO PROMEDIO DE VEHICULOS EN CADA CASETA

De nuevo, considere la primera caseta general. Como se muestra en la figura 15.4,
durante un total de 60 segundos, el nmero de vehculos en la fila vara de 2 hasta
un mximo de 4. La longitud de la fila es 2, durante un total de 11.4684 segundos,
que es 11.4684/60 = 0.1911 del tiempo total. La longitud de la fila es 3 durante un
total de 40.8563 segundos, que es 40.8563/60 = 0.6809 del tiempo total. Estas
diferentes fracciones se resumen de la manera siguiente:
NMERO
EN LA
FILA
0
1
2
3
4
TIEMPO
TOTAL
FRACCIN DEL
TIEMPO (TIEMPO
TOTAL/60)
0.0000
0.0000
11.4684
40.8563
7.6753
0.0000
0.0000
0.1911
0.6809
0.1279
Con estos valores, la longitud promedio de la fila es:

Longitud promedio = 0 * (fraccin de tiempo en que la longitud es 0) +
1 * (fraccin de tiempo en que la longitud es 1) +
4 * (fraccin de tiempo en que la longitud es 4)
=
(0 * 0.0000) + (1 * 0.0000) + (2 * 0.1911) +
(3 * 0.6809) + (4 * 0.1279)
= 2.9365
En la primera caseta general, el nmero promedio de vehculos que esperan en la
fila durante los 60 segundos es de aproximadamente 3.
Al realizar clculos parecidos para cada una de las filas en las otras dos casetas
se tiene como resultado la siguiente informacin correspondiente al periodo
cubierto por los datos de la tabla 15.10:
CASETA
Rpida
General 1
General 2
TIEMPO DE ESPERA
ESTIMADO (SEGUNDOS)
0.3796
2.9365
2.6656
42
CALCULO DE LA UTILIZACIN PROMEDIO DE CADA CASETA

Considere la caseta rpida. La utilizacin de esta caseta es la fraccin de tiempo
que se encuentra ocupada. As:
Utilizacin = cantidad de tiempo que la caseta est ocupada tiempo total
El valor del numerador se obtiene a partir de los datos de la tabla 15.10,
identificando los intervalos de tiempo durante los cuales la caseta est ocupada,
como se muestra en la figura 15.5. Como puede ver, del tiempo T = 0 al tiempo T =
0.49, la caseta est desocupada. Del tiempo T = 0.49 al tiempo T = 33.62, la
caseta est ocupada durante un total de 33.62 - 0.49 = 33.13 segundos. El nico
tiempo adicional que la caseta rpida est ocupada es del tiempo T = 59 al tiempo
T = 60, durante un periodo de 1 segundo. Sumando estas dos cantidades de
tiempos de ocupacin se tiene:
Cantidad de tiempo que la caseta rpida est ocupada = 34.13 segundos
Utilizacin =
cantidad de tiempo que la caseta est ocupada

tiempo total
34.13
60
= 0.5688
En otras palabras, la caseta rpida est ocupada 57% del tiempo.
Al realizar un clculo similar para las otras dos casetas se tiene como resultado las
siguientes utilizaciones:
CASETA
Rpida
General 1
General 2
TIEMPO DE ESPERA
ESTIMADO
(SEGUNDOS)
0.5688
1.000
1.000
CONSIDERACIONES ADICIONALES
Es importante darse cuenta de que las estadsticas especficas obtenidas en la
seccin 15.3.5 estn basadas en las condiciones iniciales dadas, en las cuales la
caseta rpida est desocupada y las dos casetas generales estn ocupadas y
tienen vehculos esperando en la fila. Tome en cuenta tambin que los datos
generados corresponden a una hora pico de un da.
43
Cuando el clculo de las estadsticas est basado en el periodo relativamente

corto de 60 segundos, las condiciones iniciales tienen un efecto significativo sobre
los valores finales. Sin embargo, si la simulacin se lleva a cabo sobre un periodo
"largo", digamos durante un periodo de dos horas, los efectos de las condiciones
iniciales son relativamente insignificantes.
Otra manera de tener ms certeza acerca de los valores de las estimaciones de
las medidas de rendimiento consiste en repetir la simulacin y los clculos
anteriores para muchos das diferentes, y luego tomar el promedio de cada
estadstica. En la seccin 15.5, usted aprender ms acerca de cuntos das
necesita repetir la simulacin para tener una confianza razonable con respecto a
las medidas de rendimiento.
Una vez que se obtienen las estadsticas finales, el gerente o administrador puede
evaluar los mritos de tener una caseta rpida en una plaza de cobro. Examinando
los
44
ser justificados, a menos que se utilice el modelo repetidamente durante un

periodo grande para tomar decisiones operacionales de funcionamiento.
Alternativamente, si la simulacin se utiliza como una herramienta estratgica de
planeacin, podra ser conveniente desarrollar el modelo con uno de los paquetes
de software disponibles. El use de un paquete de computacin elimina el tiempo
de desarrollo, pero el tiempo de computacin que le toma llevar a cabo la
simulacin puede ser significativamente mayor que el tiempo que necesitara un
programa construido para tal fin.
Los paquetes de software de simulacin proporcionan los bloques de construccin
comunes que se deben unir en la secuencia apropiada para construir un modelo
de su sistema particular. Estos paquetes caen dentro de dos categoras bsicas:
9 Paquetes de software especializados, que son diseados para simular un
problema perteneciente a una, clase especial. Por ejemplo, RISK se utiliza
para simular problemas que implican anlisis de riesgos; SIMFACTORYR
se utiliza para simular las operaciones de un proceso de manufactura; y as
por el estilo.
45
9 Paquetes de computacin de propsitos generales, que son lo

suficientemente flexibles para simular casi cualquier sistema. GPSS,
SIMAN, SLAMR y SIMSCRIPT son ejemplos de stos.
A pesar de que est ms all del objetivo del presente libro ensear los detalles de
un lenguaje especfico, en esta seccin se presentar una, breve introduccin
sobre el use de un paquete de software de cada categora, para desarrollar un
modelo de simulacin. El objetivo es darle una apreciacin de cmo pueden
ayudar los paquetes de computacin a desarrollar una simulacin.
15.4.1 Un ejemplo de simulacin con el paquete de software @RISK
En la presente seccin usted ver cmo se utiliza el paquete de software RISK
para simular el problema de la comparacin de las hipotecas de tasa variable y de
tasa fija, introducido en la seccin 15.1. Recuerde que el objetivo de dicho
problema consiste en determinar si una hipoteca a 15 aos con una tasa fija de 8%
es mejor que una hipoteca de tasa variable a 15 aos. La hipoteca de tasa variable
tiene una tasa inicial de 7% y se ajusta cada tres aos en la cantidad de
cambio de la tasa
CANTIDAD
CAMBIO
+2.0
+1.5
+1.0
+0.5
+0.0
-0.5
-1.0
-1.5
-2.0
DE PROBABILIDAD
0.05
0.05
0.15
0.15
0.20
0.15
0.15
0.05
0.05
principal en ese momento. La tasa mxima es 10%. Los mritos de las dos
hipotecas se comparan utilizando el valor presente neto de las diferencias de los
quince pagos anuales hechos al final de cada ao, utilizando una tasa de
descuento igual al promedio de las cinco tasas de inters variable. Desde luego
que las tasas principales futuras se desconocen, pero recuerde que obtuvo las
siguientes probabilidades de cambio en esta tasa durante cualquier periodo de tres
aos.
El paquete RISK trabaja con LOTUS. La hoja de clculo LOTUS para este
problema se muestra en las figuras 15.6 y 15.7. Tales hojas de clculo contienen
los resultados de calcular el valor presente neto de las diferencias entre los pagos
con tasa variable y con tasa fija en los cuales los cambios en la tasa principal en
los aos 4, 7, 10 y 13 son, respectivamente, -0.5%, -1.0%, 1% y 1.5%. Como
puede ver en la parte superior de la figura 15.6, estos clculos estn basados en lo
siguiente:
46
1. Una cantidad principal de $1000.

2. Una tasa fija de 8%, que tiene como resultado 15 pagos anuales de $116.83
cada uno. (Este valor se obtiene utilizando la funcin de LOTUS PMT con una
tasa de inters de 8%, un capital principal de $1000 y un periodo de 15 aos.)
3. Una tasa variable inicial de 7%.
Para llevar a cabo la simulacin, primero es necesario determinar las tasas de
inters restantes. Dicha informacin se presenta en la siguiente porcin de la hoja
de clculo de la figura 15.6. Por ejemplo, el cambio en los aos 4-6 es de -0.005,
correspondiente a -0.5%. Agregando este cambio a la tasa inicial de 0.07 se tiene
como resultado la tasa de inters aplicable de 0.065. La hilera etiquetada como
"Payment (pago) indica el pago anual que se tendra que hacer con un principal
de $1000 a la tasa de inters asociada para el restante nmero de aos. Por
ejemplo, para los aos 1-3, a la tasa de inters de 0.07, los quince pagos anuales
sobre un principal de $1000 son de $109.79. Para los aos 4-6, a la tasa de inters
de 0.065, los restantes doce pagos anuales sobre un principal de $1000 son de
$122.57. Estos pagos se obtienen con la funcin @PMT y se utilizan en los
clculos posteriores.
La informacin restante de la figura 15.6 corresponde al clculo de los pagos para
la hipoteca de tasa variable en cada uno de los aos 1-7, incluyendo el pago
anual, la cantidad de intereses y de principal, y el balance restante del principal
original de $1000. El pago variable ("Var. Pay") al final de ese ao es de $109.79,
como se muestra en la hilera etiquetada como "Payment" y en la columna
etiquetada como "Yr.1-3" (aos 1-3) de la figura 15.6. De esta cantidad, $70.00 es
el inters ("Interest") calculado al multiplicar los $1000 del principal por la tasa
aplicable de 0.07, y la diferencia de $39.79 ("Principal") es el pago sobre log $1000
de principal, lo cual tiene como resultado un saldo restante ("Rem. Bal.") de
960.21.
De manera similar, para el ao 4, el saldo al inicio ("Beg. Bal.") es de $872.06, que
es el saldo restante al final del ao 3. La tasa aplicable para los aos 4-6 es de
0.065 y, por tanto, los tres pagos anuales de este periodo son:
pago anual basado
en $1000 del capital
Pago anual = principal con una

tasa de int ers de 0.065
y 12 aos res tan tes

* Pr incipal al
principio del ao 4

1000

872.06
= 122.57 *
1000
= $106.
47
El pago anual ("Var. Pay.") al final del ano 4 es de $106.89, del cual $56.68 es el
inters ("Interest") calculado al multiplicar los $872.06 del principal por la tasa
48
aplicable de 0.065. La diferencia de $50.20 ("Principal") es el pago del principal de

$872.06. El saldo restante ("Rem. Bal.") es de $821.86.
Estos clculos se llevan a cabo en secuencia para cada uno de los quince aos, y
los resultados se dan en las figuras 15.6 y 15.7. La lnea final de cada hoja de
clculo es la diferencia entre el pago con tasa variable y el pago con tasa fija de
$116.83. Utilizando estas diferencias y la tasa de descuento de 0.067, que es el
promedio de las cinco tasas de inters variable aplicables de 0.07, 0.065, 0.055,
0.065 y 0.08, la funcin de LOTUS NPV proporciona el valor presente neto de 92.66, como se muestra en la figura 15.7. Observe que estos valores son los
mismos que los obtenidos de la simulacin sencilla efectuada en la seccin 15.1.
Las hojas de clculo de las figuras 15.6 y 15.7 estn basadas en un conjunto de
cambios especficos en la tasa variable aplicable. La simulacin necesita
efectuarse muchas veces, cada vez con los cambios en la tasa generados
aleatoriamente de acuerdo con la distribucin dada. El paquete @RISK le permite
hacer lo anterior de manera precisa, mediante la especificacin de aquellas celdas
de la hoja de clculo cuyos valores deben generarse de manera aleatoria. Esto se
lleva a cabo mediante la asociacin de la distribucin deseada con cada una de
tales celdas. (Los detalles de llevar a cabo lo anterior estn ms all del alcance
del presente libro.)
Al repetir la simulacin 100 veces, utilizando RISK, se obtiene el resultado de las
figuras 15.8 y 15.9. El resultado de la figura 15.8 es un histograma que muestra el
porcentaje de las 100 corridas de simulacin que tienen como resultado un valor
presente neto en un intervalo dado. La observacin ms importante de esta figura
es que aproximadamente 5% (correspondiente a la barra vertical que se encuentra
ms a la derecha) de las 100 simulaciones tuvieron como resultado un valor
presente neto positivo. Esto significa que hay aproximadamente un 5% de
probabilidad de que la hipoteca de tasa fija sea mejor. En la esquina superior
derecha, se puede ver tambin que el valor presente neto promedio para estas
cien corridas de simulacin es -67.97734, lo cual significa que en promedio la
hipoteca de tasa variable es mejor.
El resultado de la figura 15.9 proporciona estadsticas detalladas para las 100
corridas de simulacin. La primera lnea de tal informe confirma el valor presente
neto promedio de -67.97734. Tambin puede verificar que solamente 5% de las
corridas tuvieron como resultado un valor presente neto positivo, como se muestra
en la lnea 5 del informe (etiquetada con "Probability of Positive Result",
Probabilidad de un resultado positivo). La segunda porcin del informe (etiquetada
como "Percentile Probabilities", Probabilidades percentiles) proporciona las
frecuencias acumuladas. Por ejemplo, de la lnea 6 de esa parte, se puede ver que
25% de las 100 corridas de simulacin tuvieron como resultado un valor presente
neto menor a -101.9098. Esto significa que existe aproximadamente 25% de
probabilidad de que sobre un prstamo de $1000, el valor presente neto de la
hipoteca de tasa variable sea mejor que el de la hipoteca de tasa fija en
aproximadamente 101.
49
15.4.2 Un ejemplo de simulacin con el paquete de software SIMAN

En la presente seccin usted ver cmo el paquete de software de aplicacin
general SIMAN se utiliza para simular el problema de colas de la New Jersey
Turnpike Commission, presentado en la seccin 15.3. Recuerde que el objetivo es
estudiar el impacto de convertir una de las tres casetas de una plaza de cobro de
la autopista de New Jersey en caseta rpida, exclusivamente para automviles con
dos o ms pasajeros. Los resultados consisten en las siguientes estadsticas para
cada caseta:
1. El tiempo de espera estimado de un vehculo. 2. El nmero promedio de
vehculos en cada fila. 3. La utilizacin promedio, es decir, la fraccin de tiempo
que tarda en ser atendido un vehculo.
Las entradas estn basadas en los siguientes datos aplicables a la llegada y a la
atencin de los vehculos en la plaza:
1. El tiempo entre llegadas de los vehculos sigue una distribucin exponencial
con una tasa media de llegadas de 20 por minuto, y 1/3 de tales vehculos
son automviles con al menos dos pasajeros.
2. La cantidad de tiempo necesario para atender en cada una de las dos
casetas generales est dada por la siguiente distribucin, basada en los
datos histricos:
TIEMPO
(SEGUNDOS)
3-8
8-13
13-18
PROBABILIDAD
0.6
0.3
0.1
50
3. Se supone que el tiempo de servicio en la caseta rpida sigue una

distribucin exponencial con una tasa media de 10 automviles por
minuto, esto es un tiempo medio de servicio de 6 segundos por auto.
NPV (in Cell P20)
@RISK Risk Analysis
24-Dec-1992 Expected/Mean Result = -67.97734
Maximum Result = 17.54548
Minimum Result = -212.0394
Range of Possible Results = 229.5849
Probability of Positive Result = 5.0000001%
Probability of Negative Result = 95%
Standard Deviation = 48.62752
Skewness = -.514432
Kurtosis = 3.013305
Variance = 2364.635
ERRs Calculated = 0
Values Filtered = 0
Simulations Executed = 1
Iterations = 100 Percentile Probabilities: (Chance of Result <= Shown Value)
(Actual Values)
<=-212.0394= 0%
<=-153.827= 5%
<=-134.3389= 10'%
<=-121.5886= 15%
<=-111.6461= 20'%
<=-101.9098= 25%
<=-94.6683= 30%
<=-90.0167= 35%
<=-78.4055= 40%
<=-70.5165= 45%
<=-59.083 = 50%
<=-55.0015= 55'%
<=-48.4792= 60%
<=-42.9457= 65%
<=-40.747 = 70%
<=-33.5565= 75%
<=-25.0567= 80%
<=-17.2515= 85%
<=-7.99 = 90%
<=-1.4548 = 95%
<= 17.5455= 100%
Figura 15.9 Informe estadstico de las 100 simulaciones hechas con @RISK para
el problema de comparacin de las hipotecas de tasa variable y tasa fija.
51
4. La simulacin se inicia sin que haya vehculos en el sistema. Estas condiciones

iniciales debern tener poco impacto pues la longitud de la corrida de
simulacin de dos horas es lo suficientemente grande.
Un programa escrito en SIMAN requiere dos partes separadas:
1. La estructura experimental, en la que se describen los datos de entrada y de
salida.
2. El modelo, que describe la secuencia lgica de los sucesos en el sistema.
Estas partes del problema de la New Jersey Turnpike Commission se muestran en
las figuras 15.10 y 15.11. Para entenderlas, recuerde que en el sistema fluyen
vehculos; en general, los objetos que fluyen por el sistema de una simulacin se
refieren como transacciones. En este problema, las transacciones (vehculos)
fluyen por el sistema al llegar a la plaza de cobro, seleccionar una cola apropiada
en la cual esperar, ser atendidos en la caseta de cobro y salir del sistema. En este
contexto, la caseta rpida, cuyo smbolo es EXPB, se conoce como el recurso
numero 1; las dos casetas generales, cuyos smbolos son GENB1 y GENB2, se
conocen como recursos nmeros 2 y 3. Cada caseta tiene una cola. La cola de la
caseta rpida tiene el numero 1 y las otras los nmeros 2 y 3. Con estas
notaciones, las dos porciones del programa SIMAN para este problema, se
describen con ms detalle a continuacin.
LA ESTRUCTURA EXPERIMENTAL PARA EL PROBLEMA DE LA NEW
JERSEY TURNPIKE COMMISSION
En la figura 15.10 se muestran las declaraciones que comprenden la estructura
experimental del programa SIMAN utilizado para describir el tamao del sistema y
sus parmetros de entrada y los valores de salida asociados. Las declaraciones
numeradas <1> y <9> indican el inicio y el final de la estructura experimental. Cada
una de las declaraciones restantes, cuyos nmeros se muestran entre parntesis
en ngulo se describen a continuacin.
52
BEGIN;
<1>
PROJECT,TOLL BOOTH SIMULATION,MARK FLEISCHER, 10/01/94;

DISCRETE,200,3;
<2>
<3>
RESOURCES: 1, EXPB:
2, GENB1:
3, GENB2;
<4>
PARAMETERS: 1,3:
2,6:
3,0,3,.6,8,.9,13,1.0,18;
<5>
DSTAT: 1, NQ(1), EXP Q:
2, NQ(2), GEN1 Q: 3, NQ(3), GEN2 Q: 4, NR(1), EXP BOOTH: 5, NR(2),
GBOOTH 1:
6, NR(3), GBOOTH 2;
<6>
TALLIES: 1, WAIT IN EXP Q:
2, WAIT IN GEN1 Q:
3, WAIT IN GEN2 Q;
REPLICATE,1,0,7200;
END;
<7>
<8>
<9>
Figura 15.10 Estructura experimental del programa SIMAN para el problema de la

New Jersey Turnpike Commission
53
NMERO DE
DECLARACIN
<2>
<3>
<4>
<5>
<6>
<7>
<8>
DESCRIPCIN
Proporciona el ttulo, el autor y los datos del
programa. Esta informacin aparece en la parte
superior de todos los resultados obtenidos con
SIMAN.
Indica qua se trata de un suceso DISCRETO que
permite como mximo 200 transacciones
(vehculos) de manera simultnea en el sistema
Indica qua existen tres RECURSOS numerados 1,
2 y 3 con los nombres EXPB, GENB1, GENB2,
correspondientes a las tres casetas de cobro.
Proporciona valores numricos pare los datos
determinsticos y probabilsticos. En este caso, la
primera lnea indica una tasa promedio de
llegadas de un vehculo cada 3 segundos; la
segunda lnea indica un tiempo promedio de
servicio de 6 segundos en la caseta rpida; y la
tercera lnea as la distribucin acumulada del
tiempo de servicio pare las casetas generales,
que, como se muestra en la figura 15.12, de 0
hasta 3 segundos, aumenta linealmente a 0.6 en 8
segundos, a 0.9 en 13 segundos y a 1.0 en 18
segundos.
Identifica los valores de salida estndar que sern
informados en la simulacin: las estadsticas de
las longitudes de las tres colas, denotadas con
NQ(1), NQ(2) y NQ(3), y las estadsticas,
incluyendo la utilizacin, para los tres recursos
(servidores) denotados con NR(1), NR(2) y NR(3).
Indica qua adems de los valores de salida
estndar de <6>, tres estadsticas ms deben ser
REGISTRADAS, como se describir mis adelante
en el modelo.
Indica qua la simulacin debe llevarse a cabo una
vez, empezando en el tiempo 0 y terminando
despus de 7200 segundos (2 horas).
54
55
56
EL MODELO DEL PROBLEMA DE LA NEW JERSEY TURNPIKE COMMISSION

Las declaraciones que conforman el modelo del programa SIMAN se muestran en
la figura 15.11, y se utilizan para describir la forma en que funciona el sistema.
Considere cmo fluye una transaccin (vehculo) por el sistema. Se presentan los
sucesos de la pgina siguiente:
RESULTADO DEL PROGRAMA SIMAN PARA EL PROBLEMA DE LA NEW

JERSEY TURNPIKE COMMISSION
Al correr el programa en las figuras 15.10 y 15.11, se obtiene el resultado de la
figura 15.13. La primera parte es la informacin proporcionada en la declaracin
<2> de la estructura experimental de la figura 15.10.
La siguiente parte del resultado muestra las estadsticas para los tiempos de
espera en las tres colas, como se pide en la declaracin <7> de la estructura
experimental y presentada en las declaraciones <10>, <15> y <20> del modelo.
Por ejemplo, el tiempo de espera promedio para los 736 autos que llegan a la cola
rpida es de 7.7884 segundos con una desviacin estndar de 1.5673 segundos.
Estadsticas similares son proporcionadas para las dos colas generales.
57
La parte final del resultado de la figura 15.13 proporciona las estadsticas

correspondientes a la longitud de las tres colas y a la utilizacin de las casetas.
Por ejemplo, hay un promedio de 0.79615 autos esperando en la fila de la caseta
rpida con una desviacin estndar de 1.7369. Los nmeros mnimo y mximo de
vehculos en esta fila son 0 y 9, respectivamente. Al final de dos horas de
simulacin, no hay ningn carro esperando en esa fila. Se reportan estadsticas
similares para las colas de las dos casetas generales. Las ltimas tres lneas
proporcionan las estadsticas correspondientes a la utilizacin de las tres casetas.
Por ejemplo, la utilizacin promedio de la caseta rpida es de 0.61686, con una
desviacin estndar de 0.78811. Esta caseta est ocupada aproximadamente 62%
del tiempo. Se dan estadsticas parecidas para la utilizacin de las dos casetas
generales.
En la presente seccin usted ha visto cmo se utilizan los paquetes de software
especializados y de propsitos generales para efectuar una simulacin. Como
podra esperar, tales paquetes, por lo general, acortan el tiempo requerido para
desarrollar
SIMAN PARA EL PROBLEMA DE LA NEW JERSEY TURNPIKE COMMISSION
Al correr el programa en las figuras 15.10 y 15.11, se obtiene el resultado de la
figura 15.13. La primera parte es la informacin proporcionada en la declaracin
<2> de la estructura experimental de la figura 15.10.
La siguiente parte del resultado muestra las estadsticas para los tiempos de
espera en las tres colas, como se pide en la declaracin <7> de la estructura
58
experimental y presentada en las declaraciones <10>, <15> y <20> del modelo.

Por ejemplo, el tiempo de espera promedio para los 736 autos que llegan a la cola
rpida es de 7.7884 segundos con una desviacin estndar de 1.5673 segundos.
Estadsticas similares son proporcionadas para las dos colas generales.
La parte final del resultado de la figura 15.13 proporciona las estadsticas
correspondientes a la longitud de las tres colas y a la utilizacin de las casetas.
Por ejemplo, hay un promedio de 0.79615 autos esperando en la fila de la caseta
rpida con una desviacin estndar de 1.7369. Los nmeros mnimo y mximo de
vehculos en esta fila son 0 y 9, respectivamente. Al final de dos horas de
simulacin, no hay ningn carro esperando en esa fila. Se reportan estadsticas
similares para las colas de las dos casetas generales. Las ltimas tres lneas
proporcionan las estadsticas correspondientes a la utilizacin de las tres casetas.
Por ejemplo, la utilizacin promedio de la caseta rpida es de 0.61686, con una
desviacin estndar de 0.78811. Esta caseta est ocupada aproximadamente 62%
del tiempo. Se dan estadsticas parecidas para la utilizacin de las dos casetas
generales.
En la presente seccin usted ha visto cmo se utilizan los paquetes de software
especializados y de propsitos generales para efectuar una simulacin. Como
podra esperar, tales paquetes, por lo general, acortan el tiempo requerido para
desarrollar un modelo de simulacin, cuando se le compara con la escritura de su
59
propio programa en un lenguaje de computacin estndar, como C o Pascal.

Independientemente de qu lenguaje utilice, necesita determinar qu tan larga
debe ser cada corrida de simulacin y cuntas corridas hacer de modo que se
tenga confianza en las estadsticas obtenidas. Tales cuestiones se ven en la
siguiente seccin.
15.5 ANALISIS ESTADISTICO DEL RESULTADO DE LA SIMULACION
De los ejemplos de las secciones 15.1 a 15.3, usted ha visto que la simulacin es
una herramienta exitosa para el estudio de problemas complejos que no pueden
analizarse directamente mediante tcnicas matemticas. Al disear una simulacin
asociada en la que son generados los nmeros aleatorios adecuados, y haciendo
use de otros datos de entrada, se puede obtener una estimacin del resultado
deseado. Sin embargo, es importante darse cuenta de que una sola simulacin
proporciona solamente un valor, de entre muchos posibles, del resultado. Esto se
debe a que todos los nmeros aleatorios utilizados para efectuar los clculos, de
hecho, estn basados en el primer nmero seleccionado de la tabla uniforme de
nmeros aleatorios o generador. Al seleccionar un nmero aleatorio uniforme
inicial diferente y efectuar los mismos clculos se tendr como resultado un valor
diferente del resultado.
Recuerde el problema de comparacin de la hipoteca de tasa fija con la de tasa
variable de la seccin 15.1, en el cual usted desea determinar el valor presente
neto esperado de las diferencias de las dos formas de pago de la hipoteca.
Aunque no se conoce el valor "verdadero" del resultado, la simulacin le sirve de
ayuda para estimar su valor. Al utilizar el nmero aleatorio uniforme inicial tomado
de la hilera 16, columna 1 de la tabla del apndice A, la primera corrida de la
simulacin estima el nmero en -92.6696, como se muestra en la primera hilera de
la tabla 15.4. Basndose en esta estimacin, usted llegara a la conclusin de que
la hipoteca de tasa variable es mejor. Sin embargo, si el nmero aleatorio uniforme
inicial se elige de la hilera 22, columna 1, los mismos clculos tienen como
resultado una estimacin de +11.09258, como se ve en la hilera 7 de la tabla 15.4.
En este caso, usted llegara a la conclusin de que la hipoteca de tasa fija es
mejor.
En otras palabras, el resultado de una sola simulacin puede conducir a
estimaciones diferentes y, en consecuencia, a conclusiones distintas, dependiendo
de qu nmero aleatorio uniforme inicial se haya escogido. Por tanto, en general
usted no puede tener confianza en el resultado obtenido con una Bola simulacin.
En vez de ello, es necesario repetir la simulacin muchas veces, obteniendo, por
consiguiente, diferentes resultados. Entonces, tomando un promedio, puede
obtener una estimacin ms confiable de la "verdadera" media del valor del
resultado.
Haciendo una analoga, el valor del resultado obtenido a partir de una sola corrida
de simulacin es lo mismo que obtener una estimacin de una poblacin entera
basndose en una sola observacin especfica. Por ejemplo, en la fabricacin de
bombillas de luz, se est interesado en estimar su vida promedio, que es el
nmero de horas que pueden funcionar hasta que se funden. Para estimar este
valor, puede tomar una muestra aleatoria de una sola bombilla y estimar cunto
dura encendida. Sin embargo, suponga que la bombilla dura solamente 15 horas.
60
Creera usted que la vida promedio de todas las bombillas de la produccin es de

solamente 15 horas? Probablemente no. En otras palabras, no se puede
determinar la vida promedio de una poblacin completa (de bombillas), basndose
en una sola observacin. En vez de hacer eso, usted probara muchas bombillas
aleatoriamente y determinara su vida promedio. Si el tamao de la muestra es lo
suficientemente grande, entonces tendra una estimacin confiable de la vida
promedio de las bombillas de la poblacin completa.
El objetivo de la presente seccin es ayudarle a determinar cuntas corridas de
simulacin son necesarias para lograr un nivel deseado de confianza en el valor
del resultado. Despus de todo, algunas decisiones importantes pueden verse
influidas por los resultados de su simulacin, de modo que debe tener confianza
en que los nmeros que respaldan sus decisiones son precisos. El nmero de
corridas que se deben hacer depende de qu tipo de valores de salida se estn
estimando. En esta seccin se lleva a cabo dicho anlisis para los dos tipos
siguientes de valores de salida.
1. Estimacin de la media de un valor de salida. Por ejemplo, para el problema
de la comparacin de las hipotecas de tasa fija y tasa variable de la seccin
15.1, el resultado es el valor presente neto de las diferencias en los 15
pagos anuales. El objetivo del estudio de simulacin es estimar el valor
presente neto estimado.
2. Estimacin de una proporcin. Por ejemplo, suponga que el objetivo del
problema de comparacin de la hipoteca de tasa variable con respecto a la
de tasa fija, de la seccin 15.1, es estimar la probabilidad de que la hipoteca
de tasa variable sea significativamente mejor que la hipoteca de tasa fija. Si
usted cree que una diferencia en el valor presente neto de los quince pagos
anuales de menos de 50 es significativa, entonces esta probabilidad se
estima mediante la proporcin de las corridas de simulacin que tengan
como resultado que la diferencia sea menor que -50.
En ambos casos, usted desea determinar cuntas veces correr la simulacin, de
modo que los resultados obtenidos estn dentro de una precisin especificada.
15.5.1 Determinacin del tamao de muestra para estimar un valor de media
Para entender cuntas veces se debe repetir una simulacin cuando el objetivo
consiste en estimar la media de un valor de salida, es mejor empezar por escoger
un nmero especfico de corridas de simulacin y preguntarse qu tan precisa es
la estimacin del valor de salida obtenido. Para responder a esta pregunta se
requiere la creacin de un intervalo de confianza alrededor de la estimacin.
CREACIN DE UN INTERVALO DE CONFIANZA PARA LA MEDIA VERDADERA

DE UN RESULTADO DE SALIDA
61
Recuerde de nuevo el problema de la comparacin de la hipoteca de tasa variable

con la de tasa fija, en el cual el valor de salida es el valor presente neto esperado,
digamos u, de las diferencias entre los pagos anuales de tasa variable y de tasa
fija durante los 15 aos. En la seccin 15.1, se usa el promedio de 35 corridas de
simulacin para obtener una estimacin de X= -78.9361 para . La pregunta ahora
es: qu tan cerca est este valor estimado del valor verdadero de ?
Para responder a esta pregunta, recuerde lo que sabe de estimacin estadstica.
El objetivo consiste en determinar un valor de e y crear un intervalo de la forma:
xe
de modo que, con un cierto grado de confianza, se puede decir que la media
verdadera, u, est en este intervalo. Usted selecciona el "grado de confiaza en la
forma de un valor de a entre cero y uno, de manera que con una confianza de (1) * 100% se puede decir que est en este intervalo. Por ejemplo, para tener una
confianza de 95%, escogera un valor de = 0.05.
CARACTERSTICAS CLAVE
Habiendo escogido un valor apropiado de a, calcule el intervalo de confianza
asociado mediante:
x t ( n1), / 2 *
s
n
En la que:
n
= tamao de la muestra (es decir, el nmero de corridas de simulacin)
x
= promedio de muestra
s
= desviacin estndar de la muestra
t (n-1),/2 = valor de la distribucin t con n - 1 grados de libertad, de modo que el
rea que est a la derecha de este valor es /2.
Para ilustrar lo anterior con el ejemplo de la hipoteca, en el cual:
= 0.05
n
= 35
x
= -78.9361
s
= 42.18124
t (n-1),/2 = 2.03 (vase la tabla t del apndice B)
el intervalo de confianza asociado es:
x( t
(n -1),/2
= -78.9361
s
n
42.18124
2.03 *
35
62
= -78.9361 14.47
En otras palabras, usted puede estar 95% confiado en que el valor presente neto
esperado de las diferencias en los pagos anuales variables y fijos en el periodo de
15 aos est dentro de una distancia de 14.47 unidades del valor estimado de 78.9361, obtenido con las 35 corridas de simulacin. En consecuencia, a este
valor de e = 14.47 se le conoce como precisin de la estimacin
y representa
una medida de qu tan confiable es la salida de la simulacin.
Para un valor fijo de , la precisin de la estimacin puede mejorarse aumentando
solamente el tamao de la muestra, n, lo cual significa aumentar el nmero de
corridas de una simulacin de simulacin. Ahora aprender cmo determinar ese
valor para lograr una precisin deseada en la estimacin.
DETERMINACION DEL TAMAO DE MUESTRA PARA LOGRAR UN NIVEL DE
CONFIANZA Y UNA PRECISION DADOS
Suponga que usted siente que el nivel de confianza de 14.47, calculado
anteriormente y asociado con un intervalo de confianza de 95%, debera ser
reducido a e =10. Esto es, le gustara saber que el verdadero valor presente neto
esperado de las diferencias en los pagos de la hipoteca esta dentro de 10
unidades del valor estimado por la simulacin. Este objetivo puede lograrse
mediante el aumento del nmero de corridas de simulacin de n = 35 a un nuevo
valor, n*, tal que:
e = t ( n 1), / 2 *
s
n
Resolviendo para n* se tiene:
t ( n*1), / 2 * s
n * =
e
Aunque se sabe que el valor de e es de 10, el de t (n-1),/2 un depende de n*. Mas

an, el valor de la desviacin estndar de la muestra, s, no puede ser determinado
hasta que se lleven a cabo las n* simulaciones (y todava no se conoce el valor de
n*).
Para valores grandes de n, la distribucin t puede ser aproximada bastante bien
por la distribucin normal estndar, de modo que un planteamiento para resolver el
problema de que t (n-1),/2 depende de n* consiste en sustituir t (n-1),/2 con el
correspondiente valor de la normal estndar. Especficamente, t (n-1),/2 es
sustituido por x,,, de manera que el rea bajo la curva de la distribucin normal que
se encuentra a la derecha de este valor es /2. Esto es:
63
z *s
n* = / 2
CARACTERSTICAS CLAVE
Un enfoque alternativo se utiliza para resolver el hecho de que el valor de s no se
conoce:
Paso 0. Seleccione un valor inicial para n.
Paso 1. Efecte n corridas de simulacin.
Paso 2. Basndose en los resultados de todas las corridas de simulacin, calcule
x, s y
z *s
n* = / 2
Paso 3.
Sin >_ n*, detenga el proceso. Ya se han efectuado suficientes corridas

de simulacin. En cualquier otro caso, efecte n* - n corridas de
simulacin. En cualquier otro caso, efecte n* - n ms corridas de
simulacin. Ahora ya ha realizado un total de n* simulaciones, de modo
que haga el tamao de la muestra n = n* y regrese al paso 2.
Lleve a cabo los pasos dados como caractersticas clave con el ejemplo de la
hipoteca, en el cual:
= 0.05
e
= 10
z /2 = 1.96
Paso 0. Seleccione un valor inicial para n, digamos n = 35. Paso 1. Efecte n
corridas de simulacin.
Paso 2. Basndose en los resultados de todas las corridas de simulacin, como se
muestra en la tabla 15.4, seccin 15.1, calcule
x = -78.9361
s = 42.18124
z *s
n* = / 2
1.96 * 42.18124
=
10
64
= 70.413 (redondeado a 71)

Paso 3. Como n = 35 < n* = 71, es necesario llevar a cabo n* - n = 71- 35 = 36
corridas de simulacin ms, antes de regresar al paso 2.
Observe que los pasos 2 y 3 se repiten hasta que n excede a n*. De la frmula
para n*, se puede ver que a medida que disminuye el valor de e (esto es, usted
desea una estimacin mAs precisa), el valor de n* aumenta. Por ejemplo, si e es
reducido en un factor de 2, de 10 a 5, n* aumenta en un factor de 4, de 71 a
aproximadamente 282.
Aqu usted ha aprendido cmo determinar un nmero apropiado de corridas de
simulacin para estimar la media de un valor de salida, a fin de lograr un nivel
deseado de precisin. Un anlisis parecido se necesita cuando el objetivo es
estimar una proporcin.
15.5.2 Determinacin del tamao de muestra para estimar una proporcin
Para entender cuntas veces se debe repetir una simulacin cuando el objetivo
consiste en estimar una proporcin, resulta mejor empezar por escoger un nmero
especfico de corridas de simulacin y preguntarse qu tan precisa es la
estimacin obtenida. Responder a esta pregunta requiere la creacin de un
intervalo de confianza alrededor de la estimacin de la proporcin.
CREACIN DE UN INTERVALO DE CONFIANZA PARA UNA PROPORCIN
A manera de ejemplo, recuerde de nuevo el problema de la comparacin de la
hipoteca de tasa variable con la de tasa fija, de la seccin 15.1, en el cual el
objetivo ahora es determinar la probabilidad (n) de que el valor presente neto de
las diferencias en los 15 pagos anuales sea menor que -$50. Lo anterior se estima
mediante el clculo de la proporcin (p) de corridas en las que este suceso se
presenta. Por ejemplo, del resultado de las 35 corridas que se presenta en la tabla
15.4, de la seccin 15.1, 26 tuvieron como resultado un valor presente neto de las
diferencias menor a -50. Por consiguiente, la estimacin de la probabilidad es:
26
= 0.743
35
La pregunta ahora es: qu tan cercano est este valor estimado, p, del verdadero
valor de ?
Para responder esta pregunta, vulvase hacia la estimacin estadstica. El objetivo
consiste en determinar un valor para e y en crear un intervalo de la forma:
p=
pe
de manera que, con un cierto grado de confianza, usted pueda decir que la
proporcin verdadera, n, se encuentra en dicho intervalo. Usted escoge el "grado
de confianza" en la forma de un valor para a entre 0 y 1, de modo que con una
confianza de (1- ) * 10090, pueda decir que n est en este intervalo. Para tener
una confianza de 95%, usted debera escoger un valor de a = 0.05.
65
CARACTERISTICAS CLAVE
Tanto n * p = 35 * 0.743 = 26 como n * (1-p) = 35 * 0.257 = 9 son mayores que 5,
de modo que el intervalo de confianza asociado, utilizando la aproximacin normal
est dado por:
p z / 2 *
p(1 p)
en la que:
n
= tamao de la muestra (es decir, el nmero de corridas de simulacin)
p
= proporcin de la muestra
z/2 = valor de z tomado de la distribucin normal estndar, de modo que el rea
que se encuentra a la derecha de z es /2.
En el ejemplo de las hipotecas:
=
n =
p =
z/2 =
0.05
35
0.743
1.96 (ver la tabla estndar normal en el apndice B)
En otras palabras, a usted le gustara saber la probabilidad verdadera de que el

valor presente neto de las diferencias en los pagos anuales variables y fijos,
durante los 15 aos, sea menor que -50. De los clculos anteriores, usted puede
tener una confianza de 95% de que este valor estar a 0.145 de la estimacin de
0.743, obtenida de las 35 corridas de simulacin. Esta precisin de la estimacin,
0.145, significa una medida de qu tan confiable es la salida de la simulacin.
Para un valor fijo de a la precisin de la estimacin puede mejorarse solamente
aumentando el tamao de la muestra n, el nmero de corridas de simulacin.
66
DETERMINACION DEL TAMAO DE MUESTRA PARA LOGRAR UN NIVEL

DE CONFIANZA Y UNA PRECISIN DADOS
Suponga que siente que el nivel de precisin de 0.145, calculado anteriormente y
asociado con un intervalo de confianza de 95%, debera reducirse a e = 0.10. Este
objetivo puede Ilevarse a cabo aumentando el nmero de corridas de simulacin
de n = 35 hasta un nuevo valor n*, de modo que:
Resolviendo para n* se obtiene:
Se sabe que el valor de e es de 0.10 y que el de z/2 es de 1.96, de la tabla normal

estndar del apndice B. Sin embargo, el valor de la proporcin de la muestra, p,
no se puede determinar hasta que se lleven a cabo las n* corridas de simulacin (y
n* todava no se conoce).
CARACTERISTICAS CLAVE
Se utiliza un planteamiento iterativo para resolver el hecho de que el valor de p no
se conoce:
Paso 0. Seleccione un valor inicial para n. Paso 1. Efecte n corridas de
simulacin.
Paso 2. Basndose en los resultados de todas las corridas de simulacin, calcule
p, y
Paso 3. Si n n*, detenga el proceso. Ya se han efectuado suficientes corridas de

simulacin. En cualquier otro caso, efecte n* - n corridas ms de
simulacin.
Ahora ya ha realizado un total de n* simulaciones, de modo que haga el tamao de
la muestra n = n* y regrese al paso 2.
Con el ejemplo de las hipotecas:
67
= 0.05
e = 0.10
z/2 = 1.96
lleve a cabo los siguientes pasos:
Paso 0. Seleccione un valor inicial para n, digamos n = 35.
Paso 1. Efecte n corridas de simulacin.
Paso 2. Basndose en los resultados de todas las corridas de simulacin, como se
muestran en la tabla 15.4, de la seccin 15.1, calcule:
p = 0.743
Paso 3.
= 73.36 (redondeado a 74)

Como n = 35 < n* = 74, es necesario efectuar n* - n = 74 - 35 = 39
corridas de simulacin ms, antes de regresar al paso 2.
Observe que los pasos 2 y 3 se repiten hasta que n excede a n*.

En la presente seccin, usted ha visto cmo la salida de una sola simulacin es
justamente uno de muchos valores que se pudieron haber obtenido, dependiendo
del nmero aleatorio uniforme inicial especifico que se escoja. Para obtener una
estimacin ms precisa del valor de salida, deben efectuarse muchas corridas de
simulacin, cada una con un nmero aleatorio uniforme inicial diferente. Tambin
ha aprendido cmo determinar el nmero de tales corridas que se deben efectuar
para lograr una precisin especfica. A continuacin, se analizan cuestiones
adicionales correspondientes a la simulacin desde un punto de vista gerencial.
CONSIDERACIONES GERENCIALES COMPLEMENTARIAS
Hasta aqu ha visto cmo y cundo los gerentes usan la simulacin para analizar
sistemas complejos. Los gerentes, entonces, toman decisiones basndose en los
resultados de la simulacin. En las Consideraciones gerenciales del captulo 14,
aprendi la importancia de obtener datos confiables. En esta seccin, se analizan
otras varias cuestiones relacionadas con el use de la simulacin y la implantacin
de los resultados.
Validacin
Recuerde que la principal ventaja de la simulacin por computadora es estudiar los
sistemas complejos que no pueden analizarse matemticamente de manera
directa. El propsito del modelo de computadora es imitar el sistema, pero la salida
puede no ser exacta debido a dos razones:
68
1. Inexactitud en la construccin del modelo. Su modelo puede no imitar de

manera precisa el sistema real porque:
a. El sistema es tan complejo que usted consciente (o inconscientemente)
excluye ciertos aspectos.
b. Al desarrollar el modelo, tal vez haya hecho ciertas suposiciones que no
reflejen la realidad. Tal vez se vio forzado a tomar estas suposiciones
porque careci de informacin o porque deseaba simplificar el modelo. Por
ejemplo, al simular el sistema de colas de la Comisin de Autopistas de
Nueva Jersey, usted supuso que una vez que un vehculo elige la lnea ms
corta disponible que conecta con la plaza de peaje, el vehculo
permanecer en esa lnea. En la prctica, sin embargo, un vehculo puede
cambiar a otra lnea disponible que se acorte o que parezca avanzar ms
rpidamente.
2. Inexactitud en los valores de los datos. Puede haber estimado algunos
valores de entrada de manera inexacta.
Por estas razones, desea validar su modelo de computadora antes de confiar en
sus salidas. Esto es, desea asegurarse de que el modelo no contiene descuidos o
errores numricos importantes y proporciona una representacin adecuada del
sistema que se est simulando.
Un modelo de computadora se valida de cualquiera de las siguientes maneras:
1. Antes de usar un modelo de simulacin para estudiar los cambios a un
sistema existente, primero modele el sistema actual. Para el problema de la
Comisin de Autopistas de Nueva Jersey, primero debera simular el sistema
existente con tres garitas generales para ver si los tiempos de espera, largo
de las colas y aprovechamiento promedio que el modelo produce se ajustan
a las actuales condiciones operativas. S1o entonces debera modelar el
sistema propuesto, en el que una garita general se convierte en una garita
rpida para atender carros con dos o ms pasajeros.
2. Asegrese de que los resultados de la simulacin por computadora son
consistentes con sus expectativas basadas en su conocimiento del sistema.
3. Antes de implantar cualquier cambio, conduzca un estudio piloto a pequea
escala basado en los resultados del modelo de simulacin para ver que los
resultados reales se ajustan a los predichos por el modelo. Por ejemplo, la
Comisin de Autopistas de Nueva Jersey debera crear una garita rpida en
una sola plaza de peaje y comparar los resultados con las predicciones del
modelo de simulacin. Una vez satisfecha, la gerencia puede considerar
hacer cambios similares en otras plazas de peaje.
Aspectos estadsticos de la simulacin
Como aprendi en el capitulo 14, un conjunto de valores de entradas a un modelo
de simulacin es el conjunto de condiciones iniciales que describe el estado del
sistema en el momento en que comienza la simulacin. En muchos casos, estos
valores se fijan y determinan fcilmente debido a la naturaleza del sistema. Por
ejemplo, al simular la operacin diaria de un banco, los valores iniciales que
describen las condiciones al principio de la simulacin (es decir, el da) son que
todava no hay clientes en el sistema y, en consecuencia, que todos los cajeros
69
disponibles estn ociosos. En contraste, en algunos problemas, no se dispone tan

fcilmente de las condiciones iniciales o, de hecho, no se conocen. Por ejemplo, al
simular la operacin de la hora de mayor afluencia de la plaza de peaje para el
problema de la Comisin de Autopistas de Nueva Jersey, las condiciones iniciales
consisten en el numero de vehculos en cada una de las tres garitas de peaje y el
estado ociosa/ ocupada de cada garita. Estos valores varan de da en da y no
pueden conocerse con certeza. En tales casos, los valores iniciales generalmente
se escogen de una de las siguientes maneras:
1. Asignando valores sobre la base de su conocimiento de cmo trabaja el
sistema y qu sera lo ms factible esperar en el tiempo correspondiente al
inicio de la simulacin.
2. Asignando cualesquier valores iniciales razonables y corriendo la simulacin
el tiempo suficiente para minimizar la influencia de las condiciones iniciales.
Por ejemplo, el que asigne uno o diez vehculos a cada una de las garitas de
peaje tendr poco impacto en las estadsticas finales si la simulacin se corre
durante un periodo de 2 horas.
3. Asignando cualesquier valores iniciales razonables y corriendo la simulacin
durante algn periodo inicial, digamos, T'. Despus descartando todas las
estadsticas acumuladas durante este periodo excepto las condiciones
finales. Use las condiciones finales como las condiciones iniciales para correr
otra simulacin. Este segundo conjunto de estadsticas se compila entonces
y se registra
El anlisis estadstico se usa para determinar la longitud apropiada de la corrida de
la simulacin en el paso 2 y el periodo de tiempo inicial T' en el paso 3. Estos
anlisis estn ms all del alcance de este libro, pero pueden encontrarse en
cualquier libro estndar sobre simulacin por computadora.
Como se analiz en la seccin 15.5, la obtencin del valor de salida de una sola
corrida de simulacin es estadsticamente anloga a extraer una sola muestra de
una poblacin. En la seccin 15.5 aprendi cmo determinar el nmero de corridas
de simulacin necesarias para lograr un nivel especfico de confianza al estimar el
promedio del valor de salida. Otro aspecto importante implicado en el diseo de un
modelo para simular un sistema de no terminacin es la longitud de cada corrida
de simulacin. En el problema de la Comisin de Autopistas de Nueva Jersey, se
decidi que la longitud de la simulacin fuera de 2 horas porque el periodo tpico
de horas pico es de 2 horas. Sin embargo, podra ser posible obtener estimaciones
confiables del valor de salida simulando durante un periodo de s1o 30 minutos.
La determinacin de la longitud apropiada requiere un tipo de anlisis estadstico
que est ms all del alcance de este libro, pero puede hallarse en libros estndar
sobre simulacin por computadora.
Asuntos computacionales
La realizacin de cualquier simulacin requiere escribir un programa de
computacin para imitar el sistema real y recolectar las estadsticas apropiadas.
Puede utilizar los paquetes disponibles, como se analiz en la seccin 15.4 o
70
escribir un programa especialmente diseado para su sistema y necesidades en

un lenguaje de computadora adecuado. Como gerente, es importante darse cuenta
de que ambos enfoques requieren habilidades de programacin significativas. Ms
afro, una vez que se desarrollan los modelos de computadora, su corrida para
obtener los valores de salida a menudo requiere cantidades sustanciales de
tiempo de computadora (algunas veces horas) debido a la longitud de cada corrida
y al nmero de corridas necesarias para obtener estimaciones confiables.
El uso de un paquete de simulacin ahorra tiempo en el desarrollo del modelo,
pero el software puede correrse con bastante lentitud. A la inversa, escribir su
propio programa toma ms tiempo de desarrollo, pero el programa elaborado
generalmente usa menos tiempo de computadora porque ha sido diseado para
un problema particular. Existe, entonces, un equilibrio entre el tiempo de desarrollo
y el esfuerzo computacional. Como pauta general, si pretende usar el modelo de
simulacin repetidamente, tal vez cada semana o cada mes, podra valer la pena,
hacer un esfuerzo extra en el desarrollo de su propio programa de simulacin para
ahorrar, en lo subsecuente, un tiempo significativo de computadora.
RESUMEN
En este captulo ha visto aplicaciones del use de la simulacin por computadora
para tomar decisiones en reas tan diversas como las finanzas, la administracin
de inventarios y los sistemas de colas. La salida obtenida de una corrida de
simulacin es slo uno de los muchos valores posibles. Por tanto, en general, no
puede confiar en el valor de salida obtenido de una sola corrida. Ms bien,
necesita repetir la corrida de simulacin muchas veces, usando cada vez un
nmero aleatorio uniforme inicial diferente, para obtener as, distintos valores de
salida. El nmero real, n, de corridas a realizarse se basa en si est estimando la
media de un valor de salida o una proporcin y tambin en el grado de confianza y
exactitud deseado en la forma de un valor para a y e, respectivamente.
Recuerde que aunque la simulacin requiere cantidades significativas de
experiencia y esfuerzos de desarrollo computacionales, la tcnica es la nica que
puede proporcionar informacin til y confiable para la mayora de los sistemas
grandes y complejos del mundo real.
RESUMEN
En este captulo ha visto aplicaciones del use de la simulacin por computadora
para tomar decisiones en reas tan diversas como las finanzas, la administracin
de inventarios y los sistemas de colas. La salida obtenida de una corrida de
simulacin es slo uno de los muchos valores posibles. Por tanto, en general, no
puede confiar en el valor de salida obtenido de una sola corrida. Mas bien,
necesita repetir la corrida de simulacin muchas veces, usando cada vez un
nmero aleatorio uniforme inicial diferente, para obtener as, distintos valores de
salida. El numero real, n, de corridas a realizarse se basa en si est estimando la
media de un valor de salida o una proporcin y tambin en el grado de confianza y
exactitud deseado en la forma de un valor para a y e, respectivamente.
Recuerde que aunque la simulacin requiere cantidades significativas de
experiencia y esfuerzos de desarrollo computacionales, la tcnica es la nica que
71
puede proporcionar informacin til y confiable para la mayora de los sistemas

grandes y complejos del mundo real.
EJERCICIOS
EJERCICIO 15.1 La ciudad de Tokio est considerando construir un pequeo
aeropuerto domstico con una pista de despegue y aterrizaje sobre terrapln en la
baha de Tokio. La pista operar durante las horas de 6 A.M. hasta media noche.
Se espera que las aeronaves aterricen durante este horario de acuerdo con un
proceso de Poisson a una tasa promedio de 30 por hora. Se supone que el tiempo
transcurrido entre las salidas de las aeronaves sigue una distribucin exponencial,
con una media de 1 minuto. El anlisis de datos de operaciones similares indica
que el tiempo requerido para aterrizar o despegar y salir de la pista se distribuye
normalmente, con una media de 90 segundos y una desviacin estndar de 30
segundos. El gerente de la Comisin de Trafico Areo desea saber el promedio de
tiempo que tarda un avin que llega en esperar pista y la misma estadstica para
un vuelo que sale. Suponga que la aeronave use la pista sobre la base de que el
primero en llegar es el primero en atenderse, sin importar el que la nave est
aterrizando o despegando. Suponga tambin que la simulacin comienza sin
ninguna aeronave en el sistema. Complete la siguiente tabla usando IDS tres
nmeros aleatorios comenzando en la columna 3 de la fila 1 de la tabla del
apndice A para determinar IDS tiempos en los que los siguientes tres aviones
(A3) A4, A6) entran al sistema para aterrizar. Despus use los tres nmeros
aleatorios comenzando en la columna 3 de la fila 10 para determinar la cantidad de
tiempo que cada uno de los aviones A3, A4, A5 requerir de uso de la pista para
aterrizar. Observe que todos IDS tiempos de la tabla estn en minutos.
NUMERO
DE
AERONA
VE
A1
A2
A3
A4
A5
TIEMPO DE LLEGADA
TIEMPO
TIEMPO DE
NUMERO
DE
ALEATOR INTERLLEGA
ENTRA
DAS
IO
DA
0.710621
0.689315
2.48
2.34
2.48
4.82
TIEMPO DE ATERRIZAJE
NUMERO VALO CANTIDAD
R DE TIEMPO
ALEATORI
DE
Z
O
ATERRIZA
JE
0.653071 0.39
1.70
0.407682 0.26
1.63
EJERCICIO 15.2 Contine la simulacin del ejercicio 15.1. Complete la siguiente

tabla usando los tres nmeros aleatorios comenzando en la columna 3 de la file 20
de la tabla del apndice A para determinar tiempos en los que los siguientes tres
aviones (D3, D4, D6) entran al sistema para despegar. Despus use los tres
nmeros aleatorios comenzando en la columna 3 de la fila 30 para determinar la
cantidad de tiempo de use de la pista que cada uno de los aviones D3, D4, D5
requerir para despegar. Observe que todos los tiempos de la tabla estn en
minutos.
72
NUMERO
DE
AERONA
VE
D1
D2
D3
D4
D5
TIEMPO DE SALIDA
TIEMPO DE
NUMERO
ALEATOR INTERLLEGA
DAS
IO
0.291777
0.790803
0.34
1.56
TIEMPO
DE
ENTRA
DA
0.34
1.91
TIEMPO DE DESPEGUE
NUMERO VALOR CANTIDAD
ALEATORI
Z
DE TIEMPO
O
DE
ATERRIZA
JE
0.098975
-1.29
0.86
0.186970
-0.90
1.05
EJERCICIO 15.3 Contine la simulacin del ejercicio 15.1. Complete la siguiente

tabla combinando los resultados de los ejercicios 15.1 y 15.2 para determinar la
secuencia en la que los 10 aviones usan la pista, suponiendo que no ocurren otras
llegadas ni salidas. Para cada uno de estos 10 aviones:
a. Indique el tiempo en el que entra al sistema.
b. Determine los tiempos en los que el avin comienza y termina de usar la
pista.
c. Calcule la cantidad de tiempo que el avin tiene que esperar antes de que
empiece a usar la pista.
73

337 Lectura7.1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

337 Lectura7.1

Transféré par

Droits d'auteur :

Formats disponibles

LECTURA 7.

SIMULACIN POR COMPUTADORA:

SIMULACIN POR COMPUTADORA:

15.1.1 Descripcin del problema

15.1.2 Diseo de la simulacin

3. Los datos probabilsticos que se generan cuando es necesario y que consisten en

Uso de nmeros aleatorios uniformes

Nmero de aos restantes = n = 15

CONTABILIDAD PARA LOS AOS 4-6

y, de este modo, el pago anual para este periodo es:

CONTABILIDAD PARA LOS AOS 7- 9

102.34 102.34 105.60 105.60 105.60 108.53 108.53 108.53

Principal 66.68 70.35 72.37 77.08 82.09 86.15 93.04 100.48

1. Los pagos anuales basados en la hipoteca de tasa fija.

(tasa en los aos 7-9) + (tasa en los aos 10-12) +

Valor presente neto = A * rn

Valor presente neto = A * r

TABLA 15.4 Resumen de las 35 simulaciones del problema de las

Desv. Est =78.9361

15.2.1 Descripcin del problema

Por ejemplo, si s = 500 y S = 2000, entonces la poltica es pedir leche

2. Los datos determinsticos consisten en:

15.2.4 Generacin de nmeros aleatorios

Adems, siempre que se ordene un pedido, se necesita generar el tiempo

Como se analiz en la seccin 14.3, esto se puede llevar a cabo mediante lo

15.2.5 Diseo del esquema de contabilidad

Paso 2. Pedidos: observando que el inventario total de I = Io + I1 + ... +I6 =

1. Elija aleatoriamente un nmero aleatorio entre 0 y 1 de la tabla del

Las cantidades inventariadas, clasificadas por tiempo de almacenamiento deben

Paso 5. Clculo de la ganancia diaria: para calcular la ganancia diaria neta,

Prdida de los bancos de

* (prdida por galn)

galones con leche de 7 das de

Costo del pedido

= 0 (porque no se hace ningn pedido el da 1)

CONTABILIDAD PARA EL DIA 2

Paso 2. Pedidos: observe que el inventario total de I =10 + Il + . . . + IB =

Paso 5. Clculo de la ganancia diaria: como antes, la ganancia neta es:

Paso 5. Clculo de la ganancia diaria: como antes, la ganancia neta es:

Ganancia neta = (ganancia de la leche vendida a los expendios) - (prdida de la

Recuerde que el objetivo es determinar el valor del punto de nuevos pedidos, s, y

simulaciones parecidas. Seleccione entonces los valores de s y S que produzcan

No existen datos similares para la caseta rpida propuesta. No se espera que el

3. El use promedio de cada caseta, es decir, la fraccin de tiempo que tarda el

Generando un nmero aleatorio uniforme, U, entre 0 y 1.

GENERACION DEL TIEMPO DE SERVICIO EN UNA CASETA GENERAL

Figura 15.2 Funcin de distribucin acumulada del tiempo requerido

Figura 15.3 Generacin de un nmero aleatorio con la funcin de distribucin

ser atendidos y cuando el siguiente vehculo llega a la plaza de cobro. Estos

DETERMINACIN DEL MOMENTO EN QUE LLEGA EL SIGUIENTE VEHCULO

Estado del sistema al tiempo T = 0

El estado de la caseta es I para desocupado o B para ocupado.

Estos tiempos de llegada y de salida, y el estado del sistema se resumen en la

4. Siguiente llegada: estas columnas proporcionan el tiempo al cual llega el

Estos cambios estn resumidos en la tabla 15.7, en la hilera correspondiente al

CONTABILIDAD AL TIEMPO T=3.08

Estos cambios se resumen en la tabla 15.8, en la columna correspondiente al

Estado del sistema al tiempo T = 3.08

CONTABILIDAD AL TIEMPO T= 4.02

Estado del sistema al tiempo T= 4.02

Estas dos cantidades pueden obtenerse de la tabla 15.10. De la tabla, hasta un

Tiempo de espera promedio =

tiempo de espera total

CALCULO DEL NUMERO PROMEDIO DE VEHICULOS EN CADA CASETA