SIMULACIN

GERENCIAL

Anlisis de datos de salida Sensibilidad

ANLISIS DE DATOS DE SALIDA SENSIBILIDAD

1. ndice
1. Anlisis de Sensibilidad
2. Anlisis de Sensibilidad en Simulacin de Montecarlo
3. Ejemplos.

2. Introduccin
El propsito del presente documento es presentar a los estudiantes las herramientas grficas
y analticas para llevar a cabo un correcto anlisis de los datos de salida, teniendo muy
presente que son estos los resultados de los modelos de Simulacin y obtenidos luego de
haber corrido la simulacin.

Finalmente, se presentar al estudiante una serie de ejercicios relacionados para reforzar los
conocimientos adquiridos durante el desarrollo del mdulo.

3. Objetivo general
Al finalizar el mdulo, los estudiantes sabrn cules son las herramientas grficas y analticas
fundamentales para llevar a cabo un anlisis de datos de salida, as como su respectiva
aplicacin con el objetivo de realizar dicho anlisis y as hacer inferencias sobre el
comportamiento de los sistemas bajo estudio.

Al finalizar la sptima semana de aprendizaje:

1. El estudiante entender la importancia de realizar un anlisis de Datos de Salida

2. El estudiante conocer la forma de aplicar todos los conceptos vistos durante el
mdulo en el anlisis de Salida
3. El estudiante podr aplicaciones de pruebas estadsticas, resultados de los modelos
de Simulacin de Montecarlo

4. Desarrollo temtico

4.1 Recomendaciones acadmicas.

Se recomienda al estudiante realizar la lectura de la cartilla, en la cual se encuentra toda la

informacin relevante que se evaluar en la semana, adicional a la lectura de la cartilla se le
recomienda revisar las teleconferencias as como las video-diapositivas, pues estas son un
medio que puede aclarar las dudas generadas con la lectura o tambin dar soporte a los
temas expuestos en la misma.

2 [ POLITCNICO GRANCOLOMBIANO]


Finalmente, se le sugiere realizar los ejercicios planteados por el tutor ya que estos, a pesar
de no tener un valor porcentual en la nota, s harn que su formacin sea completa y pueda
ser reforzada de forma prctica.

4.2 Desarrollo de cada una de las unidades temticas.

1. ANLISIS DE SENSIBILIDAD

Un anlisis de sensibilidad es una tcnica a travs de la cual se intenta evaluar el efecto que
los parmetros de entrada o las restricciones especificadas de un modelo tienen sobre las
variables de salida del mismo tanto en trminos relativos como en trminos absolutos, con el
objetivo de cuantificar el riesgo.

El anlisis de sensibilidad puede servir para:

- Identificar las variables crticas del modelo.
- Identificar dnde se deben dedicar mayores esfuerzos en los procesos de planeacin,
control y seguimiento de las decisiones.
- Identificar las variables que deben ser incluidas en la creacin de escenarios o en los
modelos de Simulacin de Montecarlo.

2. ANLISIS DE SENSIBILIDAD EN SIMULACIN DE MONTECARLO

Teniendo en cuenta que por medio de la Simulacin de Montecarlo se pueden obtener varios
resultados para las diferentes variables involucradas en el modelo (Variables aleatorias,
Variables de decisin y variables de resultados) por medio de las diferentes iteraciones, el
anlisis de sensibilidad se puede realizar en varios niveles:

Anlisis de Sensibilidad de una variable: Teniendo en cuenta que por medio de las
iteraciones se obtienen diferentes valores para las variables de resultados, se pueden
realizar los siguientes anlisis:

- Estadsticas descriptivas de las variables de resultados: Se calculan con el objetivo de

entender el comportamiento de la distribucin de la variable por medio de las
medidas de dispersin y Variabilidad. Adicionalmente, se puede analizar el tercer y
cuarto momento de la distribucin.

Ejemplo: Luego de generar 1.000 iteraciones para el modelo planteado anteriormente

(Impermeables), se obtienen los siguientes resultados:

[ SIMULACUN GERENCIAL ] 3


Margen Total TX1 Margen Total TX2

Media 44.789.909 Media 44.901.602
Error tpico 93.824 Error tpico 74.388
Mediana 44.826.429 Mediana 45.600.765
Moda #N/A Moda #N/A
Desviacin estndar 2.966.987 Desviacin estndar 2.352.344
Varianza de la muestra 8.803.010.228.953 Varianza de la muestra 5.533.521.827.090
Curtosis -0,122867 Curtosis 0,447441
Coeficiente de asimetra -0,038616 Coeficiente de asimetra -0,974297
Rango 17.498.555 Rango 13.306.448
Mnimo 36.513.384 Mnimo 36.459.651
Mximo 54.011.938 Mximo 49.766.099
Suma 44.789.908.840 Suma 44.901.601.838
Cuenta 1.000 Cuenta 1.000

- Representacin grfica de las variables de resultado: La descripcin grfica se realiza
con el objetivo de corroborar los resultados obtenidos por medio de las estadsticas
descriptivas acerca del comportamiento de la distribucin de los resultados obtenidos.

Ejemplo: Luego de generar 1.000 iteraciones para el modelo planteado anteriormente

(Impermeables), se obtienen los siguientes resultados:

4 [ POLITCNICO GRANCOLOMBIANO]


Histograma - Margen Total - TX 1

90 120,00%
80 100,00%
Frecuencia

70
60 80,00%
50 60,00%
40
30 40,00%
20 20,00%
10 Frecuencia
0 0,00%
36513383,57
37642322,58

39900200,61
41029139,62
42158078,64
43287017,65
44415956,66
45544895,68
46673834,69
47802773,7
48931712,72
50060651,73
51189590,74
52318529,76
53447468,77
38771261,6

% acumulado

Clase

Histograma - Margen Total - TX 2

120 120,00%
100 100,00%
Frecuencia

80 80,00%
60 60,00%
40 40,00%
20 20,00%
Frecuencia
0 0,00%
36459651,23
37318131,74
38176612,25

40752053,77

42469014,79
43327495,29

45044456,31
45902936,82
46761417,32
47619897,83
48478378,34
49336858,85
44185975,8
39035092,76
39893573,26

41610534,28

% acumulado

Clase

- Clculo de probabilidades: Se pueden realizar clculos de probabilidades para cada

una de las variables de resultados del modelo de simulacin, ya que se tiene
diferentes valores por medio de las iteraciones. (Visto anteriormente en el curso)
- Estimacin por Intervalo: Se pueden realizar clculos de intervalos de confianza para
las diferentes variables de resultados del modelo de simulacin, ya que se tiene
diferentes valores por medio de las iteraciones. (Visto anteriormente en el curso)

Anlisis de sensibilidad de Variables aleatorias: Para analizar cada una de las variables
aleatorias que intervienen en el modelo de SMC, se analizan estas variables de forma

[ SIMULACUN GERENCIAL ] 5


individual con el objetivo de encontrar cul es el impacto de estas variables en las

variables de resultados.

Ejemplo: Con el objetivo de dar respuesta a los siguientes interrogantes, se generaron 1.000
iteraciones del modelo realizado anteriormente (TX-1 y TX-2), obteniendo como resultados:

En qu porcentaje de escenarios la mquina TX-1 supera a la mquina TX-2?

Alternativa Frecuencia %

TX-1 419 42%

TX-2 581 58%

Cul es la probabilidad de que en promedio, el margen total de las mquinas TX-1 y TX-2 sea
superior a 45000.000?

Por el Teorema del lmite Central, los resultados son:


TX-1: P( X > 45000.000) = 0.003%


TX-2: P( X > 45 000.000) = 43.97%

Cul es el intervalo de confianza de los costos totales? Cul es el coeficiente de variabilidad
para las variables de entrada?

Asumiendo un Nivel de significancia del 5%, encontramos los siguientes resultados:


s s
IC95% = X Z / 2 ; X + Z / 2
n n



[
IC95% = 73374 .103;73895 .008 ]

6 [ POLITCNICO GRANCOLOMBIANO]


El coeficiente de variabilidad para los inputs es:

Demanda Demanda Costo unitario Costo unitario

amarillo negro TX1 TX2

CV 13,17% 8,52% 9,39% 2,26%

Qu ventaja, en el largo plazo, representa la eleccin de la mquina TX-2 sobre la TX-1?
Estadsticamente, hay diferencias entre el margen de las mquinas TX-1 y TX-2?

En el largo plazo, es decir, teniendo en cuenta los resultados de las variables de desempeo
luego de las diferentes iteraciones, los resultados son:

Margen Total TX1 Margen Total TX2 Resultado

Promedio $ 44.634.563,19 $ 44.989.129,43 $ 354.566,25

Estadsticamente, los resultados se pueden comparar por medio de pruebas de hiptesis.
Estos resultados son:

- Pruebas de Hiptesis: Con el objetivo de contrastar si las varianzas de las poblaciones
son iguales, primero realizamos esta prueba, a un nivel de significancia del 5%.

Realizamos la siguiente prueba, con el objetivo de contrastar la diferencia de medias del
margen total de las alternativas TX1 y TX2:

H 0 = 2 1 = 0
H A = 2 1 > 0

Con grados de Libertad V=1983

Por lo tanto, el valor crtico de la Distribucin t a 1 cola es:
t
0.95 ,1893 = 1.645

[ SIMULACUN GERENCIAL ] 7


Donde el estadstico de prueba es:

( X TX 2 X TX 1 ) 0
t = = 3.05
S 2TX 2 S 2TX 1
n2
+
n1


Por lo tanto, con un nivel de confianza del 95% podemos concluir que existe suficiente
evidencia estadstica para decir que los promedios de los mrgenes no son iguales.

8 [ POLITCNICO GRANCOLOMBIANO]