Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN
En esta investigacin se hablara sobre La generacin de variables aleatorias que
es un proceso que viene dentro de la simulacin debido a que cuenta con variables
con un comportamiento probabilstico. En donde dicha variabilidad se pudiera
clasificar dentro de alguna distribucin de probabilidad conocida.
Se abordaran los temas de variables aleatorias discretas y variables aleatorias
continuas. Para la generacin de las variables aleatorias discretas o continuas, es
necesario contar con la informacin especfica de la distribucin deseada, la
aplicacin de un mtodo para la generacin de la variable aleatoria, y la
implementacin computacional para usarse en la simulacin de estas se explicara
detalladamente en el tema correspondiente.
Las distribuciones ms utilizadas son: Bernoulli, uniforme, binomial, Poisson, y
geomtrica. En cambio las distribuciones continuas modelan la aleatoriedad en
eventos en los cuales los valores de las variables pueden estar dentro de un rango
de valores reales. Tambin se explicara los mtodos de convolucin, mtodo de
composicin, mtodo de transformada inversa y procedimientos especiales.
CONCEPTO DE SIMULACION
TIPOS DE SIMULACION
Sistema Discreto
Sistema Continuo
Las variables de estado cambian en forma continua a travs del tiempo. Un ejemplo
tpico de simulacin continua es el estudio de la dinmica de la poblacin mundial.
Otra descripcin es que un sistema continuo tiene la forma de ecuaciones en que
los atributos del sistema cambian con el tiempo.
Modelo
PROCESO
Creacin de un proceso
Terminacin de un proceso
Tipos de procesos
Existen dos tipos de procesos, aquellos que se ejecutan en modo kernel, y aquellos
que se ejecutan en modo usuario. Los primeros son ms lentos por las llamadas al
sistema que realizan, sin embargo, son ms seguros por la integridad que
representan. Cuando hablamos de los procesos de usuario, podemos decir que el
sistema operativo podra no ser multiproceso, ya que se vale de libreras como
pthread, para hacer un multiplexado y dar la apariencia de trabajar como
multiproceso.
1.3 METODOLOGA DE SIMULACIN
Aunque se van a presentar una serie de pasos de forma secuencial, realmente es
un proceso iterativo.
1.3.1.- Formulacin del problema
Se definen las cuestiones para las que se buscan las respuestas, las variables
implicadas y las medidas de ejecucin que se van a usar.
Esta fase es muy importante para poder alcanzar un modelo vlido, se puede dividir
a su vez en 5 fases
1.3.1.1.- Identificacin del Problema
Se hace una abstraccin del tipo de problema que se va a tratar. Se identifican los
recursos a utilizar, los requisitos que se van a exigir (relaciones a establecer).
1.6.1.2.- Reconocer las variables del sistema
Se han de identificar las variables que interviene en el sistema y que son de inters
para nuestro modelo, stas se pueden clasificar en:
Variables exgenas: son variables externas al modelo y existen con
independencia de l.
Se consideran variables de entrada. stas a su vez se pueden dividir en dos grupos:
Variables controlables o de decisin (factores): son aquellas sobre las que el
analista puede decidir su valor dentro de ciertos lmites.
Variables incontrolables o parmetros: sus valores no se pueden decidir sino que
vienen fijados. Las variables sern controlables o incontrolables dependiendo de
quin las defina.
Variables endgenas: son variables internas y las variables de salida del modelo.
Son funcin de las variables exgenas y de la estructura del modelo.
1.3.1.3.- Especificacin de las restricciones de las variables de decisin
Incrementos por los eventos (N.E.T.A., Next Event Time Advance): las
comprobaciones y modificaciones de las variables afectadas se realizan slo
despus de la ocurrencia de un evento. Aqu el incremento de tiempo es variable,
va desde la ocurrencia de un evento a otro.
El avance del tiempo de simulacin depende de cul de las aproximaciones se elija.
Si se elige el incremento por eventos, el reloj se inicializa a 0, y se incrementa al
siguiente tiempo en que vaya a ocurrir un suceso, en ese momento, en este
momento de actualizacin del reloj se modifican las variables que se vean afectadas
por la ocurrencia del suceso. Si por el contrario se elige un incremento de tiempo
fijo, el reloj se inicia a 0 y se va actualizando cada vez que pase el incremento de
tiempo fijado. En esos instantes se observar el sistema para realizar los cambios.
En ese momento puede ocurrir que no haya sucedido ningn cambio o que por el
contrario que hayan ocurrido ms de un suceso con lo cual se tendr que decidir
cul atender antes (por ejemplo dando prioridad a los sucesos). En esta
aproximacin pueden ocurrir errores de redondeo, que hacen referencia a la
diferencia de tiempo que pasa desde que sucede un suceso hasta que ste se
computa (cuando el reloj se incrementa).
Hay que tener cuidado en la eleccin del incremento de tiempo. Si ste es
demasiado pequeo se realizar trabajo intil, ya que se comprobarn cambios
cuando en realidad no ha ocurrido ningn suceso. Por el contrario si es demasiado
grande se producirn muchos errores de redondeo y la dinmica del modelo ser
ineficiente.
Eleccin de un Lenguaje de programacin. Hay un creciente nmero de lenguajes
de programacin disponibles para la implementacin de modelos de simulacin.
Entre los lenguajes de simulacin destacan: GPSS (General Purpose Simulation
System), SLAM (Simulation Language for Alternative Modeling), SIMAN (Simulation
Analysis), y SIMSCRIPT. Muchos lenguajes de propsito general son
completamente adecuados para la simulacin, por ejemplo, FORTRAM,
PASCAL,, pero los lenguajes de simulacin proporcionan una serie de
caractersticas que hacen la programacin, depuracin y experimentacin ms
eficientes en tiempo y esfuerzo, aunque consuman ms tiempo en la ejecucin.
Quizs la ms importante ventaja de los lenguajes de simulacin es la
correspondencia entre los elementos del sistema y los elementos del lenguaje. Por
ejemplo, en GPSS hay bloques de diagramas de flujo y conjuntos de sentencias de
programa llamados QUEUE que procesan entidades a travs de una cola de espera
y acumulan datos de variables de salida tales como tiempo de espera en la cola.
El lenguaje seleccionado puede influir en la forma exacta del diagrama de flujo del
programa de computador.
Generacin de nmeros y variables aleatorias. Se van a necesitar muestras
aleatorias para representar valores de variables de entrada probabilsticas.
Utilizando estos nmeros aleatorios podemos obtener valores de variables
aleatorias que sigan ciertas distribuciones de probabilidad.
realizarn sin una implementacin apropiada y una aceptacin por parte de los
usuarios.
Entre las razones por las que los esfuerzos de implantacin son a menudo intiles,
se incluyen las siguientes:
Existe un vaco de comunicacin entre el analista de la simulacin y los
encargados y usuarios del sistema.
Falta de entendimientos por parte de los encargados del sistema debido a los
tecnicismos utilizados.
El compromiso de implementacin es tardo.
Resistencia al cambio.
Falta de coincidencia entre el personal disponible y los objetivos marcados por el
modelo.
Hay aproximaciones que tratan estos obstculos potenciales. Estas aproximaciones
requieren que los usuarios y los analistas estn implicados desde el comienzo en el
proyecto simulacin
1.4.- ESTRUCTURA Y ETAPAS DE UN ESTUDIO DE SIMULACIN.
Para llevar a cabo un experimento de simulacin es:
Coleccin de datos
Es importante que se definan con claridad y exactitud los datos que el modelo va a
requerir para producir los resultados deseados. Normalmente la informacin
requerida por un modelo se puede obtener de registros contables, de rdenes de
trabajo, de rdenes de compra, de opiniones de expertos y si no hay otro remedio
por experimentacin.
Validacin
Experimentacin
Interpretacin
En esta etapa del estudio, se interpretan los resultados que arroja la simulacin y
en base a esto se toma una decisin. Es obvio que los resultados que se obtienen
de un estudio de simulacin ayudan a soportar decisiones del tipo semi-
estructurado, es decir, la computadora en si no toma la decisin, sino que la
informacin que proporciona ayuda a tomar mejores decisiones y por consiguiente
a sistemticamente obtener mejores resultados.
Documentacin
Dos tipos de documentacin son requeridos para hacer un mejor uso del modelo de
simulacin. La primera se refiere a la documentacin del tipo tcnico, es decir, la
documentacin que el departamento de procesamiento de datos de tener del
Se reconoce como tiempo a cada intervalo que toma cada salto de la simulacin,
en dicho tiempo puede o no haber eventos ejecutados
SI SE TOMA QUE
DELTA X = 1 minuto
En este tipo de simulacin se genera y administran eventos en el tiempo por medio
de una cola de eventos ordenados
EJEMPO GASOLINERA
La simulacin durara siete minutos....
En la primer escala de tiempo el cliente (entidad) llega a la bomba (locacin)
El cliente (entidad) se dirige a la caja (localidad) a realizar el pago de la gasolina, el
cliente escoge magna (atributo)
nota: si estuvieran mas clientes en la caja se ejecuta el evento actual y el evento
futuro
En este intervalo el cliente (entidad) se dirige a la bomba(locacin) y con ayuda de
la bomba(recurso) se despacha la gasolina Premium(atributo) que pago.
DESVENTAJAS
Este mtodo fue planteado por Von Neumann en 1950. Se basa en tomar un
nmero, elevarlo al cuadrado y tomar los dgitos del centro como nuevo nmero,
luego repetir el procedimiento.
Aqu se encuentran los resultados de una encuesta con una serie de cuestiones
sobre lo que ocurrira jugando al ajedrez de forma aleatoria, as como los resultados
obtenidos de una simulacin mediante PC (Mtodo de Monte Carlo) de sta misma
cuestin. Las respuestas a la encuesta se obtuvieron a travs de Internet y de un
BBS local. Las lneas marcadas con dos asteriscos son las respuestas verdaderas
de acuerdo con los resultados de la simulacin.
La prueba Pquer, prueba grupos de nmeros juntos como una mano de pker y
compara cada mano con la mano esperada usando la prueba Chi-cuadrada. La
prueba de corrida arriba abajo es generalmente.
La prueba POKER se utiliza para analizar la frecuencia con la que se repiten los
dgitos en nmeros aleatorios individuales. Para determinar si los nmeros
aleatorios generados cumplen con las propiedades especificadas (uniformidad e
independencia) se tendrn las hiptesis siguientes:
2.3.1 CARACTERSTICAS
2.3.2 APLICACIONES
La constante multiplicativa:
La constante aditiva:
Estos cuatro valores deben ser nmeros enteros no negativos y que cumplan la
siguiente condicin: .
La mayor parte de los generadores de nmeros aleatorios son, en realidad,
pseudoaleatorios; se calcula (o introduce internamente) un valor x0, que llamaremos
semilla, y, a partir de l, se van generando x1,x2, x3, ...
Siempre que se parta de la misma semilla, se obtendr la misma secuencia de
valores.
Por la condicin anterior, es evidente que todos los valores generados por este
procedimiento son nmeros enteros entre 0 y -1. El nmero mximo de cifras
distintas que pueden obtenerse con el procedimiento descrito es , as que llegar
un momento en que el primer nmero generado se repetir producindose un ciclo.
El ciclo dnde inevitablemente caer el generador interesa que sea de la mayor
longitud posible (como mximo ), para evitar que se repitan pronto los valores
aleatorios. Por ejemplo, para los valores , , y se
obtiene la siguiente secuencia de valores:
2-11-6-23-10-3-14-15-18-27-22-7-26-19-30-31-2-11-6
Si c0:
Es aquella que puede tomar infinitos valores dentro de un intervalo de la recta real.
Existen varios mtodos que nos permiten generar variables aleatorias. Lo normal
es que existan varias opciones para generar una misma variable aleatoria. La
eleccin del mtodo adecuado se puede basar en una serie de factores como:
Exactitud.se prefiere un mtodo exacto frente a mtodos aproximados, como
soluciones numricas.
Velocidad. Uno de los datos que se toma en consideracin es el tiempo de
generacin de la variable.
Espacio. Necesidades de memoria del mtodo utilizado. En general, los mtodos
no consumen mucha memoria.
Convolucin discreta
Mozart ha sido una cuestin muy estudiada. La visin decimonnica de este tema
se basaba a menudo en una concepcin romntica e idealizada del proceso de
composicin; los estudios ms recientes han tratado de abordar el asunto a travs
del examen sistemtico de las cartas y documentos que han sobrevivido, llegando
a diversas conclusiones.
Existen diferentes tipos de mtodos para generar variables aleatorias, pero tambin
existen casos especiales para generar estas los cuales son:
La distribucin de Poisson parte de la distribucin binomial:
" l " = n * p (es decir, el nmero de veces " n " que se realiza el experimento
multiplicado por la probabilidad " p " de xito en cada ensayo) " k " es el nmero de
xito cuya probabilidad se est calculando
La distribucin binomial parte de la distribucin de Bernouilli:
La prueba Ji cuadrada hace uso de la distribucin del mismo nombre para probar la
bondad del ajuste al comparar el estadstico de prueba Xo2 con el valor en tablas
de la mencionada distribucin Ji cuadrada con v grados de libertad y un nivel de
significancia alfa.
El SIMAN est escrito en C, aunque las primeras versiones del lenguaje fue escrito
en FORTRAN.
El SIMAN V puede ser acezado directamente, o a travs del medio ambiente del
ARENA. El SLAMSYSTEM contiene al lenguaje de simulacin SLAM II. El SLAM II
est basado en el FORTRAN y contiene al lenguaje GASP como un subconjunto.
El GASP es un conjunto de subrutinas en FORTRAN para facilitar las simulaciones
orientadas al objeto escritas en FORTRAN. El SIMSCRIPT II.5 por otro lado,
contiene un subconjunto de un completo lenguaje cientfico de simulacin
comparable con el FORTRAN, C o C++. El MODSIM III es un descendiente del
lenguaje que la compaa de productos CACI originalmente diseado por la armada
de los Estados Unidos. Hereda mucha de su sintaxis del MODULA-2 y del ADA,
ciertas caractersticas del ADA y sus conceptos de simulacin del SIMSCRIPT y el
SIMULA. Algunas de las caractersticas de la simulacin orientada al objeto fueron
originalmente vistas en el SIMULA y el SMALLTALK.
Calcular el resultado del modelo segn los valores del muestreo (iteracin) y
registrar el resultado
Repetir el proceso hasta tener una muestra estadsticamente representativa
Obtener la distribucin de frecuencias del resultado de las iteraciones
Calcular media, desvo.
Analizar los resultados
Las principales caractersticas a tener en cuenta para la implementacin o utilizacin
del algoritmo son:
El sistema debe ser descripto por 1 o ms funciones de distribucin de
probabilidad (fdp)
Generador de nmeros aleatorios: como se generan los nmeros aleatorios
es importante para evitar que se produzca correlacin entre los valores mustrales.
Establecer lmites y reglas de muestreo para las fdp: conocemos que valores
pueden adoptar las variables.
Definir Scoring: Cuando un valor aleatorio tiene o no sentido para el modelo
a simular.
Estimacin Error: Con que error trabajamos, cuanto error podemos
aceptar para que una corrida sea vlida?
Tcnicas de reduccin de varianza.
Paralelizacin y vectorizacin: En aplicaciones con muchas variables se
estudia trabajar con varios procesadores paralelos para realizar la simulacin.
como los tiempos de servicio, se distribuyen exponencial con los parmetros que se
muestran a continuacin.
Tiempo entre llegadas: =8
Tiempo de servicio S1: =13
Tiempo de servicio S2: =18
Probabilidad p: 0.63
Tcnica de muestreo mal aplicada. Ejemplo: Tomar todos los datos de un sector no
representativo.
Datos mal digitados o mal almacenados.
El analista hace un acto de confianza en el equipo que tena los datos.
En la construccin
Errores en los programas (de lgica, mal uso del lenguaje).
El tiempo real se simula mal.
Uso de una imagen no adecuada del mundo real. (Usar matrices de punto para
territorios, lagos, bosque, cardumen, conglomerados; en lugar del espacio R2 por
ej.)
La validacin consiste en 2 etapas:
Validacin de los modelos de procesos simples; esto es validar la estructura
interna del modelo.
Se vlida la salida de los procesos simples y en ello se hace uso de tcnicas de
estadstica. Las relaciones funcionales tambin deben validarse. Puede hacerse
cuando se establece el modelo o en la toma de datos .No debe tomarse relaciones
funcionales desconocidas, o que no tengan ya un grado de validez aceptable.
Siempre ser posible validar las componentes o subsistemas porque se habrn
construido de manera modular para formar el modelo. En esta etapa se observar
el comportamiento del modelo en cada uno de esos procesos simples para
asegurarse que cada componente o subsistema est bien simulado.
Validar el modelo de simulacin en su entorno, esto es validar los datos de salida.
Puede ser que la validez de la estructura sea buena, pero el resultado combinado
de los procesos simples sea casi mala.
Confrontar los resultados de la simulacin con las experiencias pasadas y con
teoras existentes al respecto:
No tomar posturas como: los resultados no me parecen correctos, pero si el modelo
lo dice yo lo acepto.
Si los resultados son absurdos, no tiene sentido continuar; cualquier otro anlisis no
convencer a los usuarios. Ningn modelo se ha aceptado si los resultados van
contra la teora.
Para modelos de importancia, de envergadura deber consultarse la opinin de
expertos.
Anlisis de sensibilidad
5. Establecer los valores crticos que establecen las regiones de rechazo de las de
no rechazo.
6. Determinar la prueba estadstica.
7. Coleccionar los datos y calcular el valor de la muestra de la prueba estadstica
apropiada.
8. Determinar si la prueba estadstica ha sido en la zona de rechazo a una de no
rechazo.
9. Determinar la decisin estadstica.
10 Expresar la decisin estadstica en trminos del problema.
Errores de tipo I y de tipo II.
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que se ha
cometido un error de tipo I. Por otra parte, si aceptamos una hiptesis que debiera
ser rechazada, diremos que se cometi un error de tipo II. En ambos casos, se ha
producido un juicio errneo.
Para que las reglas de decisin (o no contraste de hiptesis) sean buenos, deben
disearse de modo que minimicen los errores de la decisin; y no es una
cuestin sencilla, porque para cualquier tamao de la muestra, un intento de
disminuir un tipo de error suele ir acompaado de un crecimiento del otro tipo. En la
prctica, un tipo de error puede ser ms grave que el otro, y debe alcanzarse un
compromiso que disminuya el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la muestra
que no siempre es posible.
CONCLUCION
En mi punto de vista no muy profesional el presente trabajo de investigacin se
analiz que las variables aleatorias son presentadas por medio de distribuciones
de probabilidad, el procedimiento es para la generacin de los nmeros con
variables aleatorias a partir de las distribuciones de la probabilidad que se conoce
como la generacin de variables aleatorias.
FUENTES DE INFORMACION
1. Ral Coss Bu. (2003). Simulacin Un enfoque prctico. Mxico, DF:
Limusa S.A. de
C.V.
2. Ing. Sergio David Castilln Dominguez. (2014). SIMULACION. 17 de
Septiembre 2016, de Academia Sitio web:
https://www.academia.edu/7207310/Librodesimulacion?auto.