Folleto Modelación y Simulación de Sistemas

Universidad del Norte de Nicaragua Ingeniera en Sistemas de Computacin.
UNN Jinotega Simulacin y Modelacin de Sistemas.
MODELACION Y SIMULACION DE SISTEMAS.

I. Conceptos Bsicos.
1. Definicin de Sistema.
2. Definicin de Modelo.
3. Tipos de modelos.
3.1 Esttico
3.2 Dinmico.
3.3 Determinstico,
3.4 Estocstico
3.5 Discretos.
3.6 Continuos.
3.7 Fsicos.
3.8 Matemticos. (Analticos, Numricos)
4. Estructura de un modelo
4.1 Componentes.
4.2 Variables (Exgenas, Endgenas).
5. Principios utilizados en un modelo
5.1 Relevancia
5.2 Exactitud
5.3 Agregacin
5.4 Formacin de bloques
5.5 Definicin de Simulacin
1
Ing. Javier Jos Saballos Herrera.
I. Conceptos Bsicos.
1. Definicin de Sistema.
Conjunto de objetos que ordenadamente relacionadas entre s contribuyen a determinado
objetivo.
Conjunto ordenado de normas y procedimientos que regulan el funcionamiento de un
grupo o colectividad.
Del latn systema, un sistema es mdulo ordenado de elementos que se encuentran
interrelacionados y que interactan entre s. El concepto se utiliza tanto para definir a un
conjunto de conceptos como a objetos reales dotados de organizacin.
Los sistemas se pueden dividir de la siguiente manera:
Estructural: Se define el sistema identificando y describiendo cada una de sus partes. Se
considera que luego de hacer esto se puede conocer al sistema.
Funcional: Se define el sistema considerando cada una de sus partes como una caja negra
y conociendo las interrelaciones que existen entre ellas.
2. Definicin de Modelo.
Un modelo es un sistema desarrollado para entender la realidad y en consecuencia para
modificarla. No es posible modificar la realidad, en cierta direccin, si es que no se dispone
de un modelo que la interprete.
Modelo es una representacin de un objeto, sistema o idea de forma diferente a la de
identidad misma.
Por lo general el modelo nos ayuda a entender y mejorar un sistema.
El modelo de un objeto puede ser una rplica exacta de este. Con la diferencia del material
que lo compone o de su escala, inclusive puede ser una abstraccin de las propiedades
dominantes del objeto.
MODELACIN
El trmino modelizacin se refiere a las relaciones entre el sistema real y sus modelos. La
simulacin de sistemas implica la construccin de modelos. El objetivo es averiguar qu
pasara en el sistema si acontecieran determinadas hiptesis.
Desde muy antiguo la humanidad ha intentado adivinar el futuro. Ha querido conocer qu
va a pasar cuando suceda un determinado hecho histrico. La simulacin ofrece, sobre
bases ciertas, esa prediccin del futuro, condicionada a supuestos previos.
2
Para ello se construyen los modelos, normalmente una simplificacin de la realidad. Surgen
de un anlisis de todas las variables intervinientes en el sistema y de las relaciones que se
descubren existen entre ellas.
Un modelo:
Es una abstraccin de la realidad.

Es una representacin de la realidad que ayuda a entender cmo funciona.
Es una construccin intelectual y descriptiva de una entidad en la cual un observador
tiene inters.
Se construyen para ser transmitidos.
Supuestos simples son usados para capturar el comportamiento importante.
Para qu sirve un modelo?
Ayuda para el pensamiento.

Como herramienta de prediccin.
Para entrenamiento e instruccin.
Ayuda para la experimentacin.
Ayuda para la comunicacin.
3
3. Tipos de modelos.
Los modelos de simulacin de clasifican de la siguiente manera.
Los modelos se pueden dividir de la siguiente manera:
3.1. Modelos mentales:
Depende de nuestro punto de vista, suelen ser incompletos y no tener un enunciado

preciso, no son fcilmente transmisibles. Ideas, conceptualizaciones.
3.2. Modelos fsicos:

Estn basados en reglas, son transmisibles. Planos, diagramas, maquetas. Los modelos
fsicos se clasifican de la siguiente manera:
3.2.1. Modelo Icnico.
Es una reproduccin a escala del objeto real y sus propiedades relevantes. El modelo
muestra la misma figura, proporciones y caractersticas que el objeto original.
Ejemplo: Por ejemplo, se puede construir un modelo a escala de la estructura de un aula,
de una institucin universitaria. Inclusive estos modelos los podemos someter a
determinadas transformaciones para estudiar la funcionalidad del aula o de la universidad.
4
Ejemplo:
La dimensin de tiempo, por ejemplo, la evolucin
histrica de un tipo de un coche en su forma fsica.
3.2.2. Modelo Analgico.

Es un modelo con apariencia fsica distinta al original, pero con comportamiento
representativo. El modelo analgico no es una reproduccin detallada de todas las
cualidades del sistema real, sino que refleja solamente la estructura de relaciones y
determinadas propiedades fundamentales de la realidad. Se establece una analoga
entre el sistema real y el modelo, estudindose el primero, utilizando como
herramienta auxiliar el segundo.
Ejemplos:
Por ejemplo, en el campo de la Psicologa, la conducta de aprendizaje de los
animales (ratas, perros, monos, etc.), ha servido como modelo analgico para
estudiar las leyes del aprendizaje humano.
Otro ejemplo, lo encontramos en las computadoras electrnicas, las que han servido
como modelos materiales de las operaciones intelectuales del hombre.
5
Modelo de Bloques:
Canal de datos
Unidad Unidad
Fuente Pulso de habilitacin Destino
Modelo de Temporizacin:
Datos
Datos Validos
Pulsos de habilitacin
Transferencia asncrona de datos:
3.2.3. Modelo Digital.

Los modelos digitales estn codificados en cifras, lo que, entre otras cosas, permite
su tratamiento informtico. Los modelos digitales son, por tanto, modelos
simblicos y para construirlos es necesario un proceso de codificacin de la
informacin, que permite una representacin virtual manejable por medios
informticos.
3.2.4. Modelo Esttico.

Los modelos estticos se ocupan de determinar una respuesta para una serie
especial de condiciones fijas que probablemente no cambiaran significativamente a
corto plazo, es decir, la solucin est basada en una condicin esttica.
Ejemplo modelo esttico
E = m c^2 (materia en energa)
Costo para cantidad de camas reservadas (en un hospital)
Un mapa topogrfico representa el relieve en un momento determinado; los
procesos geolgicos que lo generaron no se modelan, slo se modela el resultado
6
3.2.5. Modelo Dinmico.

Un modelo dinmico por el contrario est sujeto al factor tiempo que desempea
un papel esencial en la secuencia de las decisiones, independientemente de cuales
hayan sido las decisiones anteriores. A la programacin dinmica pertenecen estos
modelos.
Ejemplo modelo dinmico

La evolucin de una poblacin P puede describirse mediante modelos dinmicos
simples:
Modelo exponencial:
N(t+1) = N(t) exp[b(N) - d(N)]

donde N(t) es la poblacin en el tiempo t
las tasas de nacimientos b y defunciones d pueden depender o no del tamao de la
poblacin N:
B(N) = l N(t)
D(N) = h N(t)
3.3. Modelos simblicos.

Representa un conjunto de conceptos discretos, que se organiza en forma de reglas
y el razonamiento analtico y secuencial.
3.3.1. Modelos verbales.

Modelos descriptivos (o verbales) Expresan relaciones por medio de
proposiciones; son descripciones en lenguaje humano natural.
7
3.3.2. Modelos Matemticos

3.3.2.1. Esttico.
Son aquellos que no toman en cuenta, explcitamente a la variable tiempo.
Ejemplo: costo para cantidad de camas reservadas (en un hospital)
3.3.2.2. Dinmico.
Los modelos dinmicos son una representacin de la conducta dinmica de un
sistema, mientras un modelo esttico involucra la aplicacin de una sola ecuacin,
los modelos dinmicos, por otro lado, son reiterativos.
Los modelos dinmicos constantemente aplican sus ecuaciones considerando
cambios de tiempo.
3.3.2.3. Determinstico.
En stos ni las variables exgenas, ni las endgenas, se obtienen por medio del azar,
debido a que se suponen relaciones exactas para las caractersticas de operacin.
Son variables con valores preestablecidos.
Es aquel en el cual se establecen las condiciones para que al ejecutar el experimento
se determine el resultado.
3.3.2.4. Estocstico.
Los valores de sta o estas variables, se obtienen al azar.
Es aquel en el cual informacin pasada, no permite la formulacin de una regla
para determinar el resultado preciso de un experimento.
3.3.2.5. Discretos.
El estado de los cambios en los modelos slo se da cuando esos eventos ocurren.
La llegada de rdenes, o las partes que estn siendo ensambladas, as como los
clientes que llaman.
Una fbrica que ensambla partes es un buen ejemplo de un sistema de evento
discreto.
Las entidades individuales (partes) son ensambladas basadas en eventos (recibo o
anticipacin de rdenes).
3.3.2.6. Continuos.
En modelos continuos, el cambio de valores se basa directamente en los cambios de
tiempo.
8
La simulacin continua es anloga a un depsito en donde el fluido que atraviesa

una caera es constante. El volumen puede aumentar o puede disminuir, pero el
flujo es continuo.
4. Estructura de un modelo
4.1 Componentes.
Son las partes de un conjunto que forman el sistema.
4.2 Variables (Exgenas, Endgenas).
Pueden ser de dos tipos:
- Exgenas: Entradas son originadas por causas externas al sistema (independientes).
- Endgenas: Son producidas dentro del sistema que resultan de causas internas, las
cuales pueden ser:
i. Estado: Muestran las condiciones iniciales del sistema.
ii. Salida: Son aquellas variables que resultan del sistema.
4.3. Pasos del proceso de modelizacin.
1. Analizar el problema (Modelo mental)

Obtener y estudiar datos del sistema para identificar el comportamiento.
Extraer lo fundamental del problema (Simplificar)
Descomponer en subproblemas (submodelo) si es posible.
2. Formular el modelo matemtico.

Determinar variables y unidades
o Entrada: variables independientes, parmetros y entradas
o Estado: variables dependientes y auxiliares
o Salida: variables de salida
Establecer relaciones entre variables
o Ecuaciones
o Funciones
o Algoritmos
3. Resolver el modelo
Analticamente
Numricamente (Simulacin)
Simplificar
9
4. Validar e interpretar
Predecir
Comprender.
5. Informe sobre el modelo

Anlisis del sistema
Diseo del modelo
Solucin del modelo
Resultados y conclusiones
6. Mantener el modelo
Mejorarlo
5. Principios utilizados en un modelo

5.1 Relevancia
El modelo slo debe de incluir los aspectos del sistema relevantes a los objetivos
del estudio. A manera de ejemplo, si el estudio del sistema de la fbrica pretende
comparar los efectos de distintas reglas de operacin en la eficiencia, no es
relevante considerar la contratacin de los empleados como una actividad.
Aunque la informacin irrelevante en el modelo no perjudica, se debe de excluir
debido a que aumenta la complejidad del modelo y genera ms trabajo en la
solucin del modelo.
5.2 Exactitud
Debe de tenerse en cuenta la exactitud de la informacin que se recabe. Por
ejemplo, en el sistema de la aeronave, la exactitud con que se describe el
movimiento de la misma depende de la representacin de la estructura.
Puede bastar considerar a la estructura como un cuerpo rgido y deducir una relacin
muy simple entre el movimiento de la superficie de control y la direccin a dnde va
la aeronave, o puede ser necesario reconocer la flexibilidad de la estructura y dar
cabida a las variaciones en la misma.
El ingeniero responsable de estimar el consumo de combustible se sentir satisfecho
con la representacin simple. En cambio, otro ingeniero, responsable de tomar en
cuenta la comodidad de los pasajeros, necesita tomar en cuenta las vibraciones, por
lo que querr la descripcin detallada de la estructura.
10
5.3 Agregacin
Un factor adicional que debe de considerarse es el grado con que pueden agruparse
las distintas entidades individuales en entidades ms grandes. El gerente general de
la fbrica estar satisfecho con la descripcin que se ha dado. Sin embargo, el
gerente de control de la produccin querr considerar los talleres de los
departamentos como entidades individuales.
En algunos estudios puede ser necesario construir entidades. Artificiales mediante
el proceso de agregacin. Por ejemplo, por lo general un estudio econmico o social
considera a una poblacin como una cantidad de clases sociales y realiza un estudio
como si cada una de estas fuera una entidad distinta.
A la representacin de actividades se debe de dar consideraciones semejantes de
agregacin.
Por ejemplo, al estudiar un sistema de defensa con proyectiles, puede no necesitarse
incluir los detalles del cmputo de una trayectoria de proyectiles para cada disparo.
Ser suficiente con representar el resultado de muchos disparos mediante una
funcin de probabilidad.
5.4 Formacin de bloques
La descripcin del sistema se debe organizar en una serie de bloques, o subsistemas.
El propsito de formar los bloques es simplificar la especificacin de las
interacciones dentro del sistema.
Cada bloque describe parte del sistema que depende de pocas, preferiblemente
una, variables de entrada y produce unas pocas variables de salida. Luego puede
describirse al sistema como un todo en trminos de las interconexiones entre los
bloques. En forma correspondiente, se puede representar grficamente al sistema
como un diagrama simple de bloques.
La descripcin de la fbrica dada en la figura 1-2 es un ejemplo tpico de un diagrama
de bloques. Se ha considerado a cada departamento de la fbrica como un bloque
por separado, en que las entradas y salidas son el trabajo que pasa de uno a otro
departamento. Se ha ignorado el hecho de que los departamentos ocupen el mismo
espacio de la planta y que utilicen el mismo personal o las mismas mquinas.
11
6. Definicin de Simulacin
La simulacin es el disear y desarrollar un modelo computarizado de un sistema o proceso

y conducir experimentalmente con este modelo con el propsito de entender el
comportamiento del sistema del mundo real o evaluar varias estrategias con los cuales
puedan operar el sistema.
Es la construccin de modelos informticos que describen la parte esencial del

comportamiento de un sistema de inters, as como disear y realizar experimentos con el
modelo y extraer conclusiones de sus resultados para apoyar la toma de decisiones.
Se usa como un paradigma para analizar sistemas complejos. La idea es obtener una
representacin simplificada de algn aspecto de inters de la realidad.
Permite experimentar con sistemas (reales o propuestos) en casos en los que de otra
manera esto sera imposible o imprctico.
12
II. CONSTRUCCION DE MODELOS MATEMTICOS.

2.1. Construccin de Modelos Matemticos.
2.1.1 Definicin del Problema.
2.1.2 Desarrollo de un modelo matemtico y recoleccin de datos.
2.1.3 Resolucin del Modelo Matemtico y Recoleccin de Datos.
2.1.4 Validacin.
2.1.5 Modificacin del Modelo.
2.1.6 Implementacin.
2.2 Construccin de Modelos Empleando Regresin.
13
II. Construccin de Modelos Matemticos.

Un modelo matemtico es una descripcin, en lenguaje matemtico, de un objeto que
existe en un universo no-matemtico. Estamos familiarizados con las previsiones del
tiempo, las cuales se basan en un modelo matemtico meteorolgico; as como con los
pronsticos econmicos, basados stos en un modelo matemtico referente a economa.
La mayora de las aplicaciones de clculo (por ejemplo, problemas de mximos y mnimos)
implican modelos matemticos.
En trminos generales, en todo modelo matemtico se puede determinar 3 fases:
Construccin del modelo.

Transformacin del objeto no-matemtico en lenguaje matemtico.
Anlisis del modelo.
Estudio del modelo matemtico.
Interpretacin del anlisis matemtico.
Aplicacin de los resultados del estudio matemtico al objeto inicial
no-matemtico.
El xito o fracaso de estos modelos es un reflejo de la precisin con que dicho modelo
matemtico representa al objeto inicial y no de la exactitud con que las matemticas
analizan el modelo.
Algunos modelos son buenos para algunas cosas y malos para otras. Por ejemplo, el modelo
matemtico de la mecnica newtoniana puede, hoy en da, usarse para predecir muchos
sucesos con precisin a pesar de que la teora de la relatividad de Einstein (otro modelo
matemtico) nos dice que ste es inexacto.
El lgebra lineal nos proporciona muchas herramientas para utilizarlas al analizar los
modelos matemticos (ya sean econmicos, demogrficos, probabilsticos, de ingeniera...).
2.1.1 Definicin del Problema.

Es la parte conclusiva del Planteamiento del Problema. Formular un problema es hacer una
pregunta plausible e interesante preferentemente acerca de las causas, el origen, el que, el
dnde, el cmo, el cuanto, que expliquen un hecho o fenmeno.
La expresin, FORMULACIN DEL PROBLEMA, viene de la palabra frmula, que significa
arreglo de trminos de acuerdo a la relacin observada entre ellos, los cuales se asocian
entre s siempre de la misma manera, segn sean las leyes que rigen ese tipo de fenmenos,
aunque obviamente pueden cambiar las magnitudes de los trminos que la conforman.
La formulacin del problema debe ser clara, precisa, especfica; utilizar trminos y
conceptos cientficos que designen unvocamente a los fenmenos y procesos educativos
14
estudiados; evitar trminos vagos, imprecisos, que se presten a confusin o a

interpretaciones diversas, etc.
Todo ello se logra en la medida en que en problema tiene una fundamentacin terica
slida, ya que en los propios trminos y en la designacin de las categoras y variables se
expresa el vnculo con la teora.
Se debe evitar comenzar a trabajar en la construccin del modelo con un sistema superficial,
mal concebido. Se perdern horas hombre y de computadora en tares intiles!
Es un principio comprobado de organizacin que la incidencia de un error en un proyecto
aumenta dramticamente con el instante en que se lo descubre. Es decir, cunto ms se
demora en detectarlo mucho ms complicada es su correccin.
Se debe discutir en detalle el sistema; analista y usuario reunidos durante largas horas
evitarn que el sistema tenga que ser redefinido despus. En esta etapa se definen los
lmites del sistema y los objetivos del estudio, chequeando que estos no cambien durante
el desarrollo del mismo.
Deben tenerse en cuenta las condiciones iniciales del sistema y sus condiciones de rgimen.
Interesa estudiarlo ya en rgimen y no inicialmente cuando los recursos estn desocupa-
dos y favorecen el movimiento de los elementos por el sistema.
El modelo debe considerar qu resultados estadsticos interesan obtenerse para evaluar
correctamente al sistema en estudio.
Ejemplos: tiempos en cola, longitudes de las colas que se forman en los distintos sectores,
tiempo que est cada cliente en el sistema, promedios, desviaciones standard, etc.
2.1.2 Desarrollo de un modelo matemtico y recoleccin de datos.

La recoleccin y procesamiento de datos se refiere al uso de una gran diversidad de tcnicas
y herramientas que pueden ser utilizadas por el analista para desarrollar los sistemas de
informacin, los cuales pueden ser la entrevista, la encuesta, el cuestionario, la observacin,
el diagrama de flujo y el diccionario de datos.
Todos estos instrumentos se aplicarn en un momento en particular, con la finalidad de
buscar informacin que ser til a una investigacin en comn. A continuacin, trata con
detalle los pasos que se debe seguir en el proceso de recoleccin de datos, con las tcnicas
ya antes nombradas.
15
TCNICAS PARA HALLAR DATOS

Los analistas utilizan una variedad de mtodos a fin de recopilar los datos sobre una
situacin existente, como entrevistas, cuestionarios, inspeccin de registros (revisin en el
sitio) y observacin.
Cada uno tiene ventajas y desventajas. Generalmente, se utilizan dos o tres para
complementar el trabajo de cada una y ayudar a asegurar una investigacin completa.
Las entrevistas que son las tcnicas ms utilizadas, se utilizan para recabar informacin en
forma verbal, a travs de preguntas que propone el analista.
Quienes responden pueden ser gerentes o empleados, los cuales son usuarios actuales del
sistema existente, usuarios potenciales del sistema propuesto o aquellos que
proporcionarn datos o sern afectados por la aplicacin propuesta. El analista puede
entrevistar al personal en forma individual o en grupos, algunos analistas prefieren este
mtodo a las otras tcnicas que se estudiarn ms adelante. Sin embargo, las entrevistas
no siempre son la mejor fuente de datos de aplicacin.
Quienes responden pueden ser gerentes o empleados, los cuales son usuarios actuales del
sistema existente, usuarios potenciales del sistema propuesto o aquellos que
proporcionarn datos o sern afectados por la aplicacin propuesta. El analista puede
entrevistar al personal en forma individual o en grupos, algunos analistas prefieren este
mtodo a otras tcnicas. Sin embargo, las entrevistas no siempre son la mejor fuente de
datos de aplicacin.
2.1.3 Resolucin del Modelo Matemtico.

Para resolver un modelo matemtico, en cada balance, debemos tener ecuaciones en forma
diferencial. De esa manera podemos integrar, por supuesto, conociendo las condiciones
iniciales. Tambin es necesario incluir restricciones apropiadas, de manera que se puedan
obtener resultados lgicos, apegados a la realidad.
Modelos de estado estacionario y no estacionario.
Cuando los valores de las variables cambian con respecto al tiempo, se dice que se tiene un
estado no estacionario. Cuando las variables son constantes, se tiene un estado
estacionario. En este estado no hay variaciones, debido a que las condiciones son
constantes.
16
2.1.4 Validacin.
Validar un modelo es obtener un grado de confianza en el mismo para el fin
al que se destina.
No hay una demostracin de la validez de un modelo, sino unos resultados
positivos en un conjunto de test que nos dan esa confianza
La validez de un modelo puede perderse por un solo test negativo.
Conjunto de pruebas de diferente naturaleza que ayudan a validar el modelo.
La validacin ha de hacerse a todos los niveles de construccin del modelo:
o Hiptesis
o Formulacin
o Codificacin
o Resolucin numrica (verificacin)
o Aplicacin.
2.1.5 Modificacin del Modelo.
2.1.6 Implementacin.
17
2.2 Construccin de Modelos Empleando Regresin.

Qu son los modelos de regresin?
El trmino regresin, fue utilizado por primera vez a finales del siglo pasado, por un
investigador llamado Francis Galton. Galton observ que, aunque existe una tendencia de
los padres altos a tener nios altos, y de los padres bajos a tener nios bajos, la distribucin
de la estatura, no cambia sustancialmente de una generacin a otra. Su explicacin consisti
en que haba una tendencia de la estatura promedio de regresar a la estatura promedio
de toda la poblacin.
La interpretacin moderna de la regresin es algo diferente. En trminos generales, el
anlisis de la regresin trata de la tendencia de una variable, la variable dependiente, es una
o ms variables explicatorias o independientes, con el objeto de estimar o predecir la media
o valor promedio (poblacional) de la primera con base a valores conocidos o fijados (en
muestras repetidas) de las segundas.
Considerando la ley de Dalton, desde el punto de vista moderno, el problema no consiste
en explicar por qu el promedio de estatura de un determinado grupo, regresa al
promedio de la comunidad; sino que trata de descubrir cmo cambia la estatura promedio
de los hijos, a partir de la estatura de los padres. En otras palabras, se trata de predecir la
estatura promedio de los hijos, en base a la estatura de los padres.
Dicho de otro modo, los modelos de regresin tratan de estimar o predecir el valor de una
variable dependiente en funcin de valores conocidos de variables explicativas.
Sin embargo, aun cuando los modelos de regresin traten de predecir los valores de una
variable dependiente (la estatura de los hijos) en trminos de una o ms variables
independientes (la estatura de los padres), de ninguna forma se establece una relacin
formal de causa efecto; solo se trata de una relacin matemtica emprica.
Aun cuando existen muchos tipos de modelos de regresin como el lineal, el cuadrtico, el
polinomial, exponencial, logartmico, etc.; el ms simple es el de regresin lineal, este
modelo, trata de explicar mediante una relacin funcional de tipo lineal, los cambios en la
media de la variable dependiente debidos a los cambios en las variables explicatorias.
Todos los modelos de regresin que existen, funcionan de un modo similar, en todos ellos,
se calcula un conjunto de valores que le asignan un peso a cada variable explicativa. Los
valores calculados se obtienen de la informacin que se tiene de las variables
independientes. Sin embargo, los datos para calcular estos valores pueden ser distintos de
un modelo a otro.
Para hacer un uso efectivo de los modelos de regresin, es necesario identificar un modelo
que mejor se adapte a nuestro problema en particular, ya que, utilizando un modelo
errneo, las estimaciones hechas no sern de utilidad.
18

Folleto Modelación y Simulación de Sistemas

Transféré par

Informations du document

Description originale:

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

Folleto Modelación y Simulación de Sistemas

Transféré par

Droits d'auteur :

Formats disponibles

Universidad del Norte de Nicaragua Ingeniera en Sistemas de Computacin.

UNN Jinotega Simulacin y Modelacin de Sistemas.

MODELACION Y SIMULACION DE SISTEMAS.

3.8 Matemticos. (Analticos, Numricos)

4.2 Variables (Exgenas, Endgenas).

5. Principios utilizados en un modelo

5.4 Formacin de bloques

5.5 Definicin de Simulacin

Es una abstraccin de la realidad.

Para qu sirve un modelo?

Ayuda para el pensamiento.

Los modelos se pueden dividir de la siguiente manera:

3.1. Modelos mentales:

Depende de nuestro punto de vista, suelen ser incompletos y no tener un enunciado

3.2. Modelos fsicos:

3.2.2. Modelo Analgico.

Transferencia asncrona de datos:

3.2.3. Modelo Digital.

3.2.4. Modelo Esttico.

3.2.5. Modelo Dinmico.

Ejemplo modelo dinmico

N(t+1) = N(t) exp[b(N) - d(N)]

3.3. Modelos simblicos.

3.3.1. Modelos verbales.

3.3.2. Modelos Matemticos

La simulacin continua es anloga a un depsito en donde el fluido que atraviesa

4.3. Pasos del proceso de modelizacin.

1. Analizar el problema (Modelo mental)

2. Formular el modelo matemtico.

5. Informe sobre el modelo

5. Principios utilizados en un modelo

La simulacin es el disear y desarrollar un modelo computarizado de un sistema o proceso

Es la construccin de modelos informticos que describen la parte esencial del

II. CONSTRUCCION DE MODELOS MATEMTICOS.

2.1.1 Definicin del Problema.

2.1.2 Desarrollo de un modelo matemtico y recoleccin de datos.

2.1.3 Resolucin del Modelo Matemtico y Recoleccin de Datos.

2.1.5 Modificacin del Modelo.

2.2 Construccin de Modelos Empleando Regresin.

II. Construccin de Modelos Matemticos.

Construccin del modelo.

2.1.1 Definicin del Problema.

estudiados; evitar trminos vagos, imprecisos, que se presten a confusin o a

2.1.2 Desarrollo de un modelo matemtico y recoleccin de datos.

TCNICAS PARA HALLAR DATOS

2.1.3 Resolucin del Modelo Matemtico.

2.1.5 Modificacin del Modelo.

2.2 Construccin de Modelos Empleando Regresin.

Vous aimerez peut-être aussi