5

0
Verificación y Validación en Simulación
 Gran problema en simulación: modelos sean una
representación adecuada del sistema.
 Si el modelo no representa al sistema entonces las
conclusiones no serán de utilidad, independientemente del
realismo que se logre obtener con la animación del mismo.
 La verificación consiste en determinar que un programa de
computadora de simulación corre como se planeó que lo
haría.
 La validación consiste en corroborar que el programa arroje
datos estadísticamente igual a los del sistema real. Para tal
efecto se utiliza la prueba t-apareada, la cual confronta los
resultados arrojados por la simulación con los datos reales
observados.
Esquema de la Verificación y la
Validación

Modelo
conceptual
 Principios de la Validación de
modelos de Simulación
 Algunos principios, según Law y Kelton (2006), para crear
un modelo de simulación válido son los siguientes:
1. Determinar cuales aspectos van a ser investigados, las
medidas de desempeño a evaluar y las alternativas del
sistema que se analizarán al principio del estudio.
2. Preguntar a los expertos del sistema y hacer análisis
de sensibilidad para determinar el nivel de detalle del
modelo.
3. Comenzar con un modelo moderadamente detallado, y
poco a poco aumentar el nivel de detalle.
4. No detallar el modelo más de lo necesario, sólo incluir
los detalles más importantes del sistema.
5. El nivel de detalle de un modelo depende muchas
veces de las restricciones en tiempo y dinero.
 Procedimiento estadístico t-apareada
 Suponga que X1, X2, ........, Xk son observaciones de un
sistema del mundo real y que Y1, Y2, ......., YL son datos
producidos por el modelo de simulación.
 Es necesario comparar los dos conjuntos de datos para
determinar si el modelo es una representación válida del
sistema.
 El siguiente ejemplo explica como hacerlo:
Suponga que se está simulando un banco y se tiene la
siguiente información:
X= tiempo promedio en cola del sistema.
Y= tiempo promedio en cola del modelo.
Los resultados de 10 corridas piloto se muestran a
continuación:
 Ejemplo 1 prueba t-apareada
Corridas Xj Yj Zj= Xj-Yj 𝟐
Corridas Xj 𝒁𝒋 − 𝒁𝟏𝟎
Yj

1 3.06 1
3.81 3.06
-0.75 3.81
0.0036
2 2.79 2
3.37 2.79
-0.58 3.37
0.0121
3 2.21 3
2.61 2.21
-0.40 2.61
0.0841
4 2.54 4
3.59 2.54
-1.05 3.59
0.1296
5 9.27 5
11.02 9.27
-1.75 11.02
1.1236
6 3.09 6
3.75 3.09
-0.66 3.75
0.0009
7 2.50 7
2.84 2.50
-0.34 2.84
0.1225
8 0.31 8
0.71 0.31
-0.40 0.71
0.0841
9 3.17 9
3.94 3.17
-0.77 3.94
0.0064
10 0.98 10
1.18 0.98
-0.20 1.18
0.2401
SUMA SUMA 1.807 10

Z i
PROMEDIO 2.99 PROMEDIO
3.68 2.99
-0.69 3.68 Z 10  i 1
  0.69
n
 Ejemplo 1 prueba t-apareada
 Construya un intervalo de confianza al 90% ( = 10%) para
Z, en donde Zi= Xi-Yi.
 Calcular : 10
  “Si el intervalo de
 
2
Z Z 10

Vˆar Z 10  
i
 1 1.807 confianza resultante
i 1
  0.02
n(n  1) (10)(9)
 2 incluye el cero, se
acepta la validez
Z 10  t , n 1 Vˆar ( Z n) Calculo de t en Excel: del modelo de lo
= INV.T.2C(0.10,9) contrario se
= 1.833
 0.69  t0.10 ,9 0.02 rechaza”
El intervalo de confianza resultante no
 0.69  1.833 0.02
incluye al 0.
 0.69  0.26 La diferencia Zj=Xj-Yj si es
estadísticamente significativa, por lo
( 0.95,0.43) que se duda de la validez del modelo.
Ejercicio 1: prueba t-apareada
 Construyaun intervalo de confianza al
90% ( = 10%)
Corridas Xi Yi
1 101 103
2 102 105
3 100 104
4 104 106
5 102 108
6 99 100
7 102 108
8 103 104
9 97 105
10 99 107