1

INTRODUCCIN
La creciente capacidad de las computadoras y la inmensa investigacin en el campo de la Ciencia de la Computacin otorgan nuevas herramientas para apoyar el proceso de la toma de decisiones en diversas disciplinas y reas de diseo y manejo de la industria. La Simulacin es una de las herramientas ms importantes y ms interdisciplinarias. En pocas palabras podemos decir, ue la simulacin reali!a cuando la computadora "inge ser una tienda, un avin o un mercado de abarrotes. El usuario de"ine la estructura del sistema ue uiere simular. #na corrida del programa de simulacin correspondiente le dice cual ser el comportamiento dinmico de su empresa o de la ma uina ue esta diseando. $s% podemos ver los pronsticos para la demanda y utilidad de nuestro producto, o ver cuando un mecanismo pueda "allar en las condiciones adversas del ambiente donde "uncionar. Las aplicaciones de la simulacin parecen no tener limites. $ctualmente se simulan los comportamientos hasta las partes ms pe ueas de un mecanismo, el desarrollo de las epidemias, el sistema inmunolgico humano, las plantas productivas, sucursales bancarias, el sistema de reparticin de pi!!as en la Ciudad de &'(ico, crecimiento de poblaciones de especies de animales, partidos y torneos de ")tbol, movimiento de los planetas y la evolucin del universo, para mencionar unos pocos ejemplos de las aplicaciones de esta herramienta. Cabe mencionar la creciente importancia de la Simulacin en la *nvestigacin de operaciones y en sus aplicaciones industriales. En los pa%ses altamente desarrollados la simulacin es una herramienta principal de en los procesos de toma de decisiones, en el manejo de empresas y el planeacin de la produccin. $dems, la Simulacin es cada ve! ms +amigable, para el usuario, ue no tiene ue ser un especialista en computacin. El -r. .alph /untsinger, e(0presidente de la +Society "or Computer Simulation, y actual 1residente del *nstituto &cLeod de las Ciencias de Simulacin ha dicho en sus presentaciones en el 1rimer Simposio sobre la Simulacin por Computadora y la *** Con"erencia sobre Simulacin por Computadora 2#niversidad 1anamericana, 3oviembre 1445 y 144678

!LA SIMULACIN ES TIL Y DIVERTIDA DISFRUTE SUS VENTAJAS

UNIDAD I: CONCEPTOS BSICOS DE SIMULACIN.
La simulacin es una t'cnica muy poderosa y ampliamente usada en las ciencias para anali!ar y estudiar sistemas complejos. En *nvestigaciones se "ormularon modelos ue se resolv%an en "orma anal%tica. En casi todos estos modelos la meta era determinar soluciones ptimas. Sin embargo, debido a la complejidad, las relaciones estocsticas, etc., no todos los problemas del mundo real se pueden representar adecuadamente en "orma de modelo. Cuando se intenta utili!ar modelos anal%ticos para sistemas como 'stos, en general necesitan de tantas hiptesis de simpli"icacin ue es probable ue las soluciones no sean buenas, o bien, sean inadecuadas para su reali!acin. En eso caso, con "recuencia la )nica opcin de modelado y anlisis de ue dispone uien toma decisiones es la simulacin. Simular, es reproducir arti"icialmente un "enmeno o las relaciones entrada0salida de un sistema. Esto ocurre siempre cuando la operacin de un sistema o la e(perimentacin en 'l son imposibles,

costosas, peligrosas o poco prcticas, como en el entrenamiento de personal de operacin, pilotos de aviones, etc. Si esta reproduccin est basada en la ejecucin de un programa en una computadora digital, entonces la simulacin se llama digital y usualmente se conoce como simulacin por computadora, aun ue esto incluye la simulacin en las computadoras analgicas. La simulacin por computadora est relacionada con los simuladores. 1or simulador entendemos no slo un programa de simulacin y la computadora ue lo reali!a, sino tambi'n un aparato ue muestra visualmente y a menudo "%sicamente las entradas y salidas 2resultados7 de la simulacin, como es el caso de los simuladores pro"esionales de vuelo, aun ue en este curso no se hablar sobre los simuladores ni sobre la simulacin analgica. $ partir del advenimiento de las computadoras electrnicas, la simulacin ha sido una de las herramientas ms importantes y )tiles para anali!ar el diseo y operacin de complejos procesos o sistemas. Simular, seg)n el -iccionario #niversitario 9ebster, es +"ingir, llegar a la esencia de algo, prescindiendo de la realidad,. Se puede de"inir a la simulacin como la t'cnica ue imita el "uncionamiento de un sistema del mundo real cuando evoluciona en el tiempo. Esto se hace por lo general al crear un modelo de simulacin. En s%ntesis, cada modelo o representacin de una cosa es una "orma de simulacin. La simulacin es un tema muy amplio y mal de"inido ue es muy importante para los responsables del diseo de sistemas, as% como para los responsables de su operacin. Shannon de"ine la simulacin como el proceso de disear un model de un sistema real y reali!ar e(perimentos con 'l para entender el comportamiento del sistema o evaluar varias estrategias 2dentro de los limites impuestos por un criterio o por un conjunto de criterios7 para la operacin del sistema. 1or lo ue se entiende ue el proceso de simulacin incluye tanto la construccin del modelo como su uso anal%tico para estudiar un problema. #n modelo de simulacin com)nmente toma la "orma de un conjunto de hiptesis acerca del "uncionamiento del sistema, e(presado con relaciones matemticas o lgicas entre los objetos de inter's del sistema. En contraste con las soluciones matemticas e(actas disponibles en la mayor%a de los modelos anal%ticos, el proceso de simulacin incluye la ejecucin del modelo a trav's del tiempo, en general en una computadora, para generar nuestras representativas de las mediciones del desempeo o "uncionamiento. En este aspecto, se puede considerar a la simulacin como un e(perimento de muestreo acerca del sistema real, cuyos resultados son puntos de muestra. 1or ejemplo, para obtener la mejor estimacin del promedio de la medicin del "uncionamiento, calculamos el promedio de los resultados de muestra. Es claro ue tanto ms puntos de muestra generemos, mejor ser nuestra estimacin. Sin embargo, hay otros "actores ue tienen in"luencia sobre la bondad de nuestra estimacin "inal, como las condiciones iniciales de la simulacin, la longitud del intervalo ue simula y la e(actitud del modelo mismo.

ALGUNOS USOS DE LA SIMULACIN Las reas de aplicacin de la simulacin son muy amplias, numerosas y diversas, basta mencionar slo algunas de ellas8 $nlisis del impacto ambiental causado por diversas "uentes $nlisis y diseo de sistemas de manu"actura $nlisis y diseo de sistemas de

comunicaciones. Evaluacin del diseo de organismos prestadores de servicios p)blicos 2por ejemplo8 hospitales, o"icinas de correos, tel'gra"os, casas de cambio, etc.7. $nlisis de sistemas de transporte terrestre, mar%timo o por aire. $nlisis de grandes e uipos de cmputo. $nlisis de un departamento dentro de una "brica. $diestramiento de operadores 2centrales carboel'ctricas, termoel'ctricas, nucleoel'ctricas, aviones, etc.7.$nlisis de sistemas de acondicionamiento de aire. 1laneacin para la produccin de bienes. $nlisis "inanciero de sistemas econmicos.Evaluacin de sistemas tcticos o de de"ensa militar. La simulacin se utili!a en la etapa de diseo para au(iliar en el logro o mejoramiento de un proceso o diseo o bien a un sistema ya e(istente para e(plorar algunas modi"icaciones. Se recomienda la aplicacin de la simulacin a sistemas ya e(istentes cuando e(iste alg)n problema de operacin o bien cuando se re uiere llevar a cabo una mejora en el comportamiento. El e"ecto ue sobre el sistema ocurre cuando se cambia alguno de sus componentes se puede e(aminar antes de ue ocurra el cambio "%sico en la planta para asegurar ue el problema de operacin se soluciona o bien para determinar el medio ms econmico para lograr la mejora deseada. ;odos los modelos de simulacin se llaman modelos de entrada0salida. Es decir, producen la salida del sistema si se les da la entrada a sus subsistemas interactuantes. 1or tanto los modelos de simulacin se +corren, en ve! de +resolverse,, a "in de obtener la in"ormacin o los resultados deseados. Son incapaces de generar una solucin por si mismos en el sentido de los modelos anal%ticos< solo pueden servir como herramienta para el anlisis del comportamiento de un sistema en condiciones especi"icadas por el e(perimentador. 1or tanto la simulacin es una teor%a, si no una metodolog%a de resolucin de problemas. $dems la simulacin es solo uno de varios planteamientos valiosos para resolver problemas ue estn disponibles para el anlisis de sistemas. 1ero =Cundo es )til utili!ar la simulacin> Cuando e(istan una o ms de las siguientes condiciones81.0 3o e(iste una completa "ormulacin matemtica del problema o los m'todos anal%ticos para resolver el modelo matemtico no se han desarrollado a)n. &uchos modelos de l%neas de espera corresponden a esta categor%a.5.0 Los m'todos anal%ticos estn disponibles, pero los procedimientos matemticos son tan complejos y di"%ciles, ue la simulacin proporciona un m'todo ms simple de solucin.:.0 Las soluciones anal%ticas e(isten y son posibles, pero estn mas all de la habilidad matemtica del personal disponible El costo del diseo, la prueba y la corrida de una simulacin debe entonces evaluarse contra el costo de obtener ayuda e(terna.?.0 Se desea observar el trayecto histrico simulado del proceso sobre un per%odo, adems de estimar ciertos parmetros.6.0 La simulacin puede ser la )nica posibilidad, debido a la di"icultad para reali!ar e(perimentos y observar "enmenos en su entorno real, por ejemplo, estudios de veh%culos espaciales en sus vuelos interplanetarios.@.0 Se re uiere la aceleracin del tiempo para sistemas o procesos ue re uieren de largo tiempo para reali!arse. La simulacin proporciona un control sobre el tiempo, debido a ue un "enmeno se puede acelerar o retardar seg)n se desee. PROBLEMAS PARA LLEVAR A CABO LA SIMULACIN, CUANDO LOS SISTEMAS SON GRANDES Y COMPLEJOS: El modelo matemtico es demasiado grande y complejo, as% ue la escritura de los programas de cmputo resulta ser una tarea demasiado tediosa. En la actualidad se dispone ya de algunos programas ue genera de modo automtico el cdigo de un modelo para la simulacin. El tiempo de cmputo es alto y costoso. Sin embargo y gracias a los actuales desarrollos de poderosos e uipos de computo, el tiempo de computo tiende a bajar

rpidamente. -esa"ortunadamente e(iste en el mercado una marcada impresin de considerar a la simulacin, como un simple ejercicio de programacin de computadoras. Como consecuencia de ello, codi"icacin y la corrida para obtener "inalmente una respuesta. SISTEMAS, MODELOS Y SIMULACIN E(isten diversos enunciados para de"inir un sistema, por ejemplo8 + un sistema de coleccin de entidades 2 personas, m uinas e uipos, etc. 7 los cuales act)an o interactuan juntos, para lograr un propsito bien de"inido + 2 Schmidt A ;aylor 7 o bien + #n sistema es un conjunto de componentes cuyos parmetros de comportamiento estn interrelacionados. Simular un sistema signi"ica observar un sistema e uivalente ue apro(ima o imita el comportamiento del sistema real. En la prctica, lo ue se entiende por sistema depende sobre todo el objetivo ue se uiera alcan!ar en un estudio en particular. La coleccin de entidades ue componen un sistema puede ser tan slo un subconjunto de un sistema ms amplio. 1or ejemplo, si se uiere llevar a cabo un estudio en un banco, para poder determinar el n)mero de cajeros ue se uieren, para proporcionar un adecuado servicio a los clientes ue deseen cambiar che ues por dinero en e"ectivo o bien para hacer un depsito en su cuenta de ahorros, el sistema puede ser de"inido como una porcin del banco ue consiste en los cajeros y los clientes ue esperaban en una "ila para ser atendidos. Si por otro lado se incluyera la o"icina de depsito de valores y cajas personales de seguridad, entonces la de"inicin de sistema cambia de manera natural. Entonces las Entidades de un sistema son los elementos ue nos interesan en el sistema y los atributos son la descripcin de las propiedades de las entidades. $ctividad es el proceso ue causa cambios en el sistema. Estas pueden ser8 endgenas cuando se generan dentro del mismo sistema y e(genas cuando provienen del medio e(terior. El estado de un sistema ueda de"inido como la coleccin de variables necesarias para describir un sistema particular, congruente con los objetivos de estudio 2 es una "otogra"%a del sistema 7 En el ejemplo del banco, algunas de las posibles variables de estado ue pueden de"inirse son8 el n)mero de cajeros, el n)mero de clientes en el banco, la hora de llegada de cada cliente al banco. Los sistemas se clasi"ican en discreto es a uel en el ue las variables de estado cambian instantneamente en puntos distintos en el tiempo. Se rigen por ecuaciones lgicas ue e(presan condiciones para ue un evento ocurra. La simulacin discreta, consiste en seguir los cambios en el estado del sistema resultando de cada uno de los eventos ue se reali!an. 1or regla general este tipo de la simulacin se reali!a siguiendo la secuencia de ocurrencia de eventos, es decir avan!amos el tiempo de la simulacin al tiempo de la ocurrencia del siguiente evento. En los sistemas discretos, el "lujo es tratado como un cierto n)mero de enteros. 1or ejemplo en el anlisis de "lujo de personas en el supermercado, involucra el tiempo ue tarda una persona en las distancias a'reas del supermercado y el contador de salida de un sistema

discreto, otros sistemas discretos son8 el anlisis de como el de tr"ico de autobuses en una central camionera, e control de tr"ico de8 trenes en una estacin "erroviaria, aviones en el aeropuerto, veh%culos en una autopista, bu ues en el puerto. Btro ejemplo puede ser un banco, dado ue las variables de estado como pueden ser8 el n)mero de clientes dentro del banco, cambia solamente cuando llega un nuevo cliente o bien cuando un cliente termina de ser atendido por un cajero y abandona el banco. #n sistema continuo es a uel en el ue las variables de estado cambian de manera continua en el tiempo. 1or ejemplo si consideramos un aeroplano ue se mueve por los aires, sus variables de estado como velocidad, posicin, consumo de combustible, etc., cambian de manera continua en el tiempo. En los sistemas continuos el "lujo a trav's del sistema es, el de un medio continuo, por ejemplo el "lujo de las part%culas slidas, movi'ndose a velocidades relativas al tamao de las part%culas presentes en la corriente. En la prctica, pocos sistemas continuos puros o como sistemas discretos puros, sin embargo predomina uno de los dos, con lo cual es posible identi"icarlos. En la Cigura 1 se ilustra las di"erentes maneras de cmo se estudian los sistemas en general. Btra manera de clasi"icar a los sistemas es determin%sticos y estocsticos. En un anlisis determin%stico, las variables de entrada se especi"ican de una manera precisa< en cambio en un anlisis estocstico, las condiciones de entrada al sistema son inciertas, son completamente aleatorias, es decir obedecen a una ley de distribucin de probabilidad.

S*S;E&$ ED1E.*&E3;B CB3 EL S*S;E&$ .E$L &B-ELB CES*CB ED1E.*&E3;B CB3 #3 &B-ELB -EL S*S;E&$ .E$L &B-ELB &$;E&F;*CB

SBL#C*G3 S*&#L$C*G3 $3$LE;*C$ Figura N . ! FORMAS DE ESTUDIAR LOS SISTEMAS

E"PERIMENTO CON EL SISTEMA REAL VS. E"PERIMENTO CON EL MODELO DEL SISTEMA. Cuando es posible 2y el costo lo permite7 modi"icar "%sicamente el sistema y operarlo en las nuevas condiciones es probable lo ms adecuado sin embargo no e(isten muchas preguntas acerca de la relevancia del estudio. Esta situacin raramente es "actible dado el alto costo asociado con e(perimento o bien por ue interrumpe por demasiado tiempo la operacin del e uipo. 1uede darse el caso ue el sistema no e(ista, sin embargo se re uiere saber su comportamiento para di"erentes con"iguraciones, para observar cual es la ue o"rece mayor ventaja, tal como se da en los modernos centros de ma uinado "le(ible de diversos tipos de componentes, o en los sistemas tcticos de de"ensa de un pa%s. 1or esta ra!n se hace necesario construir un modelo ue apro(ime de la mejor manera posible el sistema real. Siempre ue se usa un modelo, e(iste la pregunta de ue tan precisamente re"leja el comportamiento del sistema real para propsitos de la toma de decisiones, esto tiene ue ver con la valide! del modelo. *ndependientemente de como y con u' hagamos nuestro modelo, en cual uier caso involucra un proceso de abstraccin, ue consiste bsicamente en8 a7 Seleccin de la realidad, los elementos ms importantes ue intervienen en el problema y desechar a uellos ue consideramos no juegan un papel determinante en el mismo. b7 Establecer con precisin las distintas relaciones ue guarden entre si dichos elementos. #na ve! reali!ado este proceso de abstraccin estamos en condiciones de elaborar un modelo, dependiendo de cmo y con u' lo hagamos tomar distintas caracter%sticas. Construido el modelo, podemos manipular elementos y sobre todo buscar posibles soluciones. .esolver el problema en el modelo signi"ica haber contestado las siguientes preguntas8 a7 #E$i%&' % (u)i*+, Si la respuesta es negativa habremos terminado, el modelo construido no tiene solucin podemos replantearnos la pregunta yHo replantear el modelo. Si la respuesta es a"irmativa la siguiente pregunta es8 b7 #La % (u)i*+ '% -+i)a, Si la respuesta es a"irmativa habremos acabado, si resulta negativa, signi"ica ue e(iste ms de una solucin, y tendr%amos ue "ormularnos la tercera pregunta8 c7 #Cua( .' & .a% '% (a /u' 01% + % ) +2i'+', 1ara contestar esta )ltima, muchas veces tenemos ue volver a re"le(ionar sobre la realidad yHo sobre nuestro modelo, para establecer los criterios ue nos permitan decir cual es mejor.

-espu's de resolver el problema en el modelo, podemos trasladar la solucin encontrada a la realidad, este proceso recibe el nombre de aplicacin. En el anlisis de sistemas los tipos de modelos de inter's son los modelos matemticos, el cual representa al sistema en t'rminos de variables 2enteras, reales, lgicas, etc.7 y sus relaciones mutuas, las cuales se manipulan y modi"ican a placer para poder determinar la "orma como responde el sistema modelado o bien como debe de comportarse, siempre y cuando el modelo sea valido. SOLUCIN ANAL3TICA CONTRA SIMULACIN. #na ve! ue se ha construido un modelo matemtico, este debe ser anali!ado para saber la manera como debe ser utili!ado para ue de respuesta a las preguntas de inter's, acerca del sistema ue supuestamente representa. Si el modelo es lo su"iciente sencillo, es posible trabajar con cantidades y relaciones ue tiendan a la e(actitud, obteni'ndose entonces una solucin e(acta. Sin embargo, a)n las soluciones anal%ticas pueden ser e(traordinariamente complejas, re uiri'ndose de un considerable tiempo de cmputo. 1ero cuando el modelo es demasiado complejo, el modelo matemtico asociado es de las mismas caracter%sticas y la opcin de utili!ar una solucin anal%tica se desvanece, dando paso al estudio del sistema mediante simulacin.

TIPOS DE MODELOS DE SIMULACIN.

MODELOS DE SIMULACIN ESTTICA VS. DINMICA #n modelo de simulacin esttica, se entiende como la representacin de un sistema para un instante 2en el tiempo7 en particular o bien para representar un sistema en el ue el tiempo no es importante, por ejemplo la simulacin &ontecarlo< en cambio un modelo de simulacin dinmica representa a un sistema en el ue el tiempo es una variable de inter's, como por ejemplo en el sistema de transporte de materiales dentro de una "abrica, una torre de en"riamiento de una central termoel'ctrica, etc.. MODELOS DE SIMULACIN DETERMINISTA VS ESTOCASTICA Si un modelo de simulacin no considera ninguna variable importante, comportndose de acuerdo con una ley probabil%stica, se le llama un modelo de simulacin determinista. En estos modelos la salida ueda determinada una ve! ue se especi"ican los datos y relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cmputo para su evaluacin. Sin embargo, muchos sistemas se modelan tomando en cuenta alg)n

componente aleatorio de entrada, lo ue da la caracter%stica de modelo estocstico de simulacin. #n ejemplo ser%a un sistema de inventarios de una "brica, o bien el sistema de l%neas de espera de una "abrica, etc. Estos modelos producen una salida ue es en si misma de carcter aleatorio y 'sta debe ser tratada )nicamente para estimar las caracter%sticas reales del modelo, esta es una de las principales desventajas de este tipo de simulacin. MODELOS DE SIMULACIN CONTINUOS VS DISCRETOS Los modelos de simulacin discretos y continuos, se de"inen de manera anlogo a los sistemas discretos y continuos respectivamente. 1ero debe entenderse ue un modelo discreto de simulacin no siempre se usa para modelar un sistema discreto. La decisin de utili!ar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos espec%"icos de estudio. 1or ejemplo8 un modelo de "lujo de tr"ico en una supercarretera, puede ser discreto si las caracter%sticas y movimientos de los veh%culos en "orma individual es importante. En cambio si los veh%culos pueden considerarse como un agregado en el "lujo de tr"ico entonces se puede usar un modelo basado en ecuaciones di"erenciales presentes en un modelo continuo. Btro ejemplo8 #n "abricante de comida para perros, re uiere el au(ilio de una compa%a consultora con el objeto de construir un modelo de simulacin para su l%nea de "abricacin, la cual produce medio milln de latas al d%a a una velocidad casi constante. -ebido a ue cada una de las latas se represent como una entidad separada en el modelo, 'ste resulto ser demasiado detallado y por ende caro para correrlo, haci'ndolo poco )til. #nos meses ms tarde, se hi!o una re"ormulacin del modelo, tratando al proceso como un "lujo continuo. Este nuevo modelo produjo resultados precisos y se ejecuto en una "raccin del tiempo necesario por el modelo original. VENTAJAS Y DESVENTAJAS DEL USO DE LA SIMULACIN $un ue la t'cnica de simulacin generalmente se ve como un m'todo de )ltimo recurso, recientes avances en las metodolog%a de simulacin y la gran disponibilidad de so"tKare ue actualmente e(iste en el mercado, han hecho ue la t'cnica de simulacin sea una de las herramientas ms ampliamente usadas en el anlisis de sistemas. $dems de las ra!ones antes mencionadas, ;homas /. 3aylor ha sugerido ue un estudio de simulacin es muy recomendable por ue presenta las siguientes ventajas8 $ trav's de un estudio de simulacin, se puede estudiar el e"ecto de cambios internos y e(ternos del sistema, al hacer alteraciones en el modelo del sistema y observando los e"ectos de esas alteraciones en el comportamiento del sistema. #na observacin detallada del sistema ue se est simulando puede conducir a un mejor entendimiento del sistema y por consiguiente a sugerir estrategias ue mejoren la operacin y e"iciencia del sistema.

La t'cnica de simulacin puede ser utili!ada como un instrumento pedaggico para ensear a estudiantes habilidades bsicas en anlisis estad%sticos, anlisis terico, etc. La simulacin de sistemas complejos puede ayudar a entender mejor la operacin del sistema, a detectar las variables ms importantes ue interactuan en el sistema y a entender mejor las interrelaciones entre estas variables. La t'cnica de simulacin puede ser utili!ada para e(perimentar con nuevas situaciones, sobre las cuales tiene poca o ninguna in"ormacin. $ trav's de esta e(perimentacin se puede anticipar mejor a posibles resultados no previstos. La t'cnica de simulacin se puede utili!ar tambi'n para entrenamiento de personal. En algunas ocasiones se puede tener una buena representacin de un sistema 2como por ejemplo los juegos de negocios7, y entonces a trav's de el es posible entrenar y dar e(periencia a cierto tipo de personal. Cuando nuevos elementos son introducidos en un sistema, la simulacin puede ser usada para anticipar cuellos de botella o alg)n otro problema ue puede surgir en el comportamiento del sistema. Los sistemas los cuales son sujetos de investigacin de su comportamiento no necesitan e(istir actualmente para ser sujetos de e(perimentacin basados en la simulacin. Solo necesitan e(istir en la mente del diseador. El tiempo puede ser compresado en los modelos de simulacin. El e uivalente de d%as, semanas y meses de un sistema real en operacin "recuente pueden ser simulados en solo segundos, minutos u horas en una computadora. Esto signi"ica ue un largo n)mero de alternativas de solucin pueden ser simuladas y los resultados pueden estar disponibles de "orma breve y pueden ser su"icientes para in"luir en la eleccin de un diseo para un sistema. En simulacin cada variable puede sostenerse constante e(cepto algunas cuya in"luencia est siendo estudiada. Como resultado el posible e"ecto de descontrol de las variables en el comportamiento del sistema necesitan no ser tomados en cuenta. Como "recuentemente debe ser hecho cuando el e(perimento est desarrollado sobre un sistema real. Es posible reproducir eventos aleatorios id'nticos mediante una secuencia de n)meros aleatorios. Esto hace posible usar las t'cnicas de reproduccin de varian!a para mejorar la precisin con la cual las caracter%sticas del sistema pueden ser estimadas para dar un valor ue re"leje el es"uer!o de la simulacin. $ di"erencia de las ventajas mencionadas, la t'cnica de simulacin presenta importantes desventajas, 'stas son8

1L

Calla al producir resultados e(actos. S supone ue un sistema 'sta compuesto de uno o mas elementos ue estn sujetos a un comportamiento al a!ar. Cuando una simulacin es desarrollada con un modelo del sistema, los valores de cada variable son registrados y los promedios de estos valores son dados en una postsimulacin. 1ero el promedio en una muestra de observacin solo a veces provee un estimado de lo esperado, es decir, una simulacin solo provee estimados, no resultados e(actos. Callas al optimi!ar. La simulacin es usada para contestar preguntas del tipo +Mu' pasa si>,, +pero no de,, += ue es lo mejor>,. En este sentido, la simulacin no es una t'cnica de optimi!acin. La simulacin no generar soluciones, solo eval)a esas ue han sido propuestas. Largo tiempo de conduccin. #n estudio de simulacin no puede ser conducido o llevado a cabo en solo un "in de semana. &eses de es"uer!o pueden ser re ueridos para reunir in"ormacin, construir, veri"icar y validar modelos, disear e(perimentos y evaluar e interpretar los resultados. Costos para proveer capacidad de simulacin. El establecimiento y mantenimiento de capacidad de simulacin, envuelve tener mejor personal, so"tKare, hardKare, entrenamiento y otro tipo de costos. $buso de simulacin. /ay muchas "acetas para un balanceo y comprensivo estudio de la simulacin. Na ue una persona debe tener conocimiento de una gran variedad de reas antes de llegar a ser un practicante de la simulacin. Este hecho es algunas veces ignorado, sin embargo como resultado, cada estudio puede incorrectamente ser desarrollado, o podr%a estar incompleto, o podr%a caer en otro tipo de caminos, ui! resultado de una "alla del es"uer!o de la simulacin. En conclusin la simulacin o"rece poderosas ventajas pero su"re de mayores desventajas tambi'n. $"ortunadamente muchas de estas desventajas estn disminuyendo en importancia en el tiempo, gracias a las herramientas ue emplean simulacin. metodologias, desarrollo de computadoras y de so"tKare y decrementos en los costos de los mismos. Como nosotros hemos visto la simulacin tiene una categor%a e(tremadamente buena, aun ahora en medio de tantas alternativas y su m'ritos podr%an continuar a trav's del tiempo.

11

METODOLOGIA DEL PROCESO DE SIMULACIN.

1L$3*C*C$. #3 1.BCESB -E S*&#L$C*G3 .EM#*E.E -E LBS S*O#*E3;ES 1$SBS8 $7 CB.&#L$C*G3 -EL 1.BPLE&$. P7 .ECBLLECC*G3 N 1.BCES$&*E3;B -E L$ *3CB.&$C*G3 .EM#E.*-$. C7 CB.&#L$C*G3 -EL &B-ELB &$;E&$;*CB. -7 EQ$L#$C*G3 -E L$S C$.$C;E.*S;*C$S -E L$ *3CB.&$C*G3 1.BCES$-$. E7 CB.&#L$C*G3 -E #3 1.BO.$&$ -E CB&1#;$-B.$. C7 Q$L*-$C*G3 -EL 1.BO.$&$ -E CB&1#;$-B.$.

15

O7 -*SERB -E ED1E.*&E3;BS -E S*&#L$C*G3. /7 $3$L*S*S -E .ES#L;$-BS N Q$L*-$C*G3 -E L$ S*&#L$C*G3. $ continuacin se resumen las principales caracter%sticas asociadas a cada paso.

FORMULACIN DEL PROBLEMA

Oeneralmente un problema se presenta por s%ntomas, no por el diagnostico. 1or lo ue antes de generar soluciones en un sistema, se deben buscar el mayor numero de s%ntomas. Seg)n $co"" y Sasieni, las condiciones para problemas son8 ue e(ista el mas simple de los

1. -ebe e(istir por lo menos un individuo ue se encuentra dentro de un marco de re"erencia, el cual se puede atribuir el problema del sistema. 5. El individuo debe tener por lo menos un par de alternativas para resolver su problema, en caso contrario no e(iste tal problema. :. -eben de e(istir por lo menos, un par de soluciones, una de las cuales debe tener mayor aceptacin ue la otra en el individuo. En caso contrario, no e(iste el problema. Esta pre"erencia esta asociada a un cierto objetivo dentro del marco de re"erencia en donde se encuentra el individuo del sistema. ?. La seleccin de cual uiera de las soluciones debe repercutir de manera di"erente en los objetivos del sistema, es decir e(iste una e"iciencia yHo e"ectividad asociada con cada solucin. Estas e"iciencias yHo e"ectividades deben ser di"erentes, puesto ue de lo contrario no e(iste problema. 6. 1or ultimo le individuo ue toma las decisiones ignora las soluciones yHo e"iciencia yHo e"ectividades asociadas con las soluciones del problema.

1:

Si las cinco condiciones anteriores e(isten, entonces se tiene un problema. Esta situacin puede complicarse en los siguientes casos8 a7 El problema recae en un grupo, no en un individuo. b7 El marco de re"erencia donde se encuentra el grupo, cambia en "orma dinmica. c7 El numero de alternativas ue el grupo puede escoger es bastante grande, pero "inito. d7 El grupo dentro del sistema puede tener objetivos m)ltiples. necesariamente estos objetivos son consistentes entre si. 1eor aun, no

e7 Las alternativas ue selecciona el grupo son ejecutadas por otro grupo ajeno, al cual no se le puede considerar como elemento independiente del sistema. "7 Los e"ectos de la decisin del grupo pueden sentirse por elementos ue aun siendo ajenos al sistema considerando, in"luyen directa o indirectamente, "avorable o des"avorablemente hacia el 2pol%tico, consumidor, etc.7. Para 4 r0u(ar u+ 5r 6('0a %' +')'%i&a (a %igui'+&' i+4 r0a)i*+: a7 =E(iste un problema>. b7 =-e uien es el problema>. c7 =Cual es el marco de re"erencia del sistema donde se encuentra el problema> d7 =Muien o uienes toman las decisiones> e7 =Cuales son sus objetivos>. "7 Cuales son los componentes controlables del sistema y cuales no lo son>. g7 =Cuales son las interrelaciones ms importantes del sistema>. h7 =Como se emplearan los resultados del proyecto> =1or uien> = ue e"ectos tendr> i7 =Las soluciones tendrn e"ecto a corto o largo pla!o> j7 =1odrn los e"ectos de las soluciones modi"icarse o cambiarse "cilmente> S7 =Cuantos elementos del sistema se a"ectaran por las soluciones del proyecto> =En u' grado> FORMULAR UN PROBLEMA RE7UIERE:

1?

a7 *denti"icar las componentes controlables de un sistema. b7 *denti"icar posibles rutas de accin dadas por las componentes, controlables. c7 -e"inir el marco de re"erencia, dado por las componentes no controlables d7 -e"inir los objetivos ue se persiguen y clasi"icarlos por su orden de importancia. *denti"icar las relaciones importantes entre las di"erentes componentes del sistema, este paso e uivale a encontrar las restricciones ue e(isten, a la ve! ue permite ms adelante representar estas interrelaciones en "orma matemtica. La identi"icacin de la estructura del sistema 2componentes, canales, interrelaciones, etc.7, se hace a trav's de un proceso sistemtico, ue se conoce como diseo de sistemas. El diseo de sistemas se lleva a cabo de la siguiente manera8 a7 Se ubica al sistema considerando dentro de sistemas ms grandes. b7 Se determinan las componentes del sistema. c7 Se determinan los canales de comunicacin entre las componentes del sistema y de este hacia los elementos de otros sistemas ue van a tener in"luencia directa o indirecta. d7 Se determinan de ue manera se tiene acceso a la in"ormacin re uerida como se procesa esta y como se transmite entre las di"erentes componentes del sistema.

RECOLECCION Y PROCESAMIENTO DE LA INFORMACIN.

1.0 &ediante alg)n m'todo de recoleccin se necesita capturar los siguientes datos. 0 3)mero de llegadas por unidad de tiempo a di"erente horarios. 0 ;iempos entre llegadas en di"erentes horarios. 0 Bperaciones ue se reali!an en el banco. 0 Crecuencia de los servicios re ueridos por el usuario.

16

0 Comportamiento del usuario en las l%neas de espera. 5.0 1rocesar la in"ormacin capturada, en "orma de tablas, gr"icas, etc. a trav's de alg)n pa uete computacional. R') ('))i*+ 8 5r )'%a0i'+& .' (a i+4 r0a)i*+. .ECBLECC*G38 Es el proceso de capturar los datos disponibles ue se re uieren para la simulacin del comportamiento del sistema. 1.BCES$&*E3;B8 Se comprenden las actividades re ueridas para trans"ormar los datos en in"ormacin. 1or ejemplo, un directorio tele"nico es un banco de datos8 mi direccin y tel'"ono es in"ormacin ue procede de ese banco de datos el hecho de ue estos datos est'n arreglados en cierta "orma 2procesados y "orma al"ab'tica7, permite el acceso a la in"ormacin deseada de una manera sencilla. La "ormulacin es necesaria para poder simular un sistema. La in"ormacin debe ser8 oportuna relevante y con"iable. FUENTES PARA GENERAR INFORMACIN 1.0 Las series histricas o de tiempo8 son datos )tiles y de rpido procesamiento para convertirlos en in"ormacin. 5.0 La opinin de e(pertos8 Es in"ormacin subjetiva, carente de detalle y de utilidad m%nima, econmica y rpida de obtener cierto tipo de in"ormacin complementaria. :.0 Los estudios de campo8 son el m'todo mas e"ectivo, aun ue ms costoso y tardado, de obtener in"ormacin re uerida. Se re uiere el diseo de una muestra estad%stica representativa del universo bajo estudio< de un cuestionario ue asegure la relevancia y con"iablilidad de un cuestionario y ue asegure la relevancia y con"iabilidad de los mismos y de personal entrenado ue apli ue la encuesta. La in"ormacin capturada se mete a la computadora a trav's de alg)n pa uete y se edita.

FORMULACIN DEL MODELO.

1. .epresentar el sistema mediante un es uema en el ue se visualice en cada modula con sus componentes, atributos, actividades endgenas y e(genas y las relaciones entre estas. El conjunto de todos estos mdulos es el sistema. 5. Caracteri!ar matemticamente las relaciones uien gobierna la interaccin de las componentes del sistema y de las actividades endgenas y e(genas.

1@

Es mas "cil construir una e(presin matemtica de las componentes y actividades del blo ue de ue todo el sistema. Sin embargo a una escala, la modelacin puede ser muy di"%cil o, en ciertos casos imposible. El sistema como un todo se modela matemticamente de acuerdo a la intercone(in de los blo ues. 1or ejemplo si un sistema esta "ormada por una sola unidad de servicio y una l%nea de espera, una e(presin matemtica para determinar el tiempo promedio ue los clientes estn en el sistema8

; S*S;E&$ T ;CBL$ U ;SE.Q*C*B

FORMULACIN DEL MODELO $l modelar el sistema banco se caracteri!an por e(presiones matemticamente las relaciones ue gobiernan las interacciones de los mdulos con cada uno de sus componentes, atributos, actividades endgenas y e(genas.

$ P C E C

Se considera ue el sistema banco esta "ormado por el modulo siguiente8 &B-#LB 18 Cormado por las @ cajas. CB&1B3E3;ES8 C$V$S $, P, C, -, E, C.

L*3E$S -E ES1E.$ $;.*P#;BS8

1I

C$V$S8 ;ipo de operacin ue reali!an, monto de dinero recaudado, clientes atendidos en cada actividad< tiempo de servicio para cada actividad. L*3E$ -E ES1E.$8 ;iempo promedio ue un cliente esta en cola, n)mero promedio de cliente en cada cola. $C;*Q*-$-ES EDGOE3$S8 ;odas las actividades econmicas ue originan ue los usuarios lleguen al banco. $C;*Q*-$-ES E3-GOE3$S8 Son cinco las actividades ue se van a reali!ar en el banco. 1. $horro 5. -eposito :. Cambio de che ues ?. cambio de dinero 6. pago de servicios estas actividades pueden hacerse en algunas o varias cajas. El 1LW reali!an ahorro, de este 1LW el ?LW solo reali!an ahorro en la caja a el @LW adems van a depositar en las cajas P a C. El 5LW reali!an la operacin de deposito en las cajas P a C El ?LW reali!aba la operacin de deposito en las cajas P a C ?6W che ues X 1LLL cajas P y E :6W che ues 1LL1 a 6LLL cajas C y 5LW che ues Y 6LLL caja C El 5LW reali!an la operacin cambio de dinero en las cajas de la P a C. El 1LW reali!an la operacin pago de servicios en las cajas P y E.

EVALUACIN DE LAS CARACTERISTICAS DE LA INFORMACIN PROCESADA

Se necesita averiguar el tipo de distribucin probabil%stica in"ormacin. ue gobierna a la

1ara ello se re uiere la reali!acin de una serie de prueba estad%sticas, para anali!ar si e(isten di"erentes signi"icativas entre la distribucin emp%rica observada 2histograma de los datos capturados7 y la distribucin terica supuesta de no e(istir di"erencias signi"icativas, se utili!a la distribucin terica ue generalmente ya viene tabulada. -e lo contrario, el

1J

comportamiento del sistema debe hacerse en base a la distribucin emp%rica observada, lo cual acarrea cierta complejidad. Las di"erentes pruebas au(iliares para anali!ar estas di"erencias estad%sticas son8 a7 1ruebas re"erentes a valores medios 2di"erentes entre medias7. b7 1ruebas re"erentes a variaciones 2Vi0cuadrada, prueba CZ7. c7 1ruebas re"erentes a conteo de datos 2proporciones, tablas de contingencia, bondad de ajuste, pruebas de corridas e intervalo7. d7 1ruebas no parametricas 2rangos, medianas, correccin, [olmogorov0Smirnov, etc.7.

EVALUACIN DE LAS CARACTERISTICAS DE LA INFORMACIN PROCESADA

=Como se eval)o ue las llegadas de clientes al banco son tipo 1oisson o ue los tiempos entre llegadas son de tipo e(ponencial> -e 48LL a 1L8LL el tiempo promedio es de 16, -e 1L8LL a 158LL el tiempo promedio es de :L, -e 158LL a 1:8LL el tiempo promedio es de 5L, En relacin al tiempo de operacin y caja a utili!ar, como se determino ue8 El 1LW va a ahorrar en la caja a ue de este 1LW El ?LW se retira. El @LW se va a deposito. El 5LW se va a depositar en las cajas P a C. El ?LW va a cambio de che ues ue de este ?LW. El ?6W son che ues X 1LLL y va a las cajas P y C. Mue el :6W son che ues 1LL1 a 6LLL y van a las cajas C y -. Mue el 5LW son che ues Y 6LLL y van a la caja C El 5LW va a cambio de dinero en las cajas P y C. El 1LW va apago de servicios y va a las cajas P y C . Como se concluyo ue los tiempos de servicios en las cajas de acuerdo al tipo de operacin son8 $horro deposito

:, 1,

= 16 . = :L
che ue X 1LLL

cambios de che ues

= 1\ = :L\\

14

che ue 1LL1 a 6LLL che ueY 6LLL cambio de dinero

= 5\ = ?6\\ = 5.6\\ = 1

= :\ = 1\

5]

pago de servicios ?]

1ara reali!ar las pruebas estad%sticas se sugiere apoyarse en alg)n so"tKare como el statgraphics ue es un pa uete estad%stico.

CB.&#L$C*G3 -EL 1.BPLE&$ =ED*S;E #3 1.BPLE&$>

.ecientemente se ha notado la disminucin de clientes en el banco. 1osiblemente el trato hacia el cliente no se a el adecuado. B probablemente el cliente tarda mucho esperando ha ser atendido ue ha optado por buscar los servicios de otro banco. 1osiblemente haya muchas interrogaciones en relacin a lo ue esta ocurriendo actualmente en el banco. 1ero de ella, la mas importantes es la ue esta relacionada con el tiempo ue permanece el cliente en el banco =como es este tiempo> =podr%a ser disminuido a tal grado ue sea atractivo para el cliente y vuelvan a re uerir los servicios del banco> 1roblema8 La cantidad de clientes ha disminuido, necesitamos ser ms e"icientes y e"ica!. =-e uien es el problema>8 -e todos los ue laboran en el banco pero "undamentalmente del gerente y el cuerpo directivo. =&arco de re"erencia>8 -e acuerdo con la e(periencia del gerente se supone ue el problema se encuentra en las cajas, espec%"icamente en el tiempo utili!ado para ue un cajero atienda a un cliente. El problema se encuentra en todo el sistema o espec%"icamente en el subsistema cajas. =Muien o uienes toman las decisiones>8 El gerente con su cuerpo directivo. =Cuales son las componentes controlables del sistema>8 La% )a9a%8 1ueden ponerse cajeros ms rpidos y e"icientes, aumentando su numero. La% (:+'a% .' '%5'ra8 1ueden organi!arse de tal manera ue la espera sea agradable. E%&ra&'gia%: $ trav's de personal capacitado se puede orientar al cliente para mandarlo a la caja ms adecuada y rpida. Esto hacia ms "luida la espera. =Cuales son las componentes no controlables> Los clientes en lo ue se re"iere a tasa de llegada, a su deseo de irse cuando ha transcurrido cierto tiempo o e(isten un numero determinado de clientes delante de el.

5L

=Cuales son las interrelaciones ms importantes del sistema> Los recurso del sitema banco son. ^.ecursos humanos. ^.ecursos "inancieros. ^.ecursos materiales. Entre estos e(iste un n)mero muy grande de interrelaciones.

../

..C

..&

En nuestro caso las interrelaciones ms importantes son la ue se entre los recurso humanos con los clientes. Mue llegan al banco y ue por un tiempo determinado "orman parte del sistema banco. Cada caja esta atendida por sistema humano y este atiende a otro ser humano ue es un cliente. Cliente cajero

$un ue se maneje dinero y e uipo el'ctrico no e(isten interrelaciones relevantes ue sean un objetivo para este anlisis. 3os interesa la utili!acin de las cajas atendidas por seres humanos, denominados cajeros. =Muienes harn la investigacin de lo ue esta ocurriendo en el sistema banco> E(pertos en investigacin de operaciones, en sistemas y en simulacin. =Como se emplearan los resultados de la investigacin> 1ara el anlisis se determinara8 3)mero promedio de clientes en cada caja. El tiempo promedio ue un cliente esta en caja. El promedio ue un cliente esta en el sistema.

51

El n)mero promedio en el sistema. El "actor de utili!acin de cada una de las cajas. El numero de los clientes ue hicieron determinado tipo de servicio. La posibilidad de ue colas en las cajas con un n)mero determinado de clientes. -eterminar los tiempos promedio de atencin de los clientes en las cajas. Los resultados anteriores se emplearan para anali!ar con ue condiciones desde el punto de vista "uncional se encuentra el sistema banco. =1or Muien> El grupo de especialistas proporcionara dicha in"ormacin al gerente y su e uipo administrativo para su anlisis y toma de decisiones. =Mu' e"ectos tendra> 1uede ser ue elimines cajas si es ue la utili!acin son muy grandes. =Las soluciones tendran e"ecto a corto o largo pla!o> -ada la alta competitividad con otros bancos se sugiere reali!ar la simulacin del sitema banco para poder tener un anlisis ue traiga como resultado mejorar el servicio ue dicho banco proporciona. ;odo esto a corto pla!o. a7 =1odrn los e"ectos de las soluciones modi"icarse o cambiarse "cilmente>8 En este caso el e"ecto de las soluciones es proporcionar satis"accin en el cliente una parte de la solucin ser%a disminuir el tamao de las l%neas de espera, agili!ar el tiempo de atencin de caja a los clientes. 1ara lograr una mayor satis"accin se debe permitir decidir hasta ue punto pueden crecerse los cambios deseados u en su momento disminuirse. b7 =Cuantos elementos del sistema se a"ectaran por las soluciones y en ue grado>8 Los elementos del sistema ue podr%an verse a"ectado son alguna o algunas de las @ cajas. E(iste la posibilidad de ue alguna caja tenga su utili!acin baja, desapare!ca, no as% el servicio ue proporciona al eliminarse cajas, esto podr%a a"ectar a alg)n trabajador. En la "ormulacin del problema e(iste un proceso dial'ctico entre los ue tienen el problema y los ue van a construir el modelo. $lgunos objetivos o propsitos pueden de"inirse mediante los siguientes aspectos8 a7 1reguntas ue deben contestarse8 =.ealmente necesita hacerse un anlisis del "uncionamiento del sistema banco> =1odria disminuirse el tiempo de estancia de un cliente en el sistema banco> =Sera necesario instalar e uipo electrnico ue sirva de apoyo al cajero para dar un servicio ms rpido>, =Se necesitan ms cajas para el servicio> b7 /iptesis ue deben ser veri"icadas8 La causa de ue en el banco haya poca clientela se debe a ue los tiempos de servicio en las cajas son muy lentos originando la acumulacin de mucha cola. Si el cajero cuenta con e uipo electrnico como apoyo a sus operaciones la e"iciencia se elevar%a hasta el 4LW. #n resultado del analisis podria ser ue despidieran personal. La administracin del banco podr%a instalar espejos, sillas, televisiones, la sala para evitar ue los llamados aburridos se "ueran. c7 E"ectos ue deben estimarse8 =Como a"ectar%a al sistema banco si e instalara e uipo electrnico en cada caja> =Como a"ectar%a al sistema banco si se aplica el horario de servicio> =Como a"ectara al sistema banco si se instalan en la localidad otros bancos>

55

VALIDACIN DEL PROGRAMA POR COMPUTADORA

En el caso del sistema banco se tiene lo siguiente. 1.0 Cada corrida genera los siguientes resultados. a7 #n numero de clientes ue se van por aburridos. b7 #n n)mero promedio de clientes ue se esperan en la cola de cada caja c7 #n "actor de utili!acin para cada una de las @ cajas. d7 #na tabla de tiempos de trnsitos o de estancia de los clientes en el sistema. e7 #na tabla de los tiempos de estancia en cada una de las colas2cajas7. Si se reali!a otra corrida se obtiene a otros resultados di"erentes. =Cuantas veces se debe correr el programa> $)n cuando en cada corrida los resultados son di"erentes estad%sticamente estos pueden ser con"iables. 5.0 Establecer las hiptesis para cada tipo de resultados, a)n cierto nivel de signi"icancia. 1or ejemplo si se hacen 6 simulaciones probar ue probabilisticamnete los "actores de utili!acin de cada una de las cajas son iguales. $# T #P T #C T #- T #C $# T #P T #C T #- T #C $# T #P T #C T #- T #C $# T #P T #C T #- T #C $# T #P T #C T #- T #C :.0 .eali!ar la prueba de hiptesis para a"irmar o re"utar la hiptesis como statgraphics. ?.0 Simultneamente reali!an las pruebas de hiptesis, y se pueden comparar los resultados con alg)n patrn de in"ormacin previamente conocido para tener panorama ms amplio y con"iable. 6.0 Si la hiptesis no "ue aceptada entonces se debe revisar e(haustivamente todo el programa las "unciones, procedimientos entradas y salidas de in"ormacin, hasta encontrar si hay el posible error.

DISE;O DE E"PERIMENTOS DE SIMULACIN

5:

Esta "ase se puede hacer simultneamente con las "aces8 diseo y validacin del programa. #na ve! validado el programa se entra a la "ase del diseo de e(perimentos ue se uieren simular, para ello se debe hacer lo siguiente8 1. 5. :. ?. 6. @. I. J. -e"inir las variables endgenas y e(genas. -e"inir las estructuras "uncionales ue las relacionan. Elegir las distribuciones adecuadas a los parametros aleatorios. Oenerar los n)meros y variables aleatorias ue de acuerdo a estas distribuciones, representan al sistema baja estudio. .eali!ar pruebas de hiptesis para seleccionar la in"ormacin necesaria para reali!ar la simulacin. -e"inir las distintas condiciones iniciales y "inales de la simulacin. .eali!ar un n)mero determinado de simulacin. ;abule y gra"i ue los resultados para reali!ar un mejor anlisis y validacin de la simulacin.

-*SERB -EL ED1E.*&E3;B -E S*&#L$C*G3 -EL S*S;E&$ P$3CB

1. =Estn bien de"inidas las variables endgenas del sistema> 5. =Estn bien de"inidas las estructuras "uncionales ue reali!an las variables> :. =Se han hecho las pruebas de hiptesis necesarias para a"irmar ue8 0Las llegadas son de tipo 1oisson o ue los tiempos son de tipo e(ponencial 0Mue los tipos de servicio ue van a re uerir el cliente estn representados por una distribucin. 0Mue las duraciones de los servicios son de tipo uni"orme y normal como lo espe0 si"ica el enunciado. ?. =Se tiene bien de"inido el modelo generador de n)meros aleatorios> 6. =Se tienen bien de"inidos los modelos generador de n)meros aleatorios> En cuanto a las condiciones iniciales y "inales se tiene lo siguiente8 CB3-*C*B3ES *3*C*$LES El banco inicia s su "unciones a las 48LL $l inicio no hay ning)n cliente CB3-*C*B3ES C*3$LES El banco solo pueden darse llegadas hasta las 1:8:L horas. La simulacin termina cuando no haya un solo cliente. J. =Se tienen de"inidas cuantas simulaciones se van a reali!ar> un solo d%a es de 48LL a 1:8:L. solo podr%an simular una semana o un mes. 4. ;abular y gra"i ue los resultados obtenidos de cada simulacin con el "in de reali!ar un mejor anlisis y validacin de la simulacin.

5?

ANALISIS DE RESULTADOS Y VALIDACIN DE LA SIMULACIN

1. 5. :. ?. .ecolectar sistemticamente los datos producidos por la simulacin. Calcular ciertas estad%sticas. *nterpretar el comportamiento de la in"ormacin obtenida. Qalidar los resultados de la simulacin comparando tanto similitud entre los resultados y las posibles series historicas ue se poseen, como el uso ue los decisiones le den a esta herramienta.

La utili!acin del modelo por parte de los decisores es la validacin crucial. -e otra "orma el modelo se archiva o se tira a la basura. $3$L*S*S -E .ES#L;$-BS N Q$L*-$C*G3 -E L$ S*&#L$C*G3 1.0 -isee una tabla con un "ormato tal ue "acilite la visuali!acin de los resultados de cada simulacin del sistema banco corrida clientes ue se van colas en cada caja M$, MP, MC, M-, ME, MC utili!acin en cajas 1$, 1P, 1C, 1-, 1E, 1C

;$PL$S -E ;*E&1B 5.0 Calculo de las estad%sticas promedios, desviaciones estndar porcentajes etc. :.0 *nterpretacin de los resultados /acer comparaciones de los promedios entre una y otra simulacin ?.0 Comparar estos resultados con alg)n patrn de in"ormacin o con la realidad ue desea resolver. .epresentar%a a los decisiones.

CB.&#L$C*G3 -E #3 1.BO.$&$ -E CB&1#;$-B.$.

56

Esta "ase se puede hacer simultneamente con las "ases8 validacin del programa y el diseo de e(perimento los pasos a seguir para "ormular un programa de computadora son8 a7 Elaborar un diagrama de "lujo ue muestre el e"ecto de las di"erentes actividades sobre las componentes importantes del sistema b7 -isear la programacin en alg)n lenguaje especial como8O1SS, S*&3E;, S*&SC.*1;, O$S1, -N3$&B, etc. lenguajes de alto nivel8 1$SC$L, C. 0condiciones iniciales de la simulacin. 0condiciones "inales. c7 1robar el programa hasta eliminar todos los errores lgicos y no lgicos. d7 Oenerar resultados. b7 disear un programa8 El programa puede hacerse en lenguajes de alto nivel8 C, 1$SC$L, CB.;.$3, P$S*C, etc., lenguajes de simulacin8 O1SS S*&3E;, cual uiera ue sea el lenguaje seleccionada en el deben ampliarse procedimientos "unciones o blo ues ue describan la reali!acin de llegadas servicios y salidas.

SIMULACIN
* S*&#L$C*G3 N ;B&$ -E -EC*C*B3ES. *.1 *3;.B-#CC*G3 Con el advenimiento de la computadora, una de las ms importantes herramientas para reali!ar el diseo y operacin de sistemas o procesos complejos es la simulacin. $un ue la construccin de modelos arranca desde el .enacimiento, el uso moderno de la palabra simulacin data de 14?L, cuando los cient%"icos Qon 3euman N #lam ue trabajaban en el proyecto &onte Carlo, durante la segunda Ouerra &undial, resolvieron problemas de reacciones nucleares cuya solucin e(perimental ser%a muy cara y el anlisis matemtico demasiado complicado. Con la utili!acin de la computadora en los e(perimentos de simulacin, surgieron incontables aplicaciones y con ello, una cantidad mayor de problemas tericos y prcticos. En estas notas, se intenta por consiguiente, investigar y anali!ar cierto n)mero de aplicaciones importante de simulacin de las reas econom%a, administracin de negocios, ingenier%a industrial e sistemas computacionales investigacin de operaciones, as% como tambi'n sugerir algunos m'todos alternativos para resolver algunos problemas tericos y prcticos ue surgen al e"ectuar simulaciones reales.

5@

*.5 -EC*3*C*G3 -E S*&#L$C*G3. Se ha empe!ado a utili!ar la palabra simulacin sin haber dado una de"inicin de ella. 1or consiguiente, antes de proseguir con este tema, ser%a conveniente describir algunas de las de"iniciones ms aceptadas de y di"undidas de la palabra simulacin. ;omas /. 3aylor 214II7, la de"ine as%8 Simulacin es una tcnica numrica para conducir experimentos en una computadora digital, los cuales requieren ciertos tipos de modelos lgicos y matemticos que describen el comportamiento de un negocio o un sistema econmico (o algn componente de ellos) en periodos extensos de tiempo real. La de"inicin anterior est hecha en un sentido muy amplio, pues puede incluir desde una ma ueta, hasta un so"isticado programa de computadora. En sentido ms estricto, &asiel y Onugnoli, de"inen simulacin como8 Simulacin es una tcnica numrica para realizar experimentos en una computadora digital. Estos experimentos in olucran ciertos tipos de modelos matemtematicos y lgicos que describen el comportamiento de sistemas de negocios, econmicos, sociales, industriales, biolgicos !"sicos y qu"micos a tra s de largos per"odos de tiempo.

Btros estudiosos del tema como .obert E. Shannon 214JJ7, de"inen simulacin como8 Simulacin es el proceso de dise#ar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propsito de entender el comportamiento del sistema o e aluar arias estrategias con las cuales se puede operar el sistema. 1ara los ue pre"ieren una de"inicin estrictamente "ormal, la propuesta por 9est Churman puede resultar satis"actoria, ya ue admite las ambig_edades e inconsistencias inherentes al uso actual de la palabra y de"ine la simulacin como `Poni, 14@:a8 Se dice que $x simula a y% si y slo si& a) x y y son sistemas !ormales' b) y se considera como el sistema real' c) x se toma como una aproximacin del sistema real' d) las reglas de alidez en x no estn exentas de error. Las de"iniciones anteriores no especi"ican si los sistemas modelados son continuos o discretos. Se desprende entonces ue, e(iste la simulacin de sistemas dinmicos continuos y discretos.

!.<

SIMULACIN COMO UNA TECNICA PARA SOLUCIONAR PROBLEMAS.

5I

Simulacin, es una "orma de reali!ar e(perimentos en la computadora, la cual ayuda a las empresas a reali!ar la simulacin de un proyecto para ver si valdr la pena desarrollarlo en la empresa. $ continuacin listamos algunos de los aspectos ms importantes ue se tienen ue tomar en cuenta, cuando se desea llevar a cabo un e(perimento de simulacin, en la toma de decisiones. 1. La simulacin hace posible estudiar y e(perimentar con las complejas interacciones ue ocurren en el interior de un sistema dada, ya ue sea en una empresa, industria, econom%a o un subsistema de cual uiera de ellas. 5. $ trav's de la simulacin se puede estudiar los e"ectos de ciertos cambios in"ormativos, de organi!acin y ambientales, en la operacin de un sistema, al hacer alteraciones en su modelo y observar los e"ectos de 'stas en el comportamiento del problema. :. La observacin detallada del sistema ue se est simulando, conduce a un mejor entendimiento del mismo y proporciona sugerencias para mejorarlo. ?. La e(periencia ue se ad uiere al disear un modelo de simulacin en una computadora, puede ser ms valiosa ue la simulacin en s% misma. El conocimiento ue se obtiene al disear un estudio de simulacin sugiere, "recuentemente, cambios en el sistema en cuestin. Los e"ectos de estos cambios pueden probarse, entonces, a trav's de la simulacin, antes implantarlos en el sistema real. 6. La simulacin de sistemas complejos puede producir un valioso y pro"undo conocimiento acerca de cuales variables son ms importantes ue otras en el sistema y cmo ellas obran entre s%. @. La simulacin puede emplearse para e(perimentar con situaciones nuevas acerca de las cuales tenemos poca o ninguna in"ormacin, con el objeto de estar preparados para alguna eventualidad. I. La simulacin puede servir como una prueba de preservicio para ensayar nuevas pol%ticas y reglas de decisin en la operacin de un sistema, antes de tomar el riesgo de e(perimentar con el sistema real. J. Las simulaciones son valiosas algunas veces, ya ue proporcionan una "orma conveniente de dividir un sistema complicado en subsistamos, cuales uiera de los cuales puede ser modelado por un analista o un e uipo de e(pertos en esta rea. 4. 1ara ciertos tipos de problemas estocsticos, la secuencia de los eventos puede ser muy importante, pues La in"ormacin acerca de los valores esperados y de los momentos, puede ser su"iciente para describir el proceso. En estos casos los m'todos de &onte Carlo pueden constituir la )nica "orma satis"actoria de obtener la in"ormacin re uerida. 1L. Las simulaciones de &onte Carlo pueden reali!arse para veri"icar soluciones anal%ticas.

5J

11. La simulacin permite estudiar los sistemas dinmicos, ya sea en tiempo real, tiempo comprimido o tiempo e(pandido. 15. Cuando se presentan nuevos componentes de un sistema, la simulacin puede emplearse para ayudar a descubrir los obstculos y otros problemas ue resultan de la operacin del sistema.

!.=

ETAPAS PARA REALI>AR UN ESTUDIO DE SIMULACIN.

La mayor%a de los autores de libros sobre simulacin, opinan ue loa pasas necesarios para llevar a cabo un e(perimento de simulacin son8 (e!inicin del sistema. 1ara tener una de"inicin precisa del sistema ue se desea simular, es necesario hacer primeramente un anlisis del mismo, con el "in de determinar la interaccin del sistema con otros sistemas, las restricciones del sistema, las variables ue interact)an dentro del sistema y sus interrelaciones, las medidas de e"ectividad ue se van a utili!ar para de"inir y estudiar el sistema y los resultados ue se esperan obtener del estudio. )ormulacin del modelo. #na ve! ue estn de"inidos con e(actitud los resultados ue se esperan obtener del estudio, el siguiente paso es de"inir y construir el modelo con el cual se obtendrn los resultados deseados. En la "ormulacin del modelo es necesario de"inir todas las variables ue "orman parte de 'l, sus relaciones lgicas y los diagramas de "lujo ue describan en "orma completa al modelo. *oleccin de datos. Es posible ue la "acilidad de obtencin de algunos datos o la di"icultad de conseguir otros, pueda in"luenciar el desarrollo "ormulacin del modelo. 1or consiguiente, es muy importante ue se de"inan con claridad y e(actitud los datos ue el modelo va a re uerir para producir los resultados deseados. 3ormalmente, la in"ormacin re uerida por un modelo se puede obtener de registros contables, de rdenes de trabajo, de rdenes de compra, de opiniones de e(pertos y si no hay otro remedio por e(perimentacin. +mplementacin del modelo en la computadora. Con el modelo de"inido, el siguiente paso es decir si se utili!a alg)n lenguaje de propsito general, como Cortran, Pasic, 1ascal, CHCUU, Qisual Pasic, Qisual CUU, o -elphi, etc. o so"tKare de propsito particular, como O1SS, O1SS/, 1.B&B-EL S*&C$C;B.N, SL$& *, y **, &*C.B&$3$OE., etc., para procesarlo en la computadora y obtener los resultado resultados deseados. ,alidacin. #na de las principales etapas de un estudio de simulacin es al validacin. $ trav's de esta es posible detallar de"iciencias en la "ormulacin del modelo. Las "ormas ms comunes de validar un modelo son8 0 La opinin de e(pertos sobre los resultados de la simulacin. 0La e(actitud con ue se predicen datos histricos. 0La precisin en la prediccin del "uturo.

54

0 La comprobacin de "alla del modelo de la persona ue har uso de los resultados ue arroje el e(perimento de simulacin. Experimentacin. La e(perimentacin con el modelo se reali!a despu's de ue ha sido validado. La e(perimentacin consiste en generar los datos deseados y en reali!ar anlisis de sensibilidad de los %ndices re ueridos. +nterpretacin. En esta etapa del estudio, se interpretan los resultados ue arroja la simulacin y basndose en esto se toma una decisin. La computadora en si no toma la decisin, sino ue la in"ormacin ue proporciona ayuda a tomar mejores decisiones y por consiguiente a sistemticamente obtener mejores resultados. (ocumentacin. -os tipos de documentacin son re ueridos para hacer un mejor uso del modelo de simulacin. La primera se re"iere a la documentacin de tipo t'cnico, es decir, a la documentacin ue el departamento de procesamiento de -atos debe tener del modelo. La segunda se re"iere al manual del usuario, con el cual se "acilita la interaccin y el uso del modelo desarrollado, a trav's de una computadora.

!.? GENERACIN DE VARIABLES ALEATORIAS NO UNIFORMES

Si el modelo de simulacin es estocstico, la simulacin debe ser capa! de generar variables aleatorias no uni"ormes de distribuciones de probabilidad tericas o emp%ricas. Lo anterior puede obtenerse si se cuenta con un generador de n)meros uni"ormes y una "uncin ue trans"orme estos n)meros en valores de la distribucin de probabilidad deseada. $ este respecto, se han desarrollado una gran cantidad de generadores para las distribuciones ms comunes como< la distribucin normal, e(ponencial, 1oisson, Erlang, Pinomial, Oamma, Peta, C, t, 5. !.?.@ LENGUAJE DE PROGRAMACION. Las primeras etapas de un estudio de simulacin se re"ieren a la de"inicin del sistema a ser modelado y al descripcin del sistema en t'rminos de relaciones lgicas de sus variables y diagramas de "lujo. Sin embargo, llega el momento de describir el modelo en un lenguaje ue sea aceptado por la computadora ue va utili!ar 21C compatible7. En esta etapa se tienen dos curso de accin a seguir si no se tiene nada de so"tKare de simulacin, ue son8 desarrollar el so"tKare re uerido, o Comprar so"tKare 2lenguaje de programacin d propsito especial7. 1ara esta alternativa es necesario anali!ar y evaluar varios pa uetes de simulacin 2O1SS, O1SS/, 1.B&B-EL S*&C$C;B.N, SL$& , &*C.B&$3$OE., etc.7 antes de tomar la decisin "inal. !.?.< CONDICIONES INICIALES. La mayor%a de los modelos de simulacin estocstica se corren con la idea de estudiar al sistema en una situacin de estado estable. Sin embargo, la mayor parte de estos modelos presentan en su etapa inicial estados transigentes los cuales no son t%picos del estado estable. 1or consiguiente es necesario establecer claramente las alternativas o cursos

:L

de accin ue e(isten para resolver este problema. $lgunos autores piensan ue la "orma de atacar este problema ser%a a trav's de 8

#sar un tiempo de corrida su"icientemente grande de modo ue los per%odos transientes

sean relativamente insigni"icantes con respecto a la condicin de estado estable.

E(cluir una parte apropiada de la parte inicial de la corrida. #tili!ar simulacin regenerativa.
Pasado en la e(periencia, de las tres alternativas presentadas, la ue presenta menos desventajas es el uso de simulacin regenerativa. Las otras alternativas presentan las desventajas de ser prohibitivamente e(cesivas en costo.

!.?.= TAMA;O DE LA MUESTRA.

#no de los "actores principales a considerar en un estudio de simulacin es el tamao de la muestra 2n)mero de corridas en la computadora7. La seleccin de un tamao de muestra apropiado ue asegure un nivel deseado de precisin y a la ve! minimice el costo de operacin del modelo, es un problema algo di"%cil pero muy importante. 1uesto ue la in"ormacin proporcionada por el e(perimento de simulacin ser%a la base para decidir con respecto a la operacin del sistema real. Esta in"ormacin deber ser tan e(acta y precisa como sea posible o al menos el grado de imprecisin presente en la in"ormacin proporcionada por el modelo debe ser conocida. 1or consiguiente, es necesario ue un anlisis estad%stico se a reali!ado para determinar el tamao de la muestra re uerido. El tamao de la muestra puede obtenerse de dos maneras8 1:. 1revia e independientemente de la operacin del modelo, o 1?. -urante la operacin del modelo basado en los resultados arrojados por el mismo. 1ara la )ltima alternativa se utili!a la t'cnica estad%stica de intervalos de con"ian!a. !.?.? DISE;O DE E"PERIMENTOS. El diseo de e(perimentos es un tpico cuya relevancia en e(perimentos en estudios de simulacin ha sido reconocida, pero raramente aplicada. El diseo de e(perimentos en estudios de simulacin puede ser varios tipos, dependiendo de los propsitos espec%"icos ue se hayan planteado. E(isten di"erentes "ormas de anlisis ue pueden ser utili!ados. Entre los ms comunes e importantes, se pueden mencionar los siguientes8 Comparacin de las medias y varian!as de las alternativas anali!adas.

-eterminacin de la importancia y el e"ecto de di"erentes variables en los resultados de la

simulacin. P)s ueda de los valores ptimos de un conjunto de variables.

:1

1ara reali!ar el primer tipo de anlisis, al cual se le denomina com)nmente diseo de e(perimentos de un "actor simple, es necesario tomar muy en cuenta el tamao de la muestra, las condiciones iniciales y la presencia o ausencia de autocorrelacin. 1ara el segundo tipo de anlisis, e(iste una gran cantidad de literatura, puesto ue la gran mayor%a de los libros de te(to de diseo de e(perimentos, e(plican o tratan el tema de anlisis de varian!a y t'cnicas de regresin como medios para evaluar la importancia y el e"ecto de varias variables en los resultados de operacin de un sistema. 1ara el tercer tipo de anlisis, generalmente se re uiere utili!ar algoritmos heur%sticos de b)s ueda como por ejemplo el algoritmo de /ooSes y Veeves.

!.?.A VENTAJAS Y DESVENTAJAS EN EL USO DE LA SIMULACIN

$un ue la t'cnica de simulacin generalmente se ve como un m'todo de )ltimo recurso, recientemente avances en las metodolog%as de simulacin y la gran disponibilidad de so"tKare ue actualmente e(iste en el mercado, han hecho posible ue la t'cnica de simulacin sea una de las herramientas ms ampliamente usadas en el anlisis de sistemas. $dems de las ra!ones antes mencionadas, ;omas /. 3aylor 214II7, ha sugerido ue un estudio de simulacin es muy recomendable por ue presenta las siguientes ventajas8 $ trav's de la t'cnica de simulacin, se puede estudiar el e"ecto de cambios internos y e(ternos del sistema, al hacer alteraciones en el modelo del sistema y observando los e"ectos de estas alteraciones en el comportamiento del sistema.

#na observacin detallada del sistema ue se est simulando puede conducir a un mejor
entendimiento del sistema y por consiguiente a sugerir estrategias ue mejoren la operacin y e"iciencia del sistema.

La t'cnica de simulacin puede ser utili!ada como un instrumento pedaggico, para

estudiantes al ensearles los conocimientos bsicos en el anlisis terico, el anlisis estad%stico, y en la toma de decisiones.

La simulacin de sistemas complejos puede producir un valioso y pro"undo conocimiento

acerca de cules variables son ms importantes ue otras en el sistema y cmo ellas obran entre s%.

La t'cnica de simulacin puede utili!arse para e(perimentar con nuevas situaciones, sobre
las cuales se tiene poca o nula in"ormacin. $ trav's de esta e(perimentacin se puede anticipar mejor a los posibles resultados no previstos.

La t'cnica de la simulacin de sistemas complejos puede producir un valioso y pro"undo

conocimiento acerca de cules variables son ms importantes ue otras en el sistema y cmo ellas obran entre s%.

:5

Se puede utili!ar tambi'n para entrenamiento de personal. En algunas ocasiones se puede

tener una buena representacin de un sistema 2como por ejemplo los juegos de negocios7, y entonces a trav's de 'l es posible entrenar y dar e(periencia a cierto tipo de personal.

La simulacin de sistemas complejos puede producir un valioso y pro"undo conocimiento

acerca de cules variables son ms importantes ue otras en el sistema y cmo ellas entre s%.

Cuando nuevos elementos son introducidos en un sistema, la simulacin puede utili!arse

para anticipar cuellos de botella o alg)n otro problema ue puede surgir en el comportamiento del sistema. $ di"erencia de las ventajas mencionadas, la t'cnica de simulacin presenta el problema de re uerir e uipo de computo y recursos humanos, en ocasiones costosas. $dems, generalmente se re uiere bastante tiempo para ue un modelo de simulacin sea desarrollado y per"eccionado. Cinalmente, es posible ue la alta administracin de una organi!acin no entienda esta t'cnica y esto crea di"icultad en vender la idea.

!.A EJMPLOS DE USO DE SIMULACIN

E(iste una gran cantidad de reas donde la t'cnica de simulacin puede ser aplicada. $lgunos ejemplos podr%an ser los siguientes8 Simulacin de un sistemas de colas. Con la t'cnica de simulacin es posible estudiar y anali!ar sistemas de colas cuya representacin matemtica ser%a demasiado complicada de anali!ar. Ejemplos de estos sistemas ser%an a uellos donde es posible la llegada al sistema en grupo, la salida de la cola del sistema, el rehusar entrar al sistema cuando la cola es e(cesivamente grande, etc. Simulacin de sistemas de in entarios. $ trav's de simulacin se puede anali!ar ms "cilmente sistemas de inventarios donde todos sus parmetros2tiempo de entrega, demanda, costo de llevar inventario, etc.7, son estocsticos. Simulacin de un proyecto de in ersin. E(isten en la prctica una gran cantidad de proyectos de inversin donde la incertidumbre con respecto a los "lujos de e"ectivo ue el proyecto genera a las tasas de inter's, a las tasas e in"lacin, etc., hacen di"%cil y a veces imposible manejar anal%ticamente este tipo de problemas. 1ara este tipo de situaciones el uso de simulacin es ampliamente recomendado. Simulacin de sistemas econmicos. La t'cnica de simulacin puede ser utili!ada para evaluar el e"ecto de cierto tipo de decisiones 2devaluacin de la moneda, el impuesto al valor agregado, etc.7, en las dems variables macroeconmicas como8 producto nacional bruto, balan!a comercial, in"lacin, o"erta monetaria, circulante, etc.

::

Simulacin de estados !inancieros. La e(pansin y diversi"icacin de una organi!acin a trav's de la ad uisicin y establecimiento de nuevas empresas, repercuten signi"icativamente en su posicin y estructura "inanciera. 1or consiguiente, el uso de simulacin permite anali!ar cul de las estrategias de crecimiento son las ue llevaran a la organi!acin al logro de sus objetivos y metas de corto, mediano y largo pla!o. Simulacin de -uegos de azar. Se pueden hacer predicciones sobre los resultados de un juego en particular, por ejemplo m'late, tris, etc. donde las variables involucradas son estocsticas.

II MODELACIN
@.! INTRODUCCIN. La ciencia trata de e(plicar los "enmenos< con tal "in elabora leyes. 1ero siendo la tarea del cient%"ico di"%cil, con "recuencia se en"renta a problemas muy complejos, y para e(plicar a uellos datos inobservables ue descubre necesita emplear t'rminos tericos. -e esta manera, combinando y coordinando de "orma adecuada un grupo de leyes y hechos, mediante construcciones lgicas, se obtienen las teor%as. Como en la teor%a de entidades no observables, ue son los contenidos de los t'rminos tericos, el nivel de los hechos ueda abandonado. $s% pues, las teor%as "uncionan como e(plicaciones muy generales y amplias, de las cuales las leyes son aspectos particulares. 3os planteamos entonces la siguiente pregunta8 =de ue manera estn relacionadas las teor%as, con sus t'rminos tericos y con los hechos> =Cmo volvemos al nivel "ctico 2o de hechos7> Encontraremos la respuesta cuando comprendamos u' es un modelo cient%"ico y cul es su "uncin en la ciencia. @.@ LA NOCIN DE MODELO El t'rmino modelo abarca varios signi"icados< el primero de ellos al ue nos re"eriremos es el de 8 a7 .epresentacin. 1or ejemplo, la ma ueta de un edi"icio es un modelo por ue lo representa. $un ue no vemos el edi"icio, gracias al modelo comprendemos cmo ser. Btro ejemplo8 #n mapa es un modelo por ue representa una !ona determinada con los caminos, r%os y montaas ue e(isten realmente en esa !ona.

:?

b7 La palabra +modelo, tambi'n se emplea en el sentido de per!eccin o ideal. 1or ejemplo, decimos8 +&art%n es un estudiante modelo, o +Lupita es una esposa modelo,. Con ello ueremos dar a entender ue as% como es &art%n deber%an ser los dems estudiantes< y como Lupita deber%an ser todas las esposas. c7 Btra signi"icacin de la palabra +modelo, es la de muestra< ue se emplea, por ejemplo, cuando en una unidad habitacional un vendedor nos muestra la casa +modelo,, tambi'n llamada casa muestra< o bien, cuando vamos a un des"ile de modas y vemos los distintos modelos, ue son muestras de la produccin de un diseador. En la ciencia continuamente se hace re"erencia a los modelos cient%"icos ue pueden entenderse abarcando tres signi"icaciones8 representan la teor%a, muestran las condiciones ideales en las ue se producen un "enmeno al veri"icarse una ley o una teor%a y por otro lado, constituyen una muestra particular de la e(plicacin general ue da la teor%a. #n ejemplo t%pico de modelo es el tomo ue ilustra la teor%a de Pohr, la cual admite la e(istencia de tomos en la realidad y los concibe como compuestos por un n)cleo 2el'ctricamente positivo7, alrededor del cual giran en rbitas +muy especi"icas, los electrones 2con carga negativa7, ver "igura

"igura 5.1 &odelo atmico de Pohr. Este modelo representa la e(plicacin dada por Pohr, nos dice cmo se comportan los tomos en condiciones ideales< es una muestra particular de todas las e(plicaciones dadas en t'rminos tericos y generales. $lgunos autores re)nen estas tres signi"icaciones8 $representacin,, $ideal% y $muestra%, en una sola8 con!iguracin ideal. 1odemos decir, entonces, ue un modelo cient%"ico es la +con"iguracin ideal ue representa de manera simpli"icada una teor%a,. @.< DEFINICIN DE MODELO -e"inicin8 El modelo es una representacin o abstraccin de una situacin u objetos reales, ue muestra las relaciones 2directas e indirectas7 y las relaciones de la accin

:6

y la reaccin en t'rminos de causa e"ecto. Como un modelo es una abstraccin de la realidad, puede parecer menos complicado ue la misma. 1ara ue sea completo, el modelo debe ser representativo de a uellos aspectos de la realidad ue estn investigndose. -ebido a ue la simulacin es solamente un tipo de modelacin, aun ue muy importante, preparemos el escenario para un comentario sobre modelacin de simulacin considerando primero la modelacin en t'rminos generales. #na de las ra!ones bsicas para el desarrollo de modelos es la de descubrir cules son las variables importantes o pertinentes. El descubrimiento de las variables pertinentes est estrechamente asociado con la investigacin de las estad%sticas y la simulacin para investigar las relaciones ue hay entre las muchas variables de un modelo. @.<.! FUNCIN DE LOS MODELOS El concepto de la representacin de alg)n objeto, sistema o idea, con un modelo, es tan general ue es di"%cil clasi"icar todas las "unciones ue satis"agan los modelos. La mayor%a de los autores de libros de simulacin, reconocen por lo menos cinco usos comunes8 d7 e7 "7 g7 h7 #na ayuda para el pensamiento. #na ayuda para la comunicacin. 1ara entretenimiento e instruccin. #na herramienta de prediccin. #na ayuda para la e(perimentacin.

La utilidad de modelo como ayuda para el pensamiento es evidente. Los modelos pueden ayudarnos a organi!ar y clasi"icar conceptos con"usos e inconsistencias. 1or ejemplo, la construccin de un modelo de representacin de una red con el m'todo 1E.; 2evaluacin de programas y t'cnicas de revisin7 para un trabajo de diseo de sistemas complejos, obliga a pensar sobre u' pasos son necesarios y su consecuencia. Si es adecuada, la construccin de modelos obliga a organi!ar, evaluar y e(perimentar la valide! de pensamientos. Como una ayuda para la comunicacin, los modelos bien pensados no tienen igual. +#na imagen vale ms ue mil palabras, con"irma esta "uncin. ;odos los lenguajes verbales tienden a ser ambiguos e imprecisos, cuando se trata de pensar ideas o descripciones complejas. Los modelos adecuadamente concebidos pueden ayudar a eliminar esta ambig_edad y proporcionan un modo de comunicacin ms e"iciente y e"ectivo. Los modelos han sido, y contin)an teniendo un uso generali!ado como ayudas para el entretenimiento e instruccin. $ menudo los modelos son ideales para entrenar a una persona, para ue aprenda nuevas habilidades y pueda a"rontar varias eventualidades antes de ue ocurran. #n mueco de tamao natural es utili!ado en ocasiones para ensear t'cnicas de primeros au(ilios, modelos de veh%culos espaciales se usan para entrenar astronautas, modelos para ensear a conducir automviles, y simulacin de negocios para entrenar ejecutivos, son algunos ejemplos de modelos de entrenamiento.

:@

Mui!s, uno de los usos ms importantes de los modelos, prctica e histricamente, es la prediccin de las caracter%sticas del comportamiento de la entidad modelada. 3o es econmicamente "actible construir un jet supersnico para determinar sus caracter%sticas de vuelo bajo condiciones e(tremas, sin embargo, su comportamiento se puede predecir mediante la simulacin &ediante simulacin se veri"icaron las disposiciones de emergencia del $polo 1:, antes de implantarlas< 'stas les permitieron a los astronautas regresar a salvo despu's de la e(plosin del tan ue de o(igeno. La mayor%a de los modelos ue se tratan en os libros de simulacin son herramientas de prediccin. Cinalmente, el uso de los modelos hace posible la e(perimentacin controlada en situaciones en ue los e(perimentos directos ser%an imprcticos o prohibitivos por su costo.

@.= CALSIFICACIN DE LOS MODELOS DE SIMULACIN Las di"erentes clasi"icaciones de los modelos dan una idea adicional de sus caracter%sticas esenciales, por ue pueden describirse de muchos modos. Los modelos pueden clasi"icarse por sus dimensiones, "unciones, propsitos, temas o grado de abstraccin. La base ms com)n es la de tipos de modelos, ue incluye los tipos bsicos8 icnico, analgico y simblico o matemtico. Los modelos pueden clasi"icarse de manera general y los modelos de simulacin de manera particular, de diversas "ormas. 1or desgracia, ninguna es completamente satis"actoria, a pesar de ue cada una sirve a un propsito particular. $lgunos de estos es uemas de clasi"icacin son los siguientes8 Esttico 2de corte seccional7 vs. -inmico 2series de tiempo7 -etermin%stico vs Estocstico. -iscreto vs Continuo. *cnico o "%sico vs $nalgico vs Simblico. 1odemos pensar a los modelos de simulacin como un espectro continuo, empe!ando con los modelos e(actos o modelos reales a escala y siguiendo con los modelos matemticos completamente abstractos 2v'ase la "igura 5.17 &odelos "%sicos &odelos a escala &odelos analgico &odelos administrativo Simulacin por computadora &odelos matemtico

E(actitud "igura 5.1 principio del espectro de modelacin.

$bstraccin

:I

@.=.! MODELOS ICONICOS O F3SICOS #n modelo icnico es una representacin "%sica de algunos objetos, ya sea en "orma ideali!ada o en escala distinta. 1ara e(presarlo de otro modo, una representacin es un modelo icnico hasta el grado en ue sus propiedades sean las mismas ue tiene lo ue representa. Los modelos icnicos son muy adecuados para la descripcin de acontecimientos en un momento especi"ico del tiempo. 1or ejemplo, una ma ueta es una buena imagen de una "abrica, mientras ue las operaciones reales de una "abrica construid en t'rminos de un pe ueo modelo ue "uncione, pueden ser demasiado costosas para construir y modi"icar a "in de estudiar sus posibles mejoras. Btra caracter%stica de un modelo icnico la constituyen sus dimensiones , dos dimensiones 2"otogra"%a, plano y mapa7, o tres dimensiones2ma ueta, globo, automvil y avin7, llamados generalmente modelos escala. Cuando un modelo sobrepasa la tercera dimensin, como ocurre en muchos problemas de investigacin de operaciones y simulacin, es imposible construirlo "%sicamente, y entonces pertenece a otra categor%a de modelos llamados simblicos o matemticos.

@.=.@ MODELOS ANALOGICOS Los modelos analgicos pueden representar situaciones dinmicas y se usan ms ue los icnicos, por ue pueden mostrar las caracter%sticas del acontecimiento ue se estudia. Las curvas de demanda, las curvas de distribucin de "recuencia en las estad%sticas y los diagramas de "lujo, son ejemplos de modelos analgicos. $ menudo un modelo analgico es muy adecuado para representar relaciones cuantitativas entre las propiedades de los objetos de varias clases. $l trans"ormar las propiedades en propiedades analgicas, con "recuencia podemos incrementar nuestra capacidad de hacer cambios. Btra ventaja de los modelos analgico sobre los icnicos es ue ordinariamente puede hacerse ue los primeros representen muchos procesos del mismo tipo, lo ue se hace evidente en el "lujo de trabajos en procesos y productos terminados de una "abrica. 3o podr%a usarse e"ica!mente un modelo icnico para estudiar los e"ectos de ciertos cambios en el control de calidad. #n diagrama de "lujo es un modelo analgico muy sencillo y e"ica! en esas condiciones.

@.=.< MODELOS SIMBOLICOS BMATEMATICOSC 3os interesan principalmente los modelos simblicos ue son verdaderas representaciones de la realidad y toma la "orma de ci"ras, s%mbolos y ecuaciones matemticas. Comien!an como modelos abstractos ue "ormamos en nuestra mente y luego se registran como modelos simblico o matemtico ue se usa com)nmente en la investigacin en general, es la ecuacin. #na ecuacin es concisa y "cil de comprender. Sus s%mbolos no slo son ms "ciles de manipular ue las palabras, sino ue se escriben ms rpidamente. $dems de estos atributos, los modelos simblicos se prestan a las manipulaciones de las computadora, a trav's de lenguajes de programacin de propsito part%culas o general, los cuales trataremos en un cap%tulo posterior.

:J

Los modelos simblicos los hemos descrito hasta ahora en un sentido muy amplio. Las ecuaciones no slo son ejemplos de modelos, sino ue modelos comunes de negocios incluyen adems, declaraciones de ingresos, tablas de organi!acin de empresas, etc., Btros ejemplos incluyen modelos gr"icos y pictricos. /ay ue tener en cuenta ue pueden representarse problemas para los ue las analog%as son ms e"icientes ue los modelos simblicos. 1or ejemplo, un sistema puede ser tan complicado ue la cantidad de trabajo re uerida para construir un modelo simblico sea demasiado costosa si se relaciona con ganancias posibles. $ menudo es di"%cil asignar tan slo un modelo a una clase, y esto es especialmente cierto con respecto a los modelos de simulacin, ue son modelos analgicos y ue se describen con s%mbolos matemticos. @.? TIPOS DE MODELOS MATEMTICOS Como los modelos matemticos son los ue ms interesan principalmente, los separaremos por categor%as, lo ue nos dar un soporte lgico para clasi"icarlos. Sin ue esta clasi"icacin pretenda estar completa< la podemos a disposicin del lector, para ue 'ste tenga una mejor comprensin de las di"erencias esenciales entre los modelos. @.?.! CUANTITATIVOS Y CUALITATIVOS Cuando construimos un modelo matemtico e insertamos s%mbolos para representar constantes y variables 2 en gran parte n)meros7, Llamamos a esto un modelo cuantitativo. Se considera ue una ecuacin matemtica es un modelo de este tipo, por ue representa una abstraccin de las relaciones o condiciones entre constantes y variables. Las "rmulas, matrices, diagramas o series de valores ue se obtienen mediante procesos algebraicos son ejemplos comunes de los modelos matemticos. Los modelos ue se ocupan de las cualidades de los componentes se llaman cualitativas. /ay muchos problemas en los ue no pueden cuanti"icarse e(actamente debido a uno o ms de los siguientes motivos8 t'cnicas inadecuadas de medicin, necesidad de muchas variables, algunas variables desconocidas, relaciones especiales desconocidas, relaciones demasiado complejas para e(presarse en "orma cuantitativa. Sin embargo, mediante el empleo del anlisis lgico, sistemas de clasi"icacin, m'todos de ordenamiento, teor%a de conjuntos, anlisis dimensional, investigacin de operaciones, anlisis de decisiones y simulacin se pueden obtener ciertos valores representativos del sistema bajo anlisis. @.?.@ ESTANDAR Y DECDOS A LA MEDIDA Se usan modelos estndar para describir las t'cnicas ue han llegado a asociarse con la investigacin de operaciones 2*. B.7. 1ara usar esas t'cnicas se insertan los valores 2n)meros7 apropiados de un problema espec%"ico de negocios en el modelo estndar para obtener una respuesta. Se obtiene un modelo hecho a la medida cuando se usan los conceptos bsicos de diversas disciplinas, y especialmente las matemticas, para construir un modelo de ajuste al problema de ue se trata. #n ejemplo de este caso es el $nlisis Qeture `;hierau", 1446a, utili!ado en investigacin de operaciones, ue re)nen varios m'todos estndar de la *. B..

:4

III PLANEACIN DE LOS E"PERIMENTOS DE SIMULACIN EN COMPUTADORAS

<.! INTRODUCCIN La simulacin en computadoras es un recurso para dirigir e(perimentos cient%"icos en las empresas y sistema econmico. 1ara planear e(perimentos de simulacin, aplicables a los sistemas econmicos e industriales, necesariamente debemos recurrir a t'cnicas como la estad%stica matemtica, el anlisis num'rico, la econometr%a, la programacin en computadora y el diseo de e(perimentos. <.@ METODOLOG3A La e(periencia sugiere ue la planeacin de e(perimentos de simulacin re uiera de un procedimiento ue consta de las etapas siguientes8 Cormulacin del problema. .ecoleccin y procedimiento de datos tomados en realidad. Cormulacin de un modelo matemtico. Estimacin de los parmetros de las caracter%sticas operacionales a partir de los datos reales. Evaluacin del modelo y de los parmetros estimados. Cormulacin de un programa para la computadora. Qalidacin. -iseo de los e(perimentos de simulacin. $nlisis de los datos se simulacin. $un ue el orden en ue se implantan esos nueve pasos permanece abierto a discusin, la "igura :.1 los muestra bajo una ordenacin basada en los resultados de e(periencias `3aylor, 14IIa. Con toda seguridad, cual uier procedimiento de este tipo resulta sumamente arbitrario en su naturale!a y la posibilidad de ju!garlo slo e(iste en un plano puramente pragmtico.

217 CB&#L$C*G3 -EL 1.BPLE&$ 257 .ECBLECC*G3 N 1.BCES$&*E3;B

?L

-E -$;BS 2:7 CB.&#L$C*G3 -EL &B-ELB &$;E&$;*CB 2?7 ES;*&$C*G3 -ELBS 1$.$&E;.BS

&B-ELB .EC/$b$-B EQ$L#$C*G3 -EL &B-ELB 267

&B-ELB $CE1;$-B CB.&#L$C*G3 -EL 1.BO.$&$ 1$.$ L$ CB&1#;$-B.$

2@7

2I7 QE.*C*C$C*G3 2J7 -*SERB -E ED1E.*&E3;BS 247 $3$L*S*S -E -$;BS -E L$ S*&#L$C*G3 Cig. :.1 -iagrama de "lujo para la planeacin de e(perimentos de simulacin

<.@.! FORMULACIN DEL PROBLEMA Es necesario en primer lugar de"inir claramente los objetivos de nuestra investigacin, antes de hacer cual uier intento encaminado a planear la reali!acin de un e(perimento en simulacin. Encontraremos ue la e(posicin original del problema var%a considerablemente de su versin "inal, ya ue la "ormulacin del problema es un proceso

?1

secuencial ue generalmente re uiere de una "ormulacin continua y progresiva de re"inamiento de los objetivos de e(perimento durante sus reali!acin Los objetivos de la investigacin, tanto en la empresa y la econom%a, como tambi'n en la mayor%a de las ciencias sociales, toma generalmente la "orma ya sea de8 217 preguntas ue deben contestarse, 257 hiptesis ue se deben probarse y 2:7 e"ectos por estimarse. <.@.@ RECOLECCIN Y PROCESAMIENTO DE DATOS TOMADOS DE LA REALIDAD. 3ecesitar%amos colectar y procesar una cierta cantidad de datos antes de ue e(ista la posibilidad de de"inir alg)n problema. 1ara nuestros propsitos, resulta completamente irrelevante ue los re uerimientos para el procesamiento de datos procedan la "ormulacin del problema o viceversa< si hemos de dirigir e(perimentos de simulacin, es importante ue ambas "unciones se lleven a cabo. E(isten, por o menos, cinco ra!ones por las cuales es necesario de disponer de un sistema e"iciente para el procesamiento de datos, ue permita alcan!ar el '(ito al reali!ar los e(perimentos de simulacin. En primer instancia la in"ormacin descriptiva y cuantitativa. En segundo, los datos puedan sugerir hiptesis de cierta valide!. Como tercer punto, los datos tambi'n pueden sugerir y mejoras o re"inamientos en los modelos matemticos. Cuarto< es necesario ue los datos, reducidos a una "orma "inal, se utilicen para estimar los parmetros de las caracter%sticas disponibles de operacin relativas a las variables endgenas, e(genas y de estado del sistema. Cinalmente, cabe considerar ue sin tales datos, ser%an imposibles probar la valide! de un modelo para la simulacin. La recoleccin de datos es el proceso de capacitacin de los hechos disponibles, con los cuales pueden ser procesados posteriormente, cuando sean necesarios. El proceso de recoleccin y el almacenamiento de datos ocurre simultneamente.

<.@.< FORMULACIN DE LOS MODELOS MATEMTICOS La "ormulacin de los modelos matemticos consiste en tres pasos8 i. Especi"icacin de los componentes ii. Especi"icacin de las variables y los parmetros iii. Especi"icacin de las relaciones "uncionales. #na de las primeras consideraciones ue se toman en cuanta en la "ormulacin de un modelo matemtico reside en saber cuntas variables se deben incluir en el modelo. La segunda consideracin importante en la "ormulacin del modelo matemtico se re"iere a la complejidad de los mismos. 1or lo general, estamos interesados en al

?5

"ormulacin de modelos matemticos ue produ!can descripciones o predicciones, ra!onablemente e(actas, re"erentes al comportamiento de un sistema dado y redu!ca a la ve!, el tiempo de computacin y programacin. Sin embargo, no es posible establecer con e(actitud, la interdependencia de loas caracter%sticas den los modelos matemticos, ya ue tanto 'l numero de variables en un modelo, como su complejidad, se encuentran directamente relacionadas con los tiempos de programacin, cmputo y valide!. Si alteramos cual uiera de las citadas caracter%sticas, alteramos a su ve! el resto de ellas. #na tercera consideracin en la "ormulacin de modelo matemticos para simulacin en computadora estriba en el rea de la e"iciencia de computacin, es decir, la complejidad del algiritmo1. Entendemos por ello, la cantidad de tiempo de computo re uerida para lograr alg)n objetivo e(perimental espec%"ico. El tiempo consumido para la programacin de la computadora, constituye una cuarta consideracin al "ormular modelos para simulacin.

<.@.= ESTIMACIN DE LOS PARMETROS DE LAS CARACTERISTICAS OPERACIONALES A PARTIR DE LOS DATOS REALES #na ve! ue hemos recolectado los datos apropiados del sistema y "ormulando varios modelos matemticos ue describen su comportamiento es necesario estimar sus valores de los parmetros de dichos modelos y probar su signi"icacin estad%stica. Ejemplo. La estimacin de parmetros de los modelos econmicos cae dentro del dominio de la econom'tria Entre los m'todos importantes de estimacin econom'trica descritos por Ooldber y Vohnston `3aylor, 14IIa, y ue se comparan sobre la base de sus propiedades estad%sticas y de computacin, se encuentran8 1.0 &'todos de una sola ecuacin. i7 &%nimos cuadrados ordinarios. j7 &%nimos cuadrados indirectos 2Oenerali!ados7. S7 Ecuacin )nica con in"ormacin limitada. l7 &%nimos cuadrados de dos etapas. 5.0 &'todos de ecuaciones simultneas. m7&(ima probabilidad con in"ormacin completa. n7 &%nimos cuadrados de tres etapas. <.@.? EVALUACIN DEL MODELO Y DE LOS PARAMETROS ESTIMADOS Es necesario hacer un juicio del valor inicial de la su"iciencia de nuestro modelo, para probarlo. Esto se logra haciendo una comparacin de las mediciones iniciales obtenidas por nuestro modelo de simulacin con las obtenidas de la realidad.

?:

Este paso representa slo la primera etapa en la prueba de un modelo de simulacin previa a las corridas reales en la computadora, por lo ue en este punto nuestro inter's reside en probar las suposiciones o entradas ue se programarn en la computadora. En caso de ue las caracter%sticas operacionales tomen la "orma de distribuciones de probabilidad, ser necesario aplicar pruebas de bondad de ajuste ue determinen u' tambi'n se ajusta una distribucin hipot'tica de probabilidad a los datos del mundo real. -eseamos tambi'n probar la importancia estad%stica de nuestras estimaciones de los valores esperados, variancias y otros parmetros de estas distribuciones de probabilidad. Estas pruebas podr%an comprender8 1.0 1rueba d re"erente a las medidas. o7 1rueba de una muestra relativa a las medidas p7 -i"erencias entre medias 5.0 1rueba re"erentes a las variancias 7 ji cuadrada r7 1rueba C :.0 1ruebas basadas sobre el conteo de datos. s7 1rueba re"erente a las proporciones t7 -i"erencias entre [ proporciones u7 ;ablas de contingencia v7 1ruebas de bondad de ajuste ?.0 1ruebas no param'tricas K7 Las pruebas de signo (7 1ruebas basadas en suma de rangos y7 1ruebas de la mediana !7 La prueba # 2;chebychev7 aa7 1ruebas de corridas bb7 1rueba de correlacin en serie En caso de ue las caracteristicas operacionales tomen la "orma de los modelos econom'tricos, re uerimos probar la importancia estad%stica de cada uno de los parmetros estimados en tales modelos, mediante el uso de las pruebas estndar t, y C. ;ambi'n desearemos aplicar pruebas ue nos permitiran las violaciones en las suposiciones "undamentales de nuestros modelos econom'tricos< estas podr%an comprender las pruebas para8 1. 5. :. ?. 6. Errores en las variables Colinearidad m)ltiple /eterosedasticidad $utocorrelacin *denti"icacin

-e entre las preguntas ue nos interesa "ormular durante esta etapa del procedimiento, se encuentran las siguientes8

??

=*ncluimos algunas variables ue no sean pertinentes, en el sentido de ue contribuyen muy poco a nuestra capacidad para predecir el comportamiento de las variables endgenas de nuestro sistema> =omitimos la inclusin de una o ms variables e(genas ue pudieran a"ectar el comportamiento de las variables endgenas en nuestro sistema> =Cormulamos incorrectamente una o ms relaciones "uncionales entre las variables endgenas y e(genas de nuestro sistema> =$preciamos debidamente las estimaciones de los parmetros de las caracteristicas operacionales de nuestro sistema> =Cmo se comportan los valores tericos de las variables endgenas de nuestro sistema con los valores histricos o reales basados en clculos manuales> 2ya ue a)n no "ormulamos un programa para computadora7. Slo si es posibles contestar satis"actoriamente las seis preguntas, procederemos al paso @8 la "ormulacin de un programa para computadora. -e otro, repetiremos los pasos del 1 al 6 hasta ue sea posible responder satis"actoriamente las preguntas. =.@.< FORMULACIN DE UN PROGRAMA PARA LA COMPUTADORA. La "ormualcin de un programa para computadoras, cuyo propsito sea dirigir los e(perimentos de simulacin con nuestros modelos del sistema bajo estudio, re uiere ue se considere especialmente las siguientes actividades8 1. -iagrama de "lujo 5. Lenguaje de computadora Compiladores de propsito general Lenguajes de simulacin de propsitos especiales :. P)s ueda de errores ?. -atos de entrada y condiciones iniciales 6. Oeneracin de datos @. .eportes de salida $l escribir un programa de simulacin para computadora la primera etapa re uiere la "ormulacin de un diagrama de "lujo ue bos ueje la secuencia lgica de los eventos ue reali!ar la computadora, al generar los tiempos plani"icados para las variables endgenas de nuestro modelo. 1odemos escribir nuestro programa en un lenguaje de propsitos generales como CB.;.$3, P$S*C, 1$SC$L , CUU o sus visuales o bien emplear un lenguaje de simulacin como . S*&1$C, -*3$&B, 1.BO.$& S*&#L$;E, O1SS, o nuevos como O1SS/, SL$&, 1.B&B-EL, S*3C$C;B.N, &*CL.B&$3$OE., entre otros. -epender de la aplicacin, el uso del lenguaje adecuado. En un cap%tulo posterior se describirn alguno de estos lenguajes y su aplicacin particular.

?6

<.@.E VALIDACIN Ciertamente, el problema de validar modelos de simulacin es di"%cil ya ue implica un sinn)mero de complejidades de tipo prctico, terico, estad%stico e inclusive "ilos"ico. La validacin de e(perimentos de simulacin "orma parte de un problema mucho ms general, es decir, el de la validacin de cual uier clase de modelo o hiptesis. Las preguntas bsicas son8 +=Mu' signi"ica validar una hiptesis>, y +=Cules criterios debern utili!arse para establecer la valide! de una hiptesis>,. $)n as% parece ue por lo general slo dos pruebas se consideran apropiadas para validar los modelos simulacin. 1rimeramente, =Mu' tan bien coinciden los valores simulados de las variables endgenas con los datos histricos conocidos, si es ue estos estn disponibles>. En segundo lugar, =Mu' tan e(actas son las predicciones del comportamiento del sistema real hechas por el modelo de simulacin, para per%odos "uturos 2de tiempo7>. $sociada con cada una de estas pruebas, e(iste una gran variedad de pruebas estad%sticas, tanto como clsicas como recientes. =.@.= DISE;O DE LOS E"PERIMENTOS DE SIMULACIN #na ve! ue estemos satis"echos con la valide! de nuestro modelo para la computadora, estaremos en posibilidad de considerar su uso para dirigir e"ectivamente, los e(perimentos de simulacin. -e hecho, como ya hemos de"inido nuestro problema e(perimental, las variables endgenas y lo "actores 2variables e(genas y parmetros7, deberemos interesarnos ahora por los detalles de diseo e(perimental. En esta "ase, es posible identi"icar dos metas importantes8 en primer lugar, seleccionaremos los niveles de los "actores y las combinaciones de niveles, as% como el orden de e(perimentos< en seguida y una ve! ue seleccionaremos nuestras combinaciones de "actores, deberemos es"or!arnos por asegurar ue los resultados ueden libres de errores "ortuitos. <.@.F ANALISIS DE LOS DATOS SIMULADOS La etapa "inal en el procesamiento re uiere un anlisis de los datos generados por la computadora, a partir del modelo ue simular. ;al anlisis consiste de tres pasos8 1.0 .ecoleccin y procesamiento de los datos simulados. 5.0 Clculo de la estad%stica de las pruebas. :.0 *nterpretacin de los resultados. $un ue el anlisis de los datos simulados es de hecho semejante al anlisis de los datos del mundo real 2Q'anse los pasos 5, : y ? de la "igura :.17 e(isten algunas di"erencias importantes. El anlisis de los datos de simulacin en computadora es, seg)n los e(pertos, considerablemente ms di"%cil ue el anlisis de los datos del mundo real. IV GENERACIN DE NUMEROS ALEATORIOS Y PSEUDOALEATORIOS. =.! INTRODUCCIN.

?@

En el presente cap%tulo presentaremos los m'todos ms utili!ados, para generar n)meros aleatorios y pseudoaleatorios con computadora. -ejemos el tema de la aplicacin, para el capitulo Q. $ntes de continuar, es necesario establecer la siguiente terminolog%a. El t'rmino variable aleatoria se emplea para nombrar una "uncin de valor real, de"inida sobre un espacio muestral asociado con los resultados de un e(perimento conceptual, de naturale!a a!oro!a. El valor num'rico resultante de un e(perimento, de cada una de las variables aleatorias, se llama n)mero aleatorio. Se utili!an letras may)sculas para denotar las variables aleatorias y min)sculas, para denotar valores de 'stas variables aleatorias y min)sculas, para denotar valores de 'stas variables, es decir, para los n)meros aleatorios. 1or ejemplo, C2(7< la "uncin de distribucin acumulada para una variable aleatoria D, indica la probabilidad de ue D sea menor o igual al particular valor ( de la "uncin de probabilidad de la variable aleatoria D, cuando DT (. =.@ TECNICAS PARA GENERAR NGMEROS ALEATORIOS.

Se han venido usando cuatro m'todos alternativos para generar las sucesiones de n)meros aleatorios, estos son8

?.5.1 &'todos manuales Lan!amiento de monedas Lan!amiento de dados Parajas -ispositivos mecnicos -ispositivos electrnicos Qentajas8 Son aleatorios -esventajas8 3o reproducibles =.@.@ TABLAS DE BIBLIOTECA. Son n)meros aleatorios ue se han publicado< por ejemplo a &illon .andom -igits, de la Corporacin .and, de los cuales podemos encontrar listas de los en los libros de probabilidad y tablas de matemticas. Estos n)meros "ueron generados por alguno de los m'todos de computacin analgica, los cuales mencionados a continuacin. Qentaja8 1rovienen de un "enmeno aleatorio y son reproducibles. -esventaja8 3o se obtiene en tiempo real. =.@.? MHTODOS DE COMPUTACIN ANALGICA

?I

Los m'todos de computacin analgica dependen de ciertos procesos "%sicos aleatorios 2por ejemplo, el comportamiento de una corriente el'ctrica7, por lo ue se considera ue conducen verdaderos n)meros aleatorios. Qentaja8 $leatorios. -esventaja8 3o reproducible. =.@.= MHTODOS DE COMPUTACIN DIGITAL Se distinguen tres m'todos para producir n)meros aleatorio cuando se usa la computacin digital 2computadoras7, los cuales son8 =.@.=.! PROVISIN E"TERNA. Consiste en grabar en la memoria de la computadora, las tablas .anda, a "in de tratar estos n)meros como datos de entrada para un determinado problema. =.@.=.@ GENERACIN POR MEDIO DE PROCESOS F3SICOS ALEATORIOS. Consiste en usar alg)n aditamento especial de la computadora, para registra los resultados de alg)n proceso aleatorio y ademas, redu!ca estas resultados a sucesiones de d%gitos. =.@.=.< GENERACIN INTERNA POR MEDIO DE UNA RELACIN DE RECURRENCIA. Consiste en generar n)meros pseudoaleatorios por medio de ecuaciones de rrecurrencia, en las ue necesariamente se tiene ue dar un valor inicial o semilla, para generar los siguientes valores. Qamos ha centrar nuestra atencin en este )ltimo m'todo de computacin digital, y los describiremos ampliamente. Qentaja8 Son reproducibles. -esventaja8 Son pseudoaleatorios.

=.@.=.= CARACTERISTICAS DE LOS NGMEROS PSEUDOALEATORIOS

a7 b7 c7 d7 #ni"ormemente distribuidos Estad%sticamente independientes .eproducibles Sin repeticin dentro de una longitud determinada

=.< METODOS 7UE UTILI>AN ECUACUACIONES DE RECURRENCIA PARA GENERAR NUMEROS PSEUDOALEATORIOS.
$ u% describiremos los m'todos de generacin de n)meros pseudoaleatorios, usando ecuaciones de recurrencia. =.<.! METODO DE CUADRADOS CENTRALES. /istricamente, el primer m'todo aritm'tico para generar n)meros pseudoaleatorios, "ue el de los cuadrados centrales, en el ue cada n)mero de la sucesin se obtiene tomando los d%gitos centrales del cuadro del n)mero precedente. El modelo matemtico ue los describe es8

?J

nL T semilla entera 2entero positivo7 ni T d%gitos centrales de n5i01 (i T d%gitos centrales de (5i01 para i T 1, 5, :,Z ejemplo8 a7 enteros sea8 nL T J:, n1 T d. c. 2@JJ47 T JJ n5 T d. c. 2II??7 T I? n: T d. c. 26?I@7 T ?I n? T d. c. 255L47 T 5L n6 T d. c. 2L?LL7 T ?L n@ T d. c. 21@LL7 T @L b7 C.$CC*B3$.*B2Semilla impar y primo7 nL T L.65J n1 T L.5IJIJ? n5 T L.@14:@4 n: T L.L:I5?4 n? T L.1:J15? n6 T L.1?@@J4 n@ T L.51I161 nI T L.L545?1 nJ T L.LJ65@? n4 T L.I564L? n1L T L.L@IL51 n11 T L.??J4 n15 T L.5:4151 n1: T L.165JJ1 n1? T L.5IJIJ? T L.IJI T L.14: T L.:I5 T L.:J: T L.?@@ T L.1I1 T L.545 T L.J65 T L.564 T L.@IL T L.?J4 T L.:41 T L.65J T L.IJI

1 T 1:

METODOS DE GENERACIN DE NUM. PSEUDOALEATORIOS UBI,!C. 0&'todos congruenciales +@4, reglas8 C debe ser un entero impar, no divisible ni por : ni por 6 a usualmente puede ser cual uier constante sin embargo para asegurar buenos resultados, seleccione a de tal "orma ue 2a7 mod JT 6 para una computadora binario a o 2a7 mod 5LL T 51 para una computadora decimal. & debe ser el n)mero entero ms grande ue la computadora acepte

?4

-e acuerdo con /ull y -ebell, los mejores resultados par un generador congruencial mi(to en una computadora binaria son8 a T J ^ c : c T cual uier entero rL T cual uier entero impar 2ni7 m T5b donde bY5 y ue m sea aceptado por la computadora =.<.@ METODO DE CONGRUENCIAS PARA GENERAR NGMEROS PSEUDOALEATORIOS Crmulas generales de congruencias. &*D;B niU1 T 2ani Uc7mod m &#L;*1L*C$;*QB n iU1 T 2a^ni 7mod m

1ara i T L, 1, 5, Z,m01, donde a, c, m son enteros positivos. $ nL se le llama semilla inicial. n =

L O F I M P H J K N G Q
a n +c L a 1 i i a 1

mod m donde i T L, 1, 5,Z,m01 a, c, n L X m

h T m(imo periodo

MJ& . 0u(&i5(i)a&i2 ) KI
BASE @ hT mT 5b05 < 5b bX5

MJ& . 0i$& ) I
h T m T 5 b < donde b Y 5

a m
2a,m7 T1

donde a impar nL impar positivo

a 5 5 +1 a = 5 s + 1< s 5
c T impar positivo y nL entero positivo

b R b O| 5 b = par L =S M b 1 5P N Q | T5 b = impar a 5 +1
b 5

<

valida para

b?

6L

si b T : poner a T 6. BASE !I h T 6 ^ 1Ld05< dY: m T 1Ld h T m 1L d< d :

a = 5LLt p p = : mod J = L

a 1L 5 + 1 a = 1Ls + 1< s > 1

dO L M 5P N Q para d ? a = 1L + 1

tT cual uier entero positivo

si d T :, poner a T 1L1

p T c:,11,1:,14,51,5I,54, 6:,64,@1,II,J:,41 etcd mod 5LL nL impar positivo y 2a,67L1

cT impar positivo y 2c,67 T 1 nL entero positivo

&E;B-B &*D;B P$SE 5 Oenera tantos n)meros igual al modulo para bY 5 &E;B-B &#L;*1L*C$;*QB P$SE 1L mYh m%nimo del modulo ser%a 1L,LLL pT : mod J residuo : pX mod m 2a,67 T 1 signi"ica ue a no debe ser m)ltiplo de 6 &E;B-B &*D;B P$SE 1L Se genera un periodo igual al modulo

/ = m = 1L d : = a 1L 5 + 1 a a = 1Ls + 1<
sT 1, 5, :,Z
d

d 5

caso particular c ue no sea m)ltiplo de 6 cT 1, :, I, 4, 11, 1:, 11I, 14, Z.2m017 nL T cual uier entero positivoZ2m017 ejemplo8 h T m T 1L: dT: :H5 a 1L U 1 T :5.@5 posibles de a s a

61

5 : ? d

1L1 1LL1 1LLL1

el ue ms se acerca a :5.@5 es 1L1, a T 1L1

: :5.@5 : 1L1 ? 1L1 ? 1L1 6 :1I.55 ms cercano al valor de a. 6 1L1 @ 1LL1 @ 1LL1 I :1@:.5I I 1LL1 J 1LLL1 J 1LLL1 4 :1@5:.II 4 Cuando d T :, a T :5.@5 en los valores de 6 a 4 cual uier valor ue ms se acer ue a :5.@5 es s T 5 y a T 1L1

R d | d 5 d = par =S 5 |d 1 d = impar T5
dT ? dT 6 aT1L?H5 U 1 T 1L5 U 1 aT1L6H5 U 1 T 1L1

Ejemplo8 Pase 5 &#L;*1L*C$;*QB

h T 5I b 05 T I de donde bT I U 5 , b T4

n T 5b05, b Y 5. & T 5b m T 54 , m T 615.

a m a = impar a 615 55.@: a = Jt : ,

t L 1 a t T L, 1, 5, :, ?, 6, Z

:
6

65

11 5 1: 14 : 51 5I ? 54 :6 nL T 1, :, 6, I, 4,Z 611, impar menor ue m. 2a , m7 T 1 primo relativo, divisibles entre 1, m(imo com)n divisor 26 , 167 T 1 3o son primos relativos 2J , 47 T 1 son primos relativos por ue no tienen "actores primos comunes ue los puedan dividir. 3iU1 T 51ni mod 615 i TL, 1, 5, :, ?, 6, @, Z15I 15I U nL T 15J h T 5I T 15J. 3B;$8 con estos parmetros genero 15J datos. ?.:.: &'todo aditivo de congruencias

ni+1 ni + ni 0 mod m nL , n1 , n5 ,... n0 semillas

a f

con S T 1, 5, :, ?, 6, Z

Se presupone S valores iniciales dados, con S un n)mero entero positivo. Si S T 1, la ecuacin de recurrencia genera la conocida sucesin de Cibonacci. Esta sucesin se comporta como las sucesin ue se genera con el m'todo multiplicativo de congruencias, con el "actor Las propiedades estad%sticas de este m'todo tienden a mejorarse cuando S se incremente. $dems, este m'todo genera per%odos mayores ue el mdulo m.

a = 1+ 6 5.

c h

6:

PRUEBAS DE ALEATORIEDAD
<.! PRUEBA DE LOS PROMEDIOS Esta prueba es conocida como uni"orme o rectangular, el valor esperado y la varian!a de una variable aleatoria uni"ormemente distribuida estn dadas por las siguientes e(presiones8

EB$C K !I $ .$ K L Var K !I B $ M LC@ .$ K !N!@

/2

1 0 /2

#na prueba de hiptesis de promedios puede ser planteada e la siguiente "orma /iptesis nula /o 8 T e

1L =
/iptesis alternativa /1 8 e

x2 n

En seguida, su promedio aritm'tico es evaluada de acuerdo a la siguiente e(presin8

x=

3 1 + 3 5 + 3 : +...+3 n 4

# T 3.$.

Se determina el valor estad%stico. Si

, entonces se acepta la hiptesis de los n)meros pseudoaleatorios.

5

1L < 1

Ejercicio8

6?

1aso 18

/o 8 & T 1H5 con T 6W /o 8 & 1H5 L.J5J L.:@6 L.LI: L.?1? L.@LJ L.I?? L.161 L.416 L.54@ L.ILL L.@@: L.1L6 L.5?6 L.?@L L.:6: L.1@4 L.@?@ L.6J? L.5:I L.?1? L.L4L L.14J L.@?I L.@I1 L.4@:

"K

1L = >I K

x2 n

H5T CB3CL#C*B38

1 0 H5T

1L < 1
5

1.#EP$ -E LBS 1.B&E-*BS

66
L(1 u2 x 7 = c1L si en otra parte L(1 3 2 x 7 = c1L si en otra parte

u2 x 7 = 5 2 6 x 7 1L = = x2 n

x 1 5 n 1 15

/2 &ENE. n <= :L 3 Y :L # 1 #2(7

/2

E 2 x7 =

5 = E` x 5 a 2 5 = 1 : 1 ? = 1 15
6.5 1.#EP$ -E C.EC#E3C*$ El estad%stico usado en esta prueba es

z
1 L

x dx = 1 5

6@

xL5

)7 )E f a = < donde
n 5 i i i =1

)Ei

CBiT "recuencia observada del i0'simo subintervalo CEi T "recuencia esperada del i0'simo subintervalo 3 T tamao de la muestra n T n)mero de subintervalos

Este estad%stico se compara con

x5 ,2 n 17,

la cual representa una variable aleatoria

Chi0cuadrada con n01 grados de libertad y un nivel de signi"icancia . Si entonces se acepta la hiptesis. #sar pruebas de bondad de ajuste (5

xL5 < x5 ,2 n 17 ,

6.: 1.#EP$ -E L$ -*S;$3C*$ Los n)meros pseudoaleatorios generados son considerados como d%gitos, entonces la prueba consiste en contar el n)mero de d%gitos ue aparecen entre ocurrencias sucesivas de un mismo d%gito. 1or ejemplo, 6J5?6, ilustra un hueco de tamao : entre los dos 6. La probabilidad de cada uno de los tamaos de hueco se obtiene con la siguiente e(presin8

5i = L1 . 2L.47 i para i T L,1,5,:...

Como tericamente el valor del tamao del hueco puede ser in"inito, es conveniente agrupar probabilidades para valores de i mayores o iguales a un determinado valor de n. ;al sumatoria se obtiene de acuerdo con la siguiente e(presin8

5i n =

. 2L.47 L1
m= L

m+ n

= L.4 n

i T tamao del hueco

2 )7i )Ei 7 5 xL = . Si xL5 < x5 ,n , )Ei i =1

n 5

El estad%stico ue se usa en estas pruebas se obtiene como 8

ni

1i

CBi

$cum

entonces los n)meros pasan la prueba. CEi CBi

6I

L 1 5 : ? 6 @ I J 4

J141I IJ4J1 4I4J5 II6: I5II1 LJ1@L @?L?1 I51?1 5655: @LJ1?

L.1 L.4 L.LJ1 L.I54

: J 1 1

: 11 1: 1:

1:2L.17T1.: 152L.47T1.1I 1:2L.LJ17T1.L6: 1:2L.I547T4.?II

: J 1 1

2 )7i )Ei 7 5 x = )Ei i =1

n=: 5

3B;$ T Entre los huecos no debe de haber "recuencia de 1 por lo tanto se sube al anterior

2:01.:75H1.: T 5.55:1 5 2J01.1I7 H1.1I T :4.JI1 2101.L6:75 H1.L6: T L.LL5@@ 2104.?II75 H4.?II T I.6J56 T ?4@I45

(5

= L.L6 xL5 = 6.44 xL5 < x5 ,n

xL5 < xL5.L6, :1= 5 ?4.@I < 6.44 se recha!a / L .
Crecuencias esperadas y observadas para los di"erentes tamaos de huecos, considerando a los n)meros pseudoaleatorios generados como n)meros reales. i 1i CBi CEi

6J

L 1 5 . . . i . . . YTn total

210 7 21075 . . . 2107i . . . 2107n 1.L

CBL CB1 CB5 . . . CBi . . . CBn CBi

T CBi 27 T CBi 272107 T CBi 2721075 . . . T CBi 272107i . . . T CBi2107n T CBi L.1L@44 L.5II:J L.54?6: L.:??JJ L.@I@51 L.IL114 L.@J::? L.51@:1 L.L:1J6 L.L6?I6 L.J::6J L.J64L: L.:J6LI L.J1II5 L.L41:: L.JJI65 L.:::J1 L.I?6I4 L.LJ15J L.@?1J: L.66JII L.@6I5@ L.5LJ65 L.:?:6J L.L6L1L L.1J5J? L.661IL L.JI@1@ L.@11@J L.41615 L.61IJ1 L.?::LJ L.4LJ54 L.:@4J5 L.?1@IJ L.::I54 L.?4:J: L.I411: L.I:?@6 L.??5@I L.1?161 L.I@5@4 L.?54J4 L.116:I L.LL151 L.?44@5 L.1LJ6L L.66I?5 L.L45@? L.I@5@5 L.L:5I5 L.:65J@ L.4?1JI L.144L? L.::46? L.166L@ L.I61L: L.@:?6: L.55I5? L.I51L5

L.IJ4@1 L.I@LJ@ L.JL6?J L.6J61J L.J4J4J L.5J5@4 L.:J@1J L.I44J5 L.6J4I5 L.@4@5: L.544:1 L.6I?1L L.5?LLL L.4:@66 L.6?:56 L.6J5?? L.5:4?4 L.144@5 L.1416I L.555JI =0.3 1i T 2107i

L.L65:L L.15LI4 L.J5@6? L.4J@11 L.6IJJL L.I:L64 L.I@41L L.?6@I4 L.::51@ L.1IL5J L.:LJ:1 L.5@64: L.@6664 L.JJJL4 L.@5?LL L.J6J6: L.6:664 L.@6LL5 L.?L@?? L.LI5J1 =0.7

= ; 0.4

para i T L,1,5,:Z

5i n =
i L 1 5

21 7
m= L

m+ n

= 21 7 n
CEi ?L2L.?7 T @.LL ?L2L.?72L.@7 T 4.@ ?L2L.?72L.@7 T 6.I@

1i L.? L.5? L.1??

CBi 15 15 1L

64

YT: total
5

L.51@ 1.LL
n

@ ILT?L

?L2L.@7 T J.@? CE T ?L

15 4.@ 2 )7i )Ei 7 5 215 1@7 5 xL = = + )Ei 1@ 4.@ i=L

f + 215 6.I@7
5

6.I@

21L 6.I@7 5 2@ J.@?7 5 + 6.I@ J.@? 5 xL = 1 + L.@ + :15111 . + 6JL@@@ . xL5 = 66IIIJ . 66IIIJ . < I.J1 pasan la prueba de la distancia.
6.? 1.#EP$S -E SE.*ES Consiste en generar n n)meros pseudoaleatorios de los cuales se "orman parejas aleatorias entre #i y #iU5 . En seguida se determina la celda a ue pertenece cada pareja ordenada como en la "igura. 1 2n017Hn 2n057Hn 5Hn 1Hn 1Hn 5Hn 2n057Hn 2n017Hn 1

Con lo cual se determina al "recuencia observada de cada celda. La "recuencia esperada de cada una de las celdas se obtiene al dividir el total de parejas coordenadas por el total de celdas. Cinalmente, conocida la "recuencia observada y esperada de cada celda se obtiene el estad%stico8

@L

n n n5 n 5 1 5 xL = )7i 2 4 17 4 1 i =1 i =1

F G H

I J K
5

2 )7i- 0 )Ei- 7 5 Si xL5 < x5 ,nn +1 , entonces los n)meros pasan la prueba.
5

1rueba de series. 1ara probar el grado de aleatoriedad entre 3)m. sucesivos se "orman parejas de 3 donde 3T n)meros pseudoaleatorios. 2#1 ,#57, 2#5 ,#:7, 2#: ,#?7, . . . 2#J ,#47, 2#4 ,#1L7 En seguida, se determina la celda a ue pertenece cada pareja. 1 nHn ?Hn :Hn 5Hn 1Hn L 1Hn 5Hn :Hn 1 nHn Con lo cual se determina la "recuencia esperada de cada celda se obtiene8 3T 3)meros 1LL CE T 3Hn nT 1articiones 6 si n T 6 se tiene una matri! de 6(6 T 56 Tn si 3 T 1LL se obtendran 44 parejas. CE T 44H56T

n=

2 z 5 2 4 7 7 2 x 2 75
5 15

3B;$8 Cuando la pareja de puntos cae en un v'rtice se coloca a la i! . es por la l%nea y abajo. L.6L6L5 L.J@:55 L.@I:?I L.L6:J4 L.4:I1@ L.:465J L.4?1:? L.1L4JI L.J5?I? L.1@J4? L.:@IJ5 L.44JI5 L.56@IJ L.645J4 L.4J46: L.4L5:? L.5I@6I L.5664: L.:@IJ5 L.I:5:1

1rueba de series8 L.I5?J? L.?J444 L.I1J4L L.@15:? L.:?6@6 L.L5:JI L.J5:?6 L.15:JI L.L:441 L.1L?@1

@1

10 T L.46

T 10L.46

T L.L6

H5T L.L6H5 T L.L56

nT? elige el valor de n. 3)m. de parejas a "ormar 3 T :L01 T 54 parejas

CE T 23017H n5 T 2:L017H ?5 T 1.J156 1aso 18 /o8 ri / 8 ri independiente dependiente.

Crear un histograma de dos dimensiones con & intervalos, clasi"icando cada pareja de n)meros consecutivos 2ri, riU17 dentro de las casillas de dicho histograma de "recuencias. El n)m. total de pares ordenados en cada casilla "ormara la "recuencia observada8 CBi. 1aso 58 Calcular la "recuencia esperada en cada casilla CEi deacuerdo con CEiT numHm de n)m. es el numero total de parejas ordenadas. 1aso :. Calcular el error C, con la ecuacin siguiente8

2 )Ei )7i 7 5 * = )Ei i =1

m

n5 m xL = 2 )7i- )Ei- 7 5 4 1 i =1
5

1aso ?8 Si el valor C es menor o igual al estad%stico de tablas (5 con m01 grados de libertad y una probabilidad de recha!o , entonces aceptamos ue estad%sticamente los n)meros son independientes.

2L.I5?J? 2L.?J444 2L.6L6L5 2L.:465J 2L.:@IJ5 2L.4L5:? 2L.I1J4L 2L.@15:? 2L.J@:55 2L.4?1:? 2L.44JI5 2L.5I@6I 2L.:?6@6

, , , , , , , , , , , , ,

L.?J4447 L.6L6L57 L.:465J 7 L.:@IJ5 7 L.4L5:? 7 L.I1J4L7 L.@15:?7 L.J@:557 L.4?1:?7 L.44JI57 L.5I@6I7 L.:?6@67 L.L5:JI7

1 : L.I6 1 L.6 1 L.56 5 L L.56 5 L.6 5 L.I6 5 1 : : 1 1 1 : 5 1 5

@5

2L.L5:JI 2L.@I:?I 2L.1L4JI 2L.56@IJ 2L.5664: 2L.J5:?6 2L.15:JI 2L.L6:J4 2L.J5?I? 2L.645J4 2L.:@IJ5 2L.L:441 2L.1L?@1 2L.4:I1@ 2L.1@J4? 2L.4J46:

, , , , , , , , , , , , , , , ,

L.@I:?I7 L.1L4JI7 L.56@IJ7 L.5664:7 L.J5:?67 L.15:JI7 L.L6:J47 L.J5?I?7 L.645J47 L.:@IJ57 L.L:4417 L.1L?@17 L.4:I1@7 L.1@J4?7 L.4J46:7 L.I:5:17

c=
c=

1 I21J156 . 17 5 + 621J156 . 57 5 + ?21J156 . :7 5 = 6.I6 1J156 .

6 L5 = 6 5, m

21J156 . 57 5 21J156 . 57 5 21J156 . 17 5 21J156 . 57 5 21J156 . 17 5 21J156 . :7 5 21J156 . :7 5 + + + + + + + 1J156 . 1J156 . 1J156 . 1J156 . 1J156 . 1J156 . 1J156 . 5 5 5 5 5 5 5 21J156 . 17 21J156 . 17 21J156 . 17 21J156 . 17 21J156 . :7 21J156 . :7 21J156 . 57 + + + + + + + 1J156 . 1J156 . 1J156 . 1J156 . 1J156 . 1J156 . 1J156 . 21J156 . 17 5 21J156 . 57 5 + = 6.I6J 1J156 . 1J156 .

6 L5.L6,16 = 56.LL

2 = 1@ 1 = 16 6.I6J < 56 * < 65 Se acepta ue los n)m son independientes.

1.#EP$S -E CB..*-$ #na corrida se de"ine como un conjunto de n)meros ue aparecen ordenados en "orma monotonicamente creciente o decreciente8 por ejemplo L:, 5:, 6I, 45, 44 contienen una sola corrida, mientras ue L:, 44, 5:, 45, 5I contiene 2L:,447, 255:,457, 26I7 si se

@:

utili!a el signo U para identi"icar ue el n)mero ue aparece a la derecha de otro es mayor, o 0 si es menor, se tiene ue8 :L, 5:, 6I, 45, 44 mientras ue L:, 44, 5:, 45, 6I U, 0, U, 0 U, U, U, U, U,

Esta prueba se basa en el supuesto ue el numero de corridas es una variable aleatoria. Si una secuencia tiene ms de 5L n)meros, el numero de corridas ue es una variable aleatoria distribuida normalmente con media y varian!a conocida. La prueba se reali!a de la siguiente manera8 1aso 1.0 1aso 5.0 1aso :.0 1aso ?.0 1aso 6.0 Se "ormula la hiptesis /o8 La secuencia de n)meros es aleatoria. Se selecciona una muestra de tamao n 2nY5L7 Se de"inen con los signos U, 0 las posibles corridas. Se de"ine la estad%stica r como el numero de corridas. si nY5L y /o es verdadera, entonces r se apro(ima a una distribucin normal con media8

1 E 2r 7 = 25n 17 : , 2r 7 = 1 21@n 547 4L

1aso @.0 Se acepta ho, a un nivel de riesgo

, si

r E 2r 7 z 1 5 ,ar 2r 7 5

donde !2^7 esta tabulada en la distribucin normal. Ejemplo8 Se tiene la siguiente secuencia de n)meros pseudoaleatorios8 1L L5 :I 44 LJ I? 44 1L 15 II @@ :5 :1 ?5 J6 I@ @: @? I: 14 :5 L4 L? JL @J :?

@?

?6 @?

L5 :?

L6 5?

L: 5:

1: 5J

I? @?

L4 :@

IL :6

:@ @J

I@

J5

@?

I?

4L :6

si r T :6

1 1 E 2r 7 = 25n 17 = 21LL 17 = :: : : , 2r 7 = 1 1 5n 1 = 2JLL 547 = J.6I 4 4L

a f

-e tablas8 b2L.@J7 T L.I61I 1or lo ue para el nivel de signi"icancia por ejemplo 1LW

1 2L.@J7 1 5 5 L1L . L1L . L.I61I 1 5 5

L.L6 L.I61I L.46
Se a"irma la /iptesis /o8 La secuencia de n)meros es aleatoria. 6.I 1.#EP$ -E 1B[E. Esta prueba e(amina en "orma individual los d%gitos del n)mero pseudoaleatorio generado. La "orma como esta prueba se reali!a es tomando 6 d%gitos a al ve! y clasi"icndolos como 8 1ar, dos pares, tercia, pSer uintilla "ull y todos di"erentes. Las probabilidades para cada una de las manos del pSer di"erentes se muestran enseguida8 ;odos di"erentes T L.:L5? #n par T L.6L? -os pares T L.1LJ ;ercia T L.LI5 Cull T L.LL4

@6

Muintilla

T L.LLL1

Con las probabilidades anteriores y con el n)mero de n)meros pseudoaleatorios generados, se puede calcular la "recuencia esperada de cada posible resultado, la cual al compararse con la "recuencia observada, produce el estad%stico8

2 )7i )Ei 7 5 L = )Ei i =1

I I

Si

5 5 < L ,@

. Entonces los n)meros pasan la

prueba.

i ;odos di"erentes #n par -os pares ;ercia Cull Muintilla

1i L.:L5? L.6L? L.1LJ L.LI5 L.LL4 L.LLL1

CB :

CE 542L.:L5?7TJ.I@4@

5 L
2J.I@4@0:7 5HJ.I@4@T:.I46J

54
i =1

L =
5 i =1

66IJI ::::: 1@6?: 1I1?6 616I6 ??:?: 111I1

dos pares Muintilla ;odos di"erentes #n par ;ercia Cull 1Ser

/o8 Los 3. $. son independientes con 6.J 1.#EP$S -E L$S CB..*-$S

= 1LW

5 5 < L ,@ Si

se acepta /o.

6.J.1 1rueba de las corridas arriba y abajo del promedio En esta versin de la prueba de las corridas, una secuencia de n)meros pseudoaleatorios es generada. En seguida, una secuencia binaria es obtenida, en la cual es L si #i es menor a L.6 y 1 si es mayor. #na ve! obtenida la secuencia binaria, el siguiente paso e la cantidad de veces ue una misma longitud de corridas se repite 2"recuencia observada de la corrida de la longitud i7. #na sucesin de i ceros 2unos7 enmarcada por unos 2ceros7 en los e(tremos, representa una corrida de longitud i. El 3)mero total esperado de corridas y el n)mero esperado para cada tamao de corrida se obtienen con las siguientes e(presiones8

@@

E=

4 +1 5 4 i +: 5 i +5

)Ei =

Estas "recuencias esperadas son comparadas con las observadas a trav's de la distribucin Chi0cuadrada y una decisin sobre la aleatoriedad de los n)meros pseudoaleatorios generados es tomada. 1rueba de corridas arriba y abajo del promedio. L.@6 L.66 L.41 L.56 L.@6 L.L5 L.?1 L.:1 L.?L L.LJ L.@4 L.?@ L.JL L.J: L.5I 1 1 1 L 1 L L L L L 1 L 1 1 L

i L 1

CL i

/o8 La secuencia de 3. $. es aleatoria con & T L.6 y

= 6W

i L 1 J I

CBi

CEi 4 ?.56

5 L
2 40J7 5H4T L.1111 2?.560I7 5 T 1.II4?
5

16

i =1

1J4L6 .

@I

4 +1 5 16 + 1 E = = J corridas 5 4 i + : 16 L + : )Eo = = =4 i +1 L +1 5 5 16 1 + : 1I )E1 = = = ?.56 5 1+ 1 ? E =

5 = 1J4L6 . L 5 = 5 = :.J?1 L . L6 , 5 1 L . L6 ,1 5 < L.L6,1 L

La secuencia de 3o. es aleatoria con &T L.6 y al"a T6W. Se acepta /o.

6.J.5 1rueba de corridas arriba y abajo. Se genera una secuencia de n)meros igual ue en el inciso anterior y luego se obtienen una secuencia binaria, en la cual el i0'simo t'rmino es cero si #iiX #iU1 y 1 al contrario. #na ve! obtenida la secuencia binaria, se sigue el mismo procedimiento descrito anteriormente y se obtienen la "recuencia observada para cada tamao de corrida. El n)mero total esperado para cada tamao de corrida se obtiene con las siguientes e(presiones8

@J

54 +1 : 2i 5 + :i + 17 4 2i : :i 5 i ?7 )E = 5 < i < 4 1 2i + :7f 5 )E 4 1 = i = 4 1 4f E=

Cinalmente, el estad%stico Chi0cuadrada se determina de acuerdo a la siguiente e(presin8

2 )7i )Ei 7 5 L = )Ei i =1

n 5

-onde n es el n)mero de t'rminos de la ecuacin anterior. Es importante sealar ue el clculo del estad%stico Chi0cuadrada, la "recuencia esperada para cada tamao de corrida debe ser igual o mayor a 6. Si las "recuencias esperadas para corridas de tamao grande son menores ue 6, tales "recuencias se deben agrupar con las adyacentes de tal modo ue la "recuencia esperada de los tamaos de corrida sea al menos 6. Si
5 5 < L ,5

entonces los n)meros pasan la prueba.

pruebas de corridas arriba y abajo. i 1 5 : ? 6 @ I L.J? L.6: L.?: L.?6 L.I? L.@@ L.:: 1 1 L 1 L L 1 /o8 La sec. -e 3o, es aleatoria con

= 6W

@4

J 4 1L 11 15 1: 1? 16 1@ 1I 1J 14 5L

L.J6 L.:I L.@4 L.1L L.I@ L.@J L.@L L.4I L.L: L.I5 L.1I L.54 L.1@

L 1 L 1 L L 1 L 1 L 1 L 1

CE 5L01T 5H5Lf

5 4 + 1 525L7 + 1 = = 1:.@@@ : : 2i 5 + :i + 17 4 2i : :i 5 i ?7 )E = 5 < i < 4 1 2i + :7f E=

2L5 + :2L7 + 175L 2L: :2L7 5 L ?7 )E = 5 =J 2L + :7f 215 + :217 + 175L 21: :217 5 1 ?7 )E1 = 5 = J.41@@ 21 + :7f
i L 1 CBi 1L 1L J J. 41@@ CEi

5 L
2 J01L7 5HJT L.1111 2J.41@@01L7 5 HJ.41@@TL.1:1@

1L

L.@:1@
i =1

IL

5 = :J?1 . L . L6 ,1 5 = 5 L L . L6 , 1
L.@:1@ < :J?1 .
Se acepta /o. Los 3o. son aleatorios. 1.#EP$ -E [BL&BOB.BQ0 S&*.3BQ Esta prueba sirve para veri"icar o negar la hiptesis ue un conjunto de observaciones provienen de una distribucin. La estad%stica - ue se utili!a en esta prueba es una medida de la di"erencia m(ima observada entre la distribucin emp%rica y la terica supuesta. - es una variable aleatoria. Se utili!a esta prueba para veri"icar o negar ue un conjunto de n)meros pseudoaleatorios tienen una distribucin uni"orme en el intervalo cerrado `L,1a. 1aso 18 se "ormula la hiptesis nula, /o. -e ue los n)meros provienen de una distri0 bucin uni"orme en el intervalo cerrado `L,1a. 1aso 58 Se selecciona una muestra de tamao n de n)meros pseudoaleatorios generados n T 1LLL. Sea Cn2(7, de la siguiente manera. 1aso :8 Calcule la "uncin de distribucin acumulada emp%rica "n2(7 de la siguiente manera. 0Brdene los valores de la secuencia, tal ue 0/aga Cn2L7

i i +1 para toda i.

)n2 i 7 =

i i = 1,5,:,... n
L xi 1

1aso ?8 Evalue la estad%stica de [olmogorov0smirnov, de a partir de

( = 286 )n2 xi 7 xi

1aso 6 Consulte la tabla de limites de aceptacin para la prueba de Solmogorov0 Smirnov, para un tamao de muestra n y un determinado nivel de riesgo al"a, si - es menor o igual a este numero se acepta /o, de otra manera se recha!a. Ejemplo8 -e una tabla de n)mero aleatorios se eligen los siguientes 6L 2divididos entre 1LL 1ara ue su valor oscile entre L y 1.

I1

L.1L L.L? L.14 L.IL L.@?

L.:I L.@J L.L4 L.:@ L.:@

L.LJ L.L5 L.JL L.I@ L.:6

L.44 L.44 L.:? L.J5 L.@J

L.15 L.I? L.?6 L.@6 L.4L

L.@@ L.1L L.L5 L.I? L.:6

L.:1 L.II L.L6 L.@?

L.J6 L.:5 L.L: L.:?

L.@: L.?5 L.1: L.5?

L.I: L.I@ L.I? L.5:

L.:5 L.@? L.L4 L.:J

Se desea probar la hiptesis /o8 1rovienen de una distribucin uni"orme en `L,1a, a un nivel de signi"icancia del 4LW 1aso 5. Se arregla la tabla anterior para ue se cumpla la condicin
1 5 : ? 6 @ I J 4 1L 11 15 1: 1? 16 1@ 1I 1J 14 5L 51 55 5: 5? 56 5@ 5I 5J 54 :L :1 :5 :: :? :6 :@ :I :J :4 ?L ?1 ?5 ?: L.L5 L.L5 L.L: L.L? L.L6 L.LJ L.L4 L.1L L.1L L.1L L.15 L.1: L.14 L.5: L.5? L.5@ L.:5 L.:? L.:? L.:6 L.:6 L.:@ L.:@ L.:I L.:J L.?5 L.?6 L.@: L.@? L.@? L.@? L.@6 L.@@ L.@J L.@J L.IL L.IL L.I: L.I? L.I? L.I? L.I@ L.JL

xi xi +1 para toda i.

I5 ?? ?6 ?@ ?I ?J ?4 6L L.J5 L.J6 L.4L L.4? L.4I L.44 L.44

1aso : Se construye Cn2(i7 para toda i siendo n T 6LH1LL T L.6

)n2 xi 7 =

Cn2L.LL7 T L.LL Cn2L.L57 T L.L? Cn2L.L.:7 T L.L: Cn2L.L?7 T L.LJ Cn2L.L67 T L.1L Cn2L.LJ7 T L.15 Cn2L.L47 T L.1@ Cn2L.1L7 T L.5L Cn2L.157 T L.55 Cn2L.1:7 T L.5? Cn2L.147 T L.5@ Cn2L.5:7 T L.5J Cn2L.5?7 T L.:L Cn2L.:17 T L.:5 Cn2L.:57 T L.:? Cn2L.:?7 T L.:J Cn2L.:67 T L.?5 Cn2L.:@7 T L.?: Cn2L.:I7 T L.?J Cn2L.:J7 T L.6L Cn2L.?57 T L.65 Cn2L.?67 T L.6? Cn2L.@:7 T L.6@ Cn2L.@?7 T L.@5 Cn2L.@67 T L.@? Cn2L.@@7 T L.@@ Cn2L.@J7 T L.IL Cn2L.IL7 T L.I? Cn2L.I:7 T L.I@ Cn2L.I?7 T L.J5 Cn2L.II7 T L.J? Cn2L.JL7 T L.J@ Cn2L.J57 T L.JJ Cn2L.J67 T L.4L

i i = 1,5,:, . . . n n

I:

Cn2L.4L7 T L.45 Cn2L.4?7 T L.4@ Cn2L.4I7 T L.4J Cn2L.447 T L.1LL

1aso ?8 - T &$D `Cn2(i70(ia - T `L.LL 0 L.LLa T L `L.L? 0 L.L5a T L.L5 `L.L@ 0 L.L:a T L.L: `L.LJ 0 L.L?a T L.L? - T L.15< Mue ocurre para Cn2L.:J7 1aso 68 1ara un nivel de signi"icancia del 4LW y una muestra de 6L n)meros se tiene de la tabla, un valor de L.1IL como - X L.1IL se acepta /o8 Los 6L n)meros si provienen de una distribucin uni"orme en el intervalo `L,1a.

UNIDAD I I I
G'+'ra)i*+ .' 2aria6('% a('a& ria% Cunciones de probabilidad -e"inicin8 sea "2(7 una "uncin de variable real continua o discreta. C2(7 es una "uncin de probabilidad, si satis"ace las condiciones siguientes8 17

! 2 x 7 L< x . ! 2 x 7 m< m .<

2positiva y acotada7 m in"inito

57

z
x (

! 2 x 7dx = 1

en caso continuo en caso discreo< - es el dominio de "2(7

! 2 x7 = 1

I?

Cuncin acumulada de"inicin8 Sea "2(7 una "uncin de probabilidad continua o discreta. Se de"ine la "uncin acumulada de "2(7 denotada C2(7 como8 a7

a7 b7

) 2 x7 = ) 2 x7 =

z
x x t=(

! 2t 7dt en caso continuo en caso discreto

! 2t 7

M'& . .' (a &ra+%4 r0a.a i+2'r%a Si "2(7 es una "uncin de probabilidad continua o discreta y C27( es su "uncin acumulada, entonces podemos obtener la variable aleatoria ( con distribucin "2(7 haciendo r T C2(7< r(0,1), despues despejamos ( como (T C012r7< ri 2L,17 pseudoaleatorio uni"orme, i T L,1,5,:,?, . . . ,h01

! 2 x 7 = e x
x

l
L x

(L

e(ponencial

! 2 x7 = ! 2 x7 = T

z z z z
e t dt
! 2t 7dt

L ( 0

Ldt U e t dt

T e t Lx =

m
1 e t L

(L (X L

M'& . .' r')OaP % Si "2(7 es una "uncin de variable aleatoria continua o discreta, acotada y de"inida para y "initos, entonces se puede aplicar la t'cnica de recha!os para generar valores de la variable aleatoria ( por los ? pasos siguientes8

a x b< a , b .

I6

1.0 Escalar "2(7 multiglicndola por una constante positiva c tal ue c"2( 7XT 1< cT 1Hm<

m = ! 2 x7 a x b

5.0 Bbtener ( a trav's de la realcin lineal ( T a U 2b0a7r< r 2L,17 :.0 Oenerar parejas de n)meros pseudoaleatorios 2ri,riU17` 2r1,r57 2r5,r:7 2r:,r?7, . . . , 5,rh017a ?.0 *nvestigar si riU1 XT c"2(i7, si es as%, se acepta (i si no se recha!a. i ni ri rL r1 r5 . . . rh01 rL (i T aU2b0a7ri (L (1 (5 . . . (h01 00000 c"2(i7 c"2(L7 c"2(17 c"2(57 . . . c"2(h017 0000000 =riU1XT c"2(i7 > L1 L1 L1 . . . )ltimo se compara con rL 00000 2r h0

L nL 1 n1 5 n5 . . . . . . n01 nh01 n nhTL aT01 bT 1 cT/2

! 2 x7 = R S T

5 1 x 5 < L

01 ( 1 en otra parte

r = ) 2 x7 1 e x = r

donde L r 1

e x = 1 r x = ln21 r 7 1 x = ln21 r 7
L X r X1 L Y r Y01 1Y10r Y L LX10rX1 LX.X1

I@

xi =

1 ln .i

Di%&ri6u)i*+ .' P i%% +

e . 1r2t = . 7 = .f con E 2t 7 = y ,ar 2t 7 =

Sea t una variable aleatoria discreta, con distribucin de 1oisson con media .

La "uncin inversa se obtiene "ormando productos de variables leatorias uni"ormemente distribuidos en `L,1a, denotados ri, hasta ue este producto sea menor ue e , es decir, hasta ue se satis"aga la desigualdad8

r
i =1

> ri
i =1

t +1

$l cumplirse esta desigualdad se encuentra el valor de t 2la vaiable aleatoria con distribicin de 1oisson7 con media .

Di%&ri6u)i*+ ( g+ r0a(. Sea t una variable aleatoria positiva con distribucin lognormal. Entonces8 ( T log t

F 2 x 2 7 I G 1 5 J H K ! 2 x7 = e < 5 con
5

X(X

E 2 x7 = e

22+

5 7 5
5 5

,ar 2 x 7 = `e 5 2 + a`e 1a
La "uncin inversa se obtiene de 8

II

L n IO Fn I F 2 + G J G M P r 5J H K 15 M P H K 1 N Q t = ) 2r1 , r5 , r: , ... rn 7 = e recomendandose ue nYT15

1 5 n i i =1

Di%&ri6u)i*+ G' 0'&ri)a. Sea t una variable aleatoria con "uncin de densidad geometrica "2t7T p con T 10 p L XT p XT 1 La "uncin de distribucin es8
t

tT L,1,5,:,....

) 2t 7 = con E 2t 7 =

pq
x=L

q p q p5 log r log q

,ar 2t 7 =

La "uncin inversa t = ) 1 2r 7 =

donde r es un n)mero aleatorio con distribucin uni"orme en `L,1a. 3ota8 Esta "uncin t debe redondearse al entero inmediato in"erior. Di%&ri6u)i*+ u+i4 r0' '+ '( i+&'r2a( )'rra. Qa,6R Sea t una variable aleatoria distribuida e(ponencialmente, con media 1 H < su "uncin de densidad es8

! 2t 7 = e t y su distribucin C2t7 T 1 0 e 0t entonces8 1 t = log21 r 7

IJ

donde r es una variable aleatoria con distribucin uni"orme en `L,1a. Di%&ri6u)i*+ Er(a+g Sea t una variable aleatoria con distribucin de Erlang con media .H y varian!a .H , es decir, con densidad
5

. t 2 . 1 7 e t ! 2t , .7 = < . T 1,5,:,?, . . . 2 . 17 f entonces su distribucin es8 . 2 t 7 m 1 t C2t, .7 T 1 0 e m = 1 2 m 17 f donde8 E 2t 7 = . ,ar 2t 7 = . 5

La "uncin inversa es8
1 . 1 t = ) 2r1 , r5 , . .. r. 7 = log ri i =1

donde r1,r5,...r. son variables aleatorias independientes con distribucin uni"orme en `L,1a.

Di%&ri6u)i*+ N r0a( Sea t una variable aleatoria con distribucin normal con media & y varian!a 5 su densidad es8

F 2t 2 7 I G J 1 H ! 2 x7 = e 5 K 5
5 5

E 2 x7 = 2 ,ar 2 x 7 = 5

I4

Entonces si &TL y 5T1 la "uncin inversa es apro(imadamente8 igual a8

t = )

donde r1,r5,...r. son variables aleatorias independientes con distribucin uni"orme en el intervalo `L,1a. Es recomendanle ue nYT1L. Si se uiere una variable aleatoria con distribucin normal con una media y varian!a cual uiera, la "ormula anterior se convierte en8
15

r n 5j e 2r , r , . . . r 7 = F1 I n H15 K
n i 1 5 n i =1

t = ) 2r1 , r5 , . .. rn 7 =
1

2r @7 + 2
i i =1

Di%&ri6u)i*+ 9iM)ua.ra.a Sea t uan variable aleatoria con distribucin ji0cuadrada con n grados de libertad y densidad dada por<

! 2t 7 =

n 1j e t j 1 e 5 5 t e n5 n 5 5 f

ej

L t ,

n T 1,5, . . .

se tiene E 2t 7 = n ,ar 2t 7 = 5n

si n es un numero par , la "uncin inversa es8

t = ) 2r1 , r5 , . .. r. 7 = 5 log ri
1 i =1

nH5

. = n5 = 15

JL

mientras ue si n es non, la "uncin inversa es la suma de n variables aleatorias cuadradas, cada una de ellas con distribucin normal, &TL y T1

t = ) 2r1 , r5 , . .. rn 7 =
1

r
i =1 n

donde cada ri se obtiene de 8

t = )

r n 5j e 2r , r , . . . r 7 = F1 I n H15 K
i 1 5 n i =1

Di%&ri6u)i*+ 6i+ 0ia( +'ga&i2a B .' 5a%)a(C Sea t una variable aleatoria con "uncin de densidad binomial negativa

! 2t 7 =

p q, bg
. + t 1 . t t

t T L,1,5,:, . . .

q = 1 p, L p1 con .q E 2t 7 = p .q ,ar 2t 7 = 5 p la "uncin inversa es8 t = log ri

i =1 .

log q

donde r1,r5,...r. son . variables aleatorias independientes con distribucin uni"orme en el intervalo `L,1a.

Di%&ri6u)i*+ Bi+ 0ia( Sea t una variable aleatoria t con distribucin binomial se genera de la suma de n varibles 2no aleatorias7 (i iT1,... tal ue cada ve! ue se obtiene una variable aleatoria ri, iT1,5,:...n con distribucin uni"orme en `L,1a se reali!a de la siguiente trans"ormacin8

J1

xi = xi 1 + 1 xi = xi 1

si ri p si ri > p

1ara ( L T L
1

la "uncin inversa es

t = ) 2 x1 , x5 , . .. xn 7 =
Di%&ri6u)i*+ '05iri)a

x
i =L

Qariables aleatorias con cual uier distribucin empir%ca discreta o continua ue pueda apro(imarse por una distribucin discreta, pueden generarse para el siguiente metodo8 Si t es una variable aleatoria r con distribucin uni"orme en `L,1a ue cumpla con la siguiente desigualdad. Si tTbi con probabilidad N-0'r % A('a& ri % ) + .i%&ri6u)i +'% .i4'r'+&'% a (a u+i4 r0'. 1ara cada variable aleatoria ( con distribucin cual uiera C2(7, e(iste una variable aleatoria r, unica, distribuida uni"ormente, tal ue8 C2(7T r. r es la probabilidad de ue una variable aleatoria con una distribucin cual uiera C2^7 tenga un valor menor a (. Cuando es posible encontrar la "uncin inversa C012r7T(, se pueden generar variables aleatorias con distribucin C2^7, a partir de variables aleatorias r, distribuidas uni"ormente en el intervalo cerrado `L,1a.

J5