2

Simulacion de sistemas

2-1 Definicion de Ia simulacion de sistemas

Dado un modelo matetnatico de un sistema, a veces es posible obtener informacion relativa al mismo por medios analiticos, como se
demostro en la seccion 1-7. Cuando no es posible, es necesario utilizar
metodos de computos numericos para resolver las ecuaciones. Se ha
desarrollado una rica diversidad de metodos de computo numerico
pala resolver las ecuaciones de modelos matelllaticos. En el caso de
modelos matematicos dinamicos, una tecnica especifica que se ha llegado a identificar como simulacion de sistemas es aquella en que se
resuelven simultaneamente todas las ecuaciones del modelo con valores
continuamente crecientes del tiempo.
~or tanto definimos la simulacion de sistemas como la tecnica de
resolver problemas siguiendo 108 cambios en el t!empo de un modelo
dinamico de un sistema. La definicion es suficientemente amplia para
que incluya el usa de modelos fisicos dinamicos, en cuyo caso se evaluan
las variables del modelo' a travCs de mediciones fisicas en vez de a traves de computos numericos. No se pretende estudiar aqui el usa de 108
modelos fisicos, de manera que las referencias futuras a la simulacion
seran en terminos de modelos matematicos.
Ya que la tecnica de simulacion no pretende resolver analiticamente las ecuaciones de un modelo, por 10 general un modelo matematico construido para fines de simulacion es de naturaleza distinta
a uno formado para tecnicas analiticas. AI formar un modelo para
la solucion analitica, es necesario tener presentes las restricciones impuestas por la tecnica analitica y evitar complicar el modelo global.
Se tienen que hacer muchas suposiciones generales para satisfacer
estas restricciones.
33

34

Simulacion de siBterruu

Sin embargo, se puede construir con mayor libertad un modelo de

simulacion. Tipicarnente, se forma en una serie de secciones que corresponden al metodo de diagrama de bloques recomendado en la
seccion 1-8. Se puede describir matematicamente a cada seccion en
forma directa y natural sin dar demasiada consideracion a la complejidad que se introduce por tener muchas de esas secciones. Sin embargo, es necesario formar y organizar las ecuaciones de tal manera
que se pueda utilizar un procedimiento rutinario para resolverlas simultaneamente.
En los sistemas continuos, en que el interes primordial es en cambios suaves, generalmente se utilizan conjuntos de ecuaciones diferendales para describirlos. Se dice que las simulaciones basadas en esos
modelos son simulaciones cont{nuas. Los computadores analogicos, que
se describen brevemente en el capitulo siguientes, pueden resolver
conjuntos de ecuaciones diferenciales lineales en forma simulclnea,
y se utilizan extensamente para la simulacion continua. Los computadores digitales pueden realizar la misma fun cion utilizando pequenos
incrementos de intervalos para integrar las ecuaciones.
Para los sistemas discretos en que el interes primario esta en los
eventos, las ecuaciones son esencialmente ecuaciones logicas que expresan las condiciones para que ocurra un even to. La simulacion
consiste en seguir cambios en el estado del sistema resultados de la
sucesion de eventos. Se dice que esas simulaciones son discretas. Es
posible avanzar el tiempo en pequenos incrementos y verificar en cada
paso si ya es necesario ejecutar cualesquiera eventos. Sin embargo,
por regIa general la simulacion discreta se realiza decidiendo una
secuencia de eventos y avanzando el tiempo al evento siguiente mas
inminente.

2~2 Naturaleza

experimental

de la simulacion

La. tecnica de la simulacion no intenta especificamente aislar las

relaciones entre determinadas variables; en vez de ello, observa la
manera en que cambian todas las variables del !,Ilodelo con el tiempo.
Las relaciones entre las variables deben dedudrse de esas observaciones. Un estudio de simulacion del sistema de suspension de rueda de
auto que se analiza en la seccion 1-7 se desarrollaria siguiendo el movimiento de la rued a ba jo distintas condiciones. La relacion entre
D, K y M para impedir la oscilacion, que antes se describio analiticamente, tendria que descubrirse observando los valores que hacen que
el movimiento no sea oscilatorio. Se tienen que realizar much as corri-

Simulacion

de sistemas

35

das de simulaci6n para comprender las relaciones que participan en

d sistema, por 10 que debe de planearse la simulacion en un estudio
como una serie de experimentos.
La manera en que se desarrollan 100 experimentos de simulacion
depende de la naturaleza del estudio. Por 10 general, los estudios de
sistemas son de tres tipoo principales: anaIisis de sistemas, disefio de sistemas y 10 que llamaremos postulacion de sistemas.
En realidad, muchos estudios combinan dos 0 tres de estos aspectos
o 108 alternan segun avanza el estudio. Con frecuencia se utiliza el
termino ingenieria de sistemas para describir estudios de sistemas en
108 casas en que se pretende que una combinacion del analisis y el
disefio comprenda primero la manera como trabaja un sistema existente y luego prepare modificaciones al sistema para cambiar el comportamiento del mismo.
EI andlisis de sistemas pretende comprender la manera en que
opera un sistema existente 0 propuesto. La situacion ideal sena que
el investigador pudiera experimentar con el propio sistema, pero 10
que realmente se hace es construir un modelo del sistema, y mediante
simulacion se investiga el comportamiento del modelo. Los resultados
obtenidos se interpretan en tenninos del comportamiento del sistema.
En los estudios del diseno de sistemas, el prop6sito es producir un
sistema quesatisfaga
algunas especificaciones. EI disefiador puede elegir a plan ear detenninados sistemas de componentes, y conceptualmente
elige una cambinacion detenninada de componentes para construir un
sistema. EI sistema propuesto se modela y se predice su comportamiento
a partir del canocimiento del camportamiento del modelo. Si el comportamiento predicho se compara favorablemente con d com portamiento deseado, se acepta el disefio. En caso contrario, se redisefia el
sistema y se repite el proceso.
La postulacion del sistema es caracteristica de la manera en que
se emplea la simulacion en estudios sociales, economicos, politicos y
medicos en que se canace el comportamiento del sistema pero no asi
con 108 procesos que producen dicho comportamiento. Se establecen
hip6tesis de un conjunto probable de entidades y actividades que pueden explicar el comportamiento. EI estudio com para la respuesta del
modelo can base en esas hipotesis contra el comportamiento conocido.
Una comparacion razonablemente buena conduce en forma natural
a la suposicion de que la estructura del modelo semeja el sistema real,
y permite postular una estructura del sistema. Can mucha seguridad,
e1 comportamiento del modelo da una mejor percepcion del sistema, que posiblemente ayude a formular un conjunto refinado de
hip6tesis.

36

Simulacion

de sistemas

En la referencia1 se describe un ejemplo de este tipo de estudio

disefiado para investigar el funcionamiento del higado en el cuerpo
humano. Cuando se inyecta el producto quimico tiroxina en el torrente
sanguineo, llega hasta el higado, el cual la cambia a yodo que se
absorbe en la bilis. Sin embargo, ni la conversion ni la absorcion ocurren instantaneamente. Parte de la tiroxina vuelve a entrar en el
torrente sanguineo para recircularsc y volver al higado. Utilizando 00topos radioactivos, es posible medir la rapidez con que se elimina la
tiroxina del torrente sanguineo, aunque no se conoce el mecanismo
espedfico por el cual se transfiere de la sangre al higado y de ahi
a la bilis.
En el estudio se formo un modelo matematico suponiendo que
se puede representar al cuerpo como tres compartimientos y que las
razones a que se transfiere la tiroxina entre los compartimientos son
proporcionales a la concentracion de aquella en estos. La figura 2-1,
reproducida de la referencia1 ilustra el modelo y muestra 108 coeficientes supuestos de transferencia entre los compartimientos. Los com-

dx, = -k,lX,
dt

dXl _ k 12x I

-dt

dXJ
dt

+ kl,Xl
- (k21 + klJ)Xl

= k2JXl
FIGURA 2~1.

Modelo

matematico

del

higado.

partimientos 1, 2 y 3 representan Jos vasos sanguine os, el higado y la

bills respectivamente. EI modelo conduce a tres ecuaciones diferenciales
simples que se muestran, junto con sus soluciones generales en la
figura 2-1.
La figura 2-2, que tambien se reprodujo de la referencia 1, muestra los resultados de comparar las mediciones reales contr:a las pre'dicciones del modelo para un conjunto de valores supuestos de los
coeficientes. Se puede ver que es buena la correspond en cia entre
los resultados del modelo teorico y el experimento, 10 que sugiere que
la hipotesis de las tasas de transferencia es razonablemente exacta y
que permite estimar los coeficientes de la transferencia. De hecho, el

SimulaciOn de sistemas

-.0_-0

-"t)--o--~_

0__

37

--0---0-_-0-_

en
en

100
200
TIEMPO EN MINUTOS

Sangre
Higado
Bilis y yodo

Modelo

100

200

300

Medido

FIGURA2-2. Resultados del modelo del higado.

estudio espedfico del que se tom6 este ejemplo encontr6 que un, modelo mas completo ajust6 con mayor exactitud los datos experimentales.
El modelo que se utiliz6 aqui se resolvi6 analiticamente y el estudio no utiliz6 la simulaci6n en el sentido en que se ha definido. Se ha
elegido el ejemplo para ilustrar el enfoque que se utiliz:l en la postulaci6n de sistemas. Pueden haber muchos ejemplos de estudios que
utilizan el mismo metodo general en que la unica manera de resolver
el modelo matematico es mediante la simulaci6n de sistemas2.

2.3

Pasos involucrados

en los estudios

de simulacion

La aplicaci6n de la simulaci6n a muchos tipos de sistemas junto

con los distintos tipos de estudios producen muchas variaciones en la
forma como se desarrolla un estudio de simulaci6n. Sin embargo,
se pueden identificar determinados pasos basicos en el proceso. Los
principales que' deben de considerarse son:
1. Definici6n del problema
2. Plan del estudio

'"

38

Simulacion

3.
4.
5.
6.
7.

de sistemas

Formulaci6n de un modelo matematico

Construcci6n de un programa de computador para el modelo
Validaci6n del modelo
Diseiio de experimentos
Ejecuci6n de la corrida de simulaci6n y analisis de resultados.

Los dos primeral pasos son definir el problema y planear el estudio.

Aunque estos pasos pueden parecer obvios, no dejan de ser importantes. No debe desarrollarse ning6n ~tudio, simulacion 0 rosa parecida
sino hasta que se enuncien claramente e1 problema y lal objetivos del
estudio. Luego se pueden hacer las estimaciones del trabajo por realizar
y del tiempo requerido. La utilidad del plan tam poco conduye cuando
se inicia el estudio; el plan puede controlar el desarrollo del trabajo
e impedir que el estudio se desbalancee concentrandose en un aspecto
del problema a costa de otro. Un fracaso comun en los estudios de
simulacion es que se concentra tanto en esta, que de la simulacion se
extraen mas datos de los necesarios 0 de los que pueden validarse con
los datos disponibles.
EI tercer paso consiste en construir un modelo, tarea que se puede
considerar como que cae dentro de dos subtareas. Es necesario establecer la estructura del modelo decidiendo los aspectos del comportamiento del sistema que son significativos para el problema de que se
trata, y es necesario reunir los datos para proporcionar parametros
correctos para el modelo.
Dado un modelo matematico, la construccion de un program a ,de
computador para el modelo, el cuarto paso, es una tarea relativamente
bien definida. No es de necesidad una tarea fa.cil y puede ser sumamente dilatada, pero el modelo establece las especificaciones de 10 que
debe de programarse. En la practica, con frecuencia la cuestion de
la dificultad de programar un modelo influye la forma como se construye.
Es probable que las tareas de producir un modelo y programa
de computador se realicen en paralelo mas que en sene.
El quinto paso, la validacion del modelo, es un area que requiere
buena cantidad de juicio. En gran medida, el problema es el complemento de la formulacion del modelo. Las inferencias que se hacen al
determinar el modelo se comprueban observando si este se comporta
como se espero. Desde luego, pueden ocurrir errores al programar el
modelo. Idealmente, los errores del modelo y 108 de programacion se
separan validando el modelo matematico antes de iniciar la programacion. Sin embargo, no es fadl hacerlo debido a que antes que
todo, la razon de simular generalmente es que el modelo matematico
'no es manejable. Puede ser factible resolver casos especiales, por ejem-

Simalaeion

de .istema.

39

plo, quitando todo caracter aleatorio, pero por regIa general la validacion se desarrolla examinando la version del computador del mOOelo.
EI sexto paso es el diseno de un conjunto de experimentos que
satisfagan los objetivos del estudio. Un factor que debe de considerarse
es el costa de correr el mOOelo del computador, ya que ello puede limitar el numero de corridas que puedan hacerse. Y aunque no exista
esta limitacion, se debe de ponderar cuidadosamente el numero de c~
rridas que se necesitan. Una falla comun en los estudios de'simulacion
es que el analista de sistemas queda abrumado por una masa de
resultados de computador que se recaban sin plan deterrninado. La,
presencia de eventos aleatorios en una simulacion com plica el diseno
de los experimentos, ya que debe de considerarse el significado estadistieo de 108resultados. En el capitulo 15 se estudia este problema.
EI Ultimo paso en el estudio de un sistema es ejecutar las corridas
de simulacion e interpretar los resultados. En un estudio bien planeado
se habra planteado un conjunto bien definido de preguntas yel analisis tratara de responderlas.

2-4 Modelos de recurrencia

Las ecuaciones dt' un mOOelo se hacen complejas cuando cada
ecuacion comprende simultaneamente varias variables del problema.
Un enfoque para simplifiear los ci.lculos numeric08 es considerar que
el tiempo avanza en incrementos uniformes y organizar el modelo en
forma de una serie de ecuaciones de diferencias. Parte de las ecuaciones se organizan para mostrar el valor actual de una variable en
terminos de 108valores de una 0 mas variables en el intervalo anterior.
A las variables descritas en el intervalo' anterior se les conoce como
variables atrasadas. Un concepto de ecuaciones de esta forma, debidamente organizado, perrnite determinar 108 valores de todas !as variables en el intervalo actual a partir de las variables retrasadas. Luego
se incrementa el tiempo en un intervalo y 108valores calculad08 proporcionan las variables retrasadas necesarias para 108 calculos del siguiente
intervalo.
EI metodo es especialmente directo cuando las ecuaciones del m~
delo son algebraicas lineales. Este tipo de modelo se utiliza extensamente en los estudios de sistemas economicos y se llama econometrico.
Por ejemplo, el modelo matematieo estatieo dado en la seccion 1-7
puede hacerse dinamico eligiendo un intervalo fijo, de por ejemplo un
ano, y expresando las ecuaciones en termin08 de variables retrasadas.
Las ecuaciones toman la forma que sigue, ,en que se utiliza el subfijo -1
para denotar una variable retrasada,

40

Simulacion

de sistemas

1= 2 + 0.lY-1
T = 0.2Y-1
Y = C-1 + 1-1 + G-1

C = 20 + 0.7(Y-l- T-l)
Dado un conjunto inicial de valores para todas las variables, es posible
deducir los valores de las variables al final de un ano. Si se toman
estos valores como los nuevos para las variables retrasadas, se pueden
deducir 105 valores al final del segundo ano y asi sucesivamente. Solo
hay cuatro ecuaciones con cinco incognitas, de manera que se debe
de especificar una variable para cada intervalo.
Sin embargo, no es necesario retrasar todas las variables como recien se hizo. Suponga que existe una ecuacion que expresa una sola
variable actual solamente en rerminos de variables retrasadas. AI resolver esta ecuacion, se puede resolver una segunda que comprenda
el valor actual recien deducido de la primera ecuaci6n mas cualesquier
variables retrasadas. Una tercera ecuacion puede entonces comprender
a 105 valores actuales deducidos de las dos primeras ecuaciones mas
cualesquier variables retrasadas etc. Usando este principio, un ligero
rearreglo del modelo recien dado 10 hace depender sOlo de una variable
retrasada. Al sustituir T y C en la ecuacion original de Y se obtiene

= 45.45 +

2.27(l + G)

Se puede escribir entonces al conjunto de las ecuaciones en la forma:

= 2 ,.: OJ Y-1

Y = 45.45 + 2.27(1 + G)
T = 0.2Y
C = 20 +\Q.7(Y-T)
La unica variable retrasada es Y, y para resolver el modelo se
necesita dar un valor inicial de Y -1. Con la variable retrasada, se puede obtener el valor actual de I a partir de la primera ecuacion.
SUPonga que se proporcionan los valores de G para todos 105 intervalos. Entonces, la siguiente ecuacion da el valor actual de T a partir del
valor actual de Y, y la ultima ecuacion da el valor actual de C a partir
de los valores actuales de Y y T. Tomando el valor actual de Y como
el nuevo de la variable retrasada Y -1, se pueden repetir los dlculos
para el siguiente intervalo.
Reflejando la manera en que se resuelven las ecuaciones, a los
modelos de este tipo se les conoce como modelos de recurrencia. La

Simulacion

de sistemas

41

construccion de estos modelos, y especificamente, la decision de cuiles

variables retrasar, requiere de analisis cuidadoso, pero existe mucha
literatura al respecto. Por ejemplo, yea la referencia3. Los modelos
pueden hacerse muy grandes al incluir mas factores, y aunque es posible resolver cste tipo de modelo mediante calculo manual, se utilizan
extensamente los computadores digitales para resolverlos.
2.5

Modelos de telas de arana

Una forma especialmente simple de modelo de recurrencia ocurre

cuando estan involucradas solamente dos ecuaciones. Sin embargo, estos modelos simples tienen utilidad en la consideracion de algunos de
los efectos brutos que participan en los sistemas economicos.
A manera de ejemplo, considere el siguiente mode1o para la comercializacion de un producto. Sea S la oferta, D la denianda y P
el precio del producto. Se considera el estado del sistema en incrementos uniformes del tiempo, por ejemplo intervalos de 1 meso Se
supone que la oferta al tiempo T depende linealmente del precio
que se obtuvo en el intervalo anterior; la oferta aumenta con el precio.
En consecuencia,

S = a + bP-1,

b>O

Se supone que la demanda depende del precio actual y aumenta

aumentar el precio.

= c-dP,

al

d>O

Por simplicidad, suponga que cada mes se limpia el mercado, es decir

que

D=S
Esta ecuacion implica que el precio cambia al nivel al que la oferta
iguala a. la dcmanda. Se puede escribir a las ecuaciones en la forma:

= a + bP-1

D=S
dP = c-D
Entonces satisfacen las condiciones establecidas para un modelo de recurrencia y se pueden calcular los estados sucesivos del mercado. La

42

Simulacion de ai&temaa

figura 2-3 muestra las fluctuaciones

sigue:
(a)
Po

a
b

c
d

=
=

1.0
1.0

0.9

= 12.4
= 1.2

de precios para dos casos como

(b)
Po =
5.0

a - -2.4
b = 1.2
c = 10.0
d = 0.9

mereado se fija en un precio de 5.43. EI caso (b) es inestable, y el

precio fluctua con amplitud creciente.
10
9

(a) MERCADO
ESTABLE

2
PERIODO
FIGURA2-3.

TIEMPO

Fluctuaciones del precio en el mercado.

A los model~ de este tipo se les llama modelos de tela de arana4

debido a una forma especial en que pueden resolverse gnificamente.
EI metodo se ilustra en la figura 2-4 para el caso estable recien. considerado. La gra.ica muestra los precios en el eje horizontal y las
cantidades en el eje vertical. Dos Hneas rectas grafican las relaciones
lineales entre la cantidad y precio; una expresa la demanda en fundon
del predo, la otra da la oferta como funcion del precio. Partiendo

Simulacion de .i.'ema
10

43

CUR VA DE OFERTA

CUR VA DE DEMANDA

9
8

5
6
PRECIO

FIGURA2-4. Modelo de tela de orona para 10 economia del mercado.

del precio inicial de 1.0, se encuentra la oferta correspondiente sobre

la linea respectiva. Esta oferta se constituye en demanda ya que el
mercado queda limpio, de manera que se lleva una linea horizontal a
la linea de demanda para determinar ei precio fijado en el primer
periodo. Ese precio determina la oferta para el siguiente periodo y la
oferta se obtiene trazando una linea vertical hasta Ia curva de oferta.
El proceso se repite con cada media vuelta alrededor de la espiral
que representa un periodo. Los precios sucesivos se sefialan con 105
puntas 1, 2, . . . , 6.

2-6

Lenguajes

de programacion

de simulacion

EI que la simulacion comprenda computos numericas conduce en

forma natural a utilizar computadores digitales, al grado que se han
disefiado muchos lenguajes de programacion para realizar simulacio-

44

Simulacion

de aillfemaa

nes. Por 10 general, esos lenguajes dan al usuario un conjunto de

concept05 de model ado que se utilizan para describir el sistema y un
sistema de programacion que convierte la descripcion a programa de
computador que ejecute la simulacion. En consecuencia, se libera al
usuario de mucho esfuerzo de programacion detallada, especialmente
en el caso de programas de simulacion discreta en que puede complicarse demasiado la tarea de administrar 105 pagos logic05 que participan en 105 eventos que se ejecutan. En las referencias5 T6 se
encontraran resefias de los distint05 lenguajes disponibles. Los sistemas
se clasifican como continuos 0 discret05, y por 10 general los lengua jes
de. programacion se disefian para sistemas continuos 0 discretos. En
capitulos posteriores se estudiaran tres lenguajes de simulacion de sistemas continuos: 1130jCSMP, 360jCSMP y DYNAMO y dos lenguajes de simulacion de sistemas discretos, GPSS y SIMSCRIPT.

2-7

Aplicaciones

de la simulacion

de sistemas

. No es factible describir en este texto las muchas aplicaciones que

se han hecho de la simulacion. Se han utilizado en virtualmente todas
Ias ramas de la ciencia e ingenieria, al grado que en toda la literatura
tecnica se encuentran descripciones de estudios de simulacion. La referencia7 contiene una extensa bibliografia de mas de 900 referencias
a la teoria y aplicacion de la simulacioi1. AIgunas areas de aplicaciones especificas descritas en los textos son: comerci08, economia 9,
sociologialo, psicologiall y politica12.l8.

Ejercicio8
2.1 Dibuje el modelo de la tela de araiia de la secci6n 2.5 para las condiciones
inestables (caso b).
2-2 Dibuje un modelo de tela de araiia para el siguiente mercado:
D

= 12.4-1.2P

= 8.0-0.6P_l

Po= 1.0
2-3 Deduzca las condiciones matematicas bajo las que es estable el mode1o de
mercado de la secci6n 2.5. Interprete graficamente los resultados. (Sugesti6n: exprese las ecuaciones en terminos de las desviaciones de precio y
cantidad de 105 valores de equilibrio.)
2-4 EI proveedor en e1 modelo de mercado de la secd6n 2.5 aprende a descontar las oscilaciones en el precio de mer.cado ajustando el precio en que

(1Y'V)
basa su ofe~lcula
precio Pt-1 . r(Pt-l

Simulaeion

de ,uterruu

45

la oferta a partir de la curva dada, pero utilizael

-Pt-2).
Suponga que Po = PI = 1.0 Y calcule las

fluctuaciOhes del mercaao.

(No es posible resolver el problema
mente en forma conveniente. U tilice metodos algebciicos.)..

grafica-

2-5 Use un modelo de tela de araiia para investigar un mercado en que las
funciones de oferta y demanda son
17.91

D=--4.66
pt/2

9S

= 5.0(P-l -

1)

Suponga que el mercado siempre esta despejado.

2.6 Encuentre el crecimiento en el consumo nacional durante cinco aiios utilizando el modelo dado en la secci6n 2-4. Suponga que el ingreso inicial
y -1 es igual a 80 y considere que el gasto gubemamental en los pr6ximos
cinco aiios es el siguiente:
Aiio
G
1
2
3
4
5

20
25
30
35
40

Bibliografia

1 HAZELRIG,JANE B., "The Impact of High-Speed Automated Computation on Mathematical Models", Mayo Clinic Pro.c., XXXIX,
No.
11 (Nov. 1964), 8H..848.
2 MESAROVIC,.
M. D. (ed), Systems Theory and Biology, Nueva York:
Springer-Verlag, 1968.
3 CHRIST, CARL E., Econometric Methods and Models, Nueva York:
John Wiley and Sons, Inc., 1966.
4 ALLEN,R. G. D., Macro-Economic Theory, Nueva York: St Martin's
Press, Inc., 1968.
.

5 TEICHROEW, DANIEL, Y JOHN FRANCIS LUBIN, "Computer Simulation:

Discussion of the Technique and Comparison of Languages",
Comm.
ACM, IX, No. 10 (Oct., 1966), 723-741.
6 KRASNOW, H. S., y R. MERIKALLI6, "The Past, Present and Future
of General Simulation
Languages",
Management
Science, XI, No.

2 (Nov., 1964), 236-267.

.
7 Bibliography on Simulation, IBM Corp., Forma No. 320-0924, 1966.
8 BONINI,CHARLESP., Simulation of Information and Decision Systems
in the Firm, Englewood Cliffs, N.J.; Pretice-Hall, Inc., 1963.
9 ORCUTT, G. H., M. GREENBERGER,
J. KORBE~, Y A. M. RIVLIN,
Micro-Analysis of Socioeconomic Systems: A Simulation Study, Nueva
York: Harper and Roy, Editores, 1961.

46

SimuJacion de sute_

10 BORKO, HARoLDO (ed.), Computer Applications

in the Behavioral
Sciences, Englewood Cliffs, N.J.; Prentice-Hall,
Inc., 1962.
11 TOMPKINS, SILVAN, Y SAMUEL MEESSICK (eds.), Computer Simulation of personality, Nueva York: John Wiley and Sons, Inc., 1963.
12 GUETZKOW, HAROLD, CHADWICK F. ALGER, RICHARD A. BRODY,

ROBERTC. NOEL, Y RICHARDC. SNYDER,Simulation International

Relations: Developments for Research and Teaching, Englewood Cliffs,
N.].: Prentice-Hall, Inc., 1963.
13 COPLIN, WILLIAM D. (ed.), Simulation in the Study of Politics,
Chicago, III.: Markham Publishing Co., 1968.