Un estudio de simulacin, a menudo permite ahorrar

importantes recursos al minimizar el factor de riesgo y

al facilitar un diseo equilibrado de un sistema. Un
reciente informe, patrocinado por la Comunidad
Europea, cuantificaba el impacto de la simulacin en
un incremento de entre 5 y el 10% en la productividad
global de las empresas.

Objetivos
Qu es simular?
Para qu?

En qu consiste?
Simulacin vs. solucin analtica

Algunas razones por las cuales simulamos

Tipos de simulacin

Simulacin sistema de inventarios

Simulacin sistema de lneas de espera

Que es simular
Es un mtodo que puede usarse para describir o
predecir el comportamiento de un sistema con
ciertas opciones dadas de los datos de entrada
controlables y generados al azar, que produzcan
condiciones deseables a los sistemas.
En este sentido, la simulacin puede ser una
herramienta efectiva para disear un sistema que
funcione bien y se valide para su utilizacin en la
toma de decisiones.

Para
que
?
Analiza, modela, imita, valida el sistema para comprobar
si su comportamiento funciona igual o mejor que el
sistema real.
Ejemplos:
Operacin de un banco
Funcionamiento de una lnea de produccin
Sistema de Lneas de Espera
Simulacin de inventarios

En qu consiste?
Anlisis del Sistema donde exista un problema a

solucionar
Desarrollo formal del modelo
Simulacin:

Definir los eventos del modelo

Definir las medidas de efectividad
Desarrollar el programa computacional
Ingresar los datos de prueba
Anlisis de los resultados vs el modelo
Puesta a punto del modelo
Depuracin de resultados

Razones para simular

Puede utilizarse para una amplia variedad de
problemas prcticos
El mtodo de simulacin es relativamente fcil de
explicar y entender. Por consiguiente, la confianza de
la gerencia se incrementa, y los resultados son ms
fciles de obtener
Desarrolladores de software han producido paquetes
de simulacin que facilitan el desarrollo y la
implementacin de modelos para problemas ms
complejos

Tipos de simulacin
Dependiendo de como cambian las variables de estado
que describen el sistema en un instante dado:

Cambios en el estado del sistema

Discretos
Continuos
Discreto
Tiempo
Continuo

Total de clientes
diarios atendidos
Nmero de clientes
en un supermercado

Temperatura
promedio diaria
Nivel de agua en un
embalse

Algoritmo para el estudio de

Simulacin
1.- Definicin de Problema:
Se plantea el sistema a desarrollar nos preguntamos que quiero hacer con un
modelo que hiptesis vamos a comprobar, que clculos voy a realizar.

2.- Construir el modelo matemtico:

(Descripcin del Modelo)

3.- Construir el programa:

Algoritmo
4.- Validacin entre el modelo y el programa:
Si el programa es diferente del Modelo regresamos al paso 3.
Si el programa es bueno pero no se ajusta a lo planificado en el problema regresamos al
paso 2.

5.- Planificar Experimentos de Simulacin:

Los datos iniciales, condiciones iniciales, finales.

6.- Ejecutar las corridas de simulacin:

Significa probar el Sistema en la Computadora.

GENERACIN DE NUMEROS ALEATORIOS

ES
NECESARIO OBTENER OBSERVACIONES
ALEATORIAS A PARTIR DE LAS DISTRIBUCIONES
DE PROBABILIDAD Y SE PUEDEN UTILIZAR
NUMEROS GENERADOS POR LOS LENGUAJES DE
PROGRAMACIN QUE SON RUTINAS GENERADAS
POR RAND () CORPORATION O LOS METODOS
CONGRUENCIALES (ADITIVO MULTIPLICATIVO
MIXTO)

METODOS MULTIPLICATIVO ADITIVO MIXTO

Mtodo de Congruencia Lineal

Xn+1 = (aXn + c) (modulo m)

Xn+2 = (aXn+1 + c) (modulo m)

Xn = Semilla

a,c,m son enteros positivos

Propiedades
a< m ,c<m

ri = Xn+1 / m
Ejemplo

m = 1000, a = 101, c = 457 y X0 = 4

Ver hoja de clculo

EJERCICIO
m

100

Xn

100

a<m

101

c<m

57

Xn
0

aXn + c
4

(aXn + c /m)

461

61

61

6218

18

18

1875

75

75

7632

32

32

3289

89

89

9046

46

46

4703

360

60

60

6117

17

17

1774

74

SIMULACIN MONTECARLO
La simulacin de Monte Carlo es una tcnica que
combina conceptos estadsticos (muestreo aleatorio) a
partir de una distribucin de probabilidad,
la
utilizacin del computador por la rapidez, permite
realizar simulacin matemtica de problemas
tomando observaciones para hacer deducciones con
respecto al sistema real

Ver simulacin
MONTECARLO

Ejercicio 1
Se supone que la demanda diaria de un articulo
particular puede estar expresada mediante la
distribucin mostrada en la tabla y grafico, se desea
generar un patrn de demanda para 10 das.

0,35
1,2

0,3
0,3

1
1

0,25

0,85

0,25
0,8
0,2

0,6
0,15

0,15

0,15

Series1

0,6

Series1

0,4

0,1

0,3

0,1
0,2

0,05
0,05

0,15
0,05

0
0

Nmero ndice
Numero ndice
0

01 05

06 15

16 30

31 60

61 85

86 - 100

Nmeros
Aleatorios
14

26

74

66

24

26

87

94

7
45

Variables aleatorias
Se utiliza letra mayscula para la variable aleatoria y
minscula para la funcin de densidad:
F(x) Funcin de distribucin acumulada de x
f(x) funcin de densidad de probabilidad (f.d.p)
funcin de densidad

METODOS PARA OBTENER V. A.

Mtodo de la transformada inversa
Mtodo del rechazo

Mtodo de la transformada inversa

Consiste en generar un numero aleatorio comprendido
entre 0 y 1, luego identificarlo con la funcin de
distribucin acumulativa F(x), a travs de la funcin

inversa obtener el valor de x

Algoritmo
Sea x el valor de la variable aleatoria y f(x) la funcin de
densidad de probabilidad
2. Obtener la funcin acumulativa F(x)
1.

F(x) =
F(x) nos indica el valor del rea bajo la curva

Algoritmo
Conocer f(x)
2. F(x) =
3. Generar un nmero aleatorio con distribucin
uniforme
4. Identificarlo y aplicar la inversa
F(x) = r
o r = F(x)
5. X = F -1 r
0<= F(x) <= 1
F(x) La funcin acumulativa indica la probabilidad que
la variable aleatoria tome un valor de x
1.

Ejemplo
Genere los valores aleatorios de x con una f.d.p
f(x)=2x
1. f(x) = 2x
2. F(x) =

2t dt + ox 2t dt
x
4. F(x) = t2 0
2
5. F(x) = x
6. Generamos r
7. F(x) = r
x2 = r x = r
3. -

Generar Variables
aleatorias

Ejercicio
Realizar la simulacin de 10 eventos con una funcin
de densidad de probabilidad
f (x) = 4x +1

0,528
0,676
0,559
0,647
0,582
0,477
0,468
0,493
0,858
0,818
0,885

Funcin Exponencial
y=2^x
9,00

y=2^x
8,00

-3

0,13
7,00

-2

0,25
6,00

-1

0,50
5,00

1,00

y=2^x
4,00

2,00

4,00

8,00

3,00

2,00

1,00

0,00
-4

-3

-2

-1

Funcin Exponencial
9,00

8,00

y = (1/2 ) ^ x
-3

8,00

7,00

-2

4,00

6,00

-1

2,00

1,00

5,00
Series1
4,00

0,50
3,00

0,25

0,13

2,00

1,00

0,00
-4

-3

-2

-1

Funciones Logartmicas
ln x
2,0

ln x

1,5

0,1

-2,3

0,5

-0,7

1,0

0,5

0,0

1,0

0,0

0
-0,5

2,0

0,7
-1,0

3,0

1,1

4,0

1,4

-2,0

5,0

1,6

-2,5

-1,5

1/2

1 1/2

2 1/2

3 1/2

4 1/2

ln x

Funciones Logartmicas
y = log2 X
X

y = log2 X

3,00

1/8

-3,00

2,00

1/4

-2,00

1,00

1/2

-1,00

0,00
0

1/2

1 1/2

2 1/2

3 1/2

4 1/2
y = log2 X

0,00

1,00

-1,00

-2,00

1,58
-3,00

2,00
-4,00

Funciones Logartmicas
y = log(1/2) X
4,00

3,00

y = log(1/2) X
1/8

3,00

1/4

2,00

1/2

1,00

2,00

1,00
y = log(1/2) X
0,00

0,00

-1,00

-1,58

-1,00

-2,00

-2,00
-3,00

Ejemplo con distribucin exponencial

El tiempo entre llegadas t a una instalacin se representa
con una distribucin exponencial con media E {t} = 1 /

F(t) = e- t , t >

0 unidades de tiempo

Determinar una muestra aleatoria de t a

partir de f(t)

Algoritmo
1.

Conocer f(t) funcin exponencial

2. F(t) = e- t dx = 1 - e- t , t >

0;0at

3. R = F(t) despejar t
t = - ( 1 / ) ln ( 1 R)

4. (1 R) es el complemento de R remplazar ln(1-R)

por ln(R)
5. t = ( 1 / ) ln (R)

Ejm. = 4 clientes x por hora R = 0,9

T1 = - (1/4) ln (1 0,9) = 0,577

Ejemplo en excel

Otras Distribuciones

Distribucin de Poisson
Variable aleatoria discreta, la cual con frecuencia

resulta til cuando tratamos con el nmero de

ocurrencias de un evento durante un intervalo
especfico de tiempo o espacio.

= media o nmero medio de ocurrencias en un intervalo

e 2.71828
x nmero de ocurrencias en el intervalo
f (x) probabilidad de x ocurrencias en el intervalo

Ejemplo 3
Disear un generador de variables aleatorias para:
-5 x

e 5
x!

Se trata de una distribucin Poisson

0.20
p(X = x)

0.18
0.15
0.13
0.10
0.08
0.05
0.03
0.00
0

9 10 11 12 13 14 15 16 17 18 19 20
x

Calculando la
distribucin de
probabilidad y la
distribucin
acumulada.

Ejemplo 3
=
L

l e

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

( x

( X

0.0067
0.0337
0.0842
0.1404
0.1755
0.1755
0.1462
0.1044
0.0653
0.0363
0.0181
0.0082
0.0034
0.0013
0.0005
0.0002

P(X x)
0.0067
0.0404
0.1247
0.2650
0.4405
0.6160
0.7622
0.8666
0.9319
0.9682
0.9863
0.9945
0.9980
0.9993
0.9998
0.9999

Generando 50 nmeros
aleatorios distribuidos
uniformemente y
buscando en P(X < x)
aleatorio
0.5195
0.0436
0.1724
0.2611
0.5735
0.4649
0.7395
0.2967
0.4714
0.5463
0.9120
0.0088
0.1799
0.7590
0.1902
0.7708
0.5170
0.3827
0.9435
0.1835
0.3138
0.1551
0.3612
0.4110
0.9226

P(X = x)
4
1
2
2
4
4
5
3
4
4
7
0
2
5
2
6
4
3
8
2
3
2
3
3
7

0.3212
0.9151
0.4291
0.4843
0.4058
0.2691
0.6162
0.1410
0.1779
0.5402
0.5709
0.7136
0.6967
0.8528
0.3470
0.0457
0.5646
0.8186
0.3240
0.7684
0.6512
0.9283
0.3475
0.0110
0.3767

3
7
3
4
3
3
5
2
2
4
4
5
5
6
3
1
4
6
3
6
5
7
3
0
3

Generando la
distribucin de
frecuencias de
la VA obtenida
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

frecuencia
2
2
8
13
10
6
4
4
1
0
0
0
0
0
0
0
0
0
0
0
0
50

Ejercicio
Las llamadas telefnicas entran a una tasa de 48 por hora
en la oficina de reservaciones de Regional Airways.
a. Calcule la probabilidad de recibir 3 llamadas en un
intervalo de 5 minutos.
b. Calcule la probabilidad de recibir 10 llamadas en 15
Minutos.
c. Suponga que no hay llamadas en espera en curso. Si el
agente tarda 5 minutos en completar el procesamiento de la
llamada actual, cuntas personas cree que estaran
esperando en la lnea para ese entonces? Cul es la
probabilidad de que ninguna est esperando?
d. Si no hay llamadas en proceso, cul es la probabilidad de
que el agente pueda tomarse 3 minutos de descanso sin ser
interrumpido?

Ejercicio 1
Disear un programa en EXCEL para generar VA con
distribucin:
Poisson
Uniforme
Exponencial
Normal
Emprica

Pronsticos
El porcentaje de portafolios o carteras de inversionistas

individuales que invierten en acciones depende del estado

de la economa. La tabla siguiente informa el porcentaje de
acciones en el portafolios para nueve trimestres: Calcule
los promedios mviles de tres y cuatro trimestres para esta
serie de tiempo, Cul promedio mvil proporciona el mejor
pronstico y cual es el pronostico para el trimestre 10

Alisamiento Exponencial
En el mes n se forma una nueva estimacin alisada Sn de la demanda, tomando el
promedio ponderado de la demanda de ese mes Xn y la estimacin alisada calculada
en el mes anterior:

Sn = Xn + (1)Sn1

numero entre 0 y 1. Es el que le denomina constante de

alisamiento.

Sn Estimacin Alisada. Es una Combinacin Lineal de todos las demandas pasadas con

coeficientes que disminuyen en forma geomtrica de acuerdo con la edad de observacin.

Sn = Xn + (1)Xn-1 + (1)2 Xn 2 ..

 NOTA: Normalmente est entre 0.05 y 0.03. Si est entre este

intervalo es satisfactorio.

= 0.1
n=1

Ejercicio 1
A una peluquera llegan clientes de dos tipos, el 80% solo desean corte de pelo y el
20% restante requieren adems de otros servicios.
La distribucin del tiempo entre llegadas de los clientes es exponencial con un
promedio de 30 minutos durante las 1 primeras horas del da y de 15 durante las
horas restantes. La distribucin del tiempo de servicio es normal para ambos tipos
de clientes, con una media de 15 minutos y una desviacin estndar de 1 minuto
para corte de pelo y de 25 minutos con desviacin de 2 minutos cuando se incluye
otros servicios, se da servicio 12 horas diarias (atendiendo a todos los clientes que
estn esperando al momento de cerrar).
Actualmente hay 2 lugares para servicio y una zona de espera para 3 personas. Se
esta considerando la posibilidad de agregar un lugar exclusivo para corte de pelo,
reduciendo la zona de espera a 2 lugares. El 3% de los clientes se van cuando no se
les atiende de inmediato, el resto esperan si existen lugares para tal fin.
Si los ingresos procedentes de un servicio completo, son el doble de los de un
cliente que solo desea corte de pelo, simule el comportamiento del
establecimiento durante un da como se encuentra actualmente y con la
modificacin considerada, determinando:
A) el porcentaje de utilizacin
B) El nmero de clientes de cada tipo a los que se les da servicio y las que se retiran

 Solucin:
X1 = Tipo de Cliente

X2 = Tiempo de entrada de cada cliente

X3 = Tiempo de Servicios
X4 = Decisin de cada cliente

Eventos de la simulacin de
inventarios
Demanda de los artculos de inventario
La recepcin del pedido

La revisin de la posicin del inventario para

determinar si se debe hacer o no un pedido de
existencias adicionales
El resumen o la salida de informacin sobre el estado
del sistema en un momento dado
El final de la corrida de simulacin

SIMULACIN DE SISTEMAS DE INVENTARIOS

UTILIZAR EL MODELO CONOCIDO
REALIZAR CON LOS PRODUCTOS MS
IMPORTANTES
POLITICA:
SIEMPRE QUE LA POSICIN DE INVENTARIO =
INVENTARIO DISPONIBLE MS CUALQUIERA
REPOSICIONES PENDIENTES LLEGA A O QUEDA
POR DEBAJO DE UN NUEVO PUNTO DE NUEVA
ORDEN

Proyecto de Simulacin

Modelo de Inventario
Cierta empresa desea comparar dos polticas de
inventarios: cantidad a ordenar Q=2 y punto de
reorden R=3 y Q=5, R=2. La empresa ha determinado
las distribuciones de la demanda y el tiempo de
entrega. Si el costo por faltante es de $25 por unidad, el
costo por mantener $1,5 por unidad por semana, el
costo por ordenar $15 por orden y el inventario inicial
es de 4 unidades: simule 10 semanas de operacin, en
base al costo total cual es la poltica mejor?