1: Modelación y

simulación
Simio

Simulación es un término que ha sido utilizado, para describir diferentes clases de actividades.
Por ejemplo los ejercicios militares y sus planes de batalla; o como en los programas de
entrenamiento para los pilotos, que utilizan simuladores o laboratorios bajo “condiciones
simuladas”.

La palabra simulación, viene del latín simulare, equivalente a analogía, imitación o
metáfora. Lo que ofrece una importante característica de la simulación, es la imitación. En
nuestra vida diaria, los niños con sus micro mundos, que son roles de juegos de casa, simulan la
vida de la familia; o las niñas con sus muñecas, que simulan las relaciones humanas.

“Obtención de la esencia, sin contar la realidad”, según el Webster’s Dictionary.
1. Introducción a la simulación
La simulación es una de las más poderosas herramientas de análisis disponibles, para los
responsables del diseño y operación de sistemas o procesos complejos.

Desgraciadamente, no existe acuerdo respecto a una definición precisa de la palabra
simulación, la propuesta por C. West Churchman es estrictamente formal: “X simula a Y" sí y
solo sí:

- X e Y son sistemas formales.
- Y se considera como sistema real.
- X se toma como una aproximación del sistema real.
- Las reglas de validez en X no están exentas de error.

La definición de Shubik es la definición típica entre las más populares: Simulación de
un sistema (o un organismo) es la operación de un modelo (simulador), el cual es una
representación del sistema. Este modelo puede sujetarse a manipulaciones que serían imposibles
de realizar, demasiado costosas o imprácticas.

La operación de un modelo puede estudiarse y con ello, inferirse las propiedades
concernientes al comportamiento del sistema o subsistema real.

Según Schriber, “Envuelve la modelación de procesos o sistemas, en el camino que el
modelo imita la respuesta de un sistema actual, a los eventos que ocurren en el tiempo”.

“Simulación, es el proceso de diseñar un modelo de un sistema real y conducir
experimentos con este modelo, con el propósito de comprender la conducta del sistema y/o la
evaluación de estrategias para la operación del sistema”, Shannon, 1975.

Roger Schroeder planteaba: “La simulación es una técnica que puede utilizarse para
resolver una amplia gama de modelos”. Su aplicación es tan amplia que se ha dicho: cuando
todo falle, utilice simulación.

La simulación es, esencialmente, una técnica que enseña a construir el modelo de una
situación real aunada a la realización de experimentos con el modelo. Definición bastante
amplia, que puede comprender situaciones aparentemente no relacionadas entre sí, como los
simuladores de vuelo, juegos militares, juegos de gerencia, modelos físicos de ríos, modelos
econométricos, etc., desde la perspectiva de la ingeniería, nos interesa una definición más
restringida, solamente a experimentos con modelos lógicos o matemáticos, pero además no nos
interesan aquellos experimentos con elementos de microeconomía, que ocurren bajo
condiciones dadas de equilibrio estático y producen soluciones completamente determinísticas.

En consecuencia, bajo estas restricciones, la definición que plantea Thomas Naylor es
bastante adecuada: Simulación, es una técnica numérica para conducir experimentos en una
computadora digital, las cuales requieren ciertos tipos de modelos lógicos y matemáticos, que
describen el comportamiento de un negocio o un sistema económico (o algún componente de
ellos) en períodos extensos de tiempo real.

La idea central de la simulación, es la interpretación o por lo menos la noción de un
modelo matemático. Donde resulta importante la presencia de una computadora. Idea que
prevalece desde que Naylor, Balintfy, Burdick y Kong Chu, escribieran “Computer Simulation
Techniques”, allá por los años de 1966.


2. Modelos y sistemas

La simulación, tiene su origen en la Física por su combinación de leyes, y la Investigación de
Operaciones, por la concepción de eventos y actividades, como la técnica de Monte Carlo.

Los tipos de problemas, que mejor son resueltos por la simulación, son aquellos que
envuelven sistemas. La simulación, es una técnica que hace posible la comprensión de los
efectos de todas las interacciones, entre los elementos de un sistema.


Figura 1.1: Orígenes de la simulación

Un sistema es un conjunto de partes, organizadas funcionalmente, para formar un todo.
Un subsistema, es una componente de un sistema total, el que puede ser tratado como una parte
del sistema total o un sistema independiente.

Los sistemas, muchas veces cambian dinámicamente en el tiempo; y la conducta de
ellos, depende de sus relaciones internas o interrelaciones dentro de sus subsistemas; como
también de las relaciones externas que conectan al sistema y el entorno.

La simulación es una forma de estudiar un sistema, mediante la utilización de un
modelo. Un modelo es una representación de un sistema.

Un modelo es una simplificación de la vida real. Los parámetros o atributos, que los
caracterizan, las entradas y salidas del sistema real, forman parte del estudio de un sistema, a
través del modelo.






Procesos industriales con:
Demoras no productivas,
Reutilización de recursos,
Congestión.
Conceptos de eventos y
actividad.
Técnica de Monte Carlo
Combinación de leyes
generales y relaciones
empíricas.
Donde las soluciones
analíticas están limitadas
INVESTIGACION
DE OPERACIONES
CIENCIA
FISICA
ORIGENES
SISTEMA
EXPERIMENTA
CON UN SISTEMA
ACTUAL
EXPERIMENTA
CON UN MODELO
DEL SISTEMA
MODELO
FÍSICO
MODELO
MATEMÁTICO
SOLUCIÓN
ANALÍTICA
SIMULACIÓN

Figura 1.2: caminos para estudiar un sistema

Los modelos, pueden clasificarse en una variedad de modalidades: modelos físicos,
como los simuladores de vuelo y abstractos o matemáticos, como los diagramas y las fórmulas
matemáticas.

Al ser los modelos abstractos, representados mediante variables y parámetros, hace
necesario que su manipulación y almacenamiento, sea gestionada por una computadora; esto es
la creación de un programa o software, lo que deja de lado la simulación manual, por la
simulación por computadoras.

Una distinción entre modelos matemáticos por solución analítica y por simulación, es
que los primeros definen exactamente las relaciones entre las componentes del sistema. En la
simulación, no es posible expresar las interrelaciones en una forma simbólica o matemática.
Comúnmente, porque estas relaciones son muy complejas de expresar y manipular. Ver figura
1.2.


3. Tipos de modelos de simulación

Los modelos de simulación se pueden clasificar en estático o dinámico, determinístico o
estocástico (probabilístico); y discreto o continuo. Ver figura 1.3.

ESTÁTICOS DINÁMICOS
VS
DETERMINÍSTICOS ESTOCÁSTICOS
VS
CONTINUOS DISCRETOS
VS
MODELOS DE SIMULACIÓN
DE EVENTOS DISCRETOS
(DINÁMICOS, ESTOCÁSTICOS,
DISCRETOS)
=


Figura 1.3: Clasificación de los modelos de simulación

Un modelo de simulación es estático, cuando se representa el modelo en un punto del
tiempo; también son llamados Monte Carlo. Los modelos dinámicos, representan los cambios
de sistema, sobre el tiempo. Ver la figura 1.4, donde se presentan ejemplos de tales modelos.



Figura 1.4: Modelos estáticos y dinámicos

Un modelo es determinístico, cuando no contiene variables aleatorias: sus entradas
originan un resultado único. Un modelo de simulación es estocástico, cuando una o más de las
variables de entrada, son aleatorias. Un modelo de colas o de espera es estocástico, porque
comúnmente la variable que representa el tiempo de ínter arribos de los clientes al sistema,
como el tiempo de atención, son variables, que están representadas por una distribución de
probabilidades. Esto es común en los sistemas de atención que ocurre en los supermercados. Ver
figura 1.5.





La conducta
del sistema se
encuentra en
un punto del
tiempo
Describe la
conducta de
un sistema a
través del
tiempo
Estático
Dinámico
Película
Fotografía
Relativo al
Tiempo.

Figura 1.5: Clasificación por la presencia de la aleatoriedad

Los sistemas de simulación, en atención al tiempo, se clasifican en discretos o
continuos; ver la figura 1.6. En un sistema discreto, se contabilizan por ejemplo, las llegadas de
los clientes al sistema de espera, la longitud de la cola; y el número de clientes que son
atendidos en el sistema. Ver figura 1.7(a).





Reconoce la
presencia de
variables aleatorias
en el sistema a ser
modelado.
Ignora la
aleatoriedad.
Estocástico
Determinístico


Figura 1.6: Clasificación en atención al cambio del estado

Un sistema de simulación continuo, es utilizado para modelar conductas continuas, tal
como las que son obtenidas por la solución de técnicas numéricas, de las ecuaciones
diferenciales ordinarias. Conductas poblacionales, sistemas ecológicos, son algunas muestras de
esta clase de simulación. Existen modelos combinados o híbridos de discretos y continuos. Tal
como ocurre en las operaciones en un grifo que expende combustible, donde el tanque del
establecimiento, disminuye su stock, y es llenado por la llegada de un camión cisterna que lo
abastece. Ver la figura 1.7 (b).





Cambios ocurren
en una forma
continua.
El modelo describe
cambios del estado
del sistema, en
puntos aislados del
tiempo.
Continuos
Discretos
Cambios del estado.
Partes Continuas y
también Discretas.


Combinados
(a)
(b)
tiempo
tiempo
Discreto
Continuo
Número
de
clientes
Galones
en el tanque
de H2O


Figura 1.7: Discretos y continuos

4. Metodología de la simulación
Los procesos de modelar y simular involucran la formulación y solución de un problema. El
proceso de modelación es iterativo, porque el acto de modelar revela la información importante
fragmentaria.

Esta información apoya las acciones que hacen al modelo y sus medidas de salida más
relevantes y exactas.

El proceso de modelación continúa, hasta que el detalle o la información adicional ya no
son necesarios para la resolución del problema.

Durante el proceso iterativo, las relaciones entre el sistema en estudio y el modelo son
continuamente definidas y redefinidas.

En la figura 1.8, se presentan los pasos sugeridos en la ejecución los proyectos que
utilizan la modelación y la simulación.

VALIDO
VALIDO
FORMULAR
PROBLEMA
COLECCIONAR
DATOS Y MODELAR
CONSTRUYA EL
PROGRAMA
EJECUTAR
PRUEBAS PILOTOS
DISEÑAR
EXPERIMENTO
ANALIZAR
IMPLEMENTAR
SI
SI
NO
NO
9
8
7
6
5
4
3
2
1


Figura 1.8: Metodología de la simulación

Autores diversos, como Shanon, Law y Kelton, Bank y Carson y Geoffrey Gordon,
coinciden en que la metodología para un estudio de simulación, consiste de los siguientes pasos:
formulación del problema, recogida de información y modelación, construcción del programa,
ejecución de pruebas. Una vez que el modelo pasa las pruebas al ser contrastado con la realidad,
vienen las etapas de diseño de experimentos y análisis de las corridas.

Según Bank y Carson, “La etapa del modelado, es arte antes como ciencia. El arte de la
modelación, está llevado por la habilidad de abstracción del modelador, para capturar la esencia
del problema y plasmar los supuestos que caracterizan al sistema. El resultado de los problemas
encontrados y su respectiva solución, compensarán el esfuerzo en la calidad de los resultados.

La etapa de la construcción del programa, requiere de la traslación del mundo real, al
almacenamiento de información y el procesamiento en una computadora. El término de
construir un programa de computadoras o software, se encuentra ligado al uso de un lenguaje de
simulación. Aquí el modelador debe optar por un lenguaje de simulación. Nombres como
GPSS, SIMAN, SLAM SYSTEM, AWESIM, ProModel, ARENA, SIMIO y otros de una larga
lista, son algunos de estos lenguajes de simulación.

5. Lenguajes de simulación

La evolución de la simulación significa el tránsito de fases como: manual, programación en
lenguajes con propósitos generales, lenguajes de simulación y simuladores de alto nivel. Ver
figura 1.9.

Muchas propiedades en programación de modelos de simulación discreta, tales como:
Generadores de números aleatorios, Generadores de variables aleatorias, rutinas del siguiente
evento, avances de tiempo, recopilación de estadísticas, reportes, etc., han sido desarrolladas en
lenguajes especiales, orientados a simulación, dejando la ardua labor de programación en
FORTRAN, C, o PASCAL a lenguajes de simulación, los que incluyen facilidades de
animación. Actualmente, existen cerca de un centenar software de simulación, disponibles
en una variedad de computadoras.

Por otra parte, los lenguajes de simulación ofrecen mayores ventajas: Automáticamente
proveen muchas de las facilidades necesarias en la simulación del modelo, proveen un natural
ambiente para modelación de la simulación, fáciles de usar, proveen una gran interacción entre
edición, depuración y ejecución. Esto último, es el arte de la ingeniería de software.

Existen en el mercado dos grandes clases de software para simulación: los lenguajes y
los simuladores. Un lenguaje de simulación, es un software de simulación de naturaleza general;
y posee algunas características especiales para ciertas aplicaciones; tal como ocurre con SLAM
y SIMAN con sus módulos de manufactura. El modelo es desarrollado usando las instrucciones
adecuadas del lenguaje y permitiendo al analista un gran control para cualquier clase de sistema.

Un simulador (o de propósitos especiales), es un paquete de computadoras que permite
realizar la simulación para un ambiente especifico, no requiriendo esfuerzo en programación.
Hoy en día existen simuladores para ambientes de manufactura y sistemas de comunicación
permitiendo un menor tiempo en el desarrollo del modelo, así como también contar con el
personal sin experiencia en simulación.

Juegos de negocios y
juegosmilitares
Orientación al evento
SIMAN / CINEMA
Aguja del bufón
Montecarlo
ALGOL PL / 1
PASCAL C/C ++
ARENA PROMODEL SIMFACTORY
Manual
Programación en Lenguajes de propósitos generales
Lenguajes de Simulación
Simuladores de Alto Nivel
GASP IV
SIM SCRIPT GPSS V GASP
G - GERT
SLAM
GPSS / H
GPSS / PC
SIM SCRIPT II
ALGOL
SIMIO


Figura 1.9: Evolución de la simulación



Los simuladores son actualmente muy utilizados para el análisis en alto nivel,
requiriéndose únicamente agregar detalles en un cierto nivel, puesto que lo demás es estándar.

CACI Products Company autor de SIMSCRIPT II.5 es también autor de los
simuladores SIMFACTORY II.5, NETWORK II.5 y COMNET II.5, muy utilizados en estos
últimos tiempos para simulaciones de sistemas de manufactura, redes de computadoras y redes
de telecomunicaciones.

Para procesar transacciones en espera de un ordenamiento, un lenguaje de simulación
debe de proporcionar un medio automático de almacenamiento y recuperación de estas
entidades. Atendiendo a la orientación del modelado de una simulación discreta, existen tres
formas:

- Programación de eventos.
- Procesos.
- Examen de actividades.

Una programación al evento es modelada, identificando las características del evento y
luego se escriben un juego de rutinas para los eventos con la finalidad de describir
detalladamente los cambios que ocurren en el tiempo en cada evento. Lenguajes como
SIMCRIPT II.5 y SLAM II están orientados al evento.

Una interacción al proceso, es una secuencia de tiempos interrelacionados, describiendo
la experiencia de una entidad a través del sistema. Por ejemplo en un modelo de colas, esta
historia se traduce en el paso del tiempo del ingreso a la cola, ingreso al servidor, paso del
tiempo en el servicio y fin del servicio. GPSS, SIMAN, y SIMNET son orientados al proceso.

En el examen de actividades, el modelador define las condiciones necesarias al empezar
y finalizar cada actividad en el sistema. El tiempo es avanzado en iguales incrementos de
tiempo y en cada incremento de tiempo, las condiciones son evaluadas para determinar si
alguna actividad puede estar empezando o terminando. El ESCL, es un lenguaje de simulación
muy popular en Europa y fue desarrollado en FORTRAN.



Figura 1.10: Clasificación del software de simulación

GASP IV, es un lenguaje de simulación desarrollado por Alan B. Pristker y N. Hurst en
1973. es un lenguaje híbrido porque puede ser usado para programas de simulación discretos,
continuos y combinados; siendo el primero en integrar completamente estos dos ambientes de
función del tiempo, GASP IV es un derivado de GASP II, y se diferencia por la definición del
evento espacio-tiempo (state space event).

SIMSCRIPT II.5, fue desarrollado en la RAND Corporation por H. Markowitz en los
inicios de la década de los años 60. SIMSCRIPT II.5, es un lenguaje de simulación con
orientación al evento y al proceso; es híbrido porque posee facilidades para simulación de
sistemas discretos y continuos.

SIMSCRIPT II.5, producido por CACI Products Company (La Jolla, California); fue
utilizado en el pasado en grandes y complejas simulaciones; como es el caso de los modelos no
orientados a colas; por ejemplo modelos de combates militares. Se encuentra disponible en
versión PC; destacando su ambiente de SIMGRAPHICS.

La versión original del SIMAN (Simulation and Análisis) fue desarrollada por Dennis
Pegden, en la Universidad de Alabama, cuando era líder del grupo de desarrollo de la versión
original de SLAM (basada en los software de GASP y QGERT de Pristker and Associates).
SOFTWARE
DE
SIMULACIÓN
BLOQUES
INSTRUCCIONES
DEL USUARIO
BASADO EN
REDES
PROGRAMACIÓN
EVENTOS
INTERACCIÓN
AL PROCESO
PROPÓSITOS
ESPECIALES
PROPÓSITOS
GENERALES
DISCRETOS
NIVEL DEL SISTEMA
NIVEL DE APLICACIÓN
CONTINUOS
EXAMINACIÓN
DE ACTIVIDADES
Más tarde, Pegden inicia su trabajo en Pennsylvania State University, donde lo diseña como un
lenguaje de modelamiento para propósitos generales, incluyendo facilidades de manufactura,
muy útiles en el modelamiento de sistemas complejos de manufactura.

Desde su implementación inicial en 1984, ha sido continuamente refinado por System
Modeling Corporation; en 1988 y 1989, el lenguaje fue completamente rediseñado dando origen
a SIMAN/Cinema.

El ambiente de modelación de SIMAN, se desarrolla entre el Modeling y el Experiment;
en el primero se describe las componentes del sistema y sus interacciones, y en el segundo se
definen las condiciones del experimento (longitud de la corrida, condiciones de inicio).

SIMAN, modela un sistema discreto usando la orientación al proceso; es decir es un
modelo de sistema particular, donde se estudian las entidades que se mueven a través del
sistema. Una entidad para SIMAN es un cliente, un objeto que se mueve en la simulación y que
posee características únicas, conocidas como atributos. Los procesos denotan la secuencia de
operaciones o actividades a través del que se mueven las entidades; siendo modeladas por el
diagrama de bloques.

6. Aplicaciones de la simulación

La simulación se está utilizando para hacer estudios en diversos campos del saber humano, tales
como: sistemas urbanos, sistemas económicos, sistemas de negocios, sistemas de producción,
sistemas biológicos, sistemas sociales, sistemas de transporte, sistemas de salud y muchos más.
A continuación se ofrece una lista (no exhaustiva) de las aplicaciones en campos diversos.

Sistemas de manufactura:

- Diseño y disposición de planta.
- Mejora continua.
- Administración de la capacidad.
- Evaluación ágil de la fabricación.
- Programación y control.
- Manejo de materiales

Sistemas de Transporte:

- Funcionamiento de sistemas de ferrocarriles.
- Programación y ruteo de vehículos.
- Control de tráfico aéreo.
- Operaciones del Terminal y depósito.

Sistemas de computadoras y comunicaciones:

- Evaluación del funcionamiento.
- Generación y análisis del flujo de trabajo.

Planificación y control de proyectos:

- Planificación del producto.
- Análisis de la comercialización.
- Planeamiento de la construcción de actividades.

Planificación financiera:

- Toma de decisiones en la inversión de capitales.
- Análisis del flujo de liquidez.
- Proyecciones del balance.

Estudios ambientales y ecológicos:

- Control de inundaciones.
- Control de la contaminación.
- Flujo y utilización de la energía.
- Administración de granjas.
- Control de pestes.
- Mantenimiento de reactores.

Sistemas de cuidado de salud:

- Programación de sala de operaciones.
- Planeamiento del uso de los recursos.
- Evaluación de políticas de trasplante de órganos.

La automatización y la calidad reducen costos. Los sistemas son complejos y
únicamente pueden ser analizados con la poderosa herramienta de la simulación. En los años
recientes dos factores han hecho viable la simulación:

 Reducción de costos en computación.
 Uso de lenguajes de simulación.

La disponibilidad de la simulación grafica ha resultado grandemente comprendida y
usada por los ingenieros de la administración.

Actualmente la industria producto de la competencia, ha empezado a implementar
factorías automatizadas y hacer reingeniería de sus políticas operacionales y procedimientos. La
simulación predice la conducta de complejos sistemas de manufactura en:

 Decisiones de configuración del sistema duro: equipos, layout y partes en
procesos.
 Decisiones de configuración del sistema blando: planeamiento, secuenciación.
 Control en tiempo real del flujo de trabajo, fallas en herramientas, paradas en
equipos, etc.

7. Simulación discreta

En el modelación de sistemas, existen tres conceptos fundamentales: eventos, estados y tiempo.

La simulación discreta, es la modelación de un sistema en el tiempo, representando el
cambio instantáneo de las variables de estado en puntos separados del tiempo.

Simulación discreta o simulación de eventos discretos, es el conjunto de relaciones
lógicas y matemáticas, que integran el comportamiento de un sistema simulado, cuando ocurre
un evento El objetivo de la simulación es: reconocer, analizar y diseñar condiciones mejorables
de operación al sistema en estudio.

El nombre de simulación discreta, viene desde la manera en que los procesos
observados, que afectan la conducta dinámica del sistema, son observados en un punto discreto
del tiempo simulado.

“La tarea de un sistema de simulación discreta, requiere de un programa que pueda
construir la secuencia de eventos. Los registros deben contener el progreso de todas las
actividades, y de las entidades que participan en la simulación”, Geoffrey Gordon.

La llegada externa de una entidad se define como un evento, y la hora de llegada de la
siguiente entidad se registra como uno de los tiempos del evento, se ejecuta el evento de entrar
la entidad al sistema y de inmediato se calcula el tiempo de llegada de la siguiente entidad. A
este proceso se le conoce boot-strapping (cordón de bota); para describir este proceso que hace
que una entidad cree su sucesora.

En el algoritmo del siguiente evento, la simulación es inicializada en cero y los tiempos
de los futuros eventos son determinados. El reloj avanza al tiempo de la ocurrencia más
eminente (primera) de esos eventos futuros; el estado del sistema se actualiza. Entonces la
simulación es avanzada en su reloj.

El mecanismo para avance del tiempo en la simulación y la garantía de la ocurrencia de
todos los eventos en el orden cronológico, está basado en la lista de futuros eventos (FEL). Esta
lista es un conjunto especial que contiene todos los eventos que serán secuenciados para ocurrir
en un tiempo futuro. También se le conoce como calendario de Eventos (archivo).

En el algoritmo de proceso, el usuario cambia la terminología de eventos por
"transacciones" (o entidades); flujo desde un nodo a otro.

Un proceso es una secuencia ordenada en el tiempo de eventos interrelacionados y
separados por el paso del tiempo, el cuál describe la experiencia completa de una entidad a
través del sistema.

- Entre las componentes de un sistema de simulación se encuentran:
-
- Estados del Sistema.
- Reloj de la Simulación.
- Lista de Eventos.
- Contador Estadístico.
- Rutinas de Almacenamiento.
- Rutinas de Tiempo.
- Rutinas de Evento.
- Librería.
- Reporte Generador.

8. Computación de variables aleatorias
Entre las componentes de un sistema de simulación, tal como las rutinas de eventos, hacen uso
de elementos aleatorios. Un programa de simulación debe proveer procedimientos para generar
muestras aleatorias desde alguna distribución de probabilidades.

En la modelación y simulación, la comparación con la realidad y su refino
progresivo, hace que intervenga l a resolución de problemas estadísticos. Un ejemplo notable
de modelización estadística a partir de un problema práctico son las distribuciones de
probabilidad, que permiten describir en forma sintética el comportamiento de las
distribuciones empíricas de datos estadísticos y hacer predicciones sobre su comportamiento.
Ver figura 1.11.

Caracterización de las
Distribuciones de
Probabilidad
Inferencias Estadísticas
Experimentos en Simulación


Figura 1.11: Rol de las probabilidades

Entre los métodos más comunes para generación de variables o procesos aleatorios,
destacan:

- Método de la transformación inversa.
- Método del rechazo.
- Método de la convolución.

Distribución discreta

Para generar un entero entre 0 y k-1, multiplicar el número aleatorio r por k y hacer x =
¸ ¸
kr el
entero del producto. Este método arroja un entero el que es obtenido desde igual probabilidad.

Suponga que se poseen diferentes enteros; es decir X = x
1
con la probabilidad p
1
, X = x
2

con la probabilidad p
2
,...,y X = x
n
,
con la probabilidad p
n
; equivalente a la distribución:

Con p
1

+ p
2

+. . .+ p
n

= 1

El proceso de generación de esta distribución discreta (conocida como empírica) viene
dado por:

1.- Generar
2.- Determinar X.

¦
¦
¹
¦
¦
´
¦
< s + + +
+ < s
< s
=
÷
1 ...
...

0
1 2 1
2 1 1 2
1 1
r p p p x
p p r p si x
p r si x
X
n n


Equivalente a
¿ ¿
÷
= =
< s
1
1 1
I
J
I
J
j j
p r p

Sea la distribución de probabilidades:

x 3 4 5 6
P(x) 0.10 0.30 0.35 0.25

Definiendo la distribución acumulada:

¿
s
= s =
x x
i
i
x p x X x F ) ( ) ( ) (
i 1 2 3 4
x 3 4 5 6
F(x) 0.10 0.40 0.75 1.00

Si r es 0.50, se tiene ) 3 ( ) 1 3 ( F r F < s ÷ . Luego X = x
3
=5.
8.2.2 Distribuciones continuas

Un algoritmo para generar una variable aleatoria X, que tiene una función F es:

1. Generar
2. Retornar X =

(Ver figura 1.12)






x
1
r1
x1

Figura 1.12: Método de la transformación inversa




Figura 1.13: La función exponencial


La distribución exponencial, es muy usada para explicar los tiempos de arribo y servicio
en los fenómenos de espera. La función densidad es:

x
0
1
f(x)
0 , 1
) ( ) (
acumulada ón distribuci la
y , 0 , ) (
0
> ÷ =
=
> =
÷
÷
}
x e
dx x f x F
x e x f
x
x
x
ì
ì
ì


Figura 1.14: La función exponencial acumulada

Como 1-r está distribuida uniformemente como r; entonces se simplifica a la expresión
siguiente:
) (
1
r Ln x
ì
÷ =

La distribución uniforme, o también conocida como rectangular, se encuentra definida
como:

b x a
a b
x f s s
÷
= ,
1
) (
x
0
1
f(x)

Figura 1.15: La función uniforme

Es utilizada, para modelar situaciones en donde, para un intervalo existe igual
probabilidad de seleccionar un evento.

) ( , ) ( a b r a x
a b
a x
dx x f
x
a
÷ + =
÷
÷
=
}


Figura 1.16: La función uniforme acumulada

a b
x
f(x)
1
b-a
a
b
x
f(x)
0
x
0
r
0
1

Sign up to vote on this title
UsefulNot useful