TIPOS DE MODELOS DE SIMULACIN. MODELOS DE SIMULACIN ESTTICA VS.

DINMICA Un modelo de simulacin esttica, se entiende como la representacin de un sistema para un instante (en el tiempo) en particular o bien para representar un sistema en el que el tiempo no es importante, por ejemplo la simulacin Montecarlo; en cambio un modelo de simulacin dinmica representa a un sistema en el que el tiempo es una variable de inters, como por ejemplo en el sistema de transporte de materiales dentro de una fabrica, una torre de enfriamiento de una central termoelctrica, etc.. MODELOS DE SIMULACIN DETERMINISTA VS ESTOCASTICA Si un modelo de simulacin no considera nin una variable importante, comportndose de acuerdo con una le! probabil"stica, se le llama un modelo de simulacin determinista. #n estos modelos la salida queda determinada una ve$ que se especifican los datos ! relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cmputo para su evaluacin. Sin embar o, muc%os sistemas se modelan tomando en cuenta al &n componente aleatorio de entrada, lo que da la caracter"stica de modelo estocstico de simulacin. Un ejemplo ser"a un sistema de inventarios de una fbrica, o bien el sistema de l"neas de espera de una fabrica, etc. #stos modelos producen una salida que es en si misma de carcter aleatorio ! 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 'os modelos de simulacin discretos ! continuos, se definen de manera anlo o a los sistemas discretos ! continuos respectivamente. (ero debe entenderse que un modelo discreto de simulacin no siempre se usa para modelar un sistema discreto. 'a decisin de utili$ar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos espec"ficos de estudio. (or ejemplo) un modelo de flujo de trfico en una supercarretera, puede ser discreto si las caracter"sticas ! movimientos de los ve%"culos en forma individual es importante. #n cambio si los ve%"culos pueden considerarse como un a re ado en el flujo de trfico entonces se puede usar un modelo basado en ecuaciones diferenciales presentes en un modelo continuo. *tro ejemplo) Un fabricante de comida para perros, requiere el au+ilio de una compa,"a consultora con el objeto de construir un modelo de simulacin para su l"nea de fabricacin, la cual produce medio milln de latas al d"a a una velocidad casi constante. -ebido a que cada una de las latas se represent como una entidad separada en el modelo, ste resulto ser demasiado detallado ! por ende caro para correrlo, %acindolo poco &til. Unos meses ms tarde, se %i$o una reformulacin del modelo, tratando al proceso como un flujo continuo. #ste nuevo modelo produjo resultados precisos ! se ejecuto en una fraccin del tiempo necesario por el modelo ori inal.

./(*S -# S/MU'01/*2 3 Un sistema discreto es aquel en el cual las variables de estado cambian solo en puntos discretos o contables en el tiempo. Un ejemplo t"pico de simulacin discreta ocurre en las colas donde estamos interesados en la estimacin de medidas como el tiempo de espera promedio o la lon itud de la l"nea de espera. .ales medidas solo cambian cuando un cliente entra o sale del sistema; en todos los dems momentos, no ocurre nada en el sistema desde el punto de vista de la inferencia estad"stica. 3 Un sistema continuo es aquel en el cual las variables de estado cambian en forma continua a travs del tiempo. Un ejemplo t"pico de simulacin continua es el estudio de la dinmica de la poblacin mundial; los modelos de simulacin continua normalmente se representan en trminos de ecuaciones diferenciales en diferencias que describen las interacciones entre los diferentes elementos del sistema. Modelos de simulacin continuos vs discretos Los modelos de simulacin discretos y continuos, se definen de manera anlogo a los sistemas discretos y continuos respectivamente. Pero debe entenderse que un modelo discreto de simulacin no siempre se usa para modelar un sistema discreto. La decisin de utilizar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos especficos de estudio. Por ejemplo: un modelo de flujo de trfico en una s per carretera, puede ser discreto si las caractersticas y movimientos de los ve!culos en forma individual es importante. "n cambio si los ve!culos pueden considerarse como un agregado en el flujo de trfico entonces se puede usar un modelo basado en ecuaciones diferenciales presentes en un modelo continuo.

Variable discreta y variable c !ti!"a

-e 4i5ipedia, la enciclopedia libre (6ediri ido desde 7ariable discreta) Saltar a nave acin, b&squeda

Una variable discreta es sencillamente una variable para la que se dan de modo in%erente separaciones entre valores observables sucesivos. -ic%o con ms ri or, se define una variable discreta como la variable tal que entre dos cualesquiera valores observables (potencialmente), %a! por lo menos un valor no observable (potencialmente). (or ejemplo, un recuento del n&mero de colonias de un cultivo en a ar es una variable discreta. Mientras que cuentas de 8 ! 9 son potencialmente observables, no lo es una de 8,:. Una variable c !ti!"a tiene la propiedad de que entre ; cualesquiera valores observables (potencialmente), %a! otro valor observable (potencialmente). Una variable continua toma valores a lo lar o de un continuo, esto es, en todo un intervalo de valores. 'on itudes ! pesos son ejemplos de variables continuas. 'a estatura de una persona, por ejemplo, puede ser de <,=> m o de <,=: m, pero en potencia al menos podr"a tomar cualquier valor intermedio, como <,=8:< m. Un atributo esencial de una variable continua es que, a diferencia de una variable discreta, nunca se la puede medir e+actamente. 1on una variable continua debe %aber inevitablemente un error de medida.

Distrib"ci#! de $r babilidad
-e 4i5ipedia, la enciclopedia libre Saltar a nave acin, b&squeda

'a distribucin 2ormal suele conocerse como la ?campana de auss?. #n teor"a de la probabilidad ! estad"stica, la distrib"ci#! de $r babilidad de una variable aleatoria es una funcin que asi na a cada suceso definido sobre la variable aleatoria la probabilidad de que dic%o suceso ocurra. 'a distribucin de probabilidad est definida sobre el conjunto de todos los eventos ran o de valores de la variable aleatoria. 1uando la variable aleatoria toma valores en el conjunto de los n&meros reales, la distribucin de probabilidad est completamente especificada por la %"!ci#! de distrib"ci#!, cu!o valor en cada real x es la probabilidad de que la variable aleatoria sea menor o i ual que x.

Contenido
@ocultarA

< -efinicin de funcin de distribucin ; (ropiedades 8 -istribuciones de variable discreta o 8.< -istribuciones de variable discreta ms importantes 9 -istribuciones de variable continua o 9.< -istribuciones de variable continua ms importantes : #nlaces e+ternos

[editar] Definicin de funcin de distribucin

-ada una variable aleatoria todos son puntos , su %"!ci#! de distrib"ci#!, , es

(or simplicidad, cuando no %a! lu ar a confusin, suele omitirse el sub"ndice escribe, simplemente, .

! se

[editar] Propiedades
1omo consecuencia casi inmediata de la definicin, la funcin de distribucin)

#s una funcin continua por la derec%a. #s una funcin montona no decreciente.

0dems, cumple

(ara dos n&meros reales cualesquiera a ! b tal que (a B b), los sucesos son mutuamente e+clu!entes ! su unin es el suceso tenemos entonces que)

! , por lo que

! finalmente

(or lo tanto una ve$ conocida la funcin de distribucin F(x) para todos los valores de la variable aleatoria x conoceremos completamente la distribucin de probabilidad de la variable. (ara reali$ar clculos es ms cmodo conocer la distribucin de probabilidad, ! sin embar o para ver una representacin rfica de la probabilidad es ms prctico el uso de la funcin de densidad.

[editar] Distribuciones de variable discreta

-istribucin binomial. Se denomina distribucin de variable discreta a aquella cu!a funcin de probabilidad slo toma valores positivos en un conjunto de valores de X finito o infinito numerable. 0 dic%a funcin se le llama funcin de masa de probabilidad. #n este caso la distribucin de probabilidad es el sumatorio de la funcin de masa, por lo que tenemos entonces que)

C, tal como corresponde a la definicin de distribucin de probabilidad, esta e+presin representa la suma de todas las probabilidades desde %asta el valor x.

[editar] Distribuciones de variable discreta ms importantes

'as distribuciones de variable discreta ms importantes son las si uientes)

-istribucin binomial -istribucin binomial ne ativa -istribucin (oisson

-istribucin eomtrica -istribucin %iper eomtrica -istribucin de Dernoulli -istribucin 6ademac%er, que toma el valor < con probabilidad < E ; ! el valor F< con probabilidad < E ;. -istribucin uniforme discreta, donde todos los elementos de un conjunto finito son equiprobables.

[editar] Distribuciones de variable continua

-istribucin normal. Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores e+istentes dentro de un intervalo. #n el caso de variable continua la distribucin de probabilidad es la inte ral de la funcin de densidad, por lo que tenemos entonces que)

[editar] Distribuciones de variable continua ms importantes

'as distribuciones de variable continua ms importantes son las si uientes)

-istribucin ji cuadrado -istribucin e+ponencial -istribucin t de Student -istribucin normal -istribucin Gamma -istribucin Deta -istribucin H -istribucin uniforme (continua)