Contenidos

Analizando Resultados

Reduccion de Varianza

III Simulacion
Dpto. Ingenier a Industrial, Universidad de Chile
IN47B, Ingenier a de Operaciones

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos

Analizando Resultados

Reduccion de Varianza

Contenidos
1

Analizando Resultados Reduccion de Varianza

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Deniciones
E(X ) =
Dom(X )

x f (x ) dx .

Var(X ) = E(X 2 ) E(X )2 = E((X E(X ))2 ). Cov(X , Y ) = E((X E(X ))(Y E(Y ))) = E(XY ) E(X )E(Y ). Si X , Y son independientes Cov(X , Y ) = 0. La reciproca no es cierta. Cov(X , Y ) . Cor(X , Y ) = Var(X )Var(Y )

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Estimadores
Consideramos Xi : i = 1, . . . , n una muestra de X .
n

X (n) =

i =1

Xi

n X (n) es un estimador no sesgado de E(X ).

n

S 2 (n) =

. n1 S 2 (n) es un estimador no sesgado de Var(X ). Var(X ) . Var(X (n)) = n

Dpto. Ingenier a Industrial, Universidad de Chile III Simulacion

i =1

(Xi X (n))2

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Teorema Central del L mite

Consideramos {Xi }i N variables aleatoreas iid con E(Xi ) = y Var(Xi ) = 2 . X (n) Denimos Zi = . Llamamos Fn (z ) = P(Zn x ) Teorema Central del L mite
n 2 n

l m Fn (z ) = (z )
z

1 Donde (z ) = 2

ey

2 /2

dy .
III Simulacion

Dpto. Ingenier a Industrial, Universidad de Chile

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Teorema Central del L mite

Basicamente el TCL dice que Zn N (0, 1) cuando n es grande. Otro problema es que Zn esta denido en terminos 2 de . X (n) Denimos tn = .
S 2 (n) n

Se puede demostrar que tn tambien converge a una N (0, 1). De ahi podemos decir que P(z1/2 tn z1/2 ) 1 para n sucientemente grande.
Dpto. Ingenier a Industrial, Universidad de Chile III Simulacion

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Intervalos de Conanza
De lo anterior, podemos concluir que P(l (n) u (n)) = 1 para n sucientemente grande, donde l (n) = X (n) z1/2 y u (n) = X (n) + z1/2 S 2 (n) n S 2 (n) n

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Intervalos de Conanza
pasa si Xi N (0, 1)? Que En ese caso tn T-student de n 1 grados de libertad. Intervalo de conanza exacto esta dado por X (n) tn1,1/2 S 2 (n)/n. Se tiene que estos intervalos son mayores a considerar que tn N (0, 1). signica n En general, debemos preguntarnos Que sucientemente grande?.

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resumen de Estad stica

Analizando Resultados

Reduccion de Varianza

Intervalos de Conanza

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Intervalos de Conanza en la Practica

Analizando Resultados

Reduccion de Varianza

Cobertura Real
Consideramos intervalos de conanza derivados de la T-student. Distinto numero de muestras n = 5, 10, 20, y 40. Consideramos Xi iid con distintas distribuciones. Comparamos cobertura real del intervalo estimado a 90 % sobre 500 repeticiones. Dist Normal Exponencial Chi2 Lognormal Hiper-exp 0.00 2.00 2.83 6.18 6.43 n=5 0.910 0.854 0.810 0.758 0.584 n=10 0.902 0.878 0.830 0.768 0.586
III Simulacion

n=20 n=40 0.898 0.900 0.870 0.890 0.848 0.890 0.842 0.852 0.682 0.774

Dpto. Ingenier a Industrial, Universidad de Chile

Contenidos Intervalos de Conanza en la Practica

Analizando Resultados

Reduccion de Varianza

Midiendo Simetr a de Distribuciones

es ? Que E((X )3 ) = . 3 es una medida de simetria de la distribucion. es un factor importante Simetr a de una distribuicion al momento de determinar cuando n es sucientemente grande en el contexto del TCL. En general, No deber amos mirar solamente a , si 2 a cuando describimos una no que tambien distribuicion.

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resultados de simulaciones

Analizando Resultados

Reduccion de Varianza

Como obtenemos variables iid?

donde hay Consideremos un sistema de simulacion una medida de desempeno, que es reportada en solo distintos puntos J durante la simulacion. que ejecutamos n corridas Suponemos ademas esto dene Xi ,j con independientes de la simulacion, i = 1, . . . , n y j J . Asumiendo buenos numeros aleatoreaos, podemos n considerar {Xi ,j }i =1 como variables iid. Desafortunadamente {Xi ,j }j J en la practica no son independientes, de hecho, usualmente, tienen positiva. correlacion

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resultados de simulaciones

Analizando Resultados

Reduccion de Varianza

Algunos Ejemplos practicos

Consideramos un modelo M/M/1 con taza de = ,9. ocupacion Estimar promedio de los 25 primeros atrazos.

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resultados de simulaciones

Analizando Resultados

Reduccion de Varianza

Algunos Ejemplos practicos

Consideramos un modelo M/M/1 con taza de = ,9. ocupacion Estimar promedio de los 25 primeros atrazos. Calculamos 500 intervalos de conanza basados en 5,10,20 y 40 repeticiones. de intervalos correctos y su Comparamos proporcion ancho medio.

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resultados de simulaciones

Analizando Resultados

Reduccion de Varianza

M/M/1, estimando d25

n 5 10 20 40 cobertura 0.880 0.864 0.886 0.914 intervalo 90 % 0.024 0.025 0.023 0.021 medio ancho 0.67 0.44 0.30 0.21

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Resultados de simulaciones

Analizando Resultados

Reduccion de Varianza

Tiempo medio a Falla

Sistema con tres componentes. Sistema funciona mientras componente 1 funcione y componente 2 o componente 3 funcionen. {G2 , G3 }}, Gi es Tiempo falla G = m n{G1 , max Weibull(0.5,1). n 5 10 20 40 cobertura 0.708 0.750 0.800 0.840 intervalo 90 % 0.033 0.032 0.029 0.027
III Simulacion

medio ancho 1.16 0.82 0.60 0.44

Dpto. Ingenier a Industrial, Universidad de Chile

Contenidos Temas Basicos

Analizando Resultados

Reduccion de Varianza

Porque queremos reducir varianza?

esta dada por La respuesta de una simulacion X (n) z1/2 precision Mas Menos trabajo S 2 (n) , X (n) + z1/2 n S 2 (n) n

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Temas Basicos

Analizando Resultados

Reduccion de Varianza

Numeros aleatorios communes

Se utiliza cuando se comparan dos o mas sistemas. en la operacion Suponga que promone una modicacion de cajeros en un banco. Sea X m el tiempo de espera total de clientes en el original. banco con la operacion Sea X n el nuevo tiempo de espera total. Estime E[X m ] y E[X n ] a partir de simulaciones n m , . . . , Xrn respectivamente. , . . . , Xrm y X1 X1 Nos interesa = E[X m ] E[X n ]

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Temas Basicos

Analizando Resultados

Reduccion de Varianza

Numeros aleatorios communes

Alternativa 1 = Xm Xn con varianza = Var(X m ) + Var(X n )

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Temas Basicos

Analizando Resultados

Reduccion de Varianza

Numeros aleatorios communes

Alternativa 2 (con variables dependientes) Zi = Xim Xin tal que Zi son IID. r =1 i =1 Zi r (Var(Xim ) + Var(Xin ) 2Cov(Xim , Xin )) Var( ) = 1 r

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion

Contenidos Temas Basicos

Analizando Resultados

Reduccion de Varianza

Varianza se reduce si Cov(Xim , Xin ) es mayor. los mismos numeros aleatorios al generar X m y X n . la misma sequencia de arrivos a ambos servidores la misma sequencia en U [0, 1] para generar numeros

Dpto. Ingenier a Industrial, Universidad de Chile

III Simulacion