Está en la página 1de 18

INSTITUTO TECNOLGICO SUPERIOR

DE NOCHISTLN



INGENIERA EN SISTEMAS COMPUTACIONALES
SIMULACION

MAESTRA ING. CENDY LIZETH DURAN GARCIA


PRACTICA UNIDAD 3
GENERACION DE VARIABLES ALEATORIAS


ULISES RAMOS BLANCO / 12050163


NOCHISTLN, ZACATECAS. 14 DE OCTUBRE DE 2014
2


ndice

INTRODUCCION ..................................................................................................... 3
LENGUAJES DE SIMULACIN Y SIMULADORES ....................................................... 3
APRENDIZAJE Y USO LENGUAJE DE SIMULACIN O SIMULADOR ........................... 5
APRENDIZAJE Y USO DE UN SIMULADOR ............................................................... 6
Qu es Flexsim? ........................................................................................................................ 6
Elementos de un modelo de sistema: .......................................................................................... 6
Modelado .................................................................................................................................... 7
Hay tres problemas bsicos que pueden ser solucionados con Flexsim ..................................... 7
Aplicaciones de Flexsim ............................................................................................................. 8
Visualizacin............................................................................................................................... 8
CASOS PRCTICOS DE SIMULACIN ....................................................................... 9
ALGORITMOS .......................................................................................................................... 9
EJEMPLO PRACTICO I ............................................................................................................ 9
PROBLEMAS CON LINEA DE ESPERA ..................................................................... 10
Simulacin de una lnea de espera con una fila y un servidor .................................................. 10
SISTEMA DE SEGUIMIENTO DE INVENTARIO ........................................................ 13
DISEO Y VALIDACIN DE UN SIMULADOR PARA EL ENTRENAMIENTO EN LA
CAPSULOTOMA CIRCULAR CONTINUA EN LA FACOEMULSIFICACIN .................. 14
PRUEBAS PARAMETRICAS (VALIDACIN DEL MODELO, PRUEBAS DE HIPOTESIS Y
PRUEBAS DE ESTIMACIN) .................................................................................. 15
PRUEBAS NO PARAMTRICAS .............................................................................. 17
CONCLUSION ....................................................................................................... 18
BIBLIOGRAFIA ...................................................................................................... 18




3

INTRODUCCION

Para la tcnica de la simulacin se necesita una infinidad de prcticas para llevar acabo la
imitacin de los sistemas reales, para estas prcticas se requiere utilizar un lenguaje de
simulacin y as poder programar un sistema completo, eficaz y sobre todo que cuente con la
mxima seguridad para que este sistema se maneje correctamente y cuente con los mejores
resultados. Para esto se tendr que utilizar diferentes programas, algoritmos y modelados para
que los casos se lleven a la prctica.




LENGUAJES DE SIMULACIN Y SIMULADORES

El desarrollo de los lenguajes de simulacin comenz a finales de los aos cincuenta;
inicialmente los lenguajes que se usaron en l fueron los de propsito general, los cuales tenan
las siguientes ventajas:

La situacin a analizar se puede modelar en forma ms o menos sencilla para el
programador por el conocimiento del lenguaje.
El proceso se puede describir con tanta precisin como le sea posible en el lenguaje
conocido.
Se pueden realizar todas las depuraciones posibles.

Los principales lenguajes utilizados en simulacin son: Paquetes. Cualquier lenguaje de
programacin puede ser empleado para trabajar en simulacin, pero los lenguajes
especialmente diseados presentan las siguientes propiedades:

Acaban la tarea de programacin.
Generan una gua conceptual.
Colaboran en la definicin de entidades del sistema.
Manejan la flexibilidad en los cambios.
Ayudan a analizar y a determinar la relacin y el nmero de entidades en el sistema.


Emshoff y Sisson consideran que la simulacin discreta requiere de ciertas funciones
comunes que diferencian un lenguaje de simulacin de uno de propsito general, entre
las cuales se encuentran las siguientes:

Generar nmeros aleatorios.
Generar variables aleatorias.
4

Variar el tiempo hasta la ocurrencia del siguiente evento.
Registrar datos para salida.
Realizar anlisis estadsticos sobre datos registrados.
Construir salidas en formatos determinados.
Detectar inconsistencias y errores.

Simulacin de cambio contino y de cambio discreto en computadoras hbridas
H01; Simulacin de incremento continuo con orientacin a ecuaciones directas
con nfasis en ecuaciones diferenciales DSL/90. MIMIC, BHSL, DIHYSYS Y S/360
CSMP; Simulacin de incremento continuo con simuladores orientados a bloques
con nfasis en ecuaciones diferenciales MIDAS, PACTOLUS, SCADS, MADBLOC,
COBLOC Y 1130 CSMP; Simulacin de incremento continuo con simuladores
orientados a bloques con nfasis en ecuaciones de diferencias DYNAMO,
DYSMAP 2; Simulacin de incremento discreto con orientacin a actividades CSL,
CLP, GSP, GERT; Simulacin de incremento discreto con orientacin a eventos
SIMSCRIPT, orientacin a procesos SIMULA, OPS, SLAM Y SOL; Simulacin de
incremento discreto con orientacin a flujo de transacciones GPSS Y BOSS. Los
paquetes son una versin depurada de los diferentes lenguajes de propsitos
general y presentan algunas ventajas sobre los lenguajes de programacin
generales:


Reduccin de la tarea de programacin.
Definicin exacta del sistema.
Flexibilizacin mayor para cambios.
Diferenciacin mejor de las entidades que conforman el sistema.
Relacin estrecha entre las entidades del sistema.







5

APRENDIZAJE Y USO LENGUAJE DE SIMULACIN O SIMULADOR

Los lenguajes de simulacin facilitan enormemente el desarrollo y ejecucin de simulaciones de
sistemas complejos del mundo real. Los lenguajes de simulacin son similares a los lenguajes de
programacin de alto nivel pero estn especialmente preparados para determinadas
aplicaciones de la simulacin. As suelen venir acompaados de una metodologa de
programacin apoyada por un sistema de smbolos propios para la descripcin del modelo por
ejemplo mediante diagramas de flujo u otras herramientas que simplifican notablemente la
modelizacin y facilitan la posterior depuracin del modelo.
Caractersticas de los lenguajes de simulacin:

Los lenguajes de simulacin proporcionan automticamente las caractersticas necesarias para
la programacin de un modelo de simulacin, lo que redunda en una reduccin significativa del
esfuerzo requerido para programar el modelo.
Proporcionan un marco de trabajo natural para el uso de modelos de simulacin. Los bloques
bsicos de construccin del lenguaje son mucho ms afines a los propsitos de la simulacin
que los de un lenguaje de tipo general.
Los modelos de simulacin son mucho ms fcilmente modificables.
Proporcionan muchos de ellos una asignacin dinmica de memoria durante la ejecucin.
Facilitan una mejor deteccin de los errores.
Los paquetes de software especialmente diseados para simulacin contienen aplicaciones
diversas que facilitan al simulador las tareas de comunicaciones, la depuracin de errores
sintcticos y de otro tipo de errores, la generacin de escenarios, la manipulacin on-line de
los modelos, etc.


Son muy conocidos y en uso actualmente
Aprendizaje lleva cierto tiempo
Simuladores de alto nivel
Muy fciles de usar por su interface grfica
Restringidos a las reas de manufactura y comunicaciones
Flexibilidad restringida puede afectar la validez del modelo


Entre estos lenguajes especficos podemos nombrar los siguientes: MIDAS, DYSAC, DSL, GASP,
MIMIC, DYNAMO, GPSS, SIMULA, CSSL ( Continuous System Simulation Language) , CSMP, ACSL
( Advanced Conrinuous Simulation Language), DARE-P and DARE-Interactive, C-Simscript, SLAM,
SIMAN, SIMNON, SIMSCRIPT-II-5, ADA, GASP IV, SDL.

Muchos de estos lenguajes dependen fuertemente de los lenguajes de propsito general como
es el caso de SLAM o SIMAN que dependen de Fortran para las subrutinas.


6

APRENDIZAJE Y USO DE UN SIMULADOR

"ANIMACIN"
Software Flexsim


Qu es Flexsim?
Flexsim es una herramienta de anlisis que ayuda a ingenieros y los planificadores a tomar
decisiones inteligentes en el diseo y la operacin de un sistema.
Con Flexsim, se puede desarrollar un modelo de computadora en 3 dimensiones de un sistema
de la vida real.
Flexsim brinda la posibilidad de realizar un modelo de un sistema antes de que sea construido,
o evaluar polticas operativas antes de que sean puestas en funcionamiento.

Elementos de un modelo de sistema:

Entidades (flujos del sistema): artculos que fluyen a travs del sistema.
Estados del sistema: Condicin del sistema en un momento t. Las actividades encajan
aqu.
Evento: Cambios en los estados del sistema.
Recursos: Son los elementos del sistema que no son entidades.
Localizaciones: Lugares por donde deben esperar o fluir las entidades (Son los recursos
fijos).
Atributos: Caractersticas de una entidad.
Variables: condiciones cuyos valores se crean y modifican.
Controles: Reglas que gobiernan al sistema.
Entidades (flujos del sistema): Flowitems.
Estados del sistema: States.
Evento: Event. Recursos: Flexsim Object.
Localizaciones: Fixed Resources.
Atributos: Lables, Itemtypes.
Variables: Variables, labels.
Controles: Triggers, Flow Tab.







7

Modelado
En los trminos tcnicos, Flexsim es clasificado como una software de simulacin discontinuo -
evento. Esto quiere decir que cambian de estado en distintos momentos como consecuencia de
los eventos especficos. Estados comunes podran ser clasificaciones como ocioso, ocupado,
bloqueado o fuera de servicio, y algunos ejemplos de los eventos seran la llegada de rdenes
del cliente, el movimiento de producto, y las fallas de mquina.

Los artculos que estn procesado en un modelo de simulacin discontinuo - evento son a
menudo productos fsicos, pero podran ser tambin clientes, el papeleo, los dibujos, las tareas,
las llamadas telefnicas los mensajes electrnicos, etctera. Estos artculos siguen a travs de a
series de procesamiento, haciendo cola o bien cumpliendo un proceso definido

Flexsim es una herramienta verstil que ha sido usada para hacer un modelo de simulacin de
una gran variedad de sistemas, de varias industrias diferentes. Flexsim es usado por compaas
pequeas y grandes con xito igual. Flexsim es usado por famosos como General Mills, Daimler
Chrysler, Grumman, Discover Card de Northrop, DHL, Bechtel, Bose, Michelin, FedEx,
tecnologas de Seagate, Pratt & Whitney, TRW y administracin espacial norteamericana.

Hay tres problemas bsicos que pueden ser solucionados con Flexsim

Atencin de problemas - la necesidad de procesar a clientes y sus solicitudes en un nivel
alto, dar satisfaccin para el coste posible ms bajo.
Los problemas de fabricacin - la necesidad de hacer el producto correcto en el tiempo
posible ms bajo.
Los problemas logsticos - la necesidad de conseguir el producto correcto en el lugar
correcto en el tiempo definido.


8

Aplicaciones de Flexsim

Mejore la utilizacin de equipos.
Reduzca los tamaos de tiempo de espera y cola.
Asigne recursos eficientemente.
Minimice los efectos en contra de las fallas.
Minimice los efectos en contra de artculos defectuosos y desperdicio.
Estudie las ideas de inversin alternativas.
Planes de reduccin de coste de estudio.
Establece tamaos de grupo ptimos.
Resuelva los asuntos de manejo fsicos.
Entrene a operadores en el comportamiento de sistema en conjunto y la
interpretacin relacionada al trabajo.

Visualizacin
Es sorprendentemente eficaz un modelo de simulacin animado, conseguir la atencin de los
procesos y la manera en que trabaja. La animacin exhibida durante una simulacin provee un
material visual excelente para demostrar cmo funcionar el sistema final.






9

CASOS PRCTICOS DE SIMULACIN

Un caso prctico de una simulacin podemos decir en esta parte, la simulacin del Mtodo de
Monte Carlo.
ALGORITMOS
El algoritmo de Simulacin Monte Carlo Crudo o Puro est fundamentado en la generacin de
nmeros aleatorios por el mtodo de Transformacin Inversa, el cual se basa en las
distribuciones acumuladas de frecuencias:

Determinar la/s V.A. y sus distribuciones acumuladas (F)
Generar un nmero aleatorio uniforme (0,1).
Determinar el valor de la V.A. para el nmero aleatorio generado de acuerdo a las clases que
tengamos.
Calcular media, desviacin estndar error y realizar el histograma.
Analizar resultados para distintos tamaos de muestra.

Otra opcin para trabajar con Monte Carlo, cuando la variable aleatoria no es directamente el
resultado de la simulacin o tenemos relaciones entre variables es la siguiente:

Disear el modelo lgico de decisin.
Especificar distribuciones de probabilidad para las variables aleatorias relevantes.
Incluir posibles dependencias entre variables.
Muestrear valores de las variables aleatorias.
Calcular el resultado del modelo segn los valores del muestreo (iteracin) y registrar el
resultado.
Repetir el proceso hasta tener una muestra estadsticamente representativa.
Obtener la distribucin de frecuencias del resultado de las iteraciones.
Calcular media, desvo.
Analizar los resultados.

EJEMPLO PRACTICO I
Tenemos la siguiente distribucin de probabilidades para una demanda aleatoria y queremos
ver qu sucede con el promedio de la demanda en varias iteraciones:

Utilizando la distribucin acumulada F(x) es la probabilidad que la variable aleatoria tome
valores menores o iguales a x) podemos determinar cul es el valor obtenido de unidades
cuando se genera un nmero aleatorio a partir de una distribucin continua uniforme. Este
mtodo de generacin de variable aleatoria se llama Transformacin Inversa.

Generando los valores aleatorios vamos a ver como se obtiene el valor de la demanda para
cada da, interesndonos en este caso como es el orden de aparicin de los valores. Se busca el
nmero aleatorio generado en la tabla de probabilidades acumuladas, unavez encontrado( si no
10

es el valor exacto, ste debe se menor que el de la fila seleccionada pero mayor que el de la fila
anterior), de esa fila tomada como solucin se toma el valor de las unidades (Cuando
trabajamos en Excel debemos tomar el lmite inferior del intervalo para busca en las
acumuladas, para poder emplear la funcin BUSCARV(), para 42 sera 0, para 43 0,100001 y as
sucesivamente). Ejemplo: Supongamos que el nmero aleatorio generado sea 0,52, a qu
valor de unidades corresponde? Nos fijamos en la columna de frecuencias acumuladas, ese
valor exacto no aparece, el siguiente mayor es 0,70 y corresponde a 48 unidades. Se puede
apreciar mejor en el grfico, trazando una recta desde el eje de la frecuencia hasta que
intersecta con la lnea de la funcin acumulada, luego se baja a la coordenada de unidades y se
obtiene el valor correspondiente; en este caso 48.
Cuando trabajamos con variables discretas la funcin acumulada tiene un intervalo o salto para
cada variable( para casos prcticos hay que definir los intervalos y luego con una funcin de
bsqueda hallar el valor). Para funciones continuas se puede hallar la inversa de la funcin
acumulada. De esta forma logramos a partir de la distribucin de densidad calcular los valores
de la variable aleatoria dada.











PROBLEMAS CON LINEA DE ESPERA

Simulacin de una lnea de espera con una fila y un servidor
Un sistema de colas estar definido cuando tengamos la siguiente informacin acerca de este:

Distribucin de probabilidad de los tiempos de servicio
Distribucin de probabilidad de los tiempos entre llegadas
Numero de servidores
Numero de filas
Conexiones entre servidores y filas
Disciplinas y restricciones de los servidores y filas (en caso de que existan)

11

Para este primer ejemplo se utilizara el modelo de lneas de espera que se muestra en la figura
siguiente. Como se puede apreciar, es un modelo bastante simple donde la disciplina de
atencin es FIFO (primero en llegar, primero en salir).

Tanto el tiempo de servicio como el tiempo entre llegadas siguen una distribucin exponencial
aunque con parmetros diferentes, para el caso del tiempo entre llegadas tenemos =15 y para
el tiempo de servicio tenemos =10.
Aplicando el mtodo de la transformada inversa a la distribucin exponencial (consultar Dyner
etc. al, 2008), tenemos que:

Donde corresponde a una observacin de una variable exponencial, _ es un nmero aleatorio
entre cero y uno y es la media de la distribucin. Para la implementacin del sistema descrito
en Excel, abra una nueva hoja de clculo y configrela como se muestra en la figura.

En la celda B8 escriba la formula =ALEATORIO () y arrastre hasta la celda B23. Repita este
procedimiento para la columna G. En el paso anterior, se defini los nmeros aleatorios a partir
de los cuales se generaran las observaciones de variables aleatorias de la simulacin.
Ahora, en la celda C8 escribe la formula =-LN (1-B8)/$B$4, y arrastre hasta la celda C23.
Como se puede apreciar, esta es la frmula descrita anteriormente para obtener observaciones
de una variable exponencial. En este caso, se estn generando observaciones para la variable
aleatoria de tiempos entre llegadas.
En la celda D8 escribe la formula =C8, lo anterior significa que como es la primera llegada al
sistema, su tiempo de llegada (en el instante de tiempo en el que llego al sistema), ser igual a
su tiempo entre llegadas. Sin embargo, para la celda D9 la formula correspondiente es =C9+D8,
ahora arrastre la frmula de D9 hasta D23; esta frmula significa que despus de que llega el
primer cliente, el instante de tiempo en el que cualquier otro cliente llega al sistema ser el
instante de tiempo en el que entro el penltimo cliente sumado el tiempo entre llegadas
del ltimo cliente, es decir, si el penltimo cliente entro al sistema en el instante t=4, y el
tiempo entre llegadas del ultimo cliente es dt=2, entonces este ltimo cliente
entrara realmente al sistema en t=6.

La frmula correspondiente a la celda E8 es =D8, esto significa que, al ser primer cliente, el
instante en el que llega al sistema ser el mismo instante en el que comienza el servicio; ms
adelante se presenta las formulas correspondientes al resto de clientes del sistema en esta
columna. Ahora en la celda F8 escriba la formula =E8-D8 y arrstrela hasta la celda F23, esto
corresponde al tiempo de espera del cliente antes de comenzar a ser atendido, note que D8
nunca sera mayor que E8 ya que el valor mnimo que puede tomar el tiempo de comienzo del
servicio es el tiempo de llegada, es decir, cuando un cliente llega al sistema y no tiene que hacer
fila.
En la celda H8 escribe la formula =-LN (1-G7)/$B$5, y arrstrela hasta la celda H23, esta frmula
indica cuanto tiempo tardara el servidor atendiendo al cliente actual. Ahora en la celda I8
escriba la formula =E8+H8, esta frmula indica el instante de tiempo en el que servidor termina
de atender al cliente actual y corresponde a la suma entre el instante que comienza el servicio y
la cantidad de tiempo que este toma.
12

Retomemos ahora la columna E, ntese que esta solo est definida en su posicin E8, esto
porque primero se requera definir otros valores antes de poder determinar el instante en el
que empieza realmente el servicio. En un sistema como el aqu presentado se pueden tener dos
casos para el tiempo de comienzo del servicio, en primer lugar puede que el servidor se
encuentre desocupado, en este caso el tiempo de comienzo del servicio ser igual al tiempo de
llegada al sistema y no habr tiempo de espera. Sin embargo, si el servidor se encuentra
ocupado, el tiempo de comienzo del servicio ser igual al mximo entre el instante en que el
servidor termine de atender al cliente actual y el tiempo de llegada al sistema; por si el tiempo
de fin del servicio del cliente actual es igual a tfs=12 pero el tiempo de llegada del prximo
cliente es tll=14, el tiempo de comienzo del servicio del prximo cliente ser t=14 y el servidor
tendr un ocio dt=2; por otro lado, si tfs=13 para el cliente actual y el prximo cliente tiene un
tll=10, el servidor no tendr ocio y el prximo cliente deber esperar un intervalo de tiempo
dt=3. De lo anterior se concluye que la frmula para la celda E9 debe ser=MAX (D9;I8), ahora
arrastre esta frmula hasta la celda E23.
Hasta este punto se tiene una simulacin de un sistema de lneas de espera con una fila y un
servidor, si se desea generar nuevas observaciones presione la tecla F9; como tarea al lector se
deja el clculo de:

Tiempo promedio en el sistema
Tiempo promedio de espera (sin incluir ceros)
Tiempo promedio de espera (incluyendo ceros)
Tiempo promedio de servicio
Tiempo promedio de ocio

Adicionalmente se plantea al lector elaborar, una simulacin en Excel que represente el sistema
que se muestra en la figura siguiente, donde p es la probabilidad de que un cliente se dirija a S1
o a S2. Tanto el tiempo entre llegadas como los tiempos de servicio, se distribuyen exponencial
con los parmetros que se muestran a continuacin.

Tiempo entre llegadas: =8
Tiempo de servicio S1: =13
Tiempo de servicio S2: =18
Probabilidad p: 0.63










13

SISTEMA DE SEGUIMIENTO DE INVENTARIO
Un sistema de seguimiento de inventario es un sistema tecnolgico que ayuda al dueo de una
empresa a controlar los artculos de un inventario. El sistema de seguimiento o control
bsicamente registra todos los elementos que salen del inventario, ya sea para
construir productos o para vender directamente. Este tipo de sistema tambin puede incluir
otras medidas de control de inventario, como llaves tecnolgicas, tarjetas de entrada para los
empleados con acceso al inventario y reportes diarios sobre el inventario.
Cdigo de barras
Los artculos que ingresan al inventario, ya sean grandes televisores o pequeos tarros de
mermelada, a menudo necesitan tener un cdigo de barras, para que los sistemas de
seguimiento se actualicen una vez que los artculos han salido del inventario. Un problema de
los cdigos de barras que pueden rasparse o romperse, lo que puede causar que el sistema falle
al intentar registrarlos. Si el cdigo se humedeci durante el transporte o en el depsito las
barras del cdigo podran arruinarse, haciendo que el cdigo sea obsoleto.
Fallas para actualizar
Otro problema de los sistemas de seguimiento de inventario es la falla al actualizar los datos de
las actividades diarias. Uno de los objetivos de los sistemas es calcular cuntos elementos
salieron del inventario diariamente, ya sea por ventas directas o por uso de materias primas
para elaborar productos. Si el sistema no se actualiza o falla por baja batera, los movimientos
diarios del inventario no podrn ser registrados. Esto influencia los artculos existentes en el
inventario y tambin afecta el valor financiero.

Tarjetas de entrada daadas
Algunos sistemas de seguimiento de inventario utilizan tarjetas de entrada para acceder al
inventario. Esto es particularmente cierto en aquellos inventarios que incluyen equipamiento
costoso, como los artculos electrnicos o ropa de alta gama por ejemplo. Se les otorgan
tarjetas de trabajo a los empleados, y tendrn que pasarlas por sistema de entrada para
acceder al depsito. Si la tarjeta est daada, puede que el empleado no tenga acceso al
inventario. Esto es problemtico si ese empleado es el nico de ese turno de trabajo con acceso
al depsito.

Fallas en el disco duro
Todos los datos del inventario pueden perderse si el sistema de seguimiento de inventario sufre
una falla en su disco duro. A pesar de que esto es poco probable, no puede ser considerado
como imposible. El disco duro almacena toda la informacin sobre el inventario, como
los artculos disponibles, el valor financiero total del inventario e informacin sobre nuevas
rdenes de suministro. Una falla de este tipo puede no slo causar que se borren las
actividades diarias, sino tambin todos los datos histricos del inventario. Esto significa que la
compaa necesitara realizar un conteo fsico del inventario para obtener nueva informacin e
ingresarla al sistema una vez que ste haya sido reparado. Esto podra ser muy costoso tanto en
tiempo como en dinero.

14

DISEO Y VALIDACIN DE UN SIMULADOR PARA EL
ENTRENAMIENTO EN LA CAPSULOTOMA CIRCULAR CONTINUA
EN LA FACOEMULSIFICACIN

Introduccin
Disear y validar un simulador para el aprendizaje y entrenamiento de la tcnica de la
capsulorrexis.

Mtodos
El sistema consiste en un soporte de metacrilato con inclinacin de 15 para el apoyo de las
manos del cirujano y una zona de papel aluminio comercial y otro de similares caractersticas
donde el alumno realiza la tcnica a travs de unas hendiduras realizadas previamente en el
soporte. Para evaluar la viabilidad de este simulador se toman los datos de 65 oftalmlogos que
realizan la tcnica durante actividades de formacin, dividindolos aleatoriamente en un grupo
de 30 especialistas que inician directamente su aprendizaje en ojos de cadver de animal y en
otro grupo de 35 especialistas que se inician previamente con este simulador.

Resultados
Se desarrolla un simulador para entrenamiento de la tcnica de capsulorrexis. El grupo de
alumnos del grupo simulador consigue una reduccin en el uso de ojos de cadver y una mayor
eficiencia en la realizacin de capsulorrexis correctas, a diferencia del grupo que se inicia
directamente en ojos de cadver.

Conclusiones
Este simulador constituye una novedad en el entrenamiento de la tcnica de capsulorrexis en
cuanto a sencillez, coste y reutilizacin, frente a otros simuladores virtuales con equipos
informticos ms costosos y ms complicados de transportar. Es pieza clave como paso previo a
la utilizacin de piezas de cadver y de animales de experimentacin, disminuyendo el nmero
de ambos y, por tanto, el coste de la enseanza.


Figura 1. Simulador de capsulorrexis.

15

El simulador para la realizacin de la CCC diseado en nuestro centro se compone de una parte
en la que el alumno realiza la tcnica sobre una lmina de ensayo de aluminio u otro de
similares caractersticas (Figura 1).
Consta de una parte inferior que sirve como soporte al simulador y una parte superior que
consta de una tapa con dos regletas, una superior y otra inferior a la tapa, que nos permiten
tensar el material sobre el que practicar la capsulorrexis. Delante de la capa que est en la cara
inferior del simulador existe una abertura por la que sale una lmina de PVC en la que se
realizan unas hendiduras, que simulan las incisiones que se realizan en el inicio de la
facoemulsificacin, y por las que el alumno pasa el cistitomo y la pinza de rexis (Figura 2).
Frente a estas ranuras y en la porcin superior del simulador existen cinco chinchetas fijas,
imitando al cristalino, todo ello permite que el alumno realice todas las maniobras necesarias
para la CCC.

Figura 2. Incisiones de acceso.



PRUEBAS PARAMETRICAS (VALIDACIN DEL MODELO, PRUEBAS
DE HIPOTESIS Y PRUEBAS DE ESTIMACIN)

Validacin del modelo
Etapas en el desarrollo de un simulador.
Recordemos que las etapas nombradas para desarrollar un simulador son:

1) Identificacin del problema
2) Delimitacin del sistema
3) Formulacin del modelo
4) Preparacin de datos
5) Construccin del modelo
6) Validacin
7) Diseo de experimentos
8) Ejecucin de experimentos
9) Interpretacin (Inferencia)
10) Documentacin


16


IV) Etapa IV: Preparacin de datos, o bien obtencin de datos.
Consiste en la identificacin y captacin de los datos que requiere el modelo, de acuerdo a la
formulacin que se haya hecho en las etapas anteriores del diseo.
Los datos son para:

Las relaciones funcionales, ya sea para determinar la forma de stas, completar su
forma o expresin, o para precisar algn parmetro que en ella se tenga.
Las variables estocsticas, que de ellas se deber determinar su funcin de distribucin
de probabilidades, tanto para variables continuas como discretas.
Las relaciones funcionales podran ser, rectas obtenidas por regresin lineal o ajuste de
curvas.
En las relaciones funcionales se debe fijar todos los parmetros que tenga; a menos que
se haya dejado como una variable de entrada al simulador.

Los datos a usar pueden ser:

Datos empricos
Datos obtenidos con distribucin terica.
El usar datos empricos es en general ms conveniente, pero puede implicar que el
modelo quede influido por factores que se dieron en el tiempo de gestacin de ellos y
no vuelvan a repetirse.

V. Construccin del modelo
Es llevar el modelo que se tiene del simulador a un lenguaje de programacin disponible en el
computador a usar o en las configuraciones disponibles, y que debe conocer su programacin.
Luego que se tiene el programa fuente del modelo, escrito en el lenguaje elegido, probarlo y
depurarlo desde el punto de vista computacional, hasta obtener una versin satisfactoria.

VI. Validacin
Es esta etapa se trata de establecer, y si es posible aumentar, el nivel aceptable de confiabilidad
de las inferencias efectuadas sobre el sistema real.
La validacin tiene el concepto de grado, no es un resultado dicotmico, no es un s o no, no es
vlido o invlido, no es correcto o incorrecto.

Fuentes de error

En la formulacin del modelo:
Que se excluya variables relevantes, o un atributo (esto es ms dramtico).
Que se incluya variables irrelevantes (es menos dramtico).
Mala eleccin de una funcin de distribucin de probabilidad para una variable.
Mal establecimiento de alguna relacin funcional o de los parmetros del modelo.

17


En los datos usados:
Toma de datos con margen de error relativo importante.
Tcnica de muestreo mal aplicada. Ejemplo: Tomar todos los datos de un sector no
representativo.

Datos mal digitado o mal almacenado:
El analista hace un acto de confianza en el equipo que tena los datos.


PRUEBAS NO PARAMTRICAS

Se estudiarn las pruebas no paramtricas, las cuales no requieren asumir normalidad de la
poblacin y que en su mayora se basan en el ordenamiento de los datos.
Todas las pruebas vistas en este captulo requieren que la poblacin sea continua. El parmetro
que se usa para hacer las pruebas estadsticas es la Mediana y no la Media.

Prueba de los Signos
Se usa para hacer pruebas de hiptesis acerca de la mediana de una poblacin de una variable
continua.

Ho: La Mediana poblacional es igual a un valor dado.
Ha: La mediana es menor (mayor distinta) del valor dado.

La prueba estadstica est basada en la distribucin Binomial con probabilidad de xito p=,
puesto que la probabilidad de que un dato sea mayor o menor que la mediana es .
Para calcularla se determinan las diferencias de los datos con respecto al valor dado de la
mediana y se cuentan los signos positivos y negativos.
Cuando la hiptesis alterna es "mayor que" y el nmero de diferencias positivas es mayor que
las diferencias negativas entonces, el "p-value" se calcula por donde c es el nmero de
diferencias positivas y, n es igual al nmero de datos pero, si hay datos de valor igual a la
mediana que se asume en la hiptesis nula entonces, n es igual al nmero de datos menos la
cantidad de datos iguales a la mediana asumida.

Si la hiptesis alterna es "menor que" y el nmero de diferencias positivas es mayor que el
nmero de diferencias negativas entonces p-value = P2 en caso contrario p-value = P1.
Cuando la hiptesis alterna es de dos lados y el nmero de diferencias positivas son mayores
que el nmero de diferencias negativas entonces el p-value = 2P2, si hay menor nmero de
diferencias positivas entonces p-value=2P1 y si hay igual nmero de diferencias positivas y
negativas entonces, p-value=1.
Si n>20 se puede usar aproximacin Normal a una Binomial con p = q = 0.5, para calcular los p-
values.
18


CONCLUSION

Para realizar las pruebas y prcticas de la simulacin y tratar de perfeccionarlas, ha tenido que
pasar muchsimo tiempo y se ha necesitado que varias personas hayan dedicado muchos aos
de su vida para que los modelos de simulacin cuenten con lo mejor para ofrecerlos a las
personas y as poder llevarlos a una capacitacin efectiva.
A lo largo del tiempo se han dado todas las formas para que la simulacin tenga xito, se han
dejado los aprendizajes, los lenguajes y varios modelos para los sistemas, adems las formas
para mejorarlos viendo la problemtica, los seguimientos que deben de llevar y sobre todo las
pruebas necesarias para cada uno de los sistemas.



BIBLIOGRAFIA


(prezi.com, 2014)
(simulacionkarla.blogspot.mx, 2014)
(simulacionitca.blogspot.mx, 2014)
(simulacionblacknaze.blogspot.mx, 2014)
(zl.elsevier.es, 2014)



prezi.com. (2014). Retrieved 10 13, 2014, from http://prezi.com/auigzf1e6ko9/41-lenguajes-de-
simulacion-y-simuladores/
simulacionblacknaze.blogspot.mx. (2014). Retrieved 10 13, 2014, from
http://simulacionblacknaze.blogspot.mx/p/unidad-4lenguaje.html
simulacionitca.blogspot.mx. (2014). Retrieved 10 13, 2014, from
http://simulacionitca.blogspot.mx/2012/05/4-lenguajes-de-simulacion.html
simulacionkarla.blogspot.mx. (2014). Retrieved 10 13, 2014, from
http://simulacionkarla.blogspot.mx/p/unidad-iv-lenguajes-de-simulacion.html
zl.elsevier.es. (2014). Retrieved 10 13, 2014, from http://zl.elsevier.es/es/revista/archivos-
sociedad-espanola-oftalmologia-296/articulo/design-and-validation-of-simulator-
90227102