SIMULACION Y MODELACION: Son los trminos que utilizamos para designar
el conjunto de sistemas, y su utilizacin para realizar experimentos
SISTEMA: Conjunto de elementos colaborativos para un fin comn ENTIDADES: Son todos los elementos importantes del sistema. ATRIBUTOS: Caractersticas que definen asociadamente a la entidad ESTADOS: Caracterizacin de los atributos en un momento dado. SECUENCIAS: Son las transiciones que se van a tener para definir al sistema. MODELO: Representacin de la construccin y el funcionamiento de cierto sistema de inters. CLASIFICACION DE LOS MODELOS: DINAMICOS: Son entidades en funcin al tiempo. DETERMINISTICOS: Condiciones de solucin nica, su funcin siempre es la misma. ESTOCASTICO: Modelo que no se puede determinar su componente, sus funciones son al azar. FISICAS: Son modelos tangibles. DATOS CONTINUOS: Son estados graduales, variables, dinmicos. DATOS DISCRETOS: Son los modelos donde su evolucin no se toman en cuenta. Solo toma el momento en que se est consumiendo el hecho. MUESTRA: Es un subconjunto de una poblacin que contienen ciertas caractersticas. PROPORCION MUESTRAL: Son las caractersticas que poseen los elementos de la muestra. ESPACIO MUESTRAL: Son un conjunto de los posibles resultados de nuestro estudio, son escenarios de la muestra. SIMULACION Y MODELACION: Son los trminos que utilizamos para designar el conjunto de sistemas, y su utilizacin para realizar experimentos SISTEMA: Conjunto de elementos colaborativos para un fin comn ENTIDADES: Son todos los elementos importantes del sistema. ATRIBUTOS: Caractersticas que definen asociadamente a la entidad ESTADOS: Caracterizacin de los atributos en un momento dado. SECUENCIAS: Son las transiciones que se van a tener para definir al sistema. MODELO: Representacin de la construccin y el funcionamiento de cierto sistema de inters. CLASIFICACION DE LOS MODELOS: DINAMICOS: Son entidades en funcin al tiempo. DETERMINISTICOS: Condiciones de solucin nica, su funcin siempre es la misma. ESTOCASTICO: Modelo que no se puede determinar su componente, sus funciones son al azar. FISICAS: Son modelos tangibles. DATOS CONTINUOS: Son estados graduales, variables, dinmicos. DATOS DISCRETOS: Son los modelos donde su evolucin no se toman en cuenta. Solo toma el momento en que se est consumiendo el hecho. MUESTRA: Es un subconjunto de una poblacin que contienen ciertas caractersticas. PROPORCION MUESTRAL: Son las caractersticas que poseen los elementos de la muestra. ESPACIO MUESTRAL: Son un conjunto de los posibles resultados de nuestro estudio, son escenarios de la muestra.
EVENTO DE UN ESPACIO MUESTRAL: Es un conjunto del espacio muestra
que cumpla con las restricciones COMPLEMENTO: VARIABLES DISCRETOS: Son las variables que tienen resultados finitos, se pueden contar. VARIABLES ALEATORIAS: Son variables que pueden tomar un valor en funcin al momento del modelo. S DISCRETO: Donde el resultado tiene un numero determinador de soluciones. S CONTINUOS: Es cuando tiene una infinidad no numerable de puntos mustrales. MODELOS DISCRETOS: Tcnicas para determinar o modelar sistemas dinmicos. Controla la variable del tiempo. 2 Tcnicas: rbol de Decisin, Modelo de Markov. ARBOL DE DECISIN: Se basa en la decisin ms acertada en funcin de las variables. PASOS: Definir el Problema rbol de Decisin Asignar Probabilidades Estimar Resultados Resolver un Problema. MODELO DE MARKOV: No son predecibles, sacan probabilidades y estn definidas por una lnea de tiempo. Es un proceso estocstico. ESPACIOS PARAMETRICOS: Son todos los posibles valores que van a tomar el concepto de tiempo. ESPACIO TIEMPO: Son todos los posibles valores que pueden definir el proceso. PROPIEDAD MARKOVIANA: Es una probabilidad donde el valor futuro de una variable aleatoria depende de su valor presente. P = (Xn+1=Sn+1|Xn=Sn) EVENTO DE UN ESPACIO MUESTRAL: Es un conjunto del espacio muestra que cumpla con las restricciones COMPLEMENTO: VARIABLES DISCRETOS: Son las variables que tienen resultados finitos, se pueden contar. VARIABLES ALEATORIAS: Son variables que pueden tomar un valor en funcin al momento del modelo. S DISCRETO: Donde el resultado tiene un numero determinador de soluciones. S CONTINUOS: Es cuando tiene una infinidad no numerable de puntos mustrales. MODELOS DISCRETOS: Tcnicas para determinar o modelar sistemas dinmicos. Controla la variable del tiempo. 2 Tcnicas: rbol de Decisin, Modelo de Markov. ARBOL DE DECISIN: Se basa en la decisin ms acertada en funcin de las variables. PASOS: Definir el Problema rbol de Decisin Asignar Probabilidades Estimar Resultados Resolver un Problema. MODELO DE MARKOV: No son predecibles, sacan probabilidades y estn definidas por una lnea de tiempo. Es un proceso estocstico. ESPACIOS PARAMETRICOS: Son todos los posibles valores que van a tomar el concepto de tiempo. ESPACIO TIEMPO: Son todos los posibles valores que pueden definir el proceso. PROPIEDAD MARKOVIANA: Es una probabilidad donde el valor futuro de una variable aleatoria depende de su valor presente. P = (Xn+1=Sn+1|Xn=Sn)