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)