UNIVERSIDAD NACIONAL ABIERTA

AREA DE INGENIERA
CARRERA DE INGENIERA DE SISTEMAS

TRABAJO PRCTICO
ASIGNATURA:
ASIGNATURA:

CD.

SIMULACIN DE SISTEMAS

337

NOMBRE DEL ESTUDIANTE:

CDULA DE IDENTIDAD:
CORREO ELECTRNICO:
TELFONO (S):
CENTRO LOCAL:
LOCAL:
METROPOLITANO (SAN ANTONIO)

CD. CENTRO
0104

CARRERA:
INGENIERA DE SISTEMAS
ASESOR:

CD. CARRERA:
236
PROF.

FIRMA DEL ESTUDIANTE: _____________________________

LAPSO: 2014-2

Tabla de contenido
2

OBJETIVO 4 RUNGE KUTTA...........................................3

2.1
Grafica conseguida con los valores de simulacin para la primera
simulacin 60 das
......................................................................8
2.2
Grafica para la segunda simulacin a 60 das con cambio de
variable en K= 2 x 107 ................................................................10
2.3
Verificacin de las simulaciones, simulacin de contagios
simultneos en el tiempo ...............................................................12

OBJETIVO 7 MONTECARLO.........................................15

CONCLUSIONES........................................................20

BIBLIOGRAFIA..........................................................21

2 OBJETIVO 4 RUNGE KUTTA

En un poblado distante a la capital, se ha presentado un problema
de una enfermedad contagiosa. Los responsables del control
epidemiolgico, quieren determinar la cantidad de habitantes que
probablemente estarn infectados al cabo de 60 das.
Para este caso se puede utilizar una ecuacin diferencial
relativamente elemental para predecir el nmero de individuos de
la poblacin infectados en un tiempo dado. Supngase que todos
los individuos de la poblacin fija tienen la misma probabilidad de
infectarse y que, una vez infectados, permanecen en ese estado.
Si con x(t) se denota al nmero de individuos vulnerables en el
tiempo t y si con y(t) al nmero de los infectados, se supone,
razonablemente, que la rapidez con que el nmero de los
infectados cambia es proporcional al producto de x(t) y y(t),
porque la rapidez depende del nmero de individuos infectados y
del nmero de individuos vulnerables que existen en ese tiempo.
Si la poblacin es lo suficientemente numerosa para suponer que
x(t) y y(t) son variables continuas, podemos expresar el problema
como:
dy
( t ) =kx ( t ) y ( t ) ,
dt
donde k es una constante y x(t) + y(t) = m es la poblacin total.
Suponiendo que m=100.000 y(0) = 1000, k = 2 x 106 , y que el
tiempo se mide en das, encuentre una aproximacin al nmero de
individuos infectados al cabo de 60 das.
Basndose en la situacin anterior, que describe un caso de
propagacin de una enfermedad contagiosa, realice lo siguiente:
Construya un modelo poblacional a travs de ecuaciones de
estado que represente la situacin planteada.
Haga uso del mtodo de Runge Kutta de cuarto orden y
simule el comportamiento de la situacin planteada por un
periodo de 30 das.
Simule y analice cmo se comporta el modelo al variar algn
parmetro al que pueda ser sensible.
3

 Obtenga las grficas que describan la situacin planteada.

Presente el anlisis y las conclusiones de los resultados
obtenidos.

SOLUCION:
MODELO POBLACIONAL
Cualquier persona sabe que las gripes y los resfriados se propagan
rpidamente, especialmente en lugares cerrados como las
oficinas. Nuevas investigaciones pueden aclarar exactamente
cmo enfermedades contagiosas como los resfriados, la influenza
y la tos ferina se pueden propagar dentro una comunidad por
personas que han estado en contacto con otras personas
enfermas. De este modo sea y(t) el nmero de personas que han
contrado la enfermedad y sea x(t) el nmero de personas que no
han contrado la enfermedad y son susceptibles al contagio. Si
suponemos que todos los individuos tienen la misma probabilidad
de contagiarse, y existe un lmite de individuos infectados. Este
lmite es la poblacin total, que designaremos como m, no
siendo una variable que dependa del tiempo para este caso en
particular.
Donde k es la constante de contagio.
Entonces si se introduce o asumiendo una probabilidad como
constante de que uno infecte a otro.
Procedemos primero a evaluar la ecuacin diferencial dada:
Con la condicin inicial:
x 106

y(0) =1.000

y la constante

k=2

dy
6
dy
( t ) =kx ( t ) y ( t )= dt 2 *10 * (100.000 y ) * y
dt

Si observamos la ecuacin vemos una ecuacin diferenciable de

variables separables, para resolver procedemos a realizar los
pasos siguientes:

Paso 1 al separar las variables la ecuacin diferencial nos queda

de la forma:

dy
2 *10 6 dt
(100.000 y )y

dy

=>

(100.000 y)y 2 *10 dt

6

dy

(100.000 y)y

Paso 2 Luego tomamos la integral

por descomposicin en fracciones parciales:

y la resolvemos

1
A
B Ay B(100.000 y )

(100.000 y ) y 100.000 y y
(100.000 y ) y
De donde se despega que: 1 = Ay + B(100.000 y)
Paso 3 Para determinar los valores de A y B resolvemos:

Si y = 0, entonces: 1 = 100.000*B, por lo tanto:

1
100.000

Si y = 100.000, entonces: 1 = 100.000*A, de donde:

1
100.000

Consecuentemente,
dy

(100.000 y) y
1
dy
1
dy
1

Ln( y ) Ln(100.000 y

100.000 100.000 y 100.000 y 100.000

Al resolver nos queda la ecuacin de esta manera:

1
Ln (y ) Ln (100.000 y 2 *10 6 t C
100.000

Donde C, es la constante de integracin.

Paso 4 Despejando y aplicando las propiedades de los logaritmos
la
Ecuacin
queda
as:

y
100.000 2 * 10 6 t C 0,2t C1
Ln
100.000 y
5

Al

tomar

el

antilogaritmo

se

transforma:

y
e 0, 2t C1 C1e 0, 2t
100.000 y
Paso 5 para obtener el valor C de la constante de integracin,
usaremos el valor inicial de la condicin dada y(0)= 1.000, luego
sustituimos y obtenemos:
1.000
C1e 0, 2*0
100.000 1.000

C1

1
99

Paso 6 para obtener la solucin particular de la ecuacin

diferencial, despejamos el valor de y y nos queda:

100.000 * e 0, 2 t
y
99 e 0, 2 t
Aplicamos Runge Kutta de 4to orden con los valores iniciales.

Mtodos de Runge-Kutta de cuarto orden

Uno de los mtodos ms utilizados para resolver numricamente
problemas de ecuaciones diferenciales ordinarias con condiciones
iniciales es el mtodo de Runge-Kutta de cuarto orden, el cual
proporciona un pequeo margen de error con respecto a la
solucin real del problema y es fcilmente programable en un
software para realizar las iteraciones necesarias.
El mtodo de Runge-Kutta se utiliza para resolver ecuaciones
diferenciales de la forma explcita:

O en su forma implcita:

Y es sumamente til para casos en los que la solucin no puede

hallarse por los mtodos convencionales (como separacin de
variables). Hay variaciones en el mtodo de Runge-Kutta de cuarto
orden pero el ms utilizado es el mtodo en el cual se elige un
tamao de paso h y un nmero mximo de iteraciones n.
Para nuestro caso resolver numricamente una ecuacin
diferencial de orden uno con su respectiva condicin inicial,
usando el mtodo de Runge Kutta, de cuarto orden, se proceder

dy
f (t , y )
dt
de la siguiente manera: La ecuacin a simular
con la
condicin inicial

y t 0 y 0

Entonces el mtodo RK4 para este problema est dado por la

siguiente ecuacin:

Donde:

As, el siguiente valor ( Y n+1 ) es determinado por el presente

valor ( Y n ) ms el producto del tamao del intervalo (h) por una
pendiente estimada. La pendiente es un promedio ponderado de
pendientes, donde K 1 es la pendiente al principio del intervalo,
K 2 es la pendiente en el punto medio del intervalo, usando K 1
h
usando el
2
mtodo de Euler. K 3 es otra vez la pendiente del punto medio,
pero ahora usando K 2 para determinar el valor de Y; K 4 es
la pendiente al final del intervalo, con el valor de Y determinado
por K 3 .
para determinar el valor de Yen el punto

x n+

Promediando las cuatro pendientes, se le asigna mayor peso a las

pendientes en el punto medio:

Siendo h el paso correspondiente para conseguir la solucin

numrica, en nuestro caso el valor de h = 1.
Luego efectuamos y cargamos todas las ecuaciones y formulas
siguientes en Excel para que nos muestre la grfica que se
obtendr de la simulacin de acuerdo a los datos obtenidos:
La ecuacin diferencial a resolver es:
dy
2 * 10 6 100.000 y y
dt
, con la condicin inicial: y(0) =1.000.

El K1 quedo definido por:

K 1=hf (x i ; y i )

K1 h * f t n ; y n 2 *10 6 100.000 y n y n 0,2 y n 0,000002 y n2

El K2 quedo definido por:

1
1
K 2=f (x i+ h; y i + k 1h)
2
2

K 2 h * f t n h2 ; y K21 2 *106 (100.000 ( yn1 (k1 / 2))) * ( yn1 (k1 / 2))

El K3 quedo definido por:

1
1
K 3=f (x i+ h ; yi + k 2h)
2
2

K 3 h * f t n h2 ; y K22 2 *106 (100.000 ( yn1 (k2 / 2))) * ( yn1 ( k2 / 2))

El K4 quedo definido por:

K 4 =f ( xi +h ; y i +k 3h)

K 4 h * f t n h; y k3 2 *10 6 (100.000 ( yn1 k3 )) * ( yn1 k3 )

Estas ecuaciones las utilizamos en Excel y conseguimos la solucin
numrica de la ecuacin planteada, con la condicin inicial dada.
8

2.1 Grafica conseguida con los valores de simulacin para

la primera simulacin 60 das.

Nmero de Individuos Infectados en 60 das

ti

Yi
Figura 1

Tabla con los datos de la primera simulacin:

ti
0
1
2
3
4
5
6
7
8
9
1
0
1
1

Yi

1000.0000
0
1218.7019
3
1484.5172
1
1807.2497
0
2198.5781
7
2672.3360
2
3244.7941
7
3934.9245
6
4764.6099
0
5758.7491
5
6945.1898
6
8354.3977
1

K1
198.00000
240.76992
292.49586
354.91764
430.04814
520.18444
627.90145
756.01765
907.51896
1085.4234
5
1292.5666
5
1531.2876
2

K2
217.3844
0
264.2310
7
320.8342
4
389.0635
7
471.0695
0
569.2873
8
686.4196
5
825.3838
9
989.2111
2
1180.875
36
1403.033
71
1657.657
99

K3
219.28004
266.51408
323.57525
392.34204
474.97277
573.90848
691.85325
831.71976
996.52440
1189.2130
2
1412.3971
0
1667.9820
4

K4
240.8827
2
292.6314
7
355.0801
0
430.2419
4
520.4144
4
628.1726
9
756.3351
0
907.8870
7
1085.845
52
1293.044
08
1531.818
87
1803.579
76

funcin
1000.0000
0
1218.7045
1
1484.5234
4
1807.2609
7
2198.5962
3
2672.3631
0
3244.8330
0
3934.9785
0
4764.6829
6
5758.8460
4
6945.3159
7
8354.5590
1

Error
0.00000
0.00258
0.00623
0.01126
0.01806
0.02708
0.03884
0.05395
0.07307
0.09689
0.12611
0.16130

1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0
3
1
3
2
3
3
3
4
3
5
3
6
3
7
3
8
3
9
4
0
4
1

10018.755
62
11971.374
97
14244.310
90
16866.114
08
19858.737
88
23233.957
64
26989.643
47
31106.424
49
35545.432
71
40247.835
41
45136.689
36
50121.260
32
55103.422
29
59985.237
79
64676.507
60
69101.086
22
73201.086
39
76938.613
47
80295.196
60
83269.463
17
85873.769
09
88130.467
67
90068.346
29
91719.562
49
93117.228
42
94293.657
03
95279.199
71
96101.566
03
96785.508
45
97352.764
87

1803.0002
0
2107.6473
6
2443.0613
9
2804.2912
1
3183.0086
4
3567.1579
5
3941.0469
8
4286.0656
1
4582.1309
7
4809.7905
7
4952.6964
2
4999.9705
9
4947.9101
6
4800.5900
5
4569.2002
5
4270.2970
1
3923.4191
8
3548.6222
1
3164.4021
3
2786.2856
4
2426.1453
8
2092.1348
7
1789.0552
5
1518.9562
1
1281.8092
3
1076.1438
9
899.58815
749.29122
622.23240
515.43132

1945.547
17
2265.728
13
2614.783
81
2986.193
31
3369.822
66
3751.753
05
4114.650
85
4438.838
64
4704.098
45
4892.035
27
4988.604
82
4986.258
14
4885.166
70
4693.197
15
4424.641
65
4098.044
67
3733.667
40
3351.135
92
2967.663
04
2597.007
49
2249.132
33
1930.398
19
1644.085
92
1391.062
22
1170.451
59
980.2321
5
817.7182
6
679.9235
0
563.8158
9
466.4842
9

1956.6784
1
2277.4056
5
2626.6296
4
2997.7209
1
3380.4722
0
3760.9592
9
4121.9409
7
4443.9450
3
4707.0581
1
4893.2404
3
4988.7756
0
4986.3299
4
4886.1156
0
4695.8516
2
4429.5349
5
4105.3458
2
3743.1987
7
3362.4572
4
2980.1867
4
2610.1113
3
2262.2463
8
1943.0576
8
1655.9521
3
1401.9196
7
1180.1909
9
988.82733
825.20256
686.36899
569.31663
471.14387

2108.264
77
2443.700
63
2804.930
84
3183.623
12
3567.720
25
3941.532
31
4286.455
52
4582.416
36
4809.972
13
4952.781
71
4999.968
52
4947.825
04
4800.418
27
4568.931
23
4269.918
28
3922.923
02
3548.011
00
3163.690
23
2785.497
73
2425.312
27
2091.288
65
1788.225
13
1518.165
84
1281.075
55
1075.477
27
898.9932
2
748.7681
8
621.7782
7
515.0410
8
425.7475
1

10018.958
50
11971.625
94
14244.616
13
16866.478
87
19859.165
97
23234.450
55
26990.199
83
31107.039
69
35546.098
71
40248.541
10
45137.421
21
50122.003
50
55104.161
92
59985.960
18
64677.201
23
69101.742
35
73201.699
17
76939.179
71
80295.715
28
83269.934
87
85874.195
49
88130.851
10
90068.689
47
91719.868
31
93117.499
82
94293.896
92
95279.410
94
96101.751
34
96785.670
44
97352.906
01

0.20288
0.25097
0.30523
0.36479
0.42809
0.49290
0.55636
0.61520
0.66600
0.70568
0.73185
0.74318
0.73963
0.72239
0.69363
0.65613
0.61278
0.56624
0.51868
0.47170
0.42639
0.38343
0.34318
0.30582
0.27140
0.23989
0.21123
0.18531
0.16199
0.14114

10

4
2
4
3
4
4
4
5
4
6
4
7
4
8
4
9
5
0
5
1
5
2
5
3
5
4
5
5
5
6
5
7
5
8
5
9
6
0

97822.170
73
98209.872
28
98529.591
81
98792.910
73
99009.548
79
99187.626
20
99333.901
69
99453.983
90
99552.515
56
99633.332
18
99699.597
19
99753.916
21
99798.433
10
99834.910
14
99864.794
97
99889.276
00
99909.328
38
99925.751
92
99939.202
44

132.33229

385.2370
6
317.6518
5
261.5918
4
215.2007
0
176.8847
1
145.2882
2
119.2666
0

120.55740

351.3351
7
289.5208
9
238.3057
4
195.9632
0
161.0177
0
132.2186
1
108.5129
5

108.60695

97.85896

98.92313

89.01881

89.09640

80.26253

81.13876

73.00072

73.06467

65.80912

66.52986

59.84743

59.90008

53.94427

54.53661

49.05234

49.09564

44.20904

44.69552

40.19654

40.23212

36.22432

36.62364

32.93424

32.96346

29.67746

30.00508

26.98046

27.00444

24.31094

24.57963

22.10060

22.12028

19.91291

20.13320

18.10175

18.11788

16.30922

16.48979

14.82536

14.83859

13.35683

13.50480

12.14128

12.15212

10.93831

11.05956

9.94265

426.07997
351.61643
289.75744
238.50373
196.12825
161.15486

389.16002
320.93807
264.33333
217.48003
178.77453
146.85154

97822.293
30
98209.978
42
98529.683
46
98792.989
67
99009.616
63
99187.684
36
99333.951
46
99454.026
40
99552.551
79
99633.363
02
99699.623
40
99753.938
46
99798.451
95
99834.926
11
99864.808
47
99889.287
41
99909.338
00
99925.760
03
99939.209
28

0.12258
0.10614
0.09166
0.07895
0.06784
0.05816
0.04977
0.04250
0.03623
0.03084
0.02621
0.02225
0.01886
0.01596
0.01350
0.01140
0.00963
0.00812
0.00684

2.2 Grafica para la segunda simulacin a 60 das con

cambio de variable en K= 2 x 107

11

Contagios para 60dias con K= 2x10-7

ti

Yi

Tabla con los datos de la segunda simulacin 60 das y cambio

de variable de la constante K= 2x10-7
ti

Yi

K1

K2

K3

K4

funci
n

Error

1000.00000

19.80000

19.99402

19.99592

20.19184

1000.00000

0.0000000

1019.99529

20.19183

20.38961

20.39154

20.59126

1019.99529

0.0000000

1040.38618

20.59124

20.79285

20.79482

20.99840

1040.38618

0.0000001

1061.18035

20.99839

21.20389

21.20590

21.41341

1061.18035

0.0000001

1082.38558

21.41340

21.62288

21.62492

21.83644

1082.38558

0.0000001

1104.00982

21.83643

22.04995

22.05204

22.26763

1104.00982

0.0000001

1126.06116

22.26762

22.48526

22.48738

22.70714

1126.06116

0.0000002

1148.54783

22.70712

22.92895

22.93112

23.15511

1148.54783

0.0000002

1171.47823

23.15509

23.38119

23.38340

23.61169

1171.47823

0.0000002

1194.86089

23.61168

23.84213

23.84437

24.07706

1194.86089

0.0000003

10

1218.70451

24.07704

24.31191

24.31421

24.55136

1218.70451

0.0000003

11

1243.01795

24.55134

24.79072

24.79305

25.03475

1243.01795

0.0000003

12

1267.81023

25.03474

25.27870

25.28108

25.52741

1267.81023

0.0000004

13

1293.09051

25.52739

25.77603

25.77845

26.02950

1293.09051

0.0000004

14

1318.86816

26.02948

26.28288

26.28534

26.54118

1318.86816

0.0000005

15

1345.15267

26.54117

26.79940

26.80191

27.06264

1345.15267

0.0000005

16

1371.95375

27.06262

27.32579

27.32835

27.59404

1371.95375

0.0000005

17

1399.28123

27.59403

27.86221

27.86481

28.13557

1399.28123

0.0000006

18

1427.14517

28.13555

28.40884

28.41149

28.68740

1427.14517

0.0000006

19

1455.55578

28.68739

28.96587

28.96857

29.24972

1455.55578

0.0000007

20

1484.52344

29.24971

29.53348

29.53623

29.82272

1484.52344

0.0000007

21

1514.05875

29.82270

30.11185

30.11466

30.40657

1514.05875

0.0000008

22

1544.17247

30.40656

30.70118

30.70404

31.00148

1544.17247

0.0000008

23

1574.87555

31.00146

31.30167

31.30457

31.60764

1574.87555

0.0000009

24

1606.17914

31.60762

31.91349

31.91645

32.22524

1606.17914

0.0000009

25

1638.09460

32.22522

32.53686

32.53988

32.85449

1638.09460

0.0000010

26

1670.63347

32.85447

33.17198

33.17505

33.49558

1670.63347

0.0000010

27

1703.80748

33.49556

33.81904

33.82217

34.14872

1703.80748

0.0000011

28

1737.62860

34.14870

34.47826

34.48144

34.81413

1737.62860

0.0000012

12

29

1772.10897

34.81411

35.14985

35.15308

35.49200

1772.10897

0.0000012

30

1807.26097

35.49198

35.83401

35.83730

36.18256

1807.26097

0.0000013

31

1843.09716

36.18254

36.53096

36.53432

36.88603

1843.09716

0.0000014

32

1879.63035

36.88600

37.24093

37.24435

37.60261

1879.63035

0.0000014

33

1916.87355

37.60259

37.96413

37.96760

38.33254

1916.87355

0.0000015

34

1954.83998

38.33252

38.70078

38.70432

39.07604

1954.83998

0.0000016

35

1993.54311

39.07602

39.45112

39.45472

39.83334

1993.54311

0.0000017

36

2032.99662

39.83332

40.21537

40.21904

40.60467

2032.99662

0.0000017

37

2073.21442

40.60464

40.99377

40.99750

41.39026

2073.21442

0.0000018

38

2114.21066

41.39024

41.78655

41.79034

42.19035

2114.21066

0.0000019

39

2155.99972

42.19033

42.59395

42.59781

43.00518

2155.99973

0.0000020

40

2198.59623

43.00516

43.41621

43.42014

43.83500

2198.59623

0.0000021

41

2242.01504

43.83497

44.25357

44.25757

44.68004

2242.01504

0.0000022

42

2286.27125

44.68002

45.10629

45.11035

45.54056

2286.27126

0.0000023

43

2331.38023

45.54054

45.97461

45.97874

46.41681

2331.38023

0.0000024

44

2377.35757

46.41679

46.85878

46.86298

47.30904

2377.35758

0.0000025

45

2424.21913

47.30901

47.75906

47.76334

48.21751

2424.21913

0.0000026

46

2471.98102

48.21748

48.67570

48.68006

49.14247

2471.98102

0.0000027

47

2520.65959

49.14245

49.60898

49.61340

50.08420

2520.65960

0.0000028

48

2570.27150

50.08417

50.55914

50.56364

51.04295

2570.27150

0.0000029

49

2620.83361

51.04292

51.52646

51.53104

52.01899

2620.83361

0.0000030

50

2672.36310

52.01896

52.51121

52.51587

53.01259

2672.36310

0.0000031

51

2724.87738

53.01256

53.51365

53.51839

54.02402

2724.87738

0.0000033

52

2778.39415

54.02399

54.53406

54.53888

55.05356

2778.39416

0.0000034

53

2832.93139

55.05353

55.57272

55.57761

56.10148

2832.93139

0.0000035

54

2888.50734

56.10145

56.62990

56.63488

57.16807

2888.50734

0.0000036

55

2945.14051

57.16804

57.70588

57.71094

58.25361

2945.14052

0.0000038

56

3002.84973

58.25357

58.80095

58.80610

59.35837

3002.84973

0.0000039

57

3061.65407

59.35834

59.91540

59.92062

60.48265

3061.65407

0.0000040

58

3121.57291

60.48261

61.04950

61.05481

61.62673

3121.57291

0.0000042

59

3182.62590

61.62670

62.20355

62.20894

62.79091

3182.62591

0.0000043

60

3244.83300

62.79087

63.37783

63.38332

63.97547

3244.83300

0.0000045

2.3 Verificacin de las simulaciones, simulacin de

contagios simultneos en el tiempo

13

Contagiados simultaneos

ti

funcion

Yi

Tabla con los valores de la simulacin de contagios simultneos

ti

funcin

Yi

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

1000
1218.70451
1484.52344
1807.26097
2198.59623
2672.3631
3244.833
3934.9785
4764.68296
5758.84604
6945.31597
8354.55901
10018.9585
11971.6259
14244.6161
16866.4789
19859.166
23234.4505
26990.1998
31107.0397
35546.0987
40248.5411
45137.4212
50122.0035
55104.1619
59985.9602
64677.2012
69101.7424
73201.6992
76939.1797

1000.00000000
1218.70193383
1484.51721481
1807.24970353
2198.57816928
2672.33602231
3244.79416633
3934.92455886
4764.60989507
5758.74914733
6945.18985918
8354.39771294
10018.75561797
11971.37497338
14244.31089609
16866.11408338
19858.73787880
23233.95764495
26989.64346717
31106.42449251
35545.43271010
40247.83541339
45136.68936106
50121.26032403
55103.42228958
59985.23779485
64676.50760037
69101.08622074
73201.08638835
76938.61347170

14

30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83

80295.7153
83269.9349
85874.1955
88130.8511
90068.6895
91719.8683
93117.4998
94293.8969
95279.4109
96101.7513
96785.6704
97352.906
97822.2933
98209.9784
98529.6835
98792.9897
99009.6166
99187.6844
99333.9515
99454.0264
99552.5518
99633.363
99699.6234
99753.9385
99798.452
99834.9261
99864.8085
99889.2874
99909.338
99925.76
99939.2093
99950.2233
99959.2426
99966.6282
99972.6758
99977.6277
99981.6824
99985.0023
99987.7206
99989.9463
99991.7685
99993.2606
99994.4821
99995.4823
99996.3012
99996.9717
99997.5206
99997.97
99998.338
99998.6393
99998.8859
99999.0879
99999.2532
99999.3886

80295.19659976
83269.46316862
85873.76909307
88130.46766780
90068.34629334
91719.56249338
93117.22841683
94293.65702573
95279.19970755
96101.56603442
96785.50844821
97352.76486910
97822.17072667
98209.87228083
98529.59180605
98792.91072596
99009.54879102
99187.62619573
99333.90169492
99453.98390025
99552.51555908
99633.33217736
99699.59718599
99753.91621368
99798.43309620
99834.91014244
99864.79497346
99889.27600375
99909.32837666
99925.75191736
99939.20243792
99950.21752348
99959.23774901
99966.62412049
99972.67240175
99977.62487612
99981.67999726
99985.00030502
99987.71891585
99989.94484321
99991.76735792
99993.25956093
99994.48131043
99995.48161970
99996.30062114
99996.97117490
99997.52018632
99997.96968475
99998.33770711
99998.63902130
99998.88571863
99999.08769885
99999.25306741
99999.38846056

15

84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

99999.4994
99999.5901
99999.6644
99999.7253
99999.7751
99999.8158
99999.8492
99999.8766
99999.8989
99999.9173
99999.9323
99999.9445
99999.9546
99999.9628
99999.9696
99999.9751
99999.9796

99999.49931172
99999.59006944
99999.66437594
99999.72521323
99999.77502280
99999.81580359
99999.84919221
99999.87652860
99999.89890983
99999.91723409
99999.93223678
99999.94451999
99999.95457666
99999.96281039
99999.96955163
99999.97507090
99999.97958972

Anlisis y conclusiones de los resultados:

Como se demostr en las grficas y tablas contentivas de la data
simulada anteriormente, el mtodo nos demuestra que el nmero
de individuos va en aumento al transcurrir el tiempo.
En la ltima simulacin de los contagios simultneos podemos
observar que ambas graficas estn superpuestas, lo que
demuestra que El mtodo de Runge Kutta es un mtodo
bondadoso para resolver este tipo de situaciones numricas, pues
vemos en la tabla como se estabiliza en el tiempo y el aumento es
menor al pasar de los 60 das hasta llegar a los 100 das y el
aumento es insignificante.

3 OBJETIVO 7 MONTECARLO

El gobierno de un pas suramericano est diseando la

construccin de una represa, la cual ser utilizada para generar
energa elctrica y para el control de flujo de aguas. La capacidad
de la represa ser inicialmente de 4 unidades. La funcin de
probabilidad de la cantidad de agua que fluye a la represa en el
mes es la siguiente:

16

El nivel del embalse al final de un mes est dado por:

Si el agua en la represa excede la capacidad mxima, el agua
sobrante se bota a travs del vertedero, que es de flujo libre. Para
generar energa se requieren mensualmente una o dos unidades
con igual probabilidad, que se sueltan al final de cada mes. Si en la
represa hay menos de la cantidad requerida, se genera energa
con el agua disponible, es decir, se suelta toda el agua.
Sobre la base de la situacin planteada desarrolle un modelo de
simulacin de Monte Carlo de la operacin de la represa y
determine:

La distribucin del nivel del embalse al final del mes.

La cantidad media de agua que se vierte al mes.
La demanda media que se satisface.

Considere que:
El nivel del embalse al final de un mes est dado por:
Embalse al final del mes = Embalse inicial + Agua que entra
Agua que sale
Embalse: es el volumen de agua que queda retenido por la presa.
SOLUCION: Desarrollo del modelo
El nivel del embalse al final de un mes est dado por:
Embalse al final del mes = Embalse inicial + Agua que entra Agua que sale
El nivel del embalse al principio de un mes es igual al nivel del
embalse al final del mes anterior.
Por lo tanto, si Et representa el nivel del embalse al final del mes t,
se tiene que:

17

Et = Et-1 + At St
donde At corresponde al agua que llega a la
represa, y St al agua que sale de la represa, bien sea el agua que
se vierte o que se suelta para generar energa.
El procedimiento general de simulacin para un mes cualquiera se
puede representar por los siguientes pasos:
Se determina el agua que llega a la represa At
Se calcula el volumen inicial del embalse, agregando el
agua que llega: Et = Et-1 + At
Si el volumen del embalse excede la capacidad del mismo
se calcula el agua que se vierte y el embalse queda en su
nivel mximo.
Si Et > Cap

Vt = Et - Cap
Et = Cap

Se calcula la demanda mensual para generar energa Dt

Si el nivel del embalse es igual o superior a la demanda, se
satisface toda la demanda, y al nivel del embalse se le resta
la demanda.
Si Et Dt

DSt = Dt
Et = Et - Dt

Si el nivel del embalse es inferior a la demanda, se

satisface parte de la demanda, y al nivel del embalse se
hace igual a cero.
Si Et < Dt

DSt = Et
Et = 0

Donde Cap representa la capacidad de la represa, V t

el
vertimiento en el mes t, y DSt la demanda satisfecha en el mes t.
Para terminar de desarrollar el modelo, se requiere determinar
cmo se genera el agua que llega al embalse y la demanda de
energa.
Para calcular el agua que llega al embalse, que es un fenmeno
aleatorio, se efecta mediante la ayuda de los nmeros aleatorios.
18

Para ello se genera un nmero aleatorio A1 en Excel y luego se

hace una correspondencia entre dicho nmero y las probabilidades
respectivas de que llegue cierta cantidad de agua al embalse. Es
decir, el nmero aleatorio A1, con un rango de variacin de 0 a
uno, debe representar las diferentes posibilidades de llegar agua al
embalse, con los valores de 0, 1, 2 y 3. El rango de variacin de
cero a uno debe dividirse en 100 partes, y asignarse 20% a la
posibilidad de que no llegue agua en el mes, 20% a la posibilidad
de que llegue una unidad, 30% a la posibilidad de que lleguen dos
unidades y finalmente 30% a la posibilidad de que lleguen tres
unidades de agua. La tabla siguiente presenta una posible
asignacin del nmero aleatorio A1 a las diferentes cantidades de
agua que pueden llegar al embalse.

Valores del Nmero Aleatorio A1

0.2
20
A1 < 20

0.2
0.3
40
70
20 <= A1 < 40
40 <= A1 < 70
Agua que llega al embalse

0.3
100
A1 >= 70

La distribucin de la probabilidad quedara de la siguiente forma:

Si A1 < 20

=>

Agua que llega = 0

Si 20 A1 < 40 =>

Agua que llega = 1

Si 40 A1 < 70 =>

Agua que llega = 2

Si A1 70

Agua que llega = 3

=>

Para calcular la demanda de agua se hace de manera equivalente,

pero slo con dos valores (cero y uno) con igual probabilidad. Es
decir, se genera otro nmero aleatorio A2 y la demanda se calcula
de la siguiente manera:
Si A2 < 50

=>

Si A2 50

=>

Demanda de agua = 1
Demanda de agua = 2

En la imagen 1 se muestra el diagrama de flujo para la simulacin

y en la tabla 1 como se realizaron los clculos para un periodo de
30 meses.
19

Diagrama de Flujo Simulacin del flujo de la Represa

20

Imagen 1

Mes

Emba
lse
Inicia
l (Et)

1
2
3
4
5
6
7
8
9
10
11
12

4
3
3
2
2
2
2
0
2
2
1
0

Aleatorio
A1

A1 *
100

Unida
des de
agua
que
llegan
a la
repres
a (At)

Nmero
de
unidades
derramad
as por
exceso
(Vt)

Emb
alse
Inter
medi
o (Et)

Aleat
orio
A2

A2 *
100

Demanda
para
generar
energa
(Dt)

Deman
da
disponi
ble
Capaci
dad
(DSt)

Embalse
al final
del mes
(Et)

4
0.328
0.368
0.806
0.374
0.283
0.418
0.111
0.976
0.327
0.390
0.152
0.251

33
37
81
37
28
42
11
98
33
39
15
25

1
1
3
1
1
2
0
3
1
1
0
1

1
0
2
0
0
0
0
0
0
0
0
0

4
4
4
3
3
4
2
3
3
3
1
1

0.131
0.448
0.827
0.036
0.368
0.610
0.941
0.458
0.411
0.902
0.328
0.772

13
45
83
4
37
61
94
46
41
90
33
77

1
1
2
1
1
2
2
1
1
2
1
2

1
1
2
1
1
2
2
1
1
2
1
1

3
3
2
2
2
2
0
2
2
1
0
0

21

13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Prom
edio

0
1
2
2
1
2
3
2
2
2
3
1
1
1
1
0
0
0

0.592
0.819
0.865
0.144
0.975
0.628
0.883
0.319
0.832
0.570
0.012
0.541
0.432
0.412
0.133
0.633
0.317
0.570

59
82
87
14
98
63
88
32
83
57
1
54
43
41
13
63
32
57

2
3
3
0
3
2
3
1
3
2
0
2
2
2
0
2
1
2

1.6
5

0
0
1
0
0
0
2
0
1
0
0
0
0
0
0
0
0
0

2
4
4
2
4
4
4
3
4
4
3
3
3
3
1
2
1
2

0.084
0.981
0.969
0.102
0.670
0.304
0.537
0.022
0.899
0.432
0.580
0.585
0.969
0.736
0.451
0.868
0.945
0.729

1.
0.482

60

8
98
97
10
67
30
54
2
90
43
58
59
97
74
45
87
95
73

1
2
2
1
2
1
2
1
2
1
2
2
2
2
1
2
2
2

1
2
2
1
2
1
2
1
2
1
2
2
2
2
1
2
1
2

0.
0.233

2.93

570

1
2
2
1
2
3
2
2
2
3
1
1
1
1
0
0
0
0
1.5

1.57

1.52

22

4 CONCLUSIONES
En el objetivo 4 el problema planteado sobre lo que son las
enfermedades contagiosas, se realiz una serie de simulaciones
para conocer la cantidad de individuos que pueden contagiarse en
determinado tiempo x, en este caso usamos el mtodo de Runge
Kutta, uno de los mtodos ms utilizados y exactos, de cuarto
orden, que exige un mayor nmero de operaciones y que en cada
paso toma el promedio ponderado de cuatro pendientes.
En este objetivo pudimos observar que el contagio siempre va en
aumento de acuerdo al incremento del tiempo, si no existe ningn
otra variable que pueda variar el modelo este continuara de la
misma manera, se realiz una comparacin simultanea para 100
das donde se puede ver con claridad que las dos graficas se
superponen, demostrando que la simulacin inicial siempre ser la
misma el incremento ser continuo.
En el objetivo 7 el problema de la represa en este objetivo
realizamos la simulacin utilizando el mtodo de Monte Carlo el
cual es un mtodo que maneja la simulacin a travs de la
generacin de nmeros aleatorios para simular en este caso la
entrada de agua en la represa de acuerdo a unas variables de
estado, adems de la simulacin de nmeros aleatorios para la
generacin de la energa.
Estas simulaciones basadas en la generacin de nmeros
aleatorios para el caso de la represa, utilizamos la generacin de
nmeros aleatorios de la funcin de Excel, que se generan para
entregarnos valores entre 0 y 1, el cual tomamos los valores
aproximados, para luego usar los condicionales para que cumplan
determinados valores y as poder realizar la simulacin de la
entrada de agua a la represa, del mismo modo lo hacemos para la
generacin de energa, esto con la finalidad de ver cmo se
comporta una represa en un periodo determinando de tiempo en
diferentes condiciones.

23

5 BIBLIOGRAFIA
Universidad Nacional Abierta (2006) Investigacin de Operaciones
II (309). Elaborado por Gutierrez, M. Caracas.

https://jaimesotou.files.wordpress.com/2011/05/metodomontecarlo-03.pdf
Consultada enero 2014

24