Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura Complementaria Simulación de Colas PDF
Lectura Complementaria Simulación de Colas PDF
RESUMEN
En la Teora de Colas, en ocasiones, es preciso recurrir a la simulacin de
fenmenos de espera generando valores de entrada y salida de acuerdo con los distintos
modelos existentes. Para realizar dicha simulacin es posible recurrir a determinadas
aplicaciones informticas especializadas en este tipo de clculos o hacer uso de
aplicaciones de uso general como las hojas de clculo. En el presente trabajo probamos
la idoneidad de dicha simulacin utilizando las funciones estadsticas propias de la
versin 2003 de la conocida aplicacin Microsoft Excel. Adems de comprobar el
funcionamiento de dichas funciones, se han programando mediante el uso de Visual
Basic para Aplicaciones (VBA) aquellas otras que son necesarias para tener recogidas
todas las posibilidades y que no son incorporadas por Excel, probando tambin que
cumplen todos los requisitos que son exigibles para este tipo de clculos.
Juan J. Bernal Garca, Soledad M. Martnez Mara Dolores, Juan F. Snchez Garca
1. INTRODUCCIN
Junto con los resultados proporcionados por la Teora de Colas, en ocasiones, es
preciso recurrir a la simulacin de fenmenos de espera generando valores de entrada y
de salida de acuerdo con diferentes modelos que existen en la Teora. Para realizar dicha
simulacin se pueden usar aplicaciones especficas, o bien utilizar aplicaciones de uso
general como las hojas de clculo.
Escudero
Rubinstein),
que
tambin
sirven
para
generar
valores
pseudoaleatorios:
1. Mtodo de los cuadrados medios.
2. Tcnica de mitad del producto.
3. Mtodo del multiplicador constante.
4. Mtodo congruencial.
5. Mtodo congruencial aditivo.
6. Mtodo congruencial lineal.
En las figuras 1 a 4 se muestran, para un nivel de confianza del 95%, las pruebas
de Kolmogorov-Smirnov, 2 , de rachas y de los promedios que se han realizado sobre
1000 valores simulados utilizando la funcin ALEATORIO() de Excel. Tras efectuar
diversas tiradas aleatorias comprobamos que las pruebas resultan satisfactorias en todos
los casos.
CLASE
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
TOTAL
FRECUENCIA
81
106
96
96
110
107
99
84
107
114
1000
F.R.ACUM.
0,081
0,187
0,283
0,379
0,489
0,596
0,695
0,779
0,886
1
TERICA
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
DIFERENCIA
0,019
0,013
0,017
0,021
0,011
0,004
0,005
0,021
0,014
0,000
TEST KOLMOGOROV-SMIRNOV
Diferencia mxima
0,021
Estimador Kolmogorov-Smirnov
D0,05;1000
0,043
NO SE RECHAZA LA HIPTESIS DE UNIFORMIDAD
Figura 1
CLASE
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
TOTAL
FRECUENCIA
81
106
96
96
110
107
99
84
107
114
1000
F. TERICA
CHI CUADRADO
100
3,610
100
0,360
100
0,160
100
0,160
100
1,000
100
0,490
100
0,010
100
2,560
100
0,490
100
1,960
10,8
Figura 2
TEST DE RACHAS
U
667
MEDIA
666,333
DESV.TPICA
13,321
Z
0,050
Z0,025
1,960
NO SE RECHAZA LA HIPTESIS DE UNIFORMIDAD
Figura 3
Figura 4
Juan J. Bernal Garca, Soledad M. Martnez Mara Dolores, Juan F. Snchez Garca
3.
GENERACIN
DE
VARIABLES
ALEATORIAS
CON
DISTRIBUCIN NO UNIFORME
3.1. Mtodos de generacin
Existen diversas tcnicas para generar variables aleatorias cuya distribucin no
es uniforme.
3.1.1. Tcnica de la transformada inversa (figura 5).
Figura 5
Figura 6
Juan J. Bernal Garca, Soledad M. Martnez Mara Dolores, Juan F. Snchez Garca
el valor inverso de la distribucin acumulativa normal para la media y desviacin tpica especificadas,
siendo la probabilidad un valor pseudoaleatorio uniformemente distribuido entre 0 y1.
Juan J. Bernal Garca, Soledad M. Martnez Mara Dolores, Juan F. Snchez Garca
Figura 5
1
xi = ln U i
TOTAL
FRECUENCIA
1120
4260
7317
8702
7548
5321
3070
1586
705
253
75
35
8
40000
0
1
2
3
4
5
6
7
8
9
10
11
12
TOTALES
FRECUENCIA
SIMULADA
1120
4260
7317
8702
7548
5321
3070
1586
705
253
75
35
8
40000
0
1
2
3
4
5
6
7
8
9
10
11
12
SIMULACIN POISSON
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
0
POISSON SIMULADA
FRECUENCIA
TERICA
1208
4228
7398
8631
7552
5287
3084
1542
675
262
92
29
9
40000
TEST KOLMOGOROV-SMIRNOV
Diferencia mxima
Estimador Kolmogorov-Smirnov
D0,05;40000
NO SE RECHAZA LA HIPTESIS
F.REL.SIM.
ACUMULADA
0,02800
0,13450
0,31743
0,53498
0,72368
0,85670
0,93345
0,97310
0,99073
0,99705
0,99893
0,99980
1,00000
F.REL.TER.
ACUMULADA
0,03020
0,13589
0,32085
0,53663
0,72544
0,85761
0,93471
0,97326
0,99013
0,99669
0,99898
0,99971
0,99992
10
11
12
POISSON TERICA
DIFERENCIA
F.REL.ACUM.
0,00220
0,00139
0,00342
0,00166
0,00177
0,00091
0,00126
0,00016
0,00060
0,00036
0,00006
0,00009
0,00008
CLCULOS
2
6,41060
0,24219
0,88686
0,58406
0,00212
0,21865
0,06355
1,25551
1,33333
0,30916
3,14130
1,24138
0,11111
15,800
21,026
NO SE RECHAZA LA HIPTESIS
Figura 6
XIII Jornadas de ASEPUMA
Juan J. Bernal Garca, Soledad M. Martnez Mara Dolores, Juan F. Snchez Garca
5. CONCLUSIONES
Podemos comprobar que la hoja de clculo Microsoft Excel, siendo una
herramienta de tipo ofimtico, se revela como una aplicacin que permite la simulacin
de todo tipo de distribuciones estadsticas. En particular, es posible efectuar la
simulacin de las funciones de distribucin propias de la Teora de Colas, cumpliendo
los parmetros obligados de rigor que se debe exigir a este tipo de clculos. Adems, la
utilizacin de su editor de Visual Basic para Aplicaciones (VBA) permite dotarla de
aquellas distribuciones de las que carece, utilizando para ello una programacin
orientada a objetos.
10
6. REFERENCIAS BIBLIOGRFICAS
Fishman, G. S. (1978). Principles of Discrete Event Simulation. John Wiley & Sons,
New York.
Rubinstein, R. Y. (1981). Simulation and the Monte Carlo Method. John Wiley &
Sons, New York.
Wallace, N.D. (1974). Computer generation of gamma random variables with nonintegral shape parameters, Communications of the Association for Computing
Machinery, 17, 691-695.
11