Documentos de Académico
Documentos de Profesional
Documentos de Cultura
337 - Simulación de Sistemas PDF
337 - Simulación de Sistemas PDF
VICERRECTORADO ACADÉMICO
AREA: INGENIERÍA / CARRERA: INGENIERÍA DE SISTEMAS
SEMESTRE: VII
Tabla de Contenido
Página
II. Introducción……………………………………………………………………. 4
III. Objetivo del curso……………………………………………………………... 6
IV. Contenido………………………………………………………………………... 6
Módulo I: Fundamentos de Modelos Matemáticos………………………….. 6
Objetivo…………………………………………………………………………… 6
Estructura………………………………………………………………………… 6
Unidad 1: Modelos Matemáticos…………………………………………….. 7
Objetivo…………………………………………………………………….. 7
Contenido…………………………………………………………………... 7
Recomendaciones para el estudio del contenido de la Unidad……… 8
Sistema…………………………………………………………………….. 9
Modelo……………………………………………………………………… 10
Modelo Matemático……………………………………………………….. 15
Variable de estado………………………………………………………... 15
Formulación de un modelo matemático………………………………... 17
Ejercicios de autoevaluación…………………………………………….. 20
Respuestas a los ejercicios de autoevaluación……………………….. 22
Unidad 2: Ecuaciones de Diferencias Finitas……………………………..... 24
Objetivo……………………………………………………………………. 24
Contenido…………………………………………………………………. 24
Recomendaciones para el estudio del contenido de la Unidad……… 25
Diferencias Finitas……………………………………………………….... 26
Ecuaciones de diferencias finitas de primer orden……………………. 27
Ecuaciones de diferencia lineal de primer orden ……………………... 29
Sucesiones aritméticas y geométricas………………………………….. 30
Soluciones de las ecuaciones diferenciales de primer orden………... 31
Estabilidad…………………………………………………………………. 36
Ejercicios de autoevaluación…………………………………………….. 38
Respuestas a los ejercicios de autoevaluación……………………….. 38
Módulo II: Aplicación de Métodos Numéricos en Sistemas Continuos….. 41
Objetivo………………………………………………………………………….. 41
Estructura……………………………………………………………………...... 41
Unidad 3: Método Numérico de Euler para Resolución de Ecuaciones 42
Diferenciales………………………………………………………..
Objetivo……………………………………………………………………. 42
Contenido…………………………………………………………………. 42
Recomendaciones para el estudio del contenido de la Unidad…….. 43
Método de Euler………………………………………………………….. 44
Ejercicios de autoevaluación……………………………………………. 48
Respuestas a ejercicios de autoevaluación…………………………… 48
Unidad 4: Método Numérico de Runge-Kutta para la Resolución de 50
Ecuaciones Diferenciales…………………………………………
2
Simulación de Sistemas - 337
Objetivo……………………………………………………………………. 50
Contenido…………………………………………………………………. 50
Recomendaciones para el estudio del contenido de la Unidad ……. 51
Método de Runge-Kutta de Cuarto Orden……………………………… 52
Ejercicios de autoevaluación……….……………………………………. 56
Respuestas a ejercicios de autoevaluación…………………………… 56
Unidad 5: Método Numéricos de Varios Pasos para la Resolución de 58
Ecuaciones Diferenciales
Objetivo…………………………………………………………………….. 58
Contenido…………………………………………………………………... 58
Recomendaciones para el estudio del contenido de la Unidad……… 59
Métodos Numéricos de Varios Pasos …………………………………. 60
Ejercicios de autoevaluación…………………………………………….. 64
Respuestas a Ejercicios de autoevaluación…………………………... 65
Módulo III: Simulación de Sistemas Estocásticos………………............... 73
Objetivo…………………………………………………………………………. 73
Estructura………………………………………………………………………. 73
Unidad 6: Introducción a la Simulación……………………………………. 74
Objetivo……………………………………………………………………. 74
Contenido…………………………………………………………………... 74
Recomendaciones para el estudio del contenido de la Unidad …...... 75
Modelo de Simulación………………………………………………….... 76
El Método de Monte Carlo……………………………….………………. 77
Métodos de Generación de números seudoaleatorios……………….. 83
Pruebas Estadísticas……………………………………………………... 86
Generación de Variables Aleatorias Discretas y Continuas…………. 86
Ejercicios de autoevaluación…………………………………………….. 100
Respuestas a Ejercicios de autoevaluación…………………………... 102
Unidad 7 Desarrollo del Modelo de Simulación………………………….. 107
Objetivo……………………………………………………………………. 107
Contenido………………………………………………………………….. 107
Recomendaciones para el estudio del contenido de la Unidad……… 108
Simulación Estocástica …………………………………………………... 110
Tipos de Simulación………………………………………………………. 111
Tipificación de Datos y Variables ……………………………………….. 115
Selección del Lenguaje de Simulación…………………………………. 124
Modelo de Simulación…………………………………………………….. 128
Validación………………………………………………………………….. 130
Ejercicios de autoevaluación……………………………………………. 131
Respuestas a Ejercicios de autoevaluación………………………….. 132
V.Bibliografía…………………………………………………………………….... 135
Selección de Lecturas 136
3
Simulación de Sistemas - 337
II. Introducción
Para el buen uso de este material se sugiere tener a mano el Plan de Curso y el
libro UNA, así como seguir fielmente las recomendaciones aquí expuestas.
4
Simulación de Sistemas - 337
5
Simulación de Sistemas - 337
crítico.
IV. Contenido
MÓDULO I
6
Simulación de Sistemas - 337
UNIDAD 1
Modelos Matemáticos
Los modelos matemáticos son una descripción, desde el punto de vista de las
matemáticas, de un hecho o fenómeno del mundo real.
Objetivo de la Unidad 1
Resolver problemas inherentes a sistemas cuyo comportamiento se describe a
través de ecuaciones de estado.
7
Simulación de Sistemas - 337
• ¿Qué es un sistema?
• ¿Qué es un modelo?
• ¿Cuáles son los tipos de modelos?
• ¿Para qué sirve un modelo?
• ¿Qué es un experimento?
8
Simulación de Sistemas - 337
Sistema
Una clase particular de los sistemas, son los sistemas dinámicos, los cuales son
aquellos que evolucionan a lo largo del tiempo. Este cambio del sistema implica la
existencia de variables del sistema que cambian en el tiempo. Algunas de estas
variables pueden ser “observadas” desde su entorno, y a su vez, los cambios en las
variables del sistema son producto de la influencia de cambios ejercidos por su
entorno al sistema.
Entorno
9
Simulación de Sistemas - 337
Sistema Social
Sistema Nervioso Central
Sistema Solar
Sistema Económico
Sistema Financiero
Sistema Ecológico
Modelo
10
Simulación de Sistemas - 337
11
Simulación de Sistemas - 337
Tipos de Modelos:
• Modelos Icónicos
• Modelos Análogos
• Modelos Simbólicos
Los Modelos Icónicos: son los modelos físicos que se asemejan al sistema real,
generalmente manejados en otra escala. Por ejemplo: Los modelos de aviones que
construyen los ingenieros y los modelos de ciudades que construyen los urbanistas.
Los Modelos Análogos: son los modelos en los que una propiedad del sistema real
se puede sustituir por una propiedad diferente que se comporta de manera similar.
Ejemplo: El mapa de carreteras es un modelo análogo del terreno correspondiente,
el velocímetro de un vehículo representa la velocidad mediante el desplazamiento
análogo de una aguja sobre una escala graduada.
12
Simulación de Sistemas - 337
• Modelos determinísticos
• Modelos estocásticos o probabilísticos
• Modelos dinámicos
• Modelos estáticos
• Modelos continuos
• Modelos discretos
13
Simulación de Sistemas - 337
Cabe destacar que además de los modelos antes mencionados, existen otros
modelos, los cuales son la combinación de dos o más modelos (modelos mixtos).
Por ejemplo los modelos dinámicos discretos y los modelos dinámicos continuos,
donde el tiempo puede ser una variable discreta o continua respectivamente.
Perturbaciones
Variables de Variables de
entrada MODELO salida
Variables de salida: son las variables del sistema que son observadas o modifican
el entorno.
14
Simulación de Sistemas - 337
Donde:
E: Es el efecto del comportamiento del sistema
xi: Son las variables y parámetros que nosotros podemos controlar
yi: Las variables y los parámetros que nosotros no podemos controlar
f: Es la función con la cual relacionamos xi con yi con el fin de modificar o
dar origen a E
Modelos Matemáticos
Variables de Estado
Cualquiera que sea la interpretación que se adopte debe tenerse presente que:
15
Simulación de Sistemas - 337
entradas salidas
Sistema
u1 y1
u2 y2
:
um yp
16
Simulación de Sistemas - 337
entradas salidas
Sistema
u1 x1 y1
u2 x2 y2
: :
um xn yp
T=D/S (1.2)
Sin duda este modelo es útil. No obstante, advierte que es una simplificación de la
realidad. Por que se han pasado por alto muchos factores que podrían influir en la
duración de su viaje. No se ha molestado usted en incluir retrasos por posibles
reparaciones en el camino, las condiciones del tiempo, escalas para abastecerse de
gasolina o para ir al sanitario, y así sucesivamente. Sin embargo, si planea salir a
17
Simulación de Sistemas - 337
Sin embargo, supongamos que usted no podrá salir sino hasta el mediodía y tiene
una reservación en un restaurante de lujo para reunirse con una persona muy
importante a las 07:30 p.m. En ese caso podría considerar que este modelo es
demasiado simple y sentiría más confianza si lo refinara un poco para incluir otros
detalles que lo acercaran más a la realidad. Por ejemplo, podría añadir una
expresión que representara sus escalas a lo largo del camino. Entonces el modelo
sería:
Siendo así, se encontró con que solo existían dos variables: el tamaño poblacional
de la especie depredadora y el de la especie presa. Así mismo, supuso que ambos
18
Simulación de Sistemas - 337
x& (t ) = ax (t ) (1.4)
mientras que si no hubiese presas, la especie depredadora decrecería, también
siguiendo un modelo malthusiano, es decir:
Luego, Volterra se enfrenta al problema de encontrar una forma analítica para cada
termino que aparece entre corchetes y, basándose en el siguiente argumento:
mientras más encuentros por unidad de tiempo haya entre individuos de la especie
presa con la especie depredadora, mayor ha de ser el perjuicio de unos y el
beneficio de otros; bajo este argumento, Volterra llegó a la conclusión de que el
numero de encuentros por unidad de tiempo entre presas y depredadores, es
proporcional al producto algebraico de sus respectivas densidades poblacionales,
incorporándose esto en las dos ecuaciones anteriores:
x& (t ) = ax (t ) − bx (t ) y (t ) (1.8)
19
Simulación de Sistemas - 337
Ejercicios de Autoevaluación:
20
Simulación de Sistemas - 337
21
Simulación de Sistemas - 337
Las ecuaciones necesarias para los estados pueden ser obtenidas mediante las
leyes de Kirchhoff:
u = R ⋅ i1 + v c
•
C ⋅ v c = i1 − i2
di2
vc = L ⋅
dt
Luego, eliminando i1 de las dos primeras ecuaciones, y utilizando los nombres de
las definiciones de variables de entrada, salida y de estados, obtenemos:
• 1 1 1
x1 = − ⋅ x1 − ⋅ x 2 + ⋅u
R ⋅C C R ⋅C
22
Simulación de Sistemas - 337
• 1
x2 = ⋅ x1
L
Quedando las ecuaciones de salida definidas como:
1 1
y1 = i1 = ⋅ u − ⋅ x1
R R
y 2 = i2 = x2
Xt+1=kYt - aXt + g
Yt+1=mXt - bYt + h
23
Simulación de Sistemas - 337
UNIDAD 2
Con está unidad se pretende exponer en forma sencilla y didáctica el cuerpo teórico
que rodea la formulación, resolución y aplicación de las ecuaciones de diferencias
finitas. La solución de ecuaciones de diferencias tiene incidencia en la solución de
ecuaciones diferenciales, específicamente en los métodos numéricos aplicados a la
resolución de las mismas.
Objetivo de la Unidad 2
Resolver problemas de ecuaciones de estado en diferencias finitas
24
Simulación de Sistemas - 337
25
Simulación de Sistemas - 337
Diferencias finitas
Sea y=f(t) una función para valores enteros no negativos de t, o sea para
t=0,1,2,3,..., Se llama primera diferencia, o diferencia finita de primer grado de
y=f(x), a la expresión dada por
∆f (t ) = f (t + 1) − f (t ) (2.1)
y=f(t)
f(t+1)
f(t) ∆(t+1)
t (t+1)
26
Simulación de Sistemas - 337
Ejemplo 2.1.
Solución
Como puede observar del resultado del ejemplo anterior, ∆f(t) es una función que
depende de nuevo de la variable t ; por tanto, puede hablarse de la primera
diferencia de ∆f(t). La segunda diferencia de f(t) se denota por ∆2f(t), y así
sucesivamente.
Ejemplo 2.2.
Solución
Se tiene :
Una ecuación que relacione los valores de una función y = f(t) con una o varias de
sus diferencias finitas, se llama ecuación en diferencias finitas en f(t).
a) yt+1 + 3yt = 0
27
Simulación de Sistemas - 337
b) yt+1 = 2y + 5t
c) yt+1- yt = 8
d) yt+1-3yt+1 = 2t
Ejemplo 2.3.
t (t + 1)
Comprobar que la función y t = f (t ) = es una solución de la ecuación de
2
diferencia y t +1 − y t = t para t = 0, 1, 2, 3...
Solución
(t + 1)[(t + 1) − 1] (t + 1)t
yt = =
2 2
(t + 1)t t (t + 1) (t + 1)t − t (t − 1) t 2 + t − t 2 + t 2t
− = = = =t
2 2 2 2 2
Existen dos clases de soluciones para una ecuación de diferencia finita: general y
particular. Se llama solución general aquella función que al tener una o varias
constantes arbitrarias está definida para valores enteros no negativos y satisface la
ecuación dada. Se llama solución particular aquella función que al no tener
constantes arbitrarias está definida para valores enteros no negativos y satisface la
ecuación dada.
Una solución de una ecuación de diferencias es una sucesión de valores para los
cuales se satisface la ecuación.
28
Simulación de Sistemas - 337
forma:
Ejemplo 2.3.
Solución
En este caso el ingreso depende del tiempo. Sea Yt el ingreso recibido al final del
mes t, entonces yt+1 será el ingreso recibido al final del mes siguiente, es decir, en
el mes t+1, como se observa en la figura siguiente:
yt yt+1
• •
t t+1
Figura 2.2
29
Simulación de Sistemas - 337
En símbolos: x n +1 = x n + d , ∀n ≥ 0
En símbolos: x n +1 = rx n ∀n ≥ 0
x 1 = x0 + b
x2 = x1+b=x0+2b
x3 = x2+b= x0 +3b
… …………..
x1 = ax0
x2 = ax1 =a2x0
x3 = ax2 =a3x0
30
Simulación de Sistemas - 337
Luego las sucesiones pueden expresarse para un término arbitrario en función del
primero según la siguiente notación, donde C es el término inicial x0 :
Así los términos xn de estos tipos de sucesiones son soluciones de dos ecuaciones
de diferencias muy particulares, donde la diferencia y la razón de las progresiones
se representarán por a y b, respectivamente.
Para cada uno de estos casos se utilizan métodos diferentes que originan
soluciones diferentes.
Caso i
31
Simulación de Sistemas - 337
a1 yt+1 + a0 yt = k
donde
− a0 k
A= y B=
a1 a1
Para hallar una solución particular de la ecuación (2.3) es preciso conocer y0, o un
valor yk, para k = 0.
Si conocemos y0, el problema se reduce a resolver la ecuación
Para t = 0, y1 = Ay0 + B
Para t = 1, y2 = Ay1 + B = A2y0 + B(1 + A)
Para t = 2, y3 = Ay2 + B = A3y0 + B(1 + A + A2)
Para t = cualquiera, yt = Aty0 + B(1 + A + A2 + k + At-1)
⎡1 − At ⎤
= A y0 + B ⎢
t
⎥, si A ≠ 1
⎣ 1 − A ⎦
Pero si A=1, se obtiene que yt= y0 + Bt
⎡1 − A t ⎤
A y0 + B ⎢
t
⎥, si A ≠1
⎣ 1 − A ⎦ (2.4)
yt =
y0 + Bt, si A = 1
32
Simulación de Sistemas - 337
⎡1 − A t ⎤
At C + B ⎢ ⎥, si A ≠1 (2.5)
⎣ 1− A ⎦
yt =
y0 + Bt, si A = 1
Ejemplo 2.4
Solución
⎡1− 3t ⎤ t
yt = 3t C + 2⎢ [t
]
⎥ = 3 C − 1− 3 = 3 [C +1] −1
t
⎣ 1− 3 ⎦
17 = y2 = 32 [C + 1] – 1
yt = 2(3)t – 1
33
Simulación de Sistemas - 337
Caso ii
Cuando g(t) sea variable, se consideran solamente las dos situaciones siguientes
a1yt+1 + a0yt = 0
Ejemplo 2.5
2yt+1 – 3y = 4t2 + 1, si y0 = 5
Solución
2yt+1 – 3y = 0
34
Simulación de Sistemas - 337
yh(t) = (3/2)t C
yp(t) = at2 + bt + c
O sea:
(-a)t2 +(4a - b)t + (2a + 2b – c) = 4t2 + 1
-a=4
4a – b = 0
2a + 2b – c = 1
Resolviendo este sistema de ecuaciones lineales, se obtiene:
De donde C = 46
35
Simulación de Sistemas - 337
Estabilidad
Suponga que se tiene una ecuación de diferencias cuya respuesta es dada por
En donde todas las raíces son diferentes. Entonces note que si Bi ≤ 1 para
cualquier i∈1 (1, 2,...,k) entonces la respuesta homogénea del sistema no crece sin
control cuando n→∞. Si el valor absoluto de las raíces es menor que 1, entonces
la respuesta homogénea del sistema decae a cero en el estado continuo, en el
estado transitorio desaparece y sólo permanece la solución particular. Cuando esto
sucede decimos que el sistema representado por la ecuación de diferencias es
estable.
Ejemplo 2.6
Solución
de lo que se obtiene
Bn(B2 – 7B + 10) = 0
36
Simulación de Sistemas - 337
B1 = 2, B2 = 5
C3 = −6
Solución general
Como se puede observar los valores de Bi nos permiten concluir que el sistema es
inestable, debido a que para ser estable Bi ≤ 1 para todo i = {1,2...k}.
3. El saldo en una cuenta de ahorros al final de cualquier mes es igual al saldo del
mes inmediatamente anterior más una cantidad constante. Escriba una ecuación
de diferencia representativa de la situación anterior.
37
Simulación de Sistemas - 337
Ejercicios de Autoevaluación:
1. Solución
x np+1 − 2 x np = k1 (n + 1) + k 2 − 2(k1 n + k 2 )
= k1 n + k 1 + k 2 − 2 k 1 n − 2 k 2
= k1 n + k 1 − k 2
-k1 = 3
k1 – k2 = 1
38
Simulación de Sistemas - 337
2. Solución
yn+1 - 3yn = 5 ; y0 = 0
Bn+1 – 3Bn = 0
Bn (B – 3) = 0
lo que implica que B = 3.
y nh = C (3) n
5 5
y np = =−
1− 3 2
5
y n = C (3) n −
2
para encontrar el valor de C se utiliza la condición inicial
5
0 = C (3) 0 −
2
5 5
y n = (3) n − =
2 2
5
2
((3) n − 1)
3. Solución
39
Simulación de Sistemas - 337
yp(t) = t(at+b)
yp(t) = at+b
yp(t+1) =(t+1)[a(t+1)+b]
2at + (a+b) = 2t – 3
yp(t) = t(t-4)
y la solución general será:
yt = C + t(2t -5)
MODULO II
40
Simulación de Sistemas - 337
41
Simulación de Sistemas - 337
UNIDAD 3
Objetivo de la Unidad 3
Resolver numéricamente un modelo matemático descrito en términos de
ecuaciones de estado, empleando el Método de Euler.
42
Simulación de Sistemas - 337
43
Simulación de Sistemas - 337
Método de Euler
y (t 0 ) = y 0
En el método que vamos a describir se van hallando valores w0, w1, w2,…,wn,…
cercanos a los de la solución y(t) en una serie de puntos t0 < t1 < t2 <…< tn <;
separados entre sí una distancia (paso) h, es decir,
t1 = t0 + h, t2 = t1 + h,…, tn = tn-1 + h.
44
Simulación de Sistemas - 337
punto: w0 + hf(t0,w0), que llamamos w1. Puesto que (t1, w1) se parece al desconocido
(t1,w(t1) podemos aproximar w(t2) por el w2 que obtendremos de (t1,w1) de la misma
forma que obtuvimos el w1 a partir del (t0,w0) inicial. Prosiguiendo así, vamos
obteniendo los wn aproximados (más inexactos según nos alejamos de t0) dados
por:
wn +1 = wn + hf (t n , wn ) t n +1 = t n + h (3.1)
Paso 5 PARAR
45
Simulación de Sistemas - 337
y(t)
y(t1) (t1,y(t1))
w1
(t1,w1)=(a+h,α+hf(a,α))
w0
y(t0)=y(a
)
(t0,w0)=(a,α)
t
t0=a t1
Figura 3.1
En la figura se muestra cómo y1 es evaluado, siguiendo la tangente a la curva en t0
(Cuya pendiente está dada por f(t0,y0)). El punto (t1, y1) hallado es distinto en general
de (t1, y(t1))
Use el método de Euler con h=0.1, para calcular el valor aproximado de y(0.5), del
problema de valor inicial:
Solución
y1 = 3 + (0.1).(0) = 3
y2 = 3 + (0.1).(-0.09) = 2.991
46
Simulación de Sistemas - 337
A B C D E
1
2 h= 0.1
3
4 n tn yn f(t,y) yn+1
5 0 0 3 =-3B5^2*C5 =C5+C$2*D5
6 =A5+1 =B$5+C$2*A6 =E5
7 Copia el
8 contenido de la
celda
9
10
A B C D E
1
2 h= 0.1
3
4 n tn yn f(t,y) yn+1
5 0 0 3 0 3
6 1 0.1 3 -0.09 2.991
7 2 0.2 2.991 -0.35895 2.955108
8 3 0.3 2.955108 -0.79787916 2.875320084
9 4 0.4 2.875320084 -1.38015364 2.7370472
10 5 0.5 2.73730472 -2.05297854 2.532006866
Última
aproximación
obtenida
47
Simulación de Sistemas - 337
5y
y′ = , y (1) = −0.5; determine y(0.6)
1 + xy
Ejercicios de Autoevaluación:
1) Use el método de Euler con h=0.025, para los siguientes problemas de valor
inicial:
1 y
a) y ′ = 2 − , 1 ≤ t ≤ 2, y (1) = −1;
t t
b) y ′ = t + y, 0 ≤ t ≤ 2, y (0) = −1;
2
y ⎛ y⎞
y′ = − ⎜ ⎟ , con y(1)= 1 y h=0.2 en el intervalo 1≤ t ≤ 2
t ⎝t⎠
1) a)
i t wi
1 1.5 -0.3832803
2 2.0 -0.1395250
b)
i t wi
1 1 -0.3832803
2 -0.1395250
2)
48
Simulación de Sistemas - 337
2
y ⎛ y⎞
Se tiene y′ = − ⎜ ⎟ , 1 ≤ t ≤ 2, y(1)= 1, con h=0.2
t ⎝t⎠
⎛ y ⎛ y ⎞2 ⎞
yi +1 = yi + h ⎜ − ⎜ ⎟ ⎟
⎜t ⎝t⎠ ⎟
⎝ ⎠
i ti yi
0 1 1
1 1,2 1
2 1,4 1,02778
3 1,6 1,06681
4 1,8 1,11125
5 2 1,15850
3)
i t wi
1 -1 0
2 -0.9 0.1
3 -0.8 0.191
4 -0.7 0.2746481
5 -0.6 0.3521912579
6 -0.5 0.4245951261
7 -0.4 0.4926232282
8 -0.3 0.5568909927
9 -0.2 0.6179037505
10 -0.1 0.6760842550
11 0 0.7317932469
…
20 1 1.2141975534
…
30 2 1.988550160
…
40 3 272.5279419
49
Simulación de Sistemas - 337
UNIDAD 4
Objetivo de la Unidad 4
Resolver numéricamente un modelo matemático descrito en términos de
ecuaciones de estado, empleando el Método de Runge-Kutta
50
Simulación de Sistemas - 337
51
Simulación de Sistemas - 337
⎛ h 1 ⎞
k 2 = f ⎜ x n + , y n + h.k1 ⎟
⎝ 2 2 ⎠
⎛ h 1 ⎞
k 3 = f ⎜ x n + , y n + h.k 2 ⎟
⎝ 2 2 ⎠
k 4 = f ( x n +1 , y n + h.k 3 )
52
Simulación de Sistemas - 337
1
Calcule y(1) resolviendo el problema de valor inicial y′ = − aplicando el
1+ y2
método de Runge Kutta de orden 4, con la condición inicial y(0) = 1, con h=1.
Solución
1
Hacemos f ( y, t ) = −
1+ y2
1 1
k1 = hf ( y 0 , t 0 ) = − =−
1+1 2
53
Simulación de Sistemas - 337
⎛ k h⎞ 1
k 2 = hf ⎜ y 0 + 1 , t 0 + ⎟ = − = −0.64
⎝ 2 2⎠ (1 + (0.75) 2 )
⎛ k h⎞ 1
k 3 = hf ⎜ y 0 + 2 , t 0 + ⎟ = − = −0.6838
⎝ 2 2⎠ (1 + (0.68) 2 )
1
k 4 = hf ( y 0 + k 3 , t 0 + h) = − = −0.9091
(1 + (0.3161) 2 )
1 1
y1 = y 0 + h (k1 + 2k 2 + 2k 3 + k 4 ) = 1 + [− 0.5 − 2(0.64) − 2(0.6838) − 0.9091] = 0.3238
6 6
Ejemplo 4.2.
Resuelva la siguiente ecuación diferencial y’= x2 + y2, con la condición inicial y(0) =
0, tomando el paso de integración h=0.1
Solución:
Haciendo uso de la hoja de cálculo en Excel se obtine:
A B C D E
1
2 h= 0.1
3
4 n tn yn k1 k2
5 0 0 0 =B5^2+C5^2 =(B5+0.5*C$2)^2+(C5+0.5*C$2*D5)^2
6 =A5+1 =B$5+(C$2)*A6 =I5
54
Simulación de Sistemas - 337
F G H I
1
2
3
4 k3 k4 k yn+1
5 =(B5+0.5*C$2)^2+(C5+C$2*E5)^2 =(B6)^2+(C5+C$2*F5)^2 =(1/6)*(D5+2*E5+2*F5+G5 =C5+(C$2)*H5
A B C D E F G H I
1
2 h= 0.1
3
4 n tn yn k1 k2 k3 k4 k yn+1
5 0 0 0 0 0.0025 0.00250002 0.01000006 0.00333335 0.000333335
Última
aproximación
obtenida
1 y
y′ = 2
− − y 2 , 1 ≤ t ≤ 2, y (1) = −1
t t
55
Simulación de Sistemas - 337
Ejercicios de Autoevaluación:
1)
t yi
1.0 3
1.1 3.2037347
1.2 3.4148802
1.3 3.6333537
1.4 3.8590787
1.5 4.0919845
1.6 4.3320051
1.7 4.5790788
1.8 4.8331483
1.9 5.0941594
2.0 5.3620613
2)
t yi
-1 0
-0.9 0.0953100
-0.8 0.1823176
-0.7 0.2623378
-0.6 0.3363726
-0.5 0.4051902
-0.4 0.4693783
-0.3 0.5293796
56
Simulación de Sistemas - 337
-0.2 0.5855155
-0.1 0.6379997
0 0.6869456
…
1 0.9176486
…
2 -0.1884460
…
3 -1.5412582
3)
t wi
0 1
0.1 0.82341666
0.2 0.68790533
0.3 0.58602103
0.4 0.51166828
0.5 0.45985654
0.6 0.42649988
0.7 0.40825300
0.8 0.40237701
0.9 0.40662947
1 0.41917443
Consulta en la Web:
Se recomienda acceder a la siguiente dirección electrónica para ampliar sus
conocimientos en relación a la representación gráfica de la solución de las
ecuaciones diferenciales ordinarias.
http://www.ucm.es/info/metodos/pdf/Apuntes/mii-pepe/EDO1.PDF
57
Simulación de Sistemas - 337
UNIDAD 5
Objetivo de la Unidad 5
58
Simulación de Sistemas - 337
59
Simulación de Sistemas - 337
p −1
h i f n( i ) h p f n( p )
wn +1 = wn + h∑ + (5.2)
i =0 i! p!
k k
∑a w
i =0
i n +i = h∑ Bi f n +i
i =0
(5.3)
60
Simulación de Sistemas - 337
y (t i +1 ) − a m −1 wi −1 + ... + a 0 wi − m
τ i +1 = − [bm +1 f (t i +1 , y (t i +1 )) + ... + b0 f (t i − m , y (t i − m ))]
h
i = m, m+1,…, N-1
• Adams-Bashforth
• Adams-Moulton
• Milne
• Hamming
Problema:
y ’(t) = f(y(t),t), a ≤ t ≤ b, dado que y(a) = α
para N + 1 puntos igualmente espaciados en el
intervalo [a, b]
61
Simulación de Sistemas - 337
Predictor
h
wn + 4 = wn +3 + (55 f n +3 − 59 f n + 2 + 37 f n +1 − 9 f n )
24
62
Simulación de Sistemas - 337
Corrector
h
wn + 3 = wn + 2 + (9 f n + 3 + 19 f n + 2 − 5 f n +1 + f n )
24
Predictor
h
wi +1 = wi + (55 f i − 59 f i −1 + 37 f i − 2 − 9 f i − 3 )
24
Corrector
h
y i +1 = y i + (9 f i +1 + 19 fi − 5 f i −1 + f i − 2 )
24
Al emplear inicialmente el método predictor se requiere obtener los valores de fi, fi-
1, fi-2 y fi-3, los cuales no han sido calculados; para resolver este problema se
aplica el Método Runge Kutta de cuarto orden ( tres iteraciones).
En las tablas 5.1 y 5.2 aparecen los resultados al aplicar estos métodos. Los
cálculos fueron realizados empleando la hoja de Cálculo Microsoft Excel™.
i Valores exactos K1 K2 K3 K4 wi ti
0 1 1 0
1 1,0048374180 0 0,005 0,00475 0,009525 1,0048375 0,1
0,0181348
2 1,0187307531 0,00951625 0,014040438 0,01381423 3 1,0187309 0,2
0,0259253 1,0408184
3 1,0408182207 0,01812691 0,022220564 0,02201588 2 2 0,3
Valores que se
emplearán en la
siguiente iteración
Tabla 5.1 Obtención de aproximaciones empleando Runge-Kutta (Predictor-
(iteraciones 1 a 3) Corrector)
63
Simulación de Sistemas - 337
I t Predecir w Corregir w t0 t1 t2 w0 w1 w2
4 0,4 1,07032310 1,07031991824 0,1 0,2 0,3 1,0048375 1,0187309 1,040818422
1,0408184 1,0703199182
5 0,5 1,10653319 1,10653026841 0,2 0,3 0,4 1,0187309 2 4
1,0703199 1,1065302684
6 0,6 1,14881363 1,14881103255 0,3 0,4 0,5 1,04081842 2 1
1,1065302 1,1488110325
7 0,7 1,19658690 1,19658453138 0,4 0,5 0,6 1,07031992 7 5
1,1488110 1,1965845313
8 0,8 1,24933020 1,24932806045 0,5 0,6 0,7 1,10653027 3 8
1,1965845 1,2493280604
9 0,9 1,30657059 1,30656865679 0,6 0,7 0,8 1,14881103 3 5
1,2493280 1,3065686567
10 1 1,36788012 1,36787836602 0,7 0,8 0,9 1,19658453 6 9
(Continuación)
t3 w3
0,4 1,07031991824
0,5 1,10653026841
0,6 1,14881103255
0,7 1,19658453138
0,8 1,24932806045
0,9 1,30656865679
1 1,36787836602
Aproximaciones
Ejercicios de autoevaluación
64
Simulación de Sistemas - 337
3x 2
y' = , con y(1)=0
x3 + y +1
Calcule:
4t
y ' = − ty + , con y(0)=1 y h=0,25
y
1. Ecuación diferencial
f(t,w) = 1-y
65
Simulación de Sistemas - 337
a=0
b=2
N = 40
h = 0,05
w = y(a) = 1
i K1 K2 K3 K4 wi ti
0 0 0
1 0 0 0 0 1 0,025
2 0 0 0 0 1 0,05
3 0 0 0 0 1 0,075
i t Predecir w Corregir w t0 t1 t2
4 0,2 0,98125000 1,00035156250 0,025 0,05 0,075
5 0,25 1,00031128 1,00033181000 0,05 0,075 0,2
6 0,3 1,00033700 1,00031601916 0,075 0,2 0,25
7 0,35 1,00029349 1,00030073098 0,2 0,25 0,3
8 0,4 1,00028613 1,00028606269 0,25 0,3 0,35
9 0,45 1,00027211 1,00027211153 0,3 0,35 0,4
10 0,5 1,0002588380 1,00025884053 0,35 0,4 0,45
11 0,55 1,0002462168 1,00024621673 0,4 0,45 0,5
12 0,6 1,0002342086 1,00023420859 0,45 0,5 0,55
13 0,65 1,0002227861 1,00022278610 0,5 0,55 0,6
14 0,7 1,0002119207 1,00021192070 0,55 0,6 0,65
15 0,75 1,0002015852 1,00020158520 0,6 0,65 0,7
16 0,8 1,0001917538 1,00019175377 0,65 0,7 0,75
17 0,85 1,0001824019 1,00018240183 0,7 0,75 0,8
18 0,9 1,0001735060 1,00017350598 0,75 0,8 0,85
19 0,95 1,0001650440 1,00016504399 0,8 0,85 0,9
20 1 1,0001569947 1,00015699470 0,85 0,9 0,95
21 1,05 1,0001493380 1,00014933798 0,9 0,95 1
22 1,1 1,0001420547 1,00014205468 0,95 1 1,05
23 1,15 1,0001351266 1,00013512659 1 1,05 1,1
24 1,2 1,0001285364 1,00012853638 1,05 1,1 1,15
25 1,25 1,0001222676 1,00012226759 1,1 1,15 1,2
26 1,3 1,0001163045 1,00011630453 1,15 1,2 1,25
27 1,35 1,0001106323 1,00011063229 1,2 1,25 1,3
28 1,4 1,0001052367 1,00010523669 1,25 1,3 1,35
29 1,45 1,0001001042 1,00010010423 1,3 1,35 1,4
30 1,5 1,0000952221 1,00009522209 1,35 1,4 1,45
66
Simulación de Sistemas - 337
Continuación
67
Simulación de Sistemas - 337
1 1 1 0,2 1,00035156250
1 1 1,00035156250 0,25 1,00033181000
1 1,00035156 1,00033181000 0,3 1,00031601916
1,00035156 1,00033181 1,00031601916 0,35 1,00030073098
1,00033181 1,00031602 1,00030073098 0,4 1,00028606269
1,00031602 1,00030073 1,00028606269 0,45 1,00027211153
1,00030073 1,00028606 1,00027211153 0,5 1,00025884053
1,00028606 1,00027211 1,00025884053 0,55 1,00024621673
1,00027211 1,00025884 1,00024621673 0,6 1,00023420859
1,00025884 1,00024622 1,00023420859 0,65 1,00022278610
1,00024622 1,00023421 1,00022278610 0,7 1,00021192070
1,00023421 1,00022279 1,00021192070 0,75 1,00020158520
1,00022279 1,00021192 1,00020158520 0,8 1,00019175377
1,00021192 1,00020159 1,00019175377 0,85 1,00018240183
1,00020159 1,00019175 1,00018240183 0,9 1,00017350598
1,00019175 1,0001824 1,00017350598 0,95 1,00016504399
1,0001824 1,00017351 1,00016504399 1 1,00015699470
1,00017351 1,00016504 1,00015699470 1,05 1,00014933798
1,00016504 1,00015699 1,00014933798 1,1 1,00014205468
1,00015699 1,00014934 1,00014205468 1,15 1,00013512659
1,00014934 1,00014205 1,00013512659 1,2 1,00012853638
1,00014205 1,00013513 1,00012853638 1,25 1,00012226759
1,00013513 1,00012854 1,00012226759 1,3 1,00011630453
1,00012854 1,00012227 1,00011630453 1,35 1,00011063229
1,00012227 1,0001163 1,00011063229 1,4 1,00010523669
1,0001163 1,00011063 1,00010523669 1,45 1,00010010423
1,00011063 1,00010524 1,00010010423 1,5 1,00009522209
1,00010524 1,0001001 1,00009522209 1,55 1,00009057805
1,0001001 1,00009522 1,00009057805 1,6 1,00008616051
1,00009522 1,00009058 1,00008616051 1,65 1,00008195841
1,00009058 1,00008616 1,00008195841 1,7 1,00007796125
1,00008616 1,00008196 1,00007796125 1,75 1,00007415903
1,00008196 1,00007796 1,00007415903 1,8 1,00007054225
1,00007796 1,00007416 1,00007054225 1,85 1,00006710187
1,00007416 1,00007054 1,00006710187 1,9 1,00006382927
1,00007054 1,0000671 1,00006382927 1,95 1,00006071628
1,0000671 1,00006383 1,00006071628 2 1,00005775511
Aproximaciones
2. Ecuación diferencial:
68
Simulación de Sistemas - 337
f(t,w) = 2y’ + y = 0;
a=0
b=1
N = 40
h = 0,025
w = y(a) = 1
Solución: e-1/2t
Valores
i Ti exactos K1 K2 K3 K4 wi ti
0 0 1 1 0
0,987577800 0,9873424
1 0,025 5 -0,0125 -0,01265625 -0,0126582 -0,01281646 4 0,025
0,975309912 0,9748450
2 0,05 0 -0,01234178 -0,01249605 -0,01249798 -0,01265423 9 0,05
0,963194417 0,9625059
3 0,075 7 -0,012185564 -0,01233788 -0,01233979 -0,01249406 3 0,075
i t Predecir w Corregir w t0 t1 t2
0,9505498454
4 0,1 0,95055091 5 0,025 0,05 0,075
0,9387418145
5 0,125 0,93873965 5 0,05 0,075 0,1
0,9270805717
6 0,15 0,92708167 2 0,075 0,1 0,125
0,9155641918
7 0,175 0,91556419 6 0,1 0,125 0,15
0,9041908707
8 0,2 0,90419087 9 0,125 0,15 0,175
0,8929588314
9 0,225 0,89295883 0 0,15 0,175 0,2
0,8818663186
10 0,25 0,88186632 3 0,175 0,2 0,225
0,8709115992
11 0,275 0,87091160 8 0,2 0,225 0,25
0,8600929616
12 0,3 0,86009296 3 0,225 0,25 0,275
0,8494087152
13 0,325 0,84940872 6 0,25 0,275 0,3
69
Simulación de Sistemas - 337
0,8388571907
14 0,35 0,83885719 3 0,275 0,3 0,325
0,8284367393
15 0,375 0,82843674 4 0,3 0,325 0,35
0,8181457328
16 0,4 0,81814573 8 0,325 0,35 0,375
0,8079825633
17 0,425 0,80798256 6 0,35 0,375 0,4
0,7979456427
18 0,45 0,79794564 5 0,375 0,4 0,425
0,7880334027
19 0,475 0,78803340 7 0,4 0,425 0,45
0,7782442946
20 0,5 0,77824429 2 0,425 0,45 0,475
0,7685767887
21 0,525 0,76857679 2 0,45 0,475 0,5
0,7590293745
22 0,55 0,75902937 1 0,475 0,5 0,525
0,7496005601
23 0,575 0,74960056 8 0,5 0,525 0,55
0,7402888724
24 0,6 0,74028887 7 0,525 0,55 0,575
0,7310928564
25 0,625 0,73109286 0 0,55 0,575 0,6
0,7220110750
26 0,65 0,72201108 7 0,575 0,6 0,625
0,7130421094
27 0,675 0,71304211 4 0,6 0,625 0,65
0,7041845581
28 0,7 0,70418456 0 0,625 0,65 0,675
0,6954370370
29 0,725 0,69543704 2 0,65 0,675 0,7
0,6867981794
30 0,75 0,68679818 0 0,675 0,7 0,725
0,6782666353
31 0,775 0,67826664 9 0,7 0,725 0,75
0,6698410719
32 0,8 0,66984107 2 0,725 0,75 0,775
0,6615201724
33 0,825 0,66152017 8 0,75 0,775 0,8
0,6533026369
34 0,85 0,65330264 1 0,775 0,8 0,825
0,6451871812
35 0,875 0,64518718 1 0,8 0,825 0,85
0,6371725373
36 0,9 0,63717254 3 0,825 0,85 0,875
0,6292574529
37 0,925 0,62925745 4 0,85 0,875 0,9
0,6214406913
38 0,95 0,62144069 1 0,875 0,9 0,925
0,6137210310
39 0,975 0,61372103 6 0,9 0,925 0,95
0,6060972659
40 1 0,60609727 7 0,925 0,95 0,975
70
Simulación de Sistemas - 337
Continuación
Solución
w0 w1 w2 t3 w3 Exacta
0,98734244 0,97484509 0,962505933 0,1 0,95054984545 0,95122942
0,97484509 0,96250593 0,95054984545 0,125 0,93874181455 0,93941306
0,96250593 0,95054985 0,93874181455 0,15 0,92708057172 0,92774349
0,95054985 0,93874181 0,92708057172 0,175 0,91556419186 0,91621887
0,93874181 0,92708057 0,91556419186 0,2 0,90419087079 0,90483742
0,92708057 0,91556419 0,90419087079 0,225 0,89295883140 0,89359735
0,91556419 0,90419087 0,89295883140 0,25 0,88186631863 0,8824969
0,90419087 0,89295883 0,88186631863 0,275 0,87091159928 0,87153435
0,89295883 0,88186632 0,87091159928 0,3 0,86009296163 0,86070798
0,88186632 0,8709116 0,86009296163 0,325 0,84940871526 0,85001609
0,8709116 0,86009296 0,84940871526 0,35 0,83885719073 0,83945702
0,86009296 0,84940872 0,83885719073 0,375 0,82843673934 0,82902912
0,84940872 0,83885719 0,82843673934 0,4 0,81814573288 0,81873075
0,83885719 0,82843674 0,81814573288 0,425 0,80798256336 0,80856032
0,82843674 0,81814573 0,80798256336 0,45 0,79794564275 0,79851622
0,81814573 0,80798256 0,79794564275 0,475 0,78803340277 0,78859689
0,80798256 0,79794564 0,78803340277 0,5 0,77824429462 0,77880078
0,79794564 0,7880334 0,77824429462 0,525 0,76857678872 0,76912636
0,7880334 0,77824429 0,76857678872 0,55 0,75902937451 0,75957212
0,77824429 0,76857679 0,75902937451 0,575 0,74960056018 0,75013657
0,76857679 0,75902937 0,74960056018 0,6 0,74028887247 0,74081822
0,75902937 0,74960056 0,74028887247 0,625 0,73109285640 0,73161563
0,74960056 0,74028887 0,73109285640 0,65 0,72201107507 0,72252735
0,74028887 0,73109286 0,72201107507 0,675 0,71304210944 0,71355197
0,73109286 0,72201108 0,71304210944 0,7 0,70418455810 0,70468809
0,72201108 0,71304211 0,70418455810 0,725 0,69543703702 0,69593431
0,71304211 0,70418456 0,69543703702 0,75 0,68679817940 0,68728928
0,70418456 0,69543704 0,68679817940 0,775 0,67826663539 0,67875163
0,69543704 0,68679818 0,67826663539 0,8 0,66984107192 0,67032005
0,68679818 0,67826664 0,66984107192 0,825 0,66152017248 0,6619932
0,67826664 0,66984107 0,66152017248 0,85 0,65330263691 0,65376979
0,66984107 0,66152017 0,65330263691 0,875 0,64518718121 0,64564853
0,66152017 0,65330264 0,64518718121 0,9 0,63717253733 0,63762815
0,65330264 0,64518718 0,63717253733 0,925 0,62925745294 0,62970741
0,64518718 0,63717254 0,62925745294 0,95 0,62144069131 0,62188506
0,63717254 0,62925745 0,62144069131 0,975 0,61372103106 0,61415988
0,62925745 0,62144069 0,61372103106 1 0,60609726597 0,60653066
Aproximaciones
71
Simulación de Sistemas - 337
3x 2
y' =
x 3 + y +1
tendremos:
⎛ 3 × 12 ⎞
y1, p = y 0 + hf ( x 0 , y 0 ) = 0 + 0.1× ⎜⎜ 3 ⎟⎟ = 0.15
⎝1 + 0 +1⎠
h 0.10 ⎡⎛ 3 × 12 ⎞ ⎛ 3 × (1.1) 2 ⎞⎤
y1,c = y 0 + ( f ( x 0 , y 0 ) + f ( x1 , y1, p ) = 0 + ⎢⎜⎜ 3 ⎟⎟ + ⎜⎜ ⎟⎥ = 0.148156
2 2 ⎣⎢⎝ 1 + 0 + 1 ⎠ ⎝ (1.1) 3 + 0.15 + 1 ⎟⎠⎦⎥
⎛ 3 × (1.1) 2 ⎞
y 2, p = y1,c + hf ( x1 , y1,c ) = 0.148156 + 0.1× ⎜⎜ ⎟⎟ = 0.294577
⎝ (1.1) + 0.148156 + 1 ⎠
3
72
Simulación de Sistemas - 337
4t
y ' = −ty +
y
tenemos:
⎛ 4(0) ⎞
y1, p = y0 + hf ( x0 , y0 ) = 1 + 0.25 × ⎜ − 0(1) + ⎟ =1
⎝ 1 ⎠
Ampliación de conocimientos
73
Simulación de Sistemas - 337
Consulta en la Web:
Se recomienda consultar la siguiente dirección, la cual ofrece una visión general
sobre la solución numérica de ecuaciones diferenciales ordinarias.
http://maestros.its.mx/~sescobedo/metnum/apuntesmn/solecdif.pdf
MÓDULO III
Introducción
74
Simulación de Sistemas - 337
En este módulo se tratan los fundamentos teóricos y las técnicas que se emplean
en simulación estocástica, los cuales servirán de base para llevar a cabo la
formulación del modelo de simulación.
UNIDAD 6
Introducción a la simulación
Objetivo de la Unidad 6
75
Simulación de Sistemas - 337
Obtener los eventos y/o los números seudoaleatorios y/o las variables
aleatorias discretas y continuas
76
Simulación de Sistemas - 337
• ¿Cuáles son las actividades fundamentales que se deben llevar a cabo para
realizar un modelo de simulación?
• ¿En qué consiste cada método para la obtención de números
seudoaleatorios?
• ¿En qué consisten las pruebas estadísticas para los generadores de números
seudoaleatorios?
• ¿En qué consiste la simulación estocástica discreta?
• ¿Cómo se generan muestras de una variable aleatoria con distribución
continua? ¿Cuáles son los métodos más usados?
• ¿Cómo se generan muestras de una variable aleatoria con distribución
discreta? ¿Cuáles son los métodos más usados?
77
Simulación de Sistemas - 337
Modelo de simulación
78
Simulación de Sistemas - 337
Debido a las múltiples aplicaciones de este método, cuando hablemos del mismo,
nos referiremos en plural, como Métodos de Monte Carlo.
Fuente: http://canales.laverdad.es/cienciaysalud/6_1_8.html
Suponga que queremos calcular el área de una región arbitraria F, que está dentro
del cuadrado unitario, como se muestra en la figura 6.1. Si seleccionamos N puntos
al azar dentro del cuadrado y N’ puntos de estos caen en la región F, el área de la
región F será aproximadamente: N’/N. Mientras mayor sea N, mejor es la
estimación del área del cuadrado. Se puede concebir este método como una serie
de intentos o experimentos independientes uno del otro, en donde se promedian las
salidas para obtener un resultado. Se realizan N intentos, en donde cada uno de
ellos consiste en la obtención de un número aleatorio dentro de los límites del
cuadrado.
Los resultados son los siguientes:
Sea N’, el número de puntos que caen en F y N, el número de puntos en el
cuadrado unitario. Se tiene:
N’ = 14
N = 37
79
Simulación de Sistemas - 337
y
1
0 0,5 1 x
Figura 6.1
Es fácil observar que el método utilizado para calcular el área tendrá validez sólo si
los puntos aleatorios son desplegados uniformemente en el cuadrado unitario.
En resumen, los métodos de Monte Carlo abarcan una colección de técnicas que
permiten obtener soluciones de problemas matemáticos o físicos por medio de
pruebas aleatorias repetidas. A continuación se presenta una aplicación del método
en distribuciones de probabilidades, esta será de gran utilidad al momento de
diseñar el modelo de simulación.
El procedimiento más usado para generar los tiempos de ocurrencia de los eventos,
dada una distribución de probabilidad es el muestreo de Monte Carlo. Este método
se basa en el concepto de probabilidad como la frecuencia de ocurrencia de los
eventos.
80
Simulación de Sistemas - 337
Suponga que la duración de cierto evento es una variable aleatoria con la siguiente
distribución de probabilidad:
Tabla 6.1
puntero
S1
25 %
giro
35 %
S3 x=3
x=1
40 %
S2
x=2
Si hacemos girar la ruleta y el puntero marca el sector S2, significa que el evento a
representar durará 2 minutos; si el puntero marca el sector S1, el evento durará 1
minuto y si marca el sector S3 , el evento durará 3 minutos. Suponiendo que la ruleta
no presenta desperfectos, al efectuar el muestreo, ocurrirá con más frecuencia el
evento cuya duración es: 2 minutos.
81
Simulación de Sistemas - 337
Tabla 6.2
NA
Número aleatorio multiplicado Redondeado Tiempo de
(NA) por 100 a entero duración
0.893568313 89.35683126 89 3
0.468962656 46.89626557 47 2
0.238698466 23.86984661 24 1
0.044702919 4.47029194 4 1
0.65887724 65.88772402 66 2
0.713923995 71.39239945 71 2
0.737959739 73.7959739 74 2
0.714950273 71.49502732 71 2
0.489308993 48.93089933 49 2
0.832835555 83.28355546 83 3
Tabla 6.3
82
Simulación de Sistemas - 337
Tabla 6.4
F(x)
1
0,5
U0
0,3
0,0 x
3 8 O1 13 18 (en miles de cajas)
Figura 6.3
Función de distribución acumulada de la magnitud de los pedidos
5U
x= + 0,5 (6.1)
0,2
83
Simulación de Sistemas - 337
Ampliación de conocimientos
9 Uniformemente distribuidos
9 Estadísticamente independientes
9 La media debe ser estadísticamente igual a ½
9 La varianza debe ser igual a 1/12
• Métodos congruenciales
• Método de cuadrados medios
84
Simulación de Sistemas - 337
Recordatorio
Si m tiene un valor pequeño, ocurrirá un ciclo de repetición de los números, por ello
se recomienda escoger a m como el entero más grande que se pueda aceptar el
computador.
85
Simulación de Sistemas - 337
• El número a debe ser escogido tal que a mod 8 = 5, para el caso en que se
emplee una computadora binaria y a mod 200 = 21, para el caso en que se
emplee una computadora decimal
86
Simulación de Sistemas - 337
Tabla 6.6
Pruebas estadísticas
• Pruebas de medias
• Pruebas de variancia o varianza
• Pruebas de forma
• Pruebas de independencia
87
Simulación de Sistemas - 337
• Exponencial
• Uniforme
• Triangular
• Normal
• Gamma
• Chi Cuadrado
• Weibull
• Erlang
F ( x ) = ∫ f (t )dt = P ( x < x )
−∞
88
Simulación de Sistemas - 337
⎧0 x<2
⎪x − a
⎪
F(x) = ⎨ 2≤ x ≤8
⎪b − a
⎪⎩1 x≥8
x = F-1(U) = 2 + (8-2)U
NA a+(b-a)*U
0,07100566 2,42603398
0,15760714 2,94564281
0,46562939 4,79377637
0,61228534 5,67371203
0,94271469 7,65628813
0,62618179 5,75709076
0,3896156 4,33769363
0,61604503 5,69627021
0,23677881 3,42067288
0,71815757 6,30894539
Tabla 6.7
Los valores obtenidos son válidos siempre que los números aleatorios empleados
sean uniformemente distribuidos en (0,1)
89
Simulación de Sistemas - 337
F(x) = 1- e-ax
De aquí se obtiene:
1
x=− Ln(r ) (6.4)
a
90
Simulación de Sistemas - 337
1.0
0.0
Figura 6.5 Función de distribución acumulativa para números aleatorios con
distribución exponencial
r x
0.00404103 0.36741707
0.95884255 0.00280189
0.86271739 0.00984454
0.9153499 0.00589659
0.30126301 0.07998477
0.0893076 0.16104458
0.94775257 0.00357745
0.18997418 0.11072447
0.57723029 0.03663427
0.35977659 0.06815147
91
Simulación de Sistemas - 337
Tabla 6.8
Paso 1: Seleccionar una constante M tal que M es el mayor valor de f(x), sobre
el intervalo [a, b]
⎧3 x 0 ≤ x ≤ 1
f ( x) = ⎨
⎩0 en otro caso
92
Simulación de Sistemas - 337
M= 3
a= 0
b= 1
r1= 0,346736653
r2= 0,512154324
r1= 0,325386011
r2= 0,196939764
Resultados:
Método de Convolución
93
Simulación de Sistemas - 337
∑R i − 0.5n
Z= i =1
1/ 2
(Transformada z)
⎛n⎞
⎜ ⎟
⎝ 12 ⎠
12
Z = ∑ Ri − 6
i =1
Si deseamos generar un valor para una variable aleatoria con distribución normal,
media µ y varianza σ2, obtenemos Z y luego la estandarizamos empleando la
relación:
X = µ + σZ (6.5)
Método Directo
Consiste en generar dos números aleatorios U(0,1), r1 y r2, los cuales serán
transformados en valores con distribución normal, media 0 y varianza 1 a través
de lo siguiente:
Z2 = (-2lnr1)½ cos 2π r2
Al estandarizar se tiene
X1 = µ + σZ1 (6.7)
94
Simulación de Sistemas - 337
X2 = µ + σZ2
n Ri Función: ALEATORIO ()
1 0,971674663
2 0,145035063
º3 0,911982646
4 0,866916748
5 0,38829355
6 0,789381701
7 0,069327368
8 0,41857793
9 0,685858561
10 0,25603001
11 0,206697919
12 0,371481898
Tabla 6.9
12
∑R
i =1
i =6,081258059
12
Z= ∑R i =1
i −6 = 0,081258059
95
Simulación de Sistemas - 337
Media: 1200
Desviación Estándar: 200
X : 920,6681866 ≈ 921 litros
ri zi xi (estándar)
1 0,96277541 -0,179082687 1164,18346 ≈ 1.164 litros
2 0,61264834 -0,209283594 1158,14328 ≈1.158 litros
Ampliación de conocimientos
• Bernoulli
• Binomial
• Hipergeométrica
• Poisson
• Binomial negativa
96
Simulación de Sistemas - 337
Método de inversión
En donde ∑p j =1
j
Se debe generar un número aleatorio U, con distribución uniforme, U(0,1), tal que:
⎧
⎪ x0 si U < p0
⎪
⎪ x1 si p0 ≤ U < p0 + p1
⎪
X = ⎨M
⎪ j −1 j
(6.9)
⎪x j
⎪
si ∑p
i =1
i ≤ U < ∑ pi
i =1
⎪M
⎩
P {X = x j } = P ⎧⎨∑ pi ≤ U < ∑ pi ⎫⎬ = p j
j −1 j
(6.10)
⎩ i =1 i =1 ⎭
97
Simulación de Sistemas - 337
Si los xi, i ≥ 0, están ordenados de manera que x0 < x1 < x2 <… y si F denota la
función de distribución acumulativa de X, entonces:
j
F ( x j ) = ∑ pi y X = xj si F(xj-1) ≤ U ≤ F(xj) (6.11)
i =0
98
Simulación de Sistemas - 337
⎧1 si u ≥ 1 − p
F (u ) = I ( u ≥1− p ) = ⎨
⎩0 si u < 1 − p (6.12)
Método de Aceptación-Rechazo
Es similar al caso continuo. Dada una variable aleatoria discreta con una función de
masa de probabilidad { pj, j ≥ 0}, simulamos una variable aleatoria Y, con función de
masa { qi } y luego se acepta este valor si se cumple que es menor o igual que pY
/qY (probabilidad proporcional)
Se seguirán los siguientes pasos para hallar una muestra aleatoria x:
99
Simulación de Sistemas - 337
Dada una variable aleatoria X, la cual puede tomar los valores con su
respectiva probabilidad mostrados en la tabla (6.11)
xi p(xi)
1 0,02
2 0,12
3 0,13
4 0,05
5 0,07
6 0,12
7 0,12
8 0,25
9 0,08
10 0,04
Tabla 6.11
Para esta situación dada, con el fin de obtener un valor para py, se modifica el
algoritmo presentado, al siguiente:
100
Simulación de Sistemas - 337
Prueba
U1 Y qY cqY pY pY/cqY U2 (U2<pY/(cqY)?)
0,33472058 4 0,1 0,25 0,05 0,2 0,11486849 Se acepta
Ampliación de conocimientos
Ejercicios de autoevaluación
Tabla 6.10
101
Simulación de Sistemas - 337
Distribución de probabilidad
Tabla 6.11
6.2 Obtenga una ecuación similar a la ecuación 6.1, en el ejemplo 6.3, para el
caso de los intervalos [0 , 0,3] y [0,5 , 1], en función de x
⎧x
⎪ 0≤ x≤2
f ( x) = ⎨ 3 ,
⎪⎩0 en otro caso
102
Simulación de Sistemas - 337
6.1 Para poder generar valores para la demanda, se obtienen las funciones de
distribución acumulativas y la asignación de números aleatorios
Tabla 6.12
Tabla 6.13
103
Simulación de Sistemas - 337
Tabla 6.14
Tabla 6.15
104
Simulación de Sistemas - 337
NA
transformado Categoría Demanda (unidades)
58 MEDIA 58
22 MEDIA 38
95 MEDIA 85
41 ALTA 65
64 BAJA 45
54 MEDIA 58
9 MEDIA 32
45 MEDIA 45
54 BAJA 38
50 BAJA 38
Tabla 6.16
6.2 Ecuaciones:
5U
x= +3
0,3
• Para el intervalo [13,18] : al asignar valores de U comprendidos entre [0,5 ,
1], se obtienen los valores de x de acuerdo a la relación:
U
x= +8
0,1
a = 40
c =13
m =1231
semilla = 4571
105
Simulación de Sistemas - 337
Números seudoaleatorios
⎧0 x<0
⎪ 2
⎪x
F ( x) = ⎨ 0≤ x≤2
⎪ 6
⎪⎩1 x ≥ 2
x2
= r; por lo tanto: x = 6r
6
λi
pi = P {X = i } = e −λ
i!
106
Simulación de Sistemas - 337
Paso 2: i= 0, p = e-λ , F = p
Paso 5: Ir al paso 3
i P F U Observaciones
Tabla 6.18
La muestra corresponde a X = 4
107
Simulación de Sistemas - 337
UNIDAD 7
Objetivo de la Unidad 7
108
Simulación de Sistemas - 337
109
Simulación de Sistemas - 337
110
Simulación de Sistemas - 337
Simulación estocástica
Los sistemas que serán estudiados son aquellos que al evolucionar en el tiempo
presentan cambios en algún atributo de alguna entidad, cada atributo se asocia a
una variable. Cada vez que ocurre un evento, los valores de estas variables
cambian, por lo tanto cambia el estado del sistema. Los eventos ocurren en distintos
111
Simulación de Sistemas - 337
instantes de tiempo y el paso del tiempo se controla con un reloj de simulación. Una
de las actividades a realizar cuando se quiere elaborar un modelo de simulación,
dependiendo de la implantación en el computador es definir el tipo de modelo que
se realizará.
Tipos de simulación
Existen dos tipos de simulación discreta, cuando se emplea el mecanismo del reloj:
• Orientada a intervalos
• Orientada a sucesos
112
Simulación de Sistemas - 337
Formulación
Correr el modelo
no
Verificado
?
si
no
Validado
?
Diseñar el experimento
Completa
?
si
Documentar
113
Simulación de Sistemas - 337
114
Simulación de Sistemas - 337
115
Simulación de Sistemas - 337
Lista de eventos
En toda simulación es importante elaborar una lista de los eventos que podrían
ocurrir en la misma. Son ejemplos de eventos los siguientes:
• Inicio
• Una llegada de un elemento al sistema.
• Ocurrencia de una falla
• Una salida de un elemento
• Fin
Existen otras variables que miden otros valores como ganancias esperadas,
pérdidas, etc.
116
Simulación de Sistemas - 337
117
Simulación de Sistemas - 337
No
Visita NA1 Dispuesto dispuesto NA2 Tipo de póliza Valor
1 0,24605947 X
2 0,14316615 X
3 0,25190223 X
4 0,03533658 X
5 0,23081397 X
6 0,44853065 X
7 0,41604419 X
8 0,91658076 X 0,95094565 B 2.000,00
9 0,29484831 X
10 0,95449848 X 0,34091065 − 0,00
11 0,73105903 X 0,94203678 B 2.000,00
12 0,2605152 X
13 0,7223643 X 0,55106905 A 1.000,00
14 0,39583658 X
15 0,32177828 X
16 0,91111876 X 0,30863562 − 0,00
17 0,89633796 X 0,14639037 − 0,00
18 0,26063385 X
19 0,03757757 X
20 0,56235785 X 0,1277856 − 0,00
118
Simulación de Sistemas - 337
Los clientes llegan a una taquilla de reclamos de una empresa de telefonía móvil.
Se ha observado el sistema y se han realizado mediciones de los tiempos entre
llegadas y de servicio. Los clientes llegan uno a uno, no lo hacen en grupos y el
primero que llega es el primero en ser atendido. En los modelos de colas estudiados
se suponía que tanto los tiempos entre llegadas como los de servicio eran
exponenciales, pero en este caso hemos obtenido a partir de las observaciones
distribuciones empíricas tanto de las llegadas como del servicio. Se puede decir que
los clientes que llegan a la taquilla provienen de una fuente infinita además no hay
limitaciones de espacio que podrían truncar la cola. Las llegadas ocurren en forma
aleatoria, de acuerdo a la siguiente función de distribución:
Tiempo de servicio
(minutos) Probabilidad
1 0,4
2 0,35
3 0,25
119
Simulación de Sistemas - 337
Taquilla
Población de
infinita atención
salida
Los eventos están relacionados con los estados, son aquellos que cambian el
estado del sistema y son los siguientes:
120
Simulación de Sistemas - 337
Asignación
Tiempo p(x) P(x) de NA
1 0,2 0,2 0 19
2 0,15 0,35 20 34
3 0,35 0,7 35 69
4 0,3 1 70 100
Tabla 7.5 Asignación de los NA1 según la distribución de los tiempos entre
llegadas (tabla 7.3)
Asignación de
Tiempo p(x) P(x) NA
1 0,4 0,4 0 39
2 0,35 0,75 40 74
3 0,25 1 75 100
Tabla 7.6 Asignación de los NA2 según la distribución de los tiempos de servicio
(tabla 7.4)
121
Simulación de Sistemas - 337
Variable Descripción
122
Simulación de Sistemas - 337
Iniciar variables de
estado, evento inicial,
evento final, lista de
eventos
Fin (E3)
Servidor Terminar
ocupado
No Si
Servidor No COLA >0 Si
libre ?
?
Cola =0
Generar E2 Generar E2
Generar E1
Actualizar
Lista de eventos
123
Simulación de Sistemas - 337
Llegada
Salida
minutos
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
124
Simulación de Sistemas - 337
Una vez obtenida la simulación se puede recolectar información sobre las medidas
de efectividad de este sistema de colas, tales como los tiempos de espera, el número
de elementos en la cola, el número de elementos en todo el sistema, etc.
Atención:
El algoritmo que se aplicó es específico para el caso en que ocurren tres tipos
de evento (tomando en cuenta el evento fin de la simulación). Al aplicar el
método para un mayor número de eventos, se debe ampliar la sección de
determinación del próximo evento, señalada con X, según sea la situación.
En los ejemplos analizados hemos visto que ha sido fácil elaborar una simulación.
En situaciones más complejas, en donde se maneja un mayor número de eventos,
resulta más difícil de hacerlo. Cualquier simulación puede realizarse empleando
lenguajes de programación de propósito general, como: C, Pascal y Fortran, los
cuales proveen facilidades para elaborar instrucciones relacionadas con:
condiciones, asignaciones, bucles (loops), secuencias de acciones y procesos.
Además poseen funciones para la generación de números seudoaleatorios.
Comercialmente se han desarrollado muchos paquetes de software. Dentro de la
gama de software de simulación existente se pueden distinguir dos tipos: lenguajes
de simulación y simuladores. Cabe destacar que cuando no se posee un
software especializado, un recurso muy útil para hacer simulaciones numéricas es la
hoja de cálculo(1). Las ventajas que posee la hoja de cálculo son: simplicidad de
manejo, facilidad de inclusión de funciones matemáticas, lógicas, estadísticas y
otras. Otra de las ventajas que ofrece esta (1) herramienta es la de facilitar la
visualización integral de la data y resultados. Existen además complementos para la
hoja de cálculo que simplifican la tarea de simulación. Una de los problemas que
presenta la hoja de cálculo es cuando se manejan muchos eventos, en algunos
(1)Cuando mencionemos la hoja de cálculo siempre nos referiremos a la Microsoft Excel™, que es la
más usada.
125
Simulación de Sistemas - 337
Lenguajes de simulación
• GPSS
• GASP
• R
• SIMAN
• SIMSCRIPT
• SIMULA
• SIMULINK
• SLAN
• TOOL KIT
• VENSIM
126
Simulación de Sistemas - 337
1- Orientados a eventos
2- Orientados a procesos
Para operar con estos lenguajes, el usuario debe detallar los eventos y todas las
acciones a seguir con las ocurrencias de cada uno de ellos. El lenguaje permite
incluir la data sobre distribuciones de probabilidad, realizan el muestreo automático
y generan medidas estadísticas.
Simuladores
127
Simulación de Sistemas - 337
Tiempo Probabilidad
(segundos)
3-8 0,6
8 -13 0,3
13 -16 0,1
Tabla 7.9
128
Simulación de Sistemas - 337
Figura 7.7
Modelo de Simulación
129
Simulación de Sistemas - 337
Generación de eventos:
Atención:
Gran parte de los problemas que son objeto de estudio en simulación están
relacionados con sistemas de colas. Esto no significa que sólo trataremos
problemas de este tipo.
130
Simulación de Sistemas - 337
Validación
Diseño de experimentos
131
Simulación de Sistemas - 337
Una vez efectuadas las corridas planificadas se procede analizar e interpretar los
resultados. Si el estudio fue bien planificado, se habrá planteado un conjunto bien
definido de preguntas y el análisis tratará de responderlas. Es muy importante
también, cuidar la validez estadística de los resultados.
Antes de implantar las soluciones en el sistema, algunos autores consideran
conveniente experimentar con algunas variables del modelo, con el fin de hallar
mejores soluciones, esto se asocia al análisis de sensibilidad de la solución.
Ejercicios de autoevaluación
7.1 A un supermercado llegan los clientes, estimándose que el tiempo entre llegadas
sigue una distribución uniforme (1, 3) minutos. Estos emplean en promedio 1
minuto por la compra de cada artículo; el número de artículos adquiridos sigue
una distribución exponencial, con una tasa de 1/12. Se dispone de seis cajas
estándar que admiten a los clientes, cualquiera sea el número de artículos a
adquirir, dos cajas rápidas que admiten compras de hasta 10 artículos y una caja
especial para minusválidos y ancianos. El número promedio de clientes que
utilizan la caja especial es del 4%. Sin tomar en cuenta el tiempo invertido en la
cola, cada cliente que pasa por una caja estándar emplea 6 segundos por artículo
seleccionado, a través de la caja rápida, 5 segundos; cuando se trata de un
minusválido se emplean 2 minutos por artículo.
Sobre la base de la situación planteada, determine cuáles son los eventos a
considerar y las distribuciones de probabilidades correspondientes.
7.2 Una papelería emplea tres cajeras para servir a sus clientes, los cuales llegan de
acuerdo con un proceso de Poisson, con una tasa media de dos por minuto. Si un
cliente encuentra todas las cajas ocupadas, se ubica al final de una fila a la que
dan servicio todas las cajeras; es decir, no hay colas frente a cada caja, sino que
esperan formados hasta que una cajera se desocupa. El tiempo para realizar las
transacciones entre la cajera y el cliente tiene una distribución exponencial con
media de tres por minutos.
132
Simulación de Sistemas - 337
7.1 Eventos:
Evento Distribución
Cliente llega al supermercado. Tiempo entre llegadas U(1,3)
Cliente escoge un número de artículos. Exponencial negativa con parámetro 1/12 (*)
(+)
Se podrá suponer que el cliente se unirá a la cola que tenga menos personas, según la
categoría que le corresponda
133
Simulación de Sistemas - 337
a)
⎡ ⎛λ⎞
2
⎤
⎢ λµ ⎜⎜ ⎟⎟ ⎥
⎢ ⎝ µ⎠ ⎥ Po + λ
L=⎢ 2 ⎥
( s − 1)!( sµ − λ ) µ
⎢ ⎥
⎢⎣ ⎥⎦
−1
⎡⎛ λ ⎞s ⎛ ⎞ ⎛λ ⎞
n
⎤
⎢⎜ ⎟ ⎜ ⎟ s −1 ⎜ ⎟ ⎥
µ ⎜ 1 ⎟+ ∑⎝µ⎠
P0 = ⎢ ⎝ ⎠ ⎥
⎢ s! ⎜ λ ⎟ n = 0 n! ⎥
⎢ ⎜ 1 − sµ ⎟ ⎥
⎢⎣ ⎝ ⎠ ⎥⎦
⎡ ⎛ λ ⎞
s ⎤
⎢ λµ ⎜ ⎟ ⎥
⎢ ⎜µ⎟ ⎥
Lq = ⎢ ⎝ ⎠ P
2 ⎥ 0
⎢ ( s − 1)! ( s µ − λ ) ⎥
⎢ ⎥
⎣ ⎦
Lq = 0,009291521
c) Wq = C P0
s
⎛λ⎞
µ⎜ ⎟
C= ⎝µ⎠
(s − 1)! (sµ − λ )2
Wq = 0,004645761 minutos
1
d) W = Wq +
µ
W = 0,337979094 minutos
134
Simulación de Sistemas - 337
⎧ 1 ⎛ λ ⎞n
Como: ⎪ ⎜⎜ ⎟⎟ Po si 0 ≤ n ≤ s
⎪ n! ⎝ µ ⎠
⎪
Pn = ⎨ n
⎛λ⎞
⎪ ⎜⎜ ⎟⎟
⎪⎝ µ ⎠
⎪⎩ s! s n− s Po sin > s
Ampliación de conocimientos
Consulta en la Web:
Se recomienda consultar la siguiente dirección, la cual ofrece un resumen
del proceso de simulación
http://www.fing.edu.uy/inco/cursos/io/archivos/teorico/simulac.pdf
Ã
V. Bibliografía
135
Simulación de Sistemas - 337
Eppen, G., Gould, F., Schmidt, C., Moore, J., Weatherford, L. (2000). Investigación
de Operaciones en la Ciencia Administrativa. México. Pearson Educación.
Phillips, D., Ravindran, A., Solberg, J. (1976). Operations research Principles and
Practice. Canada. Wiley and Sons.
Ríos, I., Ríos I., Martín, J. (2000). Simulación, Métodos y aplicaciones. México.
Alfaomega Grupo Editor.
136
Simulación de Sistemas - 337
The Open University. (1971). Diferencias Finitas. Cali, Colombia. Mc Graw Hill.
137