UNIVERSIDAD AUTONOMA DEL ESTADO DE MORELOS

FACULTAD DE CIENCIAS QUIMICAS E INGENIERIA

FOI
4.5 FOI
4
3.5
3
2.5
2
1.5
1
0.5

MODELADO Y SIMULACION DE PROCESOS

0
1 2 3 4 5 6 7

‘’SIMULADOR ARENA’’

DOCENTE: ARACELI ESQUIVEL LOPEZ

YUNUEN MIRON ROMAN
Marco Teórico

Pruebas de bondad de ajuste:

Son aquellas que comparan los resultados de una muestra con los que se espera
obtener cuando la hipótesis nula es verdadera. Estas tienen por objetivo
determinar si los datos se ajustan a una determinada distribución, la cual puede
estar completamente especificada (hipótesis simple) o perteneciente a una clase
para-métrica (hipótesis compuesta). Se destacan las siguientes:

a) Prueba de x 2(chi-cuadrado). Métodos para identificar y validar la

distribución de probabilidad de una
variable aleatoria (continua o discreta).
b) Prueba de Kolmogorov - Smirnov

Nota: En este ejercicio se realizo con la prueba de Kolmogorov – Smirnov , con una
distribucion triangular debido al histograma obtenido.

DEFINIFIENDO VALORES COMO:

PRUEBA DE KOLMOGÓROV-SMIRNOV

Es una prueba no para-métrica la cual se emplea solo para distribuciones

continuas. Esta tiene como objetivo encontrar el tipo de distribución de una serie
de datos, se considera más eficiente que la prueba de chi-cuadrado debido a que
trabaja con la distribución de probabilidad acumulada: la distribución acumulada
de los datos observados y la distribución acumulada teórica correspondiente al
modelo elegido.

Pasos generales: DISTRIBUCION TRIANGULAR

 Recopilacion de datos de la variable aleatoria a simular.

 Agrupar datos.
 Realizar una tabla de frecuencias como la siguiente:
 SIMULADOR ARENA

Arena simulador es un software de simulación de eventos discretos para la

optimización de procesos complejos.
El modelado de eventos discretos es el proceso de representar el comportamiento
de un sistema complejo como una serie de eventos bien definidos y ordenados en
el tiempo. Esto permite analizar rápidamente el comportamiento de un proceso o
sistema a lo largo del tiempo.
Partiendo de un proceso dado se puede generar diferentes escenarios para
buscar la solución a un problema sin una causa clara, o permite encontrar el mejor
escenario minimizando el riesgo de una futura inversión.  Mediante el modelado
del proceso se pueden identificar cuellos de botella dentro del sistema o al
contrario identificar cuellos sobredimensionados innecesarios en el mismo.

Características de Arena simulación

 Bloques de construcción predefinidos para modelar el proceso sin

necesidad de programación.
 Amplia gama de opciones de distribuciones estadísticas para modelar la
variabilidad del proceso.
 Métricas de rendimiento, análisis estadístico y generación de informes.
 Capacidades realistas de animación en 2D y 3D.

Ventajas de implementar Arena simulación

 Permitir la visibilidad del efecto de un cambio en un proceso

 Explorar nuevos procedimientos o escenarios sin interrumpir el sistema
actual
 Diagnosticar y solucionar problemas
 Reducir o eliminar los cuellos de botella
 Reducir riesgo en grandes inversiones
 FUNCIONES DE PROBABILIDAD Y SU INVERSA
Exponencial

Transformada

Weibull

Transformada

Chi cuadrada

Transformada
Triangular

Gamma

Transformada

Beta

Transformada
Erlang

Lognormal
 PROCEDIMIENTO ARENA

EJERCICIO 1
AUTOS QUE ENTRAN POR HORA 7 INTERVALOS

14 7 13 16 16 13 14 17 15 16
13 15 10 15 16 14 12 17 14 12
13 20 8 17 19 11 12 17 9 18
20 10 18 15 13 16 24 18 16 18
12 14 20 15 10 13 21 23 15 18

1.- Se transcriben los números en un block de notas y se guarda con una

extensión ‘’dst’’ para obtener la extensión poner en todos los archivos

2.- Se abre el simulador ‘’arena’’ dar click en TOOLS y poner imput analyzer
para poder añadir nuestro archivo

3.- Teniendo la ventana de input dar click en ‘’FILE’’ y seleccionar data file,
dar click en use existing
4.- Al subir el archivo se genera una gráfica con distintos intervalos, se
modificaran los intervalos dando click en ‘’OPTIONS’’ se encuentra
parámetros y se selecciona ‘’HISTOGRAM’’ en esa ventana se proporcionan
los intervalos en este caso son ‘’7’’

GRAFICA CON 7 INTERVALOS

DISTRIBUCIONES ACEPTADAS
5.- Dar click en FIT donde se encuentran los tipos de distribuciones y se puede
seleccionar la que tenga menor error, en este caso se seleccionaron las siguientes:

NORMAL
P-

VALUE: 0.396 > 0.05

LA PRUEBA SE ACEPTA
WIBULL
P-VALUE: 0.29>0.05 SE ACEPTA LA PRUEBA

Cabe destacar que en cada distribución se proporciona una serie de datos

respectivamente a: intervalos, media y la transformada inversa.

EJERCICIO 2

A continuación se muestra un estudio del comportamiento del tiempo entre roturas

de cierto filamento, medido en minutos/rotura.
4.33 1.61 2.16 2.88 0.70 0.44 1.59 2.15 8.59 7.36
9.97 7.86 5.49 0.98 4.52 2.12 4.44 0.82 6.96 3.04
2.81 14.39 3.44 9.92 4.38 8.04 2.18 6.19 4.48 9.66
4.34 1.76 2.30 5.24 11.65 10.92 12.16 6.60 0.85 4.82
1.36 3.53 6.58 1.45 8.42 3.69 2.44 0.28 1.90 2.89

1.- Se genera el archivo en block de notas guardándolo con la extensión

‘’dst’’

2.- Se abre el simulador de arena donde se genera una pestaña en ‘’TOOLS’’

input analyzer.

3.- Dar click en ‘’DATA FILE’’ ‘’USE EXISTING’’ para usar el archivo
generado en block de notas
4.- Dar click en ‘’OPTIONS’’ encontrar parámetros, dar click en HISTOGRAM
para cambiar el número de intervalos

GRAFICA CON 8 INTERVALOS

Se percibe que en la parte inferior se describen los datos utilizados en la

gráfica y de igual manera datos estadísticos

5.- Dar click en FIT y escoger una de las distribuciones que más se adecue o
tenga menos error; para poder ver el error dar click en el recuadro
POSIBLES DISTRIBUCIONES:

GAMMA

P- EVALUE: 0.434>0.05 SE ACEPTA HIPOTESIS

 LOGNORMAL

P-EVALUE: 0.211>0.05 SE ACEPTA LA HIPOTESIS

 EJERCICIO (PROYECTO)
MUERTES DOLOROSAS EN EL ESTADO DE MORELOS POR AÑO
ARENA

Datos de muertes dolorosas:

1.- Se generan los números estadísticos en un block de notas con la

extensión dst, para poder ser usado en ARENA
2.- Al subir el archivo se genera una gráfica en la cual se tiene que modificar
el número de intervalos en nuestro caso serán usados 10

GRAFICA GENERADA

Se puede observar que el programa nos proporciona ciertas características o

datos estadísticos

3.- Se genera la ventana para ver que prueba tiene menor error y poder
generarla
4.- Dar click en FIT seleccionar cualquier prueba y después seleccionar el
icono antes mencionado

Arena nos arroja una prueba de menor error triangular

TRIANGULAR

P-EVALUE: 0.75>0.05 SE ACEPTA LA HIPOTESIS

 BETA

P-EVALUE: 0.718 >0.05 SE ACEPTA HIPOTESIS

COMPARACION MANUALMENTE EN EXCEL

1) DESCRIPCION DE DATOS

DATOS ALEATORIOS

AÑO 2015 2016 2017 2018 2019

Mes
Enero 29 43 53 70 72
Febrero 32 35 60 62 68
Marzo 44 47 62 55 59
Abril 40 36 49 50 80
Mayo 33 61 50 52 68
Junio 34 63 38 48 70
Julio 45 54 42 70
Agosto 38 57 45 50
Septiembre 50 49 47 69
Octubre 31 52 19 65
 Noviembre 39 59 42 70
Diciembre 44 56 43 81

Total de datos : 54

Rango
valor maximo−valor minimo=81−19=62

Intervalos
√ numero de datos=√ 54=7.3 ≈7
Amplitud
Rango 62
amplitud= = =8.8571 ≈ 9
nº de intervalos 7

OBTENER LOS LIMITES

 Ordenar los datos obtenidos.

19 29 30 32 31 33 34 35 35
36 38 38 39 40 42 42 43 43
44 44 45 47 47 48 49 49 50
50 50 50 52 52 53 54 55 56
57 59 59 60 61 62 62 63 65
68 69 70 70 70 70 72 80 81

LIMITES
 2) PROCEDIMIENTO ( elaboración de la tabla de frecuencia observada y
esperada)
Se eligió una variable y se investigaron dichos valores correspondientes a ella, en
la simulación se muestra las muertes en Morelos en los últimos cuatro años

 Se saca el número de intervalos

 Se obtiene el rango
 Obtener la amplitud

 Se ordenaron las variables de menor a mayor, se procedió a sacar

los limites superior e inferior teniendo en cuenta la amplitud y
comenzando con el número menor. (Se sumara al número menor la
amplitud)

 Para sacar FO se realiza el conteo de repeticiones de los números

proporcionados de la variable. (conjunto de datos ordenados).

 Para obtener FE , se realizó la siguiente operación FE=f(x)*N, donde

f(x), se obtiene de las siguientes funciones:

( x−a )2
1) F ( x )= Si a ≤ x ≤ b
( c−a)(c−b)
( c−x )2
2) F ( x )=1− si b ≤ x ≤ c
(c−a)( c−b)

Donde:
 3) HISTOGRAMA

 Se realiza un histograma correspondiente a FO para poder saber a

qué distribución corresponden nuestros datos.

Corresponde a una distribución campana por lo consiguiente el

modelo a seguir es Kolmorogov y una distribución triangular.

 Procedimos a sacar PEA (probabilidad esperada), se darán valores

para a, b y c. b(número más alto de frecuencia el valor de LS)

Ec. 1

Ec. 2

La ecuación 1 se utiliza de nuestra frecuencia mayor hacia arriba

obteniendo:
Los valores restantes se realizan con la ecuación 2

FO
 PO se obtiene PO=
N

 Se obtiene POA que es la suma del primer número más el de arriba

ya que es acumulada

 Sacar la resta en valor absoluto, teniendo eso se saca el valor

máximo de los datos de la columna. (MAX).
 4) TRANSFORMADA INVERSA
Se realiza con las ecuaciones triagulares que da como resultado lo
siguiente:
1. Teniendo la hipótesis aceptada se procede a despejar x de las ecuaciones
antes mostradas

( x−a )2
F ( x )= Si a ≤ x ≤ b
( c−a)(c−b)

r i=F ( x )

Despeja X i

ecuacion 1: X i=a+ √ ( c−a ) ( b−a )∗r i 0 ≤r i ≤ 0.5

( c−x )2
F ( x )=1− Si b ≤ x ≤ c
(c−a)( c−b)

r i=F ( x )

Despeja X i

Ecuacion 2 : X i=c−√ ( c−a )( c−b )−( c −a ) ( c−b )∗r i 0.5 ≤i ≤ 1

De las ecuaciones plantear condición.

Si r i ≤0.5 se usara la ecuación 1 y si no ecuación 2

 Se realiza el histograma pertinente con número pseudoaleatorios o

con los datos de la variable
 5) SIMULACIÒN DE LA VARIABLE ALEATORIA

Nº Pseudoaleatorios Nª Casos de muerte

RESULTADOS
La hipotesis se acepta ya que DM< KOLMOGOROV

6) COMPARACION DE HISTOGRAMA
INICIAL RESPECTO AL DE LA SIMULACION

NOTA: Ambos histogramas tienen el mismo comportamiento.

Histograma inicial Histograma (Simulacion )

 CONCLUSION
Se puede concluir que mediante el simulador arena es más fácil poder predecir
que función de probabilidad es la adecuada para la validación de nuestros datos o
variables aleatorias respectivamente investigadas, arena es un simulador que
permite disminuir errores y proporcionar nuevos escenarios más amplios, poder
realizar visualizaciones de procesos como las fallas o los posibles cambios para
mejorar. Arena es un simulador que muestra datos estadísticos que nos pueden
ayudar a tomar mejores decisiones.

En conclusión al comparar los métodos de manera manual y con el simulador

proporciona las mismas funciones que se trabajan la única diferencia es que lo
realiza de manera inmediata sin tener que realizar demasiados cálculos.

Con respecto al proyecto se acoplaron las funciones propuestas y simuladas

dando las mismas graficas teniendo en cuenta que las hipótesis son aceptadas y
que se simulan las variables aleatorias.
BIBLIOGRAFIA

*Llinás Solano Humberto. Estadística Inferencial. Ediciones Uninorte. 2006.

*Walpole Ronald, Myers Raymond, Myers Sharon. Probabilidad y estadística para
ingenieros. Pearson Educación. 1999
*Artículo hecho por Cristina Fevola, Título: Inferencia estadística.
http://www.monografias.com/trabajos30/inferencia-estadistica/inferencia-estadistica.shtml

*Bonisu Fernandez Garcia.’’simulation arena’’.SN

Descargado de:
https://www.clarcat.com/arena/
*PATRICIA ROMAN ROMAN ‘’Modelos de distribución continua’’.2005
Recuperado de:
https://www.ugr.es/~proman/ProbI/2016_2017/PDF/DistribucionesContinuas.pdf