09/08/2014

Identificación de Patrones de Comportamiento Aleatorio

Una característica fundamental de la mayor parte de los sistemas discretos, que

interesa estudiar por simulación, es la presencia de la aleatoriedad como atributo
intrínseco de algunas o todas sus componentes. Todos los sistemas reales suelen
contener al menos una, pero en general más de una, fuente de aleatoriedad.
Según la metodología de estudios de simulación que se han propuesto, como
primera etapa: la de conocimiento; ges en la que se recoge información sobre el
sistema para formular las hipótesis de modelización que permitirán construir el
modelo.

Como un breve ejemplo de lo anterior podemos consideras, los casos de los

sistemas de manufactura: podemos identificas además fuentes adicionales de
aleatoriedad en la primera etapa de conocimiento, como por ejemplo: las averías
de las maquinas, cuando se producen, y la duración de las mismas –el tiempo que
están fuera de servicio por avería mientras son reparadas, o el tiempo que la
máquina esta operativa, o sea, el tiempo entre averías, etc.

Los anteriores ejemplos citados pertenecen al dominio de las distribuciones

continuas de probabilidad; es decir: las observaciones que se pueden recoger
sobre las variables aleatorias relevantes para el estudio de simulación pueden
utilizarse de diferentes maneras a la hora de especificar la distribución de
probabilidad correspondiente. De tal manera determinar el tipo de distribución de
probabilidad que mejor explica tal comportamiento, y decidir si se utiliza en el
estudio de simulación un modelo teórico de tal distribución, o se trabaja con una
distribución empírica.

Distribución de Poisson Distribución exponencial

 09/08/2014

Modelos de Identificación

Para identificar el comportamiento aleatorio en la simulación se puede utilizar

distintas modalidades como por ejemplo, la simulación dirigida por traza El
inconveniente principal de este planteamiento es que la simulación únicamente
puede reproducir lo que ha ocurrido históricamente, sin capacidad de proyección
futura. Esta alternativa es recomendable frente a otras únicamente el caso de la
validación de los modelos donde interesa comprobar la salida proporcionada por el
modelo del sistema con la salida proporcionada por el propio sistema.

Otra posibilidad es la de utilizar estos datos para definir una función de distribución
empírica, de la cual se extraen muestras a medida que se necesitan los valores.
Es un planteamiento preferible al anterior, que en el caso de los datos continuos
permite generar cualquier valor entre el máximo y el mínimo de los observados,
cada vez que se necesita uno de ellos, por ejemplo un tiempo de servicio.

Finalmente se pueden utilizar las técnicas de la inferencia estadística para –

ajustar- los datos a la forma de una distribución teórica, y realizar pruebas de
hipótesis para determinar la bondad del ajuste. Si una distribución teórica
particular, para ciertos valores de sus parámetros, es un buen modelo de los datos
observados se puede muestrear desde tal distribución cada vez que se necesita
uno de los datos. En el caso de que se pueda encontrar una distribución teórica
que ajuste razonablemente bien los datos observados, esta alternativa es
preferible a cualquiera de las dos anteriores.

Ahora bien, si la afirmación de que en toda simulación se debe incorporar la

aleatoriedad como la hay en el mundo real, entonces:
¿Cómo se decide de la naturaleza de la aleatoriedad presentada en la simulación?
¿Cómo especificar las distribuciones de las variables aleatorias?, según en su
texto Bratley, Fox y Schrage, podemos identificar lo siguiente:

1) Siempre que sea posible hay que recoger observaciones de las variables
aleatorias de entrada.

2) Las decisiones y especificaciones a que nos estamos refiriendo han de

hacerse a partir de los datos disponibles, y podemos encontrarnos con una
gran variedad de situaciones.

3) En unos casos tendremos un exceso de datos, mientras que en otros

dispondremos de muy pocos, y en ambos casos la procedencia de los
datos puede ser o bien directamente la distribución de interés o
indirectamente una distribución «relacionada»
 09/08/2014

A esto último se le debe agregar que, tener pocos datos significa que nos
encontramos en una de las situaciones siguientes, o en alguna combinación de las
mismas: la muestra de que disponemos es pequeña, o solo tenemos un resumen
estadístico, por ejemplo, media, variancia, valores mínimo y máximo, mediana,
moda, etc., o la información disponible es de tipo cualitativo, consistente, por
ejemplo, en entrevistas con personas informadas o con experiencia sobre
situaciones relacionadas.

En las aplicaciones de la simulación en el mundo de la manufactura es frecuente

la recogida de datos que representados en forma de histograma adoptan formas
que sugieren fuertemente distribuciones como la exponencial, cuando un análisis
más detallado permite comprobar que esta es una distribución inadecuada en este
caso.

Análisis de Sensibilidad

El objetivo de un análisis de sensibilidad es comprobar que el resultado de un

estudio de simulación solo depende débilmente de que distribución se utiliza de
entre un conjunto de distribuciones plausibles. Con frecuencia los estudios de
sensibilidad se limitan a modificar las medias y las variancias de las distribuciones
de los datos de entrada para la simulación.

Las distribuciones teóricas dependen en general de uno o dos parámetros que

pueden variar de manera continua, esto facilita el análisis de sensibilidad,
suponiendo que solo se toman en cuenta la formas limitadas que pueden tomar
las distribuciones teóricas.

Diferencia entre distribución empírica y teórica en el proceso de simulación

Las dificultades para generar datos fuera del intervalo de valores observados
puede ser una limitación importante a la hora de utilizar una distribución empírica
si tenemos en cuenta que muchas de las medidas del rendimiento de los sistemas
que se simulan dependen fuertemente de la probabilidad de que ocurran sucesos
«extremos». Mientras que una distribución teórica permite generar datos fuera del
intervalo observado. Sin embargo hay situaciones en las que deberemos recurrir a
las distribuciones empíricas por no poder ajustar ninguna distribución teórica con
el grado de bondad exigible.

Es recomendable proceder a una investigación sobre la robustez para verificar la

sensibilidad de la medida del rendimiento del sistema que se simula con respecto
a la forma (por ejemplo la asimetría) de las distribuciones de entrada.
 09/08/2014

Identificación de Patrones de Comportamiento Aleatorio

Expositor: 2690-12-8668

1. ¿Qué representa la aleatoriedad en el proceso de simulación?

2. ¿Es de utilidad realizar ajustes en la obtención de datos?

3. ¿La diferencia entre distribución empírica y distribución teórica como

técnicas de aplicación durante el proceso de simulación?

4. ¿Qué técnica de inferencia estadística para manejar los datos puede

representar mayor utilidad en el proceso de simulación?

5. ¿Cuáles son las claves para la identificación de los patrones de

comportamiento aleatorio en el proceso de simulación?
 09/08/2014

SIMULACION Y MODELACIÓN
Evaluación sobre el tema: Identificación de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668

Dominio del tema

Proporciono información necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total /5

SIMULACION Y MODELACIÓN
Evaluación sobre el tema: Identificación de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668

Dominio del tema

Proporciono información necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total /5

SIMULACION Y MODELACIÓN
Evaluación sobre el tema: Identificación de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668

Dominio del tema

Proporciono información necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total /5

SIMULACION Y MODELACIÓN
Evaluación sobre el tema: Identificación de patrones de comportamiento aleatorio
Expositor: Bryan Santiago | 2690-12-8668

Dominio del tema

Proporciono información necesaria sobre el tema
Presento coherencia sobre el tema
Proporciono un ejemplo sobre el tema
Proporciono conclusiones y/o sugerencias
Total /5
09/08/2014