Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 5
Trabajo presentado a:
1
CONTENIDO
INTRODUCCIÓN........................................................................................................3
OBJETIVOS................................................................................................................5
OBJETIVO GENERAL....................................................................................................................................5
OBJETIVOS ESPECIFICOS.........................................................................................................................5
PRINCIPALES DEFINICIONES..................................................................................6
DIFICULTADES DE LA VALIDACIÓN........................................................................8
MÉTODOS A COMPARAR.......................................................................................15
ANÁLISIS DE RESULTADOS...................................................................................17
CONCLUSIONES......................................................................................................21
BIBLIOGRAFÍA.........................................................................................................23
2
INTRODUCCIÓN
3
esperamos sea del 95%. Aquí son las variables aleatorias que indican
el límite inferior y superior, respectivamente, del correspondiente intervalo de
confianza. También comparamos los promedios de las longitudes de los intervalos
calculados con los distintos métodos. Buscamos métodos que dieran intervalos con
niveles de confianza real iguales o mayores que el nominal, pero cuyas longitudes
fueran pequeñas. La verificación se refiere a la construcción correcta de un modelo.
Se puede definir verificación como el proceso de determinar si la lógica operacional
del modelo (programa de ordenador) se corresponde con la lógica del diseño. En
términos más simples, consiste en determinar si hay errores en el programa.
La validación se refiere a la construcción de un modelo correcto. La validación es el
proceso de determinar si el modelo, como abstracción, es una buena
representación del sistema. Usualmente la validación se consigue a través de la
calibración del modelo, en un proceso iterativo de comparación del comportamiento
del modelo con el del sistema y usar las diferencias entre ambos para mejorar el
modelo. Este proceso se repite hasta que el modelo se considera aceptable.
4
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECIFICOS
5
VERIFICACION Y VALIDACION DE MODELOS DE SIMULACION
PRINCIPALES DEFINICIONES
6
Lo define como “sustanciación de que un modelo para computadora, con su dominio
de aplicación, posee un rango satisfactorio de precisión consistente con la aplicación
para la que se desea el modelo”.
Operación
Capacitación
Mantenimiento
Soporte
7
DIFICULTADES DE LA VALIDACIÓN
Cada modelo se valida con respecto a sus objetivos. No se puede decir que un
modelo válido para un propósito lo tenga que ser necesariamente para otros.
Por otro lado, la idea de la simulación es construir modelos sencillos para objetivos
concretos, lo que aleja de la idea de validez general. La realidad es el único “modelo”
válido de forma general.
La validación supone, a menudo, una comparación del mismo aspecto del modelo
frente a los datos del mundo real. El modelo se ejecuta sobre las mismas condiciones
que el mundo real para ver si funciona de forma similar. Pero existen dos dificultades
en este procedimiento. Una, los datos del mundo real no tienen por qué ser precisos.
Si no existe certeza sobre si los datos son buenos no existen garantías para indicar
que los resultados del modelo son correctos.
8
La otra dificultad es que, incluso existiendo datos fiables del mundo real, se debe
recordar que son solo una muestra, lo que crea una cierta imprecisión. Por ejemplo
se pueden haber recogido datos de una variable durante dos semanas, pero ¿el
comportamiento de dicha variable sobre ese periodo es el mismo que siempre o hay
cambios en sus valores dependiendo de la fecha?.
Por otro lado los resultados de la simulación son, a su vez, una muestra. Esto indica
que la comparación con los datos del mundo real es, en realidad, la comparación de
dos muestras. Aunque existen procedimientos estadísticos para determinar si dos
muestras son semejantes esto solo proporciona una respuesta probabilística pero no
definitiva.
En el marco de un estudio de simulación hay plazos que cumplir, lo que implica que
no hay suficiente tiempo para verificar y validar cada aspecto de un modelo.
Este problema afecta tanto a la validación como a la verificación. La tarea de un
modelador es garantizar que el modelo se ha validado y verificado tanto como sea
posible.
Confianza no es validez.
La conclusión es que, aunque en teoría, un modelo puede ser válido o no, probar
esto en la práctica en un tema muy diferente. No es posible probar de manera
absoluta que un modelo es válido, en su lugar, se habla de la confianza que se puede
tener en el modelo. En realidad, más que intentar demostrar que un modelo es
correcto lo que se hace es probar si el modelo es incorrecto. Cuanto más pruebas
estadísticas se realizan sin poder probar que el modelo es incorrecto más confianza
se tendrá en el mismo. Por lo que el objetivo de la Validación (y de la Verificación) es
aumentar la confianza en el modelo y sus resultados.
9
ASPECTOS RELACIONADOS CON LA VERIFICACIÓN
Durante el proceso de codificación del modelo deben tenerse en cuenta una serie de
aspectos como:
Comprobaciones visuales.
10
Colocar interactivamente determinadas condiciones para forzar que se
produzcan ciertos eventos.
Crear condiciones extremas, como una tasa de llegadas muy elevada, para
comprobar si el modelo se comporta de la forma esperada.
Aislar determinadas áreas del modelo para que se puedan ejecutar más
rápidamente, reduciendo el tiempo de realización de la verificación.
Habitualmente esto se realiza durante un periodo limitado de tiempo, pero con ello se
aprende mucho sobre el comportamiento del modelo. La implicación de los expertos
también durante esta fase aumenta la credibilidad de dicho modelo.
Se comparan los resultados obtenidos con los esperados. A veces también se utiliza
para mejorar las prestaciones de determinados elementos utilizados. A veces un
informe se puede utilizar como una traza de una ejecución de la simulación, lo que
ayudará en el diagnóstico y corrección de muchos problemas.
11
modelo ha sido correctamente implementada. Dado que los objetivos de la
verificación y de la validación son diferentes también lo son las técnicas para
realizarlos.
Se han de establecer una serie de criterios que sirvan para decidir si el modelo
supera o no los procesos de verificación y validación. Se ha de tener presente que en
un modelo se pueden excluir aspectos del sistema real que se cree que no son
importantes para responder a las cuestiones planteadas sobre el sistema y que el
modelo debe responder, de forma que en fases tempranas se ha de fijar también
cuáles son dichas cuestiones.
12
correspondiente intervalo de confianza. También comparamos los promedios de las
longitudes de los intervalos calculados con los distintos métodos. Buscamos
métodos que dieran intervalos con niveles de confianza real iguales o mayores que
el nominal, pero cuyas longitudes fueran pequeñas.
Estimación de medias
El estimador puntual de , basado en los datos { Y1, Y2, Y3, …….Yn} está definido
como
El intervalo de confianza usual asume que Yi está distribuida con una normal. Y el
intervalo de confianza es:
Donde t/2, n-1 es el cuantil de la distribución t con n-1 grados de libertad que
corta /2 del área de cada cola de la distribución. El intervalo de confianza da los
extremos o límites donde puede estar Y . Mientras más repeticiones se hagan más
pequeño es el intervalo de confianza y menos error tendrá Y .
Sea un ciclo de tiempo promedio en un día particular. Un buen estimador es Y pero
no es precisamente exacto. Incluso , que es el centro de la distribución no es
probable que sea el real ciclo de tiempo de un día en particular, porque diariamente
estos ciclos de tiempo varían. Un intervalo de predicción está diseñado por otra
parte para contener el ciclo de tiempo de cualquier día en
13
La longitud del intervalo no tiene a cero si n aumenta (no disminuye), y en el límite
se transforma en
14
Ambas validación y verificación se pueden realizar en las distintas etapas del
desarrollo de un modelo de simulación:
La validación implica el contraste de los datos reales con el análisis de las salidas
de simulación.
Busca la estimación de las verdaderas medidas o respuestas. Se pretende
aproximar el modelo lo que más se pueda al sistema real representado.
El problema es estadístico y depende de la longitud de la corrida (tiempo o número
de entidades simuladas) y del número de repeticiones de cada corrida de
simulación. Cabe recordar que son necesarias como mínimo dos corridas de
simulación para obtener salidas de simulación promediadas, considerando la
característica aleatoria de los sistemas discretos. [CITATION uni131 \l 9226 ]
La bondad del modelo debe aproximar su comparación con el mundo real. Esto en
general implica dos etapas:
1. Que las hipótesis asumidas sean razonables (validación).
2. Que las hipótesis estén correctamente implementadas en el modelo
(verificación).
MÉTODOS A COMPARAR
Analizaremos los siguientes métodos que se pueden explicar en los cursos básicos
de estadística y que computacionalmente no presentan gran complejidad, así que
se pueden implementar fácilmente.
MÉTODO DE WALD
15
muéstrales, ˆπ1 − πˆ2. Teóricamente este método da un intervalo con un nivel de
confianza aproximado de (1 − α)100%, la aproximación es mejor en tanto n1 y n2
sean “grandes”.
Los extremos del intervalo son:
16
MÉTODO DE NEWCOMBE
Es una mezcla del método de Wald y el intervalo “score”. Para cada una de las dos
muestras se hallan los límites lj y uj del intervalo “score 00 resolviendo para πj con j
= 1, 2, la ecuación
ANÁLISIS DE RESULTADOS
La utilización del modelo por parte de los decisores es la validación crucial. De otra
forma el modelo se archiva o se tira a la basura.[ CITATION Uni141 \l 9226 ]
17
VERIFICACIÓN Y VALIDACIÓN DE LOS MODELOS
Diseñe una tabla con un formato tal que facilite la visualización de los
resultados de cada simulación del sistema banco corrida clientes que se van colas
en cada caja utilización en cajas
QA, QB, QC, QD, QE, PA, PB, PC, PD, PE,QF PF
Tablas de tiempo
18
Las salidas de simulación de un sistema discreto tienen el tratamiento de la
estimación de medias, variancias y correlaciones, intervalos de confianza y
eventualmente se puede hacer un test de hipótesis para las medias para comparar
distintas configuraciones del sistema simulado. En la unidad 2 se hizo una revisión
de probabilidad y estadística para luego aplicar estos conceptos a los datos
observados de un sistema real. Esos mismos conceptos son aplicables para las
salidas de simulación.[ CITATION Unv14 \l 9226 ]
19
¿Cuál es la relación entre el número de cajeros y empaquetadores con
respecto al tiempo de espera en cola?
¿Qué efecto produce la existencia o no de cajas rápidas con respecto al
tiempo de espera en cola?
¿Qué efecto produce con respecto al tiempo de espera en cola el hecho de
que más de un cajero comparta empaquetador?
¿Cuál puede ser el efecto de hacer que los cajeros puedan abrir o cerrar las
cajas según la cola de espera aumente o disminuya?
20
CONCLUSIONES
Si son muchos los aspectos de interés que hay que estudiar, es conveniente
usar un modelo sin refinar o un modelo analítico para identificar los factores
importantes antes de desarrollar un modelo de simulación detallado.
Se puede simular lejos del error con más y más corridas o repeticiones pero
nunca se puede simular lejos del riesgo, que es una parte inherente del sistema.
21
son necesarias como mínimo dos corridas de simulación para obtener
salidas de simulación promediadas, considerando la característica aleatoria de los
sistemas discretos.
22
REFERENCIAS
23