Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentando por:
Código:
1.016.046.909
Grupo: 212026_17
Ingeniería Industrial
Julio 2020
TALLER-LABORATORIO 3: MODELOS DE COLAS Y SIMULACIÓN
Las pruebas de hipótesis ofrecen uno o más datos de muestra que son susceptibles al
análisis formal a través de los métodos estadísticos inferenciales. Los procedimientos
estadísticos que normalmente se usan en la evaluación de resultados de simulación
incluyen el análisis de varianza, análisis de regresión y pruebas t. [ CITATION Cha06 \l
2058 ].
De acuerdo con lo anterior, una prueba de hipótesis permite cuantificar la probabilidad
de que nuestra media muestral sea inusual.
Se debe utilizar una computadora para obtener información adecuada de una simulación
ya que la construcción de un modelo en todos los casos no es el mismo, se puede tornar
dispendioso, por lo cual requiere de una preparación especifica para que este sea un
éxito, es por esto, que las hipótesis pueden ser estudiadas de forma más rápida por
medio de un computador y ser mas exacto en su ejecución.
1) incrementos fijos
2) incrementos variables.
6. ¿Cuáles son las ventajas y desventajas de empezar una simulación con el sistema
vacío?
¿Y con el sistema en equilibrio?
Empezar con un sistema vacío implica que el modelo se sesga por una serie de valores
iniciales hasta que el modelo llega a un estado estable. Para manejar este problema, los
analistas han seguido varios planteamientos como 1) descartar los datos generados
durante las primeras partes de la ejecución, 2) seleccionar las condiciones iniciales que
reducen la duración del periodo de calentamiento o 3) seleccionar las condiciones
iniciales que eliminan el sesgo. Sin embargo, para emplear cualquiera de estas
alternativas, el analista debe tener una idea del margen de datos de salida esperado. Por
lo tanto, en cierto sentido, el analista sesga los resultados. Por otro lado, una de las
únicas características de la simulación es que permite la crítica en el diseño y análisis de
la simulación; por lo que si el analista tiene cierta información que alberga un problema,
se debe incluir. [ CITATION Cha06 \l 2058 ].
8. ¿Qué información se necesita para una simulación con una distribución matemática
conocida?
Demanda el día n.
Demanda media.
Desviación estándar estimada.
Número de desviaciones estándar de la media el día n.
11. Describa que son los números aleatorios y como se utilizan en la simulación.
Es aquel obtenido al azar, es decir, que todo número tenga la misma probabilidad de ser
elegido y que la elección de uno no dependa de la elección del otro.
Phyton
Matlab
Risk Simulator
MiniTab
GAMS
Desarrollar en un archivo de Excel los siguientes ejercicios, los cuales se presentarán en el informe
de Word mediante pantallazos y los respectivos análisis en cada punto
1. Establecer un listado de 1000 números aleatorios en una columna, establecer una gráfica de
tipo dispersión en un cuadro de dialogo explique sus características.
Al generar aleatoriamente 1000 números se puede evidenciar que ninguno tiene relación,
cada uno tiene la misma probabilidad en los datos.
2. Establecer tres columnas de 200 números aleatorios aplicando un tratamiento según fórmula
de Excel para comportamiento NORMAL, EXPONENCIAL Y UNIFORME graficar cada columna.
Teniendo en cuenta para los correspondientes casos los siguientes datos: Media=50;
Desviación Estándar =5; Para la uniforme de un rango de 1 a 50.
3. Desarrollar el siguiente caso estableciendo una simulación en Excel: Se desea simular la
llegada y descarga de barcos en un muelle para determinar el número promedio de barcos
que se retrasan para ser descargados al siguiente día, los datos para realizar la simulación
son los siguientes:
0 15% 1 7%
1 18% 2 13%
2 14% 3 45%
3 21% 4 22%
4 18% 5 13%
5 14%
Determine:
a) Modelo de simulación de 30 días de operación incluyendo grafico de estabilidad.
Estadisticos
Promedio 0.83
1.29
1 0 0.69 4 0.40 3 4 3 1 1
2 1 0.89 5 0.84 4 6 4 2 2
3 2 0.22 1 0.92 5 3 3 0 1
4 0 0.08 0 0.57 3 0 0 0 1
5 0 0.57 3 0.86 4 3 3 0 1
6 0 0.38 2 0.66 4 2 2 0 1
7 0 0.28 1 0.94 5 1 1 0 0
8 0 0.70 4 0.89 5 4 4 0 0
9 0 0.68 4 0.79 4 4 4 0 0
10 0 0.14 0 0.93 5 0 0 0 0
11 0 0.43 2 0.56 3 2 2 0 0
12 0 0.51 3 0.07 1 3 1 2 0
13 2 0.90 5 0.29 3 7 3 4 1
14 4 0.38 2 0.51 3 6 3 3 1
15 3 0.72 4 0.63 3 7 3 4 1
16 4 0.32 1 0.81 4 5 4 1 1
17 1 0.94 5 0.90 5 6 5 1 1
18 1 0.12 0 0.22 3 1 1 0 1
19 0 0.11 0 0.77 4 0 0 0 1
20 0 0.70 4 0.18 2 4 2 2 1
21 2 0.47 3 0.88 5 5 5 0 1
22 0 0.27 1 0.08 2 1 1 0 1
23 0 0.26 1 0.54 3 1 1 0 1
24 0 0.02 0 0.98 5 0 0 0 1
25 0 0.60 3 0.94 5 3 3 0 1
26 0 0.90 5 0.10 2 5 2 3 1
27 3 0.32 1 0.13 2 4 2 2 1
28 2 0.29 1 0.26 3 3 3 0 1
29 0 0.07 0 0.95 5 0 0 0 1
30 0 0.81 4 0.92 5 4 4 0 1
b) Cálculo del número de corridas necesarias para estabilizar la variable de interés.
c) Generar 15 corridas del modelo y calcular el intervalo de confianza.
Estadisticos
Promedio 2.45 1.58 0.75 1.61 1.23 0.28 2.01 1.29 1.78 2.33 3.40 1.25 1.61 0.33 1.75
1.03 0.65 0.52 0.75 0.37 0.18 0.35 0.65 0.58 1.13 2.33 0.38 0.57 0.27 0.79
Corrida 1 Corrida 2 Corrida 3 Corrida 4 Corrida 5 Corrida 6 Corrida 7 Corrida 8 Corrida 9 Corrida 10 Corrida 11 Corrida 12 Corrida 13 Corrida 14 Corrida 15
0 0 2 0 2 0 1 0 0 3 0 0 0 0 0
1 1 2 1 1 0 2 0 1 4 1 1 0 0 0
2 0 2 1 1 0 2 0 2 4 1 1 1 0 0
2 0 2 1 2 1 2 0 2 4 1 2 1 0 1
1 1 1 0 2 0 2 0 1 5 1 2 1 0 0
1 1 1 1 2 0 2 1 2 5 1 2 2 0 1
1 2 1 1 2 0 2 1 2 4 1 1 2 0 1
1 2 1 1 2 0 2 1 1 4 1 2 2 0 2
1 2 1 1 1 0 2 1 1 3 1 1 2 0 2
2 2 1 2 1 0 2 1 1 3 1 1 2 0 2
2 2 1 2 1 0 2 1 1 3 1 1 2 0 2
3 2 1 3 1 0 3 1 2 2 2 2 2 0 2
3 2 1 3 1 0 3 2 2 2 3 2 2 1 2
3 2 1 3 1 0 3 2 2 2 3 2 2 1 3
3 2 1 2 1 0 2 2 2 2 4 2 2 0 3
3 2 1 2 1 0 2 2 3 2 5 2 2 0 2
4 2 0 2 1 0 2 2 3 2 5 1 2 0 2
4 2 1 2 1 0 2 2 3 2 6 1 2 1 2
4 2 0 2 1 0 2 2 2 2 6 1 2 1 2
4 2 0 2 1 0 2 2 2 2 6 1 2 1 2
4 2 0 2 1 0 2 2 2 2 6 1 1 0 2
3 2 0 2 1 0 2 2 2 1 6 1 1 0 2
3 2 0 2 1 0 2 2 2 1 6 1 1 0 2
3 2 0 2 1 0 2 2 2 1 6 1 2 0 2
3 1 0 2 1 0 2 2 2 1 6 1 2 0 2
3 1 0 2 1 0 2 2 2 1 6 1 2 1 2
3 1 0 2 1 0 2 2 2 1 6 1 2 1 2
3 1 0 2 1 1 2 1 2 1 6 1 2 1 2
3 1 0 2 1 1 2 1 2 1 6 1 2 1 2
2 1 0 2 1 1 2 1 2 1 5 1 2 1 2
7
Promedios
Corrida 1 2.45 6
Corrida 2 1.58 5
Corrida 3 0.75
Corrida 4 1.61 4
Corrida 5 1.23
3
Corrida 6 0.28
Corrida 7 2.01 2
Corrida 8 1.29
1
Corrida 9 1.78
Corrida 10 2.33 0
Corrida 11 3.40
Corrida 12 1.25
Corrida 13 1.61
Corrida 14 0.33
Corrida 15 1.75
d) Establecer conclusiones y recomendaciones del caso, por cada integrante del grupo.