Está en la página 1de 4

¿Qué es la simulación?

Simulación es el desarrollo de un modelo lógico matemático de un sistema, de manera


que se obtenga una imitación de un proceso del sistema a través del tiempo. Por lo tanto,
la simulación involucra la generación de una historia artificial del sistema y la observación
de esta historia mediante la manipulación experimental; además, nos ayuda a inferir las
características operacionales de tal sistema.
Consecuentemente resulta que la simulación es uno de los procesos cuantitativos más
ampliamente utilizados en la toma de decisiones, pues sirve para aprender lo relacionado
con un sistema real mediante la experimentación con el modelo que lo representa. Así, el
objetivo consistirá en crear un entorno en el cual se pueda obtener información sobre
posibles acciones alternativas a través de la experimentación usando la computadora. En
administración, los modelos mate-máticos se construyen y se utilizan para comprobar los
resultados de decisiones antes de aplicarlas a la realidad.

Simulación : es el proceso de diseñar y desarrollar un modelo computarizado de un


sistema o proceso y conducir experimentos con este modelo con el propósito de entender
el comportamiento del sistema o evaluar varias estrategias con las cuales se puede
operar el sistema (Shannon Robert)
Modelo de simulación: conjunto de hipótesis acerca del funcionamiento del sistema
expresado como relaciones matemáticas y/o lógicas entre los elementos del sistema.
Proceso de simulación: ejecución del modelo a través del tiempo en un ordenador
para generar muestras representativas del comportamiento.

Métodos de simulación
Simulación estadística o Monte Carlo: Está basada en el muestreo sistemático de
variables aleatorias.
Simulación continua: Los estados del sistema cambian continuamente su valor. Estas
simulaciones se modelan generalmente con ecuaciones diferenciales.
Simulación por eventos discretos: Se define el modelo cuyo comportamiento varía en
instantes del tiempo dados. Los momentos en los que se producen los cambios son los
que se identifican como los eventos del sistema o simulación.
Simulación por autómatas celulares: Se aplica a casos complejos, en los que se divide
al comportamiento del sistema en subsistemas más pequeños denominadas células. El
resultado de la simulación está dado por la interacción de las diversas células.

Etapas del proceso de simulación


Definición, descripción del problema. Plan.
Formulación del modelo.
Programación .
Verificaciçon y Validación del modelo.
Diseño de experimentos y plan de corridas.
Análisis de resultados

Entre sus aplicaciones más comunes podemos tener las siguientes:


- Planificación estratégica.

- Planificación financiera.

- Presupuestación.

- Gestión de tesorería.

- Rentabilidad de inversiones.

¿Qué ventajas conlleva su utilización?

Podrían resumirse en las siguientes:

1. Posibilidad de analizar múltiples alternativas, sin que sea necesario un gran


esfuerzo manual para la preparación de los datos a introducir al modelo, ni para la
obtención de los resultados según distintas hipótesis de trabajo.

2. Rapidez en la obtención de los resultados, al estar dichos modelos mecanizados.

3. Fiabilidad de los resultados, al minimizarse la intervención humana para la


realización de cálculos de todo tipo.
Consideración exhaustiva de los factores clave de la planificación y de las relaciones
existentes entre los mismos. Esto permite que, en base a dichas relaciones, cuando una
variable se modifica el modelo se encarga (automáticamente) de comunicar el efecto de la
modificación a todas las variables relacionadas con ella, cosa que puede olvidarse en
algún caso cuando se trabaja con sistemas manuales.
Simulación : es el proceso de diseñar y desarrollar un modelo computarizado de un
sistema o proceso y conducir experimentos con este modelo con el propósito de entender
el comportamiento del sistema o evaluar varias estrategias con las cuales se puede
operar el sistema (Shannon Robert)
Modelo de simulación: conjunto de hipótesis acerca del funcionamiento del sistema
expresado como relaciones matemáticas y/o lógicas entre los elementos del sistema.
Proceso de simulación: ejecución del modelo a través del tiempo en un ordenador
para generar muestras representativas del comportamiento.

Métodos de simulación
Simulación estadística o Monte Carlo: Está basada en el muestreo sistemático de
variables aleatorias.
Simulación continua: Los estados del sistema cambian continuamente su valor. Estas
simulaciones se modelan generalmente con ecuaciones diferenciales.
Simulación por eventos discretos: Se define el modelo cuyo comportamiento varía en
instantes del tiempo dados. Los momentos en los que se producen los cambios son los
que se identifican como los eventos del sistema o simulación.
Simulación por autómatas celulares: Se aplica a casos complejos, en los que se divide
al comportamiento del sistema en subsistemas más pequeños denominadas células. El
resultado de la simulación está dado por la interacción de las diversas células.

Etapas del proceso de simulación


Definición, descripción del problema. Plan.
Formulación del modelo.
Programación .
Verificaciçon y Validación del modelo.
Diseño de experimentos y plan de corridas.
Análisis de resultados
SIMULACION MONTECARLO

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. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos
cálculos realizados con números aleatorios.

Bajo el nombre de Método Monte Carlo o Simulación Monte Carlo se agrupan


una serie de procedimientos que analizan distribuciones de variables aleatorias
usando simulación de números aleatorios.
El Método de Monte Carlo da solución a una gran variedad de problemas
matemáticos haciendo experimentos con muestreos estadísticos en una computadora. El
método es aplicable a cualquier tipo de problema, ya sea estocástico o determinístico.
Generalmente en estadística los modelos aleatorios se usan para simular
fenómenos que poseen algún componente aleatorio. Pero en el método Monte Carlo,
por otro lado, el objeto de la investigación es el objeto en sí mismo, un suceso aleatorio
o pseudo-aleatorio se usa para estudiar el modelo.
A veces la aplicación del método Monte Carlo se usa para analizar problemas
que no tienen un componente aleatorio explícito; en estos casos un parámetro
determinista del problema se expresa como una distribución aleatoria y se simula dicha
distribución. Un ejemplo sería el famoso problema de las Agujas de Bufón.
La simulación de Monte Carlo también fue creada para resolver integrales que
no se pueden resolver por métodos analíticos, para solucionar estas integrales se usaron
números aleatorios. Posteriormente se utilizó para cualquier esquema que emplee
números aleatorios, usando variables aleatorias con distribuciones de probabilidad
conocidas, el cual es usado para resolver ciertos problemas estocásticos y
determinísticos, donde el tiempo no juega un papel importante.

https://jaimesotou.files.wordpress.com/2011/05/metodo-montecarlo-03.pdf

file:///D:/Carpetas%20de%20Usuario/Downloads/Dialnet-
AplicacionDeLaSimulacionMonteCarloEnElCalculoDelRi-4835801%20(2).pdf

http://www.aeca.es/old/refc_1972-2013/1984/43-5.pdf

También podría gustarte