Presentador por:

Juan Camilo Betancur Rico

Cc: 1037654056

Grupo 11

Nota: En el listado de estudiantes aparece mi nombre incorrecto, como Camilo Juan

Rico Rico.

1) (50%) Realización del ejercicio propuesto de forma aleatoria en clase (Se

enviará adjunto de asignación) del taller Unidad 01 Simulación Montecarlo.

Punto 11) Defina con sus palabras:

A. Sistema: Se entiende sistema como las partes que están unidas entre sí, por

medio de relaciones específicas y ordenada, estas partes interactúan por medio

de entradas, que las obtiene de otra parte del sistema o del exterior, con las

cuales hacen un proceso o trabajo, dando como resultado una salida, que será

recibida por otro componente del sistema o es llevada al exterior. Un sistema

puede ser tanto abierto como cerrado; cuando se dice que es cerrado, es porque

el sistema solo interactúa con sus componentes, en cambio, cuando es abierto

interactúa con su medio, por lo tanto, sus componentes interactúan con el

exterior.
B. Número aleatorio y sus propiedades: Cuando nos referimos a un número

aleatorio, decimos que este es obtenido bajo el azar, en otras palabras, que su

escogencia no viene determinada por parámetros específicos y que dicho

número tenga la misma probabilidad de ser escogido.

Sus propiedades son:

 Los números deben ser uniformemente distribuidos U (0,1).

 La media de los números aleatorios debe ser de 0.5.

 Su desviación estándar debe ser cerca de 0.29.

 Son estadísticamente independientes.

 Sin repetición dentro de una longitud determinada de la sucesión.

C. Simulación Montecarlo: método estadístico para resolver problemas

matemáticos complejos, utilizando variables aleatorias, cuyo objetivo principal en

la simulación es intentar imitar el comportamiento de variables reales para que

en lo posible, analizar o predecir cómo van a evolucionar.

D. Estado Estable: cuando en el periodo en el que se está ejecutando una

variable, su estado es el esperado al tiempo que se estipulo en el análisis.

E. Estado transitorio: son variables que solo operan en cortos periodos de tiempo

y que no alcanzan el estado estable.

F. Locación: son lugares fijos en el sistema trabajado para que las variables sean

procesadas y almacenadas para la toma de decisiones.

G. Entidad: cualquier cosa física, ya sea, un recurso humano, clientes, objetos,

etc., que tiene una representación simulada.

H. Proceso: es el conjunto de acciones u operaciones dentro de una simulación

para lograr un resultado o salida determinado según unos parámetros recibidos.

I. Evento: es la ocurrencia durante la simulación, que incluye todas las llegadas,

salidas, cambios de estado, conexiones, etc., que se registran durante la

simulación hasta cuando se llega al resultado final.

J. Semilla: es utilizado como valor de base para la generación de números

aleatorios. La misma semilla es aleatoria o fija según las necesidades buscadas

en la simulación; si la semilla es aleatoria, en la simulación se busca variabilidad

en los resultados, y si es fija, se busca validación y calibración del modelo.

K. Uniformidad e independencia: son propiedades que debe cumplirse al generar

números aleatorios. La uniformidad busca que los números estén en el intervalo

U(0,1) y se utilizan técnicas para probarlo como Chi-cuadrada y Kolmogorov-

Smirnov; la independencia busca que los números en el intervalo (0,1) son o que

parezcan pseudo aleatorios, para esto se hacen pruebas de corridas arriba y

abajo y de la media.

L. Describa en 3 casos cuando no es recomendable simular, explique el por

qué:

a. Cuando no se tiene el conocimiento y/o las herramientas requeridas:

al llevar a cabo una simulación se requiere mucho conocimiento sobre el

proceso de la realidad que se busca simular y tener claro que

herramientas son las útiles para no caer en un fracaso.

b. Cuando el problema se puede resolver más fácilmente de manera

analítica: cuando lo que se quiere simular no justifica el tiempo y

recursos que se necesitan para realizar una simulación, por lo que es más
 recomendable hacer un simple análisis del problema para sacar las

conclusiones necesarias.

c. Cuando no se tienen suficientes datos y no se sabe bien cuando

iniciar: para realizar una simulación se debe conocer muy bien el terreno

a analizar y cuando se debe partir o iniciar el proceso, ya que si se hace

sin los datos suficientes y no se sabe en que momento de la realidad a

simular, los resultados obtenidos no serán fidedignos del problema real y

las conclusiones sacadas serán erróneas.

2) (40%) Exponer dos métodos de verificación y dos métodos de validación en

proceso de simulación de sistemas. Incluir su Bibliografía con Normas APA

1) Métodos de Verificación en proceso de simulación de sistemas:

- Verificación formal: es un método que permite evaluar la correctitud de un

modelo, al comprobar el comportamiento de un sistema mediante la

exploración sistemática de todos los estados posibles de un modelo formal.

- Verificación con la herramienta UPPAAL:

Las propiedades que se deben alcanzar para la verificación y que se pueden

utilizar con la herramienta UPPAAL son:

 Alcanzabilidad: se utiliza para determinar que todos los estados de un

modelo son alcanzables a partir de los demás.

 Seguridad: se verifica que no ocurren comportamientos anómalos o no

deseados. Se definen combinaciones de estados alcanzados y valores de

variables de estado.
  Vivacidad: se utiliza para verificar si algún estado se alcanza

eventualmente a partir de otro.

 Ausencia de interbloqueos: se analiza si hay presencia de interbloqueos

en el modelo, es decir, se comprueba que el proceso no permanezca fijo

en un estado sin poder cambiar a otro.

2) Métodos de Validación en proceso de simulación de sistemas:

- Método de Validación empírica: la validación empírica da como resultados

residuales, ya que, las conclusiones a las que se llegan lo hacen a través de

comparaciones entre salidas simuladas y medidas experimentales.

Dicha metodología sirve para la detección de fallos en el modelo que se quiere

validar, esto bajo tres conceptos:

o Análisis de sensibilidad: se maneja análisis de sensibilidad diferencial

(DSA) y el análisis de sensibilidad de Monte-Carlo.

o Búsqueda de dominios de parámetros de entrada: aquí se combinan

los Métodos de Monte-Carlo y las Técnicas de Clúster, esto para hallar los

valores óptimos de los parámetros de entrada. Pero teniendo en cuenta

que el dominio de dichos parámetros no necesariamente tiene que ser

únicos.

o Análisis de residuos: este análisis tiene en cuenta los dominios de

tiempo y de la frecuencia, mediante correlaciones y análisis espectral.

- Técnica del error cuadrático medio (MSE): consiste en sacar las diferencias

entre los valores observados Xi y las predicciones del modelo Yi, teniendo en
 cuenta la sumatoria cuando los datos (Xi, Yi) y el modelo

son independientes, el estimado de MSE es confiable en la exactitud del modelo.

Referencias:

- San Isidro, M. J. (1998). Proceso de Validación de Modelos de

Simulación (CIEMAT--844). España.

- Ablan, Magdiel, & Márquez, Renny, & Rivas, Yuraima, & Molina, Ana, & Querales,

José (2011). Una librería en R para validación de modelos de simulación. Ciencia

e Ingeniería.
- Inostrosa-Psijas, Alonso, Oyarzún-Silva, Mauricio, Medina-Quispe, Fernando,

García-Barrera, Francisco, & Solar-Gallardo, Roberto. (2019). Verificación formal

de un modelo de simulación DEVS de una aplicación Storm. Ingeniare. Revista

chilena de ingeniería, https://dx.doi.org/10.4067/S0718-33052019000400682.