Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MINATITLÁN
MATERIA
SIMULACIÓN
INVESTIGACIÓN TEMA 3
PROFESOR (A)
TORRES PÉREZ JOSEPH JAIR
EQUIPO 3
En esta etapa se integra la información obtenida a partir del análisis de los datos,
los supuestos del modelo y los datos necesarios para crear un modelo lo mas
cercano posible a la realidad del problema bajo estudio. En algunos casos no se
cuenta con información estadística, si este es el caso, el encargado de la simulación
puede, con base en su experiencia, realizar algunas sugerencias de distribuciones
de probabilidad que comúnmente se asocien al tipo de proceso que se desea incluir
en el modelo.
Una vez que se han identificado las distribuciones de probabilidad de las variables
del modelo y se han implantado los supuestos acordados, es necesario realizar un
proceso de verificación de datos para comprobar la propiedad de la programación
del modelo, y comprobar que todos los parámetros usados en la simulación
funcionen correctamente.
No se debe descartar la posibilidad de que ocurran errores humanos al alimentar el
modelo con la información. Incluso podría darse el caso de que los supuestos
iniciales hayan cambiado una o varias veces durante el desarrollo del modelo. Por
lo tanto, debemos asegurarnos de que el modelo que se va a ejecutar esté basado
en los más actuales.
6) VALIDACIÓN DEL MODELO.
Tras validar el modelo es necesario acordar con el cliente los escenarios que se
quieren analizar. Una manera muy sencilla de determinarlos consiste en utilizar un
escenario pesimista, uno optimista y uno intermedio, para la variable de respuesta
más importante, es preciso tomar en cuenta que no todas las variables se
comportan igual ante los cambios en los distintos escenarios. El riesgo de esta
situación radica en que el analista podría realizar un diseño de experimentos capaz
de generar una gran cantidad de replicas, lo que redundaría en un incremento
considerable de costo, análisis y tiempo de simulación. Es por ello que muchos
paquetes de simulación cuentan con herramientas para realizar este proceso, las
cuales eliminan la animación y acortan los tiempos de simulación. Estas
herramientas permiten realizar varias replicas del mismo escenario para obtener
resultados con estadísticas importantes respecto de la toma de decisiones.
El analista también puede contribuir a esta selección de escenarios, sugiriendo
aquellos que considere mas importantes; al hacerlo dará pie a que se reduzca el
número de combinaciones posibles.
9) ANÁLISIS DE SENSIBILIDAD.
Una vez que se obtienen los resultados de los escenarios es importante realizar
pruebas estadísticas que permitan comparar los escenarios con los mejores
resultados finales. Si dos de ellos tienen resultados similares, será necesario
comparar sus intervalos de confianza respecto de la variable de respuesta final. Si
no hay intersección de intervalos podremos decir con certeza estadística que los
resultados no son iguales, si los intervalos se sobren ponen será imposible definir
estadísticamente que una solución es mejor que otra. Si se desea obtener un
escenario “ganador”, será necesario realizar mas replicas de cada modelo y/o
incrementar el tiempo de simulación de cada corrida, con ello acortar los intervalos
de confianza de las soluciones finales y por consiguiente, incrementar la
probabilidad de diferencias soluciones.
SIMULACIÓN
Es la construcción de modelos informáticos que describen la parte esencial del
comportamiento de un sistema de interés, así como diseñar y realizar experimentos
con el modelo y extraer conclusiones de sus resultados para apoyarla toma de
decisiones. Se usa como un paradigma para analizar sistemas complejos. La idea
es obtener una representación simplificada de algún aspecto de interés de la
realidad. Permite experimentar con sistemas (reales o propuestos) en casos en los
que de otra manera esto sería imposible o impráctico
Obtener las entradas y las salidas, relaciones cuantitativas y cualitativas. Los datos
deben ser convenientemente tratados para que se puedan realizar predicciones del
comportamiento del sistema. Si nos quedamos con los datos como los obtenemos
del sistema real, podemos caer en la mera simulación del pasado. Si basados en
ellos hallamos una función del comportamiento, estaremos en condiciones de
repetir el comportamiento del sistema en el modelo y poder aplicarlo para realizar
estudios sobre el mismo.
EL PROBLEMA
Recolección de datos
EL MODELO
VERIFICACION
Verificación y Validación
VERIFICACIÓN
EXPERIMENTACIÓN
DOCUMENTACIÓN
Implantación
✓ Para que un proyecto de simulación sea exitoso se deben dar 3condiciones:
✓ Sea aceptado, entendido y usado.
3.2.2. CARACTERIZACIÓN DE CADA INDICADOR: AGRUPAMIENTO DE
DATOS, GRÁFICAS Y ESTIMACIÓN DE PARÁMETROS
Por ejemplo, una distribución normal es definida por dos parámetros: la media y la
desviación estándar. Si se especifican estos parámetros, se conoce con precisión
toda la distribución.
La línea continua representa una distribución normal con una media de 100 y una
desviación estándar de 15. La línea discontinua también es una distribución normal,
pero tiene una media de 120 y una desviación estándar de 30.
Funcionamiento:
Se introducen los valores deseados y el programa calcula automáticamente los
estadísticos centrales.
Funcionamiento:
1. Presionar el botón correspondiente para obtener nuevas simulaciones.
2. Observar el comportamiento de los dos estimadores al incrementar el tamaño
muestral.
Funcionamiento
Como en el caso anterior, pero, en lugar de obtener una única simulación, se obtiene
un número arbitrario de simulaciones.
Con esto es posible añadir al estudio de la consistencia y el sesgo la eficiencia de
un estimador.
Funcionamiento
La Simulación de Monte Carlo es una técnica que permite llevar a cabo la valoración
de los proyectos de inversión considerando que una, o varias, de las variables que
se utilizan para la determinación de los flujos netos de caja no son variables ciertas,
sino que pueden tomar varios valores.
Ejemplo:
• Paso1: Tamaño del bloque de simulaciones "n".
• Paso 2: Tamaño del bloque de simulaciones"n+n = 2n". Si no hay
convergencia, entonces paso 3, sino finalizar.
• Paso 3: Tamaño del bloque de simulaciones"2n+n = 3n". Si no hay
convergencia, entonces
• Paso 4: sino finalizar. Y así, sucesivamente hasta alcanzar la
convergencia. - Procedimiento multiplicativo: se parte de un número inicial
de simulaciones (n), y se calcula la media y la desviación típica del modelo
matemático utilizado.
A continuación, se procede a añadir un número de nuevas simulaciones equivalente
a las acumuladas hasta ese momento, de tal forma que ahora se calcula la media y
la desviación típica del modelo matemático.
Obtenemos la variabilidad del nuevo bloque de simulaciones tiene el mismo peso
sobre el total que la del bloque anterior, siendo por tanto en un método más perfecto.
Ejemplo:
CONDICIONES INICIALES: Son los valores iniciales de los parámetros para una
simulación en estado estacionario. Las condiciones iniciales determinan un sesgo
inicial que influye en el tiempo que lleva alcanzar la estabilidad, en los resultados y
en las estimaciones calculadas.
C., & Perfil, V. T. M. (s. f.). 3.2.2._ Caracterizacion de cada indicador: agrupamiento de
2022, de https://cristianmartinaguilarcruz.blogspot.com/2020/05/caracterizacion-
agrupamiento-de-datos.html
Minitab. (s. f.). (C) Minitab, LLC. All rights Reserved. 2022. Recuperado 15 de
to/statistics/basic-statistics/supporting-topics/data-concepts/what-are-parameters-
parameter-estimates-and-sampling-distributions/
https://www.academia.edu/36246730/Unidad_3_Construccion_de_Modelos_de_Simulacio
Simulación.
https://josemartinvelascotenoriosimulacion.blogspot.com/2020/06/unidad-4-segunda-part
Centro de ayuda de Creo Parametric. (s. f.). PTC. Recuperado 26 de octubre de 2021, de
http://support.ptc.com/help/creo/creo_pma/spanish/index.html#page/simulate/cfd/pe
rforming_simulation.html
2021, de
https://www.fing.edu.uy/inco/cursos/simulacion/archivos/clases/clase07web.pdf
Estado estacionario. (s. f.). Wikipedia, la enciclopedia libre. Recuperado 26 de octubre de
2021, de https://es.wikipedia.org/wiki/Estado_estacionario
P., & Completo, V. M. P. (s. f.). 3.3 Definiciones: Replica, corrida, estado transitorio,
simulacion#:%7E:text=Contador%20de%20tiempo%20de%20la,quiere%20que%20
dure%20esta%20%C3%BAltima.
Réplicas y repeticiones en experimentos diseñados - Minitab. (s. f.). (C) Minitab, LLC. All
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/doe/supporting-topics/basics/replicates-and-repeats-in-designed-
experiments/
https://sites.google.com/site/eleazarsimulacion/unidad-1