INTRODUCCIÓN A LA SIMULACIÓN

La planeación e implementación de proyectos complejos en los negocios, industrias y gobierno

requieren de grandes inversiones, razón por la que es indispensable realizar estudios
preliminares para asegurar su conveniencia de acuerdo a su eficiencia y ejecución económica
para proyectos de cualquier tamaño. Una técnica para ejecutar estudios piloto, con resultados
rápidos y a un costo relativamente bajo, está basado en la modelación y se conoce como
simulación. El proceso de elaboración del modelo involucra un grado de abstracción y no
necesariamente es una réplica de la realidad; consiste en una descripción que puede ser física,
verbal o abstracta en forma, junto con las reglas de operación. Más aún debido a que el modelo
es dinámico, su respuesta a diferentes entradas puede ser usada para estudiar el
comportamiento del sistema del cual fue desarrollado.

La simulación de sistemas ofrece un método para analizar el comportamiento de un sistema.

Aunque los sistemas varían en sus características y complejidades, la síntesis de la formación
de modelos, la ciencia de la computación, y las técnicas estadísticas que representa este tipo
de simulación constituye un conjunto útil de métodos para aprender sobre estas características
y complejidades e imponerles una estructura. Para comprender las características técnicas de
este enfoque y aplicarlas a un problema real, es necesario familiarizarse con los conceptos que
describen un sistema y un modelo.

Es sabido que para diseñar y llevar a cabo experimentos de simulación en computadoras uno
debe tener conocimientos mínimos de estadísticas matemáticas, teoría de la probabilidad,
ecuaciones diferenciales, técnicas del diseño de experimentos y programación de
computadoras.

El objetivo del curso es proporcionar un tratado detallado de los métodos y procedimientos

requeridos para planear y diseñar experimentos de simulación en computadoras y de exponer
la teoría en la cual se han basado estos métodos. Aunque gran parte de los que vamos a ver
en el curso, están relacionadas con la administración de empresas, la economía y la
investigación de operaciones, las técnicas descritas y la teoría que las sustenta son de
naturaleza general y es posible aplicarlas a experimentos de simulación en campos muy
diversos.

COMO SE DEFINE UN SISTEMA EN SIMULACIÓN. Colección de entradas que pasan a

través de las fases de cierto proceso, produciendo respuestas. Por ejemplo:

SISTEMA DE MANUFACTURA
ENTRADA PROCESO SALIDA EVALUACIÓN

1. EFICIENCIA
FACILIDADES 2. COSTOS DE TRANSFORMACIÓN
MATERIA PRIMA SISTEMA DE PRODUCTO 3.INVENTARIO EN PROCESO
PRESUPUESTO TRANSFORMACIÓN TERMINADO 4.TIEMPO DE PROCESO
INFORMACIÓN (distribución y asignación) 5.PRODUCCIÓN/HORA
6.AREA OCUPADA
 SISTEMA DE SERVICIO
ENTRADA PROCESO SALIDA EVALUACIÓN

SISTEMA DE SERVICIO: 1. COSTO DEL SISTEMA

SERVIDORES 2. TIEMPO EN LA COLA
CLIENTE
CLIENTES DISCIPLINA DEL SERVICIO 3.TIEMPO EN EL SISTEMA
SATISFECHO
ESPACIO DISPONIBLE 4.LONGITUD DE COLA
5. OCUPACIÓN DE LOS SERVIDORES

La simulación Puede definirse como sigue:

“x simula a y” si y solo si:

a. X e y son sistemas formales
b. Y se considera como el sistema real.
c. X se toma como una aproximación del sistema real
d. Las reglas de validez en x no están exentas de error.

¿QUE ES LA SIMULACIÓN?

Simulación es una técnica numérica para conducir experimentos en una

computadora digital. Estos experimentos comprenden ciertos tipos de relaciones
matemáticas y lógicas, las cuales son necesarias para describir el
comportamiento y la estructura de sistemas complejos del mundo real a través de
largos periodos de tiempo.
THOMAS H. NAYLOR

Simulación es el desarrollo de un modelo lógico matemático de un sistema, de tal forma que se

tiene una imitación de la operación de un proceso de la vida real o de un sistema a través del
tiempo. La simulación involucra la generación de una historia artificial de un sistema, la
observación de esta historia mediante la manipulación experimental, nos ayuda a inferir las
características operacionales de tal sistema.
JERRY BANKS
Simulación es una técnica numérica para realizar experimentos en una computadora digital.
Estos experimentos involucran ciertos tipos de modelos matemáticos y lógicos que describen el
comportamiento de sistemas de negocios, económicos, sociales, biológicos, físicos o químicos
a través de largos periodos de tiempo.
H. MAISEL Y G. GNUGNOLI
PARA FINES DE NUESTRO CURSO DEFINIREMOS A LA SIMULACIÓN COMO:

Simulación es el proceso de diseñar y desarrollar un modelo de un sistema o proceso real

y conducir experimentos con el propósito de entender el comportamiento del sistema o
evaluar varias estrategias (dentro de límites impuestos por un criterio o conjunto de
criterios) para la operación del sistema.

ROBERT. SHANNON

Se describe comúnmente como un arte, o una ciencia sofisticada, debido a que la utilidad de los
resultados dependerá de la destreza del grupo que realiza y analiza el modelo. actualmente no
existe una teoría científica para garantizar la validez de un proceso de simulación antes de que
el experimento sea realizado, en su lugar, la confiabilidad de un modelo es evaluada por la
correspondencia de los resultados del modelo con los obtenidos por otros sistemas comparables
con el que se está examinando.

Fundamentos Racionales de la simulación en computadoras

El fundamento racional para usar la simulación en cualquier disciplina (sea en la
economía, en la investigación de operaciones). Es la búsqueda constante del
hombre por adquirir conocimientos relativos a la predicción del futuro.

1. Puede ser imposible o extremadamente costoso observar ciertos

procesos en el mundo real.

Ejemplos:

 antes de los primeros vuelos espaciales tripulados, realizados por los

EE.UU y la URSS, la NASA no poseía información de los efectos que
tales vuelos tendrían sobre los seres humanos, pues nadie lo había
experimentados antes;
 el reporte de las ventas de una empresa en los próximos años;
 los datos de la frecuencia de fallas de las máquinas en una fábrica que
solo ha guardado información de este tipo en forma limitada;
 los efectos de la economía de una propaganda en rebajar los impuestos;
 los efectos de una campaña de publicidad en las ventas totales de una
empresa.

2. El sistema observado puede ser tan complejo que es imposible

describirlo en un sistema de ecuaciones matemáticas, del cual puedan
tener soluciones analíticas para ser usadas con propósitos predictivos.

Ejemplos:
  La mayoría de los sistemas económicas se encuentran en esta
categoría; es casi imposible describir la operación de un negocio,
una industria o una economía en términos de unas cuántas
ecuaciones simples;
 otra clase de problemas que origina dificultades similares son los
fenómenos de espera en gran escala, que implican canales
múltiples.

3. Aun cuando un modelo matemático logre formularse para describir algún

sistema de interés puede no obtenerse una solución del modelo por
medio de técnicas analíticas directas y, consecuentemente, tampoco se
podrán realizar predicciones acerca del comportamiento futuro del
sistema.

Otras consideraciones:

Cuando un problema que por su complejidad no puede ser resueltos

mediante las fórmulas existentes, queda la alternativa de simular el
problema. Se han simulado puertos, aeropuertos, carreteras, grandes
avenidas, la economía de un país, empresas, etc.

El método de simulación nos permite ver mediante las computadoras

electrónicas, en intervalos muy cortos, lo que pasaría en muchos años o
siglos. El método muy general podría ser lo siguiente: tomamos una
posible solución, simulamos el proceso y anotamos el resultados a que
se llega (costos, crecimientos, efectividad, etc). Tomamos otra posible
solución y volvemos a simular el proceso. Hacemos estos con varias
soluciones posibles, comparando luego los resultados obtenidos con las
diferentes soluciones, podemos elegir la mejor de ellas.

Propiedades de los Modelos para Simulación

Antes de considerar el objetivo principal de la materia, el diseño y aplicación de

modelos de negocios y sistemas económicos para simulación en computadoras,
conviene especificar lo que entendemos exactamente por un modelo para la
simulación. La importancia de los modelos y su construcción, como una parte integral
de la investigación científica.

Modelo: Es una abstracción y simplificación de la realidad, es decir, es la

representación simplificada de un sistema.

Debido a que en esta materia nuestro principal interés en la construcción de modelos

está limitado a los modelos matemáticos, nos concentraremos ahora en el diseño de
tales modelos, para simulación en computadoras, en lugar de hacer un tratado general
sobre filosofía de la construcción de modelos.
Los modelos matemáticos de sistemas económicos constan de cuatro elementos bien
definidos: los componentes, variables, parámetros y relaciones funcionales.

Los componentes de los modelos económicos tienen la tendencia a variar

ampliamente, lo cual depende de que el sistema económico simulado sea de una
economía, una industria, una empresa o algún componente de estas.

Las variables que aparecen en los modelos económicos se emplean para relacionar un
componente con otro y se clasifican, convenientemente, como variables exógenas,
variables de estado y variables endógenas.

 Variables exógenas: son las variables independientes o de entradas al modelo

y que han sido predeterminadas y proporcionadas independientemente del
sistema que se modela y puede ser:
 Variables exógenas controlables: son las susceptibles de
manipulación o control por quienes toman decisiones o crean políticas
para el sistema

Ejemplos: la cantidad de materia prima en una industria, el número de

empleados de una industria, el intervalo de tiempo entre una llegada y la
siguiente, el tiempo de servicio de un, etc.

 Variables exógenas no controlables: es el medio ambiente en el cual

el sistema modelado existe.

Ejemplo: las acciones de la naturaleza.

 Variables de estado: describen el estado de un sistema o uno de sus

componentes ya sea al comienzo, al final o durante un período.

Ejemplos: El inventario de un productos, las ventas en algún precedentes por

región, etc.

 Variables endógenas: son las variables dependientes o de salidas del sistema

y son generadas por la interacción de las variables exógenas con las variables
de estado de acuerdo con las características de la operación.

Ejemplos: ventas totales, producción total de una industria, los precios, la mano
de obra total en una industria, etc.

El hecho que una variable en particular este clasificada como exógena, estado,
o endógena depende del propósito de la investigación.
Para ilustrar el sistema de clasificación de elementos de los modelos matemáticos
mencionados anteriormente, considere el ejemplo siguiente: Un modelo simple de un
fenómeno de espera, de un solo canal y con estaciones múltiples, para una empresa.
El propósito del modelo es relacionar el tiempo total que requiere una orden para pasar
a través de n procesos, con la forma en que llegan las órdenes y el tiempo que
consume cada uno de tales procesos.

VENTAJAS Y DESVENTAJAS DE SIMULACIÓN

VENTAJAS

 No es necesario interrumpir las operaciones de la compañía.

 Proporciona muchos tipos de alternativas posibles de explorar.
 La simulación proporciona un método más simple de solución cuando los
procedimientos matemáticos son complejos y difíciles.
 La simulación proporciona un control total sobre el tiempo, debido a que un
fenómeno se puede acelerar.
 Auxilia el proceso de innovación ya que permite al experimentador observar y jugar con
el sistema.
 Una vez construido el modelo se puede modificar de una manera rápida con el fin de
analizar diferentes políticas o escenario. Permite análisis de sensibilidad
 Generalmente es más barato mejorar el sistema vía simulación que hacerlo en el
sistema real.
 Es mucho más sencillo visualizar y comprender los métodos de simulación que los
métodos puramente analíticos. Da un entendimiento profundo del sistema
 Los métodos analíticos se desarrollan casi siempre relativamente sencillos donde suele
hacerse un gran número de suposiciones simplificaciones, mientras que en los métodos
de simulación es posible analizar sistemas de mayor complejidad o con menor detalle.
 En algunos casos, la simulación es el único medio para lograr una solución.
 Da soluciones a problemas "sin" solución analítica

Aunque la simulación es un planteamiento muy valioso y útil para resolver

problemas, no es una panacea para todos los problemas administrativos y presenta
algunas desventajas como:

 La simulación es imprecisa, y no se puede medir el grado de su imprecisión.

 Los resultados de simulación son numéricos; por tanto, surge el peligro de atribuir a los
números un grado mayor de validez y precisión.
 Los modelos de simulación en una computadora son costosos y requieren mucho tiempo
para desarrollarse y validarse.
 Se requiere gran cantidad de corridas computacionales para encontrar soluciones, lo
cual representa altos costos.
 Es difícil aceptar los modelos de simulación y difícil de vender
 Los modelos de simulación no dan soluciones óptimas.
 La solución de un modelo de simulación puede dar al análisis un falso sentido de
seguridad.
  Requiere "largos" periodos de desarrollo

CLASIFICACIÓN DE LOS MODELOS PARA SIMULACIÓN.

Clasificaremos a los modelos para simulación como determinísticos, estocásticos, estáticos y

dinámicos.

I. Modelos determinísticos: En los modelos determinísticos, ni a las variables exógenas ni a

las endógenas, se les permite ser variables al azar, en tanto que se suponen relaciones
exactas para las características de operación en lugar de funciones de densidad de
probabilidad. Los modelos determinísticos requieren menos procesamiento en
computadoras que los modelos estocásticos y con frecuencias es posible resolverlos
analíticamente, por medio de la utilización de técnicas como el cálculo de máximos
mínimos. Ciertos tipos de modelos para los procesos de secuencia y los del problema
referente a las tareas en un taller, son también ejemplos de modelos determinísticos.

II. Modelos estocásticos: Aquellos modelos en los que por lo menos una de las
características de operación está dada por una función de probabilidad, se denominan
modelos estocásticos. Estos modelos son más complejos que los modelos
determinísticos, por esta razón, la simulación es un método mucho más atractivo para
analizar y resolver los modelos estocásticos y no los determinísticos. Los modelos
estocásticos también tienen interés desde el punto de vista de la generación de
muestras de datos al azar, que se emplean, en las etapas de observación o pruebas, de
la investigación científica.

III. Modelos estáticos: Son aquellos modelos que no toman en cuenta, explícitamente, a la
variable tiempo.

IV. Modelos dinámicos: los modelos matemáticos que tratan de las interacciones que varían
con el tiempo, se denominan modelos dinámicos. Entre las aplicaciones más conocidas
se encuentran, los modelos de fenómenos de espera, planeación, inventarios y del
problema de las tareas en el taller.

PROCESO DE DESARROLLO DE UN MODELO DE SIMULACIÓN

 DEFINICIÓN DEL SISTEMA. Cada estudio debe de comenzar con una descripción del
problema o del sistema. Debe determinarse los límites o fronteras, restricciones, y medidas
de efectividad que se usarán.

 FORMULACIÓN DEL MODELO. Reducción o abstracción del sistema real a un diagrama

de flujo lógico.

 PREPARACIÓN DE DATOS. Identificación de los datos que el modelo requiere y

reducción de estos a una forma adecuada.
 SELECCIÓN DEL LENGUAJE: De la selección del lenguaje dependerá el tiempo de
desarrollo del modelo de simulación, es importante utilizar el lenguaje que mejor se adecué
a las necesidades de simulación que se requieran. La selección puede ser desde usar un
lenguaje general como lo es BASIC, PASCAL o FORTRAN hasta hacer uso de un paquete
específicamente para simular sistemas de manufactura como el SIMFACTORY o el
PROMODEL, o lenguajes de Simulación como: GPSS, SLAM, SIMAN, SIMSCRIPT, etc.

 TRANSLACIÓN DEL MODELO. Consiste en generar las instrucciones o código

computacional o necesario para lograr que el modelo pueda ser ejecutado en la
computadora.

 VALIDACIÓN DEL MODELO. Es el proceso que tiene como objetivo determinar la

habilidad que tiene un modelo para representar la realidad. La validación se lleva a cabo
mediante la comparación estadística de los resultados del modelo y los resultados reales.

 PLANEACION ESTRATÉGICA. Diseño de un experimento que producirá la información

deseada.

 PLANEACIÓN TÁCTICA. Determinación de cómo se realizará cada una de las corridas de

prueba

 EXPERIMENTACIÓN. Corrida de la simulación para generar los datos deseados y efectuar

análisis de sensibilidad.

 INTERPRETACIÓN. Obtención de inferencias con base en datos generados por la

simulación

 IMPLANTACIÓN. Una vez seleccionada la mejor alternativa es importante llevarla a la

práctica, en muchas ocasiones este último caso es el más difícil ya que se tiene que
convencer a la alta dirección y al personal de las ventajas de esta puesta en marcha. Al
implantar hay que tener cuidado con las diferencias que pueda haber con respecto a los
resultados simulados, ya que estos últimos se obtienen, si bien de un modelo
representativo, a partir de una suposiciones.

 MONITOREO Y CONTROL: No hay que olvidar que los sistemas son dinámicos y con el
transcurso del tiempo es necesario modificar el modelo de simulación, ante los nuevos
cambios del sistema real, con el fin de llevar a cabo actualizaciones periódicas que permitan
que el modelo siga siendo una representación del sistema.

PELIGROS Y PROBLEMAS EN SIMULACIÓN

 Definir los límites y nivel de detalles del sistema.

 Subestimar el tiempo y costos involucrados en el proceso de modelación.
 Fallar en la selección del más simple y económico de los modelos para el fin establecido.
 Ausencia o pérdida de metodología estadística.
 Considerar como aproximados algunos atributos de un sistema que no existe.
  Entendimiento superficial del sistema a ser modelado.
 Poca destreza para comunicarse con administradores y staff que financiarán el proyecto.

ÁREAS DE APLICACIÓN DE SIMULACIÓN

La simulación es una técnica que puede ser aplicada a una gran cantidad de áreas, debido a
que los avances tecnológicos y la disponibilidad de software que existen actualmente, hacen de
ella una herramienta muy útil. Los siguientes son algunos ejemplos de las aplicaciones de la
simulación en algunas áreas de estudio:

 Sistema de colas.
 Sistema de inventarios
 Proyecto de inversión.
 Sistemas económicos
 Estados financieros.
 Problemas industriales.
 Problemas económicos
 Problemas conductuales y sociales
 Sistemas biomédicos
 Sistemas Justo a tiempo
 Sistemas de Logística

CONCLUSIONES SOBRE LOS CONCEPTOS BÁSICOS DE SIMULACIÓN

LA SIMULACIÓN ES UN PROCESO ITERATIVO

Un experimento de simulación da el valor de los parámetros durante y al final de la simulación.
el análisis de los resultados sugiere modificaciones a la estrategia, cambios tales como
prioridades o reglas de secuencia. así, paso a paso, ganamos conocimiento sobre el sistema y
su comportamiento hasta que se tiene suficiente información para hacer recomendaciones
finales sobre el sistema a ser implementado.

LA SIMULACIÓN NO SE USA NORMALMENTE PARA ENCONTRAR SOLUCIÓN ÓPTIMA

DEL PROBLEMA.
En contraste con simulación, una técnica de programación matemática, tal como programación
lineal, proporciona una solución óptima, sí existe. (la desventaja de tal técnica, sin embargo, es
que permanece estática para cada conjunto de datos). puede parecer que la simulación es
menos poderosa que la programación matemática u otro método matemático. sin embargo, la
simulación es una excelente técnica cuando otros métodos fallan.

POR OTRA PARTE NO SIMULE CUANDO SE TENGA LAS SIGUIENTES CONDICIONES:

1. El problema puede resolverse usando “análisis de sentido común”.

2. El problema puede resolverse analíticamente (usando una forma cerrada).
3. Es más fácil cambiar o ejecutar experimentos directamente en el sistema real.
4. El costo de la simulación excede el posible ahorro.
 5. No hay recursos disponibles para el proyecto.
6. No hay tiempo suficiente para los resultados del modelo para usarse.
7. No hay información o ni siquiera datos estimados.
8. El modelo no puede ser verificado o validado
9. Las expectativas del modelo no pueden ser alcanzadas.
10. El comportamiento del sistema es demasiado complejo o no puede ser definido.

Ejemplo:

Se sabe que un jugador de basquetbol encesta 40% de sus tiros. Si en un partido hace
20 tiros, ¿cuál es la probabilidad de que enceste exactamente 9 veces? Hay cálculos
estándar que permiten obtener la respuesta (en Excel la instrucción
=DISTR.BINOM(9,20,0.4,FALSO) da como resultado 0.15973848). Hay, sin embargo,
otro método que, aunque en este caso no es necesario, a veces es el único método de
abordar un problema. En el caso planteado supondría pedir al jugador que jugara
10000 partidos de 20 tiros para obtener una aproximación del porcentaje de veces en
las que encesta exactamente 9 veces. Como la propuesta anterior es imposible para un
ser humano, se podría simular la situación y obtener una estimación del resultado. Para
ello se considera que un tiro del jugador puede simularse, por ejemplo, generando
aleatoriamente un número comprendido entre 1 y 10; esto puede llevarse a cabo
mediante la instrucción en Excel: =ALEATORIO.ENTRE(1,10) o con la instrucción
=ENTERO(ALEATORIO()*10)+1

PLANEACIÓN DE LOS EXPERIMENTOS DE SIMULACIÓN CON

MODELOS DE SISTEMAS ECONÓMICOS

Para planear experimentos de simulación, aplicable a los sistemas económicos e industriales,

necesariamente debemos recurrir a técnicas como la estadística matemática, el análisis
numérico, la econometría, la programación en computadoras y el diseño de experimentos.
Muchos de los problemas y dificultades que se plantean con la práctica de la simulación, son
clásicos en más de una de las disciplinas mencionadas.

La experiencia sugiere que la planeación de experimentos de simulación requiera un

procedimiento que conste de las etapas siguientes:

1. Formulación del problema:

Como en otras áreas de la investigación científicas, el estudio de la simulación en

computadoras tiene que comenzar con la formulación de un problema o con una
declaración explícita de los objetivos del experimento. Es necesario en primer lugar
definir claramente los objetivos de nuestra investigación, antes de hacer cualquier
intento encaminado a planear la realización de un experimento en simulación. Los
 objetivos de la investigación, tanto en la empresa y la economía, como también en
la mayoría de las ciencias sociales, toman generalmente la forma ya sea de:

 Preguntas que deben responderse:

Si el objetivo de nuestro estudio de simulación es obtener respuestas a una o

más preguntas, es necesario que intentemos plantear éstas detalladamente
desde el comienzo del experimento, aun cuando sea posible refinar las
preguntas en el curso del experimento. El género de preguntas que típicamente
surgirían acerca del comportamiento de un sistema económico para las cuales
la simulación sería capaz de producir respuestas son:

¿Qué efecto tendrá una regla de planeación de la producción en los costos de

una compañía dada?
¿Qué efecto tendrá un cambio en la tasas de descuentos hechos en los
precios?
¿Cuántos empleados deben contratar una empresa en un periodo dado?
¿Cuántas pistas se requieren en un aeropuerto, durante los picos de servicios?
Además de las preguntas a contestarse, se requiere la especificación de
criterios para evaluar las posibles respuestas; por ejemplo es necesario definir
exactamente lo que entendemos por planeación óptima de la producción, si
queremos reconocer algún plan cuando éste se nos presente.

 Hipótesis que deben probarse:

El objetivo de un experimento de simulación podría consistir en probar una o

más hipótesis sobre el comportamiento de un sistema económico; como
ejemplos:

¿Qué efectos tienen los programas de control de la población en el desarrollo

económico de un país?
¿Hay diferencia importante en los efectos de la publicidad sobre las ventas de
una compañía?,
¿Es el ingreso per cápita más sensible a cambios en los gastos realizados por
el Gobierno o a la inversión privada?
¿Los costos de producción se verán afectados significativamente por un
incremento en el tiempo calculado de rendimiento? etc. En cada una de las
hipótesis que se desea examinar debe expresarse en forma clara, al igual que
los criterios para aceptarlas o rechazarlas.

 Efectos por estimarse:

Por último, el objetivo de una simulación puede ser estimular los efectos de
ciertos cambios en las variables controlables de una toma de decisión de unos
sistemas económicos sobre las variables dependientes que describe el
comportamiento del sistema.
 Por ejemplo:

El experimentos con valores diferentes de esperanza matemática de los

tiempos de llegada a una estación de servicio y estimar la esperanza del tiempo
de espera y la del tiempo de ocio para cada uno de dicho valores.

Por consiguiente, deben tomarse dos decisiones importantes antes de

comenzar a trabajar con cualquier experimento de simulación

1. Fijar los objetivos de la investigación

2. Fijar el conjunto de criterios para evaluar el grado de satisfacción al que
deba sujetarse el experimento.

2. Recolección y Procesamiento de datos tomados de la realidad.

Es simplemente imposible formular un problema o un conjunto de objetivos para

un experimento, sin tener acceso adecuado a la información acerca del sistema que se
investiga. En otras palabras, necesitaríamos colectar y procesar una cierta cantidad de
datos antes de que exista la posibilidad de definir algún problema. Para nuestro
propósito, resulta completamente irrelevante que los requerimientos para el
procesamiento de datos precedan la formulación del problema o viceversa; si hemos de
dirigir experimentos de simulación, es importante que ambas funciones se lleven a
cabo.

Existen, por lo menos, cinco razones por las cuales es necesario disponer de un
sistema eficiente para el procesamiento de datos, que permita alcanzar el éxito al
realizar los experimentos de simulación.

En primera instancia, la información descriptiva y cuantitativa (datos) referente al

sistema que se va a investigar, constituye un requisito previo a la formulación del
problema. En segundo lugar, los datos que hayan sido reducidos a una forma
significativa pueden sugerir hipótesis de cierta validez, las cuáles se usarán en la
formulación de los modelos matemáticos que describen el comportamiento de un
sistema dado. Como tercer punto, los datos también pueden sugerir mejoras o
refinamiento en los modelos matemáticos que existen en el sistema por simularse. En
cuarto lugar, es necesario que los datos, reducidos a una forma final, se utilicen para
estimar los parámetros de las características de operación relativas a las variables
endógenas, exógenas y de estado del sistema. Finalmente, cabe considerar que sin
tales datos, sería imposible probar la validez de un modelo para la simulación.

Es posible identificar seis funciones importantes del procesamiento de datos que

forman una parte integral del procedimiento para implantar los experimentos de
simulación en computadoras: recolección, almacenamiento, conversión, transmisión,
manipulación y salida.
La recolección de datos es el proceso de captación de los hechos disponibles, con lo
cual éstos pueden ser procesados posteriormente, cuando sea necesario. En realidad,
el proceso de recolección y el de almacenamiento de datos ocurren simultáneamente,
pues el primero implica que los datos sean o hayan sido almacenados.

A menudo se ha demostrado que la tarea de recolectar y almacenar los datos es

sumamente costosa y laboriosa, pues comprende la identificación, revisión, edición,
codificación (asignación de claves), transcripción y verificación de ellos.

La manera en la cual los datos se almacenan durante la primera etapa del

procesamiento, no constituye, por lo general, la forma más eficiente que se debe
emplear en las etapas posteriores; por ésta razón, la conversión de los datos de una
forma a otra tiene una función crucial en la determinación de la eficiencia del
procesamiento. Bajo ciertas circunstancias, existen problemas adicionales en la
conversión de los datos de una forma a la otra, que implica una transmisión de ellos,
esto es, el transporte de la información desde una localidad hasta el lugar en dónde
será procesada.

Una vez que los datos han sido recolectados, almacenados, convertidos a una forma
eficaz y transmitidos al lugar de procesamiento final, resulta posible entonces,
comenzar con las operaciones de manipulación de datos y la preparación de éstos para
su salida final. Las etapas de manipulación requieren la realización de operaciones
como las de clasificar, cotejar, intercalar, recuperar información y otras, como las
operaciones aritméticas y lógicas. Estas operaciones se realizan con una computadora
o sin ella, y depende de la cantidad de datos por manipular y la utilización que
finalmente tengan.

3. Formulación de un modelo matemático.

Formular un modelo matemático, es relacionar las variables endógenas (o de

salida) del sistema con las variables controlables y exógenas (entrada).

 Una de las primeras consideraciones que se presentan en la formulación del

modelo matemático de un sistema económico, es la selección de las variables
que se deben incluir en él.
 Otra consideración en la formulación de los modelos matemáticos es su
complejidad.
 El tiempo de programación de la computadora es otro aspecto que se debe
tener en cuenta en la formulación del modelo matemático. La cantidad de
tiempo necesario para escribir un programa de computadora con el fin de
generar las trayectorias de tiempo para las variables endógenas, depende en
parte del número de variables y de la complejidad del modelo.
 Otro aspecto, es la validez o cantidad de realismo que se pueda imprimir, es
decir, ¿describe adecuadamente el modelo el comportamiento del sistema que
se simula en período futuro?
 Otras consideraciones que se tiene que tener en cuenta, es su compatibilidad
con el tipo de experimentos que se van a efectuar con él. Es decir, poder
realizar experimentos de simulación, se ha de poner especial atención con el
tipo específico de característica experimental que se les debe dar a los
modelos.
Algunas de las preguntas que se deben responder en esta etapa del
procedimiento son las siguientes:

 ¿Se han incluido algunas variables que no sean pertinentes en el sentido

de que ayuden a predecir el comportamiento de las variables endógenas
del sistema?
 Se ha olvidado incluir una o más variables exógenas que tal vez afecten
el comportamiento de las variables endógenas del sistema.
 ¿Se formularon indebidamente una o más de las relaciones funcionales
entre las variables de entrada y de salida del sistema?
 ¿Son significativa estadísticamente las estimaciones de los parámetros
del modelo? Etc.

4. Estimación de los parámetros de las características operacionales a

partir de los datos reales.

Una vez que hemos recolectado los datos apropiados del sistema y formulado
varios modelos matemáticos que describen su comportamiento, es necesario
estimar los valores de los parámetros de dichos modelos y probar su
significación estadística. La estimación de parámetros de los modelos
económicos cae dentro del dominio de la econometría.

Antes de intentar la estimación de los parámetros de las características

operacionales de un sistema económico, debemos tener un conocimiento
amplio, cuando menos de las técnicas ordinarias de estimación por mínimos
cuadrados y de los procedimientos clásicos de pruebas estadísticas. Sin
embargo, si pretendemos manejar adecuadamente problemas tan difíciles como
el de los errores en las variables, variables rezagadas, colinealidad múltiple,
heterosedasticidad, autocorrelación, identificación y ecuaciones simultáneas, es
necesario entonces poseer mucho más que un conocimiento puramente
elemental sobre la metodología de la econometría. Un programa comprensivo
de entrenamiento en econometría implica el estudio de la teoría económica,
matemáticas, estadística matemática, contabilidad social y métodos de
reconocimiento y análisis empírico. Obviamente, tratar la econometría está
fuera del alcance del material.

5. Evaluación del modelo y de los parámetros estimados.

Es necesario hacer un juicio del valor inicial de la suficiencia de nuestro modelo

una vez que formulamos un conjunto de modelos matemáticos que describen el
comportamiento de nuestro sistema económico y estimamos los parámetros de
sus características operacionales sobre la base de las observaciones tomada
del mundo real; es decir, debemos probar el modelo. Es claro que serían pocos
los beneficios que se obtendrían con la utilización de un modelo inadecuado
para realizar experimentos de simulación en computadora, ya que estaríamos
solamente simulando nuestra propia ignorancia.

Este paso representa solo la primera etapa en la prueba de un modelo de

simulación previa a las corridas reales en la computadora, por lo que en este
punto nuestro interés reside en probar las suposiciones o entradas que se
programarán en la computadora.

En el caso en que las características operacionales toman la forma de

distribuciones de probabilidad, será necesario aplicar pruebas de bondad de
ajuste que determinen qué tan bien se ajusta una distribución hipotética de
probabilidad a los datos del mundo real, de los cuales se ha derivado.
Desearemos también probar la importancia estadística de nuestras
estimaciones de los esperados, variancias y otros parámetros de estas
distribuciones de probabilidad.

Entre las preguntas que nos interesaría formular durante esta etapa de nuestro
procedimiento, se encuentra las siguientes:
 ¿Incluimos algunas variables que no sean pertinentes, en el sentido de
que contribuyen muy poco a nuestra capacidad para predecir el
comportamiento de las variables endógenas de nuestro sistema?
 ¿Omitimos la inclusión de una o más variables exógenas que pudieran
afectar el comportamiento de las variables endógenas en nuestro
sistema?
 ¿Formulamos incorrectamente una o más relaciones funcionales entre
las variables endógenas y exógenas de nuestro sistema?
 ¿Son estadísticamente significativas las estimaciones de los parámetros
en nuestro modelo?

6. Formulación de un programa para la computadora.

La formulación de un programa para computadora, cuyo propósito sea dirigir los

experimentos de simulación con nuestros modelos del sistema bajo estudio,
requiere que se consideren especialmente las siguientes actividades:

 Diagrama de flujo
 Lenguaje de la computadora
 Búsqueda de errores
 Datos de entrada y condiciones iniciales
 Generación de datos
  Reportes de salida

7. Validación.

El problema de validar un problema, es responder a la siguiente pregunta:

¿Qué criterios se deben emplear para establecer la validez de una
hipótesis?
 Si existe una buena comparación en los valores simulados de las
variables endógenas y los datos históricos conocían si es que se tienen?
 Si qué exactitud tienen las predicciones del modelo de simulación
respecto al comportamiento del sistema real en período posteriores.

8. Diseño de los experimentos de simulación.

Una vez satisfechos con la validez del modelo ya se encuentran en condiciones

de considerar su uso para dirigir, los experimentos de simulación.
En esta etapa existen dos términos importantes:
Factor y respuesta, que depende del papel que desempeña la variable en el
experimento. Como ejemplo:
La ganancia de una Compañía o la utilidad puede ser variable de respuesta, y
las inversiones de capital, la mano de obra, gastos de publicidad, ingreso per
cápita, etc., se puede manejar como factores.
Algunas preguntas que se formula en esta fase son las siguientes:
¿Está controlado o no el factor en cuestión? Un factor se califica de controlado
si el experimentador selecciona a propósito sus niveles.

Ej. En las empresas comerciales, las reglas del programa de producción y las
políticas de control de inventario se cometen al control de los encargados de la
toma de decisiones.

9. Análisis de los datos simulados.

a) La etapa final en el procedimiento requiere un análisis de los datos generados

por la computadora, a partir del modelo que se simula:
Existen dos métodos más utilizados:
 Análisis de la varianza
 Análisis de regresión.