Simulacion Industrial

Código:
Dirección Académica CPE-FO-02-03

Revisión: 1
MANUAL DE PRÁCTICAS Página:

1 de 40
MANUAL DE PRÁCTICAS DE INDUSTRIAL
PROGRAMA EDUCATIVO:
INGENIERIA INDUSTRIAL
Calkiní, Campeche, Enero 2019

Código:
Revisión: 1

2 de 40
ÍNDICE
Contenido
PRESENTACIÓN..................................................................................................................................3
OBJETIVO GENERAL............................................................................................................................4
SEGURIDAD........................................................................................................................................5
PRACTICA 1. GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS........................................................6
PRACTICA 2. PRUEBAS ESTADÍSTICAS...............................................................................................13
PRACTICA 3. PRUEBA DE KOLMOGOROV SMIRNOV.........................................................................17
PRACTICA 4 GENERACIÓN DE VARIABLES ALEATORIAS MÉTODO DE LA TRANFORMADA INVERSA.22
PRACTICA 5. MODELADO Y SIMULACION........................................................................................26
PRACTICA 6. MODELADO Y SIMULACION........................................................................................33
Código:
Revisión: 1

3 de 40
PRESENTACIÓN
La asignatura de Simulación aporta al perfil del Ingeniero en Sistemas Computacionales la

habilidad de establecer modelos de simulación que le permitan analizar el
comportamiento de un sistema real, así como la capacidad de seleccionar y aplicar
herramientas matemáticas para el modelado, diseño y desarrollo de tecnología
computacional.
La importancia de esta materia para un Ingeniero en Sistemas Computacionales es la de

aplicar los conocimientos adquiridos para plantear modelos matemáticos a sistemas
reales complejos lineales para la toma de decisiones y la solución a estos, empleando
herramientas matemáticas y computacionales, dado que las tendencias actuales exigen
realizar la simulación en áreas como la ciencia, la industria y los negocios.
Esta asignatura agrupa los conocimientos necesarios para modelar y simular sistemas
discretos y lineales, abarcando desde la generación de números aleatorios y métodos
para la generación de variables aleatorias, hasta la construcción de modelos de
simulación.
Simulación, es una asignatura que requiere la aplicación de métodos de probabilidad y la

habilidad de realizar pruebas estadísticas, así como resolver modelos de Investigación de
Operaciones como sistemas de inventarios y de líneas de espera, incluyendo la
competencia de programar en un lenguaje de alto nivel.
Código:
Revisión: 1

4 de 40
OBJETIVO GENERAL
La asignatura está integrada por cinco temas dentro de las cuales el estudiante deberá
realizar análisis, modelado, desarrollo y experimentación de sistemas reales.
En las actividades de aprendizaje sugeridas, se propone la formalización de los conceptos
a partir de experiencias; se busca que el estudiante tenga el primer contacto con el
concepto en forma concreta y sea a través de la observación, la reflexión y la discusión,
que se dé la formalización, la resolución de problemas se hará después de este proceso.
En el primer tema, se abordan conceptos básicos y la metodología empleada en la

simulación. En el segundo tema, el estudiante será capaz de generar números aleatorios
uniformemente distribuidos utilizando los métodos y pruebas estadísticas más pertinentes
para ello. El tercer tema, conocerá y comprenderá métodos y procedimientos especiales
para generar variables aleatorias, siguiendo las distribuciones estadísticas más conocidas
utilizando los algoritmos obtenidos para generarlas. En el cuarto tema el estudiante
aprenderá a manejar, por lo menos, un simulador de eventos discretos o lineales, para
que reconozca los elementos que los integran y utilizarlos en la simulación modelos
matemáticos. Además, aplicará métodos estadísticos para la validación de los resultados
y del modelo de simulación para garantizar los resultados de la simulación. En el quinto
tema el estudiante analizará, modelará y simulará un sistema o subsistema, utilizando las
técnicas aprendidas con anterioridad.
Código:
Revisión: 1

5 de 40
En el transcurso de las actividades programadas es muy importante que el estudiante

aprenda a valorar las actividades que lleva a cabo y entienda que está construyendo su
quehacer futuro y en consecuencia actúe de una manera profesional; de igual manera,
aprecie la importancia del conocimiento y los hábitos de trabajo; desarrolle la precisión y
la curiosidad, la puntualidad, el entusiasmo y el interés, la tenacidad, la flexibilidad y la
autonomía.
Es necesario que el profesor ponga atención y cuidado en estos aspectos en el desarrollo

de las actividades de aprendizaje de esta asignatura, que promueva el establecimiento de
relaciones objetivas entre los conocimientos que el estudiante va construyendo y la
realidad social y profesional de su entorno y así vaya ampliando su cultura.
SEGURIDAD
Para la utilización del Centro de Cómputo el alumno deberá leer el reglamento para el uso
de las salas del centro de cómputo.
Queda prohibido introducir a la Sala de Computo alimentos y bebidas.
El personal que labora en la Sala de Computo, así como los usuarios, deberán abstenerse
de fumar.
Se prohíbe realizar trabajos con fines de lucro o propaganda política, así como la
utilización de cualquier tipo de juego, consultar páginas Pornográficas por Internet y el uso
de los programas Chat.
Código:
Revisión: 1

6 de 40
PRACTICA 1. GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS
-INTRODUCCIÓN
En los experimentos de simulación es necesario generar valores para las variables
aleatorias representadas estas por medio de distribuciones de probabilidad.
Para poder generar entradas estocásticas (probabilísticas) para un modelo de simulación,

se debe contar con un generador de números pseudoaleatorios. Con estos y métodos de
generación de variables aleatorias, se pueden simular las entradas incontrolables para un
modelo de simulación.
Inicialmente los números aleatorios se generaban en forma manual o mecánica utilizando

técnicas como ruedas giratorias, lanzamientos de dados, barajas. También existen
métodos aritméticos que permiten generan un gran conjunto de números aleatorios, pero
el advenimiento de la computadora ha permitido crear generadores que permitan generar
de manera sucesiva todos los números aleatorios que se requieran.
Un número aleatorio es aquél que es generado a partir de la distribución Uniforme U(0,1).

Propiedades
 Su generación se basa en el uso de mecanismos físicos. Entre las distintas
propuestas se incluyen el recuento de partículas emitidas por una explosión, el
lanzamiento de monedas, aparatos mecánicos basadas en ruedas de la fortuna,
etc.
Código:
Revisión: 1

7 de 40
 Tienen el inconveniente de ser generados lentamente. Además, los números

aleatorios no pueden almacenarse de forma automática. Por tanto, se deben
buscar procedimientos algorítmicos computacionales que generen números
aleatorios de forma muy rápida y los puedan almacenar sin utilizar mucha
capacidad de memoria.
Una de las características más poderosas de la simulación es la habilidad de imitar el

comportamiento aleatorio que es característico de la mayoría de los sistemas reales. Para
poder imitar este comportamiento aleatorio la simulación necesita utilizar un generador de
números aleatorios, el cual es responsable de producir un ciclo grandísimo e
independiente de números aleatorios.
Hay que aclarar que los números U(0,1) producidos por un generador de números
aleatorios (algoritmo computacional) no son aleatorios en el verdadero sentido de la
palabra, ya que el generador puede reproducir la misma secuencia de números una y otra
vez, lo cual no indica un comportamiento aleatorio. Por esta razón, a los números U(0,1)
producidos por un generador (algoritmo) se les llama pseudoaleatorios.
Es deseable que los números pseudoaleatorios uniformes posean las siguientes

características (Bu, 1992):
• Uniformemente distribuidos.
• Estadísticamente independientes.
• Reproducibles.
• Periodo largo.
• Generados mediante un método rápido.
• Generados mediante un método que no requiera mucha capacidad de
almacenamiento de la computadora.
Generar un conjunto de números pseudoaleatorios es una tarea relativamente sencilla,

para ello, el lector sólo tiene que diseñar su propio algoritmo de generación. Lo que
resulta difícil es diseñar un algoritmo que genere un conjunto de números
pseudoaleatorios con periodo de vida suficientemente grande (N) y además pase sin
problema las pruebas de uniformidad e independencia, lo cual implica evitar problemas
como éstos:
 Que los números del conjunto no estén uniformemente distribuidos, es decir, que
haya demasiados números en un subintervalo y otro muy pocos o ninguno.
 Que los números pseudoaleatorios sean discretos en lugar de continuos.
 Que la media del conjunto sea muy alta o muy baja, es decir, que esté por arriba o
por debajo de ½.
Código:
Revisión: 1

8 de 40
 Que la varianza del conjunto sea muy alta o muy baja, es decir, que se localice por
arriba o por debajo de 1/12.
Métodos congruenciales
Método Congruencial mixto

Los generadores congruenciales lineales generan una secuencia de números
pseudoaleatorios en la cual el próximo número pseudoaleatorio es determinado a partir
del último número generado, es decir, el número pseudoaleatorio Xn+1 es derivado a partir
del número pseudoaleatorio Xn. La relación de recurrencia para el generador congruencial
mixto es Xn+1 =(a Xn+c) mod m, en donde
Formula: X n+1=( a x n +c ) mod m .
 X0 = es la semilla
 a =el multiplicador
 c = constante aditiva
 m = el módulo (m > X0, a,c)
 X0, a, c >0
Esta relación de recurrencia nos dice que X n+1 es el residuo de dividir a Xn+c entre
el módulo. Lo anterior significa que los valores posibles de X n+1 son 0,1,2,3 ...m-1,
es decir, m representa el número posible de valores diferentes que pueden ser
generados.
Ejemplo:
Supongamos que se tiene un generador en el cual los valores de sus parámetros
son: a = 5, c = 7, X0 = 4 y m = 8. El generador quedará de la siguiente manera:
Xn+1 = (5 Xn + 7) mod 8
Para obtener el residuo hago una división del resultado de (5 X n + 7)/8, el residuo
se multiplica por el módulo y el resultado de la multiplicación se le resta a la
división del cual solo se toma el valor entero, de esta manera se obtendrá el
residuo Xn+1.
Código:
Revisión: 1

9 de 40
n Xn (5 Xn + 7) mod 8 Xn+1 No. aleatorios

(residuo)
0 4 5(4)+7 mod 8 3 3/8=0.375

27/8= 3.375
8*3= 24
27-24= 3
1 3 5(3)+7 mod 8 6 6/8=0.75

22/8=2.75
8*2=16
22-16=6
2 6 5(6)+7 mod 8 5 5/8=0.625

37/8
3 5 5(5)+7 mod 8 0 0
32/8
4 0 5(0)+7 mod 8 7 7/8=0.875

7/8
5 7 5(7)+7 mod 8 2 2/8=0.25

42/8
6 2 5(2)+7 mod 8 1 1/8=0.125

17/8
7 1 5(1)+7 mod 8 4 4/8=0.5

12/8
Tabla 1. Generación de números aleatorios por el método congruencial mixto.
Cuando se quiere construir un generador de números aleatorios para simular los valores
de una variable aleatoria, se deben elegir los parámetros de tal manera que se garantice
un periodo largo para que se puedan hacer todos los ensayos de simulación, por lo tanto,
se deben tener en cuenta las siguientes condiciones:
 a debe ser un número impar, no divisible ni por 3 ni por 5.

Código:
Revisión: 1

10 de 40
 c usualmente puede ser cualquier constante, sin embargo, para asegurar

buenos resultados, se debe seleccionar a de tal forma que, a mod 8 = 5
para una computadora binaria, o a mod 200 = 21 para computadora
decimal.
 m debe ser el número entero más grande que la computadora acepte.
De acuerdo con Hull y Dobell, los mejores resultados para un generador congruencial
mixto en una computadora binaria son:
• c = 8*a±3
• a = cualquier entero
• X0 = Cualquier entero impar.
• M = 2b donde b >2 y que m sea aceptado por la computadora.
Método Congruencial Multiplicativo:
Calcula una sucesión Xn de enteros no negativos, cada uno de los cuales es menor que M
mediante la relación Xn+1= a.Xn (mod M). Es un caso especial de la relación de
congruencia en que c=0, este método se comporta de manera satisfactoria
estadísticamente, es decir, los números generados por medio de este método están
unifórmente distribuidos, y no están correlacionados. Este método tiene un periodo
máximo menor que M, pero se pueden imponer condiciones en a y X 0 de tal forma que se
obtenga el periodo máximo. Desde el punto de vista computacional es el más rápido de
todos.
Fórmula: X n+1=( a x n ) mod m .
Xn+1 = (11 Xn ) mod 128

X0 = 8
Encontrar X7
Ejemplo:
n Xn (11 Xn ) mod 8 Xn+1 No. aleatorios

(residuo)
0 8 11(8) mod 128 0 88/128=0.6875

88/128=0.6875
1 88 11(88) mod 128 72 72/128=0.5625

968/128=72
Código:
Revisión: 1

11 de 40
2 72 11(72) mod 128 24 24/128=0.1875

792/128=24
3 24 11(24) mod 128 8 8/128=0.0625

264/128=8
4 8 11(8) mod 128 0 88/128=0.6875

88/128=0.6875
5 88 11(88) mod 128 72 72/128=0.5625

968/128=72
6 72 11(72) mod 128 24 24/128=0.1875

792/128=24
Tabla 2. Generación de números aleatorios por el método congruencial multiplicativo.
-OBJETIVO
 El alumno resolverá ejercicios para generar números pseudoaleatorios utilizando

los métodos congruenciales y obtendrá el algoritmo para su generación.
-LUGAR
La práctica se realizará en el aula
-SEMANA DE EJECUCIÓN
Semana 3
- MATERIAL Y EQUIPO
 Computadora
 Internet
 Libro de Simulación un enfoque Práctico autor: Coss Bú
 Libreta
-DESARROLLO DE LA PRÁCTICA
Datos =
1. a =9; c= 13; m=32; X0= 8
Código:
Revisión: 1

12 de 40
2. a = 8; c=16; m=100; X0 =15

3. a = 5; c=21; m=100 X0 = 3
4. a = 5; m=64; X0 = 7
5
5. a =203; m= 10 X0=17
Los pasos descritos a continuación reflejan la solución de los datos del caso 1, para cada
caso se requiere calcular los 8 primeros números pseudoaleatorios de acuerdo con el
método empleado.
Paso 1. Crea la siguiente tabla y en la sección de fórmula sustituye por la formula

correspondiente con los valores para a,c,m, X 0 para este caso la fórmula correspondiente
es: (9Xn + 13) /32
n Xn Fórmula Xn+1 No. aleatorios

(residuo)
….
Paso 2. Calcular el valor Xn+1 de la primera línea de acuerdo con lo siguiente.
(9 Xn + 13) mod 32
N Xn Xn+1 No.
(residuo) aleatorios
0 (número 8 (valor de la 9(8) +13 mod 32 21 21/32

consecutivo la semilla X0) 85/32= 2.65625 (residuo / m)
semilla siempre 32*2= 64
es 0) 85-64= 21
Paso 2. Colocar en la siguiente línea el valor calculado X n+1 y sustituir en la formula el

nuevo valor calculado Xn a como se muestra en la siguiente tabla.
(9 Xn + 13) mod 32
N Xn Xn+1 No. aleatorios
(residuo)
0 8 (9(8) +13) /32 = 85/32 = 2 y 21 21 / 32 = 0.65625

Código:
Revisión: 1

13 de 40
sobran 21
1 21 (9(21) +13) /32 = 6 y sobran 10 10 10/32 = 0.3125
2 10
…..
Paso 3. Rellenar la tabla siguiendo el paso 1 y 2 hasta completar n = 9.
Paso 4. Repetir para cada uno de los ejercicios anteriormente descritos
Paso 5. Escribir el algoritmo correspondiente describiendo cada uno de los pasos.
Paso 6. Hacer el programa de computadora que permita obtener al menos 4096 números
pseudoaleatorios.
- EVALUACIÓN Y RESULTADOS
La información ya recabada (resultado), se debe pasar en Excel.

Criterio Puntaje Puntaje Obtenido
El alumno completa la tabla de acuerdo con lo solicitado 0.5
EL alumno determina los 9 valores uniformes esperados 1
El alumno resuelve las 3 problemáticas. 2
El alumno escribe el algoritmo correspondiente 2.5
El alumno elabora el programa de computadora para obtener 4

números pseudoaleatorios
Total. 10
-REFERENCIAS
Bu, R. C. (1992). Simulación un enfoque práctico. México: Limusa.
-ANEXOS
Código:
Revisión: 1

14 de 40
PRACTICA 2. PRUEBAS ESTADÍSTICAS.

-INTRODUCCIÓN
Las propiedades estadísticas que deben poseer los numero pseudoaleatorios generados
por los métodos congruenciales tienen que ver con independencia y aleatoriedad
estadísticas.
En esta práctica se describen las pruebas estadísticas que se aplican a los números
pseudoaleatorios generados por cualquiera de los métodos vistos en la práctica anterior
anteriores; En la primera de ellas, se tratará de verificar la hipótesis de que los números
generados provienen de la distribución uniforme en el intervalo cerrado [0,1], en la
segunda de ellas, se aplicará la prueba de corrida, misma que sirve para verificar que los
números son efectivamente aleatorios.
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La
hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad
totalmente especificada como el modelo matemático de la población que ha generado la
muestra.
De uniformidad. (Chi cuadrada o Prueba de Frecuencias)
El estadístico ji-cuadrado (o chi cuadrado), que tiene distribución de probabilidad del

mismo nombre, sirve para someter a prueba hipótesis referidas a distribuciones de
frecuencias. En términos generales, esta prueba contrasta frecuencias observadas con
las frecuencias esperadas de acuerdo con la hipótesis nula. En este artículo se describe
el uso del estadístico ji-cuadrado para probar la asociación entre dos variables utilizando
una situación hipotética y datos simulados. Luego se describe su uso para evaluar cuán
buena puede resultar una distribución teórica, cuando pretende representar la distribución
real de los datos de una muestra determinada. A esto se le llama evaluar la bondad de un
ajuste. Probar la bondad de un ajuste es ver en qué medida se ajustan los datos
observados a una distribución teórica o esperada. Para esto, se utiliza una segunda
situación hipotética y datos simulados.
-OBJETIVO
Aplicar pruebas estadísticas a los números pseudoaleatorios generados en la práctica 1

para garantizar que sean uniformemente distribuidos e independientes con el fin de
utilizarlos en la solución de problemas.
Código:
Revisión: 1

15 de 40
-LUGAR
La práctica se realizará en aula.
Semana 4
- MATERIAL Y EQUIPO
 Computadora
 Internet
 Libro
 Libreta
 Calculadora
Paso 1. Utilizando los datos de cada uno de los generadores de la práctica anterior
generar los primeros 100 números (utilizando su generador de números pseudoaleatorios
programado).
0.03303 0.48904 0.88458 0.57875 0.54328

0.11622 0.39633 0.83781 0.02585 0.84026
0.20581 0.43391 0.05425 0.10242 0.51294
0.20945 0.33822 0.83231 0.05189 0.48537
0.21549 0.63137 0.29409 0.24711 0.12421
0.34532 0.57928 0.47789 0.77016 0.20376
0.38742 0.26016 0.35427 0.38922 0.88973
0.43055 0.19692 0.00911 0.57441 0.49525
0.43365 0.30039 0.58677 0.18113 0.86907
0.47777 0.25589 0.60777 0.21456 0.86712
0.51515 0.01915 0.49972 0.25387 0.81504
0.53596 0.11738 0.44267 0.59875 0.23513
0.53997 0.02759 0.09841 0.66005 0.37937
0.55617 0.53967 0.62713 0.38174 0.61824
0.73481 0.16851 0.16443 0.59411 0.02964
0.78227 0.68481 0.11507 0.34286 0.18716
0.78487 0.04842 0.60621 0.83943 0.16273
Código:
Revisión: 1

16 de 40
0.83379 0.24051 0.79364 0.46458 0.33678

0.88703 0.77021 0.63411 0.60359 0.58389
0.88765 0.51861 0.20229 0.61612 0.71115
Paso 2. Dividir en 5 los rangos de frecuencia de los valores entre 0 y 1.
Paso 3. Contar los valores que se encuentran entre cada rango y anotar la frecuencia
observada correspondiente.
Frecuencia 21 24 26 17 12
Observada
Rango 0 > 0.4 > > >

0.2 0.6 0.8 1
Paso 4. Colocar los valores de la frecuencia esperada de acuerdo con lo siguiente.
FE = N /i;
N= número de valores pseudoaleatorios.

i = número de intervalos
Quedando para este caso la frecuencia igual a 20.
Esperada
Observada
Rango 0 > 0.4 > > >

0.2 0.6 0.8 1
2
Paso 5. Calcular el valor de la X 0 de acuerdo con la fórmula:
( FO i−FE ¿ ¿ i)2
n
X =¿ ∑
2
0 ¿
i=1 FE i
Quedando de la siguiente manera

2
X 0 = (21-20)2 / 20 + (24-20)2/20 + (26-20)2/20 + …….
Código:
Revisión: 1

17 de 40
2
X0 = (0.05 + 0.8 + 1.8 + 0.45 + 3.2) = 6.3
2
Paso 6. Identificar el valor X α−r en la tabla de la xi cuadrada
Para este caso el porcentaje de aceptación debe ser del 95%.

Quedando el valor
9.49
Paso 7. Verificar si cumple la prueba e indicarlo.
2 2
Cumple si X 0 < X α−r
Paso 8. Realizar los mismos pasos para los números pseudoaleatorios obtenidos en la
práctica anterior.
El alumno presentará imágenes de los ejercicios resueltos.
El alumno coloca los datos en la tabla de acuerdo con lo 1

observado en las muestras.
2
El alumno calcula los valores para la X 0 y los resultados son los 3
esperados
2 1
El alumno extraer el valor de X α−r de la tabla de acuerdo con
los datos solicitados
El alumno realiza los pasos para un caso de la práctica 1. 4
El alumno indica si los datos pasan la prueba o no. 1
Total 10
-REFERENCIAS

Código:
Revisión: 1

18 de 40
-ANEXOS
PRACTICA 3. PRUEBA DE KOLMOGOROV SMIRNOV
En estadística, la prueba de Kolmogórov-Smirnov (también prueba K-S) es una prueba no

paramétrica que determina la bondad de ajuste de dos distribuciones de probabilidad
entre sí.
Conviene tener en cuenta que la prueba Kolmogórov-Smirnov es más sensible a los

valores cercanos a la mediana que a los extremos de la distribución.
La prueba de Kolmogórov-Smirnov para una muestra es un procedimiento de "bondad de

ajuste", que permite medir el grado de concordancia existente entre la distribución de un
conjunto de datos y una distribución teórica específica. Su objetivo es señalar si los datos
provienen de una población que tiene la distribución teórica especificada, es decir,
contrasta si las observaciones podrían razonablemente proceder de la distribución
especificada.
Esta prueba sirve para verificar o negar la hipótesis que un conjunto de observaciones
proviene de una determinada distribución. La estadística D que se utiliza en esta prueba
es una medida de la diferencia máxima observada entre la distribución empírica (dada por
las observaciones) y la teórica supuesta. La estadística D es obviamente una variable
aleatoria.
-OBJETIVO
Realizar pruebas estadísticas para garantizar que los valores provengan de una
distribución con el fin de probarlos y utilizarlos en la solución de problemas.
-LUGAR
La práctica se realizará en aula

Código:
Revisión: 1

19 de 40
Semana 5
- MATERIAL Y EQUIPO
 Computadora
 Internet
 Libro
 Libreta
 Calculadora
Paso 1. Graficar los datos de la tabla y observar la figura para identificar cual es la
distribución a la que se asemeja.
# consultas Muestras
(Mi) (Fi)
0 305
1 141
2 43
3 12
4 3
5 1
total 505
Paso 2. Utilizando el formulario calcular los valores de la Media.
Para calcular la media se debe obtener el valor de:
μifi : Se multiplica las muestras de cada intervalo por el número de consultas.

Al finalizar se suman los valores y se divide el total entre el total de muestras con lo que
se obtiene la media.
Código:
Revisión: 1

20 de 40
Para sacar media: Se utiliza la siguiente formula

∑ μifi
x= i=1
N −1
MiFi
x= =¿
total de Fi
x=¿
n
Ahora para sacar la varianza utilizamos la siguiente formula

∑ μi2 fi−N x 2
2 i=1
σ =
N −1
Escriba aquí la ecuación .
Calcular lambda
x+ σ 2
λ=
2
Entonces λ=¿
La gráfica queda de la siguiente manera
Paso 3. Calcular la Probabilidad esperada de cada intervalo de acuerdo con la fórmula

de la distribución identificada para el caso la distribución a probar es una Poisson.
e− λ x
P ( x )=
x !
p ( 0 )=. 59766
p ( 1 )=. 30763
p ( 2 )= . 07417
p ( 3 ) =. 01358
p ( 4 )= 0 . 00022
−0.61325 0
e ∗0.61325
P ( 0 )= =0.5415
0!
Quedando los siguientes resultados
P(0)=0.5415
P(1)=¿
P(2)=¿
P(3)=¿
P( 4)=¿
P(5)=¿
Código:
Revisión: 1

21 de 40
Nota: La suma de las probabilidades debe ser igual a 1 por lo que se redondea el valor
final para que sume 1 quedando .9996
Paso 4. Con los valores calculados de las probabilidades se obtiene el valor esperado
multiplicando el número total de muestras (505) por la probabilidad estimada.
P(x) * 505 =
…
…
P(xn) * 505 =
Paso 5. Calcular las probabilidades esperadas de acuerdo con lo siguiente:
Para sacar Po(x): Se divide en número de intervalos entre el total de intervalos.
Paso 6. Estimar las probabilidades acumuladas de acuerdo con las siguientes fórmulas:
Para sacar Fresp(x)=Fresp+ P( x) es la fórmula que utilizamos para este apartado.
Para sacar Fros ( x)=Fros( x )+ Po( x)
Paso 7. Para estimar el valor de kolmogórov se debe identificar la mayor desviación de

las frecuencias acumuladas de acuerdo con:
D n=máx∨F n(X i) – X i∨ para toda X i

Dn=Fros(x)−Fresp( x)
Paso 8. Comprobar el valor calculado contra dα,n si D n<d α , n entonces no se puede
rechazar la hipótesis de que los datos provienen de la distribución planteada.
D n<d α , n
Dn < d0.05, 505 en este caso se usa la tabla de Kolmogórov-Smirnov y en la tabla buscamos
n
los mayores cuando alfa sea 0.05 y n sea mayor y el cual nos da una formula =¿
√n
-ANEXOS
Después de aplicar las fórmulas establecidas, la tabla debe quedar de la siguiente manera
# # μifi 2
μi fi FE Pe( X) Po( x) Fresp(x) Fros( x) Dn
Código:
Revisión: 1

22 de 40
consulta intervalos
s
0 305 0 0 273 0.5415
1 141 141 141 168 0.3321
2 43 86 172 51 0.1018
3 12 36 108 10 0.0208
4 3 12 48 1 0.0031
5 1 5 25 1 0.003
509 262 440 509 .9997
El alumno grafica los valores y presenta la gráfica 0.5
El alumno calcula la media de los datos y obtiene los valores 0.5

correctos
El alumno calcula los valores de las probabilidades esperadas y 3

obtienen los valores correctos
El alumno obtiene las probabilidades observadas 2
El alumno calcula las frecuencias relativas acumuladas 2

esperadas y observadas
El alumno obtiene el rango donde se aprecia la máxima 1

desviación entre las frecuencias relativas acumuladas
observadas y esperadas.
Identifica el valor de kolmogórov en la tabla de acuerdo con los 1

valores dados
TOTAL 1
-REFERENCIAS

Código:
Revisión: 1

23 de 40
PRACTICA 4 GENERACIÓN DE VARIABLES ALEATORIAS MÉTODO DE LA

TRANFORMADA INVERSA
Existen varios métodos que nos permiten generar variables aleatorias. Lo normal es que
existan varias opciones para generar una misma variable aleatoria. La elección del
método adecuado se puede basar en una serie de factores como:
 Exactitud. Se prefiere un método exacto frente a métodos aproximados,

como soluciones numéricas.
 Velocidad. Uno de los datos que se toma en consideración es el °em tiempo
de generación de la variable.
 Espacio. Necesidades de memoria del método utilizado. En general, los
métodos no consumen mucha memoria.
 Simplicidad.
La mayoría de las técnicas utilizadas para la generación se pueden agrupar en:

 Método de la transformada inversa
 Método de aceptación-rechazo
 Método de composición
 Método de convolución
Generación De Variables Aleatorias
La variabilidad de eventos y actividades se presentan a través de funciones de densidad

para fenómenos continuos, y mediante distribuciones de probabilidad para fenómenos de
tipo discreto. La simulación de estos eventos o actividades se realiza con la ayuda de la
generación de variables aleatorias.
.
Método De La Transformada Inversa
Código:
Revisión: 1

24 de 40
El método de la transformada inversa puede utilizarse para simular variables aleatorias

continuas, lo cual se logra mediante la función acumulada f(x) y la generación de números
pseudoaleatorios ri ~U (0,1).
El método consiste en:
 Definir la función de Densidad f(x) que representa la variable a modelar.

 Calcular la función acumulada f(x).
Despejar la variable aleatoria x y obtener la función acumulada inversa f(x) .

-1

 Generar las variables aleatorias x, sustituyendo valores con números
pseudoaleatorios ri ~U (0,1) en la función acumulada inversa.
El método de la transformada inversa también puede emplearse para simular variables

aleatorias de tipo discreto, como en las distribuciones de Poisson, de Bernoulli, binomial,
geométrica, discreta general, etc. La generación se lleva a cabo a través de la
probabilidad acumulada P(x) y la generación de números pseudoaleatorios ri ~U (0,1).
-OBJETIVO
Aplicar métodos para la generación de variables aleatorias que definan el comportamiento
de los sistemas, para implementar programas que simulen situaciones reales
eficientemente.
-LUGAR
La práctica se realizará en aula.
Semana 7
- MATERIAL Y EQUIPO
 Libreta
 Calculadora
 Computadora
Código:
Revisión: 1

25 de 40
Paso 1. Utilizando los siguientes datos calcule la distribución acumulada.
1 0.0017
2 0.0337
3 0.0812
4 0.1404
5 0.1755
6 0.1755
7 0.1462
8 0.1044
9 0.0613
10 0.0363
11 0.0181
12 0.0082
13 0.0034
14 0.0013
15 0.0005
16 0.0002
17 0.0012
18 0.0056
19 0.00237
20 0.00292
Paso 2. Utilizando los valores de la distribución acumulada de la tabla anterior estime los
valores de la tabla de acuerdo con la transformada inversa para cada uno de los valores
como se muestra:
0 Si 0.0000 <= R < 0.0017 entonces x=0;
1 Si 0.0017 <= R < 0.0354 entonces x=1;
2
Código:
Revisión: 1

26 de 40
……
15
Paso 3. Utilizando el programa generador de números pseudoaleatorios y los valores de

la transformada inversa genere variables aleatorias que cumplan.
Paso 4. Presente un reporte de las variables generadas y aplique la prueba

correspondiente para validar sus valores
Calculó la distribución acumulada de los datos .5
Generó los valores correspondientes a la transformada inversa. .5
Realizó el programa para generar variables aleatorias discretas 4
Presenta las pruebas a las variables 5
Total 10
-REFERENCIAS
-ANEXOS
Código:
Revisión: 1

27 de 40
PRACTICA 5. MODELADO Y SIMULACION.
Caso Hipoteca
-INTRODUCCIÓN
La simulación computacional de sistemas, o apenas simulación, consiste en la utilización

de ciertas técnicas matemáticas, empleadas en computadores, las cuales permiten imitar
el funcionamiento de prácticamente cualquier tipo de operación o proceso del mundo real,
es decir, es el estudio del comportamiento de sistemas reales a través del ejercicio de
modelos.
Existen diversas definiciones para simulación, dentro de las cuales podemos citar la de
Pegden (1990) que dice “la simulación es un proceso de proyectar un modelo
computacional de un sistema real y conducir experimentos con este modelo con el
propósito de entender su comportamiento y evaluar estrategias para su operación”. De
esta manera, podemos entender la simulación como un proceso amplio que engloba no
sólo la construcción de un modelo, sino también todo un método experimental que se
sigue, buscando:
 Describir el comportamiento del sistema;

 Construir teorías e hipótesis considerando las observaciones efectuadas;
 Usar el modelo para prever el comportamiento futuro, es decir, los efectos producidos por
alteraciones en el sistema o por los métodos empleados en su operación.

Conforme descrito por Schriber (1974), en el clásico Simulation Using GPSS, para él la
“simulación implica en el modelaje de un proceso o sistema, de tal forma que el modelo
imite las respuestas del sistema real en una sucesión de eventos ue ocurren a lo largo del
tiempo”.
Aun refiriéndonos a la simulación, podemos citar la definición de Law & amp Kelton que
considera la simulación como una técnica que utiliza computadores para imitar las
Código:
Revisión: 1

28 de 40
operaciones de varios tipos de procesos y facilidades del mundo real. También tenemos
la definición de Banks que afirma “la simulación es la imitación de la operación de un
proceso o sistema del mundo real a lo largo del tiempo.”
Una definición más práctica es aquella propuesta por Kelton, Sadowski &amp que dice
“simulación es el proceso de proyectar y crear un modelo en un computador de un
sistema real o propuesto, con el propósito de conducir experimentos numéricos para
darnos una mejor comprensión del comportamiento de un dado sistema, dada una serie
de condiciones.”
La lectura de estas definiciones sugiere la idea de que el modelaje y la simulación están
enfocadas en la solución de problemas. Sin embargo, de acuerdo con Banks, la
simulación puede también tener un nivel funcional que puede ser aplicado como:
 Un dispositivo para comprensión de un problema;
 Un medio de comunicación para describir la operación de un sistema;
 Una herramienta de análisis para determinar elementos críticos y estimar medidas de
desempeño;
 Una herramienta de proyecto para evaluar problemas y proponer soluciones;
 Un sistema de planeación de operaciones para trabajos, tareas y recursos;
 Un mecanismo de control;
 Una herramienta de entrenamiento;
Modelo.
Un modelo es una representación de un objeto, sistema o idea, de forma diferente al de la

entidad misma. El propósito de los modelos es ayudarnos a explicar, entender o mejorar
un sistema. Un modelo de un objeto puede ser una réplica exacta de éste o una
abstracción de las propiedades dominantes del objeto.
Código:
Revisión: 1

29 de 40
Elementos principales
 Entidades
Son los objetos que fluyen a través del sistema, podrían ser: clientes, productos, cajas,
camiones y pallets entre otros
 Atributos
Son las diferentes características que definen a las entidades: tipo, edad, género, peso,
volumen, tiempo de inicio de un proceso.
 Variables
Son aquellas que definen el modelo y sus estados como un conjunto: número de
entidades en proceso, número de entidades entrantes, número de entidades salientes,
costo de proceso unitario.
 Reloj de Simulación
Variable que lleva control del tiempo virtual de simulación, no se debe confundir con el
tiempo real de ejecución, es decir mientras en mi reloj de mano pasaron 5 minutos desde
que se ejecutó la simulación, en el modelo el reloj de simulación podría haber avanzado
días, meses o inclusive años.
 Eventos
Diferentes tipos de acontecimientos que ocurren a través de la simulación, que hacen que
el reloj de simulación avance, tales como: llegada de un paciente, daño de una máquina,
inicio de operación de un trabajador, finalización de un proceso de fabricación.
 Recursos
Objetos a los que se les asocia algún tipo de gasto o de consumo de los mismos para
realización de tareas de operación o transporte: operarios, montacargas, máquinas,
buffers de almacenamiento, bandas transportadoras.
-OBJETIVO
Modele una problemática planteada y utilice un simulador o un lenguaje de simulación

comercial como Arena (versión escolar si no se tiene el profesional) para resolver un
problema real o hipotético.
Código:
Revisión: 1

30 de 40
-LUGAR
Sala de cómputo
Semana 10
- MATERIAL Y EQUIPO
 Computadora
 Software Arena (versión de estudiante)
EJERCICIO - Proceso de Solicitud de una Hipoteca

Problemática
En el siguiente ejercicio que se propone se pretende que el alumno realice una primera
experiencia en la utilización del software ARENA para modelar, simular, visualizar y
analizar los resultados de un sencillo sistema a estudiar.
En una sucursal bancaria se desea estudiar y analizar el funcionamiento de un servicio

determinado relativo a las solicitudes de Préstamos Hipotecarios. En concreto se pretende
conocer las repuestas a las siguientes preguntas:
1) ¿Cuál es tiempo promedio para evaluar una Solicitud de una hipoteca?

2) ¿Cuál es el coste promedio de la revisión de una Solicitud de una hipoteca?
3) ¿Cuál es el máximo tiempo que duró la revisión de una Solicitud?
4) ¿Cuál es el máximo número de solicitudes que han estado esperando a ser revisadas?
5) ¿Qué proporción de tiempo ha estado ocupado el oficinista que realiza las revisiones?
Para ello, el alumno debe construir un modelo del Proceso 'Revisión de una Solicitud de
Hipoteca' y obtener dichos resultados mediante la simulación con ARENA. La información
que se dispone del proceso a estudiar es la siguiente:
Código:
Revisión: 1

31 de 40
a) las Solicitudes (entidades) de una hipoteca se producen o llegan a la sucursal bancaria

de una manera aleatoria siguiendo una distribución exponencial de media 2 horas entre
llegadas de solicitudes.
b) el proceso de revisión y evaluación de una solicitud lo realiza un Oficinista (un recurso
o un servidor). Cada solicitud (entidad) que llega al Oficinista (proceso) requiere dicho
recurso durante un tiempo aleatorio que sigue una distribución triangular, en la que el
tiempo mínimo es una hora, el tiempo más probable es de 1.75 horas y tiempo máximo es
de 3 horas. Cuando una entidad llega al proceso, ésta esperará su turno para capturar el
recurso. Una vez llegado su turno la entidad capturará (seize) el recurso, tendrá un tiempo
de retraso correspondiente al tiempo de servicio del Oficinista, y liberará (release) el
recurso para que éste pueda realizar otro servicio.
c) Una vez la solicitud ha sido revisada y evaluada, queda por decidir si se acepta o no se
acepta dicha solicitud. El criterio de aceptación de una solicitud se basará en un simple
criterio probabilístico, en concreto se aceptará el 88% de las solicitudes. NOTA: se
utilizarán dos módulos Dispose, una para las solicitudes aceptadas y el otro para las
solicitudes no aceptadas. d) Los costes correspondientes al Oficinista se fijan en $12 por
hora de trabajo, independientemente de si ha estado ocupado o desocupado.
e) El estudio de simulación se desea realizar sobre el funcionamiento de la sucursal
bancaria durante 20 días y 24 horas al día, es decir sobre un total de 480 horas.
Paso1. Determinar la(s) entidades que componen el sistema.
Paso 2. Identificar los procesos y los recursos requeridos para el proceso.
Paso 3. Identificar los parámetros que se deben considerar
Paso 4. Abrir el software arena y crear una nueva entidad con los valores proporcionados
en la problemática.
Paso 5. Crear los procesos para cada una de las partes de la cadena de producción.
Paso 6. Una vez realizado el organigrama con los módulos necesarios se debe editar
cada uno de ellos para asignarles los parámetros correspondientes al problema de
estudio.
Editar los siguientes módulos:
Módulos de organigrama.
- Create: asignarle el nombre 'Inicio de Solicitud de Hipoteca', definir el tipo de entidad
como 'Solicitud' y elegir el adecuado tiempo entre llegadas (no poner tilde a las letras
acentuadas).
Código:
Revisión: 1

32 de 40
- Process: asignarle el nombre 'Revisión', elegir la Action adecuada y definir un Recurso

que tenga el nombre Oficinista. El tiempo de retraso del proceso es tipo triangular.
- Decide: asignarle el nombre 'Concesión de Hipoteca' y Percent True adecuado al
problema.
- Dispose: asignarles los nombres 'Solicitud Aceptada' y 'Solicitud Rechazada'.
Módulos de datos.
- Resource: introducir los costes por hora ($12) en la hoja de cálculo correspondiente al
recurso 'Oficinista'.
Paso 6. Aplicar animación al modelo
Paso 7. SIMULACIÓN
Antes de ejecutar la simulación conviene ajustar los parámetros de simulación al
problema de estudio.
Editar en primer lugar, el título del proyecto como 'Análisis de la Revisión de Solicitud de
Hipoteca' en el tabulador Poject Title de la carpeta Project Parameters del menú
Run,Setup. Además, se debe seleccionar en las cajas check de Statistic Colletion las
correspondientes a Entities, Qeues, Resources, Processes y Costing.
En el mismo menú Run,Setup, en la carpeta Replication Parameters seleccionar 20 en el

campo Replication Length y elegir días en Time Units.
Guardar el modelo realizado mediante la opción File/Save (o el pulsando el botón Save de
barra de herramientas estándar).
NOTA: Utilizar una carpeta específica para este y el resto de las modelos que se
desarrollarán a lo largo del curso.
Paso 8. Ejecutar el modelo de simulación.
NOTA: se puede variar y ajustar la velocidad de la animación de la simulación del modelo;

para ello durante la simulación basta mantener pulsada la tecla '<' o la tecla '>' unos
instantes para decrementar o aumentar la velocidad de la animación respectivamente.
Paso 9. INFORMES de los RESULTADOS DE SIMULACIÓN

Ver y analizar los datos presentados en los diferentes informes que ha generado ARENA
al simular el modelo del Proceso de Solicitud de una Hipoteca.
Responder a las 5 preguntas realizadas al comienzo de este apartado del EJERCICIO, a
partir de los resultados de dichos informes.
Pregunta 1.- Informe Entity (Total Time Average)
Pregunta 2.- Informe Entity (Total Cost Average)
Pregunta 3.- Informe Process (Total Time Maximun)
Pregunta 4.- Informe Queue (Number Waiting Maximun)
Código:
Revisión: 1

33 de 40
Pregunta 5.- Informe Resource (Utilization Average)
Cada elemento incluido debe estar configurado y con los datos de acuerdo con la
problemática planteada y mostrarse como se presenta en el ANEXO.
El alumno lista las entidades, procesos, recursos y parámetros 2

requeridos para solucionar la problemática.
El alumno crea el modelo incluyendo entidades, procesos 2
El alumno responde a las preguntas planteadas 1
Los módulos incluyen los comportamientos de cada proceso o 3

entidad.
Configura, ejecuta y presenta los resultados esperados 1
Presenta el modelo con animación 1
Total 10
-REFERENCIAS
Ariza, A. F., Rojas, R. W., Arboleda, C. P., & Herrera, A. M. (2007). Simulación de sistemas
productivos con ARENA. Barranquilla, Colombia: Uninorte.
David, K. w. (2008). Simulación con software Arena. Mc.Graw Hill.
-ANEXOS
Código:
Revisión: 1

34 de 40
Código:
Revisión: 1

35 de 40
PRACTICA 6. MODELADO Y SIMULACION.
Caso Banco
-INTRODUCCIÓN
La simulación es aplicada en campos de la investigación como la química, la biología, la

matemática y la física, estudios comparativos de elementos de la naturaleza necesitan
experimentos en los que se evalué el comportamiento, lo mismo sucede en la sociedad y
el entorno cotidiano.
Cuando la simulación es un método científico se deben seguir una serie de

procedimientos e indicaciones para cumplirlo: definición del sistema, en el que se
establece cuáles son los elementos que se deben simular, incluyendo movimientos y
aspectos relevantes. Formulación del Modelo, se crea o se imita el espacio en el que se
produce el evento o fenómeno. Colección de Datos, al concluir el proceso de simulación,
se tiene la información del proceso como si fuera el original o al menos el
aproximado. Verificación, comparación y comprobación de los datos obtenidos en la
simulación y los datos de la versión original. Interpretación, se evalúa y se le da uso a los
datos obtenidos para así constatar que los datos obtenidos son en realidad los deseados.
Documentación, los científicos soportan la información obtenida como datos guardados
para así servir como apoyo a nuevas generaciones de experimentos científicos que
continúen la labor.
Modelo.
Un modelo es una representación de un objeto, sistema o idea, de forma diferente al de la

entidad misma. El propósito de los modelos es ayudarnos a explicar, entender o mejorar
un sistema. Un modelo de un objeto puede ser una réplica exacta de éste o una
abstracción de las propiedades dominantes del objeto.
Código:
Revisión: 1

36 de 40
Elementos principales
 Entidades
Son los objetos que fluyen a través del sistema, podrían ser: clientes, productos, cajas,
camiones y pallets entre otros
 Atributos
Son las diferentes características que definen a las entidades: tipo, edad, género, peso,
volumen, tiempo de inicio de un proceso.
 Variables
Son aquellas que definen el modelo y sus estados como un conjunto: número de
entidades en proceso, número de entidades entrantes, número de entidades salientes,
costo de proceso unitario.
 Reloj de Simulación
Variable que lleva control del tiempo virtual de simulación, no se debe confundir con el
tiempo real de ejecución, es decir mientras en mi reloj de mano pasaron 5 minutos desde
que se ejecutó la simulación, en el modelo el reloj de simulación podría haber avanzado
días, meses o inclusive años.
 Eventos
Diferentes tipos de acontecimientos que ocurren a través de la simulación, que hacen que
el reloj de simulación avance, tales como: llegada de un paciente, daño de una máquina,
inicio de operación de un trabajador, finalización de un proceso de fabricación.
 Recursos
Objetos a los que se les asocia algún tipo de gasto o de consumo de los mismos para
realización de tareas de operación o transporte: operarios, montacargas, máquinas,
buffers de almacenamiento, bandas transportadoras.
Código:
Revisión: 1

37 de 40
-OBJETIVO
Modele una problemática planteada y utilice un simulador o un lenguaje de simulación

comercial como Arena (versión escolar si no se tiene el profesional) para resolver un
problema real o hipotético.
-LUGAR
Sala de cómputo
Semana 10
- MATERIAL Y EQUIPO
 Computadora
 Software Arena (versión de estudiante)
Código:
Revisión: 1

38 de 40
Problemática.
Considere el caso de un banco en donde clientes llegan a un cajero con un tiempo entre
llegadas que sigue una distribución normal con media 5.89 y una desviación estándar de
0.65 minutos. Los clientes son atendidos por el cajero con un tiempo exponencialmente
distribuido con media de 4.5 minutos.
- El 65% de los clientes va a realizar retiros o pagos, el 30% realiza

operaciones con CDT’s y el 5% restante va a abrir una nueva cuenta.
- Los pagos y retiros son atendidos por un solo cajero
- Las operaciones con CDT’s son realizadas por un asesor financiero, con
tiempo de atención al cliente uniforme entre 15 y 30 min.
- Las cuentas son abiertas por un asesor de cuentas. El tiempo de apertura
es exponencial con media 15 min.
- Simular esta operación por 480 minutos.
Paso1. Determinar la(s) entidades que componen el sistema.
Paso 2. Identificar los procesos y los recursos requeridos para el proceso.
Paso 3. Identificar los parámetros que se deben considerar
Paso4. Abrir el software arena y crear una nueva entidad con los valores proporcionados
en la problemática.
Paso 5. Seguidamente de este paso coloca una decisión para cada una de las
condiciones que el cliente puede tomar de acuerdo con la problemática.
Paso 6. Se realizan los procedimientos de acuerdo con la decisión tomada.

Paso 7. Colocar los valores para cada objeto del modelo
Paso 8. Animar el modelo de acuerdo con la problemática.
Paso 9. Ejecutar el modelo
Cada elemento incluido debe estar configurado y con los datos de acuerdo con la
problemática planteada y mostrarse como se presenta en el ANEXO.
Código:
Revisión: 1

39 de 40
El alumno lista las entidades, procesos, recursos y parámetros 1.5

requeridos para solucionar la problemática.
El alumno crea el modelo incluyendo entidades, procesos 2.5
El modelo incluye módulos de decisión donde lo requiere 1
Los módulos incluyen los comportamientos de cada proceso, 3

entidad o decisión
Configura, ejecuta y presenta los resultados esperados 1
Presenta el modelo con animación 1
Total 10
-REFERENCIAS
Ariza, A. F., Rojas, R. W., Arboleda, C. P., & Herrera, A. M. (2007). Simulación de sistemas
productivos con ARENA. Barranquilla, Colombia: Uninorte.
David, K. w. (2008). Simulación con software Arena. Mc.Graw Hill.
-ANEXOS
Código:
Revisión: 1

40 de 40

Simulacion Industrial

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Simulacion Industrial

Cargado por

Copyright:

Formatos disponibles

Código:

Dirección Académica CPE-FO-02-03

MANUAL DE PRÁCTICAS Página:

MANUAL DE PRÁCTICAS DE INDUSTRIAL

Calkiní, Campeche, Enero 2019

MANUAL DE PRÁCTICAS Página:

MANUAL DE PRÁCTICAS Página:

La asignatura de Simulación aporta al perfil del Ingeniero en Sistemas Computacionales la

La importancia de esta materia para un Ingeniero en Sistemas Computacionales es la de

Simulación, es una asignatura que requiere la aplicación de métodos de probabilidad y la

MANUAL DE PRÁCTICAS Página:

En el primer tema, se abordan conceptos básicos y la metodología empleada en la

MANUAL DE PRÁCTICAS Página:

En el transcurso de las actividades programadas es muy importante que el estudiante

Es necesario que el profesor ponga atención y cuidado en estos aspectos en el desarrollo

Queda prohibido introducir a la Sala de Computo alimentos y bebidas.

MANUAL DE PRÁCTICAS Página:

PRACTICA 1. GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS

Para poder generar entradas estocásticas (probabilísticas) para un modelo de simulación,

Inicialmente los números aleatorios se generaban en forma manual o mecánica utilizando

Un número aleatorio es aquél que es generado a partir de la distribución Uniforme U(0,1).

MANUAL DE PRÁCTICAS Página:

 Tienen el inconveniente de ser generados lentamente. Además, los números

Una de las características más poderosas de la simulación es la habilidad de imitar el

Es deseable que los números pseudoaleatorios uniformes posean las siguientes

Generar un conjunto de números pseudoaleatorios es una tarea relativamente sencilla,

MANUAL DE PRÁCTICAS Página:

Método Congruencial mixto

Formula: X n+1=( a x n +c ) mod m .

MANUAL DE PRÁCTICAS Página:

n Xn (5 Xn + 7) mod 8 Xn+1 No. aleatorios

0 4 5(4)+7 mod 8 3 3/8=0.375

1 3 5(3)+7 mod 8 6 6/8=0.75

2 6 5(6)+7 mod 8 5 5/8=0.625

4 0 5(0)+7 mod 8 7 7/8=0.875

5 7 5(7)+7 mod 8 2 2/8=0.25

6 2 5(2)+7 mod 8 1 1/8=0.125

7 1 5(1)+7 mod 8 4 4/8=0.5

Tabla 1. Generación de números aleatorios por el método congruencial mixto.

 a debe ser un número impar, no divisible ni por 3 ni por 5.

MANUAL DE PRÁCTICAS Página:

 c usualmente puede ser cualquier constante, sin embargo, para asegurar

Método Congruencial Multiplicativo:

Fórmula: X n+1=( a x n ) mod m .

Xn+1 = (11 Xn ) mod 128

n Xn (11 Xn ) mod 8 Xn+1 No. aleatorios

0 8 11(8) mod 128 0 88/128=0.6875

1 88 11(88) mod 128 72 72/128=0.5625

MANUAL DE PRÁCTICAS Página:

2 72 11(72) mod 128 24 24/128=0.1875

3 24 11(24) mod 128 8 8/128=0.0625

4 8 11(8) mod 128 0 88/128=0.6875

5 88 11(88) mod 128 72 72/128=0.5625

6 72 11(72) mod 128 24 24/128=0.1875

Tabla 2. Generación de números aleatorios por el método congruencial multiplicativo.

 El alumno resolverá ejercicios para generar números pseudoaleatorios utilizando

La práctica se realizará en el aula

MANUAL DE PRÁCTICAS Página:

2. a = 8; c=16; m=100; X0 =15

Paso 1. Crea la siguiente tabla y en la sección de fórmula sustituye por la formula

n Xn Fórmula Xn+1 No. aleatorios

Paso 2. Calcular el valor Xn+1 de la primera línea de acuerdo con lo siguiente.