Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SIMULACIÓN DE MONTECARLO
12.1 Introducción
Por los argumentos precedentes, puede definirse la simulación como una técnica
numérica destinada a experimentar el comportamiento de un sistema en ordenador digital, en
forma dinámica respecto a la variable tiempo.
Para dar solución a los problemas que se presentan en los sistemas, desde el enfoque
de I.O, se requiere representarlos a través de modelos preferentemente matemáticos que
permitan predecir el comportamiento bajo diversos estados de las variables que intervienen.
La mayoría de los modelos de I.O. estudiados hasta el presente tienen la característica de ser
estáticos, es decir, los resultados obtenidos de su aplicación son independientes del tiempo; en
el modelo de simulación ocurre precisamente lo contrario, se requiere conocer el
comportamiento del sistema en puntos discretos de la variable tiempo.
Bajo la misma concepción de los creadores de este modelo, se considera que las
ventajas de la aplicación, se presentan en evitar experimentar con el sistema físico, puesto que
en numerosos casos no es viable o de difícil aplicación. Por otra parte, al simular el
funcionamiento del sistema, permitirá estudiar los efectos de cambios que se producen;
asimismo, con los resultados de la experimentación podrán sugerirse estrategias para el mejor
funcionamiento.
FIG. 12.1
X Y
Y = f(X)
INPUT OUTPUT
El input puede representarse a través del vector (x1, x2, x3,...., xn), donde cada
elemento es una variable representada por sus características o estado. El output también es
representado por el vector (y1, y2, y3,...., yn).
El estudio que se realiza está dirigido a los sistemas abiertos, es decir aquellos que
mantienen interacción con otros que se encuentran en el mismo nivel jerárquico, niveles
superiores u otros del entorno, que de alguna manera influyen en su comportamiento. En la
figura 12.2 se observa al sistema con sus elementos y su relacionamiento con satélites a él.
FIG. 12.2
Todo sistema para ser concebido como tal, debe cumplir con los siguientes principios
generalizadores:
Subsidiaridad, principio que indica que un sistema no funciona aislado del contexto y
consecuentemente es subsidiario de otros sistemas del mismo nivel o superiores.
Interacción, permite afirmar que el funcionamiento de un subsistema influye sobre el
comportamiento de los demás. Este principio en el diseño del modelo de simulación, permite
afirmar que una deficiencia en la concepción de un submodelo puede generar resultados
erróneos para el conjunto del sistema.
Equifinalidad, el diseño del sistema debe ser tal que para alcanzar los objetivos, se
realiza a través de medios y acciones diferentes entre sí.
Determinismo, indica que todo resultado que se obtiene de un sistema, es
consecuencia de causas definidas y constatables. En cumplimiento a este principio, puede
afirmarse que si la simulación del sistema se aleja de un resultado razonable, entonces el
diseño del modelo tiene deficiencias que deben readecuarse.
Asímismo, para fines de este contenido, los modelos simbólicos también se clasifican
en estáticos o dinámicos. En el primer caso, el modelo no tiene ninguna relación con la variable
tiempo, mientras que en el segundo, las variables de entrada y salida son dependientes del
tiempo.
El número aleatorio tiene estrecha relación con el concepto de variable aleatoria que
describe una función de un evento probabilístico, expresado en números reales sobre un
espacio muestral. Consiguientemente, una variable aleatoria puede clasificarse de acuerdo a
la función densidad de probabilidad que la genera, pero para fines del presente capítulo se
trabajarán con variables aleatorias de funciones densidad de probabilidad uniforme, que se
define como:
1 0<x<1
f(x) =
0 d.o.m.
f(x)
0 1
0 X <= 0
1 X >= 1
Los números aleatorios que se representan en el intervalo unitario (0,1) son números
aleatorios uniformes determinados por esta f.d.p.
- Métodos manuales.
- Métodos de computador analógico.
- Métodos de computador digital.
Los dos primeros no son de interés para este texto y sólo se tomarán en cuenta
aquellos relacionados con la utilización del computador digital que es la herramienta más
importante para simular. Los métodos utilizados por el ordenador son:
En el afán de presentar una idea del cálculo aritmético que ocurre en el interior de un
computador, se presenta la relación recursiva general siguiente:
x i+1 = a x i + c (mod m)
—————————————————————————————————
i xi ( 3 xi + 7 ) / 10 x i+1 No. aleatorio uniforme
—————————————————————————————————
0 1 10 0 0 0
— = 1+ —
10 10
1 0 3x0+7 7 7 7
——— = —— ——
10 10 10
2 7 3x7+7 28 8 8 8
——— = — = 2 — ——
10 10 10 10
3 8 3x8+7 31 1 1 1
——— = — = 3 — ——
10 10 10 10
Y así sucesivamente.
—————————————————————————————————
1
F(x)
R
x x
SIMULACIÓN DE MONTECARLO – Ing. José Núñez Durán Ph.D.
Una variable aleatoria uniforme denominada R entre los límites (0,1), puede ser
representada proyectando hasta la función de distribución F(x) y de ella hacia el eje de las
abcisas que representa el número aleatorio para la función densidad específica.
Matemáticamente se representa como:
x = F-1 (R)
Distribución exponencial
λ e-λx x>=0
f(x) =
0 x<0
R = F(x)
R = 1 - e-λx
e-λx = R
-λx ln e = ln R
1
x = - —— ln R
λ
f(x) = p q x-1
F(x) = Σ p q x-1
t=1
Los términos dentro del paréntesis corresponde a una serie geométrica, de manera que
se obtiene:
SIMULACIÓN DE MONTECARLO – Ing. José Núñez Durán Ph.D.
F(x) = p[(1-qx)/(1-q)]
F(x) = p[(1-qx)/p]
F(x) = 1- qx
Despejando q
qx = 1 – F(x)
qx-1 = [1-F(x)]/q
Sea
R = [1-F(x)]/q
Consiguientemente R = qx-1
Despejando x ln R
x = 1 + ———
ln q
Distribución Erlang
1
x= - —— log π ri
λ
Distribución Normal
x=( Σ ri – 6 )σ + μ
E1 E2 E3 ....... En
Tiempo
Ei = Evento i.
SIMULACIÓN DE MONTECARLO – Ing. José Núñez Durán Ph.D.
Con todos los conceptos definidos hasta este punto, se considera que recién se tiene la
base conceptual necesaria para comprender los experimentos de simulación de Monte Carlo
a los que se harán referencia en el siguiente epígrafe.
y = x2
x
-1 0 1
El área definida por la parábola y el eje de las abcisas se calcula a través de la integral
siguiente:
1 1
A p = ∫x2 dx = 1/3 x3 = (1/3)[ 13 – (-1)3] = (1/3) 2 = 2/3
-1 -1
A∫ = 2 x 1 = 2
Luego la relación área definida por la parábola vs. área del rectángulo será:
—————————————————————————————————————————————————————
Número de aciertos 17
———————————————— = ——— = 0,34
Número de eventos de la simulación 50
Resultado
No. óptimo
No. de eventos
Situación estacionaria
SIMULACIÓN DE MONTECARLO – Ing. José Núñez Durán Ph.D.
—————————————————————————————————————
MESES PROBABILIDAD ACUMULADA
—————————————————————————————————————
1 0,30 0,30
2 0,40 0,70
3 0,30 1,00
—————————————————————————————————————
SIMULACIÓN DE MONTECARLO – Ing. José Núñez Durán Ph.D.
FACTORES ESTACIONALES
—————————————————————————————————————
MES FACT. ESTACIONAL MES FACT. ESTACIONAL
—————————————————————————————————————
1 1,20 7 0,80
2 1,00 8 0,90
3 0,90 9 1,00
4 0,80 10 1,20
5 0,80 11 1,30
6 0,70 12 1,40
—————————————————————————————————————
—————————————————————————————————————————————————————
MES INVENTARIO NÚMERO DEMANDA INVENTARIO FAL ORDEN NÚMERO MESES INVENTARIO
INICIAL ALEATORIO AJUSTADA FINAL TANTE ALEATORIO MENSUAL PROM
0 150 150
1 150 0,520 60 90 1 0,257 1 120
2 90 0,054 37 53 1 - - 72
3 253 0,126 37 216 1 - . 134
4 216 0,481 39 177 1 - - 196
5 177 0,739 42 135 1 - - 156
6 135 0,786 37 98 2 0,687 2 116
7 98 0,984 46 52 2 - - 75
8 56 0996 53 -1 1 2 - - 26
9 200 0,339 47 153 2 - - 77
10 153 0,824 65 88 3 0,245 1 120
11 88 0,519 64 24 3 - - 56
12 224 0,583 70 154 3 - - 89
—————————————————————————————————————————————————————
1 1237
—————————————————————————————————————————————————————
Referencias
Ejercicios y problemas
————————————————————
————————————————————
TIEMPO DE SERVICIO PROBABILIDAD
(MIN) DE 3 PERSONAS
————————————————————
20 0,05
25 0,10
30 0,20
35 0,25
40 0,12
45 0,10
50 0,08
55 0,06
60 0,04
————————————————————
Para realizar la simulación se requiere construir para cada una de las tablas
presentadas, el rango de variación para la probabilidad acumulada. Determinar el costo total
de operación de este sistema de acuerdo a las siguientes relaciones:
Este problema denominado (Coss Bú) fue tomado íntegramente del Curso de
Postgrado ―Simulación y Modelaje‖ anteriormente citado.