Curso: CII 2754 – Simulación

Semestre: 2-2022

Solemne 1
110 minutos
Sin consultas, sin celular.

1) Considerando la función de densidad de probabilidades de distribución Gamma con parámetros

𝛼 = 3 y 𝛽 = 4. Utilice el método de aceptación y rechazo para generar 3 valores de la variable
aleatoria definida por la función de densidad 𝑓(𝑥) , utilizando la función 𝑔(𝑥) de densidad de
probabilidades, la cual distribuye exponencial (𝜆 = 1/12). Para dicha aplicación se debe utilizar los
números de la siguiente tabla:

Tabla 1: aleatorios desarrollo ejercicio 1

Aleatorios 𝑟𝑖 (para 𝑔(𝑥)) 0,526 0,225 0,373 0,383 0,517 0,911 0,746 0,460
Aleatorios 𝑢𝑖 (para decidir) 0,624 0,264 0,628 0,926 0,954 0,075 0,279 0,473

(2 puntos)

2) A un taller mecánico de reparaciones menores llegan vehículos según un proceso de Poisson

homogéneo de tasa 𝜆 = 5 𝑣𝑒ℎ/ℎ𝑟. El taller dispone de un mecánico que tarda en revisar y reparar los
vehículos 15 minutos en promedio (la distribución de los tiempos de revisión se presenta en la tabla 2).

Tabla 2: Distribución tiempos de revisión ejercicio 2

Tiempos de revisión x (min) Frecuencia
5  x  10 10
10  x  15 35
15  x  20 30
20  x  25 15

Considerando el sistema descrito, realice una simulación manual orientada a eventos para los primeros
60 minutos de operación del sistema. Asuma que el sistema está vacío al inicio de la simulación y que
el primer vehículo llega después del tiempo 𝑡 = 0 de simulación. Calcule las siguientes medidas de
desempeño:

• Tiempo promedio en el sistema

• Largo promedio de la cola
• Porcentaje de utilización del mecánico

Además, indique como cambiaría el largo promedio de la cola si aumenta el tiempo de simulación.
Justifique su respuesta.
 Para realizar la simulación use los siguientes números aleatorios:

Tabla 3: aleatorios desarrollo ejercicio 2

Aleatorios tiempos entre
0,221 0,818 0,604 0,780 0,338 0,632 0,353 0,250 0,249
llegadas
Aleatorios tiempos de
0,885 0,403 0,102 0,664 0,692 0,377 0,522 0,090 0,170
revisión

(2 puntos)

3) Suponga que los pedidos que llegan a un local de comida por delivery llegan con un proceso de
Poisson no homogéneo con las siguientes tasas:

𝜆1 𝑠𝑖 0 ≤ 𝑡 ≤ 𝑡1
𝜆 𝑠𝑖 𝑡1 ≤ 𝑡 ≤ 𝑡2
𝜆(𝑡) = { 2
⋮
𝜆𝑛 𝑠𝑖 𝑡𝑛−1 ≤ 𝑡 ≤ 𝑡𝑛

Describa un algoritmo que permita generar variables aleatorias, que represente el tiempo entre llegada,
y sean consistentes con el proceso de Poisson.

(2 puntos)

Bono) Considere el siguiente generador congruencial Wi +1 = ( X i − Yi ) mod(23) donde

X i +1 = 5 X i mod(11) y Yi +1 = 7Yi mod(19) . Usando X 0 = Y0 = 1 , genere 4 números aleatorios (entre
0 y 1). (1 punto)

Expresiones útiles:

− x − x
• Distribución Exponencial: f ( x) =  e ; F ( x) = 1 − e ; x  0

• Distribución Uniforme: f ( x) = 1 ; F ( x) = x − a ; a  x  b
b−a b−a
1  x− 
2
1  t − 
2
−  x − 
1   1  
• Distribución Normal: f ( x) = e 2 , F ( x) =  e 2 dt
 2 −  2

 − x −1e− x / 
• Distribución Gamma: f ( x) = , x  0; ( ) = ( − 1)! si  entero
( )
f ( y)
• Recuerde que si se cumple ri  , con ri U (0,1), y g ( y ) , entonces y f ( y)
cg ( y )
 Pauta

1) A partir del enunciado:

x
−
−
 x e  −1 
f ( x) = (con  = 3,  = 4 ) y g ( x) =  e −  x (  = 1/12 ).
( − 1)!
x x
− −
f ( x) 4−3 x 2e 4 3x 2e 6
= x
= , luego para obtener la constante se debe resolver el siguiente
g ( x) 1 − 32
2   e 12
12
x
−
f ( x) 3 x 2 e 6
problema: max Z = = .
g ( x) 32

Derivando e igualando a 0 se obtiene:

Z 3  −
x
x2 − x 
=  2 xe 6 − e 6  = 0 , el máximo se obtiene con x* = 12 . Reemplazando en la función
x 32  6 
objetivo se obtiene: c = 1,827 .

Se generan las variables aleatorias con distribución g(x) usando la siguiente expresión:
1
xi = − ln(1 − ri )


y1 = −12 ln(1 − 0,526) = 8,959

8,959
f ( y1 ) 1 3 −
= 8,959 e 6 = 0,925  0, 624 se acepta y1 .
2

cg ( y1 ) 1,827 32

y2 = −12 ln(1 − 0, 225) = 3, 059

f ( y2 )
= 0, 288  0, 264 se acepta y 2 .
cg ( y2 )

y3 = 5, 602

f ( y3 )
= 0,633  0,628 se acepta y3 .
cg ( y3 )

Las variables con distribución gamma con parámetros 𝛼 = 3 y 𝛽 = 4 son:

y1 = 8,959; y2 = 3, 059; y3 = 5, 602
2) Las variables de entrada son: Tiempos entre llegadas, tiempos de revisión. Los tiempos entre llegadas
−60
(en minutos) se generan con la siguiente expresión: t.e.lleg = ln(1 − ri ) donde ri U (0,1) .
5

Para generar los tiempos de revisión de los vehículos se considera la siguiente distribución empírica
continua:

Tabla 4: Distribución empírica continua

Frecuencia Frecuencia
Tiempos de revisión (min) Observaciones
Relativa Acumulada
5  x  10 10 0,111 0,111
10  x  15 35 0,389 0,500
15  x  20 30 0,333 0,833
20  x  25 15 0,167 1,000

Entonces dependiendo del intervalo donde cae el número aleatorio (considerando la columna
frecuencia acumulada), el tiempo de revisión para los clientes se calculó de la siguiente manera:

t.revi = xinf + m ( ri − pinf ) , donde xinf = valor inferior intervalo tiempos de revisión ,
xsup − xinf
Pinf = valor inferior intervalo frecuencia acumulada . Con m= , donde
psup − pinf
xsup = valor superior intervalo tiempos de revisión ,
Psup = valor superior intervalofrecuencia acumulada

Por ejemplo: t.rev1 = 20 + 29,940 ( 0,885 − 0,833) = 21,557

En la tabla 5 se presenta el resumen de la simulación manual.

 Tabla 5: Simulación manual orientada a eventos
P
Tipo Entidad t Q(t) B(t) Ts
i =1
i P Calendario

INI - 0 0 0 0 0 [1,lleg,2,997][-,Fin,60]
LLEG 1 3,00 0 1 0 0 [2,lleg,23,442][1,sal,24,554][-,Fin,60]
LLEG 2 23,44 1 1 0 0 [1,sal,24,554][3,lleg,34,558][-,Fin,60]
SAL 1 24,55 0 1 21,56 1 [3,lleg,34,558][2,sal,38,307][-,Fin,60]
LLEG 3 34,56 1 1 21,56 1 [2,sal,38,307][4,lleg,52,728][-,Fin,60]
SAL 2 38,31 0 1 36,426 2 [3,sal,47,902][4,lleg,52,728][-,Fin,60]
SAL 3 47,90 0 0 49,77 3 [4,lleg,52,728][-,Fin,60]
LLEG 4 52,73 0 1 49,77 3 [5,lleg,57,678][-,Fin,60][4,sal,70,190]
LLEG 5 57,68 1 1 49,77 3 [-,Fin,60][6,lleg,69,674][4,sal,70,190]
FIN - 60 1 1 49,77 3 -

Donde:

𝑄(𝑡): corresponde al número de entidades esperando en la cola

𝐵(𝑡): toma el valor 1 si el mecánico está ocupado, 0 si no.

𝑃: Número de clientes que terminaron de ser atendidos.

Ts : Sumatoria de los tiempos en el sistema de todos los clientes que terminaron de ser atendidos.
i =1
i

Entonces se obtiene:

P
• Tiempo promedio en el sistema: Ts / P = 49,77 / 3 = 16,59 minutos
i =1
i

• Largo promedio de la cola:

 Q(t )dt ( 24,55 − 23, 44) + (38,31 − 34,56 ) + ( 60 − 57, 68) 7,18
0
= = = 0,12 vehículos
t 60 60

• Utilización promedio del empleado:

 B(t )dt ( 47,90 − 3, 00 ) + ( 60 − 52, 73)

0
= = 0,86 → 86,96%
t 60

El largo promedio de la cola debería aumentar, ya que al aumentar el tiempo de simulación se reduce
el sesgo de las condiciones iniciales (sistema vacío).
3) Para generar los tiempos entre llegadas, se pueden seguir los siguientes pasos:

1.- Fijar un lambda máximo que permita generar la mayor cantidad de eventos.

2.- Generar aleatorios que distribuyan uniforme entre 0 y 1 (𝑟𝑔𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 ) para generar los tiempos
entre llegadas.
1
3.- Generar variables aleatorias exponenciales mediante: 𝐸𝑖 = − 𝜆 ln (1 − 𝑟𝑔𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 ) con los
𝑚𝑎𝑥
aleatorios generados en 2.

4.- Actualizar 𝑡 = 𝑡 + 𝐸
𝜆(𝑡)
5.- Calcular la probabilidad 𝑃 = de aceptación.
𝜆𝑚𝑎𝑥

6.- Generar aleatorios que distribuyan uniforme entre 0 y 1 (𝑟𝑎𝑐𝑒𝑝𝑡𝑎𝑐𝑖ó𝑛 )para aceptar o rechaza las
variables aleatorias generadas.

7.- Si 𝑃 ≥ 𝑟𝑎𝑐𝑒𝑝𝑡𝑎𝑐𝑖ó𝑛 la variable generada no es consistente con el proceso de Poisson no

homogéneo.

8.- actualizar n 𝑛 = 𝑛 + 1

9.- ir a 2 hasta generar aceptar las variables aleatorias solicitadas

Bono) A continuación se presentan los números aleatorios generados. Recordar que ri = Wi / 23

corr Xi Yi Wi ri
0 1 1 -
1 5 7 21 0,913
2 3 11 15 0,652
3 4 1 3 0,130
4 9 7 2 0,087