Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción a la Simulación
La necesidad de llevar a cabo simulaciones surge en aquellos campos en los que interesa
analizar el comportamiento de determinados procesos en unos escenarios concretos, ası́
como cuando es preciso evaluar el efecto que ciertas alteraciones en el planteamiento de un
determinado diseño producen en las conclusiones finales, aplicando análisis de sensibilidad.
Aunque pueden distinguirse muchas clases, según los elementos que intervienen y los
ambientes en que se desarrollan, básicamente pueden considerarse dos tipos de simulación:
Estocástica: Se refiere a los casos en los que los fenómenos que hay que representar
tienen, de forma natural o introducidos artificialmente, elementos aleatorios.
5
6 CAPÍTULO 1. INTRODUCCIÓN A LA SIMULACIÓN
1.0
0.8
0.6
f(x)
0.4
0.2
0.0
útil en los casos en que se quiere experimentar con el sistema antes de su construcción o
cuando es imposible experimentar con el sistema y prevenir eventualidades. La desvantaja
más destacable es que es común despreciar elementos o relaciones sin importancia aparente
que puede llevar a no obtener resultados precisos.
Según las variables de estado involucradas, distinguiremos entre sistemas continuos, en
los que las variables de estado cambian de modo continuo a lo largo del tiempo (movimiento
de un tren a lo largo de la vı́a: posición, velocidad y aceleración) y sistemas discretos en los
que las variables de estado cambian en ciertos instantes de tiempo (sistema de atención
al cliente atendido por un único servidor: número de clientes en el centro de servicio).
Finalmente, según su evolución en el tiempo, los sistemas pueden ser estáticos y dinámicos.
Es decir, xn es el resto de dividir axn−1 por m y ası́ xn ∈ {0, 1, ..., m − 1}. Esto
pemite obtener números pseudoaleatorios sin más que considerar:
xn
un = .
m
xn = axn−1 + c mód m.
Existen periodos de diferentes longitudes según sean los valores seleccionados para los
parámetros iniciales. En esta lı́nea se han obtenido resultados que permiten establecer
las condiciones para llegar a periodos máximos. En la práctica se suelen fijar los
siguientes valores:
m = 231 − 1, a = 75 y c = 0.
donde F0 es la función de distribución de una variable aleatoria U (0, 1). Esto es,
0 si x < 0
F0 (x) = x si 0 ≤ x < 1 (1.2)
1 x ≥ 1.
Para llevar a cabo este contraste existen diferentes procedimientos. Los más utilizados,
por sus buenas propiedades y por estar implementado en la mayorı́a de software estadı́stico,
son el de Kolmogorov-Smirnov (no paramétrico) y el de la χ2 (relacionado con el contraste
de razón de verosimilitudes de la multinomial).
Dn = sup{|Fb(x) − F0 (x)|},
x
10 CAPÍTULO 1. INTRODUCCIÓN A LA SIMULACIÓN
con F0 dada en (1.2). Se rechazará H0 a nivel α para valores grandes del estadı́stico, esto
es si
Dn > Dn,α ,
donde Dn,α se puede encontrar en las tablas correspondientes o utilizando cualquier soft-
ware estadı́stico. Este estadı́stico es de distribución libre, es decir que no depende de la
distribución de los datos bajo la hipótesis nula.
PASO 1. Dividir el dominio de definición de la U (0, 1) en una partición con k clases. Esto es,
dividir el intervalo (0,1) en k subintervalos disjuntos {Aj } para j = 1, ..., k.
PASO 2. Contar el número de observaciones x1 , ..., xn que están en cada clase {Aj }. Denotar
por dicho número nj , son las frecuencias observadas.
PASO 4. Valorar el grado de diferencia entre las frecuencias observadas y esperadas y calcular
el estadı́stico del contraste como
k
X (nj − npj )2
V = .
j=1
npj
se distribuye, bajo H0 según una distribución N (0, 1). Es común aplicar la corrección por
continuidad y considerar el estadı́stico:
2n+ n−
R + 0,5 − (1 + m
)
Z= q (1.4)
2n+ n− (2n+ n− −m)
m2 (m−1)
0.563 0.478 0.218 0.396 0.455 0.624 0.527 0.163 0.527 0.692
0.187 0.005 0.0382 0.923 0.147 0.811 0.531 0.545 0.450 0.839
0.999 0.536 0.926 0.373 0.986 0.810 0.067 0.471 0.824 0.825
0.809 0.603 0.397 0.197 0.811 0.620 0.671 0.867 0.02 0.635
0.429 0.274 0.264 0.217 0.446 0.049 0.945 0.132 0.238 0.082
Tabla 1.1: Secuencia de números entre 0 y 1
12 CAPÍTULO 1. INTRODUCCIÓN A LA SIMULACIÓN
Leyendo los datos por filas obtenemos una secuencia de n − 1 signos con n+ = 23,
n− = 26 y m = n − 1 = 49. El número de cambios de signo R = 30, con lo que el
estadı́stico resulta:
30 + 0,5 − (1 + 2·23·26
49
)
Z= q = 1,475856.
2·23·26(2·23·26−49)
492 (48)
Como n+ , n− > 12, podemos afirmar que la variable aleatoria Z dada en (1.4) se
distribuye según una distribución N (0, 1). Por tanto, calculamos el p-valor asociado a
nuestros datos como:
2P (N (0, 1) > 1,475856) = 0,1399827.
Ası́ pues, a un nivel de significación estándar α = 0,05, no se rechaza la hipótesis nula de
aleatoriedad.