Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño de
Experimentos en
Simulación
08
Contenido de Temas
• Muestras Independientes
– Procesar diferentes Entidades en cada Escenario
º Variancias Iguales ( ’s iguales )
º Variancias Desiguales ( ’s distintos)
• Muestras Correlacionadas
– Procesar las MISMAS entidades en ambos
escenarios
– Analizar las propiedades de la Entidad a su
llegada
Diferencia de dos Medias
Muestras Grandes
La diferencia entre dos medias obedece a una distribución normal con:
12 22
E (Y1 - Y2 ) m1 - m 2 & Var (Y1 - Y2 ) n1 n2
12 22
\ I.C. para m1- m2 = (Y1 - Y2 ) Z / 2 n1 n2
S12 S 22
(Y1 - Y2 ) Z / 2 n1 n2
pˆ1 - pˆ 2 Z / 2 ( pˆ - pˆ ) pˆ1 - pˆ 2 Z / 2
1 2
pˆ1qˆ1
n1 pˆ 2 qˆ 2
n2
( n - 1) S 2
( n - 1) S 2
donde S p2 1 1 2 2
(”varianza combinada”)
(n1 n2 - 1)
Supuestos
2
2
S1 2
S2
n1
n2
Donde v
S2
2
S2
2
1 2
n n
1 2
n1-1
n2 -1
n1-1S12 / n -1
S2
1
2 / 2 1 2
F 1 1 1 1 ~F
2 /
2 2
n -1 S 2
2 2 / n -1
S2
2 1
2
n -1, n -1
2 2 2
2 2
Despues de Pivotear :
S2 S2
1 1
2 2 2
S S
Prob 2 1 2
(1- )
F 2 F
n -1, n -1, / 2 2 n -1, n -1,(1- / 2)
1 2
1
2
• De: var( y.1 - y.2 ) var( y.1 ) var( y.2 ) - 2cov( y.1 , y.2 )
12 22 2 21 1 2
-
R R R
• Muestreo:
– Fijo (tamaño de las muestras predeterminado)
– Secuencial (se recogen suficientes datos en la muestra hasta
que se alcanza una precisión predeterminada)
• Metas:
– Estimación de cada parámetro (K intervalos de confianza)
– Comparación de cada medida de funcionamiento c/r de un
valor de control (K-1 intervalos de confianza)
– Todas las comparaciones posibles (K(K-1)/2 intervalos de
confianza)
– Selección del mejor (el más grande o el más pequeño)
Múltiples Medidas de Desempeño
• En la mayoría de los modelos de simulación reales, se
consideran varias medidas de desempeño simultáneamente.
• Algunos ejemplos:
– Throughput ( Medida Rendimiento Global)
– Largo promedio de la cola
– Utilización
– Tiempo promedio en el sistema
• Cada medida de desempeño se estima frecuentemente con un
intervalo de confianza.
• Cualquiera de los intervalos podría “fallar” en relación a su
medida de desempeño esperada.
• Se debe tener cuidado con sobredimensionar los indicadores
(ya en tal caso es difícil que todos los intervalos contengan sus
medidas de funcionamiento esperadas simultáneamente).
Múltiples Medidas de Desempeño
P
k
todos los intervalos contengan su
medida de desempeño respectiva 1 - s
s 1
Z ( n)
j 1 ;
Var Z ( n) j 1
n( n - 1)
n
• Entonces, el intervalo 100(1- ) % es
Z (n) t n -1,1- 2
Var Z (n)
Intervalo de Confianza de 2 Muestras
i
Yij
• Nuevamente, para el sistema i = 1, 2, queda Y ( n ) j 1
i i
ni
ni 2
Y - Y (n )
ij i i
y S (n )
2 j 1
n -1
i i
i
f
S 1
2
( n1 ) n1 S22 ( n2 ) n2 2
S
2
1 ( n1 ) n
1
2
( n1 - 1) S22 ( n2 ) n2 2
( n2 - 1)
Comparar:
Alternativa 1: M/M/1 cola con tiempo entre llegadas de 1 min., y
una máquina “rápida” con tiempo de servicio de 0.9 min., y
Alternativa 2: M/M/2 cola con tiempo entre llegadas de 1 min., y
dos máquinas “lentas” con tiempo de servicio de 1.8 min. por cada
máquina.
vs.
Ejemplo. Comparación de Sistemas
• Si la medida del desempeño de interés es el retardo medio
esperado en la cola de los 100 primeros clientes, con
condiciones iniciales vacias y ociosas, usando análisis de
colas, los retardos medios del estado estacionario en la cola
son:
m1 4.13 > 3.70 m2
Por lo tanto, sistema 2 es “mejor”
Y
j 1
ij
Yi
n
– Seleccione la alternativa con el menor Y i
• Si hacemos este experimento muchas veces,
obtendremos el siguiente resultado:
n P(respuesta incorrecta)
1 0.52
5 0.43
10 0.38
20 0.34
Diseño de Experimentos
(DoE)
y
Superficie de Respuesta
(RSM)
Contenido de Temas
• Motivación y Terminología
– Dificultades en la Solución de Problemas de DoE
– Ejemplos de Factores y Respuestas
• Tipos de Diseño de Experimentos
– Diseño Factorial Completo
– Aleatorización de Efectos
– Ejemplos de Diseño Factorial Completo
– Situaciones con Muchos Factores
• Superficies de Respuesta Meta-modelos
– Análisis de Regresión
– Metodología de Superficie de Respuesta (RSM)
Motivación y Terminología
¿Cuándo utilizamos DoE?
• Si existen muchas alternativas a considerar (i.e., un gran
número de niveles, varios tipos o categorías o un gran número
de parámetros) para un sistema propuesto
• Dos tipos básicos de variables son: factores y respuestas
• Factores: Parámetros de Entrada de un modelo de Simulación
-controlables o no controlables
-cuantitativos o cualitativos
• Respuestas: Salidas de un un modelo de Simulación
- Naturaleza incierta (Ruido)
• Problema Básico : Encontrar los mejores niveles (o valores de
los parámetros) en términos de las respuestas
• Diseño Experimentos nos dice que alternativas debemos
simular (experimentar), para así obtener la información
deseada con la menor cantidad de simulaciones (corridas)
Dificultades en la Solución del
Problema Básico en DoE
O
I
SISTEMA
R
Ejemplo de Factores
e1
O
2 - O1 O4 - O3 O6 - O5 O8 - O7
4
• Si el efecto de alguno de los factores depende del nivel de
cualquier otro factor, se dice que estos factores interactúan
• El grado de interacción (two-factor interaction effect)
entre dos factores i y j está definido como:
1 ( O4 - O3 ) ( O8 - O7 ) ( O2 - O1 ) ( O6 - O5 )
e12 -
2 2 2
Diseño Factorial Completo (2k)
• Consideremos un modelo de simulación de un
sistema de producción. Las 2 variables de decisión
o factores a considerar son: Presión (P) y
Temperatura (T) para el sistema de producción.
Los valores máximos y mínimos admisibles para
cada factor están dados por:
Factor Minimum Maximum
Value Value
P 20 40
T 15 50