Simulación PDF

10/23/2014
Investigacin de Operaciones: Simulacin
Inventario
Teora de Colas
Teora de Decisiones
Cadena de Markov
Teora de Juegos
Simulacin
Foro
Hall de la Fama
Contador de visitas
Simulacin
HISTORIA
BIOGRAFA
Karl Ludwig von Bertalanffy (nacido el 19 de septiembre de 1901 en Viena, Austria y fallecido el 12 de junio
de 1972 en Bufalo, Nueva York, Estados Unidos) fue un bilogo y filsofo austraco, reconocido
fundamentalmente por su teora de sistemas.
Vena de ancestros nobles de Hungra. Estudi con tutores personales en su propia casa hasta sus 10 aos.
Ingres en la Universidad de Innsbruck para estudiar historia del arte, filosofa y biologa, finalizando su
doctorado en 1926[4] con una tesis doctoral sobre psicofsica y Gustav Fechner. En 1937 fue a vivir a
Estados Unidos gracias a la obtencin de una beca de la Fundacin Rockefeller, donde permaneci dos
aos en la Universidad de Chicago, tras los cuales vuelve a Europa por no querer aceptar declararse
vctima del nazismo. En 1939 trabaj como profesor en la Universidad de Viena, donde permaneci hasta
1948. Al ao siguiente emigra a Canad para continuar sus investigaciones en la Universidad de Ottawa
hasta 1954. Despus se traslada a Los ngeles para trabajar en el Mount Sinai Hospital desde 1955 hasta
1958. Imparti clases de biologa terica en la Universidad de Alberta en Edmonton, Canad, de 1961 a
1969. Desde esa fecha y hasta su fallecimiento trabaj como profesor en el Centro de biologa Terica de la
Universidad Estatal de Nueva York en Bfalo. Ludwing Von Bertalanffy muri el 12 de junio de 1972 en
Bfalo, Estados Unidos.
TEORA DE SISTEMAS
La Teora General de Sistemas fue, en origen una concepcin totalizadora de la biologa (denominada
"organicista"), bajo la que se conceptualizaba al organismo como un sistema abierto, en constante
intercambio con otros sistemas circundantes por medio de complejas interacciones. Esta concepcin dentro
de una Teora General de la Biologa fue la base para su Teora General de los Sistemas. Bertalanffy ley un
primer esbozo de su teora en un seminario de Charles Morris en la Universidad de Chicago en 1937, para
desarrollarla progresivamente en distintas conferencias dictadas en Viena. La publicacin sistemtica de sus
ideas se tuvo que posponer a causa del final de la Segunda Guerra Mundial, pero acab cristalizando con la
publicacin, en 1969 de su libro titulado, precisamente Teora General de Sistemas. Von Bertalanffy utiliz
los principios all expuestos para explorar y explicar temas cientficos y filosficos, incluyendo una
concepcin humanista de la naturaleza humana, opuesta a la concepcin mecanicista y robtica.
CONCEPTOS
A traves de la historia se han utlizado la simulacion, desde la imitacion de los sonidos onomatopeyo ya que
la simulacin es la recreacion o reproduccion de un sistema sin llevarlo a la realidad implicando la imitacion,
engao, trampa para sustentar un sistema real, para llevar a cabo este proceso se cuenta con la yuda de la
herramienta computacional. Por eso acontinuacion se hace referencia a ella.
A medidad que no enfretamos a algunos problemas del mundo real, el modelo resultante puede ser tan
complejo o grande que no es posible o prctico desarrollar de esta manera nuestros recursos humanos se
hacen imposible recrear en donde procedemos a la simulacion por computadora. Una metodologa de
solucin basada en un anlisis matemtico. De manera alternativa, aplicar una tcnica matemtica existente
puede requerir supuestos adicionales que no son aplicables o realistas.
En tales casos, un enfoque alternativo sera usar una tcnica de la Ciencia Informtica: la simulacin por
computadora. Como el trmino indica, con esta tcnica, usted disea y construye un modelo de computadora
que imita el argumento real del problema. Entonces usa el modelo para aprender cmo se comporta el
sistema, formulndose preguntas del tipo: "qu sucedera si...?.
Inventarios
Colas
Generalmente en su rutina le
toca hacer COLAS?
S
12 (92%)
No
1 (7%)
A veces
0 (0%)
Votos hasta el momento: 13

Encuesta cerrada
Decisiones
Por ejemplo, podra construir un modelo de computadora para simular lo siguiente:

La operacin diaria de un banco u hospital, para comprender el impacto de aadir ms pagadores o
enfermeras.
La operacin de un puerto martimo o areo, para comprender el flujo de trfico, y su congestin asociada.
El proceso de produccin en una fbrica, para identificar los cuellos de botella en lnea de produccin.
El flujo de trfico en una autopista en un sistema de comunicacin complicado, para determinar si es
necesaria una expansin.
http://indeoperaciones.blogspot.com/p/simulacion.html
Seguidores
1/22
10/23/2014

La simulacin implica un acto de engao ya que reproduce la realidad sin ser la realidad, se considera una
tcnica no una ciencia, para que se efecte la simulacin, debe haber decisin.
La simulacin se clasifica en:
Participar en este sitio

Google Friend Connect
Miembros (11)
1. Segn el tiempo:
Proyectiva: es la que muestra patrones de comportamientos de un sistema en el futuro, es decir
de un hecho o situacin que no se ha vivido, este tipo de simulacin ayuda a medir impactos y es
de gran utilidad en proyectos de transporte fluvial, terrestre y en la industria aeroespacial, por
ejemplo la trayectoria de un proyectil.
Retrospectiva: es la que reproduce situaciones del pasado, lo reconstruye, por ejemplo la
reconstruccin del titanic.
Ya eres miembro? Iniciar sesin
2. Segn el medio ambiente:

Seminmersiva: es aquella donde el sujeto participa del sistema pero no est dentro, por ejemplo,
el nintendo wii.
Inmersiva: en esta, el sujeto participa dentro del sistema, interacta en el interior de la simulacin.
Realidad virtual: es la simulacin en la cual se ve cosas muy reales pero no se est dentro del
sistema.
Realidad virtual Inmersiva: en esta se ve cosas, se palpan y se interacta con ellas, por ejemplo,
la industria ertica ofrece un servicio llamado ciberorgasmo.
Blog Archive
2010 (7)
Calculadora
Get Paid To View Ads
Externa: el sujeto esta fuera del objeto de simulacin, no interacta con el sistema de manera
interna, por ejemplo, los videojuegos que estn ligados con el animatronic.
Las clases de simulacin ms comunes en la realidad son la seminmersiva, la Inmersiva y la realidad virtual.
Segn los detractores la simulacin no ofrece gran beneficio, debido a que es un ambiente netamente
especulativo, mientras que la experimentacin es una tcnica mas real; mientras que las personas que estn
a favor aseguran que la simulacin implica reproducir una realidad sin necesidad de hacerla real; sin
embargo, es importante aseverar que la simulacin le gana a la experimentacin cuando la variable costo es
menor que la experimentacin.
La simulacin recrea la realidad a travs de la Teora General de Sistema, con la cual se estudia la realidad
por medio de los sistemas, los cuales se componen de variables.
El hombre debe observar el comportamiento del sistema con el fin de simplificar las variables
caracterizndolas segn su grado de prioridad y significancia para el sistema global; esta valoracin es
hecha por el modelador el cual identifica el tipo de relacin; las ms comunes son las lineales (directas), las
diferentes (inversas) e indiferentes (no existe relacin).
El modelador tiene la funcin de identificar las variables crticas y su relacin, siempre y cuando existan.
Calendario
ABOUT
Fuente imagen realizada por Martha Pulido

Las variables pueden ser discretas o continuas segn el tiempo; y se pueden clasificar de igual forma en
cuantitativas (se mide con patrones numricos) y en cualitativas (no se mide con patrones numricos), sin
embargo todas las variables terminan cuantitativas. A partir de la variable cuantitativa o cualitativa, se
sustrae la informacin de ellas y esta se ordena con la estadstica.
Una variable es un fenmeno que puede tomar diferentes estados, ese fenmeno es de igual forma una
variable, por ejemplo:
Variable: clima
Fenmeno: lluvioso, nublado, soleado (de igual forma son variables)
October 2014
Su M Tu W Th F
1 2 3
5 6 7 8 9 10
12 13 14 15 16 17
19 20 21 22 23 24
26 27 28 29 30 31
Sa
4
11
18
25
Numero de Visitas:
4 3 6 8 2
Es importante resaltar que la interpretacin de los signos y sntomas de un sistema se da por medio de la
observacin.
MODULO ESTADISTICO
La estadstica puede ser de 2 tipos:

Descriptiva: sirve para describir y detallar el sistema
Inferencia: sirve para inferir o predecir el sistema
La estadstica descriptiva se utiliza para caracterizar estadsticamente, es decir, visualizar datos.
Prueba de bondad e ajuste: determina si los datos observados se ajustan a un modelo estadstico
previamente conocido.
2/22
10/23/2014

Conceptos estadsticos de medida de tendencia central
Media: es el aporte equitativo o uniforme de cada uno de los nmeros en cuanto al aporte
totalizado, polticamente hablando sera una medida comunista, porque intenta aportar a todos
por iguales.
Moda: es el valor que ms se repite, no necesariamente tiene la verdad, polticamente sera una
medida democrtica
Mediana: es una medida de posicin, es el valor que est en la mitad.
Existen ciertas medidas de error, que son:
Rango: es el intervalo del grupo de datos, el cual se halla restando el valor maximo menos el
valor minimo.
Desviacin: este se halla con respecto a la media, donde se le resta a cada uno de los datos,
calculando de esta forma el error.
CLASIFICACION DE LOS SISTEMAS
Descargar clasificacion de los sistemas
HISTOGRAMA
Un histograma es una grfica de barras que nos permite describir el comportamiento de un conjunto de
datos, pero en este caso las diferentes observaciones de una misma variable se grafican alrededor de un
valor medio o central.
Algunos de los usos ms comunes del uso de un histograma son: aumentar la calidad de algunos procesos,
pues todos sabemos que es necesario reducir al mnimo la variacin que se presente en el mismo. Es por
eso, que el histograma nos permite identificar cuantas veces se repite un mismo valor, as como la
frecuencia con la que se presenta. Siendo base para la toma de decisiones.
Fuente: http://www.herramientasparapymes.com/que-es-histograma-y-como-crear-un-histograma-en-excel
INSTRUCTIVO HISTOGRAMA
Descargar Instructivo de Histograma
PRUEBA DE HIPTESIS CHI CUADRADO O BONDAD DE AJUSTE
Hasta ahora se han mencionado formas de probar lo que se puede llamar hiptesis paramtricas con
relacin a una variable aleatoria, o sea que se ha supuesto que se conoce la ley de probabilidad y se vieron
pruebas de hiptesis que declaran valores para los parmetros. En algunos casos se necesita probar si una
variable o unos datos siguen determinada distribucin de probabilidad, un mtodo para hacer esta prueba es
el de bondad de ajuste o chi-cuadrado.
La informacin debe estar presentada en un cuadro de distribucin de frecuencias. Sea m el nmero de

clases y nj el nmero de observaciones en cada clase (frecuencias observadas). Se trata de comparar los
valores o frecuencias observadas (nj ) con las frecuencias que habra en cada grupo o clase o sea el valor
esperado (ej ) si se cumple la hiptesis nula (H0 ).
3. Las diferencias entre lo observado y lo esperado dan las discrepancias entre la teora y la realidad. Si no hay
diferencias, la realidad coincidir perfectamente con la teora y por el contrario, si las diferencias son grandes
indica que la realidad y la teora no se parecen.
4. Declaracin de hiptesis:
H0 : La variable tiene distribucin X con ciertos parmetros
H1 : La variable no tiene la distribucin X
nj : frecuencia observada en la muestra
ej : frecuencia esperada segn la distribucin terica
n: tamao de la muestra
Nota. El nmero de observaciones esperadas en cada clase debe ser mayor o igual a 5, es decir, ej 5. Si
esto no ocurre se unen las clases adyacentes hasta cumplir el requisito. Al unir las clases se disminuirn los
grados de libertad de la chi-cuadrado. Pero este ltimo paso se puede ser mas fcil con las funciones que
nos brinda Excel, llamada PRUEBA.CHI y PRUEBA.CHI.INV que nos arroja la probabilidad de rechazo de
la zona y el valor que toma la chi cuadrado.
Fuente: http://www.virtual.unal.edu.co
INSTRUCTIVO BONDAD DE AJUSTE DISTRIBUCIN NORMAL Y UNIFORME CHI CUADRADO

Descargar Instructivo Chi Cuadrado
3/22
10/23/2014

EJERCICIO BONDAD DE AJUSTE DISTRIBUCIN NORMAL CHI CUADRADO
Descargar Ejercicio Chi Cuadrado Normal
EJERCICIO BONDAD DE AJUSTE DISTRIBUCIN UNIFORME CHI CUADRADO
Descargar Ejercicio Chi Cuadrado Uniforme
VDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION UNIFORME CHI CUADRADO
VIDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION NORMAL

CHI CUADRADO
PRUEBA DE BONDAD DE AJUSTE SMIRNOV-KOLMOGOROV
La prueba de Kolmogorov-Smirnov para una muestra se considera un procedimiento de "bondad de

ajuste", es decir, permite medir el grado de concordancia existente entre la distribucin de un
4/22
10/23/2014

conjunto de datos y una distribucin terica especfica. Su objetivo es sealar si los datos provienen
de una poblacin que tiene la distribucin terica especificada.
Mediante la prueba se compara la distribucin acumulada de las frecuencias tericas (ft) con la distribucin
acumulada de las frecuencias observadas (fo), se encuentra el punto de divergencia mxima y se determina
qu probabilidad existe de que una diferencia de esa magnitud se deba al azar.
PASOS:
1. Calcular las frecuencias esperadas de la distribucin terica especfica por considerar para
determinado nmero de clases, en un arreglo de rangos de menor a mayor.
2. Arreglar estos valores tericos en frecuencias acumuladas.
3. Arreglar acumulativamente las frecuencias relativas.
4. Aplicar la ecuacin D = ft - f obs, donde D es la mxima discrepancia de ambas.
5. Comparar el valor estadstico D de Kolmogorov-Smirnov en la tabla de valores crticos de D, teniendo
en cuenta el grado de libertad y el nivel de significancia.
6. Decidir si se acepta o rechaza la hiptesis.
7. Si se acepta no hay suficiente evidencia estadstica para decir que los datos observados no se
ajusten al modelo
No se acepta o hay suficiente evidencia estadstica para decir que los datos observados se ajusten al
modelo
Planteamiento de la hiptesis.
Hiptesis alterna (Ha). Los valores observados de las frecuencias para cada clase son diferentes
de las frecuencias tericas de una distribucin normal.
Hiptesis nula (Ho). Las diferencias entre los valores observados y los tericos de la distribucin
normal se deben al azar.
Nivel de significacin.
Se le denomina nivel de riesgo porque eventualmente se corre el riesgo de tomar una probabilidad nula
cuando esta es verdadera.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Descargar Tabla de Kolmogorov
En el caso del ejercicio de uso la tercera ecuacin ya que el nivel de significancia es igual a 0.05.
INSTRUCTIVO BONDAD DE AJUSTE NORMAL SMIRNOV KOMOGOROV
Descargar Instructivo Bondad de Ajuste Smirnov Kolmogorov Normal
EJERCICIO PRUEBA DE BONDAD DE AJUSTE SMIRNOV KOLMOGOROV NORMAL Y UNIFORME

Descargar Ejercicios Normal y Uniforme Smirnov Kolmogorov
VDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION NORMAL SMIRNOV KOLMOGOROV
5/22
10/23/2014
VDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION UNIFORME SMIRNOV KOLMOGOROV
6/22
10/23/2014
PRUEBA DE BONDAD DE AJUSTE ANDERSON DARLING

La prueba de Anderson-Darling es usada para probar si una muestra viene de una distribucin
especifica. Esta prueba es una modificacin de la prueba de Kolmogorov- Smirnov donde se le da
ms peso a las colas de la distribucin que la prueba de Kolmogorov-Smirnov.
En estadstica, la prueba de Anderson-Darling es una prueba no paramtrica sobre si los datos de una
muestra provienen de una distribucin especfica. La frmula para el estadstico determina si los datos
(observar que los datos se deben ordenar) vienen de una distribucin con funcin acumulativaF .
Formulas:
A 2= N S
Donde:
7/22
10/23/2014
El estadstico de la prueba se puede entonces comparar contra las distribuciones del estadstico de prueba
(dependiendo que se utiliza) para determinar el P- valor.
INSTRUCTIVO DEL TEST DE ANDERSON DARLING

Descargar Instructivo del Test A/D
PLANTILLA DE EJERCICIO EN EXCEL DE ANDERSON DARLING
Descargar Ejercicio en EXCEL Anderson Darling
VIDEO EJERCICIO ANDERSON DARLING
MODULO DE SIMULACIN
IDENTIFICACIN DE LOS COMPONENTES DE UNA SIMULACIN POR COMPUTADORA.
Salida: es el objetivo de un estudio de simulacin que tiene la forma de un valor numrico especfico.
8/22
10/23/2014

Entrada: es un valor numrico que es necesario para determinar las salidas de una simulacin
Antes de disear los detalles de una simulacin por computadora es decisivo tener una clara comprensin
de los objetivos del estudio en la forma de salidas numricas especficas. Con las salidas identificadas, el
siguiente paso es identificar las entradas.
DISEO DE LA SIMULACIN POR COMPUTADORA.
Una vez que se hayan identificado las salidas y las entradas necesarias, la simulacin real consiste en
generar nmeros aleatorios y en la contabilidad.
Paso 1: Generacin de nmeros aleatorios: consiste en obtener las entradas probabilsticas para el modelo
generando nmeros aleatorios de acuerdo con las distribuciones conocidas asociadas.
Paso 2: consiste en el diseo de un mtodo sistemtico para almacenar y procesar todos los valores de
entrada y para realizar los clculos necesarios para obtener los valores de salida.
GENERACIN DE NMEROS ALEATORIOS.
Todos los lenguajes de computadora usados para desarrollar simulaciones tienen una capacidad incluida de
generar una serie de nmeros aleatorios entre 0 y 1 en la que se cumple lo siguiente:
El enfoque se basa en mtodos numricos.
La serie especfica depende de un valor inicial proporcionado por el usuario llamado semilla.
Para una semilla particular, la serie est determinada. Cada vez que se usa esa misma semilla se genera la
misma serie de nmeros aleatorios. Los nmeros generados satisfacen las siguientes propiedades:
a. Estn uniformemente distribuidos entre 0 y 1; y
b. Los nmeros sucesivos son estadsticamente independientes entre si.
Como resultado, aunque la semilla determina la serie precisa de nmeros, estos obedecen las propiedades
estadsticas deseadas de los nmeros aleatorios 0 - 1. Por consiguiente se denominan nmeros
seudoaleatorios.
Aqu podemos observar como los nmeros aleatorios son tan exacto como el la ruleta de Monte Carlos.
LENGUAJES DE PROGRAMACIN DE SIMULACIN.
El que la simulacin comprenda cmputos numricos conduce en forma natural a utilizar computadoras
digitales, al grado que se han diseado muchos lenguajes de programacin para realizar simulaciones. Por
lo general esos lenguajes dan al usuario un conjunto de concepto de modelado que se utilizan para describir
el sistema y un sistema de programacin que convierta la descripcin a programa de computadora, que
ejecute la simulacin. En consecuencia, se libera al usuario de mucho esfuerzo de programacin detallada,
especialmente en el caso de programas de simulacin discreta en que puede complicarse demasiado la
tarea de administrar los pagos lgicos que participan en los eventos que se ejecutan.
FUENTE: http://www.dei.uc.edu.py/tai99/introsimulacion/simucon.html;
conceptualizado por ingeniero Medardo Gonzalez y transcrito por los estudiante de IX semestre de Ingenieria
industrial Universidad Libre Barranquilla.
EJERCICIOS
1
2
3
pventa
1500
coto unitario
1200
4
5
6
7
Simule la utilidad diaria de las ventas de periodicos que tiene un precio de de

venta de $1500, un costo unitario de $1200, una demanda minima de 38
periodicos y maxima de 65 periodicos el vendedor incurre en unos gastos
operativos de $15000. a) Determine la utilidad diaria de 100 muestra y el
riesgo de perdida.
8
9
10
60
38 demanda/diaria
65
11
12
Gasto operativos
15000
13
punto equilibrio
INSTRUCTIVO EJERCICIO SIMULACIN

Descargar Instructivo Ejercicio de Simulacin
GENERACION DE NUMEROS PSEUDOALEATORIOS

Aleatorios: el azar es una consecuencia de la aleatoriedad, la cual parte de un conjunto de nmeros que
pueden suceder.
9/22
10/23/2014

Un dado con 6 caras, se vuelve aleatorio cuando cada una de las caras tiene la misma probabilidad de
ocurrencia. No hay nada para predecir su comportamiento, y si se encuentra un mtodo deja de ser aleatorio
(mtodos estadsticos de caracterizacin de nmeros de datos).
Tiene como caracterstica principal, nmeros entre 0 y 1 [(0 1)], pero que nunca son ni 0 ni 1, por esto se le
denominan pseudoaleatorios.
La aleatoriedad est ligada con la probabilidad, sin embargo la diferencia consiste en que los nmeros estn
entre 0 y 1 pero incluye el concepto de igualdad [0X1]
Los aleatorios estn gobernados por la distribucin uniforme, porque existe Ay B, y entre ellos se halla la
misma probabilidad de ocurrencia.
fuente: imagen elaborada por Martha Pulido

Como la simulacin implica engao, se debe tener mtodos para la simulacin de nmeros aleatorios, los
ms conocidos son:
a)
Mtodos mecnicos: se cre la ruleta, pero surgieron ciertos inconvenientes como la poca flexibilidad de
transporte y que resultaba ser poco equitativa, la ms justa es la ruleta del principado de Montecarlo
b) Mtodos por seales elctricas: las seales elctricas tienen un comportamiento llamado Movimiento
Armnico Simple (M.A.S.), con el cual se medan en puntos diferentes del recorrido de la seal elctrica, la
cual oscilaba entre 1 y -1.

c)
Mtodos de cuadrados medios: se toma un valor de 4 nmeros, este se llama semilla, se eleva al cuadrado,
lo cual da como resultado 8 nmeros, tomamos los 4 de la mitad y se divide entre 10000 para que arroje un
numero entre 0 y 1, es decir la probabilidad, luego al nmero compuesto por 4 cifras se eleva al cuadrado, y
as consecutivamente, generando una serie de nmeros aleatorios por ejemplo:
En Excel, primero se pone el nmero, luego se eleva al cuadrado y despus se toman los
4 nmeros de la mitad de la siguiente manera:
10/22
10/23/2014
Luego, se arrastran las columnas, y esto va generando una serie de nmeros aleatorios,
sin embargo este nmero debe dividirse entre 10000 para que se produzcan entre 0 y 1:
Este mtodo no es tan confiable, muchas veces puede aparecer la semilla mala, es decir,
cuando converge en 0, convirtindolo en predecible, por ello Lehmer se ideo el mtodo
congruencial.
d)
Mtodos congruenciales: este mtodo tiene 3 variantes que son los congruenciales aditivos, multiplicativos y
los mixtos.
El resultado de la formula de Lehmer depende de un factor aditivo a mas un factor multiplicativo b Xn y se le
saca el modulo m, es decir:

Esta es la frmula que aplica las calculadoras en la funcin Ran# ( la mixta).
11/22
10/23/2014
Rand Corporation es una empresa que existi y desarrollo el RanD (Research and Development), usada por
la milicia como contrainteligencia en la II guerra mundial y John Nash trabajo con la Rand Corporation para
descifrar los cdigos que mandaban los alemanes por medio de la maquina enigma, la cual trabajaba con un
cifrado rotario. Alan Turing fue el que descifro los mensajes secretos de la maquina enigma, este ingles lo
hizo por mecanizacin de preguntas hipotticas y usaban el mtodo congruencial.
En Excel:
PROPIEDADES MINIMAS QUE DEBEN SATISFACER LOS NUMEROS PSEUDOALEATORIOS
*Ajustarse a una distribucinU(0,1).

*tener una media aproximada de 1/2
*contar con una varianza aproximada de 1/12
*Ser estadsticamente independientes (no debe deducirse un nmero
conociendo otros ya generados).
*Ser reproducibles (la misma semilla debe dar la misma sucesin).
*Ciclo repetitivo muy largo.
*Facilidad de obtencin.
*Ocupar poca memoria.
Cualquiera que sea el mtodo para generar nmeros aleatorios debe
satisfacer las siguientes condiciones:
Deben ser:
1. Uniformemente distribuidos
2. Estadsticamente independientes
3. Reproducibles
4. Sin repeticin dentro de una longitud determinada de la sucesin
5. Generacin a grandes velocidades
6. Requerir el mnimo de capacidad de almacenamiento
fuente: http://es.scribd.com/doc/2557289/Numeros-Pseudoaleatorios
PRUEBA DE BONDAD DE AJUSTE DE DISTRIBUCIN UNIFORME POR KOLMOGOROV
12/22
10/23/2014

Descargar prueba de bondad de ajuste distribucion uniforme por kolmogorov
METODOS DE GENERACION DE VARIABLES ALEATORIAS
Existen distintos mtodos de generar variables aleatorias, cada uno de ellos se aplica a una serie de
subconjuntos de distribucin en los cuales funcione de manera ms eficiente, los mtodos son:
Mtodo de rechazo y aceptacin

Mtodo de la transformada inversa
Mtodo de convolucin
Mtodo de composicin
METODO DE TRANSFORMADA INVERSA

El mtodo de la transformada (o transformacin) inversa, tambin conocido como mtodo
de la inversa de la transformada, es un mtodo para la generacin de nmeros aleatorios
de cualquier distribucin de probabilidad continua cuando se conoce la inversa de su
funcin de distribucin (cdf). Este mtodo es en general aplicable, pero puede resultar
muy complicado obtener una expresin analtica de la inversa para algunas distribuciones
de probabilidad. El mtodo de Box-Muller es un ejemplo de algoritmo que aunque menos
general, es ms eficiente desde el punto de vista computacional.
Distribucion exponencial
La funcin de distribucin acumulada F(x) de la distribucin exponencial est dada por:
Como F(x) se iguala a un nmero aleatorio A, entonces se debe despejar X
INSTRUCTIVO PARA GENERAR VARIABLES ALEATORIAS CON DISTRIBUCION EXPONENCIAL POR

EL METODO DE LA TRANSFORMADA INVERSA
descargar instructivo distribucion exponencial
EJERCICIO EN EXCEL DE LA GENERACION DE VARIABLES ALEATORIAS CON DISTRIBUCION

EXPONENCIAL POR EL METODO DE LA TRANSFORMADA INVERSA
descargar ejercicio distribucion exponencial
MTODO DE CONVOLUCIN
13/22
10/23/2014
La distribucin de probabilidad de la suma de dos o ms variables aleatorias

independientes es llamada la convolucin de las distribuciones de las variables originales.
El mtodo de convolucin es entonces la suma de dos o ms variables aleatorias para
obtener una variable aleatoria con la distribucin de probabilidad deseada. Puede ser
usada para obtener variables con distribuciones Erlang y binomiales.
Adems, muchas variables aleatorias incluyendo la normal, binomial, poisson, gamma,

erlang, etc., se pueden expresar de forma exacta o aproximada mediante la suma lineal
de otras variables aleatorias. El mtodo de convolucin se puede usar siempre y cuando
la variable aleatoria x se pueda expresar como una combinacin lineal de K variables
aleatorias:
X= b1x1+b2x2+.bkxk
En este mtodo se necesita generar k nmeros aleatorios (u1, u2,..., uk) para generar
(x1, x2,...xk) variables aleatorias usando alguno de los mtodos anteriores y as poder
obtener un valor de la variable que se desea obtener por convolucin.
A continuacin se dan unos ejemplos de aplicacin de esta tcnica:
Una variable Erlang-k es la suma de k exponenciales.
Una variable Binomial de parmetros n y p es la suma de n variable Bernoulli con

probabilidad de xito p.
La chi-cuadrado con v grados de libertad es la suma de cuadrados de v normales N

(0,1).
La suma de un gran nmero de variables de determinada distribucin tiene una

distribucin normal. Este hecho es usado para generar variables normales a partir de la
suma de nmeros U (0,1) adecuados.
Una variable Pascal es la suma de m geomtricas.
La suma de dos uniformes tiene una densidad triangular.
Adems, este mtodo permite la interaccin de variables aleatorias para realizar un tipo
de distribucin. En el caso de la distribucin uniforme la frmula a utilizar sera la
siguiente:
U(a, b) = a + (b-a) Aleatorio ()
En el caso de generacin de nmeros aleatorios uniformemente distribuidos:
Fuente: GARCA RAFFI, L.M. SNCHEZ PREZ, Enrique A. FIGUERES MORENO, Miguel. PREZ
PEALVER, Mara Jos. Matemticas asistidas por ordenador MAO. EDITORIAL UNIVERSIDAD
POLITCNICA DE VALENCIA. PG 221-222.
14/22
10/23/2014
INSTRUCTIVO PARA UTILIZAR

DISTRIBUCION NORMAL
EL
METODO
DE
CONVOLUCION
EN
LA
1. Se debe tener conocimiento de la media y desviacin del proceso, producto o servicio para llevar a
cabo la generacin de valores
2.
Tenido estos valores se procede a registrar en una hoja Excel la media y la desviacin en X
columna
3. Ahora se procede a registrar el numero de datos que se quiere generar como por ejemplo 400 datos
se ristra del 1 al 400
4. En la columna siguiente donde se registro las cantidades de datos a generar registramos otra con el
nombre Media o Promedio
5. Luego se introduce la formula fundamental de todo este mtodo que es la siguiente se introduce el
smbolo igual luego toma la casilla donde est la media y la fija
6.
Despus suma la casilla donde est la desviacin y se fija y la multiplicas por 12 veces la funcin
aleatorio() donde los parntesis se cierra sin nada dentro de ellos luego de haber digitado doce
veces esta funcin se le resta el numero 6
7. Y se da entre para que arroje el primer valor aleatorio

8.
Solo se tiene una casilla con un valor y se necesitan 400 datos, entonces a elegir esta casilla se
lleva el cursor hasta la esquina izquierda de debajo de la casilla y se arrastra hasta el numero 400 y
se suelta el curso ya se tiene 400 cantidades generadas aleatoriamente de una forma normal
9. ahora nos vamos a una casilla vaca cualquiera y se halla el promedio y la media de estos numero
los cuales deben ser similar a la dada por el proceso, producto o servicio
A continuacin se anexa un ejercicio por el mtodo de convolucion aplicado a

la distribucin normal
Descargar ejercicio de Generacin de variables aleatoris
METODO DE TRANSFORMADA INVERSA

El mtodo de la transformada (o transformacin) inversa, tambin conocido como
mtodo de la inversa de la transformada, es un mtodo para la generacin de
nmeros aleatorios de cualquier distribucin de probabilidad continua cuando se
conoce la inversa de su funcin de distribucin (cdf). Este mtodo es en general
aplicable, pero puede resultar muy complicado obtener una expresin analtica de la
inversa para algunas distribuciones de probabilidad. El mtodo de Box-Muller es un
ejemplo de algoritmo que aunque menos general, es ms eficiente desde el punto de
vista computacional.
La funcin de distribucin acumulada F(x) de la distribucin exponencial est dada por:
Como F(x) se iguala a un nmero aleatorio A, entonces se debe despejar X
15/22
10/23/2014
SIMULACIN DE MONTECARLO
Muchas veces, es difcil calcular las probabilidades de ocurrencia de un evento, sin embargo se puede
simular muchas veces los fenmenos en un ordenador y se aproxima; esto es lo que hace la simulacin de
Montecarlo, el cual es una serie de mtodos estadsticos que usa secuencias de nmeros aleatorios para
realizar la modelacin de los sistemas que estn siendo analizados.
Cuando se conocen las funciones de densidad de probabilidad(PDF), se realiza un muestreo aleatorio del
sistema, se hacen ensayos mltiples y se toma el promedio sobre el numero de observaciones, para las
cuales se requiere que sean generados nmeros aleatorios que estn distribuidos uniformemente en el
intervalo de (0,1); los resultados deben ser acumulados o registrados apropiadamente para producir el
resultado deseado.
1.
Se simular un dado
La probabilidad teorica de cada cara del dado es de 1/6, para generar nmeros aleatorios se tendrn en
cuenta nmeros de 0 a 1, dividindolo en 6 pedazos iguales
Fuente: imagen realizada por Martha Pulido
Primero se generan nmeros aleatorios con la funcin ALEATORIO ():
Con la generacin del numero aleatorio se representara el lanzamiento de un dado, para lanzar el dado se
debe presionar F9.
Ahora se representara en Excel, la probabilidad de que el dado caiga en cada una de las 6 caras, para ello
se divide en 6 partes iguales, lo cual identificaremos con Limite inferior y limite superior, asignndole a cada
intervalo un numero de cara, de la siguiente manera:
Ahora, se lanza el dado (con la tecla F9), y se identifica en que cara cayo con la funcin BUSCARV O
CONSULTAV (dependiendo de la Version de Microsoft Excel que posea):
16/22
10/23/2014
De manera que con esta funcin, se busca en la tabla de los limites inferiores, el numero aleatorio que dio,
generando automticamente la cara, en la imagen, C15 se refiere al numero aleatorio, C7: E12 a la tabla
donde estn los intervalos de nmeros aleatorios y 3se refiere a la columna donde estn las caras de los
dados, que es la numero 3 en la matriz de los nmeros aleatorios.
De esta forma se obtienen los lanzamientos del dado.
2. Si se quiere generar un sistema con condiciones uniformes, se puede generar nmeros aleatorios entre un
rango, por ejemplo tenemos:
Y quiero generar nmeros entre ese rango, debo usar la funcin:ALEATORIO.ENTRE(), de lasiguiente
forma:
Donde B21 y B22 son los limites A y B.
EJERCICIO DEL LANZAMIENTO DE 1 DADO

descargar ejercicio de simulacion del lanzamiento de 1 dado
Ahora se explicara el ejercicio de Fritoabaja S.A. donde se tiene una serie de productos, con ciertos
intervalos de demanda, con las cuales se quiere simular la probabilidad de perder dinero.
Primero se toma la tabla de productos y demanda:
Ahora, sacamos la demanda esperada as:
Ahora con el precio de ventas y el costo unitario de ventas se calcula el total de ventas, y luego el total de
costos:
17/22
10/23/2014
Ahora se calcula el total de ventas (sumatoria de las ventas), total de costos ( sumatorio de costos totales), la
utilidad bruta(total de ventas total de costos), suponiendo que los gastos administrativos de la organizacin
son de $80000000.
Los gastos de publicidad varia entre los inervalos de 25000 000 a 50 000 000, por lo cual al evaluarlos se
debe usar la funcin aleatorio.entre(limite superior: limite inferior.):
Por ultimo, se halla la Utilidad antes de Impuesto, solo restando la utilidad bruta gastos administracin y
ventas gastos de publicidad.
Ahora se generaran 100 utilidades antes de impuesto, para ver la perdida de 100 meses de la organizacin,
se translada en el mes 1 la casilla H13 que corresponde a la utilidad antes de impuesto hallada:
3.
4.
Para generar las otras supuestas utilidades, se debe:

Seleccionar el rango en el cual se ubicaran las utilidades simuladas, nos vamos a datos, despus se hunde
Analisis y si
se le da click a la tabla de datos, en celda de entrada (fila) no se coloca nada, en las celdas de salida se
coloca una casilla cualquiera,
(notese que en este caso I6 indica cualquier celda)
5.
despues se clickea en inicio, formato condicional, resaltar reglas de celdas, es menor que, se pone menor
que 0, y se cambia el relleno a rojo claro para los nmeros negativos o el formato que desee para
diferenciar los nmeros negativos de los positivos:
18/22
10/23/2014
Los valores que aparecen con con relleno rojo, son los meses en los cuales la empresa tiene perdida, por lo
cual el siguiente paso ser calcular la venta promedio, que es la media de todas las ventas, es decir,
6.
Ahora, se determinara la el total de los casos o el numero de los meses con la funcin CONTAR :
7.
Se buscara la frecuencia observada de utilidades negativas o numero de perdidas con CONTAR.SI donde
el rango sern las ventas y el criterio ser que se contaran nmeros menores que 0 de la siguiente forma:
As, ya se sabe cuantos meses habr perdida, pero para saber la probabilidad de perdida, solo se debe
dividir el numero de perdidas entre el numero total de ventas o total de casos, y as:
En este caso, se muestra que el negocio gana, pero se tiene un nivel de riesgo donde de cada 100
meses que se haga el calculo de venta, se tendr 12 meses de perdida y 88 de ganancias, es decir
con una probabilidad del 12% de utilidades negativas.
EJERCICIO DEL MODELO DE FRITO ABAJA S.A.
descargar ejercicio de modelo de montecarlo para determinar perdidas en frito abaja
19/22
10/23/2014

SISTEMAS DE COLAS
sistemas de cola con un servidor
Cuando existe una gran demanda de un servicio, y este no puede ser satisfecho instantaneamente se
forman esperas o colas, estas se ven desde la atencion en los establecimientos comerciales hasta el servicio
publico.
se empezo a hablar de la teoria de colas en la decada de 1900's al implementar una teoria probabilistica
para detereminar el numero optimo de lineas telefonicas en una centralita, teniendo en cuenta la frecuencia
de las llamadas y su duracion, sentando asi, las bases para dicha teoria.
fuente: introduccion a la simulacion y a la teoria de colas. Ricardo Cao Abad
la prestacion del servicio tiene como minimo las siguientes caracteristicas:
el sistema con un solo servidor o una sola caja que atiende una sola cola, es el mas simple, y
a continuacin se mostrara la aplicacin de la simulacin en excel:
Supongamos que el Banco Amigo tiene el periodo de 100 legadas de clientes, con un tiempo de servicio
entre 15 y 25 minutos, distribuido uniformemente y un tiempo de llegada exponencial con media de 30
minutos, y solo cuenta con 1 cajero para atender
Primero se debe enumerar los 100 periodos de llegadas, luego para calcular los tiempos entre llegadas
debido a que es exponencial , se aplica la formula
Es decir, en Excel:
Luego se arrastran todos los nmeros, despus que tenemos el tiempo entre llegadas, se calcula el tiempo
de llegada, el tiempo de llegada del primer cliente, es por supuesto el generado en el primer tiempo entre
llegada, sin embargo el del segundo es igual al del primer cliente mas el tiempo que demoro en llegar
(tiempo entre llegada del cliente 2), por lo cual seria de la siguiente forma :
Y de esta forma se arrastra hasta el ultimo periodo. Ahora se calculara el inicio del tiempo de servicio, el
inicio del tiempo de servicio en 1 sera igual al tiempo de llegada del cliente, cuando llega el segundo cliente
este ser atendido cuando uno de los clientes que esta en caja deje de ser atendido primero, por lo cual,
este tiempo de inicio de servicio se deducir de la siguiente forma
Se calcula el mximo tiempo entre el fin del servicio del primer cliente y el tiempo de llegada del segundo,
representando este al momento en el cual el segundo cliente puede ser atendido por la caja.
A continuacin se averiguara el tiempo de servicio, donde este tiene una distribucin uniforme con un
tiempo promedio entre 15 y 25, por lo cual se utiliza la funcin:
20/22
10/23/2014

Donde C1 es 15 y C2 es 25, se arrastra la formula hasta el periodo 100, y se obtiene la totalidad de los
tiempos de servicios, el siguiente paso es deducir el fin de los tiempos de servicio, que no es mas que la
suma de el tiempo de inicio de servicio y el tiempo de servicio de cada cliente.
Ahora se averiguara el tiempo que pasa el cliente en cola o espera, es decir , el tiempo en lnea; para ello
simplemente se resta el inicio del tiempo de servicio de cada cliente y el tiempo en que este llego de la
siguiente forma:
se calcula el tiempo total del sistema, que seria la sustraccin entre el fin tiempo de servicio y el tiempo de
llegada de cada uno de los clientes.
Ahora se quiere saber el numero de clientes que hay en cola, por lo cual se debe saber a que cliente se esta
atendiendo y restar el ultimo cliente que ha llegado menos el atendido, y de esta forma deducir cuantas
personas esperan, para ello se aplicara la funcin buscar V, donde esta examinara en el tiempo de llegada el
valor que se encuentra en fin tiempo de servicio de la posicin actual, al encontrarla, tomara el numero de
llegada correspondiente a la posicin encontrada y se la restara a la posicin actual, de la siguiente forma:
Donde el valor numero 1 que esta en azul se busca en el rango subrayado de verde en la columna de
tiempo de llegada, la funcin toma el valo que esta al lado que en este caso es 2 (dentro de una
circunferencia amarilla), representando al cliente 2, y le resta la posicin actual que en este caso es 1, por lo
cual hay una persona esperando a ser atendida.
Para saber cuantas personas hay en el sistema, se le suma 1 (porque es un cajero), al numero de personas
en cola.
A continuacin esta el caso del banco amigo para descargar en excel:
ejercicio de simulacion por excel con un cajero
Ahora supongamos que el Banco tiene 2 cajeros para atender

Primero se debe enumerar los 100 periodos de llegadas, luego para calcular los tiempos entre llegadas
debido a que es exponencial , se aplica la formula
Es decir, en Excel:
Luego se arrastran todos los nmeros, despus que tenemos el tiempo entre llegadas, se calcula el tiempo
de llegada, el tiempo de llegada del primer cliente, es por supuesto el generado en el primer tiempo entre
llegada, sin embargo el del segundo es igual al del primer cliente mas el tiempo que demoro en llegar
(tiempo entre llegada del cliente 2), por lo cual seria de la siguiente forma :
Y de esta forma se arrastra hasta el ultimo periodo. Ahora se calculara el inicio del tiempo de servicio, como
se cuenta con 2 cajeros , el inicio del tiempo de servicio en 1 y en 2 sera igual al tiempo de llegada del
primer y del segundo cliente, cuando llega el tercer cliente este ser atendido cuando uno de los clientes que
21/22
10/23/2014

esta en caja deje de ser atendido primero, por lo cual, este tiempo de inicio de servicio se deducir de la
siguiente forma:
Se calcula el minimo de los fin de tiempos de servicio entre 1 y 2, pero este ser atendido teniendo en
cuenta su tiempo de llegada, porque si por ejemplo se ha dejado de atender al cliente 2 y el cliente 3 no ha
llegado, este no puede ser atendido hasta que llegue al sistema.
A continuacin se averiguara el tiempo de servicio, donde este tiene una distribucin uniforme con un
tiempo promedio entre 15 y 25, por lo cual se utiliza la funcin:
Donde C1 es 15 y C2 es 25, se arrastra la formula hasta el periodo 100, y se obtiene la totalidad de los
tiempos de servicios, el siguiente paso es deducir el fin de los tiempos de servicio, que no es mas que la
suma de el tiempo de inicio de servicio y el tiempo de servicio de cada cliente.
Ahora se averiguara el tiempo que pasa el cliente en cola o espera, es decir , el tiempo en lnea; para ello
simplemente se resta el inicio del tiempo de servicio de cada cliente y el tiempo en que este llego de la
siguiente forma:
Por ultimo, se calcula el tiempo total del sistema, que seria la sustraccin entre el fin tiempo de servicio y el
tiempo de llegada de cada uno de los clientes.
A continuacin esta el caso del banco amigo para descargar en excel:
ejercicio de simulacion por excel con 2 cajeros
Recomendar esto en Google
Pgina principal
Suscribirse a: Entradas (Atom)
Realizado por: Hall de la Fama. Plantilla Simple. Con la tecnologa de Blogger.
22/22

Simulación PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Simulación PDF

Enviado por

Direitos autorais:

Formatos disponíveis

10/23/2014

Investigacin de Operaciones: Simulacin

Votos hasta el momento: 13

Por ejemplo, podra construir un modelo de computadora para simular lo siguiente:

Investigacin de Operaciones: Simulacin

Participar en este sitio

Ya eres miembro? Iniciar sesin

2. Segn el medio ambiente:

Fuente imagen realizada por Martha Pulido

La estadstica puede ser de 2 tipos:

Investigacin de Operaciones: Simulacin

PRUEBA DE HIPTESIS CHI CUADRADO O BONDAD DE AJUSTE

La informacin debe estar presentada en un cuadro de distribucin de frecuencias. Sea m el nmero de

INSTRUCTIVO BONDAD DE AJUSTE DISTRIBUCIN NORMAL Y UNIFORME CHI CUADRADO

Investigacin de Operaciones: Simulacin

VDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION UNIFORME CHI CUADRADO

VIDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION NORMAL

PRUEBA DE BONDAD DE AJUSTE SMIRNOV-KOLMOGOROV

La prueba de Kolmogorov-Smirnov para una muestra se considera un procedimiento de "bondad de

Investigacin de Operaciones: Simulacin

EJERCICIO PRUEBA DE BONDAD DE AJUSTE SMIRNOV KOLMOGOROV NORMAL Y UNIFORME

VDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION NORMAL SMIRNOV KOLMOGOROV

Investigacin de Operaciones: Simulacin

VDEO EJERCICIO BONDAD DE AJUSTE DISTRIBUCION UNIFORME SMIRNOV KOLMOGOROV

Investigacin de Operaciones: Simulacin

PRUEBA DE BONDAD DE AJUSTE ANDERSON DARLING

Investigacin de Operaciones: Simulacin

INSTRUCTIVO DEL TEST DE ANDERSON DARLING

VIDEO EJERCICIO ANDERSON DARLING

Investigacin de Operaciones: Simulacin

Simule la utilidad diaria de las ventas de periodicos que tiene un precio de de

INSTRUCTIVO EJERCICIO SIMULACIN

GENERACION DE NUMEROS PSEUDOALEATORIOS

Investigacin de Operaciones: Simulacin

fuente: imagen elaborada por Martha Pulido

fuente: imagen elaborada por Martha Pulido

fuente: imagen elaborada por Martha Pulido

Investigacin de Operaciones: Simulacin

fuente: imagen elaborada por Martha Pulido

Investigacin de Operaciones: Simulacin

PROPIEDADES MINIMAS QUE DEBEN SATISFACER LOS NUMEROS PSEUDOALEATORIOS

*Ajustarse a una distribucinU(0,1).

PRUEBA DE BONDAD DE AJUSTE DE DISTRIBUCIN UNIFORME POR KOLMOGOROV

Investigacin de Operaciones: Simulacin

METODOS DE GENERACION DE VARIABLES ALEATORIAS

Mtodo de rechazo y aceptacin

METODO DE TRANSFORMADA INVERSA

La funcin de distribucin acumulada F(x) de la distribucin exponencial est dada por:

Como F(x) se iguala a un nmero aleatorio A, entonces se debe despejar X

INSTRUCTIVO PARA GENERAR VARIABLES ALEATORIAS CON DISTRIBUCION EXPONENCIAL POR

EJERCICIO EN EXCEL DE LA GENERACION DE VARIABLES ALEATORIAS CON DISTRIBUCION

Investigacin de Operaciones: Simulacin

La distribucin de probabilidad de la suma de dos o ms variables aleatorias

Adems, muchas variables aleatorias incluyendo la normal, binomial, poisson, gamma,

A continuacin se dan unos ejemplos de aplicacin de esta tcnica:

Una variable Erlang-k es la suma de k exponenciales.

Una variable Binomial de parmetros n y p es la suma de n variable Bernoulli con

La chi-cuadrado con v grados de libertad es la suma de cuadrados de v normales N

La suma de un gran nmero de variables de determinada distribucin tiene una

Una variable Pascal es la suma de m geomtricas.

La suma de dos uniformes tiene una densidad triangular.

En el caso de generacin de nmeros aleatorios uniformemente distribuidos:

Investigacin de Operaciones: Simulacin