OBJETIVOS

El significado de los siguientes términos:

1Simulación
Generador de números aleatorios uniforme
Proceso de Monte Carlo
Diagrama de flujo
Número seudoaleatorio
Validación del modelo
2 Los 5 pasos en el procedimiento de simulación.
3 Cómo generar valores de una variable aleatoria mediante el proceso de
Monte Carlo.
4 Cómo llevar a cabo una simulación manual.
5 Cómo interpretar los resultados de una simulación.

SIMULACIÓN

La simulación es una técnica de experimentación en que se usan modelos lógico-

matemáticos. Una simulación puede ser determinista o probabilista según el
comportamiento de las variables incluidas.
Las simulaciones deterministas son bastante comunes en la planeación
corporativa.
Por ejemplo, una firma puede usar simulación para pronosticar las ganancias
sobre un alcance de ventas estimadas.
Sin embargo, se hará hincapié en la simulación probabilista para comprobar cómo
se tratan las variables aleatorias.
DETERMINISTA
Un modelo determinista es un modelo matemático donde las mismas entradas o
condiciones iniciales producirán invariablemente las mismas salidas o resultados,
no contemplándose la existencia de azar, o incertidumbre en el proceso modelada
mediante dicho modelo.
Por ejemplo, la planificación de una línea de producción, en cualquier proceso
industrial, es posible realizarla con la implementación de un sistema de gestión de
procesos que incluya un modelo determinista en el cual estén cuantificadas las
materias primas, la mano de obra, los tiempos de producción y los productos
finales asociados a cada proceso.

PROBABILISTA
Un modelo es estocástico cuando al menos una variable del mismo es tomada
como un dato al azar y las relaciones entre variables se toman por medio de
funciones probabilísticas. Sirven por lo general para realizar grandes series de
muestreos, quitan mucho tiempo en el computador son muy utilizados en
investigaciones científicas. Para lograr modelar correctamente un proceso
estocástico es necesario comprender numerosos conceptos de probabilidad y
estadística. Dentro del conjunto de procesos estocásticos se encuentran, por
ejemplo, el tiempo de funcionamiento de una máquina entre avería y avería, su
tiempo de reparación y el tiempo que necesita un operador humano para realizar
una determinada operación.
La experimentación no es ni nueva ni rara en el mundo de los negocios.
La construcción de un modelo a escala de un nuevo automóvil, las pruebas de
mercado de un nuevo producto, el que un departamento ensaye nuevos
procedimientos contables o el hacer una pequeña inversión en un tipo nuevo de
valores, son formas de experimentación.
Puede pensarse en la experimentación como en un método organizado de prueba
y error que usa un modelo del mundo real para obtener información. Por ejemplo,
un modelo de planeación corporativa puede usarse para probar una nueva política
sobre ciertas condiciones futuras. En pocos minutos en una computadora, pueden
simularse muchos años de operación para explorar los efectos de dicha política.
La información obtenida de las simulaciones ayuda a la administración a explorar
las nuevas políticas. La simulación acorta el tiempo y es menos costosa que llevar
todo esto a la práctica.
El modelo que se usa debe ser una representación válida del mundo real. Esto es,
debe incluir todas las variables significativas y sus relaciones en forma correcta. Si
el modelo no es válido, existen muy pocas posibilidades de que conduzca a
resultados seguros.
La simulación difiere de los otros temas de este libro en un aspecto muy
importante, es mucho más general. No está limitada a una categoría de
problemas, como control de inventarios, o a un método de solución, como
programación lineal. Los límites que existen son los de la imaginación, de los
recursos de computación y de tiempo.
No hay principios ni teoremas de simulación. Pero, por fortuna, existen aspectos
de la simulación que pueden estudiarse con grandes beneficios.
En este capítulo se presenta un procedimiento de simulación ampliamente
aceptado que se basa en el método científico. También se analizan algunas
técnicas específicas, como la de Monte Carlo, que se emplean con frecuencia en
simulación. Se incluyen bastantes ejemplos con el fin de estimular la imaginación
en cuanto al campo de las aplicaciones de simulación.

PROCESO DE MONTE CARLO

Es el manejo de situaciones o problemas reales por medio de procedimientos o
elementos artificiales con objeto de establecer conclusiones sobre su
comportamiento. En muchas ocasiones se presentan situaciones cuyo manejo real
resulta laborioso, peligroso, tardado o costoso, es entonces cuando conviene
utilizar técnicas de simulación o muestreo que resultan muy rápidas, económicas y
seguras. Proporcionan resultados bastantes confiables.
Los métodos físicos de simulación involucran el reemplazo representativo dela
población real por una muestra teórica cuyo comportamiento se ajusta oes
descrito por alguna distribución de probabilidad. Esta población teórica se
muestra mediante una distribución de probabilidad.
Esta población teórica se muestra mediante un conjunto de números aleatorios,
llamado a este procedimiento SIMULACION. La simulación Montecarlo es una
herramienta muy valiosa para tomar decisiones y manejar, diferentes y diversas
situaciones, como pueden ser:
 Problemas de almacenamiento
 Inventario
 Sistema de transporte
 Construcción de obras civiles
 Mantenimiento de maquinas
 Sistema administrativo, etc.

PROCEDIMIENTO DE LA FUNCION MONTECARLO

La forma más efectiva de reconocer un problema que deba ser resuelto mediante
la simulación es el que tienen asociadas una o más variables y esto depende de
la distribución de probabilidad y de las variables aleatorias involucradas se
conjuntan a cualquier distribución de probabilidad excepto en la distribución
normal, se aplica el siguiente procedimiento;
1. Identificar las diversas variables aleatorias del sistema.
2. Construir una función de distribución de probabilidad acumulada ( tabla o
diagrama).
3. Asociar datos y números índice correspondientes a la función de
probabilidad a cada variable.
NÙMERO PSEUDOALEATORIO
Los generadores de números seudoaleatorios producen series cíclicas de
números en donde cada ciclo es exactamente igual que el anterior. La longitud de
un ciclo excede a un millón de números, así muy rara vez hay problema de
repetición.

GENERADOR DE NUMEROS ALEATORIOS

Se generan por medio de tablas de números aleatorios. La mayoría de las
computadoras utilizan ecuaciones matemáticas para generar números
seudoaleatorio.

 METODO GRÀFICO
Para utilizar este método se debe dibujar una gráfica de la distribución de
probabilidad acumulada que se desea. Para cada numero aleatorio se lee
la grafica para obtener el valor correspondiente de la variable aleatoria. La
distribución acumulada muestra la probabilidad de que ocurra cierto valor.
Estos números deben ser entre el 0 y 1.
  MÈTODO DE TRANSFORMACIÒN MATEMÀTICA
Se necesita una ecuación matemática para la distribución de probabilidad
deseada
Se hace lo mismo que en el método gráfio, sólo que aquí aplicamos
álgebra.
 MÈTODO TABULAR
Se construye una tabla de cada valor de la variable aleaotria y su
probabilidad asociada. Después se tabula la distribución acumulada
sumando en la columna de probabilidades. Por ultimo se establecen
intervalos de números aleatorios usando los limites superiores cada
intervalo.
Este método es excelente para simulaciones manuales solo es necesario
guardar la tabla.

DIAGRAMA DE FLUJO
Es la representación gráfica del algoritmo o proceso. Se utiliza en disciplinas como
programación.

VALIDACION DEL MODELO

La validación siempre está sujeto a un caso experimental. La validación empírica
es en sentido residual ya que se llega a las conclusiones a través de las
comparaciones entre salidas simuladas y medidas experimentales.

INTRODUCCIÓN
La simulación se utiliza para predecir las consecuencias que tendrá la toma de
una decisión determinada.
Simular tiene como objetivo duplicar características y comportamientos propios de
un sistema real.
Al proceso de experimentar con un modelo se denomina simulación. Al proceso de
diseñar el plan de experimentación para adoptar la mejor decisión se denomina
optimización. Si el plan de experimentación se lleva a cabo con el solo objeto de
aprender a conducir el sistema, entonces se denomina entrenamiento o
capacitación.

Ventajas
Es un método directo y flexible.
Cuando el modelo matemático es demasiado complicado la simulación permite
obtener una aproximación.
Cuando el modelo matemático es demasiado complicado la simulación permite
obtener una aproximación.
Nos permite formular condiciones extremas con riesgos nulos.
No interfiere con el mundo real. Permite experimentar.
Permite estudiar la interacción entre las diferentes variables del problema.
Permite resolver problemas que no tienen solución analítica.
Existe un amplio abanico de programas y lenguajes destinados a simular.
Desventaja
Una buena simulación puede resultar muy complicada, gran número de variables.
La simulación no genera soluciones óptimas globales.
No proporciona la decisión a tomar, sino que resuelve el problema mediante
aproximación para unas condiciones iniciales.
Cada simulación es única, interviene el azar.
El desarrollo de un modelo puede ser costoso, laborioso y lento.
Existe la posibilidad de cometer errores. No se debe olvidar que la
experimentación se lleva a cabo con un modelo y no con el sistema real; entonces,
si el modelo está mal o se cometen errores en su manejo, los resultados también
serán incorrectos.
No se puede conocer el grado de imprecisión de los resultados. Por lo general el
modelo se utiliza para experimentar situaciones nunca planteadas en el sistema
real, por lo tanto no existeinformación previa para estimar el grado de
correspondencia entre la respuesta del modelo y la del sistema real.
Procedimiento de Simulación
Se lleva a cabo con una secuencia de 5 pasos. Los cuales sirven como una guía
de lo que debe incluirse para realizar con éxito un experimento
1.- Definición de los objetivos: Una simulación puede llevarse a cabo para
entender un sistema ya existente o para diseñar un nuevo sistema. Este paso se
encarga de saber a lo que queremos llegar, los objetivos tienen que ser claros ya
que influyen en el diseño del experimento. Por ejemplo una compañía puede
experimentar el aumento en los costos de inventario, en cuyo caso construye un
modelo de simulación de su sistema de inventario para estudiar las causas del
aumento.
2.-Formulación del modelo:
Desglosar en términos matemáticos:
1. Las componentes que deben incluirse
2. El comportamiento de las componentes
3. Relaciones de los componentes
La meta es formular un modelo valido, seguro y de poca complejidad.
3.- Diseño del experimento: Se trabajan los procedimientos experimentales antes
de realizar el modelo. Se debe tomar en cuenta las medidas, la duración, análisis
de resultados, etc.; al momento de desarrollar un plan para el experimento.
TIPOS DE SIMULACIÓN
De acuerdo a la naturaleza del modelo empleado, la simulación puede ser por:
IDENTIDAD:
Es cuando el modelo es una replica exacta del sistema en estudio. es utilizada en
las empresas automotrices cuando realizan ensayos de choques de automóviles
utilizando unidades reales.
CUASI-IDENTIDAD: Se utiliza una versión ligeramente simplificada del sistema
real. Por ejemplo, los entrenamientos militares que incluye movilización de equipos
y tropas, pero no se lleva a cabo una batalla real.
LABORATORIO: Se utilizan modelos bajo las condiciones controladas por un
laboratorio. se pueden distinguir dos tipos de simulaciones:
Juego operacional: Persona compiten entre ellas, ellas forman parte del modelo,
la otra parte consiste en computadoras, maquinaria, etc. Es el caso de una
simulación de negocio donde las computadoras se limitan a recolectar la inforción
generada por cada participante y a presentarla de forma ordenada a cada uno de
ellos.
Hombre-máquina: Se estudia la relación entre las personas y la máquina. Las
personas también forman parte del modelo. La computadora genera información,
un ejemplo de este tipo de simulación es el simulador de vuelo.
por computadora:
El modelo es completamente simbólico y está implementado en un lenguaje
computacional. Las personas quedan excluidas del modelo. Un ejemplo es el
simulador de un sistema de redes de comunicación. Este tipo de simulación a su
vez puede ser:
Digital Analógica
EJEMPLO DE SIMULACIÓN: ANÁLISIS DE GANANCIAS
Supóngase que una firma está considerando la introducción de un nuevo
producto. Se sabe, con una confianza razonable, que los costos fijos serán de $10 000 y que
el precio de venta debe ser de $2 por razones competitivas.
La firma quiere por lo menos alcanzar el punto de equilibrio en el primer año
de ventas.
Este problema surge gracias a la incertidumbre en cuanto a los costos variables
y a la demanda del producto. Las mejores estimaciones son que los costos
variables estarán entre $0.95 y $1.05. Se piensa que la demanda dependerá de la
reacción de los competidores. Si reaccionan rápidamente en el primer año, se
espera que las ventas sean de 8 000, 9 000 o 10 000 unidades. Si no hay
reacción fuerte, entonces las ventas pueden llegar a 10 000, 11 000 o 12
000 unidades. La firma piensa que existe un 60% de posibilidades de que sus
competidores reaccionen fuertemente.

Objetivo
La administración desea saber el riesgo de seguir adelante con el producto.
¿Qué posibilidad existe de llegar al punto de equilibrio? Esta situación presenta
la oportunidad de una simulación:
Existen varias variables interrelacionadas
Algunas variables se comportan aleatoriamente
Se dispone de datos sobre las variables
No hay disponibilidad inmediata de una solución analítica
Con simulación la administración puede "someter a prueba" el nuevo
producto muchas veces. Después pueden graficarse los resultados de cada
prueba para observar con qué frecuencia se obtiene el punto de equilibrio. Por
tanto, el objetivo será proporcionar una distribución de probabilidad para las
ganancias del primer año.
Formulación del modelo
La ecuación básica del modelo es la ecuación de la ganancia:
Ganancia = (precio . costo variable) (demanda) . costo fijo
Se sabe que el costo fijo y el precio son constantes en $10 000 y $2, respectivamente.
El costo variable y la demanda se deben determinar para cada
corrida de prueba. No debe olvidarse que la demanda depende de la reacción del
competidor.
En la figura 16-1 se muestra un diagrama de flujo para el modelo
completo. Al seleccionar en forma aleatoria una reacción del competidor, las
posibilidades de demanda se vuelven conocidas. La selección aleatoria de una
demanda y un costo variable harán posible calcular la ganancia. Así, se tiene
un modelo para simular la introducción de un nuevo producto.
Diseño del experimento
Para alcanzar el objetivo de obtener la probabilidad de llegar al punto
de equilibrio, tendrá que repetirse el experimento cierto número de veces.

SIMULACION.
La simulación es el artificio contextual que referencia la investigación de un hipótesis o conjunto
de hipótesis de trabajo.
MODULO DE SIMULACION
Es el proceso de diseñar un modelo de un sistema real y realizar experimentos con el para
entender el comportamiento del sistema y/o evaluar estrategias para la operación del mismo
SISTEMA DE SIMULACION
La simulación es diseñar y desarrollar un modelo computarizado de un sistema o proceso y
conducir experimentalmente con este modelo con el propósito de entender el comportamiento
del sistema del mundo real o evaluar varias estrategias con los cuales puedan operar el sistema.
MODELOS DE SIMULACION DE EVENTOS DISCRETOS
Es una técnica informática de modelado dinámico de sistemas. Frente a su homóloga, la
simulación de tiempo continuo, esta se caracteriza por un control en la variable de tiempos que
permite avanzar a ésta a intervalos variables, en función de la planificación de tales eventos a un
tiempo futuro. Un requisito para aplicar esta técnica es que sus variables no cambien su
comportamiento durante el intervalo simulado.
FORMULA PARA NUMEROS ALEATORIOS

Xi+1=(AXo+C) Modulo M
Donde:
i=0,1,2…n
Xo=valor inicial o semilla.
A=constante multiplicado
C=Constante aditiva o decremento
M= modulo respecto al cual se calculan los restos, “modulo rango”.

EJEMPLO
XO=35
A=13
C=65
M=100
X0+1=X0+2=[(35) (13)+65] M100
X1=520 X2=20
Modulo –rango 1-100 por tanto X1=0