Simulação

1. Introdução
 A simulação envolve a construção de um modelo aproximado da realidade, o qual será
operado muitas e muitas vezes, analisando-se então seus resultados para que ele possa ser
mais bem compreendido, manipulado e controlado.
 Na prática, a simulação envolve o uso de computadores; neste capítulo, nossas simulações
serão manuais e limitadas, buscando dar um tratamento conceitual ao assunto. Como
referência, utilizaremos a ferramenta Método Monte Carlo.

2. Método Monte Carlo

 O objetivo é simular valores numéricos de algumas variáveis de interesse, mensurando o
efeito desta simulação sobre outras variáveis de interesse.
 As variáveis cujos valores queremos simular são variáveis probabilísticas: variáveis
aleatórias que podem assumir um conjunto de valores, cada qual associado a uma
determinada frequência de ocorrência ou probabilidade.
Exemplo 1:

Valor Frequência
4 0,2
7 0,3
8 0,5

 Devemos esperar que alguns valores apareçam mais vezes ao longo do tempo, em acordo
com as frequências de cada um deles; no entanto, nunca se sabe qual será o próximo valor a
ser atribuído à variável. Precisamos ter uma abordagem que nos permita, dada uma
distribuição de frequência, gerar valores da variável que, ao longo do processo de simulação,
obedeçam à distribuição de frequência original
 O Método Monte Carlo consiste na geração artificial de valores das variáveis de interesse,
com o auxílio de números ao acaso ou números aleatórios; a cada faixa de frequência
atribui-se uma faixa correspondente de números ao acaso.
 Denominamos números ao acaso a qualquer sequência numérica em que os números são
completamente independentes entre si; eles podem ser obtidos por geradores de números
ao acaso ou geradores de números aleatórios:
- pedaços de papel numerados e colocados em um chapéu;
- bolas numeradas colocadas em um recipiente;
- lançamento de um dado ou de um conjunto de dados;
- uma sub-rotina de computador etc.
 Com intuito didático, utilizaremos a tabela de números aleatórios a seguir, constituída
arbitrariamente de números de 5 dígitos:
2. Uso dos números ao acaso para simular

Utilizando Exemplo 1:

Valor Frequência Frequência Números

acumulada atribuídos
4 0,2
7 0,3
8 0,5

Média real = ___________________________________________________________

Fazendo 10 rodadas de simulação, e tomando 2º. dígito, números a partir da 1ª. Coluna da
esquerda, de cima para baixo, da tabela aleatória:

Número ao Soma Média

acaso (A) (B) (B)
Valor da
variável (B)

Valor Frequência Frequência

real simulada
4 0,2
7 0,3
8 0,5

Média simulação( <) (=) (>) média real

influenciado por _________________________________________________________

Exemplo 2:

Situação onde as frequências podem ser obtidas de maneira teórica, antes mesmo de se fazer
qualquer experimento: lançamento de 2 dados, cada um igualmente numerados com 1, 2 e 3
e verificando a soma:

Dado (A) 1 1 1 2 2 2 3 3 3
1 2 3 1 2 3 1 2 3 Soma total Média
Dado (B)
Soma
 Soma Frequência Frequência Frequência Faixa de
acumulada acumulada números
(centésimos) atribuída
2
3
4
5
6

Fazendo 10 rodadas de simulação, e tomando 3 dígitos iniciais, números a partir da 1ª.

Coluna da esquerda, de cima para baixo, da tabela aleatória:

Número Soma Média

ao acaso
Soma

Comparando: média real = ____ (<) (=) (>) média simulação = ________

3. Casos de simulação

3.1 Simulação a partir de uma distribuição teórica

Será utilizada como exemplo a distribuição de Poisson, uma das distribuições discretas mais
importantes na teoria de filas (cabe ressaltar que é possível empreender simulações também a partir
de distribuições contínuas).

Exemplo 3:
A chegada de clientes à bilheteria de um teatro obedece a uma distribuição de Poisson com
taxa de 1,1 clientes por minuto. Empreender 10 minutos de simulação, verificando quantos clientes
chegam a cada minuto.

Chamamos de K ao número de clientes que chegam ao caixa em cada minuto. Utilizando os

fundamentos de estatística, podemos calcular a probabilidade associada a cada um dos possíveis
valores de K; embora, em princípio, o valor de K possa crescer indefinidamente, na prática apenas
poucos valores terão probabilidades significativas.
 Apenas como ilustração, podemos chegar a uma tabela do tipo:

K P (K) Frequência Faixa de

acumulada números
atribuída
0 0,24
1 0,48
2 0,26
3 0,02

A partir daí, podemos empreender a simulação de maneira análoga ao Exemplo 1,

confrontando os dados obtidos da simulação com os dados da distribuição de Poisson.

3.2 Simulação simultânea de 2 variáveis

Exemplo 4:
Para um projeto, com duração de um ano e investimento inicial de 2 milhões de reais, são
conhecidas as distribuições de frequência da receita e da despesa ao final do ano. Nas
tabelas a seguir já foram calculadas as frequências acumuladas e já foram atribuídas as
faixas de números para simulação. Definindo-se a rentabilidade como o lucro ao final do
ano dividido pelo investimento inicial, determinar a distribuição de frequência da
rentabilidade, tomando por base 10 rodadas de simulação.

Tabela para receita:

Receita (milhões Frequência Frequência Faixa de números
de reais) estimada acumulada atribuída
8 0,20
7 0,40
6 0,25
5 0,15

Tabela para despesa:

Despesa (milhões Frequência Frequência Faixa de números
de reais) estimada acumulada atribuída
4 0,10
5 0,40
6 0,30
7 0,20
 Simulando 10 rodadas de receita e despesa (tomando 2 dígitos iniciais, números a partir da
1ª. Coluna da esquerda, de cima para baixo, da tabela aleatória, para os números ao acaso da
receita, tomando 2 dígitos iniciais, números a partir da 2ª. Coluna da esquerda, de cima para
baixo, da tabela aleatória, para os números ao acaso da despesa, teremos:

(1) >> (2) (2) (3) >> (4) (4) (5) Lucro (6)
Aleatório Receita Aleatório Despesa = (2) - (4) Rentabilidade

Temos a seguinte distribuição de frequência da rentabilidade:

Rentabilidade Nro. Ocorrências Frequência

A rentabilidade média da simulação será = _______________________________________

Moreira, D. A. Pesquisa operacional: curso introdutório. 2ª. Ed. rev. E atu. São Paulo: Cengage
Learning, 2010, p. 207 - 240.