Escolar Documentos
Profissional Documentos
Cultura Documentos
Simulación de Eventos
Discretos
Análisis de Salida II
Agenda
• Análisis de salida para Simulaciones en Estado Estable
• Sesgo en la inicialización –
S l i i i li ió Periodo de calentamiento
P i d d l i
• Estimación del error (para los intervalos de confianza)
• Método de Replicación
Método de Replicación
• Longitud de la Corrida
• Agrupación en una corrida (Batch Means for interval estimations)
Simulaciones en Estado Estable
• En este caso nos interesan las estadísticas a largo plazo por lo cual es muy
i
importante
t t tener
t en cuenta
t que las
l condiciones
di i i i i l pueden
iniciales d influir
i fl i en
éstas.
• TTeniendo
i d esto t en cuenta,
t debería
d b í haber
h b un periodo
i d de
d calentamiento
l t i t en
donde se permita que el sistema llegue a un estado estable para recolectar
las estadísticas que son de interés.
¿Qué se puede hacer?
• Inicialice la simulación en un estado que sea más representativo de las
condiciones
di i en ell largo
l plazo.
l
• Normalmente se promediarían las medias dentro
Normalmente se promediarían las medias dentro de cada replicación, pero
de cada replicación, pero
como el objetivo es identificar la tendencia en los datos debida a las
condiciones de inicialización (cuándo cesan), se promediarán los promedios
p (
de lotes a través de las replicaciones (ensemble averages).
g )
1 R
Y. j Yrj
R r 1
Ejemplo
“Ensemble averages”, Y . j , versus 1000j, para j = 1,2, …,15.
Sesgo debido a los
Sesgo debido a los
parámetros de
inicalización
Ejemplo
Ahora, ¿qué pasa se quito algunas de las observaciones que me están creando el
sesgo? (borrando d de las n observaciones – promedios acumulados)
n
1
Y.. (n, d )
nd
Y
j d 1
.j
Estimación del error
(
(para llos IC)
Si {Y1, …, Yn} no son estadísticamente independientes, entonces S2/n es un
estimador sesgado de la verdadera varianza (Var (ˆ) ).
• Pasa casi siempre que {Y1, …, Yn} es una secuencia de observaciones de una
p
única replicación ((secuencia autocorrelacionada,, series de tiempo).
p )
n n
1
Var (Y ) 2
n
cov(Y , Y )
i 1 j 1
i j
a) Serie de tiempo estacionaria Y
Serie de tiempo estacionaria Yi
con autocorrelación positiva.
b) Serie de tiempo Yi con
autocorrelación negativa
autocorrelación negativa.
c) Serie de tiempo no estacionaria
Método de Replicación
• Si el sesgo de la inicialización en el estimador puntual ha sido reducido a un
nivel insignificante, entonces el método de replicaciones independientes
puede ser usado para estimar la variabilidad del estimador puntual y así
construir el intervalo de confianza.
1 R
E[Y.. (n, d )] n,d Y.. (n, d ) Yr. (n, d )
R r 1
Método de Replicación
• Si d y n son suficientemente grandes entonces:
– n,d
n d ~
1 R 1 R 2 2 S
S
2
R 1 r 1
(Yr . Y.. )
2
Yr . RY..
R 1 r 1
y e.s.(Y.. )
R
• Finalmente el intervalo de confianza del 100(1‐α)%
S S
Y .. t / 2, R 1 Y .. t / 2, R 1
R R
Método de Replicación
• Longitud de cada replicación (n) a partir del punto de borrado (d):
( d) > 10d
(n ‐ d) 10d
• Para un número fijo (tamaño de muestra n), mientras menos datos se
borren:
– Mayor sesgo.
– Menor varianza
Menor varianza
Reducción Incremento
del Cambio por en la
sesgo varianza
Longitud de la Corrida
Suponga que se quiere estimar la medida de desempeño , con una precisión
Suponga que se quiere estimar la medida de desempeño , con una precisión
de y una confiabilidad del 100(1‐ )%.
• Incrementar el número de replicaciones (ya visto).
– Problema: los datos son dependientes luego el estimador es segado.
– Solución: AGRUPACIÓN (batch means).
S l ió AGRUPACIÓN (b h )
• Batch means: divida los datos resultantes de la replicación 1
Batch means: divida los datos resultantes de la replicación 1 (después del
(después del
periodo de calentamiento apropiado) en lotes grandes y trate las medias de
dichos lotes como independientes.
Agrupación en una Corrida
• ti l ti {Y(t) T0 t
Un proceso continuo en el tiempo, {Y(t), T
U t T0+TE}:
}
– k lotes de tamaño m = TE /k. Media de cada lote:
1 jmj
Yj Y (t T0 )dt
m ( j 1) m
• Un proceso discreto en el tiempo, {Yi, i = d+1,d+2, …, n}:
– k lotes de tamaño m = (n – d)/k. Medias de cada lote:
jm
1
Yj Yi d
m i ( j 1) m 1
Agrupación en una Corrida
Y1 , ..., Yd , Yd 1 , ..., Yd m , Yd m 1 , ..., Yd 2 m , ... , Yd ( k 1) m 1 , ..., Yd km
Borrado Y1 Y2 Yk