Escolar Documentos
Profissional Documentos
Cultura Documentos
SINALOA
FACULTAD DE INGENIERÍA
MOCHIS
(FIM)
INGENIERÍA CIVIL
“Lab. De Ingeniería de Sistemas Aplicada”
Práctica #5: “Simulación de Sistemas
(Aplicaciones Generales).
”
Grupo: 3 – 04
Brigada: 13
Profesor: Ing. Jaime Edilberto
Rabago Aguirre
Alumno: Ruiz Rivera Manuel
Alberto
16 de Abril de 2018
Los Mochis, Sin
PRACTICA No.5
MODELO DE SIMULACIÓN
FUNDAMENTO TEÓRICO
La mayor parte de las simulaciones se llevan a cabo en hojas de cálculo, debido a que el
número de cálculos requeridos sobrepasa pronto las capacidades humanas. Las simulaciones
se pueden llevar a cabo con la hoja de cálculo sola (sin la ayuda de software complementario
especial), como se demostrará en esta sección. Aquí presentaremos un ejemplo del presupuesto
de capital para mostrar el uso de una hoja de cálculo en la simulación y para establecer
algunos puntos importantes sobre los resultados de una simulación en una hoja de cálculo.
Sin embargo, es poco probable que la demanda sea exactamente igual cada año. June siente
que sería más realista modelar la demanda cada año no como un valor constante común, sino
como una secuencia de variables aleatorias. Este modelo de la demanda es apropiado cuando
hay un nivel constante básico de demanda que está sujeta a fluctuaciones aleatorias de un año
a otro. Cuando el nivel básico de demanda es de 10 unidades, la demanda real para los
siguientes cuatro años puede resultar que sea de 12, 9, 8 y 10, debido a los factores aleatorios
que afectan la demanda.
Como hacer una muestra de la demanda con una hoja de cálculo: June decide generar la
demanda aleatoria para cada uno de los cuatro años para ver cuál es el efecto que tiene la
variación de la demanda del VNA. Ella supuso inicialmente que la demanda en un año será de
8, 9, 10, 11 o 12 unidades con una misma posibilidad de que ocurra cada valor. Este es un
ejemplo de una distribución discreta uniforme. Mediante su nuevo conocimiento de la sección
11.2, ella utiliza la formula =ENTERO(8+5*ALEATORIO( )) para hacer una muestra de la
distribución discreta uniforme de los cinco enteros 8, 9, 10, 11, 12. Debido a que el valor de
ALEATORIO( ) cambiara cada vez que se recalcule la hoja de cálculo, June puede llevar a
cabo fácilmente ensayos múltiples; esto es, obtener una nueva muestra de la demanda
oprimiendo simplemente la tecla de recalculo de su hoja de cálculo (F9 por lo general).
Después de hacer esto varias veces se sorprendió de encontrar que en algunos ensayos obtenía
un VNA negativo.
La figura 11.10 muestra que el VNA correspondiente a una secuencia aleatoria de demandas es
de $2,515.71, aproximadamente 80% menos que el VNA si la demanda fuera constante en 10
años. Si –June volviera a presionar la tecla F9, obtendría una muestra diferente de la demanda,
y por tanto la posibilidad de un VNA diferente. Debido a que la demanda puede variar de
una muestra a otra, también puede variar el VNA. Dicho de manera más técnica, la
demanda consiste en variables aleatorias, por lo tanto el VNA también es una variable
aleatoria.
Figura 11.9
Celda Fórmula Cópiese a
C10 =C9*$B$3 D10:F10
C11 =$B$4 D11:F11
C12 =C10*$D$2 D12:F12
C13 =$B$5 D13:F13
C14 =C10-SUMA(C11:C13) D14:F14
C15 =$D$4*C14 D15:F15
C16 =C14-C15 D16:F16
B17 =-$B$2 ---------
C17 =C16+C13 D17:F17
B19 =VNA($D$3,C17:F17)+B17 --------
Figura 11.10
June se da cuenta de que necesita elaborar un modelo de simulación para que le ayude a
responder dos preguntas acerca de la distribución del VNA: (1) ¿Cuál es la media o el valor
esperado del VNA? Y (2) ¿Cuál es la probabilidad de que el VNA asuma valor negativo?
Entre más grande sea el valor de VNA y –quizás más importante- entre menos posible
sea el VNA logre ser negativo, más atractiva será la propuesta de añadir el G-9 a la línea
de producción de PROTRAC.
Así que el siguiente paso es ejecutar automáticamente la simulación cierto número de veces y
capturar el VNA resultante en una hoja de cálculo por separado. Esto se puede hacer con
bastante facilidad con el comando Tabla de datos de la hoja de cálculo, como sigue:
2.- Haga clic en el menú Datos y después en análisis “y si” y luego Tabla de datos como se
muestra a continuación.
3.- En el cuadro de dialogo Tabla, determine que la celda C1 sea la columna de entrada.
Excel entonces sustituirá cada valor en el rango de A2 a A101 en la celda C1 (que no tiene
ningún efecto real), recalcularla la hoja de cálculo y guardara los VNA resultantes en las
celdas adyacentes de la columna B. Después de hacer esto, usted deberá tener una lista de
los valores en la columna B respectivamente 100 valores posibles del VNA, similares a
los que se muestran en la figura 11.11. Los números que usted generen no corresponderán
con los que aparecen en la figura 11.11. Recuerde que este procedimiento produce una
muestra aleatoria de 100 ensayos a partir de un número infinito de posibles resultados. Con
un poco de suerte, las características generales de su muestra deberían ser similares a las
que aparecen aquí.
A fin de enfocarnos en estas 100 observaciones, vamos a convertir las formulas en los
valores siguiendo un procedimiento simple:
Cuadro de complementos
1. Menú Datos, después análisis de datos (se encuentra en la parte superior derecha).
Distribución de resultados Aunque los datos de la figura 11.13 ofrecen más información que
en el caso básico VNA, existen otros factores que debemos considerar. ¿Qué tan posible es que
ocurran estos resultados extremos (mejor caso, peor caso)? A fin de responder a esta pregunta,
necesitamos saber algo acerca de la distribución de VNA. Afortunadamente, Excel también
tiene algunas características predeterminadas para ayudarnos. Para generar un histograma (una
distribución grafica de los VNA) así como una tabla de frecuencia numérica, solo siga estos
pasos:
MODELOS PROBABILÍSTICOS
¿Qué tan confiable es la simulación? June ahora tiene las respuestas a sus dos preguntas
acerca de la distribución del VNA: (1) ¿cuál es el valor medio del VNA? (A:$12,100), y (2)
¿Cuál es la probabilidad de que el VNA asuma un valor negativo? (A: > 15%). Ahora haremos
más preguntas: ¿Cuánta confianza tenemos en las respuestas que obtuvo June? ¿Tendríamos
más confianza si ella hiciera más ensayos?
Histograma y tabla de frecuencias
Con certeza, se piensa que entre más ensayos hagamos, más confianza tendremos en nuestras
respuestas. Pero ¿Qué tanta confianza podemos tener en las 100 iteraciones que ya hicimos?
Desde el mundo de la estadística, recordemos que podemos construir intervalos de confianza
con base en los resultados obtenidos. Por ejemplo, podemos tener 95% de confianza en que el
verdadero valor medio VNA está dentro del intervalo
De 1.95 desviación estándar reportada, dividida entre la raíz cuadrada del número de ensayos.
Este intervalo de 95% de confianza en la media fue calculado por June y dado a conocer en la
figura 11.13 como ($9.679.44, $14,521.30 dicho de otra manera podemos tener 95% de
confianza en que la verdad media del VNA está en algún punto entre $9.679 y $14,521 siendo
nuestra mejor aproximación $12,100.
Debemos tener cuidado con no caer en la trampa del “valor esperado”! muchos estudiantes
creen que la media real del VNA puede calcularse siempre estableciendo todas las variables
alectorias por sus valores medios ¡( establecer todas las demandas en 10 en este ejemplo).esto
es lo que June tenían en su hoja de cálculo inicial (véase la figura 11.9) pero no hay garantía
alguna del que VNA obtenido en esta manera sea también simulada verdadera aunque puede
parecer lógico hay algunas debilidades potenciales en este razonamiento. Primero la manera
en que se utiliza de la demanda para calculas los flujos de efectivo anule para después
convertidos en un solo número de VNA (o cualquier otra media de desempeño) puede ser
altamente no lineal.
Existen casos donde este razonamiento intuitivo funcionar pero esto no ocurrirá siempre
Un simple ejemplo de una de las expresiones de la vida diaria debería convencerlo de que el
VNA(o cualquier otra media de desempeño) calculada con el valor esperado de las variables
alectorias no es necesario igual al VNA esperado considera una fila o cola
De espera en la tienda de comestible suponga que el tiempo esperado para atender a un cliente
es de 0.9 minutos y que el tiempo promedio entre la llegada de los clientes es de 1 minuto. Al
examinar la situación utilizando los valores esperados usted presidiría que el tiempo de espera
será en promedio de 0 minutos (evito a que los clientes son atendidos más rápido de lo que
llegan) pero todos sabemos que el tiempo de espera promedio es motor que 0 minutos a pesar
de que a veces somos afortunados y no tenemos que esperar.
En resumen June necesita más de 100 ensayos si desea respuesta más precisas a sus preguntas
¿Qué es lo que hemos aprendido?
1. Aumentar el número de ensayo puede dar una mejor estimación del rendimiento
esperado pero incluso con un mayor número de ensayos puede haber entre el promedio
simulado y el rendimiento esperado real Observe que el VNA esperado real en el
ejemplo de June resulta ser de $ 12455.6; el VNA promedio de 100 muestras fue de
12100.37 (un error de 2.85 %).
3. los resultados de la simulación son sensibles a las hipótesis que afectan los parámetros
de entrada. La sección siguiente nuestra que si June cambiar sus suposiciones acerca de
la distribución de la demanda (a una distribución de POISSON con la misma medida
de 10) abría un impacto importante en la probabilidad de que se produjera un VNA
negativa (se incrementa de aproximadamente 0.15 a cerca de 0.27).
ENTREGAR DE REPORTE