TIPOS DE MODELOS DE SIMULACIN. MODELOS DE SIMULACIN ESTTICA VS.

DINMICA Un modelo de simulacin esttica, se entiende como la representacin de un sistema para un instante (en el tiempo) en particular o bien para representar un sistema en el que el tiempo no es importante, por ejemplo la simulacin Montecarlo; en cambio un modelo de simulacin dinmica representa a un sistema en el que el tiempo es una variable de inters, como por ejemplo en el sistema de transporte de materiales dentro de una fabrica, una torre de enfriamiento de una central termoelctrica, etc.. MODELOS DE SIMULACIN DETERMINISTA VS ESTOCASTICA Si un modelo de simulacin no considera ninguna variable importante, comportndose de acuerdo con una ley probabilstica, se le llama un modelo de simulacin determinista. En estos modelos la salida queda determinada una vez que se especifican los datos y relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cmputo para su evaluacin. Sin embargo, muchos sistemas se modelan tomando en cuenta algn componente aleatorio de entrada, lo que da la caracterstica de modelo estocstico de simulacin. Un ejemplo sera un sistema de inventarios de una fbrica, o bien el sistema de lneas de espera de una fabrica, etc. Estos modelos producen una salida que es en si misma de carcter aleatorio y sta debe ser tratada nicamente para estimar las caractersticas reales del modelo, esta es una de las principales desventajas de este tipo de simulacin. MODELOS DE SIMULACIN CONTINUOS VS DISCRETOS Los modelos de simulacin discretos y continuos, se definen de manera anlogo a los sistemas discretos y continuos respectivamente. Pero debe entenderse que un modelo discreto de simulacin no siempre se usa para modelar un sistema discreto. La decisin de utilizar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos especficos de estudio. Por ejemplo: un modelo de flujo de trfico en una supercarretera, puede ser discreto si las caractersticas y movimientos de los vehculos en forma individual es importante. En cambio si los vehculos pueden considerarse como un agregado en el flujo de trfico entonces se puede usar un modelo basado en ecuaciones diferenciales presentes en un modelo continuo. Otro ejemplo: Un fabricante de comida para perros, requiere el auxilio de una compaa consultora con el objeto de construir un modelo de simulacin para su lnea de fabricacin, la cual produce medio milln de latas al da a una velocidad casi constante. Debido a que cada una de las latas se represent como una entidad separada en el modelo, ste resulto ser demasiado detallado y por ende caro para correrlo, hacindolo poco til. Unos meses ms tarde, se hizo una reformulacin del modelo, tratando al proceso como un flujo continuo. Este nuevo modelo produjo resultados precisos y se ejecuto en una fraccin del tiempo necesario por el modelo original.

TIPOS DE SIMULACION Un sistema discreto es aquel en el cual las variables de estado cambian solo en puntos discretos o contables en el tiempo. Un ejemplo tpico de simulacin discreta ocurre en las colas donde estamos interesados en la estimacin de medidas como el tiempo de espera promedio o la longitud de la lnea de espera. Tales medidas solo cambian cuando un cliente entra o sale del sistema; en todos los dems momentos, no ocurre nada en el sistema desde el punto de vista de la inferencia estadstica. Un sistema continuo es aquel en el cual las variables de estado cambian en forma continua a travs del tiempo. Un ejemplo tpico de simulacin continua es el estudio de la dinmica de la poblacin mundial; los modelos de simulacin continua normalmente se representan en trminos de ecuaciones diferenciales en diferencias que describen las interacciones entre los diferentes elementos del sistema. Modelos de simulacin continuos vs discretos Los modelos de simulacin discretos y continuos, se definen de manera anlogo a los sistemas discretos y continuos respectivamente. Pero debe entenderse que un modelo discreto de simulacin no siempre se usa para modelar un sistema discreto. La decisin de utilizar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos especficos de estudio. Por ejemplo: un modelo de flujo de trfico en una sper carretera, puede ser discreto si las caractersticas y movimientos de los vehculos en forma individual es importante. En cambio si los vehculos pueden considerarse como un agregado en el flujo de trfico entonces se puede usar un modelo basado en ecuaciones diferenciales presentes en un modelo continuo.

Variable discreta y variable continua

De Wikipedia, la enciclopedia libre (Redirigido desde Variable discreta) Saltar a navegacin, bsqueda

Una variable discreta es sencillamente una variable para la que se dan de modo inherente separaciones entre valores observables sucesivos. Dicho con ms rigor, se define una variable discreta como la variable tal que entre dos cualesquiera valores observables (potencialmente), hay por lo menos un valor no observable (potencialmente). Por ejemplo, un recuento del nmero de colonias de un cultivo en agar es una variable discreta. Mientras que cuentas de 3 y 4 son potencialmente observables, no lo es una de 3,5. Una variable continua tiene la propiedad de que entre 2 cualesquiera valores observables (potencialmente), hay otro valor observable (potencialmente). Una variable continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Longitudes y pesos son ejemplos de variables continuas. La estatura de una persona, por ejemplo, puede ser de 1,70 m o de 1,75 m, pero en potencia al menos podra tomar cualquier valor intermedio, como 1,7351 m. Un atributo esencial de una variable continua es que, a diferencia de una variable discreta, nunca se la puede medir exactamente. Con una variable continua debe haber inevitablemente un error de medida.

Distribucin de probabilidad
De Wikipedia, la enciclopedia libre Saltar a navegacin, bsqueda

La distribucin Normal suele conocerse como la "campana de gauss". En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los eventos rango de valores de la variable aleatoria. Cuando la variable aleatoria toma valores en el conjunto de los nmeros reales, la distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x.

Contenido
[ocultar]

1 Definicin de funcin de distribucin 2 Propiedades 3 Distribuciones de variable discreta o 3.1 Distribuciones de variable discreta ms importantes 4 Distribuciones de variable continua o 4.1 Distribuciones de variable continua ms importantes 5 Enlaces externos

[editar] Definicin de funcin de distribucin

Dada una variable aleatoria todos son puntos , su funcin de distribucin, , es

Por simplicidad, cuando no hay lugar a confusin, suele omitirse el subndice escribe, simplemente, .

y se

[editar] Propiedades
Como consecuencia casi inmediata de la definicin, la funcin de distribucin:

Es una funcin continua por la derecha. Es una funcin montona no decreciente.

Adems, cumple

Para dos nmeros reales cualesquiera a y b tal que (a < b), los sucesos son mutuamente excluyentes y su unin es el suceso tenemos entonces que:

y , por lo que

y finalmente

Por lo tanto una vez conocida la funcin de distribucin F(x) para todos los valores de la variable aleatoria x conoceremos completamente la distribucin de probabilidad de la variable. Para realizar clculos es ms cmodo conocer la distribucin de probabilidad, y sin embargo para ver una representacin grfica de la probabilidad es ms prctico el uso de la funcin de densidad.

[editar] Distribuciones de variable discreta

Distribucin binomial. Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores positivos en un conjunto de valores de X finito o infinito numerable. A dicha funcin se le llama funcin de masa de probabilidad. En este caso la distribucin de probabilidad es el sumatorio de la funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta expresin representa la suma de todas las probabilidades desde hasta el valor x.

[editar] Distribuciones de variable discreta ms importantes

Las distribuciones de variable discreta ms importantes son las siguientes:

Distribucin binomial Distribucin binomial negativa Distribucin Poisson

Distribucin geomtrica Distribucin hipergeomtrica Distribucin de Bernoulli Distribucin Rademacher, que toma el valor 1 con probabilidad 1 / 2 y el valor -1 con probabilidad 1 / 2. Distribucin uniforme discreta, donde todos los elementos de un conjunto finito son equiprobables.

[editar] Distribuciones de variable continua

Distribucin normal. Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores existentes dentro de un intervalo. En el caso de variable continua la distribucin de probabilidad es la integral de la funcin de densidad, por lo que tenemos entonces que:

[editar] Distribuciones de variable continua ms importantes

Las distribuciones de variable continua ms importantes son las siguientes:

Distribucin ji cuadrado Distribucin exponencial Distribucin t de Student Distribucin normal Distribucin Gamma Distribucin Beta Distribucin F Distribucin uniforme (continua)