Documente Academic
Documente Profesional
Documente Cultură
CURSO
ALUMNO
: SIMULACIN DE SISTEMAS
PIURA PERU
2016
ndice
pg.
Esquema del contenido
procesos uniformes3
Procesos exponenciales.4
Proceso Erlang.5
1) Procesos uniformes
1
axb
f (x) =
0
;
otro caso
La media y la varianza de esta distribucin son:
E(x)=
+
2
; v(x)=
() 2
12
F(x)=
1
dx
b
a
a
f ( x)dx
a
x
F(x)=
F(x)= =
r= entonces r (b-a)=x-a
x=a+ (b-a) r
Ejemplo
La temperatura de una estufa se comporta uniformente dentro del rango 95C a 100C a travs
de una lista de nmeros pseudoaleatorios modele el comportamiento de la variable aleatoria
que simula la temperatura dela estufa tome los valores pseudoaleatorios
0.48, 0.82, 0.69, 0.67, 0.00
Compare la esperanza media calculada con la simulada
x=95+ (100-95) ri
Tabla de simulacin
2) Procesos exponenciales
Es usada extensivamente en modelos de colas es la nica distribucin continua que le permite
recordar el tiempo de un evento y se utiliza generalmente para modelar el tiempo entre
arribos sucesivos
Ejemplo
El tiempo entre fallas
Tiempo entre llegadas de clientes, etc.
La funcin de densidad de la distribucin exponencial es la siguiente
x0; 0x
f (x) =
0
() = 0 ; V(x) = 0 ( )2
Despus de haber integrado obtenemos el siguiente generador
X=
ln(1)
()2
donde () = ; () =
Ejemplo
Los datos histricos de tiempo de servicio en la caja de un banco se comporta de forma
exponencial con () = 3 / una lista de nmeros pseudoaleatorios est definida
por
rn+1= (7rn+23)mod 59 a partir de estos datos simule el comportamiento de la variable aleatoria
para 5 nmeros pseudoaleatorios:
Asuma un valor inicial de 17
4
Tiempo de servicio
() = 3
1
=
X=3ln(1 )
Tabla de simulacin
3) Proceso Erlang:
Una variable aleatoria con distribucin Erlang es usada generalmente un modelos de colas
como una extensin de la exponencial
La funcin de probabilidad de la distribucin Erlang se define como
F(x)=
1
(1)!
K>0
K es un entero
Si k=1 entonces f(x)=
Su media y varianza estn definidas como
() =
, () =
X= [=1(1 )]
Ejemplo
El tiempo de proceso de cierta pieza sigue una distribucin 3-Erlang con media de 8
X: tiempo
Erlang estudia el tiempo
() =
K=3
3
8= entonces
() = 2
= 8
X=8 [ =1(1 )]
Nmeros speduoaleatorios tomar de nuestra tabla generada
Tabla de (1-ri)
=(1-ri)*(1-ri+1)*(1-ri+2); x=-(3/8)*ln ( )
Error=|8-0.75275|*100/8
1(()/)2
2
Tabla de simulacin
Experimento de Bernoulli
En general: acepta 2 valores 0 y 1
1) Procesos binomiales
Es un proceso en el que se repite n ensayos de Bernoulli donde cada ensayo tiene una
probabilidad de xito =p una variable aleatoria binomial es asociada al nmero de veces
que ocurre un evento (xito) en un conjunto de n ensayos de Bernoulli
La funcin de probabilidad para la distribucin se expresa como
() = ( ) (1 )
= 1, 2, 3,
Cuyos parmetros son n y p
n nmero de ensayos
p probabilidad de xito
Adems su media y varianza estn definidas por
() =
() = (1 )
Fracaso
rip
Xx+1
Fin
Ejemplo
Se lanza moneda 4 veces calcular la probabilidad de que salga ms caras que sellos
n=4, p=1/2, p=1/2
P(x>=3)=p(x=3)+p(x=4)
1
2 Procesos geomtricos
Es un proceso en que se repite n ensayos de Bernoulli hasta que ocurre el primer xito donde
la probabilidad es p
La variable aleatoria x tiene la siguiente distribucin geomtrica
() = (1 ) , = 0,1,2,3 . .
Su media y varianza est dada por:
) =
1
, () = (1 )/2
ln(1 )
Tabla de simulacin
Como podemos observar para que salga un 3 lanzamos 10 veces el dado con una probabilidad
de 0.03230
, = 1, 2, 3, . .
(1 )
, () = (1 )/2
=1 ()
ln (1)
Generador pascaliano
Ejemplo
Genere una variable aleatoria a partir del lanzamiento de un dado hasta que aparezca el
nmero 6 en 2 oportunidades
Utilice la distribucin pascaliana
10
P=1/6 q=5/6
K=2 por lo tanto
X=ln((0.00018)*(0.01504))/ln(5/6)
X=70.3
4 proceso de poisson
La distribucin de poisson est asociada a la ocurrencia de eventos discretos en intervalos de
eventos discretos en intervalos continuos (tiempo, distancias, volmenes, superficies, etc)
Se usa extensivamente en modelos de colas para modelar el nmero de llegadas en un
intervalo de tiempo
La probabilidad de x ocurrencias est dado por la siguiente funcin
() =
; = 0, 1, 2, . .
Donde : es nmero medio de ocurrencias por unidad de tiempo y su media y varianza son
iguales
() = () =
() = =0
Ejemplo
El nmero de clientes que llega a un banco est descrita por una distribucin poisson con una
media de 4 arribos cada media hora simule el arribo de los clientes sobre el arribo de los
clientes sobre el periodo de una hora
= 8
= 6
1 hora 6 clientes
X minutos 1 cliente
Bibliogrfica
Simulacin (un enfoque prctico)
Ral Coss Bu
12