Qu es la simulacin?

Es una tcnica de experimentacin en que se usan modelos logico

matematicos. Puede ser deterministica o probabilistica.Puede pensarse en la
experimentacin como en un mtodo organizado de prueba y errorque usa
un modelo del mundo para obtener informacin.
La simulacin acorta tiempo y es menos costosa.
PROCEDIMIENTO DE SIMULACION
PASO 1: DEFINICION DE LOS OBJETIVOS
Una simulacin puede llevarse a cabo como ayuda para entender un
sistema existente o como apoyo para disear un nuevo sistema.
Es importante que los objetivos esten definidos con claridad, Los objetivos
influyen en el diseo del experimento.
PASO 2: FORMULACION DEL MODELO
La tarea es desglosar en trminos lgico matematicos precisos:
1. Las componentes que deben incluirse.
2. Comportamiento de las componentes
3. Sus relaciones
La meta es formular un modelo vlido y seguro con un mnimo de
complejidad.
PASO 3: DISEO DEL EXPERIMENTO
Se ahorra mucho tiempo y esfuerzo, sis e trabaja en los procedimientos
experimentales antes de corre el modelo.
qu medidas se tiene que tomar?. qu incrementos de tiempo se usarian?
Cul serla duracin total?
Deben tomarse en cuenta las respuestas a estas y otras preguntas al
desarrollar un plan para el experimento?
PASO 4: REALIZACION DEL EXPERIMENTO
Esto es de hecho correr el modelo. Aqu se debe marcar el tiempo
apropiado, hacer las observaciones necesarias y registras los datos para el
analisis.
PASO 5: EVALUACION DE LOS RESULTADOS
Casis siempre la simulacin da resultados estadisticos: promedios y
distribuciones de probabilidad
En la practica, estos 5 pasos se traslapan considerablemente.
El orden de los pasos es menos significativo que el que se ejecuten por
completo.

GENERACION DE VALORES DE UNA VARIABLE ALEATORIA

Como muchas simulaciones incluyen variables alaetorias, es necesario
conocer como seleccionar valores especificos de esta variable

PROCESO DE MONTE CARLO

Es un procedimiento de 2 pasos para generar valores de una variable
alatoria de acuerdo con una distribucin de probabilidad dada
Paso 1: Generar nmeros aleatorioas, los cuales deben tener una
distribucin de probabilidaduniforme
Paso 2: Transformar los nmeros aleatorios con distribucin uniforme en el
valor que se desea, de acuerdo con la distribucin que se quiere.
Para transformar un nmero aleatorio distribuido uniformemente en uno que
tenga la distribucin deseada puede aplicarse cualquiera de los tres
mtodos: grfico, matemtico o tabular
METODO TABULAR
Se ampliamente por su simplicidad
Su procedimiento es el siguiente:
1. Se construye una tabla de cada valor de la variable aleatoria y su
probabilidad asociada.
2. Se tabula la distribucin acumulada.
3. Se establecen intervalos de nmeros aleatorios usando la
probabilidad acumuladas como lmites superiores de cada intervalo.
De esta manera se ha creado un cdigo para interpretar los nmeros
aleatorios con la distribucin de probabilidad deseada.

TABLA N 1
Tiempo entre llegadas
Tiempo
(minutos)

Probabilidad

Probabilidad
acumulada

Intervalos

1
3
5
7

0.05
0.25
0.60
0.10

0.05
0.30
0.90
1.00

0.01 - 0.05
0.06 - 0.30
0.31 - 0.90
0.91 - 1.00

0.96
0.68
0.72
0.20
0.97

NUMEROS ALEATORIOS
0.69
0.82
0.99
0.69
0.84
0.12
0.01
0.13
0.87
0.94

0.55
0.25
0.89
0.55
0.26

VERIFICACION DE LA REPRESENTATIVIDAD
Cuando se emplea el proceso de Monte Carlo es importante revisar los
valores generados para comprobar si son reprsentativos de los que se
esperaba. La distribucion de los valores debe corresponder de cerca a la
distribucin dada para la variable. Si nos es as, se deben rechazar estos
valores y desarrollar un nuevo conjunto.
LLEGADA
NUMERO

1
2
3
4
5
6
7
8
9
10

NUMERO
ALEATORIO

TIEMPO ENTRE
LLEGADAS
(m inutos)

0.68
0.86
0.38
0.27
0.30
0.72
0.56
0.86
0.76
0.92

5
5
5
3
3
5
5
5
5
7

CONFIABILIDAD Y VALIDACION DEL MODELO

Se dice que el modelo es confiable si replicas identicas llevan los mismos
resultados.
Un modelo es vlido si los resultados de la simulacin son semejantes a los
que se obtendran del sistema real, es decir, del sistema que se esta
modelando.
La validdez es mas difcil de demostrar.

La prueba bsica de una simulacin es el hecho de que proporcione o no

informacin ms valiosa que su costo.

EJEMPLO N 1: ANALISIS DE GANANCIA

Supongase que una firma est considerando la introduccin de un nuevo
producto al mercado. Se sabe con una informacin razonable que el costo
fijo es de $10,000 y que el precio de venta debe ser de $2 por razones
competitivas. La firma quiere por lo meos alcanzar el punto de equilibrio en
el primer ao de ventas.
Este problema surge gracias a la incertidumbre en cuanto a que los costos
variables estarn entre $0.95 y $1.04. Se piensa que la demnada depender
de la reaccion de los competidores. Si reaccionan rapidamente el primer
ao, se espera que la ventas sean de 8000, 9000 o 10,000 unidades. Si no
hay reaccin fuerte, entonces las ventas pueden llegar a 10,000, 11,000 0
12,000 unidades. La firma piensa que existe un 60% de posibilidades de que
sus competidores reaccionen fuertemente.
La administracin desea saber el riesgo de seguir adelante con el producto.
qu posibilidades existe de llegar al punto de equilibrio?
Pasos:
1. Definicin de los objetivos
Cul es el objetivo en este problema?
2.

Formulacin del Modelo

Cul es el modelo propuesto?

3.

Diseo del experimento

Cul seria el diseo del experimento?
4. Realizacin de experimento
Cmo se realizara el experimento?

COSTO
VARIABLE

0.95
0.96
0.97
0.98
0.99
1.00
1.01
1.02
1.03
1.04

PROBABILIDAD

0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10

PROBABILIDAD
INTERVALOS
ACUMULADA

0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00

0.01 - 0.10
0.11 - 0.20
0.21 - 0.30
0.31 - 0.40
0.41 - 0.50
0.51 - 0.60
0.61 - 0.70
0.71 - 0.80
0.81 - 0.90
0.91 - 1.00

REACCION
COMPETITIVA

PROBABILIDAD

Fuerte
Debil

0.6
0.4

DEMANDA
Reaccion
fuerte

PROBABILIDAD

8000
9000
10000
DEMANDA
Reaccion
debil

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

PROBABILIDAD
INTERVALOS
ACUMULADA

0.33
0.33
0.33
PROBABILIDAD

10000
11000
12000

PROBABILIDAD
INTERVALOS
ACUMULADA

Costo variable
N aleatorio
Costo $
1.00
0.07
0.64
0.29
0.35
0.50
0.91
0.05
0.73
0.30
0.28
0.82
0.72
0.82
0.89
0.88
0.85
0.33
0.58
0.58

PROBABILIDAD
INTERVALOS
ACUMULADA

0.33
0.33
0.33

Reaccin competitiva
N aleatorio
Reaccin
0.51
0.65
0.55
0.82
0.70
0.33
0.66
0.52
0.67
0.39
0.60
0.83
0.35
0.66
0.52
0.47
0.98
0.03
0.55
0.70

Demanda
N aleatorio
Demanda
0.68
0.18
0.17
0.32
0.41
0.15
0.81
0.61
0.88
0.35
0.13
0.90
0.70
0.30
0.80
0.52
0.98
0.00
0.98
0.24

Resultados
Ganancia Mnima
Ganancia Mxima
Ganancia Promedio
Ganancia Mediana

$-2400
$2400
$-266
$-200

Ganancia $

%
18
15
13

12
11
7

18

7
5
4

-2500

12000

-1500

-1000

-500

500

1000

1500

GANANCIA EN MILES $

200

2500