Documente Academic
Documente Profesional
Documente Cultură
Ejemplo:
Lance 2 dados para estimar su suma
Qu resultados obtiene?
RPLICAS DE SIMULACIN
Rplicas
Ejecute la simulacin y saque m muestras de cada ejecucin. Complete n ejecuciones
y11, y12, y13, , y1m;
({y1i, y2i, y3i, , yni} dado que son IID. para cada Yi)
Estimators
n
j (m)
y
i 1
ji
m
n
y i (n)
y
j 1
ji
7
Fuente: http://www.fing.edu.uy/inco/cursos/simulacion/archivos/clases/clase07web.pdf
30
25
Minutes
20
15
10
5
0
0
500
1000
1500
2000
2500
TNow
Promedio
incluyendo el
estado
transitorio
Promedio
excluyendo
estado
transitorio
10
Simulacin Terminal: Hay un evento "natural" que sugiere una longitud para cada
ejecucin.
Ejemplos
Un modelo de planificacin de inventario con un horizonte fijo.
Un contrato para construir cuatro plataformas petroleras en los astilleros de Halifax.
Simulacin no terminal: No hay un acontecimiento natural para terminar el modelo.
Ejemplos
Una planta que est abierta de 8 horas por da y nunca se vaca.
11
Otros estados: Existen sistemas que estn en constante cambio, por lo que no
existe el estado estacionario. Por ejemplo, un sistema en el que la tasa de
llegada est cambiando constantemente.
12
1 n
Xj
n j 1
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
1 n
X ( n) X j
n j 1
X (n) t n 1,1 / 2
S 2 ( n)
n
PROCEDIMIENTO DE TAMAO DE
MUESTRA FIJA
14
EJEMPLO 9.15
Para un sistema de inventario en particular, supongamos que queremos obtener la
media y el intervalo de confianza del 90% ( = 0,10) para el costo esperado en un
horizonte de planificacin de 120 meses. Hacemos 10 repeticiones de 120 meses.
Replication Avg Cost
1
129,35
2
127,11
3
124,03
4
122,13
5
120,44
6
118,39
7
130,17
8
129,77
9
125,52
10
133,75
Avg:
Var:
S 2 ( n)
n
126.07 1.833
23.55
10
126.07 2.81
[123.26,128.88]
126,07
23,55
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
En 9.4.1 Law y Kelton muestran que los INTERVALOS DE CONFIANZA PUEDE SER
INEXACTOS SI EL NMERO DE RPLICAS ES PEQUEO, o LA FORMA DE LA
DISTRIBUCIN SUBYACENTE ES MUY DESIGUAL.
Utilizan un M/M/1 con = 0,9 y calculan el retraso medio en el sistema de las
primeros 25 clientes.
La media real de este modelo es conocido por ser 2,12.
A continuacin, llevan a cabo 500 experimentos usando diferentes nmeros de
rplicas (n = 5, 10, 20, 40) para construir intervalos de confianza del 90%.
Entonces determinaron la proporcin de estos experimentos en los que el intervalo
de confianza sugerido por la simulacin cubri la media real.
Nota: Recuerde que si estamos utilizando un intervalo de confianza del 90%, es de
esperar que el 90% de las veces la media real debe estar contenido dentro del
intervalo de confianza.
16
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Prueba de Intervalo de Confianza
M/M/1
n
5
10
20
40
Coverage
.880+/- .024
.864+/- .025
.886+/- .023
.914+/- .021
E( Falla|Componente Nuevo)
n
5
10
20
40
Coverage
.708+/- .033
.750+/- .032
.800+/- .029
.840+/- .044
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
A veces vamos a querer ejecutar la simulacin de repeticiones "suficientes" para alcanzar un
determinado grado de precisin en el CI. La precisin es especificada con anterioridad con el fin
de encontrar un n que
| X (n) | .
donde es un nmero fijo.
Supongamos que ya hemos hecho n repeticiones del ensayo y que S2(n) esta cerca de la Var (X).
n ( ) min{i n : ti 1,1 / 2
*
a
S 2 ( n)
}.
i
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Ejemplo: Error Absoluto
Digamos que en nuestro ejemplo (9.15) se desea tener un error absoluto de no ms de 0,80
minutos con un nivel de confianza del 90%.
S 2 ( n)
n min i n : ti 1,1 / 2
i
*
a
S 2 ( n)
min i n : ti 1,.95
i
23.55
min i n : ti 1,.95
.10
i
Tratando
con valores
de i
diferentes
50
60
70
80
90
100
110
1.677
1.671
1.667
1.664
1.662
1.660
1.659
1.151
1.047
0.967
0.903
0.850
0.806
0.768
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
A veces vamos a querer ejecutar la simulacin de repeticiones "suficientes"
para alcanzar un nivel de precisin en relacin con nuestro media
| X ( n) |
S 2 ( n)
ti 1,1 / 2
i
nr ( ) min i n :
repeticiones. Sea
1
X n
*
Luego necesitamos tener nr ( ) - n repeticiones adicionales para lograr la
PROCEDIMIENTO PRECISIN :
ERROR RELATIVO
20
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Intervalos de confianza: Ejemplo Error Relativo
Digamos que en el ejemplo (9.15), nosotros deseamos tener un error relativo de no
ms de 1% con una confianza del 90%.
Probando diferentes valores de i:
S 2 ( n)
ti 1,1 / 2
I
ti-1,.95
CI Half
i
*
nr min i n :
20
1.729
1.876
1
X n
30
1.699
1.505
40
1.685
1.293
23.55
t
i 1,.95
.01
i
min i n :
126.07
1
.01
23.55
min i n : ti 1,.95
1.27
i
50
60
70
80
90
100
110
1.677
1.671
1.667
1.664
1.662
1.660
1.659
1.151
1.047
0.967
0.903
0.850
0.806
0.768
Vemos quePROCEDIMIENTO
se necesita un total de 50
PRECISIN :
observaciones. Ya
hemos recogido
10, queremos
ERROR
RELATIVO
simplemente necesitamos 40 ms.
21
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Una pregunta que surge en una simulacin terminal es la correcta seleccin de una condicin de
partida inicial.
1) Perodo de calentamiento
Ejecute el programa de simulacin por un tiempo, descartar todos los datos obtenidos hasta
el momento, y utilizar slo los datos recogidos despus de este punto.
Por ejemplo, decimos que estamos interesados en la simulacin de la operacin de un banco de
12:00-01:00.
Podramos comenzar la simulacin a las 9:00 sin clientes en el sistema y luego tirar todas las
estadsticas recopiladas antes de las 12:00.
SELECCIONANDO CONDICIONES
INICIALES
22
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
EL ANLISIS ESTADSTICO DE LOS PARMETROS DE ESTADO ESTACIONARIO
Definir X = (Y1, Y2, , Ym). Nosotros estamos preocupados por lo que ocurre desde la 1ra vez
a la m. Por ejemplo, queremos estimar E(X) a travs de una ejecucin de la simulacin.
Pero, en general, se esperara que las observaciones al inicio de la ejecucin de la
simulacin sean poco representativa del estado estacionario y podra sesgar nuestra
simulacin a menos que realicemos una muy, muy, larga ejecucin de nuestra simulacin.
SOLUCIN: .
23
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Por lo tanto, para reducir la longitud de las ejecuciones de nuestra simulacin, vamos a
establecer un "perodo de calentamiento" para nuestro modelo:
Idea: para borrar un nmero de observaciones desde el inicio de la carrera.
m
Un estimador de E(Y):
Y (m, l )
i l 1
ml
Ejemplos La cola M/M/1, a la espera de tiempo D1, D2, , Dm, D. Modelo de inventario, costo
total por mes C1, C2, , Cm, C.
24
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Mtodo de Welch de Ventana Mvil:
Haga n repeticiones y tome m observaciones (m es grande): Yj1, , Yjm
n
Haciendo
Yi Y ji / n
j 1
w
1
Se obtiene una secuencia de promedios
(2w 1) Yi s , if i w 1,..., m w;
s w
La Ventana Mvil: Una media mvil centrada en i: Y ( w)
i
i 1
1
Yi s , if i 1,..., w.
(2i 1) s
( i 1)
Graficar la secuencia. Elija l tal que el grfico es relativamente suave despus de este punto.
Pruebe diferentes valores de w. Cuando w es pequeo, el grafico puede ser "irregular". Cuando w
es grande, el grfico puede estar demasiado agregado.
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Ejemplo: Welch
Supongamos la siguientes salidas de las primeras 15 horas simuladas de un modelo en particular.
Replica
1
2
3
4
5
Promedio
1
0,76
0,83
0,80
0,72
1,34
0,89
m=
w=
Muestra
Lower I
Upper I
Media Mvil
1
1,00
1,00
0,89
2
0,78
0,82
1,28
1,25
3,36
1,50
15
2
2
1,00
3,00
1,50
3
2,18
0,75
1,38
2,52
3,67
2,10
4
2,73
3,70
2,97
5,20
3,68
3,66
5
4,12
1,44
1,70
2,68
2,61
2,51
6
6,24
2,38
2,37
3,52
3,14
3,53
Observaciones
7
8
9
7,48 6,00 11,84
2,90 2,86
3,74
0,86 5,04
1,32
1,95 5,54
1,90
5,87 1,10
0,97
3,81 4,11
3,95
4
2,00
6,00
2,66
5
3,00
7,00
3,12
6
4,00
8,00
3,52
7
8
5,00 6,00
9,00 10,00
3,58 3,84
10
9,00
3,38
1,76
3,19
1,70
3,80
11
10,52
3,38
0,76
3,19
1,70
3,91
12
10,22
3,38
0,76
3,00
1,89
3,85
13
3,00
4,00
5,00
6,00
1,00
3,80
14
2,10
4,83
7,32
3,01
1,98
3,85
15
2,08
3,82
6,10
4,40
2,70
3,82
9
10
7,00 8,00
11,00 12,00
3,92 3,93
11
9,00
13,00
3,86
12
13
10,00 11,00
14,00 15,00
3,84 3,85
14
0,00
0,00
15
0,00
0,00
Welch
3
1,00
5,00
2,13
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Ejemplo: Welch
Los estudiantes siempre tienen problemas con los subndices de Welch. Pero tenga en cuenta: El
promedio mvil no es ms que una media mvil de 2w centrado en i. Si i-w es menor que 1,
simplemente establecemos 1 como lmite inferior y ajustamos el lmite superior por lo que tenemos
una ventana simtrica. Nos detenemos en el punto en que el lmite superior (i + w) = m.
Rplicas
1
2
3
4
5
Promedio
1
0,76
0,83
0,80
0,72
1,34
0,89
m=
w=
Lower I
Upper I
Media Mvil
1
1
1
0,89
2
0,78
0,82
1,28
1,25
3,36
1,50
15
2
2
1
3
1,50
3
2,18
0,75
1,38
2,52
3,67
2,10
4
2,73
3,70
2,97
5,20
3,68
3,66
5
4,12
1,44
1,70
2,68
2,61
2,51
6
6,24
2,38
2,37
3,52
3,14
3,53
Observaciones
7
8
9
7,48 6,00 11,84
2,90 2,86
3,74
0,86 5,04
1,32
1,95 5,54
1,90
5,87 1,10
0,97
3,81 4,11
3,95
10
9,00
3,38
1,76
3,19
1,70
3,80
11
10,52
3,38
0,76
3,19
1,70
3,91
12
10,22
3,38
0,76
3,00
1,89
3,85
13
3,00
4,00
5,00
6,00
1,00
3,80
14
2,10
4,83
7,32
3,01
1,98
3,85
15
2,08
3,82
6,10
4,40
2,70
3,82
4
2
6
2,66
5
3
7
3,12
6
4
8
3,52
7
5
9
3,58
10
8
12
3,93
11
9
13
3,86
12
10
14
3,84
13
11
15
3,85
14
0
0
15
0
0
Welch
3
1
5
2,13
8
6
10
3,84
9
7
11
3,92
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Ejemplo: Welch
En este ejemplo, probablemente
seleccione t = 9 como el final del
perodo de calentamiento
Welch's Method
4.50
4.00
3.50
Metric
3.00
2.50
2.00
1.50
1.00
0.50
0.00
0
10
12
14
16
Smoothed Sample
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Mtodos para el calculo de medias
Supongamos que queremos determinar una cierta medida de una simulacin
Mtodo de replicacin / eliminacin
Medias por lotes
Autorregresivo
Espectral
Regenerativo
Series de tiempo estndarizadas
MEDIAS
29
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Mtodo de replicacin / eliminacin:
Borramos lo transitorio y calculamos
un caso de nuestra mtrica sobre el
estado de equilibrio de una rplica
Transient
Steady State
Se realizan n repeticiones. A
continuacin promediamos nuestra
mtrica sobre las n ejecuciones de
la simulacin
Transient
Steady State
MEDIAS
30
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Mtodo de replicacin / eliminacin:
Llevar a cabo una serie de ejecuciones o corridas de prueba para identificar el estado transitorio.
Hacer n repeticiones independientes adicionales. Elija la longitud de la ejecucin o corrida para
incluir m observaciones (donde m es mucho mayor que l, el nmero de observaciones recolectadas
durante el estado transitorio).
Eliminar (borrar) las estadsticas despus de lo transitorio para cada rplica
Registre la mtrica de inters para cada rplica
Utilizar estos resultados para estimar E(Y) promediando en las ejecuciones de la simulacin.
m'
Medida de Comportamiento
Xj
i l 1
m'l
ji
, 1 j n'.
X ( X 1 ... X n ' ) / n'
S 2 ( n' )
n'
MEDIAS
31
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Mtodo de Medias por Lotes:
Hacer una sola carrera larga y recoger los casos de una mtrica {Y1, Y2, , Ym}. Por lo
general, elimina el transitorio inicial.
Dividirlas en n lotes de longitud k: {Y1, Y2, , Yk}, {Yk+1, , Y2k}, ...
Tomar la media de cada lote como una nica observacin de la mtrica.
Si k es lo suficientemente grande, las medias de los lotes estarn aproximadamente nocorrelacionadas y el promedio de los lotes se distribuirn normal.
Tome el promedio de todos los lotes y reportar esto como E (Y).
Las medias por lotes ahorra tiempo en el sentido de que el estado transitorio slo tiene
que ejecutarse una vez.
Sin embargo, puede ser un poco difcil de determinar la longitud apropiada de los lotes.
MEDIAS
32
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Mtodo de Medias por Lotes:
Transient
Steady State
Tomar el
promedio en cada
lote
Tomar el
promedio de los
promedios
MEDIAS
33
SIMULACIN TERMINALES:
ESTIMANDO LA MEDIA Y EL INTERVALO DE CONFIANZA
Steady State Cyclic
Tiempo
MEDIAS
34
35