Documente Academic
Documente Profesional
Documente Cultură
Simulación de Eventos
Discretos
Análisis de Salida
Agenda
• ¿Qué es el Análisis de Salida?
• Ti
Tipos de Simulación
d Si l ió
• Variabilidad de los sistemas estocásticos de simulación
• Estimación Puntual
Estimación Puntual
• Estimación con intervalos de confianza
• Análisis de salida para Simulaciones Transientes – Con Terminación
• Intervalos de confianza con precisión específica (recordar)
¿Qué es el análisis de salida?
¿Qué es el análisis de salida?
• Puede definirse como la etapa en el proceso de estudio de un sistema en
l que se estima
la ti su desempeño.
d ñ
• Propósito:
– Si θ es el parámetro que mide el desempeño del sistema, la precisión
del estimador ˆ (resultado de un conjunto de experimentos de
simulación) se puede medir usando:
• El error estándar de ˆ.
• La anchura del intervalo de confianza para θ.
¿Qué es el análisis de salida?
¿Qué es el análisis de salida?
• Se quiere, mediante análisis estadístico:
– Estimar el error estadístico y/o el intervalo de confianza.
– Encontrar el número de observaciones necesarias para lograr una
precisión deseada.
La escogencia del tipo de simulación depende del objetivo del estudio y
del tipo de sistema.
El análisis de salida es distinto en cada caso.
Variabilidad de los sistemas
estocásticos de simulación
• Al considerar variables aleatorias de entrada, los modelos consisten de una o
más variables aleatorias de interés.
Un sistema M/G/1 con las siguientes características:
– Tasa de llegadas Poisson de 0.1 cliente por minuto;
Tiempo de servicio Normal(= 9.5,
Tiempo de servicio Normal( 9 5 =1 1.75).
75)
– Desempeño del sistema: Número de entidades promedio en cola, LQ(t).
– Suponga que se corre una única simulación por 5,000 minutos
• Divida el intervalo [0, 5000) en 5 subintervalos iguales de 1000
minutos.
• El número promedio de entidades en cola en cada intervalo (Yj) es:
El número promedio de entidades en cola en cada intervalo (Yj) es:
1 j ( 1000 )
1000 ( j 1 ) 1000
Yj L Q ( t ) dt , j 1,...., 5
Variabilidad de los sistemas
estocásticos de simulación
Replicación
Tiempo promedio en Intervalo (minutos) (Lote) Batch, j 1, Y1j 2, Y2j 3, Y3j
cola para los lotes en [0, 1000) 1 3,61 2,91 7,67
[1000, 2000) 2 3,21 9,00 19,53
tres replicaciones
tres replicaciones [2000, 3000) 3 2,18 16,15 20,36
independientes [3000, 4000) 4 6,92 24,53 8,11
[4000, 5000) 5 2,82 25,19 12,62
[0, 5000) 3,75 15,56 13,66
A partir de la anterior tabla se puede observar la variabilidad inherente entre
las replicaciones y dentro de cada replicación
las replicaciones y dentro de cada replicación.
– Datos discretos
Datos discretos en el tiempo: [Y ] con media ordinaria:
en el tiempo: [Y1, YY2, …, YYn], con media ordinaria:
Datos continuos en el tiempo
• En este caso el estimador está dado por:
1 TE
ˆ
TE
0
Y (t )dt (Continuous‐time, time‐persistent)
Estimación con Intervalos de
Confianza
• Si las
l observaciones
b i Yi están
tá distribuidos
di t ib id normalmente
l t o tienen
ti una
distribución aproximadamente normal entonces, como lo habíamos visto:
S 1 R
Y.. t / 2, R 1 con S
2
R 1 i 1
(Yi. Y.. ) 2
R
• Entre más replicaciones se haga más se disminuye el error entre Y.. y θ,
convergiendo a 0 a medida que R tiende a infinito.
• Tenga
g en cuenta q
que el intervalo de p
predicción es una medida de RIESGO.
Simulaciones Transientes – Con
Terminación
• El propósito común en simulación es estimar
1 n
E Yi , para salidas discretas
n i 1
1 TE
E
TE
0
Y (t )dt , para salidas continuas Y (t ),0 t TE
• Across‐replication data independientes (números aleatorios diferentes) e
id i
identicamente distribuidos (mismo modelo).
di ib id ( i d l )
• Within‐replication
Within data No tiene las mismas propiedades.
replication data No tiene las mismas propiedades.
Estimación de IC con precisión
específica
• Recuerde que la longitud media H de un intervalo de confianza de 100(1 – )%
para la media , basado en la distribución t, está dado por:
S
H t / 2, R 1 R es el número de replicaciones y
R l ú d li i
R S es la desviación muestral.
• Asuma que se ha
A h observado
b d una muestra inicial
i i i l de
d tamaño
ñ R0 (independiente).
(i d di )
Esta muestra se usará para obtener un estimado inicial de S02
S
H t / 2, R 1
R
Estimación de IC con precisión
específica
• Resolviendo la desigualdad para R tenemos:
2
t S PROBLEMA: R está en ambos
R / 2, R 1 0
lados de la desigualdad
2
z S
R / 2 0 , donde z / 2 correspond e a normal estándar.
• Con este estimado de R (cota inferior), se halla el R que cumpla con la
desigualdad original.
original
Ejemplo
Se quiere estimar la utilización de un servidor con una precisión de ±0.04 puntos
con una probabilidad de 0.95. Se tomó una muestra inicial R0=4. Un estimado
inicial de la varianza muestral es 0.00518.
Dado que R=15 es el menor entero que cumple la desigualdad original, deben
realizarce R ‐ R0 = 11 replicaciones adicionales.