You are on page 1of 41

Investigación

de
Operaciones
Simulación

Introducción
Una fracción importante del trabajo en ingeniería utiliza en alguna
medida simulación, especialmente cuando se requiere
estudiar el comportamiento de un sistema cuando ciertas
acciones son llevadas a cabo.
Modelo: Descripción de un sistema con el objeto de predecir lo
que sucedería si ciertas acciones son tomadas.
casi todos los modelos útiles en la práctica simplifican o
idealizan. Por ejemplo: se consideran categorías de personas,
no se considera efectos del clima, etc.

C6. Simulación
Investigación de Operaciones

¿Qué es simular?
*

Tratar de duplicar propiedades,
apariencia y características de
un sistema real.
C6. Simulación
Investigación de Operaciones

Simulación
Es el mecanismo mediante el cual un modelo recibe ciertas
variables y parámetros de entrada con el fin de producir
resultados.
1. Construcción física de un modelo de simulación: ej.: control
de seguridad de un automóvil
2. Simulación a través de un modelo Analítico:

C6. Simulación
Investigación de Operaciones

Por simulación. Simulación Investigación de Operaciones . Analíticamente. 2. Numéricamente o 3. dado un conjunto de parámetros y variables que lo describen. todo su comportamiento y propiedades relevantes queden determinadas de manera práctica: 1. C6.Introducción Para que un modelo sea útil es esencial que.

Experimentación en periodos cortos de tiempo 5. Reducidos requerimientos analíticos 4. Simulación Investigación de Operaciones .Ventajas de la Simulación 1. Flexibilidad de aplicación 2. Modelos fácilmente demostrables C6. Aplicabilidad a sistemas de gran complejidad y aleatoriedad 3.

No proporciona repuestas simples para problemas complejos 3. No puede resolver problemas por sí misma 4. No puede dar resultados acertados. no da respuestas exactas 5.Desventajas de la simulación 1. Simulación Investigación de Operaciones . No es una técnica precisa. No necesariamente la respuesta es la óptima C6. si los datos de entrada no lo son 2.

Simulación Investigación de Operaciones .Importante considerar • Se necesita entrenamiento especializado para construir un modelo de simulación • El modelamiento y análisis de una simulación puede ser muy costoso • Los resultados de la simulación involucran mucha estadística C6.

Recopilación de datos. 3. perfeccionar el algoritmo o recurrir a algunas simplificaciones. Diseñar como y que se va a muestrear cuanto tiempo debe correr el modelo. 2. C6. Cuanto recursos necesito (computadores).Simulación La simulación tiene tres componentes principales: 1. Preparación e implementación. Simulación Investigación de Operaciones . construcción de un modelo y validación. Revisar que funciona y se desempeña como el sistema en estudio. Diseño estadístico y estimación.

Simulación Investigación de Operaciones Simular Examinar resultados .El proceso de simular * Definir problema Decidir curso de acción Introducir variables importantes Construir modelo de simulación Variables a testear C6.

callcenter.Generar números aleatorios entre 0 y 1.3.i.d.El proceso de simular Simular Desde un punto de vista computacional. (Ej. otros) C6.A partir de una o más variables uniformes i. Simulación Investigación de Operaciones .2. Inventario. . Ui. Generar variables aleatorias con cualquier distribución (tanto independientes como no) . el problema se ve a tres niveles: .A partir de las variables construir un modelo. i=1.… generar otras variables aleatorias.

1] (no lo estudiaremos) Métodos: a) b) c) d) Tablas Métodos de cuadrado centrales Métodos de congruencias lineales Otros Criterios para los métodos: https ://en.org/wiki/Pseudorandom_number_generator Una referencia clásica es el capítulo 3 del libro “The art of computer programming” de D.Simulación Generar números aleatorios según una uniforme en el intervalo [0. Knuth.wikipedia. C6. Simulación Investigación de Operaciones .

3.i. i=1. a) b) c) d) e) Método transformada inversa (este es el único que veremos ) Aceptación y rechazo Reducción de varianza Simulador de gibbs Etc.d. Ross.… generar otras variables aleatorias. Ui. C6.2.Simulación A partir de una o más variables uniformes i. Simulación Investigación de Operaciones . Referencia “Simulation” S.

Referencia “Simulation Modelling and Arena” M.D. Rossetti.Simulación A partir de variables con distintas distribuciones se combinan para generar modelos de interacción complejos: • • • Un inventario Colas (que veremos más adelante) completar un proyecto en el plazo (Programación dinámica). Simulación Investigación de Operaciones . C6.

8 se gana 100 y con probabilidad 0. Simulación Investigación de Operaciones -300 .2 se pierde 300.Ejemplo de Simulación Consideremos una lotería en la cual con probabilidad 0. La ganancia esperada es de 20. 100 0.2 C6.8 G 0.

52 18.768 8 38 78 171 416 788 1596 4006 7950 16021 39846 20 4 12 42 32.4 20.Ejemplo de Simulación Nº de Nº Veces simulac Ganadas ión 10 10 50 43 100 79 200 162 500 401 1000 792 2000 1587 5000 4007 10000 8038 20000 15946 50000 39846 Ganancia Prom.56 21.2 19.48 18 20. Nº Veces Ganancia Prom.8 16.92 18. Simulación Investigación de Operaciones .8 15.42 18.2 20. (Juan) Ganadas (Ana) 100 44 16 24 20.768 C6.8 17.

Simulación Investigación de Operaciones .Método de la inversa C6.

y si U es una variable uniforme en el intervalo [0. Dem: P. C6. entonces Y=FX-1(U) también tiene función de distribución acumulada FX. Suponiendo que FX es continua y estrictamente creciente. FY=FX. Simulación Investigación de Operaciones .Generación de Números Aleatorios Proposición: Sea X una variable aleatoria con función de distribución acumulada FX. Q. D.1].

¿cómo generamos una variable Y que distribuya exponencial a partir de una Uniforme? Luego aplicando la propiedad anterior. si se invierte FX se obtiene que Y =FX-1(U) distribuye como exponencial: C6.Ejemplo 1: Exponencial Considere una distribución exponencial. Simulación Investigación de Operaciones .

Simulación Investigación de Operaciones . En este caso es más simple generar dos variables normales independientes entre si que una sola. Luego su densidad es: La expresión en polares se obtiene del cambio de variable: C6. no podemos proceder directamente como en el caso de la exponencial por que no tiene una función de distribución acumulada explicita. ¿por qué? La razón es debido a la expresión en coordenadas polares de las dos variables aleatoria. Sean X1 y X2 dos variables N(0.1) independientes.Ejemplo 2: Normal En el caso de la normal.

Simulación Investigación de Operaciones .Ejemplo 2: Normal La densidad en polares de las dos normales es: La expresión muestra que R y Θ son independientes entre si. C6. Θ es simple de generar por ser uniforme. R es posible de generar porque tiene función de distribución acumulada explicita.

Simulación Investigación de Operaciones .Análisis de resultados C6.

Comportamiento de un proceso estocástico C6. Simulación Investigación de Operaciones .

Simulación Investigación de Operaciones .Análisis de Resultados Simulación con Horizonte Finito: a) Existe un “evento natural” que especifica la longitud de la réplica b) El sistema se vacía o reinicializa y comienza todo el proceso de nuevo c) Sistema cumple una tarea u objetivo determinado d) Las condiciones iniciales del sistema generalmente afectan las medidas de desempeño C6.

Análisis de Resultados Simulación con Horizonte Infinito: a) No existe tal “evento natural” que indique el final de la réplica b) LAS CONDICIONES INICIALES NO DEBEN AFECTAR NUESTRAS ESTIMACIONES c) Puede ser que en el proceso estocástico: a) Exista distribución estacionaria  Se estiman los parámetros estacionarios b) Exista proceso oscilante o por ciclos  Se estiman los parámetros estacionarios por ciclo c) No existe proceso estacionario C6. Simulación Investigación de Operaciones .

Análisis de Resultados Muestra de tamaño fijo Muestreo Secuencial Especificar el número de observaciones de antemano Esperar que la precisión resultante sea satisfactoria Especificar la precisión de antemano (ancho del intervalo de confianza) Indeterminado tamaño de muestra (Si no se alcanza la precisión deseada. Simulación Investigación de Operaciones . Esperar que el número de observaciones requeridas no sea inaceptablemente grande) C6. ampliar el número de réplicas.

Simulación Investigación de Operaciones .Análisis Estadístico C6.

cada una de las cuales comienza en las mismas condiciones iniciales. E(Xi)=μ y Var(Xi)=σ2 • α = Probabilidad de que el intervalo de confianza contenga al parámetro estudiado C6. Simulación Investigación de Operaciones .Análisis de desempeño Horizonte finito: Método de Réplica Cada observación está representada por una comida independiente. • N=Nº de simulaciones (puede ser fijo o quizás determinado secuencialmente) • Xi = Observación de la variable a estudiar en la i-ésima simulación.

d.i. Con E(Xi)=μ y Var(Xi)=σ2 entonces: C6. Simulación Investigación de Operaciones .Análisis de desempeño Horizonte finito: Método de Réplica Entonces si los Xi son i.

Análisis de desempeño Horizonte finito: Método de Réplica Si adicionalmente los Xi se distribuyen como una normal. entonces: Por lo tanto C6. Simulación Investigación de Operaciones .

Análisis de desempeño Horizonte finito: Método de Réplica Por lo tanto Luego el intervalo de confianza es igual a C6. Simulación Investigación de Operaciones .

…. entonces Adicionalmente de Slutzky tenemos que entonces aplicando el teorema Por lo tanto un intervalo de confianza para μ es igual a C6.Xn i.i. Simulación Investigación de Operaciones .Análisis de desempeño Horizonte finito: Método de Réplica ¿Qué pasa si Xi’s no son normales? En este caso el teorema del límite central nos garantiza que X1.d.

Simulación Investigación de Operaciones .Análisis de desempeño Horizonte finito: Método de Réplica VENTAJAS: Observaciones son estadísticamente independientes DESVENTAJAS: Observaciones reflejan fuertemente el valor de las condiciones iniciales C6.

9 [15. • N=100 G prom= 52 S=130.01] C6.4.96.6] 10.77.8] 100.000 20.21.6] N G prom.4.4.Análisis de desempeño Horizonte finito: Método de Réplica Volvamos al ejemplo de la lotería.6  [26.77.95 y por ende zα/2 =1.21. Intervalo Conf.1 [19. Simulación Investigación de Operaciones . 100 24 [26. tomemos α=0.000 21.03.

Yi) • • Intervalo C6.….Análisis de desempeño Horizonte finito: Método de Réplica Comparación de dos políticas: • X1.…. Simulación Investigación de Operaciones .XN resultados con política 1 • Y1.YN resultados con política 2 • Wi=Xi-Yi • Var(Wi)=Var(Xi)+Var(Yi)-2Cov(Xi.

Método de simulación perfecta Solo miraremos el primero. Con Horizonte infinito la definición de observación depende del método estadístico que se esté utilizando para analizar resultados. Método de los ciclos 3.Análisis de desempeño Horizonte infinito. Simulación Investigación de Operaciones . Método de los subintervalos (Batch mean) 2. 1. Régimen estacionario Supongamos que estamos interesados en el comportamiento promedio de un sistema después que este ha estado funcionando por un largo tiempo. Nosotros no podemos simular para siempre. C6.

Método de subintervalos C6. Simulación Investigación de Operaciones .Análisis de desempeño Horizonte infinito.

Tenemos una secuencia X1. Método de subintervalos Ventaja: El efecto transiente tiende a desaparecer. Desventaja: Se pierde el supuesto de independencia en la variable que se mide.Xm.…. para fijar ideas pensemos en el nivel de inventario al final del día durante m días. Simulación Investigación de Operaciones . Se tiene: C6.Análisis de desempeño Horizonte infinito.

luego tenemos n=m/b intervalos. C6. Método de subintervalos Sea b el tamaño del subintervalo.Análisis de desempeño Horizonte infinito. Simulación Investigación de Operaciones . Sea Yi el promedio en el i-ésimo subintervalo.

Como las observaciones no son independientes tenemos que S Y2/n no es necesariamente un estimador insesgados de Var( ) Pues NO podemos aplicar el Teorema del límite central. …. ¿Qué podemos hacer? Si el tamaño del Batch es suficientemente grande entonces Y1. Simulación Investigación de Operaciones .Yn tienden a ser independientes (y además normalmente distribuidos) luego usando el método anterior podemos construir un intervalo de confianza C6. Método de subintervalos Igual que antes. estamos interesados en estimar μ=lim E(Xi) y en Var( ).Análisis de desempeño Horizonte infinito.

FIN .