Mmes U3 Ea Lapb 2
Mmes U3 Ea Lapb 2
Mmes U3 Ea Lapb 2
Modelacin Estocstica
Unidad 3 Evidencia de Aprendizaje
Introduccin
A travs de la historia se ha utilizado la simulacin, siendo sta la recreacin o reproduccin de un sistema sin llevarlo a la realidad implicando la imitacin, para lograr sustentar
un sistema real, siendo las herramientas computacionales un gran aliado durante este proceso.
En la medida en la cual es indispensable enfrentarnos a cierto tipo de problemas de la vida real, el modelo resultante pudiera llegar a ser tan complejo que pudiera no ser posible
desarrollar o recrear una simulacin vvida y tangible, as que una metodologa de solucin basada en un anlisis matemtico, como una alternativa y apoyada en los sistemas
computacionales es muy til. Siendo entonces la simulacin una tcnica numrica que es til para realizar experimentos que involucran ciertos tipos de modelos matemticos y
lgicos que describen el comportamiento de sistemas de negocios, econmicos, sociales, biolgicos, fsicos o qumicos a travs de largos perodos de tiempo.
La simulacin debe entenderse como un experimento estadstico; sus resultados son observaciones que estn sujetas a error experimental difiriendo de un experimento normal
de laboratorio en que puede desarrollarse ntegramente en una computadora, siendo entonces que se considera a la simulacin como un recurso extremo cuando no es posible
plantear modelos matemticos optimizantes o descriptivos debido a la complejidad del problema.
1.
2.
3.
4.
5.
6.
7.
8.
Mtodo
generador
Caractersticas bsicas
En realidad es un mtodo sencillo para la obtencin de nmero pseudoaleatorios, es un mtodo recursivo, tal que para generar el siguiente nmero se eligen los n dgitos centrales
del cuadrado del nmero anterior .Requiere de una semilla. Es de baja eficiencia ya que puede degenerar muy rpidamente por lo que depende mucho de la semilla que ha sido
elegida.
Su algoritmo consiste bsicamente en tomar un nmero como semilla, elevarlo al cuadrado y tomar los k dgitos centrales de la nueva cifra, por lo que se forma una nueva semilla
para repetir el procedimiento, de tal manera que dicho proceso reiterativo siempre va a generar nuevos nmeros pseudoaleatorios.
Su baja eficiencia se ve reflejada toda vez que si utilizamos un nmero con muchos ceros como lo puede ser el nmero 1000, no puede ser til como semilla, ya que su cuadrado
es 1,000,000, por lo que sus dgitos centrales al ser ceros, se rompe el proceso de iteraciones.
Otra de sus grandes limitaciones viene del hecho de que si se pretende generar nmeros que sigan un cierto tipo de distribucin, no todas las semillas pueden producir nmeros
que se distribuyan uniformemente, siendo tambin nada efectivo para generar series de nmeros con un periodo grande, y por la naturaleza de su procedimiento, normalmente
generan nmeros con problemas en los nmeros centrales generando nmeros con ceros centrales.
Se tomar como nmero aleatorio siguiente de la serie, a los n dgitos centrales del resultado de una multiplicacin previa. Se requiere dos semillas. Una
modificacin para este mtodo consiste en utilizar un multiplicador constante, en lugar de dos nmeros aleatorios como se muestra a continuacin: + 1 =
Estos mtodos son similares al cuadrado medio. Sin embargo los dos tienen periodos ms extensos y los nmeros parecen estar distribuidos
uniformemente. Este mtodo tiende a degenerar a un valor constante. Tanto el mtodo de cuadrados medios como el de producto medio tienen un periodo
corto para la cantidad de nmeros aleatorios que vamos a necesitaremos generar en cada uno de nuestros Modelos.
Mtodo
congruencial
mixto o lineal
Mtodos congruenciales
Tambin es recursivo pues se genera el siguiente nmero a partir del anterior
Su relacin de recurrencia es +1 = ( + )
Necesita de una semilla 0 > 0 un parmetro multiplicador > 0, una constante aditiva > 0 y un mdulo > 0 , ,
Se puede normalizar para obtener nmeros uniformes (0,1).
Si se repite un nmero se repite toda la secuencia (Periodo)
Al implementarlo en cmputo es rpido y usa poca memoria.
Mtodo de
productos
medios
Mtodo de cuadrados
medios
Mtodos no congruenciales
Mtodo Congruencial
multiplicativo
Mtodo
Congruencial
Aditivo
Al igual que el generador congruencial mixto, el generador congruencial multiplicativo determina el prximo nmero pseudoaleatorio a partir del ltimo nmero
generado a partir de +1 = , se debern escoger adecuadamente los valores de , 0, , para asegurar un perodo mximo para la series
pseudoaleatorias generadas. Existen cierto tipo de reglas que deben de seguirse para seleccionar los valores , 0, , dependiendo de si el sistema en el que
se trabaja es binario o decimal, si se trabaja en decimal, los valores de los parmetros debern ser seleccionados por tres criterios a saber a) el valor de la semilla
podr ser cualquier entero impar no divisible en 2 5 y debe ser relativamente primo a m; b)el valor seleccionado de a deber ser obtenido de acuerdo a la
siguiente identidad; = 200p, donde t es cualquier entero y p es cualquiera de los primos desde 3 hasta 91 y 3)El valor seleccionado de m puede ser =
10 < 5, entonces el periodo del generador se obtiene de acuerdo a la siguiente expresin:
= . . . {(1 1 ), (1 2 ), (1 )} (2) = 1, (4) = 2, (2 ) = 22 3, ( ) = 1 ( 1) 2, .
El mtodo congruencial aditivo tambin es un caso particular del mixto, en donde la constante "a" es igual a cero.
0
() = {
0 < 0
Sea 0 = 0 = = 1 | ~(, ) Entonces la variable aleatoria k, definida implcitamente por las inecuaciones 1 < +1 tiene distribucin
Poisson con parmetro .
Entonces para simular k, debemos simular , hasta alcanzar o rebasar el valor 1, recordamos que
=1
=1
1
1
= ( ) = ( )
Donde las 1 , 2 , , son variables uniformes en [0,1] e independientes. La comparacin > 1, la podemos escribir como:
=1
=1
=1
1
( ) > 1 ( ) < <
=1
=1
1
1
= ( ) = ( )
Simulacin 1
ri
0.26610098
0.901149745
0.758874555
0.659575998
0.135803897
ri
0.725129324
0.911636835
0.93629409
0.863471008
0.448017147
1
1
[(0.26610098)(0.901149745)(0.758874555)(0.659575998)(0.135803897)] = (0.016300109) = 0.633320537
Simulacin 2
ri
0.427851033
0.239088304
0.995227999
0.059932852
0.30756893
1
1
[(0.427851033)(0.239088304)(0.995227999)(0.659575998)(0.059932852)] = (0.00187664) = 0.965888072
Simulacin 3
1
1
[(0.725129324)(0.911636835)(0.93629409)(0.863471008)(0.448017147)] = (0.239437413) = 0.219917418
Simulacin 4
ri
0.73163508
0.643251015
0.580456028
0.312788019
0.33527592
1
1
[(0.73163508)(0.643251015)(0.580456028)(0.312788019)(0.33527592)] = (0.028648164) = 0.546563986
Simulacin 5
ri
0.196842834
0.854359
0.430608981
0.013878213
0.185304556
1
[(0.196842834)(0.854359)(0.430608981)(0.013878213)(0.185304556)]
1
= (0.000186236) = 1.321307377
3) El tiempo entre las llegadas de personas a una esttica sigue una distribucin exponencial con llegadas en promedio de una persona cada 20 minutos. Slo existe un
peluquero que atiende a una persona cada 15 minutos, con una distribucin exponencial. Si hace una promocin, tendr en promedio un cliente cada 10 minutos. El da
de trabajo es de 3 horas.
Tiempo transcurrido
10.09
36.60
52.92
58.15
62.83
80.54
84.27
91.18
130.59
130.68
141.05
141.65
163.15
167.79
175.11
178.11
178.72
184.64
Entonces, teniendo promocin, y dado que los tiempos entre llegadas son exponenciales, el nmero de clientes que llega es de 6 cada hora y se distribuye como Poisson al
igual que el nmero de clientes que se atienden. Como el da de trabajo es de 3 horas, y tomando como unidad de tiempo 10 minutos, el equivalente en horas es de 6 clientes
por hora con lo que = 6 y la unidad de tiempo 1 hrs. Con esto, en un da de trabajo, en promedio, llegaran 18.
Generamos nmeros pseudoaleatorios entre 0 y 1 distribuidos de manea uniforme y aplicamos = 1/ (1 ), = 1,2,3, para generar los tiempos entre llegadas
exponenciales simulados. Para esto nos ayudamos de Excel tanto en los como introduciendo la frmula para los Luego, se tiene la siguiente tabla para los tiempos entre
llegadas:
Para simular los tiempos de servicio como una exponencial en donde sabemos que el tiempo de atencin es de 15 minutos, se atienden 4 clientes por hora, con lo que =
4 clientes por hora y lo haremos hasta las 3 horas que dura abierto el servicio. Por lo que se atienden a 12 clientes en total. Nos valemos nuevamente de Excel para generar
nmeros pseudoaleatorios e implementar = 1 ln(1 ) , = 1,2,3, para simular los tiempos de servicio exponenciales. La tabla siguiente tiene los clculos:
Tiempo entre
llegadas en
Tiempo entre
Tiempo
mltiplos de hora llegadas en minutos transcurrido
0.786052487
23.13
23.13
0.986545744
64.63
87.76
0.435234326
8.57
96.33
0.850578365
28.51
124.84
0.955450506
46.67
171.51
0.007036389
0.11
171.62
0.782155319
22.86
194.48
0.314098347
5.66
200.13
0.292175658
5.18
205.31
0.171581876
2.82
208.14
0.259237902
4.50
212.64
0.432051036
8.49
221.12
Tiempos de servicio
Tiempo transcurrido
Tiempo transcurrido
10.09
10.09
23.13
23.13
26.50
36.60
64.63
87.76
16.32
52.92
8.57
96.33
5.23
58.15
28.51
124.84
4.68
62.83
46.67
171.51
17.71
80.54
0.11
171.62
3.72
84.27
22.86
194.48
6.91
91.18
5.66
200.13
39.41
130.59
5.18
205.31
0.09
130.68
2.82
208.14
10.37
141.05
4.50
212.64
0.60
141.65
8.49
221.12
21.51
163.15
4.64
167.79
7.32
175.11
2.99
178.11
0.62
178.72
5.92
184.64
10
11
10.09
23.13
26.50
64.63
16.32
8.57
5.23
28.51
4.68
46.67
17.71
0.11
3.72
22.86
6.91
5.66
39.41
5.18
0.09
2.82
10.37
4.50
0.60
8.49
21.51
4.64
7.32
2.99
0.62
5.92
Hora
Hora
Momento en el que
Aproximada Aproximada
sale
de entrada de Salida
x1
10.09
23.13
10.09+23.13=33.22
0.17
0.55
x2
10.09+26.50=36.59
64.63
33.22+64.63=97.85
1.6
x3
10.09+26.50+16.32=52.91
52.91+53.51=106.42
0.61
0.8
58.14+76.79=134.93
0.97
2.25
62.82+118.78=181.6
1.05
3.03
80.53+101.18=181.71
1.34
3.03
84.25+120.32=204.57
1.4
3.41
91.16+119.07=210.23
1.52
3.5
130.57+84.84=215.41
2.18
3.59
130.66+87.57=218.23
2.18
3.64
141.03+81.7=222.73
2.35
3.71
141.09+90.13=231.22
2.35
3.85
x4
x5
x6
x7
x8
x9
x 10
97.85-52.91=44.94 8.57+44.94=53.51
106.4210.09+26.50+16.32+5.23=58.14
58.14=48.28
28.51+48.28=76.79
134.9310.09+26.50+16.32+5.23+4.68=62.82 62.82=72.11
46.67+72.11=118.78
10.09+26.50+16.32+5.23+4.68+17.71= 181.680.53
80.53=101.07
0.11+101.07=101.18
10.09+26.50+16.32+5.23+4.68+17.71+ 181.713.72=84.25
84.25=97.46
22.86+97.46=120.32
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91=91.16
204.57-91.16=113.415.66+113.41=119.07
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41=130.57
210.23-130.57=79.665.18+79.66=84.84
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09=130.66
215.41-130.66=84.752.82+84.75=87.57
x 17
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37=141.03 218.23-141.03=77.2 4.50+77.2=81.7
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60=14
1.09
222.73-141.09=81.648.49+81.64=90.13
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60+21.
51=262.59
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60+21.
51+4.64=267.23
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60+21.
51+4.64+7.32=274.55
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60+21.
51+4.64+7.32+2.99=277.54
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60+21.
51+4.64+7.32+2.99+0.62=278.16
x 18
10.09+26.50+16.32+5.23+4.68+17.71+
3.72+6.91+39.41+0.09+10.37+0.60+21.
51+4.64+7.32+2.99+0.62+5.92=284.08
x 11
x 12
x 13
x 14
x 15
x 16
4.38
4.45
4.58
4.63
4.64
1.7
Cliente
4.73
12
Se concluye, que los clientes a partir del 13 ya no fueron recibidos dado que llegaron despus de la cuarta hora, por otro lado tenemos que del cliente 7 al cliente 12 a pesar
de que llegaron en tiempo no fueron atendidos porque el servidor estaba ocupado y debido a la sobrecarga no fueron atendidos, slo se pudo atender hasta el cliente 6 , es
decir, que los das con promocin no son rentables para el peluquero que adems de cobrar menos no atiende a todas las personas que llegan, por lo que pierde dinero.
a) Realiza una simulacin de un da sin promocin. El peluquero con promocin cobra 40 pesos y sin promocin cobra 60 pesos. Considerando los resultados de la
simulacin sin promocin responde:
Para los das sin promocin, tambin los tiempos entre llegadas son exponenciales, el nmero de clientes que llega es de 3 cada hora y se distribuye como Poisson al igual que el
nmero de clientes que se atienden. Como el da de trabajo es de 3 horas, y tomando como unidad de tiempo 20 minutos, el equivalente en horas es de 3 clientes por hora con
lo que = 3 y la unidad de tiempo 1 hrs. Con esto, en un da de trabajo, en promedio, llegaran 9.
Generamos nmeros pseudoaleatorios entre 0 y 1 distribuidos de manea uniforme y aplicamos = 1/ (1 ), = 1,2,3, para generar los tiempos entre llegadas
exponenciales simulados. Para esto nos ayudamos de Excel tanto en los como introduciendo la frmula para los Luego, se tiene la siguiente tabla para los tiempos entre
llegadas:
13
Tiempo
transcurrido
0.743930217
27.25
27.25
0.143911577
3.11
30.35
0.330689428
8.03
38.38
0.481470981
13.14
51.52
0.125550062
2.68
54.20
0.069210176
1.43
55.64
0.667246718
22.01
77.64
0.863557103
39.84
117.48
0.51690299
14.55
132.03
Para simular los tiempos de servicio como una exponencial en donde sabemos que el tiempo de atencin es de 15 minutos, se atienden 4 clientes por hora, con lo que =
4 clientes por hora y lo haremos hasta las 3 horas que dura abierto el servicio. Por lo que se atienden a 12 clientes en total. Nos valemos nuevamente de Excel para generar
nmeros pseudoaleatorios e implementar = 1 ln(1 ) , = 1,2,3, para simular los tiempos de servicio exponenciales. La tabla siguiente tiene los clculos:
Tiempo entre llegadas en
mltiplos de hora
Tiempo entre
llegadas en
minutos
Tiempo
transcurrido
0.287501339
0.696392582
0.408915462
0.866971319
0.224108948
0.338694933
0.246231068
0.314568643
0.94940181
0.032344164
0.770546154
0.964747853
5.08
17.88
7.89
30.26
3.81
6.20
4.24
5.67
44.76
0.49
22.08
50.18
5.08
22.96
30.85
61.11
64.92
71.12
75.36
81.02
125.78
126.28
148.36
198.53
Tiempo transcurrido
27.25
30.35
38.38
51.52
54.20
55.64
77.64
117.48
132.03
Tiempos de servicio
Tiempo entre
llegadas en minutos
5.08
17.88
7.89
30.26
3.81
6.20
4.24
5.67
44.76
0.49
22.08
50.18
Tiempo transcurrido
5.08
22.96
30.85
61.11
64.92
71.12
75.36
81.02
125.78
126.28
148.36
198.53
14
Sea por la relacin entre llegadas de cada cliente y el tiempo entre servicio, tenemos que:
Sea 1 el primer cliente: llega al minuto 27.25 y es atendido inmediatamente con lo que el servicio para este es de 5.08 minutos. Por lo que el cliente pasa en el
sistema 5.08 minutos y su salida es en 27.25 + 5.08 = 32.33.
Sea 2 el segundo cliente: llega al minuto 3.11 despus de la llegada del primero, es decir, en 27.25 + 3.11 = 30.36, pero, el servidor est ocupado, por lo que
tiene que esperar 32.33 30.36 = 1.97, permaneciendo en el sistema 17.88 + 1.97 = 19.85 minutos -tiempo en el que es atendido y adems tuvo que esperar-;
posteriormente sale en 32.33 + 19.85 = 52.18 minutos.
Sea 3 el tercer cliente, quien llega 8.03 minutos despus del segundo, es decir, al momento 38.39, sin embargo el sistema est ocupado, por lo que tiene que
esperar 52.18 38.39 = 13.79 minutos para ser atendido. En el momento en el que es atendido, el tiempo de servicio es de 7.89 minutos, as que su estancia en el
sistema ser el tiempo de espera ms el tiempo en que lo atienden, es decir 13.79 + 7.89 = 21.68 minutos y su salida ser en el minuto 38.39 + 21.68 = 60.07.
x1
27.25
Tiempo que
permanece
dentro del
sistema
5.08
x2
27.25+3.11=30.36
32.33-30.36=1.97
17.88+1.97=19.85
32.33+19.85=52.18
x3
27.25+3.11+8.03=38.39
52.18-38.39=13.79
7.89+13.79=21.68
38.39+21.68=60.07
x4
27.25+3.11+8.03+13.14=51.53
27.25+3.11+8.03+13.14+2.68=
54.21
27.25+3.11+8.03+13.14+2.68+
1.43=55.64
27.25+3.11+8.03+13.14+2.68+
1.43+22.01=77.65
27.25+3.11+8.03+13.14+2.68+
1.43+22.01+39.84=117.49
27.25+3.11+8.03+13.14+2.68+
1.43+22.01+39.84+14.55=132.
04
52.18-51.53=0.65
30.26+0.65=30.91
51.53+30.91=82.44
60.07-54.21=5.86
3.81+5.86=9.67
54.21+9.67=63.88
82.44-55.64=26.8
6.20+26.8=33.00
55.64+33.00=88.64
4.24
77.65+4.24=81.89
5.67
117.49+5.67=123.16
44.76
132.04+44.76=176.8
Cliente
15
x5
x6
x7
x8
x9
Momento en el que el
usuario llega
Tiempo de espera
Momento en el que
sale
27.25+5.08=32.33
El ltimo cliente entra a las 132.04 que son aproximadamente 2 horas 20 minutos y
sale en el minuto 176.8 que son 3 horas aprox. lo que eso significa es que adems de
que ya no hay ms clientes para entrar, el tiempo del servidor se termin, ya que slo
trabaja tres horas al da. Pero alcanz a atender a todos sus clientes al precio normal.
i) Cuntos clientes llegaron? sin promocin llegaron 9 clientes
ii) A cuntos clientes atendi? sin promocin atiende a 9
iii) Cunto tardaron en promedio en la peluquera? sin promocin en promedio
permanecen 19.42, es decir 0.32 horas.
iv) Cul fue su ganancia? sin promocin 540
v) Cunto tardo en promedio un cliente en la fila? 5.45
b) De la simulacin de un da con promocin. Considerando los resultados de la simulacin con promocin responde:
i) Cuntos clientes llegaron? Con promocin llegaron 18 clientes
ii) A cuntos clientes atendi? Con promocin slo atiende a 6
iii) Cunto tardaron en promedio en la peluquera? Con promocin los que s fueron atendidos en promedio permanecieron en el sistema 73.00 lo que equivale a 1 hora aprox.
Tambin hay que considerar que hubo clientes que permanecieron en espera pero no fueron atendidos, as que considerando a todos los clientes que permanecieron en el sistema
atendidos y no atendidos estuvieron en promedio 81.01, lo cual implica que no hubo mucha diferencia en el tiempo que permanecieron en el sistema
iv) Cul fue su ganancia? Con promocin 240 pesos
v) Cunto tardo en promedio un cliente en la fila? 66.45 lo que equivale a 1.11 horas
c) Haciendo uso de los conocimientos de la unidad 2 y 3, compara resultados y elabora una conclusin del ejercicio. 3. En relacin a lo que vimos en la unidad 2 donde se vio los
modelos de colas, aqu vemos la aplicacin prctica, es decir a casos reales, podemos observar la utilidad de determinar por ejemplo la estancia en el sistema, la estabilidad luego
en relacin a lo visto en la unidad 3, estamos viendo la aplicacin prctica de los nmeros pseudoaleatorios, que a travs de alguna funcin simulamos variables aleatorias, y en
este ejercicio hemos aplicado todos esos conocimientos aprendidos, ahora, por otro lado, como ya lo haba expresado anteriormente, los das con promocin no son rentables
para el peluquero que adems de cobrar menos no atiende a todas las personas que llegan, por lo que pierde dinero, adems de que como llegan ms clientes se satura mucho y
lo nico que gana son clientes insatisfechos, para resolver su problema y ganar ms dinero los das con promocin debe meter otro servidor, para atender la sobrecarga del sistema.
Como los tiempos entre cada disparo se distribuyen por una distribucin normal con media entre disparos de 2 minutos y desviacin estndar de 0.5, tal que para cada combate
se deben generar 3 variables con distribucin normal siendo una por cada barco en el orden A, B, C para saber quin realiza un disparo primero, como lo vemos en el siguiente
ejemplo
A
B
C
0.001813664
0.000188859
0.00086907
En esta simulacin vemos que B dispara primero porque es el de menor valor y le dispara a A que resulta ser el barco ms fuerte entre A y C, ya que tiene el valor ms grande .
El siguiente paso en el proceso es generar nmeros uniformemente distribuidos entre 0 y 1 (pseudoaleatorios) donde por medio de un condicional vemos si las variables
normales, de acuerdo a la probabilidad de cada barco aciertan o no al barco oponente que son el comparativo con los uniformemente distribuidos, considerando en cada caso
que los barcos no disparan simultneamente.
Por lo que para los diez combates tenemos lo siguiente:
4. Suponga que tres barcos A, B y C se encuentran en combate. La fuerza de cada barco se mide por la probabilidad que tiene de acertar a su oponente al disparar. La probabilidad
que tiene el barco A de eliminar a un oponente es de 0.7 mientras que las probabilidades de B y C son de 0.5 y 0.25 respectivamente. El tiempo entre disparos es una distribucin
normal con media de 2 minutos y desviacin estndar 0.5 entre cada disparo. Un barco siempre disparar al ms fuerte de sus oponentes (o de los que an queden). El combate
continuar hasta que queden uno o ceros barcos. Resuelve utilizando un modelo de simulacin, realiza 10 combates.
Nota: en este caso no existe posibilidad de que los barcos disparen simultneamente ya que el tiempo de disparo es aleatorio.
16
ER
IM
PR
TIEMPO ENTRE
DISPAROS
A
B
C
0.002456305
0.003864669
0.013467541
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.000288757
0.002468838
0.003135986
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.012402236
5.0993E-05
7.44985E-05
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.000231901
8.90888E-05
0.000358804
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.0160916
0.000228038
0.009477284
SI
BARCOS
M
I
AC
UL
N
A
ND
GU
SE
SI
M
I
AC
UL
N
A
ER
RC
TE
SI
M
I
AC
UL
SI
M
I
AC
UL
N
TA
IN
QU
SIM
N
I
AC
UL
A
RT
AE
CU
17
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.533868906
0.294796315
0.093961919
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.02481655
0.266932589
0.062690853
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.093076343
0.985515341
0.018980962
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.79863763
0.584324193
0.700150473
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.216194285
0.593871301
0.564493834
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
1
0
1
0
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
1
0
0
0
1
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
0
1
0
1
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
1
0
1
0
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
1
0
0
1
0
FORTALEZA GANADOR
0
0
0
0
1
0
FORTALEZA GANADOR
0
0
0
1
0
0
FORTALEZA GANADOR
0
1
0
0
0
1
FORTALEZA GANADOR
1
1
1
0
1
0
FORTALEZA GANADOR
0
1
1
0
1
0
A
B
C
0.020971496
0.013646218
0.001318803
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
3.5022E-05
9.09825E-05
0.010842957
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.001154069
0.000283954
0.00020347
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.00079283
0.003870843
3.80673E-05
BARCOS
TIEMPO ENTRE
DISPAROS
A
B
C
0.006521856
0.003656975
0.008299387
SI
TIEMPO ENTRE
DISPAROS
M
I
AC
UL
N
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.80882059
0.193091702
0.755370413
IM
PT
S
A
SI
I
AC
UL
M
N
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.882661453
0.915211642
0.529129735
VA
TA
OC
SIM
N
I
AC
UL
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.489750787
0.373794226
0.820768082
NO
NA
VE
SI
M
I
AC
UL
N
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.479703829
0.929298061
0.203085463
IM
C
DE
A
SI
M
I
AC
UL
N
NMEROS
UNIFORMEMENTE
DISTRIBUIDOS
0.045042931
0.215325758
0.577376109
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
0
1
1
0
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
1
0
0
1
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
0
1
0
0
1
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
0
1
0
1
0
PROBABILID
AD
MS
EFECTIVO
MAS
FUERTE
0.7
0.5
0.25
0
1
0
0
0
1
FORTALEZA GANADOR
1
0
1
0
0
1
FORTALEZA GANADOR
1
1
1
0
1
0
FORTALEZA GANADOR
0
0
1
0
0
1
FORTALEZA GANADOR
0
1
0
0
0
1
FORTALEZA GANADOR
0
0
1
0
1
0
A
XT
SE
BARCOS
18
Tiempo entre
disparos
1
2
3
4
5
0.019788515
0.005893581
0.012527727
0.000679794
0.025796923
0.035936517
19
6
7
8
9
10
Promedio
0.010968961
0.001641493
0.00470174
0.018478218
0.013641347
c) Suponga que el barco A cuesta $31 millones, el B $40 y el C $35 millones. Cul es el costo esperado utilizando los resultados de tu simulacin? 1,631 millones
4) Dog Chow Company produce una serie de marcas de comida para perros. Uno de sus mejores productos es la bolsa de 50 libras. El presidente de la empresa usa una
mquina muy vieja para cargar las 50 libras de alimento de forma automtica en cada bolsa. Desafortunadamente, dado que la mquina es muy vieja, en ocasiones vierte
ms o menos alimento en las bolsas. Cuando la maquina coloca correctamente 50 libras de alimento en cada bolsa, hay una probabilidad de .10 de que solo cargue 49
libras en la bolsa al siguiente da, y una probabilidad de 0.2 de que cargue 51 libras en cada bolsa al da siguiente. Si hoy la maquina coloca 49 libras de alimento en cada
bolsa, existe una probabilidad de 0.30 de que pondr 50 libras en ellas el da de maana y una probabilidad de 0.2 de que ponga 51 libras en cada bolsa el da de maana.
Adems, si la mquina carga 51 libras en cada bolsa el da de hoy, hay una probabilidad 0.4 de que ponga a 50 libras en cada bolsa maana y una probabilidad de 0.1 de
que ponga 49 en cada bolsa el da de maana.
Simular 4 das de trabajo de la mquina, suponiendo que por da se obtienen 10 bolsas. Suponga que el primer da lleno 50 libras y responde:
49
50
51
SEGUNDO
DIA
PROBABILIDAD
50
0.3
51
0.2
51
0.2
49
0.1
49
0.1
50
0.4
49
50
51
49
0.5
0.3
0.2
50
0.1
0.7
0.2
51
0.1
0.4
0.5
PRIMER DIA
20
E1
49
50
E2
E3
21
F(x)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
51
49
50
51
0.5
0.3
0.2
0.1
0.7
0.2
0.1
0.4
0.5
Datos
0.1313
0.3326
0.1733
0.5569
0.5577
0.2663
0.8844
0.8666
0.9210
0.4237
0.2818
r1
0.8215
0.5217
0.2255
0.6602
0.3694
0.6952
0.4489
0.2567
0.2515
0.6236
3 =
(2 1 )( (1 ))
0.4237 0.9210(0.8215 0.8)
0.4973(0.0215)
+ 1 =
+ 0.9210 =
+ 0.9210 = .
(2 ) (1 )
0.9 0.8
0.1
(2 1 )( (1 ))
0.8844 0.2663(0.5217 0.5)
0.6181(0.0217)
+ 1 =
+ 0.2663 =
+ 0.2663 = .
(2 ) (1 )
0.6 0.5
0.1
(2 1 )( (1 ))
0.5569 0.1733(0.2255 0.2)
0.3836(0.0255)
+ 1 =
+ 0.1733 =
+ 0.1733 = .
(2 ) (1 )
0.3 0.2
0.1
4 =
(2 1 )( (1 ))
0.8666 0.8844(0.6602 0.6)
0.0178(0.0602)
+ 1 =
+ 0.8844 =
+ 0.8844 = .
(2 ) (1 )
0.7 0.6
0.1
5 =
(2 1 )( (1 ))
0.5577 0.5569(0.3694 0.3)
0.0008(0.0215)
+ 1 =
+ 0.5569 =
+ 0.5569 = .
(2 ) (1 )
0.4 0.3
0.1
6 =
(2 1 )( (1 ))
0.8666 0.8844(0.6952 0.6)
0.0178(0.952)
+ 1 =
+ 0.8844 =
+ 0.8844 = .
(2 ) (1 )
0.7 0.6
0.1
7 =
(2 1 )( (1 ))
0.2663 0.5577(0.4489 0.4)
0.2914(0.0489)
+ 1 =
+ 0.5577 =
+ 0.5577 = .
(2 ) (1 )
0.5 0.4
0.1
8 =
(2 1 )( (1 ))
0.5569 0.1733(0.2567 0.2)
0.3836(0.0568)
+ 1 =
+ 0.1733 =
+ 0.1733 = .
(2 ) (1 )
0.3 0.2
0.1
22
9 =
(2 1 )( (1 ))
0.5569 0.1733(0.2515 0.2)
0.3836(0.0515)
+ 1 =
+ 0.1733 =
+ 0.1733 = .
(2 ) (1 )
0.3 0.2
0.1
10 =
(2 1 )( (1 ))
0.8666 0.8844(0.6236 0.6)
0.178(0.0236)
+ 1 =
+ 0.8844 =
+ 0.8844 = .
(2 ) (1 )
0.7 0.6
0.1
23
0.8215
0.5217
0.2255
0.6602
0.3694
0.6952
0.4489
0.2567
0.2515
0.6236
0.8140
0.4004
0.2711
1.0712
0.5570
1.0538
0.4152
0.3911
0.3708
0.9264
Entonces siguiendo el orden que plantea el problema 49, 50 51, y siendo que 50 es lo que marca el problema como primer da consideramos que 0 = (0,1,0) lo que
supone que se empieza con una carga de 50 Lb en las bolsas, entonces tenemos lo siguiente:
50
51
49
E1
50
0.7
0.2
0.1
E2
51
0.4
0.5
0.1
E3
49
0.3
0.2
0.5
F. Acumulada
F. Acumulada
F. Acumulada
E1
E2
E3
0.7
0.4
0.3
0.9
0.9
0.5
Para E1
Para E2
Para E3
Si ri
Si ri
Si ri
(0.9, 1] Pasa Xj = E3
(0.9, 1] Pasa Xj = E3
(0.5, 1] Pasa Xj = E3
El siguiente paso es elaborar la frecuencia acumulada por rengln para establecer los rangos de cada estado 1, 2, 3 Tal que
24
Ahora comparamos los rangos de cada estado con que son los valores empricos simulados al principio. As se tiene que la primera simulacin para el primer
da de trabajo con 10 bolsas de alimento. Empezado siempre con E1 que corresponde a las 50lb de acuerdo con 0=(0,1,0), dado que se indica que la mquina
siempre empieza con 50Lb y dado que en la matriz estocstica el orden es 49,50,51
25
Bolsas de Alimento
0.8140
E1
E2
0.4004
E2
E2
0.2711
E2
E1
1.0712
E1
E3
0.5570
E3
E3
1.0538
E3
E3
0.4152
E3
E2
0.3911
E2
E1
0.3708
E1
E1
10
0.9264
E1
E3
Para la segunda simulacin debemos hacer el mismo procedimiento para generar la tabla de , tal que La tabla para esta simulacin es la siguiente:
R1
0.3622
0.6529
0.3983
0.2203
0.9324
0.7543
0.4169
0.3384
0.3599
0.6746
Bolsas de Alimento
0.3622
E1
E1
0.6529
E1
E1
0.3983
E1
E1
0.2203
E1
E1
0.9324
E1
E3
0.7543
E3
E3
0.4169
E3
E2
0.3384
E2
E1
0.3599
E1
E1
10
0.6746
E1
E1
r1
0.6373
0.3914
0.6296
0.7165
0.8196
0.7746
0.4977
0.2820
0.6378
0.9552
26
Para la tercera simulacin debemos hacer el mismo procedimiento para generar la tabla de , tal que La tabla para esta simulacin es la siguiente:
r1
0.7065
0.7854
0.6076
0.4359
0.0021
0.1256
0.6586
0.4104
0.8163
0.5197
27
R1
0.2753
0.3129
0.3094
0.3818
0.7579
0.3773
0.7029
0.3450
0.3987
0.4393
Bolsas de Alimento
0.2753
E1
E1
0.3129
E1
E1
0.3094
E1
E1
0.3818
E1
E1
0.7579
E1
E2
0.3773
E2
E1
0.7029
E1
E2
0.3450
E2
E1
0.3987
E1
E1
10
0.4393
E1
E1
Bolsas de Alimento
0.1164
E1
E1
0.6538
E1
E1
0.5725
E1
E1
0.9907
E1
E3
0.5526
E3
E3
0.9085
E3
E3
0.5844
E3
E3
0.8719
E3
E3
0.0416
E3
E1
10
0.6777
E1
E1
Para la cuarta simulacin debemos hacer el mismo procedimiento para generar la tabla de , tal que La tabla para esta simulacin es la siguiente:
r1
R1
0.1164
0.0742
0.6538
0.9275
0.5725
0.4835
0.9907
0.8548
0.5526
0.4892
0.9085
0.7995
0.5844
0.9504
0.8719
0.7326
0.0416
0.1060
0.6777
0.2985
0.1266
0.0369
28
E1 PTIMO
E2
SOBRANTE
E3 FALTANTE
1
2
3
4
7
14
16
10
6
2
4
0
7
4
0
10
COSTO
SOBRANTE
$20.00
COSTO
FALTANTE
$15.00
TOTAL PRDIDA
POR
SIMULACIN
$120.00
$40.00
$80.00
$0.00
$105.00
$60.00
$0.00
$150.00
Costo
Promedio
$225.00
$100.00
$80.00
$150.00
$138.75
(3) Si el dueo est analizando calibrar la mquina para que el llenado sea exacto a un costo de $4000, tu qu opinas debe hacer (debe hacer la calibracin o no, considera los
resultados de tu simulacin)?
29
Como la simulacin implica el costo de 2 das de trabajo significa que al multiplicar $138.75 15 = 2,081.00 al mes de prdida aproximada lo que al ao representa una
prdida de $24,975.00 eso significa que definitivamente le conviene reparar la mquina porque con dos meses de operacin la prdida por encontrarse descalibrada la mquina
representa el costo de la reparacin,
Se est llevando a cabo el anlisis de los IMECAS de la contingencia ambiental en la zona metropolitana. Con los siguientes datos:
F(x)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Realice la simulacin de 30 das.
r1
r2
dias
Fx1
Fx2
valor
simulado
Fx1
Fx2
valor
simulado
0.6984258
0.95745998
0.02956147
0.53812691
0.1533168
0.3032386
0.81030243
0.78814752
0.04961514
0.76181783
0.4637048
0.16835985
0.15527743
0.69079299
0.86337162
0.75439171
0.67623116
0.1309781
1
2
3
4
5
6
7
8
9
100
180
30
90
45
69
150
120
70
120
201
45
100
55
70
180
150
90
119.6852
192.0666
4.4342
93.8127
50.3317
69.0324
153.0907
146.4443
79.9230
120
70
45
45
10
150
120
100
45
150
90
55
55
120
180
150
120
55
138.5453
82.7410
51.8360
50.5277
109.8723
156.1264
136.3175
115.2462
48.0978
i)
IMECAS
30
45
55
69
70
90
100
120
150
180
201
30
31
0.51880619
0.663412
0.95195191
0.1656291
0.54948528
0.74429198
0.04677714
0.04178004
0.32366357
0.53967687
0.07730662
0.71352245
0.86630124
0.41065729
0.3226764
0.43937739
0.59528794
0.15801456
0.72975887
0.14044918
0.12644674
0.97986788
0.50129286
0.04606134
0.31212526
0.09713473
0.58429835
0.04375919
0.76454422
0.42491898
0.98918295
0.0319007
0.24225856
0.60553892
0.73369847
0.86697425
0.453427
0.75109468
0.68490118
0.39601948
0.82225584
0.12248199
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
90
100
180
45
90
120
70
70
69
90
30
120
150
70
69
70
90
45
120
45
45
100
120
201
55
100
150
90
90
70
100
45
150
180
90
70
90
100
55
150
55
55
91.8806
112.6824
190.9099
51.5629
94.9485
133.2876
79.3554
78.3560
69.2366
93.9677
41.5960
124.0567
169.8904
72.1315
69.2268
77.8755
99.5288
50.8015
128.9277
49.0449
47.6447
180
90
30
69
30
90
30
120
70
180
30
55
100
120
150
70
120
100
69
150
45
201
100
45
70
45
100
45
150
90
201
45
69
120
150
180
90
150
120
70
180
55
196.7723
90.1293
36.9092
69.1213
44.5702
98.4298
36.5639
139.3633
74.9838
198.7284
34.7851
60.9162
101.1078
130.1095
170.0923
80.6854
135.3284
116.9802
69.9602
156.6768
47.2482
ii)
Cuntos das se tendr una calidad de aire buena si se sabe que el rango es de 0 a 50 IMECAS? Para R1 4 das y para R2 6 das
iii)
Cuntos das se tendr pre contingencia (con un rango de 151 a 200)? Para R1 4 das y Para R5 5 das Si el costo para la ciudad es de $20 millones por caer en pre
contingencia diaria, utilizando los resultados de tu simulacin, cul ser el costo en los 30 das simulados? 180,000,000
iv)
Conclusiones
Para esta evidencia vimos un compendio de lo aprendido en la unidad 2 y 3 aunque siempre se traen conocimientos de la unidad 1 de procesos estocsticos, obviamente de
probabilidad, vimos simulaciones en las que se utilizan los modelos probabilsticos como las cadenas de Markov o teora de colas, aplicamos el uso de variables aleatorias producidas
por pseudoaleatorios a travs de distintos mtodos, la utilidad de todos estos conocimientos sientan una base muy importante para nuestro desarrollo profesional siendo un pilar
muy importante para predecir situaciones de la vida real.
Referencias
Referencias: http://www.slideshare.net/lupiuxlupiux/simulacion-48530938
http://miweb.yabiru.com.ar/sisop/SIMULACION/simulacion/ejercicios%20resueltos%20digitalizados/EaE/ATT00011.pdf
http://www.buenastareas.com/ensayos/Ejercicios-Modelos-y-Simulacion/26876678.html
https://prezi.com/ewte4pib-qv-/ejercicios-simulacion-de-montecarlo/
32