MODELOS DE SIMULACIÓN

Presentado a:
JOSE ENRIQUE COTES

Entregado por:
GINA LORENA CORONADO PIRAZAN
Código: [Link]

Grupo: 212026_78

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
MODELOS DE SIMULACIÓN
2019
TUNJA
 Introducción

Como antecedentes de la teoría de la simulación podríamos mencionar la teoría de la dinámica de

sistemas. A su vez, la teoría de la dinámica de sistemas se basó en la teoría de los
servomecanismos, cuya característica fundamental es la existencia en los mismos de una
realimentación de información. Se entiende por realimentación el proceso en virtud del cual,
cuando se actúa sobre un determinado sistema, se obtiene continuamente información sobre los
resultados de las decisiones tomadas, información que servirá para tomar las decisiones
sucesivas.
 Objetivo General

Reconocer los modelos de simulación como medio de mejoramiento de procesos y sistemas, así
como en el uso de nuevas aplicaciones tecnológicas para este propósito

Objetivos específicos

Reconocer presaberes del curso

Definir conceptos básicos del curso

Presentación de actividades de acuerdo a los requerimientos de la guia

 ¿Qué es la programación lineal?

La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste
en una serie de métodos y procedimientos que permiten resolver problemas de optimización
[ CITATION Pro19 \l 9226 ]

 Tipos de programación lineal

La técnica matemática conocida por programación lineal se utiliza para obtener una solución
óptima a un problema condicionado por unas variables de partida sujetas a ciertas restricciones.
Un problema clásico de la programación sería el siguiente: teniendo n productos del tipo A y m
del tipo B, que pueden envasarse en dos clases de paquetes en diferentes proporciones y con un
precio distinto para cada paquete, cuántos paquetes de cada tipo deberán formarse para obtener
una cantidad máxima de ingresos. [ CITATION HIR \l 9226 ]

En los problemas de programación lineal con dos variables pueden darse varios tipos de
soluciones óptimas:

 Solución única.

 Solución múltiple (infinitas soluciones).

 Solución no acotada (ausencia de solución), cuando la función objetivo no tiene valores

extremos, pues la región factible es no acotada.

 Solución no factible, cuando no existe región factible por falta de puntos comunes en el
sistema de inecuaciones.

 Solución degenerada, si en un solo punto (que se dice degenerado) coinciden tres o más
de las rectas que limitan la región factible.

 ¿Qué son los métodos determinísticos?

además de ser una herramienta fundamental para la toma de decisiones, optimiza los resultados
logísticos, administrativos y financieros de una organización con el fin de mejorar procesos,
reducir costos y mejorar sus recursos técnicos.

Así mismo, plantea distintos métodos para solucionar problemas relacionados con el transporte,

la asignación y la distribución, elementos claves para la solución eficiente de inconvenientes y/o
dificultades que se puedan presentar en el ejercicio empresarial.[ CITATION Mel \l 9226 ]

 Tipos, y uso

Métodos analíticos. Están basados en técnicas asociadas a la teoría de colas, consistiendo

esencialmente en nódulos ensamblados entre sí en una red multinivel. La simulación analítica
pone de manifiesto múltiples aspectos ligados a la complejidad dinámica de los procesos en los
que varios agentes compiten por un mismo recurso, así como la variabilidad asociada a procesos
de entrada-salida. Los modelos analíticos proporcionan estimaciones sobre hechos agregados
estables con más precisión que el análisis proporcionado por series de datos.

Métodos continuos. En esta aproximación, el comportamiento de los procesos se simula

utilizando ecuaciones diferenciales que reflejan la variación en el tiempo de cada variable de
estado. Una variable de estado podría ser la tasa de llegada de órdenes o la tasa de procesamiento
de un recurso. Estos modelos son apropiados para modelizar procesos de gran volumen o
producciones continuas. Evidentemente, se ha de suponer que las variables de estado varían de
forma continua y diferenciable en el tiempo (generalmente, las ecuaciones diferenciales se
utilizan cuando el tamaño del paso del tiempo es pequeño). Se trata de determinar los valores
corrientes de las variables de estado hasta el momento en el cual se alcanza un umbral que pone
en marcha ciertas acciones. Las ecuaciones diferenciales pueden tener en cuenta
comportamientos de tipo estocástico, y los modelos correspondientes han de ser capaces de
modelizar tanto los fenómenos de transición como los estados de equilibrio. Dos grandes retos
para los modelizadores que utilizan estas técnicas son el desarrollo de ecuaciones que describan
los comportamientos aleatorios dependientes del tiempo, así como evaluar los resultados
obtenidos mediante la resolución analítica o numérica de dichas ecuaciones.

Métodos discretos. En este tipo de simulación, las variables de estado del modelo evolucionan
sobre un conjunto discreto de puntos, quizás aleatorio, del eje de tiempos. En estos modelos, los
flujos temporales entre los puntos del mencionado conjunto compiten unos con otros por el uso
de los recursos escasos.

 Métodos probabilísticos

En esta técnica de muestreo, el investigador debe garantizar que cada individuo tenga las mismas
oportunidades de ser seleccionado y esto se puede lograr si el investigador utiliza
la aleatorización.

 Tipos y usos de aplicación

 Modelo binomial:

Consiste en la distribución del n° de aciertos en una serie de ensayos de Bernouilli.

Para que la distribución de probabilidad de una variable X siga el modelo Binomial ha de
cumplirse que…
1.         La variable esté definida como variable dicotómica: en términos de Acierto (l) y error (0)
2.         Se de una repetición de n ensayos independientes en la variable dicotómica en los que “la
probabilidad de que el ensayo verifique la condición l (p.e. acierto) sea constante”, y se
representa por π.
3.         Se defina una variable X, como el n° de veces que se verifica la condición (los l) en los n
ensayos. Los valores de X(los xi) oscilan entre l y n: X= {0.1. 2,…,n}

 Modelo de Poisson:

Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia

media, la probabilidad de que ocurra un determinado número de eventos durante cierto período
de tiempo.[ CITATION Wik \l 9226 ]

 Modelo binomial negativo

Esta distribución puede considerarse como una extensión o ampliación de la distribución
geométrica. La distribución binomial negativa es un modelo adecuado para tratar aquellos
procesos en los que se repite un determinado ensayo o prueba hasta conseguir un número
determinado de resultados favorables (por vez primera).[ CITATION Uni \l 9226 ]

 La modelación matemática y las herramientas de software.

La Modelación Matemática debe estimularse en el salón de clase, en tanto que refuerza la

reflexión y el análisis, y permite evidenciar la ruta más fácil hacia la solución de un problema;
para ello se utilizan expresiones matemáticas que representan fenómenos y procesos de nuestra
vida cotidiana, tal como lo exponen Obando y Sánchez La MM es tanto un dispositivo como un
proceso académico que en el aula demuestra las siguientes ventajas:

a. Ayuda al estudiante a comprender mejor el escenario en el que se desarrolla.

b. Refuerza el aprendizaje de las matemáticas (motivación).

c. Estimula el desarrollo de algunas habilidades actitudinales de tipo matemático.

d. Coadyuva a tener una mejor óptica de las matemáticas.

Esquema de trabajo

Qué es la inferencia estadística

La inferencia estadística es el conjunto de métodos que permiten inducir, a través de una muestra,
el comportamiento de una determinada población. [ CITATION Lop \l 9226 ]

 Clases de muestreo

 El muestreo aleatorio simple es un procedimiento de muestreo probabilístico que da a

cada elemento de la población objetivo y a cada posible muestra de un tamaño
determinado, la misma probabilidad de ser seleccionado.
  El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de la
población se separa en segmentos exclusivos, homogéneos (estratos), y luego una muestra
aleatoria simple se selecciona de cada segmento (estrato).
 El muestreo sistematico es un tipo de muestreo probabilístico donde se hace una selección
aleatoria del primer elemento para la muestra, y luego se seleccionan los elementos
posteriores utilizando intervalos fijos o sistemáticos hasta alcanzar el tamaño de la
muestra deseado.
 El muestreo por conglomerados nos ayuda cuando es imposible o poco práctico crear un
marco de muestreo de una población objetivo debido a que está muy dispersa
geográficamente y el costo de la recopilación de datos es relativamente alto.

 Qué es la programación lineal, formulación de un problema de programación lineal, pasos

para desarrollar método simplex.

El primer paso para la resolución de un problema de programación lineal consiste en la

identificación de los elementos básicos de un modelo matemático, estos son:

 Función Objetivo
 Variables
 Restricciones

La función objetivo tiene una estrecha relación con la pregunta general que se desea responder. Si
en un modelo resultasen distintas preguntas, la función objetivo se relacionaría con la pregunta
del nivel superior, es decir, la pregunta fundamental. 

Similar a la relación que existe entre objetivos específicos y objetivo general, se comportan las
variables de decisión respecto a la función objetivo, puesto que estas se identifican partiendo de
una serie de preguntas derivadas de la pregunta fundamental. 

Las restricciones en un problema de programación lineal, refiere a todo aquello que limita la
libertad de los valores que pueden tomar las variables de decisión. 
Qué son los métodos determinísticos, pasos para la construcción de modelos matemáticos, definición de
variable, función objetivo y restricciones.

Además de ser una herramienta fundamental para la toma de decisiones, optimiza los resultados
logísticos, administrativos y financieros de una organización con el fin de mejorar procesos,
reducir costos y mejorar sus recursos técnicos.

Así mismo, plantea distintos métodos para solucionar problemas relacionados con el transporte,

la asignación y la distribución, elementos claves para la solución eficiente de inconvenientes y/o
dificultades que se puedan presentar en el ejercicio empresarial.[ CITATION Mel \l 9226 ]

Texto: Modelos Matemáticos y Simulación en la Ingeniería Industrial: aplicaciones y

análisis de sensibilidad.

La Modelación Matemática debe estimularse en el salón de clase, en tanto que refuerza la

reflexión y el análisis, y permite evidenciar la ruta más fácil hacia la solución de un problema;
para ello se utilizan expresiones matemáticas que representan fenómenos y procesos de nuestra
vida cotidiana, tal como lo exponen Obando y Sánchez La MM es tanto un dispositivo como un
proceso académico que en el aula demuestra las siguientes ventajas:

a. Ayuda al estudiante a comprender mejor el escenario en el que se desarrolla.

b. Refuerza el aprendizaje de las matemáticas (motivación).

c. Estimula el desarrollo de algunas habilidades actitudinales de tipo matemático.

d. Coadyuva a tener una mejor óptica de las matemáticas.

 Bibliografía

[Link]. (s.f.). Obtenido de Programacion lineal: [Link]

lineal

Lopez, J. F. (s.f.). Ecnomipedia. Obtenido de Inferencias Estadistica:

[Link]

Melendez Julio, I. (s.f.). Monografia. Obtenido de Los métodos determinísticos, herramienta

fundamental para la toma de decisiones: [Link]
deterministicos-herramienta-fundamental-toma-decisiones/metodos-deterministicos-
[Link]

Programacion Lineal. (04 de 09 de 2019). Obtenido de Capitulo 8:

[Link]

Universitat. (s.f.). Obtenido de Distribucion binomial negativa: [Link]

%20de%20probabilidad/[Link]

Wikipedia. (s.f.). Obtenido de Distribucion de Poison: [Link]

%C3%B3n_de_Poisson