Universidad Panamericana del Puerto
Facultad de Ciencias Económicas y Sociales
Escuela de Contaduría Pública
ACTIVIDAD 3
Alumna
Puerto Cabello, agosto 2023
Simulación y tipos de simulación
La simulación evalúa con precisión el desempeño de un sistema por complejo que este
sea. Es evaluadora y no generadora de soluciones, es decir que no produce una solución
óptima sino por el contrario, es una herramienta de evaluación que nos orienta hacia la
mejor solución. La simulación genera un escenario virtual en el que los cambios no cuestan
como en la realidad. Permite validar si se está tomando la mejor decisión o no.
Ejemplo:
Suponga que se ha estudiado el comportamiento de fallas de una máquina. Se determinó
que el tiempo entre fallas se ajusta a una distribución de probabilidad exponencial con una
media de un mes.
En la vida real no se sabe cuándo va a fallar la máquina sino hasta que esto sucede. Por
lo tanto, desde que registramos su comportamiento estadístico entre fallas se puede realizar
una prueba de ajuste de datos, con el objetivo de generar variaciones random de la
distribución de mejor ajuste y así poder estimar la próxima ocurrencia de falla.
Decir que una variable del modelo es aleatoria no significa que es indefinida o
impredecible; por el contrario, el fenómeno que está siendo modelado tiende a variar
estadísticamente. Estas variaciones estadísticas del fenómeno se pueden ajustar a
predicciones probabilísticas.
Tipos de simulación
Simulación discreta: La simulación de eventos discretos (DES) ajusta la operación de
un sistema como una secuencia de eventos discretos que suceden en diferentes
intervalos de tiempo. Los sucesos discretos suceden en puntos específicos en el tiempo,
sellando así las mudanzas continuas de estado dentro del sistema modelado.
Simulación continua: Este tipo de simulación crea las operaciones de un sistema para
rastrear continuamente las contestaciones del sistema durante la simulación. Eso
representa que los resultados son producidos en todos los puntos durante la simulación
y no en intervalos. Las simulaciones continuas también producen datos en casos en que
ninguna mudanza continua ocurra.
Simulación combinada discreta-continua: Este es una modelación la cual se da
mediante la presentación de unas variables que cambian continuamente de estado con
respecto al tiempo y algunas cambian instantáneamente en tiempos separados. Es una
simulación en la cual interactúan variables de estado discretas y continuas. Existen tres
tipos de interacciones entre las variables de estado de este tipo de simulaciones:
Un evento discreto puede causar un cambio discreto en el valor de una variable de
estado continua.
Un evento discreto puede causar que la relación que gobierna una variable de estado
continua cambie en un instante de tiempo en particular.
Una variable de estado continua de punto de partida puede causar que un evento
discreto ocurra, o sea, programado.
Simulación determinística o estocástica: La simulación puede ser determinista o
estocástica, dependiendo de si los modelos simulados son deterministas o por el
contrario contienen alguna variable aleatoria. Este mismo modelo puede ser evaluado
asumiendo que existe un elemento al azar que en cada simulación toma un valor distinto
dependiendo de un modelo estocástico determinado. La simulación estocástica nos lleva
a la necesidad de generar variables aleatorias continuas y discretas.
Simulación estática y dinámica: La simulación estática es un modelo de simulación
que no tiene un historial interno de los valores de entrada y salida que se aplicaron
previamente. También representa un modelo en el que el tiempo no es un factor. Este
tipo de modelo de simulación generalmente tiene alguna función (f) que está hecha de
entradas (u). Cada salida en este tipo de simulación depende de los valores de la función
(f) y las entradas (u).
Simulación con orientación hacia procesos: Este es un modelaje basado en un
esquema de un flujo grama de procesos, la lógica del modelo gira entorno a los demás
procesos los cuales deben seguir las entidades.
Modelos: analógico, continuo, discreto
Simulación Discreta: Es una técnica informática de modelado dinámico de sistemas.
Permite un control en la variable del tiempo que permite avanzar a éste a intervalos
variables en función de la planificación de ocurrencia de tales eventos a un tiempo
futuro. Un requisito para aplicar esta técnica es que las variables que definen el sistema
no cambien su comportamiento durante el intervalo simulado.
Simulación Continua: Es aquel estado de un sistema que cambia continuamente en el
tiempo. Por ejemplo: Los niveles de agua en una presa que continuamente le entra y
sale agua, entra por las lluvias y sale por el suministro y evaporación del agua.
Simulación Analógica: Este modelo consiste en cotejar datos en particular que poseen
cierta semejanza, compararlos y posteriormente dar una conclusión y establecer
parámetros como conocer los procesos del pasado y entender los fenómenos del
presente proyectando o modificando el futuro.
Generación de desviaciones aleatorias
Es la diferencia de la variación aleatoria con respecto a la ubicación central de la
distribución (p. ej., la media ), a menudo dividida por la desviación estándar de la
distribución (es decir, como una puntuación estándar ).
Las variables aleatorias se utilizan cuando se simulan procesos impulsados por
influencias aleatorias procesos estocásticos . En las aplicaciones modernas, tales
simulaciones derivarían variables aleatorias correspondientes a cualquier distribución de
probabilidad dada a partir de procedimientos informáticos diseñados para crear variables
aleatorias correspondientes a una distribución uniforme , donde estos procedimientos en
realidad proporcionarían valores elegidos de una distribución uniforme de
números pseudoaleatorios .
Los procedimientos para generar variables aleatorias correspondientes a una distribución
determinada se conocen como procedimientos para la generación de números
aleatorios (uniformes) o generación de variables pseudoaleatorias no uniformes.
Generación de números aleatorios
Los números aleatorios son la base esencial de la simulación. Usualmente, toda la
aleatoriedad involucrada en el modelo se obtiene a partir de un generador de números
aleatorios que produce una sucesión de valores que supuestamente son realizaciones de una
secuencia de variables aleatorias independientes e idénticamente distribuidas (i.i.d.) U (0,
1). Posteriormente estos números aleatorios se transforman convenientemente para simular
las diferentes distribuciones de probabilidad que se requieran en el modelo. En general, la
validez de los métodos de transformación depende fuertemente de la hipótesis de que los
valores de partida son realizaciones de variables aleatorias iid U (0, 1), pero esta suposición
realmente no se cumple, puesto que los generadores de números aleatorios son simplemente
programas determinísticos que intentan reproducir una sucesión de valores que parezca
aleatoria.
Lenguajes de simulación
En un principio, los programas de simulación se elaboraban utilizando algún lenguaje de
propósito general, como ASSEMBLER, FORTRAN, ALGOL o PL/I. A partir de la década
de 1960 hacen su aparición los lenguajes específicos para simulación como GPSS, GASP,
SIMSCRIPT, SLAM. En la última década del siglo pasado la aparición de las interfaces
gráficas revolucionó el campo de las aplicaciones en esta área, y ocasionaron el nacimiento
de los simuladores. En lo práctico, es importante utilizar la aplicación que mejor se adecúe
al tipo de sistema a simular, ya que de la selección del lenguaje o simulador dependerá el
tiempo de desarrollo del modelo de simulación. Las opciones van desde las hojas de
cálculo, lenguajes de tipo general (como Visual Basic, C++ o Fortan), lenguajes específicos
de simulación (como GPSS, SLAM, SIMAN, SIMSCRIPT, GAS y SSED), hasta
simuladores específicamente desarrollados para diferentes objetivos como SIMPROCESS,
ProModel, Witness, Taylor II y Cristal Ball.
