Métodos de la Transformada Inversa,

Montecarlo, rechazo, composición,

procedimientos especiales. Análisis de
resultados de simulación: métodos de
estimación y simulación regenerativa.
Lenguajes de programación y lenguajes
de simulación aplicados a casos reales.
Escenarios de simulación

Paola Valdez Nina (2020066934)

Introducción
Existen varios métodos que nos permiten La mayoría de las técnicas utilizadas para la
generar variables aleatorias. Lo normal es generación se pueden agrupar en:
que existan varias opciones para generar una • Método de la transformada inversa
misma variable aleatoria. La elección del • Método de aceptación-rechazo
método adecuado se puede basar en una • Método de composición
serie de factores como: • Método de convolución
• Exactitud.
• Velocidad.
• Espacio.
• Simplicidad.
 Objetivos
• Comprender los métodos que generan variables aleatorias como método de la
transformada inversa, aceptación-rechazo, composición procedimientos especiales.

• Resolver ejercicios de los métodos explicados tanto teóricamente como mediante la

ayuda de Excel

• Informar acerca del lenguaje de programación y lenguaje de simulación con los

programas más utilizados.

• Conocer los softwares más utilizados para los escenarios de simulación

 Método de la transformada Inversa
Utiliza la distribución acumulada 𝑓(𝑥) de la distribución que
se va a simular. Puesto que 𝑥 esta definida en el intervalo
0; 1 , se puede generar un numero aleatorio uniforme R y se
trata de determinar el valor de la variable aleatoria para la
cual su distribución acumulada es igual a R, es decir, el valor
simulado de la variable aleatoria que sigue una distribución
de probabilidad 𝑓 𝑥 , se determina al resolver la siguiente
ecuación:

𝐹 𝑥 = 𝑅 ó 𝑥 = 𝐹 −1 𝑅
Figura 1. Forma gráfica del método
de la transformada inversa
Método de la transformada inversa
(Distribución exponencial)
Se desea generar números al azar que sigan la acumulada con el numero uniforme R, se
siguiente distribución de probabilidad. Λ=0.1 obtiene:

−λx 𝑠𝑖 𝑥 ≥ 0 1 − ℯ −λx = 𝑅
𝑓 𝑥 = ቊλℯ
0 𝑠𝑖 𝑥 < 0 ℯ −λx = 1 − 𝑅

La distribución acumulada de esta Pero si R sigue una distribución uniforme,

distribución es: entonces 1-R también sigue esta distribución.
Por consiguiente:
𝑥
𝐹 𝑥 = න λℯ −λx 𝑑𝑡 = 1 − ℯ −λx ℯ −λx = 1 − 𝑅
0
1
𝑥 = − 𝐿𝑛𝑅
Y utilizando la ecuación de la transformada λ
inversa, es decir, igualando la distribución Finalizado en Excel
Método de la transformada inversa
(Distribución uniforme)
Se desea generar números al azar que sigan E igualándolo esta expresión con el numero
la siguiente distribución de probabilidad: uniforme R se obtiene:

1 𝑥−𝑎
=𝑅
𝑓 𝑥 = ቐb − a 𝑠𝑖 a ≤ 𝑥 ≤ b 𝑏−𝑎
0 𝑠𝑖 a > 𝑥 > b
𝑥 = 𝑎+ 𝑏−𝑎 𝑅
La distribución acumulada de esta
La demanda x de un artículo tiene una
distribución es:
distribución uniforme entre 25000 y 30000
𝑥 unidades. Genere 5 variables aleatorias que
1 𝑥−𝑎
𝑓 𝑥 =න 𝑑𝑡 = simulan la demanda del producto x
𝑎 b−a 𝑏−𝑎 a=25000 b=30000

𝑥 = 25000 + 30000 − 25000 𝑅

 Metodo Montecarlos
El método de Montecarlo abarca una colección de técnicas que permiten obtener
soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias
repetidas para hallar los puntos de exito que hay bajo la función.
En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos
realizados con números aleatorios. Se estudiará el concepto de variable aleatoria y la
transformación de una variable aleatoria discreta o continua.

𝑥 = 𝑎 + 𝑏 − 𝑎 𝑅1
𝑦 = 𝑅2 × M
𝑦 ≤ 𝑓(𝑥)
𝑏
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝐸𝑥𝑖𝑡𝑜𝑠
න 𝑓 𝑥 𝑑𝑥 ≈ 𝑏−𝑎 𝑀
𝑎 𝑁ú𝑚𝑒𝑟𝑜 𝑇𝑜𝑡𝑎𝑙
𝑏
0 ≤ න 𝑓 𝑥 𝑑𝑥 ≤ 𝑏 − 𝑎 𝑀
𝑎
 Metodo Montecarlos
Generar números aleatorios para la siguiente función:

𝑓 𝑥 = x3 + 2

En un intervalo de 1 a 3 con una moda de 30

a=1 b=3 m = 30

Finalizado en Excel
 Método del Rechazo
1. Generar dos números uniformes R1 y R2
2. Determinar el valor de la variable aleatoria x de
acuerdo a la siguiente relación lineal de R1:
𝑥 = 𝑎 + (𝑏 − 𝑎) 𝑅1
3. Evaluar la función de probabilidad en
𝑥 = 𝑎 + (𝑏 − 𝑎) 𝑅1
4. Determinar si la siguiente desigualdad se cumple:
𝑅2 ≤ 𝑓 𝑎 + 𝑏 − 𝑎 𝑅1 /𝑀
5. Se utiliza a 𝑥 = 𝑎 +(𝑏 −𝑎)𝑅1 si la respuesta es
afirmativa como un valor simulado de la variable
aleatoria. De lo contrario, es necesario pasar
nuevamente al paso 1 tantas veces como sea Figura 2. Distribución de probabilidad con
necesario. rango finito y con moda M
 Método del Rechazo
(Distribución empírica)
Se desea generar números al azar que sigan la Si 𝑅1 = 0 𝑅2 = 1 𝑀 = 2
siguiente distribución de probabilidad: 𝑥 = 𝑎 + (𝑏 − 𝑎) 𝑅1
𝑓 𝑥 = 2𝑥
2𝑥 𝑠𝑖 0 ≤ 𝑥 ≤ 1 𝑓 𝑥 =2 0 =0
𝑓 𝑥 =ቊ 𝑅2 ≤ 𝑓 𝑥 /𝑀
0 𝑠𝑖 0 > 𝑥 > 1
1 ≤ 0/2
Para esta función a=0, b=1 y M=2. Si 𝑅1 = 0.5 𝑅2 = 0.2 𝑀 = 2
1. Generar dos números uniformes R1 y R2 𝑥 = 𝑎 + (𝑏 − 𝑎) 𝑅1
2. Calcular 𝑥 = 𝑅1 𝑓 𝑥 = 2𝑥
3. Es 𝑅2 ≤ 𝑅1 Si la respuesta es afirmativa, 𝑓 𝑥 = 2 0.5 = 1
entonces 𝑥 = 𝑅1 es un valor simulado de la variable 𝑅2 ≤ 𝑓 𝑥 /𝑀
aleatoria. De lo contrario, se requiere regresar al 0.2 ≤ 1/2
paso 1 tantas veces como sea necesario.
 Método del Rechazo
(Distribución triangular)
Se desea generar números al azar que sigan la 1. Generar dos números uniformes R1 y R2
siguiente distribución de probabilidad: 2. Calcular 𝑥 = 𝑎 + 𝑐 − 𝑎 𝑅1
3. ¿Es 𝑥 < 𝑏? Si la respuesta es afirmativa,
2 entonces 𝑓 𝑥 seria:
𝑥 − 𝑎 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
𝑐−𝑎 𝑏−𝑎
𝑓 𝑥 = 2 2𝑅1
−2 𝑓 𝑥 = 𝑎 + 𝑐 − 𝑎 𝑅1 − 𝑎 =
𝑥 − 𝑐 𝑠𝑖 𝑏 ≤ 𝑥 ≤ 𝑐 𝑐−𝑎 𝑏−𝑎 𝑏−𝑎
𝑐−𝑎 𝑐−𝑏
Por el contrario, si la respuesta es negativa,
Para esta distribución de probabilidad, M =2/c-a . 𝑓 𝑥 seria:
Sin embargo, esta distribución está compuesta de −2 2 1 − 𝑅1
𝑓 𝑥 = 𝑎 + 𝑐 − 𝑎 𝑅1 − 𝑐 =
dos funciones: una valida en el rango 𝑎 ≤ 𝑥 ≤ 𝑏 y 𝑐−𝑎 𝑐−𝑏 𝑐−𝑏
otra valida en 𝑏 ≤ 𝑥 ≤ 𝑐.
 Método del Rechazo
(Distribución triangular)
4. ¿Es 𝑅2 <
𝑓 𝑥 𝑐−𝑎
? Si la respuesta es Si 𝑎 = 0 ; 𝑏 = 1 ; 𝑐 = 2 𝑅1 = 0.52 𝑅2 = 0.23
2 𝑥 = 𝑎 + 𝑐 − 𝑎 𝑅1
afirmativa, entonces 𝑥 = 𝑎 + 𝑐 − 𝑎 𝑅1 se
𝑥 = 0.52
considera como un valor simulado de la
2 2𝑅1
variable aleatoria. De lo contrario se 𝑓 𝑥 = 𝑎 + 𝑐 − 𝑎 𝑅1 − 𝑎 =
requiere regresar al paso 1 tantas veces 𝑐−𝑎 𝑏−𝑎 𝑏−𝑎
2 0.52
como sea necesario. 𝑓 𝑥 = = 1.04
1−0
𝑓 𝑥 𝑐−𝑎
𝑅2 <
2
1.04 2
0.23 <
2
0.23 < 1.04

Otro ejemplo en excel

 Método de Composición
1. Dividir la distribución de probabilidad 3. Expresar la distribución de probabilidad original en
original en sub-áreas, tal como se la forma
muestra en la siguiente figura 𝑓 𝑥 = 𝐴1𝑓1 𝑥 + 𝐴2 𝑓2 𝑥 + ⋯ + 𝐴𝑛 𝑓𝑛 𝑥 𝑦 ∑𝐴𝑖 = 1
4. Obtener la distribución acumulada de las áreas:

2. Definir la distribución de probabilidad

para cada sub-área.
 Método de Composición
5. Generar dos números uniformes R1 y R2
6. Seleccionar la distribución de probabilidad fi(x) con la cual se va simular el valor de
x. La selección de esta distribución se obtiene al aplicar el método de la transformada
inversa, en la cual el eje Y está representado por la distribución acumulada de las
áreas, y el eje X por las distribuciones fi(x) Para esta selección se utiliza el número
uniforme R1.
7. Utilizar el número uniforme R2 para simular por el método de la transformada inversa
o algún otro procedimiento especial, números al azar que sigan la distribución de
probabilidad fi(x) seleccionada en el paso anterior. (Coss, 2003, págs. 59 - 62)
 Método de Composición
(Distribución Triangular)

Se desea generar números al azar que sigan la siguiente distribución de probabilidad:

1. La distribución de probabilidad original, se va a dividir en dos áreas
 Método de Composición
(Distribución Triangular)
2. En seguida se determinan las distribuciones de probabilidad y distribución acumulada
de las áreas definidas en el paso anterior
 Método de Composición
(Distribución Triangular)

3. Posteriormente la distribución de la probabilidad

original se expresa como:

𝑏−𝑎 2 𝑐−𝑏 2
𝑓 𝑥 = 2
𝑥−𝑎 + 2
𝑥−𝑐
𝑐−𝑎 𝑏−𝑎 𝑐 −𝑎 𝑐 −𝑏

2 2
𝑓 𝑥 = 𝑥−𝑎 + 𝑥−𝑐
𝑐−𝑎 𝑏−𝑎 𝑐−𝑎 𝑐−𝑏

4. Con las áreas y la distribución 𝑓𝑖 𝑥 definidas en los

pasos anteriores, la distribución acumulada de las áreas
seria:
 Método de Composición
(Distribución Triangular)
5. Generar dos números uniformes R1 y R2
𝑏−𝑎
6. ¿Es 𝑅1 < ? Si la respuesta es afirmativa, entonces se simulan valores de la
𝑐−𝑎
distribución 𝑓1 𝑥 :
𝑥−𝑎 2
= 𝑅2
𝑏−𝑎 2
𝑥 = 𝑎 + 𝑏 − 𝑎 𝑅2
Si la respuesta es negativa, entonces se disimula valores de la distribución 𝑓2 𝑥 :
𝑐−𝑥 2
1− = 𝑅2
𝑐−𝑏 2
𝑥 = 𝑐 − 𝑐 − 𝑏 1 − 𝑅2
7. Repetir los pasos anteriores tantas veces como se desee
 Método de Composición
(Distribución Triangular)
Una persona sana es capaz de sostener una exhalación en un promedio de 32 segundos
y máximo hasta 40 segundos, lo mínimo es hasta 4 segundos, este último valor es un
indicio de que puede tener una afección respiratoria, realice la simulación de unas 25
pruebas a personas elegidas al azar.
Para indicar donde esta nuestra variable aleatoria
𝑏−𝑎 32 − 4 7
= = = 0.778
𝑐−𝑎 40 − 4 9

𝑏−𝑎
𝑎+ 𝑏−𝑎 𝑅2 𝑠𝑖 𝐴1 <
𝑐−𝑎
𝑥=
𝑏−𝑎
𝑐− 𝑐−𝑏 1 − 𝑅2 𝑠𝑖 𝐴1 >
𝑐−𝑎
Finalizado en Excel
 Procedimientos especiales
Hay algunas distribuciones que son demasiado complejas para ser
modeladas por la transformación inversa. Para estas y algunas otras
distribuciones, puede usar algunas de sus funciones para hacer que el
proceso de generación de números aleatorios sea más rápido y fácil.

• Distribución normal
• Distribución erlang
• Distribución binomial
• Distribución poisson
 Procedimientos Especiales
(Distribución normal)
Se desea generar números al azar que sigan las siguientes distribuciones de probabilidad:
1 1 𝑥−𝜇 2
−
𝑓 𝑥 = 𝑒 2 𝜎 𝑝𝑎𝑟𝑎 − ∞ < 𝑥 < ∞
2𝜋𝜎
Puesto que no es posible expresar la distribución acumulada de la distribución normal en forma
explícita, entonces no es posible utilizar para la generación de números al azar, el método de la
transformada inversa. En lugar de este método, se puede hacer uso del teorema del límite central, el
cual establece que la suma de n variables independientes se aproxima a una distribución normal a
medida que n se aproxima a infinito. Lo anterior expresado en forma de teorema seria: Si
𝑥1 , 𝑥2 , … … 𝑥𝑛 es una secuencia de n variables aleatorias independientes con 𝐸𝑥𝑖 = 𝜇𝑖 y var 𝑥𝑖 = 𝜎𝑖2
(ambas finitas) y 𝑌 = 𝑎1𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 , entonces bajo ciertas condiciones generales:

𝑌 − ∑𝑛𝑖=1 𝑎𝑖 𝑥𝑖
𝑍=
∑𝑛𝑖=1 𝑎𝑖2 𝜎𝑖2
 Procedimientos Especiales
(Distribución normal)
Tiene una distribución normal estándar a Entonces, la simulación de la variable aleatoria x haría
medida que n se aproxima a infinito. de acuerdo a la siguiente expresión
𝑛
Si las variables que se están sumando son ∑𝑛𝑖=1 𝑅𝑖 −
𝑥 = 𝜇+𝜎 2
uniformes en el intervalo (0;1), entonces. 𝑛
𝑛 12
∑𝑛𝑖=1 𝑅𝑖 −
𝑍= 2
𝑛 Finalmente, se ha comprobado que utilizando un
12 valor de n=12, la confiabilidad de los valores
simulados es bastante aceptable. Además, es un
Tiene una distribución normal estándar.
poco probable obtener valores simulados de x en la
Puesto que la normal estándar de una
región 𝜇 + 6𝜎 < 𝑥 < 𝜇 − 6𝜎. También, es obvio que
variable aleatoria x distribuida normalmente
utilizando un valor de n =12, la ecuación se simplifica
se obtiene como:
𝑥−𝜇 a:
𝑍= 12
𝜎
𝑥 = 𝜇 + 𝜎 ෍ 𝑅𝑖 − 6
𝑖=1
 Procedimientos Especiales
(Distribución erlang)
Se desea generar números al azar que sigan la siguiente distribución de probabilidad:
𝜆𝑛 𝑛 𝑛−1 −𝜆𝑛𝑥
𝑓 𝑥 = 𝑥 𝑒 𝑝𝑎𝑟𝑎 𝑥 ≥ 0
𝑛−1 !
Donde 𝑛 y 𝜆 son parámetros positivos, y además, el valor de 𝑛 esta restringido a ser entero.
Ha sido demostrado por algunos matemáticos que esta distribución es justamente la suma de 𝑛
1
variables aleatorias exponenciales cada una con valor esperado 𝜆. Por consiguiente, para generar
números al azar que sigan una distribución erlang, se necesita solamente sumar los valores
1
simulados de 𝑛 variables aleatorias exponenciales con media 𝜆, es decir:
𝑛 𝑛 𝑛
1 1
𝑥 = ෍ 𝑥𝑖 = − ෍ 𝐿𝑛𝑅𝑖 = − 𝐿𝑛 ෑ 𝑅𝑖
𝜆 𝜆
𝑖=1 𝑖=1 𝑖=1

Donde las 𝑥𝑖 ´s siguen una distribución exponencial y han sido generadas por método de la
transformada inversa.
Ejemplo en excel
 Procedimientos Especiales
(Distribución binomial)
Se desea generar números al azar que sigue la siguiente distribución de probabilidad:

𝑛 𝑥 𝑛−𝑥
𝑛!
𝑓 𝑥 = 𝜃 1−𝜃 = 𝜃𝑥 1 − 𝜃 𝑛−𝑥 , 𝑝𝑎𝑟𝑎 𝑥 = 0, 1, … , 𝑛
𝑥 𝑥! (𝑛 − 𝑥)!

N: número de probabilidades
x: cantidad de éxitos o errores

1. Generar 𝑛 números uniformes R

2. Contar cuantos de estos números generados son menores que 𝜃.
3. La cantidad encontrada en el paso 2, es el valor simulado de la variable aleatoria x.
4. Repetir los pasos anteriores tantas veces como se desee.
 Procedimientos Especiales
(Distribución binomial)
La probabilidad de que cierto antibiótico b) En más de 3 aves
presente una reacción negativa al
administrarse a un ave rapaz en 10!
𝑓 𝑥=0 = 0.150 1 − 0.15 10−0
recuperación es de 0.15. Si se les ha 0! 10 − 0 !
administrado dicho antibiótico a 10 aves, 𝑓 𝑥 = 0 = 1.1969
calcúlese la probabilidad de que haya 10!
𝑓 𝑥=1 = 0.151 1 − 0.15 10−1
reacción negativa: 1! 10 − 1 !
𝑓 𝑥 = 1 = 0.3474
10!
a) En dos aves 𝑓 𝑥=3 = 0.153 1 − 0.15 10−3
10! 3! 10 − 3 !
𝑓 𝑥=2 = 0.152 1 − 0.15 10−2
𝑓 𝑥 = 3 = 0.1298
2! 10 − 2 !
𝑓 𝑥 = 2 = 0.2759
𝑓 𝑥 > 3 =1−𝑓 𝑥 ≤ 3
𝑓 𝑥 >3 = 1− 𝑓 𝑥 = 0 +𝑓 𝑥 = 1 +𝑓 𝑥 = 2 +𝑓 𝑥 =3
𝑓 𝑥 > 3 = 1 − 1.1969 + 0.3474 + 0.2759 + 0.1298
𝑓 𝑥 > 3 = 0.05
 Procedimientos Especiales
(Distribución poisson)

Se puede demostrar que si:

1. El número total de eventos que ocurre durante un intervalo de tiempo dado es
independiente del número de eventos que ya han ocurrido previamente al inicio del intervalo
2 .La probabilidad de que un evento ocurra en el intervalo de 𝑡 a 𝑡 + ∆𝑡 es aproximadamente
𝜆∆𝑡 para todos los valores de 𝑡, entonces:
a. La distribución de probabilidad del tiempo entre eventos es 𝑓 𝑡 = 𝜆𝑒 −𝜆𝑡
b. La probabilidad de que ocurra x eventos durante el tiempo 𝑇 es:

𝑒 −𝜆 𝜆𝑥
𝑓 𝑡 ∗=
𝑥!

*𝜆 es el número de eventos promedio que ocurre durante el tiempo 𝑇

 Procedimientos Especiales
(Distribución poisson)
Por consiguiente, la simulación de una distribución poisson haciendo uso de la relación
anterior, se haría de acuerdo a los siguientes pasos:

1. Definir el tiempo 𝑇.

2. Simular mediante el método de la transformación inversa, números al azar que sigan una
1
distribución exponencial con media 𝜆.

3. Sumar los tiempos entre eventos simulados en el paso anterior de modo que esta suma no
sea mayor que 𝑇.

4. Contar de acuerdo al paso anterior, el número de eventos que ocurrieron durante el tiempo
𝑇.

5. Repetir los pasos anteriores tantas veces como se desee.

 Procedimientos Especiales
(Distribución poisson)
En una gasolinera la llegada de vehículos sigue la distribución de Poisson de parámetro 1.6.
Calcúlese la probabilidad de que llegue:
El numero de vehículos que lleguen sea inferior a tres
𝑒 −1.6 1.60
𝑓 𝑥=0 = = 0.2019
0!
𝑒 −1.6 1.61
𝑓 𝑥=1 = = 0.3230
1!
𝑒 −1.6 1.62
𝑓 𝑥=2 = = 0.2584
2!
𝑓 𝑥 < 3 = 𝑓 𝑥 = 0 + 𝑓 𝑥 = 1 + 𝑓 𝑥 = 2 = 0.7833
Que llegue algún vehículo
𝑓 𝑥 ≥1 =1−𝑓 𝑥 =0
𝑒 −1.6 1.60
𝑓 𝑥≥1 = = 0.7981
0!
 Lenguajes de programación y
lenguajes de simulación
Lenguaje de Programación Lenguaje de Simulación
En estos últimos años han surgido muchos Un lenguaje de simulación es un software
tipos de lenguajes de programación para de simulación de naturaleza general y
diseñar software de simulación de facilidad posee algunas características especiales
de uso para los usuarios. Antes, la para ciertas aplicaciones. El modelo es
aleatoriedad de los coeficientes en los desarrollado usando las instrucciones
modelos de simulación hacia su resolución adecuadas del lenguaje y permitiendo al
inviable, actualmente con el apoyo de la analista un gran control para cualquier
Informática, la resolución de estos modelos clase de sistema.
resulta muy sencilla. Los paquetes de
software y lenguajes de programación han
proliferado
 Lenguajes de programación
Python Java
Python es de código abierto, con una Este lenguaje orientado a objetos se
sintaxis clara y simple que probablemente ejecuta independientemente de la
sea la más simple de las que van a ser plataforma de hardware, por lo que el
mencionas. Perfecto para iniciarse en el código escrito en una máquina se ejecutará
mundo de la programación. Es muy flexible, sin problemas en otra. Incluso si los
por lo que tiene una serie de aplicaciones sistemas operativos son diferentes, el
como: inteligencia artificial, big data y código Java aún se ejecuta gracias a la
desarrollo web. Máquina Virtual Java o JVM (abreviatura en
inglés). Su abanico de aplicaciones es tan
amplio que, además de sitios web, también
se crean en este lenguaje software para
puntos de venta, cajeros automáticos,
Internet de las cosas (red de objetos
físicos) y dispositivos móviles.
 Lenguajes de programación
C# PHP
C# es un lenguaje de programación muy PHP es un lenguaje de programación
flexible creado por Microsoft, con multitarea que le permite crear
funciones similares al lenguaje C pero aplicaciones del lado del servidor al tiempo
orientado a objetos. Es ampliamente que proporciona una excelente
utilizado en juegos, robótica, impresión 3D, conectividad a Internet. Esta capacidad de
Internet de las cosas, desarrollo de comunicación entre la red y el servidor
aplicaciones web y móviles. Y también en el asegura la creación de sitios web muy
desarrollo de aplicaciones nativas para estables con un rendimiento excelente.
Microsoft, iOS y Android, como PHP se ha utilizado para crear aplicaciones,
controladores y aplicaciones de escritorio. herramientas y plataformas increíbles
como Facebook, Gmail, Wikipedia y
WordPress.
 Lenguajes de programación
C/C++ R
C es un lenguaje de programación creado R es un lenguaje de programación
como una extensión de C para hacerlo orientado a la estadística que se usa
orientado a objetos. Puede compilar ampliamente en cálculos y análisis
instrucciones, lo que permite el acceso estadísticos, así como para crear gráficos
completo al hardware, lo que lleva a su uso estadísticos. Gracias a este enfoque, el
generalizado en bases de datos, lenguaje R se usa ampliamente en la
navegadores web y videojuegos. investigación científica y biomédica, las
matemáticas financieras, la minería de
datos, el aprendizaje automático y la
ciencia de datos.
 Lenguajes de simulación
SLAM SIMAN
Visual SLAM es un lenguaje gráfico orientado SIMAN modela un sistema discreto usando la
a la simulación de Sistemas. Supongamos orientación al proceso; es decir, en un modelo de
que tenemos el sistema de un banco en sistema particular, estudia las entidades que se
donde llegan los clientes a una línea de mueven a través del sistema. Una entidad para
espera en espera de ser atendidos en una SIMAN es un cliente, un objeto que se mueve en
caja. Describimos la lista de proceso: la simulación y que posee características únicas
1. Llegada de Clientes conocidas como atributos. Los procesos
2. Clientes en espera de ser atendidos denotan la secuencia de operaciones o
3. Clientes en caja siendo atendidos actividades a través del que se mueven las
4. Cliente saliendo del proceso. entidades, siendo modeladas por el diagrama de
En este caso podemos identificar los clientes bloques. Contruimos un diagrama de bloques,
como entidades, el cajero como recurso que seleccionando y combinando bloques. Después,
va a ser modelado como servidor y la fila de interactivamente, usando un editor especial se
clientes será configurada como cola. El activa el generador automático de las sentencias
cliente saliendo nos denota el fin del proceso del modelo desde el ambiente
 Lenguajes de simulación
GPSS
Orientado a sistemas de colas. Admite un ambiente de animación denominado PROOF
ANIMATION. Considera a los procesos de simulación como entidades que se mueven dentro del
sistema. GPSS//H internamente está implementado como un sistema orientado a eventos basado
en las siguientes listas o cadenas: Current Event Chain (CEC): Transacciones esperando por una
condición Future Events Chain (FEC): Transacciones para ser conocidas en un tiempo futuro User
Chain (UC): Transacciones esperando para ser liberadas por otra transacción Interrupt Chain (IC):
Transacciones esperando el fin de su interrupción Assembly Set o Match Chain (MC):
Transacciones esperando a otras del mismo conjunto de ensamble GPSS lleva el registro de
cuándo debe mover cada transacción dentro del sistema. El reloj interno avanza completando
todos los movimientos programados para ejecutarse en cada instante GPSS/H es frecuentemente
clasificado como un simulador para sistemas de cola Implementaciones recientes son sistemas
de simulación universal para modelar cualquier sistema de simulación discreto orientado al
evento.
 Escenarios de Simulación
Un simulador es un software que permite realizar la simulación de ciertos sistemas para un
ambiente específico. Hoy en día existen simuladores para las industrias y sistemas de
comunicación permitiendo obtener un menor tiempo en el desarrollo del modelo

ProModel
Es un programa de simulación de procesos industriales, permite simular cualquier tipo de
proceso de manufactura, además de procesos logísticos, procesos de manejos de materiales
y contiene excelentes simulaciones de talleres, grúas viajeras, bandas de transporte y mucho
más. En teoría, cualquier sistema de procesos puede ser modelado en computadora, solo se
necesita de esfuerzo e ingenio, además de las herramientas que nos permitan plasmar nuestro
pensamiento en un modelo computarizado, una de esas herramientas es “ProModel”, en el cual
se puede crear un modelo computarizado de todo proceso de manufactura y una vez
realizado el modelado, se podrá simular sobre el una gran cantidad de situaciones como Justo
a Tiempo, Teoría de Restricciones, Sistemas de Empujar y Jalar, Logística y muchas otras más.
 Escenarios de Simulación
FLEXSIM Arena
Es un simulador orientado a objetos basado en Herramienta para simular procesos de cualquier
un ambiente de Windows® para modelar flujos tipo. Desde simples colas hasta procesos con
de eventos discretos como manufactura, gran cantidad de variables involucradas. Este
manejo de materiales, y flujo en oficinas en una tipo de software es de gran utilidad para
asombrosa realidad virtual de 3D. visualizar y estudiar de qué modo se están
Es indispensable para modelar modelos llevando a cabo diferentes procesos. Puede
complejos que son susceptibles de fallar, ser utilizarse para simular procesos tan variados
interrumpidos y tener cuellos de botella. A como:
través de la modelación de sistemas en avance • La disponibilidad de camas en un hospital
de múltiples escenarios “que tal sí” pueden ser • Llenado de líquidos en una planta
explorados sin interrumpirlos, costos o riesgos embotelladora
que esto significa en la vida real. • Producción de cobre
 Concluciones

• Se logró dar a conocer los métodos que generan variables aleatorias como método
de la transformada inversa, aceptación-rechazo, composición procedimientos
especiales.

• Se resolvió ejercicios de los métodos explicados tanto teóricamente como mediante

la ayuda de Excel

• Se dieron a conocer los programas más utilizados acerca del lenguaje de

programación y lenguaje de simulación.

• Se dieron a conocer los softwares más utilizados para los escenarios de simulación.
¡Gracias!