SlideShare una empresa de Scribd logo
1 de 22
 
SIMULACIÓN DE SISTEMAS SIMULACIÓN DE VARIABLES ALEATORIAS Juan Carlos Lizaldes Jonathan Yaguachi
Verificación y validación de los modelos de simulación Gran desarrollo de modelos en el área de la simulación. Análisis correcto de los resultados. Interpretación errónea Mala decisión
Falso sentido de seguridad . Análisis estadístico de las variables de salida. Existen dos categorías de modelos de simulaciones: ,[object Object],[object Object]
Simulaciones terminales Ocurre un evento que termina la simulación . Análisis estadístico con : ,[object Object],[object Object]
Intervalo de confianza Se llama intervalo de confianza a un par de números entre los cuales se estima que estará un valor desconocido con una determinada probabilidad de acierto .
I.C. si la variable aleatoria sigue una distribución normal: I.C. si la variable aleatoria no sigue una distribución normal:
Ejemplo. Los resultados de 10 réplicas de la simulación de un sistema de inventario promedio en un almacén son 190.3, 184.2, 182.4, 195.6, 193.2, 190.5, 191.7, 188.5, 189.3, 188.4. Determinar el intervalo de confianza con un nivel de aceptación de 95 por ciento. La media es 189.41 y la desviación estándar es 3.916. (Pág. 107)
Simulaciones no terminales No involucra una ocurrencia en el tiempo en que tenga que finalizar. Se necesita determinar la  longitud de corrida o longitud de las réplicas  para asegurar la estabilización de los resultados del modelo .
Longitud de las réplicas Para que una variable aleatoria se estabilice, es necesario que sus réplicas sean lo suficientemente grandes para no diferir de cierta exactitud.
Ecuaciones para determinar la L.R.(n) Variable Normal Variable NO Normal Desviación Estándar Conocida Desviación Estándar Estimada
Ejemplo. Determinar la longitud de la réplica para estimar, dentro de un rango del ±2, el valor de una variable normal con desviación estándar 4 y un nivel de aceptación de 5 por ciento. (Pág. 109)
[object Object],Ejemplo.
Variable de estado Tiempos de inspección (7) Entidades Piezas Eventos Tiempo de llegada(2) Fin de la inspección (5) Evento Secundario Inicio de la inspección (3) Actividades Tiempo entre llegadas (1) Tiempo de inspección (4)
Selección de Lenguajes de Simulación ,[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
 
¿PREGUNTAS?
 
¡GRACIAS!
 

Más contenido relacionado

La actualidad más candente

2.3 metodos cuantitativos
2.3 metodos cuantitativos2.3 metodos cuantitativos
2.3 metodos cuantitativos
thecharlyccc
 
Lenguaje de simulación
Lenguaje de simulaciónLenguaje de simulación
Lenguaje de simulación
Jeicod Tupapa
 
Diagramas De Casos De Uso
Diagramas De Casos De UsoDiagramas De Casos De Uso
Diagramas De Casos De Uso
nahun1385
 
Modelos de Simulacion
Modelos de SimulacionModelos de Simulacion
Modelos de Simulacion
Jammil Ramos
 
Análisis de riesgos de un proyecto de software
Análisis de riesgos de un proyecto de softwareAnálisis de riesgos de un proyecto de software
Análisis de riesgos de un proyecto de software
Angel Reyes
 

La actualidad más candente (20)

Manual del Software Arena.
Manual del Software Arena.Manual del Software Arena.
Manual del Software Arena.
 
Proyecto de simulacion
Proyecto de simulacionProyecto de simulacion
Proyecto de simulacion
 
Lenguajes de simulacion
Lenguajes de simulacionLenguajes de simulacion
Lenguajes de simulacion
 
Variables aleatorias
Variables aleatoriasVariables aleatorias
Variables aleatorias
 
Metodo de montecarlo
Metodo de montecarloMetodo de montecarlo
Metodo de montecarlo
 
2.3 metodos cuantitativos
2.3 metodos cuantitativos2.3 metodos cuantitativos
2.3 metodos cuantitativos
 
Simulacion-unidad 1
Simulacion-unidad 1Simulacion-unidad 1
Simulacion-unidad 1
 
Generador de números aleatorios
Generador de números aleatoriosGenerador de números aleatorios
Generador de números aleatorios
 
Presentation Kick Off
Presentation Kick OffPresentation Kick Off
Presentation Kick Off
 
Lenguaje de simulación
Lenguaje de simulaciónLenguaje de simulación
Lenguaje de simulación
 
Monte Carlo and Schedule Risk Analysis
Monte Carlo and Schedule Risk AnalysisMonte Carlo and Schedule Risk Analysis
Monte Carlo and Schedule Risk Analysis
 
METODOLOGIAS AGILES
METODOLOGIAS AGILESMETODOLOGIAS AGILES
METODOLOGIAS AGILES
 
Diagramas De Casos De Uso
Diagramas De Casos De UsoDiagramas De Casos De Uso
Diagramas De Casos De Uso
 
Modelos de Simulacion
Modelos de SimulacionModelos de Simulacion
Modelos de Simulacion
 
Simulación - Unidad 3 generacion de variables aleatorias
Simulación - Unidad 3 generacion de variables aleatoriasSimulación - Unidad 3 generacion de variables aleatorias
Simulación - Unidad 3 generacion de variables aleatorias
 
Análisis de riesgos de un proyecto de software
Análisis de riesgos de un proyecto de softwareAnálisis de riesgos de un proyecto de software
Análisis de riesgos de un proyecto de software
 
Simulación de variables aleatorias
Simulación de variables aleatoriasSimulación de variables aleatorias
Simulación de variables aleatorias
 
Random Number Generation
Random Number GenerationRandom Number Generation
Random Number Generation
 
6 el proceso de poisson
6 el proceso de poisson6 el proceso de poisson
6 el proceso de poisson
 
Estructura Modelo de Proyecto Six Sigma
Estructura Modelo de Proyecto Six SigmaEstructura Modelo de Proyecto Six Sigma
Estructura Modelo de Proyecto Six Sigma
 

Similar a SimulacióN De Variables Aleatorias

_-_control_de_lectura_-_modelos_simulacion
_-_control_de_lectura_-_modelos_simulacion_-_control_de_lectura_-_modelos_simulacion
_-_control_de_lectura_-_modelos_simulacion
eaceved5
 
PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESISPRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS
Carlos Miguel Santa Cruz Vera
 
Estudio R & R Mejia
Estudio R & R  MejiaEstudio R & R  Mejia
Estudio R & R Mejia
guruclef01
 
1. Fundamentación General de la simulación de sistemas.pdf
1. Fundamentación General de la simulación de sistemas.pdf1. Fundamentación General de la simulación de sistemas.pdf
1. Fundamentación General de la simulación de sistemas.pdf
hectorrosales52
 
Graficos de control
Graficos de controlGraficos de control
Graficos de control
baalamponce
 
Sga 4.4 control estadístico del proceso (cep)
Sga  4.4 control estadístico del proceso (cep)Sga  4.4 control estadístico del proceso (cep)
Sga 4.4 control estadístico del proceso (cep)
Carlos Medellin
 
Capítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultadosCapítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultados
Sergio Valenzuela Mayer
 

Similar a SimulacióN De Variables Aleatorias (20)

Determinación de costos por simulación
Determinación de costos por simulaciónDeterminación de costos por simulación
Determinación de costos por simulación
 
03 gestión de pruebas de software diseño de casos de pruebas
03 gestión de pruebas de software   diseño de casos de pruebas03 gestión de pruebas de software   diseño de casos de pruebas
03 gestión de pruebas de software diseño de casos de pruebas
 
_-_control_de_lectura_-_modelos_simulacion
_-_control_de_lectura_-_modelos_simulacion_-_control_de_lectura_-_modelos_simulacion
_-_control_de_lectura_-_modelos_simulacion
 
PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESISPRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS
 
Estudio R & R Mejia
Estudio R & R  MejiaEstudio R & R  Mejia
Estudio R & R Mejia
 
Curso Seis Sigma Modulo II.ppt
Curso Seis Sigma Modulo II.pptCurso Seis Sigma Modulo II.ppt
Curso Seis Sigma Modulo II.ppt
 
Muestreo de selección angel monsalve
Muestreo de selección angel monsalveMuestreo de selección angel monsalve
Muestreo de selección angel monsalve
 
Pruebas De Software
Pruebas De SoftwarePruebas De Software
Pruebas De Software
 
RevistadigitalgiovannaRAM.pdf
RevistadigitalgiovannaRAM.pdfRevistadigitalgiovannaRAM.pdf
RevistadigitalgiovannaRAM.pdf
 
Investigación de operaciones 2
Investigación de operaciones 2Investigación de operaciones 2
Investigación de operaciones 2
 
Simulacion uam
Simulacion uamSimulacion uam
Simulacion uam
 
CONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdf
CONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdfCONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdf
CONTROL ESTADÍSTICO DE LA CALIDAD (HRRTAS).pdf
 
1. Fundamentación General de la simulación de sistemas.pdf
1. Fundamentación General de la simulación de sistemas.pdf1. Fundamentación General de la simulación de sistemas.pdf
1. Fundamentación General de la simulación de sistemas.pdf
 
Graficos de control
Graficos de controlGraficos de control
Graficos de control
 
Taller # 3 Modelos de Colas y Simulación”.pdf
Taller # 3 Modelos de Colas y Simulación”.pdfTaller # 3 Modelos de Colas y Simulación”.pdf
Taller # 3 Modelos de Colas y Simulación”.pdf
 
Sga 4.4 control estadístico del proceso (cep)
Sga  4.4 control estadístico del proceso (cep)Sga  4.4 control estadístico del proceso (cep)
Sga 4.4 control estadístico del proceso (cep)
 
Eq.4 modelos de-calidad
Eq.4 modelos de-calidadEq.4 modelos de-calidad
Eq.4 modelos de-calidad
 
Capítulo 01 conceptos de simulación
Capítulo 01 conceptos de simulaciónCapítulo 01 conceptos de simulación
Capítulo 01 conceptos de simulación
 
Taller R&R_CALIDAD DE MEDICIONES.pdf
Taller R&R_CALIDAD DE MEDICIONES.pdfTaller R&R_CALIDAD DE MEDICIONES.pdf
Taller R&R_CALIDAD DE MEDICIONES.pdf
 
Capítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultadosCapítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultados
 

Último

redes informaticas en una oficina administrativa
redes informaticas en una oficina administrativaredes informaticas en una oficina administrativa
redes informaticas en una oficina administrativa
nicho110
 

Último (10)

How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.
 
redes informaticas en una oficina administrativa
redes informaticas en una oficina administrativaredes informaticas en una oficina administrativa
redes informaticas en una oficina administrativa
 
Buenos_Aires_Meetup_Redis_20240430_.pptx
Buenos_Aires_Meetup_Redis_20240430_.pptxBuenos_Aires_Meetup_Redis_20240430_.pptx
Buenos_Aires_Meetup_Redis_20240430_.pptx
 
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptxEVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
 
investigación de los Avances tecnológicos del siglo XXI
investigación de los Avances tecnológicos del siglo XXIinvestigación de los Avances tecnológicos del siglo XXI
investigación de los Avances tecnológicos del siglo XXI
 
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
 
Guia Basica para bachillerato de Circuitos Basicos
Guia Basica para bachillerato de Circuitos BasicosGuia Basica para bachillerato de Circuitos Basicos
Guia Basica para bachillerato de Circuitos Basicos
 
Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21
 
Avances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvanaAvances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvana
 
Avances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estosAvances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estos
 

SimulacióN De Variables Aleatorias

  • 1.  
  • 2. SIMULACIÓN DE SISTEMAS SIMULACIÓN DE VARIABLES ALEATORIAS Juan Carlos Lizaldes Jonathan Yaguachi
  • 3. Verificación y validación de los modelos de simulación Gran desarrollo de modelos en el área de la simulación. Análisis correcto de los resultados. Interpretación errónea Mala decisión
  • 4.
  • 5.
  • 6. Intervalo de confianza Se llama intervalo de confianza a un par de números entre los cuales se estima que estará un valor desconocido con una determinada probabilidad de acierto .
  • 7. I.C. si la variable aleatoria sigue una distribución normal: I.C. si la variable aleatoria no sigue una distribución normal:
  • 8. Ejemplo. Los resultados de 10 réplicas de la simulación de un sistema de inventario promedio en un almacén son 190.3, 184.2, 182.4, 195.6, 193.2, 190.5, 191.7, 188.5, 189.3, 188.4. Determinar el intervalo de confianza con un nivel de aceptación de 95 por ciento. La media es 189.41 y la desviación estándar es 3.916. (Pág. 107)
  • 9. Simulaciones no terminales No involucra una ocurrencia en el tiempo en que tenga que finalizar. Se necesita determinar la longitud de corrida o longitud de las réplicas para asegurar la estabilización de los resultados del modelo .
  • 10. Longitud de las réplicas Para que una variable aleatoria se estabilice, es necesario que sus réplicas sean lo suficientemente grandes para no diferir de cierta exactitud.
  • 11. Ecuaciones para determinar la L.R.(n) Variable Normal Variable NO Normal Desviación Estándar Conocida Desviación Estándar Estimada
  • 12. Ejemplo. Determinar la longitud de la réplica para estimar, dentro de un rango del ±2, el valor de una variable normal con desviación estándar 4 y un nivel de aceptación de 5 por ciento. (Pág. 109)
  • 13.
  • 14. Variable de estado Tiempos de inspección (7) Entidades Piezas Eventos Tiempo de llegada(2) Fin de la inspección (5) Evento Secundario Inicio de la inspección (3) Actividades Tiempo entre llegadas (1) Tiempo de inspección (4)
  • 15.
  • 16.
  • 17.
  • 18.  
  • 20.  
  • 22.