Carito

CAPITULO 1: GENERALIDADES DEL MODELADO.

1. introducción.

Un modelo es una representación de la realidad desarrollado con el propósito de estudiarla.

• Modelos icónicos: modelos físicos que se asemejan al sistema real (manejados en otra escala)
• Modelos análogos: una propiedad del sistema real se puede sustituir por una diferente que se comporta de manera similar.
• Modelossimbólicos: se utiliza un conjunto de símbolos en lugar de una entidad física para representar la realidad.
• Modelos determinísticos: los valores de las variables no se ven afectados por variaciones aleatorias y se conocen con exactitud.
• Modelos estocásticos o probabilísticos: sufren variaciones aleatorias con respecto a un valor promedio.
• Modelos dinámicos: cambio quepresentan las variables en función del tiempo
• Modelos estáticos: no se maneja variable de tiempo, representan un sistema en un punto particular del tiempo.
• Modelos continuos: las variables pueden tomar valores reales y manejarse con técnicas de optimización clásica.
• Modelos discretos: toman valores enteros, características
- Confiabilidad
- Sencillez
- Bajo costodesarrollo y operación
- Manejabilidad.
- Fácil entendimiento
- Relación costo-beneficio debe ser positiva.


2. Distribución de probabilidad.

Se deben diferenciar entre dos tipos de datos:
- Los que permanecen sin cambio, a través del tiempo (parámetros).
- Y los que si cambian (variables)

La variabilidad del segundo tipo de datos, debe modelarse conecuaciones matematicas que sean capaces de reproducirlas, pudiendo clasificarse dentro de alguna distribución de probabilidad.

1. Distribuciones continuas.

Se utilizan para modelar aleatoriedad en aquellas actividades o eventos en los cuales los valores de las variables pueden estar dentro de un rango de valores reales.
- Uniforme
- Exponencial
- Weibull
-Triangular
- Normal
- Lognormal


2. Distribuciones discretas.

Sirven para modelar aleatoriedad de una variable que solo puede tomar valores enteros.
- Bernoulli
- Uniforme discreta
- Binomial
- Poisson
- Geométrica

3. Determinación del tipo de distribución.

Al analizar información, esta se encuentra disponible en forma de series detiempo, pero este formato no es de utilidad cuando se trata de obtener un comportamiento basado en variabilidad con cierto comportamiento probabilístico. Así que si el analista desea conocer el comportamiento es necesario modificar la presentación de datos con la finalidad de realizar las siguientes pruebas.

1. prueba de bondad de ajuste

Se utiliza para encontrar la distribución deprobabilidad de una serie de datos

2. prueba de kolmogorov-smirnov

Su objetivo es es encontrar el tipo de distribución de probabilidad de una serie de datos, es posible utilizar la bondad de ajuste de kolmogorov-smirnov, la cual comprándola con con la bondad de ajuste es más eficiente en varios aspectos ya que trabaja la distribución de probabilidad acumulada.

CAPITULO 2: CONCEPTOS PRINCIPALES DESIMULACIÓN.


1. Un ejemplo

Se describirá el ejemplo del sistema y lo que se desearía saber acerca de su comportamiento y ejecución.

1. El sistema:

Se comenzará con un caso sencillo de líneas de esperas o colas que representa una parte de una instalación de manufactura.

“las partes en blancos” llegan a un centro de perforación, se procesan en una sola perforadora y despuéssalen. Si una “parte” llega y encuentra la perforadora desocupada, su proceso comienza de inmediato; de lo contrario, espera en una cola de: primeras entradas – primeras salidas (FIFO).

También se deben especificar los aspectos numéricos, incluyendo cómo comienza y se detiene la simulación.

Primero se eligen las unidades “base”; con las que se medirá el tiempo, se deben escoger unidades que...