Ventajas, Desventajas, Caractersticas, Tipos de modelos y

Metodos de generacin.

2017
P2 Actividad 1U3F Investigacion

Autor: Efrain Uc Salvador

P2 Actividad 1U3F Investigacion

Contenido
Ventajas y desventajas de los lenguajes de simulacin ...................................................................... 4
Caractersticas de los lenguajes de simulacin ................................................................................... 5
Tipos de modelos: de simulacin continua y de simulacin discreta ................................................. 6
Mtodos de generacin de variables aleatorias ................................................................................. 7
Mtodo de la Transformada Inversa.......................................................................................... 7
Mtodo de composicin. ............................................................................................................. 7
Mtodo de aceptacin rechazo. ................................................................................................. 8
Procedimientos Especiales ......................................................................................................... 9
Referencias .................................................................................................................................... 10
Ventajas y desventajas de los lenguajes de simulacin
El proceso evolutivo de los lenguajes de simulacin ha sido largo y extenso.
Empez a finales de la dcada de los 50s. En un principio los lenguajes que se
desarrollaron eran de propsito general. Sin embargo, poco a poco los estudiosos
de este tema se dieron cuenta de la gran similitud que exista entre las diferentes
situaciones o sistemas que se simulaban. Lo anterior condujo obviamente al
desarrollo de lenguajes de propsito especial, los cuales en la actualidad tienen
una gran demanda y su proceso de comercializacin ha sido amplio y extenso.
Entre las ventajas principales de estos lenguajes de simulacin, se pueden
mencionar las siguientes:

Ventajas de lenguajes especficos:

Reduccin en la tarea de programacin. Con los lenguajes de simulacin, el tiempo
dedicado a la programacin del modelo se reduce considerablemente. Existen
algunos paquetes como GPSS, en los que, con un nmero muy reducido de
estatutos, se pueden simular sistemas que, en otro lenguaje como Fortran,
requeriran una gran cantidad de estatutos y subrutinas.
Mejor definicin del sistema. A travs de los lenguajes de simulacin, se facilita la
tarea de definir las diferentes entidades que interactan dentro del sistema.
Tambin, con estos lenguajes se determina con mayor facilidad las interrelaciones
que existen entre las entidades que forman el sistema.
Mayor flexibilidad para cambios. Con los lenguajes generales como Fortran, el
proceso de cambios puede ser largo y tedioso, Sin embargo, con el uso de lenguajes
de simulacin, los cambios son una tarea simple y una subrutina.
Mejor diferenciacin de las entidades que forman el sistema. El uso de lenguajes de
simulacin facilita determinar o definir las caractersticas y atributos de una entidad.
Con las entidades bien definidas y diferenciadas, se aumenta y mejora el
entendimiento del sistema a simular.
Se relaciona mejor las entidades. Con las entidades bien definidas, los lenguajes de
simulacin permiten relacionar mejor a cada una de estas entidades, es decir, se
determina ms fcilmente las relaciones que las entidades guardan entre si y el
anlisis de cada una de ellas.
Programas ms cortos:
Estn preparados para llevar la contabilidad de los distintos parmetros. - Tienen
mdulos para generar nmeros aleatorios de las distintas distribuciones, reloj, etc.
Al tener menos lneas de cdigo:
Es ms fcil detectar posibles errores. - Se reduce el tiempo de programacin. - Es
ms fcil cambiarlo si queremos introducir alguna variacin.
Existen una serie de errores tpicos que suelen ser identificados y chequeados de
forma automtica accesibles.
Integra funciones como generacin de nmeros aleatorios, anlisis estadstico y
grficas.
Tienen una alta fiabilidad que conduce a una validacin de resultados sencilla y
rpida.

Desventajas/Inconvenientes de lenguajes especficos:

Son menos flexibles, y su sintaxis tiende a ser menos natural.

 Las ejecuciones son ms lentas.
Son menos conocidos por analistas y programadores, y los compiladores son
menos accesibles.
Es necesario invertir en la adquisicin del software.

Caractersticas de los lenguajes de simulacin

Los lenguajes de simulacin proporcionan automticamente las caractersticas
necesarias para la programacin de un modelo de simulacin, lo que redunda en
una redaccin significativa del esfuerzo requerido para programar el modelo.
Proporcionan un marco de trabajo natural para el uso de modelos de simulacin.
Los bloques bsicos de construccin del lenguaje son mucho ms afines a los
propsitos de la simulacin que los de un lenguaje de tipo general.
Los modelos de simulacin son mucho ms fcilmente modificables.
Proporcionan muchos de ellos una asignacin dinmica de memoria durante la
ejecucin.
Facilitan una mejor deteccin de los errores.
Los paquetes de software especialmente diseados para simulacin contienen
aplicaciones diversas que facilitan al simulador las tareas de comunicaciones, la
depuracin de errores sintcticos y de otro tipo de errores, la generacin de
escenarios, la manipulacin on-line de los modelos, etc.
Son muy conocidos y en uso actualmente.
Aprendizaje lleva cierto tiempo.
Simuladores de alto nivel.
Muy fciles de usar por su interfaz grfica.
Restringidos a las reas de manufactura y comunicaciones.
Flexibilidad restringida puede afectar la validez del modelo.

Los lenguajes de simulacin que actualmente existen en el mercado, tiene una

serie de caractersticas propias que los diferencian de los dems. Entre estas
caractersticas se pueden mencionar las siguientes:

El procedimiento utilizado para generar nmeros aleatorios uniformes.

Los procedimientos o mtodos utilizados para generar las variables aleatorias no-
uniformes ms conocidas y ms usadas.
La forma de adelantar el reloj de la simulacin.
El anlisis estadstico de los resultados de la simulacin.
El formato en que los resultados de la simulacin son presentados.
La forma en que las inconsistencias y errores de lgica es reportada.
El lenguaje en el cual el paquete est escrito.
Los diferentes tipos de computadoras cuyo compilador es compatible con el del
paquete en cuestin.
Tipos de modelos: de simulacin continua y de simulacin
discreta
Los modelos de simulacin se clasifican en dos categoras: modelos de simulacin
continua y modelos de simulacin discreta. Los modelos de simulacin continua,
generalmente son apropiados cuando el analista considera al sistema bajo
estudio, con un flujo continuo de informacin. En simulacin continua,
generalmente el reloj de simulacin se incrementa a intervalos fijos de tiempo. Por
otra parte, en modelos de simulacin discreta, al analista le interesa lo que se
sucede a entidades individuales del sistema, Por consiguiente, el reloj de la
simulacin en simulacin discreta, se incrementa cada vez que ocurre un evento.

Los modelos de simulacin discreta pueden desarrollarse a travs de tres

enfoques: enfoque de eventos, de actividades y de procesos. Un evento se define
como un cambio en el estado de una entidad del sistema. Una actividad es una
coleccin de operaciones que transforman el estado de una entidad. Un proceso
es una secuencia de eventos que ocurren en un tiempo determinado.

Continuos: Son aquellos en los que las variables de estado cambian de forma
continua con el paso del tiempo

Ej. Comportamiento global del trfico de una autopista

Discretos: Son aquellos en los que las variables de estado cambian

instantneamente en instantes separados de tiempo.

Ej. Movimiento individual de los coches en una autopista

 Mtodos de generacin de variables aleatorias
Mtodo de la Transformada Inversa
El Mtodo de la Transformada Inversa utiliza la distribucin acumulada F(x) de una variable
aleatoria X que se va a simular. Puesto que F(x) est definida en el intervalo (0,1), y que
adems F(x)=x para x 0,1 se puede generar un nmero aleatorio uniforme y y tratar de
determinar el valor de la variable aleatoria para la cual su distribucin acumulada es igual
a y. Recordemos que F es una funcin sobreyectiva e inyectiva y por tanto un isomorfismo,
adems lim F ( x) 0 y lim F ( x) 1 .
x x

Para convertir a un valor x, tomado de una distribucin especfica, a partir de un valor

uniforme, se deber encontrar y en trminos de x, a partir de:

F(x) y
F -1 ( F ( x)) F 1 (y)
x F 1 (y)

Este mtodo tiene la dificultad principal de que en algunas ocasiones es difcil

encontrar la transformada inversa. Sin embargo, si esta funcin inversa ya ha sido
establecida, generando nmeros aleatorios uniformes se podrn obtener valores
de la variable aleatoria que sigan la distribucin de probabilidad deseada.

Mtodo de composicin.
Este mtodo va a poder ser aplicado cuando la funcin de densidad es fcil
de siendo n el nmero de trozos en los que se ha dividido la funcin.
Cada uno de los fragmentos se puede expresar como producto de un funcin de
distribucin y un peso

Cada uno de los fragmentos se puede expresar como producto de un funcin de

distribucin y un peso

y la funcin de distribucin global la podemos obtener como

El mtodo consiste en generar dos nmeros aleatorios, uno sirve para seleccionar
un trozo y el otro se utiliza para generar un valor de una variable que sigue la
distribucin de dicho trozo. El valor de la variable obtenida es el valor buscado.
El algoritmo general queda como sigue:
Generar u1,u2~U(0,1)
Si u1=w1 entonces generar x~f1(x)
Si no
Si u1=w1+w2 entonces generar x~f2(x).

Mtodo de aceptacin rechazo.

Este mtodo es ms probabilstico que el anterior. Los mtodos de inversin,
composicin y convolucin son mtodos de generacin directos, en el sentido en
que tratan directamente con la funcin de distribucin. El mtodo de aceptacin-
rechazo es menos directo en su aproximacin.
Se va aplicar este mtodo en el caso de que la variable aleatoria sea continua, el
caso discreto es anlogo y est tratado en Prob. 8.9
En este caso tenemos la funcin de densidad f(x) de la variable y necesitamos una
funcin t(x) que la acote, es decir t(x)f(x) "x. Hay que notar que t(x) no es, en
general, una funcin de densidad.

Pero la funcin r(x)=t(x)/c, si es claramente una funcin de densidad. (Suponemos

que t es tal que c<). Debemos de poder generar (esperamos que de forma fcil y
rpida) un valor de la variable aleatoria que sigue la funcin r(x). El algoritmo
general queda como sigue:
Generar x que siga la distribucin r(x)
Generar u~U(0,1), independiente de x

, entonces devolver x si no volver a repetir el algoritmo

El algoritmo contina repitindose hasta que se genera un valor que es aceptado.
Para hacer que se rechacen el menor nmero de puntos posibles la
funcin t(x) debe ser la mnima funcin que acote a f(x).
Procedimientos Especiales
Existen algunas distribuciones como las distribuciones normales, binomial,
poisson, etc. cuya simulacin a travs del mtodo de transformada inversa resulta
complicada. Para estas distribuciones es posible utilizar algunas de sus
propiedades para facilitar y agilizar el proceso de generacin de nmeros
aleatorios.
Referencias

Winston, Wayne L. Investigacin de Operaciones. Grupo Editorial Iberoamrica. Mxico,

2005.
Nuevas tendencias de innovacin educativa superior, Juan Enrique Gonzlvez Valls.
Simulacin un enfoque prctico, Ral Coss Bu.
Simulacin de sistemas, autores: Esther Berger Vidal, Ins Gambini Lpez, Carmela
Velsquez Pino.
Simulacin y anlisis de sistemas con ProModel, autores: Eduardo Garca Dunna, Heriberto
Garca Reyes, Leopoldo E. Crdenas Barrn.
Introduccin a la simulacin y a la teora de colas, Ricardo Cao Abad.
Banks, J. [1994), Software for simulation, en 1994 winter Simulation Conference
Proceedings, ed. J.D. Tew, S. Manivannan, D.A. Sadowski, A.F. Seila, Association for
computing Machinery, New York, NY, pag. 26-33
http://simulacionstefa.blogspot.mx/