Manual Monte Carlo

INSTITUTO TECNOLOGICO SUPERIOR
DE HUATUSCO
“MANUAL DE SIMULACIÓN MONTECARLO CON

HOJAS DE CÁLCULO”
ING. MIGUEL ÁNGEL SOLÍS JIMÉNEZ
HUATUSCO, VER. JUNIO DE 2013.

INSTITUTO TECNOLÓGICO SUPERIOR DE HUATUSCO
INDICE
Contenido
CAPITULO 1: ........................................................................................................................ 3
OPERACIONES Y PROCEDIMIENTOS BÁSICOS CON HOJAS DE CÁLCULO PARA LA
SIMULACIÓN. ................................................................................................................................... 3
1.1 Introducción. ............................................................................................................................. 3
1.2 Operaciones lógicas................................................................................................................... 4
1.2.1 Función SI( ). ....................................................................................................................... 4
1.2.2 Función O( ). ....................................................................................................................... 6
1.2.3 Función Y( ). ........................................................................................................................ 7
1.2.4 Función NO( )...................................................................................................................... 9
1.3 Referencias .............................................................................................................................. 10
1.3.1 Referencia relativa ........................................................................................................... 10
1.3.2 Referencia Absoluta ......................................................................................................... 11
1.4 Operaciones Estadísticas. ........................................................................................................ 11
1.4.1 Intervalo de confianza. ..................................................................................................... 12
1.4.2 Estadística descriptiva. ..................................................................................................... 14
1.5 Estado estable. ........................................................................................................................ 17
1.6 Efectuar corridas de simulación. ............................................................................................. 20
1.7 Generación de variables aleatorias continuas. ....................................................................... 25
1.7.1 Generador de variables aleatorias normales. .................................................................. 26
1.7.2 Generador de variables aleatorias exponencial. .............................................................. 27
1.8 Generación de variables aleatorias discretas.......................................................................... 29
CAPITULO 2: ...................................................................................................................... 34
PROBLEMARIO ............................................................................................................................. 34
2.1 Introducción. ........................................................................................................................... 35
Ejemplo 1....................................................................................................................................... 36
Solución 1 ...................................................................................................................................... 36
Ejemplo 2....................................................................................................................................... 40
M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 1

Solución 2 ...................................................................................................................................... 40
Ejemplo 3....................................................................................................................................... 44
Solución 3 ...................................................................................................................................... 46
Bibliografía .................................................................................................................................... 54

CAPITULO 1:
OPERACIONES Y
PROCEDIMIENTOS
BÁSICOS CON HOJAS
DE CÁLCULO PARA LA
SIMULACIÓN.
1.1 Introducción.

Una vez visto de forma general los conceptos de la simulación, el siguiente paso
consiste en determinar la forma en cómo se puede llevar a cabo un estudio de
simulación haciendo uso de la metodología de Montecarlo. Para esto en primer
lugar existen una serie de procedimientos y operaciones que son necesarios
conocer para que la simulación se desarrolle de una manera más sencilla, por lo
tanto en este capítulo se pretende en primer lugar abordar los temas necesarios
para el desarrollo adecuado de la simulación y posteriormente integrar a todos
estos en la propia metodología de simulación.
1.2 Operaciones lógicas.
Existen una serie de funciones lógicas con las que Excel cuenta, estas son las
funciones: Si( ), O( ), Y( ),NO( ), el uso de estas funciones permite, tomar acciones
de acuerdo a la situación que se esté modelando, por ejemplo: En caso de que se
cumpla una condición, el valor de una variable puede incrementarse o
decrementarse según se necesite; también puede tenerse la necesidad de que
una variable deba cumplir dos o más condiciones para tomar un valor. Estas y
otras acciones son las que pueden programar por medio de las Funciones lógicas.
A continuación se presenta unos ejemplos sencillos así como la sintaxis que
deben seguir dichas funciones.
1.2.1 Función SI( ).
El objetivo principal de esta función es verificar que una condición se cumpla y en

caso de ser así, se tomará una acción, misma que puede ser otra verificación (si
anidados), una operación, o en su defecto, desplegar un texto.
La sintaxis de esta función es la siguiente:

SI(prueba_lógica; [valor_si_verdadero]; [valor_si_falso])
Dónde:
prueba_lógica: es Cualquier valor o expresión que pueda evaluarse como

VERDADERO o FALSO
Valor_si_verdadero: El valor que desea que se devuelva si el argumento

prueba_lógica se evalúa como VERDADERO.
Valor_si_falso: El valor que desea que se devuelva si el argumento prueba_lógica

se evalúa como FALSO
Ejemplo1. Suponga que se desea determinar si un número es mayor que otro, el

objetivo es que en caso de que el número contenido en la celda A1 sea mayor al
contenido en la celda A2, en la celda C1 se mande el mensaje “MAYOR”, en caso
contrario se mande el mensaje “NO ES MAYOR”. En la siguiente imagen se
muestra como deberá quedar expresa esta situación:
Ilustración 1 Sintaxis de la función SI
La imagen anterior muestra la forma en cómo debe quedar programada la función.

Las siguientes imágenes muestran los resultados con valores cuando la celda A1
es mayor y cuando la celda A1 no es menor.
Ilustración 2 Caso donde A1 es mayor que B1

Ilustración 3 Caso donde A1 es menor que B2
1.2.2 Función O( ).
El objetivo de esta función es verificar que se cumpla por lo menos una de las
condiciones que contemple la función. En caso de cumplirse por lo menos una de
las condiciones, la función mandará un valor verdadero como resultado.
La sintaxis de esta función es la siguiente:
O(valor_lógico1; [valor_lógico2]; ...)
Dónde:
Valor_lógico1, Valor_lógico2 son las comparaciones que se van a realizar. Es

importante mencionar que el Valor_lógico1 es obligatorio, mientras que los valores
lógicos siguientes son opcionales. Se permiten De 1 a 255 condiciones que se
desea comprobar y que pueden tener el resultado de VERDADERO o FALSO
Ejemplo2.
Suponga que se desea verificar si dos datos contenidos en las celdas A1 y B1

cumplen con las condiciones siguientes: A1>5 o B1<3, es decir, para que la
función mande un valor verdadero, se debe de cumplir al menos una de las dos
relaciones. Solo en caso de que no se cumpla por lo menos una de estas,
entonces mandará un valor de falso. Lo anterior quedaría representado de la
siguiente manera:

Ilustración 4 Sintaxis de la función O
En caso de introducir los valores que se muestran en la figura, los resultados

serían los siguientes:
Ilustración 5 Caso donde A1 es verdadero ya que es mayor que B1
En este primer caso, la celda A1 cumple con la condición de ser mayor de 5 y aun
cuando la celda no cumple la condición de ser menor de 3, el resultado que
manda la función O( ), es verdadero, ya que al menor una se cumple.
Ilustración 6 Caso donde A1 es falso al no cumplir la condición
Como puede observarse en este segundo caso, al no cumplirse ambas

condiciones, el resultado que envía la función es FALSO.
Cabe mencionar que los argumentos de la función pueden ser pruebas sencillas
como las presentadas en los ejemplos anteriores, o bien pudieran ser
comparaciones más estructuradas que contengan funciones para tal fin.
1.2.3 Función Y( ).

El objetivo de la función Y( ) es dar mayor potencia a funciones que realizan

pruebas lógicas, esta función dara como resultado un valor verdadero en caso de
que las pruebas lógicas sean verdaderas, en caso de que una de las pruebas no
sea verdadera, el valor de la función será un valor de falso. La sintaxis de esta
función es la siguiente:
Y(valor_lógico1; [valor_lógico2]; ...)
Donde:
valor_lógico1 es obligatorio y la primera condición que desea probar se puede

evaluar como VERDADERO o FALSO.
valor_lógico2;Devuelve VERDADERO si todos los argumentos se evalúan como

VERDADERO; devuelve FALSO si uno o más argumentos se evalúan como
FALSO.
En caso de ser verdaderos todos los valores lógicos, la función dará un valor
verdadero; en caso de que un valor lógico que se pruebe sea falso, entonces el
resultado será falso.
Ejemplo 3.
Suponga que se desea verificar si dos datos contenidos en las celdas A1 y B1

cumplen con las condiciones siguientes: A1>5 y B1<3, es decir, para que la
función mande un valor verdadero, se deben de cumplir ambas relaciones. Con
una relación que no se cumpla se mandará un valor de falso. Lo anterior quedaría
representado de la siguiente manera:
Ilustración 7 Sintaxis de la función Y

En caso de introducir los valores que se muestran en la figura, los resultados

serían los siguientes:
Ilustración 8 Caso donde A1 y B1 Son verdaderas
Como puede observarse en la ilustración el resultado es verdadero ya que ambas

evaluaciones se cumplen y son verdaderas, en caso de que una de las dos no
cumpla, entonces el resultado será falso, esto se verifica en la siguiente
ilustración.
Ilustración 9 Caso donde no se cumple la condición por lo tanto es falso
1.2.4 Función NO( ).
El objetivo de la función NO( ), es invertir el valor lógico que se obtendría del

argumento, es decir si el argumento daría como resultado un valor verdadero, el
resultado de la función lógica es un valor falso y viceversa. El siguiente ejemplo
muestra su funcionamiento:
Ejemplo 4. Introduzca valores en las casillas A1 y B1 con la fórmula como se

indica en la figura siguiente:

Ilustración 10 Sintaxis de la función NO
Como puede observarse en las siguientes imágenes el resultado será contrario a

lo que se espera, es decir, si en la celda A1 se introduce el valor de 5 y en la celda
B1 se introduce el valor 3, se cumpliría que 5 es mayor que tres, por lo tanto el
resultado es verdadero, en cambio el resultado de la función será un valor de
falso.
Ilustración 11 Caso donde A1 es mayor que B1 por lo tanto la función lógica es falso
1.3 Referencias
Cuando se trabaja en Excel y más concretamente cuando se hace uso de fórmulas y funciones casi
es seguro que se ponga referencias a celdas o conjunto de celdas que no son propiamente la
misma celda donde se tiene la fórmula. Existen 2 tipos de referencias:
 Relativa
 Absoluta
1.3.1 Referencia relativa
En la referencia Relativa las referencias de filas y columnas cambian si se copia la

formula en otra celda, es decir se adapta a su entorno porque las referencias las

hace con respecto a la distancia entre la formula y las celdas que forman parte de
la fórmula. Esta es la opción que ofrece Excel por defecto. Suponga el ejemplo:
El resultado que se tendría de la fórmula programada en la celda A2 sería 17, es decir 15+2. Si la
celda A2, se copia en la celda B3, debido a que la fórmula queda programada relativamente, el
resultado que se tendría es de 32, es decir 30+2.
1.3.2 Referencia Absoluta
En este tipo, las referencias de filas y columnas no cambian si se copia la fórmula

a otra celda, las referencias a las celdas de la fórmula son fijas, es como indicar
una constante. Esto se indica con un signo de «$» antes de los indicadores del
renglón y la columna. Suponga el siguiente ejemplo:
El resultado que se tendría en la celda A2 sería 17, si se copiara este celda a la

celda B3, el resultado seguiría siendo 17 ya que la referencia es la celda $A$1 que
se programó en la celda A2.
1.4 Operaciones Estadísticas.

Pensar en realizar simulación sin un estudio adecuado de la estadística es un

error común, lo anterior puede ser resultado de la dificultad que el análisis
estadístico conlleva. Excel permite desarrollar una gran cantidad de operaciones y
análisis estadísticos, a continuación se presentan algunas de las operaciones más
comúnmente utilizadas en la simulación.
1.4.1 Intervalo de confianza.
De acuerdo a lo visto en el capítulo anterior, es común realizar intervalos de

confianza al realizar diversos análisis estadísticos. En Excel se pueden realizar
estas operaciones por medio de las funciones:
Intervalo.confianza.Norm(alfa,desv_estándar,tamaño), si se tienen por lo menos

30 datos.
Intervalo.confianza.T(alfa,desv_estándar,tamaño), si se tienen menos de 30 datos.
Es importante comentar que en ambos casos, el resultado que se obtiene es el

segundo término de expresión del intervalo de confianza, también conocido como
error, esto es, la parte que se indica de color rojo en las fórmulas de abajo.
𝑠 𝑠
𝐼𝐶 = [𝑥̅ − 𝑡𝛼,𝑟−1, 𝑥̅ + 𝑡𝛼,𝑟−1, ]
√𝑟 2 √𝑟 2
De igual forma, para generar el intervalo de confianza se necesitan tanto la media

como la desviación estándar, estos dos términos se pueden obtener a partir de las
funciones:
Promedio(número1, número2,…), obtiene la medía de un conjunto de datos.
Desvest.M(número1, número2,…), obtiene la desviación estándar de un conjunto

de datos, omitiendo los valores lógicos y el texto.
El siguiente ejemplo muestra la forma en cómo se utilizan las funciones anteriores.

Ejemplo 5. La siguiente tabla muestra las utilidades que se obtienen de 14 corridas

de simulación. Determine un intervalo con un 95% de confianza.
Tabla 1 Tabla de utilidades que se obtienen de 14 corridas de simulación
Utilidad
$19,865.00 $18,656.00
$22,806.00 $20,346.00
$26,069.00 $26,577.00
$25,044.00 $17,746.00
$20,778.00 $21,129.00
$26,506.00 $19,787.00
$21,722.00 $22,193.00
Utilizando los datos de la tabla anterior, estos se introducen como se muestra en

la siguiente imagen:
Ilustración 12 Captura de datos
Con los datos anteriores, el resultado que se obtiene es el siguiente:

Tabla 2 Resultados de utilidades que se obtienen de 14 corridas de simulación
Como puede observarse en los resultados, la ganancia está contenida entre

$20,465.93 y $23,708.93 con un 95% de confianza.
1.4.2 Estadística descriptiva.
Es común que una vez que se realiza una simulación se tengan una gran cantidad
de datos, mismos que son resultados de las corridas de simulación, regularmente
de estos datos se debe de sacar algunos estadísticos que permiten determinar
cuál de los escenarios que se plantean en la simulación resulta mejor opción.
Una forma de llevar a cabo el análisis estadístico es por medio de la operación de

“Estadística descriptiva”, que se encuentra dentro de la opción de Análisis de
Datos Análisis de datos

datos de la cinta de Datos. La imagen siguiente muestra donde se encuentran las

opciones.
Ilustración 13 Análisis de datos
En caso de que no esté activa la opción de análisis de datos de la cinta de datos

añadir el complemento desde archivo, opciones, complementos e Ir…, activar las
que se deseen agregar y dar aceptar.
Una vez seleccionado análisis de datos se mostrará un cuadro de selección como

el que se muestra en la imagen siguiente. En él se deberá seleccionar la opción de
Estadística descriptiva. En el siguiente ejemplo se presenta la forma en cómo se
desarrolla este tipo de análisis y los resultados que se obtienen:
Ilustración 14 Estadística descriptiva

Ejemplo 6. Utilizando los datos del Ejemplo 5, realice un análisis de estadística

descriptiva.
Una vez seleccionada la opción de Estadística descriptiva del cuadro de selección

se presenta un cuadro de dialogo como el que se muestra en la imagen, en esta
se deberán proporcionar los datos de acuerdo a los requerimientos de la misma:
Ilustración 15 Análisis de estadística descriptiva
En rango de entrada se deberá colocar el rango que contiene los datos a los que
se les hará el análisis. En las opciones de salida puede seleccionarse una hoja
nueva o en su defecto indicar alguna celda o rango dentro de la misma hoja, para
el ejemplo, se selecciona la celda C1, a partir de la cual se esperan los resultados
del análisis. Por último se seleccionan que salidas se desean, como puede verse
en la imagen anterior, para el ejemplo se toma el resumen de estadísticas así
como el nivel de confianza para la media del 95%. Los resultados se aprecian en

Tabla 3 Resultados de un análisis de estadística descriptiva
Como puede observarse, entrega como resultado muchos estadísticos que

pueden permitir analizar la muestra además, al haber seleccionado el nivel de
confianza para la media, entrega el valor del error, misma que permite determinar
el intervalo de confianza.
1.5 Estado estable.

El estado estable se puede entender como el estado en el cual los valores de la
variable de decisión casi no cambian, la forma en cómo puede este obtenerse a
partir de una hoja de cálculo como Excel, es obteniendo el promedio de la variable
de decisión y observando el momento en el cual esta variable su valor ya no
cambia. La función de Excel que se usará para dicho fin el función
Promedio(número1, número2,…), solo que se deberá indicar con un

direccionamiento absoluto el primer valor de la variable de decisión para que el

promedio se obtenga a partir de este dato.
Ejemplo 7. Considere los datos pseudoaleatorios entre 0 y 1 de la siguiente tabla,

determine si estos llegan al estado estable y como se representarían
gráficamente.
Tabla 4 Tabla de muestras
0.2256 0.7633 0.4955 0.7111 0.1867 0.5480 0.4385 0.6362 0.9930 0.9495
0.5334 0.4543 0.0459 0.9984 0.8956 0.8385 0.5523 0.7902 0.1029 0.9784
0.7582 0.8585 0.1825 0.0709 0.0329 0.2027 0.7045 0.0284 0.4148 0.8446
0.2916 0.3414 0.9655 0.7803 0.6663 0.8465 0.2658 0.2599 0.6327 0.3065
0.0260 0.5427 0.4631 0.5128 0.4840 0.3383 0.6494 0.5933 0.2370 0.2108
0.9410 0.3408 0.0632 0.3528 0.3172 0.0341 0.7105 0.1356 0.2146 0.2143
0.6023 0.2931 0.2421 0.6156 0.0508 0.6580 0.9964 0.6937 0.9956 0.4651
0.6398 0.8217 0.8989 0.2598 0.0625 0.1364 0.3416 0.9388 0.1267 0.9985
0.6401 0.7630 0.3436 0.0141 0.6660 0.9385 0.0038 0.3487 0.7323 0.2114
0.9391 0.0920 0.8790 0.1162 0.7073 0.1586 0.6366 0.3390 0.8378 0.1400
0.6379 0.2437 0.7889 0.0718 0.1008 0.3523 0.5096 0.1180 0.1768 0.5548
0.2086 0.9967 0.7304 0.5018 0.2956 0.5696 0.1583 0.2184 0.6911 0.8278
0.1229 0.4971 0.0879 0.4832 0.8486 0.6445 0.1438 0.2085 0.0452 0.8774
0.0855 0.6940 0.5030 0.4301 0.7499 0.4109 0.0239 0.8496 0.5854 0.5119
0.2331 0.4752 0.6823 0.6726 0.1925 0.3331 0.7123 0.9812 0.6020 0.3998
0.1059 0.8934 0.2938 0.8181 0.9378 0.1152 0.3547 0.2722 0.8616 0.8397
0.7204 0.8280 0.2935 0.4029 0.3208 0.9667 0.8034 0.9921 0.3778 0.4123
0.2297 0.3584 0.3837 0.6667 0.4553 0.6277 0.0728 0.3990 0.8124 0.8045
0.0611 0.2515 0.3239 0.2267 0.7358 0.7979 0.9288 0.7702 0.4577 0.9894
0.2933 0.2121 0.5240 0.5511 0.0205 0.4308 0.2619 0.1637 0.0969 0.8674
Lo primero que debe realizarse en Excel es colocar todos los datos en una sola
columna tal como se indica en la imagen, y se debe programar la función
Promedio utilizando el direccionamiento absoluto a la primera celda, de esta
forma, el promedio se obtiene desde la primera celda hasta la celda que se
indique.

Ilustración 16 Orden de datos y promedio
Como puede observarse en la imagen siguiente, al insertar la gráfica, de la

columna de promedio, en esta se puede observar, como el valor de estos tiende a
estabilizarse en un valor cercano a 0.5, es importante recordar, que los números
pseudoaleatorios su media es de 0.5, por lo tanto se puede considerar que estos
si están llegando al estado estable.

Ilustración 17 Gráfica de la estabilidad de los pseudoaleatorios del problema 7
1.6 Efectuar corridas de simulación.

Es importante tener presente que una vez que se desarrolla un modelo de
simulación en una hoja, el resultado que al final se tiene es solo el valor de una
corrida de simulación, entendiéndose por corrida de simulación una sola muestra.
Querer tomar una decisión a partir de este resultado resulta bastante arriesgado
ya que existe la posibilidad que el valor obtenido en la corrida no sea
representativo debido a que la muestra de números aleatorios tampoco lo sea.
Para evitar estos problemas, se deben de realizar varias corridas de simulación.
La forma en como determinar el número adecuado de estas dependerá del tipo de
simulación que se tenga, tal como se indicó en el capítulo anterior. A continuación
se presenta el procedimiento partiendo de la suposición que se tiene ya el valor
promedio de una variable de decisión en la cual se está interesado y a partir de
esta se desean obtener varias corridas de simulación.

Paso 1. Elaborar una tabla indicando el número de corridas que se desean

realizar.
Paso 2. Igualar el valor de la primera celda con el promedio del resultado de la

variable en que se está interesado o bien con la celda que contenga el valor de la
variable a la que se le desean hacer réplicas. Es importante comentar que si se
tiene interés en diversas variables, se deberá crear una tabla por variable para
efectuar las corridas.
Paso 3. Marcar toda la tabla a partir del número que indique la primer corrida, es
importante mencionar que si la tabla contiene encabezados, estos no deben ser
marcados. Una vez realizado lo anterior, se debe ir a la cinta de opciones de
Datos y ahí seleccionar “Análisis Y si”
Ilustración 18 Cinta de opciones de datos
Paso 4. Seleccionar la opción “Tabla de datos” dentro del “Análisis Y si”
Paso 5. Del cuadro de dialogo de la “Tabla de datos” colóquese en “Celda de

entrada (columna)” y ahí coloque el valor de cualquier celda que no contenga y
que no vaya a contener ningún tipo de información. Lo anterior permitirá que la
tabla se llene con los valores de las distintas simulaciones.

Tabla 5 Selección de tabla de datos
Ejemplo 8. Considere que se tiene una simulación desarrollada en una hoja y que
el resultado de la variable de interés está colocado en la celda B1 la cual sigue el
siguiente generador xi=-3 ln(1-ri). Utilizando este valor, efectúe un total de 20
corridas.
Para resolver el ejemplo se desarrollan los pasos Paso 1 y 2: Primero se coloca en

la celda B1 el generador al cual se le van a desarrollar las corridas, de igual forma
se desarrolla una tabla con 20 renglones y el valor de la primera corrida se iguala
con el valor de la celda B1, lo anterior se muestra en la siguiente imagen:

Tabla 6 Número de corridas que se van a realizar
El siguiente paso es desarrollar los pasos 3, 4 y 5 en los cuales se marca la tabla

como se muestra en la figura 8 es decir se deben seleccionar las 2 columnas y de
la cinta de opciones de datos seleccionar Análisis Y si, y de ahí seleccionar Tabla
de datos dentro de la cual en la opción de celda de entrada (columna) se va a
colocar la celda C1, la cual no tiene ningún dato. La imagen siguiente muestra el
procedimiento:

Tabla 7 Opción de celda de entrada (columna) para la generación de corridas de simulación
Una vez realizado lo anterior solo hace falta dar en aceptar y se puede observar
como la tabla se va llenando de datos quedando como lo indica la figura siguiente:

Tabla 8 Resultados 20 corridas de la simulación
Es importante mencionar que las dos imágenes anteriores, aun cuando se

realizaron en el mismo instante con el Excel, los valores de la primera celda
cambian, esto se debe a que al ser una variable aleatoria la que se usa en la
primera celda, esta cambia al dar Enter con el teclado.
1.7 Generación de variables aleatorias continuas.
Las variables aleatorias continuas, se desarrollan en Excel por medio de funciones

que se obtienen a partir de los procedimientos indicados en el capítulo anterior en

el punto 2.9. A continuación se presentan algunos ejemplos haciendo uso de los

generadores y la forma en como quedarían programados en Excel.
1.7.1 Generador de variables aleatorias normales.
Existen varias formas de obtener generadores de la variable normal. La fórmula

siguiente representa el generador Normal obtenido a partir del método de
composición:
12
𝑛(μ, 𝜎) = (∑ 𝑟𝑖 − 6) 𝜎 + 𝜇
1
En Excel, este generador se obtendría generando doce números aleatorios por

medio de la función aleatorio( ) y posteriormente efectuar la suma y la operación
indicada en la fórmula. El gráfico siguiente muestra dicho proceso.
Ilustración 19 Instrucciones de Excel para el generador Normal.
Este proceso permite obtener en la celda N4, un número aleatorio con un

comportamiento normal, para el ejemplo con media de 50 y desviación estándar
de 5, estos valores están indicados en la celda N1 y N2, la imagen siguiente,
muestra 14 números aleatorios que siguen una distribución normal con media de
50 y desviación estándar de 5.

Tabla 9 Tabla de 14 números aleatorios distribuidos Normalmente
1.7.2 Generador de variables aleatorias exponencial.
El Generador de la variable aleatoria exponencial se expresa de la siguiente

manera:
1
Eᵢ = - ln(1 − 𝑟ᵢ)
λ

En donde 1/λ representa la media de la distribución exponencial, ri es el número

uniforme aleatorio entre 0 y 1.
Suponga que se desea un generador exponencial con media de 3, partiendo de

esto, la forma de programar dicha función en Excel sería la siguiente:
Tabla 10 Instrucciones de Excel del generador exponencial
El resultado es una variable aleatoria exponencial con media de 3, como lo indica


Tabla 11 Variable aleatoria exponencial
1.8 Generación de variables aleatorias discretas.

A diferencia de los generadores de variables aleatorias continuas, el generador de
variables aleatorias discretas, se puede obtener a partir de un procedimiento de
búsqueda en una tabla. Lo anterior quiere decir que primero se debe de obtener la
distribución acumulada, e indicar los intervalos con sus respectivos valores: por
ejemplo:
Suponga que se quiere generar una variable aleatoria binomial con media n=5 y
p=0.3. Lo primero que se tendría que hacer es obtener todos los valores de
probabilidad de la variable aleatoria tal como se indica en la siguiente tabla:
Tabla 12 Distribución de Probabilidad binomial con n=5, p=0.3
X p(x)
0 0.1681
1 0.3602
2 0.3087
3 0.1323
4 0.0284
5 0.0024

Ya con los valores, estos se acumulan como se muestra en tabla 14.
Tabla 13 Distribución acumulada
X p(x) P(x)
0 0.1681 0.1681
1 0.3602 0.5282
2 0.3087 0.8369
3 0.1323 0.9692
4 0.0284 0.9976
5 0.0024 1.0000
A partir de la probabilidad acumulada se genera un intervalo el cual va a funcionar

como el generador, es decir, se genera un número aleatorio y si este se encuentra
entre 0 a 0.1681, sería equivalente a tener un valor de 0 en la variable aleatoria, si
se tiene un valor entre 0.1681 y 0.5282, se tendría un 1, y así sucesivamente.
Tabla 14 Generador de una variable aleatoria binomial con n=5, p=0.3
Intervalo Valor
0 0.1681 0
0.1681 0.5282 1
0.5282 0.8369 2
0.8369 0.9692 3
0.9692 0.9976 4
0.9976 1.0000 5
La forma de llevar a cabo lo anterior en Excel es por medio de la instrucción

buscarv, esta instrucción busca dentro de una matriz un valor y lo compara contra
los intervalos, posteriormente manda como el resultado el valor que corresponda
al intervalo. Por ejemplo: tomando como base el ejemplo anterior suponga que se
va a generar una variable aleatoria binomial con media n=5 y p=0.3. La siguiente
tabla muestra la forma en cómo se debe de llenar la tabla:

Tabla 15 Instrucciones de Excel de la distribución binomial y su generador
La columna A, presenta los valores que puede tomar la variable aleatoria binomial
que va de 0 a 5.
La columna B, presenta la distribución de probabilidad que obtiene el valor sin

acumular de la variable aleatoria binomial.
La columna C, acumula la probabilidad de la variable aleatoria binomial.
La columna D y E muestra los intervalos que se van desde 0 hasta cada uno de
los valores acumulados.
La columna F muestra el valor que se va a obtener si el número que se genere

cae en cada uno de los intervalos.
La función de la sintaxis es la siguiente:
Buscarv(valor buscado, Matriz buscar en, Indicador de columna), donde:
Valor buscado: es el valor o la celda que contiene el valor a compararse.
Matriz buscar en: Presenta la matriz que contiene los intervalos así como el
resultado que se va a dar en caso de que el valor buscado quede en un
determinado intervalo.
Indicador de columna: se indica la columna de la matriz que contiene el resultado

que se va a mandar.
A continuación se muestra como debería quedar programada esta función de

acuerdo al ejemplo que se viene desarrollando:

Tabla 16 Instrucciones de Excel para uso del generador binomial
Como puede observarse, Buscarv compara el aleatorio contenido en la celda

E10, contra la matriz que va desde D2 hasta F7, observe que para considerar a la
matriz como una constante, se debe de direccionar absolutamente. Y por último,
se le indica que el valor que se espera es el de la columna 3 de la misma matriz.
La tabla siguiente presenta algunos resultados que se tendrían al programar la
función.

Tabla 17 Resultados del generador binomial
El procedimiento anterior permite obtener variables aleatorias discretas, con solo

conocer su distribución de probabilidad.
Dependiendo de la versión de Excel que se maneje, puede que no se cuente con

la instrucción de Buscarv(). En estos casos se puede hacer uso de la función
Buscar() la cual realiza la misma operación solo que a diferencia de la función
Buscarv(), el segundo y tercer argumento cambian, ya en este caso, el segundo
argumento es la matriz de comparación, que de acuerdo al generador,
corresponde a los intervalos y el tercer argumento, es el vector de resultados que
incluye todos los resultados que se obtendrían en cada intervalo.

CAPITULO 2:
PROBLEMARIO

2.1 Introducción.
De acuerdo a Mathur & Solow (1996), una forma de desarrollar la simulación

Montecarlo, es identificando algunos elementos del sistema a modelar. Es
importante identificar los siguientes elementos:
Salidas. Objetivo de un estudio de simulación que tiene la forma de un valor

numérico específico. Para evaluar el funcionamiento de un banco se tiene que se
puede estar interesado en: a) el tiempo promedio que un cliente permanece en la
fila, b) la fracción de tiempo que los cajeros están ocupados en atender a los
clientes, c) el promedio y la longitud de la fila de espera.
Entradas. Estas son valores numéricos que, una vez determinados, permiten
iniciar la simulación y calcular todas las salidas deseadas. Estas se dividen en tres
categorías:
 Condiciones iniciales: Valores que expresan el estado del

sistema al principio de una simulación, estas son importantes
si se va a llevar a cabo una simulación de tipo terminal, en
caso de no ser una simulación terminal, estas no son tan
importantes.
 Datos determinísticos: Valores conocidos necesarios para
calcular las salidas.
 Datos probabilísticos: Magnitudes numéricas cuyos valores
son inciertos pero necesarios para obtener las salidas de la
simulación.
Una vez identificadas las salidas y las entradas necesarias para calcularlas, la
simulación consiste en generar números aleatorios y el esquema de contabilidad.
Generación de números aleatorios: Obtenga las entradas probabilísticas para el

modelo generando números pseudoaleatorios de acuerdo con las distribuciones
conocidas asociadas.

Esquema de contabilidad: Diseñe un método sistemático para almacenar y

procesar todos los valores de entrada y para realizar los cálculos necesarios para
obtener los valores de salida.
Los ejemplos siguientes presentan los pasos descritos para resolver ejemplos de
simulación.
Ejemplo 1. En un restaurante de comida rápida se venden hamburguesas a $6.00

cada una con un costo de producción por unidad de $3.5. Al realizar un estudio se
ha encontrado que la demanda por hora en este local se distribuye de acuerdo con
la siguiente función de probabilidad:
Demanda Probabilidades
0 0.1
1 0.15
2 0.25
3 0.20
4 0.15
5 0.08
6 0.07
Simule la utilidad promedio por hora que se obtendría en 100 horas de trabajo.
Realice 15 corridas y determine el intervalo de confianza del 95% de la utilidad
promedio.
Solución 1. Para resolver el ejemplo anterior, y siguiendo el procedimiento, se

busca determinar las componentes de la situación a modelar:
a) Salidas: Lo que se está buscando determinar es la utilidad promedio por la

venta de hamburguesas.

b) Entradas.
a. Condiciones iniciales: No se cuenta con la información necesaria
para determinar las condiciones iniciales.
b. Valores determinísticos: El precio de venta de $6.00 por
hamburguesa y el costo de producción de $3.5.
c. Datos probabilísticos: la demanda de las hamburguesas.
c) Esquema de contabilidad. De acuerdo a la problemática planteada, este
esquema debe contener un número aleatorio que le indique al generador, la
cantidad de hamburguesas que se van a solicitar, se debe de determinar el
ingreso total y el costo la producción. Por último se debe obtener la utilidad
promedio. Tal como se muestra en la siguiente tabla:
Esquema de contabilidad del ejemplo 1
El generador de la variable aleatoria, partiendo de la distribución de probabilidad,

sería el que se muestra en la siguiente imagen:

Fórmulas en Excel del generador de la demanda de hamburguesas.
Generador de la demanda de hamburguesas
Con el generador y el esquema de contabilidad se procede a llenar los campos del

mismo, las formulas y la lógica se presenta en el siguiente esquema:
Captura en Excel de las relaciones lógicas del Ejemplo 1.
Algunos de los resultados que se obtienen se presentan en la siguiente tabla:

Resultados de la simulación
Una vez efectuadas las 100 hrs, se obtienen las siguientes 15 corridas de
simulación:
corrida promedio
1 $6.03
2 6.9
3 6.925
4 6.7
5 6.925
6 6.825
7 5.825
8 6.6
9 6.625
10 5.9
11 6.6
12 7.5
13 7.25
14 6.825
15 6.5
De los promedios obtenidos se determinan los elementos necesarios para obtener

el intervalo de confianza, el cual queda de la siguiente manera:
Media= 6.662
Desviación= 0.46394966
Error= 0.25692676
Li= 6.40507324
Ls= 6.91892676
Como puede observarse en el resultado, la utilidad promedio está contenida entre

$6.41 Y $6.92.

Ejemplo 2. La comisión de juegos de lotería de una ciudad está buscando

implementar un nuevo juego el cual consista en tarjetas que contengan tres filas
de dos celdas cada una, el objetivo es rascar una de las dos celdas de cada fila y
descubrir el valor oculto; si los tres valores ocultos son iguales, la tarjeta gana el
valor descubierto, en caso de que una celda tenga un valor diferente, la tarjeta
pierde. Los valores ocultos pueden ser un 5 y un 1. De manera que si se
descubren tres 5´s, entonces la tarjeta gana $5, si se descubren tres 1´s la tarjeta
gana $1, pero si descubre un 1 y dos 5´s o cualquier otra forma que los tres no
sean iguales, entonces la tarjeta pierde. Determine utilizando la simulación
Montecarlo, cuál es el precio al cual se debe de dar cada una de las tarjetas, y que
aún se obtenga una ganancia. Para lo anterior el modelo deberá determinar a
partir de cuantas tarjetas se puede empezar a tomar la decisión y una vez que
esto ocurra, efectúe 20 corridas y realice el intervalo de confianza correspondiente
al 95% de confianza.
Solución 2. Para simular este ejemplo, primero se debe de considerar lo

siguiente:
a) Salidas: utilidad promedio del juego de lotería, de manera que el precio que
de cada tarjeta deberá ser mayor a la utilidad promedio garantizando con
esto, una ganancia para la comisión de lotería.
b) Entradas.
i. Condiciones iniciales: al no ser la simulación terminal, no es
necesario determinarlas.
ii. Valores determinísticos: si las tres celdas son iguales se gana el
precio descubierto, es decir 1, 5 o bien 0, si una celda es diferente.
iii. Datos probabilísticos: el valor de la celda descubierta sería la parte
probabilística, de manera que se tendrían tres datos probabilísticos
uno por fila.
c) Esquema de contabilidad. Para llevar a cabo el esquema de contabilidad,
será necesario tres números aleatorios, uno por celda descubierta, de igual

forma, se deberá respetar la siguiente lógica: para que la persona gane, las
tres celdas descubiertas deberán de ser iguales, de manera que se puede
utilizar la suma como medio para identificar si se gana o se pierde, este se
haría de la siguiente manera:
i. Si la suma de las tres celdas es 3, entonces quiere decir que las
tres celdas descubrieron un 1.
ii. Si la suma de las tres celdas es 5, entonces quiere decir que las
tres celdas descubrieron un 5.
iii. Si la suma de las tres celdas es diferente de 3 o 5, entonces al
menos un celda descubierta es diferente y por lo tanto la
ganancia sería cero.
El generador del valor de la celda destapada, así como el esquema de

contabilidad se presentan en la siguiente imagen:
Generador Valor
0 0.5 5
0.5 1 1
Valor Valor Valor

Aleatorio Aleatorio Aleatorio Ganancia
Tarjeta descubierto descubierto descubierto Ganancia
Fila 1 Fila 2 Fila 3 Promedio
Fila 1 Fila 2 Fila 3

Como puede observarse si el número aleatorio generado es entre 0 y 0.5, el valor

de la celda descubierto será un 5, por otra parte si el valor aleatorio es entre 0.5 y
1, entonces el valor de la celda descubierta será un 1. La lógica del llenado de la
tabla se presenta solo para la primera fila, y para la ganancia:
Los resultados de las primeras 10 tarjetas se presentan en la siguiente tabla:

Como puede observarse en la siguiente gráfica, aproximadamente a partir de 1000

tarjetas se aprecia estabilidad, de manera que se toman 1500 tarjetas y con estas
se construye el intervalo de confianza.
1.6
1.4
1.2
0.8
Series1
0.6
0.4
0.2
0
0 500 1000 1500 2000 2500
-0.2
Las 20 corridas se presentan en la siguiente tabla:
Corrida Promedio
1 0.73671013
2 0.77933801
3 0.74774323
4 0.71213641
5 0.7337011
6 0.75927783

7 0.76479438
8 0.68455366
9 0.75777332
10 0.71464393
11 0.71965898
12 0.79839519
13 0.70060181
14 0.78435306
15 0.70411234
16 0.73671013
17 0.71664995
18 0.78134403
19 0.80290873
20 0.7668004
Con estas corridas se obtiene el intervalo de confianza para la ganancia promedio

dando:
Promedio= 0.742001
desviación= 0.04505805
error= 0.02108782
Límite inferior= 0.72091318
Límite superior= 0.76308882
De los resultado se observa que con un 95% de confianza, el valor de la utilidad

promedio se encuentra entra 0.72 y 0.76, por lo tanto con cualquier valor que se
vendieran las tarjetas por encima de estos se tendría una ganancia. Si se deseara
mayor precisión se podría realizar mayor número de corridas de manera que se
ajuste mejor el resultado y dar con esto una mejor conclusión.
Ejemplo 3. La Specialty Steel Products Company produce, en pequeñas

cantidades, artículos como herramientas para máquinas, engranes, partes para
automóvil y otros productos especializados., para atender a los pedidos de sus

clientes. En virtud de la gran diversidad de sus productos, la empresa mide la

demanda en horas máquina. Los pedidos de productos se traducen en las horas
máquina requeridas de acuerdo con tiempos estándar prescritos para cada
operación. La gerencia está preocupada por la capacidad del departamento de
torneado. Los datos históricos indican que la demanda del departamento de
torneado ha sido la que se muestra en la siguiente tabla:
Tabla 18 Datos de un departamento de torneado
Requisitos semanales Frecuencia

de producción (h) relativa
200 0.05
250 0.05
300 0.06
350 0.17
400 0.30
450 0.15
500 0.14
550 0.06
600 0.02
El departamento de torno cuenta con 10 tornos, pero debido al ausentismo de los

operadores o bien a problemas de mantenimiento, no siempre están todos
funcionando. Los registros históricos indican que los tornos funcionaron siguiendo
la siguiente distribución:
Tabla 19 Tabla de distribución de tornos
No. De Capacidad Frecuencia

Máquinas regular (h) Relativa
8 320 0.30

9 360 0.40
10 400 0.30
La compañía tiene la política de completar la carga de trabajo de cada semana

según lo programado, recurriendo a horas extra y subcontratación en caso de ser
necesario. La cantidad máxima de horas extra autorizadas para una semana son
100 horas y si el trabajo requerido excede a las 100 horas extra se subcontrata un
pequeño taller metal-mecánico de la misma población. Los operadores de torno
ganan $10 por hora en el horario regular. Sin embargo, la gerencia estima que el
costo por concepto del trabajo realizado en horas extra es de $25 por hora por
empleado, lo cual incluye los correspondientes salarios especiales, los gastos
generales variables y los costos de supervisión. La subcontratación cuesta $35 por
hora contando el costo de los materiales.
a) Efectúe la simulación de la situación anterior y determine el promedio de

horas de ocio, horas extra y horas subcontratadas y determine el costo de
la situación actual.
Solución 3. Para llegar al resultado del ejemplo anterior, y partiendo de la

metodología descrita al inicio del Capítulo 4, se parte por determinar las entradas.
a. Salidas: Lo que se está buscando determinar es el promedio de horas de

ocio, horas extra y horas subcontratadas así determine el costo de la
situación actual.
b. Entradas.
i. Condiciones iniciales: al no ser la simulación terminal, no es
necesario determinarlas.
ii. Valores determinísticos: Es determinísticos que solo se permiten
cuando mucho 100 horas extras semanales. De igual forma el sueldo
de $10 por hora en el horario regular, así como los $25 por hora en
tiempo extra y los 35 por hora subcontratada.
iii. Datos probabilísticos: tanto los requisitos semanales de producción,

así como la disponibilidad de las máquinas.
c. Esquema de contabilidad. El esquema de contabilidad debe contener la
lógica en cómo se van a determinar los valores de la salida. De acuerdo a
la problemática planteada, la primera parte del esquema de contabilidad
contendría lo siguiente:
Tabla 20 Tabla de esquema de contabilidad
Número Número Capacidad Faltante Horas

Demanda Horas
Semana aleatorio de la aleatorio de la semanal Horas ocio
requerida subcontratadas
demanda capacidad existente Extra
1
2
3
Las columnas de horas de ocio, Horas extra y Horas subcontratadas podrían

calcularse por medio de la siguiente lógica:
Pseudocódigo
1. si capacidad >= demanda, entonces horas ocio=capacidad-demanda

2. si capacidad < demanda, entonces faltante=demanda-capacidad
3. si faltante <=100, entonces horas extra=faltante y horas subcontratadas=0
4. si faltante >100, entonces horas extra=100 y horas
subcontratadas=faltante-100
Las imágenes siguientes muestran la forma en cómo debería quedar programado
el ejemplo. Observe que en la parte superior se encuentra programado el
generador de números aleatorios. Debido al tamaño del modelo, este se presenta
en varias columnas del Excel y por lo mismo en varias imágenes. Es importante
observar que la columna faltante solo es una variable que permite calcular de
manera sencilla tanto las horas extras como la subcontratación

Tabla 21 Tabla de programación del generador de números aleatorios 1

Los resultados obtenidos se presentan en las siguientes imágenes:

Tabla 24 Resultados arrojados por el generador de números aleatorios

Tabla 25 Continuación de resultados
Como puede observarse en el primer renglón, se tiene una demanda de 500, y

una capacidad en tiempo normal de 320, esto provoca que no se tenga horas de
ocio, pero si se tiene un faltante de 180 horas, de las cuales 100 van a ser extras y
80 subcontratadas. Este primer renglón da un costo de 8500 que corresponden a
320*10=3200, de tiempo normal, 100*25=2500, de tiempo extra y 80*35=2800 de
tiempo subcontratado. Dando la suma de 8500.
Una vez efectuado lo anterior, suponga que se realizan un total de 300 semanas
para verificar y a partir de estas se realizan 10 corridas para los valores de interés
que son los promedio de horas de ocio, horas extra, horas subcontratadas y costo
promedio. Utilizando el procedimiento para determinar las corridas mostradas en
el capítulo 3, se tendrá algo como se muestra en la siguiente imagen:

Tabla 26 Tabla para verificar las 10 corridas
Con los resultados de las diez corridas se puede efectuar un análisis estadístico y
determinar los intervalos de confianza con los procedimientos mostrados en el
capítulo anterior. En este caso se tendría:

Tabla 27 Resultados de las corridas verificadas
La tabla anterior resume los intervalos de confianza del 95% para las horas ocio,
horas extra, Horas subcontratadas y costo.
4.2 Ejercicios Complementarios.

Bibliografía
Azarag E. García (1996) Simulación y análisis de modelos estocásticos McGraw-

Hill, México.
Coss Bu, Raúl (2011) Simulación: Un enfoque práctico, Editorial Limusa
Dunna, E. G., Reyes, H. G., & Barrón, E. G. D. H. G. R. L. E. C. (2006). Simulación

y análisis de sistemas con ProModel. Pearson Educación.
Hines, W. W., & Montgomery, D. C. (2000). Probabilidad y estadística para

ingeniería y administración. Compañía Editorial Continental.
Krajewski, L. J., & Ritzman, L. P. (2000). Administración de operaciones:

Estrategia y análisis. Pearson Educación.
Mathur, K., & Solow, D. (1996). Investigación de operaciones: El arte de la toma

de decisiones. Prentice Hall.
Robert E. Shannon (1975) Sistemas de simulación: el arte y la ciencia. Prentice-

Hall.
Taha, H. A. (2004). Investigación de Operaciones. Pearson Educación.
Thomas H. Naylor (1977) Técnicas de simulación en computadoras. Eitorial

Limusa

Manual Monte Carlo

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Manual Monte Carlo

Caricato da

Copyright:

Formati disponibili

INSTITUTO TECNOLOGICO SUPERIOR

“MANUAL DE SIMULACIÓN MONTECARLO CON

ING. MIGUEL ÁNGEL SOLÍS JIMÉNEZ

HUATUSCO, VER. JUNIO DE 2013.

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 1

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 2

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 3

1.2 Operaciones lógicas.

1.2.1 Función SI( ).

El objetivo principal de esta función es verificar que una condición se cumpla y en

La sintaxis de esta función es la siguiente:

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 4

SI(prueba_lógica; [valor_si_verdadero]; [valor_si_falso])

prueba_lógica: es Cualquier valor o expresión que pueda evaluarse como

Valor_si_verdadero: El valor que desea que se devuelva si el argumento

Valor_si_falso: El valor que desea que se devuelva si el argumento prueba_lógica

Ejemplo1. Suponga que se desea determinar si un número es mayor que otro, el

Ilustración 1 Sintaxis de la función SI

La imagen anterior muestra la forma en cómo debe quedar programada la función.

Ilustración 2 Caso donde A1 es mayor que B1

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 5

Ilustración 3 Caso donde A1 es menor que B2

La sintaxis de esta función es la siguiente:

O(valor_lógico1; [valor_lógico2]; ...)

Valor_lógico1, Valor_lógico2 son las comparaciones que se van a realizar. Es

Suponga que se desea verificar si dos datos contenidos en las celdas A1 y B1

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 6

Ilustración 4 Sintaxis de la función O

En caso de introducir los valores que se muestran en la figura, los resultados

Ilustración 5 Caso donde A1 es verdadero ya que es mayor que B1

Ilustración 6 Caso donde A1 es falso al no cumplir la condición

Como puede observarse en este segundo caso, al no cumplirse ambas

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 7

El objetivo de la función Y( ) es dar mayor potencia a funciones que realizan

Y(valor_lógico1; [valor_lógico2]; ...)

valor_lógico1 es obligatorio y la primera condición que desea probar se puede

valor_lógico2;Devuelve VERDADERO si todos los argumentos se evalúan como

Suponga que se desea verificar si dos datos contenidos en las celdas A1 y B1

Ilustración 7 Sintaxis de la función Y

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 8

En caso de introducir los valores que se muestran en la figura, los resultados

Ilustración 8 Caso donde A1 y B1 Son verdaderas

Como puede observarse en la ilustración el resultado es verdadero ya que ambas

Ilustración 9 Caso donde no se cumple la condición por lo tanto es falso

1.2.4 Función NO( ).

El objetivo de la función NO( ), es invertir el valor lógico que se obtendría del

Ejemplo 4. Introduzca valores en las casillas A1 y B1 con la fórmula como se

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 9

Ilustración 10 Sintaxis de la función NO

Como puede observarse en las siguientes imágenes el resultado será contrario a

1.3.1 Referencia relativa

En la referencia Relativa las referencias de filas y columnas cambian si se copia la

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 10

1.3.2 Referencia Absoluta

En este tipo, las referencias de filas y columnas no cambian si se copia la fórmula

El resultado que se tendría en la celda A2 sería 17, si se copiara este celda a la

1.4 Operaciones Estadísticas.

M.I. MIGUEL ANGEL SOLÍS JIMÉNEZ Página 11

Pensar en realizar simulación sin un estudio adecuado de la estadística es un

1.4.1 Intervalo de confianza.

De acuerdo a lo visto en el capítulo anterior, es común realizar intervalos de

Intervalo.confianza.Norm(alfa,desv_estándar,tamaño), si se tienen por lo menos

Intervalo.confianza.T(alfa,desv_estándar,tamaño), si se tienen menos de 30 datos.

Es importante comentar que en ambos casos, el resultado que se obtiene es el