Simulación

Docente: CARRANZA DIAZ WENDY

Tema 4: Actividad 3

Alumnos: Gutierrez Ibarias Oswaldo

Martes, 12 de noviembre de 2019

Pruebas de validación de un modelo de Simulación
4.4 Validación de un simulador
Los modelos de simulación son imitaciones aproximadas de los sistemas del
mundo real y nunca imitan exactamente el sistema del mundo real. Debido a eso,
un modelo debe verificarse y validarse hasta el grado necesario para el propósito
o la aplicación previstos de los modelos.
Los modelos de simulación se utilizan cada vez más para resolver problemas y
ayudar en la toma de decisiones. Los desarrolladores y usuarios de estos
modelos, los tomadores de decisiones que utilizan la información obtenida de los
resultados de estos modelos y los individuos afectados por las decisiones basadas
en dichos modelos son: todos con razón preocupados por si un modelo y sus
resultados son "correctos". Esta preocupación se aborda a través de la verificación
y validación del modelo de simulación.
La verificación y validación del modelo de simulación se inicia después de que se
hayan documentado las especificaciones funcionales y se haya completado el
desarrollo inicial del modelo. La verificación y validación es un proceso iterativo
que tiene lugar a lo largo del desarrollo de un modelo.
La validación del modelo se define como "justificación de que un modelo
computarizado dentro de su dominio de aplicabilidad posee un rango de
precisión satisfactorio consistente con la aplicación prevista del modelo"

Validación de supuestos del modelo.

Generalmente se dividen en dos categorías: suposiciones y suposiciones de

datos.
Suposiciones estructurales
Las suposiciones sobre cómo funciona el sistema y cómo se organiza físicamente
son suposiciones estructurales. Muchos problemas estructurales en el modelo
provienen de supuestos pobres o incorrectos. Si es posible, se debe observar
atentamente el funcionamiento del sistema real para comprender cómo funciona.
La estructura y el funcionamiento de los sistemas también deben verificarse con
los usuarios del sistema real.
Supuestos de datos
Debe haber una cantidad suficiente de datos apropiados disponibles para construir
un modelo conceptual y validar un modelo. La falta de datos apropiados es a
menudo la razón por la que los intentos de validar un modelo fallan. Los datos
deben ser verificados para provenir de una fuente confiable.
Validando entrada-transformaciones de producción
El modelo se ve como una transformación de entrada-salida para estas pruebas.
La prueba de validación consiste en comparar las salidas del sistema en
consideración con las salidas modelo para el mismo conjunto de condiciones de
entrada. Los datos registrados mientras se observa el sistema deben estar
disponibles para realizar esta prueba. La salida del modelo que es de interés
primario se debe utilizar como medida del rendimiento.
El modelo se ejecutaría con los tiempos de llegada reales y el tiempo promedio del
modelo en línea se compararía con el tiempo promedio real empleado en la línea
utilizando una o más pruebas.

Comparaciones gráficas
Si los supuestos estadísticos no se pueden cumplir o no hay datos suficientes para
el sistema, se pueden utilizar comparaciones gráficas de los resultados del modelo
con los resultados del sistema para tomar decisiones subjetivas, sin embargo, son
preferibles otras pruebas objetivas.

4.4.1 Pruebas paramétricas

En un modelo de simulación intervienen tres clases de variables que describen el
comportamiento del sistema: entrada, proceso y salida
Consiste en la identificación y captación de los datos que requiere el modelo, de
acuerdo a la formulación que se haya hecho en las etapas anteriores del diseño.
Los datos son para:
· Las relaciones funcionales, ya sea para determinar la forma de éstas, completar
su forma o expresión, o para precisar algún parámetro que en ella se tenga.
· Las variables estocásticas, que de ellas se deberá determinar su función de
distribución de probabilidades, tanto para variables continuas como discretas.
· Las relaciones funcionales podrían ser, rectas obtenidas por regresión lineal o
ajuste de curvas.
· En las relaciones funcionales se debe fijar todos los parámetros que tenga; a
menos que se haya dejado como una variable de entrada al simulador.
Los datos a usar pueden ser:
1. Datos empíricos
2. Datos obtenidos con distribución teórica.
La validación consiste en 2 etapas: Validación de los modelos de procesos
simples; esto es validar la estructura interna del modelo: Se valida la salida de los
procesos simples y en ello se hace uso de técnicas de estadística. Las relaciones
funcionales también deben validarse. Puede hacerse cuando se establece el
modelo o en
La toma de datos .No debe tomarse relaciones funcionales desconocidas, o que
no tengan ya un grado de validez aceptable. Siempre será posible validar las
componentes o subsistemas porque se habrán construido de manera modular
para formar el modelo. En esta etapa se observará el comportamiento del modelo
en cada uno de esos procesos simples para asegurarse que cada componente o
subsistema está bien simulado. Validar el modelo de simulación en su entorno,
esto es validar los datos de salida.
-Puede ser que la validez de la estructura sea buena, pero el resultado combinado
de los procesos simples sea casi mala.
-Confrontar los resultados de la simulación con las experiencias pasadas y con
teorías existentes al respecto:
-No tomar posturas como: los resultados no me parecen correctos, pero si el
modelo lo dice yo lo acepto.
-Si los resultados son absurdos, no tiene sentido continuar; cualquier otro análisis
no convencerá a los usuarios. Ningún modelo se ha aceptado si los resultados van
contra la teoría.
-Para modelos de importancia, de envergadura deberá consultarse la opinión de
expertos.
-Análisis de sensibilidad
- En las 2 etapas de la validación (de estructura y de los datos de salida) se debe
hacer análisis de sensibilidad.
-Efectuar análisis de sensibilidad de las variables dependientes ante cambios de las variables
independientes.
-Con un simulador se puede realizar muchos análisis de sensibilidad por el grado
de control sobre las variables de entrada (Método Turing). Luego consultar a
expertos, si es posible.
El modelo debe correrse muchas veces antes de llegar a tener una probabilidad
de distribución de la respuesta de un variable de salida
4.4.2 Pruebas no paramétricas
Cuando se analizan datos medidos por una variable cuantitativa continua, las
pruebas estadísticas de estimación y contraste frecuentemente empleadas se
basan en suponer que se ha obtenido una muestra aleatoria de una distribución de
probabilidad de tipo normal o de Gauss.
En estos casos disponemos de dos posibles mecanismos: los datos se pueden
transformar de tal manera que sigan una distribución normal, o bien se puede
acudir a pruebas estadísticas que no se basan en ninguna suposición en cuanto a
la distribución de probabilidad a partir de la que fueron obtenidos los datos, y por
ello se denominan pruebas no paramétricas
. Las pruebas estadísticas no paramétricas son las que, a pesar de basarse en
determinadas suposiciones, no parten de la base de que los datos analizados
adoptan una distribución normal. Técnica estadística que no presupone ninguna
distribución de probabilidad teórica de la distribución de nuestros datos.
PRUEBA DE MANN-WHITNEY PARA MUESTRAS INDEPENDIENTES.
Si tenemos dos series de valores de una variable continua obtenidas en dos
muestras independientes: X1, X2,..Xn, Y1, Y2, …., Ym, procedemos a ordenar
conjuntamente todos los valores en sentido creciente, asignándoles su rango,
corrigiendo con el rango medio los empates. Calculamos luego la suma de rangos
para las observaciones de la primera muestra SX, y la suma de rangos de la
segunda muestra SY. Si los valores de la población de la que se extrajo la muestra
aleatoria de X se localizan por debajo de loa valores de Y, entonces la muestra de
X tendrá probablemente rangos más bajos, lo que se reflejará en un valor menor
de Sx del teóricamente probable.
PRUEBA DE WILCOXON DE LOS RANGOS CON SIGNO.
Esta prueba nos permite comparar nuestros datos con una mediana teórica (por
ejemplo un valor publicado en un artículo). Para efectuar esta prueba se calculan
las diferencias en valor absoluto |Xi-M0| y se ordenan de menor a mayor,
asignándoles su rango (número de orden). Si hubiera dos o más diferencias con
igual valor (empates), se les asigna el rango medio (es decir que si tenemos un
empate en las posiciones 2 y 3 se les asigna el valor 2.5 a ambas)