Definiciones. Definiciones. Simulación
|
|
- José Ángel Gómez Botella
- hace 7 años
- Vistas:
Transcripción
1 Simulación Prof. Mariela J. Curiel Octubre 2003 Definiciones La simulación se puede definir como la creación de un modelo computacional de un sistema real o propuesto, sobre el cual se realizan experimentos que permitan describir el comportamiento observado o futuro, antes de realizar inversiones importantes de dinero. Definiciones La simulación es esencialmente una técnica de muestreo estadístico controlado que puede usarse para estudiar el desempeño de sistemas informáticos En una simulación usamos un computador para evaluar un modelo numéricamente y recolectamos datos para estimar las características del modelo.
2 Tipos de simulación Simulación basada en trazas: utiliza una traza como entrada. Una traza es un registro de eventos ordenado en el tiempo que se obtiene de un sistema real La simulación por eventos discretos permite modelar un sistema que evoluciona en el tiempo y cuyas variables de estado son discretas y cambian instantáneamente en puntos separados en el tiempo. Simulación basada en trazas Ventajas Credibilidad Es muy fácil validar el modelo de simulación Una mayor precisión en la representación de la carga de trabajo Mayor similitud entre el modelo y el sistema Desventajas Los modelos son más complejos No son tan representativos La traza es finita Ocupan mucho espacio en disco Símulación por Eventos Discretos: estructura de un simulador El planificador de eventos (Event Scheduler) Mecanismos de avance del Tiempo Variables del estado del sistema Rutinas que simulan los eventos Rutinas de entrada Rutinas de Inicialización Generador de reportes Rutinas de trazas Programa principal 2
3 Pasos de un Estudio de Simulación Formular el problema a estudiar Recolectar los datos y definir el modelo Construir el modelo en un lenguaje de simulación y verificarlo. Lenguajes de propósito general, librerías, software específico. Validar el modelo Diseñar los experimentos Hacer las corridas del modelo Analizar los resultados o salidas del modelo Simulación Ventajas Todo lo que se pueda programar se puede modelar. Permite estimar el desempeño de un sistema no existente Se pueden comparar varias alternativas Se puede controlar mejor las condiciones de experimentación Desventajas Cada corrida produce únicamente estimado de las características reales de un sistema El desarrollo del modelo consume tiempo. Los tiempos de ejecución también son significativos. Simulación Ventajas: Nos permite comprender cómo es realmente el funcionamiento del sistema con respecto a cómo pensamos nosotros que funciona. Nos permite responder preguntas del estilo: que pasaría si... 3
4 Técnicas para validar los modelos Verificación: si el modelo se ha implementado correctamente (debugging) Validación: si el modelo representa al sistema en estudio. Si el modelo es correcto debería producir valores suficientemente cercanos al sistema real. Entre lo que se valida tenemos: parámetros de entrada, las distribuciones y los valores de salida. Técnicas para validar los modelos Un modelo totalmente validado es un mito. En la realidad sólo es posible mostrar que el modelo no es inválido en algunas situaciones. Técnicas para validar los modelos Intuición de los expertos: Una técnica muy útil es presentar a los expertos los resultados de la simulación y las medidas del SR, a ver si ellos pueden distinguir los primeros de los segundos. Medidas de un sistema real: es la forma más confiable pero no siempre es posible. Resultados teóricos: comparar con un modelo analítico 4
5 Eliminación de Estados Transitorios Eliminar estados iniciales (Warm-period) En la mayoría de los casos nos interesa el desempeño del sistema una vez que ha alcanzado un estado estable, los resultados de la parte inicial no deberían ser incluidos. No es fácil determinar cuándo termina el estado transitorio. Todos los métodos son heurísticas. Eliminación de Estados Transitorios Corridas Largas: hacer simulaciones lo suficientemente largas para asegurar que la presencia de las condiciones iniciales no afectará los resultados. Desventajas: Desperdicio de recursos. Cómo asegurar que el tiempo elegido es lo suficientemente largo. Eliminación de Estados Transitorios Inicialización Adecuada: comenzar la simulación (estadísticas) en un estado cercano al estado estable. Ejem. Uno podría determinar de una simulación previa a que tiempo t las colas de procesos tienen el número de procesos deseados. 5
6 Eliminación de Estados Transitorios Truncar: supone que la variabilidad del estado transitorio es mayor que la variabilidad en el estado estable. Dadas n observaciones, el método consiste en ignorar las primeras l observaciones y calcular el mínimo y el máximo de las n-l restantes. Este proceso se repite hasta que la observación (l + )th no sea ni el mínimo ni el máximo de las observaciones restantes. El valor de l da la longitud del Edo. Transitorio. Eliminación de Estados Transitorios, 2, 3, 4, 5, 6, 7, 8, 9, 0,, 0, 9, 0,, 0, 9, 0,, 0, 9. l = 9, se borran las primeras 9 observaciones. Existen otros métodos (Jain) Cuándo termina una simulación Muy corta: los resultados pueden ser variables y no confiables. Muy larga: Se desperdician recursos y horas -hombres innecesariamente. Simular hasta que los intervalos de confianza sean lo suficientemente estrechos. Hay sistemas que nunca se estabilizan 6
7 Cuándo termina una simulación Simular hasta que los intervalos de confianza sean lo suficientemente estrechos. Z Var ( x ) x /2 Var( x) Var( x) n - La fórmula es válida sólo si las observaciones son independientes. Muchas observaciones no son independientes (e.g waiting times). - Si las observaciones están correlacionadas, la varianza real puede Ser mucho mayor que la calculada con la fórmula. Por lo tanto se obtienen rápidamente intervalos de confianza estrechos, terminando la simulación en forma prematura. Cuándo termina una simulación Los estadísticos han desarrollado varios métodos para calcular correctamente la varianza de la media cuando las observaciones están correlacionadas. Entre estos métodos están: réplicas independientes, batch means, regeneración. Réplicas Independientes - Las réplicas se obtienen ejecutando el modelo con una semilla diferente. - El método se basa en la suposición de que las medias de réplicas independientes son independientes aún cuando las observaciones en una sola réplica esten correlacionadas. Cuándo termina una simulación Réplicas Independientes - Se obtienen m réplicas de tamaño n + n o donde n o es la longitud de la fase transitoria. - Se calcula la media para cada réplica n0 n xi xij, i,2, n j n0, m - Calcule la media global m x x m i i - Se calcula la varianza de la media de las réplicas m 2 Var( x) ( x i x) m i - Los intervalos de confianza se calculan como x z / 2Var( x) 7
8 Comentarios sobre Números Uno de los pasos clave en el desarrollo de un modelo de simulación es tener una rutina para generar valores aleatorios, que a su vez permitan generar variables con una distribución específica (e.g normal, exponencial) Se genera el número aleatorio entre 0 y Se producen valores aleatorios que satisfacen una distribución (random-variate generation) Comentarios sobre Números El método más común para generar números aleatorios es usar una relación recursiva en la cual el próximo número en la secuencia es una función del último número o par de números. Xn 5 X n mod6 x0 5 X 5(5) mod6 26mod6 0 Los números obtenidos son: 0,3,0,,6,5,2,3,2,,8, 9,4,7,4,5,0,3,0,6,5... (dividiendo entre 6 se obtienen Números entre 0 y ) Comentarios sobre Números X o es la semilla. Si conocemos la función, dado un valor de la semilla, podemos saber cuáles son los números de la secuencia, por eso se le llaman pseudo-aleatorios. semilla cola Periodo Longitud del ciclo En el ejemplo anterior la longitud del ciclo es 6. Algunos generadores no repiten la parte inicial de la secuencia a ésto se le llama cola 8
9 Comentarios sobre Números Propiedades del Generador Los números deben poder calcularse eficientemente El periodo debe ser largo. Los valores deben ser independientes e identicamente distribuidos (se utilizan pruebas estadísticas chicuadrado, kolmogorov-smirnov) Algunos tipos de generadores: congruenciales lineales, tausworthe, de fibonacci. Es mejor usar un generador ya establecido y probado en profundidad, que inventar uno nuevo. Comentarios sobre Números Propiedades de la semilla Para algunos generadores no es conveniente usar el valor 0. No subdividir la secuencia. Por ejemplo, si {u, u2,..} es la secuencia que se genera usando la semilla u0, el analista pudiera usar u para generar los tiempos entre llegadas, u2 para generar los tiempos de servicio, etc. Esto puede generar una fuerte correlación entre las variables X 5 X mod 6 x X 0 n 5 n 5 ( 5 ) mod 6 26 mod 6 0 0,3,0,,6,5,2,3,2,,8,9,4,7,4,5 y 5 (0 ) mod 6 5 mod 6 3,0,,6,5,2,3,2,,8,9,4,7,4,5,0 3 Comentarios sobre Números Propiedades de la semilla Evitar el solapamiento. Si {u o,u,...} es la secuencia de números aleatorios y se necesitan 0000 números para los tiempos entre llegadas y 0000 números para los tiempos de servicio, se selecciona u 0 como la semilla para la secuencia de la primera variable, u 0000 será la semilla para la segunda variable,etc. No usar semillas aleatorias: no se puede reproducir la simulación, no se puede garantizar que las secuencias no se solapen 9
10 Bibliografía Raj Jain. The Art of Computer Systems Performance Analysis. Wiley, 99. Averill M. Law y David Kelton. Simulation Modelling and Analysis. Mc. Graw Hill
Definiciones. Definiciones. Simulación
Simulación Prof. Mariela J. Curiel Octubre 2006 Definiciones La simulación se puede definir como la creación de un modelo computacional de un sistema real o propuesto, sobre el cual se realizan experimentos
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 5 Simulación SIMULACIÓN: Técnicas para imitar el funcionamiento procesos reales mediante programas de ordenador. de sistemas o SIMULACIÓN: Es la representación
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesIntroducción a la estadística básica, el diseño de experimentos y la regresión
Introducción a la estadística básica, el diseño de experimentos y la regresión Objetivos José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Objetivo general Organizar el estudio
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesCurso: Métodos de Monte Carlo Unidad 4, Sesión 9: Números aleatorios (parte 2)
Curso: Métodos de Monte Carlo Unidad 4, Sesión 9: Números aleatorios (parte 2) Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detalles2. Manejo de Datos. Tal y como se mencionó en el Manual 3, las redes de medición se componen de un número variable de estaciones de medición, donde
2. Manejo de Datos. La medición de la calidad del aire debe responder a los objetivos específicos que establezca el SMCA (ver Manual 2: Sistemas de Medición de la Calidad del Aire), como evaluar el grado
Más detallesOptimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx Método de Búsqueda de Fibonacci Algoritmo
Más detallesDeterminación del tamaño muestral para calcular la significación del coeficiente de correlación lineal
Investigación: Determinación del tamaño muestral para calcular 1/5 Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal Autores: Pértegas Día, S. spertega@canalejo.org,
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de números Aleatorios para modelos de simulación Prof.: MSc. Julio Rito Vargas A. Grupo: INGENIERIA INDUSTRIAL
Más detallesEstacionariedad Estacionariedad estacionariedad
Series de Tiempo Una serie de tiempo es una secuencia de datos puntuales medidos en tiempos sucesivos a intervalos de tiempo uniformes. La caracterización de las propiedades de una serie de tiempo se puede
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detallesGLOSARIO DE SIMULACIÓN. Cruz Victoriano Lizbeth Fernández Hernández Lizbeth Matilde Morales Mendo Marco Antonio Ramírez Santos José Alberto
16 de marzo de 2009 GLOSARIO DE SIMULACIÓN EQUIPO Nº 3: Cruz Victoriano Lizbeth Fernández Hernández Lizbeth Matilde Morales Mendo Marco Antonio Ramírez Santos José Alberto ALGORITMO: Es el seguimiento
Más detallesCAPITULO III: METODOLOGIA. En el presente capítulo se describirá el conjunto de pasos a seguir para lograr el
CAPITULO III: METODOLOGIA En el presente capítulo se describirá el conjunto de pasos a seguir para lograr el objetivo propuesto en esta tesis. Primero se presenta la descripción general del programa y
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesLOGO Fundamentos Básicos de Estadística I
LOGO Fundamentos Básicos de Estadística I Prof. Mariugenia Rincón mrinconj@gmail.com Definiciones Estadistica. Objetivo e Importancia Clasificación: Descriptiva e Inferencial Población y Muestra Unidad
Más detallesTeoría de Colas. Investigación Operativa II. Javier Alarcón Rafael Cáceres Jenny Martínez Pamela Quijada Grupo N 9
Teoría de Colas Investigación Operativa II Javier Alarcón Rafael Cáceres Jenny Martínez Pamela Quijada Grupo N 9 Profesor: Milton Ramírez 31 de Enero del 2012 ELEMENTOS BÁSICOS DE UN MODELO DE LÍNEA DE
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesNombre de la asignatura : Simulación. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9310
1. D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Simulación Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-910 Horas teoría-horas práctica-créditos : -0-8.
Más detallesMedidas de Dispersión
Medidas de Dispersión Revisamos la tarea de la clase pasada Distribución de Frecuencias de las distancias alcanzadas por las pelotas de golf nuevas: Dato Frecuencia 3.7 1 4.4 1 6.9 1 3.3 1 3.7 1 33.5 1
Más detallesPROGRAMA DE SIMULACIÓN DE SISTEMAS (DE EVENTO DISCRETO)
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA VICERRECTORADO ACADEMICO DEPARTAMENTO DE INGENIERIA INDUSTRIAL PROGRAMA DE SIMULACIÓN DE SISTEMAS (DE EVENTO DISCRETO) INTRODUCCIÓN Simulación de Sistemas
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesInstrumentación didáctica para la formación y desarrollo de competencias.
Código: - Página 1 de 8 Instrumentación didáctica para la formación y desarrollo de competencias. ASIGNATURA: SIMULACION UNIDADES DE APRENDIZAJE: 5 CLAVE: GRUPOS 6U4A, 6U4B SESIONES: 60 HRS GPO A 72 HRS
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesTEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
TEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN 1.1. Introducción 1.2. Conceptos fundamentales 1.3. Modelado y simulación de tiempo discreto 1.4. Modelado y simulación de eventos discretos 1.5. Pasos en
Más detallesAPLICACIÓN DE LA SIMULACIÓN CON HOJA DE CÁLCULO A LA TEORÍA DE COLAS
APLICACIÓN DE LA SIMULACIÓN CON HOJA DE CÁLCULO A LA TEORÍA DE COLAS Bernal García, Juan Jesús Martínez María Dolores, Soledad María Sánchez García, Juan Francisco Dpto. Métodos Cuantitativos e Informáticos
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más detallesPruebas de bondad de ajuste
Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:
Más detallesMATEMÁTICA III. Régimen de Cursada: Semestral Caracter: Obligatoria Correlativas: Matemática II Profesor: Beatriz Pintarelli Hs. semanales: 6 hs.
MATEMÁTICA III Año 2015 Carrera/ Plan: Licenciatura en Informática Plan 2015-3º año Licenciatura en Sistemas Plan 2015 3º año Licenciatura en Informática Plan 2003-07 / Plan 2012-2º año Licenciatura en
Más detallesCONCEPTOS BÁSICOS DE ESTADÍSTICA
CONCEPTOS BÁSICOS DE ESTADÍSTICA Jorge M. Galbiati Riesco La Estadística está constituida por un conjunto de métodos de análisis de datos que pueden agruparse en tres categorías: La Estadística Descriptiva,
Más detallesPROGRAMA ANALÍTICO PLAN DE ESTUDIOS 2011
PROGRAMA ANALÍTICO PLAN DE ESTUDIOS 2011 Asignatura: MODELOS Y SIMULACIÓN CARRERA: LICENCIATURA EN SISTEMAS DE INFORMACIÓN AÑO: Quinto CREDITO HORARIO: Cinco (5) horas Reloj DESPLIEGUE: Segundo Semestre
Más detallesCAPÍTULO III Metodología de la Investigación CAPÍTULO III METODOLOGÍA DE LA INVESTIGACIÓN
CAPÍTULO III METODOLOGÍA DE LA INVESTIGACIÓN 33 : METODOLOGÍA DE LA INVESTIGACIÓN. CAPÍTULO III 3.1 TIPO DE INVESTIGACIÓN La investigación que se realizó es de tipo Descriptiva y Correlacional. Descriptiva
Más detallesEl promedio como punto típico de los datos es el valor al rededor del cual se agrupan los demás valores de la variable.
TEMA 3: ESTADÍSTICA DESCRIPTIVA 3.1 Conceptos fundamentales Es el conjunto de procedimientos y técnicas empleadas para recolectar, organizar y analizar datos, los cuales sirven de base para tomar decisiones
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: LICENCIATURA EN CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR : COORDINACIÓN: INVESTIGACIÓN DE
Más detallesJulio Deride Silva. 27 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detallesCAPITULO II : MARCO TEORICO.- 2.1 INTRODUCCIÓN A LA MODELACIÓN Y A LA SIMULACIÓN
CAPITULO II : MARCO TEORICO.- 2.1 INTRODUCCIÓN A LA MODELACIÓN Y A LA SIMULACIÓN 2.1.1 Definiciones. Simulación es la técnica numérica para conducir experimentos en una computadora digital. Estos experimentos
Más detalles4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
Más detallesGeneradores de Números Aleatorios. Jorge Eduardo Ortiz Triviño
Generadores de Números Aleatorios Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/ Contenido: Qué entendemos por secuencia de números aleatorios? Cómo se generan
Más detallesC a r t a D e s c r i p t i v a
I. Identificadores del Programa: C a r t a D e s c r i p t i v a Programa: Maestría en Matemática Educativa. Depto.: Física y Matemáticas Materia: Métodos Estadísticos Clave: MME10090 No. Créditos: 6 Tipo:
Más detallesNombre de la asignatura: Probabilidad y Estadística Ambiental
Nombre de la asignatura: Probabilidad y Estadística Ambiental Créditos: 2 2-4 Aportación al perfil Proporcionar los fundamentos necesarios para el manejo estadístico de datos experimentales que le permitan
Más detallesAnálisis de Decisiones II. Tema 18 Generación de variables aleatorias discretas, continuas y su aplicación. Objetivo de aprendizaje del tema
Tema 18 Generación de variables aleatorias discretas, continuas y su aplicación Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Emplear la generación de números aleatorios con distribución
Más detallesLa simulación implica construir una replica de algún sistema real y usarlo bajo condiciones de prueba
Simulación Simulación La simulación implica construir una replica de algún sistema real y usarlo bajo condiciones de prueba Los modelos matemáticos se construyen y utilizan para comprobar los resultados
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de
Más detallesProbabilidades y la curva normal
Probabilidades y la curva normal Las distribuciones reales y las distribuciones teóricas Por Tevni Grajales Guerra Tal cual estudiamos en nuestro tercer tema. Cuando registramos los valores de una variable
Más detallesEstadística Descriptiva
Estadística Descriptiva 1 Sesión No. 3 Nombre: Estadística descriptiva Contextualización Parte fundamental de la Estadística es la organización de los datos, una forma de realizar esta organización es
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2010/11
Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesLA POTENCIA PREDOMINANTE DE UN SISTEMA FOTOVOLTAICO
LA POTENCIA PREDOMINANTE DE UN SISTEMA FOTOVOLTAICO R. González, J. Piay Centro de Estudios de la Energía Solar (CENSOLAR) Parque Industrial PISA, Edificio CENSOLAR, 4927 Mairena del Aljarafe, Sevilla
Más detallesdescripción del argumento identificador tipo longitud condición restricción
Recuerde que estos son apuntes muy simplificados que deberá completar con la bibliografía PROGRAMACIÓN 0 Prof. Dolores Cuiñas H. recomendada APUNTES Nº. METODOLOGÍA PARA LA CONSTRUCCIÓN DE PROGRAMAS. Presentaremos
Más detallesM.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Análisis de Datos Categóricos Programa Educativo: Área de Formación : Transversal Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave: F1145 Tipo : Asignatura
Más detallesEXPOSICIÓN UNIDAD II
SIMULACIÓN EQUIPO: 4 2.1 MÉTODOS DE GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS 2.2 PRUEBAS ESTADÍSTICAS DE ALEATORIEDAD CABRERA HERNÁNDEZ TERESA ELIZABETH 1 DE MARZO DEL 2011 2.1 GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS
Más detallesCAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS
CAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS SOFTWARE PARA LA GESTIÓN DE PRODUCCIÓN Y OPERACIONES 10MO IPO LOS NÚMEROS PSEUDOALEATORIOS Para poder realizar una simulación que incluya variabilidad dentro de sus
Más detallesPoblación finita. reemplazo sobre poblaciones de tamaño finito N.
Población finita 171 El TCL y las varianzas muestrales de medias y proporciones se basan en la premisa de muestras seleccionadas con reemplazo o de una población infinita. Sin embargo, en muchos estudios
Más detallesPROGRAMACIÓN LINEAL ENTERA
PROGRAMACIÓN LINEAL ENTERA Programación lineal: hipótesis de perfecta divisibilidad Así pues decimos que un problema es de programación lineal entera, cuando prescindiendo de las condiciones de integridad,
Más detallesTEMA 5: INTRODUCCIÓN A LA INGENIERÍA DEL SOFTWARE. Definición de Ingeniería del Software
TEMA 5: INTRODUCCIÓN A LA INGENIERÍA DEL SOFTWARE Definición de Estudio de los principios y metodologías para el desarrollo y mantenimiento de sistemas software [Zelkovitz, 1978]. Aplicación práctica del
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesUNMSM FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA SÍLABO
UNMSM FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA SÍLABO I. INFORMACIÓN GENERAL CURSO : MODELOS Y SIMULACIÓN DE SISTEMAS CÓDIGO : CICLO : 2010-1 CRÉDITOS : 4 HORAS LES : 5 PROFESORES : Mag. Marcos
Más detallesPLANIFICACIÓN UNIDAD 5 MATEMÁTICA IV MEDIO BICENTENARIO. CMO Aprendizajes esperados Indicador Habilidad Contenido Clases
PLANIFICACIÓN UNIDAD 5 MATEMÁTICA IV MEDIO BICENTENARIO CMO Aprendizajes esperados Indicador Habilidad Contenido Clases 9 y aplicar los conceptos de función densidad y distribución de probabilidad para
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesUna distribución de frecuencias es una herramienta estadística muy útil para organizar un grupo de observaciones.
DISTRIBUCIÓN DE FRECUENCIAS (Tomado de: http://mx.geocities.com/fracosta11/dfrec.html) Una distribución de frecuencias es una herramienta estadística muy útil para organizar un grupo de observaciones.
Más detallesAlgoritmos genéticos. Inteligencia Computacional TC3023
Algoritmos genéticos Inteligencia Computacional TC3023 Cromosoma Algoritmos Genéticos 2 Revisión 200913 El Cromosoma En la naturaleza, los organismos tienen ciertas características que influencian su habilidad
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesVariables Uniformes. Generadores de variables aleatorias uniformes. Propiedades buscadas. Para qué se utilizan?
Variables Uniformes Generadores de variables aleatorias uniformes Patricia Kisbye FaMAF 7 de marzo, 008 En simulación se utilizan: en forma directa, para generar distribuciones discretas y continuas, para
Más detallesGUÍA PARA ELABORAR ANÁLISIS FUNCIONAL
GUÍA PARA ELABORAR ANÁLISIS FUNCIONAL La elaboración del análisis funcional es muy sencilla, sin embargo debe tenerse muy clara la metodología para que no se produzcan errores, ya que no se debe de olvidar
Más detallesContabilidad Gerencial. SESIÓN 8: Análisis estratégicos de costos e inventarios
Contabilidad Gerencial SESIÓN 8: Análisis estratégicos de costos e inventarios Contextualización de la Sesión 8 Para qué sirven los métodos de costeo? Para las empresas es importante conocer a fondo la
Más detallesLos fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista:
Los fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista: (1) Cuáles son los procesos mentales que realizamos para construir una frase? (por ejemplo,
Más detallesFascículo 5.4 Tamaño de las muestras para el control de calidad de tuberculos-semilla de papa
Producción de Tubérculos-Semillas de Papa Manual de Capacitación CIP Fascículo 5.4 Tamaño de las muestras para el control de calidad de tuberculos-semilla de papa Alfredo García Goicochea Introducción
Más detallesGUÍA DE APRENDIZAJE. Módulo VI Seis Sigma. Aprendizaje sin fronteras uvirtual@pep.pemex.com
GUÍA DE APRENDIZAJE Módulo VI Seis Sigma ÍNDICE PLANES DE CONTROL 3 EL PROCESO DMAIC..4 IMPORTANCIA AL CLIENTE..5 ESTRATEGIA DEL PLAN DE CONTROL.6 TIPOS DE PLAN 7 COMPONENTES DE UN PLAN DE CONTROL.8 PASOS
Más detallesMICROSOFT ACCESS 2007
MICROSOFT ACCESS 2007 1. AVANZADO Nº Horas: 24 Objetivos: Descripción del funcionamiento del programa de gestión de bases de datos Microsoft Access 2007, estudiando los conceptos fundamentales de las bases
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE SISS DE TRANSPORTE DEPARTAMENTO: CIENCIAS DE LA INGENIERÍA PROGRAMA DE ESTUDIO ASIGNATURA: : TZSS SIMULACIÓN
Más detallesObtención de Datos. Obtención de Datos. Clasificaciones de estudios. Clasificaciones de estudios
Obtención de Datos Obtención de Datos Muestreo y Objetivo Representar la población n lo mejor posible con el mínimo m coste. Condiciones para conseguirlo Procedimientos adecuados Tamaño o muestral suficiente
Más detallesEl método utilizado en esta investigación será el método probabilístico ya que el universo en estudio es finito.
CAPITULO III: MARCO METODOLOGICO. 3.1 TIPO DE INVESTIGACION: El tipo de estudio que se desarrollara en la investigación es, descriptiva, porque está dirigido a determinar cómo es, cómo está la situación
Más detallesSIMULACION SCD NUMEROS PSEUDO ALEATORIOS. los números pseudo aleatorios
SIMULACION SCD- 1022 1.- NUMEROS PSEUDO ALEATORIOS los números pseudo aleatorios para poder realizar una simulación que incluya variabilidad dentro de sus eventos, es preciso generar una serie de números
Más detallesUNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS, FÍSICO-QUÍMICAS Y NATURALES DEPARTAMENTO DE COMPUTACIÓN
UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EACTAS, FÍSICO-QUÍMICAS Y NATURALES DEPARTAMENTO DE COMPUTACIÓN CARRERA/S: Licenciatura en Ciencias de la Computación (Cód. 14). PLAN DE ESTUDIOS:
Más detallesEspecificaciones del bien o servicio Descripción del proceso productivo
Aspectos Técnicos Pregunta fundamental. Especificaciones del bien o servicio Descripción del proceso productivo Diagrama de flujo Estrategia para su planificación Conceptos Utilidad Consejos útiles para
Más detallesSECUENCIA DIDÁCTICA. Módulo IV Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas. Antecedente: Ninguno Módulo IV Competencia de Módulo: Clave de curso: COM1505B21 Clave de antecedente: Ninguna Desarrollar software con la finalidad
Más detallesEconometria. 4. Modelo de Regresión Lineal Simple: Inferencia. Prof. Ma. Isabel Santana
Econometria 4. Modelo de Regresión Lineal Simple: Inferencia Prof. Ma. Isabel Santana MRLS: Inferencia Hasta ahora nos hemos ocupado solamente de la estimación de los parámetros del modelo de regresión
Más detallesCurso de Simulación de Sistemas
Curso de Simulación de Sistemas Modelado y Simulación de Sistemas MSc. Julio Rito Vargas A. 2013 Mapa Conceptual de la Clase Modelo Físico S I S T E M A M O D E L O Tipos de Model os Utilidad Modelo Analógi
Más detallesProblemas de Recursividad
Problemas de Recursividad Problema 1. El factorial de un número entero n 0, denotado como n!, se define! como!!! i = 1 2 n cuando n > 0, y 0! = 1. Por ejemplo 6! = 1 2 3 4 5 6 = 720 Diseñad una método
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesProceso para la toma de Decisiones en Investigación de Mercados. Ms. C. Marco Vinicio Rodríguez
Proceso para la toma de Decisiones en Investigación de Mercados Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com Proceso para la toma de Decisiones en Investigación
Más detallesUniversidad de Managua
Universidad de Managua UdeM Simulación de Sistemas Guía #2 Tema: Determinar si el conjunto de números Pseudoaleatorios dados, cumplen las pruebas estadísticas de uniformidad e independencia; para ser considerados
Más detallesIntervalos de Confianza para dos muestras
Intervalos de Confianza para dos muestras Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Comparación de dos poblaciones La comparación
Más detallesPRINCIPALES MODELOS ESTADÍSTICOS EN RIESGO DE MERCADO Y LIQUIDEZ DR. HOLGER CAPA SANTOS
PRINCIPALES MODELOS ESTADÍSTICOS EN RIESGO DE MERCADO Y LIQUIDEZ DR. HOLGER CAPA SANTOS Octubre, 2007 CONTENIDO INTRODUCCIÓN VALOR EN RIESGO VaR UTILIZANDO LA DISTRIBUCIÓN NORMAL VaR UTILIZANDO MODELOS
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de muestras de distribuciones de probabilidad de variables aleatorias discretas y continuas con Stat::Fit Prof.:
Más detallesDefiniciones Diseño de Experimentos: Diseño del Experimento: Replicación o Repetición:
Definiciones Diseño de Experimentos: La experimentación es una técnica utilizada para encontrar el comportamiento de una variable a partir de diferentes combinaciones de factores o variables de entrada
Más detallesGeneración de números aleatorios. Jhon Jairo Padilla Aguilar, PhD.
Generación de números aleatorios Jhon Jairo Padilla Aguilar, PhD. Necesidad Un elemento clave para el desarrollo de un simulador es la generación de valores aleatorios para variables con una determinada
Más detallesCAPÍTULO V DEFINICIÓN DE LOS SISTEMAS DE MEDICIÓN
CAPÍTULO V DEFINICIÓN DE LOS SISTEMAS DE MEDICIÓN [98] CAPÍTULO V DEFINICIÓN DE LOS SISTEMAS DE MEDICIÓN La evaluación y definición de los sistemas de medición consiste en determinar la capacidad y estabilidad
Más detalles4. Medidas de tendencia central
4. Medidas de tendencia central A veces es conveniente reducir la información obtenida a un solo valor o a un número pequeño de valores, las denominadas medidas de tendencia central. Sea X una variable
Más detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
Más detallesIDE y Análisis de datos
IDE y Análisis de datos Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Presentación Objetivos Metodología Introducción IDE y Análisis de datos 1 Planeación de la investigación Proceso
Más detallesINTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.
Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una
Más detallesEstadística descriptiva. Representación de datos descriptivos
6 Estadística descriptiva. Representación de datos descriptivos Alberto Rodríguez Benot Rodolfo Crespo Montero 6.1. Introducción Tal como vimos en la introducción, la estadística descriptiva comprende
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 5 Nombre: Distribuciones de probabilidad para variables Contextualización Ya se han estudiado los conceptos variable aleatoria y distribución
Más detalles1.º ESO INICIANDO LA PROBABILIDAD
1.º ESO INICIANDO LA PROBABILIDAD Realiza varias tiradas en la ruleta y responde: a. Observa las veces que aparece cada color. b. Qué color crees que va a salir en la próxima tirada? Tira y compruébalo.
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN.
1.- Unidad Académica: Facultad de Ingeniería UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN 2.- Programa (s) de estudio:
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detalles