2. Aleatoriedad: La Revancha

Diagrama de la lluvia de ideas:





Metas:

1.- Introducción: Tipos de Distribuciones
2.- Algoritmos generadores de numeros aleatorios con cierta distribución.
3.- Análisis de datos, pruebas de normalidad (Seleccion de distribución)
4.- Casos de aplicación en la vida real.

***** * ***** * ***** * ***** * ***** * ***** * ***** * ***** * ***** * *****
Conclusiones.

Meta #1

En el siguiente gráfico se muestran las distribuciones mas importantes o utilizadas:

* Binomial: Experimentos de Bernoulli.

* Geométrica: Se relaciona con la distribución exponencial. Cuantifica los intentos para llegar a un éxito.

* Normal: Es la más común, sus variables no son controladas por dispersión, Ley de los Números grandes.

* X2: Prueba de hipótesis, análisis de varianza y regresión, pruebas estadísticas.

Nota: Aplicando la distribución geométrica a un caso determinado, podemos cuantificar el número de éxitos o fracasos, y aplicando la distribución exponencial, podremos cuantificar el tiempo que se tarda para llegar a un éxito o fracaso.

Meta #2

Errores comunes de los algoritomos generadores de números aleatorios.

1. No estar distribuidos uniformemente.


2. Pueden pertenecer a otra distribución.


3. La media puede ser muy alta o muy baja, al igual que la varianza.


4. La correlación.

Ventajas.

1. Rapidez en la generación de dichos números y por lo tanto de la simulación misma.


2. Practicidad.


3. No requieren de un hardware especifico.

Meta #4

• Aplicaciones en el campo morfológico.


• Temperatura, presión.


• Cuestiones psicológicas.


• Examen CENEVAL

Conclusión general:

Para determinar la distribución que tienen los datos, primero se piensa que tiende a la distribución normal, en caso contrario, se aplican las pruebas de normalidad para determinar a cual distribución pertenecen dichos datos.

1. Aleatoriedad 11/Sep

Diagrama correspondiente a la lluvia de ideas:

***Metas:

-Existencia de métodos para la simulación general

-Casos de aplicación

-Cuando utilizar aleatoriedad en simulación

-Validez de simulación

..........................................................................................................................

Conclusiones.

Modelos de Simulación

..............................................................................................................................

Etapas del modelo de simulación

-Definición, descripción del problema. Plan.
-Formulación del modelo.
-Programación .
-Verificaciçon y Validación del modelo.
-Diseño de experimentos y plan de corridas.
-Análisis de resultados

Diagrama de flujo del modelo de simulación

.......................................................................................................................................

..............................................................................................................................

Algunos casos de aplicación

-Criptografía.
-Cromo dinámica cuántica.
-Densidad y flujo de tráfico.
-Diseño de reactores nucleares.
-Diseño de VLSI.
-Ecología.
-Econometría.
-Evolución estelar.
-Física de materiales.
-Métodos cuantitativos de organización
industrial.
-Programas de computadora.
-Pronóstico del índice de la bolsa.
-Prospecciones en explotaciones
petrolíferas.
-Radioterapia contra el cáncer.
-Sistemas de colas.
-Sistemas de inventario P y Q.
-Valoración de cartera de valores.

-Adiestramiento de operadores (centrales carboeléctricas, termoeléctricas, -nucleoeléctricas, aviones, etc.).
-Análisis de sistemas de acondicionamiento de aire.
-Evaluación de sistemas tácticos o de defensa militar.
-Análisis de un departamento dentro de una fábrica.
-Análisis de sistemas de transporte terrestre, marítimo o por aire.
-Análisis del impacto ambiental causado por diversas fuentes.
-Análisis y diseño de sistemas de manufactura.
-Análisis y diseño de sistemas de comunicaciones.
-Uno de los principales proyectos futuristas de la simulación es en el campo de las minosvalias físicas.

Importancia sobre el uso y confiabilidad de números pseudoaleatorios.

Los datos de salida en los modelos estocásticos son en si mismos de carácter aleatoria y son usados solo para aproximar una característica real del modelo. Si la variabilidad en la salida es de suma importancia, debido a la aplicación o el sistema que se este estudiando, también sera importante que la aleatoriedad de la entrada sea confiable.

Algunos ejemplos importantes podrían ser la simulación de minusvalías físicas del ser humano, una simulación sobre el comportamiento del corazón, o cualquier simulación en la que los resultados obtenidos o las decisiones que se tomen a partir de ellos afecten la vida de alguna persona.

4.- Sugerencias para la validación de la simulación

Existen varios criterios para validar un modelo de simulación:

• La opinión de expertos sobre los resultados de la simulación.
• La exactitud con que se predicen datos históricos.
• La exactitud en la predicción del futuro.
• La provocación de falla del modelo de simulación al utilizar los datos que hacen fallar al sistema real.
• La aceptación y confianza en el modelo por la persona que hará uso de los resultados que arroje la simulación.