Title: Modelacion de Datos de Entrada
1Capítulo 7 Modelación de Datos de Entrada
2Hechos al Azar o Aleatorios
- Un fenómeno o hecho aleatorio representa
incertidumbre en la ocurrencia de tal hecho - Número clientes que llegan por hora.
- Tiempo entre llegada de dos clientes sucesivos.
- Número de errores en un documento.
- Cantidad de cartas de crédito en una semana.
- Demora en tramitar un documento.
- Tiempo en realizar cierta tarea.
3... una Moneda ...
En una Moneda tiene una oportunidad entre dos
de caer cara
0,5
0,4
0,3
0,2
0,1
0
Sello
Cara
4... un Dado ...
Un Dado
0,2
En un dado, el as tiene una oportunidad entre
Seis de salir
0,15
0,10
0,05
0
1
2
3
4
5
6
5Modelos de Sucesos Aleatorios
- En situaciones dónde no es posible decir nada
sobre un fenómeno. Se desconoce totalmente lo que
sucede y sólo podemos establecer sus valores
mínimos y máximos. - Decimos que el patrón de comportamiento del
fenómeno obedece a una Distribución Uniforme. - Representa el máximo de ignorancia sobre el
fenómeno aleatorio.
6Distribución Uniforme
0,020
Máx 100
Min 40
0,015
Máx 100
Función Acumulada
0,010
1,0
0,005
0,8
0,000
0,6
52
58
64
70
76
82
88
94
100
40
46
0,4
Función Densidad
0,2
0,0
40
46
52
58
64
70
76
82
88
94
100
Min 40
7Distribución Uniforme
Función Densidad a lt x lt
b Función Distribución
8Modelos de Sucesos Aleatorios
- En situaciones dónde exista la posibilidad de
error en la la medición, como por ejemplo medir
repetidamente - - Distancias
- - Volúmenes
- - Pesos
- - Tiempo de ejecución de una tarea repetitiva
- Es posible encontrar un valor promedio de tales
mediciones y un valor que representa la
variabilidad de tales mediciones. - Estos hechos se pueden modelar por una
Distribución Normal.
9Distribución Normal
0,02
Función Densidad
m 200
0,02
0,01
s 50
0,01
0,01
0,01
0,01
0,00
0,00
0,00
0
Función Densidad
10Modelos de Sucesos Aleatorios
- La evidencia empírica permite apostar que
hechos tales como - - número de accidentes,
- - número de errores,
- - número de documentos que arriban
- En general, todos aquellos en donde cada
ocurrencia se puede considerar independiente de
todas las otras, se pueden modelar por una
Distribución Poisson - Lo único que podemos establecer es una tasa o
frecuencia de ocurrencia del fenómeno por cierta
unidad de tiempo l ocurencias / tiempo
11Distribución Poisson
Probabilidad Ocurrencia
Número de Ocurrencias
Función de Masa
Tasa Ocurrencia l 10 llegadas/hora
12Modelos de Sucesos Aleatorios
- Cuando el número de ocurrencias por unidad de
tiempo de un fenómeno o hecho aleatorio se puede
representar por una distribución de Poisson,
entonces el tiempo que transcurre entre dos
observaciones sucesivas de tales fenómenos tiene
una Distribución Exponencial. - El tiempo esperado o promedio entre dos
ocurrencias sucesivas es igual a la inversa de la
tasa de ocurrencias E(T) 1/ l.
13Distribución Exponencial
25
Función Densidad
20
x
1
-
l
e
x
f
)
(
15
l
10
5
Función Acumulada
0
0
10
20
30
40
50
60
70
80
90
minutos
Función Densidad
E(T) 15 min / entre llegadas
14Modelos de Sucesos Aleatorios
- Algunas actividades como tiempo de reparación o
duración llamadas telefónicas también pueden ser
modeladas por una exponencial, Sin embargo, esto
indica que para la mayoría de las entidades el
tiempo de servicio es cero (la moda es cero).
Esto evidentemente no es cierto (pero no produce
muchas distorsiones en muchos casos.) - La Distribución Gamma tiene diferentes formas
por lo que permite modelar tiempos de servicios
que no pueden ser cero (la reparición de una
pieza requiere de algún trabajo previo)
15Distribución Gamma
Función Acumulada
x
-
-
a
a
l
1
-
l
e
x
x gt 0
)
(
x
f
G
a
)
(
E(X) l a
V(X) l2 a
Función Densidad
16Modelos de Sucesos Aleatorios
- También es una distribución muy útil cuando se
tiene poca información. Sólo se sabe un valor
mínimo, un máximo y uno más probable. - Se utiliza para modelar
- porcentaje de ítemes defectuosos en un lote
- tiempo de cumplimiento de una tarea en PERT
17Distribución Beta
Distribución Beta X ? ? ( r , s ) ssi
18Distribución Beta
A good model for proportions. You can fit almost
any data. However, the data set MUST be bounded!
19Modelos de Sucesos Aleatorios
- Se ha descubierto que la Distribución Weibull
permite modelar razonablemente bien los fenómenos
de tiempos de operación entre fallas en equipos
sometidos a desgaste.
20Distribución Weibull
21Generadores en Lenguajes
- Los lenguajes de simulación -como Arena- tienen
incorporados métodos para generar hechos de
acuerdo al patrón que se les indique. - Es preciso estudiar cuidadosamente el patrón de
comportamiento de los hechos reales para poder
simularlos correctamente. Esto se logra
mediante el análisis estadístico de una serie de
observaciones del mundo real.