2. simulación de montecarlo.pdf
TRANSCRIPT
-
8/10/2019 2. Simulacin de Montecarlo.pdf
1/22
1
Simulacin Gerencial
Introduccin a Simulacin de
Montecarlo
-
8/10/2019 2. Simulacin de Montecarlo.pdf
2/22
Agenda
Introduccin
Simulacin de Montecarlo (SMC)
Ejemplos
2
-
8/10/2019 2. Simulacin de Montecarlo.pdf
3/22
Introduccin
Qu es Simulacin?
Simulacin es el proceso de construir un modelo matemtico o
lgico de un sistema o problema de decisin, experimentandocon el modelopara obtener luces sobre el comportamiento delsistema o elementos que permitan seleccionar la mejoralternativa para el problema de decisin.
3
-
8/10/2019 2. Simulacin de Montecarlo.pdf
4/22
Introduccin
Qu es un Modelo?
Un modelo se puede definir como la representacin de un
sistema con el propsito de estudiarlo.
Se debe definir claramente la relacin entre las entidades, las
actividades que se desarrollan y es nicamente necesario
considerar aquellos aspectos del sistema que afectan elproblema de investigacin.
4
-
8/10/2019 2. Simulacin de Montecarlo.pdf
5/22
Tipos de Modelos
Qu es un Modelo?
5
-
8/10/2019 2. Simulacin de Montecarlo.pdf
6/22
Pasos en un estudio de Simulacin
6
-
8/10/2019 2. Simulacin de Montecarlo.pdf
7/22
Traduccin del Modelo
7
3.
2.
1. Traduccin delModelo
Lenguajes depropsitoGeneral
Java, C++, VB
Lenguajes deSimulacin de
propsitoespecial
Arena, @Risk,Crystal Ball
-
8/10/2019 2. Simulacin de Montecarlo.pdf
8/22
Simulacin de Montecarlo (SMC)
La Simulacin de Montecarlo (SMC) es una tcnica cuantitativaque hace uso de muestreosestadsticospara imitar, mediantemodelos matemticos, el comportamiento aleatorio desistemas reales no dinmicos.
Generalmente en estadstica los modelos aleatorios se usanpara simular fenmenos que poseen algn componente
aleatorio. Pero en la SMC el objeto de la investigacin es elobjeto en s mismo, es decir, un suceso aleatorio o pseudo-aleatorio se usa para estudiar el modelo.
8
-
8/10/2019 2. Simulacin de Montecarlo.pdf
9/22
Simulacin de Montecarlo (SMC)
La clave de la SMC consiste en crear un modelo matemtico delsistema, proceso o actividad que se quiere analizar,identificando:
- Variables (Inputs del modelo): Son aquellas cuyocomportamiento aleatorio determina el comportamientoglobal del sistema. (Generacin de nmeros y variables
aleatorias).
9
-
8/10/2019 2. Simulacin de Montecarlo.pdf
10/22
Simulacin de Montecarlo (SMC)
- Resultados de la Simulacin (Experimento): Analizar elcomportamiento del sistema ante los valores generados. Elobjetivo es repetir n veces el experimento obteniendo nobservaciones sobre el comportamiento del sistema. Losresultados sern ms precisos cuanto mayor sea el nmero nde experimentos que llevemos a cabo.
10
-
8/10/2019 2. Simulacin de Montecarlo.pdf
11/22
Simulacin de Montecarlo (SMC)
La SMC se puede utilizar de acuerdo a los siguientes algoritmos:
- SMC Puro: Est fundamentado en la generacin denmeros aleatorios por el mtodo de TransformacinInversa, el cual se basa en las distribuciones acumuladas defrecuencias(Visto anteriormente).
11
-
8/10/2019 2. Simulacin de Montecarlo.pdf
12/22
Simulacin de Montecarlo (SMC)
- Combinacin de VAs por SMC: Cuando el resultado de lasimulacin se da por la combinacin de las VAs, se deberealizar y verificar:
- Desarrollar un modelo conceptual o lgico de decisin.- Construir un modelo, especificando la relacin entre las
variables y las distribuciones de probabilidad para las variables
aleatorias.- Verificar y validar el modelo.- Disear experimentos utilizando el modelo.- Analizar los resultados y concluir.
12
-
8/10/2019 2. Simulacin de Montecarlo.pdf
13/22
Simulacin de Montecarlo (SMC)
Las principales caractersticas a tener en cuenta para laimplementacin o utilizacin de la SMC son:
- El sistema debe ser descripto por 1 o ms funciones dedistribucin de probabilidad (FP).
- Generacin de nmeros aleatorios (No debe existir correlacinentre los valores mustrales).
- Establecer lmites y reglas de muestreo para las FP (Definir quevalores pueden adoptar las VA s).
13
-
8/10/2019 2. Simulacin de Montecarlo.pdf
14/22
Simulacin de Montecarlo (SMC)
Las principales caractersticas a tener en cuenta para laimplementacin o utilizacin de la SMC son:
- Definir Scoring(Cuando un valor aleatorio tiene o no sentido parael modelo a simular).
- Estimacin del error (Con que error trabajamos? Cuanto errorpodemos aceptar para que una corrida sea vlida?).
- Tcnicas de reduccin de Varianza.
14
-
8/10/2019 2. Simulacin de Montecarlo.pdf
15/22
Simulacin de Montecarlo (SMC)
Las principales caractersticas a tener en cuenta para laimplementacin o utilizacin de la SMC son:
- Paralelizacin y Vectorizacin (Utilizado en aplicaciones conmuchas variables).
15
-
8/10/2019 2. Simulacin de Montecarlo.pdf
16/22
Ejemplo 1: Simulacin de Montecarlo(SMC)
Se tiene la siguiente distribucin de probabilidades para unademanda aleatoria (diaria) y queremos ver que sucede con elpromedio de la demanda en varias iteraciones:
16
Unidades FrecuenciaFrecuencia
Acumulada
42 0,1 0,145 0,2 0,348 0,4 0,7
51 0,2 0,954 0,1 1
-
8/10/2019 2. Simulacin de Montecarlo.pdf
17/22
Ejemplo 1: Simulacin de Montecarlo(SMC)
Generando los valores aleatorios vamos a ver como se obtiene elvalor de la demanda para cada da:
17
Iteracin NmeroAleatorio [R]
Valor de laDemanda
1 0,886 51
2 0,021 42
n 0,225 45
-
8/10/2019 2. Simulacin de Montecarlo.pdf
18/22
Ejemplo 1: Simulacin de Montecarlo(SMC)
Si se aumenta el nmeros de replicas, los resultados obtenidosson:
18
Iteracin Media Desviacin Error
10 48,60 3,41 1,078
100 48,12 3,16 0,316
1000 47,87 3,28 0,104
10000 47,87 3,30 0,033
-
8/10/2019 2. Simulacin de Montecarlo.pdf
19/22
Ejemplo 2: Simulacin de Montecarlo(SMC)
La compaa Plsticos de Colombia S.A, se dedica a la fabricacin deproductos plsticos y telas vinlicas. En la actualidad, estn analizando laposibilidad de lanzar un nuevo producto llamado impermeable plstico (encolores amarillo y negro). ste producto puede ser utilizado como protectorsolar y/o como recubrimiento para la lluvia por las personas y las industrias.
Teniendo en cuenta que es un producto nuevo, la gerencia de la compaa haanalizado la situacin y ha encontrado que para fabricarlo se requiere de unamquina especializada, con la que no se cuenta en la actualidad. Por lo tanto,han definido como alternativa arrendar la mquina que se requiere.
19
-
8/10/2019 2. Simulacin de Montecarlo.pdf
20/22
Ejemplo 2: Simulacin de Montecarlo(SMC)
La compaa ha identificado dos modelos de mquinas que se ajustan a lasnecesidades actuales de produccin de impermeable de color negro y decolor amarillo. La primera alternativa es arrendar la mquina TX-1. Estamquina tiene una capacidad de produccin de 32.000 metros al mes, y sucosto de leasing es 1950.000/mes.
La segunda alternativa es arrendar la mquina TX-2. Esta mquina tiene uncosto de leasing ms bajo $1650.000. Su capacidad de produccin es mayor(5.000 metros msque la TX-1).
20
-
8/10/2019 2. Simulacin de Montecarlo.pdf
21/22
Ejemplo 2: Simulacin de Montecarlo(SMC)
Para estimar el comportamiento de la demanda del nuevo producto, lacompaa ha recolectado informacin sobre la demanda esperada por mesdel impermeable plstico negro y la demanda de impermeable amarillo, y haencontrado los siguientes resultados respecto al comportamiento de cadamercado:
Color amarillo: mnimo 12000 metros, mximo 21000 metros, y valor msprobable 18000 metros.
Color negro: entre 17000 y 23000 metros.
Adicionalmente, la compaa estima que el precio de venta por metro deimpermeable amarillo es de $2500, y el precio de venta por metro deimpermeable negro es de $2300.
21
-
8/10/2019 2. Simulacin de Montecarlo.pdf
22/22
Ejemplo 2: Simulacin de Montecarlo(SMC)
Los costos unitarios asociados con la produccin en cada mquina sepresentan a continuacin:
Qu decisin debe tomar la compaa?
22
Costos variables TX-1 TX-2
Distribucin Normal NormalMedia 950 1100
Desviacin estndar 90 25