Cun largo simular ?

Jorge Paolini R., Ing, PhD.

Estudio de Casos y Simulacin
Universidad Nacional Experimental de Guayana
Ciudad Guayana. Venezuela.
e-mail: simula.uneg@gmail.com

RESUMEN.

Se estudia la solucin al problema de encontrar cunto debe ser el tamao de la

simulacin

para calcular el valor esperado o esperanza matemtica de N. Donde

N={ n : ui > 1 } y los ui son valores de una distribucin Uniforme en [0,1]. Se

i 1

desarrolla un ejercicio para observar el impacto de los valores de la tolerancia y la

desviacin estndar de la variable considerada, en la respuesta a la pregunta: Cun
larga debe hacerse la simulacin?.

1. INTRODUCCIN.
1

La Distribucin Uniforme Continua tiene la forma f(x; ,) = con

< X < .

Podemos asumir que los nmeros uniformes ui son un caso particular de esta
distribucin, es decir los u i son nmeros aleatorios distribuidos uniformemente con =0
y =1. Para calcular el nmero de simulaciones que nos permitan determinar un valor
esperado de N, se generan un conjunto de corridas que nos determine la desviacin
del valor esperado de N.

Estudio de Casos y Simulacin

2. CALCULO DEL VALOR ESPERADO DE N.

Para hallar el valor esperado de N, es decir, E(N) se requiere calcular la distribucin de
probabilidades de N. Para encontrar esta distribucin de probabilidades utilizaremos
una proceso de simulacin que genere los valores de u i para determinar n y calcule
las probabilidades de ocurrencia para cada valor de n. El valor esperado o esperanza
matemtica de N se determina sumando los productos que surgen de multiplicar cada
valor de la variable aleatoria por su respectiva probabilidad es decir:
E(N) = ni.P(N=ni).

Tabla No. 1.
n

Valor Esperado de N= { n : ui > 1 }

i 1

Corrida

Mnimo n

Mximo n

1
2
3
4
5
6
7
8

2
2
2
2
2
2
2
2

7
6
6
7
7
7
6
8

E(N)
2,7490
2,6910
2,7050
2,7100
2,7090
2,7010
2,7070
2,7080

En la tabla 1, se observan diferentes corridas para determinar los valores de E(N) con
el mismo nmero de iteraciones (j=1000). La simulacin de este problema debe hacerse
de manera automtica, es decir debemos programar un mecanismo de clculo que
obtenga los valores de E(N)..

Estudio de Casos y Simulacin

3. DETERMINACIN DEL NMERO DE SIMULACIONES k.

Para calcular un nmero de simulaciones k para este problema, partiremos de la idea
de intervalo confidencial para el promedio cuando se desconoce la varianza
poblacional. Para un valor de especificado se cumple que:

( 't / 2 . ' / k )
donde el valor de es el promedio para las k corridas y
es la desviacin
estndar. Los valores para el promedio y la desviacin estndar son 2,71 y 0,0169
respectivamente. Podemos determinar el nmero de simulaciones k de esta forma:

P (| ' | d ) 1
Desarrollando la ecuacin anterior llegamos a:
d d
t
t

' k ' k

donde t es el percentil especificado de la distribucin t-Student con k-1 grados de

libertad y d es la tolerancia mxima que marca la diferencia entre el promedio muestral
y el promedio terico de E(N). El valor de k se obtiene as:

'

k t 1 1
d

En la Tabla 2 se puede observar el nmero de simulaciones k para diferentes valores

de tolerancia d.

Tabla No. 2.
Nmero de Simulaciones k. (1-) = 0,95
d
0,01
0,001
0,0001
Estudio de Casos y Simulacin

k
16
1.600
160.000
3

Veamos otra simulacin con un nmero menor de iteraciones digamos por ejemplo,
j=100. En la tabla 3 tenemos los valores de E(N) calculados.

Tabla No. 3.
n

Valor Esperado de N= { n : ui > 1 }.

i 1

Corrida
1
2
3
4
5
6
7
8

E(N)
2.78
2.49
2.80
2.78
2.67
2.70
2.62
2.69

Para este conjunto de corridas la desviacin de E(N) es de 0,1026. Con este valor de
desviacin, se calculan los valores de k que determinan el nmero de simulaciones que
se muestran en la Tabla 4.

Tabla No. 4.
Nmero de Simulaciones k. (1-) = 0,95
d
0,01
0,001
0,0001

Estudio de Casos y Simulacin

k
590
59.000
5.900.000

4. CONCLUSIONES
El valor de la desviacin de E(N) depende del nmero de iteraciones del algoritmo que
determina N.
El nmero de simulaciones k es muy sensible al valor de la desviacin de E(N).
Se observa que el nmero de simulaciones k crece en un factor de 102 cuando la
tolerancia d disminuye en 10-1.

5. BIBLIOGRAFA
Karian, Z, y Dudewicz,E. (1991). Modern Statistical, Systems, and GPSS Simulation.
New York: W.H. Freeman and Company.
Ross, S. (1999). Simulacin. Mxico: Prentice Hall Hispanoamericana S.A.
Rios, D. Rios, S y Matn, J. (2000). Simulacin. Mtodos y Aplicaciones.
Alfaomega Ra-ma.

Estudio de Casos y Simulacin

Bogot: