Simulación de sistemas

Que intenta la simulación

• Estudiar y descubrir el comportamiento de un sistema
• Comparar
• Predecir
• Postular teorías o hipótesis que expliquen el comportamiento observado, usar esas teorías para predecir el comportamiento futuro del sistema, es decir mirar los efectos que se producirán en le sistema mediante los cambios dentro de él o en su método de operación ( con relación al tiempo)

Propiedades de los modelos de simulación

componentes:

Son las partes de un conjunto que forman el sistema

Variables:

Pueden ser de dos tipos

Exógenos: Entradas son originadas por causas externas al sistema
Endógenos: Son producidas dentro del sistema que resultan de causas internas, las cuales pueden ser de estado o salida

Estadísticamente las variables exógenas se denominan como variables independientes.

Parámetros:

Son cantidades a las cuales el operador del modelo puede asignarle valores arbitrarios lo cual se diferencia de las variables.

Los parámetros una vez establecidos se convierten en constantes.

Relaciones Funcionales:

Describen a los parámetros de tal manera que muestran su comportamiento dentro de un componente o entre componentes de un sistema.

Las relacione funcionales pueden ser de dos tipo:

Determinantes: sus definiciones que relacionan ciertas variables o parámetros donde una salida del proceso es singularmente determinada por una entrada dada.

Estocásticos: Cuando el proceso tiene una salida indefinida, para una entrada determinada las relaciones funcionales se representan por ecuaciones matemáticas y salen del análisis estadístico matemático.

Restricciones:

Estas son limitaciones impuestas a valores de las variables las cuales pueden ser de dos formas:

Autoimpuestas: o sea asignadas por el mismo operador.

Impuestas: o sea cuando son asignadas manualmente por el mismo sistema.

Clasificación de los sistemas de simulación

Modelos determinantes:

Ni las variables endógenas y exógenas se pueden tomar como datos al azar. Aquí se permite que las relaciones entre estas variables sean exactas o sea que no entren en ellas funciones de probabilidad. Este tipo determinante quita menos de computo que otros modelos.

Ejemplo: Modelos Estocásticos.

Modelos estocásticos:

Cuando por los menos una variable es tomada como un dato al azar las relaciones entre variables se toman por medio de funciones probabilísticas, sirven por lo general para realizar grandes series de muestreos, quita mucho tiempo en el computados son muy utilizados en investigaciones científicas.

Modelo estáticos:

Es que en ellos no se toma en cuenta el tiempo dentro del proceso, por ejemplo: los modelos de juegos, modelos donde se observa las ganancias de una empresa.

Modelo dinámicos:

Si se toma en cuenta las variaciones del tiempo, ejemplo: la variación de la temperatura, del aire durante un día, movimiento anual de las finanzas de una empresa.

Modelos a escala:

Son los modelos sencillos de maquetas casas, baños, cuartos, etc. Tambien se pueden tener a tamaño natural a menor o mayor escala, bidimensional, tridimensional.