Science">
Nothing Special   »   [go: up one dir, main page]
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 121 vistas

    Unidad 4: Instituto Tecnológico Superior de El Mante

    Cargado por

    Hernández Angeles Santos Emmanuel
    Este documento trata sobre la identificación del estimador determinante para el tamaño de una simulación. Explica que el valor de una variable cambia durante una simulación mientras que el valor de un parámetro permanece constante. También discute diferentes enfoques para seleccionar las condiciones iniciales de una simulación y cómo un estimador es consistente si su precisión mejora con un tamaño muestral mayor.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Unidad 4: Instituto Tecnológico Superior de El Mante

    Cargado por

    Hernández Angeles Santos Emmanuel
    121 vistas4 páginas
    Este documento trata sobre la identificación del estimador determinante para el tamaño de una simulación. Explica que el valor de una variable cambia durante una simulación mientras que el valor de un parámetro permanece constante. También discute diferentes enfoques para seleccionar las condiciones iniciales de una simulación y cómo un estimador es consistente si su precisión mejora con un tamaño muestral mayor.

    Descripción original:

    Título original

    4.2

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento trata sobre la identificación del estimador determinante para el tamaño de una simulación. Explica que el valor de una variable cambia durante una simulación mientras que el valor de un parámetro permanece constante. También discute diferentes enfoques para seleccionar las condiciones iniciales de una simulación y cómo un estimador es consistente si su precisión mejora con un tamaño muestral mayor.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    121 vistas4 páginas

    Unidad 4: Instituto Tecnológico Superior de El Mante

    Cargado por

    Hernández Angeles Santos Emmanuel
    Este documento trata sobre la identificación del estimador determinante para el tamaño de una simulación. Explica que el valor de una variable cambia durante una simulación mientras que el valor de un parámetro permanece constante. También discute diferentes enfoques para seleccionar las condiciones iniciales de una simulación y cómo un estimador es consistente si su precisión mejora con un tamaño muestral mayor.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 4

    INSTITUTO TECNOLÓGICO

    SUPERIOR DE EL MANTE
    INGENIERÍA INDUSTRIAL

    UNIDAD 4
    4.2. IDENTIFICACIÓN DEL ESTIMADOR
    DETERMINANTE (ESTIMADOR LÍDER) DEL
    TAMAÑO DE LA SIMULACIÓN
    DOCENTE: ING. ROBERTO RANGEL ANGUIANO
    ALUMNO: HERNÁNDEZ ANGELES SANTOS EMMANUEL
    Identificación Del Estimador Determinante (Estimador Líder) Del
    Tamaño De La Simulación.
    Por definición, el valor de una variable cambia conforme avanza la simulación, aunque se le debe dar
    un valor inicial. Cabe recordar que el valor de un parámetro permanece constante; sin embargo, puede
    cambiar conforme se estudian diferentes alternativas en otras simulaciones.
    Determinación de condiciones iniciales La determinación de condiciones iniciales para las variables es
    una decisión táctica importante en la simulación.
    Lo anterior se debe a que el modelo se sesga por una serie de valores iniciales hasta que el modelo
    llega a un estado estable.
    Para manejar este problema, los analistas han seguido varios planteamientos como:
    1) Descartar los datos generados durante las primeras partes de la ejecución,
    2) Seleccionar las condiciones iniciales que reducen la duración del periodo de calentamiento o
    3) Seleccionar las condiciones iniciales que eliminan el sesgo. Sin embargo, para emplear cualquiera
    de estas alternativas, el analista debe tener una idea del margen de datos de salida esperado. Por lo
    tanto, en cierto sentido, el analista sesga los resultados. Por otro lado, una de las únicas características
    de la simulación es que permite la crítica en el diseño y análisis de la simulación; por lo que si el
    analista tiene cierta información que alberga un problema, se debe incluir.
    Quizás el planteamiento más común sea continuar la simulación hasta lograr un equilibrio. En el
    ejemplo del mercado de pescado, significaría que las ventas simuladas de pescado corresponden a
    sus frecuencias relativas históricas. Otro planteamiento es ejecutar la simulación durante un periodo
    establecido como 1 mes, 1 año o una década y ver si las condiciones al final del periodo son
    razonables. Un tercer planteamiento es establecer la duración de la ejecución de modo que se obtenga
    una muestra suficientemente grande para efectos de pruebas de hipótesis estadística. Esta alternativa
    se considera en la siguiente sección.

    En la mayoría de las situaciones, el análisis tiene más información disponible con la cual comparar los
    resultados de simulación: datos operativos antiguos del sistema real, datos operativos del desempeño
    de sistemas semejantes y la percepción del analista de la operación del sistema real. Sin embargo, se
    debe admitir que la información obtenida de estas fuentes probablemente no sea suficiente para validar
    las conclusiones derivadas de la simulación. Por lo tanto, la única prueba real de una simulación es
    qué tan bien se desempeña el sistema real después de haber implantado los resultados del estudio.
    Un requerimiento lógico para un estimador es que su precisión mejore al aumentar el tamaño muestral.
    Es decir, que esperaremos obtener mejores estimaciones cuanto mayor sea el número de individuos.
    Si se cumple dicho requerimiento, diremos que un estimador es consistente. Desde un punto de vista
    más riguroso diremos que un estimador es consistente si converge en probabilidad al verdadero valor
    del parámetro que queremos estimar.
    Ejemplo:
    Consideremos el caso de la estimación de la media de una población Normal (μ) y consideraremos
    dos estimadores:
    Estimador 1: La primera observación de la muestra (para cualquier tamaño muestral).
    Estimador 2: La media aritmética de las observaciones.
    Para observar el comportamiento de ambos estimadores utilizaremos el siguiente programa que
    genera automáticamente diez muestras de diferentes tamaños (n = 2; 10; 50; 500) procedentes de una
    distribución Normal de parámetros (μ = 0; σ = 1). Se tratará, por tanto, de un estudio de simulación
    (generamos muestras procedentes de una determinada distribución) para comparar el comportamiento
    de ambos estimadores. Recuerda que el verdadero valor del parámetro a estimar (μ) es cero y que
    corresponde a la línea central en negro:
    1) Comparad los valores del estimador 1 (primera observación) para los diferentes tamaños muestrales
    (n = 2; 10; 50; 500).
    2) Haced lo mismo con el estimador 2: media aritmética.
    3) Obtened nuevas simulaciones y repetid el estudio anterior.
    4) ¿Mejora el resultado de algún estimador al aumentar el tamaño de la muestra?
    Es evidente que el estimador correspondiente a la primera observación no mejora al aumentar el
    tamaño de la muestra. Mientras que la media aritmética converge hacia el verdadero valor del
    parámetro (μ = 0) al aumentar el tamaño de la muestra.
    En resumen: la primera observación no es un estimador consistente de μ, mientras que la media
    aritmética sí que lo es.
    Bibliografías:
    Lugo, E. I. F. (s. f.). Identificador Del Estimador. Scribd. Recuperado 6 de agosto de 2021, de

    https://es.scribd.com/document/377083491/Identificador-Del-Estimador

    G. (s. f.-a). 4,4.1. . ..DISEÑO DE LA CALIDAD DE SIMULACION - PDFCOFFEE.COM. Pdfcoffee.Com.

    Recuperado 6 de agosto de 2021, de https://pdfcoffee.com/441diseo-de-la-calidad-de-simulacion-3-pdf-

    free.html#:%7E:text=4.4.,par%C3%A1metro%20desconocido%20de%20la%20poblaci%C3%B3n.&tex

    t=EFICIENCIA%3A%20Un%20estimador%20es%20m%C3%A1s,menor%20que%20la%20del%20seg

    undo.

    G. (s. f.-e). Unidad 4 Simulacion - PDFCOFFEE.COM. Pdfcoffee.Com. Recuperado 6 de agosto de 2021, de

    https://pdfcoffee.com/unidad-4-simulacion-5-pdf-free.html

    También podría gustarte