¿cuáles son los tipos de simulación?

Ejemplos de modelos de simulación

Antes de iniciar la construcción de un modelo de simulación, debemos decidir las características principales de dicho modelo. Hay que hacer varias elecciones, que dependen del sistema que intentamos comprender.

Un modelo es determinista si su comportamiento es totalmente predecible. Dado un conjunto de entradas, el modelo dará lugar a un único conjunto de salidas. Un modelo es estocástico si tiene variables aleatorias como entradas y, en consecuencia, también sus salidas son aleatorias.

Consideremos el ejemplo de la tienda de donuts. En un modelo determinista supondríamos, por ejemplo, que un nuevo cliente llega cada 5 minutos y que un empleado tarda 2 minutos en atender a un cliente. En un modelo estocástico, en cambio, supondríamos que los tiempos de llegada y el tiempo de servicio siguen algunas variables aleatorias: por ejemplo, distribuciones normales con algunos parámetros de media y varianza.

Una persona influyente en las redes sociales decide abrir una nueva página y su objetivo es alcanzar 10.000 seguidores en 10 semanas. Dada su experiencia anterior, supone que cada semana conseguirá 1,5k nuevos seguidores que nunca habían seguido la página y de sus seguidores actuales cree que el 10% dejará de seguir la página cada semana. Sin embargo, el 20% de los que abandonaron la página en el pasado volverán a unirse cada semana. ¿Conseguirá su objetivo?

Qué es la simulación

Una simulación es una representación del mundo real en un ordenador. El software son programas y rutinas diseñados para funcionar en ordenadores. Se denomina software de simulación a los programas informáticos que representan situaciones y experiencias del mundo real en un entorno informático con fines de estudio, entretenimiento, proyecciones, aumento de la eficacia, modelización de posibles alternativas antes de una elección estratégica, etc.

APES™ (Agricultural Production and Externalities Simulator) es un ejemplo de aplicación que se utiliza para determinar cómo las técnicas meteorológicas y de gestión afectarán a la producción agrícola. StarLogo™ es un software de modelización que se utiliza para analizar el funcionamiento de los sistemas descentralizados y puede utilizarse para analizar los atascos, por ejemplo. SimCity® de Electronic Arts® es una línea de productos de varios juegos de simulación. También hay simulaciones de hardware electrónico y de sistemas mecánicos y químicos,

Una segunda forma de clasificar los distintos tipos de software de simulación es por la funcionalidad del mismo. Por ejemplo, la simulación de agentes puede incluir personas en entornos y puede utilizarse para simular los comportamientos e interacciones de un gran número de personas en entornos del mundo real, como aeropuertos o centros comerciales. También puede utilizarse en el ámbito del entretenimiento cuando el usuario mueve un avatar por un entorno. La simulación de redes crea un modelo de comportamiento de la red con fines de prueba. La simulación de aprendizaje electrónico puede duplicar un entorno para que el usuario aprenda a manejar equipos o a trabajar en un entorno peligroso con consecuencias mínimas en caso de fallo, o simplemente para perfeccionar sus habilidades.

Tipos de simulación pdf

Aunque la simulación puede ser una herramienta valiosa para comprender mejor los mecanismos subyacentes que controlan el comportamiento de un sistema, utilizarla para hacer predicciones sobre el comportamiento futuro de un sistema puede ser difícil. Esto se debe a que, en la mayoría de los sistemas del mundo real, al menos algunos de los parámetros, procesos y eventos que los controlan suelen ser estocásticos, inciertos y/o poco conocidos. El objetivo de muchas simulaciones es identificar y cuantificar los riesgos asociados a una determinada opción, plan o diseño. La simulación de un sistema ante tal incertidumbre y el cálculo de tales riesgos requiere que las incertidumbres se incluyan cuantitativamente en los cálculos.

Muchas herramientas y enfoques de simulación son deterministas. En una simulación determinista, los parámetros de entrada de un modelo se representan mediante valores únicos (que suelen describirse como “la mejor estimación” o los valores del “peor caso”). Desgraciadamente, este tipo de simulación, si bien puede proporcionar una cierta visión de los mecanismos subyacentes, no es adecuada para hacer predicciones que apoyen la toma de decisiones, ya que no puede abordar cuantitativamente los riesgos e incertidumbres que están inherentemente presentes.

Tipos de técnicas de simulación

La simulación y el aprendizaje automático están relacionados en el sentido de que ambos giran en torno a modelos, pero son muy diferentes.    De hecho, la simulación y el aprendizaje automático son casi opuestos.    Nos adentraremos en las diferencias entre ambas y en cómo se utilizan.

Las entradas son desconocidas.    Las entradas (al menos algunas de ellas) son variables aleatorias y no conocemos sus valores con exactitud.    Los datos históricos se utilizan para ajustar una distribución de probabilidad a la entrada o se construye una distribución de probabilidad a partir de estimaciones de expertos.

En un problema de aprendizaje automático, el modelo es desconocido inicialmente.    No tenemos forma de determinar el valor de salida a partir de los valores de entrada.    Si tenemos un conjunto de datos en el que se conocen las entradas y la salida correspondiente, podemos utilizar el aprendizaje supervisado para entrenar un modelo de aprendizaje automático.    El aprendizaje supervisado significa que hacemos un seguimiento de lo bien que predice el modelo de aprendizaje automático en comparación con los resultados conocidos.    Cada iteración del proceso de aprendizaje perfecciona el modelo para mejorar la predicción.

Una vez entrenado el modelo de aprendizaje automático, tenemos un modelo para determinar la salida, pero hay cierto nivel de incertidumbre en la salida predicha.    Esta incertidumbre proviene del modelo.    En el modo de predicción, seguimos teniendo entradas conocidas que se introducen en el modelo.