Guia Solucion
Guia Solucion
Guia Solucion
Facultad de Ingenierı́a
Ingenierı́a Civil Industrial
Curso: ACIN213 Simulación de Sistemas Industriales
Profesor: Marcel Favereau
Tercer Trimestre 2022
1. Preguntas Breves
1. La simulación puede ser utilizada para analizar modelos de colas que son complicados de resolver
analı́ticamente. ¿Verdadero o falso?
Solución: Verdadero.
2. En el método de aceptación y rechazo, la función mayorizadora t(x) es siempre una función de densidad
de probabilidad. ¿Verdadero o falso?
Solución: Falso. Se integra a algo > 1.
3. La raı́z cuadrada de la varianza muestral es insesgada para la desviación estándar. ¿Verdadero o falso?
Solución: Falso. E[S 2 ] = σ 2 ; E[S] = σ.
4. El método de Welch es una técnica gráfica para estimar puntos de truncamiento en una simulación de
estado estable. ¿Verdadero o falso?
Solución: Verdadero.
5. Suponer que estamos conduciendo una prueba de bondad de ajuste χ2 para determinar si 200 observa-
ciones iid provienen de una distribución Johnson, que tiene 4 parámetros que deben ser determinados.
Si dividimos las observaciones en 10 intervalos equiprobables, ¿cuántos grados de libertad tendrá nues-
tro test?
Solución: 10 − 4 − 1 = 5.
6. ¿Cuál es usualmente una mejor forma de tratar con el sesgo de inicialización en el análisis de simula-
ciones de estado estable: (i) ejecutar una réplica extremadamente larga para suavizar el sesgo, o (ii)
realizar un truncamiento?
Solución: Truncar.
1
2. Alternativas
1. Suponer que X es una variable aleatoria continua con función de densidad fX (x) = 2x para 0 < x < 1.
Encontrar P(X < 1/2|X > 1/4).
(a) 0
(b) 0,2
(c) 0,5
(d) 0,8
(e) 1/16
Solución: Tenemos
= 0,2,
(a) 1
(b) e/2
(c) 0,347
(d) 1,38
1
X 1 1
E[ln(X + 1)] = ln(x + 1)P(X = x) = ln(1) + ln(2) = 0,347,
x=0
2 2
2
3. Si X tiene una media de −2 y una varianza de 3, encontrar V(−2X + 1).
(a) −5
(b) −6
(c) −12
(d) 12
(e) 13
4. Suponer que X1 , . . . , Xn son realizaciones iid de una variable aleatoria con distribución Pois(λ = 3).
¿Cuál es la distribución aproximada de la media muestral X para n = 300?
(a) Pois(3)
(b) Pois(0,01)
(c) N (3, 3)
σ2
3
X ≈ N µ, ∼ N 3, ,
n n
(a) 0
(b) 1
(c) 2
(d) 8
3
(e) 16
Solución: Tenemos
X1 = (5X0 + 1) mod(8) = 16 mod(8) = 0,
y luego,
X2 = (5X1 + 1) mod(8) = 1 mod(8) = 1,
(a) Solo I
(b) Solo II
(c) I y III
(d) Solo IV
3. Preguntas Abiertas
2 n−1 2 14
Ê[Xi2 ] = µ̂2 + σ̂ 2 = X + S = 42 + = 20,67.
n 3
4
2. Considerar las siguientes utilidades (en miles de dólares) de un negocio sobre 10 años consecutivos:
Usando el método de medias por lotes (batch means), calcular un intervalo de confianza al 90 % para
la media µ. En particular, usar dos lotes de tamaño 5.
Solución: Consideramos b = 2 lotes. Las medias por lotes son X 1 = 122,2 y X 2 = 135,4, ası́ que
tenemos X = 12 (X 1 + X 2 ) = 128,8, y el estimador de la varianza es
b 2
m X 5 X
V̂B = (X i − X)2 = (X i − 128,8)2 = 435,6.
b − 1 i=1 2 − 1 i=1
q
µ ∈ X ± tα/2,b−1 V̂B /n
p
128,8 ± t0,05,1 435,6/10
3. Estamos estudiando los tiempos de espera pertenecientes a dos sistemas de espera. Suponer que co-
rremos 4 réplicas independientes de ambos sistemas, donde los sistemas son simulados de manera
independiente de cada otro. Asumiendo que los resultados del promedio de tiempo de espera de cada
réplica son aproximadamente normal, encontrar un intervalo de confianza al 95 % para la diferencia
en las medias de ambos sistemas.
Ayuda: puede utilizar el entero anterior (piso) de los grados de libertad para evitar interpolar.
Solución: Este es un problema de intervalo de confianza Welch (debido a la normalidad e indepen-
5
dencia de las observaciones), asumiendo varianzas diferentes y desconocidas. Tenemos X = 16,25,
2
Y = 26,25, SX = 122,917 y SY2 = 156,25. Los grados de libertad estimados son
2
2 2
SX SY
n1 + n2
fˆ = 2 2 = 5,91 ≈ 5.
S2 S2
X Y
n1 n2
n1 −1 + n2 −1
s
2
SX S2
µX − µY ∈ X − Y ± tfˆ,1−α/2 + Y
n1 n2
r
122,917 156,25
= −10 ± t5,0,975 +
4 4
= −10 ± 2,571 · 8,355
4. Esta pregunta es similar a la anterior, excepto que ahora hemos usado números aleatorios comunes
para inducir una correlación positiva entre los resultados de los dos sistemas. Nuevamente, encuentre
un intervalo de 95 % para la diferencia de las medias de ambos sistemas.
6
Réplica Xi Yi Zi
1 10 25 -15
2 20 30 -10
3 5 40 -35
4 30 30 0
Ahora,
q
µX − µY ∈ Z ± tn−1,1−α/2 V̂[Z]
p
= −15 ± t0,975,3 54,17
5. Suponer que Y 1 = 1, Y 2 = 3 y Y 3 = 0 son tres medias por lotes resultantes de una simulación de
largo n = 300 observaciones (para la cual ya se han eliminado las observaciones transientes, es decir,
hay un warm-up period de l = 0 observaciones). Encontrar un intervalo de confianza al 95 % para la
media µ.
Solución: Notar que tenemos b = 3 lotes de tamaño m = 100. La media muestral completa es
b
1X 4
Y = Y i = ≈ 1,333,
b i=1 3
mientras
b 3
m X 100 X
V̂B = (Y i − Y )2 = (Y i − 1,333)2 = 233,35.
b − 1 i=1 2 i=1
7
= 1.3 ± 3,795 = [−2,461; 5,128].
6. Suponer que µ ∈ [−10, 110] es un intervalo de confianza al 90 % para el costo medio incurrido por
una cierta polı́tica de inventario. Además, suponer que este intervalo fue determinado en base a 4
réplicas independientes del sistema de inventario subyacente. Desafortunadamente, se ha decidido que
se necesita un intervalo al 95 %. ¿Cuál serı́a éste?
Solución: El intervalo al 90 % es de la forma
= 50 ± t0,95,3 y
= 50 ± 2,353y.
Debido a que el half-width del intervalo de confianza es 60, debemos tener y = 60/2,353 = 25,5. Ası́,
el intervalo de confianza al 95 % será de la forma
7. Suponer que estamos conduciendo una prueba de bondad de ajuste χ2 para determinar si 200 observa-
ciones iid provienen de una hipotética distribución Dave, que es una famosa (e inventada) distribución
discreta sobre enteros positivos, con dos parámetros a estimar. Supongamos que hemos realizado algo
de trabajo, produciendo la siguiente tabla
8
x Ox Ex
1 62 60
2 43 50
3 48 40
4 32 35
5 15 13
≥6 0 2
200 200
x Ox Ex
1 62 60
2 43 50
3 48 40
4 32 35
≥5 15 15
200 200
5
X (Oi − Ei )2 4 49 64 9 0
χ20 = = + + + + = 2,9.
i=1
Ei 60 50 40 35 15
9
(c) Si quisiéramos conducir una prueba con α = 0,05, ¿cuál serı́a el valor apropiado del cuantil χ2 ?
Solución: Dado que hay s = 2 parámetros a estimar y k = 5 filas en la tabla modificada, el
cuantil apropiado serı́a χ2α,k−1−s = χ20,05,2 = 5,99.
10
Anexos
q
ζ ∈ Z(n) ± tn−1,1−α/2 V̂[Z(n)],
1
Pn 1
Pn
donde Zj = X1j − X2j , Z(n) = n j=1 Zj , V̂[Z(n)] = n(n−1) j=1 (Zj − Z(n))2 , n es el número de
observaciones para ambos sistemas, y Xij la observación de la réplica j = 1, . . . , n del sistema i = 1, 2.
s
S12 (n1 ) S22 (n2 )
ζ ∈ X 1 (n1 ) − X 2 (n2 ) ± tfˆ,1−α/2 + ,
n1 n2
1
Pn 1
Pn
donde X i (ni ) = ni j=1 Xij , Si2 (ni ) = ni −1 j=1 (Xij − X i (ni ))2 , ni es el número de observaciones
el sistema i = 1, 2, Xij es la observación de la réplica j = 1, . . . , ni del sistema i = 1, 2, y
2 2
2
S1 (n 1 )/n 1 + S2 (n 2 )/n 2
fˆ = 2 2 .
S12 (n1 )/n1 /(n1 − 1) + S22 (n2 )/n2 /(n2 − 1)
Método de medias por lotes: un intervalo de confianza aproximado al 100(1−α) % para una media,
µ, es s
V̂B
µ ∈ Y ± tb−1,1−α/2 ,
n
1
Pim 1
Pb m
Pb
donde Y i = m j=(i−1)m+1 Yj+l , Y = b i=1 Y i , V̂B = b−1 i=1 (Y i − Y )2 , n la cantidad de obser-
vaciones, b es la cantidad de lotes, l la cantidad de observaciones eliminadas (periodo transiente), y
m = (n − l)/b la cantidad de observaciones de cada lote.
11
Tabla χ2 :
6 0.676 0.872 1.237 1.635 2.204 10.645 12.592 14.449 16.812 18.548
7 0.989 1.239 1.690 2.167 2.833 12.017 14.067 16.013 18.475 20.278
8 1.344 1.646 2.180 2.733 3.490 13.362 15.507 17.535 20.090 21.955
9 1.735 2.088 2.700 3.325 4.168 14.684 16.919 19.023 21.666 23.589
10 2.156 2.558 3.247 3.940 4.865 15.987 18.307 20.483 23.209 25.188
11 2.603 3.053 3.816 4.575 5.578 17.275 19.675 21.920 24.725 26.757
12 3.074 3.571 4.404 5.226 6.304 18.549 21.026 23.337 26.217 28.300
13 3.565 4.107 5.009 5.892 7.042 19.812 22.362 24.736 27.688 29.819
14 4.075 4.660 5.629 6.571 7.790 21.064 23.685 26.119 29.141 31.319
15 4.601 5.229 6.262 7.261 8.547 22.307 24.996 27.488 30.578 32.801
16 5.142 5.812 6.908 7.962 9.312 23.542 26.296 28.845 32.000 34.267
17 5.697 6.408 7.564 8.672 10.085 24.769 27.587 30.191 33.409 35.718
18 6.265 7.015 8.231 9.390 10.865 25.989 28.869 31.526 34.805 37.156
19 6.844 7.633 8.907 10.117 11.651 27.204 30.144 32.852 36.191 38.582
20 7.434 8.260 9.591 10.851 12.443 28.412 31.410 34.170 37.566 39.997
21 8.034 8.897 10.283 11.591 13.240 29.615 32.671 35.479 38.932 41.401
22 8.643 9.542 10.982 12.338 14.041 30.813 33.924 36.781 40.289 42.796
23 9.260 10.196 11.689 13.091 14.848 32.007 35.172 38.076 41.638 44.181
24 9.886 10.856 12.401 13.848 15.659 33.196 36.415 39.364 42.980 45.559
25 10.520 11.524 13.120 14.611 16.473 34.382 37.652 40.646 44.314 46.928
26 11.160 12.198 13.844 15.379 17.292 35.563 38.885 41.923 45.642 48.290
27 11.808 12.879 14.573 16.151 18.114 36.741 40.113 43.195 46.963 49.645
28 12.461 13.565 15.308 16.928 18.939 37.916 41.337 44.461 48.278 50.993
29 13.121 14.256 16.047 17.708 19.768 39.087 42.557 45.722 49.588 52.336
12
Tabla t-student:
0.900 0.700 0.500 0.300 0.200 0.100 0.050 0.020 0.010 Valor α Prueba de
0.100 0.300 0.500 0.700 0.800 0.900 0.950 0.980 0.990 IC (1-α) dos colas
0.450 0.350 0.250 0.150 0.100 0.050 0.025 0.010 0.001 Valor α/2 Prueba de
0.550 0.650 0.750 0.850 0.900 0.950 0.975 0.990 0.999 IC (1-α/2) una cola
g.l. Valor t
1 0.158 0.510 1.000 1.963 3.078 6.314 12.706 31.821 63.657
2 0.142 0.445 0.816 1.386 1.886 2.920 4.303 6.965 9.925
3 0.137 0.424 0.765 1.250 1.638 2.353 3.182 4.541 5.841
4 0.134 0.414 0.741 1.190 1.533 2.132 2.776 3.747 4.604
5 0.132 0.408 0.727 1.156 1.476 2.015 2.571 3.365 4.032
13