adquisición y análisis de simuacdatos de entrada (1)

8/18/2019 Adquisición y Análisis de simuacDatos de Entrada (1)

1/22

Adquisición y análisis de datosde entradaIng. Luis Clemente


2/22

Agenda Adquisición de datos Muestreo Análisis de datos


3/22

Generación de variables aleatorias

Proceso real Modelo

n – sub procesos

ariablesaleatorias

!"merosaleatorios


4/22

Generación de variables aleatorias

Análisis dedatos

Generación devalores de la

variablealeatoria

Para cada variable aleatoria del sistema se sigue el siguienteproceso

A#ustedistribución

Levantamientoin$o

ariablealeatoria

Ri!"meroaleatorio

xialores de la

variable %&A!'()&MACI*!


5/22

Adquisición de datos Identi+car información a ser relevada para construir un

modelo adecuado

,l proceso de adquisición de datos presenta las siguientesetapas

-uenmodelo

-uenos

datos

-uenosresultad

os

-uenmodelo

Identi+cardatos

necesarios

Clasi+car losdatos

eterminar lacantidad de

datos

adecuados


6/22

Identi+car datos necesarios eterminar qu/ datos son relevantes en cada etapa del

proceso

,s aconse#able el empleo de ujogramas o conceptualizarel ujo del sistema sobre el plano para determinar qu/in$ormación es necesaria

Ejemplo0 proceso de atención en una agencia bancaria

Aquellos datosnecesarios para replicar

correctamente laoperatividad del sistema

Identi+cardatos

necesarios

Clasi+car losdatos


datos

adecuados


7/22

Identi+car datos necesarios

Identi+cardatos

necesarios

Clasi+car losdatos


datos

adecuados

%iempo entrellegadaspuerta 1

%iempo entrellegadaspuerta 2

%ama3o degrupo puerta 1


%iempotraslado A%M 4

plata$orma


ventanilla %iempotraslado

ventanilla 4 plt$

Probabilidad deir a canal al

llegar

Probabilidad deir luego a otrocanal

5 deplata$ormasatendiendo

%iempo detransacción

A%M

%iempo deservicio

ventanilla

%iempo de uso

plata$orma

Capacidad de

asientos6+la


8/22

Clasi+car los datos Los datos pueden clasi+cados en tres tipos0

Identi+cardatos

necesarios

Clasi+car losdatos


datos

adecuados

ariables aleatorias• ,78iben variabilidad signi+cativa por $actores nocontrolables del sistema

Proporciones o probabilidades•

&epresentan divisiones en el 9u#o del sistema• Asociado a selección de alternativas

atos determin:sticos• !o tienen variedad signi+cativa o siempre son

constantes en el sistema


9/22

Clasi+car los datos ,#emplo

Identi+cardatos

necesarios

Clasi+car losdatos


datos

adecuados

%iempo entrellegadas

puerta 1

%iempo entrellegadas

puerta 2 %ama3o de

grupo puerta 1



plata$orma


ventanilla

%iempotrasladoventanilla 4 plt$

Probabilidad deir a canal alllegar

Probabilidad deir luego a otro

canal

5 deplata$ormasatendiendo

%iempo detransacción

A%M %iempo de

servicioventanilla

%iempo de usoplata$orma

Capacidad deasientos6+la

ariable aleatoria

Proporciones

ato determin:stico


10/22

eterminar la cantidad ,l cálculo del tamaño de muestra ;cantidad de datos a

relevar< de cada variable dependerá de la clasicación anterior

Identi+cardatos

necesarios

Clasi+car losdatos


datos

adecuados

ariables aleatorias• 'e emplea la $órmula de tamaño de muestrapara la estimación de la media

Proporciones o probabilidades•

'e emplea la $órmula de tamaño de muestrapara la estimación de la proporción

atos determin:sticos• !o se requiere cálculo de tama3o de muestra.

-asta con un solo dato que es constante


11/22

Muestreo %/cnica para la selección de una muestra a partir de una

población

'e espera que las propiedades de la muestra sean

extrapolables a la población ,s posible cumplir ciertos requisitos para el resultado sea

representativo con una probabilidad alta ,7isten di$erentes t/cnicas de muestreo= siendo el muestro

aleatorio simple el que usaremos A continuación se revisarán los m/todos de cálculo del

tama3o de muestra para estimar tanto la media como lasproporciones


12/22

,stimación de la media1. %omar una muestra piloto de al menos 30 datos y

calcular la media y la varian>a muestral

2. Calcular el tama3o de muestra a partir de

0 tama3o de muestra con población in+nita

0 error muestral de estimación. 'i se desconoce = entonces

error porcentual= debe ser menor a ?@

. 'olo si la población es nita= es decir corregir el tama3ode muestra anterior con la $órmula


13/22

,stimación de la proporción1. %omar una muestra piloto de al menos 30 datos y

calcular la proporción esperada

2. Calcular el tama3o de muestra a partir de

0 tama3o de muestra con población in+nita

error porcentual= debe ser menor a ?@

. 'olo si la población es nita= es decir corregir el tama3o

de muestra anterior con la $órmula


14/22

Consideraciones ,n caso de contarse con una - 8istórica= debe

seleccionarse una muestra piloto inicial de $orma aleatoria yseguir el procedimiento. na ve> obtenido el tama3o de

muestra= este debe ser muestreado aleatoriamente en la - ,n el caso de estimación de la proporción puede obviarse el

tomar una muestra piloto y asumir que na ve> obtenida la muestra +nal0

Variables aleatorias es necesario reali>ar el anlisis de datos para

identi+car qu/ distribución teórica a#usta a los datos !roporciones las proporciones se estiman a partir de la muestra

nal. !o es necesario aplicar análisis de datos


15/22

Análisis de datos 'olo se aplica a los datos que son del tipo variable

aleatoria

'e busca determinar cuál es la distribución de probabilidad

que corresponde a cada variable previamente identi+cada ymuestreada La idea es poder luego ;ya conociendo la distribución<

simular nuevos valores empleando las $órmulas aprendidasde generación de variables aleatorias

A#ustedistribución

Levantamientoin$o

ariablealeatoria


16/22

Metodolog:a

C10 %ipo devariable

C20 Prueba aaplicar C0 P4value

'e empleará la 8erramienta "nput #nal$zer % 'i bien la 8erramienta 8ará los cálculos matemáticos= es

necesario recordar ciertas consideraciones para el análisis

'e tendrán en cuenta los siguientes criterios para concluirsi los datos siguen o no una distribución teórica


17/22

%ipo de variable a anali>ar 'olo deberán probarse las distribuciones que apliquen

seg&n la naturaleza de la variable ;discreta o continua<

C10 %ipode

variable

C20 Pruebaa aplicar

C0 P4value

'istribuciones 'iscretas

Geom/trica

-inomial

Poisson

'istribuciones (ontinuas

ni$orme

Gamma

%riangular

Deibull

,7ponencial!ormal

,rlang

Lognormal

-eta


18/22

Prueba de bondad de a#uste ,stos son los criterios para seleccionar una u otra prueba

%ama3o de

muestra

%ipo de

variable

Eolmogorov'mirnov

C8i4cuadrado

'olo variablesaleatoriascontinuas

ariablesaleatorias

continuas ydiscretas

Cualquier valor

Por lo menos Fdatos

C10 %ipode

variable

C20 Pruebaa aplicar

C0 P4value


19/22

P4value ,l pvalue es la probabilidad de obtener un resultado al menos tan

extremo como el obtenido suponiendo que la )ipótesis nula escierta

'i el pvalue * + entonces no )a$ evidencia para rec)azar la8ipótesis nula

)H)0 #l menos una prueba de bondad de ajuste debe norec)azar la 8ipótesis nula para a+rmar que los datos siguen ladistribución propuesta

C10 %ipode

variable

C20 Pruebaa aplicar

C0 P4value


20/22

&esultados posibles del análisis

na sola distribución a#usta a la muestra• ,mplear la distribución 8allada para simular la variable aleatoria

arias distribuciones a#ustan a la muestra• 'eleccionar la distribución de menor error cuadrado

!inguna distribución a#usta a la muestra• ,mplear una distribución emp:rica continua o discreta seg"n el

tipo de variable


21/22

Procedimiento para distribución

emp:rica 'i es una variable discreta se anali>an todos los valores

posibles. e lo contrario= es necesario agrupar los datos porintervalos

'e calcula la probabilidad acumulada de cadaintervalo6valor La generación de valores simulados se reali>a a partir del

m/todo de la transformada inversa

Valor,recuenci

a,recuencia relativa

,recuenciaacumulad

a1 1 .1? .1?2 2J .2 .K 2F .2K .J 1F .1K .K?? 12 .12 .F

J .J 1.

"ntervalo,recuenci

a,recuencia relativa

,recuenciaacumulad

a 1 1K .1? .1? 1K 2 F .2 .? 2 J K .1K .?J J J2 N .1N .N1 J2 ? N? .1N .KK

? ?K O ?J .12 1.

-mp.rica 'iscreta /'"(1-mp.rica (ontinua

/(241


22/22

Adquisición y análisis de datosde entradaIng. Luis Clemente

adquisición y análisis de simuacdatos de entrada (1)

Documents