Essays.club - Ensayos gratis, notas de cursos, notas de libros, tareas, monografías y trabajos de investigación
Buscar

Simulacion de Monte Carlo.

Enviado por   •  19 de Abril de 2018  •  1.149 Palabras (5 Páginas)  •  551 Visitas

Página 1 de 5

...

Finalmente, es posible estimar el valor esperado de la variable aleatoria que proporciona los beneficios sin más que hallar la media de las 100 observaciones que acabamos de realizar.

variable beneficio

media muestral

5675

desviación estándar

5095.11798

0.577379998

250

-50

15000

25000

-1250

8750

0.938886068

300

-100

15000

30000

-2500

12500

0.764250537

300

-100

15000

30000

-2500

12500

En el caso actual, hemos optado por tomar 1000 iteraciones para cada una de los posibles inputs asociados a la cantidad de pedido (estos posibles inputs son: 100, 150, 200, 250 y 300). Si se realizase el experimento, se obtendrían unos resultados similares a los que se muestran a continuación (ya que 1000 es un número ya bastante considerable para este ejemplo):

resultados para n = 1000 iteraciones

n° de licencias

beneficios

desviación estándar

100

12625

5010.642084

150

9075

4923.274963

200

7100

4898.254559

250

3775

4921.399237

300

2062.5

4923.274963

[pic 1]

A partir de los resultados, parece claro que la decisión óptima es hacer un pedido de 100 unidades, ya que con ello se consigue el beneficio máximo

---------------------------------------------------------------

1ER EJEMPLO:

En la imagen se muestra un análisis histórico de 200 días sobre el número de consultas diarias realizadas a un sistema de información empresarial (EIS) residente en un servidor central. La tabla incluye el número de consultas diarias (0 a 5) junto con las frecuencias absolutas (número de días que se producen 0,1,…, 5 consultas), las frecuencias relativas (10/200=0.05,…), y las frecuencias relativas acumuladas.

Consultas EIS

Frec. Abs. (días)

Frec. Relativa

Frec. Relat. Acum.

Int. Inf

Int. Sup.

0

10

0.05

0.05

0

0.05

1

20

0.1

0.15

0.05

0.15

2

40

0.2

0.35

0.15

0.35

3

60

0.3

0.65

0.35

0.65

4

40

0.2

0.85

0.65

0.85

5

30

0.15

1

0.85

1

total

200

1

Podemos interpretar la frecuencia relativa como la probabilidad de que ocurra el suceso asociado, en este caso, la probabilidad de un determinado número de consultas (así, p.e., la probabilidad de que se den 3 consultas en un día sería de 0,30), por lo que la tabla anterior nos proporciona la distribución de probabilidad asociada a una variable aleatoria discreta (la variable aleatoria es el número de consultas al EIS, que sólo puede tomar valores enteros entre 0 y 5). Supongamos que queremos conocer el número esperado (o medio) de consultas por día. La respuesta a esta pregunta es fácil si recurrimos a la teoría de la probabilidad: Denotando por X a la variable aleatoria que representa el número diario de consultas al EIS, sabemos que:

E(X)= 0*0.05+1*0.10+…+5*0.15 = 2.95

Por otra parte, también podemos usar simulación de Monte Carlo para estimar

...

Descargar como  txt (14.5 Kb)   pdf (101.3 Kb)   docx (43 Kb)  
Leer 4 páginas más »
Disponible sólo en Essays.club