Manual Component Features

Es llevar el modelo que se tiene del simulador a un lenguaje de programación disponible en el computador a usar o en las configuraciones disponibles, y que debe conocer su programación. Luego que se tiene el programa fuente del modelo, escrito en el lenguaje elegido, probarlo y depurarlo desde el punto de vista computacional, hasta obtener una versión satisfactoria.

VI. Validación

Es esta etapa se trata de establecer, y si es posible aumentar, el nivel aceptable de confiabilidad de las inferencias efectuadas sobre el sistema real.

La validación tiene el concepto de grado, no es un resultado dicotómico, no es un si o no, no es válido o inválido, no es correcto o incorrecto.

Fuentes de error

En la formulación del modelo:

 Que se excluya variables relevantes, o un atributo (esto es más dramático).  Que se incluya variables irrelevantes (es menos dramático).

 Mala elección de una función de distribución de probabilidad para una variable.

 En los datos usados

 Toma de datos con margen de error relativo importante.

 Técnica de muestreo mal aplicada. Ejemplo: Tomar todos los datos de un sector no representativo.

 Datos mal digitados o mal almacenados.

El analista hace un acto de confianza en el equipo que tenía los datos.

 En la construcción

 Errores en los programas (de lógica, mal uso del lenguaje).  El tiempo real se simula mal.

 Uso de una imagen no adecuada del mundo real. (Usar matrices de punto

para territorios, lagos, bosque, cardumen, conglomerados; en lugar del espacio R2 por ej.)

La validación consiste en 2 etapas:

1. Validación de los modelos de procesos simples; esto es validar la estructura interna del modelo.

Se valida la salida de los procesos simples y en ello se hace uso de técnicas de estadística. Las relaciones funcionales también deben validarse. Puede hacerse cuando se establece el modelo o en la toma de datos .No debe tomarse relaciones funcionales desconocidas, o que no tengan ya un grado de validez aceptable. Siempre será posible validar las componentes o subsistemas porque se habrán construido de manera modular para formar el modelo. En esta etapa se observará el comportamiento del modelo en cada uno de esos procesos simples para asegurarse que cada componente o subsistema esta bien simulado.

Validar el modelo de simulación en su entorno, esto es validar los datos de salida.  Puede ser que la validez de la estructura sea buena, pero el resultado combinado de los procesos simples sea casi mala.

 Confrontar los resultados de la simulación con las experiencias pasadas y con teorías existentes al respecto:

 No tomar posturas como: los resultados no me parecen correctos, pero si el modelo lo dice yo lo acepto.

 Si los resultados son absurdos, no tiene sentido continuar; cualquier otro análisis no convencerá a los usuarios. Ningún modelo se ha aceptado si los resultados van contra la teoría.

 Para modelos de importancia, de envergadura deberá consultarse la opinión de expertos.

Análisis de sensibilidad

 Con un simulador se puede realizar muchos análisis de sensibilidad por el grado de control sobre las variables de entrada (Método Turing ). Luego consultar a expertos, si es posible.

 Análisis de la capacidad de replicar los datos que se uso en su construcción. Esta réplica no es tan importante ya que si replica los datos usados no significa que el modelo sea bueno; y, si ni siquiera replica los datos usados es porque el modelo de simulación obtenido, es malo.

 Análisis de la capacidad de predecir usando datos críticos no incluidos en los datos, o usar datos históricos o datos que se obtienen del sistema real o de otro simulador ya probado.

Se espera que estas salidas no sean absurdas comparadas con la experiencia y la teoría. Se consulta la opinión de expertos en esta confrontación del modelo con la realidad presente.

Ej. Simular la evolución de una población de chinchillas dándole población máxima altísima, y datos de población existentes. Consulta a expertos en chinchillas.

 El modelo debe correrse muchas veces antes de llegar a tener una probabilidad de distribución de la respuesta de un variable de salida.

VII Diseño de experimentos

Aquí se usan las reglas y los procedimientos que la estadística considera para el diseño de experimentos en general y que se aplica a diseñar experimentos a efectuar con el simulador.

El diseño se hará orientado principalmente a los objetos que tiene el estudio o el programa en que se inserta la construcción del simulador, o los objetivos de los usuarios que utilizarán el simulador, y para lo cual éste fue diseñado.

Se puede distinguir una etapa estratégica donde se decide el diseño de experimentos a usar por ser el más adecuado, y la etapa táctica donde se decide el cómo se llevara a la práctica los experimentos del diseño a aplicar. Se ve aquí la distribución de recursos, el uso del tiempo y del personal.

VIII Ejecución de los experimentos

Corresponde a la etapa operacional del diseño de experimentos.

IX Interpretación

Se hacen las inferencias sobre el sistema real de los datos generados por el simulador.

X. Documentación

Se debe indicar por escrito puntos tales como: los objetivos, las componentes y subsistemas, variables de entrada y de salida, relaciones funcionales, el modelo formulado, la función de desempeño, y lo pertinente hasta aquí (Diseño lógico del simulador).

Se debe documentar el programa computacional, los módulos o las subrutinas, las inter-relaciones entre módulos y la conclusiones de la etapa de validación (Diseño físico del simulador).

Confeccionar un manual de procedimiento para el uso del simulador. Este resultará más breve cuanto más amigable sea el ingreso y manejo del simulador. Deberá contener alcances que faciliten la inferencia al sistema real.

Es dejar el simulador con los manuales y documentación a disposición del o los usuarios.

Pruebas de hipótesis Una

Al realizar pruebas de hipótesis, se parte de un valor supuesto (hipotético) en parámetro poblacional. Después de recolectar una muestra aleatoria, se compara la estadística muestral, así como la media (x), con el parámetro hipotético, se compara con una supuesta media poblacional. Después se acepta o se rechaza el valor hipotético, según proceda. Se rechaza el valor hipotético sólo si el resultado muestral resulta muy poco probable cuando la hipótesis es cierta.

Etapas Para La Prueba De Hipótesis.