ANALISIS DE ENTRADA SIMULACION

Presentado por:

JICSON GARCIA FRANCO 20062015025

Presentado a:

Msc. FEIZAR RUEDA

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

INGENIERIA INDUSTRIAL

BOGOTA D.C.

NOVIEMBRE 2013
 Simulación Bomba de gasolina TERPEL

Análisis de entrada:

El objetivo es analizar el comportamiento de los datos del sistema, para la posterior modelación a
la hora de simular, es necesario identificar la función de distribución de probabilidad para cada
uno de los tiempos en el sistema.

Partes del análisis:

Identificación toma de datos.

Prueba de independencia.

Prueba de bondad de ajuste.

Estimación de parámetros.

Hipótesis de comportamiento.

Datos tiempo entre arribos:

Prueba de independencia:
Podemos observar en la imagen anterior como la gráfica que nos arroja la herramienta scatter plot
nos indica la independencia de los datos debido a la dispersión que generan sus datos.

La herramienta de autocorrelación nos indica que los datos son independientes debido a que los
valores en ella se encuentran cercanos a 0.

La grafica anterior arrojada por la herramienta Run test nos indica que los datos introducidos en
ella muestran un comportamiento que no rechaza la hipótesis de independencia.

Pruebas de bondad de ajuste:

Me indican bajo que función se comportan mis datos, los datos de este trabajo tienen en mayor
grado un comportamiento de función Gamma.

La anterior grafica me indica cómo se comportan mis datos según la distribución gamma,
comprobando así que los datos se comportan como una distribución teórica.
Esta grafica me indica el error, como los datos se ajustan, el error bajo esta distribución es el
mínimo.

Comparación:

Compararemos el comportamiento de los datos con una distribución Weibull:

Diferencia:
Graficos Q Q : Weibull

Graficos Q Q Gamma:
Se puede observar por medio de los 2 gráficos anteriores la diferencia de exactitud de
comportamiento entre las distribuciones gamma y Weibull.

Comportamiento descriptivo:

Con los gráficos anteriores se observaron los histogramas de frecuencias, diferencias y

comparaciones con otras distribuciones y podemos concluir que los datos recogidos en la toma del
tiempo en la estación de gasolina (Datos correspondientes a Tiempos entre arribos) se comportan
como una distribución Gamma.

Además se analizó que los datos son aleatorios gracias a las pruebas de independencia realizados
en el programa.

Datos de entrada: 55
 Datos de tiempo de servicio

Prueba de independencia:

Las gráficas anteriores nos muestran que los datos no son independientes, estos tiempos de
servicio están establecidos por un patrón. Esto se evidencia en la prueba Scatter, y en la prueba
de correlación lo alejado que están los datos de tener independencia.

La herramienta Run test, nos indica que rechaza la hipótesis de independencia.

Pruebas de bondad de ajuste:

Me indican bajo que función se comportan mis datos, los datos de este trabajo tienen en mayor
grado un comportamiento de función Gamma.
La anterior grafica me indica cómo se comportan mis datos según la distribución gamma,
comprobando así que los datos se comportan como una distribución teórica. (Comparision graph)

Esta grafica (Diference graph) me indica el error, como los datos se ajustan, el error bajo esta
distribución es el mínimo.

Comparación:

Compararemos el comportamiento de los datos con una distribución Pearson 6:

Diferencia:

Gráficos Q Q: (Perason 6)
Se puede observar por medio de los 2 gráficos anteriores la diferencia de exactitud de
comportamiento entre las distribuciones gamma y Pearson 6. Se puede observar la minima
diferencia.

Comportamiento descriptivo:
Con los gráficos anteriores se observaron los histogramas de frecuencias, diferencias y
comparaciones con otras distribuciones y podemos concluir que los datos recogidos en la toma del
tiempo en la estación de gasolina (Datos correspondientes a Tiempo de servicio) se comportan
como una distribución Gamma.

Además se analizó que los datos no son aleatorios gracias a las pruebas de independencia
realizados en el programa.

Datos de entrada: 55

Tipo variables: Continua

Una variable continua puede tomar un valor cualquiera dentro de un rango predeterminado. Y
siempre entre dos valores observables va a existir un tercer valor intermedio que también podría
tomar la variable continua. Una variable continua toma valores a lo largo de un continuo, esto es,
en todo un intervalo de valores. Un atributo esencial de una variable continua es que, a diferencia
de una variable discreta, nunca puede ser medida con exactitud; el valor observado depende en
gran medida de la precisión de los instrumentos de medición. Con una variable continua hay
inevitablemente un error de medida. Como ejemplo, la estatura de una persona, y los datos
tomados en esta medición presentan este comportamiento.