Simulación. Métodos y aplicaciones (2ª edición)

La Simulación consiste en construir modelos informáticos que describen la parte esencial del comportamiento de un sistema de interés, así como en diseñar y realizar experimentos con tales modelos con el fin de extraer conclusiones de sus resultados para apoyar la toma de decisiones. Típicamente, se utiliza en el análisis de sistemas tan complejos que no es posible su tratamiento analítico o mediante análisis numérico. La Simulación es hoy una metodología de experimentación fundamental en campos tan diversos como la Economía, la Estadística, la Informática, la Ingeniería Química, la Ecología y la Física, con enormes aplicaciones industriales y comerciales, que van desde los sistemas de manufacturación a los simuladores de vuelo, pasando por los juegos de ordenador, la predicción bursátil y la predicción meteorológica. De forma amena y rigurosa, esta segunda edición del libro describe los principales métodos y aplicaciones de la Simulación. Tras introducir las ideas básicas sobre generación de números aleatorios, se revisan los principales métodos de generación de variables aleatorias, con énfasis especial en los métodos de cadenas de Markov, como el muestreador de Gibbs. Se estudian después las principales aplicaciones de la Simulación: se comienza por la simulación de sucesos discretos, junto con una introducción a los lenguajes de simulación; se revisan después los principales métodos de optimización global basados en simulación, como el recocido simulado, los algoritmos genéticos o la búsqueda tabú; y por último, se describe un grupo misceláneo de aplicaciones que incluyen la integración Montecarlo, el bootstrap, el razonamiento probabilístico en sistemas expertos y el análisis de redes neuronales. A continuación, se estudian los métodos de análisis de resultados de la simulación, las técnicas de reducción de la varianza y la planificación de experimentos de simulación. Se concluye con el estudio de un proyecto real y completo de simulación que permite la revisión de los conceptos principales. El libro presenta numerosos ejemplos y ejercicios ilustrativos, así como un apéndice sobre probabilidades que permite el autoestudio y referencias exhaustivas a sitios web relevantes en simulación.

Escritor
Colección
Profesional
Materia
Electrónica
Idioma
  • Castellano
EAN
9788478978953
ISBN
978-84-7897-895-3
Páginas
404
Ancho
17 cm
Alto
24 cm
Edición
1
Fecha publicación
30-09-2008
Edición en papel
29,90 €
625,74 MX$ 32,37 US$ Añadir al carrito

Índice de contenido

ÍNDICE
PRÓLOGO
CAPÍTULO 1. CONCEPTOS BÁSICOS
1.1. MÉTODOS ANALÍTICOS, NUMÉRICOS Y DE SIMULACIÓN
1.2. SIMULACIÓN DE SUCESOS DISCRETOS
1.3. OPTIMIZACIÓNMONTECARLO
1.4. PROCESO GENERAL DE LA SIMULACIÓN
1.5. EJERCICIOS
CAPÍTULO 2. NÚMEROS ALEATORIOS
2.1. CONCEPTOS BÁSICOS SOBRE GENERACIÓN DE NÚMEROS
ALEATORIOS
2.2. CONTRASTES EMPÍRICOS
2.3. GENERADORES CONGRUENCIALES
2.4. GENERADORES RECURSIVOSMÚLTIPLES
2.5. COMBINACIÓN DE GENERADORES
2.6. GENERADORES NO LINEALES
2.7. GENERADORES COMERCIALES
2.8. CONCLUSIONES
2.9. EJERCICIOS
vi SIMULACIÓN: MÉTODOS Y APLICACIONES
CAPÍTULO 3. GENERACIÓN DE VARIABLES ALEATORIAS 35
3.1. PRINCIPIOS DE GENERACIÓN DE VARIABLES ALEATORIAS
UNIVARIANTES
3.2. MÉTODOS ESPECÍFICOS PARA DISTRIBUCIONES UNIVARIANTES
CONTINUAS
3.3. MÉTODOS ESPECÍFICOS PARA DISTRIBUCIONES UNIVARIANTES
DISCRETAS
3.4. DISTRIBUCIONESMULTIVARIANTES
3.5. PROCESOS ESTOCÁSTICOS
3.6. CONCLUSIONES
3.7. EJERCICIOS
CAPÍTULO 4. GENERACIÓN DE VARIABLES ALEATORIAS
CON CADENAS DE MARKOV
4.1. MUESTREADOR DE GIBBS
4.2. ALGORITMO DEMETROPOLIS-HASTINGS
4.3. ALGORITMOS HÍBRIDOS
4.4. MUESTREADOR GOLPEA Y CORRE
4.5. MUESTREADOR POR RODAJAS
4.6. CONCLUSIONES
4.7. EJERCICIOS
CAPÍTULO 5. SIMULACIÓN DE SUCESOS DISCRETOS
5.1. MODELIZACIÓN Y SIMULACIÓN
5.2. SISTEMAS
5.3. MODELOS
5.4. CONCEPTOS BÁSICOS DE LA SIMULACIÓN DE SUCESOS DISCRETOS
(SSD)
5.5. SSD DE SISTEMAS DE ESPERA
5.6. SSD DE UN MODELO DE INVENTARIO PROBABILÍSTICO
5.7. SSD PARALELA Y DISTRIBUIDA
5.8. SOFTWARE DE SSD
5.9. CONCLUSIONES
5.10. EJERCICIOS
CAPÍTULO 6. SIMULACIÓN Y OPTIMIZACIÓN
6.1. OPTIMIZACIÓN LOCAL Y GLOBAL
6.2. MÉTODOS ESTOCÁSTICOS CLÁSICOS DE OPTIMIZACIÓN
GLOBAL
6.3. MÉTODOS MODERNOS DE OPTIMIZACIÓN GLOBAL
6.4. CONCLUSIONES
6.5. EJERCICIOS
CAPÍTULO 7. OTRAS APLICACIONES
7.1. INTEGRACIÓNMONTECARLO
7.2. APLICACIONES ESTADÍSTICAS DE LA SIMULACIÓN
7.3. COMPUTACIÓN ALEATORIZADA
7.4. APLICACIONES EN INTELIGENCIA ARTIFICIAL
7.5. CONCLUSIONES
7.6. EJERCICIOS
CAPÍTULO 8. ANÁLISIS DE RESULTADOS
8.1. CONCEPTOS BÁSICOS
8.2. ESTIMACIÓN PUNTUAL
8.3. ESTIMACIÓN DE LA PRECISIÓN
8.4. CONCLUSIONES
8.5. EJERCICIOS
CAPÍTULO 9. TÉCNICAS DE REDUCCIÓN DE LA VARIANZA235
9.1. MOTIVACIÓN
9.2. VARIABLES ANTITÉTICAS
9.3. VARIABLES DE CONTROL
9.4. CONDICIONAMIENTO
9.5. MUESTREO POR IMPORTANCIA
9.6. NÚMEROS ALEATORIOS COMUNES
9.7. MUESTREO ESTRATIFICADO
9.8. CONCLUSIONES
9.9. EJERCICIOS
CAPÍTULO 10. PLANIFICACIÓN DE EXPERIMENTOS
10.1. TAMAÑOMUESTRAL
10.2.DISEÑO DE EXPERIMENTOS
10.3.METAMODELOS DE REGRESIÓN
10.4.OPTIMIZACIÓN
10.5. CONCLUSIONES
10.6. EJERCICIOS
CAPÍTULO 11. SIMULACIÓN DE UNA LÍNEA DE FLUJO DE
TRABAJO
11.1.DESCRIPCIÓN YMODELIZACIÓN DEL PROCESO
11.2. NECESIDAD DE USAR SIMULACIÓN
11.3. IMPLEMENTACIÓN DEL MODELO DE SIMULACIÓN
11.4. DISEÑO DEL EXPERIMENTO DE SIMULACIÓN Y RESULTADOS309
11.5. CONCLUSIONES
APÉNDICE. PROBABILIDADES Y ESTADÍSTICA: CONCEPTOS
BÁSICOS
A.1. PROBABILIDADES
A.2. VARIABLE ALEATORIA
A.3. MOMENTOS
A.4. PRINCIPALES DISTRIBUCIONES
A.5. CONVERGENCIA
A.6. PROCESOS ESTOCÁSTICOS
A.7. SERIES TEMPORALES
A.8. MUESTREO E INFERENCIA
BIBLIOGRAFÍA
ÍNDICE DE AUTORES
ÍNDICE ANALÍTICO

Libros relacionados