Diseño de la Calidad de la Simulación

4.1  Lista de estimadores a obtener de la simulación.    Un  estimador es  un  estadístico  (una función de la muestra)  utilizado  para  estimar  un  parámetro desconocido de la población. Por ejemplo, si se desea conocer el tiempo de proceso de ensamble de un artículo (parámetro desconocido), se recogen  observaciones de tiempos de proceso en diferentes ciclos (muestra), pudiendo utilizarse la media aritmética de las observaciones para estimar el tiempo de proceso poblacional. 4.1.1 Instrumentos de medición. Los instrumentos de medición típicos para recolectar datos, a fin de obtener los  estimadores necesarios, son:   Aleatorización. La aleatorización es una técnica que se utiliza para equilibrar el efecto de condiciones externas o no controlables que pueden influir en los resultados de un proyecto de simulación. Por ejemplo, la temperatura ambiental, la velocidad de proceso, la materia prima o los operadores pueden cambiar durante un experimento y afectar inadvertidamente los resultados del proyecto. Si las corridas experimentales se realizan en orden aleatorio, se reduce la probabilidad de que las diferencias en los materiales o las condiciones del proyecto sesguen considerablemente los resultados. La aleatorización también permite estimar la variación inherente de los materiales y las condiciones de manera que se puedan hacer inferencias estadísticas válidas con base en los datos del proyecto.  Muestreo. El muestreo es el proceso de seleccionar un conjunto de datos de una población con el fin de estudiarlos y poder caracterizar el total de esa población.   Muestreo probabilístico.


Es una técnica que permite asegurar la objetividad de la selección y generalizar o extrapolar los resultados, pero en algunas ocasiones puede resultar más costoso o difícil de aplicar que el muestreo al azar simple.  Muestreo al azar simple. Este método consiste en identificar a todos los elementos de la población con un número-etiqueta, para luego mediante un procedimiento de generación de números aleatorios seleccionar la cantidad necesaria (tamaño muestral).  Muestreo por cuota. En este método se eligen deliberadamente a elementos para que cumplan cierta cantidad prefijada o cuota para cada grupo. Por ejemplo, ir a un establecimiento de servicio y entrevistar a 200 personas que sean: 25% estudiantes, 25% profesionistas y 50% público en general.

  4.1.2 Medios de registro de datos.  Los métodos más comúnmente utilizados para la recolección y registro de datos para los proyectos de simulación son:  Experimentos. Un experimento es una manera directa, precisa, confiable y muy valiosa de recolectar datos precisos para un estudio de simulación, por lo que es recomendable diseñar un experimento que sea factible, económico y posible de llevar a cabo.  Observación directa. Cuando no es posible diseñar un experimento para recolectar datos, la manera más fácil de hacerlo es estudiando las variables a través de la observación directa. Esta constituye un proceso más complejo, pues por lo general las variables nunca se encuentran aisladas sino que interactúan con otras variables, lo que dificulta el posterior análisis. Sin embargo, es un medio muy útil y sencillo de llevar a cabo.  Encuestas. Una encuesta consiste en un cuestionario de preguntas normalizadas que se hacen a los actores del sistema que se pretende simular, a fin de obtener los datos estadísticos necesarios sobre opiniones, hechos u otras variables, para poder desarrollar el proyecto de simulación.  Entrevistas. Método indirecto, predominantemente cualitativo, definido como una reunión o conversación entre dos o más personas, con el objetivo de obtener información del entrevistado sobre un determinado aspecto.  Grupos de enfoque. Este método consiste en reuniones de grupos pequeños, por lo general de entre 4 y 10 personas, en las cuales los participantes dan sus opiniones respecto a los datos que se requiere recolectar. Se trata básicamente de aprovechar la


experiencia que tiene cada elemento del grupo sobre la situación de la que se quiere obtener dichos datos.  Análisis de contenidos. Método que permite reducir y sistematizar cualquier tipo de información contenida en registros escritos, visuales o auditivos, en datos o valores objetivos. Este método permite extraer datos objetivos, sistemáticos y cuantitativos de fuentes que contienen grandes volúmenes de información dispersa o divergente.   Datos secundarios. Mediante este método se recolectan datos de estudios previamente elaborados y confiables, evitando repetir las actividades de recolección, ahorrando con ello tiempo y dinero. Los datos recabados se denominan secundarios puesto que fueron colectados con anterioridad, en comparación con los datos primarios, que son colectados por primera vez por cualquier otro método.

4.2   Identificación del estimador determinante (estimador líder) del tamaño de la Simulación.   Para  cada  parámetro  pueden  existir  varios  estimadores diferentes. Por lo general, se        elige como estimador líder o determinante aquel que posea mejores propiedades que los        restantes.

4.3   Muestras preliminares de los proyectos aprobados en clase para cada equipo de trabajo.

4.4   Características estadísticas del estimador líder.        Las cuatro características que debe tener un buen estimador son:   Insesgadez. Se dice que un estimador es insesgado si la media de la distribución del estimador es igual al parámetro. Los estimadores insesgados son la media muestral (estimador de la media poblacional) y la varianza (estimador de la varianza de la población). Estimadores insesgados:    ̅    ;   ̌       Ejemplo: En una población de 500 puntuaciones cuya Media () es igual a 5.09, se ha hecho un muestreo aleatorio (cantidad de muestras = 10000, tamaño de las muestras= 100) y se encuentra que la Media de las Medias muestrales es igual a 5.09, (la media poblacional y la media de las medias muestrales coinciden). En cambio, la Mediana de la población es igual a 5 y la Media de las Medianas es igual a 5.1 esto es, hay diferencia ya que la Mediana es un estimador sesgado. La Varianza es un estimador sesgado.        ∑(    ̅( ))
  ;      ̃   ∑(    ̅)   
 Ejemplo: La Media de las Varianzas obtenidas con la Varianza en un muestreo de 1,000 muestras (n = 25) en que la Varianza de la población es igual a 9.56 ha resultado igual a 9.12, esto es, no coinciden. En cambio, al utilizar la Cuasivarianza, la Media de las Varianzas muestrales es igual a 9.5, esto es, coincide con la Varianza de la población, ya que la Cuasivarianza es un estimador insesgado.




 Eficiencia.  La eficiencia de un estimador está vinculada a su varianza muestral. Así, para un mismo parámetro, se dice que el estimador 1 es más eficiente que el estimador 2 si  se  cumple que var(estimador 1) < var(estimador 2). Por lo tanto, si un estadístico es más eficiente que otro, significa que varía menos de unas muestras a otras.  Ejemplo: La Varianza de la distribución muestral de la Media en un muestreo aleatorio (cantidad de muestras: 1,000, n = 25) ha resultado igual a 0.4. La Varianza de la distribución de Medianas ha resultado, en el mismo muestreo, igual a 1.12. Este resultado muestra que la Media es un estimador más eficiente que la Mediana.

 Suficiencia. Un buen estimador es suficiente cuando resume toda la información relevante contenida en la muestra, de forma tal que ningún otro estimador pueda proporcionar información adicional sobre el parámetro desconocido de la población. 

 Robustez (consistencia).  Un estimador es consistente si, además de carecer de sesgo, se aproxima cada vez  más al valor del parámetro a medida que aumenta el tamaño de la muestra. Si el tamaño n se hace indefinidamente grande, los valores del estimador se concentran cada vez más en torno al valor del parámetro, hasta que con un tamaño muestral infinito obtenemos una varianza del estimador nula. Por tanto, un estimador es consistente si cuando n tiende a infinito se cumple que su varianza es igual a cero. Ejemplo: En una población de 500 puntuaciones cuya Media () es igual a 4.9, se han hecho tres muestreos aleatorios (número de muestras = 100) con los siguientes resultados:   n  Media de las medias muestrales 5  4.6 25  4.8 100  4.9

Se observa que el muestreo en que n = 100, la Media de las Medias muestrales toma el mismo valor que la Media de la población.