El objetivo que se persigue es generar valores aleatorios que
respondan a las mismas propiedades estadísticas que los datos re-
cogidos en la muestra. Podremos utilizar un generador de variables
aleatorias que sigan una función de densidad de probabilidad co-
nocida (normal, lognormal, gamma, exponencial, weibull, etc.) o
bien será necesario implementar un algoritmo o función de usuario
que nos permita generar los valores de interés.
En definitiva, se trata de decidir si los valores generados por
una función de densidad de probabilidad conocida presentan ca-
racterísticas suficientemente similares a la de los datos recogidos
en la muestra del sistema a modelar. Para ello existe un conjunto de
tests de hipótesis que permiten tomar la decisión de aceptar o no
una función de densidad de probabilidad como una representa-
ción abstracta suficientemente buena de un sistema.
Funciones de distribución teóricas
más utilizadas
En el caso de no disponer de información suficiente como para
determinar la distribución estadística que sigue un determinado
fenómeno o proceso, se recomienda el uso de distribuciones es-
tándar que, de modo genérico, suelen utilizarse para modelar si-
tuaciones conocidas, como, por ejemplo:
Distribución Algunas situaciones en las que se suele utilizar
Exponencial Tiempos entre llegadas en procesos con independencia
entre ocurrencias. Vida o averías de dispositivos.
Poisson Proceso de llegadas. Tamaños de lotes. Número de ítems
pedidos a un almacén.
Normal Tiempo de servicio de una unidad de producción sin con-
siderar posibles fallos, errores aditivos de medida.
32 CÓMO MEJORAR LA LOGÍSTICA DE SU EMPRESA MEDIANTE LA SIMULACIÓN