Simulacion

Universidad Autonoma del Caribe
Ing.Esp. Erik Garcia Cuan
CURSO DE
SIMULACIN DIGITAL
CONTENIDO PROGRAMATICO
1. Intoduccin ( Teorico)
1.1 Definicin de Simulacin
1.2 Etapas para realizar un estudio de Simulacin
1.3 Factores a considerar en el desarrollo del modelo de
Simulacin
1.3.1 Generacin de Variables Aleatorias no-uniformes
1.3.2 Lenguajes de Programacin
1.3.3 Condiciones Iniciales
1.3.4 Tamao de la muestra
1.3.5 Diseo de Experimentos
1.4 Ventajas y desventajas en el uso de la Simulacin
1.5 Ejemplos de usos de Simulacin
2. Generacin de Nmeros Rectngulares (Teorico-Prctico)
2.1 Generadores congruenciales lineales
2.1.1 Congruencial mixto
2.1.2 Congruencial multiplicativo
3. Pruebas estadisticas para los nmeros pseudoaleatorios
3.1 Prueba de los promedios
3.2 Prueba de frecuencias
3.3 Prueba de las distancia
3.3.1 Nmeros pseudoaleatorios considerados como
digitos
3.3.2 Nmeros pseudoaleatorios considerados como
nmeros reales
3.4 Prueba de series
3.5 Prueba de kolmogorov-smirnov
3.6 Prueba del poker
3.7 Prueba de las corridas
3.7.1 Prueba de las corridas arriba y abajo del promedio
3.7.2 Prueba de las corridas arriba y abajo
4. Generacin de variables aleatorias no uniformes
4.1 Metodo de la transformada inversa
4.2 Metodo de rechazo
4.3 Metodo de composicin
4.4 Procedimientos especiales
5. Aplicaciones de simulacin
5.1 Ejemplos
6. Anlisis de los resultados de la simulacin
6.1 Mtodo de estimacin
6.2 Simulacin regenerativa
1. INTRODUCCION
Aproximadamente desde 1940 se comienza a escuchar

la palabra simulacin, cuando Von Newman y Ulam
solucionaron problemas que requerian costos de
experimentacion muy altos y anlisis matematicos complejos
Con el desarrollo tcnologico y la acogida de los
computadores se han elaborado incontables aplicaciones
El uso del computador como herramienta tecnica de soporte
y de las estadistica como base teorica, nos permite realizar
simulaciones con bastantes aproximacin a las situaciones
reales de la vida cotidiana
La multimedia que nos proporciona el desarrollo tecnologico
es aprovechada para acercarnos cada da ms a la realidad
1.1 DEFINICION DE SIMULACION

Existen 3 definiciones formales de
Simulacion
QUE ES
SIMULACION ?
Thomas H. Naylor.
Simulacin es una tcnica numrica para
conducir experimentos en una computadora
digital. Estos experimentos comprenden
ciertos tipos de relaciones matemticas y
lgicas, las cuales son necesarias para
describir el comportamiento y la
estructura de sistemas complejos del
mundo real a travs de largos perodos de
tiempo.

H. Maisel y G. Gnugnoli.
QUE ES
SIMULACION ?
Simulacin es una tcnica numrica

para realizar experimentos en una
computadora digital. Estos experimentos
involucran ciertos tipos de modelos
matemticos y lgicos, que describen
el comportamiento de sistemas de negocios,
econmicos, sociales, biolgicos, fsicos o
qumicos a travs de largos perodos de
tiempo.

Robert E. Shannon.
QUE ES
SIMULACION ?
Simulacin es el proceso de disear y

desarrollar un modelo computarizado
de un sistema o proceso y conducir
experimentos con este modelo con el
propsito de entender el comportamiento
del sistema o evaluar varias estrategias
con las cuales se puede operar el sistemas
1.2 ETAPAS PARA REALIZAR UN ESTUDIO DE

SIMULACION
Definicin del sistema
Anlisis de requerimientos del sistema a simular (Resea
historica, Descripcin del sistema, anlisis de costos,
Planeacin de la ejecucin ).
Formulacin del modelo
Construccin del modelo definiendo todas las variables
que forman parte de el y las relaciones lgicas que componen
el modelo (Diagramas de flujo o flujogramas de procesos
que describan en forma completa al modelo)
Coleccin de datos
Datos con los cuales se determina el comportamiento de
las variables que intervienen en el sistema

SIMULACION
Implementacin del modelo en la computadora
-Lenguaje de programacin
- Visual Basic
- Turbo pascal
- C, C++
- Java
-Paquetes
- GPSS
- Arenas
- Simulate
- Dynamo
- Syman

SIMULACION
Validacin
Las formas ms comunes de validacin de un modelo son:
- Utilizando comparaciones entre la opinin de expertos
y los resultados de la simulacin
- Observando el grado de exactitud con que se predicen los
datos historicos
- Analizando la exactitud en la prediccin del futuro
- Detectando fallas itroduciendo valores que hacen fallar el
sistema real
- La aceptacin y confianza del sistema por parte de las
los expertos que lo utilizaran.

SIMULACION
Experimentacin
Se realiza despus de ser validado el modelo y consiste en
generarar datos de prueba deseados y en realizar anlisis de
sensibilidad en las variables requeridas (Mayor importancia)
Interpretacin
Es la etapa de estudio, se interpreta los resultados de la
simulacin y con base a estos se toman desiciones
Documentacin
- Documentacin tcnica
- Manual de usuario
1.3 FACTORES A CONSIDERAR EN EL DESARROLLO DEL

MODELO DE SIMULACION
Generacin de variables aleatorias no-uniforme
Existen dos tipos de Simulacin, la deterministica y
la simulacin estocstica, en la simulacin estocstica
se hace necesario generar numeros aleatorios que tienen un
comportamiento definido asociada a una distribucin
de probabilidad.
Nmeros
Uniformes
Espacio
uniforme
Ri
Variable aleatoria
F-1(Ri) Funcin de
Transformacin
Xi
Que tiene el
comportamiento
de fdp(x)

Lenguajes de programacin
Se tienen dos opciones :
- Desarrollar el software de simulacin con
herramientas como: Visual Basic, Turbo pascal
u otros
- Comprar un software de propsito especial como:
Arenas, Simlate, Dynamo, Syman, GPSS u otros

Condiciones iniciales
Siempre que analizamos los modelos preferimos estudiar
los estados estables del modelo, pero generalmente la
mayora de estos presentan en su estado inicial estados
transciendes que no permiten ver el comportamiento
frecuente del sistema, la manera de corregir este problema
sera a travs de:
- Usar perodos de corridas largos, para que los
perodos transcientes sean insignificantes
- Excluir una parte inicial de la corrida
- Utilizar Simulacin regenerativa

Tamao de la muestra
Corresponde al nmero de corridas en la computadora y es
necesario determinar el error de precisin deseado y el costo
operativo requerido por variable generada. Existen dos
formas para determinar el tamao de la corrida :
- Previa e independientemente de la operacin del
modelo
- Durante de la operacin del modelo y basado en los
resultados
- Utilizando la tcnica de intervalos de Confianza

Diseo de experimentos
Para el diseo de experimentos existen varios tipos de anlisis
Comparacin de medias y
varianzas de las
alternativas analizadas
Determinacin de la
importancia y el efecto de
las variables
Diseo de experimento de un
Anlisis de varianza
factor simple es necesario tener

en cuenta:
Tcnica de regresin
Tamao de la muestra
Condiciones iniciales
Presencia o ausencia de
autocorrelacin
Bsqueda de los valores

ptimos
Algoritmos heursticos
de bsqueda por Ejemplo:
Algoritmo de
Hooke y Jeeves
1.4 VENTAJAS Y DESVENTAJAS DEL USO DE LA

SIMULACION
Ventajas segn Thomas H. Naylor
- Se puede estudiar los efectos producido por cambios
externos e internos de los sistemas
- Proporciona un mejor entendimiento de los sistemas y
podremos sugerir estrategias para ser ms eficientes
- Ayuda a entender mejor la interrelacin entre las variables
- Las tcnicas de simulacin pueden ser usadas para
experimentar con nuevas situaciones donde se tiene muy
poca o ninguna informacin y obtener posibles resultados
- Capacitacin del personal sin riesgos
Desventajas
- Tiempos largos de desarrollo, recurso humano costosos y
problemas al requerir equipos computacionales
1.5 EJEMPLOS DE SIMULACION

Simulacin de un sistema de colas
Simulacin de un sistema de inventarios
Simulacin de un proyecto de inversin
Simulacin de sistemas econmicos
Simulacin de estados financieros
2. GENERACION DE NUMEROS RECTANGULARES

Que son nmeros rectangulares ?
Los nmeros rectangulares son nmeros que tienen un
comportamiento uniforme y son utilizados para generar nmeros
Variables aleatorias no uniformes.
Tocher ha sugerido tres formas para obtener nmeros
Rectangulares:
- Provisin externa Tabla rand Entrada Problema
- Proceso fsico al azar.- Algoritmos especiales en una
computadora digital que registre los resultados de un
proceso aleatorio y lo convierta a sucesiones de dgitos
- Relacin de recurrencia
Caractersticas de los nmeros rectangulares

Uniformemente distribuido
Estadsticamente independientes
Reproducibles
Perodos largos de repeticin
Generados a travs de un mtodo rpido
Generados a travs de un mtodo que requiera capacidad de
almacenamientos acorde con los avances tecnolgicos
2.1 GENERADORES CONGRUENCIALES LINEALES

Generador congruencial mixto
Xn+1 = (a Xn + C) mod m
X0 = La semilla (X0 > 0 )

a = El multiplicador (a > 0 )
c = Cte. aditiva (c > 0 )
m = El modulo (m>X0, m> a, m> c)
Los posibles valores generados seran : 0, 1, 2, 3, 4, 5, ..., m-1

La cantidad de valores generados es m.
El operador mod es el residuo de dividir (a Xn + C) / m
Ejemplo del Generador congruencial mixto

Cuando el perodo de
Sea a=5, c=7, X0 = 4 y m = 8
repeticin es igual al
modulo m decimos que
el generador tiene
periodo completo.
Xn+1 = (5Xn + 7) mod 8

n
0
1
2
3
4
5
6
7
Xn
4
3
6
5
0
7
2
1
(5X n + 7)/8
3 + 3/8
2 + 6/8
4 + 5/8
4 + 0/8
0 + 7/8
5 + 2/8
2 + 1/8
1 + 4/8
Xn+1
Este generador tiene perodo completo.
3
6
5
0
7
2
1
4
Nmeros
uniformes
3/8
6/8
5/8
0
7/8
2/8
1/8
4/8
Otro ejemplo del Generador congruencial mixto

Cuando el perodo de
Sea a=7, c=7, X0 = 7 y m = 10
Xn+1 = (7Xn + 7) mod 10
n
0
1
2
3
Xn
7
6
9
0
(5X n + 7)/8
5 + 6/10
4 + 9/10
7 + 0/10
0 + 7/10
repeticin es igual al
modulo m decimos que
el generador tiene
periodo completo.
Xn+1
6
9
0
7
Nmeros
uniformes
6/10
9/10
0/10
7/10
Este generador no tiene perodo completo.

El perodo de este generador es 4, a partir del cuarto valor
Se comienza a repetir la serie
Criterios de seleccin de las variables m, a, c, Xo

La idea de seleccionar los valores de m, a, c y Xo es la necesidad
de crear generadores con largos perodos de repeticin y con
periodos completos
Seleccin de m
- El nmero primo ms grande posible < Pd
P = base del sistema ( binario, hexadecimal, decimal...)
d = Longitud del nmero o el tamao de la palabra en bits
Por ejemplo: m = 97 < 102 = 100
- m = Pd
Por ejemplo: m = 102 = 100
Manera de calcular con una formula de recurrencia los ltimos digitos de

una secuencia de nmeros generados a travs de un generador
congruencial lineal mixto con base a los ltimos digitos del numero
anterior
Ejemplo:
Sea a=81, c=89, X0 = 5 y m = 102

n
1
2
3
4
5
6
7
8
Xn
94
03
32
81
50
39
48
77
n
9
10
11
12
13
14
15
16
Xn
26
95
84
93
22
71
40
29
n
17
18
19
20
21
:
99
100
Xn
38
67
16
85
74
:
36
05
Xn+1 = (81Xn + 89) mod 100
El mdulo es 100 y tiene perodo completo

El perodo del ltimo digito es 10
La formula de recurrencia para determinar
el ltimo digito a partir del ltimo digito del
nmero anterior es:
Yn+1 = (Yn + 9) mod 10

anterior
Demostracin:
Si Xn+1 = (a Xn + C) mod m, m = Pd y adems consideramos
Yn+1,i = ltimos i-dgitos del nmero pseudoaleatorio Xn+1
i = ltimos i-dgitos que se estn considerando.
i
1, 2, 3, 4, 5, ..., d-1
Entonces para calcular Yn+1,i , dependiendo de los i-dgitos que se

Consideren tendramos que realizar la siguiente operacin
Yn+1,i = Xn+1 mod Pi
por ejemplo : P =10 (Base)

i = 1 y Xn+1 = 84

anterior
Demostracin ...
Yn+1,i = Xn+1 mod Pi
por ejemplo : P =10 (Base)

i = 1 y Xn+1 = 84
Entonces remplazamos en Yn+1,i = Xn+1 mod Pi tenemos como
Resultado:
Yn+1,1 = 84 mod 101 = 4 este es el ltimo dgito de 84
Siguiendo con la demostracin ...
Remplazamos Xn+1 = (a Xn + C) mod m en Yn+1,i = Xn+1 mod Pi
y tenemos como resultado :
Yn+1,i = (a Xn + C) mod m mod Pi

anterior
Yn+1,i = (a Xn + C) mod Pd mod Pi

Remplazando (a Xn + C) mod Pd
(a Xn + C)
Residuo
(a Xn + C) mod Pd
Pd
Cociente
Yn+1,i = (a Xn + C - q Pd ) mod Pi
q = 0, por que es la parte entera
y nunca se tiene en cuenta
La expresin quedara:
(a Xn + C) = q Pd + (a Xn + C) mod Pd
Despejamos (a Xn + C) mod Pd y
tenemos que:
(a Xn + C) mod Pd = (a Xn + C) - q Pd y
Lo remplazamos en :
Yn+1,i = (a Xn + C) mod Pi
Yn+1,i = (a Xn + C) mod Pd mod Pi

anterior
Demostracin ...
Yn+1,i = (a Xn + C) mod Pi
Yn+1,i = a Xn mod Pi + C mod Pi
Una propiedad del mdulo es: X mod m =X mod m mod m

Entonces aplicamos la propiedad
Yn+1,i = a Xn mod Pi mod Pi + C mod Pi
Yn+1,i = (a Yn,i + C) mod Pi
Yn+1,i = a Yn,i mod Pi + C mod Pi
L.Q.QD

Seleccin de a
- Entero impar no divisible ni por 3 ni por 5 y que cumpla con el
siguient criterio:
( a 1) mod 4 = 0 si 4 es factor de m
( a 1) mod b = 0 si 4 es factor primo de m
otra forma:
- Sistema Binario
a = 2k + 1
- Sistema decimal
a = 10k + 1
K => 2

Seleccin de c
- Sistema Binario
c mod 8 = 5
- Sistema decimal
c mod 200 = 21
Entero impar relativamente primo a m.
Seleccin de Xo Su valor es irrelevante no tiene ninguna
influencia sobre la generacin
Otros generadores: si n + k = 10
Xn = an X0 + C an 1
a1
y k = 4 el No. 10mo. se obtiene a partir del 4to.
mod m Xn+k = an Xk + C an 1
a-1
mod m
2.1 GENERADORES CONGRUENCIALES LINEALES

Generador congruencial multiplicativo
Xn+1 = a Xn mod m
X0 = La semilla (X0 > 0 )

a = El multiplicador (a > 0 )
m = El modulo (m>X0, m> a, m> c)
Criterios de seleccin de a, Xo y m
- Sistema decimal
- Seleccin de Xo. Cualquier entero impar no
divisible por 5 y relativamente
primo a m
- Seleccin de a.
a = 200t p
P = 3,11,13,19,21,27,29,37,53,59,61,67,69,77,83,91
Seleccin de m
- m = 10d
Si m =10 y d => 5, tenemos que:
Perodo = 5 x 10d-2
Si m =10d y d < 5, tenemos que:
Perodo = Mn.Com.Mult.
Pi es un factor primo de m
(P1d1), (P2d2), ..., (Pndn)
Seleccin de m La funcin (Pd) se define como :
(Pd)
(2)
(4)
(2d)
(pd)
=1
=2
= 2d-2 si d => 3
= pd-1(p 1) si p => 2
Por ejemplo:
Xn+1 = 3 Xn mod 100 y X0 = 17
M = 102 = (22)(52)
perodo = m.c.m( (22), (52) ) = m.c.m( 2, 20 ) = 20

n
1
2
3
4
5
Xn
51
53
59
77
31
n
6
7
8
9
10
Xn
93
79
37
11
33
n
11
12
13
14
15
Xn
99
97
91
73
19
n
16
17
18
19
20
Xn
57
71
13
39
17
- Sistema Binario
- Seleccin de Xo. Cualquier entero impar
relativamente primo a m
- Seleccin de a.
a = 8t 3
t es cualquier entero
- Seleccin de m.
m = 2d
Perodo = 2d-2 m/4
3. PRUEBAS ESTADISTICAS PARA LOS NUMEROS

PSEUDOALEATORIOS
Prueba de los promedios
1 si 0 <= x <= 1
f(x) =
x
F(x) =
E(x) =
Var(x) =
0
1
0
f(x)
1
0 si 0 > x > 1
1 dt = x
F(x)
1
x(1) dx =
1
(x-1/2)2(1) dx = 1/12
0
Prueba de los promedios

Hiptesis nula
Ho:
Hiptesis nula
H1:
__
X = U1 + U2 + ... + UN
N
u 1/2
u =1/2
Zo = ( X ) N
1/12
Si | Zo | < Z2 se puede decir que la muestra de nmeros provienen
de un espacio uniforme
Prueba de frecuencias
2
El estadgrafo a utilizar es Chi- cuadrados Xo

2
2
n
2
Si Xo < X , (n-1)
2
Xo = (FOi FEi)
Se dice que los valores provienen
1
FEi
De una distribucin uniforme
FOi = Frecuencia observada del i-esimo subintervalo (N/n)
FEi = Frecuencia esperada del i-esimo subintervalo (N/n)
N = Tamao de la muestra
N = Nmero de subintervalos
Si tenemos una tabla de 100
valores y seleccionamos un
n = 5 tendramos :
FE
20
20
20
20
20
FO
21
22
19
23
15
0.2
0.4
0.6
0.8
Prueba de frecuencias
Para el ejemplo apliquemos la formula
FE
20
FO
21
20
22
0.2
20
20
19
23
0.4
0.6
20
Xo = (21-20)2 + (22-20)2 + (19-20)2 + (23-20)2 + (15-20)2 = 2

20
15
0.8
1
2
Entonces comparamos si Xo < X0.05, 4

con = 5% y 4 grados de libertad, tendramos que
2
Efectivamente Xo = 2 es < X0.05, 4 = 9.49 lo que quiere decir que

los nmeros generados provienen de una distribucin uniforme
Prueba de la distancia
Esta prueba puede ser realizada de dos formas, considerando a los
nmeros pseudoaleatorios como dgitos o considerndolos como
nmeros reales
-Considerando los nmeros pseudoaleatorios como dgitos
Tamao de hueco ejemplo: 58245 hueco de tamao 3
Pi = 0.1(0.9)i para i = 1,2,...
Probabilidad de que se de un hueco de tamao i
Sin embargo el valor del tamao del hueco puede ser infinito, es
conveniente agrupar probabilidad
Agrupando probabilidades, para los casos en que los tamaos de
huecos sean infinitos utilizamos esta formula :
Es muy importante que el valor de
n
Pi >= n = 0.1(0.9) m+n = (0.9)n n, debe ser tal que la suma de las
frecuencias esperadas de todos los
m=0
tamaos de los huecos agrupados
sea mayor que 5
n
Xo = (FOi FEi)2
1
FEi
2
Si Xo < X , (n-1)
Se dice que los valores provienen
De una distribucin uniforme
Ejemplo:
i
Pi
FOi
FEi
0.1
FO0
FOI (0.1)
0.1(0.9)
FO1
FOI(0.1)(0.9)
0.1(0.9)2
FO2
FOI(0.1)(0.9)2
0.1(0.9)I
FOI
FOI(0.1)(0.9)I
(0.9)n
FOn
FOI(0.9)n
Total
1.0
FOi
FOi
-Considerando los nmeros pseudoaleatorios como nmero reales
1. Seleccionar un intervalo (; ) (0; 1) as:
0< = < = < = 1
2. Tamao de hueco por Ejemplo:
= 0.3 y = 0.5 entonces...
Si tenemos los siguientes nmeros :
0.32415, 0.22257, 0.1947, 0.75103, 0.49383
Uj (; ), Uj (; ) ... Uj+i (; ), Uj+i +1 (; )
Hay un hueco de tamao 3 o sea tres valores seguidos que no estn
dentro del intervalo (; )
3. La formula para calcular la probabilidad de que se de un tamao
de hueco i es :
Pi = (1- )i Para i = 0, 1, 2, 3,...
Donde = - que es la probabilidad de caer en ese
intervalo
4. Al igual que la prueba de los dgitos, cuando el tamao de huecos
i > = n ( mximo tamao de hueco a considerar), agrupamos
probabilidades y tendramos :
Pi => n = (1- )m+n = (1- )n

m=0
5. Utilizamos el estadgrafo
n
Xo = (FOi FEi)2
i =1
FEi
2
Si Xo < X , (n-1) Se dice que los valores provienen De una

distribucin uniforme
Prueba de la distancia ( Nmeros reales)

Ejemplo:
i
Pi
FOi
FEi
FO0
FOI ( )
(1- )
FO1
FOI (1- )
(1- )2
FO2
FOI (1- )2
(1- )I
FOI
FOI (1- )I
(1- )n
FOn
FOI (1- )n
1.0
Total
FOi
FOi

Simulacion

Cargado por

Copyright:

Formatos disponibles

Simulacion

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Simulacion

Cargado por

Copyright:

Formatos disponibles

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

Aproximadamente desde 1940 se comienza a escuchar

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.1 DEFINICION DE SIMULACION

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.1 DEFINICION DE SIMULACION

Simulacin es una tcnica numrica

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.1 DEFINICION DE SIMULACION

Simulacin es el proceso de disear y

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.2 ETAPAS PARA REALIZAR UN ESTUDIO DE

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.2 ETAPAS PARA REALIZAR UN ESTUDIO DE

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.2 ETAPAS PARA REALIZAR UN ESTUDIO DE

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.2 ETAPAS PARA REALIZAR UN ESTUDIO DE

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.3 FACTORES A CONSIDERAR EN EL DESARROLLO DEL

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.3 FACTORES A CONSIDERAR EN EL DESARROLLO DEL

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.3 FACTORES A CONSIDERAR EN EL DESARROLLO DEL

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.3 FACTORES A CONSIDERAR EN EL DESARROLLO DEL

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.3 FACTORES A CONSIDERAR EN EL DESARROLLO DEL

factor simple es necesario tener

Bsqueda de los valores

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan

1.4 VENTAJAS Y DESVENTAJAS DEL USO DE LA

Universidad Autonoma del Caribe

Ing.Esp. Erik Garcia Cuan