Resumen

La idea de una metodología capaz de determinar de forma precisa y práctica el tamaño óptimo de la muestra surgió del estudio de modelos de simulación Monte Carlo relativos a problemas financieros, análisis de riesgos y previsión de la cadena de suministro. En estos casos, el número de extracciones de las distribuciones de frecuencias que caracterizan el modelo es inadecuado o se limita a una sola, por lo que es necesario replicar muchas veces las ejecuciones de simulación para obtener una descripción estadística completa de las variables del modelo. Generalmente, como se muestra en la literatura, el tamaño de la muestra es fijado por el experimentador basándose en suposiciones empíricas sin considerar el impacto en la precisión del resultado en términos de intervalo de tolerancia. En este trabajo, los autores proponen una metodología mediante la cual es posible destacar gráficamente la evolución de la varianza del error experimental en función del tamaño de la muestra. De este modo, el experimentador puede elegir la mejor relación entre el coste experimental y los resultados esperados.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:tamaño de la muestra, modelos de simulación monte carlo, descripción estadística completa, varianza del error experimental, tamaño óptimo de la muestra, previsión de la cadena de suministro, experimentador, metodología, mejor relación, hipótesis empíricas
• Keywords:sample size, monte carlo simulation models, complete statistical description, experimental error variance, optimal sample size, supply chain forecasting, experimenter, methodology, best ratio, empirical assumptions