Las variables independientes en el modelo
matemático para una simulación son tratadas con
números aleatorios (porque representan las
variables que no se pueden controlar). Conseguir
generar números aleatorios no es tan fácil como
se cree.
Cuando se analizan datos medidos por una variable
cuantitativa continua, las pruebas estadísticas de
estimación y contraste frecuentemente empleadas
se basan en suponer que se ha obtenido una
muestra aleatoria de una distribución de
probabilidad de tipo normal o de Gauss.
PRUEBAS NO PARAMÉTRICAS: Las pruebas
estadísticas no paramétricas son las que, a
pesar de basarse en determinadas
suposiciones, no parten de la base de que los
datos analizados adoptan una distribución
normal. Técnica estadística que no presupone
ninguna distribución de probabilidad teórica
de la distribución de nuestros datos.
PRUEBAS PARAMÉTRICAS: Las pruebas estadísticas
paramétricas, como la de la “t” de Student o el
análisis de la varianza (ANOVA), se basan en que se
supone una forma determinada de la distribución
de valores, generalmente la distribución normal, en
la población de la que se obtiene la muestra
experimental.
ANÁLISIS DE LA VARIANZA (ANOVA) ANOVA son
siglas para el análisis de la Variación (ANalysis Of
VAriance). Un ANOVA segrega diversas fuentes de
la variación vistas en resultados experimentales.
El método de Montecarlo es un
método de simulación que permite
calcular estadísticamente el valor
final de una secuencia de sucesos no
deterministas (sujetos a variabilidad),
como es el caso del plazo o el coste de
un proyecto. Por la complejidad de
esta tarea, esta simulación se realiza
por computador con alguno de los
programas que se detallan al final de
este artículo.
Debido al tamaño y complejidad de los proyectos
que justifican el uso de este análisis, en los
pequeños no se usa, este se realiza mediante
computador, siendo totalmente inviable hacerlo a
mano. De todas formas es recomendable entender
el método de cálculo que hay detrás de estos
programas de simulación.