Ejecución de la simulación

01 · Punto de partida

Del plan a la pista

En el Tema 32 escribimos el plan: qué escenarios, cuántas réplicas y en qué orden. En el Tema 31 dejamos el motor listo. Ejecutar es juntarlos: lanzar cada corrida con su escenario y su semilla, controlar cuánto tiempo simulado corre cada una y guardar lo necesario para analizar después.

Parece trámite, pero aquí se arruinan muchos estudios: corridas que arrancan con restos de la anterior, promedios contaminados por el arranque en vacío y resultados que nadie puede rastrear hasta el escenario que los produjo.

• ¿Cuánto tiempo simulado corre cada corrida?
• ¿Qué parte del arranque se descarta como transitorio?
• ¿Cada corrida arranca limpia y aislada?
• ¿Qué se guarda de cada corrida y con qué traza?

02 · Vocabulario mínimo

Corrida, horizonte y registro

03 · Tres controles

Tiempo, aislamiento y registro

1. 1
   Tiempo.

   Fijá horizonte, warm-up y condición de corte antes de correr. El arranque en vacío no representa el régimen.

2. 2
   Aislamiento.

   Cada corrida arranca limpia: estado reiniciado, generador propio, sin archivos compartidos a medio escribir.

3. 3
   Registro.

   Guardá métricas + traza en el mismo acto. El resultado sin su escenario y su semilla es un huérfano.

Horizonte

Tiempo simulado que dura la corrida: pasos, fecha o condición de fin.

Warm-up

Tramo inicial que se corre pero no se mide, para salir del arranque artificial.

Condición de corte

Regla de parada anticipada: vaciado, tope, presupuesto de cómputo.

Traza

Ficha de la corrida: escenario, semilla, versión, horizonte y estado final.

04 · Protocolo

La coreografía de cada corrida

Inicializar con escenario y semilla propios; calentar sin medir; medir en régimen; cerrar con estado explícito (OK o motivo de corte); guardar métricas con su traza. El Tema 34 analizará esos registros; el Tema 41 exigirá repetirlos.

05 · En Python

Correr con warm-up y traza

La corrida simula el horizonte completo pero mide solo desde el warm-up. Así el transitorio no contamina la métrica:

import random

def corrida(n0, entradas, salida, semilla, warmup=0):
    rng = random.Random(semilla)  # azar propio y aislado
    n = n0
    historia = []
    for e in entradas:
        ruido = rng.choice([-1, 0, 1])
        n = max(n + e + ruido - salida, 0)
        historia.append(n)
    medida = historia[warmup:]
    return {"semilla": semilla, "media": sum(medida) / len(medida),
            "historia": historia, "estado": "OK"}


print(corrida(0, [3] * 10, 2, semilla=7, warmup=3))

El lote ejecuta el plan entero

El lote recorre las corridas del Tema 32, atrapa fallos con estado explícito y devuelve una tabla lista para analizar:

def lote(corridas, horizonte=10):
    tabla = []
    for c in corridas:
        try:
            r = corrida(0, [3] * horizonte, 2, c["semilla"], warmup=3)
            tabla.append({"escenario": c["escenario"], **r})
        except Exception as e:
            tabla.append({"escenario": c["escenario"], "estado": f"FALLO: {e}"})
    return tabla


plan = [{"escenario": (1, "alta"), "semilla": 7000},
        {"escenario": (2, "alta"), "semilla": 7001}]
print(len(lote(plan)), "corridas registradas")

06 · Exploración

Laboratorio: el arranque engaña

El sistema arranca vacío y converge a su régimen. Si medís desde el paso cero, el promedio sale artificialmente bajo. Movete el horizonte y el warm-up y observá cómo la media medida se acerca a la real.

Zona sombreada: warm-up que se corre pero no se mide. Línea clara: media contaminada. Línea amarilla: media en régimen.

Preguntas para explorar

1. Con warm-up en 0, ¿la media queda por encima o por debajo del régimen? ¿Por qué?
2. Subí el warm-up a 30. ¿El sesgo se achica? ¿A qué costo?
3. Alargá el horizonte a 100 con warm-up 15. ¿El descarte «cuesta» lo mismo en proporción?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: medir con y sin warm-up

Corré 10 pasos desde cero y compará la media total con la media desde el paso 3.

historia = [0, 2, 4, 6, 7, 8, 8, 9, 9, 9]
total = sum(historia) / len(historia)
regimen = sum(historia[3:]) / len(historia[3:])
print("total:", total)
print("régimen:", regimen)

Ejercicio 2: descartar por slicing

Escribí la función que separa warm-up de medición y devolvé ambas partes.

def partir(historia, warmup):
    return historia[:warmup], historia[warmup:]


print(partir([0, 2, 4, 6, 8, 9], 3))

Ejercicio 3: lote que no pierde fallos

Simulá un lote de 3 corridas donde una falla y verificá que quede registrada con estado.

tabla = []
for semilla in [7000, 7001, 7002]:
    try:
        if semilla == 7001:
            raise ValueError("corte por presupuesto")
        tabla.append({"semilla": semilla, "estado": "OK"})
    except Exception as e:
        tabla.append({"semilla": semilla, "estado": f"FALLO: {e}"})

print(tabla)

09 · Síntesis

Ideas para recordar

En el próximo tema leeremos esos registros: el análisis de resultados.