servidor windows costo $ 100,000 hasta $ 200,000 actualizacion de software $ 275,000 a $ 500,000. capacitacion $9,000 a $10,000 Windows min $384000 max $710,000 estimado 435,000 servidor linux costo $ 80,000 hasta $ 210,000. actualizacion de software $ 250,000 a $ 525,000. capacitacion $ 8,000 a $ 17,500 Linux min 338000 max 752500 estimado 410000
get_montecarloest <- function(vmin,vmax,vest){
mn <- (vmin + 4*vest + vmax)/6
s <- abs((vmax - vmin)/6)
valmontecarlo <- rnorm(1, mean=mn, sd=s)
return(valmontecarlo)
}
get_sim<-function(x,vmin,vmax,vest){
times <- get_montecarloest(vmin,vmax,vest)
return (times)
}
hacemos test de la funcion de montecarlo
get_montecarloest(384000,710000,410000)
aplicamos la funcion para windows y linux con 10000 iteraciones
simulacion<-10000
sim_win<-sapply(1:simulacion, get_sim,vmin=384000,vmax=710000,vest=435000)
sim_lin<-sapply(1:simulacion, get_sim,vmin=338000,vmax=752500,vest=410000)
print(paste("windows: ",mean(sim_win)," Linux:", mean(sim_lin)))
[1] "windows: 471665.660191291 Linux: 454384.271605227"
print(paste("STD windows: ",sd(sim_win)," STD Linux:", sd(sim_lin)))
[1] "STD windows: 54245.3854852991 STD Linux: 68615.9216241588"
La mejor opcion es linux si no se evalua la desviacion estandar
plot( sim_win, type='l')
summary(sim_win)
Min. 1st Qu. Median Mean 3rd Qu. Max.
272483 434773 471989 471666 508354 678870
hist(sim_win)
hist(sim_lin)
library(tidyverse)
quantile(sim_win, probs = 0:10/10)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
272483.2 401101.2 426095.1 443531.2 458437.2 471988.7 485109.8 500351.3 517096.8 540895.8 678870.2
print("probabilidaD windows:")
[1] "probabilidaD windows:"
length(sim_win[sim_win >472293])/length(sim_win)
[1] 0.4982
print("probabilidaD linux:")
[1] "probabilidaD linux:"
length(sim_lin[sim_lin >410000])/length(sim_lin)
[1] 0.7406
Basado en este resultado preferimos la opcion de windows por que la probabilidad de linux es mucho mayor