Documente Academic
Documente Profesional
Documente Cultură
(Director Nacional)
WILLIAM MOSQUERA
(Acreditador)
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
INTRODUCCIÓN
Un poco de Historia
Se inicia desde la revolución industrial, en los libros se dice que fue a partir de la segunda
Guerra Mundial. La investigación de operaciones se aplica a casi todos los problemas. En
1947, en E.U., George Datzing encuentra el método SIMPLEX para el problema de
programación lineal. En la investigación de operaciones, las computadoras son la
herramienta fundamental en la investigación de operaciones.
Definición
3
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Modelos Matemáticos
Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidos del sistema
o bien que se pueden controlar.
2. Restricciones
Las restricciones son relaciones entre las variables de decisión y magnitudes que
dan sentido a la solución del problema y las acotan a valores factibles. Por ejemplo
si una de las variables de decisión representa el número de empleados de un taller,
es evidente que el valor de esa variable no puede ser negativa.
3. Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión, parámetros
y una magnitud que representa el objetivo o producto del sistema. Por ejemplo si el objetivo
del sistema es minimizar los costos de operación, la función objetivo debe expresar la
relación entre el costo y las variables de decisión. La solución ÓPTIMA se obtiene cuando
el valor del costo sea mínimo para un conjunto de valores factibles de las variables. Es
decir hay que determinar las variables x1, x2,..., xn que optimicen el valor de Z = f(x1,
x2,..., xn) sujeto a restricciones de la forma g(x1, x2,..., xn) b. Donde x1, x2,..., xn son
las variables de decisión Z es la función objetivo, f es una función matemática.
4
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Clasificación de Modelos
La simulación es una técnica para crear modelos de sistemas grandes y complejos que
incluyen incertidumbre. Se diseña un modelo para repetir el comportamiento del sistema.
Este tipo de modelo se basa en la división del sistema en módulos básicos o elementales
que se enlazan entre sí mediante relaciones lógicas bien definidas. El desarrollo de un
modelo de simulación es muy costoso en tiempo y recursos.
5
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
6
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Las dificultades evidentes en los cálculos de los modelos matemáticos han obligado a los
analistas a buscar otros métodos de cálculo que aunque no garantizan la optimalidad de la
solución final, buscan una buena solución al problema. Tales métodos se denominan
heurísticos. Suelen emplearse con dos fines: En el contexto de un algoritmo de
optimización exacto, con el fin de aumentar la velocidad del proceso. En segundo lugar
para obtener una solución al problema aunque no óptima, la que puede ser muy difícil
encontrar.
7
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
INDICE DE CONTENIDO
INTRODUCCIÓN ....................................................................................................................................
UNIDAD UNO: TÉCNICAS DE PRONÓSTICO, TEORÍA DE INVENTARIOS ............................................8
CAPITULO 1: TÉCNICAS DE PRONÓSTICO ..................................................................................12
Lección 1: Conceptos generales................................................................................................ 13
Lección 2: Modelo de regresión lineal ..............................................................................................14
Lección 3: Modelo de promedio móvil..............................................................................................18
Lección 4: suavización exponencial………………………………………………………………………………………………20
8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
9
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
UNIDAD 1
1. Regresión lineal
3. Suavización exponencial
10
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
12
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
13
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Introducción
En la toma de decisiones tratamos con el diseño de planes futuros. De esta forma los datos
que describen la situación de decisión deben ser representativos de lo que ocurra en el
futuro. Por ejemplo, en control de inventarios basamos nuestras decisiones en la naturaleza
de la demanda del artículo controlado durante un horizonte de planeación específico.
Asimismo, en planeación financiera, necesitamos predecir el patrón del flujo de efectivo en
el tiempo.
Este capítulo presenta tres técnicas para pronosticar cambios futuros en el nivel de una
variable deseada como función del tiempo:
1. Regresión lineal
2. Promedio móvil
3. Suavización exponencial
El pronóstico de los niveles de demanda es vital para la firma como un todo, ya que
proporciona los datos de entrada para la planeación y control de todas las áreas funcionales,
incluyendo logística, marketing, producción y finanzas. Los niveles de demanda y su
programación afectan en gran medida los niveles de capacidad, las necesidades financieras
y la estructura general del negocio. Cada área funcional tiene sus propios problemas
especiales de pronóstico.
14
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Lección 1: PRONÓSTICOS
2
Arbones Malisani, Logistica Empresarial. Editorial Alfaomega
15
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
16
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
BASES DE PRONÓSTICO.
• Horas de maquinaria.
FUENTES DE PRONÓSTICO.
17
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
A Mediano Plazo: con alcance de una estación a uno o dos años. Son
usados para la planeación operativa, el flujo de caja, el programa de
producción y las ventas.
A Largo Plazo: con un alcance de dos a cinco años, esto se usa para
ampliar plantas, producir nuevos productos, cambiar políticas, adoptar
nuevas tecnologías.
18
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Para calcular α y β:
β = pendiente de la recta.
Y = variable dependiente.
X = variable independiente.
n = número de observaciones.
Ejemplo
19
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
EJEMPLO:
20
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Con esta información se pide pronosticar la demanda para el año 2010 y 2011 utilizando
regresión lineal.
Solución:
= =2,5; = =7,5
= =0,8
=5,5
Reemplazando obtendríamos:
TALLER DE APLICACIÓN
Utilice la técnica de regresión lineal para estimar el número de unidades que se proyectan
de demanda para el año 2010.
yt= b+et donde b es un parámetro constante desconocido estimado a partir de los datos
históricos. Se supone que el error aleatorio et tiene un valor esperado cero y una varianza
constante. Además, los datos para los diferentes periodos no están correlacionados.
La técnica del promedio móvil supone que las n observaciones más recientes son
igualmente importantes en la estimación del parámetro b. Así, en un periodo actual t, si los
datos para los n periodos más recientes son yt-n+1, yt-n+2,...e yt, entonces el valor estimado
para el periodo t+1 se calcula como
No hay una regla exacta para seleccionar la base del promedio móvil, n. Si las variaciones
en la variable permanecen razonablemente constantes en el tiempo, se recomienda una n
grande. De otra forma, se aconseja un valor de n pequeño si la variable muestra patrones
cambiantes. En la práctica, el valor de n fluctúa entre 2 y 10.
Ejemplo.
22
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
TABLA
EJERCICIOS DE APLICACIÓN
Utilice la técnica del promedio móvil con k= 3 para estimar el número de unidades que se
proyectan de demanda para el año 2009 y 2010.
23
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ft+1= (demanda para este periodo) + (1- ) (pronóstico calculado para el último periodo)
Ft+1= Ft + (Dt-Ft)
Esta forma de la ecuación muestra que el pronóstico para el periodo siguiente es igual al
pronóstico del periodo actual más una proporción del error del pronóstico correspondiente
al mismo periodo actual.
EJERCICIOS DE APLICACIÓN
24
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Error Pronóstico:
La cantidad por la cual la demanda real difiere de la demanda pronosticada. Existen tres
mediciones de funcionamiento para evaluar un modelo de pronóstico en el que Dt es la
demanda real en el periodo t y Ft, es la demanda pronosticada en el periodo t, encontramos:
25
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
EJEMPLO.
Como las ventas pronosticadas no son iguales que las ventas reales como podemos calcular
el error de pronóstico:
Los errores de pronostico (+) indican que la demanda real excede el pronóstico y los errores
(-) significan que la demanda está por debajo del pronóstico.
Ahora hallaremos RMSE y tenemos:
26
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Autoevaluación
TALLER.
2. Pronosticar las ventas diarias del almacén de zapatos Bucaramanga basándose en los 11
meses anteriores donde deberá hallar:
a. Error pronostico
b. Error medio cuadrado (RMSE)
c. Error medio absoluto (MAE)
d. Error medio porcentual (MAPE)
27
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
28
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
AREA:
Escuela de Ciencias Básicas Tecnología e
Ingeniería
ESTADÍSTICA
CIENCIAS BÁSICAS
NUMERO DE LA PRÁCTICA 1
NOMBRE DE LA PRÁCTICA Regresión lineal
NOMBRE DEL SOFTWARE WinQsb
Libre: ______x_____ Licenciado: _____________
Aspectos Teóricos:
El término lineal se emplea para distinguirlo del resto de técnicas de regresión, que
emplean modelos basados en cualquier clase de función matemática. Los modelos lineales
son una explicación simplificada de la realidad, mucho más ágil y con un soporte teórico
por parte de la matemática y la estadística mucho más extenso
La idea es proyectar una variable a través del tiempo, teniendo como referencia los datos
históricos de una variable, por ejemplo la demanda de un artículo en los últimos años y a
partir de estos datos pronosticar mediante una línea de regresión el valor aproximado de la
demanda en el futuro, generalmente es válido para unos cuantos períodos.
29
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ejemplo 1:
Teniendo en cuenta los datos históricos de la demanda de un artículo en los últimos 5 años,
realice el pronóstico de la demanda para el año 2011.Utilice el winqsb.
Solución:
30
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Nos dara la opción de elegir new problem, para introducir los datos de un nuevo ejercicio
luego nos aparece el siguiente pantallazo, en donde vamos a darle un titulo al problema y
en problema type marcamos time series forecasting, en time unit colñocamos días, meses o
años según los datos del problema, para nuestro caso serán años. En number of time units
colocamos el número de periodos de tiempo que tenemos, esto corresponde a los datos
históricos que se tienen para hacer el pronóstico(5 en nuestro caso).
31
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Le damos ok y obtenemos el siguiente cuadro, en donde se deben registrar los datos del
ejercicio:
32
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Los valores que aparecen en los años 6 y 7 son los valores proyectados para la demanda,
que en este caso sería de 8,4 es decir 8400 unidades para el año 2010 y 2011.La demás
información corresponde a datos estadísticos de los cálculos efectuados.
EJERCICIO
33
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ventas(millones 3 4 5 4 6 3
de pesos)
Utilice el Winqsb como se mostro en el ejemplo, grafique los datos originales y los de
tendencia.
Con estos datos halle el pronóstico de estudiantes que se matricularían para el año 2011.
INTRODUCCIÓN
Existen diferentes modelos de inventarios, los cuales se aplican en relación con los
requerimientos del negocio en el cual van a ser empleados y se convierten en una base para
la toma de decisiones por parte de los gerentes o encargados de producción que son los que
están pendientes de que no haya faltantes o sobrantes en la producción, de modo que se
generen el denominado logro que no es otra cosa que poseer un stock de mercancías que no
se mueven o no producen ninguna ganancia.
OBJETIVOS
Conocer algunos de los más efectivos métodos para la toma de decisiones en cuanto
al manejo de inventarios y sus métodos de control.
DEFINICION
34
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
La madera, clavos, barniz y otros materiales necesarios para construir un librero son
los artículos de inventario, el medio de producción es el cliente.
ADMINISTRACION DE INVENTARIOS
Son técnicas usadas para ayudar a los gerentes a determinar cuándo deben
ordenarse.
Para evitar escasez. Cuando se conoce la demanda futura de un artículo y se puede confiar
en las entregas puntuales de un proveedor, siempre puede colocar pedidos de tal forma que
se satisfaga toda la demanda sin necesidad de un inventario. Para aprovechar las economías
de escala. Al solicitar grandes cantidades un negocio puede obtener su suministros a un
costo inferior, así mismo el negocio colocaría menos pedidos, lo que ahorraría esfuerzos y
costos administrativos. Mantener un flujo de trabajo continuo en un medio de producción
de múltiples etapas. Cada una de estas razones argumenta a favor de tener grandes
inventarios a la mano.
Son las técnicas utilizadas para determinar cual de estas características tiene su modelo para
poder aplicar el paquete para realizar el análisis correcto.
35
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
CARACTERÍSTICAS CLAVES:
Pedido de un número fijo de artículos cuando el inventario a la mano llega a un cierto nivel
previamente especificado, llamado el punto de nuevos pedidos: En este caso, la cantidad
pedida siempre es la misma, pero el tiempo entre los pedidos puede variar. Ejemplo: Un
gerente de bar puede reordenar cerveza cuando el suministro actual cae por menos de tres
cajas. Este nivel puede alcanzarse en 4 semanas cuando el negocio va lento o en una
semana cuando el negocio está activo, digamos durante la semana del súper tazón. Esta
política también se denomina revisión continua, pues requiere una comprobación continua
del inventario para determinar cuándo se alcanza el punto de nuevos pedidos.
¿A qué se debe que las empresas almacenan inventario?. Son muchas las razones para
que una empresa conserve productos terminados o insumos como inventario. El inventario
36
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
1. Costo de Órdenes: costo que se incurre cada vez que se emite una orden.
3. Costo de quiebre de stock: es más difícil de estimar y está asociado al costo de la venta
pérdida (perder un cliente, deterioro de imagen, multas, etc).
De tal manera Inventarios EOQ, Es el modelo matemático usado como la base para la
administración de inventarios en el que la demanda y el tiempo líder son determinísticos.
No se permiten los déficits y el inventario se reemplaza por lotes al mismo tiempo.
Características:
37
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
El costo de compra: (C) cada unidad pedida incurre en un costo de compra, que es
un costo directo por unidad.
Costos de almacenamiento: compuestos por los gastos generales del almacén, seguro,
requerimientos de manejo especial, robo, objetos rotos,etc.
Costos de oportunidad del dinero: comprometido en inventario que de otra manera podría
haberse usado o invertido.
Ejemplo:
H=i*C
H = 0.11 * 20000
H = $2200
Tasa de Transferencia: (i) es la suma de las fracciones usadas en el cálculo de los costos de
almacenamiento y oportunidad.
El costo de Déficit: (B) es el costo de no satisfacer la demanda. es decir el costo de que se
acabe un artículo. Recuerde que cuando no se puede satisfacer la demanda la venta se
pierde.
TABLA DE RESUMEN
38
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
EJEMPLOS
1. El hospital de Neiva da servicio a una pequeña comunidad. Un suministro usado con
frecuencia es la película de rayos x, que se pide a un proveedor fuera de la ciudad. Como
gerente de suministros, debe determinar cómo y cuándo hacer pedidos para asegurar que al
hospital nunca se le termine este artículo critico, y al mismo tiempo, mantener el costo total
tan bajo como sea posible.
Para comprender como la cantidad de pedido (Q) impacta al nivel del inventario con el
tiempo, supongamos que ordenamos lotes de:
Q = 4500 películas en existencia.
Y el proveedor se ha comprometido a satisfacer pedidos en 1 semana (es decir el tiempo
guía es L = 1 semana). El departamento de contabilidad del hospital ha proporcionado los
siguientes valores:
Un costo de pedidos fijo de $10000 para cubrir los costos de colocar cada pedido, pagar los
cargos de entrega, etc. Un costo de compra de $5000 por cada película sin descuento de
cantidad. Una tasa de transferencia de 30% por año (es decir, i=0.0) para reflejar el costo de
almacenar la película en un área especial, así como el costo de oportunidad del dinero
invertido en el inventario ocioso.
Solución
Demanda anual D= (1500 películas*12 meses)= 18000 películas
Tiempo guía L= 1 semana= 1/52 de un año
39
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ahora hallamos Q*
Q*=√2D*K/H = √2D*K/I*C
Q*= √2D*K/(i * C)
Q*= √2*18000*10000/(0.30*5000)
Q*=489,89≈ 490
NUMERO DE PEDIDOS:
D/Q*=18000*490 = 36,7≈ 37 pedidos
TIEMPO:
L = Q*/D = 490/18000 = 0.027
NIVEL DE PEDIDOS:
R = D * L =18000*0.027 = 486
D = 10.000
H = I x C = 0,15(30) K = 85 i = 0,15 C = 30= 4.5
=614,6362
R = D x L Q = (D/2 x H)
R= 10.000(1/52) Q = 10.000/2(4.5)
R = 192,3076 Q = 22.500
40
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
CTA = costo de pedido anual + costo compra anual + costo conservación anual
K(D/Q) + C x D + (Q/2) x H
85(10.000/22.500) + 30(10.000) + 614,6363/2) x 4,5
CTA = 315208,35
2. En cada uno de los siguientes casos, determine la cantidad óptima de pedido y el costo
diario correspondiente.
41
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
3. Mcburguer pide carne molida al comenzar cada semana para cubrir la demanda semanal
de 300lb. El costo fijo por pedido es de $20, cuesta unos $0.03 por libra y por día refrigerar
y almacenar la carne. Determine la cantidad óptima de pedido y el costo semanal del
inventario.
Los descuentos por cantidad, que son incentivos de precio para que el cliente compre
mayores cantidades del producto, crean presión para mantener un inventario abundante. Por
ejemplo, un proveedor puede ofrecer un precio de $4 por unidad, para los pedidos en que
soliciten entre 1 y 99 unidades; un precio de $3.50 por unidad, para pedidos entre 100 y 199
unidades; y un precio de $3.000 por unidad, para los pedidos de más de 200 unidades. El
precio del artículo ya no se considera fijo, como se suponía en la derivación de la EQQ; en
lugar de eso, si la cantidad del pedido aumenta lo suficiente, se obtiene un descuento en el
precio. Por lo tanto, en este caso se requiere un nuevo enfoque para encontrar el mejor
tamaño del lote, es decir, un método que sopese las ventajas de comprar materiales a
precios más bajos y tener que hacer menos pedidos(es decir, los beneficios de hacer
pedidos por grandes cantidades), frente a la desventaja que implica el incremento del costo
por el manejo de un inventario mayor.
El costo anual total incluye ahora no solamente el costo de manejo de inventario, (Q/2) (H)
y el costo de hacer pedidos, (D/Q) (S), sino también el costo de los materiales comprados.
Cualquiera que sea el nivel de precios por unidad, P, el costo total es:
42
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
1. A partir del precio más bajo de todos, calcule la EOQ para cada nivel de precios, hasta
que encuentre una EOQ factible. Sabrá usted que ésta es factible si se encuentra en el rango
correspondiente a un precio. Cada EOQ subsiguiente es más pequeña que la anterior porque
p, y por lo tanto H, se vuelve cada vez más grande y porque esa H más grande está en el
denominador de la fórmula de la EOQ.
2. Si la primera EOQ factible que encuentre corresponde al nivel de precios más bajo, esta
cantidad representará el mejor tamaño del lote. Si no es así, calcule el costo total
correspondiente a la primera EOQ factible y a la mayor magnitud del cambio de precio, en
cada nivel de precios más bajo. La cantidad a la cuál corresponde el costo total más bajo de
todos será la óptima.
EJEMPLO PRÁCTICO
Uno de los proveedores del sistema de salud de Lower Florida Keys ha presentado su plan
de precios de descuento por cantidad para alentar a sus clientes a que compren mayores
cantidades de un catéter de tipo especial. El plan de precios propuesto es el siguiente:
Lower Florida ha estimado que la demanda anual para este artículo es de 936 unidades, el
costo que implica hacer esos pedidos es de $45 por pedido y su costo anual de manejo de
inventario representa el 25% del precio unitario del catéter. ¿Qué cantidad de dicho catéter
tendrá que pedir el hospital para minimizar su total de costos?
SOLUCION
Paso 1. Encuentre la primera EOQ factible, comenzando con el nivel de precios más bajo:
43
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Un pedido de 77 unidades cuesta realmente $60 por unidad, en lugar del costo de $57 por
unidad que se uso en el cálculo de la EQQ; por lo tanto, esta EQQ no es factible.
Intentemos ahora con el nivel de $58.80:
Esta cantidad es factible, porque se encuentra dentro del rango correspondiente a su precio,
P = $60.00.
Paso 2. La primera EQQ factible, de 75, no constituye el nivel de precios más bajo de
todos. Por lo tanto, tendremos que comparar su costo total con las cantidades
correspondientes al cambio de precio (300 unidades y 500 unidades), en los niveles de
precio más bajos ($58.80 y $57.00):
44
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
TALLER DE APLICACIÓN
1. El equipo Bucks de la liga mayor de béisbol rompe cuatro bates por semana, en
promedio. El equipo compra sus bates de béisbol a Corkys, un fabricante que se distingue
porque tiene acceso a la mejor madera maciza. El costo de hacer el pedido es de $70 y el
costo anual del manejo de inventario por bat y por año representa el 38% del precio de
compra. La estructura de precios de Corkys es la siguiente:
La librería ha supuesto que la demanda anual será de 500 unidades. Hacer un pedido le
cuesta $10 y el costo anual por manejo de inventario de una unidad es equivalente al 10%
del precio de la misma. Determine cuál es la mejor cantidad del pedido.
Hasta ahora habíamos supuesto que el pedido llegaba instantáneamente o que la producción
se reabastecía de inmediato. Sin embargo en la práctica una empresa manufacturera va
produciendo paulatinamente y a través del tiempo va vendiendo los artículos que le son
45
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Recordemos además:
b>a
Debemos hallar el costo total por unidad de tiempo ($/tiempo). Primero hallaremos los
costos únicamente para un ciclo, por lo que los costos estarán en ($).
46
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
47
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ejemplo:
48
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Manufactura de bocinas para televisores debe producir 38643 bocinas cada 4.83 meses para
minimizar los costos de manejo de los inventarios.
Es una necesidad en casi todas las compañías saber la composición de sus inventarios. Es
por ello que existen formas de clasificarlos según su importancia.
El sistema de clasificación ABC nos ayuda a clasificar los inventarios en tres categorías:
A: Muy importantes.
B: Medianamente importantes.
49
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ejemplo:
50
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Hasta el momento hemos venido suponiendo que la demanda es conocida y cierta. Modelo
de un período sin costo fijo sin embargo la mayoría de los casos nos muestran demandas
inciertas y desconocidas. Suponiendo que la demanda para un período es una variable
aleatoria, es posible conocer su distribución de probabilidad.
El distribuidor ha analizado sus costos y ha determinado que los siguientes factores son
importantes:
1. Costo de ordenar:
51
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Definamos
y : Cantidad comprada por el distribuidor al fabricante
D : Cantidad demandada por las tiendas al distribuidor
Ingreso neto = p * cantidad vendida por el distribuidor
- c * cantidad comprada por el distribuidor
- h * cantidad no vendida y liquidada al valor de recuperación
52
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
53
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
54
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
55
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
2. Mac-in-the-Box, Inc., vende equipo de computadoras mediante pedidos que los clientes
hacen por teléfono y por correo. Mac vende 1200 escáneres de cama plana cada año. El
costo del pedido es de $300 y el costo anual del manejo de inventario representa el 16% del
precio del artículo. El fabricante del escáner le ha propuesto la siguiente estructura de
precios a Mac-in-the-Box.
¿Con qué cantidad del pedido se logra minimizar el total de los costos anuales?
56
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
K
C
H
B
Q*
I
D
57
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Bernstein, Peter L. (1998). Against the Gods, the remarkable story of risk. USA, John
Wiley.
Hanke, John E.; Wichern, Dean W. & Reitsch, Arthur G. (2001). Business Forecasting.
Seventh Edition. USA, New Jersey: Prentice Hall
Makridakis, Spyros. (1993). Pronósticos. Estrategia y Planificación para el siglo XXI.
Madrid, España: Ediciones Díaz de Santos, S.A.
58
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
UNIDAD 2
Justificación
El estudio de las colas es importante porque proporciona
tanto una base teórica del tipo de servicio que podemos
esperar de un determinado recurso, como la forma en la
cual dicho recurso puede ser diseñado para proporcionar
un determinado grado de servicio a sus clientes.
Debido a lo comentado anteriormente, se plantea como
algo muy útil el desarrollo de una herramienta que sea
capaz de dar una respuesta sobre las características que
tiene un determinado modelo de colas.
59
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
60
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
ANALISIS DE MARKOV
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un
evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen
memoria. “Recuerdan” el último evento y esto condiciona las posibilidades de los eventos
futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las
series de eventos independientes, como tirar una moneda al aire o un dado.
En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de
compra de los consumidores, para pronosticar las concesiones por deudores morosos, para
planear las necesidades de personal y para analizar el reemplazo de equipo. Aunque no es
una herramienta que se use mucho, el análisis de Markov puede proporcionar información
importante cuando es aplicable.
DEFINICIÓN Un proceso estocástico de tiempo discreto es una cadena de Markov si, para
t = 0,1,2,... y todos los estados,
(1) P(Xt+1 = i t+1 \ X t = i t,. Xt-1= it-1, …, X1 = i1, X 0= i0) = P(Xt+1 = i t+1 \ X t = i)
En esencia, la ecuación (1) dice que la distribución de probabilidad del estado en el tiempo
t + 1 depende del estado en el tiempo t(i) y no depende de los estados por los cuales pasó la
cadena para llegar a i, en el tiempo t.
En el estudio de las cadenas de Markov haremos la hipótesis adicional que para lodos los
estados i y j, y toda t, P(Xt+1 = i \ X t = j ) es independiente de t. Esta hipótesis permite
escribir
61
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
donde pij es la probabilidad de que dado que el sistema está en el estado i en el tiempo t, el
sistema estará en el estado j en el tiempo t + 1. Si el sistema pasa del estado i durante un
periodo al estado j durante el siguiente, se dice que ha ocurrido una transición de i a j. Con
frecuencia se llaman probabilidades de transición a las pij en una cadena de Markov.
La ecuación (2) indica que la ley de probabilidad que relaciona el estado del siguiente
periodo con el estado actual no cambia. o que permanece estacionaria, en el tiempo. Por
este motivo, a menudo se llama Hipótesis de estabilidad a la ecuación (2). Toda cadena de
Markov que cumple con la ecuación (2) se llama cadena estacionionaria de Markov
También sabemos que cada elemento de la matriz P debe ser no negativo. Por lo tanto,
todos los elementos de la matriz de probabilidad de transición son no negativos; los
elementos de cada renglón deben sumar 1.
62
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
63
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
EJERCICIOS PRACTICOS
3. Escriba las observaciones que puede hacer a partir del diagrama de estados o de la matriz
de transición en cada caso.
Ahora que se sabe cómo presentar los datos, ¿ qué puede hacerse? Un análisis útil es
pronosticar el estado del sistema después de 1, 2, 3, o más periodos. Esto se llama análisis
de transición, debido a que es a corto plazo y está enfocado a periodos cortos.
EJEMPLO:
Considérese la siguiente cadena de Markov: una copiadora de oficina, poco segura. Si está
funcionando un día, existe un 75% de posibilidades de que al día siguiente funcione y un
64
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Supóngase que se está comenzando y que hay 75% de posibilidades de estar en el estado 1
y 25% de estar en el estado 2. Esto define el estado actual en forma probabilística. ¿Cuál es
la probabilidad de que la copiadora al 4 día este funcionando?
SOLUCION:
X0= Representa la proporción de objetos en cada estado al inicio del proceso (vector inicial
de distribución probabilística)
ESTADO ACTUAL
X4= x3.p
X3= x2.p
X2= x1.p
X1= x0.p
65
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Xn= x0.pn esta ecuación representa la proporción de objetos en el estado i que realizan la
transición al estado j durante un período.
De esta forma se hallan las otras probabilidades de transición, el resultado final es:
TALLER
66
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Encuentre las probabilidades de transición para los 5 ciclos siguientes, teniendo en cuenta
que el sistema se encuentra en el estado 1.
b. Encuentre las probabilidades de transición para los siguientes tres ciclos suponiendo el
inicio en el estado B.
3. Un gerente de crédito estima que el 95% de aquellos que pagan sus cuentas a tiempo un
mes, también lo harán el siguiente mes, sin embargo, de aquellos que se tardan, solo la
mitad pagara a tiempo la próxima vez.
a. Si una persona paga a tiempo. ¿ Cuál es la probabilidad de que pagara a tiempo durante 6
meses desde ahora?
Las compras de los consumidores están influidas por la publicidad, el precio y muchos
otros factores. Con frecuencia un factor clave es la última compra del consumidor. Si por
ejemplo, alguien compra un refrigerador maraca Y y le da un buen servicio, quedará
predispuesto a comprar otro refrigerador marca Y.
67
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
¿ Qué información puede obtenerse con el análisis de Markov? Con el análisis de transición
puede descubrirse que tan probable es que un cliente cambie después de cierto número de
ciclos. Pero el análisis de estado estable es el más útil. ¿Qué interpretación daría usted del
promedio a largo plazo de estar en cualquiera de los estados? ¡La de porcentajes de
mercado! El promedio a la larga del estado A es el porcentaje de mercado que puede
esperar recibir la marca A. Así, conociendo el grado de lealtad a la marca entre los clientes
puede predecirse el porcentaje de mercado para el producto o servicio.
Marca A Marca B
La matriz limite L tiene dos renglones idénticos, siendo la suma de sus componentes igual a
la unidad.
[ x1,x2].P = [ x1,x2]
0.3 0.7
Resultan 2 ecuaciones:
0.8x1+0.3x2= x1
0.2x1+0.7x2= x2
Y una tercera ecuación, clave para hallar la solución del sistema es:
X1+x2=1
68
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
De las dos primeras ecuaciones escogemos 1, pues las dos resultan ser la misma, para
trabajarla con la tercera. Utilizamos cualquier método de solución de sistemas de
ecuaciones, como reducción, igualación o sustitución.
X1= 0.6
X2= 0.4
Lo que significa que la marca A capturará a la larga el 60% del mercado y las otras marcas
tendrán el 40%.
Esta información puede ser útil en muchas formas. Una de ellas es al evaluar las diferentes
estrategias de publicidad. Esta publicidad puede estar dirigida a los clientes actuales en un
esfuerzo para incrementar la lealtad a la marca. De otra manera, puede dirigirse a los
compradores de otras marcas con el fin de persuadirlos para cambiar. ¿Cómo debe
asignarse un presupuesto de publicidad entre estas dos alternativas? El análisis de Markov
puede proporcionar una respuesta si se dispone de cierta información adicional.
TALLER
69
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
3. Un gerente de crédito estima que el 95% de aquellos que pagan sus cuentas a tiempo un
mes, también lo harán el siguiente mes, sin embargo, de aquellos que se tardan, solo la
mitad pagara a tiempo la próxima vez.
PROBLEMA RESUELTO
SOLUCIÓN:
70
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
según esto a brillo le corresponde en el primer año 58.8% del mercado, al segundo año
57.9% y al tercer año 57.26%.
La matriz limite L tiene dos renglones idénticos, siendo la suma de sus componentes igual a
la unidad.
[ x1,x2].P = [ x1,x2]
0.15 0.85
71
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Resultan 2 ecuaciones:
0.88x1+0.15x2= x1
0.12x1+0.85x2= x2
Y una tercera ecuación, clave para hallar la solución del sistema es:
X1+x2=1
De las dos primeras ecuaciones escogemos 1, pues las dos resultan ser la misma, para
trabajarla con la tercera. Utilizamos cualquier método de solución de sistemas de
ecuaciones, como reducción, igualación o sustitución.
X1= 0.55
X2= 0.45
Lo que significa que la marca brillo capturará a la larga el 55% del mercado y las otras
marcas tendrán el 45%.
Esta información puede ser utilizada para realizar campañas de publicidad encaminadas a
mantener o mejor subir la fidelidad de los clientes antiguos y a ganar clientes nuevos.
PROBLEMAS DE APLICACIÓN
1.Las uvas del valle de sonoma se clasifican como superiores, regulares o malas. Después
de una cosecha superior, las probabilidades de tener durante el siguiente año una cosecha
superior, regular o mala son de: 0, 0.8 y 0.2 respectivamente. Después de una cosecha
regular, las probabilidades de que la siguiente cosecha sea superior, regular y mala son de
0.2, 0.6 y 0.2. Después de una mala cosecha, las probabilidades de una cosecha superior,
regular y mala son de 0.1, 0.8 y 0.1. Determínense las probabilidades de una cosecha
superior para cada uno de los siguientes cinco años. si la cosecha más reciente fue regular.
2.Una línea aérea con un vuelo a las 7:15 p.m entre la ciudad de Nueva York y la ciudad de
washington,D.C; No desea que el vuelo salga retrasado dos días consecutivos. Si el vuelo
sale retrasado un día, la línea aérea realiza un esfuerzo especial al día siguiente para que el
vuelo salga a tiempo, y lo logra 90% de las veces. Si el vuelo no salió con retraso el día
anterior, la linea aérea no realiza arreglos especiales, y el vuelo parte de acuerdo con lo
programado el 60% de las veces. ¿ Que porcentaje de veces parte con retraso el vuelo?.
72
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
73
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
AREA:
Escuela de Ciencias Básicas Tecnología e
Ingeniería
ESTADÍSTICA
CIENCIAS BÁSICAS
NUMERO DE LA PRÁCTICA 2
NOMBRE DE LA PRÁCTICA Cadenas de Markov
NOMBRE DEL SOFTWARE WinQsb
Libre: ______x_____ Licenciado: _____________
Aspectos Teóricos:
Las cadenas de Markov es un proceso estocástico en el que los valores del tiempo son
discretos y los estados posibles de la variable aleatoria contienen valores discretos, es
decir, es una cadena estocástica de tiempo discreto.
74
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ejemplo 1:
Una copiadora que hoy se encuentra funcionando tiene una probabilidad de que el día de
mañana funcione correctamente de 65%. Pero si la copiadora hoy no está funcionando
existe un 40% de probabilidades de que mañana funcione. Nos interesa determinar en esta
cadena de Markov las probabilidades de encontrar la copiadora funcionando después de 1 o
varios días, teniendo en cuenta que como estado inicial vamos a suponer que la copiadora
está funcionando hoy. También determinaremos las probabilidades de estado estable que
significan las probabilidades de encontrar la copiadora funcionando después de n ciclos que
en nuestro caso son días.
Solución:
Nos dará la opción de elegir new problem, para introducir los datos de un nuevo ejercicio.
Luego nos aparece el siguiente pantallazo, en donde vamos a darle un titulo al problema y
colocamos también el número de estados, para nuestro ejemplo serán 2(la copiadora
funcionando y la copiadora no funcionando) y le damos ok.
75
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Al darle ok nos dara la opción de introducir los datos del ejercicio, que corrersponden a la
matriz de transición. En este caso es:
Matriz de transición
S1 S2
76
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
S1 0,65 0,35
S2 0,40 0,60
Entonces
Hay que resaltar que se debe colocar las probabilidades iniciales, en nuestro caso las que
corresponden al estado 1, según el enunciado del ejercicio.
Luego procedemos a resolver utilizando solve and analyse que encontramos en la barra
superior y elegimos markov process step
Obtenemos la siguiente tabla:
En esta casilla se coloca el numero de periodos que se quieren proyectar, en este caso
colocamos 1. El resultado que obtenemos 0,5625 corresponde a la probabilidad de
encontrar funcionando la copiadora al dia siguiente y 0,4375 de no estar funcionando si
tenemos en cuenta que la copiadora inicio funcionando.
Bastaria con variar este número para calcular las probabilidades de 2,3, 0 más periodos.
77
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Asi mismo hallamos la probabilidad de estado estable asignando por ejemplo el valor de
100 o eligiendo la opción steady state, que para nuestro ejemplo nos daria los siguientes
resultados:
Los que indica la flecha, es decir que a la larga la probabilidad de encontrar la copiadora
funcionando es de 53,33% y de no estar funcionando de 46,66%. Es de anotar que para el
cálculo de estas probabilidades no se necesita de un estado inicial, sea el valor que fuera
nos daría a largo plazo el mismo resultado.
Ejercicios de aplicación
1. En un pueblo, al 90% de los días soleados le siguen días soleados, y al 80% de los días
nublados le siguen días nublados. Con esta información modelar el clima del pueblo
como una cadena de Markov. Determinar la probabilidad de tener un día soleado al
tercer día si hoy tenemos un día nublado. A largo plazo ¿cuál es la probabilidad de
tener días soleados?
b) ¿Cuales son los porcentajes de días en los que el agente comercial está en cada una
de las tres ciudades?
Con el objeto de verificar si una situación determinada del sistema de líneas de espera se
ajusta o no a un modelo conocido, se requiere de un método para clasificar las líneas de
espera. Esa clasificación debe de responder preguntas como las siguientes:
1.-¿ El sistema de líneas de espera tiene un solo punto de servicio o existen varios puntos de
servicio en secuencia?
2.-¿Existe solo una instalación de servicio o son múltiples las instalaciones de servicio que
pueden atender a una unidad?
3.- ¿ Las unidades que requieren el servicio llegan siguiendo algún patrón o llegan en forma
aleatoria?
4.- ¿El tiempo que requieren para el servicio se da en algún patrón de o asume duraciones
aleatorias de tiempo?
INTRODUCCIÓN
79
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
JUSTIFICACION
OBJETIVOS
Identificar el nivel óptimo de capacidad del sistema que minimiza el costo global
del mismo.
LECTURA AUTOREGULADA
80
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
¿Qué tan popular es Disney World en Orlando, Florida? Desde que abrió en 1971, 200
millones de personas han visitado Disney World, y esperan en filas Para tener acceso a sus
muchas atracciones.
Lo administración de Disney Pone mucha atención a la forma en que trata a sus clientes
mientras esperan en las colas.
1. ¿Cuánto tiempo estaban dispuestos a esperar los clientes de Disney World para tener
acceso a las atracciones más populares? ¿Qué factores influyeron en sus decisiones?
2. Comente sobre la forma en que Disney revisa sus colas y con qué frecuencia lo hace.
3. ¿Qué tipos de datos objetivos y subjetivos recaba Disney para su modelo de simulación?
1. ¿Por qué los supermercados no utilizan el sistema de una sola fila que se ve en la
mayoría da los bancos?
2 ¿Qué ahorro en costos pueden resultar del uso de un modelo de colas para decidir cuántos
servidores controladores, cajeros, etcétera) tener trabajando?
ANTECEDENTES
81
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Población de Clientes:
Conjunto de todos los clientes posibles de un sistema de colas
Proceso de llegada:
La forma en que los clientes de la población llegan a solicitar un servicio
82
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Proceso de colas:
La forma en que los clientes esperan a que se les dé un servicio
Disciplina de colas:
La forma en que los clientes son elegidos para proporcionarles un servicio.
Proceso de servicio:
Forma y rapidez con que son atendidos los clientes
Proceso de Salida:
Forma en que los productos o los clientes abandonan un sistema de colas
Red de colas:
Sistema en el que un producto puede proceder de una estación de trabajo y pasar a otra
antes de abandonar el sistema.
83
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
84
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Para describir una cola se deben especificar un proceso de entrada y uno de salida. En la
siguiente tabla se presentan algunos ejemplos de procesos de entrada y salida.
EL PROCESO DE LLEGADA
El proceso de entrada se conoce, por lo general, por proceso de llegada. La llegada son los
clientes. En todos los modelos que estudiamos, suponemos que solo hay una llegada en un
instante dado. En el caso de un restaurante, es una suposición muy poco real. Si sucede que
hay más de una llegada en un instante dado, decimos que se permiten llegadas en masa.
Hay dos casos comunes en los que el proceso de llegada puede depender del número
presente de clientes. El primero se da cuando las llegadas se toman de una población
pequeña. Suponga que solo hay cuatro barcos en un astillero naval. Si los cuatro están en
reparación, entonces ningún barco se puede descomponer en el futuro cercano. Por otro
lado, si los cuatro barcos están en el mar, en el futuro cercano hay una probabilidad
relativamente alta de que suceda una descompostura.
Los modelos en los que las llegadas se toman de una población pequeña se llaman modelos
de origen finito. Otro caso en el que el proceso de llegada depende del número de clientes
presentes, se tiene cuando la rapidez a la que llegan los clientes a la instalación disminuye
cuando está demasiado concurrida. Por ejemplo, si el lector ve que el estacionamiento del
banco está lleno, podría pasar e ir otro día al banco. Si un cliente llega, pero no puede entrar
al sistema, decimos que el cliente ha declinado. El fenómeno de declinación (denegar o no
aprovechar su turno) fue explicado por Yogi Berra cuando dijo: "Nadie va ya al restaurante;
está demasiado concurrido."
85
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Para describir el proceso de salida, que con frecuencia se llama proceso de servicio, de un
sistema de cola, en general especificamos una distribución de probabilidad; la distribución
del tiempo de servicio, que gobierna el tiempo de servicio a un cliente. En la mayor parle
de los casos suponemos que la distribución de tiempo de servicio es independiente del
número de clientes presentes. Esto significa, por ejemplo, que el servidor no trabaja más
rápido cuando hay más clientes.
DISCIPLINA DE LA COLA
Para explicar por completo un sistema de cola, también debemos explicar la disciplina de la
cola y la manera en la que los clientes se unen a ella.
La disciplina de la cola es el método que se usa para determinar el orden en el que se sirve a
los clientes. La disciplina más común es la disciplina FIFO (el primero en llegar primero en
ser servido), en la que los clientes son servidos en el orden de su llegada. Bajo la disciplina
LIFO (último en llegar, primero en ser servido), las llegadas más recientes son las primeras
en recibir el servicio. Si pensamos que la salida de un elevador sea un servicio, entonces un
elevador muy lleno ilustra una disciplina LIFO. A veces, el orden en el que llegan los
clientes no tiene efecto alguno sobre el orden en que se les sirve. Este sería el caso si el
siguiente cliente en llegar se selecciona al azar de entre los que están esperando para ser
atendidos. A este caso se le llama disciplina SEOA (servicio en orden aleatorio). Cuando al
llamar a una aerolínea se les pide que esperemos, la suerte de la selección determina con
frecuencia al siguiente interlocutor que es atendido por un operador.
Otro factor que tiene un importante efecto sobre el comportamiento de un sistema de cola
es el método que usen los clientes para determinar a cuál cola unirse. Por ejemplo, en
algunos bancos los clientes deben hacer una sola cola, pero en otros, pueden escoger la cola
donde formarse. Cuando hay varias colas, con frecuencia los clientes se forman en la más
86
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Es un conjunto de individuos (no necesariamente seres vivos) que pueden llegar a solicitar
el servicio en cuestión. Podemos considerarla finita o infinita. Aunque el caso de infinitud
no es realista, sí permite (por extraño que parezca) Resolver de forma más sencilla muchas
situaciones en las que, en realidad, la población es finita pero muy grande. Dicha
suposición de infinitud no resulta restrictiva cuando, aún siendo finita la población
potencial, su número de elementos es tan grande que el número de individuos que ya están
solicitando el citado servicio prácticamente no afecta a la frecuencia con la que la población
potencial genera nuevas peticiones de servicio.
Cliente:
Es todo individuo de la población potencial que solicita servicio. Suponiendo que los
tiempos de llegada de clientes consecutivos son 0<t1<t2<..., será importante conocer el
patrón de probabilidad según el cual la fuente de entrada genera clientes. Lo más habitual
es tomar como referencia los tiempos entre las llegadas de dos clientes consecutivos:
consecutivos: clientes consecutivos: T{k} = tk - tk-1, fijando su distribución de
probabilidad. Normalmente, cuando la población potencial es infinita se supone que la
distribución de probabilidad de los Tk (que será la llamada distribución de los tiempos entre
llegadas) no depende del número de clientes que estén en espera de completar su servicio,
mientras que en el caso de que la fuente de entrada sea finita, la distribución de los Tk
variará según el número de clientes en proceso de ser atendidos.
Capacidad de la cola:
Es el máximo número de clientes que pueden estar haciendo cola (antes de comenzar a ser
servidos). De nuevo, puede suponerse finita o infinita. Lo más sencillo, a efectos de
simplicidad en los cálculos, es suponerla infinita. Aunque es obvio que en la mayor parte de
los casos reales la capacidad de la cola es finita, no es una gran restricción el suponerla
infinita si es extremadamente improbable que no puedan entrar clientes a la cola por
haberse llegado a ese número límite en la misma.
Disciplina de la cola:
Es el modo en el que los clientes son seleccionados para ser servidos. Las disciplinas más
habituales son:
La disciplina FIFO (first in first out), también llamada FCFS (first come first served): según
la cual se atiende primero al cliente que antes haya llegado.
87
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
La disciplina LIFO (last in first out), también conocida como LCFS (last come first served)
o pila: que consiste en atender primero al cliente que ha llegado el último.
La RSS (random selection of service), o SIRO (service in random order), que selecciona a
los clientes de forma aleatoria.
Mecanismo de servicio:
Es el procedimiento por el cual se da servicio a los clientes que lo solicitan. para determinar
totalmente el mecanismo de servicio debemos conocer el número de servidores de dicho
mecanismo (si dicho número fuese aleatorio, la distribución de probabilidad del mismo) y
la distribución de probabilidad del tiempo que le lleva a cada servidor dar un servicio. En
caso de que los servidores tengan distinta destreza para dar el servicio, se debe especificar
la distribución del tiempo de servicio para cada uno.
La cola:
Es el conjunto de clientes que hacen espera, es decir los clientes que ya han solicitado el
servicio pero que aún no han pasado al mecanismo de servicio.
El sistema de la cola:
Valor numérico que se utiliza para evaluar los meritos de un sistema de colas en estado
estable.
CONDICIONES:
1. Población de clientes infinita.
2. un proceso de colas que consiste en una sola línea de espera de capacidad infinita, con
una disciplinas de colas de primero en entrar primero en salir. FIFO.
3. un proceso de servicio que consiste en un solo servidor que atiende a los clientes de
acuerdo con una distribución infinita.
88
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
FORMULAS:
Taza de Servicio: número promedio de clientes atendidos por unidad de tiempo (μ).
U=p p=λ/μ
Probabilidad de que hayan clientes en el sistema o que el sistema este
ocioso.
Po = 1-p
Tiempo Promedio en la Cola: tiempo promedio de un cliente que llega tiene que esperar en
la cola antes de ser atendidos.
Wq = λ / μ (μ-λ)
Wq = 1 (μ-λ)
89
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
90
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Para seguir adelante, necesita ahora conocer el costo por hora de cada Miembro del
personal de reparación (denotado con C8) y el costo por hora de Una máquina fuera de
operación (denotado por CW), que es el costo de una hora de producción perdida. Suponga
que el departamento de contabilidad le informa que cada reparador le cuesta a la compañía
$50 por hora, incluyendo impuestos, prestaciones, etc. El costo de una hora de producción
perdida deberá incluir costos explícitos, como la contabilidad de ganancias no obtenidas, y
costos implícitos, como la perdida de voluntad por parte del cliente si no se cumple con la
fecha limite de la entrega. Estos costos implícitos son difíciles de estimar. Sin embargo
suponga que el departamento de contabilidad estima que la compañía pierde $ 100 por cada
hora que una máquina esté fuera de operación. Ahora ya puede calcular un costo total para
cada uno de los tamaños de personal. Para un personal de siete reparadores, el número
esperado de máquinas en el sistema es 12.0973, de modo que:
91
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Realizando cálculos parecidos para cada uno de los tamaños de personal restantes se tiene
como resultado los costos por hora de cada alternativa que presentamos en la siguiente
tabla:
De los resultados, usted puede ver que la alternativa que tiene menor costo por hora, $
1128.63, es tener un total de nueve reparadores. En consecuencia, su recomendación a la
gerencia de producción de la empresa X, es contratar a dos reparadores adicionales. Estor
dos nuevos empleados tendrán un costo de $100 por hora, pero este costo adicional está
más que justificado por los ahorros que se tendrán con menos máquinas fuera de operación.
La recomendación reducirá el costo por hora de $ 1559.73 a $ 1128.63, un ahorro de
aproximadamente $ 430 por hora, mayor que la cantidad que cubre sus honorarios.
CARACTERÍSTICAS CLAVES
92
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
EJEMPLO DESARROLLADO
La Concesión Neiva – Bogotá, tiene unas estaciones para el pesado de camiones cerca de
sus peajes, para verificar que el peso de los vehículos cumpla con las regulaciones viales.
La administración de la Concesión está considerando mejorar la calidad del servicio en sus
estaciones de pesado y ha seleccionado una de sus estaciones como modelo a estudiar antes
de instrumentar los cambios. La administración desea analizar y entender el desempeño del
sistema actual durante las horas pico, cuando llega a la báscula el mayor número de
camiones, suponiendo que el sistema puede desempeñarse bien durante este periodo, el
servicio en cualquier otro momento será aún mejor. Para estimar las tasas promedio de
llegada y de servicio en la estación, los datos disponibles que la gerencia determina para los
valores son:
Solución:
93
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
94
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
2 0.0759
3 0.0684
. .
. .
8 Utilización ( U ) :
U = p= 0.9091
Este valor indica que aproximadamente 91% del tiempo las instalaciones de pesado están
en uso (un camión está siendo pesado). De manera equivalente, aproximadamente 9% del
tiempo la estación está sin funcionar, sin que haya camiones que se estén pesando.
95
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
INTRODUCCIÓN
Una suposición importante de programación lineal es que todas sus funciones Función
objetivo y funciones de restricción son lineales. Aunque, en esencia, esta suposición se
cumple para muchos problemas prácticos, es frecuente que no sea así. De hecho, muchos
economistas han encontrado que cierto grado de no linealidad es la regla, y no la excepción,
en los problemas de planeación económica, por lo cual, muchas veces es necesario manejar
problemas de programación no lineal de una manera general, el problema de programación
no lineal consiste en encontrar x = ( x1,x2,....xn ) para maximizar f(x), sujeta a:
g(x) bi, para i= 1, 2,3....m
y x 0
en donde f(x) y las g(x) son funciones dadas de n variables de decisión.
No se dispone de un algoritmo que resuelva todos los problemas específicos que se ajustan
a este formato. Sin embargo, se han hecho grandes logros en lo que se refiere a algunos
casos especiales, haciendo algunas suposiciones sobre las funciones, y la investigación
sigue muy activa.
En este caso se destaca el estudio de optimización en una variable sin restricciones de la
forma:
Optimizar z = f(x)
Donde f es función no lineal de x y la optimización se realiza en (-∞, ∞). Si la búsqueda se
circunscribe a un sub. Intervalo finito [a, b] el problema es de optimización no lineal
restringida y se transforma a optimizar z = f(x) con la condición a x b.
96
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Ejemplo
Minimizar z = x12+X22
Donde ambas restricciones son lineales, con n = 2 (dos variables) c11 = 1; c12 = c21 = 0; c22
= 1 y d1 = d2 = 0.
MULTIPLICADORES DE LAGRANGE.
Las condiciones que establecen las condiciones de optimalidad de KKT permiten resolver
modelos de PNL con restricciones mediante la activación progresivas de las restricciones
del modelo. Una restricción activa es aquella que se cumple en igualdad.
97
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
Se pueden utilizar los multiplicadores de Lagrange para resolver los problemas no lineales
en los cuales las restricciones son igualdades. Consideramos los del tipo siguiente:
En este punto se desarrolla un método para optimizar funciones continuas que son dos
veces diferenciables. La idea general es generar puntos sucesivos comenzando en un punto
inicial dado, en la dirección del aumento más rápido maximización) de la función. Está
técnica se conoce como método del gradiente porque el gradiente de la función en un punto
es lo que indica la tasa más rápida de aumento.
En este sentido el método del gradiente (conocido también como método de Cauchy o del
descenso más pronunciado) consiste en un algortimo específico para la resolución de
modelos de PNL sin restricciones, perteneciente a la categoría de algoritmos generales de
descenso, donde la búsqueda de un mínimo está asociado a la resolución secuencial de una
serie de problemas unidimensionales.
Los pasos asociados a la utilización del método del gradiente o descenso más pronunciado
consiste en:
99
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
EL MÉTODO DE NEWTON-RAPHSON.
se Xk un punto dado. Entonces por el desarrollo de Taylor fi(X)= fi (Xk ) + fi(Xk) (X-Xk) , i=
1, 2, ...., m
Por consiguiente, las condiciones originales pueden aproximarse por
fi (Xk) + fi (Xk) (X-Xk) = 0 , i= 1, 2, ...., m
k
Estas ecuaciones pueden escribirse en notación matricial como Ak + Bk (X - X ) = 0
Bajo la hipótesis de que todas las fi(X) son independientes Bk necesariamente es
no singular. Por consiguiente, la última ecuación proporciona X = Xk -Bk-1Ak
La idea del método es comenzar desde un punto inicial X0. Utilizando la ecuación anterior,
siempre puede determinarse un nuevo punto Xk+1a partir de Xk.
El procedimiento finaliza con Xm como la solución cuando Xm = Xm-1 .
TALLER
En los siguientes ejercicios identifique y describa los siguientes aspectos del escenario de
colas:
a. Los clientes y los servidores
100
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
101
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CONTENIDO DIDÁCTICO DEL CURSO: 104561 –MÉTODOS PROBABILÍSTICOS
BIBLIOGRAFÍA
102