MODELO DE INVENTARIOS

PRESENTADO POR:
BERRIO KEEYTH ANDREA
CONSUEGRA PAMELA
ESCOBAR DANIELA
MEDINA YESMITH
VERTEL WILLINTON

DOCENTE
FREDY MARTÍNEZ

UNIVERSIDAD DE CÓRDOBA
FACULTAD DE INGENIERAS
INGENIERÍA INDUSTRIAL
OPERACIONES II
MONTERÍA – CÓRDOBA
2017
 INTRODUCCIÓN
En la realización del siguiente trabajo nos enfocaremos en la investigación y aprendizaje de
temas de gran importancia en las investigaciones de operaciones, temas referentes a
modelos de inventario y modelos de cola los cuales desempeñan un papel muy importante
en la dinámica de las empresas, economía y al igual que un gran número actividades que
realizamos a diario. Además de hacer investigaciones en la parte teórica, también
complementaremos con ejercicios propuestos en los textos de investigación o en los sitios
web de consulta, dando solución a estos mediante el conocimiento adquirido en las
consultas de los subtemas.
 OBJETIVOS

- Adquirir conocimiento sobre la diferenciación de las posibles situaciones que se pueda

presentar en el manejo de los inventarios de una organización.

- Relacionarse con los conceptos de inventario y los modelos de inventarios para una mejor
toma de decisiones.

- Tomar una posición en la que se es capaz de identificar la variación de la posible aplicación

de los modelos de inventarios según la actividad que realice la organización debido a que
no todos los modelos pueden aplicarse a una misma empresa.
 MODELO DE LA CANTIDAD ECONOMICA A ORDENAR (EOQ)

La cantidad económica de pedido busca encontrar el monto de pedido que reduzca al mínimo el costo
total del inventario de la empresa.

Una de las herramientas que se utilizan para determinar el monto óptimo de pedido para
un artículo de inventario es el modelo de la cantidad económica de pedido (CEP). Tiene en
cuenta los diferentes costos financieros y de operación y determina el monto de pedido que
minimice los costos de inventario de la empresa.

El modelo de la cantidad económica de pedido se basa en tres supuestos fundamentales, el

primero es que la empresa conoce cuál es la utilización anual de los artículos que se
encuentran en el inventario, segundo que la frecuencia con la cual la empresa utiliza el
inventario no varía con el tiempo y por último que los pedidos que se colocan para
reemplazar las existencias de inventario se reciben en el momento exacto en que los
inventarios se agotan.

Este modelo puede utilizarse para controlar los artículos en existencia en los inventarios de la
empresa.

Los costos básicos:

Dentro de los costos que se deben tener en cuenta para la implementación de este modelo
están:

 Costos de pedido: Son los que incluyen los costos fijos de oficina para colocar y
recibir un pedido, o sea, el costo de preparación de una orden de compra,
procesamiento y la verificación contra entrega. Estos se expresan en términos de
gastos o costos por pedido.
 Costos de mantenimiento del inventario: Son los costos variables unitarios de
mantener un artículo en el inventario por un periodo determinado. Entre los más
comunes se encuentran los costos de almacenamiento, los costos de seguro, los
 costos de deterioro y obsolescencia y el costo de oportunidad. Estos son expresados
en términos de costos por unidad por periodo.
 Costos totales: Es que se determina en la suma del pedido y de los costos de
mantenimiento del inventario. Su objetivo es determinar el monto de pedido que
los minimice.

MÉTODOS DE CÁLCULO Y APLICACIÓN

La cantidad económica de pedido puede calcularse por dos métodos principalmente, uno
de tipo gráfico y otro de tipo matemático, a continuación se presentan sus fundamentos.

MÉTODO GRÁFICO

La cantidad económica de pedido se puede encontrar gráficamente representando montos

de pedido sobre el eje x y los costos sobre el eje y.

Así se aprecian los siguientes aspectos:

1. La función de Costo de pedido varía a la inversa con el monto del pedido, esto se
explica por el hecho de que como la utilización anual es fija, si se piden cantidades
mayores cantidades, hay menos pedidos y en consecuencia se incurren en menos
costos.
 2. Los Costos de mantenimiento de inventario están directamente relacionados con
los montos de pedido.
3. La función de Costo total tiene forma de “U”, lo cual significa que existe un valor
mínimo de función.
4. La línea de costo total representa la suma de los costos de pedido y costos de
mantenimiento de inventario para cada monto de pedido.
5. La función total de costo es de muy poca pendiente, lo cual indica que el costo total
es relativamente indiferente a pequeñas desviaciones que se apartan de la CEP.

MÉTODO MATEMÁTICO

Como se expresó anteriormente la cantidad económica de pedido es aquella que minimiza

la función de costo total, matemáticamente este costo mínimo total se presenta cuando el
costo de pedido y el costo de mantenimiento son iguales. La fórmula para calcular la CEP
es:

2𝑅𝑆
𝐶𝐸𝑃 = √
𝐶

Donde:

R = Cantidad de unidades requeridas por periodo.

S = Costo de pedido.

C = Costo de mantenimiento de inventario por unidad de periodo.

Con el siguiente ejemplo se puede apreciar las bases de su implantación.

Aplicando la fórmula de la cantidad económica de pedido se tiene:

2 ∗ 1600 ∗ 50
𝐶𝐸𝑃 = √
1

𝐶𝐸𝑃 = 400 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

Como se muestra en la tabla, el costo total mínimo se presenta en un pedido por una
cantidad de 400 unidades, en consecuencia esta es la cantidad económica de pedido.
DEFECTOS DEL MODELO CEP

El modelo de cantidad económica de pedido tiene ciertos defectos que son directamente
atribuibles a las suposiciones en las cuales se basa entre los más notables se encuentran:

 La suposición de un ritmo constante de utilización y renovación instantánea de

existencias es bastante dudosa.
 La mayoría de empresas mantienen existencias de protección como salvaguarda
para un aumento inesperado en la demanda o entregas lentas.
 Es muy complicado conocer con anterioridad la demanda anual de artículos.

Aunque se presentan estos defectos estructurales, el modelo proporciona mejores bases a

quien toma las decisiones dentro de la empresa. Aunque normalmente el administrador
financiero no está directamente relacionado con la utilización de esta metodología, debe
saber sus fundamentos y utilización, ya que esta debe presentarse en la información
respecto a los costos financieros.
 MODELO LEP (LOTE ECONÓMICO DE PRODUCCIÓN)

En este modelo, el empresario de dedica a la producción de un bien. El lote económico es

la cantidad de inventario que debe de producirse, para satisfacer una demanda futura, de
tal manera que el costo total en que se incurre por: fabricar, mantener el inventario y por
pedidos pendientes sea el mínimo posible.

MODELO
Normalmente una orden de pedido es seguida de una orden de producción del artículo
pedido, por lo que es necesario un cierto periodo de tiempo para completar dicha orden de
producción. Durante este tiempo el artículo está siendo producido y demandado. Para que
este caso tenga sentido la tasa de producción, tiene que ser mayor que la tasa de demanda,
ya que si no fuese así no existiría inventario en ningún momento.
Se define la tasa de producción, P, como el número de unidades producidas en un periodo
de tiempo generalmente un año.

Cuando el inventario se agota, punto A, se inicia la producción de la orden de pedido del

lote Q. Se requiere un tiempo de producción Q/P. Durante este tiempo, el inventario se va
acumulando a una tasa P-D, por lo que cuando se acabe la producción del lote de tamaño
Q se alcanzará el nivel máximo de inventario I (punto B), que es:

Desde este punto, el nivel de inventario decrece, como consecuencia de una demanda
uniforme y constante, cuando las existencias se agotan el ciclo se inicia de nuevo.

Costo anual de emisión:

El inventario promedio:
Por lo que el costo anual de mantener inventarios es:

El costo total anual:

Podemos obtener de la misma forma que para el caso del modelo simple, el valor del lote
óptimo que minimiza los costos:

Como era de esperar, para un aprovisionamiento instantáneo, P = ∞, obtenemos la fórmula

de Cantidad Económica de Pedido.

Los supuestos de este modelo son los mimos que el modelo EOQ con la siguiente variante:

1. La empresa puede producir R unidades por unidad de tiempo. En cualquier instante la

cantidad producida es R*t.
GRÁFICO DE LA PRODUCCIÓN CON RESPECTO AL TIEMPO

Donde:

Cu= Costo unitario

D= Demanda

Cmi= Costo de mantener inventario

Co= Corrida de producción

Q= Demanda del periodo

N= número de pedidos en el año

R= Rata de producción

T1= tiempo de producción

T2= tiempo del agotamiento del inventario

Imáx= Inventario máximo

d= tasa de demanda diaria

EJEMPLO:

1. All-Star Bat Manufacturing suministra bates de béisbol a equipos de ligas

mayores y menores. Después de un pedido inicial es enero, la demanda
durante la temporada de beisbol de seis meses es aproximadamente
constante con 1000 bates mensuales. Suponiendo que el proceso de
producción puede manejar hasta 4000 bates por mes, los costos de montaje
de la producción son $150 por montaje, el costo de producción es $10 por
unidad y que los costos de mantener tienen una tasa mensual de 2%. ¿Qué
tamaño del lote de producción recomendaría para cumplir con la demanda
durante la temporada de béisbol? ¿Si All-Star opera 20 días por mes, con
cuanta frecuencia operará el proceso de producción y cuál es la duración de
una corrida de producción?
SOLUCIÓN:

Lote económico de producción:

 MODELO DE DESCUENTO POR CANTIDAD

El único modelo donde el costo unitario cambia es en el de descuento por cantidad, es decir,
que al cliente se le hace más atractivo comprar por volumen. El costo del volumen, incurre
en el costo de mantener inventario. A menudo esto ocurre, cuando los proveedores en aras
de vender más, incentivan a sus clientes por medio de descuentos en el costo unitario,
otorgados por cantidades mayores de pedidos.

El costo como tal no es lineal.

Aplicamos este modelo siguiendo los siguientes pasos dados a continuación:

Paso 1: para cada categoría de descuento, se calcula un Q* usando la fórmula de EOQ,

basados en el costo unitario asociado para cada categoría de descuento.

Paso 2: En caso de que el Q* sea demasiado pequeño para clasificar entre una categoría de
descuentos que se quiere tomar, ajustarlo, acercándolo al mínimo de cantidad que se puede
pedir para clasificar en el descuento. Y si por el contrario este es demasiado grande,
ajustarlo, a la cantidad máxima que se puede pedir para clasificar en la categoría de
descuento.

Paso 3: Para cada cantidad, ordenar el resultante de los paso 1 y 2, calcular el costo total
anual usando el costo unitario para la categoría de descuento apropiada. Y de esta forma la
cantidad que produzca el costo total anual mínimo es la cantidad óptima a ordenar.

EJEMPLO:

El proveedor de la empresa XYZ, está ofreciendo para sus clientes los siguientes descuentos,
otorgados según la cantidad de pedido, en donde sí se pide más, el descuento es mayor,
por ende el costo unitario es menor:
 Categoría Q (cantidad) Descuento % Costo unitario
1 0-999 0 5
2 1000-2444 3 4,85
3 > =2500 5 4,75

De esta forma, suponemos que la empresa que vende el producto X, cuya demanda y costos
se muestran a continuación

Demanda = 5000 uds

Cp = 49 uds monetarias

Cmi = 20%Cu

SOLUCIÓN:

Según el modelo EOQ

2𝐶𝑝𝐷
𝑄=√
𝐶𝑚𝑖

𝑄∗ 𝑄∗
𝐶𝑇𝐴(𝑄 ∗) = 𝐶𝑢 𝑃 + 𝐶𝑜𝑝 + 𝐶𝑚𝑖
𝐷 2

Para la categoría 1

2(49)(5000)
𝑄=√
(0,2)(5)

𝑄 = 700 𝑢𝑑𝑠

49 × 5000 700
𝐶𝑇𝐴(𝑄 ∗)[0 − 999] = 5(5000) + + 0,2(5)
700 2
𝐶𝑇𝐴(𝑄 ∗) = 25000 + 350 + 350

𝐶𝑇𝐴(𝑄 ∗) = $25700

Como vemos en el ejemplo, al calcular la cantidad optima de unidades a pedir Q* esta cae
dentro del rango, para este descuento, y es por ello que se optimiza la función costo total
anual.

Para la categoría 2

2(49)(5000)
𝑄 ∗ [1000 − 2444] = √
(0,2)(4,85)

𝑄 ∗= 710.74 ~ 711 𝑢𝑑𝑠

Como vemos, Q* según el precio 4,85; cae fuera del rango, en el que se puede acceder al
descuento; entonces, para poder acceder a este descuento, se aproxima en Q* a la cantidad
más cercana a él, en este caso 1000; y es entonces esta la Q* con la que se calculará el costo
total anual. Como entonces ya mi cantidad Q* está dentro del rango, al calcular el CTA se
coloca el precio del descuento para la categoría 2.

5000 1000
𝐶𝑇𝐴(𝑄 ∗) = 5000(4,85) + 49 + (0,2)(4,85)
1000 2

𝐶𝑇𝐴(𝑄 ∗) = 24250 + 245 + 485

𝐶𝑇𝐴(𝑄 ∗) = $24980

Para la categoría 3

2(49)(5000)
𝑄 ∗ [≥ 2500] = √
(0,2)(4,75)
𝑄 ∗ [≥ 2500] = 718 𝑢𝑑𝑠

Como vemos sucede lo mismo que en el caso anterior, ya que Q* vuelve a caer fuera del
rango de aceptación del descuento, entonces se aproxima a el valor más cercano a Q*, en
este caso 2500 uds.

5000 2500
𝐶𝑇𝐴(𝑄 ∗) = 5000(4,75) + 49 + (0,2)(4,75)
1000 2

𝐶𝑇𝐴(𝑄 ∗) = 23750 + 98 + 1187,5

𝐶𝑇𝐴(𝑄 ∗) = $25035,5

Como podemos observar en los dos últimos casos, se está gastando menos en pedir pero el
costo de mantener inventario está aumentando.

Con base en los cálculos realizados, la Q* a pedir es 1000, ya que esta es la que minimiza la
función costo total anual.
 MODELOS PROBABILISTICO

Un modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de datos

obtenidos de muestreos de datos con comportamiento que se supone aleatorio. (Villarreal,
1989)
Definición de distribución de probabilidad: Es aquella que permite calcular todos los
resultados probables de ocurrir de un experimento determinado, así como la probabilidad
de ocurrencias de estos resultados.
Las características más importantes a tener en cuenta en una distribución de probabilidad
son:
- La probabilidad de un resultado específico está entre cero y uno.

- La suma de las probabilidades de todos los resultados mutuamente excluyentes es 1. ‰

Definición de función de distribución de probabilidad: La función de probabilidad de una

variable aleatoria es la probabilidad acumulada hasta un valor determinado de la variable.
Dada una variable aleatoria X, diremos que F(a) es la función de distribución tal que:

F(a) = P(X≤a)

La función de distribución de probabilidad cumple 0 ≤ F(x) ≤ 1.

En el caso de las variables discretas la función de probabilidad se asocia con la función de

probabilidad, función que da la probabilidad de cada posible valor que toma la variable.

En el caso de las continuas como estas pueden tomar infinitos valores en un intervalo su
función de probabilidad viene definida como la probabilidad a intervalos de valores. De
hecho, la probabilidad de que la variable tome un determinado valor es nula. Las variables
aleatorias continuas se caracterizan por una función denominada función de densidad.

Definición de función de probabilidad para una variable aleatoria discreta: Dada una
variable aleatoria discreta X, diremos que f(xi ) es la función de probabilidad que asocia a
cada valor xi de la variable su probabilidad, i.e., f(xi) = P(X=xi).
De este modo: F(a) = P(X≤a) es igual a la suma de todos los P(X=xi) tales que xi son menores
que a. ‰

Definición de función de densidad para una variable aleatoria continua: Dada una variable
aleatoria continua X la función de densidad f(x) asociada a una variable aleatoria continua
X caracteriza la función de distribución de probabilidad de X donde:

Los modelos probabilísticos más comunes son:

DISTRIBUCION DE BERNOULLI

Si en un experimento sólo aparecen dos posibles resultados: “éxito y fracaso”, ha dicho

experimento se le conoce como experimento de Bernoulli. El espacio muestral
de un experimento de Bernoulli tiene solo dos puntos. (TAHA, 2012)
Si la variable aleatoria X representa el resultado del experimento:

S={éxito, fracaso}={1, 0}
A la probabilidad de éxito, es decir, P(X=1) se le representa con p, es decir,
P( X = 1 ) = p donde
0 ≤ p ≤ 1.

Por otra parte, a la probabilidad del fracaso se le representa con q, es decir,

P( X = 0 ) = q, donde p + q = 1.
x P(X)
0 q
1 p

Proceso de Bernoulli: Si el experimento de Bernoulli se lleva a cabo varias veces y las

pruebas son independientes entre sí, se conforma un experimento de Bernoulli.
EJEMPLO:
En la práctica, los ensayos de Bernoulli se utilizan para modelar fenómenos aleatorios que
sólo tienen dos resultados posibles, como por ejemplo:

 Al lanzar una moneda, comprobar si sale cara (éxito) o cruz (fracaso). Se suele
suponer que una moneda tiene una probabilidad de éxito de 0,5.
 Al lanzar un dado, ver si se obtiene un seis (éxito) o cualquier otro valor (fracaso).
 Al realizar una encuesta política, tras escoger un votante al azar, ver si éste votará
"si" en un referéndum próximo.
 ¿Era el recién nacido niña?
 ¿Son verdes los ojos de una persona?
 ¿Decidió un cliente potencial comprar determinado producto?.

EJERCICIO (ejercicio 2, Hamdy Taha, investigación de operaciones 9na edicion )

En un Instituto Universitario existen 3 carreras; el 50% cursan estudios de enfermería, el

30% medicina y el 20% veterinaria. Los que finalizaron los estudios son el 20%, 10% y 5%
respectivamente elegido un estudiante al azar.

a) ¿Cuál es la probabilidad de finalizar los estudios de estas carreras?

b) ¿Hallar la probabilidad de un estudiante finalizado sea de medicina?

Datos:
E= Estudiar Enfermería

M=Estudiar Medicina

V=.A Estudiar Veterinaria

F= Finalizar Estudios

P(e)=0,50 P(m)=0,30 P(v)=0,20

P(f/M )=0,2 P(f/m)=0,10 P(f/v)=0,50

SOLUCIÓN a) P(f) = P(e)*P(f/e) + P(m)*P(f/m) + P(v)*P(f/v)

 = (0,5*0,2) + (0,3*0,10) + (0,20*0,05)

P(f) = 0,14.

b) P(m/f)= P(f/m)* P(m)

= P(f/m)*P(m) + P(f/e)*P(e) + P(f/v)*P(v)

P(m/f)= 0,13/0,14 = 0,21

APLICACIONES “Distribución De Bernoulli En La Industria”

Actualmente La distribución de Bernoulli es un aspecto muy usado hoy en día en la industria

ya que permite realizar estudios de éxito o fracaso, como por ejemplo:

 Para medir defectos de un producto y medir la calidad del mismo.

 Para saber si una persona esta apta o no para ocupar cierto puesto.
 La probabilidad de que una inversión sea un éxito o un fracaso.

DISTRIBUCION BINOMIAL

Consideremos una variable aleatoria X que da el número de éxitos que aparecen al repetir
n veces de forma independiente un experimento en idénticas condiciones. En esta situación
diremos que X sigue una distribución Binomial.

EJEMPLO:

X= número de huevos defectuosos en un paquete de 12.

Y= número de 2 al tirar 10 veces un dado.

Las características principales de este modelo de distribución son:

1. Repetir n pruebas independientes unas de otras.

2. Para cada una de las pruebas sólo pueden darse dos resultados: éxito o fracaso

3. La probabilidad de éxito en cada prueba es de p.

En tales condiciones, diremos que la v.a. X = “nº de éxitos en las n pruebas” sigue una
distribución Binomial de parámetros n y p, y lo escribiremos como X ∼ B(n,p) .

Observamos que la v.a. X sólo puede tomar los valores 0, 1, 2, 3, … , n siendo por tanto una
v.a. discreta. Así pues, las funciones de probabilidad y de distribución de una distribución
binomial son las siguientes:

EJERCICIO: (ejemplo 7.1, Hamdy Taha, investigación de operaciones 9na edicion )

El presidente de una compañía planea contactar con otras 18 compañías en busca de

nuevos socios para su negocio. Sus analistas han estimado que la probabilidad de que una
firma contactada al azar acepte incorporarse como socio es de 0,6.

A. ¿Cuál es la probabilidad de que acabe reclutando 5 o más socios de entre las 18

compañías contactadas?
B. ¿Cuál es el número medio esperado de socios que se incorporarán al proyecto?

SOLUCIÓN
 A.

B. Para calcular cual será el número de socios medio esperado que se incorpore al
proyecto calculamos la media de una distribución Binomial que nos da el número
medio de éxitos, en este caso sería,
n*p = 18*0,6
n*p =10,8 que redondeando sería 11.
Por tanto, el número medio esperado de socios que se incorporen al proyecto será
de 11.

DISTRIBUCIÓN DE POISSON

Consideremos X una variable que da el número de individuos que presentan una cierta
característica por unidad de tiempo, volumen, superficie,… Entonces diremos que X sigue
una distribución de Poisson.

EJEMPLO:
X= Número de coches que cruzan un cruce en una hora.

Y= Número de enfermos de Sida por año y por Comunidad Autónoma.

La función de probabilidad de la distribución de Poisson es:

donde λ es el número medio de ocurrencias durante un intervalo específico de tiempo,
superficie

e es la constante exponencial

x es el número de ocurrencias (éxitos).

Observamos de la expresión de la función de probabilidad que el parámetro λ caracteriza

las variables con distribuciónde Poisson.

Otra característica de la Poisson es que su media es igual a su varianza y ambas son igual al
parámetro λ: µ = λ , σ = λ Observamos además que una variable con distribución Poisson
toma infinitos valores, 0,1,… Ahora bien, las probabilidades van disminuyendo cada vez más
rápidamente cuando el valor es alto, haciéndose prácticamente nulas a partir de un valor.
Por esto muchas veces la distribución de Poisson también se la llama distribución de los
sucesos “raros” o poco probables.

Aproximación de la Binomial a la Poisson. Una distribución Binomial con una probabilidad

de éxito p muy pequeña y n grande se aproxima a una distribución de Poisson con λ= n*p.
Algunas referencias utilizan esta aproximación cuando n>30 y p>0.1 y/o np<5. (Canavos,
1988)

EJERCICIO: (ejercicio 5.7, Hamdy Taha, investigación de operaciones 9na edicion )

En el computador telefónico de una compañía se reciben en promedio 2 llamadas por

minuto, suponiendo que esas llamadas siguen un proceso de Poisson.

a. Cuál es la probabilidad de recibir 8 llamadas en 5 minutos.

b. Ninguna llamada en 3 minutos.
c. Menos de 3 llamadas en 2 minutos.
SOLUCIÓN

LA DISTRIBUCIÓN NORMAL

La distribución normal es la distribución de probabilidad continua más importante.

Multitud de variables aleatorias continuas siguen una distribución normal o
aproximadamente normal. Una de sus características más importantes es que cualquier
distribución de probabilidad, tanto discreta como continua, se puede aproximar por
una normal bajo ciertas condiciones.
La distribución de probabilidad normal y la curva normal que la representa, tienen las
siguientes características:
- La curva normal tiene forma de campana y un solo pico en el centro de la distribución.
De esta manera, la media aritmética, la mediana y la moda de la distribución son iguales
y se localizan en el pico. Así, la mitad del área bajo la curva se encuentra a la derecha
de este punto central y la otra mitad está a la izquierda de dicho punto.
- La distribución de probabilidad normal es simétrica alrededor de su media. - La curva
normal desciende suavemente en ambas direcciones a partir del valor central. Es
asintótica, lo que quiere decir que la curva se acerca cada vez más al eje X pero jamás
llega a tocarlo. Es decir, las “colas” de la curva se extienden de manera indefinida en
ambas direcciones.
TEOREMA DEL LIMITE CENTRAL(TLC)

EJEMPLO: (Ejemplo 1.8,Hillier Liberman)

DISTRIBUCIÓN GEOMÉTRICA

Si en la distribución binomial negativa se tiene el caso especial de k=1, se le conoce

como distribución geométrica, cuya función de probabilidad está dada por:
 P ( x = k ) = p qn-1
La variable aleatoria geométrica representa el número de fallas que ocurren antes de
que se presente el primer éxito.
EJERCICIO
El propietario de 10 terrenos campestres en el centro turístico, está tratando
de venderlos por medio de entrevistas personales con los posibles compradores.
Considera que al entrevistarse con un posible comprador, exista la misma posibilidad
de vender que de no vender y que el resultado de una entrevista es independiente de
lo que ocurre.
¿Cuál es la probabilidad de que la 4ª persona entrevistada sea la 1ª que compre?

La media de la variable N que representa el número de clientes que se tienen que

entrevistar para realizar la 1ª venta.
 CONCLUSIÓN
Los modelos de inventarios son una gran ayuda para el análisis del manejo de los
inventarios, necesarias para mantener un funcionamiento óptimo en la organización en la
cual estemos desarrollando nuestro papel, teniendo en cuenta que la aplicación de los
modelos se dara de acuerdo al contexto de la organización en la cual nos encontremos ya
que con todas ellas no se puede dar un manejo de todos ellos, como en el caso de las
organizaciones que produzcan productos los cuales no tengan el impacto suficiente como
para ser encargados o su volumen económico y estructura no es tan alto para no tenerlo a
disposición cada vez que el cliente los solicite como es el caso de los productos de alta gama
a los cuales se les puede aplicar un modelo EOQ .
 BIBLIOGRAFIA

Canavos. (1988). Probabilidad y Estadística,. Mexico: Mc Graw Hill.

TAHA, H. (2012). INVESTIGACIÓN DE OPERACIONES.

Villarreal. (1989). Probabilidad y Modelos Probabilísticos. Mexico.

Gómez Giovanny. (2001, Octubre 11). Modelo de la cantidad económica de pedido CEP o
EOQ.