Documente Academic
Documente Profesional
Documente Cultură
INTEGRANTES:
Tutor
PROGRAMACIÓN ESTOCÁSTICA
TABLA DE CONTENIDO
1. INTRODUCCIÓN……………………………………………………………………2
3. LOGO ………………………………………………………………………………...3
4. ORGANIGRAMA…………………………………………………………………..3
9. ANEXOS……………………………………………………………………………...10
10. CONCLUSIONES………………………………………………………………..11-12
INTRODUCCION
Es de vital importancia todas las herramientas que nos ofrecen la programación estocástica en
todas las actividades profesionales a nivel comercial, operativo administrativo y financiero. La
estocástica o investigación de operaciones, pretende tomar la decisión adecuada en un contexto
de sucesos aleatoriamente dependiendo del azar. Es un compendio de etapas para optimizar y dar
soluciones a la problemática, mediante una serie de variables en el tiempo (T), con la finalidad
de pronosticar y realizar un diagnóstico en la toma de decisiones para optimizar problemas.
En ese orden de ideas se desarrollará un modelo estocástico en tiempo discreto para la solución
de un ejercicio de grupos de la fórmula 1 aplicado a las redes sociales, Facebook. Se emplea el
diseño de cadenas de Markov en tiempo discreto (CMTD), relacionando la gama variable
aleatorias que describen la evolución de eventos en el tiempo, representado gráficamente.
La metodología aplicada al trabajo colaborativo presenta una primera etapa. Que se aborda la
presentación de la compañía consultora (Cepie) con su historia, organigrama y funciones de los
colaboradores de la compañía. A continuación, se procede a realizar la matriz de incidencia con
sus respectivos datos suministrados en el trabajo fórmula 1. Se determinan los amigos y ranking
de cada integrante, luego se expondrá mediante una matriz de incidencia los grupos de la fórmula
1, paso a seguir por medio de la interpretación y análisis se determina si la matriz cumple con los
parámetros para ser estocástica. Si no cumple debe modificarse.
DESCRIPCION DE LA EMPRESA
C.E.P.I.E S.A.S.
CEPIE es una compañía consultora moderna e innovadora con más de 12 años de trayectoria,
brindamos consultorías en estadística, econometría, gestión de calidad, investigación de
operaciones, optimización de procesos, aplicación y análisis datos, indicadores de gestión,
análisis y diseño operacional. Enfocándonos en el bienestar de nuestros clientes y de su negocio,
siempre propendemos por dar solución a los problemas de mejora de calidad. Diferentes
compañías nos abordan, sectores a nivel industrial, servicios, económico. Etc.
manera eficaz. Siempre con nuestros principios éticos ajustados a las normas y la legalidad
colombiana.
LOGO
Existen dos grupos se evalúan los que tienen amigos en común, la matriz de probabilidad en sus
columnas y filas deben tener el mismo número de integrantes y la sumatoria probabilística de las
6
filas debe ser (1), el caso del piloto Sergio Pérez, no cumple la condición estocástica. Además, se
debe evidenciar en la en Excel los dos grupos definidos.
PASO 3
Sergio Pérez por no tener amigos genera un error con (0) amigos (fila nula), por lo tanto, como
no cumple con ser una matriz estocástica, vamos al paso (3) para convertirla en matriz
estocástica. Una alternativa como dice la Guía del proyecto “basados en un supuesto de
uniformidad”, reemplazamos la fila nula por un vector 𝛽𝑖 en donde cada posición j, está definida
por un vector 𝛽𝑖𝑗=1/N
N= # de pilotos a considerar
P= Nueva matriz
Reemplazando se tiene:
𝟏
𝜷𝒊𝒋 = 𝟐𝟒 = 0,042
Incluimos en todas las casillas de la fila del piloto Sergio Pérez el valor obtenido al aplicar la
fórmula 0,042, lo que vuelve la matriz estocástica. Ver Matriz P
Un proceso estocástico es una recopilación de variables aleatorias que varían en el tiempo por
un espacio parametral T y con valores de espacio de estado. Se puede establecer que el sistema
cambia a lo largo del tiempo de acuerdo con la ley de movimientos ya sea 𝑋𝑡 el estado al sistema
t. La forma en que funciona el sistema no es determinista, sino que es provocada por algún
efecto, obtenemos que 𝑋𝑡 es una variable aleatoria por cada valor de índice t, Con este modelo
podemos representar la evolución aleatoria de un sistema a lo largo del tiempo.
7
Los proceso de Markov, han sido estudiados ampliamente existiendo un gran número de
aplicaciones en diversas disciplinas del conocimiento de acuerdo a los modelos de procesos
estocástico.
PASO 4
El proceso anterior después de corregir la fila de Sergio Pérez, significa que existe una matriz
estocástica (P), pero no se demuestra que el proceso de distribución existe. El siguiente ejercicio
es construir una matriz, combinando lineal de la matriz P con una matriz estocástica de
perturbación.
𝓤∗𝓤𝑻
𝑃̿ = α * 𝑃̅ + (1- α) * 𝑵
Procedemos a utilizar un escalar α = 0.85, todos los valores de la matriz anterior (paso 3) la
multiplicamos por el escalar 0,85.
24*1 1*24
Los números del centro y los extremos, deben ser iguales. Se debe cumplir con el tamaño.
8
Al multiplicar el vector columna por fila traspuestas, la transpuesta es cambiar columna por fila o
girar la columna a fila. Nos da como resultado una matriz con filas y columnas todas las celdas
(1).
𝓤∗𝓤𝑻
El tercer paso, seguimos con la ecuación = 1/24
𝑵
Luego la matriz anterior la dividimos por N = 24 No. De pilotos dando un valor de 0,042 en
todas las columnas y filas.
El cuarto paso, seguimos con la ecuación para determinar: (1- α), donde α = 0.85 y
(1- 0,85) = 0.15. Multiplicamos posición uno a uno de la matriz anterior por 0,15 y el resultado
para cada fila y columna es igual: 0,006.
𝓤∗𝓤𝑻
̅
Matriz (1) α * 𝑃 matriz (2) matriz anterior = (1- α) * 𝑵
La suma de las filas, debe ser igual a (1). M de perturbación.
Sergio Pérez queda en la misma proporción 0,042. Precisamente todos los valores de Sergio son
proporcionales es como añadirle el 0,15 al 0,85 que se disminuye.
PASO 5
RANKING DE POPULARIDAD
Para el paso final: se toma la matriz del paso anterior luego, trazamos la diagonal y a cada valor
le restamos (1), posteriormente tomamos la primera columna y la convertimos en (1) cada celda.
Luego hallo la inversa de la matriz anterior con sus respectivos cambios. Y para finalizar tomo
solamente la fila 1 de la matriz, la filtro de mayor a menor y verifico cual piloto tiene mayor
popularidad.
9
Todos los perfiles demuestran visitar otro perfil, todos los números significan, el % de
probabilidad, podemos analizar cuál de los perfiles tienen más probabilidad de llegar que otros.
Deducimos que todos los pilotos pueden estar relacionados entre sí, por pequeña que sea la
probabilidad. Ya en ninguna celda existe (0), es como si supusiéramos. En el caso de Sergio
Pérez todos los valores son proporcionales, pero los otros valores de los pilotos sufrieron cambio.
Para generar el ranking de popularidad. En el análisis de calcular las cadenas de markov,
probabilidades de estado a estado, procedemos a modelar: para analizar el significado de esos
datos de probabilidades y como interpretar un número.
Ejemplo: 0,29 representa que existe una probabilidad de 0,29 que si yo estoy en el perfil de
Facebook de: Vitaly Petrov, viendo los amigos de él. Pase a ver el perfil Bruno Senna.
Existen probabilidades más altas que otras de llegar a un perfil porcentualmente.
Procedemos a tomar la matriz del paso (4), tomamos la diagonal le restamos (1) a todos los
valores de la diagonal. Luego tomo la primera columna y reemplazo por números (1), el sistema
de ecuaciones está representado.
Con el cambio que se realizó a la matriz, se halla la inversa (minversa), si se coloca (1) en la
primera columna, las probabilidades de estado estable aparecen en la primera fila de la matriz
inversa y suman (1), la probabilidad a largo plazo es de llegar a cualquier perfil de cualquier
piloto.
Al tomar la fila (1), es la fila que se tomará de referencia del ejercicio de ranking, se visualiza
que Michael Schumacher, presenta una probabilidad de estado estable más alta 0.067. Como
presenta más amigos, existe mayor probabilidad de llegar al perfil de él que el perfil de otro.
El piloto que tenga muy pocos amigos, la cadena cuesta mucho más para llegar de transición a
transición. Entre más amigos y más visitas, más popular. La popularidad se mide en mayor
probabilidad de estado estable.
10
NK PR HK BS JV DR CP TG SP PM VP FA FM JB KK KR LH MS MW NH NR PDIR RG
0,011 0,017 0,063 0,054 0,037 0,053 0,052 0,018 0,028 0,045 0,032 0,033 0,042 0,043 0,045 0,055 0,039 0,067 0,046 0,049 0,042 0,036 0,034
PROBABILIDAD DE ESTADO
PILOTO ESTABLE
MS 0,067
HK 0,063
SV 0,058
KR 0,055
BS 0,054
DR 0,053
CP 0,052
NH 0,049
MW 0,046
PM 0,045
KK 0,045
JB 0,043
NR 0,042
FM 0,042
LH 0,039
JV 0,037
PDIR 0,036
RG 0,034
FA 0,033
VP 0,032
SP 0,028
TG 0,018
PR 0,017
NK 0,011
ANEXOS
MATRIZ DE INCIDENCIA
MATRIZ ESTOCÁSTICA (P)
PASO 4 : DISTRIBUCIÓN LÍMITE
PASO 5: RANKING DE POPULARIDAD
CONCLUSIONES
Este proyecto útil y didáctico para futuros profesionales, reforzar y conocer las temáticas de
investigación de operaciones, procesos estocásticos, probabilidades, variables dependientes e
independientes, matriz de transición, cadenas markov, variables aleatorias y distribuciones.
Estos conceptos de creación de modelos estocásticos son fundamentales para los futuros de
ingenieros Industriales que incursionan en este campo de la optimización de producción y
procesos en diferentes áreas del conocimiento.
Se identificó y elaboro la matriz de incidencia, con los datos de la aplicación de Facebook
La Matriz no es estocástica, ya que el piloto Sergio Pérez no cuenta con ningún amigo lo que
arroja un error al aplicar la fórmula para determinar las probabilidades.
En el grupo 2 están los dos pilotos con más amigos del ranking Michael Schumacher o Sebastián
Vettel, El grupo 1 está Timo Glock, piloto con más amigos del grupo.
Para que la matriz sea estocástica se evidencia que se tuvo que modificar la fila que se
encontraba en blanco, del piloto Sergio Pérez, ya que dicha situación afectaba a toda la matriz,
por consiguiente basado en un supuesto de uniformidad se reemplazan los valores y se obtiene la
matriz estocástica.
Este trabajo para el paso 4, en el punto anterior después de corregir la fila de Sergio Pérez,
significa que existe una matriz estocástica (P), pero no se demuestra que el proceso de
distribución existe. El siguiente ejercicio es construir una matriz, combinando lineal de la matriz
P con una matriz estocástica de perturbación. Se procede a construir una matriz ̿ . Mediante
𝑷
la ecuación que se visualiza en el trabajo, vamos paso a paso convirtiendo matriz a matriz, cada
una de las partes de la ecuación.
Todos los perfiles demuestran visitar otro perfil, todos los números significa el % de
probabilidad. Este ejercicio nos ilustra cuál de los perfiles tienen más probabilidad de llegar que
otros, al mismo tiempo nos muestran que todos los pilotos pueden estar relacionados entre sí, por
pequeña que sea la probabilidad. Ya en ninguna celda existe (0). En el caso de Sergio Pérez
todos los valores son proporcionales, pero los otros valores de los pilotos sufrieron cambio.
12
Se observa que Michael Schumacher, presenta una probabilidad de estado estable más alta 0.067.
Como presenta más amigos, existe mayor probabilidad de llegar al perfil de él que el perfil de
otro.
El piloto que tenga muy pocos amigos, la cadena cuesta mucho más para llegar de transición a
transición. Entre más amigos y más visitas, más popular. La popularidad se mide en mayor
probabilidad de estado estable.
Este trabajo nos sirve como herramienta para modelar problemas de tipo profesional mediante la
la ecuación para llegar a desarrollar las matrices.
Para el caso particular de este ejercicio, nos sirve para medir el tipo de popularidad y la
interpretación de los resultados porcentuales. Todo este proceso es importante paso a paso, para
desarrollar habilidades en el proceso final del resultado y como analizar e interpretar los datos.
Así mismo el material de apoyo que nos suministra la universidad, es vital para el desarrollo de
este ejercicio. Los temas centrales: La estocástica, CMTD, la matriz incidencia, matriz de
probabilidad, distribución límite, matriz perturbación.
13
BIBLIOGRAFIA
https://decidesoluciones.es/optimizacion-estocastica/
https://www.gestiondeoperaciones.net/...lineal/que-es-la-programacion-estocastica/
https://evaromeroramos.com/cursos/series-temporales/tema-1-introduccion-a-los-procesos-
estocasticos/
Buendía, G. M., et al. Movilidad de interfases sometidas a campos externos. Revistas Científicas
y Humanísticas. 14(2), 2006, Red Universidad del Zulia, 2006. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/bibliopoligransp/detail.action?docID=3208566.
Created from bibliopoligransp on 2018-09-27 15:46:12.
Lladser, Manuel. Variables aleatorias y simulación estocástica, Editorial ebooks Patagonia - J.C.
Sáez Editor, 2009. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/bibliopoligransp/detail.action?docID=3196680.
Created from bibliopoligransp on 2018-09-27 15:49:08.
http://cms.dm.uba.ar/academico/materias/1ercuat2015/estadisticaQ/clase%20LGN%20y%20TC
L.pdf