Documente Academic
Documente Profesional
Documente Cultură
Distribución Normal
Distribución Exponencial:
Distribución F-Snedecor:
Distribución Binomial
La distribución de probabilidad binomial es uno de los modelos matemáticos
(expresión matemática para representar una variable) que se utiliza cuando la
variable aleatoria discreta es el número de éxitos en una muestra compuesta por n
observaciones.
Fórmulas de la distribución binomial
Ejemplo
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
Distribución binomial: La distribución binomial se suele representar por B(n, p).
· n es el número de pruebas de que consta el experimento.
· p es la probabilidad de éxito.
La probabilidad de es 1− p, y la representamos por q.
Distribución de Poisson
Se trata de un modelo discreto, pero en el que el conjunto de valores con
probabilidad no nula no es finito, sino numerable. Se dice que una variable aleatoria
X sigue la distribución de Poisson si su función de densidad viene dada por:
Esta distribución suele utilizarse para contajes del tipo número de individuos
por unidad de tiempo, de espacio, etc.
Características
En este tipo de experimentos los éxitos buscados son expresados por unidad de
área, tiempo, pieza.
Solución
a) x = variable que nos define el número de cheques sin fondo que llegan al banco
en un día cualquiera = 0, 1, 2, 3, etc.
l = 6 cheques sin fondo por día
e = 2.718
Distribución Hipergeométrica
La distribución hipergeométrica es especialmente útil en todos aquellos
casos en los que se extraigan muestras o se realizan experiencias repetidas sin
devolución del elemento extraído o sin retornar a la situación experimental inicial.
Ejemplo
Tenemos una baraja de cartas españolas (N=40 naipes), de las cuales nos
vamos a interesar en el palo de oros (D=10 naipes de un mismo tipo). Supongamos
que de esa baraja extraemos n=8 cartas de una vez (sin reemplazamiento) y se nos
plantea el problema de calcular la probabilidad de que hayan k=2 oros
(exactamente) en esa extracción.
En lugar de usar como dato D es posible que tengamos la proporción
existente, p, entre el número total de oros y el número de cartas de la baraja
Distribución Geométrica
Es un modelo adecuado para aquellos procesos en los que se repiten
pruebas hasta la consecución del éxito a resultado deseado y tiene interesantes
aplicaciones en los muestreos realizados de esta manera. También implica la
existencia de una dicotomía de posibles resultados y la independencia de las
pruebas entre sí. A demás esta distribución es un caso especial de la Binomial, ya
que se desea que ocurra un éxito por primera y única vez en el último ensayo que
se realiza del experimento, para obtener la fórmula de esta distribución.
Modelo Determinístico
Estos modelos establecen que las condiciones en las cuales se realiza un
experimento determinan la ocurrencia de un resultado particular. Por ej., si
observamos el desplazamiento de un móvil cierta distancia (d), podemos utilizar
como modelo matemático para describir la velocidad media desarrollada (v) la
ecuación v = d/t (con t el tiempo transcurrido).
Este es un modelo determinístico, porque cada vez que se repita la
experiencia ´ y se obtengan los mismos valores d y t, se producirá el mismo valor
de v. Obviamente, este es un modelo simplificado en el que muchos factores no han
sido tenidos en cuenta (temperatura del aire, presión atmosférica, etc.), sin
embargo, las pequeñas desviaciones que se podrían llegar a obtener no invalidan
el modelo.
Son modelos cuya solución para determinadas condiciones es única y
siempre la misma.
Según Jeffer (2002), los modelos determinísticos, “son aquellos que a cada
valor de la variable independiente corresponde otro valor de la variable dependiente.
Son especialmente útiles en los sistemas que evolucionan con el tiempo, como son
los sistemas dinámicos. En ellos podemos conocer el estado del sistema
transcurrido cierto tiempo una vez que hemos dado valores a los distintos
parámetros que aparecen en el modelo"
Según Crhirtofer (2007), "es un modelo matemático donde las mismas
entrada producirán invariablemente las mismas salidas, no contemplándose la
existencia del azar ni el principio de incertidumbre. Está estrechamente relacionado
con la creación de entornos simulados a través de simuladores para el estudio de
situaciones hipotéticas, o para crear sistemas de gestión que permitan disminuir la
incertidumbre. La inclusión de mayor complejidad en las relaciones con una
cantidad mayor de variables y elementos ajenos al modelo determinístico hará
posible que este se aproxime a un modelo probabilístico o de enfoque estocástico.
Los modelos determinísticos son los que hacen predicciones definidas de
cantidades, dentro de cualquier distribución de probabilidades; también se les
puede definir como aquellos que se aplican a problemas en los que hay un solo
estado de la naturaleza, y donde variables, limitaciones y alternativas son, después
de que se aceptan los supuestos, conocidos, definibles, finitos y predecibles con
confidencia estadística. Algunos modelos, herramientas o técnicas determinísticas
son: programación lineal, análisis de Markov, costo/beneficio, entre otros (krone,
1980; López, 2001). En otras palabras, un modelo determinístico se construye para
una condición de certeza supuesta, y el modelo asume que solo hay un resultado
posible (el cual es conocido) para cada acción o curso alternativo (Malczewski,
1999).
Los modelos determinísticos tienen las siguientes características:
Para dar respuesta a esta situación se propone seguir los siguientes pasos:
Paso 1: Determinar el tamaño óptimo de pedido (Q*) para cada nivel o quiebre de
precios.
Paso 2: Ajustar la cantidad a pedir en cada quiebre de precio en caso de ser
necesario. En nuestro ejemplo para el tramo 1 Q (1)=700 unidades está en el
intervalo por tanto se mantiene; para el tramo 2 Q (2)=714 está por debajo de la
cota inferior del intervalo, por tanto se aproxima a esta cota quedando Q (2)=1.000;
finalmente en el tramo 3 Q (3)=718 que también está por debajo de la cota inferior
del intervalo, por tanto se aproxima a esta cota quedando Q (3)=2.000
Paso 3: Calcular el costo asociado a cada una de las cantidades determinadas
(utilizando la fórmula de costo total presentada anteriormente)
Costo Tramo 1 = C (700)=$25.700
Costo Tramo 2 = C (1.000)=$24.725
Costo Tramo 3 = C (2.000)=$24.822
Se concluye que el tamaño óptimo de pedido que minimiza los costos totales es
1.000 unidades, con un costo total anual de $24.725.
Ejercicio 2:
Una compañía se abastece actualmente de cierto producto solicitando una
cantidad suficiente para satisfacer la demanda de un mes. La demanda anual del
artículo es de 1500 unidades. Se estima que cada vez que hace un pedido se incurre
en un costo de $20. el costo de almacenamiento por inventario unitario por mes es
de $2 y no se admite escasez.
Solución:
r = 1500 unidades/año
C3 =$20
C1 =$2 unidad/mes = $24 unidad/año
Ejercicio 3:
Suponga que R & B Beverage Company tiene una bebida refrescante que
muestra una tasa de demanda anual constante de 3600 cajas. Una caja de la bebida
le cuesta a R & B $3. Los costos de ordenar son $20 por pedido y los costos de
mantener son 25% del valor del inventario. R & B tiene 250 días hábiles anuales, y
el tiempo de entregar es de cinco días. Identifiquen los siguientes aspectos de la
política de inventario.
a. Lote económico a ordenar
b. Costo anual total
Solución
a)
Ejercicio 4:
Westside Auto compra directamente del proveedor un componente que usa
en la manufactura de generadores para automóviles. La operación de producción
del generador de Westside, la cual trabaja a una tasa constante, requerirá mil
componentes por mes a lo largo del año (12000 unidades anuales). Suponga que
los costos de ordenar son $25 por pedido, el costo unitario es $2.50 por
componentes y los costos de mantener anuales y un tiempo de entrega de cinco
días. Responda las siguientes preguntas sobre la política de inventario.
a. ¿Cuál es la EOQ para esta componente?
b. ¿Cuál es el tiempo de ciclo?
c. ¿Cuáles son los costos totales por pedir y mantener inventario?
Solución a)
Ejercicio 5:
Una constructora debe abastecerse de 150 sacas de cemento por día, la
capacidad de producción de la máquina en la empresa es de 250 sacos al día, se
incurre en un costo de $400.00 cada vez que se realiza una corrida de producción,
el costo de almacenamiento es de $0.5 unidad por día, y cuando hace falta materia
prima existe una pérdida de $0.7 unidad por día. a) Cuál sería la cantidad optima a
pedir. b) La escasez máxima que se presenta.
Solución:
Tamaño económico de lote, ciclo productivo, faltantes permitidos.
r = 150 sacos/día
k = 250 sacos/día
C3=$400
C1=$0.5 /día
C2=$0.7 /día
a)
b)
Conclusión: La cantidad optima a producir seria de 1,014 o 1,015 sacos por corrida
presentándose una escasez máxima de 169 sacos