METODOS PROBABILISTICOS

Tarea 1 - Introducción a los Modelos Probabilísticos de Decisión

y Optimización

Presentado por:
Jorge Alberto Trujillo Beltran

Grupo:
104561_3

Presentado a:

Hector Fabio Padilla

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2020
EJERCICIO 1 REPRESENTACION PROBABILISTICA DE
DATOS
RELACION DE TIEMPOS

Marca de
Clase
N° de
TIEMPO DE Clase
Clase
SERVICIO 𝑰_(𝒊−𝟏)−𝑰_𝒊 𝑰 ̅𝒊
No. (Minutos) 𝒊
1 5.49220637197 1 (5 - 6) 5.5
2 5.980744158267 2 (6 - 7) 6.5
3 5.538144034927 3 (7 - 8) 7.5
4 5.510920853663 4 (8 - 9) 8.5
5 5.962217887251 5 (9 - 10) 9.5
6 5.150187484053 6 (10 - 11) 10.5
7 5.270814943445 7 (11 - 12) 11.5
8 5.686449547941 8 (12 - 13) 12.5
9 5.233778504907 9 (13 - 14) 13.5
10 5.81675534046 10 (14 - 15) 14.5
11 5.463540104952 Total
12 5.843486698885
13 5.123425138106
14 5.898290632951 Frecuencia Relativa Vs Frecuen
15 6.099599244867
1.2
16 6.222327307342
17 6.535530552986 1
18 6.671297144067
0.8
19 6.840963804381
20 6.383574501335 0.6
21 6.637463251608
0.4
22 6.758805960352
23 6.166340782555 0.2
24 6.943823324014
25 6.033634436259 0
1 2 3 4 5
26 6.485459578313
Frecuencia Relativa Empírica Fre
27 7.540064123801
28 7.998123666255
29 7.623573421546
30 7.522753776436 Media y Varianza T
31 7.690161081169
32 7.582698039993 Media Tiempo Llegadas
33 7.597296987858
34 7.49022112445 𝑡 ̅=∑_(𝑖=1)^10▒ 〖𝑓 _𝑖∗𝐼 ̅ 〗
35 7.885457641722
36 7.270827031212
37 8.973108006891
38 8.316836165259 𝒕 ̅= 7.88333
39 8.553083969635
40 8.29773955045 Varianza Tiempo Llegadas
41 8.977857615545
42 8.392598655745 𝑆^2=∑_(𝑖=1)^10▒ 〖𝑓 _𝑖∗(𝐼_𝑖−𝑡 ̅ )^2 〗
43 8.689771912442
44 8.419189057774
45 9.932961720873
46 9.600540641241 S2 = 4.90306
47 9.340688991398
48 9.943792690867
N° de Clase Clase

𝒊 𝑰_(𝒊−𝟏)−𝑰_𝒊
49 9.89502727423
50 9.272859977806 1 (5 - 6)
51 10.28591582824 2 (6 - 7)
52 10.34248649085 3 (7 - 8)
53 10.40119054219 4 (8 - 9)
54 10.99624740714 5 (9 - 10)
55 11.08716300372 6 (10 - 11)
56 11.53345983034 7 (11 - 12)
57 12.66112606768 8 (12 - 13)
58 12.90390964634 9 (13 - 14)
59 13.93801958589 10 (14 - 15)
60 14.07157029228
Media Distribución Teórica

𝒆= 2.718281828

Frecuencia R elati va
A cum ulada
Frecuencia Relativa
8
7
6
5
4
3
2
1
0
1 2 3 4
 3
2
1
0
1 2 3 4

N° de Clase Clase
𝒊 𝑰_(𝒊−𝟏)−𝑰_𝒊

1 (5 - 6)
2 (6 - 7)
3 (7 - 8)
4 (8 - 9)
5 (9 - 10)
6 (10 - 11)
7 (11 - 12)
8 (12 - 13)
9 (13 - 14)
10 (14 - 15)

𝒆= 2.718281828

Prueba de Hipotesis

Hipótesis nula 𝑯𝒐 : Aceptar 𝒇(𝒕) si 𝒙^ 𝟐 < 𝒙^

Hipótesis alterna 𝑯𝒐 : No aceptar 𝒇(𝒕) si 𝒙^

xN-k-1,1-α 7.815
𝑯𝒐 65.52

Conclusión
Se rechaza la Hipotesis nula, por que no cump
Se acepta la Hipotesis alterna, por que cumple
 Frecuencia Frecuencia Frecuencia Relativa Resta
Observada Relativa Empírica Acumulada Empírica
Empírica

𝑶_𝒊 𝒇_𝒊 𝑭_𝒊 〖 (𝑰_𝒊−(𝒕)) ̅ 〗 ^𝟐

14 0.2333333333333 0.233333333333333 5.68028
12 0.2 0.433333333333333 1.91361
10 0.1666666666667 0.6 0.14694
8 0.1333333333333 0.733333333333333 0.38028
6 0.1 0.833333333333333 2.61361
4 0.0666666666667 0.9 6.84694
2 0.0333333333333 0.933333333333333 13.08028
2 0.0333333333333 0.966666666666666 21.31361
1 0.0166666666667 0.983333333333333 31.54694
1 0.0166666666667 1 43.78028
60 1

Relativa Vs Frecuencia Relatica Acumulada

3 4 5 6 7 8 9 10

a Relativa Empírica Frecuencia Relativa Acumulada Empírica

Media y Varianza Tiempo de Llegadas

 _𝑖∗(𝐼_𝑖−𝑡 ̅ )^2 〗

Marca de Clase Frecuencia Frecuencia Relativa Frecuencia

Exponencial Exponencial Teórica Relativa
𝑰_(𝒊−𝟏)−𝑰_𝒊 Teórica Acumulada
𝑻=𝑰 ̅𝒊 Empírica
5.5 0.111737744485 0.502258502716366 0.502258502716
6.5 0.0984259672609 0.561556495150363 1.063814997867
7.5 0.0867000768262 0.6137900737754 1.677605071642
8.5 0.0763711399629 0.659800851273726 2.337405922916
9.5 0.0672727318446 0.700330175546094 3.037736098462
10.5 0.0592582545191 0.736031074667709 3.77376717313
11.5 0.0521985748515 0.767478778792416 4.541245951922
12.5 0.0459799438683 0.795179988539157 5.336425940461
13.5 0.0405021639796 0.819581039197417 6.156006979659
14.5 0.0356769745462 0.841075092297283 6.997082071956

0.12685

encia R elati va Exponencial Vs Fr ecuencia R elati va

ulada
Frecuencia Relativa Exponencial Teórica Frecuencia Relativa Acumulada Empírica

3 4 5 6 7 8 9 10
 3 4 5 6 7 8 9 10

Frecuencia
Observada
Empírica Frecuencia Teórica 𝑿^𝟐=( 〖 (𝑶 〗 _𝒊−𝒏_𝒊 )^𝟐)/𝒏_𝒊
Agrupamiento𝑶_𝒊
de 𝒏_𝒊 𝒏_𝒊
Agrupamiento
𝑶_𝒊
Clases 𝑿^𝟐
para 𝑿^𝟐 para
de Clases
14 3.79084777495898
26
12 3.3392284828069 7.130076257766 49.9397214230219
10 2.94141245503047
18
8 2.59098988738133 5.532402342412 28.096472695031
6 2.28231460196314
4 2.01041307328251
2 1.77090429240065
16 10.20803713547 3.2863158096796
2 1.55992917799851
1 1.37408839699203
1 1.21038759283335
60 81.3225099277325

: Aceptar 𝒇(𝒕) si 𝒙^ 𝟐 < 𝒙^2𝑵−𝒌−𝟏, 𝟏− α 𝑵−𝒌−𝟏 1

𝑯𝒐 : No aceptar 𝒇(𝒕) si 𝒙^ 𝟐 ≥ 𝒙^2𝑵−𝒌−𝟏, 𝟏− α
𝟏− α 0.05

> 7.815

sis nula, por que no cumple con los parametros establecidos

is alterna, por que cumple con la frecuencia establecida.
RELACION DE TIEMPOS

Marca de
Clase
N° de Clase Clase
TIEMPO DE 𝑰_(𝒊−𝟏)−𝑰_𝒊 𝑰 ̅𝒊
SERVICIO 𝒊
No. (Minutos)
1 3.1818620986 1 (3-4) 3.5
2 3.1197137384 2 (4-5) 4.5
3 3.580843618 3 (5-6) 5.5
4 3.3779504232 4 (6-7) 6.5
5 3.8361540902 5 (7-8) 7.5
6 3.9204694711 6 (8-9) 8.5
7 3.1450816342 7 (9-10) 9.5
8 3.2819184536 8 (10-11) 10.5
9 3.0915309532 9 (11-12) 11.5
10 3.1053225145 10 (12-13) 12.5
11 3.7936249851 Total
12 3.2333732023
13 3.7099326323
14 4.2141510515 Frecuencia Relativa Vs
15 4.8251222214 1.2
16 4.5692191998
17 4.003510995 1

18 4.7309747336 0.8
19 4.346941345
20 4.4449114795 0.6

21 4.8061340722 0.4
22 4.0692219867
0.2
23 4.0778700506
24 4.2532911761 0
1 2 3 4 5
25 5.3700862889
26 5.7684271813 Frecuencia Relativa Empírica
27 5.9897340047
28 5.7281031235
29 5.025942195 Media y Varianza Tiemp
30 5.6422169627
31 5.3869029821 Media Tiempo Llegadas
32 5.8220120673
33 5.1004213506 𝑡 ̅=∑_(𝑖=1)^10▒ 〖𝑓 _𝑖∗𝐼 ̅ 〗
34 6.3079101642
35 6.5920177086
36 6.981533057
37 6.190693491 𝒕 ̅= 6.18
38 6.4180489857
39 6.0887780899
N° de Clase Clase

𝒊 𝑰_(𝒊−𝟏)−𝑰_𝒊

40 6.0190735329
41 7.3189181373 1 (3-4)
42 7.4585294472 2 (4-5)
43 7.4047874132 3 (5-6)
44 7.4634587956 4 (6-7)
45 7.2925398363 5 (7-8)
46 7.9478532731 6 (8-9)
47 8.1759297042 7 (9-10)
48 8.4130364653 8 (10-11)
49 8.9594335856 9 (11-12)
50 8.3511764958 10 (12-13)
51 8.0625597968
52 9.6499609446 Media Distribución Teórica
53 9.0532268119
54 9.4964963275 𝒆= 2.718281828
55 9.3651803372
56 10.517658638
57 10.001142014 Frecuencia Relativ
58 10.93203751 Acumulada
59 11.272739654
9
60 12.177104352
8
7
6
5
4
3
2
1
0
1 2 3 4

Frecuencia Relativa Expone

N° de Clase Clase
𝒊 𝑰_(𝒊−𝟏)−𝑰_𝒊

1 (3-4)
 2 (4-5)
3 (5-6)
4 (6-7)
5 (7-8)
6 (8-9)
7 (9-10)
8 (10-11)
9 (11-12)
10 (12-13)

𝒆= 2.718281828

Prueba de Hipotesis

Hipótesis nula 𝑯𝒐 : Aceptar 𝒇(𝒕) si 𝒙^ 𝟐 <

Hipótesis alterna 𝑯𝒐 : No aceptar 𝒇(𝒕) si 𝒙

xN-k-1,1-α 9.488
𝑯𝒐 50.17

Conclusión
Se rechaza la Hipotesis nula, por que no cum
Se acepta la Hipotesis alterna, por que cum
 Frecuencia Frecuencia Frecuencia Resta
Observada Relativa Empírica Relativa
Empírica Acumulada
Empírica
𝑶_𝒊 𝒇_𝒊 〖 (𝑰_𝒊−(𝒕)) ̅ 〗 ^𝟐
𝑭_𝒊
13 0.216666666667 0.21666666667 7.20028
11 0.183333333333 0.4 2.83361
9 0.15 0.55 0.46694
7 0.116666666667 0.66666666667 0.10028
6 0.1 0.76666666667 1.73361
5 0.083333333333 0.85 5.36694
4 0.066666666667 0.91666666667 11.00028
3 0.05 0.96666666667 18.63361
1 0.016666666667 0.98333333333 28.26694
1 0.016666666667 1 39.90028
60 1

encia Relativa Vs Frecuencia Relatica Acumulada

3 4 5 6 7 8 9 10

uencia Relativa Empírica Frecuencia Relativa Acumulada Empírica

Media y Varianza Tiempo de Llegadas

Varianza Tiempo Llegadas

〖𝑓 _𝑖∗𝐼 ̅ 〗 𝑆^2=∑_(𝑖=1)^10▒ 〖𝑓 _𝑖∗(𝐼_𝑖−𝑡 ̅ )^2 〗

 S2 = 5.58305555556

Marca de Frecuencia Frecuencia Frecuencia

Clase Exponencial Relativa Relativa
_(𝒊−𝟏)−𝑰_𝒊 Teórica Exponencial Acumulada
𝑻=𝑰 ̅𝒊 Teórica Empírica

𝑭_𝒊
3.5 0.137575479903 0.43222935496 0.4322293549612
4.5 0.117032028346 0.51701167773 0.9492410326887
5.5 0.09955622665 0.58913388445 1.5383749171367
6.5 0.084689998156 0.65048644631 2.1888613634455
7.5 0.072043668478 0.70267753998 2.8915389034278
8.5 0.061285751338 0.74707520124 3.6386141046685
9.5 0.052134259628 0.78484318398 4.4234572886526
10.5 0.044349313954 0.81697146462 5.240428753273
11.5 0.037726854898 0.84430219138 6.0847309446535
12.5 0.032093294204 0.86755175875 6.9522827034073

0.161725067385445

ecuencia Relativa Exponencial Vs Frecuencia Relativa

cumulada

3 4 5 6 7 8 9 10

Frecuencia Relativa Exponencial Teórica Frecuencia Relativa Acumulada Empírica

Frecuencia
Observada
Empírica Agrupamiento Frecuencia
de Clases 𝑶_𝒊
para Teórica 𝑿^𝟐=( 〖 (𝑶 〗 _𝒊−𝒏_𝒊 )^𝟐)/𝒏_𝒊
𝒏_𝒊
𝑿^𝟐 𝒏_𝒊 Agrupamiento de
𝑶_𝒊 Clases𝑿^𝟐para
13 5.51537077123
24
10.207159081847 18.6381400611094
 24
11 4.69178831062 10.207159081847 18.6381400611094
9 3.99118725916
16
7 3.39520342417 7.3863906833244 10.0447253118933
6 2.8882148451
11 5.3451471549741
5 2.45693230988 5.98250333840487
4 2.09005101735
3 1.77795425522
9 6.6670797142621 0.81632698165662
1 1.51246132625
1 1.28661311544
60 35.4816956930642

𝑯𝒐 : Aceptar 𝒇(𝒕) si 𝒙^ 𝟐 < 𝒙^2𝑵−𝒌−𝟏, 𝟏− α 𝑵−𝒌−𝟏 2

a 𝑯𝒐 : No aceptar 𝒇(𝒕) si 𝒙^ 𝟐 ≥ 𝒙^2𝑵−𝒌−𝟏, 𝟏− α
𝟏− α 0.05

> 9.488

otesis nula, por que no cumple con los parametros establecidos

tesis alterna, por que cumple con la frecuencia establecida.
 EJERCICIO 2 PROGRAMACION PROBABILISTICA DE PROYECTOS
RELACION DEL PROYECTO DE AMPLIACION

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO
TIEMPO MAS PROBABLE
OPTIMISTA TIEMPO PESIMISTA b
m
a

0, 1 1 3 2
0, 2 2 8 2
1, 3 1 3 2
2, 3 1 11 1.5
2, 4 0.5 7.5 1
3, 5 1 7 2.5
3, 6 1 3 2
4, 5 6 8 7
4, 6 3 11 4
5, 6 4 8 6

TIEMPO DE INICIO MAS TIEMPO DE TERMINACION MAS

EVENTO RUTA
TARDIO TIPj TARDIO TTTi

1 (0, 1) 2 4
2 (0, 2) 3 3
3 (0, 2, 3) 6 6
4 (0, 2, 3, 4) 6 6
5 (0, 2, 3, 4, 5) 13 13
6 (0, 2, 3, 4, 5, 6) 19 19
YECTOS

TIEMPOS ESTIMADOS

INDICE ACTIVIDAD TIEMPO TIEMPO

MULTIPLICADOR (i, j) OPTIMISTA PESIMISTA
IM a b

0, 1 1 3
0, 2 2 8
1, 3 1 3
2, 3 1 11
2, 4 0.5 7.5
1.23
3, 5 1 7
3, 6 1 3
4, 5 6 8
4, 6 3 11
5, 6 4 8

Estimar la media normalmente distribuida y la Varianza normalme

Media normalmente
Evento Ruta distribuida
1 (0, 1) 2
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 8
5 (0, 2, 3, 4, 5) 15
6 (0, 2, 3, 4, 5, 6) 21

Determinar parámetro K y probabilidad normal

Evento Ruta Tiempo de Terminación más

Tardío
1 (0, 1) 4
2 (0, 2) 3
3 (0, 2, 3) 6
4 (0, 2, 3, 4) 6
5 (0, 2, 3, 4, 5) 13
6 (0, 2, 3, 4, 5, 6) 19
Conclusión

Despues de realizado el desarrollo sobre la programación probabilistica de

de las actividades, se analizaron los datos del parametro K, con la tabla de
de los datos de la probabilidad P(z) son mayore
 TIEMPOS ESTIMADOS

TIEMPO MAS INDICE Media Varianza

PROBABLE MULTIPLICADOR
m IM (𝑫_𝒊 ) ̌ 𝑽_𝒊

2 2 8.02777778
2 3 58.7777778
2 2 8.02777778
1.5 3 117.361111
1 2 55.0069444
1.23
2.5 3 46.6944444
2 2 8.02777778
7 7 49
4 5 110.25
6 6 53.7777778

ente distribuida y la Varianza normalmente distribuida de cada una de las rutas

Media normalmente Varianza normalmente
distribuida distribuida
2 8.02777777777778
3 58.7777777777778
6 176.138888888889
8 231.145833333333
15 280.145833333333
21 390.395833333333

mpo de Terminación más Media normalmente Varianza normalmente Parámetro K

Tardío distribuida distribuida
4 2 3.36111111111111 1.0909090909
3 3 58.7777777777778 0
6 6 176.138888888889 0
6 8 231.145833333333 -0.131548821
13 15 280.145833333333 -0.119491747
19 21 390.395833333333 -0.101222581
obre la programación probabilistica de proyectos con los tiempos estimados en cada una
datos del parametro K, con la tabla de distribución normal y se evidencia que la mayoria
atos de la probabilidad P(z) son mayores que el parametro K.
Probabilidad P(z)
0.791
0.5
0.5
0.4482
0.4562
0.4601
 EJERCICIO 2 PROGRAMACION PROBABILISTICA DE PROYECTOS
RELACION DEL PROYECTO DE AMPLIACION

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO TIEMPO TIEMPO MAS INDICE

OPTIMISTA PESIMISTA PROBABLE m MULTIPLICADOR
a b IM

0, 1 1 3 2
0, 2 2 8 2
1, 3 1 3 2
2, 3 1 11 1.5
2, 4 0.5 7.5 1
1.23
3, 5 1 7 2.5
3, 6 1 3 2
4, 5 6 8 7
4, 6 3 11 4
5, 6 4 8 6

TIEMPO DE TIEMPO DE
EVENTO RUTA INICIO MAS TERMINACION MAS
TARDIO TARDIO TTTi
TIPj
1 (0, 1) 2 4
2 (0, 2) 3 3
3 (0, 2, 3) 6 6
4 (0, 2, 3, 4) 6 6
5 (0, 2, 3, 4, 5) 13 13
6 (0, 2, 3, 4, 5, 6) 19 19
 TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO
TIEMPO TIEMPO Media Varianza
(i, j) OPTIMISTA PESIMISTA MAS
PROBABLE (𝑫_𝒊 ) ̌ 𝑽_𝒊
a b
m
0, 1 1.2252 3.6755 2.4504 2.4504 12.0503
0, 2 2.4504 9.8015 2.4504 3.6755 88.2297
1, 3 1.2252 3.6755 2.4504 2.4504 12.0503
2, 3 1.2252 13.4770 1.8378 3.6755 176.1675
2, 4 0.6126 9.1889 1.2252 2.4504 82.5694
3, 5 1.2252 8.5763 3.0630 3.6755 70.0917
3, 6 1.2252 3.6755 2.4504 2.4504 12.0503
4, 5 7.3511 9.8015 8.5763 8.5763 73.5525
4, 6 3.6755 13.4770 4.9007 6.1259 165.4932
5, 6 4.9007 9.8015 7.3511 7.3511 80.7243

Estimar la media normalmente distribuida y la Varianza normalmente distribuida de cada una

Media normalmente Varianza normalmente
Evento Ruta distribuida distribuida
1 (0, 1) 2.4504 12.0503
2 (0, 2) 3.6755 88.2297
3 (0, 2, 3) 7.3511 264.3972
4 (0, 2, 3, 4) 9.8015 346.9665
5 (0, 2, 3, 4, 5) 18.3777 420.5191
6 (0, 2, 3, 4, 5, 6) 25.7288 586.0122

Determinar parámetro K y probabilidad normal

Evento Ruta Tiempo de Terminación Media normalmente

más Tardío distribuida
1 (0, 1) 4 3.06295607699454
2 (0, 2) 3 3.67554729239345
3 (0, 2, 3) 6 7.3510945847869
4 (0, 2, 3, 4) 6 9.80145944638253
 5 (0, 2, 3, 4, 5) 13 18.3777364619672
6 (0, 2, 3, 4, 5, 6) 19 25.7288310467541

Conclusión

Despues de realizado el desarrollo sobre la programación probabilistica de proyectos con los ti

estimados en cada una de las actividades, se analizaron los datos del parametro K, con la tabla de d
y se evidencia que la mayoria de los datos de la probabilidad P(z) son mayores que el para
distribuida de cada una de las rutas

Varianza normalmente Parámetro Probabilidad

distribuida K P(z)
5.04526973991703 0.4171745 0.659
88.2296757823507 -0.0719198 0
264.397152238131 -0.0830916 0
346.966535729625 -0.2040829 0.4207
 420.519063177671 -0.2622447 0.3974
586.012249935776 -0.2779625 0.3935

a de proyectos con los tiempos extras

etro K, con la tabla de distribución normal
on mayores que el parametro K.
 Bibliografía

Hillier, F. y Lieberman, G. (2015). Introducción a la investigación de operaciones (pp.

961-966). México, México: Editorial McGraw-Hill Interamericana. Recuperado de
http://bibliotecavirtual.unad.edu.co:2053/?il=2269

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp.

725-737). México, México: Editorial McGraw-Hill Interamericana. Recuperado de
http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=edselb&AN=edselb.3214887&lang=es&site=eds-live

económicas (pp. 84-87). Madrid, España: Editorial Universidad Complutense de

Madrid. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=103&docID=3168854&tm=1541109698692

Rojas, A. y Ospina, A. (2018). Modelos de líneas de espera [OVI]. Recuperado de

http://hdl.handle.net/10596/22265

Rojas, A. y Ospina, A. (2018). Modelos de programación estocástica [OVI].

Recuperado de http://hdl.handle.net/10596/22264