You are on page 1of 12

TRABAJO COLABORATIVO N° 2

METODOS PROBABILISTICOS

JUAN FERNEIS CUEVAS VERGARA
CÓD: 15 173 275
LIDIBETH ORTIZ TRILLOS
COD: 49785307
ELAINIS YULIETH MEJIA SANCHEZ
CODIGO: 49607595

Grupo 104561_100

TUTOR
VLADIMIR DE JESUS VANEGAS ANGULO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
INGENIERIA INDUSTRIAL
2014

INTRODUCCIÓN El trabajo de métodos probabilísticos tiene como objeto dar herramientas para una buena toma de decisiones. Como profesionales tenemos que aprender a conocer los diferentes temas del curso académico de métodos probabilísticos ya que son importantes para obtener los logros propuestos en este curso. así como un enfoque en los métodos de la programación lineal mediante la estrategia de la educación independiente. nos incentiva a trabajar en grupo para mejorar nuestro aprendizaje lo cual es muy importante a la hora de trabajar en equipo. el trabajo contiene ejercicios resueltos por medio de información acerca de cadenas de Markov. Nos muestra el camino de manejar las probabilidades en los diferentes procesos para darnos una ventaja con nuestros competidores. programación lineal y no lineal y teoría de colas. . a fin de optimizar los resultados dados en una empresa.

teoría de colas y programación no lineal. teoría de colas y programación no lineal.  Proponer y plantear problemas de aplicación donde se utilicen los Modelos Prototipo para solucionar problemas de Cadenas de Markov. .OBJETIVOS  Identificar los diferentes algoritmos utilizados para solucionar problemas de Cadenas de Markov.

1. Y Maximin: el jugador B elige que el pago máximo a A sea el menor posible. En efecto. -Simulación: as cadenas de Márkov son utilizadas para proveer una solución analítica a ciertos problemas de simulación -Juegos de azar: juegos de azar que se pueden modelar a través de una cadena de Márkov. aplicación a la estrategia militar. características y sus aplicaciones. usándose en inteligencia artificial y cibernética. transporte y logística o telecomunicaciones. sociología. Se usa actualmente en muchos campos. MODELO CADENAS DE MARKOV TEORIA DE JUEGOS TEORIAS DE COLAS PRINCIPALES CONCEPTOS Proceso estocástico discreto en el que la probabilidad de que ocurra un evento depende del evento inmediatamente anterior. el jugador fila. Ésta teoría estudia factores como el tiempo de espera medio en las colas o la capacidad de trabajo del sistema sin que llegue a colapsarse. Establece un balance equilibrado. industria. elige que su pago mínimo posible sea el mayor. la teoría de colas. Permite modelar sistemas en los que varios agentes que demandan cierto servicio o prestación confluyen en un mismo servidor y. la congestión de red de computadoras o de telecomunicación. Sus investigadores estudian las estrategias óptimas así como el comportamiento previsto y observado de individuos en juegos. pronósticos y los modelos EOQ de inventarios. comercio. El modelo de la ruina del jugador. o la implementación de una cadena productiva en la ingeniería . Es el estudio matemático de las colas o líneas de espera dentro de un sistema. Identifica el nivel óptimo de capacidad del sistema que minimiza el coste del mismo. -Meteorología: formular modelos climatológicos básicos. En el cuadro se debe desarrollar: Principales conceptos. las cadenas de este tipo tienen memoria. como en la biología. informática. El grupo colaborativo deberá realizar un cuadro comparativo entre las cadenas de Markov. ingenierías. que establece la probabilidad de que una persona que apuesta en un juego de azar finalmente termine sin dinero -Genética: Ha sido empleada en la construcción del modelo de difusión de Motō Kimura. Se engloba en la investigación de operaciones y es un CARACTERÍSTICAS Se cumple con la ecuación: Una cadena de Márkov se puede caracterizar por la probabilidad de ir al estado n+1 condicionada a que antes estábamos en el estado n: Utiliza los criterios de Minimax. "Recuerdan" el último evento y esto condiciona las posibilidades de los eventos futuros. la teoría de juegos. entre las APLICACIONES -Física: roblemos de la termodinámica y la física estadística. Aplicación en una amplia variedad de situaciones como negocios. -Modelos epidemiológicos: modelar el desarrollo de una epidemia. por lo tanto. psicología y filosofía. pueden registrarse esperas desde que un agente llega al sistema y el servidor atiende sus demandas. Utiliza modelos para estudiar interacciones en estructuras formalizadas de incentivos (los llamados «juegos») y llevar a cabo procesos de decisión. La teoría es muy útil para modelar procesos tales como la llegada de datos a una cola en ciencias de la computación.

en pronósticos de abastecimiento. Formule como una cadena de Markov el siguiente proceso. Además 80% de los usuarios de la competencia Permanecieron leales a estas otras marcas. Así mismo. Determínese la parte del mercado que corresponde a AROMA: en 3 años y a . -Permiten deducir el tiempo en el cual se presenta un ciclo de pedidos El modelo EOQ es de gran utilidad en las empresas que necesiten tener información sobre los diferentes materiales o insumos que haya en existencia o que tengan que ser incluidos en la lista de pedidos que deben ejecutarse temporalmente de acuerdo con las necesidades de producción de la empresa o según el comportamiento de la demanda. el costo de mantener el inventario. producción y finanzas. Pronósticos de los tiempos de espera. 2. por ejemplo: la demanda de un producto -Las situaciones en que se requiere un pronóstico. Datos del año anterior muestran que 84% de consumidores de AROMA continúan usándola. tanto la demanda anual es constante. En el lenguaje de empresa. una demanda conocida y constante. y el costo de ordenar un pedido. Considerando que estas tendencias continúan. Se utiliza para la planeación de materiales. precios y costos. industrial. de control. mientras que 16% de los usuarios de AROMA Cambiaron a otras marcas. tratan con el futuro y el tiempo está directamente involucrado -La incertidumbre: si el administrador tuviera certeza sobre las circunstancias que existirán en un tiempo dado. tecnología. incluyendo logística. planeación y control de todas las áreas funcionales. Un “pronóstico” formula un conocimiento probable sobre un evento futuro. Método que. El principio del EOQ es simple. condiciones. produce como salida la cantidad óptima de unidades a pedir para minimizar costos por mantenimiento del producto. como la demanda durante el "lead time". se suele entender como pronóstico la estimación anticipada del valor de una variable.PRONÓSTICOS MODELOS EOQ DE INVENTARIOS complemento muy consideraciones cuantitativas de importante a la teoría costes y las cualitativas de de sistemas y la teoría servicio. Se caracteriza por su sencillez a la hora de calcular la cantidad por orden o pedido. El fabricante de Dentífrico AROMA controla actualmente 65% del mercado de una ciudad. y se basa en encontrar el punto en el que los costos por ordenar un producto y los costos por mantenerlo en inventario son iguales. marketing. comerciales. Resolver los siguientes problemas de aplicación a. mientras que 20% restante se Cambió a AROMA. tomando en cuenta la demanda determinística de un producto. la preparación de un pronóstico seria trivial -La confianza de la persona que hace el pronóstico sobre la información contenida en datos históricos. los supuestos que introduce este modelo facilitan su aplicación pues se asume la existencia de variables constantes como la demanda. (Estado inicial).

616x0.65x0.16)+ (0.35x0. 0. (Dibuje el diagrama de estados correspondiente a la cadena de Markov).16 0.2) = (0.16 0.4058) (0.2 0. 0.20 Matriz De Transición Vector inicial es X° = (0.616.16 0.35) Calculando la probabilidad de los ciclos tenemos: X¹ = (0.65.4058) 0.84 0. 0.5942.8 (0.616. 0.8) X3 = (0.16 S2 0.20 0.2) (0. Correspondiente a la cadena de Markov).65.84)+ (0.8 .84 0.35) 0.616x0.384) 0.5942. 0.2 0.384x0.8 Diagrama de Estado 0.384x0.35x0.84 0.2 0.Largo plazo.16 0.84)+ (0.16)+ (0. 0.8) = 0.84 0.80 (0.384 X² = (0. Estados S1= Consumo de Aroma S2 = Consumo otras Marcas Matriz de Transición S1 S2 S1 0.65x0.

4058x0.8X1 = 1 X1 = 1/1.8x2 = x2 (2) X1 + x2 = 1 (3) De (1) 0.4058x0.2 X1 X2=0.2X2 = X1 – 0.2 0.58.36 1 0.555 X2 = 1 -0.555 = 0.84X1 X2 = 0.8x1 + 0.65 0.5942x0.84) + (0.(0.445 .4058 3 0.16) + (0.16/0.8) = (0.384 2 0.8 = x1.42) Probabilidades para cada estado: PROBABILIDADES ESTADO 1(S1) PROBABILIDADES ESTADO 2 (S2) INICIO 0.8X1 =1 1.8X1 Reemplazando en (3) X1 +0.8 = 0.616 0.5942x0.42 Según lo anterior en un periodo de 3 años el mercado será dominado por AROMA en un 58% y en un 42% por las otras marcas.2x2 = x1 (1) 0.84 0. x2 0. 0.16 0.16x1 + 0. x2 0.58 0.5942 0.2) (0. Probabilidad a largo plazo = x1.

en los dos meses siguientes mediante regresión lineal. ya que sería el valor que le correspondería en la tabla.5% de las otras marcas.AROMA capturara el 55.5 Y= = 11. Utilice la siguiente información histórica de las ventas mensuales de un Producto. . X Demanda X. para pronosticar la demanda del mismo. para pronosticar la demanda del mismo.25 Y = 5.Y X2 Enero 1 7 7 1 Febrero Marzo 2 3 11 13 22 39 4 9 Abril 4 14 56 16 Totales 10 45 124 30 Meses = 2. Utilice la siguiente información histórica de las ventas mensuales de un producto.5+2.3 X Esta sería la ecuación de regresión.5% del mercado contra el 44. en los dos meses Siguientes mediante regresión lineal. b. ahora para hallar la demanda del mes de mayo y junio reemplazamos a X por 5 y 6.

Reemplazando tendríamos Mayo Y= 5. Su demanda anual es 1000 unidades. Con estas cifras calcular el número óptimo de unidades por orden.. Número de pedidos por año: Costo total del Inventario: . Inc.5+ 2. está interesada en reducir el costo de su inventario determinando el número óptimo de agujas hipodérmicas que debe solicitar en cada orden.3 3.50. Sharp. una compañía comercializadora de agujas hipodérmicas indoloras.3 (6) = 19.5+ 2. el número de pedidos por año y el costo total del inventario teniendo en cuenta que el costo unitario de las agujas es de es de $8 Numero óptimo de unidades: Numero óptimo por orden 200 unidades de agujas.3 (5) = 17 Junio Y = 5. el costo de ordenar o preparar es de $10 por orden y el costo de mantener por unidad por año es de $0.

Costo total del Inventario $ 100 4. por otro lado. si la última compra fue de otra marca.25 f nf . entonces se escoge la marca X sólo el 20% del tiempo. existe un 70% de posibilidades de que la compre de nuevo la próxima vez. El departamento de comercialización de la marca X hizo una investigación y encontró que. si un cliente compra su marca. ¿Cuál es el porcentaje de mercado que puede pronosticarse a la larga para la marca P (f) = .75 P (nf)= .

. La complejidad del mundo moderno. Usamos números para cuantificar valores e incertidumbres.CONCLUSIONES Métodos probabilísticos es la disciplina que consiste en evaluar alternativas complejas en términos de valores y de incertidumbre (lo que no conocemos). Estos análisis brindan información sobre las diferencias entre las alternativas definidas y genera sugerencias de nuevas y mejores alternativas. la Incertidumbre y el Riesgo. junto con la cantidad de Información. lo cual nos permite comprender la situación de decisión. Es por ello que esta es una herramienta útil de la cual se desprenden alternativas para el mejoramiento de las diferentes empresas e industrias. requieren un marco racional para la toma de decisiones.

BIBLIOGRAFIA  MODULO MÉTODOS PROBABILÍSTICOS.VLADIMIR DE JESÚS VANEGAS ANGULO (Director Nacional) WILLIAM MOSQUERA (Acreditador) Santa Marta 13 de enero de 2012  http://investigaciondeoperaciones2markov.html .blogspot.com/p/teoria-yejemplos.