Академический Документы
Профессиональный Документы
Культура Документы
1. INTRODUCCION A LA PROBABILIDAD
2. DISTRIBUCION DE PROBABILIDAD
3. PROGRAMACIN LINEAL
4. MODELOS DE LINEA DE ESPERA
5. PROCESOS DE MARKOV
1. INTRODUCCION A LA PROBABILIDAD
PROBABILIDAD
La probabilidad es una herramienta de ayuda para la toma de decisiones
porque proporciona una forma de medir, expresar y analizar las incertidumbres
asociadas con eventos futuros de razones entre el nmero de casos favorables y el nmero de
casos posibles.
Espacio muestral: es el conjunto de todos los resultados que pueda suceder. Ejemplo: cara o cruz
La probabilidad de un resultado experimental es resultado posible que ocurra.
A= 1,2,3,4,5,6
A= 2,4,6
El dado tiene seis puntos mustrales por lo que probabilidad de que es resultado experimental o
punto muestral seria el evento A.
3/9+2/9+4/9=1
2
Introduccin a Probabilidades SEMANA 3_2
3
Introduccin a Probabilidades SEMANA 3_2
PROBABILIDAD CONJUNTA:
PROBABILIDAD MARGINAL:
Es una representacin grfica que muestra los resultados posibles de una serie de experimentos y
sus respectivas probabilidades.
EJEMPLO:
En una bolsa se han colocado 4 pelotas blancas y 3 negras, y en una segunda bolsa 3 blancas y 5
negras. Se saca una pelota de la primera bolsa y sin verla, se mete en la segunda. Cul es la
probabilidad de que la pelota que se saque de esta ltima sea negra?
4
Introduccin a Probabilidades SEMANA 3_2
TEOREMA DE BAYES
EJEMPLO:
Una empresa manufacturera recibe embarques de partes de dos proveedores. En la actualidad el
65% de las partes compradas por la compaa son del proveedor 1 y el restante 35% don del
proveedor 2.
5
Introduccin a Probabilidades SEMANA 3_2
Cul es la probabilidad de que la parte mala venga del proveedor 1 y cul de que venga del
proveedor 2?
6
Introduccin a Probabilidades SEMANA 3_2
2. DISTRIBUCION DE PROBABILIDAD
7
Introduccin a Probabilidades SEMANA 3_2
Funcin de probabilidad
1. Hay una probabilidad de 0.18 de q2ue no se vender ningn automvil durante un da.
2. El volumen de ventas ms probable es 1, con f(1)=0.39
VALOR ESPERADO
Es un promedio ponderado de todos los valores posibles de la variable aleatoria, donde los pesos
son las probabilidades asociadas con los valores. Si un experimento puede repetirse gran cantidad
de ocasiones, el valor esperado puede interpretarse como el promedio a la larga para la variable
aleatoria.
8
Introduccin a Probabilidades SEMANA 3_2
VARIANZA
Es una medida que comnmente se usa para representar la dispersin o variabilidad en los valores
de una variable aleatoria. Es un promedio ponderado del cuadrado de las desviaciones entre los
valores de la variable y la media. Permite medir qu tan lejos est cualquier valor particular de la
variable aleatoria del valor esperado o media. Una medida de variabilidad relacionada es la
desviacin estndar, σ, la cual se define como la raz cuadrada positiva de la varianza.
9
Introduccin a Probabilidades SEMANA 3_2
En los casos en que la distribucin binomial es aplicable, la frmula matemtica para calcular la
probabilidad de cualquier valor para la variable aleatoria es la funcin de probabilidad binomial.
10
Introduccin a Probabilidades SEMANA 3_2
Distribucin de probabilidad para una variable aleatoria discreta. Se usa para calcular la
probabilidad de x ocurrencias a lo largo de un intervalo especificado (tiempo, longitud, distancia,
etc.)
11
Introduccin a Probabilidades SEMANA 3_2
12
Introduccin a Probabilidades SEMANA 3_2
Las variables aleatorias que pueden asumir cualquier valor en un intervalo o coleccin de intervalos
determinados son continuas.
Ejemplos:
1. La cantidad real de sopa colocada en una lata etiquetada como 8 onzas.
2. El tiempo de vuelo de un avin que viaja de Chicago a Nueva York.
3. El tiempo de vida del cinescopio en un televisor nuevo.
Para variables aleatorias continuas necesitamos un nuevo mtodo para calcular las probabilidades
asociadas con los valores de la variable aleatoria.
13
Introduccin a Probabilidades SEMANA 3_2
La distribucin normal fue observada por primera vez por e matemtico francs Abraham de Moivre
a principios del siglo XVIII. Su trabajo fue motivado por el estudio de la probabilidad asociada con
los juegos de azar.
14
Introduccin a Probabilidades SEMANA 3_2
15
Introduccin a Probabilidades SEMANA 3_2
16
Introduccin a Probabilidades SEMANA 3_2
Es una distribucin de probabilidad continua frecuentemente til para describir el tiempo necesario
para completar la tarea. La variable aleatoria exponencial puede usarse para describir el tiempo
entre llegadas a un lavado de automviles, el tiempo requerido para cargar un camin, la distancia
entre defectos importantes en una autopista, etc. La funcin de densidad de probabilidad
exponencial es:
17
Introduccin a Probabilidades SEMANA 3_2
18
Introduccin a Probabilidades SEMANA 3_2
3. PROGRAMACIN LINEAL
PROGRAMACIN LINEAL
FUNCIN OBJETIVO:
Define la cantidad que se va a maximizar o minimizar.
RESTRICCIONES:
Limita o reduce el grado en que se puede perseguir el objetivo.
VARIABLES:
Son las entradas controlables en el problema.
Es el proceso de traducir la declaracin verbal del mismo en una declaracin matemtica que son
los siguientes:
MAXIMIZACIN
1. Preparar una grfica para cada restriccin que muestre las soluciones que satisfagan la
restriccin.
2. Determinar la regin factible identificando las soluciones que satisfacen simultneamente todas
las restricciones.
3. Trazar lneas de funcin objetivo que muestren los valores de las variables de decisin que
producen valores especificados para la misma.
4. Mover lneas de funcin objetivo paralelas hacia valores mayores de la funcin objetivo hasta
que un mayor movimiento sacara a la lnea por completo de la regin factible.
5. Cualquier solucin factible en la lnea de funcin objetivo con el valor mximo encontrado por el
procedimiento anterior es una solucin ptima.
19
Introduccin a Probabilidades SEMANA 3_2
20
Introduccin a Probabilidades SEMANA 3_2
VARIABLE DE HOLGURA
Es la cantidad de recursos no usados, una restriccin <= se le conoce como una holgura asociada
con la restriccin.
METODO SIMPLEX
El algoritmo simplex est diseado para localizar la solucin ptima concentrndose en un nmero
seleccionado de las soluciones bsicas factibles del problema.
Siempre empieza en una solucin bsica factible y despus trata de encontrar otra solucin bsica
factible que mejorar el valore del objetivo.
Los clculos para producir la nueva solucin bsica incluyen dos tipos:
1. Rengln pivote:
Nuevo rengln pivote = rengln pivote actual / elemento pivote
1. Preparar una grfica para cada restriccin que muestre las soluciones que satisfagan la
restriccin.
21
Introduccin a Probabilidades SEMANA 3_2
2. Determinar la regin factible identificando las soluciones que satisfacen simultneamente todas
las restricciones.
3. Trazar lneas de funcin objetivo que muestren los valores de las variables de decisin que
producen valores especificados para la misma.
4. Mover lneas de funcin objetivo paralelas hacia valores ms pequeos de la funcin objetivo
hasta que un movimiento mayor a la lnea por completo de la regin factible.
5. Cualquier solucin factible en la lnea de funcin objetivo con el valor ms pequeo es una
solucin ptima.
Variables de excedente:
Variable restada del lado izquierdo de una restriccin de mayor o igual que para convertir dicha
restriccin en una igualdad. Generalmente, el valor de esta variable puede interpretarse como la
cantidad por encima de algn nivel mnimo requerido.
22
Introduccin a Probabilidades SEMANA 3_2
FASE I: Se expresa el problema en forma estndar y se aaden las variables artificiales necesarias
a las restricciones. En seguida se encuentra una solucin bsica de las ecuaciones resultantes,
por medio del mtodo simplex, que minimice la suma de las variables artificiales.
FASE II: Se utiliza la solucin factible obtenida en la fase I como una solucin factible inicial para
el problema original, por medio del mtodo simplex.
23
Introduccin a Probabilidades SEMANA 3_2
Los modelos de lnea de espera consisten en frmulas y relaciones matemticas que pueden
usarse para determinar las caractersticas operativas (medidas de desempeo) para una cola.
5. Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera ms el tiempo de
servicio)
6. Probabilidad que tiene una unidad que llega de esperar por el servicio
Para ilustrar las caractersticas bsicas de un modelo de lnea de espera, consideramos la cola en
el Burger Dome, que vende hamburguesas, papas fritas, refrescos y malteadas, as como un
nmero limitado de artculos de especialidad y postres. Aunque a Burger Dome le gustara servir
inmediatamente a cada cliente, a veces llegan ms comensales de los que puede manejar el
personal de Burger Dome, por tanto, los clientes esperan en lnea para hacer sus pedidos y recibir
sus alimentos.
A Burger Dome le preocupa que los mtodos que se usan actualmente para servir a los clientes
dan como resultado tiempos de espera excesivos. La administracin desea realizar un estudio con
el fin de ayudar a determinar el mejor enfoque para producir los tiempos de espera y mejorar el
servicio.
Cada cliente que entra al restaurante de Burger Dome debe pasar por un canal, una estacin para
tomar y surtir el pedido, para colocar el pedido, pagar la cuenta y recibir el producto. Cuanto llegan
ms clientes forman una lnea de espera y aguardan que se desocupe la estacin para tomar y
surtir el pedido.
Distribucin de llegadas:
Definir el proceso de llegada para una lnea de espera implica determinar la distribucin de
probabilidad para la cantidad de llegadas en un periodo dado. Para muchas situaciones de lnea
de espera, cada llegada ocurre aleatoria e independientemente de otras llegadas y no podemos
24
Introduccin a Probabilidades SEMANA 3_2
predecir cundo ocurrir. En tales casos los analistas cuantitativos han encontrado que la
distribucin de probabilidad de poisson proporciona una buena descripcin del patrn de llegadas.
El tiempo de servicio es el tiempo que pasa un cliente en la instalacin una vez el servicio ha
iniciado.
Se puede utilizar la distribucin de probabilidad exponencial para encontrar la probabilidad de que
el tiempo de servicio sea menor o igual que un tiempo t.
Al describir un sistema de lnea de espera debemos definir la manera en que las unidades que
esperan el servicio se ordenan para recibirlo.
En general para la mayora de las lneas de espera orientadas al cliente, las unidades que esperan
servicio se acomodan segn el principio el primero que llega, el primero al que se sirve; este
enfoque se conoce como disciplina de lnea de espera o disciplina de cola FCFS (first-come, first
served).
25
Introduccin a Probabilidades SEMANA 3_2
Caractersticas operativas:
A continuacin, las frmulas que pueden usarse para determinar las caractersticas operativas de
estado estable para una lnea de espera de un solo canal.
El objetivo de las frmulas es mostrar cmo se puede dar informacin acerca de las caractersticas
operativas de la lnea de espera.
26
Introduccin a Probabilidades SEMANA 3_2
27
Introduccin a Probabilidades SEMANA 3_2
Los resultados de la lnea de espera de un solo canal para Burger Dome muestran varias cosas
importantes sobre su operacin. En particular, los clientes esperan un promedio de tres minutos
antes de comenzar a colocar un pedido, lo cual parece un poco largo para un negocio basado en
el servicio rpido. Adems los hechos de que la cantidad promedio de clientes que esperan en la
lnea es de 2.25 y que 75% de los clientes que llegan tienen que esperar para que los atiendan son
indicadores de que debera hacerse algo para mejorar la operacin.
Despus de revisar las caractersticas operativas proporcionadas por el modelo de lnea de espera,
la administracin de Burger Dome concluy que es deseable disear mejoras que reduzcan los
tiempos de espera; para ello, a menudo los analistas se centran en formas de mejorar la tasa de
servicio. Por lo general, las mejoras en la tasa de servicio se obtienen realizando los siguientes
cambios de manera individual o conjuntamente.
28
Introduccin a Probabilidades SEMANA 3_2
Consiste en dos o ms canales de servicio que se supone son idnticos desde el punto de vista de
su capacidad. En el sistema de canales mltiples, las unidades que llegan esperan en una sola
lnea y luego pasan al primer canal disponible para ser servidas.
A continuacin, las frmulas que pueden usarse para determinar las caractersticas operativas de
estado estable para lneas de espera con mltiples canales. Estas frmulas son aplicables si
existen las siguientes condiciones.
2. Tiempo de servicio para cada canal sigue una distribucin de probabilidad exponencial.
29
Introduccin a Probabilidades SEMANA 3_2
30
Introduccin a Probabilidades SEMANA 3_2
Antes de que pueda llevarse a cabo un anlisis econmico de una lnea de espera, debe elaborarse
un modelo de costo total, el cual incluye el costo de esperar y el costo de servicio.
31
Introduccin a Probabilidades SEMANA 3_2
Para realizar un anlisis econmico de una lnea de espera debemos obtener estimaciones
razonables del costo de esperar y el costo de servicio. En el problema de Burger Dome, el costo
de esperar sera el costo por minuto para un cliente que espera por servicio. Este costo no es un
costo directo para Burger Dome; sin embargo, si Burger Dome lo ignora y permite lneas de espera
largas, los clientes comern en otra parte. Por tanto Burger Dome experimentar prdida en ventas
y en efecto, incurrir en un costo.
Generalmente es ms fcil determinar el costo del servicio. Este es el costo relevante asociado con
la operacin de cada canal de servicio; en el problema de Burger Dome, incluira los salario y
prestaciones del empleado y cualquier otro costo directo asociado con la operacin del canal de
servicio. En Burger Dome este costo se estima en $7 por hora. Suponemos que Burger Dome est
dispuesto a asignar un costo de $10 por hora para el tiempo de espera del cliente. Usamos la
cantidad promedio en el sistema, L.
Substituyendo frmula
Por tanto, con base en los datos de costo proporcionados por Burger Dome, el sistema de dos
canales proporciona la operacin ms econmica.
La forma general de las curvas de costo en el anlisis econmico de las lneas de espera consiste
en que el costo del servicio aumenta conforme aumenta la cantidad de canales; pero con ms
canales, el servicio es mejor. Como resultado, el tiempo de espera y el costo disminuyen conforme
se aumenta la cantidad de canales. Puede encontrarse la cantidad de canales que proporcionar
una buena aproximacin al diseo de costo total mnimo evaluando el costo total para varias
alternativas de diseo.
32
Introduccin a Probabilidades SEMANA 3_2
5. PROCESOS DE MARKOV
Procesos de Markov
Son tiles para estudiar la evolucin de sistemas a lo largo de ensayos repetidos, que a menudo,
son perodos sucesivos donde el estado del sistema, en cualquier perodo particular, no puede
determinarse con certeza son llamados tambin markovianos.
Es til para describir la probabilidad de que una mquina siga funcionando o se estropeara en el
siguiente periodo y tambin de que un consumidor que compra la marca A en un periodo compre
la marca B en el siguiente perodo.
Suponga que estamos interesados en analizar la participacin en el mercado y lealtad del cliente
de los dos nicos supermercados en un poblado pequeo. Nos enfocamos en la secuencia de los
viajes de compras de un cliente y suponemos que hace un viaje de compras cada semana, a uno
u otro almacn, pero no a ambos.
ENSAYOS DE PROCESOS:
Eventos que descadenan las transiciones del sistema de un estado a otro, es decir se refiere a los
periodos semanales o viajes de compras.
Condicin del sistema de cualquier ensayo o periodo particular, es decir tienda particular
seleccionada en una semana.
Primero para determinar las probabilidades de los diversos estados que ocurren en ensayos
sucesivos, necesitamos informacin sobre la probabilidad de que un cliente permanezca con la
misma tienda o cambie a la tienda competidora conforme contina el proceso de una semana a
otra y segundo debido a que las probabilidades indican que un cliente puede moverse o hacer una
transicin de un estado en un periodo dado, a otro estado en el siguiente perodo, estas
probabilidades se llaman probabilidades de transicin.
EJEMPLO:
Probabilidades de transicin para las tiendas de abarrotes de Murphys y Ashleys.
33
Introduccin a Probabilidades SEMANA 3_2
MATRIZ DE TRANSICION
El anlisis en los casos que vamos a estudiar se restringe a situaciones consistentes en una
cantidad finita de estados en los que permanecen constantes las probabilidades de transicin a lo
largo del tiempo y la probabilidad de estar en un estado particular en cualquier perodo,
dependiendo nicamente del estado en el perodo inmediatamente anterior.
34
Introduccin a Probabilidades SEMANA 3_2
35
Introduccin a Probabilidades SEMANA 3_2
36
Introduccin a Probabilidades SEMANA 3_2
37
Introduccin a Probabilidades SEMANA 3_2
38