Control 3. Lunes 23 de Junio 2008

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Control 3. Lunes 23 de Junio 2008"

Transcripción

1 Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN44A: Investigación Operativa Profesores: R. Caldentey, R. Epstein, P. Rey Prof. Aux.: J. Gacitúa, L. Valdés, D. Wilson Control 3 Lunes 23 de Junio 2008 Pregunta 1 Pasajeros llegan a un paradero de taxis según un proceso de Poisson de tasa λ pasajeros por hora. Los taxis llegan al paradero también según un proceso de Poisson de tasa µ taxis por hora. Los taxis forman una fila a la espera de un pasajero. Cuando llega un pasajero, toma el primer taxi de la fila y se va a su destino. Si no hay taxis en la fila, el pasajero se va y busca otro medio de transporte. Calcule, para el largo plazo, lo siguiente: 1. Número promedio de taxis esperando en fila (0,5 puntos). Estamos frente a una cola M/M/1. Los pasajeros actúan como servidor y los taxistas como clientes. Sea {X(t), t 0} la cadena de Markov representa el número de taxistas esperando pasajeros. X(t) N 0. El generador infinitesimal de la cadena es µ i = j = 0 (λ + µ) i = j, i 1 Q = (q ij ) = µ j = i + 1, λ j = i 1, i 1 Para hacer cálculos en el largo plazo, debemos obtener las probabilidades estacionarias. Se plantean las ecuaciones de equilibrio, µπ 0 = λπ 1 (µ + λ)π i = µπ i 1 + λπ i+1 i = 1, 2.. π i = 1 i=0 Sea ρ = µ λ (Se asume ρ < 1). Con las ecuaciones anteriores se llega a En esta pregunta se pide L = i=0 iπ i = µ λ µ π 0 = 1 ρ π i = ρ i π 0 2. Tiempo promedio que debe esperar un taxi para encontrar pasajero (0,5 puntos). Se busca el tiempo promedio que un taxi esta en el sistema, W. Ocupando Little y la parte anterior se obtiene W = L µ = 1 λ µ

2 3. Fracción de los pasajeros que no encuentra taxi (0,5 puntos). casos favorables Se hace un análisis de casos totales por unidad de tiempo. La totalidad de los pasajeros llega al paradero a tasa λ. En el largo plazo, pasajeros llegan a un sistema vacío con tasa π 0 λ, por lo tanto la fracción pedida es π 0 λ λ = π 0 Considere que cada pasajero que se retira supone un costo C al sistema taxis. También, suponga que cada taxi en la fila significa un costo de T por hora de espera al sistema taxis. Adicionalmente, cada pasajero que toma un taxi representa un beneficio esperado de B al sistema taxis. 4. Si el sistema taxis puede regular la tasa de llegada µ, plantee las ecuaciones que permitan encontrar el µ óptimo para los taxistas (0,6 puntos). Se define la función de utilidad Π = B(1 π 0 )λ Cπ 0 λ T L El µ óptimo se obtiene al resolver δπ δµ = 0 Pregunta 2 Un centro médico atiende pacientes graves y pacientes leves. Los pacientes graves llegan al centro según un proceso de Poisson de tasa α pacientes por hora. Los pacientes leves llegan también según un proceso de Poisson de tasa β pacientes por hora. La sala de espera para pacientes graves es muy grande (para efectos prácticos infinta), pero la sala de espera para pacientes leves acepta hasta 2 pacientes como máximo. Si llega un paciente leve al centro y la sala de espera está llena, el paciente se retira y se atiende en otro servicio. El centro sólo puede atender a un enfermo a la vez. El tiempo de atención de un enfermo distribuye exponencialmente con tasa µ pacientes por hora, independiente si el paciente está grave o leve. El centro atiende a los pacientes leves sólo cuando no hay pacientes graves en el centro, es decir, los pacientes graves tienen la prioridad. Incluso, si cuando están atendiendo a un paciente leve llegara un paciente grave, la atención al paciente leve es suspendida y este paciente leve es enviado a su sala de espera (si la sala de espera está llena el paciente leve se va del centro) y se atiende inmediatamente al paciente grave. 1. Exprese en función de los parámetros del problema, el tiempo promedio que debe esperar un paciente grave para empezar a ser atendido. (0,5 puntos) Sea {X(t), t 0} cadena de Markov en tiempo continuo que representa el número de pacientes graves y leves dentro del hospital. El conjunto de estados es E = {N 0 {0, 1, 2}} (0, 3). El primer índice indica el n mero de pacientes graves en el hospital; el segundo, los pacientes leves. El diagrama de estados es el siguiente:

3 Las ecuaciones que permiten encontrar las probabilidades estacionarias son las siguientes: (α + β)π 0,0 = µ(π 1,0 + π 0,1 ) (µ + α + β)π 0,1 = βπ 0,0 + µ(π 1,1 + pi 0,2 ) (µ + α + β)π 0,2 = βπ 0,1 + µ(π 1,2 + pi 0,3 ) (µ + α)π 0,3 = βπ 0,2 (µ + α + β)π i,0 = απ i 1,0 + µπ i+1,0 i 1 (µ + α + β)π i,1 = απ i 1,1 + βπ i,0 + µπ i+1,1 i 1 (µ + α)π i,2 = απ i 1,2 + βπ i,1 + µπ i+1,2 i 2 (µ + α)π 1,2 = α(π 0,2 + π 0,3 ) + βπ 1,1 + µπ 2,2 π i,j = 1 ({i,j) E} La respuesta a esta pregunta es W q, de la cola de pacientes graves. Calculamos entonces L q : L q = {(i,j) E:i 1} (i 1)π i,j La tasa efectiva de entrada de pacientes graves es α, por lo tanto, W q = L q α 2. Exprese en función de los parámetros del problema, la fracción de los pacientes leves que se retiran del centro habiendo sido atendidos satisfactoriamente. (1,0 puntos) En el largo plazo, pacientes leves aparecen con una tasa β por hora en el sistema. Cuando la cadena está en los estados (0,1),(0,2),(0,3) están siendo atendidos pacientes leves, por lo tanto la tasa efectiva a la cual salen pacientes leves del hospital es (π 0,1 + π 0,2 + π 0,3 )µ. La fracción de pacientes leves que se retiran siendo atendidos satisfactoriamente es entonces (π 0,1 + π 0,2 + π 0,3 )µ β

4 Responda SOLO UNA de las dos preguntas siguientes Pregunta 3 A un call-center llegan llamadas telefónicas a tasa λ llamadas por minuto. En el centro hay n operadoras, esperando atender las consultas de los clientes. Cada operadora tarda un tiempo exponencial de tasa µ llamadas por minuto en atender a un cliente. Si todas las operadoras están ocupadas, las llamadas van haciendo cola en el sistema telefónico. 1. En el largo plazo, cuántas personas hay en el sistema esperando a ser atendidas? (0,8 puntos) Estamos frente a una cadena M/M/C. Se desarrollará el modelo via cadenas de Markov en tiempo contínuo. Sea {X(t), t 0} cadena de Markov en tiempo continuo que representa el número de llamadas en el call-center. El conjunto de estados es E = N 0. El generador infinitesimal de la cadena es λ i = j = 0 (λ + iµ) i = j, 0 < i n (λ + nµ)) i = j, i > n Q = (q ij ) = iµ j = i 1, i n nµ j = i 1, i > n λ j = i + 1 Las ecuaciones que permiten resolver las probabilidades estacionarias son: λπ 0 = µπ 1 (λ + iµ)π i = λπ i 1 + (i + 1)µπ i+1 0 < i < n (λ + nµ)π j = λπ j 1 + nµπ j+1 j n π i = 1 i E El número promedio de personas esperando a ser atendidas en el largo plazo es L q = (i n)π i i E:i n 2. Suponga que hay n clientes siendo atendidos y ninguno esperando y acaba de llegar una nueva llamada al call-center. En promedio, en cuanto tiempo más este cliente terminará su diligencia con el call-center? (0,8 puntos) Sea A el tiempo que debe esperar el cliente en ser atendido. Sea B el tiempo durante el cual es atendido. Tenemos A exp(nµ) y B exp(µ). Buscamos E[A+B]: E[A + B] = E[A] + E[B] = 1 nµ + 1 µ = 1 + n nµ 3. Sabemos que existe un costo por hora de operadora que es igual a C µ. Además, si un cliente tiene que esperar se incurre en un costo de L, independiente del lapso que el cliente ha tenido que esperar.

5 Si el gerente puede regular la tasa de atención de las operadoras, plantee como podemos encontrar la tasa óptima de atención, aquella que minimiza los costos horarios en el largo plazo. (0,8 puntos) El costo por hora del conjunto de secretarias es ncµ. La tasa efectiva a la cual llegan clientes que deben esperar es i>n π iλ. Debemos entonces minimizar, min µ>0 ncµ + L i>n π i λ Pregunta 4 Un proceso de producción puede estar en tres estados: 1. Operacional (O): En este estado el proceso genera una producción con un valor econónimco de $I por hora. 2. Mantenimiento (M): La mantención dura un tiempo exponencialmente distribuido con una media de 1 hora. El costo de una mantención es de $m por mantención. 3. Reparación (R): Un equipo en estado Operacional puede fallar antes de una mantención. En este caso el equipo debe ser reparado, lo que toma un tiempo exponencialmente distribuido con una media de 5 horas. El costo de una reparación es de $r por reparación. Después de una Mantención o una Reparación el equipo vuelve a su estado Operacional. El tiempo de falla de un equipo operacional esta expoenencialmente distribuido con una media de 10 horas. Por otro lado, la política de mantención de la empresa es tal que el tiempo para la próxima mantención de un equipo Operacional está exponencialmente distribuido con una media de 5 horas. Estos tiempos de falla y mantención son independientes. a) Si el sistema se encuentra inicialmente en operación, cuál es la probabilidad que este en mantención despues de 10 horas de operación. b) Qué relación debe existir entre I, m y r para que el proceso de producción sea rentable al considerar su operación de largo plazo?

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3 UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CURSO : IN47A GESTIÓN DE OPERACIONES PROFESOR : A. SAURÉ A. WEINTRAUB AUXILIARES : J. PASSI J. RODRÍGUEZ

Más detalles

S = N λ = 5 5 = 1 hora.

S = N λ = 5 5 = 1 hora. Teoría de Colas / Investigación Operativa 1 PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 5 1. Al supercomputador de un centro de cálculo llegan usuarios según un proceso de Poisson de tasa 5 usuarios cada

Más detalles

Interrogación 1. 1.- (25 Ptos.) Conteste verbalmente las siguientes preguntas :

Interrogación 1. 1.- (25 Ptos.) Conteste verbalmente las siguientes preguntas : P. Universidad Católica de Chile Dpto. de Ingeniería de Sistemas Modelos Estocásticos Profesor Alvaro Alarcón 07 de Septiembre de 2009 Interrogación 1 1.- (25 Ptos.) Conteste verbalmente las siguientes

Más detalles

Teoría de Colas. Investigación Operativa II. Javier Alarcón Rafael Cáceres Jenny Martínez Pamela Quijada Grupo N 9

Teoría de Colas. Investigación Operativa II. Javier Alarcón Rafael Cáceres Jenny Martínez Pamela Quijada Grupo N 9 Teoría de Colas Investigación Operativa II Javier Alarcón Rafael Cáceres Jenny Martínez Pamela Quijada Grupo N 9 Profesor: Milton Ramírez 31 de Enero del 2012 ELEMENTOS BÁSICOS DE UN MODELO DE LÍNEA DE

Más detalles

S = N λ = 5 5 = 1 hora.

S = N λ = 5 5 = 1 hora. Teoría de Colas / Investigación Operativa 1 PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 5 1. Al supercomputador de un centro de cálculo llegan usuarios según un proceso de Poisson de tasa 5 usuarios cada

Más detalles

Posible solución al examen de Investigación Operativa de Sistemas de junio de 2002

Posible solución al examen de Investigación Operativa de Sistemas de junio de 2002 Posible solución al examen de Investigación Operativa de Sistemas de junio de 00 Problema (,5 puntos): Resuelve el siguiente problema utilizando el método Simplex o variante: Una compañía fabrica impresoras

Más detalles

INVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA

INVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA INVESTIGACIÓN DE OPERACIONES II JULIO CÉSAR LONDOÑO ORTEGA Email: julio.londono@correounivalle.edu.co jclondonor@gmail.com MODELOS DE FILAS DE ESPERA Introducción a la Teoría de Colas Ejemplos de la teoría

Más detalles

DEPARTAMENTO DE CIENCIAS BASICAS AREA DE MATEMATICAS INVESTIGACION DE OPERACIONES

DEPARTAMENTO DE CIENCIAS BASICAS AREA DE MATEMATICAS INVESTIGACION DE OPERACIONES DEPARTAMENTO DE CIENCIAS BASICAS AREA DE MATEMATICAS INVESTIGACION DE OPERACIONES AUTOR: TEMA: OSCAR A. ROMERO CARDENAS INGENIERO INDUSTRIAL ESPECIALISTA EN INFORMATICA Y MULTIMEDIA ESPECIALISTA EN ESTADISTICA

Más detalles

1. OBJETO Y MOTIVACIÓN de los SISTEMAS de ESPERA. Ejemplos.

1. OBJETO Y MOTIVACIÓN de los SISTEMAS de ESPERA. Ejemplos. Sesión 3.a TEORIA DE COLAS INTRODUCCIÓN y PROPIEDADES BÁSICAS 1. OBJETO Y MOTIVACIÓN de los SISTEMAS de ESPERA. Ejemplos. 2. ESTRUCTURA DE LOS S.E. Características de los componentes. Proceso de llegadas

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 8 Distribución normal estándar y distribuciones relacionadas Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar los conceptos de la distribución

Más detalles

TEORÍA DE COLAS. Mecanismo de Servicio Aeropuerto Pasajeros Sala de espera Avión Dpto. de bomberos Compañía telefónica

TEORÍA DE COLAS. Mecanismo de Servicio Aeropuerto Pasajeros Sala de espera Avión Dpto. de bomberos Compañía telefónica TEORÍA DE COLAS INTRODUCCIÓN El origen de la Teoría de Colas está en el esfuerzo de Agner Krarup Erlang (Dinamarca, 1878-1929) en 1909 para analizar la congestión de tráfico telefónico con el objetivo

Más detalles

Tema 5: Principales Distribuciones de Probabilidad

Tema 5: Principales Distribuciones de Probabilidad Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad

Más detalles

Selectividad Junio 2007 JUNIO 2007

Selectividad Junio 2007 JUNIO 2007 Bloque A JUNIO 2007 1.- Julia, Clara y Miguel reparten hojas de propaganda. Clara reparte siempre el 20 % del total, Miguel reparte 100 hojas más que Julia. Entre Clara y Julia reparten 850 hojas. Plantea

Más detalles

Soluciones Examen de Estadística

Soluciones Examen de Estadística Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación 15 de Febrero, 5 Cuestiones horas C1. Un programa se ejecuta desde uno cualquiera de cuatro periféricos A, B, C y D con arreglo

Más detalles

Variables aleatorias: problemas resueltos

Variables aleatorias: problemas resueltos Variables aleatorias: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ bjglez@ull.es DOMINGO HERNÁNDEZ ABREU dhabreu@ull.es MATEO M. JIMÉNEZ PAIZ mjimenez@ull.es M. ISABEL MARRERO RODRÍGUEZ imarrero@ull.es

Más detalles

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B 1. Queremos invertir una cantidad de dinero en dos tipos

Más detalles

Ejercicios de teoría de colas

Ejercicios de teoría de colas Ejercicios de teoría de colas Investigación Operativa II Diplomatura en Estadística Curso 07/08 1. En un hospital se dispone de un equipo de médicos que pueden llevar a cabo cierto tipo de operaciones

Más detalles

Matrices escalonadas y escalonadas reducidas

Matrices escalonadas y escalonadas reducidas Matrices escalonadas y escalonadas reducidas Objetivos. Estudiar las definiciones formales de matrices escalonadas y escalonadas reducidas. Comprender qué importancia tienen estas matrices para resolver

Más detalles

GUÍA DE MATEMÁTICAS II

GUÍA DE MATEMÁTICAS II Este material fue enviado por usuarios para ser: almacenado, compartido mantenido en nuestro sitio web de manera gratuita. GUÍA DE MATEMÁTICAS II.- Qué postulado de orden justifica la implicación u > v,

Más detalles

DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA U N I V E R S I D A D D E M U R C I A DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Ampliación de Modelos de I.O. - Curso 2008/2009 Problemas de Teoría de Colas 1. Calcular la varianza del número

Más detalles

Interrogación (25 Ptos.) Conteste verbalmente las siguientes preguntas :

Interrogación (25 Ptos.) Conteste verbalmente las siguientes preguntas : . Universidad Católica de Chile Dpto. de Ingeniería de Sistemas Modelos Estocásticos rofesor Alvaro Alarcón 6 de Noviembre de 009 Interrogación 3.- (5 tos.) Conteste verbalmente las siguientes preguntas

Más detalles

TEMA 2: EL INTERÉS SIMPLE

TEMA 2: EL INTERÉS SIMPLE TEMA 2: EL INTERÉS SIMPLE 1.- CAPITALIZACIÓN SIMPLE 1.1.- CÁLCULO DEL INTERÉS: Recibe el nombre de capitalización simple la ley financiera según la cual los intereses de cada periodo de capitalización

Más detalles

El supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo.

El supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo. El supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo. El supermercado cuenta con 3 departamentos: Abarrotes, Embutidos y. Solamente el Departamento

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8) PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua

Más detalles

CONTENIDOS. 1. Definición de Cadena de Markov en Tiempo Continuo. 2. Comportamiento de transición. 3. Comportamiento estacionario

CONTENIDOS. 1. Definición de Cadena de Markov en Tiempo Continuo. 2. Comportamiento de transición. 3. Comportamiento estacionario CONTENIDOS 1. Definición de Cadena de Markov en Tiempo Continuo 2. Comportamiento de transición 3. Comportamiento estacionario 4. Procesos de nacimiento y muerte 1. Definición de Cadena de Markov en Tiempo

Más detalles

MODELO DE LINEAS DE ESPERA

MODELO DE LINEAS DE ESPERA MODELO DE LINEAS DE ESPERA La teoría de colas es el estudio matemático del comportamiento de líneas de espera. Esta se presenta, cuando los clientes llegan a un lugar demandando un servicio a un servidor,

Más detalles

Destilación. Problemas. Problemas de Operaciones Unitarias II 2012 - Ingeniería Química 1. DESTILACIÓN MÉT. DE McCABE-THIELE

Destilación. Problemas. Problemas de Operaciones Unitarias II 2012 - Ingeniería Química 1. DESTILACIÓN MÉT. DE McCABE-THIELE Destilación Problemas PROBLEMA 1*. Determine en cada uno de los siguientes casos la pendiente de la línea de alimentación de una columna de destilación. (a) La alimentación es una mezcla de etanol y agua,

Más detalles

P (X 5) = P (x = 5) + P (X = 6) + P (X = 7) + P (X = 8) = 0.005416467 + 0.051456432 + 0.79334918 + 0.663420431 = 0.999628249

P (X 5) = P (x = 5) + P (X = 6) + P (X = 7) + P (X = 8) = 0.005416467 + 0.051456432 + 0.79334918 + 0.663420431 = 0.999628249 Hoja 3: robabilidad y variables aleatorias 1. La probabilidad de que un enfermo se recupere tomando un nuevo fármaco es 0.95. Si se les administra a 8 enfermos, hallar: a La probabilidad de que se recuperen

Más detalles

Facultad de Ingeniería MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES

Facultad de Ingeniería MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de almacenamiento e Inventarios MANEJO DE INVENTARIOS DE ÍTEMS INDIVIDUALES Profesor: Julio César Londoño O Sistemas con Demanda

Más detalles

Planeamiento Estratégico Dinámico. Modelación de Costos - Introducción

Planeamiento Estratégico Dinámico. Modelación de Costos - Introducción Introducción a Conceptos e Ilustraciones de Modelación de Costos Técnicos Massachusetts Institute of Technology Modelos de Costos Técnicos Transparencia 1 de 38 Modelación de Costos - Introducción Costo

Más detalles

FICHA DE IDENTIFICACIÓN DE ESTUDIO DE CASO. Arias Choque Edson Zandro Ingeniería de Sistemas. Investigación Operativa II

FICHA DE IDENTIFICACIÓN DE ESTUDIO DE CASO. Arias Choque Edson Zandro Ingeniería de Sistemas. Investigación Operativa II FICHA DE IDENTIFICACIÓN DE ESTUDIO DE CASO Título Autor/es TEORIA DE COLAS Nombres y Apellidos Código de estudiantes Arias Choque Edson Zandro 201208203 Fecha 30/04/2017 Carrera Ingeniería de Sistemas

Más detalles

TEORIA DE COLAS. Investigación Operativa II

TEORIA DE COLAS. Investigación Operativa II TEORIA DE COLAS Investigación Operativa II TEORIA DE COLAS Las COLAS o LINEAS DE ESPERA son realidades cotidianas: Personas esperando para realizar sus transacciones ante una caja en un banco, Estudiantes

Más detalles

INVESTIGACION DE OPERACIONES MODELOS DE LINEAS DE ESPERA

INVESTIGACION DE OPERACIONES MODELOS DE LINEAS DE ESPERA INVESTIGACION DE OPERACIONES MODELOS DE LINEAS DE ESPERA 1 Modelos de líneas de espera 1. Estructura del sistema. 2. Un canal con tasa de llegadas Poisson y tiempos de servicio exponenciales. 3. Múltiples

Más detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

UNIVERSIDAD DE MANAGUA Al más alto nivel UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de muestras de distribuciones de probabilidad de variables aleatorias discretas y continuas con Stat::Fit Prof.:

Más detalles

INVESTIGACION DE OPERACIONES

INVESTIGACION DE OPERACIONES INVESTIGACION DE OPERACIONES MODELOS DE LINEAS DE ESPERA 1 Modelos de líneas de espera 1. Estructura del sistema. 2. Un canal con tasa de llegadas Poisson y tiempos de servicio exponenciales. 3. Múltiples

Más detalles

PROBLEMA 1 PROBLEMA 2

PROBLEMA 1 PROBLEMA 2 PROBLEMA 1 Dos compañías de taxis atienden a una comunidad. Cada empresa posee dos taxis y se sabe que ambas compañías comparten el mercado al 50%. Las llamadas que llegan a cada una de las respectivas

Más detalles

CAPITULO 5 LA DETERMINACIÓN DEL INGRESO DE EQUILIBRIO

CAPITULO 5 LA DETERMINACIÓN DEL INGRESO DE EQUILIBRIO Documento elaborado por Jaime Aguilar Moreno Docente área económica Universidad del Valle Sede Buga CAPITULO 5 LA DETERMINACIÓN DEL INGRESO DE EQUILIBRIO OBJETIVO DEL CAPÍTULO Lograr que el estudiante

Más detalles

Trabajo Práctico N 1: Números enteros y racionales

Trabajo Práctico N 1: Números enteros y racionales Matemática año Trabajo Práctico N 1: Números enteros y racionales Problemas de repaso: 1. Realiza las siguientes sumas y restas: a. 1 (-) = b. 7 + (-77) = c. 1 (-6) = d. 1 + (-) = e. 0 (-0) + 1 = f. 0

Más detalles

PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014

PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014 PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014 1. Un nuevo restaurante de comida rápida tiene una sola caja. En media, los clientes llegan a la caja con una tasa de 20 a la hora. Las llegadas se suponen

Más detalles

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos

Más detalles

USO DE LA CALCULADORA EN LA ENSEÑANZA DE LAS MATEMÁTICAS EN LA ESCUELA SECUNDARIA

USO DE LA CALCULADORA EN LA ENSEÑANZA DE LAS MATEMÁTICAS EN LA ESCUELA SECUNDARIA USO DE LA CALCULADORA EN LA ENSEÑANZA DE LAS MATEMÁTICAS EN LA ESCUELA SECUNDARIA En la enseñanza de las matemáticas la calculadora básica o graficadora puede ayudar a que los estudiantes refinen sus conjeturas

Más detalles

EJERCICIOS RESUELTOS TEMA 7

EJERCICIOS RESUELTOS TEMA 7 EJERCICIOS RESUELTOS TEMA 7 7.1. Seleccione la opción correcta: A) Hay toda una familia de distribuciones normales, cada una con su media y su desviación típica ; B) La media y la desviaciones típica de

Más detalles

JUNIO 2010. Opción A. 1 1.- Dada la parábola y = 3 área máxima que tiene un lado en la recta y los otros dos vértices en la gráfica de la parábola.

JUNIO 2010. Opción A. 1 1.- Dada la parábola y = 3 área máxima que tiene un lado en la recta y los otros dos vértices en la gráfica de la parábola. Junio 00 (Prueba Específica) JUNIO 00 Opción A.- Dada la parábola y 3 área máima que tiene un lado en la recta y los otros dos vértices en la gráfica de la parábola., y la recta y 9, hallar las dimensiones

Más detalles

Distribuciones Dis de Probabilidad Pr Contínuas Jhon Jairo Jair Pa P dilla a Aguilar, Aguilar PhD. PhD

Distribuciones Dis de Probabilidad Pr Contínuas Jhon Jairo Jair Pa P dilla a Aguilar, Aguilar PhD. PhD Distribuciones de Probabilidad Contínuas Jhon Jairo Padilla Aguilar, PhD. Introducción En esta sección se estudiarán algunas distribuciones de probabilidad contínuas que son bastante utilizadas en ingeniería

Más detalles

Problema 1: (3,25 puntos) TABLA 1 TABLA 2. Investigación Operativa de Sistemas I.T. Informática de Sistemas 7 de Septiembre de 2010

Problema 1: (3,25 puntos) TABLA 1 TABLA 2. Investigación Operativa de Sistemas I.T. Informática de Sistemas 7 de Septiembre de 2010 Investigación Operativa de Sistemas I.T. Informática de Sistemas 7 de Septiembre de 2010 Problema 1: (3,25 puntos) Resolver Mediante el Algoritmo del Simplex el siguiente problema: TABLA 1 Max 3x 1 + x

Más detalles

TEORIA DE COLAS. Investigación Operativa II

TEORIA DE COLAS. Investigación Operativa II TEORIA DE COLAS Investigación Operativa II TEORIA DE COLAS Las COLAS o LINEAS DE ESPERA son realidades cotidianas: Personas esperando para realizar sus transacciones ante una caja en un banco, Estudiantes

Más detalles

Teoría de Colas Modelo G/M/1 y G/M/k

Teoría de Colas Modelo G/M/1 y G/M/k Teoría de Colas Modelo G/M/1 y G/M/k Rodrigo Salas Fuentes Universidad Técnica Federico Santa María Departamento de Informática Profesor: Héctor Allende 1 Introducción En este trabajo

Más detalles

3. VARIABLES ALEATORIAS

3. VARIABLES ALEATORIAS . VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA 4: VARIABLES ALEATORIAS CONTINUAS Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre

Más detalles

La simulación implica construir una replica de algún sistema real y usarlo bajo condiciones de prueba

La simulación implica construir una replica de algún sistema real y usarlo bajo condiciones de prueba Simulación Simulación La simulación implica construir una replica de algún sistema real y usarlo bajo condiciones de prueba Los modelos matemáticos se construyen y utilizan para comprobar los resultados

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 014-015 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. 1 - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas

Más detalles

Análisis y evaluación de proyectos

Análisis y evaluación de proyectos Análisis y evaluación de proyectos UNIDAD 5.- MÉTODOS DE EVALUACIÓN DEL PROYECTO José Luis Esparza A. Métodos de Evaluación MÉTODOS DE EVALUACIÓN QUE TOMAN EN CUENTA EL VALOR DEL DINERO A TRAVÉS DEL TIEMPO.

Más detalles

Tema 3.2 Ejercicios Investigación Operativa Ejercicio 1

Tema 3.2 Ejercicios Investigación Operativa Ejercicio 1 Ejercicio 1 Una tienda de alimentación es atendida por una persona. Aparentemente, el patrón de llegadas de clientes durante los sábados se comporta siguiendo un proceso de Poisson con una tasa de llegada

Más detalles

0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5

0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5 1.- Cómo utilizar la tabla de la distribución Binomial? Supongamos que lanzamos al aire una moneda trucada. Con esta moneda la probabilidad de obtener cara es del 30%. La probabilidad que salga cruz será,

Más detalles

Teoría de la decisión Estadística

Teoría de la decisión Estadística Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y

Más detalles

Capítulo 3: Técnicas de Conteo Clase 1: Conteo Básico y Principio del Palomar

Capítulo 3: Técnicas de Conteo Clase 1: Conteo Básico y Principio del Palomar Capítulo 3: Técnicas de Conteo Clase 1: Conteo Básico y Principio del Palomar Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 3: Técnicas de Conteo 1 / 18 Motivación

Más detalles

1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas.

1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas. . Conocimientos previos. Funciones exponenciales y logarítmicas.. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas.

Más detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

UNIVERSIDAD DE MANAGUA Al más alto nivel UNIVERSIDAD DE MANAGUA Al más alto nivel Investigación de Operaciones Encuentro #12 Tema: Teoría de Colas Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Identificar el nivel óptimo

Más detalles

PROBLEMAS de Programación Lineal : Resolución Gráfica

PROBLEMAS de Programación Lineal : Resolución Gráfica PROBLEMAS de Programación Lineal : Resolución Gráfica Ej. (1.1) Mostrar gráficamente porque los 2 PL siguientes no tienen una Solución Optima y explicar la diferencia entre los dos. (C) (A) Max z = 2x

Más detalles

INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016

INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016 INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016 Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 1. COMENTARIOS Y/O ACOTACIONES RESPECTO AL TEMARIO EN RELACIÓN

Más detalles

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño

Más detalles

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Procesos Estocásticos de Tiempo Contínuo Práctico Ejercicio 1 Sean X e Y variables

Más detalles

Generación de eventos en Procesos de Poisson

Generación de eventos en Procesos de Poisson Generación de eventos en Procesos de Poisson Georgina Flesia FaMAF 26 de abril, 2012 Proceso de Poisson homogéneo N(t), t 0, es un proceso de Poisson homogéneo de razón λ, λ > 0, si: N(0) = 0 proceso comienza

Más detalles

Test de Kolmogorov-Smirnov

Test de Kolmogorov-Smirnov Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar

Más detalles

El cuerpo de los números reales

El cuerpo de los números reales Capítulo 1 El cuerpo de los números reales 1.1. Introducción Existen diversos enfoques para introducir los números reales: uno de ellos parte de los números naturales 1, 2, 3,... utilizándolos para construir

Más detalles

Ejemplo 1. Ejemplo introductorio

Ejemplo 1. Ejemplo introductorio . -Jordan. Ejemplo 1. Ejemplo introductorio. -Jordan Dos especies de insectos se crían juntas en un recipiente de laboratorio. Todos los días se les proporcionan dos tipos de alimento A y B. 1 individuo

Más detalles

Simulación de Eventos Discretos: Arena. Mag. Luis Miguel Sierra

Simulación de Eventos Discretos: Arena. Mag. Luis Miguel Sierra Simulación de Eventos Discretos: Arena Mag. Luis Miguel Sierra Contenido Simulación de Eventos Discretos Caso Ejemplo de Aplicación Análisis de Resultados Ampliación del Caso Mag. Miguel Sierra 2 Un enfoque

Más detalles

Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez

Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Profesores: Mg. Cecilia Rosas Meneses Dr. Mauro Gutierrez Martinez Dr. Christiam Gonzales Chávez Definición. La función de distribución acumulada F X de una v.a. X es definida para cada número real x como

Más detalles

Modelo EOQ con Demanda Incierta. Teoría de Inventarios Modelo Probabilísticos. Demanda durante el Lead Time 18/04/2009

Modelo EOQ con Demanda Incierta. Teoría de Inventarios Modelo Probabilísticos. Demanda durante el Lead Time 18/04/2009 Universidad Técnica Federico Santa María Teoría de Inventarios Modelo Probabilísticos Daniel Basterrica Modelo EOQ con Demanda Incierta Lead Time no nulo Demanda aleatoria durante

Más detalles

Metas y objetivos de las unidades administrativas de conformidad con los programas operativos de

Metas y objetivos de las unidades administrativas de conformidad con los programas operativos de la NIVEL POLÍTICO Y DE DECISIÓN Incrementar la satisfacción de los consumidores en la calidad del producto y servicio Satisfacción de la calidad percibida en suministro de energía 85% Satisfacción en atención

Más detalles

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA SEGUNDA EVALUACIÓN DE FÍSICA A AGOSTO 26 DE 2013 COMPROMISO DE HONOR Yo,.. al firmar este compromiso,

Más detalles

ARITMÉTICA Y ÁLGEBRA

ARITMÉTICA Y ÁLGEBRA ARITMÉTICA Y ÁLGEBRA 1.- Discutir el siguiente sistema, según los valores de λ: Resolverlo cuando tenga infinitas soluciones. Universidad de Andalucía SOLUCIÓN: Hay cuatro ecuaciones y tres incógnitas,

Más detalles

PRÁCTICA 4: TEORÍA DE COLAS

PRÁCTICA 4: TEORÍA DE COLAS I.T. INFORMÁTICA DE GESTIÓN Departamento de Estadística Asignatura: Investigación Operativa Curso: 2007/2008 Relación número 4 de prácticas PRÁCTICA 4: TEORÍA DE COLAS Las largas colas de espera en los

Más detalles

Ejercicios de M.A.S y Movimiento Ondulatorio de PAU

Ejercicios de M.A.S y Movimiento Ondulatorio de PAU 1. En el laboratorio del instituto medimos cinco veces el tiempo que un péndulo simple de 1m de longitud tarda en describir 45 oscilaciones de pequeña amplitud. Los resultados de la medición se muestran

Más detalles

Dinero, Precios e Inflación

Dinero, Precios e Inflación Dinero, Precios e Inflación J. Marcelo Ochoa mochoa@bcentral.cl J. Marcelo Ochoa Otoño 2007 - p. 1/50 Dinero e Dinero e y la Demanda de : Visión Costos de la Hasta ahora no hemos hablado de variación en

Más detalles

Ejercicios resueltos del capítulo 1

Ejercicios resueltos del capítulo 1 Ejercicios resueltos del capítulo Ejercicios impares resueltos..b Resolver por el método de Gauss el sistema x +x x +x 4 +x = x x +x 4 = x +x +x = x +x x 4 = F, ( ) F 4, () F, ( ) F, () 8 6 8 6 8 7 4 Como

Más detalles

LA MAXIMIZACION DE BENEFICIOS CON UN INSUMO VARIABLE

LA MAXIMIZACION DE BENEFICIOS CON UN INSUMO VARIABLE LA FUNCION DE PRODUCCION Y LA MAXIMIZACION DE BENEFICIOS lorenzo castro gómez 1 LA MAXIMIZACION DE BENEFICIOS CON UN INSUMO VARIABLE El objeto del análisis insumo-producto es determinar la cantidad óptima

Más detalles

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas. TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Al igual que la distribución binomial, la distribución

Más detalles

SISTEMAS DE ECUACIONES

SISTEMAS DE ECUACIONES Tema 3 SISTEMAS DE ECUACIONES 1.- Se consideran las matrices 1 2 λ A = 1 1 1 y 1 3 B = λ 0, donde λ es cualquier número real. 0 2 a) Encontrar los valores de λ para los que AB es invertible b) Determinar

Más detalles

FUNCIONES. Definición de función. Ejemplos.

FUNCIONES. Definición de función. Ejemplos. FUNCIONES. Definición de función. Una función es una relación entre un conjunto de salida llamado dominio y un conjunto de llegada llamado codominio, tal relación debe cumplir que cada elemento del dominio

Más detalles

Unidad III Variables Aleatorias Unidimensionales

Unidad III Variables Aleatorias Unidimensionales Unidad III Variables Aleatorias Unidimensionales En el capítulo anterior se examinaron los conceptos básicos de probabilidad con respecto a eventos que se encuentran en un espacio muestral. Los experimentos

Más detalles

RSA: Implementación. Ya resolvimos (3), ahora vamos a resolver (2). IIC3242 Complejidad Probabiĺıstica 28 / 77

RSA: Implementación. Ya resolvimos (3), ahora vamos a resolver (2). IIC3242 Complejidad Probabiĺıstica 28 / 77 RSA: Implementación Para poder implementar RSA necesitamos algoritmos eficientes para los siguientes problemas: (1) Generar primos P y Q (2) Generar números e y d tales que e d modφ(n) = 1 (3) Calcular

Más detalles

El interés y el dinero

El interés y el dinero El interés y el dinero El concepto de interés tiene que ver con el precio del dinero. Si alguien pide un préstamo debe pagar un cierto interés por ese dinero. Y si alguien deposita dinero en un banco,

Más detalles

Ejercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008

Ejercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008 Ejercicios de Matrices, determinantes sistemas de ecuaciones lineales. Álgebra 8 - Dado el sistema de ecuaciones lineales 5 (a) ['5 puntos] Clasifícalo según los valores del parámetro λ. (b) [ punto] Resuélvelo

Más detalles

UNIDAD 3: ANALICEMOS LA FUNCION EXPONENCIAL Y LOGARITMICA.

UNIDAD 3: ANALICEMOS LA FUNCION EXPONENCIAL Y LOGARITMICA. UNIDAD 3: ANALICEMOS LA FUNCION EXPONENCIAL Y LOGARITMICA Históricamente, los exponentes fueron introducidos en matemáticas para dar un método corto que indicara el producto de varios factores semejantes,

Más detalles

INSTRUCCIONES PARA EL USO DEL SOFTWARE (IS)

INSTRUCCIONES PARA EL USO DEL SOFTWARE (IS) INSTRUCCIONES PARA EL USO DEL SOFTWARE (IS) Pantalla Inicial de DERIVE for Windows Teniendo instalado el programa DERIVE sobre Windows, podemos ingresar al sistema de las siguientes formas: Haciendo clic

Más detalles

3 Aplicaciones de ED de primer orden

3 Aplicaciones de ED de primer orden CAPÍTULO 3 Aplicaciones de E de primer orden 3.2 ecaimiento radioactivo Si observamos cierta cantidad inicial de sustancia o material radioactivo, al paso del tiempo se puede verificar un cambio en la

Más detalles

JUNIO 2010. Opción A. 1 2 3

JUNIO 2010. Opción A. 1 2 3 JUNIO 2010 Opción A 2 3 1 1.- Sean las matrices: A 0 1 2 y B 5 3 1 Halla una matriz X tal que 2X BA AB. 2 0 1 3 3 2. 1 2 3 2.- La cantidad C de tomates (en kg) que se obtienen de una planta de tomate depende

Más detalles

Tema 3. Análisis de riesgo. Tema 3. Análisis de riesgo

Tema 3. Análisis de riesgo. Tema 3. Análisis de riesgo Tema 3. Análisis de riesgo 59 3.1 Introducción Como se ha mencionado, en un entorno informático existen una serie de recursos que están constantemente expuestos a diferentes tipos de riesgos: aquellos

Más detalles

Si Le = tiempo de entrega efectivo entre el momento en que se hace un pedido y el. Le = L n t * 0, t 0 = y * / D, n = Entero más grande L/ t 0

Si Le = tiempo de entrega efectivo entre el momento en que se hace un pedido y el. Le = L n t * 0, t 0 = y * / D, n = Entero más grande L/ t 0 CAPITULO 5: PROGRAMACIÓN DE MODELOS DE POLÍTICAS DE INVENTARIOS 5.1 Programación de Modelo EOQ en Excel El modelo EOQ clásico calcula la cantidad que debe pedirse o producirse minimizando los costos de

Más detalles

Investigación Operativa II

Investigación Operativa II Investigación Operativa II Capítulo 1: Colas de Espera o Filas de Espera 1.01 Introducción a la Teoría de Colas TEORÍA DE COLAS: cuerpo de conocimientos sobre las líneas de espera (colas). LINEAS DE ESPERA:

Más detalles

REDES ABIERTAS O DE JACKSON

REDES ABIERTAS O DE JACKSON REDES ABIERTAS O DE JACKSON Los clientes pueden entrar y salir por cualquier nodo de la red. Las llegadas a cualquier nodo siguen un proceso de Poisson de tasa γ. El tiempo de servicio en cualquier servidor

Más detalles

Lección 10: Representación gráfica de algunas expresiones algebraicas

Lección 10: Representación gráfica de algunas expresiones algebraicas LECCIÓN Lección : Representación gráfica de algunas epresiones algebraicas En la lección del curso anterior usted aprendió a representar puntos en el plano cartesiano y en la lección del mismo curso aprendió

Más detalles

Modelado y Optimización de Proyectos

Modelado y Optimización de Proyectos 1. Red de actividades Modelado y Optimización de Proyectos 2. Camino crítico (CPM Critical Path Method) 3. CPM con costes 4. Probabilidad de acabar un proyecto a tiempo (PERT Program Evaluation and Review

Más detalles

Técnicas de validación estadística Bondad de ajuste

Técnicas de validación estadística Bondad de ajuste Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución

Más detalles