Control 3. Lunes 23 de Junio 2008
|
|
- Amparo Duarte Ferreyra
- hace 7 años
- Vistas:
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 CURSO : IN47A GESTIÓN DE OPERACIONES PROFESOR : A. SAURÉ A. WEINTRAUB AUXILIARES : J. PASSI J. RODRÍGUEZ
Más detallesS = 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 detallesInterrogación 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 detallesTeoría 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 detallesS = 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 detallesPosible 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 detallesINVESTIGACIÓN 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 detallesDEPARTAMENTO 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 detalles1. 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 detallesProbabilidad 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 detallesTEORÍA 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 detallesTema 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 detallesSelectividad 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 detallesSoluciones 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 detallesVariables 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 detallesPruebas 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 detallesEjercicios 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 detallesMatrices 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 detallesGUÍA 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 detallesDEPARTAMENTO 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 detallesInterrogación (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 detallesTEMA 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 detallesEl 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 detallesPROBABILIDAD 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 detallesCONTENIDOS. 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 detallesMODELO 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 detallesDestilación. 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 detallesP (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 detallesFacultad 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 detallesPlaneamiento 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 detallesFICHA 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 detallesTEORIA 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 detallesINVESTIGACION 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 detallesUNIVERSIDAD 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 detallesINVESTIGACION 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 detallesPROBLEMA 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 detallesCAPITULO 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 detallesTrabajo 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 detallesPROBLEMAS 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 detallesD.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 detallesUSO 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 detallesEJERCICIOS 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 detallesJUNIO 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 detallesDistribuciones 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 detallesProblema 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 detallesTEORIA 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 detallesTeoría 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 detalles3. 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 detallesUNIVERSIDAD 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 detallesLa 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 detallesPRUEBAS 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 detallesAnálisis 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 detallesTema 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 detalles0,05 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 detallesTeoría 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 detallesCapítulo 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 detalles1. 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 detallesUNIVERSIDAD 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 detallesPROBLEMAS 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 detallesINFORMACIÓN 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 detallesINTERVALO 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 detallesIntroducción 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 detallesGeneración 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 detallesTest 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 detallesEl 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 detallesEjemplo 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 detallesSimulación 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 detallesDr. 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 detallesModelo 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 detallesMetas 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 detallesESCUELA 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 detallesARITMÉTICA 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 detallesPRÁCTICA 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 detallesEjercicios 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 detallesDinero, 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 detallesEjercicios 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 detallesLA 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 detallesTEMA 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 detallesESTADÍSTICA 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 detallesSISTEMAS 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 detallesFUNCIONES. 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 detallesUnidad 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 detallesRSA: 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 detallesEl 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 detallesEjercicios 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 detallesUNIDAD 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 detallesINSTRUCCIONES 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 detalles3 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 detallesJUNIO 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 detallesTema 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 detallesSi 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 detallesInvestigación 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 detallesREDES 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 detallesLección 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 detallesModelado 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 detallesTécnicas 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