1. OBJETO Y MOTIVACIÓN de los SISTEMAS de ESPERA. Ejemplos.
|
|
- Sebastián Revuelta Díaz
- hace 7 años
- Vistas:
Transcripción
1 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 y de servicio. Notación de KENDALL-LEE 3. MAGNITUDES FUNDAMENTALES de los S.E. Tiempo de espera por cliente. Comportamiento de un S.E. 4. FORMULA de LITTLE. Resultado de Little y ocupación media del S.E. 5. ESTADO ESTACIONARIO. Valores medios a largo término.
2 OBJETO Y MOTIVACIÓN DE LOS SISTEMAS DE ESPERA A menudo se presenta la situación en que los elementos de una población solicitan, en instantes de tiempo diferentes, un servicio el cual es ofrecido por un sistema S que tan sólo puede atender simultáneamente a un número limitado de peticiones. Habitualmente se da la circunstancia de que, estando el sistema S totalmente ocupado, se producen nuevas peticiones de servicio las cuales no pueden ser atendidas inmediatamente y por tanto éstas deben esperar a ser atendidas. CONFLICTO: cuál de las peticiones que permanecen a la espera pasará a ser atendida en 1 er lugar? Se establece una regla para decidir la primera petición que pasará a ser atendida de entre las que esperan servicio. Típicamente: por antigüedad de la petición. SE FORMA ASÍ UN SISTEMA DE ESPERA
3 EJEMPLOS COTIDIANOS PERSONAS QUE ACUDEN A UNA TIENDA PARA COMPRAR UN PRODUCTO EN LA QUE HAY UN NÚMERO LIMITADO DE EMPLEADOS QUE ATIENDEN A LOS COMPRADORES. AUTOMÓVILES QUE ENTRAN EN UNA ESTACIÓN DE PEAJE DE UNA AUTOPISTA. SISTEMA INFORMÁTICO CON UNA IMPRESORA EN UN CENTRO DE TRABAJO DONDE DEBEN IMPRIMIRSE LOS DOCUMENTOS DE LOS EMPLEADOS. OFICINA BANCARIA CON UN NÚMERO LIMITADO DE VENTANILLAS PARA ATENDER A LOS CLIENTES DEL BANCO.
4 ESTRUCTURA GENERAL DE LOS SISTEMAS DE ESPERA (S.E.) Control de Entrada Cola Sistema de servicio Población Sistema de Espera COMPONENTES: POBLACIÓN de CLIENTES: GENERA CLIENTES/PETICIONES DE SERVICIO CONTROL de ENTRADA: CRITERIO QUE PERMITE O DENIEGA LA ENTRADA DE LOS CLIENTES SISTEMA de ESPERA: COLA: Lugar físico donde se espera servicio. SISTEMA DE SERVICIO: Lugar donde se recibe el servicio. POLÍTICA DE SERVICIO: REGLA QUE DETERMINA CUÁL DE LOS CLIENTES EN ESPERA ("HACIENDO COLA") PASARÁ A SER ATENDIDO PRIMERO.
5 CARACTERÍSTICAS de los COMPONENTES de los S.E. POBLACIÓN de CLIENTES: Finita o Infinita. FINITA. Correspondiente a S.E. cerrados: Hay siempre N clientes (población+s.e.) Tras salir del S.E. el cliente se reintegra en la Población Población Sistema de Espera INFINITA: Correspondiente a S.E. abiertos. Tras salir del S.E. el cliente sale al exterior (se pierde) Población Sistema de Espera Exterior
6 CARACTERÍSTICAS de los COMPONENTES de los S.E. CAPACIDAD del S.E.: Finita o Infinita INFINITA: No hay limitación para el número de clientes N(t) que en un momento dado t puede contener el S.E. FINITA (K): El número máximo de clientes N(t) presentes en el S.E. debe ser K Si el S.E. está lleno al llegar un cliente éste se pierde: Si N (t) < K Población Si N (t) = K Sistema de Espera La capacidad del S.E. es una forma natural de control de entrada.
7 SISTEMA DE SERVICIO: CARACTERÍSTICAS de los COMPONENTES de los S.E. Integrado por una o más unidades de servicio (servidores) en número s. Generalmente los servidores se suponen idénticos entre sí. Cada uno de los servidores sólo puede atender un cliente a la vez. Al finalizar un servicio el servidor queda libre y selecciona un cliente de entre los que esperan en la COLA de acuerdo con la "POLÍTICA de SERVICIO". POLÍTICA DE SERVICIO: FIFO (First In First Out) LIFO (Last In First Out) Al azar
8 CARACTERÍSTICAS COMUNES EN LOS S.E. Tiempo de permanencia en el S.E. = tiempo de espera (en cola) + tiempo de servicio Tiempo de espera en cola Tiempo de servicio Instante de entrada en el S.E. Tiempo de permanencia en el S.E. Instante de salida del S.E. Proceso de llegadas: Los instantes en los que se producen las peticiones son aleatorios: (P.ej. los instantes de llegada de los clientes a una tienda) Modelización: τ 1 τ 2 τ 3 τ k-1 τ k Proceso de servicio: Los tiempos de servicio son también aleatorios: (v.a. continua) t Intervalo τ entre llegadas: Proceso de renovación
9 NOTACIÓN de KENDALL-LEE X/Y/s/[K]/[N] Sigla que especifica el proceso de llegadas Sigla que especifica la v.a. tiempo de servicio de un servidor Número de servidores. Idénticos entre sí, con tiempo de servicio Y Capacidad del S.E. (Opcional). Si no aparece se entiende K= X, Y M - v.a. exponencial. D - v.a. degenerada E[τ]=T, Var[τ]=0. E n - v.a. n-erlang. G - v.a. cualquiera (tiempos correlacionados entre sí o no) GI - v.a. cualquiera. Tiempos mútuamente independientes. Población. (Opcional). Si no aparece se entiende N=
10 EJEMPLOS M/M/2 Proceso de llegadas: tiempo entre llegadas =proceso de renovación con variable τ exponencial, Proceso de servicio: tiempos de servicio iguales en cada servidor aleatorios y exponenciales, s=2 servidores, K=, N=. M/M/2/8 Igual que el anterior pero como máximo 8 clientes en el S.E. M/M/1/./4 Proceso de llegadas: tiempo entre llegadas =proceso de renovación con variable τ exponencial, Proceso de servicio: tiempo de servicio v.a. exponencial, s=1 servidor, K=, N=4. M/D/1 Proceso de llegadas: tiempo entre llegadas =proceso de renovación con variable τ exponencial, Proceso de servicio: tiempos de servicio constantes, s=1 servidores, K=, N=. GI/M/1 Proceso de llegadas: tiempo entre llegadas =proceso de renovación con variable τ cualquiera, Proceso de servicio: tiempo de servicio v.a. exponencial, s=1 servidor, K=, N=.
11 MAGNITUDES FUNDAMENTALES en los S.E. SERVIDOR w n w q,n C n-1 C n w Cn+1 n+2 C n+2 x n x n+1 x n+2 τ n - Tiempo entre llegada del cliente n y n+1. COLA Cn Cn+1 Cn+2 TIEMPO w n - Tiempo de permanencia en el S.E. del cliente n. w q n - Tiempo de permanencia en cola. del cliente n N(t) τ n τn+1 C n C n+1 C n+2 t x n - Tiempo de servicio del cliente n. N (t) - Número de clientes en el instante t en el S.E. N q (t) - Número de clientes en el instante t en Cola. P n (t) = P (N(t) =n)
12 MAGNITUDES FUNDAMENTALES en los S.E. COMPORTAMIENTO: Pueden presentarse dos situaciones: 1. En promedio la afluencia de clientes al S.E. sobrepasa la capacidad de trabajo del Sistema de Servicio: N(t) N(t) PRESENTA UNA TENDENCIA CRECIENTE t 2. El Sistema de Servicio tiene suficiente capacidad de trabajo frente a la afluencia de clientes: N(t) N(t) puede crecer en ocasiones, pero el S.E. siempre retorna al estado 0 (vacío) t
13 MAGNITUDES FUNDAMENTALES en los S.E. Tiempo medio de espera por cliente en el S.E. Tiempo medio de espera por cliente en Cola. Número de llegadas en [0,t]: e(t) Tasa media de llegadas en [0,t], Tasa media de llegadas a largo término: Teorema de renovación
14 MAGNITUDES FUNDAMENTALES en los S.E. Resultado de Little. Para cualquier N(t) posible se verifica: Ocupación media (nº medio de clientes) del S.E. a lo largo del tiempo. N(t) Análogamente, para cualquier N q (t) posible se verifica:
15 FÓRMULA DE LITTLE Situación 2. siempre existe un número ilimitado de intervalos I o =[t', t''] con N(t)=0, t I o. 3 N(t) t
16
17 λ FÓRMULA DE LITTLE λ λ Cola S.S. S.E. W s = Tiempo de permanencia medio en el S.S. L s = Longitud media de clientes en el S.S. 5 ecuaciones, 6 incógnitas: L, L q, L s, W, W q, W s ( λ se supone conocida )
18 Definición: Existe el e.e. cuando: ESTADO ESTACIONARIO (E.E.) P n : Interpretación: fracción del tiempo que el sistema está en el estado n. Si se conocen P n, n=0,1, K ( ) pueden calcularse L, L q Mediante las fórmulas de Little pueden determinarse el resto de magnitudes.
19 Para L q : ( Sistema de Servicio: s servidores ) Tasa media λ de llegadas al S.E. : Puede ocurrir que el tiempo entre llegadas τ sea v.a. con distribución dependiente del estado N del sistema. Ejemplo: los clientes de una tienda llegan con menos frecuencia si observan que la tienda está muy llena (N alto) τ i1 τ i2 τ i3 τ ik τ ik t N=i 1 N=i 2 N=i 3 N=i k t
20 Práctica 3. Comportamiento de la cola M/M/1. Estimación de los parámetros de entrada Objetivo: Se dispone de una muestra de los tiempos entre llegadas a un S.E. y de los tiempos de servicio del servidor de este S.E. En ambos casos el tamaño de la muestra es de 1000 observaciones. Se sabe que corresponden a distribuciones exponenciales de tiempo. Se pretende: a) Verificar mediante el test de χ 2 que efectivamente corresponden a una distribución exponencial. b) Obtener los intervalos de confianza para la tasa de llegadas por unidad de tiempo (parámetro λ de la distribución exponencial del proceso de llegadas) y para el factor de carga ρ del S.E. c) Simular mediante la macro mm1.mtb el comportamiento del S.E. comparando las magnitudes L, W, Wq obtenidas mediante la simulación con los que proporciona la teoría de colas.
21 3. Simulación del S.E. M/M/1. La simulación puede efectuarse mediante la macro mm1.mtb. K1 = N, número de clientes. K2 = 1/λ, tiempo medio entre llegadas. K3 = 1/µ tiempo medio de servicio. MTB> let K1= 300 MTB> let K2= 10 MTB> let K3= 11 MTB> let K4= 0,9 MTB> exec "mm1.mtb" 4. Presentación de resultados de la macro "mm1.mtb". 1 ( t) = t t L 0 N(τ ) dτ
22 5. Intervalos de confianza para las tasas λ y µ y para el factor de carga ρ = λ/µ. Se dispone de dos muestras t 1, t 2,, t n y s 1, s 2,, s m para los procesos de llegada y de servicio (tiempos distribuidos exponencialmente). Se quiere encontrar un intervalo de confianza de probabilidad 1-α para las tasas de llegada λ y de servicio µ a partir de las dos muestras. El estimador máximo verosímil para λ y µ es: n n m m λˆ =, µˆ = = n t i i=1 T n = m s Dado que T n se distribuye según una ley n-erlang de parámetro θ = λ/k (o también una Gamma(λ, n) ), n 1 2 E[ 2λ t i] = E[ 2λ T n] = 2n 2λ T n ~ Gamma, n = χ 2n i= 1 2 λ n ~ λˆ µ m ~ ˆ µ i i=1 S m λ λ ˆ ρ = ~ F µ ˆ ρ ˆ µ χ, 2 2n χ 2m 2n, 2m Intervalo de confianza al 1-α para λ : λˆ λˆ x, 2n 2n x+ Intervalo de confianza al 1-α para ρ : [ ˆ ρ, ˆ ρ f ] f + La siguiente tabla ilustra los tamaños de muestra necesarios para obtener intervalos de confianza del 95% y la amplitud de los mismos. n=m f- f+ e f (%) x-/2n x + /2n e x (%). 10 0,405 2, ,479 1, ,757 1, ,813 1, ,916 1, ,939 1, ,972 1, ,980 1,019 3
23 6. Test de Bondad de Ajuste de χ 2 Utilizad la macro "x2.mtb" para efectuar un test de bondad de ajuste de χ 2 a una distribución k-erlang a partir de una muestra de tiempos para los procesos de llegadas y/o de servicios a un S.E. Calcula una medida global de la discrepancia entre n i y n e : X 2 = N i= 1 ( ) La variable X 2 se distribuye según una ley χ 2 N m 1, Se rechazará la distribución propuesta si P(x X 2 ) = p-valor < α 7. Procedimiento para usar la macro "x2.mtb": Supongamos, por ejemplo, que se dispone de una muestra para la que las estadísticas básicas son: Variable N Mean Median TrMean StDev SE Mean sample ,914 19,607 19,702 5,990 0,268 Variable Minimum Maximum Q1 Q3 sample 6,607 41,172 15,660 23,373 ni ne ne 2 1) Haced una estimación de los parámetros de la distribución de la que presumiblemente proviene la muestra. 2) Estableced los valores de las constantes k100, k101, k102, k103. MTB> let k100=9,95 MTB> let k101=2 MTB> let k102=500 MTB> let k103=7 Proporciona: - El p-valor en la constante k105 y el resto de constantes k100-k104 bajo las que ha ejecutado. - El valor de X 2 - Gráficos con el histograma de la muestra, la función de densidad de probabilidad para la distribución y el diagrama de barras para las frecuencias n i.
24 (3.b) MODELOS EXPONENCIALES de COLAS INTRODUCCIÓN A LOS PROCESOS DE NACIMIENTO Y MUERTE. Ecuaciones de equilibrio. Condición de E.E. APLICACIÓN DE LAS ECUACIONES DE EQUILIBRIO: La cola M/M/1. Ilustración del comportamiento. MODELOS DE COLAS EXPONENCIALES. Trabajo de servidores en paralelo. Casos importantes: M/M/s, M/M/s/K, M/M/s/./N. Propiedades. Longitudes medias y Tiempos de permanencia. TEORIA DE COLAS
25 PROCESOS DE NACIMIENTO Y MUERTE "Nacimiento" indica llegada al S.E "Muerte" indica salida del S.E. Puede ocurrir que el tiempo entre llegadas τ sea v.a. con distribución dependiente del estado N del sistema. τ i1 τ i2 τ i3 τ ik τ ik t 1. Si N () t = n el tiempo entre llegadas τ ~ exp. de parámetro λ n. 2. Si N () t = n el tiempo de servicio ~exp. De parámetro n Sólo una llegada o una salida al/del sistema puede darse en cada instante t. µ.
26 Diagrama de tasas de transición Muestra las posibles transiciones permitidas en el estado del sistema en un instante. Tasas del proceso de llegadas al S.E. λ 0 λ 1 λ 2 λ n-1 λ n λ n+1 n n-1 n µ 1 µ 2 µ 3 µ n µ n+1 µ n+2 Tasas del proceso de servicio en el S.E. La distribución de probabilidades del estado del sistema, N(t), en régimen estacionario es relativamente intuitivo de deducir a partir del diagrama de tasas de transición.
(3.d) ESTIMACIÓN DE LOS PARÁMETROS EN MODELOS DE COLAS PARA LOS PROCESOS DE LLEGADA Y
(3.d) ESTIMACIÓN DE LOS PARÁMETROS EN MODELOS DE COLAS TEST DE χ SERVICIO. PARA LOS PROCESOS DE LLEGADA Y INTERVALOS DE CONFIANZA PARA λ, µ, ρ. SIMULACIÓN DE UNA COLA M/M/1. PRÁCTICA 3. 3.3. ASIGNATURA
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 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 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 detallesTeoría de colas. Las colas (líneas de espera) son parte de la vida diaria
Teoría de colas Las colas (líneas de espera) son parte de la vida diaria Supermercado - Servicios de reparaciones - Telecom. Banco - Comedor universitario - Producción El tiempo que la población pierde
Más detallesControl 3. Lunes 23 de Junio 2008
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,
Más detalles13.Teoría de colas y fenómenos de espera
3.Teoría de colas y fenómenos de espera Notación y terminología Modelado del proceso de llegada Modelado del proceso de servicio Notación de Kendall-Lee Procesos de nacimiento y muerte Modelo M/M/. Análisis
Más detallesEstimación por intervalos
Método de construcción de intervalos de confianza Intervalos de confianza para una población normal Estadística II Universidad de Salamanca Curso 2011/2012 Método de construcción de intervalos de confianza
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 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 detallesIntroducción a la Teoría de Colas
Tema 5 Introducción a la Teoría de Colas A groso modo, podemos describir un sistema de colas (o sistema de líneas de espera) como un sistema al que los clientes llegan para recibir un servicio, si el servicio
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 detallesTema 3: Estimadores de máxima verosimilitud
Tema 3: Estimadores de máxima verosimilitud 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: motivación Método
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 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 detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
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 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 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 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 detallesDiseño de una página Web sobre teoría de colas
Diseño de una página Web sobre teoría de colas Eduardo Garcia Linares EPSEVG - Escola Politècnica Superior d Enginyeria de Vilanova y la Geltrú Resumen Este proyecto tiene como objetivo principal el estudio
Más detalles12.Teoría de colas y fenómenos de espera
.Teoría de colas y fenómenos de espera Notación y terminología Modelado del proceso de llegada Modelado del proceso de servicio Notación de Kendall-Lee Procesos de nacimiento y muerte Modelo M/M/. Análisis
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
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 detallesTeoría de la estimación
Teoría de la estimación En las primeras unidades se desarrollaron los conceptos vinculados a la definición de estimadores, sus propiedades deseables, los métodos para obtener buenos estimadores, y se plantearon
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 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 detallesMuestreo y Distribuciones muestrales. 51 SOLUCIONES
Muestreo y Distribuciones muestrales. 51 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería Soluciones de la hoja de problemas 5. Muestreo
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
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 detallesTEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL
ESTADÍSTICA II TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL II.1.- Distribución chi-cuadrado. II.1.1.- Definición. II.1..- Función de densidad. Representación gráfica. II.1.3.- Media y varianza.
Más detallesEstadística II Tema 3. Comparación de dos poblaciones. Curso 2010/11
Estadística II Tema 3. Comparación de dos poblaciones Curso 2010/11 Tema 3. Comparación de dos poblaciones Contenidos Comparación de dos poblaciones: ejemplos, datos apareados para la reducción de la variabilidad
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
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 detallesIDAD NACIONAL DE LOJA
UNIVERSI IDAD NACIONAL DE LOJA ÁREA DE LA ENERGÍA, LAS INDUSTRIAS Y LOS RECURSOS NATURALES NO RENOVABLES INGENIERÍA EN SISTEMAS Módulo X Simulación INTEGRANTES: ANDREA SALINAS SILVANA PACHECO KATTY TAPIA
Más detallesDOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL
DOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL 3.1 INTRODUCCIÓN Como ya sabes, una distribución de probabilidad es un modelo matemático que nos ayuda a explicar los
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 detallesValor absoluto de un número real. Potencias de exponente racional. Logaritmos. Logaritmos decimales y neperianos. Propiedades y operaciones.
Otras páginas Matemásicas ccss 5º MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I ARITMÉTICA Y ÁLGEBRA Los números reales Números racionales. Números irracionales. Los números y e. Los números reales.
Más detallesDISTRIBUCIONES DE PROBABILIDAD (RESUMEN)
DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesProcesos estocásticos Sesión 10. Teoría de colas
Procesos estocásticos Sesión 10. Teoría de colas Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos 1. Elementos de un modelo de
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesContenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra.
Contenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Clasificar distintos tipos de números: naturales, enteros, racionales y reales. 2. Operar con números reales y aplicar las propiedades
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesEstadística Inferencial
Estadística Inferencial Estimación de parámetros Estadística Básica - Manuel Spínola (ICOMVIS - UNA) 1 Estadística Descriptiva e Inferencial Estadística Descriptiva Estadística Estadística Inferencial
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 detallesEn todo momento se supone que el cambio de posición del interruptor es brusco; es decir, se produce en un intervalo nulo de tiempo.
31 32 Se denomina expresión temporal o expresión instantánea a una expresión matemática en la que el tiempo es la variable independiente. Es decir, si se desea conocer el valor de la corriente (o el de
Más detallesTeoría de Colas o Fenómenos de Espera
Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Distribuciones muestrales Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS DE LA
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
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 detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
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 detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesTema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias
Estadística Tema 3: Cálculo de Probabilidades Unidad 2: Variables Aleatorias Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Noviembre 2010 Contenidos...............................................................
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 detallesPRUEBAS PARA DOS MUESTRAS RELACIONADAS
PRUEBAS PARA DOS MUESTRAS RELACIONADAS Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos poblaciones a partir de dos muestras dependientes o relacionadas; es decir,
Más detallesProbabilidad. Distribuciones binomial y normal
Tema 7 Probabilidad. Distribuciones binomial y normal 7.1. Introducción En este tema trataremos algunas cuestiones básicas sobre Probabilidad. Tanto la Probabilidad como la Estadística son dos campos de
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
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 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 detallesEstadística Inferencial. Sesión 5. Prueba de hipótesis
Estadística Inferencial. Sesión 5. Prueba de hipótesis Contextualización. En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales decisiones
Más detallesDistribución de Probabilidad Normal
Distribución de Probabilidad Normal Departamento de Estadística-FACES-ULA 22 de Diciembre de 2013 Introducción La distribución normal es quizás la distribución de probabilidad para variables aleatorias
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detallesLINEAS DE ESPERA. En diferentes ocaciones de la vida, la mayoria de las personas que viven en la sociedad moderna han esperado
LINEAS DE ESPERA 1.- INTRODUCCION: En diferentes ocaciones de la vida, la mayoria de las personas que viven en la sociedad moderna han esperado en una fila para recibir algún servicio. Esperar podría incluir
Más detallesCONCEPTOS FUNDAMENTALES
TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo
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 detallesTEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS
ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS) TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS 4.1. Hipótesis estadística. Tipos de hipótesis 4.2. Región crítica y región de aceptación 4.3. Errores
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 detallesTema 1. Cálculo diferencial
Tema 1. Cálculo diferencial 1 / 57 Una función es una herramienta mediante la que expresamos la relación entre una causa (variable independiente) y un efecto (variable dependiente). Las funciones nos permiten
Más detallesTEORÍA DE CONJUNTOS A ={ 1, 2, 3, 4, 5, 6 }
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detallesModelos de cola.
Modelos de cola http://humberto-r-alvarez-a.webs.com Las colas Las colas son frecuentes en la vida cotidiana: En un banco En un restaurante de comidas rápidas Al matricular en la universidad Los autos
Más detallesDEMOGRAFÍA EMPRESARIAL DE LA COMUNIDAD DE MADRID
DEMOGRAFÍA EMPRESARIAL DE LA COMUNIDAD DE MADRID NOTA METODOLÓGICA La demanda de información sobre la creación y desaparición de empresas no ha dejado de crecer, y se ha desarrollado especialmente en los
Más detallesEstadística Descriptiva
Estadística Descriptiva 1 Sesión No. 3 Nombre: Estadística descriptiva Contextualización Parte fundamental de la Estadística es la organización de los datos, una forma de realizar esta organización es
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UCM Función de distribución y función de densidad Ejercicio. Sea X una variable aleatoria con función de distribución dada
Más detallesREVISION DE CONCEPTOS BÁSICOS
REVISION DE CONCEPTOS BÁSICOS Objetivos Introducir, de manera muy general, algunos de los conceptos matemáticos y estadísticos que se utilizan en el análisis de regresión. La revisión no es rigurosa y
Más detallesTema 1. Modelo de diseño de experimentos (un factor)
Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza
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 detalles1. Introducción a la redes de colas. 2. Redes de colas abiertas. Teorema de Burke Sistemas en tándem
CONTENIDOS 1. Introducción a la redes de colas 2. Redes de colas abiertas. Teorema de Burke 2.1. Sistemas en tándem 2.2. Redes de Jackson abiertas. Teorema de Jackson 2.3. Aplicación: Multiprogramación
Más detallesTeoría de Colas o Teoría de Líneas de Espera Cursada 2015 Ing. Sandra González Císaro
Investigación Operativa I Facultad Ciencias Exactas. UNICEN Teoría de Colas o Teoría de Líneas de Espera Cursada 2015 Ing. Sandra González Císaro Cursada 2015 Teoría de Colas: Donde?... Teoría de colas
Más detallesMétodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B
Métodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 010 Contenidos...............................................................
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 detallesDistribución Normal Curva Normal distribución gaussiana
Distribución Normal La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. La distribución normal tiene grandes aplicaciones prácticas, en
Más detallesProcesos de LLegadas. Jhon Jairo Padilla A., PhD.
Procesos de LLegadas Jhon Jairo Padilla A., PhD. Introducción En teletráfico es importante describir los procesos de llegadas en situaciones como: Las llegadas de llamadas en una central telefónica Las
Más detallesDistribución Normal. Universidad Diego Portales Facultad de Economía y Empresa. Estadística I Profesor: Carlos R. Pitta
Distribución Normal La distribución normal (O Gaussiana) se define como sigue: En donde y >0 son constantes arbitrarias. Esta función es en realidad uno de las más importantes distribuciones de probabilidad
Más detallesModelos de cola.
Modelos de cola http://academia.utp.ac.pa/humberto-alvarez Las colas Las colas son frecuentes en la vida cotidiana: En un banco En un restaurante de comidas rápidas Al matricular en la universidad Los
Más detallesMODELADO Y SIMULACIÓN. Febrero de 2014 - Primera semana
Febrero de 2014 - Primera semana PREGUNTA 1 (3 puntos) Se pretende estudiar mediante simulación el funcionamiento de una fábrica dedicada a la manufactura de piezas decorativas. La manufactura de las piezas
Más detallesEjercicios de Vectores Aleatorios
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros M2 Calcular la función de densidad conjunta y las marginales
Más detallesH. R. Alvarez A., Ph. D.
Modelos de cola Las colas Las colas son frecuentes en la vida cotidiana: En un banco En un restaurante de comidas rápidas Al matricular en la universidad Los autos en un lava-autos Las colas En general,
Más detalles1.1. Distribución exponencial. Definición y propiedades
CONTENIDOS 1.1. Distribución exponencial. Definición y propiedades 1.2. Procesos de conteo 1.3. Procesos de Poisson - Tiempos de espera y entre llegadas - Partición y mezcla de un proceso de Poisson -
Más detallesÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250)
Universidad Central de Venezuela Facultad de Ingeniería Ciclo Básico Departamento de Matemática Aplicada ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Semestre 1-2011 Mayo 2011 Álgebra Lineal y Geometría
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 detallesTema 5. Introducción al Teletráfico y a la Teoría de Colas
Redes y Servicios de Telecomunicaciones Tema 5. Introducción al Teletráfico y a la Teoría de Colas Bertsekas: 3.1, 3.2, 3.3. Iversen: 1.1, 1.2, 1.5, 1.8, 2.2-2.2.3 (Repaso), 3.3. o Schwartz: 2.1 y 2.2
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 detalles