TEMA N 3.- TEORÍA DE COLAS

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "TEMA N 3.- TEORÍA DE COLAS"

Transcripción

1 UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI TEMA N 3.- TEORÍA DE COLAS Asignatura: Investigación Operativa I Docente: Ing. Jesús Alonso Campos 3.1 Introducción Una cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares o sistemas de colas. Los modelos sirven para encontrar el comportamiento de estado estable, como la longitud promedio de la línea y el tiempo de espera promedio para un sistema dado. 3.2 Componentes de los sistemas de colas Un sistema de colas puede dividirse en sus dos componentes de mayor importancia, la cola y la instalación de servicio. Las llegadas son las unidades que entran en el sistema para recibir el servicio. Siempre se unen primero a la cola; si no hay línea de espera se dice que la cola está vacía. De la cola, las llegadas van a la instalación de servicio de acuerdo con la disciplina de la cola, es decir, de acuerdo con la regla para decidir cuál de las llegadas se sirve después. El primero en llegar primero en ser servido es una regla común, pero podría servir con prioridades o siguiendo alguna otra regla. Una vez que se completa el servicio, las llegadas se convierten en salidas. 3.3 Procesos de nacimiento y muerte pura Proceso de nacimiento puro El proceso de nacimiento puro es un proceso de tipo Poisson que corresponde a un sistema en el cual en el tiempo se suceden nacimientos (llegadas) y en ningún momento se produce la muerte (salidas) o el abandono de los elementos del sistema. Bajo estas consideraciones, el proceso se caracteriza porque la probabilidad de que en el intervalo (t, t + Δt) se produzca un nacimiento, será igual Proceso de muerte pura Un proceso de muerte pura se caracteriza porque corresponde a un proceso de Poisson en el cual se asume que se producen solamente abandonos del sistema en el tiempo y en ningún momento ocurre la incorporación de elementos al sistema. Si en el momento t en el sistema se tenían n unidades, entonces este proceso se caracteriza porque la probabilidad de que se produzca una muerte en el intervalo (t, t+δt) será igual.

2 3.4 Modelos de colas con llegadas y salidas combinadas Notación de Kendall y Lee En 1953 Kendall y Lee propusieron un sistema de clasificación de los sistemas de líneas de espera, ampliamente utilizado en la actualidad. Esta clasificación considera seis de las características básicas en la estructura de los modelos de líneas de espera, expresándolas en el formato (a/b/c):(d/e/f), donde: Elemento Significado Observaciones Distribución de probabilidad del a tiempo entre llegadas de las transacciones. b Distribución de probabilidad del tiempo de servicio. Los símbolos utilizados en estos dos primeros campos son: D: constante. E k : distribución Erlang con parámetro k. G: cualquier tipo de distribución. GI: distribución general independiente. H: distribución hiperexponencial. M: distribución exponencial. c Número de servidores - d Orden de atención a los clientes Los símbolos utilizados en este campo son: PEPS: primero que entra, primero que sale. UEPS: último que entra, primero que sale. SIRO: orden aleatorio. PR: con base en prioridades. DG: en forma general. e Número máximo de clientes que soporta el sistema en un mismo - instante de tiempo. f Tamaño de la fuente de llamadas Modelo generalizado de Poisson La meta inmediata del modelo generalizado es deducir una expresión para P n que es la probabilidad que haya exactamente n clientes en el sistema como una función de λ n la tasa de llegada y de µ n la tasa de salida. Este modelo es de estado estable (no dependen del tiempo) para la línea generalizada de Poisson con c servidores en paralelo. Las siguientes definiciones son utilizadas para analizar la operación de las líneas de espera con el fin de hacer recomendaciones sobre el diseño del sistema: L s = número esperado de clientes en el sistema. L q = número esperado de clientes en la cola o fila. W s = tiempo estimado de espera en el sistema. W q = tiempo esperado de espera en la cola o fila.

3 3.5 Líneas de espera especializadas de Poisson Modelos con un solo servidor Modelo (M/M/1) : (DG/ / ) Este es un modelo con un sólo servidor, sin límite en la capacidad del sistema o de la población. Se supone que las tasas de llegadas son independientes del número en el sistema, es decir, λ n = λ. Similarmente, se supone que el servidor completa su servicio a una tasa constante, es decir, µ n = µ. A partir de esta suposición básica, se pueden aplicar varias fórmulas para describir las características de operación del sistema Modelo (M/M/1) : (DG/N/ ) La única diferencia con el modelo anterior es que el número máximo de clientes permitidos en el sistema es N, es decir, la longitud máxima de la cola de espera es N Modelos con varios servidores Modelo (M/M/c): (DG/ / ) En este modelo los clientes llegan con una tasa constante λ y un máximo de c clientes son atendidos simultáneamente. La tasa de servicio por servidor activo es también constante e igual a µ. Al usar c servidores paralelos se acelera la tasa de servicio. Si el número de clientes en el sistema n es igual o excede a c, la tasa combinada de servicio es igual a cµ. Por otra parte, si n es menor que c, la tasa combinada de salidas es de nµ Modelo (M/M/c): (DG/N/ ), c N La única diferencia con el modelo anterior es que el número máximo de clientes permitidos en el sistema es N, es decir, la longitud máxima de la línea de espera es N c Modelo (M/M/ ) : (DG/ / ) (modelo de autoservicio) En este modelo, el número de servidores es ilimitado porque el cliente mismo es también un servidor. Este es normalmente el caso en los establecimientos de autoservicio Modelo (M/M/R) : (DG/K/K), R < K (modelo de servicio de máquinas) El entorno para este modelo es el de un taller con K máquinas. Cuando se descompone una máquina, se llama a un mecánico para hacer la reparación. Se supone que todas las descomposturas y los servicios siguen una distribución de Poisson. Este modelo se diferencia de todos los anteriores por tener una fuente finita de clientes. Eso se puede visualizar si se considera que cuando todas las máquinas del taller están descompuestas, no se pueden generar más solicitudes de servicio. En esencia, sólo las máquinas que están funcionando se pueden descomponer, por lo que tienen el potencial de generar llamadas de servicio.

4 Ejercicios para resolver en clase: Función exponencial y de Poisson 1. Los clientes llegan a un restaurante de acuerdo a una distribución de Poisson a la tasa de 20 por hora. El restaurante abre a las 11 am. Determine lo siguiente: a. La probabilidad de que haya 20 clientes en el restaurante a las 11:12 am, dado que hubo 18 a las 11:07 am. b. La probabilidad de que llegarán nuevos clientes entre las 11:28 am y las 11:30 am, dado que el último cliente llegó a las 11:25 am. 2. El tiempo entre llegadas en una oficina de correos es exponencial, con valor medio de 0.05 hora. La oficina abre a las 8:00 a.m. a. Escriba la distribución exponencial que describa el tiempo entre llegadas. b. Determine la probabilidad de que no lleguen clientes a la oficina hasta las 8:15 a.m. c. Son las 8:35 a.m. El último cliente entró a las 8:26 a.m. Cuál es la probabilidad de que el siguiente cliente llegue antes de las 8:38 a.m.? Y de que no llegue hasta las 8:40 a.m.? d. Cuál es la cantidad promedio de clientes que llegan entre las 8:10 y las 8:45 a.m.? Modelo de nacimiento puro 1. Libros que se ordenaron con anterioridad llegan a la biblioteca de una universidad según una distribución de Poisson a la tasa de 25 unidades por día. Cada repisa de la estantería puede dar cabida a 100 libros. Determine lo siguiente: a. El número estimado de repisas que se llenarán con nuevos libros cada mes (de 30 días). b. La probabilidad de que se necesitarán más de diez estantes de libros cada mes, dado que un estante de libros tiene cinco repisas. 2. Una universidad administra dos líneas de autobuses en su campus: la roja y la verde. La roja da servicio al lado norte y la verde al lado sur, y hay una estación de transbordo que une a las dos. Los autobuses verdes llegan al azar (de acuerdo con una distribución de Poisson) a la estación de transbordo cada 10 minutos. Los rojos llegan al azar cada 7 minutos. a. Cuál es la probabilidad de que dos autobuses lleguen a la estación durante un intervalo de cinco minutos? b. Un alumno, cuyo dormitorio es vecino a la estación, tiene una clase dentro de 10 minutos. Cualesquiera de los autobuses lo llevará al edificio de su salón. El viaje en autobús dura 5 minutos, y después tiene que caminar unos 3 minutos para llegar a su salón. Cuál es la probabilidad de que llegue a tiempo a su salón? Modelo de muerte pura 1. Se utilizan las existencias de un inventario de 80 artículos según una distribución de Poisson a la tasa de 5 unidades por día. a. Determine la probabilidad de que no se utilicen diez artículos durante los dos primeros días. b. Especifique la probabilidad de que no quede ni un solo artículo al cabo de cuatro días. c. Determine el número promedio de artículos utilizados en un período de cuatro días.

5 2. La empresa ABC adquiere un producto X, el cual presenta una demanda que sigue una distribución de Poisson con media de 8 unidades diarias. Cada inicio de semana, se recibe un nuevo pedido alcanzando un nivel de inventario de 50 unidades. Internamente, se manejan las siguientes políticas de trabajo: La empresa labora de lunes a sábado y se mantiene cerrada el domingo. Cuando el nivel de existencias llega a 10 unidades, el Departamento de Ventas introduce un nuevo pedido de 50 unidades, a fin de poder contar con inventario suficiente. Dado la naturaleza del artículo, es necesario eliminar toda la existencia que se encuentra en el almacén al finalizar la semana de trabajo. Por lo tanto, usted debe determinar: a. Probabilidad de disponer con la cantidad mínima de inventario al final de la semana. b. Probabilidad de hacer un pedido el día miércoles (día 3). c. Número esperado de unidades al finalizar la semana. d. Probabilidad de agotarse la existencia disponible después de 4 días. e. Probabilidad de que no ocurran retiros durante el primer día. f. Inventario promedio que se mantiene en existencia hasta el quinto día. Modelo generalizado de Poisson 1. En una peluquería se atiende a un cliente cada vez, y tiene tres sillas para los clientes que esperan. Si el lugar está lleno, los clientes van a otra parte. Las llegadas siguen una distribución de Poisson con una media de 4 por hora. El tiempo de un corte de pelo es exponencial, con 15 minutos de promedio. Determine lo siguiente: a. Las probabilidades de estado estable. b. La cantidad esperada de clientes en la peluquería. c. La probabilidad de que los clientes vayan a otra parte por estar lleno el local. 2. En una línea de espera dada, el sistema no puede atender a más de cuatro clientes. La tasa de llegadas es de 10 por hora y la tasa de salidas es de 5 por hora. Ambas tasas son independientes del número n en el sistema. Suponga que los procesos de llegada y salida siguen una distribución de Poisson. Determine lo siguiente: a. El conjunto de ecuaciones de equilibrio que describen el sistema. b. Las probabilidades de estado estable. c. El número esperado de clientes en el sistema. Modelo (M/M/1):(DG/ / ) 1. A través de los años, el detective Rodríguez del Departamento de Policía de cierta ciudad, ha tenido un éxito fenomenal en la solución de cada caso que se le presenta. Sólo es cuestión de tiempo para que pueda resolver cualquier caso. Rodríguez admite que el tiempo en cada caso es "totalmente aleatorio", pero en promedio cada investigación dura aproximadamente semana y media. Los delitos en la tranquila ciudad no son muy comunes. Suceden al azar, con una frecuencia de uno cada cuatro semanas. Rodríguez pide un ayudante con quien compartir la pesada carga de trabajo. Analice la petición del detective Rodríguez para ayudarle a determinar la cantidad promedio de casos que esperan ser investigados y el porcentaje de tiempo en el que está ocupado el detective. 2. Al servidor de una empresa, se envían programas de distintos departamentos con una tasa de 10 por minuto, a fin de ser ejecutados. El tiempo promedio de ejecución de

6 cada programa es de 5 segundos. Los tiempos de llegada y ejecución siguen una distribución exponencial. a. Qué proporción de tiempo está el servidor desocupado? b. Cuál es el tiempo total que debe esperar un programa en el sistema para salir? c. Cuál es el número promedio de programas en la cola? d. Determine la cantidad estimada de programas que existen en el sistema. Modelo (M/M/1):(DG/N/ ) 1. Los pacientes llegan a una clínica según una distribución de Poisson a una tasa de 30 pacientes por hora. La sala de espera no da cabida a más de 14 pacientes. El tiempo de auscultación por cada paciente es exponencial con una tasa media de 20 por hora. a. Determine la tasa efectiva de llegadas a la clínica. b. Cuál es la probabilidad de que un paciente que llegue a la clínica no tendrá que esperar? Hallará un asiento desocupado en la sala? c. Cuál es el tiempo de espera estimado para que un paciente pueda salir de la clínica? 2. Un restaurante de comida rápida tiene una ventanilla para dar servicio a automóviles. Se estima que los autos llegan de acuerdo con una distribución de Poisson a la tasa de 2 cada 5 minutos y que hay espacio suficiente para dar cabida a una fila de 6 automóviles. Otros autos que llegan pueden esperar fuera de este espacio, de ser necesario. Los empleados tardan 1.5 minutos en promedio en surtir un pedido, pero el tiempo de servicio varía en realidad, según una distribución exponencial. Determine lo siguiente: a. La probabilidad de que el establecimiento esté inactivo. b. El número esperado de clientes en espera, pero que no se les atiende en ese momento. c. El tiempo de espera calculado hasta que un cliente pueda hacer su pedido en la ventanilla. d. La probabilidad de que la línea de espera será mayor que la capacidad del espacio que conduce a la ventanilla de servicio a automóviles. Modelo (M/M/c):(DG/ / ) 1. Cierta empresa usa tres cajeros los sábados. El tiempo entre llegadas y el de servicio a los clientes tienen una distribución exponencial. Los clientes llegan a razón de 20 por hora y el tiempo de servicio es de 6 minutos en promedio. Los clientes forman una sola fila y son atendidos por el primer cajero disponible. Encuentre: a. Probabilidad de que no haya clientes esperando a ser atendidos. b. El número esperado de personas en la fila. c. El tiempo de espera previsto en la fila. d. Número esperado de personas en el sistema. 2. Se tiene una estación de servicio que posee dos bombas, localizada en un punto privilegiado de la ciudad y con un servicio excelente. Cada 5 minutos, siguiendo una distribución exponencial, llega un cliente. Suponiendo que la estación de servicio está abierta desde las 6:00 am hasta las 9:00 pm, y que la tasa de servicio es de 15 clientes por hora, de acuerdo a una distribución de Poisson: a. Cuál es la tasa de ocupación del sistema? b. Cuál es la probabilidad de que el sistema esté completamente lleno?

7 c. Cuál es el tiempo promedio que un cliente pasa en el sistema? d. Determine la proporción en que el sistema se encuentre ocioso Modelo (M/M/c):(DG/N/ ) 1. Un centro de cómputo está equipado con cuatro computadoras, todas del mismo tipo y capacidad. El número de usuarios en el centro en cualquier momento es igual a 25. Para cada usuario, el tiempo para escribir un programa e introducir los datos, es exponencial con tasa media de 15 minutos. El tiempo de ejecución para los programas está exponencialmente distribuido con tasa media de 30 por hora. Suponiendo que el centro está en operación sobre una base de tiempo completo, y sin tomar en cuenta el efecto del tiempo que la computadora está parada, encuentre lo siguiente: a. Probabilidad de que un programa no se ejecute inmediatamente que se recibe en el centro. b. Número promedio de programas que esperan su servicio. c. Número esperado de computadoras inactivas. d. Porcentaje de tiempo que el centro está sin trabajo. e. Tiempo promedio hasta que un programa sale del centro. f. Porcentaje de tiempo ocioso por computadora. 2. Una gasolinera cuenta con dos bombas. El carril que llega a ellas puede dar cabida cuando mucho a cinco automóviles, incluyendo los que llenan el tanque. Los que llegan cuando el carril está lleno van a otra parte. La distribución de los vehículos que llegan es de Poisson, con promedio de 20 por hora. El tiempo para llenar y pagar las compras es exponencial, con 6 minutos de promedio. Determine lo siguiente: a. El porcentaje de automóviles que llenarán el tanque en otro lado. b. El porcentaje de tiempo en el que se usa una bomba. c. La utilización porcentual de las dos bombas. d. La probabilidad de que un automóvil que llegue no reciba servicio de inmediato, sino que se forme en la cola. e. La capacidad del carril que asegure que, en promedio, no haya más del 15% de que los vehículos que llegan se vayan a otra parte. Modelo (M/M/ ):(DG/ / ) o modelo de autoservicio 1. A los conductores nuevos se les pide pasar un examen por escrito, antes de hacer las pruebas de manejo. Los exámenes escritos suelen hacerse en el departamento de policía de la ciudad. Los registros de una ciudad de Maturín indican que la cantidad promedio de exámenes escritos es de 100 por día de 8 horas. El tiempo necesario para contestar el examen es de 30 minutos, más o menos. Sin embargo, la llegada real de los aspirantes y el tiempo que tarda cada uno en contestar son totalmente aleatorios. Determine lo siguiente: a. La cantidad promedio de asientos que debe tener el Instituto de Tránsito Terrestre en el salón de exámenes. b. La probabilidad de que los aspirantes rebasen la cantidad promedio de asientos que hay en el salón de exámenes. c. La probabilidad de que en un día no se haga examen alguno.

8 2. En una instalación de autoservicio las llegadas ocurren según una distribución de Poisson con media de 50 por hora. Los tiempos de servicio por cliente están exponencialmente distribuidos con media de 5 minutos. a. Encuentre el número esperado de clientes en servicio. b. Cuál es el porcentaje de tiempo que la instalación está inactiva? Modelo (M/M/R) : (DG/K/K), R < K o modelo de servicio de máquinas 1. Un operador atiende a cinco máquinas automáticas. Cuando una máquina termina un lote, el operador la debe restablecer para iniciar el siguiente lote. El tiempo para terminar un procesamiento de lote es exponencial, con 45 minutos de promedio. El tiempo de preparación de la máquina también es exponencial con un promedio de 8 minutos. a. Calcule la cantidad promedio de máquinas que esperan su restablecimiento o que están siendo restablecidas. b. Calcule la probabilidad de que todas las máquinas estén trabajando. c. Determine el tiempo promedio que una máquina está sin trabajar. 2. Dos mecánicos están atendiendo cinco máquinas en un taller. Cada máquina se descompone según una distribución de Poisson con media de 3 por hora. El tiempo de reparación por máquina es exponencial con media de 15 minutos. a. Encuentre la probabilidad de que los dos mecánicos estén ociosos y que uno de ellos esté desocupado. b. Cuál es el número esperado de máquinas inactivas que no se les está dando servicio?

Modelos de cola.

Modelos 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 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

UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA USB PS4161 GESTION DE LA PRODUCCION I LINEAS DE ESPERA

UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA USB PS4161 GESTION DE LA PRODUCCION I LINEAS DE ESPERA UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA 1 Contenido Características de un sistema de líneas de espera Características de las llegadas Características de la línea de espera Características del dispositivo

Más detalles

13.Teoría de colas y fenómenos de espera

13.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 detalles

Teoría 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 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 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

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

Teoría de líneas de espera

Teoría de líneas de espera Teoría de líneas de espera Recuerde la última vez que tuvo que esperar en la caja de un supermercado, en una ventanilla de su banco local, o a que lo atendieran en un restaurante de comida rápida. En éstas

Más detalles

ESTRUCTURA DE LINEAS DE ESPERA

ESTRUCTURA DE LINEAS DE ESPERA ESTRUCTURA DE LINEAS DE ESPERA La teoría de las colas es el estudio de líneas de espera. Cuatro características de un sistema de la formación de colas o líneas de espera son: la manera en que los clientes

Más detalles

Control 3. Lunes 23 de Junio 2008

Control 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 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

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

Ingeniería de Sistemas. Teoría de colas y juegos

Ingeniería de Sistemas. Teoría de colas y juegos Ingeniería de Sistemas Teoría de colas y juegos DEFINICIÓN Estudio analítico del comportamiento de líneas de espera. DEFINICIÓN OBJETIVOS DE LA TEORÍA DE COLAS Identificar el nivel óptimo de capacidad

Más detalles

INVESTIGACION DE OPERACIONES

INVESTIGACION DE OPERACIONES INVESTIGACION DE OPERACIONES (MAT-30924) Ingeniería de Sistemas Prof. Jessica Millán Definición de IO Orígenes. Enfoques. Limitaciones. Programación Lineal. Definición. Condiciones. Modelos Matemáticos

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

lo que hace a las colas un área interesante y desafiante. En la figura se muestra un sistema típico de colas. 4. MODELOS DE LINEAS DE ESPERA

lo que hace a las colas un área interesante y desafiante. En la figura se muestra un sistema típico de colas. 4. MODELOS DE LINEAS DE ESPERA 4. MODELOS DE LINEAS DE ESPERA Objetivo: El estudiante evaluará los criterios de decisión en las líneas de espera, examinando el proceso de llegada para poblaciones sencillas o múltiples de unidades finita,

Más detalles

Notas de Clase de: Investigación de Operaciones

Notas de Clase de: Investigación de Operaciones Notas de Clase de: Investigación de Operaciones Víctor Leiva Departamento de Estadística Universidad de Valparaíso, Chile victor.leiva@uv.cl www.deuv.cl/leiva Índice general 1. Programa de la Asignatura

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria

Más detalles

Introduccion. TEMA 6: MODELOS DE FILAS DE ESPERA (Waiting Line Models) (Capítulo 12 del libro) Modelos de Decisiones

Introduccion. TEMA 6: MODELOS DE FILAS DE ESPERA (Waiting Line Models) (Capítulo 12 del libro) Modelos de Decisiones Modelos de Decisioes TEMA 6: MODELOS DE FILAS DE ESPERA (Waitig Lie Models) (Capítulo 2 del libro) Itroduccio.. Estructura de u Sistema de Filas de Espera 2. Modelo Sigle-Chael co tasa de llegadas tipo

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

ADMINISTRACIÓN DE EMPRESAS

ADMINISTRACIÓN DE EMPRESAS DIRECCIÓN DE EDUCACIÓN ABIERTA Y A DISTANCIA Y VIRTUALIDAD ADMINISTRACIÓN DE EMPRESAS INVESTIGACION DE OPERACIONES MÓDULO EN CORPORACIÓN UNIVERSITARIA DEL CARIBE-CECAR DIVISIÓN DE EDUCACIÓN ABIERTA Y A

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Conmutación de circuitos Tráfico

Conmutación de circuitos Tráfico Conmutación de circuitos Tráfico Area de Ingeniería Telemática http://www.tlm.unavarra.es Arquitectura de Redes, Sistemas y Servicios Grado en Ingeniería en Tecnologías de Telecomunicación, 2º Temario

Más detalles

Breve introducción a la Investigación de Operaciones

Breve introducción a la Investigación de Operaciones Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de

Más detalles

PROGRAMACIÓN NO LINEAL INTRODUCCIÓN

PROGRAMACIÓN NO LINEAL INTRODUCCIÓN PROGRAMACIÓN NO LINEAL Conceptos generales INTRODUCCIÓN Una suposición importante de programación lineal es que todas sus funciones Función objetivo y funciones de restricción son lineales. Aunque, en

Más detalles

Teoría de colas I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Teoría de colas I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Teoría de colas I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Teoría de colas Ejemplo: un centro de atención telefónica (call center) Tasa de llegada y

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

1.- INTRODUCCIÓN TEORIA DE COLAS

1.- INTRODUCCIÓN TEORIA DE COLAS 1.- INTRODUCCIÓN TEORIA DE COLAS 1.1.- Introducción a la teoría de colas Tal y como se ha comentado anteriormente, los sistemas de colas son modelos de sistemas que proporcionan un servicio. Como modelo,

Más detalles

SIMULACIÓN DE PROCESOS INDUSTRIALES SOFTWARE ARENA INTRODUCCION

SIMULACIÓN DE PROCESOS INDUSTRIALES SOFTWARE ARENA INTRODUCCION UNIVERSIDAD DIEGO PORTALES FACULTAD CIENCIAS DE LA INGENIERIA INGENIERIA CIVIL INDUSTRIAL SIMULACIÓN DE PROCESOS INDUSTRIALES SOFTWARE ARENA INTRODUCCION Profesor Responsable. Macarena Donoso Ayudante.

Más detalles

PLANEACIÓN DE OPERACIONES ADMINISTRACIÓN DE OPERACIONES

PLANEACIÓN DE OPERACIONES ADMINISTRACIÓN DE OPERACIONES PLANEACIÓN DE OPERACIONES ADMINISTRACIÓN DE OPERACIONES Objetivo de la planeación de operaciones Equilibrar la totalidad de la demanda con la totalidad de los recursos de los inventarios y la capacidad.

Más detalles

Líneas de Espera: Teoría de Colas. Curso Métodos Cuantitativos Prof. Lic. Gabriel Leandro

Líneas de Espera: Teoría de Colas. Curso Métodos Cuantitativos Prof. Lic. Gabriel Leandro ínea de Epera: Teoría de Cola Curo Método Cuantitativo Prof. ic. Gabriel eandro a cola a cola on frecuente en nuetra vida cotidiana: En un banco En un retaurante de comida rápida Al matricular en la univeridad

Más detalles

TEORIA DE COLAS, FENOMENOS DE ESPERA

TEORIA DE COLAS, FENOMENOS DE ESPERA Universidad del Bío-Bío Facultad de Ingeniería Depto. Ingeniería Industrial Investigación de Operaciones II: TEORIA DE COLAS, FENOMENOS DE ESPERA Integrantes: Pedro Chávez Cristian Guajardo Victor Pino

Más detalles

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo

Más detalles

1.1. Distribución exponencial. Definición y propiedades

1.1. 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 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

TRÁFICO DE TELEFONÍA MÓVIL: CARACTERIZACIÓN E IMPLICACIONES DEL TIEMPO DE OCUPACIÓN DEL CANAL

TRÁFICO DE TELEFONÍA MÓVIL: CARACTERIZACIÓN E IMPLICACIONES DEL TIEMPO DE OCUPACIÓN DEL CANAL ESCOLA TÈCNICA SUPERIOR D ENGINYERIA DE TELECOMUNICACIÓ DE BARCELONA TRÁFICO DE TELEFONÍA MÓVIL: CARACTERIZACIÓN E IMPLICACIONES DEL TIEMPO DE OCUPACIÓN DEL CANAL Autor: Francisco Barceló Arroyo Director:

Más detalles

Universidad de los Andes Núcleo Universitario Rafael Rangel Depto. de Ciencias Económicas y Administrativas Área de Finanzas

Universidad de los Andes Núcleo Universitario Rafael Rangel Depto. de Ciencias Económicas y Administrativas Área de Finanzas Universidad de los Andes Núcleo Universitario Rafael Rangel Depto. de Ciencias Económicas y Administrativas Área de Finanzas Finanzas I Tema VI Administración de Inventarios Prof. Angel Alexander Higuerey

Más detalles

Pontificia Universidad Católica del Ecuador

Pontificia Universidad Católica del Ecuador Pontificia Universidad Católica del Ecuador Facultad de Ingeniería Escuela de Sistemas E-MAIL: dga@puce.edu.ec Av. 12 de Octubre 1076 y Roca Apartado postal 17-01-214 Fax: 593 2 299 16 56 Telf: 593 2 299

Más detalles

EJERCICIOS DE SELECTIVIDAD

EJERCICIOS DE SELECTIVIDAD EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ

Más detalles

TEORIA DE COLAS SIMULACIÓN DE SISTEMAS

TEORIA DE COLAS SIMULACIÓN DE SISTEMAS SIMULACIÓN DE SISTEMAS UNIVERSIDAD ALAS PERUANAS FILIAL- ICA Ing. Las LINEAS DE ESPERA, FILAS DE ESPERA o COLAS, son realidades cotidianas: Personas esperando para una caja en un banco, Estudiantes esperando

Más detalles

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas).

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). Teoría de Colas TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). IO 07/08 - Teoría de Colas 1 Teoría de Colas: ejemplos

Más detalles

Complejidad computacional (Análisis de Algoritmos)

Complejidad computacional (Análisis de Algoritmos) Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución

Más detalles

TEMA 12 GESTIÓN DE STOCKS

TEMA 12 GESTIÓN DE STOCKS TEMA 12 GESTIÓN E STOCKS 1. Concepto e importancia de los stocks 2. Clases de stocks 3. Modelo de Wilson 1. CONCEPTO E IMPORTANCIA E LOS STOCKS Stocks o existencias son el conjunto de artículos almacenados

Más detalles

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016

ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 ESTADÍSTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES Práctico 2 Curso 2016 Ejercicio 1 Una empresa de selección de personal llama a 12 postulantes para una entrevista de empleo. Se sabe por experiencia

Más detalles

-80- El siguiente análisis definirá un modelo para determinar el nivel de servicio de estas operaciones (14).

-80- El siguiente análisis definirá un modelo para determinar el nivel de servicio de estas operaciones (14). ^. - - -^a»'-" l- ^.'.^'^'.'.-;.T'".. ' -^~'* :^'^.'J3aB,!.'-".'-Wii.T"-P7 -H!- aj,_i^whh-1. i'^r-'^r--" -80- IX. PLANIFICACIÓN DE OPERACIONES TERMINALES EN LA CADENA DE TRANSPORTE FORESTAL. Según se ha

Más detalles

V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas

V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas UNIVERSIDAD NACIONAL DE INGENIERÍA UNI-NORTE INVESTIGACIÓN DE OPERACIONES II INGENIERIA INDUSTRIAL E INGENIERIA DE SISTEMAS V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas Maestro

Más detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 12 LA DISTRIBUCIÓN BINOMIAL SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:

Más detalles

4.12 Ciertos teoremas fundamentales del cálculo de probabilidades

4.12 Ciertos teoremas fundamentales del cálculo de probabilidades 1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales

Más detalles

Tema: Funciones en Excel (III) Funciones de fecha y hora Las fechas son a menudo una parte crítica de análisis de datos

Tema: Funciones en Excel (III) Funciones de fecha y hora Las fechas son a menudo una parte crítica de análisis de datos Tema: Funciones en Excel (III) Funciones de fecha y hora Las fechas son a menudo una parte crítica de análisis de datos Índice: 1 Para qué las funciones fecha y hora? 2 Generalidades El especial tratamiento

Más detalles

b) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7

b) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7 EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho

Más detalles

Unidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.

Unidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma

Más detalles

SISTEMA DE ADMINISTRACIÓN DE FILAS CONVIERTA EL TIEMPO DE ESPERA DE SUS CLIENTES EN UN MAYOR TIEMPO DE COMPRA.

SISTEMA DE ADMINISTRACIÓN DE FILAS CONVIERTA EL TIEMPO DE ESPERA DE SUS CLIENTES EN UN MAYOR TIEMPO DE COMPRA. SISTEMA DE ADMINISTRACIÓN DE FILAS CONVIERTA EL TIEMPO DE ESPERA DE SUS CLIENTES EN UN MAYOR TIEMPO DE COMPRA. Obtenga beneficios mediante la administración del tiempo de espera de sus clientes. Usted

Más detalles

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:

Variables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma: TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]

Más detalles

Planteamiento del problema del servidor de video

Planteamiento del problema del servidor de video Universidad Politécnica de Cartagena Escuela Técnica Superior de IngenieI ería de Telecomunicación PRÁCTICAS DE REDES DE ORDENADORES Propuesta del Trabajo de Prácticas 2011 Evaluación de políticas de admisión

Más detalles

CLASE PHP. Ejercicios. Nicolás Cenzano Silva

CLASE PHP. Ejercicios. Nicolás Cenzano Silva CLASE PHP Ejercicios RESTAURANTES En el Boulevard del Centro Comercial de Elbonia, los restaurantes le piden a usted crear una página web que cumpla con las siguientes características: Registro e inicio

Más detalles

ACTIVIDAD DE APRENDIZAJE

ACTIVIDAD DE APRENDIZAJE ACTIVIDAD DE APRENDIZAJE Sigla Curso MAT330 Nombre Curso Cálculo I Créditos 10 Hrs. Semestrales Totales 5 Requisitos MAT200 o MAT2001 Fecha Actualización Escuela o Programa Transversal Programa de Matemática

Más detalles

Discretas. Continuas

Discretas. Continuas UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de

Más detalles

MODELOS DE INVESTIGACION DE OPERACIONES

MODELOS DE INVESTIGACION DE OPERACIONES MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos

Más detalles

INSTITUTO TECNOLÓGICO DE NUEVO LEÓN. Práctica #4 Líneas de espera

INSTITUTO TECNOLÓGICO DE NUEVO LEÓN. Práctica #4 Líneas de espera Práctica #4 Líneas de espera Objetivo: Optimizar la operación de los servicios y la manufactura utilizando modelos de líneas de espera. Introducción: El sistema de líneas de espera, es el más conocido

Más detalles

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo. Contenidos

Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo. Contenidos Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo Complementos Contenidos Clase 1: Elementos de lógica: Conectivos, tablas de verdad, tautologías y contingencias.

Más detalles

CAPÍTULO 4 TÉCNICA PERT

CAPÍTULO 4 TÉCNICA PERT 54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con

Más detalles

Manual para la resolución de problemas Sesion 3. SESIÓN 3 DESARROLLO DE ESTRATEGIAS: ENSAYO-ERROR y REALIZAR UN DIAGRAMA

Manual para la resolución de problemas Sesion 3. SESIÓN 3 DESARROLLO DE ESTRATEGIAS: ENSAYO-ERROR y REALIZAR UN DIAGRAMA SESIÓN 3 DESARROLLO DE ESTRATEGIAS: ENSAYO-ERROR y REALIZAR UN DIAGRAMA 83 MATERIAL PARA EL PROFESOR (Teórico) Ensayo error Consiste en realizar los siguientes pasos: - Elegir un valor (resultado, operación

Más detalles

Ejercicio 2. Sean A, B dos sucesos tales que P (A) = 0 4, P (B) = 0 65 y P ( (A B) (A B) ) = Hallar P (A B).

Ejercicio 2. Sean A, B dos sucesos tales que P (A) = 0 4, P (B) = 0 65 y P ( (A B) (A B) ) = Hallar P (A B). Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Hoja 2, curso 2006 2007. Ejercicio 1. Dados cuatro sucesos A, B, C y D, la probabilidad de que ocurra al menos uno

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

Análisis de Decisiones II

Análisis de Decisiones II Tema 14 Distribución de llegadas Poisson, distribución de servicio Exponencial, varios servidores, servicio PEPS, población y cola infinita Objetivo de aprendizaje del tema Al finalizar el tema serás capaz

Más detalles

Procesos estocásticos

Procesos estocásticos Procesos estocásticos Las cadenas de Markov estudian procesos estocásticos Los procesos estocásticos son modelos matemáticos que describen sistemas dinámicos sometidos a procesos aleatorios Parámetros:

Más detalles

Control 1 IN44A, Viernes 6 de Septiembre de 2002

Control 1 IN44A, Viernes 6 de Septiembre de 2002 DEPARTAMENTO DE INGENIERIA INDUSTRIAL Curso: IN44A - Investigación Operativa Facultad de Cs. Físicas y Matemáticas Sem.: Primavera 00 UNIVERSIDAD DE CHILE Prof: A. Barrientos, A. Sauré, N. Yanković. P.

Más detalles

Distribuciones de Probabilidad

Distribuciones de Probabilidad Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica

Más detalles

Algoritmos. Medios de expresión de un algoritmo. Diagrama de flujo

Algoritmos. Medios de expresión de un algoritmo. Diagrama de flujo Algoritmos En general, no hay una definición formal de algoritmo. Muchos autores los señalan como listas de instrucciones para resolver un problema abstracto, es decir, que un número finito de pasos convierten

Más detalles

SISTEMA CON UN SERVIDOR

SISTEMA CON UN SERVIDOR TALLER 6 : Problemas de Líneas de Espera. 1.SISTEMA CON UN SERVIDOR. Una compañía estatal tiene un numero de estaciones para el pesado de camiones a lo largo de una gran autopista, para verificar que el

Más detalles

Sistemas Operativos. Dr. Luis Gerardo de la Fraga. Departamento de Computación Cinvestav

Sistemas Operativos. Dr. Luis Gerardo de la Fraga.    Departamento de Computación Cinvestav Sistemas Operativos Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx http://cs.cinvestav.mx/~fraga Departamento de Computación Cinvestav 12 de junio de 2015 Dr. Luis Gerardo de la Fraga Cinvestav,

Más detalles

LA TEORÍA DE COLAS Y SU USO EN LA GESTIÓN ADMINISTRATIVA Autor: Fernando Maldonado

LA TEORÍA DE COLAS Y SU USO EN LA GESTIÓN ADMINISTRATIVA Autor: Fernando Maldonado LA TEORÍA DE COLAS Y SU USO EN LA GESTIÓN ADMINISTRATIVA Autor: Fernando Maldonado 5 RESUMEN Como clientes reprobamos hacer cola y quienes ofertan servicios tampoco quieren que sus clientes esperen pues

Más detalles

Modelos Estocásticos I Tercer Examen Parcial Respuestas

Modelos Estocásticos I Tercer Examen Parcial Respuestas Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado

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

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula

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

5 Variables aleatorias contínuas

5 Variables aleatorias contínuas 5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua

Más detalles

UD.3. Tema 11. Costes en bibliotecas y centros de información

UD.3. Tema 11. Costes en bibliotecas y centros de información UD.3. Tema 11. Costes en bibliotecas y centros de información 11.1. Utilidades de la información que proporciona la contabilidad de costes. 11.2. Coste. Tipos de costes. 11.3. La contabilidad de costes

Más detalles

TEMA 3. CONCEPTOS FUNDAMENTALES DEL NIVEL DEL SISTEMA OPERATIVO. Definición y objetivos de un S.O

TEMA 3. CONCEPTOS FUNDAMENTALES DEL NIVEL DEL SISTEMA OPERATIVO. Definición y objetivos de un S.O TEMA 3. CONCEPTOS FUNDAMENTALES DEL NIVEL DEL SISTEMA OPERATIVO Definición y objetivos de un S.O Definición y objetivos del sistema operativo Estructura, componentes y servicios de un S.O Llamadas al sistema

Más detalles

Gestión y Optimización de Inventarios de Repuestos

Gestión y Optimización de Inventarios de Repuestos Entrenamiento y Capacitación Gestión y Optimización de Inventarios de Repuestos Programa de Formación Continua www.aktiv.com.co PRESENTACIÓN En toda empresa industrial, la decisión de incluir inventarios

Más detalles

Examen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.

Examen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida. Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una

Más detalles

Distribuciones de probabilidad más usuales

Distribuciones de probabilidad más usuales Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y

Más detalles

PROBLEMAS PROPUESTOS Y PLANTEADOS Planificación de la Producción, Administración de la producción

PROBLEMAS PROPUESTOS Y PLANTEADOS Planificación de la Producción, Administración de la producción UNIVERSIDAD NACIONAL DE CENTRO DEL PERÚ acultad de Ciencias Aplicadas Ingeniería Agroindustrial Curso : Planeamiento de la Producción Catedratico : Ing. Miguel Angel Quispe Solano UN INGENIERO AGROINDUSTRIAL

Más detalles

Microsoft Project 2013

Microsoft Project 2013 Microsoft Project 2013 SALOMÓN CCANCE Project 2013 Salomón Ccance www.ccance.net CCANCE WEBSITE ANEXO 2. MANEJO DE VISTAS Y TABLAS. 2.1. ELEMENTOS DE VISUALIZACIÓN DE MICROSOFT OFFICE PROJECT PROFESSIONAL

Más detalles

2 Teoría de colas o líneas de espera

2 Teoría de colas o líneas de espera 2 Teoría de colas o líneas de espera El tráfico en redes se puede modelar con la ayuda de la teoría de colas, es por ello ue es importante estudiarlas y comprenderlas. Existen varias definiciones sobre

Más detalles

TALLER 3 ESTADISTICA I

TALLER 3 ESTADISTICA I TALLER 3 ESTADISTICA I Profesor: Giovany Babativa 1. Un experimento consiste en lanzar un par de dados corrientes. Sea la variable aleatoria X la suma de los dos números. a. Determine el espacio muestral

Más detalles

DISTRIBUCIÓN DE POISSON

DISTRIBUCIÓN DE POISSON DISTRIBUCIÓN DE POISSON P O I S S O N Siméon Denis Poisson, (1781-1840), astronauta francés, alumno de Laplace y Lagrange, en Recherchés sur la probabilité des jugements..., un trabajo importante en probabilidad

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Generalidades Definición [Sistema de ecuaciones lineales] Un sistema de m ecuaciones lineales con n incógnitas, es un conjunto de m igualdades

Más detalles

Práctica N 6 Modelos de Programación Lineal Entera

Práctica N 6 Modelos de Programación Lineal Entera Práctica N 6 Modelos de Programación Lineal Entera 6.1 Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las máquinas necesarias para la confección deben ser alquiladas a los siguientes

Más detalles

Rentas Ciertas MATEMÁTICA FINANCIERA. Rentas Ciertas: Ejemplo. Rentas Ciertas. Ejemplo (1) C C C C C

Rentas Ciertas MATEMÁTICA FINANCIERA. Rentas Ciertas: Ejemplo. Rentas Ciertas. Ejemplo (1) C C C C C Rentas Ciertas MATEMÁTICA FINANCIERA RENTAS CIERTAS I Luis Alcalá UNSL Segundo Cuatrimeste 06 A partir de ahora, utilizaremos capitalización compuesta como ley financiera por defecto, salvo que expĺıcitamente

Más detalles

ADMINISTRACIÓN DE LA PRODUCCIÓN

ADMINISTRACIÓN DE LA PRODUCCIÓN ADMINISTRACIÓN DE LA PRODUCCIÓN ADMINISTRACIÓN DE LA PRODUCCIÓN 1 Sesión No. 6 Nombre: Administración del inventario Contextualización La programación agregada es un sistema de planeación y control que

Más detalles

LINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2.

LINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2. LECTURA 6.2 SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México CAPITULO 2 LINEAS DE ESPERA 2.1 INTRODUCCIÓN Una línea de espera es el efecto resultante en un sistema

Más detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD PROBABILIDAD MISCELANEA DE EJERCICIOS UNIDAD 2

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD PROBABILIDAD MISCELANEA DE EJERCICIOS UNIDAD 2 EJERCICIOS CAPITULO 4 1.- Un inspector de aduanas decide revisar 2 de 6 embarques provenientes de Madrid por la vía aérea. Si la selección es aleatoria y 3 de los embarques contienen contrabando; Encuentre

Más detalles

MATEMÁTICA: TRABAJO PRÁCTICO 2. Funciones. 1) Carlos está enfermo. Veamos la gráfica de la evolución de su temperatura.

MATEMÁTICA: TRABAJO PRÁCTICO 2. Funciones. 1) Carlos está enfermo. Veamos la gráfica de la evolución de su temperatura. ILSE-2º Año- MATEMÁTICA: TRABAJO PRÁCTICO 2 Funciones 1) Carlos está enfermo. Veamos la gráfica de la evolución de su temperatura. a) Cuántos días ha estado enfermo el paciente? (Se considera normal una

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

ESTRUCTURAS ALGORITMICAS

ESTRUCTURAS ALGORITMICAS ESTRUCTURAS ALGORITMICAS El proceso de resolución de problemas en un ordenador conduce a la escritura de un programa y su ejecución. Las fases en el desarrollo de un programa pueden resumirse de la siguiente

Más detalles

Modelos Estadísticos de Crimen

Modelos Estadísticos de Crimen Universidad de los Andes Modelos Estadísticos de Crimen 27 de Mayo de 2015 Motivacion Conocer la densidad de probabilidad del crimen sobre una ciudad, a distintas horas del día, permite Modelos Estadísticos

Más detalles

Simulación. Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre de Trabajo Práctico N 4

Simulación. Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre de Trabajo Práctico N 4 Simulación Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre de 2016 Trabajo Práctico N 4 Simulacion de Monte Carlo Bibliografia Recomendada. Introduction

Más detalles

PROCESOS ESTOCÁSTICOS

PROCESOS ESTOCÁSTICOS Capítulo 10 Cadenas de Markov PROCESOS ESTOCÁSTICOS Una sucesión de observaciones X 1,X 2,... se denomina proceso estocástico Si los valores de estas observaciones no se pueden predecir exactamente Pero

Más detalles

PRÁCTICA DE ESPECIALIZACIÓN

PRÁCTICA DE ESPECIALIZACIÓN PRÁCTICA DE ESPECIALIZACIÓN Área de gerontología social en Hospitalización 2012-2/ 2013-1 INSTITUCIÓN SEDE: Hospital Regional Lic. Adolfo López Mateos ISSSTE Unidad Médica de tercer nivel del ISSSTE Ubicación:

Más detalles