UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA USB PS4161 GESTION DE LA PRODUCCION I LINEAS DE ESPERA
|
|
- Ana María Correa Revuelta
- hace 7 años
- Vistas:
Transcripción
1 UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA 1
2 Contenido Características de un sistema de líneas de espera Características de las llegadas Características de la línea de espera Características del dispositivo de servicio Medida del funcionamiento de las colas Costos de las colas 2
3 Contenido Tipos de modelos de colas Modelo A: modelo de cola de canal único y tiempos exponenciales de servicio Modelo B: modelo de cola muticanal Modelo C: modelo de tiempo de servicio constante Modelo D: modelo de población limitada Otrosenfoquesde lascolas Modelos de decisión de colas 3
4 Objetivos de aprendizaje Cuando haya completado este capítulo, debe ser capaz de: Identificar o definir: Supuestos de los cuatro modelos básicos de líneas de espera Describir o explicar: Cómo aplicar los modelos de líneas de espera Cómo dirigir un análisis económico de colas 4
5 Usted ha estado ahí antes Gracias por esperar. Hola,... está usted ahí? La otra línea siempre va es más rápida. Si usted cambia de línea, la que dejó de utilizar comenzará a ir más rápido que la nueva Corel Corp. 5
6 Sistema de líneas de espera Llegadas Línea de espera Sistema de servicio Dispositivo de servicio 1995 Corel Corp. 6
7 Ejemplos de líneas de espera Situación Llegadas Servidores Proceso de servicio Banco Clientes Cajero Depósito, etc. Consulta Pacientes Doctor Tratamiento del médico Cruce Coches Luz Paso controlado de tráfico Cadena Piezas de de montaje Montaje Trabajadores 7
8 Líneas de espera Estudiadas por primera vez por A. K. Erlang en 1913: Análisis de los servicios telefónicos. Área de conocimiento denominada teoría de colas: Cola es otra denominación para línea de espera. Problema de decisión: Equilibrio entre el costo de suministrar un buen servicio y el costo de tiempo de espera de los clientes. 8
9 Costos de las líneas de espera Costo Costo esperado total Costo por servicio (operación) Costo del tiempo en cola (clientes( clientes) Óptimo Nivel de servicio 9
10 Terminología de las líneas de espera Cola: línea de espera. Llegada de clientes: una persona, máquina, pieza, etc. que llega y demanda un servicio. Disciplina de cola: reglas para determinar el orden en el cual las llegadas (clientes) reciben el servicio. Canal: número de líneas de espera o unidades de servicio. Fase: número de pasos a seguir en el servicio. 10
11 Características de la llegada Población Línea de espera Dispositivo de servicio Características de la llegada Distribución de la llegada: Poisson Otras Patrón de las llegadas: Aleatoria Secuencia conocida Tamaño de la población: Limitada Ilimitada Comportamiento de las llegadas: Ponerse a la cola y esperar a ser servido Se niegan a colocarse en la cola Reniegan, abandonan la cola 11
12 Características de las llegadas Origen de las llegadas (población) Tamaño Ilimitado 12
13 Características de las llegadas Origen de las llegadas (población) Número fijo de aviones para revisión Tamaño Ilimitado Limitado 1995 Corel Corp. 13
14 Características de las llegadas Origen de las llegadas (población) Tamaño Patrón de llegadas Ilimitado Limitado Aleatorio No aleatorio 14
15 Características de las llegadas Origen de las llegadas (población) Tamaño Patrón de llegadas Ilimitado Limitado Aleatorio No aleatorio Poisson Otros 15
16 Llegadas aleatorias Los clientes llegan de forma aleatoria Distribución discreta x es el número de llegadas durante una unidad de tiempo determinada (una hora, un minuto) E{x} = número promedio de llegadas por unidad de tiempo 16
17 Distribución de Poisson Número de llegadas que ocurren en un intervalo de tiempo: Ejemplo: número de clientes que llegan en 15minutos. Media = λ (por ejemplo: 5/hora) 0,6 P(X) λ = 0,5 0,3 0, ,6 P(X) λ = 6,0 0,3 0, X X 17
18 Distribución Poisson La función de probabilidad: e P ( x = k ) = λ λ k! La media y la varianza son: k E{ x} = λ Var{ x} = λ 18
19 Distribuciones de Poisson para los tiempos de llegada 0,30 0,30 0,25 0,25 0,20 0,20 Probabilidad ,10 Probabilidad 0,15 0,10 0,05 0,05 0, x 0, x λ=2 λ=4 19
20 Probabilidad de llegada de clientes En una instalación de servicio llegan los clientes de acuerdo a una distribución Poisson con una tasa de 4/minuto. Cuál es la probabilidad de que al menos un cliente llegue en cualquier intervalo dado de 30 segs.? 20
21 Probabilidad de llegada de clientes λ = 4 / 2 = 2clientes / 30segs. 30segs P ( x = 0 ) = e 2 2 0! 0 = P { x 1 } = 1 P{ x = 0} = =
22 Características de las llegadas Origen de las llegadas (población) Tamaño Patrón de llegada Comportamiento Ilimitado Limitado Aleatorio No aleatorio Paciente Impaciente Poisson Otros 22
23 Características de las llegadas Origen de las llegadas (población) Tamaño Patrón de llegada Comportamiento Ilimitado Limitado Aleatorio No aleatorio Paciente Impaciente Poisson Otros Rehúsa 23
24 Origen de las llegadas La cola era demasiado larga! Línea de espera Sistema de servicio Dispositivo de servicio Rehusar 1995 Corel Corp. 24
25 Características de las llegadas Origen de las llegadas (población) Tamaño Patrón de llegada Comportamiento Ilimitado Limitado Aleatorio No aleatorio Paciente Impaciente Poisson Otros Rehúsa Reniega 25
26 Renegar Origen de las llegadas Línea de espera Sistema de servicios Dispositivo de servicio Me voy! 1995 Corel Corp. 26
27 Características de la línea de espera Población Línea de espera Dispositivo de servicio Características de la línea de espera Tamaño de la cola: Limitado (Ej. cola de proceso) Ilimitado (Ej. pedidos de correo) Prioridad del servicio: orden en el cual los clientes seleccionan una cola: FIFO (First In First Out) o FCFS (First Come First Served) LIFO (Last In First Out) o LCFS (Last Come First Served) SIRO (Service in Random Order) Otros (Prioridad Ej. Trabajos urgentes) 27
28 Características de la línea de espera Línea de espera Duración Ilimitada 1995 Corel Corp. 28
29 Características de la línea de espera Línea de espera Duración 1995 Corel Corp. Ilimitada Limitada 1995 Corel Corp. 29
30 Características de la línea de espera Línea de espera Duración Disciplina de cola Ilimitada Limitada FIFO (FCFS) Aleatorio (SIRO) Prioridad LIFO (LCFS) 30
31 Características del dispositivo de servicio Población Línea de espera Dispositivo de servicio Características del dispositivo de servicio Número de canales: Único (un solo servidor) Múltiple (varios servidores en paralelo) Número de fases en el sistema de servicio: Único Múltiple Distribución del tiempo de servicio: Exponencial negativo Otros 31
32 Características del servicio Dispositivo de servicio Configuración Canal único Multicanal Fase única 32
33 Atención al cliente aleatoria El tiempo de servicio es aleatorio Se modela mediante la distribución exponencial negativa La función de distribución es f = µ e µ t ( t) t 0 33
34 Distribución exponencial negativa Tiempo de servicio : Ejemplo: el tiempo de servicio es de 20 minutos. Tasa de servicio media = µ Por ejemplo: clientes/hora. Tiempo de servicio medio = 1/µ Probabilidad t>x 0,4 0,3 0,2 0,1 0 µ=1 µ=2 µ=3 µ= x 34
35 Distribución exponencial negativa Probability Probabilidad , ,05 0, , , , Tiempo de servicio medio = 1 hora µ=1 cliente/hora Tiempo de servicio medio = 20 minutos µ=3 cliente/hora Service time (minutes) Tiempo de servicio (minutos) 35
36 Tiempo de servicio Probabilidad P( x > t) = e µ t La media y la varianza 1 E {} t = Var{} t = 2 µ 1 µ 36
37 Tiempo de servicio Una máquina de servicio presenta un promedio de una falla cada 40 minutos. Determine el número promedio de fallas en una semana, si el servicio se ofrece 24 horas, los 7 días de la semana. Determine la probabilidad de que la siguiente falla no ocurra dentro de 3 horas. 37
38 Tiempo de servicio µ = 60 = fallas / hora E { fallas / semana} = 1.5*24*7 = 252 f / sem P ( x 3) = e 1.5*3 =
39 Recuerde: λ y µ son valores λ = número medio de llegadas por período de tiempo. Ejemplo: 3 unidades/hora µ = número medio de personas o artículos servidos por período de tiempo. Ejemplo: 4 unidades/hora Si el tiempo de servicio medio es 15 minutos, entonces µ es 4 clientes/hora T/Maker Co. 1/µ = 15 minutos/unidad 39
40 Sistema de un canal, una fase Llegadas Cola Sistema de servicio Dispositivo de servicio Unidades servidas Barcos en el mar Sistema de descarga de barcos Línea de espera de los barcos Bahía Barcos vacíos 40
41 Sistema de un canal, multifase Llegadas Cola Sistema de servicio Dispositivo de servicio Dispositivo de servicio Unidades servidas Autos en el área Ventanilla de servicio a automóviles de McDonald s Autos en cola Pago Recogida Autos y comida 41
42 Sistema multicanal, una fase Llegadas Cola Sistema de servicio Dispositivo de servicio Unidades servidas Dispositivo de servicio Ejemplo: los clientes del banco esperan en una única cola para ser atendidos en alguna de las diferentes ventanillas. 42
43 Sistema multicanal, multifase Llegadas Cola Sistema de servicio Dispositivo de servicio Dispositivo de servicio Unidades servidas Dispositivo de servicio Dispositivo de servicio Ejemplo: en una lavandería, los clientes utilizan una de las diferentes lavadoras y después, una de las diferentes secadoras. 43
44 Definiciones Número de clientes en el sistema= n Tasa de llegada nominal de clientes = λ Tasa de llegada efectiva de clientes = λ efectiva λ= λ efectiva + λ pérdida Tasa de salida de clientes = µ ρ = λ efectiva / µ suponemos ρ<1 (estabilidad) Probabilidad de n clientes en el sistema = p n 44
45 Medidas de rendimiento Tiempo medio en la cola, W q. Longitud media de la cola, L q. Tiempo medio en el sistema, W s. Número medio de clientes en el sistema, L s. Probabilidad de que el dispositivo de servicio esté desocupado, p 0. 45
46 Medidas de rendimiento Tamaño de las colas L = s np n n=1 L = +( n c) q p n n= c 1 Fórmulas de Little L s = λ eff W s L q = λ eff W q 46
47 Medidas de rendimiento Tiempo en el sistema y tamaño de la cola: W = W s q + 1 µ L = L + s q λ efectiva µ 47
48 Medidas de rendimiento Número promedio de servidores ocupados: c c = L L = s q λ efectiva Porcentaje de utilización de los servidores: c c *100 µ 48
49 Notación Kendall a = descripción de la distribución de llegadas (M = Poisson) b = descripción de la distribución de salidas (M = Exponencial negativa, D= tiempo constante) c = número de servidores paralelos d = disciplina de la cola (FIFO, LIFO, SIRO, GD) e = número máximo de clientes permitido en el sistema (N) f = tamaño de la fuente generadora de clientes (N o :) ( a / b / c) : ( d / e / f ) 49
50 Características del modelo de colas básico Las llegadas se sirven con disciplina primero que llega, primero que se sirve (FIFO). Las llegadas son independientes de las llegadas anteriores. Los patrones de llegada se describen mediante una distribución de probabilidad de Poisson. Los clientes provienen de una población muy grande. Los tiempos de servicio varían de un cliente a otro y son independientes entre sí, pero se conoce el tiempo de servicio medio. Los tiempos de servicio siguen una distribución de probabilidad exponencial negativa. El ritmo de servicio es mayor que el de llegadas (ρ<1). 50
51 Tipos de modelos de colas Simple (M/M/1) : (GD/:/:) Ejemplo: ventanilla de información en unos almacenes. Multicanal (M/M/c) : (GD/:/:) Ejemplo: mostrador de venta de billetes de una línea aérea. Servicio constante (M/D/1) : (GD/N/:) Ejemplo: túnel de lavado de autos. Población limitada (M/M/c) : (GD/N/N) Ejemplo: departamento que tiene sólo 7 taladradoras. Auto servicio (M/M/:) : (GD/:/:) 51
52 Características del modelo simple (M/M/1) : (GD/:/:) Modelo: sistema de un canal, una fase. Origen de la llegada: ilimitado, no rehúsa, no reniega. Distribución de llegada: Poisson. Cola: ilimitada, una sola cola. Disciplina de cola: FIFO (FCFS). Distribución del servicio: exponencial negativa. Relación: servicio y llegada independientes. Ritmo de servicio > ritmo de llegada 52
53 Ecuaciones del modelo simple (M/M/1) : (GD/:/:) Número medio de unidades en cola: Tiempo medio en el sistema: Número medio de unidades en cola: Tiempo medio en cola: Utilización del sistema: W s L L s q W q = λ = µ - λ 1 = µ - λ 2 λ = µ (µ - λ ) λ µ (µ - λ ) ρ = λ µ 53
54 Ecuaciones de probabilidad simple (M/M/1) : (GD/:/:) Probabilidad de que haya 0 unidades en el sistema, es decir, que el sistema esté desocupado: λ P = 1- ρ = 1-0 µ Probabilidad de que haya más de k unidades en el sistema, = P n>k ( ) λ µ k+1 donde n es el número de unidades en el sistema. 54
55 Características del modelo de cola multicanal (M/M/c) : (GD/:/:) Tipo: sistema multicanal. Origen de la llegada: ilimitado, no rehúsa, no reniega. Distribución de llegada: Poisson. Cola: ilimitada, colas múltiples. Disciplina de cola: FIFO (FCFS). Distribución del servicio: exponencial negativa. Relación: servicio y llegada independientes. Σ Ritmo de servicio > ritmo de llegada 55
56 Ecuaciones del modelo de cola multicanal (M/M/c) : (GD/:/:) Probabilidad de que haya cero personas o unidades en el sistema: Número medio de personas o unidades en el sistema: Tiempo medio que una unidad permanece en el sistema: 1 λ n! µ p 0 L W s s = = c 1 n= 0 n λµ λ µ 1 1 λ + c! µ c p cµ cµ λ λ ( )( ) 0 c 1! cµ λ µ µ λ µ = p c ( c 1 )(! cµ λ) µ c
57 Ecuaciones del modelo de cola multicanal (M/M/c) : (GD/:/:) Número medio de personas o unidades esperando en la cola para recibir el servicio: Tiempo medio que una persona o unidad permanece en la cola: L q W q = = L s W s λ µ 1 µ 57
58 Características del modelo de tiempo de servicio constante (M/D/1) : (GD/:/:) Modelo: sistema de un canal, una fase. Origen de la llegada: ilimitado, no rehúsa, no reniega. Distribución de llegada: Poisson. Cola: ilimitada, una única cola. Disciplina de cola: FIFO (FCFS). Distribución del servicio: exponencial negativa. Relación: llegada y servicio independiente. Σ Ritmo de servicio > ritmo de llegada 58
59 Ecuaciones del modelo de tiempo de servicio constante (M/D/1) : (GD/:/:) Número medio de personas o unidades esperando para recibir servicio: Tiempo medio que una persona o unidad permanece en la cola: Número medio de personas o unidades en el sistema: Tiempo medio que una unidad permanece en el sistema: L q W L s W q s = = = = 2µ 2µ L q W λ 2 ( µ λ) q λ ( µ λ) + λ µ + 1 µ 59
60 Características del modelo de población limitada (M/M/c) : (GD/N/N) Modelo: sistema de un canal, una fase. Origen de la llegada: limitado, no rehúsa, no reniega. Distribución de llegada: Poisson. Cola: ilimitada, una única cola. Disciplina de cola: FIFO (FCFS). Distribución del servicio: exponencial negativa. Relación: servicio y llegada independientes. Σ Ritmo de servicio > ritmo de llegada 60
61 Modelos de decisión de colas Modelos de costos Modelo de aspiración de nivel Utilizan las medidas de rendimiento desarrolladas para conseguir un balance entre los factores en conflicto: Nivel de servicio Espera 61
62 Modelos de costos Intentan balancear dos costos en conflicto donde: El costo de ofrecer el servicio El costo de retraso en la oferta del servicio (tiempo de espera del cliente) ETC (x) = EOC(x) + EWC(x) x= nivel de servicio (medido por µ o por c) ETC = Costo Total esperado por unidad de tiempo EOC = Costo esperado de operación por unidad de tiempo EWC = Costo esperado de espera por unidad de tiempo 62
63 Costos de las líneas de espera Costo por Unidad de tiempo Costo esperado total (ETC) Costo por servicio (operación))(eoc) Costo del tiempo en cola (clientes( clientes) (EWC) Óptimo Nivel de servicio (x) 63
64 Modelo siguiendo funciones lineales Las formas más simples son: EOC(x) = C 1 x donde: C 1 C 2 EWC(x) = C 2 L s = costo marginal por unidad de x por unidad de tiempo = costo de espera por unidad de tiempo por cliente (en espera) x = medido por µ o por c 64
65 Modelo de nivel de aspiración Trabaja directamente con las medidas de rendimiento arrojadas por el modelo de colas. Se determina el rango aceptable para el nivel de servicio (medido por µ o por c) especificando límites razonables sobre las medidas de rendimiento en conflicto. Estos límites son los niveles de aspiración que se desea lograr. 65
66 Ilustración de nivel de aspiración Para el modelo de servidor múltiple: Medidas de desempeño: W s = tiempo de espera promedio en el sistema X = porcentaje de ociosidad de los servidores X = ( c c) c ( L L ) c s q λ * 100 *100 = 1 fectiva = *100 c cµ 66
67 Ilustración nivel de aspiración El modelo se reduce a determinar el número de servidores c tal que Ws α y X β donde α y β son los niveles de aspiración especificados por el responsable de las decisiones 67
68 Gráfico de valores de aspiración W s y X se grafican en función del nivel de servicio c. Si las dos condiciones no se satisfacen simultáneamente, entonces una o ambas restricciones deben liberarse. Ws α Rango aceptable para c X β c 68
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 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 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 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 detallesESTRUCTURA 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 detallesModelos de Inventarios
Modelos de Inventarios 1. Qué significa PERT? Program Evaluation Review Technique Técnica de Revisión de Evaluación de Programa 2. Qué significa las siglas C.E.P Cantidad Económica de Pedidos 3. Para qué
Más detallesTeoría 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 detallesTeoría 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 detallesIngeniería 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 detallesIntroduccion. 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 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 N 3.- TEORÍA DE COLAS
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
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 detalleslo 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 detallesPROBLEMA 1 PROBLEMA 2
PROBLEMA 1 Dos compañías de taxis atienden a una comunidad. Cada empresa posee dos taxis y se sabe que ambas compañías comparten el mercado al 50%. Las llamadas que llegan a cada una de las respectivas
Más detalles1.- 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 detallesPLANEACIÓN 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 detallesINVESTIGACION 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 detallesTeoría 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 detallesTEORIA 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 detallesInvestigación Operativa II. Ing. Nicolás Salvador Flores
Docente : Practica # 1 Teoría de Colas o Sistema de Espera 1. Durante un intervalo de tiempo muy breve h, cuando mucho puede ocurrir una llegada la probabilidad de que ocurra una llegada es directamente
Más detallesTEORIA 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 detallesInvestigación operativa: aplicaciones en la optimización de costes"
Autor: Ricardo San Martín Molina - 1 - Investigación operativa: aplicaciones en la optimización de costes" Autor: Ricardo San Martín Molina Resumen: En este artículo veremos, a través de un ejemplo y su
Más detallesnp {N q = n N q > 0} = (1 ρ) n=1 = (1 ρ) nρ n 1 = 1 (3.34) P {T q t T q > 0} = P {T q t T q > 0} P {T q
52 CAPÍTULO 3. SISTEMAS DE ESPERA Luego: P {N q = n N q > 0} = P n+1 2 = (1 ) n 1, n = 1, 2, (3.33) Nótesequelaprobabilidadqueexistan N probabilidadgeométricaconparámetro n 1,locualesigualaladistribuciónprobabilidad
Más detallesTeoría de colas. Modelado y Análisis de Redes de Telecomunicaciones. IIE - Facultad de Ingeniería
Teoría de colas Modelado y Análisis de Redes de Telecomunicaciones IIE - Facultad de Ingeniería Contenido 1 Proceso de Poisson 2 Teoría de colas 3 El proceso M/M/1 4 Los procesos M/M/* 5 El proceso M/G/1
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 detallesTemas 5 y /16.37
Temas 5 y 6 6.263/16.37 Introducción a la teoría de colas MIT, LIDS Dispositiva 1 Redes conmutadas por paquetes Los mensajes se dividen en paquetes que se enrutan hacia su destino PS PS PS PS Red de paquetes
Más detallesTema 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 detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesDISTRIBUCIÓN 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 detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesADMINISTRACIÓN 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 detallesAlgunas 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 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 detallesMODELADO Y SIMULACIÓN. Febrero de Primera semana
Febrero de 2016 - Primera semana PREGUNTA 1 (3 puntos) Se pretende estudiar mediante simulación el funcionamiento de una lavandería industrial dedicada a la limpieza y planchado de manteles y servilletas.
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
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 detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesDEPARTAMENTO DE INGENIERÍA INDUSTRIAL MANUAL DE INVESTIGACION DE OPERACIONES II. Autores: Barbara Rodriguez Morera Dr. C. Fernando Marrero Delgado
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL MANUAL DE INVESTIGACION DE OPERACIONES II Autores: Barbara Rodriguez Morera Dr. C. Fernando Marrero Delgado Santa Clara, 0 A: Mis padres por el apoyo que me han brindado
Más detalles2. 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 detallesLíneas 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 detallesTEORIA DE COLAS. Enero 30. Modelos líneas de espera
TEORIA DE COLAS Enero 30 2012 Elementos básicos de un modelo de línea de espera, y buscar una aplicación real de cualquiera de los modelos de líneas de espera existentes. Modelos líneas de espera -Integrantes:
Más detallesSESION 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 detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detallesb) 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 detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesSistemas de Inventarios con Demanda Probabilística
Facultad de Ingeniería Escuela de Ingeniería Industrial Curso: Sistemas de Almacenamiento e Inventarios Sistemas de Inventarios con Demanda Probabilística Profesor: Julio César Londoño O Sistemas de inventarios
Más detallesTeorema 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-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 detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detalles2 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 detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesNotas 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 detallesUnidad V. Control Estadístico de la Calidad
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma
Más detallesModelado de la aleatoriedad: Distribuciones
Modelado de la aleatoriedad: Distribuciones Begoña Vitoriano Villanueva Bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid I. Distribuciones Discretas Bernoulli (p) Aplicaciones:
Más detallesLA 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 detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesESTADÍSTICA 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 detallesCAPÍTULO 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 detallesProcesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
Más detallesConmutación 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 detallesTema 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 detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesMODELOS 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 detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesPROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO.
PROBLEMAS DE SIMULACIÓN PARA RESOLVER POR EL MÉTODO DE MONTECARLO. PROBLEMA 1 A un puerto de carga y descarga de material, llegan durante la noche los barcos, que serán descargados durante el día siguiente.
Más detallesIII 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 detallesModelos de colas exponenciales
Tema 6 Modelos de colas exponenciales 6.1. La distribución exponencial y los procesos de Poisson 6.1.1. Distribución exponencial El análisis de los distintos modelos de colas está determinado en gran parte
Más detallesInventarios.
Inventarios http://humberto-r-alvarez-a.webs.com Inventarios Los inventarios tienen una gran importancia siempre y cuando estos añadan valor a los procesos. La existencia de los inventarios añade valor
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 detallesRelación 4. Modelos discretos de distribuciones.
Relación 4. Modelos discretos de distribuciones. 1. Si se lanzan dos dados diez veces al aire, cuál es la probabilidad de que en más de la mitad de las ocasiones se obtenga una suma par de puntos? 2. Una
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesAplicación de colas de Poisson en procesos de toma de decisiones en la gestión de servicios médicos
DOCUMENTOS DE INVESTIGACIÓN Facultad de Administración No. 138, ISSN: 0124-8219 Mayo de 2012 Aplicación de colas de Poisson en procesos de toma de decisiones en la gestión de servicios médicos Diego Fernando
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesPROGRAMACIÓN 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 detallesDistribuciones de probabilidad discretas
Lind, Douglas; William G. Marchal y Samuel A. Wathen (2012). Estadística aplicada a los negocios y la economía, 15 ed., McGraw Hill, China. Distribuciones de probabilidad discretas Capítulo 6 FVela/ McGraw-Hill/Irwin
Más detallesMAT 2 MATerials MATemàtics
MAT 2 MATerials MATemàtics Volum 2009, treball no. 5, 33 pp. ISSN: 1887-1097 Publicació electrònica de divulgació del Departament de Matemàtiques Recordando a Erlang: Un breve paseo (sin esperas) por la
Más detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos aleatorios. Espacio muestral. 2) Operaciones con sucesos. 3) Enfoques de la Probabilidad.
Más detallesGráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n
Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales 1. Función de distribución binomial: Si X distribuye bin ( n, p), entonces f n x x n
Más detallesINSTITUTO 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 detallesGestión de Procesos en la Gestión de la Calidad. Ing. Gustavo Jara Rivas UDEP
Gestión de Procesos en la Gestión de la Calidad Ing. Gustavo Jara Rivas UDEP Cómo hacemos las cosas? IMPROVISACIÓN No ayuda a aprender. PROCESOS Repetitivos; requieren un propietario. PROYECTO Su objetivo
Más detallesTema 5: Teoría de colas. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga
Tema 5: Teoría de colas Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario Conceptos básicos Cola M M Cola M M c Cola M M k Redes de colas Redes de
Más detallesTeoria de Colas Aplicaciones en Aviación
Teoria de Colas Aplicaciones en Aviación Dr. Antonio A. Trani Profesor Asociado Instituto Politécnico de Virginia Seminario Taller sobre Equilibrio entre Demanda y Capacidad Operacional del Sistema Aeropuerto
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesZ Optima X 1 + X 2 5 Z 1 -X 1 + 2X Región factible. Figura 1
Método Gráfico El procedimiento geométrico, es únicamente adecuado para resolver problemas muy pequeños (con no más de dos variables debido al problema de dimensionalidad). Este método provee una gran
Más detallesMUESTREO PARA ACEPTACION
MUESTREO PARA ACEPTACION Inspección de Calidad Consiste en un procedimiento técnico que permite verificar si los materiales, el proceso de fabricación y los productos terminados cumplen con sus respectivas
Más detallesDistribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesLINEAS 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 detallesSIMULACIÓN 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 detallesVariables 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 detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detalles