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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

Transcripción

1 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 Poisso y Tiempos de Servicio Expoecial 3. Modelo Multiple-Chael co tasa de llegadas tipo Poisso y Tiempos de Servicio Expoecial 4. Relacioes Geerales 5. Aálisis Ecoómico 6. Otros modelos. ESTRUCTURA DE UN SISTEMA DE FILAS DE ESPERA (F.E.). ESTRUCTURA DE UN SISTEMA DE F.E. CUERPO DE CONOCIMIENTOS RELACIONADO CON MODELOS CUANTITATIVOS DE LA OPERACIÓN DE SISTEMAS DE ESPERA (COLAS O FILAS). COLA (QUEUE) Sistema al que llega clietes para recibir u servicio. Si los servidores está ocupados, los clietes que llega tiee que esperar e la cola. Al cocluir u servicio, se seleccioa al siguiete cliete por ateder, de acuerdo co la disciplia de la cola. PARA ILUSTRAR LOS CONCEPTOS RELACIONADOS CON LOS PROBLEMAS DE FILAS DE ESPERA, SE PRESENTA EL SIG. EJEMPLO SOBRE UN RESTAURANTE QUE VENDE HAMBURGUESAS (FAST-FOOD)

2 . ESTRUCTURA DE UN SISTEMA DE F.E. SINGLE-CHANNEL WAITING LINE EN LA OPERACIÓN ACTUAL DEL RESTAURANTE DE FAST FOOD, SE RECIBE LA ORDEN, SE CALCULA EL COSTO, SE COBRA Y SE ENTREGAN LOS ALIMENTOS.. ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE LLEGADAS. Defiir el proceso de llegadas para u modelo de filas de espera sigifica determiar la distribució de probabilidad para el úmero de llegadas e u determiado lapso de tiempo. LLEGADAS DE CLIENTES SISTEMA LÍNEA DE ESPERA (FILA O COLA) SERVIDOR EL CLIENTE SALE, UNA VEZ CONCLUÍDO EL SERVICIO Las llegadas suele ser idepedietes y aleatorias, por lo que o es posible predecir co exactitud cuado ocurrirá ua llegada.. ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE LLEGADAS. LOS ESTUDIOSOS DEL TEMA HAN DESCUBIERTO QUE UNA DISTRIBUCIÓN DE PROBABILIDAD DE POISSON SUELE PROPORCIONAR UNA BUENA DESCRIPCIÓN DEL PROBLEMA. LA PROBABILIDAD DE QUE LLEGUEN x CLIENTES AL SISTEMA EN UN PERIODO DE TIEMPO (, t) ES: f(x) P(x) ( ) x e x! x: NÚMERO DE LLEGADAS EN EL INTERVALO DE TIEMPO. : NÚMERO PROMEDIO DE LLEGADAS POR UNIDAD DE TIEMPO (INTENSIDAD DEL PROCESO DE LLEGADAS) e: ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE LLEGADAS. Supoga que el restaurate de fast-food ha aalizado datos de llegada de sus clietes y cocluido que la tasa media de llegadas es de 45 clietes por hora. Para u periodo de -miuto, la tasa media de llegadas sería 45 clietes/6 mi.75 clietes / mi. La posibilidad de que X clietes llegue e miuto sería: f(x) P(x) ( ) x e x! x e x!

3 . ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE LLEGADAS. Para u periodo de -miuto, la tasa media de llegadas sería 45 clietes/6 mi.75 clietes / mi.. ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE LLEGADAS. Filas_de_espera.xls F(x) Los siguietes cálculos idica la posibilidad de que llegue, y 2 clietes detro de u lapso de miuto:.75 (.75) e P().75 e!.75 (.75) e P()! e P(2) 2! (Número de llegadas e el itervalo de tiempo, X). ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE TIEMPOS DE SERVICIO. Se refiere al tiempo que pasa el cliete e el servicio, mietras es atedido. SI EL TIEMPO DE DURACIÓN DEL SERVICIO OFRECIDO POR UN SERVIDOR SIGUE UNA DISTRIBUCIÓN EXPONENCIAL, ENTONCES, LA PROBABILIDAD DE QUE EL TIEMPO DE SERVICIO SEA MENOR QUE t ES: F(t) P[ T t] - e -t. ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE TIEMPOS DE SERVICIO. SUPONGA QUE EL PROCESO DE TOMAR LA ORDEN-COBRAR- ENTREGAR LO REALIZA EL CAJERO A UNA TASA PROMEDIO DE 6 CLIENTES POR HORA. DETERMINE LA PROBABILIDAD DE ATENDER A UN CLIENTE EN: (A) MENOS DE.5 MINUTOS, (B) MINUTO, (C ) 2 MINUTOS O MENOS. P[ service time.5] - e -.5 P[service time.] - e - : NÚMERO PROMEDIO DE CLIENTES ATENDIDOS POR UNIDAD DE TIEMPO P[service time 2.] - e -2

4 . ESTRUCTURA DE UN SISTEMA DE F.E. DISTRIBUCIÓN DE TIEMPOS DE SERVICIO. P (T<t) MEDIDAS DE DESEMPEÑO EXPRESAN LA MANERA EN LA QUE FUNCIONA UN SISTEMA O LÍNEA DE ESPERA. LAS MÁS COMUNES SE RELACIONAN CON: (tiempo de referecua, t) UTILIZACIÓN DE SERVIDORES. LONGITUD (LENGTH). TIEMPO DE ESPERA (WAITING TIME). PROBABILIDAD. MEDIDAS DE DESEMPEÑO: UTILIZACIÓN MEDIDAS DE DESEMPEÑO: LONGITUDES ρ Lq : NÚMERO PROMEDIO DE CLIENTES EN LA COLA. FRACCIÓN DE TIEMPO EN QUE LOS SERVIDORES ESTÁN OCUPADOS Average Time i System Variability Icreases L : NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA. T p L Lq + PROMEDIO DE CLIENTES QUE ESTÁN SIENDO ATENDIDOS Utilizatio (ρ) % ρ

5 MEDIDAS DE DESEMPEÑO: TIEMPOS DE ESPERA (WAITING TIMES) MEDIDAS DE DESEMPEÑO: PROBABILIDADES Wq : TIEMPO PROMEDIO QUE UN CLIENTE ESPERA EN LA COLA. : PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA. W : TIEMPO PROMEDIO QUE UN CLIENTE PASA EN EL SISTEMA. P W : PROBABILIDAD DE QUE UN CLIENTE QUE LLEGA TENGA QUE ESPERAR PARA QUE SEA ATENDIDO. W Wq + TIEMPO PROMEDIO DE ATENCIÓN EN EL SERVIDOR P : PROBABILIDAD DE QUE HAYA CLIENTES EN EL SISTEMA. RELACIONES ENTRE MEDIDAS DE DESEMPEÑO ECUACIONES DE FLUJO DE LITTLE L W Lq Wq RELACIÓN: TIEMPO EN SISTEMA--TIEMPO DE SERVICIO W Wq+ /

6 NOMENCLATURA GENERAL PARA MODELOS DE FILAS DE ESPERA A / B / k Dode: A idica la distribució de probabilidad de las llegadas B idica la distribució de probabilidad para el tiempo de servicio K idica el úmero de servidores ASI PUES, LA SIG. NOTACIÓN SE EMPLEARÁ: M idica distribució de llegadas Poisso o tasa de servicio expoecial D idica que las llegadas o el tiempo de servicio so determiísticas o costates. G idica que las llegadas y el tiempo de servicio tiee ua distribució ormal co media y variaza coocidas. 2. MODELO SINGLE-CHANNEL MODELO M/M/ LLEGADAS DE CLIENTES SISTEMA DE ESPERA CON: LLEGADAS POISSONIANAS. TIEMPO DE SERVICIO EXPONENCIAL. UN SOLO SERVIDOR. DISCIPLINA FIFO. SISTEMA LÍNEA DE ESPERA (FILA O COLA) SERVIDOR EL CLIENTE SALE, UNA VEZ CONCLUÍDO EL SERVICIO MEDIDAS DE DESEMPEÑO, MODELO M/M/ MEDIDAS DE DESEMPEÑO, MODELO M/M/ UTILIZACIÓN DEL SERVIDOR: ρ SE REQUIERE QUE ρ < PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA Lq 2 ( ) NÚMERO PROMEDIO DE CLIENTES EN LA COLA: 2 ρ ρ ρ L Lq + NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA: ρ ρ PROBABILIDAD DE QUE UN CLIENTE ESPERE PARA QUE LO ATIENDAN: Pw ρ

7 MEDIDAS DE DESEMPEÑO, MODELO M/M/ MEDIDAS DE DESEMPEÑO, MODELO M/M/ Wq TIEMPO PROMEDIO QUE UN CLIENTE PASA EN LA COLA: Lq ρ ( ρ) TIEMPO PROMEDIO QUE UN CLIENTE PASA EN EL SISTEMA: PROBABILIDAD DE QUE HAYA CLIENTES EN EL SISTEMA: P P ( ρ) ρ W Wq + ( ρ) EJEMPLO: MODELO M/M/ EJEMPLO: MODELO M/M/ EN SU OPERACIÓN ACTUAL, UN RESTAURANTE DE HAMBURGUESAS CUENTA CON UNA ÚNICA CAJA DE PAGO. EL CAJERO TOMA EL PEDIDO, DETERMINA EL COSTO TOTAL, RECIBE EL DINERO DEL CLIENTE Y SURTE EL PEDIDO. UNA VEZ CUBIERTO EL PEDIDO DE UN CLIENTE, EL EMPLEADO TOMA EL PEDIDO DEL SIGUIENTE CLIENTE EN LA COLA. SI LLEGA UN CLIENTE CUANDO EL CAJERO SE ENCUENTRA AÚN TOMANDO UN PEDIDO, EL CLIENTE QUE LLEGA SE FORMA EN LA FILA. LAS LLEGADAS SON POISSONIANAS (PROMEDIO DE LLEGADAS: 45 CLIENTES/HORA. EL TIEMPO DE SERVICIO ES EXPONENCIAL (SERVICIO PROMEDIO: 6 CLIENTES/HORA). NÚMERO DE SERVIDORES: k SERVIDOR PROCESO DE LLEGADAS: POISSONIANO : NÚMERO PROMEDIO DE CLIENTES QUE LLEGAN POR UNIDAD DE TIEMPO 45 CLIENTES/HORA.75 CLIENTES/MINUTO TIEMPO DE SERVICIO: EXPONENCIAL : NÚMERO PROMEDIO DE CLIENTES ATENDIDOS POR UNIDAD DE TIEMPO 6 CLIENTES/HORA CLIENTE/MINUTO

8 ρ EJEMPLO: MODELO M/M/ UTILIZACIÓN DEL SERVIDOR: PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA PROBABILIDAD DE QUE UN CLIENTE ESPERE PARA QUE LO ATIENDAN: Pw ρ.75 ρ SE REQUIERE QUE ρ < 2 Lq L ( ) Lq + EJEMPLO: MODELO M/M/ NÚMERO PROMEDIO DE CLIENTES EN LA COLA: 2 ρ ρ NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA: ρ ρ 2.25 CLIENTES 3 CLIENTES EJEMPLO: MODELO M/M/ EJEMPLO: MODELO M/M/ Wq TIEMPO PROMEDIO QUE UN CLIENTE PASA EN LA COLA: Lq ρ ( ρ) 3 MINUTOS PROBABILIDAD DE QUE HAYA CLIENTES EN EL SISTEMA: P P ( ρ) ρ W TIEMPO PROMEDIO QUE UN CLIENTE PASA EN EL SISTEMA: Wq + ρ ( ) 4 MINUTOS P o más.2373

9 ALTERNATIVAS PARA EL MEJORAMIENTO DEL SERVICIO. AUMENTAR LA TASA PROMEDIO DE SERVICIO, (HACIENDO CAMBIO EN EL DISEÑO DEL SISTEMA O EN LA TECNOLOGÍA EMPLEADA). 2. AÑADIR SERVIDORES EN PARALELO, K (PARA PODER ATENDER MÁS CLIENTES A LA VEZ). Tema 3: Aálisis de Sesibilidad NOMENCLATURA GENERAL PARA MODELOS DE FILAS DE ESPERA A / B / k Dode: A idica la distribució de probabilidad de las llegadas B idica la distribució de probabilidad para el tiempo de servicio K idica el úmero de servidores 3. MODELO MULTIPLE-CHANNEL MODELO M/M/k SISTEMA DE ESPERA CON: LLEGADAS POISSONIANAS. TIEMPO DE SERVICIO EXPONENCIAL. K SERVIDORES (IDÉNTICOS). DISCIPLINA FIFO (First-I-First-Out). ASI PUES, LA SIG. NOTACIÓN SE EMPLEARÁ: M idica distribució de llegadas Poisso o tasa de servicio expoecial D idica que las llegadas o el tiempo de servicio so determiísticas o costates. G idica que las llegadas y el tiempo de servicio tiee ua distribució ormal co media y variaza coocidas. LLEGADA DE CLIENTES SISTEMA LÍNEA DE ESPERA (FILA O COLA) SERVIDOR SERVIDOR K EL CLIENTE SALE, UNA VEZ CONCLUÍDO EL SERVICIO

10 MEDIDAS DE DESEMPEÑO, MODELO M/M/k UTILIZACIÓN DE CADA SERVIDOR: NÚMERO PROMEDIO DE SERVIDORES OCUPADOS: ρ SE REQUIERE QUE ρ < B k PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA k k B B k +! k! k UNA MONSERGA DE CALCULAR!!! Tambié se puede usar la tabla del libro PROBABILIDAD DE QUE UN CLIENTE ESPERE PARA QUE LO ATIENDAN: Lq L MEDIDAS DE DESEMPEÑO, MODELO M/M/k NÚMERO PROMEDIO DE CLIENTES EN LA COLA: k B ( k )! ( k ) Lq + P 2 NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA: Lq + B Pw k k B P k! k Wq W P MEDIDAS DE DESEMPEÑO, MODELO M/M/k TIEMPO PROMEDIO QUE UN CLIENTE PASA EN LA COLA: Lq TIEMPO PROMEDIO QUE UN CLIENTE PASA EN EL SISTEMA: Wq + PROBABILIDAD DE QUE HAYA CLIENTES EN EL SISTEMA: B P! B P ( k k!k ) para k para > k EJEMPLO: MODELO M/M/k LA GERENCIA DEL RESTAURANTE DEL EJEMPLO ANTERIOR DESEA MEJORAR EL SERVICIO. ESTÁ CONSIDERANDO LA ALTERNATIVA DE PONER UN CAJERO ADICIONAL (IDÉNTICO AL ACTUAL). LAS LLEGADAS SON POISSONIANAS (PROMEDIO DE LLEGADAS: 45 CLIENTES/HORA. EL TIEMPO DE SERVICIO ES EXPONENCIAL (SERVICIO PROMEDIO: 6 CLIENTES/HORA).

11 EJEMPLO: MODELO M/M/k NÚMERO DE SERVIDORES: k 2 SERVIDORES PROCESO DE LLEGADAS: POISSONIANO EJEMPLO: MODELO M/M/k UTILIZACIÓN DE CADA SERVIDOR: NÚMERO PROMEDIO DE SERVIDORES OCUPADOS: ρ.375 SE REQUIERE QUE ρ < B.75 k PROBABILIDAD DE QUE NO HAYA CLIENTES EN EL SISTEMA : NÚMERO PROMEDIO DE CLIENTES QUE LLEGAN POR UNIDAD DE TIEMPO 45 CLIENTES/HORA.75 CLIENTES/MINUTO k k B B k +! k! k.4545 UNA MONSERGA DE CALCULAR!!! USAR TABLA TIEMPO DE SERVICIO: EXPONENCIAL : NÚMERO PROMEDIO DE CLIENTES ATENDIDOS POR UNIDAD DE TIEMPO 6 CLIENTES/HORA CLIENTE/MINUTO Pw PROBABILIDAD DE QUE UN CLIENTE ESPERE PARA QUE LO ATIENDAN: k k B P k! k EJEMPLO: MODELO M/M/k EJEMPLO: MODELO M/M/k NÚMERO PROMEDIO DE CLIENTES EN LA COLA: TIEMPO PROMEDIO QUE UN CLIENTE PASA EN LA COLA: Lq k B ( k )! ( k ) P Wq Lq.636 miutos NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA: TIEMPO PROMEDIO QUE UN CLIENTE PASA EN EL SISTEMA: L Lq + Lq + B W Wq miutos

12 EJEMPLO: MODELO M/M/k COMPARACIÓN ENTRE ALTERNATIVAS DE DISEÑO P PROBABILIDAD DE QUE HAYA CLIENTES EN EL SISTEMA: B P! B P ( k k!k ) para k para > k B P! B P ( 2 2!2 ) para 2 para > 2 LAS DECISIONES RELACIONADAS CON EL DISEÑO DE LÍNEAS DE ESPERA PUEDEN HACERSE CON BASE EN:. EVALUACIÓN SUBJETIVA: A PARTIR SÓLO DE LAS MEDIDAS DE DESEMPEÑO DEL SISTEMA. 2. ANÁLISIS ECONÓMICO: INCORPORANDO COSTOS DEL SISTEMA. P o más.885 ANÁLISIS ECONÓMICO DE LÍNEAS DE ESPERA INCORPORA LOS COSTOS ASOCIADOS A LAS ALTERNATIVAS DE DISEÑO. SE PUEDE DEFINIR AL COSTO TOTAL (POR PERIODO), CT, COMO: ANÁLISIS ECONÓMICO DE LÍNEAS DE ESPERA POR LA NATURALEZA DE LAS FUNCIONES DE COSTOS: CT Cw L + Cs k SE SUELEN REPRESENTAR CON EL SIGUIENTE COMPORTAMIENTO: CT Cw L + Cs k COSTOS: $ COSTO TOTAL DONDE: Cw : COSTO (POR PERIODO) DE ESPERA POR CLIENTE QUE ESPERA. L: NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA. Cs : COSTO (POR PERIODO) DE CADA SERVIDOR. k : NÚMERO DE SERVIDORES. COSTO DE LA ESPERA NÚMERO ÓPTIMO DE SERVIDORES COSTO DEL SERVICIO NÚMERO DE SERVIDORES, k

13 FILAS DE ESPERA: OTROS MODELOS Tema 3: Aálisis de Sesibilidad MODELO M/G/ APLICABLE A SISTEMAS CON: LLEGADAS POISSONIANAS (M/). TIEMPO DE SERVICIO CON DISTRIBUCIÓN NORMAL (/G/). UN SERVIDOR (/). DISCIPLINA FIFO. MODELO M/G/: MEDIDAS DE DESEMPEÑO ρ - - ρ σ + ( / ) Lq 2( / ) L Lq + Lq + ρ σ + ρ 2( ρ) ρ < Wq L q W Wq + P W ρ

14 EJEMPLO EJEMPLO UN RESTAURANTE DE HAMBURGUESAS CUENTA CON UNA ÚNICA CAJA DE PAGO. EL CAJERO TOMA EL PEDIDO, DETERMINA EL COSTO TOTAL, RECIBE EL DINERO DEL CLIENTE Y SURTE EL PEDIDO. UNA VEZ CUBIERTO EL PEDIDO DE UN CLIENTE, EL EMPLEADO TOMA EL PEDIDO DEL SIGUIENTE CLIENTE EN LA COLA. SI LLEGA UN CLIENTE CUANDO EL CAJERO SE ENCUENTRA AÚN TOMANDO UN PEDIDO, EL CLIENTE QUE LLEGA SE FORMA EN LA FILA. LAS LLEGADAS SON POISSONIANAS (PROMEDIO DE LLEGADAS: 45 CLIENTES/HORA). ρ.75/ ρ L Lq + Lq + ρ ρ < LA DURACIÓN DEL TIEMPO DE SERVICIO SIGUE UNA DISTRIBUCIÓN NORMAL (SERVICIO PROMEDIO: 6 CLIENTES/HORA), CON DESVIACIÓN ESTÁNDAR DE 2 MINUTOS σ + ( / ) Lq 2( / ) σ + ρ 2( ρ) [(.75) 2 (2) 2 + (.75/) 2 ]/[2(.25)] EJEMPLO MODELO M/D/ APLICABLE A SISTEMAS CON: L Wq q 5.625/ MINUTOS LLEGADAS POISSONIANAS (M/). W Wq MINUTOS TIEMPO DE SERVICIO DETERMINISTA (/D/). UN SERVIDOR (/). DISCIPLINA FIFO. P W ρ.75

15 MODELO M/D/: MEDIDAS DE DESEMPEÑO ρ - - ρ 2 ( / ) Lq 2( / ) L Lq + Lq + ρ Wq L q W Wq + P W ρ 2 ρ 2( ρ) ρ < EJEMPLO UN RESTAURANTE DE HAMBURGUESAS CUENTA CON UNA ÚNICA CAJA DE PAGO. EL CAJERO TOMA EL PEDIDO, DETERMINA EL COSTO TOTAL, RECIBE EL DINERO DEL CLIENTE Y SURTE EL PEDIDO. UNA VEZ CUBIERTO EL PEDIDO DE UN CLIENTE, EL EMPLEADO TOMA EL PEDIDO DEL SIGUIENTE CLIENTE EN LA COLA. SI LLEGA UN CLIENTE CUANDO EL CAJERO SE ENCUENTRA AÚN TOMANDO UN PEDIDO, EL CLIENTE QUE LLEGA SE FORMA EN LA FILA. LAS LLEGADAS SON POISSONIANAS (PROMEDIO DE LLEGADAS: 45 CLIENTES/HORA). LA DURACIÓN DEL TIEMPO DE SERVICIO ES DETERMINISTA (CAPACIDAD DEL SERVICIO: 6 CLIENTES/HORA). EJEMPLO EJEMPLO ρ.75/ ρ L Lq + Lq + ρ.75/ ( / ) ρ Lq (.75) 2( / ) 2( ρ) 2 /[2(.25)].25 ρ < L Wq q W Wq MINUTOS P W ρ.25/.75.5 MINUTOS.75

16 MODELO M/G/k CON CLIENTES QUE ABANDONAN EL SISTEMA POR BLOQUEO APLICABLE A SISTEMAS CON: LLEGADAS POISSONIANAS (M/). TIEMPO DE SERVICIO CON CUALQUIER DISTRIBUCIÓN (/G/). K SERVIDORES (/k). DISCIPLINA FIFO. SI AL LLEGAR UN CLIENTE ENCUENTRA TODOS LOS SERVIDORES OCUPADOS, ABANDONA EL SISTEMA. MODELO M/G/k CON CLIENTES QUE ABANDONAN EL SISTEMA: MEDIDAS DE DESEMPEÑO PROBABILIDAD DE QUE HAYA j SERVIDORES OCUPADOS j ( / ) / j! k i ( / ) P j i! i PROBABILIDAD DE QUE TODOS LOS SERVIDORES ESTÉN OCUPADOS k ( / ) / k! P K k i ( / ) i! i NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA L ( - P K ) EJEMPLO EJEMPLO EL SERVICIO TELEFÓNICO DE ATENCIÓN A CLIENTES DE UNA EMPRESA CUENTA CON TRES LÍNEAS. LAS LLAMADAS LLEGAN DE MANERA POISSONIANA, CON UNA TASA DE 2 LLAMADAS/HORA. 2 LLAMADAS/HORA. 6 LLAMADAS/HORA. K 3 SERVIDORES. / 2/6 2 EN PROMEDIO, CADA UNO DE LOS ASESORES PUEDE ATENDER 6 CLIENTES/HORA. K i i ( / ) i! 2 /! + 2 /! /2! /3! 9/

17 EJEMPLO EJEMPLO PROBABILIDAD DE QUE HAYA j SERVIDORES OCUPADOS P j j ( / ) / j! k i ( / ) i 2 6 i! / 2 (2 /!)/(9/3) 3/ K 3 PROBABILIDAD DE QUE TODOS LOS SERVIDORES ESTÉN OCUPADOS 2 ( ) 3 / / 3! P 3 k i 4/ ( / ) i! i 6 / 2 K 3 P P 2 (2 /!)/(9/3) 6/ (2 2 /2!)/(9/3) 6/ NÚMERO PROMEDIO DE CLIENTES EN EL SISTEMA L ( - P K ) (2)( - 4/9) 3/ P 3 (2 3 /3!)/(9/3) 4/ MODELO M/M/ CON POBLACIÓN FINITA DE CLIENTES (MACHINE REPAIR PROBLEM) SISTEMA M/M/ CON UNA POBLACIÓN DE N CLIENTES ATENDIDOS. LLEGADAS POISSONIANAS (M/). TIEMPO DE SERVICIO EXPONENCIAL (/M/). UN SERVIDOR (/). N TAMAÑO DE LA POBLACIÓN DISCIPLINA FIFO. MODELO M/M//N: MEDIDAS DE DESEMPEÑO + Lq N L Lq + ( - ) Wq W Wq + P N ( N )! N! L q ( N L) N! ( ) P ( N )! ρ <

18 EJEMPLO EJEMPLO UNA EMPRESA TIENE SEIS EQUIPOS IDÉNTICOS DE MANUFACTURA. EL TIEMPO ENTRE FALLAS DE CADA UNO DE LOS EQUIPOS DE PRODUCCIÓN SIGUE UNA DISTRIBUCIÓN EXPONENCIAL, CON UN TIEMPO PROMEDIO ENTRE FALLAS DE 2 HORAS. PARA LA ATENCIÓN DE LAS FALLAS EN EL EQUIPO DE MANUFACTURA SE CUENTA CON UNA ÚNICA CUADRILLA DE MANTENIMIENTO. EL TIEMPO DE DURACIÓN DEL SERVICIO DE REPARACIÓN DE EQUIPO SIGUE UNA DISTRIBUCIÓN EXPONENCIAL, CON UNA MEDIA DE 2 HORAS/FALLA. N ( N )! N!.5.5 /. N 6 (6!/6!)(.) + (6!/5!)(.) + (6!/4!)(.) 2 + (6!/3!)(.) 3 + (6!/2!)(.) 4 + (6!/!)(.) 5 + (6!/!)(.) N (/2.6392).4845 N! ( N )! EJEMPLO EJEMPLO Lq N ( ) 6 - [(.5+.5)/.5]( ) MÁQUINAS.5 /. N L Wq q ( )/[( )(.5)] ( N L) HORAS.5 /. N L Lq + ( - ) ( ) W Wq / HORAS MÁQUINAS

19 EJEMPLO N! P P [6!/(6-)!](.) ( N )! (.48455).5.5 /. N N P Tema 3: Aálisis de Sesibilidad

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

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

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

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

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

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

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

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 colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1

Teoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1 Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

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

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

Teoría a de Colas o Filas de Espera. M. En C. Eduardo Bustos Farías

Teoría a de Colas o Filas de Espera. M. En C. Eduardo Bustos Farías Teoría a de Colas o Filas de Espera M. En C. Eduardo Bustos Farías as Introducción Una línea de espera es la resultante de un sistema cuando la demanda por un bien o servicio supera la capacidad que puede

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

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

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

Teoría de Líneas de Espera

Teoría de Líneas de Espera Teoría de Colas Teoría de Líneas de Espera COLAS: Líneas de espera que utiliza modelos matemáticos que describen sistemas de líneas particulares o Sistemas de Colas. Modelos presentan las siguientes características:

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Modelos de Inventarios

Modelos 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 detalles

Investigación Operativa II. Ing. Nicolás Salvador Flores

Investigación 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 detalles

INSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz

INSTRUCCIONES GENERALES Y VALORACIÓN. Ejercicio 1. (Puntuación máxima: 3 puntos) Calcular los valores de a para los cuales la inversa de la matriz INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El eame preseta dos opcioes: A y B. El alumo deberá elegir ua de ellas y cotestar razoadamete a los cuatro ejercicios de que costa dicha opció. Para

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

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

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

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

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A. I. Suponga que en una estación con un solo servidor

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

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 7 CONTRASTES DE HIPÓTESIS Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua

Más detalles

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z < Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula

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

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A.. Suponga que en una estación con un solo servidor

Más detalles

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i

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

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

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Proceso de llegadas de Poisson

Proceso de llegadas de Poisson Gestión y Planificación de Redes y Servicios Proceso de llegadas de Poisson Area de Ingeniería Telemática http://www.tlm.unavarra.es Grado en Ingeniería en Tecnologías de Telecomunicación, 4º Proceso 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

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

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

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

Instituto Politécnico Nacional Escuela Superior de Cómputo. Teoría a de Colas. M. En C. Eduardo Bustos Farías

Instituto Politécnico Nacional Escuela Superior de Cómputo. Teoría a de Colas. M. En C. Eduardo Bustos Farías Instituto Politécnico Nacional Escuela Superior de Cómputo Teoría a de Colas M. En C. Eduardo Bustos Farías as Objetivos del Capítulo La distribución Poisson y exponencial. Cumplimiento de las medidas

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

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

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

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

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

5.1. Tipos de convergencia

5.1. Tipos de convergencia Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia

Más detalles

Teoría 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 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 detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

EJERCICIOS RESUELTOS. t +

EJERCICIOS RESUELTOS. t + BXX5744_07 /6/09 4: Págia 49 EJERCICIOS RESUELTOS Calcula la tasa de variació media de la fució f() = + e los itervalos [, 0] y [0, ], aalizado el resultado obteido y la relació co la fució. La fució f()

Más detalles

TEMA N 3.- TEORÍA DE COLAS

TEMA 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 detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio

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

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

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

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

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

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Divisió de Plaificació, Estudios e Iversió MIDEPLAN Curso: Preparació y Evaluació de Proyectos EVALUACIÓN DE PROYECTOS: Coceptos Básicos Temario Matemáticas

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

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

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

Distribución Muestral.

Distribución Muestral. Distribución Muestral jujo386@hotmail.com Uno de los objetivos de la Estadística es tratar de inferir el valor real de los parámetros de la población Por ejemplo Cómo podríamos asegurar que una empresa

Más detalles

Temas 5 y /16.37

Temas 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 detalles

Ensayo o prueba: es la realización concreta de un experimento aleatorio.

Ensayo o prueba: es la realización concreta de un experimento aleatorio. Tema 4. Probabilidad Resumen del tema 4.1. Introducción a la Probabilidad Experimento: cualquier proceso que permite asociar a cada individuo de una población un símbolo (numérico o no) entre los símbolos

Más detalles

Intervalos de confianza para la media

Intervalos de confianza para la media Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

Más detalles

Dar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones

Dar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

TEOREMA DEL LÍMITE CENTRAL

TEOREMA DEL LÍMITE CENTRAL Material de clase n 2 Domingo 13 Junio TEOREMA DEL LÍMITE CENTRAL A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media x = µ

Más detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO 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 detalles

Distribuciones de probabilidad discretas

Distribuciones 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 detalles

FORMULARIO TEORIA DE FILAS

FORMULARIO TEORIA DE FILAS FORMULARIO TEORIA DE FILAS Proceso geeral de acimieto y muerte. Tasas de etrada: λ 0,λ 1,..., λ 1 clietes or uidad de tiemo. Tasas de salida: µ 1,µ 2,..., µ clietes or uidad de tiemo. =1, 2,... Razó etrada/salida:

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 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 detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

PROCESO DE POISSON Rosario Romera Febrero 2009

PROCESO DE POISSON Rosario Romera Febrero 2009 1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio

Más detalles

Combinatoria y definiciones básicas de probabilidad

Combinatoria y definiciones básicas de probabilidad Combiatoria y defiicioes básicas de probabilidad Defiicioes de probabilidad Probabilidad como ituició Probabilidad como la razó de resultados favorables Probabilidad como medida de la frecuecia de ocurrecia

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

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

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos 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 detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

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

Estadística para Química - 1er. cuat. 2007 - Marta García Ben

Estadística para Química - 1er. cuat. 2007 - Marta García Ben Ej. 1 Podriamos cosiderar S={0,1,} (los resultados o sería igualmete probables). Pero tambie podemos defiir S={CC,CS,SC,SS} describiedo todos los resultados de tirar dos moedas y luego asociar CC, CS 1,

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

Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/

Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/ Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/ 1 2 3 4 Módulos Lógicos Create 1 Assign 1 Crear entidades Cambiar valores de los atributos o de variables en el

Más detalles

Definición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad

Definición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad Definición de 2 Planeación Estratégica de la El más alto nivel de producción que una compañía puede sostener razonablemente, con horarios realistas para su personal y con el equipo que posee. Administración

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

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica,

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. (a) Las muestras de tamaño n obtenidas en una población de media y desviación típica, 1 MAJ04 DISTRIBUCIÓN DE LA MEDIA MUESTRAL 1. E u servicio de ateció al cliete, el tiempo de espera hasta recibir ateció es ua variable ormal de media 10 miutos y desviació típica 2 miutos. Se toma muestras

Más detalles

ANÁLISIS DE LÍNEAS DE ESPERA A TRAVÉS DE TEORÍA DE COLAS Y SIMULACIÓN

ANÁLISIS DE LÍNEAS DE ESPERA A TRAVÉS DE TEORÍA DE COLAS Y SIMULACIÓN Scientia et Technica Año XVII, No 46, Diciembre 010. Universidad Tecnológica de Pereira. 56 ANÁLISIS DE LÍNEAS DE ESPERA A TRAVÉS DE TEORÍA DE COLAS Y SIMULACIÓN ANALYSIS OF WAITING LINES TRHOUGH QUEUE

Más detalles

INTERÉS SIMPLE COMO FUNCIÓN LINEAL.

INTERÉS SIMPLE COMO FUNCIÓN LINEAL. INTERÉS SIMPLE COMO FUNCIÓN LINEAL. EJERCICIOS PROPUESTOS. 1.- Grafica las fucioes Moto e Iterés: a) C = + 0, co C e miles de pesos ; : meses y R. Para graficar estar fucioes, debemos dar valores a, por

Más detalles

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11

IES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11 IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como

Más detalles

Modelos de colas exponenciales

Modelos 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

Más detalles