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
|
|
- Trinidad Alcaraz Roldán
- hace 7 años
- Vistas:
Transcripción
1 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, infinita o de volumen, generados en procesos de espera determinísticos o probabilísticos, dependientes o independientes; las disciplinas de las líneas de espera 4.1. Características generales lo que hace a las colas un área interesante y desafiante. En la figura se muestra un sistema típico de colas. Introducción. Parte de nuestra vida diaria es esperara algún servicio. Esperamos para entrar a un restaurante, hacemos cola para entrar a un espectáculo y nos formamos para recibir un servicio. Hacemos cola para esperar nuestro turno en bancos, supermercados, estéticas, casetas de pago en autopistas, y restaurantes. La programación de los aterrizajes de los aeroplanos en una pista específica es un problema de colas: piense que los aeroplanos en el aire son clientes que esperan ser atendidos, y la pista es el servidor. Los sistemas de tráfico telefónico son ejemplos de redes complejas de colas. Las llamadas telefónicas se en rutan a través de los sistemas de distribución, donde hacen cola hasta que son desviados ya sea a la siguiente estación de distribución o bien a su destino final. En efecto, fue A. K. Erlang, un ingeniero de telefonía danés, el responsable de muchos de los primeros desarrollos teóricos en el área de las colas. La teoría de colas es el estudio de los procesos de línea de espera. Una cola (queue) es la versión británica de la línea de espera norteamericana (waiting line). Virtualmente todos los resultados de la teoría de colas suponen que tanto los procesos de llegada como de servicio son aleatorios. Es la interacción entre estos dos procesos Los clientes llegan a una o más instalaciones de servicio. Si otras personas ya están esperando, según el tipo de servicio, los clientes que acaban de llegar esperarían su turno para ser atendidos por el siguiente servidor disponible y saldrían del sistema cuando terminen sus operaciones. Los problemas de colas son comunes en la administración de las operaciones. En el contexto de las manufacturas, el ambiente de taller puede considerarse una compleja red interrelacionada de colas. A medida que los trabajos terminan de realizarse en un centro, éstos hacen cola para ser procesados en el centro siguiente. Si la programación en un ambiente de taller se asume como un problema dinámico en lugar de uno estático, deben hallarse las tasas de flujo y otras medidas usando los resultados de la teoría de colas. Los problemas de colas se presentan con mucha frecuencia en los sistemas de servicios. Cada uno de nosotros experimenta colas en los sistemas de servicios todos los días. De hecho, según Michael Fortino, de Priority Management en Pittsburgh, la mayoría de las personas pasan aproximadamente cinco años de su vida haciendo colas y seis meses esperando en los semáforos (Chicago Tribune, 21 de junio, 1988). Elaboró: MC. Marcel Ruiz Martínez 1
2 Por qué estudiar líneas de espera? Este estudio de las líneas de espera trata de cuantificar un fenómeno de esperar, tomando medidas relevantes de eficiencia como longitud promedio de la fila, tiempo de espera en la fila y uso promedio de las instalaciones. más de una llegada a la vez (lo que se conoce en las colas como llegadas por lote). La variable que consideraremos para las llegadas será la letra lamda: λ = número promedio de llegadas al sistema/ unidad de tiempo (velocidad de llegadas) A continuación se muestra una gráfica de un modelo de decisión de diseño de líneas de espera basado en costos. 2. Proceso del servicio. Se distingue por la distribución del tiempo requerido para servir a un cliente. Nuevamente, el caso más fácil de analizar se presenta cuando la distribución de los tiempos de servicio es exponencial. Otras distribuciones dan lugar a modelos de colas más complejos. En el caso del proceso de servicio usaremos la variable miu: µ = número promedio de entidades que se atienden en el sistema / unidad de tiempo. (velocidad de atención del servidor). Aspectos estructurales de modelos de colas 1. Proceso de llegada. Describe las llegadas de los clientes al sistema y se caracteriza por la distribución de los tiempos entre llegadas. El caso más simple es cuando se trata de una sola llegada a la vez, de manera completamente aleatoria. Esto da lugar a una distribución exponencial para los tiempos entre llegadas. Otras posibilidades incluyen las distribuciones generales entre llegadas o 3. Disciplina de servicio. Ésta es la regla mediante la cual se sirve a los clientes en la cola. La mayoría de los problemas de colas que se presentan en los sistemas de servicio son del tipo primeras llegadas, primeras salidas (FCFS). Generalmente consideramos a esta regla como justa. Sin embargo, también son comunes otras disciplinas de servicio. Cuando compramos leche, podemos verificar las fechas en los envases de cartón y elegir la que tenga la fecha de caducidad más lejana. Si consideramos que la leche es la cola, esto significa que la disciplina de servicio es del tipo último en llegar, primero en salir (LCFS). Las salas de emergencia de los hospitales darán prioridad a los pacientes cuya vida está en peligro tales como los traumatismos ocasionados en un accidente automovilístico por sobre aquéllos con problemas menos graves. Esto se denominaría una disciplina de servicio por prioridad. 4. Capacidad de la cola. En algunos casos, el tamaño de la cola puede estar limitado. Por ejemplo, los restaurantes y las salas de cine pueden alojar solamente a un número determinado de clientes. Desde Elaboró: MC. Marcel Ruiz Martínez 2
3 un punto de vista matemático, la hipótesis más simple es que el tamaño de la cola sea ilimitado. Aun si la capacidad es finita, es razonable ignorar dicha restricción si es poco probable que la cola se sature. 5. Número de servidores. Las colas pueden ser atendidas por un solo servidor o por servidores múltiples. Este último caso es común en los bancos: los clientes forman una sola cola y son atendidos por el siguiente servidor disponible. En contraste, el área de despacho de un supermercado típico no es una cola con servidores múltiples. Como un comprador debe formarse en una sola cola específica, éste es un sistema paralelo de colas con un solo servidor (posiblemente dependiente). Otro ejemplo de una cola con servidores múltiples sería el área de aterrizaje del aeropuerto; los aeroplanos pueden despegar o aterrizar en una de varias pistas. 6. Estructura de la red. Se forma una red de colas cuando la salida de una da pie a la entrada de otra cola. La mayoría de los procesos de manufactura generalmente es un tipo de red de colas. Los sistemas de carreteras y los sistemas de distribución telefónica son otros ejemplos. Estas estructuras con frecuencia son demasiado complejas como para analizarlas matemáticamente. Configuración: consiste en identificar la cantidad de servidores y el número de etapas o fases de servicio por las que tiene que pasar una entidad. En este tema se analizarán las configuraciones de un sólo canal y multicanal (ambos con una sola fase). La configuración de los mismos y otras configuraciones adicionales se representa gráficamente de la siguiente manera: Sistema de un sólo canal con una sola fase Sistema de un sólo canal con multifase Llegadas Salida Servidor 1 Servidor 2 Fila Fila Sistema multicanal con una sola fase Servidor 1 Llegadas Salida Sistema multicanal, multifase Fila Servidor 2 Llegadas Salidas Servidor Servidor Servidor Servidor Llegadas Servidor Salida Fila Elaboró: MC. Marcel Ruiz Martínez 3
4 Distribución de tiempos de servicio: al igual que las llegadas al sistema, los tiempos en que las entidades son atendidas dentro del sistema tienden a ser independientes una de la otra y aleatorias, por lo que es común que se representen con una distribución de probabilidad. Para los modelos de líneas de espera a analizar en este tema la notación Kendall será de la siguiente manera: 1. Modelo de un sólo canal (M / M / 1). 2. Modelo de canales múltiples (M / M / m). 3. Modelo de tiempo de servicio constante (M / D / 1). Importante: en la teoría de colas también puede encontrarse que los tiempos de servicio son constantes, los cuales se pueden encontrar en procesos automatizados. Dicha variante la veremos como último modelo de análisis en este tema. Notación Kendall Todos los sistemas de líneas de espera pueden ser representados de manera más sencilla mediante el uso de la notación desarrollada por A. G. Kendall, la cual tiene el propósito de representar mediante tres caracteres el tipo de sistema a analizar. La notación Kendall se representa de la siguiente manera: Distribución de Llegadas / Distribución de tiempos de Servicio / Número de servidores Donde: La Distribución de Llegadas puede ser: M = distribución de llegadas de tipo Poisson D = distribución de llegadas es constante G = distribución de llegadas general con varianza y media conocidas La Distribución de tiempos de Servicio puede ser: M = distribución de tiempos de servicio de tipo Exponencial D = distribución de tiempos de servicio es constante G = distribución de tiempos de servicio general con varianza y media conocidas Ejercicios: Para cada uno de los casos siguientes identifique: a) El cliente. b) El servidor. c) Naturaleza de la fuente (finita o infinita) d) Naturaleza de los clientes (individualmente o de grupo) e) Tiempo entre llegadas (determinística o probabilística) f) Tiempo de servicio (determinística o probabilística) g) Capacidad de la cola (finita o infinita) h) Disciplina de la cola. CASOS: 1) Aviones que llegan a un aeropuerto 2) Bases de taxis donde éstos esperan a que lleguen pasajeros 3) Verificación de las herramientas en un almacén en un área de maquinado 4) Cartas procesadas en una oficina de correos 5) Inscripción a las clases en una universidad 6) Juicios en una corte 7) Funcionamiento de las cajas en un supermercado 8) Funcionamiento de un estacionamiento Puede resolver este ejercicio usando el siguiente archivo de EXCEL: El Número de servidores puede tomar valores de 1, 2, 3, m Elaboró: MC. Marcel Ruiz Martínez 4
5 Dentro de teoría de colas tenemos dos variables importantes: lamda y miu tiene los siguientes significados: λ = número promedio de llegadas al sistema/ unidad de tiempo (velocidad de llegadas) µ = número promedio de entidades que se atienden en el sistema / unidad de tiempo. (velocidad de atención del servidor). Cuestionario. 1.- Explique lo que se entiende por la frecuencia de llegadas λ y el tiempo promedio entre llegadas. Cuáles son las unidades de cada variable? 2.- En cada caso siguiente determine la frecuencia promedio de llegadas por hora λ y el tiempo promedio de llegadas en horas. a) Una llegada cada 10 minutos b) Dos llegadas cada 6 minutos c) La cantidad de llegadas en un periodo de 30 minutos es 10. d) El intervalo promedio entre dos llegadas sucesivas es de 0.5 horas. 3.- En cada uno de los casos determine la frecuencia promedio de servicio por hora µ y el tiempo promedio de servicio en horas. a) Se termina un servicio cada 12 minutos. b) Hay dos salidas cada 15 minutos. c) La cantidad de clientes atendidos en 30 minutos es de 5 d) El tiempo promedio de servicio es de 0.3 horas. RESPUESTAS: 1. λ representa cuantos clientes llegan sobre una unidad de tiempo; por ejemplo 4 clientes/ hora. Las unidades son precisamente clientes/hora. El inverso de lambda 1/λ representa cuanto tiempo transcurre para que llegue un cliente. 2. Inciso A) 1/λ= horas/cliente y λ=6 clientes/hora Inciso B) 1/λ= 0.05 horas/cliente y λ=20 clientes/hora Inciso C) 1/λ= 0.05 horas/cliente y λ=20 clientes/hora Inciso D) 1/λ= 0.25 horas/cliente y λ=4 clientes/hora 3. Inciso A) µ= 5 clientes/hora y 1/µ=0.2 horas/cliente Inciso B) µ= 8 clientes/hora y 1/µ =0.125 horas/cliente Inciso C) µ = 10 clientes/hora y 1/µ =0.1 horas/cliente Inciso D) µ = clientes/hora y 1/µ =0.3 horas/cliente Elaboró: MC. Marcel Ruiz Martínez 5
6 Variables aleatorias Variable. Cantidad que cambia su valor a lo largo de un problema. Variable aleatoria. Cantidad que cambia su valor siguiendo las reglas de la probabilidad. Variable aleatoria continua. Las variables continuas pueden tomar cualquier valor entre dos valores cualesquiera; por ejemplo el peso de una persona 83.45kg o el tiempo de un servicio 4.67minutos; en otras palabras pueden tomar valores fraccionarios. Variable aleatoria discreta. Las variables discretas pueden tomar solo valores enteros; ejemplo de una variable aleatoria discreta es el resultado de lanzar un dado (1, 2, 3, 4, 5 y 6). Uso de la distribución poisson (usado para las llegadas de los clientes) Las condiciones para usar la distribución poisson en las ecuaciones de filas de espera son las siguientes. 1. Orden. En cualquier instante a lo más un cliente llegará a las instalaciones de servicio. 2. Estacionalidad. Para un marco de tiempo dado la probabilidad de que un cliente llegue dentro de cierto intervalo de tiempo es igual para el resto de los intervalos de la misma duración. 3. Independencia. Los clientes llegan independientemente uno del otro, la llegada de uno no afecta la probabilidad de llegada de otro cliente. Considerando que: λ = número promedio de llegadas al sistema/ unidad de tiempo (velocidad de llegadas) Si estamos dispuestos a que nuestro modelo acepte estas condiciones, podemos ocupar la siguiente ecuación para el proceso de llegadas poisson: x λ λ e p(x) = x! Dónde: λ = Ritmo o velocidad promedio de llegadas por cada unidad de tiempo. e = constante ( valor irracional) x! = x*(x-1)*(x-2)* (3)*(2)*(1) x = cantidad de clientes; 0, 1, 2, etc. En caso de que se requiera la probabilidad acumulada, la ecuación se transforma en lo siguiente: x x λ λ e P(x) = k= 0 x! Las funciones anteriores están en EXCEL y en las versiones 2007 se encuentra como POISSON.DIST y en 2010 solo como POISSON. Elaboró: MC. Marcel Ruiz Martínez 6
7 Ejercicio: Los clientes llegan a una ferretería Hanks de acuerdo con la distribución poisson. La tienda abre a las 8:00am y los martes llegan en promedio 6 clientes entre las 8:00am y 9:00am. Hank fue a una fiesta el lunes por la noche y desea dormir media hora extra el martes, y está preocupado porque si abre media hora tarde podría perder demasiadas ventas. Por lo tanto desea conocer la probabilidad de que 0, 1, 2, 3.. etc clientes lleguen entre 8:00 y 8:30am. A continuación se muestra como se realiza en EXCEL Puede abrir el objeto de EXCEL insertado a continuación si tiene el archivo en WORD. Uso de la distribución exponencial (usado para la velocidad del servicio). Puesto que se usa el mismo tiempo promedio de servicio para despachar una taza de café, una máquina expendedora; el tiempo de servicio puede modelarse con una distribución constante (si este valor es prácticamente el mismo para todos los clientes). En caso de que los tiempos de servicio sean aleatorios con una media conocida, se puede usar la distribución exponencial. Recordando que: µ = número promedio de entidades que se atienden en el sistema / unidad de tiempo. (Velocidad de atención del servidor). k p(x=k) 0 5.0% % % % % % mas de 5 8.4% Uso de la distribución poisson. Ejercicio: Realice un histograma para K con valores entre 0 y 11; comente su comportamiento, tanto para la función de densidad como la acumulada. a) La función de densidad es una distribución simétrica? b) Cuál es el valor más elevado en la función de densidad? c) Revise donde queda el 50% de probabilidad de llegada en la función de probabilidad acumulada y comente sus conclusiones. La distribución exponencial está dada por la función acumulada F(t): F(t) terminado en un tiempo determinado µ t = 1 e Indica la probabilidad de que el servicio esté Y la función de densidad está dada por: t f(t) = µ e µ A esta ecuación se le llama distribución exponencial. Depende del único parámetro µ, que representa una tasa de ocurrencia o de atención al cliente. Esta función se usa tanto en teoría de líneas de espera como en tasa de fallas de componentes. Ambas funciones se encuentran disponibles en EXCEL Elaboró: MC. Marcel Ruiz Martínez 7
8 Ejemplo: Hank estima que tarda un promedio de cuatro minutos en atender a cada cliente, y los tiempos de servicio siguen una función exponencial, Hank tiene una cita importante para comer, de modo que desea hallar la probabilidad de que le tome menos de tres minutos en atender al siguiente cliente. A continuación se muestra como se realiza en EXCEL Puede abrir el objeto de EXCEL insertado a continuación (SOLO si tiene el archivo en WORD). A continuación se muestra la sintaxis usada por EXCEL para el cálculo de la distribución exponencial. 1/μ= μ = 4 minutos/cliente Tiempo que tarda un cliente en llegar 0.25 clientes/minuto Velocidad a la que llegan los clientes P(t< 3 min) = 52.8% RESPUESTA Uso de la distribución exponencial. Propiedad sin memoria de la distribución exponencial y poisson. Una de las propiedades de las distribuciones de probabilidad vistas es que no tienen memoria, es decir, no se obtiene más información de probabilidad si se espera más tiempo tanto las llegadas como el servicio; dado que cada llegada y cada servicio atendido es independiente de todos los anteriores. Esta propiedad de las distribuciones sin memoria se les conoce como MARKOVIANAS. Elaboró: MC. Marcel Ruiz Martínez 8
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 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 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 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 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 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 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 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 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 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 detallesEl supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo.
El supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo. El supermercado cuenta con 3 departamentos: Abarrotes, Embutidos y. Solamente el Departamento
Más 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 detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
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 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 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 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 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 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 detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
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 detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
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 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 detallesTRÁFICO DE TELEFONÍA MÓVIL: CARACTERIZACIÓN E IMPLICACIONES DEL TIEMPO DE OCUPACIÓN DEL CANAL
ESCOLA TÈCNICA SUPERIOR D ENGINYERIA DE TELECOMUNICACIÓ DE BARCELONA TRÁFICO DE TELEFONÍA MÓVIL: CARACTERIZACIÓN E IMPLICACIONES DEL TIEMPO DE OCUPACIÓN DEL CANAL Autor: Francisco Barceló Arroyo Director:
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesCarrera: INB Participantes. Representante de las academias de ingeniería industrial de. Academias Ingeniería Industrial.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones II Ingeniería Industrial INB-0412 4-0-8 2.- HISTORIA
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 detallesESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO
ESTRUCTURA DEL EXAMEN DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II PARA ALUMNOS DE BACHILLERATO El examen presentará dos opciones diferentes entre las que el alumno deberá elegir una y responder
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 detallesHabilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
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 detalles2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO. Una señal puede ser definida como una portadora física de información. Por ejemplo,
2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO Una señal puede ser definida como una portadora física de información. Por ejemplo, las señales de audio son variaciones en la presión del aire llevando consigo
Más detallesAnálisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
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 detallesCurso de Inducción de Matemáticas
Curso de Inducción de Matemáticas CAPÍTULO 1 Funciones y sus gráficas M.I. ISIDRO I. LÁZARO CASTILLO Programa del Curso 1. Funciones y sus gráficas. 2. Límites. 3. Cálculo Analítico de Límites. 4. Derivación.
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 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 detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesHoja 6: Estadística descriptiva
Hoja : Estadística descriptiva Hoja : Estadística descriptiva May Dada la siguiente distribución de frecuencias, halle: a) la mediana; b) la media. Número (x) Frecuencia (y) May De enero a septiembre la
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesEL PROBLEMA DE LA TANGENTE
EL PROBLEMA DE LA TANGENTE El problema de definir la tangente a una curva y f (x) en un punto P ( x, y ) ha llevado al concepto de la derivada de una función en un punto P ( x, y ). Todos sabemos dibujar
Más detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesClasificación de sistemas
Capítulo 2 Clasificación de sistemas 2.1 Clasificación de sistemas La comprensión de la definición de sistema y la clasificación de los diversos sistemas, nos dan indicaciones sobre cual es la herramienta
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 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 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 detallesSistemas de ecuaciones lineales
Ecuación lineal con n incógnitas Sistemas de ecuaciones lineales Es cualquier expresión del tipo: a 1 x 1 + a 2 x 2 + a 3 x 3 +... + a n x n = b, donde a i, b. Los valores a i se denominan coeficientes,
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesPROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C)
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C) I.E.S. Universidad Laboral de Málaga Curso 2015/2016 PROGRAMACIÓN DE LA
Más detallesPosible solución al examen de Investigación Operativa de Sistemas de junio de 2002
Posible solución al examen de Investigación Operativa de Sistemas de junio de 00 Problema (,5 puntos): Resuelve el siguiente problema utilizando el método Simplex o variante: Una compañía fabrica impresoras
Más 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 detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
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 detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detalles3.1. Administración de la medición y de la información estratégica:
Unidad III Aspectos Generales Sobre la Gestión de la Calidad 3.1. Administración de la medición y de la información estratégica: Los siguientes criterios corresponden a la administración de la medición
Más detallesTALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV
TALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV DESCRIPCIÓN: En el siguiente trabajo se mostrarán algunos métodos para encontrar
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesDuración: 2 horas pedagógicas
PLANIFICACIÓN DE LA SESIÓN DE APRENDIZAJE Grado: Cuarto Duración: 2 horas pedagógicas UNIDAD 4 NÚMERO DE SESIÓN 8/14 I. TÍTULO DE LA SESIÓN Importancia de la precipitación media anual de la lluvia II.
Más detallesSESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS
SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS I. CONTENIDOS: 1. Función inversa, conceptos y definiciones 2. Derivación de funciones trigonométricas inversas 3. Ejercicios resueltos 4. Estrategias
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 detallesPROBLEMAS ESTADÍSTICA I
PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesLímites y continuidad de funciones reales de variable real
Límites y continuidad de funciones reales de variable real Álvarez S., Caballero M.V. y Sánchez M. a M. salvarez@um.es, m.victori@um.es, marvega@um.es Índice 1. Definiciones 3 2. Herramientas 10 2.1. Funciones
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 detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesCAPÍTULO I. INTRODUCCIÓN. Cuando se requiere obtener información de una población, y se desean obtener los mejores
CAPÍTULO I. INTRODUCCIÓN I.1 Breve Descripción Cuando se requiere obtener información de una población, y se desean obtener los mejores y más completos resultados, el censo es una opción para dar una respuesta
Más detallesBLOQUE I: GEOMETRÍA PLANA Y FIGURAS GEOMÉTRICAS. Ecuaciones y sistemas. 2 (20 horas) Funciones y gráficas. 2 (20 horas) Estadística y probabilidad
PROGRAMACIÓN DIDÁCTICA Materia IV Período FBPI Tramo II Ámbito Científico-Tecnológico Bloque I Geometría plana y figuras geométricas Créditos 3 (30 horas) Bloque II Créditos Ecuaciones y sistemas 2 (20
Más detallesRepresentación en el espacio de estado. Sistemas Control Embebidos e Instrumentación Electrónica UNIVERSIDAD EAFIT
Representación en el espacio de estado Representación en espacio de estado Control clásico El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil
Más detalles4º E.S.O. Matemáticas A
4º E.S.O. Matemáticas A Objetivos 1. Incorporar, al lenguaje y formas habituales de argumentación, las distintas formas de expresión matemática (numérica, algebraica, de funciones, geométrica...), con
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesCAPITULO V METODOLOGÍA DE LA INVESTIGACIÓN
CAPITULO V METODOLOGÍA DE LA INVESTIGACIÓN Población y Muestra: El tipo de investigación es un estudio correlacional que consiste en ver la relación entre la variable independiente y dependiente. La población
Más detallesDIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN
TEORIA DE COLAS: Líneas de Espera Claro Ana Milena, Cardona Luz Dary, Ruiz Lina María, Gómez Juan Fernando, Estudiantes Ingeniería Industrial Universidad Católica de Oriente. Mayo 21 de 2011. Resumen:
Más detallesNivel de Satisfacción en los afiliados. Régimen Estatal de Protección Social en Salud Zacatecas
Nivel de Satisfacción en los afiliados 2012 Régimen Estatal de Protección Social en Salud Zacatecas Nivel de Satisfacción de los Afiliados Justificación A fin de cumplir con los objetivos del Régimen Estatal
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 detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 2 Probabilidad condicional e independencia Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir los eventos condicionales de los eventos independientes.
Más detallesPlanteamiento del problema del servidor de video
Universidad Politécnica de Cartagena Escuela Técnica Superior de IngenieI ería de Telecomunicación PRÁCTICAS DE REDES DE ORDENADORES Propuesta del Trabajo de Prácticas 2011 Evaluación de políticas de admisión
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesCAPITULO 1: GENERALIDADES SOBRE LOS ESTADOS FINANCIEROS.
CAPITULO 1: GENERALIDADES SOBRE LOS ESTADOS FINANCIEROS. TEMA 1: ESTADOS FINANCIEROS CONTENIDO: Objetivos, clasificación. Estados financieros básicos y secundarios; normales y especiales, estáticos y dinámicos,
Más detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
Más detallesLección 12: Sistemas de ecuaciones lineales
LECCIÓN 1 Lección 1: Sistemas de ecuaciones lineales Resolución gráfica Hemos visto que las ecuaciones lineales de dos incógnitas nos permiten describir las situaciones planteadas en distintos problemas.
Más detallesPráctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal
Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal Ejercicio 1: Todos los días se seleccionan de manera aleatoria 12 unidades de un proceso de manufactura, con el propósito de verificar
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Maestría en Administración Universidad Nacional Autónoma de México DISTRIBUCIONES DE PROBABILIDAD Introducción Una distribución de probabilidad indica toda la gama de valores
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 detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesCAPITULO IV ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS. Para la realización de este estudio se aplicaron encuestas a los usuarios del
CAPITULO IV ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS 4.1 Introducción Para la realización de este estudio se aplicaron encuestas a los usuarios del servicio telefónico Telmex sucursal Cholula, Puebla
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesMétodos Estadísticos 2.3. Distribuciones discretas de probabilidad
2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,
Más detalles[5.1] Cómo estudiar este tema? [5.5] Modelos de rentas más usuales. [5.6] Operaciones de constitución de un capital
Rentas financieras [5.1] Cómo estudiar este tema? [5.2] Concepto de renta [5.3] Clasificación de una renta [5.4] Valor de una renta [5.5] Modelos de rentas más usuales [5.6] Operaciones de constitución
Más detalles