INVESTIGACIÓN DE OPERACIONES II. JULIO CÉSAR LONDOÑO ORTEGA
|
|
- Lorena Cárdenas Toro
- hace 7 años
- Vistas:
Transcripción
1 INVESTIGACIÓN DE OPERACIONES II JULIO CÉSAR LONDOÑO ORTEGA
2 MODELOS DE FILAS DE ESPERA
3 Introducción a la Teoría de Colas Ejemplos de la teoría de Colas La espera de los pasajeros en la sala para abordaje en un aeropuerto, La cantidad de inventario de producto en proceso almacenado temporalmente en espera de ser procesado, La espera de pacientes en la recepción de un consultorio, La cola de camiones esperando a ser atendidos por personal especializado en los muelles de cargue y descargue en cierto centro de despachos, Observe que en general las esperas aquí señaladas no son del todo deseables, siendo en todo caso ideal que la espera de los clientes sea nula y que por tanto no existan colas.
4 Introducción a la Teoría de Colas El desear que los usuarios de un sistema nunca tengan que esperar, etc., es algo que generalmente se queda sólo en deseos, ya que en la practica es difícil de lograr. Lo que si se puede hacer es minimizar la espera En la mayoría de sistemas empresariales la condición de no cola o no espera es algo que se lograría con muy altos niveles de eficiencia, donde normalmente el costo de lograr esa eficiencia es mayor que el costo asociado a las citadas esperas. Entonces, es bastante pertinente estudiar los indicadores del sistema de espera en cuestión, siempre tratando de mejorar la eficiencia global.
5 Definiciones Una cola es una línea de espera y La teoría de colas es una colección de modelos matemáticos que describen sistemas de línea de espera particulares o sistemas de colas. Los modelos sirven para encontrar un buen balance entre costos del sistema y los tiempos promedio de la línea de espera para un sistema dado.
6 Otros Elementos a considerar Proceso de Llegada: representa la forma en que la llegada de clientes ocurre. Un dato importante que se maneja en el proceso de llegada es el Tiempo entre Llegadas de clientes, el cual puede ser determinístico (constante), o probabilístico (asociado a cierta distribución de probabilidad). También se considera si las llegadas de clientes son individuales o por grupos (batches), en cuyo caso se debe tener el dato del tamaño del batch.
7 Proceso de Llegada de Clientes Sea la variable aleatoria X igual al número de clientes que llegan al sistema de espera por unidad de tiempo. Si esta variable discreta se distribuye Poisson, entonces: P( X k ) si k 0,1,... T k T e k!, = número promedio de llegadas por unidad de tiempo T = número promedio de llegadas en un intervalo especifico de tiempo T Se cumple que el tiempo entre dos llegadas consecutivas se distribuye exponencial con media b =1/
8 Ejemplo de proceso de llegadas Cuál es la probabilidad de que dos clientes lleguen en los próximos 10 min. Por ejemplo, suponga que es igual a 20 clientes por hora, entonces, la probabilidad de que lleguen dos clientes en los próximos 10 minutos, viene dada por: P( X 2 ) 1 k T T e 20* k! 2 e 6 2! 20* * Cuál es la probabilidad de que lleguen tres clientes en la próxima hora si en las tres horas anteriores llegaron nueve? P( X 3) k T 9* 1 T e k! 3 e 3 3! 9* Se debe hacer reflexión acerca de la perdida de memoria del sistema
9 Proceso de Llegada de Clientes Sea la variable aleatoria Y el tiempo entre llegadas. Esta variable continua tiene la siguiente función de probabilidad: P(Y t ) e t / b b,t 0 P(Y t ) e T, t 0 Si el número de eventos (llegadas) en un momento dado se distribuye Poisson con una tasa media de eventos λ (eventos por unidad de tiempo), entonces el tiempo entre dos eventos consecutivos (tiempo entre llegadas) se distribuye exponencial con media 1/ unidades de tiempo. (o al revés).
10 Otros Elementos a considerar Proceso de Atención: El proceso de atención se representa generalmente por el tiempo que tarda la atención de un cliente o Tiempo de Servicio. Este tiempo puede ser determinístico, es decir, cualquier cliente es atendido en un tiempo exactamente igual, o probabilístico, en cuyo caso debe definirse la distribución de probabilidad del tiempo de atención de un cliente. También se define si la atención se hace individual o por batches.
11 Otros Elementos a considerar Numero de Servidores: Un sistema puede tener un solo servidor o varios en paralelo como el caso de algunas entidades financieras. Puede, además existir sistemas de servidores en serie, con una común o en cambio varias colas. Número de Servidores que el Sistema puede tener
12 Otros Elementos a considerar Número de Servidores que el Sistema puede tener
13 Otros Elementos a considerar Capacidad del Sistema: Un sistema de espera se dice que tiene capacidad infinita cuando no tiene restricciones respecto al tamaño de la cola. La cola se vuelve de capacidad finita por motivos de restricciones de espacio. Por ejemplo, la cola de ordenes de compra en un Departamento de Compras (documentos a procesar) es de capacidad infinita, ya que físicamente es posible almacenar un gran número de ordenes de compra pendientes por procesar en un archivador o en un archivo electrónico en el computador. Caso contrario, en un banco pueden no caber más de 50 personas en fila
14 Otros Elementos a considerar Disciplina de Atención: La forma en que se seleccionan los clientes de la cola con el fin de atenderlos. Lo usual es que se use la disciplina FIFO o atención en orden de llegada. Otra estrategia es con, el enfoque de prioridad y otra aleatoria. El análisis de sistemas de espera a través de la Teoría de Colas se justifica mayormente en virtud de que los mencionados sistemas operen en forma aleatoria: la llegada de un cliente y su tiempo de atención no se conocen con anticipación, o son totalmente probabilísticos.
15 Proceso de Salida de Clientes El número de clientes atendidos por unidad de tiempo se distribuye Poisson con media μ (promedio de clientes servidos por unidad de tiempo), si W es la variable aleatoria, se tiene que la probabilidad de que W sea igual a k, viene dada por: T ( T) e P( W k), si k k! k 0,1,... El tiempo entre dos salidas consecutivas o el tiempo de servicio se distribuye exponencial con parámetro b=1/μ unidades de tiempo. t e f( Z t), t b b 0 t f( Z t) e, t 0
16 Preguntas de Análisis Cuál es el tiempo promedio que un cliente tiene que esperar en la fila antes de ser atendido? Cuánto demora el Servidor en atender al cliente o en procesar un producto? Cuáles son el número promedio y el máximo de clientes que esperan en la fila? Cuántos recursos o servidores deben emplearse para proporcionar un servicio aceptable? Los clientes esperaran en una fila o en varias filas? Qué tanto espacio se necesita para que los clientes o productos puedan esperar?
17 Simbología General Servidores c = Número de servidores. = Tasa de servicio o el número promedio de clientes que se atienden por unidad de tiempo. Disciplina de atención a clientes (FIFO, LIFO, Prioridad Aleatoria). Colocación de los servidores (en Paralelo, en Serie o en Red). Atención individual o en grupos.
18 Clientes Simbología General n = Número de clientes en el sistema (tanto en fila como en los servidores) N = Número máximo permisible de clientes en el sistema = Tasa de Llegadas o Número promedio de llegadas de clientes por unidad de tiempo Población finita o infinita Llegadas individuales o en grupos
19 Simbología General Cola Lq = Número promedio de clientes en cola L = Número promedio de clientes en el sistema (en cola y en servicio) Tamaño de la Cola (Finita o Infinita) Forma de Salir de la Cola.
20 Indicadores para Evaluar el Rendimiento de un Sistema de Colas Relacionados con el Tiempo W = Tiempo promedio de permanencia de un cliente en el sistema (tanto en cola como en servicio) Wq = Tiempo promedio de espera de un cliente en cola Otros Indicadores: U = utilización de los servidores o número de clientes promedio atendidos por servidor por unidad de tiempo r = intensidad de tráfico del sistema
21 Indicadores para Evaluar el Rendimiento de un Sistema de Colas Relacionados con el Número de Clientes: L = Número promedio de clientes en el sistema Lq = Número promedio de clientes en la cola Pw = Probabilidad de que un cliente que llega tenga que esperar. Pn = Probabilidad de que existan n clientes en el sistema. Po = Probabilidad de que no hayan clientes en el sistema. Pd = Probabilidad de negación de servicio, o probabilidad de que un cliente que llega no pueda entrar al sistema debido que la cola esta llena
22 Notación de Kendall-Lee Esta notación es aplicable a servidores en paralelo y fue propuesta en 1951 por Kendall y mejorada en 1953 por el trabajo de Kendall-Lee
23 Notación de Kendall-Lee La simbología A/ B /C : D /E /F, intenta caracterizar plenamente a un sistema de espera con servidores en paralelo, donde: A: Distribución probabilística de las llegadas: M (Poisson), D (determinística), Ek (Erlang), G (General). B: Distribución del tiempo de servicio: M (Exponencial), D (determinística), Ek (Erlang), G (General). C = Número de servidores en paralelo: c = 1, 2, 3,..., infinito D = Disciplina de servicio: FIFO, LIFO, Aleatoria, Prioridad, Disciplina General-DG. E = Número máximo admitido de clientes en todo el sistema: N, Infinito F = Tamaño de la población de clientes: FINITO (K), Infinito
24 Modelos de una cola y un servidor M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio exponenciales M/G/1: Un servidor con tiempos entre llegadas exponenciales y una distribución general de tiempos de servicio M/D/1: Un servidor con tiempos entre llegadas exponenciales y una distribución degenerada de tiempos de servicio M/E k /1: Un servidor con tiempos entre llegadas exponenciales y una distribución Erlang de tiempos de servicio
25 Relaciones entre medidas de rendimiento Tiempo promedio en el sistema Tiempo promedio de espera Tiempo promedio de servicio Número promedio de clientes en el sistema W W q 1/ Número promedio de llegadas por unidad de tiempo L W Tiempo promedio en el sistema Número promedio de clientes en la cola Número promedio de llegadas por unidad de tiempo Tiempo promedio en la cola E L q s Wq
26 Modelo M/M/1 L L q 2 ( ) W 1 W q ( ) P ( 1 n ) n P( L n ) n1 P(W t ) e ( 1 )t P(W q t ) e ( 1 )t t 0, 1 Tasa deutilización
27 Ejemplo Práctico Manolo Jiménez, está preocupado por el desempeño de su negocio un taller automotriz. Para ver qué puede hacer para resolver el problema, le pide ayuda a un experto en teoría de colas. Después de una primera toma de tiempos se obtiene la siguiente información: Las llegadas al taller se producen de forma aleatoria, según una distribución Poisson de media 4 llegadas al día (1 día = 8 horas de jornada laboral). La tasa de atención a clientes es 1,75 clientes por hora Se cuenta con un solo equipo para reparar los automóviles. Además del vehículo que está reparando, sólo caben 3 más en el taller. Si llegan más, debe estacionarlos en la vía pública, con el consiguiente deterioro en la calidad de servicio. Los vehículos se retiran del taller inmediatamente después de ser reparados.
28 Ejemplo Práctico Con estos datos, se solicita un análisis inicial de la situación. a) Qué fracción de tiempo estará el taller en funcionamiento? 0. 5 La fraccion de tiempo en funcionamiento % b) Cuál es el número promedio de clientes en espera de reparación de su vehículo? Numero de clientes en cola L q 0 2 c) Cuál es el número promedio de vehículos esperando a ser reparados (incluye el que está siendo atendido)? 1 Numero de clientes en el sistema L Lq / ( ) ( )
29 Ejemplo Práctico d) Cuál es la probabilidad de que deban estacionarse vehículos en la calle? Es la probabilidad P(2)- P(x 4) 1 P(0)- P(1)- de que haya cuatro o mas P(3)- P(4) X10 clientes en el sistema e) Cuánto tiempo transcurrirá, por término medio, desde que el vehículo llega al taller hasta que se acaba la reparación? Tiempo promedio en el sistema W f) Cuánto tiempo transcurrirá, en promedio, desde que el vehículo llega al taller hasta que comienza la reparación? Tiempo promedio en colaw q Lq
30 Modelo M/M/1: ejemplo Un lavadero de carros puede atender un auto cada 5 minutos y la tasa media de llegadas es de 9 autos por hora. Obtenga las medidas de desempeño de acuerdo con el modelo M/M/1. Además la probabilidad de tener 0 clientes en el sistema, la probabilidad de tener una cola de más de 3 clientes y la probabilidad de esperar más de 30 min. en la cola y en el sistema.
31 9, 12, L 3clientes 1 W 0. 33hr P 0 ( 1 ) 0. P( L 3) Modelo M/M/1: ejemplo L 2. clientes q ( ) 25 W q 0. 25hrs ( ) También equivale a P(W 30 ( 1 )t 12( ) / 60 ) e e P(W q 12( ) 30 ( 1 )t / 60 ) e e
32 Modelo M/M/1: ejercicio A un supermercado llegan en promedio 16 clientes por hora que son atendidos por una caja. La caja puede atender en promedio a un cliente cada 3 minutos Obtenga las medidas de desempeño de acuerdo con el modelo M/M/1 Además la probabilidad de tener 2 clientes en el sistema, la probabilidad de tener una cola de más de 4 clientes y la probabilidad de esperar más de 10 min. en la cola
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 detallesUNIVERSIDAD 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 detallesS = N λ = 5 5 = 1 hora.
Teoría de Colas / Investigación Operativa 1 PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 5 1. Al supercomputador de un centro de cálculo llegan usuarios según un proceso de Poisson de tasa 5 usuarios cada
Más detallesDEPARTAMENTO DE CIENCIAS BASICAS AREA DE MATEMATICAS INVESTIGACION DE OPERACIONES
DEPARTAMENTO DE CIENCIAS BASICAS AREA DE MATEMATICAS INVESTIGACION DE OPERACIONES AUTOR: TEMA: OSCAR A. ROMERO CARDENAS INGENIERO INDUSTRIAL ESPECIALISTA EN INFORMATICA Y MULTIMEDIA ESPECIALISTA EN ESTADISTICA
Más 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 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 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 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 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 detallesV Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI-NORTE INVESTIGACIÓN DE OPERACIONES II INGENIERIA INDUSTRIAL E INGENIERIA DE SISTEMAS V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas Maestro
Más 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 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 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 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 detallesTeoría 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 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 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 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 detallesINSTITUTO TECNOLÓGICO DE NUEVO LEÓN. Práctica #4 Líneas de espera
Práctica #4 Líneas de espera Objetivo: Optimizar la operación de los servicios y la manufactura utilizando modelos de líneas de espera. Introducción: El sistema de líneas de espera, es el más conocido
Más 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 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 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 detallesDEPARTAMENTO DE INGENIERÍA INDUSTRIAL MANUAL DE INVESTIGACION DE OPERACIONES II. Autores: Barbara Rodriguez Morera Dr. C. Fernando Marrero Delgado
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL MANUAL DE INVESTIGACION DE OPERACIONES II Autores: Barbara Rodriguez Morera Dr. C. Fernando Marrero Delgado Santa Clara, 0 A: Mis padres por el apoyo que me han brindado
Más 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 detallesNotas de Clase de: Investigación de Operaciones
Notas de Clase de: Investigación de Operaciones Víctor Leiva Departamento de Estadística Universidad de Valparaíso, Chile victor.leiva@uv.cl www.deuv.cl/leiva Índice general 1. Programa de la Asignatura
Más 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 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 detalles-80- El siguiente análisis definirá un modelo para determinar el nivel de servicio de estas operaciones (14).
^. - - -^a»'-" l- ^.'.^'^'.'.-;.T'".. ' -^~'* :^'^.'J3aB,!.'-".'-Wii.T"-P7 -H!- aj,_i^whh-1. i'^r-'^r--" -80- IX. PLANIFICACIÓN DE OPERACIONES TERMINALES EN LA CADENA DE TRANSPORTE FORESTAL. Según se ha
Más detallesAmbas componentes del sistema tienen costos asociados que deben de considerarse.
1. Introducción. En este trabajo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares
Más detalles1. OBJETO Y MOTIVACIÓN de los SISTEMAS de ESPERA. Ejemplos.
Sesión 3.a TEORIA DE COLAS INTRODUCCIÓN y PROPIEDADES BÁSICAS 1. OBJETO Y MOTIVACIÓN de los SISTEMAS de ESPERA. Ejemplos. 2. ESTRUCTURA DE LOS S.E. Características de los componentes. Proceso de llegadas
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 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 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 detallesEJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB
EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB PROBLEMA 1. El Banco Nacional de Occidente piensa abrir una ventanilla de servicio en automóvil para servicio a los clientes. La gerencia estima que los
Más detallesSISTEMA DE ADMINISTRACIÓN DE FILAS CONVIERTA EL TIEMPO DE ESPERA DE SUS CLIENTES EN UN MAYOR TIEMPO DE COMPRA.
SISTEMA DE ADMINISTRACIÓN DE FILAS CONVIERTA EL TIEMPO DE ESPERA DE SUS CLIENTES EN UN MAYOR TIEMPO DE COMPRA. Obtenga beneficios mediante la administración del tiempo de espera de sus clientes. Usted
Más 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 detallesTeoría 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 detallesTema 5: Teoría de colas. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga
Tema 5: Teoría de colas Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario Conceptos básicos Cola M M Cola M M c Cola M M k Redes de colas Redes de
Más 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 detallesACTIVIDAD DE APRENDIZAJE
ACTIVIDAD DE APRENDIZAJE Sigla Curso MAT330 Nombre Curso Cálculo I Créditos 10 Hrs. Semestrales Totales 5 Requisitos MAT200 o MAT2001 Fecha Actualización Escuela o Programa Transversal Programa de Matemática
Más detallesPROBLEMAS 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 detallesPROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.
PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta
Más detallesAnálisis 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 detallesMANUAL DE PROCEDIMIENTO BODEGA CENTRAL
MANUAL DE PROCEDIMIENTO BODEGA CENTRAL ÍNDICE INTRODUCCIÓN.........3 OBJETIVOS......3 2 DEFINICIONES.. 3 ALCANCE......3 NORMATIVA. 3 DESCRIPCIÓN PROCEDIMIENTO ENTRADA......4 DIAGRAMA DE FLUJO DEL PROCEDIMIENTO....
Más detallesJorge 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 detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesPamplona, noviembre de Ing. M.Sc. José Manuel Ramírez Quintero
Pamplona, noviembre de 2014 Ing. M.Sc. José Manuel Ramírez Quintero Introducción El modelo integral CMD, siglas de (Confiabilidad, Mantenibilidad y Disponibilidad), es una herramienta útil para la predicción
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 detallesLíneas de espera. Introducción.
Líneas de espera. Introducción. En este capítulo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas
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 detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesTEORÍA DE COLAS. Mecanismo de Servicio Aeropuerto Pasajeros Sala de espera Avión Dpto. de bomberos Compañía telefónica
TEORÍA DE COLAS INTRODUCCIÓN El origen de la Teoría de Colas está en el esfuerzo de Agner Krarup Erlang (Dinamarca, 1878-1929) en 1909 para analizar la congestión de tráfico telefónico con el objetivo
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 detallesEl término productividad, con frecuencia, se confunde con el término producción. Muchas
RESUMEN El término productividad, con frecuencia, se confunde con el término producción. Muchas personas piensan que a mayor producción más productividad, pero esto no es necesariamente cierto. Producción
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 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 detallesDIFERENCIA, VENTAJAS Y DESVENTAJAS DE INSTRUMENTOS ANALÓGICOS Y DIGITALES
DIFERENCIA, VENTAJAS Y DESVENTAJAS DE INSTRUMENTOS ANALÓGICOS Y DIGITALES En general los parámetros que caracterizan un fenómeno pueden clasificarse en Analógicos y Digitales, se dice que un parámetro
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 011-01 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas
Más detallesGESTIÓN DE INVENTARIOS
GESTIÓN DE Septiembre 2011 1 Generalidades 2 1 - Qué son los inventarios? Materias Primas. Partes y Piezas. Insumos y Herramientas de Producción. Insumos y Materiales de Oficina. Trabajos en Proceso. Productos
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 detallesCPU MEMORIAS CACHE. Memorias caché. Memoria caché = memoria de tamaño pequeño y acceso rápido situada entre la CPU y la memoria principal.
MEMORIAS CACHE Memoria caché = memoria de tamaño pequeño y acceso rápido situada entre la CPU y la memoria principal. Tiempo ciclo memoria > tiempo de ciclo del procesador la CPU debe esperar a la memoria
Más detalles2 Teoría de colas o líneas de espera
2 Teoría de colas o líneas de espera El tráfico en redes se puede modelar con la ayuda de la teoría de colas, es por ello ue es importante estudiarlas y comprenderlas. Existen varias definiciones sobre
Más detallesTeoría de Colas o Fenómenos de Espera
Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................
Más detallesMODELADO Y SIMULACIÓN. Febrero de 2014 - Primera semana
Febrero de 2014 - Primera semana PREGUNTA 1 (3 puntos) Se pretende estudiar mediante simulación el funcionamiento de una fábrica dedicada a la manufactura de piezas decorativas. La manufactura de las piezas
Más detallesSistemas Operativos. Dr. Luis Gerardo de la Fraga. Departamento de Computación Cinvestav
Sistemas Operativos Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx http://cs.cinvestav.mx/~fraga Departamento de Computación Cinvestav 12 de junio de 2015 Dr. Luis Gerardo de la Fraga Cinvestav,
Más detallesUNIDAD 9. DATOS COMPLEJOS PILAS
UNI 9. TOS OMPLEJOS PILS Una pila es una lista de elementos en la que se pueden insertar y eliminar elementos sólo por uno de los extremos. omo consecuencia, los elementos de una pila serán eliminados
Más detallesControl 1 IN44A, Viernes 6 de Septiembre de 2002
DEPARTAMENTO DE INGENIERIA INDUSTRIAL Curso: IN44A - Investigación Operativa Facultad de Cs. Físicas y Matemáticas Sem.: Primavera 00 UNIVERSIDAD DE CHILE Prof: A. Barrientos, A. Sauré, N. Yanković. P.
Más detalles2. EL PLAN CONTABLE. Un PLAN DE CONTABILIDAD es el conjunto de cuentas que la empresa utiliza.
2. EL PLAN CONTABLE 2.1 QUE ES EL PLAN CONTABLE Un PLAN DE CONTABILIDAD es el conjunto de cuentas que la empresa utiliza. Para elaborar un PLAN DE CONTABILIDAD se hace una relación de todas las cosas que
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 detallesResolución de Nombres de Dominio, creación de los mismos y Empresas proveedoras de servicios de internet.
Resolución de Nombres de Dominio, creación de los mismos y Empresas proveedoras de servicios de internet. En redes de datos, los dispositivos son rotulados con direcciones IP numéricas para que puedan
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 detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesTécnicas de modelado. Problemas adicionales
Técnicas de modelado Clase nro. 10 CURSO 2010 Problemas adicionales Los ejemplos discutidos hasta ahora contienen simplificaciones que son difíciles de encontrar en sistemas de cierta complejidad. Vimos
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
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 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 detallesGestión de Procesos en la Gestión de la Calidad. Ing. Gustavo Jara Rivas UDEP
Gestión de Procesos en la Gestión de la Calidad Ing. Gustavo Jara Rivas UDEP Cómo hacemos las cosas? IMPROVISACIÓN No ayuda a aprender. PROCESOS Repetitivos; requieren un propietario. PROYECTO Su objetivo
Más detallesPrueba, caso de prueba, defecto, falla, error, verificación, validación.
Modelos de Prueba Prueba, caso de prueba, defecto, falla, error, verificación, validación. Prueba: Las Pruebas son básicamente un conjunto de actividades dentro del desarrollo de software, es una investigación
Más detallesTABLA DE CONTENIDO PROCEDIMIENTO TEMPORAL ESTRUCTURA PREAPERTURA DE CUENTAS DE DEPÓSITO DE ACCIONES INTEGRALES (TIPO KA)
TABLA DE CONTENIDO 1.1 NOMENCLATURA PARA EL NOMBRE DEL ARCHIVO... 3 1.2 FORMA DE PROCESAR LA PREAPERTURA DE CUENTAS... 4 1.3 DISEÑO DE LA ESTRUCTURA DEL ARCHIVO DE ENTRADA... 5 1.3.1 Registro Tipo 1...
Más detallesNombre de la asignatura: Investigación de Operaciones II. Créditos: Aportación al perfil
Nombre de la asignatura: Investigación de Operaciones II Créditos: 2-2-4 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes
Más detallesMÉTODO DEL DUAL (TEORIA DE DUALIDAD)
MÉTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programación lineal tiene asociado con él otro problema de programación lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado
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 detallesACTIVIDAD DE APRENDIZAJE
ACTIVIDAD DE APRENDIZAJE Sigla Curso MAT33 Nombre Curso Cálculo I Créditos 1 Hrs. Semestrales Totales 5 Requisitos MAT o MAT1 Fecha Actualización Escuela o Programa Transversal Programa de Matemática Currículum
Más detalles2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K
CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula
Más detallesColegio Portocarrero. Curso Departamento de matemáticas. Análisis. (Límites/Asíntotas/Continuidad/Derivadas/Aplicaciones de las derivadas)
Análisis (Límites/Asíntotas/Continuidad/Derivadas/Aplicaciones de las derivadas) Problema 1: Sea la función Determina: a) El dominio de definición. b) Las asíntotas si existen. c) El o los intervalos de
Más detallesPROBLEMAS 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 detallesRequerimientos de Software
Requerimientos de Software Ingeniería de Requerimientos Se define como el proceso de establecer los servicios que el consumidor requiere de un sistema y las restricciones sobre las cuales de funcionar
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
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 detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesPauta Clase Auxiliar: Indicadores
IN4301 Análisis y Matemáticas Financieras Profesores: Sigfried Cobian-Michael Jorratt Claudio Jiménez Profesor Auxiliar: Angélica Gatica Ricardo Mascaró Nicolás Cisternas Pauta Clase Auxiliar: Indicadores
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 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 detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesGestión de Inventarios. Introducción
Gestión de Inventarios Introducción Stocks, existencias, inventarios Se entiende por stock a un conjunto de artículos que se tienen almacenados para su venta o utilización posterior La gestión de stocks
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detallesLINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2.
LECTURA 6.2 SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México CAPITULO 2 LINEAS DE ESPERA 2.1 INTRODUCCIÓN Una línea de espera es el efecto resultante en un sistema
Más detalles