EJERCICIOS DE SIMULACION MONTECARLO

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

Download "EJERCICIOS DE SIMULACION MONTECARLO"

Transcripción

1 EJERCICIOS DE SIMULACION MONTECARLO Aplicaciones a los Costos y a las Finanzas 11 de julio de 2008

2 El analisis de riesgo es el proceso de predecir el resultado de una decision frente a la incertidumbre. El siguiente ejercico presenta una gran incertidumbre. Se trata de decidir si se introduce o no un nuevo producto en el mercado. Existen una gran cantidad de factores cuyo resultado no es conocido pero que nos llenan de dudas sobre la viabilidad de este proyecto.

3 EJERCICIO 1 PROYECTO PORTA COM SIMULACION MONTECARLO Porta Com fabrica computadores personales y periféricos; el grupo de diseño de productos de Porta com elaboro un prototipo para una impresora portatil de alta calidad;la nueva impresora presena un diseño innovador y el potencial de captar una porcion significativa del mercado de las impresoras portatiles. Los analisis financieros y de mercadeo preliminares proporcionan los siguientes datos: Precio de venta $249 por unidad Costo Administrativo $ por año Costo de Publicidad $ por año En el modelo de simulación de Porta com los valores anteriores son constantes y se conocen como parámetros del modelo

4 cont. SIMULACION MONTECARLO El costo de mano de obra directa,el costo de las partes y la demanda anual para la impresora no se conocen con certeza y se consideran entradas probabilísticas. En esta etapa del proceso de simulacioń, las mejores estimaciones de Porta com para estas entradas son de $ 45 por unidad para la mano de obra, $ 90 por unidad para el costo de las partes y unidades demandadas para el primer año. Porta com quiere un analisis de la utilidad potencial de la impresora para el primer año.con relacioón a las entradas probabilísticas se sabe que: Costo de la mano de obra: Porta com supone que el costo de la mano de obra directa varia entre $43 y $47 por impresora y se describe con la funcón de probabilidad discreta empírica que se muestra en la siguiente tabla:

5 Costo de mano de obra directa ($)Costo por unidad Probabilidad

6 Costo de las partes SIMULACION MONTECARLO Este costo depende de la economía en general, la demanda total de las partes y la política de los precios de los proveedores de partes para la impresora. Portacom cree que el costo de las partes variará entre $80 y $100 por unidad. Éste se describe con la distribución de probabilidad uniforme dada en la siguiente tabla: ($)Costo por unidad Probabilidad

7 Demanda para el primer año. Portacom supone que la demanda para el primer año se describe con una distribución de probabilidad normal con una demanda esperada para el primer año de impresoras y una desviación estándar de 4500 impresoras. Encuentre: El costo de mano de obra esperado para la impresora de Portacom La varianza y la desviación estandar para el precio de mano de obra. La probabilidad que en un año elegido al azar el costo de mano de obra sea de al menos $45 y menos de $50 por impresora. La probabilidad que en un año elegido al azar el costo de mano de obra sea de al menos $45 por impresora.

8 1 Genere valores para el costo de mano de obra en los próximos 50 años Hacer un análisis estadístico de estos costos generados. Hallar la probabilidad que en los próximos 50 años los costos de mano de obra de la impresora sean de más de $46 y menos de $49 Construya la función de utilidad anual para Portacom.Determine la probabilidad de pérdida en las próximos 10 años. Que pasaría si el precio de venta de la impresora se disminuye en $5 por unidad. 1 Hay hombres que luchan un día y son buenos. Hay otros que luchan un año y son mejores. Hay quienes luchan muchos años, y son muy buenos. Pero hay los que luchan toda la vida, esos son los imprescindibles. Bertolt Brech

9

Introducción a la Simulación

Introducción a la Simulación Diplomado en Planeación y Dirección de Operaciones Módulo 1 Tema: Introducción a la Simulación y Dr. Sergio Romero Hernández 1/24 Introducción Simulación Análisis de Decisiones Bajo Riesgo Modelos de Simulación

Más detalles

SIMULACIÓN. Operaciones

SIMULACIÓN. Operaciones SIMULACIÓN M. En C. Eduardo Bustos Farías 1 La simulación es uno de los procedimientos cuantitativos más ampliamente utilizados en la toma de decisiones. Sirve para aprender lo relacionado con un sistema

Más detalles

El riesgo en los proyectos

El riesgo en los proyectos El riesgo en los proyectos por Gabriel Pruneda El riesgo de un proyecto se define como la posibilidad de tener diferencias o bien, variabilidad, entre los flujos de cajas reales respecto a los flujos estimados.

Más detalles

Análisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Análisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Análisis Estadístico en Simulaciones UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En una simulación las variables aleatorias son la entrada para

Más detalles

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación

Más detalles

Ms. C. Marco Vinicio Rodríguez

Ms. C. Marco Vinicio Rodríguez Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:

Más detalles

Villa Universitaria, febrero, 2014

Villa Universitaria, febrero, 2014 Universidad de los Andes Núcleo Universitario Rafael Rangel Dpto. de Ciencias Económicas, Administrativas y Contables Área de Finanzas Finanzas II Prof. Angel Alexander Higuerey Gómez Email: finanzas.a2013@gmail.com

Más detalles

Modelos de PERT/CPM: Probabilístico

Modelos de PERT/CPM: Probabilístico INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 La distribución de tiempo que supone el PERT para una actividad es una distribución

Más detalles

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9) PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12

Más detalles

ESTIMACION INFERENCIA ESTADISTICA

ESTIMACION INFERENCIA ESTADISTICA P M INFERENCIA ESTADISTICA Desde nuestro punto de vista, el objetivo es expresar, en términos probabilísticos, la incertidumbre de una información relativa a la población obtenida mediante la información

Más detalles

INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA A LA INGENIERÍA

INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA A LA INGENIERÍA INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA A LA INGENIERÍA UNIDADES DE APRENDIZAJE 1. Competencias Desarrollar e innovar sistemas de manufactura a través de

Más detalles

CURSO: ANALISIS ESTADISTICO DE RIESGOS

CURSO: ANALISIS ESTADISTICO DE RIESGOS MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar

Más detalles

Tema 5: Modelos probabilísticos

Tema 5: Modelos probabilísticos Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

MÓDULO I. TEORÍA DE LA PROBABILIDAD

MÓDULO I. TEORÍA DE LA PROBABILIDAD UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:

Más detalles

Especialidad en Preparación y Evaluación de Proyectos

Especialidad en Preparación y Evaluación de Proyectos Especialidad en Preparación y Evaluación de Proyectos TEMARIO FASE TEÓRICA 1. Análisis contable para la evaluación de proyectos Proporcionar a los participantes las habilidades y capacidades para aplicar

Más detalles

Variables Aleatorias y Principios de Simulación.

Variables Aleatorias y Principios de Simulación. Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos

Más detalles

Modelos de PERT/CPM: Probabilístico

Modelos de PERT/CPM: Probabilístico INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,

Más detalles

TALLER 1 ESTADISTICA II

TALLER 1 ESTADISTICA II TALLER 1 ESTADISTICA II Profesor: Giovany Babativa Distribuciones Muestrales 1. Suponga que la variable aleatoria Z sigue una distribución normal estándar, Halle: a. P (Z < 1,2) b. P (Z > 1,2) c. P ( 1,7

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva 1 Sesión No. 11 Nombre: Medidas de dispersión Contextualización En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión, además

Más detalles

Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved

Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Unidad 4 Distribuciones muestrales de probabilidad Prof. Héctor Ulises Cobián L. ulises.cobian@itcolima.edu.mx elcampanariodelasmatematicas.wordpress.com April 14, 2016 1 Razones

Más detalles

INDICE Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 2. Cálculos que implica interés

INDICE Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 2. Cálculos que implica interés INDICE Prefacio XIX Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 1 1.1. Reconocimiento de una oportunidad o problema 1 1.2. Análisis de sistemas

Más detalles

FINANCIEROS MODELOS. Programa de la Materia FINANCIEROS 05/08/2013. Daniel Semyraz. Unidad 3 ADMINISTRACIÓN DEL RIESGO

FINANCIEROS MODELOS. Programa de la Materia FINANCIEROS 05/08/2013. Daniel Semyraz. Unidad 3 ADMINISTRACIÓN DEL RIESGO Daniel Semyraz Licenciado en Economía - Magíster en Dirección de Empresas Bea tri z Ga l i nd o 1817 - Bº Va l l e d el C erro - X5009KMG C órd ob a T.E.: ++54 +351 4823040 / ++54 +9351 (15)6603185 - e-mail:

Más detalles

PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA ASIGNATURA

PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA ASIGNATURA PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO CICLO BÁSICO DE INGENIERÍA SEMESTRE ASIGNATURA 3er. PROBABILIDAD Y ESTADÍSTICA CÓDIGO HORAS

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más detalles

Análisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo. Francisco Malca Cuéllar

Análisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo. Francisco Malca Cuéllar Análisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo Francisco Malca Cuéllar Acerca del Autor Francisco Malca Cuéllar es responsable de los proyectos de inversión a nivel nacional

Más detalles

TEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS

TEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS TEMA 12 RIESGO E INCERTIDUMBRE EN PROYECTOS MINEROS 1 Riesgo e incertidumbre en proyectos mineros Cuantificación de factores de riesgo e incertidumbre Análisis Probabilístico La necesidad surge porque

Más detalles

Dirección Financiera II Universidad de León. Curso

Dirección Financiera II Universidad de León. Curso Dirección Financiera II Universidad de León. Curso 2013-2014 Isabel Feito Ruiz (ifeir@unileon.es) 1 Índice de Contenidos Bloque I: La Decisión de Inversión en Ambiente de Racionamiento y de Riesgo Tema

Más detalles

simular la evolución de un portafolio de inversión Alejandro Bianchi,CFA

simular la evolución de un portafolio de inversión Alejandro Bianchi,CFA Simulación de Montecarlo La simulación de montecarlo aplicada a un caso de la vida real para simular la evolución de un portafolio de inversión Alejandro Bianchi,CFA abianchi@ahorraronline.com Bullet Points

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Primer Semestre. EstadísTICa Curso Primero Graduado en Geomática y Topografía Escuela Técnica Superior de Ingenieros en Topografía, Geodesia y Cartografía. Universidad Politécnica

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

INTERVALOS 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 detalles

Procesamiento digital de señales Semana 1. Introducción (segunda parte)

Procesamiento digital de señales Semana 1. Introducción (segunda parte) Procesamiento digital de señales Semana 1. Introducción (segunda parte) Dra. María del Pilar Gómez Gil Otoño 2017 Coordinación de computación Versión: 28 de Agosto 2017 INAOE (c) P.Gómez Gil, INAOE 2017

Más detalles

Estimaciones puntuales. Estadística II

Estimaciones puntuales. Estadística II Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un

Más detalles

GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS

GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial

Más detalles

OPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla:

OPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla: Bloque III Solucionario Actividades de síntesis: Estadística y probabilidad OPCIÓN A A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en

Más detalles

CAPÍTULO 2-1 DESCRIPCIÓN E INDUCCIÓN ESTADÍSTICAS EN CIENCIAS SOCIALES 82

CAPÍTULO 2-1 DESCRIPCIÓN E INDUCCIÓN ESTADÍSTICAS EN CIENCIAS SOCIALES 82 CAPÍTULO 2-1 DESCRIPCIÓN E INDUCCIÓN ESTADÍSTICAS EN CIENCIAS SOCIALES 82 La estadística es esencialmente una colección de métodos matemáticos para procesar datos con el fin de resumir o bien generalizar

Más detalles

PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN

PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL SOLUCIÓN Usando las frecuencias relativas, se tiene: b) La

Más detalles

Temario-Guía de Probabilidad y Estadística

Temario-Guía de Probabilidad y Estadística Temario-Guía de Probabilidad y Estadística 2018 TEMAIO DE ESTUDIO PAA LA ASIGNATUA ESTADÍSTICA Y POBABILIDAD I UNIDAD I: LOS POCESOS ALEATOIOS CONOCIMIENTO DEL FENÓMENO ALEATOIO LOS TEMAS QUE DEBES ESTUDIA

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15

Más detalles

Estadística /Química 2004

Estadística /Química 2004 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:

Más detalles

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o

Más detalles

Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central

Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Objetivos: Al terminar este capítulo podrá: 1. Explicar por qué una muestra es la única forma posible de tener conocimientos acerca de una

Más detalles

PROGRAMA ANALÍTICO DE ASIGNATURA

PROGRAMA ANALÍTICO DE ASIGNATURA UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO COORDINACIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA ANALÍTICO DE ASIGNATURA 1.- DATOS GENERALES 1.1 INSTITUTO: Instituto de Ciencias

Más detalles

Tema 6 Algunas distribuciones importantes Hugo S. Salinas

Tema 6 Algunas distribuciones importantes Hugo S. Salinas Algunas distribuciones importantes Hugo S. Salinas 1 Distribución binomial Se han estudiado numerosas distribuciones de probabilidad que modelan características asociadas a fenómenos que se presentan frecuentemente

Más detalles

Tema 4: Modelos probabilísticos

Tema 4: Modelos probabilísticos Tema 4: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

Más detalles

Tema 6: Modelos probabilísticos

Tema 6: Modelos probabilísticos Tema 6: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable

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

MANUAL DE USO PROGRAMA SENSIBAR

MANUAL DE USO PROGRAMA SENSIBAR MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1) PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad { 0,75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:

Más detalles

MODELOS DE INVESTIGACION DE OPERACIONES

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

Más detalles

UNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas

UNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas CURSO: PROBABILIDAD Y ESTADÍSTICA 1 SEMESTRE: V 2 CÓDIGO: 602504 3 COMPONENTE: 4 CICLO: 5 ÁREA: Profesional 6 FECHA DE APROBACIÓN: 7 NATURALEZA: 8 CARÁCTER: Obligatorio 9 CRÉDITOS (RELACIÓN): 3 (1-1) 10

Más detalles

GUÍA DOCENTE DIRECCION FINANCIERA I GRADO EN ADMINISTRACION Y DIRECCION DE EMPRESAS CURSO IEB Página 1

GUÍA DOCENTE DIRECCION FINANCIERA I GRADO EN ADMINISTRACION Y DIRECCION DE EMPRESAS CURSO IEB Página 1 GUÍA DOCENTE DIRECCION FINANCIERA I GRADO EN ADMINISTRACION Y DIRECCION DE EMPRESAS CURSO 2017-18 IEB Página 1 I. Identificación de la Asignatura Tipo OBLIGATORIA Período de Impartición 3 Curso, 1 Semestre

Más detalles

ÍNDICE. Prefacio... xi

ÍNDICE. Prefacio... xi ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple

Más detalles

UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD

UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.

Más detalles

Escuela de Estadística, Facultad de Ciencias Económicas, Universidad de Costa Rica

Escuela de Estadística, Facultad de Ciencias Económicas, Universidad de Costa Rica Escuela de Estadística, Facultad de Ciencias Económicas, Universidad de Costa Rica Curso: XS-2310 Modelos Probabilísticos Discretos I Ciclo Lectivo 2017 Profesor José Andrey Zamora A (Grupo 1) Horas de

Más detalles

Metodología de Simulación por Computadora

Metodología de Simulación por Computadora SIMULACIÓN Metodología de Simulación por Computadora Clasificación del sistema 1. Sistemas de eventos discretos. Los estados del sistema cambian sólo en ciertos puntos del tiempo. Por ejemplo, si se observa

Más detalles

Diplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid

Diplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid Diplomado en Estadística Aplicada Coordinador Académico: Dr. Rubén Hernández Cid Brindar al alumno los conocimientos y las habilidades que le permitan contar con un panorama tanto teórico como de aplicación

Más detalles

Escuela de Estadística, Facultad de Ciencias Económicas, Universidad de Costa Rica

Escuela de Estadística, Facultad de Ciencias Económicas, Universidad de Costa Rica Escuela de Estadística, Facultad de Ciencias Económicas, Universidad de Costa Rica Curso: XS-2310 Modelos Probabilísticos Discretos I Ciclo Lectivo 2018 Profesor Horario del curso: Horas de consulta: José

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre (s)

NOMBRE Apellido Paterno Apellido Materno Nombre (s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIONES

Más detalles

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO

CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD

Más detalles

Examen Final A Total puntos: /100. Buena suerte y éxito! Utilice la siguiente información para responder a las preguntas 1 al 5.

Examen Final A Total puntos: /100. Buena suerte y éxito! Utilice la siguiente información para responder a las preguntas 1 al 5. Universidad de Puerto Rico, Recinto de Río Piedras Instituto de Estadística y Sistemas Computarizados de Información Estadísticas para administración de empresas (ESTA 3041) Nombre: Número de estudiante:

Más detalles

DISTRIBUCION JI-CUADRADA (X 2 )

DISTRIBUCION JI-CUADRADA (X 2 ) DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra

Más detalles

incertidumbre y riesgo Begoña Vitoriano Villanueva

incertidumbre y riesgo Begoña Vitoriano Villanueva Teoría de la Decisión: Decisión con incertidumbre y riesgo Begoña Vitoriano Villanueva Teoría de la decisión: Introducción Decisión: elegir lo mejor entre lo posible Definir lo mejor y lo posible Lo mejor:

Más detalles

MATEMÁTICAS II MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II ESTÁNDARES DE APRENDIZAJE AL BLOQUE

MATEMÁTICAS II MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II ESTÁNDARES DE APRENDIZAJE AL BLOQUE MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II BLOQUES DE CONTENIDO PORCENTAJE ASIGNADO AL BLOQUE ESTÁNDARES DE APRENDIZAJE Bloque 1. Procesos, métodos y actitudes en matemáticas. 30 % Expresa

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando Excel

Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando Excel Azofeifa, Carlos E. Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando Excel Tecnología en Marcha. Vol. 17 N 1. Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando

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

SECUENCIA DIDÁCTICA. Módulo

SECUENCIA DIDÁCTICA. Módulo SECUENCIA DIDÁCTICA Nombre de curso: Estadística Antecedente: Matemáticas Básicas Módulo Clave de curso: MAT1002A21 Clave de antecedente: MAT0101A11 Competencia de Módulo: Detectar oportunidades de negocios,

Más detalles

Distribución de Probabilidad

Distribución de Probabilidad Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.

Más detalles

UNIVERSIDAD DE ATACAMA INSTITUTO TECNOLÓGICO

UNIVERSIDAD DE ATACAMA INSTITUTO TECNOLÓGICO UNIVERSIDAD DE ATACAMA INSTITUTO TECNOLÓGICO GUÍA DE PROBABILIDADES Segundo año Construcción Civil Segundo Semestre 2009 1. Al rodar una vez un dado, encuentre la probabilidad de los siguientes sucesos:

Más detalles

CALENDARIZACIÓN DE ACTIVIDADES MODALIDAD GENTE QUE TRABAJA

CALENDARIZACIÓN DE ACTIVIDADES MODALIDAD GENTE QUE TRABAJA Asignatura de: Probabilidad y Estadística Unidad I Resultado de Aprendizaje de la unidad capaz de interpretar los resultados utilizando los conceptos básicos de la estadística, las distribuciones unidimensionales

Más detalles

Simulación INC SATCA 1 : Carrera:

Simulación INC SATCA 1 : Carrera: Datos Generales de la asignatura. Nombre de la asignatura: Clave de la asignatura: SATCA 1 : Carrera: Simulación INC-1027 2-2-4 Ingeniería Industrial Presentación. Esta asignatura aporta al perfil profesional

Más detalles

ASPECTOS DEL PERFIL PROFESIONAL QUE APOYA LA ASIGNATURA

ASPECTOS DEL PERFIL PROFESIONAL QUE APOYA LA ASIGNATURA I. DATOS GENERALES UNIVERSIDAD RICARDO PALMA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES ESCUELA ACADÉMICO PROFESIONAL DE ADMINISTRACIÓN Y GERENCIA SILABO 1.1 Curso : ESTADISTICA APLICADA 1.2 Código

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 1. Sea X una v.a. con función de densidad ½ 0.75 (1 x f X (x) = 2 ) 1 x 1 0 en otro caso. a) Verificar que f X es realmente una función de densidad. b) Calcular:

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la

Más detalles

Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS

Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS NUMEROS ALEATORIOS Los números random son un elemento básico en la simulación de la mayoría de los sistemas discretos.

Más detalles

TEMA 6. Distribuciones

TEMA 6. Distribuciones TEMA 6. Distribuciones Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 6. Distribuciones 1 / 16 Probabilidad= Distribución= Distribución de Probabilidad Cuando queremos conocer

Más detalles

Guía de asignatura. Información general PROBABILIDAD. Cálculo II. Asignatura. Código Tipo de asignatura Obligatoria X Electiva

Guía de asignatura. Información general PROBABILIDAD. Cálculo II. Asignatura. Código Tipo de asignatura Obligatoria X Electiva Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura PROBABILIDAD Código 73210012 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos 4 Tipo de

Más detalles

Tipo Concepto Fórmula Ejemplo Considera el número de elementos igualmente posibles.

Tipo Concepto Fórmula Ejemplo Considera el número de elementos igualmente posibles. Subjetiva Frecuencial Clásica Tipo Concepto Fórmula Ejemplo Considera el número de elementos igualmente posibles. Considera un experimento que se realiza n veces bajo las mismas condiciones. Es el grado

Más detalles

UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA

UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:

Más detalles

UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN TÉCNICAS DE ESTADÍSTICA MOTIVANTE

UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN TÉCNICAS DE ESTADÍSTICA MOTIVANTE UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN TÉCNICAS DE ESTADÍSTICA MOTIVANTE Clave: 856 Horas por semana: 5 Licenciatura: ADMINISTRACIÓN FINANCIERA Horas por semestre: 90

Más detalles

DISTRIBUCIONES MUESTRALES

DISTRIBUCIONES MUESTRALES DISTRIBUCIONES MUESTRALES Cuál es la finalidad de las distribuciones muéstrales y del método del muestreo como herramientas básicas de la estadística y qué aplicabilidad tienen en la vida cotidiana? Siendo

Más detalles

Tema 6: Introducción a la inferencia estadística Parte 1

Tema 6: Introducción a la inferencia estadística Parte 1 Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:

Más detalles

Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11

Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como

Más detalles

INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017

INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017

Más detalles

EJERCICIOS VARIABLES ALEATORIAS

EJERCICIOS VARIABLES ALEATORIAS EJERCICIOS VARIABLES ALEATORIAS 1.- Tenemos dos urnas, en la urna A hay 5 bolas blancas y 4 rojas y en la B hay 6 blancas y 3 rojas. Se sacan, sin reemplazamiento, dos bolas de cada urna. Sea X el nº de

Más detalles

2 p = 0,3 k = 2 La probabilidad de que 2 pasen es 32,41%

2 p = 0,3 k = 2 La probabilidad de que 2 pasen es 32,41% SEGUNDO BIMESTRE ACTIVIDAD DE APRENDIZAJE III 1. La probabilidad de que un bachiller pase sus exámenes de ingreso es de 0,3. Determinar la probabilidad de que de 6 estudiantes pasen dichos exámenes. n

Más detalles

ELEMENTOS DE ESTADÍSTICA (0260)

ELEMENTOS DE ESTADÍSTICA (0260) ELEMENTOS DE ESTADÍSTICA (6) Tema. Variable aleatoria en una dimensión Enero 7. La unción de probabilidad de la variable aleatoria discreta N viene dada por N n p (n) = K.r, n =,,.... Calcule el valor

Más detalles

Funciones de Interpolación para Termómetros Digitales

Funciones de Interpolación para Termómetros Digitales Funciones de Interpolación para Termómetros Digitales Andy Barrientos A. Laboratorio de Termometría 01. Introducción. La presentación propone considerar funciones interpoladoras del tipo polinomial; así

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA SECRETARÍA ACADÉMICA Dirección de Desarrollo Curricular PROBABILIDAD Y ESTADÍSTICA Unidad de Enseñanza Aprendizaje y Secuencia Didáctica PROGRAMA EDUCATIVO: MODALIDAD: MODELO DE FORMACIÓN: TIPO: Ingeniería

Más detalles

Información general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante

Información general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos

Más detalles

Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte.

Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte. Estadística. SESIÓN 9: Distribuciones de probabilidad discreta. Segunda parte. Contextualización En la presente sesión analizarás y describirás un experimento binomial, definirás y conocerás la función

Más detalles

Estadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística

Estadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística Estadística I Guión de la Práctica Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística 1. Simulación de las variables aleatorias En Excel podemos simular valores de variables

Más detalles

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.

ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L

Más detalles