UNIVERSIDAD NACIONAL

JOS FAUSTINO SNCHEZ CARRIN

FACULTAD DE INGENIERA

ESCUELA ACADMICO PROFESIONAL DE
INGENIERA DE SISTEMAS

ASIGNATURA:
INVESTIGACIN OPERATIVA II
DOCENTE:
Mg. SOSA PALOMINO, ALCIBIADES
TEMA:
MODELOS PROBABILISTICOS
SEMESTRE ACADMICO: 2013-II
INTEGRANTES:

DELGADO FLORES ANGELO
JAIMES RIVERA JULIO CESAR
RIVERA MERAMENDIS JUANCARLOS
QUISPE CAYCHO DENISSE DANIXA
SANTOS OBISPO MARIA CARMEN
Huacho Per
2013



INVESTIGACION DE OPERACIONES II

HISTORIA
La Investigacin de Operaciones o Investigacin Operativa es una disciplina
donde las primeras actividades formales se dieron en Inglaterra en la Segunda
Guerra Mundial, cuando se encarga a un grupo de cientficos ingleses el diseo de
herramientas cuantitativas para el apoyo a la toma de decisiones acerca de la
mejor utilizacin de materiales blicos. Se presume que el nombre de
Investigacin de Operaciones fue dado aparentemente porque el equipo de
cientficos estaba llevando a cabo la actividad de Investigar Operaciones
(militares).
Una de las reas principales de la Investigacin de Operaciones es la
Optimizacin o Programacin Matemtica. La Optimizacin se relaciona con
problemas de minimizar o maximizar una funcin (objetivo) de una o varias
variables, cuyos valores usualmente estn restringidos por ecuaciones y/o
desigualdades. Hoy en da el uso de modelos de optimizacin es cada vez ms
frecuente en la toma de decisiones.

Modelos Probabilsticos en la Toma de Decisiones
El anlisis de decisin proporciona un soporte cuantitativo a los tomadores de
decisiones en todas las reas tales como ingenierios,analistas en las oficinas de
planificacin, agencias pblicas, consultores en proyectos de gerencia,
planificadores de procesos de produccin, analistas financieros y de economa,
expertos en diagnstico de soportes mdicos y tecnolgicos en infinidad de otras
reas.
El modelo para la toma de decisiones envuelve a dos partes diferentes, una es el
tomador de decisiones y la otra es el constructor del modelo, conocido como el
analista. El analista debe de asistir al tomador de decisiones en el proceso de
decidir. Por lo tanto, el analista debe de estar equipado con ms que un conjunto
de mtodos analticos.

Modelo
Es una simplificacin de la realidad puede presentarse de acuerdo a los objetivos
del estudio del sistema; en este caso es modelo simblico y descriptivo.


Modelo Probabilstico
Es una representacin matemtica deducida de un conjunto de supuestos con el
doble propsito de estudiar los resultados de un experimento aleatorio y predecir
su comportamiento futuro, cuando se realiza bajo las mismas condiciones dadas
inicialmente, el modelo permite conocer la distribucin de probabilidades de los
valores que toma la variable aleatoria de ah que tambin se mencione con el
nombre de distribucin de probabilidad.

VARIABLES ALEATORIOS
Definicin: Es una variable que toma valores numricos determinados por el
resultado de un experimento aleatorio.
Ejemplos:
- Nmero de caras al lanzar 6 veces una moneda (valores: 0, 1, 2,3)
- Nmero de llamadas que recibe un telfono en una hora
- Tiempo que espera los clientes para pagar en un supermercado

Tipos De Variables Aleatorias:
Variable Discreta:
Sea X una variable aleatoria discreta. Su distribucin viene dada por los valores
que puede tomar, X1,X2 , X3,..,XK , y las probabilidades de que aparezca P1,
P2, P3, ..,PK estas cantidades pi=P{X=Xi} reciben el nombre de funcin
probabilidad.
Funcin de Probabilidad
Se denomina funcin de probabilidad de una variable aleatoria discreta de X, a
una funcin de F(x) que asigna a todo nmero real X, la probabilidad de que X
asuma ese valor, esto es:
F(x)= P [X=x]



Ejemplo:
Variable aleatoria x=n de caras al lanzar tres veces unaMoneda
Posibles valores de x: 0, 1, 2 y 3
Lanzar 3 veces moneda:
E={CCC,CCX,CXC,XCC,XXC,XCX,CXX,XXX}
La variable aleatoria x:
- Toma valor 0 cuando ocurre el suceso {XXX}
- Toma valor 1 cuando ocurre el suceso {XXC,XCX,CXX}
- Toma valor 2 cuando {CCX,CXC,XCC}
- Toma valor 3 cuando {CCC}
La funcin de probabilidad es:
p P x
0
0 1 8 0125 = = = = { } / ,
p P x
1
1 3 8 0 375 = = = = { } / ,
p P x
2
2 3 8 0 375 = = = = { } / ,
p P x
3
3 1 8 0125 = = = = { } / ,



Variable aleatoria contina
Una variable aleatoria es continua si su recorrido no es un conjunto numerable.
Intuitivamente esto significa que el conjunto de posibles valores de la variable
abarca todo un intervalo de nmeros reales. Cantidades que toman infinitos
valores, dentro de un rango permitido, generndose una distribucin de
probabilidades continuas.

Funcin Densidad
Representada comnmente como f(x), se utiliza con el propsito de conocer cmo
se distribuyen las probabilidades de un suceso o evento, en relacin al resultado
del suceso.
La Funcin Densidad es la derivada (ordinaria o en el sentido de
las distribuciones) de la funcin de distribucin de probabilidad F(x), o de manera
inversa.

La funcin de densidad de una variable aleatoria determina la concentracin de
probabilidad alrededor de los valores de una variable aleatoria continua.
Se dice que la funcin f(x) es funcin de densidad de probabilidad de la variable
aleatoria continua X si satisface las siguientes condiciones:





Funcin de distribucin acumulada de una variable aleatoria contina.
La funcin de distribucin acumulada: F(x), de una variable aleatoria continua X
con una funcin de densidad f(x), se define por:

Valor esperado de una variable o esperanza matemtica
La distribucin de probabilidades de una variable aleatoria se caracteriza
bsicamente a travs de medidas de tendencia central y de dispersin. Estas
medidas se denominan parmetros y se describen mediante la esperanza
matemtica (media de una variable aleatoria)
1.4 Esperanza
La esperanza matemtica (o simplemente esperanza) o valor esperado de una
variable aleatoria es la suma del producto de la probabilidad de cada suceso por el
valor de dicho suceso.
Si todos los sucesos son de igual probabilidad la esperanza es la media aritmtica.
Para una variable aleatoria discreta con valores posibles y sus
probabilidades representadas por la funcin de probabilidad la esperanza se
calcula como:






1.5 Media de una variable aleatoria contina
La media de una variable aleatoria contina X con funcin de probabilidad f(x) es
la expresin:



Varianza de una variable aleatoria
Mide el grado de dispersin de la distribucin de probabilidades La varianza de
una variable aleatoria X se denota por cualquiera de las formas: 2, Var(X).

La varianza de X si es discreta es dada por la expresin:





La varianza de una variable aleatoria. X si es continua es dada por la expresin:



La desviacin estndar de la variable aleatoria X es la raz cuadrada positiva de
su varianza

Variable
Una variable es un smbolo que representa un elemento o cosa no especificada de
un conjunto dado. Dicho conjunto es llamado conjunto universal de la variable,
universo o variar de la variable, y cada elemento del conjunto es un valor de la
variable.

VARIABLE ALEATORIA DISCRETA
Distribucin de Poisson:
El uso de la distribucin Poisson es para obtener la probabilidad de ocurrencia de
sucesos raros (eventos que ocurren con poca frecuencia) cuyo resultado lo
presenta una variable discreta.

Definicin:
Se dice que la variable aleatoria discreta de X, cuyos valores posibles son:
0,1,2,.,etc., tienen distribucin de Poisson con parmetro y se escribe
X~P(),si
La funcin de probabilidad es:

P(X=x):

()

Dnde:
P(X=x): es la probabilidad de ocurrencia cuando la variable discreta X toma un
valor finito x.
: promedio de ocurrencias en un intervalo(tiempo,volumen,rea,etc).
e : tiene el valor aproximado de 2.71828183
x : es el nmero de ocurrencias

Utilidad
La distribucin poisson se utiliza en situaciones donde los sucesos son
impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el
total de posibles resultados.
Permite determinar la probabilidad de ocurrencia de un suceso con
resultado discreto.
Es muy til cuando la muestra o segmento n es grande y la probabilidad de
xitos p es pequea.
Ejemplos:
La llegado de un cliente de un negocio durante
Las llamadas telefnicas que se reciben en un da
Nmero de accidentes de trabajo que ocurren en una fbrica durante una
semana.


La distribucin de Poisson tiene un parmetro que representa la media.
El smbolo para denotar la distribucin de poisson es la letra griega Lambda
().
La media es igual que la varianza

DISTRIBUCIN NORMAL O CAMPANA DE GAUSS
La distribucin normal fue reconocida por primera vez por el francsAbraham de
Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855)realiz
estudios ms a fondo donde formula la ecuacin de la curva conocida
comnmente, como la Campana de Gauss".
Concepto:
La mayora de las variables aleatorias que se presentan en los estudios
relacionados con las ciencias sociales, fsicas y biolgicas, por ejemplo, el peso de
nios recin nacidos, talla de jvenes de 18 aos en una determinada regin, son
continuas y se distribuyen segn una funcin de densidad, que tiene la siguiente
expresin analtica:




Donde es la media de la variable aleatoria y es su desviacin tpica. Este tipo
de variables se dice que se distribuye normalmente. El rea bajo la funcin de
densidad es 1.
La funcin de densidad, en el caso de la distribucin Normal, tiene forma de
campana:





2
2
1
2
1
) (
e
x
x f
|
.
|

\
|

=
o

t o
Para una variable aleatoria X, que se distribuye normalmente con media: y
desviacin tpica: , la probabilidad de que la variable X est comprendida entre
los valores a y b es el rea oscura en la siguiente figura :










Analticamente se puede calcular as:


DISTRIBUCIN NORMAL ESTANDAR
Un conjunto de datos con distribucin normal siempre se puede convertir en su
forma estandarizada y despus determinar cualquier probabilidad deseada, a
partir de la tabla de distribucin normal.
Dnde:
Z se la denomina variable tipificada de X, y a la curva de su funcin de
densidad se le conoce como la curva normal estndar.
Es una distribucin normal con promedio 0 y una desviacin estndar de 1.
Todas las variables normalmente distribuidas se pueden transformar a la
distribucin normal estndar utilizando la frmula para calcular el valor Z
correspondiente.


( )
}

= < <
b
a
x
e b X a p
2
2
2
2
1
) (
o

t o
Funcin F (Z):
En la siguiente grfica vemos la representacin grfica de la funcin de Z










CARACTERISTICAS DE LA DISTRIBUCION NORMAL ESTNDAR
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su desviacin estndar es 1.
La curva f(x) es simtrica respecto del eje de Y
Tiene un mximo en el eje de Y.
Tiene dos puntos de inflexin en z=1 y z=-1









EJERCICIOS RESUELTOS:
Distribucin Poisson
Se calcula que en la escuela de ingeniera de sistemas el 30% de las personas
tienen defecto de la vista. Si tomamos una muestra de 50 personas al azar
Calcular la probabilidad de que 10 de ellos tengan defecto en la vista.
Datos:
n=100
p (%)=0.3
lamda=30
x=10
Aplicando la frmula:

***************************Poner conclusin************************************

Distribucin Normal
Las calificaciones de los 500 aspirantes presentados a un examen para
contratacin laboral, se distribuye normalmente con media 6'5 y varianza
4.Recordar: Desviacin estndar =sqrt (varianza).Calcule la probabilidad de que
un aspirante obtenga ms de 8 puntos










***************************Poner conclusin************************************

Funcion De Densidad
En una granja los pesos de las gallinas siguen una funcin de probabilidad
definida por:
F(X)=2x-6
Determine la probabilidad de que pase entre los 3,3 y 3,7 kilos
( )

]
[

]
[

Funcin Probabilstica
Supongamos que el nmero de automviles x que pasa por un lavado de autos
entre 16:00 y 17:00 horas en cualquier viernes soleado tiene la siguiente
distribucin de probabilidades:

___x_______4_______5_________6_________7_________8_________9
P(X=x) 1/12 1/12 1/6 1/6

sea g(X)=2X-1 la cantidad de dinero en dlares, que el administrador recibe.
Calcular las ganancias esperadas.

E (g(X)) = E(2X -1)
= ( )()

= (7) (1/12) + (9)(1/12) +(11)(11/4) + (15)(1/6) + (17)(1/6)
=12.66667



















Bibliografa:
- Anderson, D.R., Sweeney, D. J. y Williams, T.A. (2001) (Captulos 1 y 7)
- Hillier, F.S. y Liebermann, G.J. (2001) (Captulos 1,2 y 3)
- Hillier, F.S., Hillier, M.S. y Liebermann, G.J. (2000) (Captulos 1 y 2)
- http://www.informs.org/ Sociedad Americana de Investigacin Operativa.
- http://www.ifors.org/ Federacin Internacional de Sociedades de Investigacin de
Operaciones.
- http://www.orie.cornell.edu/ Departamento de Investigacin Operativa de la
Universidad de Cornell en Nueva York.
- http://www.worms.ms.unimelb.edu.au/ Informacin genrica sobre Investigacin
Operativa.
- http://uat.gustavoleon.com.mx/102b%20Modelos%20-%20Poisson.pdf
- http://materias.fi.uba.ar/7628/AnexoEstadistica.pdf
- http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20P
oisson.htm
- http://www.ditutor.com/distribucion_binomial/distribuciones_discretas.html
- http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2011/1/PyEC03.pdf