MODELOS ESTOCASTICOS

Tema 1
1. La naturaleza de los fenmenos gerenciales.
Los fenmenos gerenciales involucran a toda la organizacin de una
empresa, la cual conlleva a la estabilidad de ella en las finanzas, en la
contabilidad, en la administracin, tesorera, impuestos. El papel principal del
gerente es el anlisis de toda la estructura, del personal que se encuentra en cada
puesto que sea idneo en ese puesto para que la empresa se mantenga a la
vanguardia, el crecimiento de la empresa en todas las fases y la capacitacin de
sus empleados.
2. La realidad del entorno profesional, su perfil complejidad.
El entorno del profesionista es todo aquello que lo rodea y se desenvuelve en su
entorno para la aplicacin del conocimiento que tendr que relacionarse con todos
los individuos.
3. La formacin del sentido gerencial, la naturaleza, importancia y
complejidad del aprendizaje.
1. La calidad y aceptabilidad de las decisiones de un gerente pueden ejercer
una influencia considerable sobre su carrera profesional y satisfaccin
personal.
2. La calidad y aceptabilidad afectan a la organizacin en cuyo nombre
actan.
3. La cantidad de tiempo y esfuerzo que los gerentes emplean en tomar
decisiones es un fuerte motivador para buscar el mejoramiento de estas.
4. Los grados del saber y su incidencia en la enseanza y ejercicio en la
ingeniera.
Desarrollar la literatura a la vida profesional es poder transmitir la experiencia, la
cual parte del saber comunicar el conocimiento adquirido durante su trayectoria y
conlleva a dar un seguimiento de paso por paso. En el caso de la enseanza
ingeniera es la aplicacin del conocimiento basado en la investigacin matemtica
aplicada al desarrollo de un proyecto de la vida real.

5. Tratamiento de los problemas.

MODELOS ESTOCSTICOS

7CM1

Existen infinidad de problemas que se deben de tratar de diferente manera, ya que

si se tratan de la misma forma puede haber errores en sus soluciones. Por eso es
recomendable clasificarlo de acuerdo su categora, tipo, tamao y descripcin, lo
cual ayudar a su solucin rpida.
o Clasificacin y anlisis de casos.
o La importancia del impacto diferencial.
o La dimensin del hallazgo clave, casos de estudio.
El decisor (la persona que tiene el problema) debe responder en forma rpida ante
las situaciones, asimismo debe asimilar a su decisin una serie de opciones y
consecuencias.
Un gerente debe tomar diariamente muchas decisiones, unas sin consecuencias y
otras que influyen en forma drstica a la empresa.
Los cimientos para la toma de decisiones acertadas se construyen sobre la
filosofa del conocimiento, la ciencia y la lgica, y por sobre todo la creatividad.
En casi todos los problemas se decisin encontramos los siguientes componentes:
o
o
o
o
o
o

El decisor.
El analista que modeliza el problema para ayudar al decisor.
Factores controlables e incontrolables.
Los resultados posibles de la decisin.
Las restricciones ambientales/estructurales.
Las interacciones dinmicas entre estos componentes.

Modelos deterministas versus modelos probabilsticos: en los modelos

deterministas, las decisiones acertadas generan buenos resultados (sin riesgo), se
obtiene lo que se espera y se avalan segn los resultados. Mientras que en los
probabilsticos, el resultado es incierto (la toma de decisiones acertada puede no
generar buenos resultados, el decisor se preocupa por el valor del resultado como
por el grado del riesgo involucrado en cada decisin.
Sigue la siguiente secuencia:
1. Comprensin del problema.
2. Construccin de un modelo analtico (traduccin del problema al lenguaje
matemtico).
3. Bsqueda de una buena solucin.
4. Comunicacin de los resultados al decisor.

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

Todo proceso de toma de decisiones administrativas o gerenciales es similar a la

prctica de la administracin o gerencia y representa un elemento central de
todas las funciones gerenciales.
6. Acercamiento paramtrico a los fenmenos de comunicacin en un
marco de inters de conflicto.
Es importante observar el desenvolvimiento de las actividades en el desarrollo de
su trabajo, tener comunicacin si no esto puede a traer una mala interpretacin en
su ejecucin, provocando as conflictos.
7. Mtodos gerenciales.
Introduccin a los catorce puntos a las siente enfermedades mortales y algunos
obstculos.
Los puntos, las enfermedades y los obstculos constituyen una receta
comprensiva para el cambio.
1. Ser constante en el propsito de mejorar los productos y servicios.
Proporcionar dinero por medio de la innovacin, la investigacin, el
constante mejoramiento y el mantenimiento.
2. Adoptar nueva filosofa.
3. No depender ms de la inspeccin masiva.
4. Acabar con la prctica de adjudicar contratos de compra basndose
exclusivamente en el precio.
5. Mejoramiento continuamente y por siempre del sistema de produccin y de
servicio.
6. Instituir la capacitacin del trabajo.
7. Instituir el liderazgo.
8. Desterrar el temor.
9. Derribar las barreras que haya entre reas de staff.
10. Eliminar los slogans, las exhortaciones y las metas para la fuerza laboral.
11. Eliminar las cuotas numricas.
12. Derribar las barreras que impiden el sentimiento de orgullo que produce un
trabajo bien hecho.
13. Establecer un vigoroso programa de educacin y de reentrenamiento.
14. Tomar medidas para lograr la transformacin.
8. Creatividad de la ingeniera.
Objetivos de la creatividad

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

o Estudiar los aspectos de las acciones del ingeniero civil ente el bienestar de
o
o
o
o

la sociedad.
Conocer los alcances y el compromiso que adquiere la ingeniera civil.
Que el ingeniero civil se considere como elemento primordial.
Que el ingeniero civil se identifique con la columna vertebral del desarrollo.
Que el ingeniero civil considere la planeacin como un elemento

sistemtico.
o Motivar e impulsar las actividades personales, acadmicas y profesionales
del ingeniero civil.
o Canalizar las actividades del ingeniero civil para promover, planear, disear,
ejecutar y conservar las obras de infraestructura y adecuarlas a la
naturaleza.
o Manejar y aplicar los conceptos instrumentales de la planeacin urbanaen
cada una de las actividades profesionales de la ingeniera.
9. Planeacin para el control total de calidad.
1. Para el mejoramiento de la calidad.: Estar en funcin de competitividad,
aumentar la produccin, mejorar el servicio, entre otros.
2. Como mejorar la calidad de la calidad total: Identificando las diferentes
causas que originan los defectos.
3. Como iniciamos el mejoramiento de la calidad: Se da inicio al mejoramiento
de la calidad al momento de generar los crculos de calidad o equipos de
trabajo.
10. Sistemas de informacin para la toma de decisiones.
Se comprende de 3 fases:
1. Una clase de sistemas puede desarrollarse analizando los sistemas
operativos de las organizaciones y despus se utilizan los bancos de datos
requeridos para proveer la informacin que los ejecutivos necesitan.
2. Otro sistema puede ser desarrollado con base en la identificacin e
implementacin de un banco de datos y utilizarse como fuente de
informacin.
3. Otro sistema se desarrolla analizando los centros de decisin dentro de la
organizacin y luego identificando los tipos de informacin necesaria para
hacer estas decisiones.
Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

11. Diagnostico para la toma de decisiones.

Parte de un conflicto o toma de decisin, un problema es cuando hay diferencia
entre la situacin real y la situacin deseada. Proceso consiente de reducir la
diferencia entre una situacin en el menor tiempo posible, ya que si este tarda
demasiado tiempo esto perjudicara a la empresa econmicamente.
o Anlisis de la naturaleza del problema: Identificacin, definicin y
diagnstico del problema.
o Generacin de alternativas de solucin: Generacin de alternativas para el
problema.
o Eleccin entre soluciones alternativas: Evaluacin y la eleccin entre
soluciones alternativas.
o Instrumento de la solucin escogida: Aplicacin de la solucin escogida.
o Control de programa de solucin: Mantenimiento, verificacin y revisin de
la solucin instrumental.
12. Toma de decisiones a nivel gerencial.
INFORMACIN BSICA
1. Se refiere a la identidad de las alternativas entre las cuales se hace la
eleccin.
2. Trata de la identidad de las posibles condiciones futuras. Despus de la
eleccin, condiciones bajo las cuales deben funcionar las alternativas
escogidas.
3. Se refiere a la identidad de los criterios que se utilicen para evaluar cada
alternativa.
Cada uno de estos factores que infieren con la toma de decisiones de alta calidad
y de ah partir con un sistema.
13. Calidad integral empresarial.
Los procesos clave de una gestin integral siempre se basan en la atencin a los
clientes de la empresa o el negocio. Evaluar el comportamiento del personar para
con los clientes.

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

El sistema de gestin integral es la herramienta administrativa encargada de

condicionar la calidad y la precisin de los productos. Poniendo en marcha todos
los procesos de produccin de la empresa.
La gestin integral es la encargada de aportar diferentes tipos de soluciones que
puedan aplicarse en cada caso.
a) Gestin integral de negocios.
La gestin integral que se aplica en los negocios tiene como finalidad comprobar y
controlar el logro de todos los objetivos de la empresa. El diseo de una serie de
indicadores de gestin del desempeo que son programados en sus diferentes
plataformas virtuales.
La gestin integral de negocios suele aplicar un control mucho ms estricto en
todas las reas funcionales de la empresa.

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

Tema 2
2.1 Concepto bsico de estadstica.
Se apoya en las matemticas para dar solucin a problemas generales amplios
con el razonamiento lgico de las soluciones, un valor resumido, calculado, como
base en una muestra de observaciones que generalmente se considera como una
estimacin de parmetro de determinada poblacin; valores de muestra.
Introduccin a la estadstica descriptiva.
La estadstica descriptiva es una ciencia que analiza series de datos.
Las variables pueden ser de dos tipos: Variables cualitativas o atributos y
variables cuantitativas.

Variables cualitativas o atributos: no se pueden medir numricamente.

Variables cuantitativas: tienen un valor numrico. Y a su vez estas se
clasifican en:
Discretas: Solo pueden tomar valor continuos
Continuas: Pueden tomar cualquier valor real dentro de un intervalo

Cuando se estudia el comportamiento de una variable hay que distinguir los

siguientes conceptos:
Individuo: cualquier elemento que porte informacin sobre el fenmeno que se
estudia.
Poblacin: conjunto de todos los individuos que porten informacin sobre el
fenmeno que se estudia.
Muestra: subconjunto que seleccionamos de la poblacin.
Desviacin estndar (): Se mide cuando se separan los datos.
Varianza: Es la medida de las diferencias con la media elevada al cuadrado.
Siguiendo los siguientes pasos:
1. Calcula la media ( promedio de los nmeros)
2. Ahora por cada nmero resta la media y eleva el resultado al cuadrado
3. Calcula la media de esas diferencias al cuadrado.
Por ejemplo:

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

Perro
1
2
3
4
5

T y tus amigos habis medido las alturas de vuestros perros.

600
500

600
470

430

400
300
200

300
170

100
0

Alturas (mm)
1 2 3 4 5

Media

Media =

600+ 470+170+ 430+300 1970

=
=394
5
5

Ing. Castro Mndez Javier Baldemar

Alturas
(mm)
600
470
170
430
300

MODELOS ESTOCSTICOS

7CM1

T y t u s a m i g o s h a b i s m e d i d o l a s a l t u r a s d e vu e s t r o s p e r r o s .
600
600

470

430

500
400

300

300

170

200
100
0

Alturas (mm)

Calcularemos las diferencias de cada altura con respecto a la media

600- 394= 206

470- 394=76

170-394=-224

430-394=-36

300-394=-94

Varianza

Para cada varianza, toma cada diferencia, elvala al cuadrado y haz la media.
2
Varianza ( )=

206 2+ 762 + (224 )2 + (36 )2+ (94 )2 108,520

=
=21,704
5
5

Desviacin estndar

21,704=147

Distribucin de frecuencia
Es la representacin estructurad, en forma de tabla, de toda la informacin que se
ha recogido sobre la variable que se estudia.
Ejemplo:
Medimos la altura de los nios de una clase y
obtenemos los siguientes resultados (cm)
Alumn Estatur Alumn Estatur Alumn Estur
o
a
o
a
o
a

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

1
2
3
4
5
6
7
8
9
Variabl
e
Valor

1.25
11
1.28
12
1.27
13
1.21
14
1.22
15
1.29
16
1.3
17
1.24
18
1.27
19
Frecuencias
absolutas
Simpl Acumulada
e
1.2
1
1
1.21
4
5
1.22

1.23
1.24
1.25
1.26

2
1
2
3

11
12
14
17

1.27

20

1.28

24

1.29

27

1.3

30

1.23
1.26
1.3
1.21
1.28
1.3
1.22
1.25
1.2

21
1.21
22
1.29
23
1.26
24
1.22
25
1.28
26
1.27
27
1.26
28
1.23
29
1.22
Frecuencias
relativas
Simpl Acumulada
e
3.3%
3.3%
13.3
16.7%
%
13.3
30.0%
%
6.7%
36.7%
3.3%
40.0%
6.7%
46.7%
10.0
56.7%
%
10.0
66.7%
%
13.3
80.0%
%
10.0
90.0%
%
10.0
100.0%
%

1/30 = 0.03*100= 3.33

4/30=0.1333*100=13.33
Si los valores que toma la variable son muy diversos conviene agruparlos por
intervalos.
Frecuencia absoluta: Es el nmero de veces que aparece un determinado valor en
un estudio estadstico (ni)
Frecuencia relativa (fi): es el cociente entre la frecuencia absoluta y el tamao de
la muestra (n).

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

Distribucin de frecuencia agrupada

Medidas de posicin central.

a) Medidas de posicin central
Nos facilitan la informacin sobre la serie de datos que estamos analizando.
1. Media: Valor medio ponderado de la serie de datos.
a. Media aritmtica: se calcula multiplicando cada valor por el nmero de
veces que se repite. La suma de todos estos productos se divide por el
total de datos de la muestra. Ejemplo: 34, 27, 45, 55, 22, 34
34, 27, 45, 55, 22, 34/6 = 36.167
Xm=

( x1n1 ) + ( x 2n 2) + + ( x n1nn ) + ( x nnn )

N
b. Media geomtrica: se eleva cada valor al nmero de veces que sea
repetido. Se multiplican todos estos resultados y al producto final se le
calcula la raz n (siendo n el total de datos de la muestra). La media
geomtrica se suele utilizar en series de datos como tipos de inters
anuales, inflacin, etc. Se utilizan todos los valores de la serie.

(34, 27, 45, 55, 22, 34)^1/6= 34.545

x 1n x2n .x nn

X=

2. Mediana: es el valor de la serie de datos que se sita justamente en el

centro de la muestra. Ejemplo: 9, 2, 7, 11, 14= 2, 7, 9, 11, 14= 9
3. Moda: Es el valor que ms se repite en la muestra. Ejemplo: 9, 2, 7, 11,
14,7,2,7, el 7 se repite 3 veces
EJEMPLO: Utilizando la ltima tabla
Variabl
e

Frecuencias
absolutas

Ing. Castro Mndez Javier Baldemar

Frecuencias
relativas

MODELOS ESTOCSTICOS

7CM1

Valor

Simpl Acumulada Simpl Acumulada

e
e
1.2
1
1
3.3%
3.3%
1.21
4
5
13.3
16.7%
%
1.22
4
9
13.3
30.0%
%
1.23
2
11
6.7%
36.7%
1.24
1
12
3.3%
40.0%
1.25
2
14
6.7%
46.7%
1.26
3
17
10.0
56.7%
%
1.27
3
20
10.0
66.7%
%
1.28
4
24
13.3
80.0%
%
1.29
3
27
10.0
90.0%
%
1.3
3
30
10.0
100.0%
%

1. Media:
Xm=

( 1,201 ) + ( 1,214 ) + ( 1.224 )+ + ( 1,293 )+ ( 1.303 )

=1,253
30

2. Mediana:
125, porque el 50% de los valores esta debajo de ella
3. Moda:
1,30, 1,29, 1,27, 1,26 cuenta con 4 modas, porque se repiten 3 veces cada valor.
b) Medidas de posicin no central
Informan cmo se distribuyen el resto de los valores de la serie.
Medidas de dispersin.
Estudia la distribucin de los valores de la serie, analizando si estos se encuentran
ms o menos concentrados, o ms o menos dispersos.

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

1. Rango: mide la amplitud de los valores de la muestra y se calcula por

diferencia entre el valor ms elevado y el valor ms bajo. Ejemplo:
8,7,6,9,4,5 4,5,6,7,8 ,9= menor 4 y mayor 9
Rango= 9-4=5
2. Varianza: mide la distancia existente entre los valores de la serie y la media.
Siempre ser mayor que cero. Mientras ms se aproxima a cero, ms
concentrados estn los valores de la serie alrededor de la media.
sx

( x ix n )2ni
=
n

3. Desviacin tpica: se calcula como raz cuadrada de la varianza.

4. Coeficiente de variacin de Pearson: se calcula como cociente entre la
desviacin tpica y la media.
Ejemplo: Utilizando la ltima tabla
Variabl
e
Valor

Frecuencias
Frecuencias
absolutas
relativas
Simpl Acumulada Simpl Acumulada
e
e
1.2
1
1
3.3%
3.3%
1.21
4
5
13.3
16.7%
%
1.22
4
9
13.3
30.0%
%
1.23
2
11
6.7%
36.7%
1.24
1
12
3.3%
40.0%
1.25
2
14
6.7%
46.7%
1.26
3
17
10.0
56.7%
%
1.27
3
20
10.0
66.7%
%
1.28
4
24
13.3
80.0%
%
1.29
3
27
10.0
90.0%
%
1.3
3
30
10.0
100.0%
%

1. Rango
Mayor 1.30 Menor 1.20

por lo tanto el rango es 10 cm

2. Varianza

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

s x 2 = 0,0010
3. Desviacin tpica
= (Sx) =0.0320
4. Coeficiente de variacin
Cv=0,0320/1,253
Luego, Cv= 0,0255
Una recta de regresin es la que mejor se ajusta a la nube de puntos. Pasa por
el punto (xy) llamado punto de gravedad.
La recta de regresin de y sobre x se utiliza para estimar los valores de la y a
partir de los de la x.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la
variable x.
La recta de regresin de x sobre y se utiliza para estimar los valores de la x a
partir de los de la y.
La pendiente de los de la recta es el cociente entre la covarianza y la varianza de
la variable y. si la correlacin es nula, r=0, las rectas de regresin son
perpendiculares entre s.
Histogramas
Un histograma es una representacin grfica de una variable en forma de barras.
Se utiliza para variables continuas o discretas con un gran nmero de datos y que
son agrupados en clases.
Regresin lineal
El Coeficiente de correlacin lineal nos permite determinar si existe relacin
entre las dos variables. Nos permite definir la recta que mejor se ajusta a esta
nube de puntos.
2.2 Conceptos bsicos de la probabilidad
ESPACIO MUESTRAL

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

Son datos obtenidos al observar eventos no controlables en la naturaleza o bien

bajo condiciones controladas en un observatorio, que sea utilizada para describir
cualquiera de los procedimientos de recoleccin de informacin y se define el
experimento.
Un experimento: es el proceso por medio del cual una observacin es registrada.
Espacio muestral: es el conjunto de todos los puntos mustrales de un
experimento, y es representado por el smbolo S, se dice que S es la totalidad de
puntos muestrales.
Evento: es la coleccin especifica de puntos mustrales.
Evento simple: un evento que no puede ser descompuesto y se denotan por la
letra E con subndices.
2.4 Teorema de Bayes
Cuando se habla de probabilidad condicional, se busca la probabilidad de un cierto
evento (A) dado que otro evento (B) ha ocurrido, se piensa que en general que
(A) es un evento final, de alguna manera un efecto, para el cual (B) es una causa
posible y que ambos se encuentran ordenados en el tiempo.
2.5 Permutaciones y combinaciones
Un arreglo ordenado de (Y) objetos distintos es llamado una permutacin, el
nmero total de maneras para ordenar (n) objetos distintos tomados de (r) cada
vez que se designa por el smbolo.
Como ya se ha visto, el nmero de permutaciones de (n) objetos tomados (r) cada
vez es equivalente a encontrar el nmero de maneras en las que se puede llenar
(r) espacios con (n) objetos distintos.
Combinaciones
Es el nmero de combinaciones de (n) objetos tomados r cada vez se denota por
el smbolo.
n
Cr
Combinaciones. Numero de formas diferentes que se pueden seleccionar n
objetos de un total de N objetos distintos sin importar el orden.

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

2.6 Distribucin de probabilidad para variables aleatorias discretas

Las distribuciones de variables discretas ms importantes son:
Distribucin binomial, distribucin binomial negativa, distribucin de Poisson.
Distribucin geomtrica, distribucin hipergeomtrica. Distribucin de Bernoulli.
Estas son consideradas como variables aleatorias que toman a lo ms una
cantidad numrica de valores distintos y se denominan variables aleatorias
discretas, en donde en las reas de negocios y economa se abundan los
ejemplos.
2.7 Definicin de variables aleatorias.
Una variable aleatoria continua es aquella que puede tomar cualquier valor de
entre todos los contenidos en un intervalo de recta.
2.8 Distribucin de probabilidad binomial, hipergeometrica, geomtrica,
Poisson.
Un experimento binomial es un experimento que tiene las siguientes propiedades.
1. El experimento consiste de (n) ensayos idnticos.
2. Cada ensayo produce uno de los dos resultados posibles. A falta de una
mejor nomenclatura, a uno de los resultados se le llama acierto, (A) y el
otro falla (F).
3. La probabilidad de acertar en un solo ensayo es igual a (p) y es
constante para todos los ensayos, la probabilidad de falla igual a (1P)=q
4. Los ensayos son independientes.
5. El experimentador est interesado en la variable y, que representa el
nmero de aciertos observados en los (n) ensayos.
Hipergeomtrica
Esta se basar en probabilidades que se obtienen de una muestra de elementos
de una poblacin y se determina si cada uno de ellos tiene o no una caracterstica
determinada, los datos obtenidos son de tipo acierto o falla.
Geomtrica

Ing. Castro Mndez Javier Baldemar

MODELOS ESTOCSTICOS

7CM1

En esta fase se puede representar una serie de visitas a clientes con el objeto de
colocar una venta mediante una sucesin de variables aleatorias de Bernoulli
independientes con Xi=1 si la i-esima visita tiene como resultado una venta, y Xi=0
si no es as, supngase que la probabilidad de una venta es constante para las
visitas, y sea (p) esta probabilidad, para este problema interesa en intento en el
que se tenga la visita con la colocacin de la primera venta.
Distribucin de Poisson
Son aquellas variables aleatorias discretas cuyas distribuciones de probabilidad
son llamadas de poisson e hipergeometricas, estas distribuciones estn
relacionadas con la probabilidad binomial y (s) puede emplear para modelar en
nmero de defectos en un m2 de tela, el nmero de colonias de bacterias en un
cm3 de agua, el nmero de accidentes que ocurren en un determinado crucero de
avenidas en el periodo de una semana.
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc.
2.9 Distribucin de probabilidad para variables aleatorias continuas.
Las variables aleatorias continuas pueden tomar cualquier de entre el nmero
infinito de los valores contenidos en un intervalo de recta, sin embargo resulta
imposible asignar probabilidades a cada uno de estos valores de manera que la
suma de estas sea 1, como en el caso de las variables aleatorias discretas, la
frecuencia relativa asociada a una clase

Ing. Castro Mndez Javier Baldemar