Introduccion A La Probabilidad 1

Introduccin a Probabilidades SEMANA 3_2
1. INTRODUCCION A LA PROBABILIDAD
2. DISTRIBUCION DE PROBABILIDAD
3. PROGRAMACIN LINEAL
4. MODELOS DE LINEA DE ESPERA
5. PROCESOS DE MARKOV
1. INTRODUCCION A LA PROBABILIDAD
PROBABILIDAD
La probabilidad es una herramienta de ayuda para la toma de decisiones
porque proporciona una forma de medir, expresar y analizar las incertidumbres
asociadas con eventos futuros de razones entre el nmero de casos favorables y el nmero de
casos posibles.
Qu es probabilidad? Es una medida numrica de la posibilidad de que ocurrir un evento en la

que sus valores se asignan en una escala de 0 a 1.
EXPERIMENTO Y ESPACIO MUETRAL

Experimento: es como cualquier proceso que pueda generar uno de un conjunto de resultados bien
definidos. Ejemplo: lanzar una moneda.
Espacio muestral: es el conjunto de todos los resultados que pueda suceder. Ejemplo: cara o cruz
La probabilidad de un resultado experimental es resultado posible que ocurra.
Se deben satisfacer dos requerimientos de probabilidad:
1. Los valores de las probabilidades asignados. (0<=P(Ei) <=1)

2. La suma de los posibles resultados experimentales debe ser 1 .(P(Ei)+P(E2)+.P(EK)=1)
EVENTOS Y SUS PROBABILIDADES
Un evento es una coleccin de puntos mustrales, por ejemplo:
1. La probabilidad de lanzar un dado de cmo resultados nmeros pares
A= 1,2,3,4,5,6
A= 2,4,6
El dado tiene seis puntos mustrales por lo que probabilidad de que es resultado experimental o
punto muestral seria el evento A.
2. Si se tienen 3 cincos amarillos, 2 cincos morados y 4 cincos verdes, entonces:

1
3/9+2/9+4/9=1
2
3
PROBABILIDADES CONJUNTAS Y MARGINALES
PROBABILIDAD CONJUNTA:
La que da la probabilidad de la interseccin de dos eventos. La tabla de probabilidad conjunta

proporciona un resumen de la informacin de probabilidad.
PROBABILIDAD MARGINAL:
Se ubica a los mrgenes de la tabla de probabilidad conjunta y brinda la probabilidad de cada

evento por separado.
P(B|H) = 0.24/0.80 = 0.30 P(B|M)= 0.03/0.20 = 0.15
Diagrama de rbol para clculo de probabilidades
Es una representacin grfica que muestra los resultados posibles de una serie de experimentos y
sus respectivas probabilidades.
EJEMPLO:
En una bolsa se han colocado 4 pelotas blancas y 3 negras, y en una segunda bolsa 3 blancas y 5
negras. Se saca una pelota de la primera bolsa y sin verla, se mete en la segunda. Cul es la
probabilidad de que la pelota que se saque de esta ltima sea negra?
4
TEOREMA DE BAYES
Es til para calcular probabilidades posteriores
P(A1|B) = P(A1)P(B|A1) / P(A1)P(B|A1) + P(A2)PB|A2)

P(A2|B) = P(A2)P(B|A2) / P(A1)P(B|A1) + P(A2)PB|A2)
EJEMPLO:
Una empresa manufacturera recibe embarques de partes de dos proveedores. En la actualidad el
65% de las partes compradas por la compaa son del proveedor 1 y el restante 35% don del
proveedor 2.
P(A1)= 0.65 y P(A2)= 0.35
5
Las probabilidades condicionales (con base en datos histricos) son:
Partes buenas Partes malas

Proveedor 1 0.98 0.02
Proveedor 2 0.95 0.05
Cul es la probabilidad de que la parte mala venga del proveedor 1 y cul de que venga del
proveedor 2?
El rbol de probabilidad sera:
6
2. DISTRIBUCION DE PROBABILIDAD
DISTRIBUCION DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

Ejemplo: Al revisar los registros de ventas de DiCarlo encontramos que durante el ao anterior la
firma estuvo abierta para negocios 300 das. Los volmenes de ventas generados y frecuencia de
su ocurrencia se resumen en la siguiente tabla:
7
Funcin de probabilidad
La funcin de probabilidad, denota como f (x), proporciona la probabilidad de que la variable

aleatoria x tome un valor especfico. Debido a que en 54 de los 300 das de datos histricos DiCarlo
no vendi ningn automvil y a que la ausencia de ventas corresponde a x=0, asignamos a F(0) el
valor de 54/300=0.18. Del mismo modo, f (1) denota la probabilidad de que x tome el valor de 1,
as que asignamos a f(1) el valor 117/300=0.39. Despus de de calcular las frecuencias relativas
para los otros valores posibles de x, podemos elaborar una tabla de valores de x y f(x).
En la elaboracin de una distribucin de probabilidad discreta:
deben satisfacerse dos requerimientos que son:
1. F(x) debe ser mayor o igual a 0

2. La sumatoria de f(x) debe ser igual a 1
Ejemplo: en el problema anterior la distribucin de probabilidad la tabla puede usarse para

proporcionar la siguiente informacin:
1. Hay una probabilidad de 0.18 de q2ue no se vender ningn automvil durante un da.
2. El volumen de ventas ms probable es 1, con f(1)=0.39
VALOR ESPERADO
Es un promedio ponderado de todos los valores posibles de la variable aleatoria, donde los pesos
son las probabilidades asociadas con los valores. Si un experimento puede repetirse gran cantidad
de ocasiones, el valor esperado puede interpretarse como el promedio a la larga para la variable
aleatoria.
8
VARIANZA
Es una medida que comnmente se usa para representar la dispersin o variabilidad en los valores
de una variable aleatoria. Es un promedio ponderado del cuadrado de las desviaciones entre los
valores de la variable y la media. Permite medir qu tan lejos est cualquier valor particular de la
variable aleatoria del valor esperado o media. Una medida de variabilidad relacionada es la
desviacin estndar, σ, la cual se define como la raz cuadrada positiva de la varianza.
9
DISTRIBUCION DE PROBABILIDAD BINOMIAL
PARA ESTA CLASE DE EXPERIMENTOS SE DEBN SATISFACER LAS SIGUIENTES

CONDICIONES:
1. Secuencia de n ensayos idnticos.

2. Dos posibles resultados en cada ensayo (xito y fracaso)
3. Las probabilidades de dos resultados no cambian de un ensayo al siguiente.
4. Los ensayos son independientes (es decir, el resultado de un ensayo no afecta al resultado de
cualquier otro ensayo).
En los casos en que la distribucin binomial es aplicable, la frmula matemtica para calcular la
probabilidad de cualquier valor para la variable aleatoria es la funcin de probabilidad binomial.
10
DISTRIBUCION DE PROBABILIDAD DE POSSON
Distribucin de probabilidad para una variable aleatoria discreta. Se usa para calcular la
probabilidad de x ocurrencias a lo largo de un intervalo especificado (tiempo, longitud, distancia,
etc.)
11
12
VARIABLES ALEATORIAS CONTINUAS
Las variables aleatorias que pueden asumir cualquier valor en un intervalo o coleccin de intervalos
determinados son continuas.
Ejemplos:
1. La cantidad real de sopa colocada en una lata etiquetada como 8 onzas.
2. El tiempo de vuelo de un avin que viaja de Chicago a Nueva York.
3. El tiempo de vida del cinescopio en un televisor nuevo.
Para variables aleatorias continuas necesitamos un nuevo mtodo para calcular las probabilidades
asociadas con los valores de la variable aleatoria.
13
DISTRIBUCION DE PROBABILIDAD NORMAL
La distribucin normal fue observada por primera vez por e matemtico francs Abraham de Moivre
a principios del siglo XVIII. Su trabajo fue motivado por el estudio de la probabilidad asociada con
los juegos de azar.
Es aplicable en muchas situaciones de problemas prcticos y su funcin de densidad de

probabilidad tiene la forma de la curva en forma de campana.
14
15
16
DISTRIBUCION DE PROBABILIDAD EXPONENCIAL
Es una distribucin de probabilidad continua frecuentemente til para describir el tiempo necesario
para completar la tarea. La variable aleatoria exponencial puede usarse para describir el tiempo
entre llegadas a un lavado de automviles, el tiempo requerido para cargar un camin, la distancia
entre defectos importantes en una autopista, etc. La funcin de densidad de probabilidad
exponencial es:
17
18
3. PROGRAMACIN LINEAL
PROGRAMACIN LINEAL
Es un enfoque de solucin de problemas elaborado para ayudar a tomar decisiones.

Programacin lineal es un modelo matemtico con:
FUNCIN OBJETIVO:
Define la cantidad que se va a maximizar o minimizar.
RESTRICCIONES:
Limita o reduce el grado en que se puede perseguir el objetivo.
VARIABLES:
Son las entradas controlables en el problema.
PASOS PARA LA FORMULACION DEL PROBLEMA
Es el proceso de traducir la declaracin verbal del mismo en una declaracin matemtica que son
los siguientes:
1. Entender el problema a fondo.

2. Describir el objetivo.
3. Describir cada restriccin.
4. Definir las variables de decisiones.
5. Escribir el objetivo en funcin de las variables de decisin.
6. Escribir las restricciones en funcin de las variables de decisiones.
7. Agregar las variables de no negatividad.
MAXIMIZACIN
Procedimiento de solucin grfica para problemas de maximizacin
1. Preparar una grfica para cada restriccin que muestre las soluciones que satisfagan la
restriccin.
2. Determinar la regin factible identificando las soluciones que satisfacen simultneamente todas
las restricciones.
3. Trazar lneas de funcin objetivo que muestren los valores de las variables de decisin que
producen valores especificados para la misma.
4. Mover lneas de funcin objetivo paralelas hacia valores mayores de la funcin objetivo hasta
que un mayor movimiento sacara a la lnea por completo de la regin factible.
5. Cualquier solucin factible en la lnea de funcin objetivo con el valor mximo encontrado por el
procedimiento anterior es una solucin ptima.
19
20
VARIABLE DE HOLGURA
Es la cantidad de recursos no usados, una restriccin <= se le conoce como una holgura asociada
con la restriccin.
METODO SIMPLEX
El algoritmo simplex est diseado para localizar la solucin ptima concentrndose en un nmero
seleccionado de las soluciones bsicas factibles del problema.
Siempre empieza en una solucin bsica factible y despus trata de encontrar otra solucin bsica
factible que mejorar el valore del objetivo.
Los clculos para producir la nueva solucin bsica incluyen dos tipos:
1. Rengln pivote:
Nuevo rengln pivote = rengln pivote actual / elemento pivote
2. Todos los dems renglones, incluyendo z:

Nuevo rengln = (rengln actual) (su coeficiente de la columna pivote) x (nuevo rengln pivote)
MINIMIZAIN
Procedimiento de solucin grfica para problemas de minimizacin:
1. Preparar una grfica para cada restriccin que muestre las soluciones que satisfagan la
restriccin.
21
2. Determinar la regin factible identificando las soluciones que satisfacen simultneamente todas
las restricciones.
3. Trazar lneas de funcin objetivo que muestren los valores de las variables de decisin que
producen valores especificados para la misma.
4. Mover lneas de funcin objetivo paralelas hacia valores ms pequeos de la funcin objetivo
hasta que un movimiento mayor a la lnea por completo de la regin factible.
5. Cualquier solucin factible en la lnea de funcin objetivo con el valor ms pequeo es una
solucin ptima.
Variables de excedente:
Variable restada del lado izquierdo de una restriccin de mayor o igual que para convertir dicha
restriccin en una igualdad. Generalmente, el valor de esta variable puede interpretarse como la
cantidad por encima de algn nivel mnimo requerido.
22
Mtodo simplex de dos fases:
FASE I: Se expresa el problema en forma estndar y se aaden las variables artificiales necesarias
a las restricciones. En seguida se encuentra una solucin bsica de las ecuaciones resultantes,
por medio del mtodo simplex, que minimice la suma de las variables artificiales.
FASE II: Se utiliza la solucin factible obtenida en la fase I como una solucin factible inicial para
el problema original, por medio del mtodo simplex.
Nuevo rengln Z= rengln Z anterior + A * Rengln A + B * Rengln B
23
4. MODELOS DE LINEA DE ESPERA
Se han elaborado modelos para ayudar a los administradores a

entender y tomar mejores decisiones sobre la operacin de las lneas
de espera. En la terminologa de los mtodos cuantitativos, una lnea de
espera tambin se conoce como cola y el cuerpo de conocimiento que
tiene que ver con las lneas de espera se conoce como teora de las
colas o simplemente teora de colas.
Los modelos de lnea de espera consisten en frmulas y relaciones matemticas que pueden
usarse para determinar las caractersticas operativas (medidas de desempeo) para una cola.
Las caractersticas operativas de inters incluyen las siguientes:
1. Probabilidad de que no haya unidades o clientes en el sistema
2. Cantidad promedio de unidades en la lnea de espera
3. Cantidad promedio de unidades en el sistema (la cantidad de unidades en la lnea de espera

ms la cantidad de unidades que se estn atendiendo)
4. Tiempo promedio que pasa una unidad en la lnea de espera
5. Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera ms el tiempo de
servicio)
6. Probabilidad que tiene una unidad que llega de esperar por el servicio
ESTRUCTURA DE UN SISTEMA DE LINEA DE ESPERA
Para ilustrar las caractersticas bsicas de un modelo de lnea de espera, consideramos la cola en
el Burger Dome, que vende hamburguesas, papas fritas, refrescos y malteadas, as como un
nmero limitado de artculos de especialidad y postres. Aunque a Burger Dome le gustara servir
inmediatamente a cada cliente, a veces llegan ms comensales de los que puede manejar el
personal de Burger Dome, por tanto, los clientes esperan en lnea para hacer sus pedidos y recibir
sus alimentos.
A Burger Dome le preocupa que los mtodos que se usan actualmente para servir a los clientes
dan como resultado tiempos de espera excesivos. La administracin desea realizar un estudio con
el fin de ayudar a determinar el mejor enfoque para producir los tiempos de espera y mejorar el
servicio.
Lnea de espera de un solo canal:
Cada cliente que entra al restaurante de Burger Dome debe pasar por un canal, una estacin para
tomar y surtir el pedido, para colocar el pedido, pagar la cuenta y recibir el producto. Cuanto llegan
ms clientes forman una lnea de espera y aguardan que se desocupe la estacin para tomar y
surtir el pedido.
Distribucin de llegadas:
Definir el proceso de llegada para una lnea de espera implica determinar la distribucin de
probabilidad para la cantidad de llegadas en un periodo dado. Para muchas situaciones de lnea
de espera, cada llegada ocurre aleatoria e independientemente de otras llegadas y no podemos
24
predecir cundo ocurrir. En tales casos los analistas cuantitativos han encontrado que la
distribucin de probabilidad de poisson proporciona una buena descripcin del patrn de llegadas.
Distribucin de tiempos de servicio:
El tiempo de servicio es el tiempo que pasa un cliente en la instalacin una vez el servicio ha
iniciado.
Se puede utilizar la distribucin de probabilidad exponencial para encontrar la probabilidad de que
el tiempo de servicio sea menor o igual que un tiempo t.
Disciplina en la lnea de espera:
Al describir un sistema de lnea de espera debemos definir la manera en que las unidades que
esperan el servicio se ordenan para recibirlo.
En general para la mayora de las lneas de espera orientadas al cliente, las unidades que esperan
servicio se acomodan segn el principio el primero que llega, el primero al que se sirve; este
enfoque se conoce como disciplina de lnea de espera o disciplina de cola FCFS (first-come, first
served).
Sin embargo algunas situaciones exigen disciplinas de cola diferentes:
El primero que llega, primero al que se le sirve

ltimo en entrar, primero en salir
Atencin primero a la prioridad ms alta
25
Operacin de estado estable:
Generalmente la actividad se incrementa gradualmente hasta un estado

normal o estable. El perodo de comienzo o principio se conoce como
perodo transitorio, mismo que termina cuando el sistema alcanza la
operacin de estado estable o normal.
MODELOS DE LNEA DE ESPERA DE UN SOLO CANAL CON

LLEGADAS DE POISSON Y TIEMPOS DE SERVICIO
EXPONENCIALES
Frecuentemente, los modelos de lnea de espera se basan en

suposiciones como las llegadas de Poisson y los tiempos de servicio
exponenciales. Cuando se aplica cualquier modelo de lnea de espera,
deben recolectarse datos sobre el sistema real para asegurar que las suposiciones del modelo son
razonables.
Caractersticas operativas:
A continuacin, las frmulas que pueden usarse para determinar las caractersticas operativas de
estado estable para una lnea de espera de un solo canal.
El objetivo de las frmulas es mostrar cmo se puede dar informacin acerca de las caractersticas
operativas de la lnea de espera.
26
27
Cmo usan los administradores los modelos de lnea de espera:
Los resultados de la lnea de espera de un solo canal para Burger Dome muestran varias cosas
importantes sobre su operacin. En particular, los clientes esperan un promedio de tres minutos
antes de comenzar a colocar un pedido, lo cual parece un poco largo para un negocio basado en
el servicio rpido. Adems los hechos de que la cantidad promedio de clientes que esperan en la
lnea es de 2.25 y que 75% de los clientes que llegan tienen que esperar para que los atiendan son
indicadores de que debera hacerse algo para mejorar la operacin.
Mejora de la operacin de la lnea de espera
Despus de revisar las caractersticas operativas proporcionadas por el modelo de lnea de espera,
la administracin de Burger Dome concluy que es deseable disear mejoras que reduzcan los
tiempos de espera; para ello, a menudo los analistas se centran en formas de mejorar la tasa de
servicio. Por lo general, las mejoras en la tasa de servicio se obtienen realizando los siguientes
cambios de manera individual o conjuntamente.
28
MODELOS DE LNEA DE ESPERA CON CANALES MLTIPLES CON LLEGADAS DE

POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES
Consiste en dos o ms canales de servicio que se supone son idnticos desde el punto de vista de
su capacidad. En el sistema de canales mltiples, las unidades que llegan esperan en una sola
lnea y luego pasan al primer canal disponible para ser servidas.
A continuacin, las frmulas que pueden usarse para determinar las caractersticas operativas de
estado estable para lneas de espera con mltiples canales. Estas frmulas son aplicables si
existen las siguientes condiciones.
1. Las llegadas siguen una distribucin de probabilidad de Poisson.
2. Tiempo de servicio para cada canal sigue una distribucin de probabilidad exponencial.
29
30
ANLISIS ECONMICO DE LAS LNEAS DE ESPERA
Antes de que pueda llevarse a cabo un anlisis econmico de una lnea de espera, debe elaborarse
un modelo de costo total, el cual incluye el costo de esperar y el costo de servicio.
31
Para realizar un anlisis econmico de una lnea de espera debemos obtener estimaciones
razonables del costo de esperar y el costo de servicio. En el problema de Burger Dome, el costo
de esperar sera el costo por minuto para un cliente que espera por servicio. Este costo no es un
costo directo para Burger Dome; sin embargo, si Burger Dome lo ignora y permite lneas de espera
largas, los clientes comern en otra parte. Por tanto Burger Dome experimentar prdida en ventas
y en efecto, incurrir en un costo.
Generalmente es ms fcil determinar el costo del servicio. Este es el costo relevante asociado con
la operacin de cada canal de servicio; en el problema de Burger Dome, incluira los salario y
prestaciones del empleado y cualquier otro costo directo asociado con la operacin del canal de
servicio. En Burger Dome este costo se estima en $7 por hora. Suponemos que Burger Dome est
dispuesto a asignar un costo de $10 por hora para el tiempo de espera del cliente. Usamos la
cantidad promedio en el sistema, L.
Substituyendo frmula
Sistema de un solo canal (L=3 clientes)
TC= 10 (3) + 7 (1) = $37.00 por hora
Sistema de dos canales (L=0.8727 clientes)
TC= 10 (0.8727) + 7 (2)= $22.73 por hora
Por tanto, con base en los datos de costo proporcionados por Burger Dome, el sistema de dos
canales proporciona la operacin ms econmica.
La forma general de las curvas de costo en el anlisis econmico de las lneas de espera consiste
en que el costo del servicio aumenta conforme aumenta la cantidad de canales; pero con ms
canales, el servicio es mejor. Como resultado, el tiempo de espera y el costo disminuyen conforme
se aumenta la cantidad de canales. Puede encontrarse la cantidad de canales que proporcionar
una buena aproximacin al diseo de costo total mnimo evaluando el costo total para varias
alternativas de diseo.
32
5. PROCESOS DE MARKOV
Procesos de Markov
Son tiles para estudiar la evolucin de sistemas a lo largo de ensayos repetidos, que a menudo,
son perodos sucesivos donde el estado del sistema, en cualquier perodo particular, no puede
determinarse con certeza son llamados tambin markovianos.
Es til para describir la probabilidad de que una mquina siga funcionando o se estropeara en el
siguiente periodo y tambin de que un consumidor que compra la marca A en un periodo compre
la marca B en el siguiente perodo.
ANALISIS DE PARTICIPACIN EN EL MERCADO
Suponga que estamos interesados en analizar la participacin en el mercado y lealtad del cliente
de los dos nicos supermercados en un poblado pequeo. Nos enfocamos en la secuencia de los
viajes de compras de un cliente y suponemos que hace un viaje de compras cada semana, a uno
u otro almacn, pero no a ambos.
ENSAYOS DE PROCESOS:
Eventos que descadenan las transiciones del sistema de un estado a otro, es decir se refiere a los
periodos semanales o viajes de compras.
ESTADO DEL SISTEMA:
Condicin del sistema de cualquier ensayo o periodo particular, es decir tienda particular
seleccionada en una semana.
PROBABILIDADES DE TRANSICION DE UN ESTADO A OTRO:
Primero para determinar las probabilidades de los diversos estados que ocurren en ensayos
sucesivos, necesitamos informacin sobre la probabilidad de que un cliente permanezca con la
misma tienda o cambie a la tienda competidora conforme contina el proceso de una semana a
otra y segundo debido a que las probabilidades indican que un cliente puede moverse o hacer una
transicin de un estado en un periodo dado, a otro estado en el siguiente perodo, estas
probabilidades se llaman probabilidades de transicin.
EJEMPLO:
Probabilidades de transicin para las tiendas de abarrotes de Murphys y Ashleys.
33
MATRIZ DE TRANSICION
Se utilizan para describir la manera en que el sistema cambia de un perodo al siguiente. Se

representan por medio de matrices de transicin.
El anlisis en los casos que vamos a estudiar se restringe a situaciones consistentes en una
cantidad finita de estados en los que permanecen constantes las probabilidades de transicin a lo
largo del tiempo y la probabilidad de estar en un estado particular en cualquier perodo,
dependiendo nicamente del estado en el perodo inmediatamente anterior.
34
35
36
37
38

Introduccion A La Probabilidad 1

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introduccion A La Probabilidad 1

Enviado por

Direitos autorais:

Formatos disponíveis

Introduccin a Probabilidades SEMANA 3_2

Qu es probabilidad? Es una medida numrica de la posibilidad de que ocurrir un evento en la

EXPERIMENTO Y ESPACIO MUETRAL

Se deben satisfacer dos requerimientos de probabilidad:

1. Los valores de las probabilidades asignados. (0<=P(Ei) <=1)

EVENTOS Y SUS PROBABILIDADES

Un evento es una coleccin de puntos mustrales, por ejemplo:

1. La probabilidad de lanzar un dado de cmo resultados nmeros pares

2. Si se tienen 3 cincos amarillos, 2 cincos morados y 4 cincos verdes, entonces:

PROBABILIDADES CONJUNTAS Y MARGINALES

La que da la probabilidad de la interseccin de dos eventos. La tabla de probabilidad conjunta

Se ubica a los mrgenes de la tabla de probabilidad conjunta y brinda la probabilidad de cada

P(B|H) = 0.24/0.80 = 0.30 P(B|M)= 0.03/0.20 = 0.15

Diagrama de rbol para clculo de probabilidades

Es til para calcular probabilidades posteriores

P(A1|B) = P(A1)P(B|A1) / P(A1)P(B|A1) + P(A2)PB|A2)

P(A1)= 0.65 y P(A2)= 0.35

Las probabilidades condicionales (con base en datos histricos) son:

Partes buenas Partes malas

El rbol de probabilidad sera:

DISTRIBUCION DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

La funcin de probabilidad, denota como f (x), proporciona la probabilidad de que la variable

En la elaboracin de una distribucin de probabilidad discreta:

deben satisfacerse dos requerimientos que son:

1. F(x) debe ser mayor o igual a 0

Ejemplo: en el problema anterior la distribucin de probabilidad la tabla puede usarse para

DISTRIBUCION DE PROBABILIDAD BINOMIAL

PARA ESTA CLASE DE EXPERIMENTOS SE DEBN SATISFACER LAS SIGUIENTES

1. Secuencia de n ensayos idnticos.

DISTRIBUCION DE PROBABILIDAD DE POSSON

VARIABLES ALEATORIAS CONTINUAS

DISTRIBUCION DE PROBABILIDAD NORMAL

Es aplicable en muchas situaciones de problemas prcticos y su funcin de densidad de

DISTRIBUCION DE PROBABILIDAD EXPONENCIAL

Es un enfoque de solucin de problemas elaborado para ayudar a tomar decisiones.

PASOS PARA LA FORMULACION DEL PROBLEMA

1. Entender el problema a fondo.

Procedimiento de solucin grfica para problemas de maximizacin

2. Todos los dems renglones, incluyendo z:

Procedimiento de solucin grfica para problemas de minimizacin:

Mtodo simplex de dos fases:

Nuevo rengln Z= rengln Z anterior + A * Rengln A + B * Rengln B

4. MODELOS DE LINEA DE ESPERA

Se han elaborado modelos para ayudar a los administradores a

Las caractersticas operativas de inters incluyen las siguientes:

1. Probabilidad de que no haya unidades o clientes en el sistema

2. Cantidad promedio de unidades en la lnea de espera

3. Cantidad promedio de unidades en el sistema (la cantidad de unidades en la lnea de espera

4. Tiempo promedio que pasa una unidad en la lnea de espera

ESTRUCTURA DE UN SISTEMA DE LINEA DE ESPERA

Lnea de espera de un solo canal:

Distribucin de tiempos de servicio:

Disciplina en la lnea de espera:

Sin embargo algunas situaciones exigen disciplinas de cola diferentes:

El primero que llega, primero al que se le sirve

Operacin de estado estable:

Generalmente la actividad se incrementa gradualmente hasta un estado

MODELOS DE LNEA DE ESPERA DE UN SOLO CANAL CON

Frecuentemente, los modelos de lnea de espera se basan en

Cmo usan los administradores los modelos de lnea de espera:

Mejora de la operacin de la lnea de espera

MODELOS DE LNEA DE ESPERA CON CANALES MLTIPLES CON LLEGADAS DE

1. Las llegadas siguen una distribucin de probabilidad de Poisson.