Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUCCIÓN
"El dilema de que elección es la más correcta nos causa algo de preocupación por e grado de
incertidumbre que acompaña la opción tomada, es decir la probabilidad de que ocurra o no
un evento.
A pesar de tener una información insuficiente, debemos escoger la mejor opción que plantea
menores riesgos, así utilizaremos la información disponible de la mejor forma para
determinar la probabilidad de ocurrencia de un evento." - (Predro E. Delgado Meléndez)
Libro Tutor:
Libro Tutor:
El ejercicio de toma de decisiones está presente en todas las actividades del hombre, existe la
probabilidad de que ocurra o no un evento. Esto genera riesgos independientemente de cuál
decisión se tome, ¿cómo elegir?.
El razonar lógicamente nos dirá que debemos escoger la opción que plantea menos riesgos, para
lo cual utilizaremos la información disponible de la mejor forma posible para determinar la
probabilidad de ocurrencia de un evento.
Para los problemas de decisión nos enfrentamos a dos situaciones: que el estado de la naturaleza
esté controlado por un agente neutro (parte uno) o que esté controlado por un agente no neutro
(parte dos), en cuyo caso hablamos de un juego, ya que el agente generalmente es antagónico a
nuestras decisiones.
La interpretación más aceptada del teorema de Bayes, es que su estructura permite el calculo de
probabilidades después de haber sido realizado un experimento (probabilidades aposteriori),
basándose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento
estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento
(probabilidades apriori), las cuales son afectadas por las probabilidades propias del experimento
(las que aparecen durante la ocurrencia del evento).
PASO 1:
(Fig. 1)
PASO 2:
Hallar el valor de la Probabilidad Condicionada: Dividir el valor de cada fila (demanda) con
el Valor total. Fig 1.
Luego hallamos la Prob. Conjunta: Es el calor a priori , multiplicado por cada fila
(Demanda).
Para hallar el Valor Marginal: Deberá sumar los valores de cada fila de la Probabilidad
conjunta. Luego la suma de la comuna de la Probabilidad Marginal deberá sumar 1.
Para hallar el Teorema de Bayes: Deberá dividir el valor de la prob. conjunta, entre el valor
de su respectiva prob. marginal.
(Fig. 2)
PASO 3:
(Fig. 3)
SEMANA 3: ÁRBOL DE DECISIÓN
"Un árbol de decisión proporciona una forma para desplegar visualmente el problema y
después organizar el trabajo de cálculos que se describió en las secciones anteriores. estos
árboles de decisión son en especial útiles cuando debe tomarse una serie de decisiones".
Hillier-Lieberman.
TABLA DE GANANCIAS
TABLA DE PROBABILIDADES
a. Trace un árbol de decisiones apropiado que identifique los nodos de probabilidad y de decisión.
b. Calcule la ganancia esperada de cada nodo de probabilidad.
c. Identifique la decisión óptima.
Desarrollo:
NOTA: Encontrarás más ejemplos en el siguiente enlace.
Libro: Investigación de Operaciones-7maEdición/ Hillier & Lieberman
SEMANA 4: PROGRAMACIÓN DINÁMICA
La programción dinámica encuentra la solución óptima de un problema con n
variables, descomponiéndolos en n etapas, siendo cada etapa un subproblema de
una sola variable. Sin embargo, como la naturaleza de la etapa difiere de
acuerdo con el problema de optimización, la programación dinámica no
proporciona los detalles de cómputo para optimizar cada etapa"
Hamdy A. Taha
Ejemplo prototipo
1. Desarrollo
Etapa 4:
Etapa 3:
Etapa 2:
Etapa 1:
"1-3-5-8-10" - Costo 11
"1-4-5-8-10"- Costo 11
"1-4-6-9-10" - Costo 11
SEMANA 5: PROGRAMACIÓN DINÁMICA
SEMANA 7: TEORÍA DE COLAS O LINEAS DE
ESPERA
La teoría que menciona Jaime Enrique Varela en el libro Introducción de Operaciones, indica que
la Teoría de colas se ocupa del análisis matemático de los fenómenos de las líneas de espera o
colas, menciona que las colas se presentan con frecuencia cuando se solicita una servicio por
parte de una serie de clientes y tanto el servicio como los cliente, son de tipo PROBABILÍSTICO.
Esta es una de las definiciones más importantes entre otros autores.
Cada día dentro de nuestra rutina, podemos observar la teoría de colas, como lo puede ser un
semáforo, la espera en un banco, la fila para conseguir el ticket para un concierto, así como el
tráfico en el envio de paquetes en redes.
Existen varios tipos de Colas, como son M/M/1, M/M/1/K y M/M/C. , sin embargo se hará hincapié
en tres casos especiales serán el M/M/1 y M/M/C.
TIPOS DE SISTEMAS
SISTEMA M/M/1
SISTEMA M/M/C:
Es un Sistema de colas de canal múltiple de una sola línea con llegada exponencial y procesos de
servicio.
Una población de clientes infinita.
Los clientes se presentan de acuerdo a un proceso de poisson con una tasa promedio de 1
clientes por unidad de tiempo.
Una sola fila de espera con capacidad infinita.
En base a la siguiente condición:
Utilizaremos las siguientes fórmulas:
MÉTODO POISSON
SEMANA 10: CADENAS DE MARKOV
Para poder definir las cadenas de Markov primero debe definirse lo que es un Proceso de Markov:
PROCESO DE MARKOV
1. Matriz regular
2. Matriz Absorbentes
Si los estados en una cadena son recurrentes, a periódicos y se comunican entre si, se dice que
la cadena es ergódica.
Primero, determinamos la matriz de transición en la cual se observa que hay dos estados
absorbentes: el ingeniero deje la empresa sin ser socio y que un socio deje la empresa
Para hallar la probabilidad de que un ingeniero principiante llegue a ser socio se debe
multiplicar la matriz inversa por la matriz absorbente, de la siguiente manera:
La simulación se podría definir como técnica que imita la operación de un sistema del
mundo real a medida que evoluciona con el tiempo. Se desarrolla un MODELO DE
SIMULACIÓN, por lo general, toma la forma de un conjunto de suposiciones acerca de la
operación del sistema, expresado como relaciones matemáticas o lógicas entre los
objetos de interés en el sistema.
En general los métodos de simulación son más fáciles de aplicar que los métodos
analíticos. Los modelos analíticos podrían requerir que se hicieran muchas suposiciones
simplificadoras, los modelos de siemulación tienen pocas restricciones de este tipo, asi
que dan una flexibilidad mucho mayor al representar el sistema real. Una vez construido
el modelo, se pueden probar varias políticas de inventario en el modelo en vez de
aprovechar la oportunidad de experimentar en el sistema real.
DISCIPLINA: KARATE DO
EJERCICIO EN LABORATORIO (EXCEL)