METODOS PROBABILISTICOS

CÓDIGO: 104561A_474

Unidad 2: Paso 3 - Desarrollar y presentar el diagnóstico y análisis final del estudio de

caso

Presentado a:
Angela María Ospina

Entregado por:

Sebastian Bedoya Gómez

Código: 1128406321

Grupo: 104561_105

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
17/11/2018
Medellín
Contenido
MENTEFACTO.........................................................................................................................................................3
RECONOCIMIENTO CASO DE ESTUDIO .........................................................................................................4
LINK PRESENTACIÓN. .........................................................................................................................................6
MENTEFACTO
 RECONOCIMIENTO CASO DE ESTUDIO

Método o
Referencia documental En norma APA
Estudiante No. modelo Justificación
(consulte aquí)
probabilístico
Taibo, A. Investigación de operaciones
• Según Taibo, A. (2009). Por medio de las cadenas de Markov se
para los no matemáticos (pp. 71-77),
pronostica el comportamiento futuro de ciertas variables, y dicho
México, D.F., MX: Instituto Politécnico
pronosticó se hace mediante el análisis de los cambios que han sufrido
Cadenas de Nacional, 2009. Accessed November
Participación dichas variables durante el presente.
Markov 27, 2016. Recuperado de:
• Estas se aplican en un gran número de situaciones como lo son los
http://bibliotecavirtual.unad.edu.co:20
cambio s de preferencia en el mercado tienen diferentes productos. La
Sebastián Bedoya Gómez

77/lib/unadsp/reader.action?docID=10
posible decisión de hacer o no una inversión en cierta oportunidad etc.
504970&ppg=8.
• Gallagher, C., & Watson, H. (1982). Es uno de los modelos más
antiguos, más sencillos, y más comunes de la teoría de colas. Este
modelo puede aplicarse a personas esperando una línea para comprar Gallagher, C., & Watson, H. (1982).
boletos para el cine entre otros. Métodos cuantitativos para la toma de
• En este modelo se considera que el tamaño de la cola sea infinito, decisiones en administración (pp. 331-
Línea de
además se supone que un solo servidor proporciona el servicio que 351), México, D.F., MX: McGraw-Hill
Servicio espera para un
varía aleatoriamente y no se permite que las unidades que acaban de Interamericana. Recuperado de:
solo Servidor
salir vuelvan a entrar inmediatamente al sistema, por tanto: http://bibliotecavirtual.unad.edu.co:20
- Un servidor y una cola 77/lib/unadsp/reader.action?docID=10
- Llegadas Poisson 479349&ppg=8.
- Cola infinita, primero en llegar, primero en ser servido
- Tiempos de servicio exponenciales
 • La estocasticidad o incertidumbre aparece en todos los sistemas,
pero hasta ahora no era posible la solución de problemas de
optimización de grandes Sistemas considerando explícitamente ésta.
La incertidumbre puede deberse a carencia de datos fiables, errores de
medida o tratarse de parámetros que representan información sobre
el futuro. Santiago, R. (2016). Optimización
• En optimización estocástica No se conocen sus valores, sólo sus Estocástica (pp. 3-4), Madrid.
Programación distribuciones y habitualmente se supone que éstas son discretas con Universidad Pontificia ICAI ICADE
Optimización
estocástica un número finito de estados posibles. La suposición de distribuciones Comillas. Recuperado de:
discretas es habitual en los optimizadores de optimización estocástica. https://www.iit.comillas.edu/aramos/si
• Los tipos de modelos que aparecen en programación lineal mio/apuntes/a_sp.pdf
estocástica son motivados principalmente por problemas con
decisiones de tipo aquí y ahora decisiones previas bajo futuro incierto.
Esto es, decisiones que deben tomarse asándose en información a
priori, existente o supuesta, sobre situaciones futuras sin realizar
observaciones adicionales.
 LINK PRESENTACIÓN.

URL: https://es.scribd.com/document/390417066/METODOS-PROBABILISTICOS-Aporte-
Individual-Sebastian-Bedoya