MÉTODOS PROBABILÍSTICOS

PRESENTADO POR:

CARLOS ANDRÉS GARCÍA RODRÍGUEZ

CURSO 104561_88

Tarea 1 – Introducción a los modelos probabilísticos de decisión y optimización

TUTOR:

VANESA OSPINA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería

Septiembre 2020
CCAV -
PEREIRA
EVALUACION INTERMEDIA TAREA 1 - INTRODUCCION A LOS MODELOS PROBABILISTICOS DE DECISION Y O

EJERCICIO 1 REPRESENTACION PROBABILISTICA DE DATOS

RELACION DE TIEMPOS

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
ACION INTERMEDIA TAREA 1 - INTRODUCCION A LOS MODELOS PROBABILISTICOS DE DECISION Y OPTIMIZACION

EJERCICIO 1 REPRESENTACION PROBABILISTICA DE DATOS

RELACION DE TIEMPOS

TIEMPO ENTRE LLEGADAS (Minutos)

9.91732228740788
4.29882871743579
9.78035057457206
10.2113237591619
10.5182968410059
7.16388475996912
6.48830869819153
9.4969284586924
9.66063088215936
8.23830667466581
6.66244001953508
4.26709538265856
2.31458747078567
3.86667605318183
2.77425175526778
10.8056272003111
9.77555480862058
5.82537713049061
10.002376319726
10.0544960233548
3.73111419161354
6.42917446925856
7.12561115244131
11.7173426210635
5.37156955002029
7.59044105386721
9.80992275212501
11.3394757874455
7.85829156453482
2.63263399780058
9.48680789139237
11.3760211518387
2.11832554249513
5.25410678181453
3.98246074662507
11.1702077978663
2.13710692097242
 8.09329689633424
3.10842384297387
10.9264976340695
11.2102383020739
2.41806580976839
3.1638385042594
2.25849797603016
8.64066576298899
2.94693037048506
3.65337253918185
7.6825431457997
7.37564907374805
7.09848809918536
2.4450209983253
11.9507501038643
9.29705964067772
8.84310266439413
11.9188260669796
11.675525008564
4.10312549718789
10.9722787197785
2.44246773918455
11.1414433157903

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
EVALUACION INTERMEDIA TAREA 1 - INTRODUCCION A LOS MODELOS PROBABILISTICOS DE DECISIO

EJERCICIO 1 REPRESENTACION PROBABILISTICA DE DATOS

RELACION DE TIEMPOS

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
ON INTERMEDIA TAREA 1 - INTRODUCCION A LOS MODELOS PROBABILISTICOS DE DECISION Y OPTIMIZACION

EJERCICIO 1 REPRESENTACION PROBABILISTICA DE DATOS

RELACION DE TIEMPOS

TIEMPO DE SERVICIO (Minutos)

6.60138056948852
6.13941895537614
7.41118087620066
7.03545364050331
9.71244295663688
4.02307944485921
0.044978381527645
1.48904136446527
6.99355198863826
0.104204477531878
7.43353713771309
4.53193695847958
3.86496798790608
0.859257348092718
1.67142968295505
5.4820110851789
0.468339326843918
0.920769597799762
2.49998673057481
0.001540963991677
2.39600323469026
9.57764293233106
2.31904099915228
3.59921966419765
2.57399765345657
4.21610396867324
3.05552501666418
0.026518994425842
8.92820694239424
8.70094574668616
4.67169123799199
0.808822388204489
4.78159906338495
0.412897151876271
3.82909270537136
9.41794100523374
5.91333335482501
 7.2796531666806
6.8764484781835
5.11843379538428
4.98362907658166
0.613615178597205
6.53779778941912
6.66457189930926
2.44391721321939
6.17324567177137
5.78082658377284
7.5162376292232
9.17190436573087
6.26652643870065
4.93644063661801
8.65449407585972
3.87457372731068
4.33875189585807
7.51492308311586
6.74478900430767
0.86825766582345
7.17489418521465
8.16441842708276
6.24574625753412

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
 EJERCICIO 1.1

Una compañía produce dispositivos electrónicos para iluminación y requiere determinar la espera en la línea de
referencia específica, de forma aleatoria ha tomado los tiempos que duran los operarios ensamblando el dispos
en la Relación de tiempos, encomienda al departamento de producción validar los tiempos mediante procedimi
rigurosos para tomar una decisión y les encarga la solución de los siguientes aspectos:

Validación estadística para Tiempo de llegadas: representar y analizar estadísticamente la Relación de tiempos p
de llegadas mediante procedimientos estadísticos descriptivos e inferenciales propios de la teoría de colas, para
-Diseñar una distribución empírica para tiempo de llegadas.
-Graficar la frecuencia relativa empírica y frecuencia empírica relativa acumulada para tiempo de llegadas.
- Determinar la media y varianza para tiempo entre llegadas.
- Plantear una distribución exponencial teórica para tiempo de llegadas.
- Graficar la frecuencia relativa acumulada empírica vs frecuencia relativa exponencial teórica de tiempo de lleg
- Determinar la distribución X2 para tiempo de llegadas.
- Probar la hipótesis que los tiempos entre llegadas representan una distribución exponencial con un nivel de co
mediante la Prueba de Bondad de Ajuste Distribución X2.

1.1. Diseñar una distribución empírica para tiempo de llegadas.

Tabla de distribución entre llegadas

N° de Clase Clase Marca de clase Frecuencia Frecuencia
(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 observada relativa
Ī𝑖 empirica empirica

𝑂_𝑖 𝑓_𝑖

1 (2 - 3) 2.5 10 0.16666666667
2 (3 - 4) 3.5 6 0.1
3 (4 - 5) 4.5 3 0.05
4 (5 - 6) 5.5 3 0.05
5 (6 - 7) 6.5 3 0.05
6 (7 - 8) 7.5 7 0.11666666667
7 (8 - 9) 8.5 4 0.06666666667
8 (9 - 10) 9.5 8 0.13333333333
9 (10 - 11) 10.5 7 0.11666666667
10 (11 - 12) 11.5 9 0.15
Total 60 1.000

1.2. Graficar la frecuencia relativa empírica y frecuencia empírica relativa acumulada para tiempo de llegadas.
 Fr ecuencia r elati va em pirica Vs Fr ecuencia
r elati va acum ulada em pirica
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12
t(minutos)
Frecuencia relativa empirica Frecuencia relativa acumulada empirica

1.3. Determinar la media y varianza para tiempo entre llegadas

Marca de clase Frecuencia Frecuencia Frecuencia Media

observada relativa relativa ₸=∑_(𝑖=1)^1
empirica empirica acumulada 0▒ 〖𝑓 _𝑖∗Ī 〗 𝑖
Ī𝑖 empirica
𝑂_𝑖 𝑓_𝑖
𝐹_𝑖
2.5 10 0.16666666667 0.16666666667 0.41666666667
3.5 6 0.1 0.26666666667 0.35
4.5 3 0.05 0.31666666667 0.225
5.5 3 0.05 0.36666666667 0.275
6.5 3 0.05 0.41666666667 0.325
7.5 7 0.11666666667 0.53333333333 0.875
8.5 4 0.06666666667 0.6 0.56666666667
9.5 8 0.13333333333 0.73333333333 1.26666666667
10.5 7 0.11666666667 0.85 1.225
11.5 9 0.15 1 1.725
60 1.000 7.25
₸=∑_(𝑖=1)^1
Media para tiempo entre llegadas 0▒ 〖𝑓 _𝑖∗Ī 〗 𝑖 ₸=7,25

Varianza para tiempo entre llegadas S²=48,62

1.4. Plantear una distribución exponencial teórica para tiempo de llegadas.

N° de Clase Clase Marca de clase Frecuencia Frecuencia

(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 exponencial relativa
teorica exponencial
Ī𝑖 teorica
𝑓(𝑡) F(T)
1 (2 - 3) 2.5 0.12015983029 0.29165752901
2 (3 - 4) 3.5 0.10467828991 0.38292124451
3 (4 - 5) 4.5 0.09119141025 0.46242643061
4 (5 - 6) 5.5 0.07944219675 0.53168807072
5 (6 - 7) 6.5 0.06920676637 0.59202595589
6 (7 - 8) 7.5 0.06029008144 0.6445898337
7 (8 - 9) 8.5 0.05252223317 0.69038131682
8 (9 - 10) 9.5 0.04575520403 0.73027296891
9 (10 - 11) 10.5 0.03986004724 0.76502493147
10 (11 - 12) 11.5 0.03472442971 0.79529940841

λ=1/₸
𝑓(𝑡)=λ𝑒^((−λ∗𝑡)) F(𝑇)=1−𝑒^((−λ∗𝑇))

e= 2.718281828 λ= 0.13793103448

1.5. Graficar la frecuencia relativa acumulada empírica vs frecuencia relativa exponencial teórica de tiempo de lleg

N° de Clase Clase Marca de clase Frecuencia Frecuencia

(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 relativa relativa
acumulada exponencial
Ī𝑖 empirica teorica
𝐹_𝑖 F(T)

1 (2 - 3) 2.5 0.16666666667 0.29165752901

2 (3 - 4) 3.5 0.26666666667 0.38292124451
3 (4 - 5) 4.5 0.31666666667 0.46242643061
4 (5 - 6) 5.5 0.36666666667 0.53168807072
5 (6 - 7) 6.5 0.41666666667 0.59202595589
6 (7 - 8) 7.5 0.53333333333 0.6445898337
7 (8 - 9) 8.5 0.6 0.69038131682
8 (9 - 10) 9.5 0.73333333333 0.73027296891
9 (10 - 11) 10.5 0.85 0.76502493147
10 (11 - 12) 11.5 1 0.79529940841

F vs F(T)
Frecuencia relativa acumulada empirica Frecuencia relativa exponencial teorica
1.2

0.8

0.6
 F vs F(T)
Frecuencia relativa acumulada empirica Frecuencia relativa exponencial teorica
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12

t(minutos)

1.6. Determinar la distribución X2 para tiempo de llegadas.

Tabla de Distribución X² para tiempo entre llegadas

N° de Clase Clase Frecuencia Agrupamiento Frecuencia
(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 observada de clases Oi Teorica
𝑂_𝑖 para X² 𝑛_𝑖
1 (2 - 3) 10 10 7.31427414361
2 (3 - 4) 6 6 6.42263070615
3 (4 - 5) 3 5.63968267768
6
4 (5 - 6) 3 4.95217959122
5 (6 - 7) 3 4.34848627224
10
6 (7 - 8) 7 3.81838592716
7 (8 - 9) 4 3.35290723621
12
8 (9 - 10) 8 2.94417252448
9 (10 - 11) 7 7 2.58526444164
10 (11 - 12) 9 2.27010889398
9
(12 - ꚙ 0 16.3519075856
Total 60 60

1.7. Prueba de hipotesis

Probar la hipótesis que los tiempos entre llegadas representan una distribución exponencial con un niv
confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución X2.

N=7
𝑥_(5, 0.05)^2
para 𝑥_(7−1−1, 0.05)^2
 𝑥_(5, 0.05)^2
𝑥_(7−1−1, 0.05)^2

21,0915>11,0705 Como X²es mayor no se acepta la hipotesis

.1

iere determinar la espera en la línea de ensamble de una

an los operarios ensamblando el dispositivo que se presentan
validar los tiempos mediante procedimientos estadísticos
tes aspectos:

tadísticamente la Relación de tiempos para validar el tiempo

ciales propios de la teoría de colas, para lograr esto debe:

umulada para tiempo de llegadas.

a exponencial teórica de tiempo de llegadas.

ribución exponencial con un nivel de confianza del 95%

Frecuencia
relativa
acumulada
empirica

𝐹_𝑖
0.16666666667
0.26666666667
0.31666666667
0.36666666667
0.41666666667
0.53333333333
0.6
0.73333333333
0.85
1

umulada para tiempo de llegadas.

ecuencia

10 11 12

mpirica

Varianza

0.72337962963
0.99225
0.91378125
1.36503125
1.90653125
5.12057291667
4.19585185185
9.03837037037
10.0363229167
14.33259375
48.6246851852
a exponencial teórica de tiempo de llegadas.

encial teorica
encial teorica

11 12

tre llegadas
Agrupamiento
de clases ni
para X²
7.31427414361 0.98617077157
6.42263070615 0.02781052219

10.5918622689 1.99069800581

8.16687219941 0.41146199564

6.29707976068 5.16482250377

2.58526444164 7.53883809187

18.6220164796 4.97170654076

21.0915084316

distribución exponencial con un nivel de

X2.
se acepta la hipotesis
 Validación estadística para Tiempo de servicio: representar y analizar estadísticamente la Relación de tiempos p
validar el tiempo de servicio mediante procedimientos estadísticos descriptivos e inferenciales propios de la te
de colas, para lograr esto debe:
-Diseñar una distribución empírica para tiempo de servicio.
-Graficar la frecuencia relativa empírica y frecuencia empírica relativa acumulada para tiempo de servicio.
- Determinar la media y varianza para tiempo entre servicio.
- Plantear una distribución exponencial teórica para tiempo de servicio.
- Graficar la frecuencia relativa acumulada empírica vs frecuencia relativa exponencial teórica de tiempo
servicio.
- Determinar la distribución X2 para tiempo de servicio.
- Probar la hipótesis que los tiempos entre servicio representan una distribución exponencial con un nive
confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución X2.

1.2.1. Diseñar una distribución empírica para tiempo de servicio

Tabla de distribución entre servicio

N° de Clase Clase Marca de clase Frecuencia Frecuencia
(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 observada relativa empirica
Ī𝑖 empirica
𝑂_𝑖 𝑓_𝑖
1 (0 - 1) 0.5 11 0.183333333333
2 (1 - 2) 1.5 2 0.033333333333
3 (2 - 3) 2.5 5 0.083333333333
4 (3 - 4) 3.5 5 0.083333333333
5 (4 - 5) 4.5 8 0.133333333333
6 (5 - 6) 5.5 4 0.066666666667
7 (6 - 7) 6.5 10 0.166666666667
8 (7 - 8) 7.5 7 0.116666666667
9 (8 - 9) 8.5 4 0.066666666667
10 (9 - 10) 9.5 4 0.066666666667
Total 60 1.000

1.2.2. Graficar la frecuencia relativa empírica y frecuencia empírica relativa acumulada para tiempo de servicio

Frecuencia relativa empírica y frecuencia empírica relativa

acumulada para tiempo de servicio
1.2

0.8

0.6

0.4

0.2

0
 1.2

0.8

0.6

0.4

0.2

0
(0 - 1) (1 - 2) (2 - 3) (3 - 4) (4 - 5) (5 - 6) (6 - 7) (7 - 8) (8 - 9) (9 -
10)

Frecuencia relativa empirica Frecuencia relativa acumulada empirica

1.2.3. Determinar la media y varianza para tiempo entre servicio

Marca de clase Frecuencia Frecuencia Frecuencia Media

observada relativa empirica relativa ₸=∑_(𝑖=1)^1
empirica acumulada 0▒ 〖𝑓 _𝑖∗Ī 〗 𝑖
Ī𝑖 𝑂_𝑖 𝑓_𝑖 empirica 𝐹_𝑖
0.5 11 0.183333333333 0.183333333333 0.091666666667
1.5 2 0.033333333333 0.216666666667 0.05
2.5 5 0.083333333333 0.3 0.208333333333
3.5 5 0.083333333333 0.383333333333 0.291666666667
4.5 8 0.133333333333 0.516666666667 0.6
5.5 4 0.066666666667 0.583333333333 0.366666666667
6.5 10 0.166666666667 0.75 1.083333333333
7.5 7 0.116666666667 0.866666666667 0.875
8.5 4 0.066666666667 0.933333333333 0.566666666667
9.5 4 0.066666666667 1 0.633333333333
60 1.000 4.766666666667
₸=∑_(𝑖=1)^1
Media para tiempo entre servicio 0▒ 〖𝑓 _𝑖∗Ī 〗 𝑖 ₸= 4.766666666667

Varianza para tiempo entre servicio S²= 24.62847685185

1.2.4. Plantear una distribución exponencial teórica para tiempo de servicio.

N° de Clase Clase Marca de clase Frecuencia Frecuencia

(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 exponencial relativa
teorica exponencial
Ī𝑖 teorica
𝑓(𝑡) F(T)
1 (0 - 1) 0.5 0.170088318142 0.099581032809
2 (1 - 2) 1.5 0.137899838116 0.269981435712
3 (2 - 3) 2.5 0.111802888994 0.408134297896
4 (3 - 4) 3.5 0.090644674846 0.520142327244
5 (4 - 5) 4.5 0.073490561397 0.610953320519
6 (5 - 6) 5.5 0.059582789873 0.6845787253
7 (6 - 7) 6.5 0.048307004077 0.744270840028
8 (7 - 8) 7.5 0.039165112072 0.792666479704
 9 (8 - 9) 8.5 0.031753283668 0.831903453469
10 (9 - 10) 9.5 0.025744111796 0.863714999315

λ=1/₸
𝑓(𝑡)=λ𝑒^((−λ∗𝑡)) F(𝑇)=1−𝑒^((−λ∗𝑇))

e= 2.718281828 λ= 0.20979020979

1.2.5. Graficar la frecuencia relativa acumulada empírica vs frecuencia relativa exponencial teórica de tiempo de ser

N° de Clase Clase Marca de clase Frecuencia Frecuencia

(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 relativa relativa
acumulada exponencial
Ī𝑖 empirica teorica
𝐹_𝑖 F(T)
1 (0 - 1) 2.5 0.183333333333 0.099581032809
2 (1 - 2) 3.5 0.216666666667 0.269981435712
3 (2 - 3) 4.5 0.3 0.408134297896
4 (3 - 4) 5.5 0.383333333333 0.520142327244
5 (4 - 5) 6.5 0.516666666667 0.610953320519
6 (5 - 6) 7.5 0.583333333333 0.6845787253
7 (6 - 7) 8.5 0.75 0.744270840028
8 (7 - 8) 9.5 0.866666666667 0.792666479704
9 (8 - 9) 10.5 0.933333333333 0.831903453469
10 (9 - 10) 11.5 1 0.863714999315

Frecuencia
1.2 Relativa acumulada empírica vs Frecuancia Relativa Exponencia
teórica de tiempo de servicio
1

0.8

0.6

0.4

0.2

0
(0 - 1) (1 - 2) (2 - 3) (3 - 4) (4 - 5) (5 - 6) (6 - 7) (7 - 8) (8 - 9) (9 - 10)

Frecuencia relativa acumulada empirica Frecuencia relativa exponencial teorica

 0
(0 - 1) (1 - 2) (2 - 3) (3 - 4) (4 - 5) (5 - 6) (6 - 7) (7 - 8) (8 - 9) (9 - 10)

Frecuencia relativa acumulada empirica Frecuencia relativa exponencial teorica

1.2.6. Determinar la distribución X2 para tiempo de servicio.

Tabla de Distribución X² para tiempo entre servicio

N° de Clase Clase Frecuencia Agrupamiento Frecuencia
(𝑖) 𝐼_(𝑖−1)−𝐼_𝑖 observada de clases Oi para Teorica
𝑂_𝑖 X² 𝑛_𝑖
1 (0 - 1) 11 11 11.35474101139
2 (1 - 2) 2 9.20590528746
7
3 (2 - 3) 5 7.463727448885
4 (3 - 4) 5 5 6.051249246191
5 (4 - 5) 8 8 4.906076446426
6 (5 - 6) 4 3.977622655906
14
7 (6 - 7) 10 3.224874737592
8 (7 - 8) 7 7 2.6145811136
9 (8 - 9) 4 2.11978292363
10 (9 - 10) 4 8 1.718623155327
(10 - ꚙ 0 7.362815973596
Total 60 60

PRUEBA DE HIPOTESIS
* Probar la hipótesis que los tiempos entre servicio representan una distribución exponencial con un nive
confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución X2.

N=7
𝑥_(5, 0.05)^2
para 𝑥_(7−1−1, 0.05)^2
22,4397>11,0705 Como X²es mayor no se acepta la hipotesis
 sticamente la Relación de tiempos para
tivos e inferenciales propios de la teoría

ulada para tiempo de servicio.

va exponencial teórica de tiempo de

tribución exponencial con un nivel de

Frecuencia
relativa𝐹_𝑖
acumulada
empirica
0.183333333
0.216666667
0.3
0.383333333
0.516666667
0.583333333
0.75
0.866666667
0.933333333
1

ulada para tiempo de servicio

 Varianza

0.030568287
0.070083333
0.437644676
0.857783565
2.028
1.756740741
4.890046296
5.120572917
4.195851852
5.241185185
24.62847685
ponencial teórica de tiempo de servicio.

ativa Exponencia

(7 - 8) (8 - 9) (9 - 10)

ponencial teorica
 (7 - 8) (8 - 9) (9 - 10)

ponencial teorica

servicio
Agrupamient
o de clases ni
para X²
11.35474101 0.0110827

16.66963274 5.609109615

6.051249246 0.182627575
4.906076446 1.951123889

7.202497393 6.415280584

2.614581114 7.355632881

11.20122205 0.914884339

22.43974158

tribución exponencial con un nivel de

acepta la hipotesis
 Ejercicio 2 Modelos de programación probabilística de proyectos.

Una compañía produce dispositivos electrónicos para iluminación y ha propuesto un proyecto de ampliación en
de ensamble, las actividades y sus tiempos estimados, se presentan en la Relación del proyecto de ampliación,
encomienda al departamento de producción realizar una programación probabilística de proyectos para optimiz
duración del proyecto y les encarga la solución de los siguientes aspectos:

1. Modelo de programación de proyectos con estimación de tiempos. Plantear la programación de proyectos co

estimación de tiempos con base en la Relación del proyecto de ampliación, para lograr esto, debe:

• Determinar media y varianza de la distribución Beta.

• Determinar la media y varianza esperadas normalmente distribuidas.
• Determinar el parámetro K para cada evento asociado a la distribución normal.
• Determinar las probabilidades asociadas de cada evento.

2. Modelo de programación de proyectos con estimación extra de tiempo. Plantear la programación de proyecto
estimación extra de tiempo con base en la Relación del proyecto de ampliación, ampliando los tiempos estimad
utilizando el índice multiplicador, para lograr esto debe:
• Determinar media y varianza de la distribución Beta.
• Determinar la media y varianza esperadas normalmente distribuidas.
• Determinar el parámetro K para cada evento asociado a la distribución normal.
• Determinar las probabilidades asociadas de cada evento.

TIEMPOS ESTIMADOS

ACTIVIDAD TIEMPO TIEMPO MAS MEDIA

TIEMPO
OPTIMISTA PESIMISTA b PROBABLE m
a

0, 1 1 2 3
0, 2 2 8 2
1, 3 1 3 2
2, 3 1 11 1.5
2, 4 0.5 7.5 1
3, 5 1 7 2.5
3, 6 1 3 2
4, 5 6 8 7
4, 6 3 11 4
5, 6 4 8 6

TIEMPO DE
TIEMPO DE
TERMINACION
INICIO MAS
EVENTO RUTA MAS TARDIO
TARDIO
TIPj
TTTi
1 (0, 1) 2 4
2 (0, 2) 3 3
 3 0, 2, 3) 6 6
4 (0, 2, 3, 4) 6 6
5 (0, 2, 3, 4, 5) 13 13
6 (0, 2, 3, 4, 5, 6) 19 19

1. Programación de proyectos con estimación de tiempos. Plantear la programación de proyectos con tiempos e
con base en la Relación del proyecto de ampliación, para:

- Determinar media y varianza de la distribución Beta.

- Determinar la media y varianza esperadas normalmente distribuidas.
- Determinar el parámetro K para cada evento asociado a la distribución normal.
- Determinar las probabilidades asociadas de cada evento.

Determinar media y varianza de la distribución Beta.

TIEMPOS ESTIMADOS MEDIA

TIEMPO TIEMPO TIEMPO MAS 𝐷 ̃_𝑖
ACTIVIDAD (i,j) OPTIMISTA a PESIMISTA b PROBABLE m

0, 1 1 2 3 2.5
0, 2 2 8 2 3
1, 3 1 3 2 2
2, 3 1 11 1.5 3
2, 4 0.5 7.5 1 2
3, 5 1 7 2.5 3
3, 6 1 3 2 2
4, 5 6 8 7 7
4, 6 3 11 4 5
5, 6 4 8 6 6

Determinar la media y varianza esperadas normalmente distribuidas.

Media normalmente distr. Varianza normalmente distr.

EVENTO RUTA 𝐸{𝜇_𝑖 } 𝑣𝑎𝑟{𝜇_𝑖 }

1 (0, 1) 2.5 2
2 (0, 2) 3 3
3 0, 2, 3) 6 6
4 (0, 2, 3, 4) 8 6
5 (0, 2, 3, 4, 5) 15 13
 6 (0, 2, 3, 4, 5, 6) 21 19

Determinar el parámetro K para cada evento asociado a la distribución normal.

Determinar las probabilidades asociadas de cada evento.

TIEMPO DE Media Varianza

TERMINACION normalmente normalmente
EVENTO RUTA MAS TARDIO distribuida distribuida
𝐸{𝜇_𝑖 } 𝑣𝑎𝑟{𝜇_𝑖 }
TTTi
1 (0, 1) 4 2.5 2
2 (0, 2) 3 3 3
3 0, 2, 3) 6 6 6
4 (0, 2, 3, 4) 6 8 6
5 (0, 2, 3, 4, 5) 13 15 13
6 (0, 2, 3, 4, 5, 6) 19 21 19

TIEMPOS ESTIMADOS EXTRAS

ACTIVIDAD TIEMPO TIEMPO MAS MEDIA

OPTIMISTA TIEMPO PROBABLE m
a PESIMISTA b

0, 1 1.2 2.4 3.6

0, 2 2.4 9.6 2.4
1, 3 1.2 3.6 2.4
2, 3 1.2 13.2 1.8
2, 4 0.6 9 1.2
3, 5 1.2 8.4 3
3, 6 1.2 3.6 2.4
4, 5 7.2 9.6 8.4
4, 6 3.6 13.2 4.8
5, 6 4.8 9.6 7.2

TIEMPO DE
TIEMPO DE
TERMINACION
INICIO MAS
EVENTO RUTA TARDIO MAS TARDIO
TIPj
TTTi
1 (0, 1) 2 4
2 (0, 2) 3 3
3 0, 2, 3) 6 6
4 (0, 2, 3, 4) 6 6
 5 (0, 2, 3, 4, 5) 13 13
6 (0, 2, 3, 4, 5, 6) 19 19

2. Programación de proyectos con estimación de tiempos extras. Plantear la programación de proyectos con
estimados con base en la Relación del proyecto de ampliación, ampliando los tiempos estimados en un 20
multiplicador 1.20), para lograr esto debe:
* Determinar media y varianza de la distribución Beta.
* Determinar la media y varianza esperadas normalmente distribuidas.
* Determinar el parámetro K para cada evento asociado a la distribución normal.
* Determinar las probabilidades asociadas de cada evento.

Determinar media y varianza de la distribución Beta.

TIEMPOS ESTIMADOS MEDIA

ACTIVIDAD TIEMPO TIEMPO TIEMPO MAS 𝐷 ̃_𝑖
OPTIMISTA a PESIMISTA b PROBABLE m
0, 1 1.2 2.4 3.6 3
0, 2 2.4 9.6 2.4 3.6
1, 3 1.2 3.6 2.4 2.4
2, 3 1.2 13.2 1.8 3.6
2, 4 0.6 9 1.2 2.4
3, 5 1.2 8.4 3 3.6
3, 6 1.2 3.6 2.4 2.4
4, 5 7.2 9.6 8.4 8.4
4, 6 3.6 13.2 4.8 6
5, 6 4.8 9.6 7.2 7.2

Determinar la media y varianza esperadas normalmente distribuidas

Media normalmente distr. Varianza normalmente distr.

EVENTO RUTA 𝐸{𝜇_𝑖 } 𝑣𝑎𝑟{𝜇_𝑖 }
1 (0, 1) 2.4 2
2 (0, 2) 3.6 3
3 0, 2, 3) 7.2 6
4 (0, 2, 3, 4) 9.6 6
 5 (0, 2, 3, 4, 5) 16.8 13
6 (0, 2, 3, 4, 5, 6) 16.8 19

Determinar el parámetro K para cada evento asociado a la distribución normal

Determinar las probabilidades asociadas de cada evento

TIEMPO DE Media Varianza

TERMINACION normalmente normalmente
EVENTO RUTA MAS TARDIO distribuida distribuida

TTTi 𝐸{𝜇_𝑖 } 𝑣𝑎𝑟{𝜇_𝑖 }

1 (0, 1) 4 2.4 2
2 (0, 2) 3 3.6 3
3 0, 2, 3) 6 7.2 6
4 (0, 2, 3, 4) 6 9.6 6
5 (0, 2, 3, 4, 5) 13 16.8 13
6 (0, 2, 3, 4, 5, 6) 19 16.8 19
tica de proyectos.

sto un proyecto de ampliación en su línea

ción del proyecto de ampliación,
bilística de proyectos para optimizar la

r la programación de proyectos con

ra lograr esto, debe:

ormal.

ntear la programación de proyectos con

n, ampliando los tiempos estimados

ormal.

VARIANZA
mación de proyectos con tiempos estimados

al.

VARIANZA
𝑉_𝑖

0.027777777778
1
0.111111111111
2.777777777778
1.361111111111
1
0.111111111111
0.111111111111
1.777777777778
0.444444444444

rianza normalmente distr.

𝑣𝑎𝑟{𝜇_𝑖 }

2
3
6
6
13
 19

al.

Parametro Probabilidad
𝑘 𝑃{𝑧}

1.06066017178 0.1446
0 0.5
0 0.5
-0.81649658093 0.209
-0.55470019623 0.2912
-0.45883146774 0.3264

VARIANZA
 a programación de proyectos con tiempos
los tiempos estimados en un 20% (índice

mal.

VARIANZA
𝑉_𝑖
0.04
1.44
0.16
4
1.96
1.44
0.16
0.16
2.56
0.64

rianza normalmente distr.

𝑣𝑎𝑟{𝜇_𝑖 }
2
3
6
6
 13
19

al

Parametro Probabilidad
𝑘 𝑃{𝑧}

1.131370849898 0.242
-0.34641016151 0.3669
-0.48989794856 0.3156
-1.46969384567 0.0721
-1.05393037283 0.0838
0.504714614515 0.0778
 BIBLIOGRAFÍA
* Hillier, F. y Lieberman, G. (2010). Introducción a la
investigación de operaciones (pp. 807-812). México,
México: Editorial McGraw-Hill Interamericana. Recuperado
de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=edselb&AN=edselb.3214887&lang=es&site
=eds-live

*Rojas, A. (2018). Modelos probabilísticos de decisión

[OVA]. Recuperado de http://hdl.handle.net/10596/22416

*Rojas, A. y Ospina, A. (2018). Modelos de línea de espera

[OVI]. Recuperado de http://hdl.handle.net/10596/22265