07-Modelos de Simula

ESCUELA DE CIENCIAS BSICAS E INGENIERA
ASIGNATURA: Modelos de Simulacin
CORPORACIN UNIVERSITARIA REMINGTON

DIRECCIN PEDAGGICA
Este material es propiedad de la Corporacin Universitaria Remington (CUR), para los estudiantes de la CUR
en todo el pas.
2011
Corporacin Universitaria Remington Direccin Pedaggica

Modelos de Simulacin Pg. 5
CRDITOS
El mdulo de estudio de la asignatura Modelos de Simulacin es propiedad de la Corporacin

Universitaria Remington. Las imgenes fueron tomadas de diferentes fuentes que se relacionan
en los derechos de autor y las citas se relacionan en la bibliografa. El contenido del mdulo est
protegido por las leyes de derechos de autor que rigen al pas.
Este material tiene fines educativos y no puede usarse con propsitos econmicos o comerciales.
AUTOR
Carlos Guillermo Londoo Herrera
Diplomado en Diseo Curricular y Herramientas significativas de Autoaprendizaje. Segundo semestre del
2008.
Docente de Estadistica y Matematicas
Centro de Atencin de Tutora Virtual para el Aprendizaje de la Estadstica en la Corporacin Universitaria
Remington durante el ao 2011
Carlos.londono@remington.edu.co
Crow43@gmail.com Correo electrnico
Nota: el autor certific (de manera verbal o escrita) No haber incurrido en fraude cientfico, plagio o vicios de autora; en caso contrario
eximi de toda responsabilidad a la Corporacin Universitaria Remington, y se declar como el nico responsable.
RESPONSABLES
Mauricio Seplveda
Director. De la Escuela de Ciencias Bsicas e Ingeniera
Director Pedaggico
Octavio Toro Chica
dirpedagogica.director @remington.edu.co
Coordinadora de Medios y Mediaciones Tecnolgicas
Anglica Ricaurte Avendao
distancia.coordinadormmt@remington.edu.co
GRUPO DE APOYO
Personal de la Unidad de Medios y Mediaciones
EDICIN Y MONTAJE
Unidad de Medios y Mediaciones
Primera versin. Febrero de 2011. Derechos Reservados
Esta obra es publicada bajo la licencia CreativeCommons. Reconocimiento-No Comercial-Compartir Igual 2.5
Colombia.
TABLA DE CONTENIDO
Corporacin Universitaria Remington - Calle 51 51-27 Conmutador 5111000 Ext. 2701 Fax: 5137892. Edificio Remington
Pgina Web: www.remington.edu.co - Medelln - Colombia

1.
INTRODUCCIN ............................................................................................................. 7
2.
PROPSITO GENERAL DEL MODULO .............................................................................. 8
2.1.
Objetivos ................................................................................................................................. 8
2.1.1. Objetivo General ..................................................................................................................... 8

3.
MAPA DE LA ASIGNATURA ............................................................................................. 9
4.
CONCEPTOS DE MODELOS DE SIMULACION Y CADENA DE MARKOV ............................. 10
4.1.
Conceptos de Modelos de Simulacin .................................................................................. 11
4.1.1. Definicin de Modelos de simulacin ................................................................................... 11

4.1.2. Tipos de Modelos de Simulacin........................................................................................... 14
4.2.
Cadena de Markov ................................................................................................................ 15
5.
REGRESION LINEAL SIMPLE Y PRONOSTICOS ................................................................ 20
5.1.
Regresin Lineal Simple ........................................................................................................ 21
5.1.1. Ecuacin Lineal ...................................................................................................................... 23

5.2.
Pronsticos ............................................................................................................................ 30
5.2.1. Promedios Mviles ................................................................................................................ 30

5.2.2. Suavizacin Exponencial........................................................................................................ 31
6.
TEORIA DE COLAS ........................................................................................................ 38
6.1.
Conceptos de Teora de Colas ............................................................................................... 39
6.1.1. Modelos de Teora de Colas .................................................................................................. 39

6.1.2. Solucin en Excel ................................................................................................................... 41
6.1.3. Procedimiento en Excel ......................................................................................................... 41
6.1.4. Solucin en Excel ................................................................................................................... 44
6.1.5. Solucin en Excel ................................................................................................................... 45
6.2.
Modelos de Inventarios......................................................................................................... 48
6.2.1. Solucin en Excel ................................................................................................................... 49

7.
GLOSARIO ................................................................................................................... 57
8.
BIBLIOGRAFA.............................................................................................................. 58

1. INTRODUCCIN
Cuando alguien tiene la responsabilidad de conducir un sistema dado, como por ejemplo: un
banco, una ciudad, un sistema de transporte, etc., debe tomar continuamente decisiones acerca
de las acciones que ejecutar sobre el sistema. Estas decisiones deben ser tales que la conducta
resultante del sistema satisfaga de la mejor manera posible los objetivos planteados.
Para poder decidir correctamente es necesario saber cmo responder el sistema ante una
determinada accin. Esto podra hacerse por experimentacin con el sistema mismo; pero factores
de costos, seguridad y otros hacen que esta opcin generalmente no sea viable. A fin de superar
estos inconvenientes, se reemplaza el sistema real por otro sistema que en la mayora de los casos
es una versin simplificada. Este ltimo sistema es el modelo a utilizar para llevar a cabo las
experiencias necesarias sin los inconvenientes planteados anteriormente.
Al proceso de experimentar con un modelo se denomina simulacin. Al proceso de disear el plan
de experimentacin para adoptar la mejor decisin se denomina optimizacin. Si el plan de
experimentacin se lleva a cabo con el solo objeto de aprender a conducir el sistema, entonces se
denomina entrenamiento o capacitacin.
En este punto, es conveniente plantear las siguientes definiciones:
Sistema: Conjunto de objetos o ideas que estn interrelacionados entre s como una
unidad para la consecucin de un fin (Shannon, 1988). Tambin se puede definir como la
porcin del Universo que ser objeto de la simulacin.
Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z puede emplear X
para responder cuestiones que le interesan acerca de Y (Minsky).
Simulacin: Simulacin es el proceso de disear un modelo de un sistema real y llevar a
cabo experiencias con l, con la finalidad de aprender el comportamiento del sistema o de
evaluar diversas estrategias para el funcionamiento del sistema (Shannon, 1988).

2. PROPSITO GENERAL DEL MODULO

El propsito de curso es que el estudiante aprenda a utilizar los diferentes modelos y a
diferenciarlos y su aplicacin en su vida acadmica, profesional, empresarial e investigativa.
2.1. Objetivos
2.1.1. Objetivo General
Retomar de forma ms amplia y panormica el proceso iniciado en el curso de investigacin de
operaciones y establecer una sntesis genrica de lo que es un modelo de simulacin genrica de
los que es un modelo de simulacin de una situacin problemtica, esta vez con todas las
herramientas determinsticas, estocsticas y heursticas.
2.1.1.1 Objetivos Especficos

Conocer los conceptos de modelos de simulacin y en que consiste la cadena de Markov.
Determinar si existe relacin entre dos variables por medio de los modelos.
Construir modelos de teora de colas que permitan tomar decisiones sobre situaciones
problmicas.

3. MAPA DE LA ASIGNATURA
PROPSITO GENERAL DEL MDULO
El propsito de curso es que el estudiante aprenda a utilizar los diferentes modelos y a diferenciarlos
y su aplicacin en su vida acadmica, profesional, empresarial e investigativa
OBJETIVO GENERAL
Retomar de forma ms amplia y panormica el proceso iniciado en el curso de investigacin de
operaciones y establecer una sntesis genrica de lo que es un modelo de simulacin genrica de
los que es un modelo de simulacin de una situacin problemtica, esta vez con todas las
herramientas determinsticas, estocsticas y heursticas.
OBJETIVOS ESPECFICOS
problmicas.
UNIDAD 1
UNIDAD 2
Habilidad para la
construccin de modelos
de cadena de Markov
Destreza para aplicar la

regresin lineal simple y
pronsticos
UNIDAD 3
Conocimiento de la
teora de colas.

4. CONCEPTOS DE MODELOS DE SIMULACION Y CADENA DE MARKOV

Objetivo General
Objetivos Especficos
Conocer los diferentes conceptos de los modelos de simulacin
Calcular los distintos parmetros de cadena de Markov
Resolver algunos ejercicios de la problemtica econmica de la vida real
Prueba Inicial
A continuacin encontrar una serie de enunciados con cinco respuestas, de las cuales una sola es
verdadera. Marque con una X la que usted considere correcta.
Dadas las siguientes definiciones, el estudiante estar en capacidad de responder a que concepto
corresponde:
Analizar a que concepto corresponde la siguiente definicin:
__________ es la accin y efecto de distribuir
a. Variable
b. Caracterstica
c. Distribucin
d. Probabilidad

_________ mide la frecuencia con la que ocurre un resultado en un experimento bajo
condiciones suficientemente estables
a. Variable
b. Estadstica
c. Distribucin
d. Probabilidad
_________ es una rama de la matemtica que se refiere a la recoleccin, estudio e
interpretacin de los datos obtenidos en un estudio
a. Variable
b. Estadstica
c. Probabilidad
d. Parmetro

_________ como funcin matemtica, es una cantidad a la cual el operador puede

asignarle un valor arbitrario, se distingue de variable, la cual puede tomar slo aquellos
valores que haga la funcin posible.
a. Variable
b. Variable dependiente
c. Variable Independiente
d.
Parmetro
_________ es un resultado de una variable al azar especificada por una funcin de
distribucin
a. Media
b. Parmetro
c. Valor
d. Nmero aleatorio
4.1. Conceptos de Modelos de Simulacin

4.1.1. Definicin de Modelos de simulacin
Es un proceso que se da en la realidad mediante la construccin de modelos que resultan del
desarrollo de ciertas aplicaciones especficas
4.1.1.1 Aplicabilidad de los Modelos de Simulacin

La simulacin es conveniente cuando:
No existe una formulacin matemtica analticamente resoluble. Muchos sistemas reales
no pueden ser modelados matemticamente con las herramientas actualmente
disponibles, por ejemplo la conducta de un cliente de un banco.
Existe una formulacin matemtica, pero es difcil obtener una solucin analtica. Los
modelos matemticos utilizados para modelar un reactor nuclear o una planta qumica
son imposibles de resolver en forma analtica sin realizar serias simplificaciones.
4.1.1.2 Teora de los modelos de simulacin

No existe el sistema real. Es problema del ingeniero que tiene que disear un sistema nuevo. El
diseo del sistema mejorar notablemente si se cuenta con un modelo adecuado para realizar
experimentos.
Los experimentos son imposibles debido a impedimentos econmicos, de seguridad, de calidad o
ticos. En este caso el sistema real est disponible para realizar experimentos, pero la dificultad de
los mismos hace que se descarte esta opcin. Un ejemplo de esto es la imposibilidad de provocar

fallas en un avin real para evaluar la conducta del piloto, tampoco se puede variar el valor de un
impuesto a para evaluar la reaccin del mercado.
El sistema evoluciona muy lentamente o muy rpidamente. Un ejemplo de dinmica lenta es el
problema de los cientficos que estudian la evolucin del clima. Ellos deben predecir la conducta
futura del clima dado las condiciones actuales, no pueden esperar a que un tornado arrase una
ciudad para luego dar el mensaje de alerta. Por el contrario, existen fenmenos muy rpidos que
deben ser simulados para poder observarlos en detalles, por ejemplo una explosin.
Entre las posibles desventajas de la simulacin se pueden citar:
El desarrollo de un modelo puede ser costoso, laborioso y lento.
Existe la posibilidad de cometer errores. No se debe olvidar que la experimentacin se
lleva a cabo con un modelo y no con el sistema real; entonces, si el modelo est mal o se
cometen errores en su manejo, los resultados tambin sern incorrectos.
No se puede conocer el grado de imprecisin de los resultados. Por lo general el modelo se
utiliza para experimentar situaciones nunca planteadas en el sistema real, por lo tanto no
existe informacin previa para estimar el grado de correspondencia entre la respuesta del
modelo y la del sistema real.
Actualmente la simulacin presta un invalorable servicio en casi todas las reas posibles,
algunas de ellas son:
Procesos de manufacturas: Ayuda a detectar cuellos de botellas, a distribuir personal,
determinar la poltica de produccin.
Plantas industriales: Brinda informacin para establecer las condiciones ptimas de
operacin, y para la elaboracin de procedimientos de operacin y de emergencias.
Sistemas pblicos: Predice la demanda de energa durante las diferentes pocas del ao,
anticipa el comportamiento del clima, predice la forma de propagacin de enfermedades.
Sistemas de transportes: Detecta zonas de posible congestionamiento, zonas con mayor
riesgo de accidentes, predice la demanda para cada hora del da.
Construccin: Predice el efecto de los vientos y temblores sobre la estabilidad de los
edificios, provee informacin sobre las condiciones de iluminacin y condiciones

ambientales en el interior de los mismos, detecta las partes de las estructuras que deben
ser reforzadas.
Diseo: Permite la seleccin adecuada de materiales y formas. Posibilita estudiar la
sensibilidad del diseo con respecto a parmetros no controlables.
Educacin: Es una excelente herramienta para ayudar a comprender un sistema real
debido a que puede expandir, comprimir o detener el tiempo, y adems es capaz de
brindar informacin sobre variables que no pueden ser medidas en el sistema real.
Capacitacin: Dado que el riesgo y los costos son casi nulos, una persona puede utilizar el
simulador para aprender por s misma utilizando el mtodo ms natural para aprender: el
de prueba y error.
4.1.1.3 Teora de Modelos y Simulacin

La importancia de la Simulacin es evidente al considerar el impacto que tuvieron algunos
trabajos, como ser:
La Perestroyka: Estudios de simulacin efectuados en Rusia en las dcadas del 70 y 80
convencieron a los dirigentes de la necesidad de plantear un fuerte cambio en la economa
de ese pas.
La cada de la bolsa de New York en 1988: La utilizacin de programas de simulacin por
parte de los corredores de la bolsa caus una falsa inestabilidad que provoc la cada.
El regreso del Apolo 13: La simulacin jug un rol fundamental en la determinacin del
plan de emergencia. La nave retorn con xito a pesar de las graves averas.
Los Voyagers: Gracias a la simulacin se pudieron establecer los itinerarios ptimos para
estas naves con un mnimo consumo de energa aprovechando la atraccin gravitacional
de los planetas.
Proyecto Monte Carlo: Von Newman y Ulam (1945) emplearon simulacin para estudiar
reacciones nucleares.
Los modelos del planeta: Algunos plantean la posibilidad de un calentamiento global
debido al efecto invernadero. Otros plantean la posibilidad de un enfriamiento y predicen
una nueva era glaciar.

Capacitacin de tropas: En el operativo Tormenta del desierto llevado a cabo en la

guerra contra Irak, las tropas de todas las fuerzas estadounidenses que participaron
(fuerza area, marina y ejrcito) fueron entrenadas con simuladores.
Capacitacin de policas: Se utiliza entornos virtuales para que el polica aprenda a
conducirse en situaciones de riesgo.
Simuladores de vuelos: Fue una de las primeras aplicaciones de los simuladores.
Actualmente se utilizan para entrenar pilotos de aviones comerciales y de combate.
4.1.2. Tipos de Modelos de Simulacin

De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por (Fishman, 1978):
Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la que
utilizan las empresas automotrices cuando realizan ensayos de choques de automviles
utilizando unidades reales.
Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por
ejemplo, los entrenamientos militares que incluyen movilizacin de equipos y tropas pero
no se lleva a cabo una batalla real.
Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio. Se
pueden distinguir dos tipos de simulaciones:
Juego operacional: Personas compiten entre ellas, ellas forman parte del modelo, la otra
parte consiste en computadoras, maquinaria, etc. Es el caso de una simulacin de
negocios donde las computadoras se limitan a recolectar la informacin generada por
cada participante y a presentarla en forma ordenada a cada uno de ellos.
Hombre-Mquina: Se estudia la relacin entre las personas y la mquina. Las personas
tambin forman parte del modelo. La computadora no se limita a recolectar informacin,
sino que tambin la genera. Un ejemplo de este tipo de simulacin es el simulador de
vuelo.
Simulacin por computadora: El modelo es completamente simblico y est
implementado en un lenguaje computacional. Las personas quedan excluidas del modelo.
Un ejemplo es el simulador de un sistema de redes de comunicacin donde la conducta de

los usuarios est modelada en forma estadstica. Este tipo de simulacin a su vez puede
ser:
Digital: Cuando se utiliza una computadora digital.
Analgica: Cuando se utiliza una computadora analgica. En este grupo tambin se
pueden incluir las simulaciones que utilizan modelos fsicos.
4.2. Cadena de Markov

El anlisis de markov consiste en una forma de analizar el movimiento actual del
comportamiento de una variable discreta o continua con respecto al ao. Es un
procedimiento en cadena y se utiliza para la toma de decisiones.
1. Matriz de transicin de n pasos
Una matriz de transicin de n pasos es una matriz de probabilidad en una etapa.
2. Ecuacin de Chapmn Kolmagorov
Es un procedimiento que me permite realizar un proceso en cadena para obtener la
solucin a un problema dado por medio de multiplicacin de matrices.
3. Tiempo de Recurrencia
Es un proceso que me permite obtener informacin en trminos de tiempo sobre el
nmero de transacciones que hace el proceso de in de un estado i a un estado j por
primera vez.
4. Probabilidades de estado estable

Es un proceso que me permite obtener informacin en trminos de probabilidades sobre
el nmero de transacciones que hace el proceso de in de un estado i a un estado j por
primera vez.
5. Costo promedio esperado/ unidad de tiempo
Es el costo que se obtiene e varios periodos de tiempo, el cual est sujeto a la informacin
en trminos de probabilidades sobre el nmero de transacciones que hace el proceso de
in de un estado i a un estado j por primera vez.

EJEMPLO
Las ventas de una empresa de alimentos durante los primeros cuatro meses del ao en cuatro
ciudades del Pas, dieron que el primer mes vendieron en la cuidad uno una cantidad de 2500
productos en la ciudad 1, 2300 productos en la ciudad 2, 2200 en la ciudad 3 y 2500 en la ciudad 4.
Para el segundo mes se vendieron en la cuidad uno una cantidad de 2650 productos en la ciudad
1, 2450 productos en la ciudad 2, 2250 en la ciudad 3 y 2600 en la ciudad 4. Para el tercer mes se
vendieron en la cuidad uno una cantidad de 2750 productos en la ciudad 1, 2550 productos en la
ciudad 2, 2350 en la ciudad 3 y 2700 en la ciudad 4. En el cuarto mes se vendieron en la cuidad
uno una cantidad de 2850 productos en la ciudad 1, 2650 productos en la ciudad 2, 2450 en la
ciudad 3 y 2800 en la ciudad 4. Adems las ganancias Por las ventas de los productos fueron para
las 4 ciudades de $7.500.000 para la ciudad 1, $6.500.000 para la ciudad 2, $6.000.000 para la
ciudad 3 y $7.250.000 para la ciudad 4. Se pide determinar todos los parmetros del modelo de
cadena de Markov.
Solucin
1. Matriz de transicin de n pasos
2.
2.
7.
12.
17.
22.
CIUDAD
CIUDAD 1
CIUDAD 2
CIUDAD 3
CIUDAD 4
3.
8.
13.
18.
23.
MES 1
2500
2300
2200
2500
4.
9.
14.
19.
24.
MES 2
2650
2450
2250
2600
5.
10.
15.
20.
25.
MES 3
2750
2550
2350
2700
6.
11.
16.
21.
26.
MES 4
2850
2650
2450
2800
27.
32.
37.
42.
47.
CIUDAD
CIUDAD 1
CIUDAD 2
CIUDAD 3
CIUDAD 4
28.
33.
38.
43.
48.
MES 1
0,233
0,231
0,238
0,236
29.
34.
39.
44.
49.
MES 2
0,247
0,246
0,243
0,245
30.
35.
40.
45.
50.
MES 3
0,256
0,256
0,254
0,255
31.
36.
41.
46.
51.
MES 4
0,265
0,266
0,265
0,264
54.
59.
64.
69.
74.
MES 2
0,245
0,245
0,245
0,245
55.
60.
65.
70.
75.
MES 3
0,255
0,255
0,255
0,255
56.
61.
66.
71.
76.
MES 4
0,265
0,265
0,265
0,265
Ecuacin de Chapmn Kolmagorov
Paso 2
52.
57.
62.
67.
72.
CIUDAD
CIUDAD 1
CIUDAD 2
CIUDAD 3
CIUDAD 4
53.
58.
63.
68.
73.
MES 1
0,234
0,234
0,234
0,234
3. Tiempo de Recurrencia

77.
79.
81.
83.
85.
4.
78.
80.
82.
84.
86.
MESES
4,27
4,08
3,92
3,77
Probabilidades de estado estable

87.
89.
91.
93.
95.
5.
CIUDAD
CIUDAD 1
CIUDAD 2
CIUDAD 3
CIUDAD 4
CIUDAD
CIUDAD 1
CIUDAD 2
CIUDAD 3
CIUDAD 4
88.
90.
92.
94.
96.
PROBABILIDAD
0,234
0,245
0,255
0,265
Costo promedio esperado/ unidad de tiempo

6.
8.
10.
12.
14.
16.
CIUDAD
CIUDAD 1
CIUDAD 2
CIUDAD 3
CIUDAD 4
COSTO
PROMEDIO
7.
9.
11.
13.
15.
17.
COSTO
1.758.254
1.594.340
1.531.132
1.921.933
6.805.660
EJERCICIOS
1. Las ventas de una empresa de lcteos durante los primeros cuatro meses del ao en cuatro
ciudades del Pas, dieron que el primer mes vendieron en la cuidad uno una cantidad de 3400
productos en la ciudad 1, 3200 productos en la ciudad 2, 3100 en la ciudad 3 y 3500 en la ciudad 4.
Para el segundo mes se vendieron en la cuidad uno una cantidad de 3450 productos en la ciudad
1, 3050 productos en la ciudad 2, 3150 en la ciudad 3 y 3500 en la ciudad 4. Para el tercer mes se
vendieron en la cuidad uno una cantidad de 3500 productos en la ciudad 1, 3250 productos en la
ciudad 2, 3350 en la ciudad 3 y 3500 en la ciudad 4. En el cuarto mes se vendieron en la cuidad
uno una cantidad de 3550 productos en la ciudad 1, 3350 productos en la ciudad 2, 3450 en la
ciudad 3 y 3600 en la ciudad 4. Adems las ganancias Por las ventas de los productos fueron para
las 4 ciudades de $12.500.000 para la ciudad 1, $13.500.000 para la ciudad 2, $14.000.000 para la
ciudad 3 y $15.250.000 para la ciudad 4. Se pide determinar todos los parmetros del modelo de
cadena de Markov.

2. Una empresa de encomiendas realiza su trabajo en tres municipios cercanos de un

departamento de Colombia. Para evitar que viajar de un lugar a otro, entrega la mercanca segn
sus sucursales, en la sucursal 1 entrega sus productos al municipio 1 con una probabilidad del
35%, para el municipio 2 con una probabilidad del 25% y para el municipio3 con probabilidad del
40%. En la sucursal 2 entrega sus productos al municipio 1 con una probabilidad del 55%, para el
municipio 2 con una probabilidad del 15% y para el municipio3 con probabilidad del 30%. En la
sucursal 3 entrega sus productos al municipio 1 con una probabilidad del 50%, para el municipio 2
con una probabilidad del 25% y para el municipio 3 con probabilidad del 25%. El costo de entrega
de las encomiendas en las tres sucursales es de $10.000, $11.000 y $12.500, respectivamente.
Prueba Final
Qu entiende usted por modelos de simulacin?

De un ejemplo de modelos de simulacin?
En qu consiste la cadena de Markov?

Son las caractersticas de una cadena de Markov?

Actividad
El estudiante debe realizar un ejercicio aplicado a su activad acadmica utilizando la cadena de
Markov.

5. REGRESION LINEAL SIMPLE Y PRONOSTICOS

OBJETIVO GENERAL
OBJETIVOS ESPECFICOS
Interpretar los diagramas estadsticos
Calcular los parmetros de regresin simple
Resolver casos de la vida real
Prueba Inicial
verdadera. Marque con una X la que usted considere correcta. Dadas las siguientes definiciones, el
estudiante estar en capacidad de responder a que concepto corresponde:
__________ es una caracterstica, cualidad o atributo o propiedad de un sujeto o unidad
de observacin.
a. Variable
b. Caracterstica
c. Escala de medicin
d. Parmetro
_________ se refiere al fenmeno que se intenta explicar y que ser objeto de estudio a lo
largo de la investigacin.
a. Variable
Parmetro
d.

_________ son todos aquellos factores o elementos que explican un fenmeno o la
conducta del fenmeno.
a. Variable
d.
Parmetro


_________ como funcin matemtica, es una cantidad a la cual el operador puede
asignarle un valor arbitrario, se distingue de variable, la cual puede tomar slo aquellos
valores que haga la funcin posible.
a. Variable
d.
Parmetro
_________ de una variable estadstica es la suma de todos sus posibles valores, ponderada
por las frecuencias de los mismos.
a. Media
b. Parmetro
c. Media Aritmtica
d. Media Ponderada
5.1. Regresin Lineal Simple

El estudio de la regresin simple muestra la relacin entre dos variables, una de ellas es
independiente y una variable dependiente.
Diagrama de dispersin: Es una grfica de pares de datos X e Y en un espacio dimensional.
Ejemplo 1
Una tienda de electrodomsticos vende neveras y estufas a distintos clientes del municipio de
Envigado segn las necesidades del cliente. En la siguiente tabla se indica el comportamiento de
las ventas y la cantidad durante los 12 primeros meses del ao se desea observar si existe relacin
entre las dos variables.
Meses
1
2
3
4
5
6
7
8
9
10
11
12
CANTIDAD
22
24
26
22
28
26
28
12
24
26
26
28
VENTAS (miles de $)
112
123
125
124
124
134
132
134
136
137
138
140

GRAFICA DE DIAGRAMA DE DISPERSION
Coeficiente de correlacin: Es un valor entre -1 y 1 que indica la fuerza de la relacin lineal entre
dos variables cuantitativas.
FORMULA
n XY ( X )( Y )
n X 2 ( X ) 2 n Y 2 ( Y ) 2

TABLA DE DATOS
Meses
CANTIDAD
1
2
3
4
5
6
7
8
9
10
11
12
22
24
26
22
28
26
28
12
24
26
26
28
suma
VENTAS
XY
(miles de $)
112
123
125
124
124
134
132
134
136
137
138
140
292
1559
X2
2464
2952
3250
2728
3472
3484
3696
1608
3264
3562
3588
3920
37988
Y2
484
576
676
484
784
676
784
144
576
676
676
784
7320
12544
15129
15625
15376
15376
17956
17424
17956
18496
18769
19044
19600
203295
r= 0,13
El coeficiente de correlacin para la muestra de 12 datos puntuales es r=0,13. Esto indica que hay
una relacin lineal positiva bastante fuerte entre la cantidad de productos electrodomsticos y las
ventas.
5.1.1. Ecuacin Lineal

Cuando se examina la correlacin de dos variables, por lo general se hace con el propsito de usar
una para pronosticar la otra.
Y=0+1X+ E
DONDE:
0= Ordenada del origen (Intercepcin en Y)
1= Pendiente de la recta.
E= error aleatorio

5.1.1.1 Mtodo De Mnimos Cuadrados

Es la lnea recta que mejor se ajusta a un conjunto de puntos X eY. La ecuacin es:
Y=0+1X
DONDE:
0= Ordenada del origen (Intercepcin en Y)
1= Pendiente de la recta.
Y= Valor pronosticado de la variable pendiente
X= Variable independiente
Para determinar la ecuacin para la lnea recta que minimiza la suma de los cuadrados de
las distancias verticales entre los puntos y la recta:
Para determinar la pendiente:
n XY ( X )( Y )
n X 2 ( X ) 2
Para determinar la ordenada al origen y de la poblacin:
0 Y (MEDIA) 1X (MEDIA)
Ejemplo (retomando el ejemplo 1)
Una tienda de ordenadores llev a cabo un estudio para determinar la relacin entre los gastos de
publicidad semanal y las ventas. Por medio del mtodo de los mnimos cuadrados encontrar la
lnea recta.
Para determinar la pendiente:
n XY ( X )( Y )
n X 2 ( X ) 2
Para determinar la ordenada al origen y de la poblacin:

0 Y (MEDIA) 1X (MEDIA)
La ecuacin es:
Y=0+1X
Para el ejemplo la ecuacin queda as:
Y=123,98 + 0,24 X
RESIDUALES
Un residual es la diferencia entre el valor y el valor pronosticado por la ecuacin de regresin
muestral.
E=Y-
E= Residual
Y= valor real de y
= Valor estimado de la variable dependiente al usar la ecuacin de regresin muestral.
Ejemplo (retomando el ejemplo1)
Teniendo en cuenta los datos de la ecuacin de lnea recta de la cantidad de electrodomsticos y
las ventas =123,98+0,24X
Meses
CANTIDAD
1
2
3
4
5
6
7
8
9
10
11
12
suma
22
24
26
22
28
26
28
12
24
26
26
28
292
VENTAS
(miles de $)
112
123
125
124
124
134
132
134
136
137
138
140
1559
VENTAS
PRONOSTICADAS
129,26
129,74
130,22
129,26
130,7
130,22
130,7
126,86
129,74
130,22
130,22
130,7
RESIDUALES
-17,26
-6,74
-5,22
-5,26
-6,7
3,78
1,3
7,14
6,26
6,78
7,78
9,3

5.1.1.2 Coeficiente de Determinacin

Mide el porcentaje de variabilidad en Y que puede ser explicado por la variable X. Suma de
cuadrados de total
La cantidad de desviacin total en la variable dependiente se llama suma de cuadrados del total.
SCT ( yi y(media)) 2
Suma del cuadrado del error
La recta de regresin de mnimos cuadrados minimiza la suma de cuadrados del error. La SCE mide
la variabilidad de los valores Y de la muestra alrededor de Y.
SCE ( yi y( pronosticado)) 2
Suma de cuadrado de la regresin
La cantidad de la desviacin en la variable dependiente explicada por la ecuacin de regresin.
SCR SCT SCE


La ecuacin de r2, el porcentaje de variabilidad de la variable dependiente, Y, que puede explicarse

por la variable predoctora, X, se puede definir ahora como:
(y - y(pronosticado))
r2 1 (y - y(media))
r2 1 -
SCE
SCT
El coeficiente que est despus del signo menos representa el porcentaje de la variabilidad de Y
que todava, no se puede explicar en la ecuacin de regresin
Continuando con el ejemplo de la empresa de electrodomsticos, se desea determinar el
coeficiente de determinacin.
VENTAS
Meses CANTIDAD (miles de
$)
1
22
112
2
24
123
3
26
125
4
22
124
5
28
124
6
26
134
7
28
132
8
12
134
9
24
136
10
26
137
11
26
138
12
28
140
suma 292
1559
VENTAS
residuales
RESIDUALES
PRONOSTICADAS
2
media y y-ymedia (y-ymedia)2
129,26
129,74
130,22
129,26
130,7
130,22
130,7
126,86
129,74
130,22
130,22
130,7
130
130
130
130
130
130
130
130
130
130
130
130
-17,26
-6,74
-5,22
-5,26
-6,7
3,78
1,3
7,14
6,26
6,78
7,78
9,3
297,91
45,43
27,25
27,67
44,89
14,29
1,69
50,98
39,19
45,97
60,53
86,49
742,27
-18
-7
-5
-6
-6
4
2
4
6
7
8
10
Suma de cuadrados de total
SCT ( yi y(media)) 2
SCT= 754,92
321,01
47,84
24,17
35,01
35,01
16,67
4,34
16,67
37,01
50,17
65,34
101,67
754,92

Suma del cuadrado del error

La recta de regresin de mnimos cuadrados minimiza la suma de cuadrados del error. La SCE mide
la variabilidad de los valores Y de la muestra alrededor de Y.
SCE ( yi y( pronosticado)) 2
SCE=742,27
Suma de cuadrado de la regresin
La cantidad de la desviacin en la variable dependiente explicada por la ecuacin de regresin.
SCR SCT SCE

SCR=754,92-742,27 =12,64
La ecuacin de r2, el porcentaje de variabilidad de la variable dependiente, Y, que puede explicarse
por la variable predoctora, X, se puede definir ahora como:
(y - y(pronosticado))
r2 1 (y - y(media))
r2 1 -
r2 1 -
SCE
SCT
742 ,27
754 ,92
r2 0,02
El porcentaje de variabilidad en las ventas que puede ser explicado por la variable cantidad de
productos electrodomsticos es del 2%.

Prueba Final
Otro estadstico importante en el anlisis de regresin es el estadstico F, que se usa para probar la
hiptesis nula de que la ecuacin de regresin muestral no explica un porcentaje significativo de la
varianza de la variable Y. La hiptesis nula y alternativa son:
Ho=p=0
H1=p0
El estadstico de prueba para la hiptesis nula establecida se obtiene de la distribucin F si la
hiptesis nula es cierta.
TABLA DE ANALISIS DE VARIANZA (ANOVA)
FUENTE DE VARIACION
REGRESION
ERROR RESIDUAL
TOTAL
G.L.
k-1
n-k
n-1
SUMA DE CUADRADOS
SCR
SCE
SCT
ESTIMACION DE VARIANZA
SCR/(k-1)
SCE/(n-k)
El estadstico de la prueba F:
SCR/(k - 1)
SCE/(n - k)

De la empresa de electrodomsticos de la cantidad de productos y las ventas . Se pide determinar
la hiptesis para la pendiente.
Ho=p=0
H1=p0
El estadstico de prueba para la hiptesis nula establecida se obtiene de la distribucin F si la
hiptesis nula es cierta.

TABLA DE ANALISIS DE VARIANZA (ANOVA)

FUENTE DE VARIACION
REGRESION
ERROR RESIDUAL
TOTAL
G.L.
1
10
11
SUMA DE CUADRADOS
742,27
12,64
754,92
ESTIMACION DE VARIANZA
742,27
1,264
El estadstico de la prueba F:
SCR/(k - 1)
SCE/(n - k)
742,27
1,264
f 587,1
F DE LA TABLA PARA F(0.05, 1, 11)=4,844
Por tanto, se rechaza la hiptesis nula. Con muy poca probabilidad de error. Se concluye que la
ecuacin de regresin explica un porcentaje significativo de la varianza de las ventas
5.2. Pronsticos
Los pronsticos es simplemente una prediccin del comportamiento de una variable la cual esta
sujeta al presente y como va hacer en el futuro.
5.2.1. Promedios Mviles

Los promedios mviles son promedios ponderados, el cual estima la demanda del siguiente
periodo de tiempo durante bimestres, trimestres, semestres.
EJEMPLO
El comportamiento de la demanda de bicicletas en inventario durante un periodo de 12 meses.
Esta dado a continuacin:

Meses
1
2
3
4
5
6
7
8
9
10
11
12
DEMANDA
44
46
50
48
46
48
50
52
54
54
56
60
Determinar bimestral, trimestral y semestral

Solucin
Meses
Demanda
44
46
50
48
46
48
50
52
54
10
54
11
56
12
60
Bimestre
0
45
48
49
47
47
49
51
53
54
55
58
Trimestre
0
0
47
48
48
47
48
50
52
53
55
57
Semestre
0
0
0
0
0
47
48
49
50
51
52
54
5.2.2. Suavizacin Exponencial

En la suavizacin exponencial las ponderaciones de las observaciones se tienen en cuenta el nivel
de confianza para analizar el comportamiento de la variable.

Yt+1= yt + (1-) Yt
EJEMPLO
El comportamiento de la demanda de bicicletas en inventario durante un periodo de 12 meses con
un nivel de confianza del 99% y del 97%.
Meses
Demanda
44
46
50
48
46
48
50
52
54
10
54
11
56
12
60
Nivel 99
0
44,2
46,4
49,8
47,8
46,2
48,2
50,2
50,2
54
54,2
56,4
Nivel del 97
0
45
47
49
47
47
49
51
53
54
55
57
Taller
Se han recogido datos en dos localidades mediante sendas encuestas sobre el consumo (Y) de
productos de hogar y de la renta (X) de los consumidores Consultados, obtenindose los siguientes
resultados:
Ciudad 1 Ciudad 2
X
Y
X
Y
4.8 64.0 7.1 54.6
5.3 68.0 3.4 44.7
6.5 79.0 5.5 51.0
3.2 56.0 4.3 49.7
6.0 69.4 3.7 47.2
3.8 60.9 6.0 55.0
4.2 62.8 3.3 42.9
7.0 75.6 6.7 55.6
2.6 61.7 5.1 47.6
3.5 57.8 4.5 49.5
5.6 72.3 2.7 44.6
5.8 70.5 5.9 57.2

Se ha observado una relacin lineal entre el consumo (en miles de pesetas) y la renta (en millones
de pesetas) y se desea contrastar si esta relacin es idntica en las dos ciudades donde se ha
realizado el trabajo de campo.
Un hipermercado ha decidido ampliar el negocio. Decide estudiar de forma exhaustiva el nmero
de cajas registradoras que va a instalar, para evitar grandes colas. Para ello, se obtuvieron los
siguientes datos procedentes de otros establecimientos similares acerca del nmero de cajas
registradoras y del tiempo medio de espera.
N
NMERO
DE
CAJAS TIEMPO
PROMEDIO
DE
REGISTRADORAS
ESPERA
1
10
30
2
12
25
3
13
32
4
14
34
5
15
35
6
16
28
7
18
30
8
20
32
9
12
24
10
14
36
Bajo el supuesto de que el tiempo de espera medio depende linealmente del nmero de cajas
registradoras se pretende saber, e Interpretar:
a.
b.
c.
d.
e.
f.
g.
h.
i.
j.
Realizar el diagrama de dispersin.

Realizar el coeficiente de correlacin.
Realizar la prueba de hiptesis en el anlisis de correlacin. Con t del 0.95
Encontrar la ecuacin de la lnea recta de regresin muestral con el mtodo mnimos
cuadrados
Encontrar la lnea recta cuando x vale 10, 12, 24.
Encontrar los residuales.
Realizar el grafico de y pronostica con respecto a x.
Encontrar la lnea recta de regresin con el valor mnimo y el valor mximo
Realizar el grafico de los residuales.
Un investigador cree que la inteligencia de los nios, medida a travs del coeficiente
intelectual (CI en puntos), depende del nmero de hermanos. Toma una muestra aleatoria

de 15 nios y ajusta una regresin lineal simple. Los resultados aparecen en la salida
adjunta.
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
CL
112
114
110
113
114
115
110
112
117
111
118
120
122
121
124
HERMANOS
0
1
2
3
2
4
2
1
2
3
2
4
5
4
5
Bajo el supuesto de que el tiempo de espera medio depende linealmente del nmero de cajas
registradoras se pretende saber, e Interpretar:
a.
b.
c.
d.
e.
f.
g.
h.
i.
j.

cuadrados

La entrada a cine en los teatros de cine Colombia en los centros comerciales, indica una
relacin de cantidad de personas que ingresan y el valor en el precio a pagar (miles de
pesos) . Con la siguiente tabla responder las preguntas:
N
1
2
3
4
5
6
7
8
9
10
11
12
CANTIDAD
12
14
16
18
19
15
14
12
16
15
18
17
PRECIO
96000
112000
121000
132000
135000
118000
110000
90000
119000
117500
130000
127600
Se pide encontrar:
a.
b.
c.
d.
e.
f.
g.
h.
i.
j.

cuadrados
Dada la difcil situacin por la que atraviesa actualmente la empresa PALMA CARIBE en la
que hemos empezado a trabajar, se propone la reduccin de determinados gastos. Para
ello se estudia la relacin que existe entre dos variables como son: los gastos en publicidad
(variable X) y los beneficios (variable Y). De ambas variables disponemos de los siguientes
datos:

AO
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
GASTOS EN PUBLICIDAD
60
65
78
79
82
86
88
92
98
99
UTILIDADES
32
35
37
38
42
44
46
56
58
60
Se pide:
a. Se puede considerar que ambas variables guardan algn tipo de relacin? Cul sera la
variable dependiente y cul la independiente?
b. Realizando un grfico adecuado. Se puede suponer que la relacin que las liga es de tipo
lineal?
c. Construye las dos rectas de regresin mnimo cuadrtica asociada con las variables.
d. Si la empresa para el prximo ao realizar un esfuerzo para poder invertir 12.550.000 pesos en
publicidad. Cules resultaran ser sus beneficios? Con qu fiabilidad realizara usted la
prediccin?
e. Cules resultaran ser sus beneficios si la prediccin se efecta considerando tan solo como
variable explicativa el tiempo? Cul sera la fiabilidad de esta otra prediccin? Comente los
resultados.
Prueba Final
Cmo define usted el concepto de regresin simple?
Cmo define usted el concepto de diagrama de dispersin y coeficiente de regresin?
Qu es un anlisis de regresin simple?
Con una aplicacin en su empresa calcule los parmetros de regresin simple y defina sus
caractersticas.

Actividad
El estudiante debe realizar un proyecto aplicando la regresin simple y analizar si es viable o no
teniendo en cuenta el anlisis de clculos y grficas.

6. TEORIA DE COLAS
Objetivo General
problmicas.
Objetivos Especficos
Conocer los diferentes modelos de lneas de espera.
Diferenciar un modelo de lnea de espera de una cola con un solo servidor y mltiple.
Realizar ejercicios por medio de lneas de colas y diferenciarlos
Solucionar ejercicios de modelo de teora de colas.
Prueba Inicial
verdadera. Marque con una x la que usted considere correcta.
Dadas las siguientes definiciones, el estudiante estar en capacidad de responder a que concepto
corresponde:
__________ Representacin esquemtica o conceptual de un fenmeno, que representa
una teora o hiptesis de cmo dicho fenmeno funciona
a. Variable
b. Caracterstica
c. Modelo
d. Parmetro
_________ A un valor representativo de una poblacin
o a. Variable
b. Caracterstica
c. Modelo
d. Parmetro

_________ es la experimentacin con un modelo de una hiptesis o un conjunto de
hiptesis de trabajo
a. Variable
b. parmetro
c. Cdigo
d. simulacin


_________ Es un smbolo que representa un elemento no especificado de un conjunto
dado
a. Smbolo
b. Variable
c. Valor
d. Parmetro
_________ es el conjunto de todos los bienes propios y disponibles para la venta a los
clientes
a. Mercado
b. Economa c. Parmetro d. Inventario
6.1. Conceptos de Teora de Colas

La teora de colas es una formulacin matemtica para la optimizacin de sistemas en que
interactan dos procesos normalmente aleatorios: un proceso de llegadas de clientes y un proceso
de servicio a los clientes, en los que existen fenmenos de acumulacin de clientes en espera del
servicio y donde existen reglas definidas (conductos) para la prestacin del servicio.
6.1.1. Modelos de Teora de Colas
6.1.1.1 Sistema con un Servidor

Sistemas de lnea de espera con un servidor.
Este sistema trata de una distribucin de llegada markoviano, tiempo de servicio markoviano y un
servidor.
Estimador P= / <1
Caractersticas:
El nmero promedio de unidades en el sistema.
L= / ( - )
El nmero promedio de unidades que esperan ser atendidas en la cola:

Lq= 2 / ( - )
El tiempo promedio de una unidad en el sistema
W= 1 / ( - )
El tiempo promedio de una unidad en la cola
Wq= / ( - )
Ejemplo
Una tienda de un barrio desea realizar un estudio para conocer el comportamiento en compra de
sus productos por parte de 30 clientes constantes, para lo cual tomo los datos a travs del tiempo
en que llegaban a comprar sus productos y el tiempo en prestarle el servicio. De sea estimar los
diferentes parmetros para lo cual tomo sus datos en totalidad.
nmero
clientes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
de
TIEMPO DE LLEGADA
10
20
30
20
20
10
30
40
20
10
5
2
5
4
3
6
8
20
22
23
TIEMPO
SERVICIO
12
23
34
26
30
22
40
50
40
21
10
12
15
15
11
15
16
23
24
26
DE

21
22
23
24
25
26
27
28
29
30
TOTAL
24
26
28
38
32
34
36
30
25
24
605
28
30
32
36
38
40
42
44
46
48
849
6.1.2. Solucin en Excel

TIEMPO DE LLEGADA
TIEMPO DE SERVICIO
NMERO PROMEDIO EN EL SISTEMA
NMERO PROMEDIO EN LA COLA
TIEMPO PROMEDIO EN EL SISTEMA
TIEMPO PROMEDIO EN LA COLA
605
849
2
0
0,004
0,003
6.1.3. Procedimiento en Excel

TIEMPO DE LLEGADA
TIEMPO DE SERVICIO
B34
B35
B34/(B35-B34)
FX(CUADRATICA,B34)
FX/B35(B35-B34)
E37/(B35-B34)
B34/B35(B35-B34)
6.1.3.1 Sistema de Lnea de Espera con dos Servidores

Este modelo supone llegadas y tiempos de servicio aleatorios paracanales de servicio mltiples,
teniendo en cuenta las mismas consideraciones que en el modelo anterior, excepto que ahora

existe una sola fila de entrega que alimenta a los canales de mltiples de servicio con igual tasa de
servicio.
Caractersticas:
La probabilidad de que no se encuentren clientes en espera
Po=1 / (1/n! (/) n + 1/s! (/) s (s/s-))
La probabilidad de que el sistema este ocupado:
P (sistema este ocupado)= (PS (S) / S! (S / S - )) * P0
El nmero promedio de unidades en el sistema.
L= P(sistema este ocupado)* p / (s -p) + p
El nmero promedio de unidades que esperan ser atendidas en la cola:
Lq= P (sistema este ocupado)* p / (s -p)
El tiempo promedio de una unidad en el sistema
W= 1 / (P (sistema este ocupado)* p / (s -p) + p)
El tiempo promedio de una unidad en la cola
Wq= 1/ (P (sistema este ocupado)* p / (s -p) )
Ejemplo
Una entidad bancaria desea el comportamiento de pago de consignaciones por parte de 30 de sus
clientes para lo cual realizo un estudio en su sede principal entre las 8 a.m. y 11.30 p.m., se tiene
en la oficina 5 servidores. Para lo cual se obtuvieron los datos en la tabla y se pide determinar los
diferentes parmetros.

nmero de clientes
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
TOTAL
TIEMPO DE LLEGADA
12
24
36
37
49
54
54
56
58
46
48
13
10
8
6
15
24
23
21
21
18
16
20
24
23
33
35
34
32
33
883
TIEMPO DE SERVICIO
23
25
35
32
36
55
58
100
120
130
145
25
30
24
21
36
33
34
35
36
28
32
36
120
125
125
44
128
136
137
1944


TIEMPO DE LLEGADA
TIEMPO DE SERVICIO
PROBABILIDAD DE QUE ESTE DESOCUPADO
PROBABILIDAD DE QUE ESTE OCUPADO
883
1944
0.03
0.17
2
1
0.002
0.0004
6.1.4.1 Sistema de Lnea de Espera Servidores Mltiples en Serie

Este tipo de lneas de espera es caracterstico del sector productivo, donde las lneas de ensamble
requieren de una serie de actividades que se desarrollan en serie.
Ejemplo
Un centro de salud tiene los servicios ambulatorios para las comunidades de estratos 1,2 y 3, el
cual la consulta por los usuarios es de 3000 personas o menos, que no se tiene la suficiente
infraestructura donde se proporciona este tipo de servicio (centros mdicos), pero a donde llegan
vas comunicacin (caminos). Al llegar la unidad mvil a la comunidad, se prestan los siguientes
servicios:
Recoleccin de datos personales
Rayos X
Toma de presin Sangunea
Muestra de sangre
Muestra orina
Revisin medcala unidad mvil cuenta para su atencin con un personal de 6
especialistas, cada uno de acuerdo a su especializacin.
El tiempo que se tiene en promedio de serbio para cada servicio ofrecido es:

Actividad
Datos
Rayos x
Tiempo
promedio
en minutos
Muestra
Sangre
1
Presin
Arterial
2
Muestra
Orina
1
Revisin
Medica
5

Se determina Pi y el tiempo en prestar el servicio (60 minutos dividido el tiempo dado para cada
servicio) y el tiempo de llegada est presupuestado de la siguiente manera:60/6=10 minutos
i
i
1
15
0,7
2
15
0,7
3
60
0,2
4
30
0,3
5
60
0,2
6
12
0,8
La probabilidad de que al entrar una persona a la unidad mvil existan 3 personas esperando dar
su informacin personal, 2 ser sometidas a rayos x, 1 que le tomen presin arterial, 2 revisin
sangunea ,1 esperando anlisis de orina y 3 en revisin mdica.
Actividad
Datos
Rayos x
Muestra
Sangre
Personas
(1-P)
PN
(1-P)PN
TOTAL
3
0,3
0,30
0,10
2
0,3
0,44
0,15
2
0,8
0,03
0,02
Presin
Arterial
1
0,7
0,33
0,22
Muestra
Orina
1
0,8
0,17
0,14
Revisin
Medica
3
0,2
0,58
0,10
1,0083E-06
El nmero esperado de personas en todo el sistema (esperando y siendo atendido) es de:

P
(1-P)
W
NMERO ESPERADO
0,7
0,3
2
0,7
0,3
2
0,2
0,8
0,2
0,3
0,7
0,5
0,2
0,8
0,2
0,8
0,2
5
10
El nmero esperado de personas en todo el sistema es 10.


El tiempo de espera de una persona es:

P
(1-P)
(1/)
P/(1-P)
TS
TOTAL
0,7
0,3
0,07
2
0,133
0,7
0,3
0,07
2
0,133
0,2
0,8
0,02
0,2
0,003
0,3
0,7
0,03
0,5
0,017
0,2
0,8
0,02
0,2
0,003
0,8
0,2
0,08
5
0,417
0,71
El tiempo de espera de una persona es de 0,71 horas, se pasa a minutos multiplicndolo por 60
minutos, quedando as: 43 minutos.
El tiempo dentro del sistema es:
P
(1-P)
(1/)
1/(1-P)
TS
TOTAL
0,7
0,3
0,07
3
0,20
0,7
0,3
0,07
3
0,20
0,2
0,8
0,02
1,2
0,02
0,3
0,7
0,03
1,5
0,05
0,2
0,8
0,02
1,2
0,02
0,8
0,2
0,08
6
0,50
1
El tiempo dentro del sistema es de una hora.
6.1.5.1 Sistema de Lneas de Espera con Servidores Mltiples en Paralelo

Ejemplo
Servientrega tiene un equipo de mantenimiento para sus vehculos. Cuenta con dos equipos de
tcnicos especializados con sus respectivas herramientas. La llegada de vehculos al taller de
mantenimiento es una variable aleatoria, con una distribucin de Poisson que tiene un valor
medio de 2 vehculos por mes. El tiempo promedio de servicio es una variable aleatoria
exponencial de 3 vehculos por mes. En esta ciudad cuenta con 10 vehculos en la actualidad para
sus servicios. Encuentre los diferentes parmetros.
Solucin
Se evala el parmetro P.
P= /S = 2/(2)(3) =0,33<1

La probabilidad de que el sistema este desocupado

n
0
1
2
3
4
5
6
7
8
9
10
TOTAL
Po
n!
1
1
2
6
24
120
720
5040
40320
362880
3628800
(m-n)!
3628800
362880
40320
5040
720
120
24
6
2
1
1
S!
2
2
2
2
2
2
2
2
2
2
2
S (n-s)
0,25
0,5
1
2
4
8
16
32
64
128
256
(m-n)!s!S (n-s)
1814400
362880
80640
20160
5760
1920
768
384
256
256
512
m!/(m-n)!s!S (n-s)
2
10
45
180
630
1890
4725
9450
14175
14175
7088
52370
1,90951E-05
La probabilidad de que el sistema este desocupado es del 0,0019%

El nmero de unidades en el sistema
L= (n-2)Pn
Se toma desde los positivos
n-2
Pn
(n-2)Pn
L
1
0,03
0,03
2
0,07
0,14
3
0,07
0,21
4
0,28
1,12
5
0,40
2,00
6
0,40
2,40
7
0,20
1,40
8
0,07
0,56
8
El nmero de vehculo en el sistema (para ser reparados o no) es de 8.

El nmero de vehculos en el sistema (no estn en mantenimiento) es de:
W= nPn

n
Pn
nPn
0
1
2
3
4
5
6
7
8
9
10
0,002 0,001 0,02 0,03 0,07 0,07 0,28 0,40 0,40 0,20 0,07
0
0,001 0,04 0,09 0,28 0,35 1,68 2,8 3,2 1,8 0,7
10
El nmero de vehculos en el sistema (no estn en mantenimiento) es de 10.

El tiempo de espera para que se le proporcione el mantenimiento a los vehculos es de:
TL= W/ (W-L)
TL= 10/3(10-8) =10/6
TL=2 Horas
El tiempo en el sistema es de
Tw= TL + 1/
Tw= 2 + 1 / 3 = 2 + 0,3
El tiempo en el sistema es de 2 Horas y 20 Minutos.
6.2. Modelos de Inventarios

DEFINICION: Los inventarios son aquellos materiales o bienes ociosos que la organizacin conserva
para su uso en algn momento en el futuro.
Ejemplo
Una empresa de Medelln de confeccin surte almacenes xito con tres sus productos
tradicionales, la cual realiz un estudio de mercadeo para disminuir el costo. La demanda de
artculos de artculos para tres ciudades es de120 unidades mensuales para Medelln, para Bogot
de 150 unidades y Cali de 130 unidades mensuales. El costo de preparacin de la orden es de
$1000 para Bogot, a Cali de $500 y a Medelln de $400 por orden y el costo que le representa el
almacenamiento por unidad en el mes es de $100, Utilizando los datos, se pide plantear un
modelo EOQ y se pide determinar sus parmetros. La empresa trabaja 360 das al ao. Adems
cual produce los costos mnimos y los costos ms altos.


Informacin
DEMANDA
COSTO DE ORDEN(S)
COSTO DE ALMACENAMIENTO (H)
BOGOTA
150
1000
100
CALI
130
500
100
MEDELLIN
120
400
100
BOGOTA
150
1000
100
55
CALI
130
500
100
36
MEDELLIN
120
400
100
31
Cantidad optima de pedidos

Q=2DS/H
CANTIDAD OPTIMA DE PEDIDOS
DEMANDA
COSTO DE ORDEN(S)
La cantidad ptima de pedidos para Bogot es de 55 artculos.

La cantidad ptima de pedidos para Cali es de 36 artculos.
La cantidad ptima de pedidos para Medelln es de 31 artculos.
Nmero esperado de rdenes
N=D/Q
NMERO DE ORDENES
DEMANDA
NMERO DE ORDENES
BOGOTA
150
55
3
CALI
130
36
4
MEDELLIN
120
31
4
El nmero de rdenes de pedido es para Bogot de 3.

El nmero de rdenes de pedido es para Cali de 4.
El nmero de rdenes de pedido es para Medelln de 4.
Tiempo esperado entre rdenes
T= Nmero de das laborales/ ao

N
DIAS
NMERO DE ORDENES
BOGOTA
360
3
CALI
360
4
MEDELLIN
360
4
120
90
90
El tiempo esperado entre rdenes para Bogot es de 120 das al ao.

El tiempo esperado entre rdenes para Cali es de 90 das al ao.
El tiempo esperado entre rdenes para Medelln es de 90 das al ao.
El costo total
COSTO TOTAL
DEMANDA
COSTO DE ORDEN(S)
COSTO TOTAL
BOGOTA
150
1000
100
55
5477
CALI
130
500
100
36
3606
MEDELLIN
120
400
100
31
3098
El costo total de pedidos para Bogot es de $5477

El costo total de pedidos para Cali es de $3606
El costo total de pedidos para Medelln es de $3098
EL que le representa el costo ms alto es Bogot con $5477 y el mnimo costo Medelln con $3098.
Taller
Una empresa de alimentos lcteos desea realizar un estudio para conocer el comportamiento en
sus ventas de sus productos por parte de 30 clientes constantes, para lo cual tomo los datos a
travs del tiempo en que llegaban a comprar sus productos y el tiempo en prestarle el servicio.
Desea estimar los diferentes parmetros para lo cual tomo sus datos en totalidad.

nmero
clientes
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
TOTAL
de
TIEMPO DE LLEGADA
21
22
23
21
24
24
23
22
20
19
18
17
16
15
14
13
12
11
10
19
19
21
22
23
24
24
23
22
24
23
TIEMPO
SERVICIO
27
28
29
30
30
31
32
33
31
32
33
34
35
36
31
32
33
34
33
31
28
29
30
31
32
33
34
35
36
37
DE
Un almacn de calzado de un barrio desea realizar un estudio para conocer el comportamiento en

compra de sus productos por parte de 30 clientes constantes, para lo cual tomo los datos a travs
del tiempo en que llegaban a comprar sus productos y el tiempo en prestarle el servicio. Desea
estimar los diferentes parmetros para lo cual tomo sus datos en totalidad.

nmero
clientes
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
TOTAL
de
TIEMPO DE LLEGADA
11
12
13
15
15
13
12
11
11
10
12
13
14
15
16
17
18
10
20
21
22
23
24
21
21
23
22
21
20
19
TIEMPO
SERVICIO
23
23
24
25
26
23
27
28
29
27
30
31
32
33
31
32
27
28
30
30
29
28
31
32
33
34
35
36
37
38
DE
Una compaa de chocolates del centro de la ciudad desea realizar un estudio para conocer el
comportamiento en compra de sus productos por parte de 30 clientes constantes, para lo cual
tomo los datos a travs del tiempo en que llegaban a comprar sus productos y el tiempo en
prestarle el servicio. Desea estimar los diferentes parmetros para lo cual tomo sus datos en
totalidad.

nmero
clientes
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
TOTAL
de
TIEMPO DE LLEGADA
45
46
47
48
49
50
52
52
53
54
55
56
57
58
59
59
60
61
62
62
63
64
65
66
67
68
69
70
66
65
TIEMPO
SERVICIO
50
52
53
54
55
60
61
62
66
63
64
65
67
68
69
70
71
72
76
75
76
77
78
79
77
75
74
76
72
76
DE
Una sucursal bancaria desea el comportamiento de manejo de tarjetas debito por parte de 30 de
sus clientes para lo cual realizo un estudio en su sede principal entre las 8 a.m. y 11.30 p.m., se
tiene en la oficina 3 servidores. Para lo cual se obtuvieron los datos en la tabla y se pide
determinar los diferentes parmetros.

Nmero de clientes
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
TOTAL
TIEMPO DE LLEGADA
6
7
8
9
11
12
13
14
13
15
16
17
18
19
21
22
23
24
25
15
10
6
5
3
4
5
7
18
12
14
TIEMPO DE SERVICIO
11
12
13
12
23
22
21
20
23
24
25
25
26
27
28
29
31
23
22
20
21
12
13
14
15
16
12
20
15
16
Una empresa transportadora de alimentos desea estimar el comportamiento de entrega de sus

productos en supermercados a de 30 de sus clientes para lo cual realizo un estudio entre los
supermercados que le presta el servicio entre las 8 a.m. y 6.30 p.m., se tiene en 6 servidores. Para
lo cual se obtuvieron los datos en la tabla y se pide determinar los diferentes parmetros.

Nmero de clientes
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
TOTAL
TIEMPO DE LLEGADA
21
22
23
25
23
28
29
30
31
32
33
34
34
35
36
37
38
39
40
41
42
43
44
45
46
46
47
44
49
45
TIEMPO DE SERVICIO
32
33
34
34
35
36
37
38
39
40
41
42
43
44
45
45
46
47
48
49
51
52
56
55
54
53
57
58
59
60
El estudiante deber plantear un problema de lnea de espera en serie de acuerdo a su

lugar de trabajo.
El estudiante podr plantear un ejercicio de lnea de espera en paralelo de acuerdo a su
lugar de estudio.

Una empresa de electrodomsticos de Bogot surte a una cadena de almacenes con tres sus
lneas, la cual desea analizar el comportamiento de sus clientes de acuerdo a sus compras por lo
tanto efectu un estudio de mercadeo para disminuir el costo. La demanda de artculos de
artculos para tres ciudades es de135 unidades mensuales para Medelln, para Bogot de 165
unidades y Cali de 170 unidades mensuales. El costo de preparacin de la orden es de $1500 para
Bogot, a Cali de $750 y a Medelln de $650 por orden y el costo que le representa el
almacenamiento por unidad en el mes es de $250, Utilizando los datos, se pide plantear un
modelo EOQ y se pide determinar sus parmetros. La empresa trabaja 260 das al ao. Adems
cual produce los costos mnimos y los costos ms altos.
El estudiante deber plantear un ejercicio de modelo de inventarios.
Prueba Final
Cmo define usted los conceptos de lneas de espera?

En qu consiste la lnea de espera de una cola?
Cul es la utilidad de los servidores en la lnea de espera?
En qu consiste el modelo de inventarios?
Actividad
El estudiante debe realizar un ejercicio aplicado a su activad acadmica utilizando la lnea de
espera y los modelos de inventarios.

7. GLOSARIO
1. Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z puede emplear X
para responder cuestiones que le interesan acerca de Y).
2. Simulacin: Simulacin es el proceso de disear un modelo de un sistema real y llevar a
cabo experiencias con l, con la finalidad de aprender el comportamiento del sistema o de
evaluar diversas estrategias para el funcionamiento del sistema
3. Cadena de markov: Consiste en una forma de analizar el movimiento actual del
comportamiento de una variable discreta o contina con respecto al ao. Es un
procedimiento en cadena y se utiliza para la toma de decisiones.
4. Ecuacin de Chapmn Kolmagorov: Es un procedimiento que me permite realizar un
proceso en cadena para obtener la solucin a un problema dado por medio de
multiplicacin de matrices
5. Regresin lineal Simple: El estudio de la regresin simple muestra la relacin entre dos
variables, una de ellas es independiente y una variable dependiente.
6. Pronsticos: es simplemente una prediccin del comportamiento de una variable la cual
est sujeta al presente y como va hacer en el futuro.
7. Teora de colas: Es una formulacin matemtica para la optimizacin de sistemas en que
interactan dos procesos normalmente aleatorios: un proceso de llegadas de clientes y un
proceso de servicio a los clientes, en los que existen fenmenos de acumulacin de
clientes en espera del servicio y donde existen reglas definidas (conductos) para la
prestacin del servicio.
8. Modelos inventarios: Son aquellos materiales o bienes ociosos que la organizacin
conserva para su uso en algn momento en el futuro

8. BIBLIOGRAFA
Fuentes bibliogrficas
1. MENDENHALL, William. SINCICH, Terry. Probabilidad y Estadstica para ingeniera y
ciencias. 4 edicin. Prentice Hall. 1997.
2. PURCELL, Edwin J. VARBERG, Dale. Clculo con geometra analtica. 6 edicin. Prentice
Hall. 1997.
3. MATHUR, Kamlesh, SOLOW, Daniel. Investigacin de Operaciones, el arte de la toma de
decisiones. Prentice Hall. 1997.
4. NAKAMURA, Shoichiro. Anlisis numrico y visualizacin grfica con Matlab. 1 edicin.
Prentice Hall. 1997.
5. MONROY, Olivares Csar. Teora del caos. Alfa Omega grupo editor. 1997.
6. Galdos Clculo y Estadstica III Edicin nica. Grupo La Republica. Lima Per; 2005.
7. Cannavos G. Probabilidad y Estadstica Aplicacin y mtodos. Ed. en espaol Mc GRAWHILL/INTERAMERICANA DE MEXICO.1995.
8. Hamdy A. Taha. Investigacin de Operaciones. edicin 7. Pearson Educacin, 2004. pginas
830
Fuentes digitales o electrnicas
1. ilink Universidad de Alicante Desde la primera publicacin de Investigacin de
operaciones: una introduccin, en el ao 1971, he hecho incontables cambios, tanto en el
estilo como en el ... gaudi.ua.es/ uhtbin/ boletin/ 189880
2. UNIVERSIDAD NACIONAL AUTNOMA DE MXICO Investigacin de Operaciones (una
introduccin). 6a. Edicion. Mxico. Prentice Hall,1998. MARN PINILLOS, Benito. Tcnicas
de Optimizacin ... www.economia.unam.mx/ reforma/ proplan/ eco_negoci/ pdfs/
semestre6/ InvestigaciondeOperacionesI.pdf
Ms 3. Investigacin de Operaciones: Opiniones y Caractersticas en... Opiniones y caractersticas
sobre Investigacin de Operaciones. Desde la primera publicacin de Investigacion de
Operaciones: Una... opinion.mercadolibre.com.ar/ investigacion-operaciones-26725-VCP

4.INVESTIGACIN OPERATIVA. Introduccin. - La naturaleza de la ... Pontificia de Comillas). - TAHA

(1997), " Investigacin de operaciones una introduccin " (6 Edicin), De. Prentice Hall.
www.uclm.es/ rea/ WebMaths/ docencia/ temarios/ Microsoft%20Word%20-%20io_eco.pdf
5.Universidad del Cauca Ingeniera de Sistemas 658.4034T357 Investigacin de Operaciones: Una
introduccin./ ha Taha. 658.4034T435 Toma de Decisiones por medio de Investigacin de
Operaciones rj Thierauf ... www.unicauca.edu.co/ docs/ facultades/ sistemas/ pensum/
SemestreVIII/ investigacion_operaciones.pdf
6. UNIVERSIDAD AUTNOMA CHAPINGO TAHA, ha Investigacin de Operaciones una Introduccin.
Editorial Representaciones y Servicios. Mxico. 1981. THIERAUF, rj Introduccin a la
Investigacin... www.chapingo.mx/ agroind/ planes/ fichas/ Optativas/ pdf/
Investigaci%F3n%20de%20operaciones.pdf
7. Microsoft powerpoint - tema6 Algorithms". PWS-KENT Publishing Company. 1987. TAHA, ha
"Investigacin de Operaciones. Una Introduccin." (6. ed.) Prentice-Hall, 1998. ...
www.lcc.uma.es/ ~cmgl/ mmtc0708/ tema6.pdf
8. INVESTIGACION DE OPERACIONES I INVESTIGACIN DE OPERACIONES Una introduccin. Hamdy
Taha. Ed. Prentice Hall, 1998. [Incluye diskette con software]. 2.- INTRODUCCION A LA
INVESTIGACION DE... www.ucab.edu.ve/ ucabnuevo/ industrial/ recursos/
prog_inv_operaciones1.pdf
9. bciucla Descriptor: Alejandra BE 7.0.3b3 [T57.6 T34 1997] Investigacin de Operaciones una
Introduccin Operations Research, an Introduction Taha, Hamdy A. Fernndez Gamero, ngel
(Revisor); bibcyt.ucla.edu.ve/ cgi-win/ be_alex.exe?Descriptor=IX+SEMESTRE+MATEMATICA&
Nombrebd=bciucla
10. UNIVERSIDAD CATLICA ARGENTINA Investigacin de operaciones. Una introduccin. Sptima
Edicin. Prentice Hall. Hillier Lieberman. Introduccin a la investigacin de operaciones. ...
426.doc

07-Modelos de Simula

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

07-Modelos de Simula

Diunggah oleh

Hak Cipta:

Format Tersedia

ESCUELA DE CIENCIAS BSICAS E INGENIERA

ASIGNATURA: Modelos de Simulacin

CORPORACIN UNIVERSITARIA REMINGTON

Corporacin Universitaria Remington Direccin Pedaggica

El mdulo de estudio de la asignatura Modelos de Simulacin es propiedad de la Corporacin

Primera versin. Febrero de 2011. Derechos Reservados

Corporacin Universitaria Remington Direccin Pedaggica

PROPSITO GENERAL DEL MODULO .............................................................................. 8

2.1.1. Objetivo General ..................................................................................................................... 8

MAPA DE LA ASIGNATURA ............................................................................................. 9

CONCEPTOS DE MODELOS DE SIMULACION Y CADENA DE MARKOV ............................. 10

Conceptos de Modelos de Simulacin .................................................................................. 11

4.1.1. Definicin de Modelos de simulacin ................................................................................... 11

Cadena de Markov ................................................................................................................ 15

REGRESION LINEAL SIMPLE Y PRONOSTICOS ................................................................ 20

Regresin Lineal Simple ........................................................................................................ 21

5.1.1. Ecuacin Lineal ...................................................................................................................... 23

5.2.1. Promedios Mviles ................................................................................................................ 30

TEORIA DE COLAS ........................................................................................................ 38

Conceptos de Teora de Colas ............................................................................................... 39

6.1.1. Modelos de Teora de Colas .................................................................................................. 39

6.2.1. Solucin en Excel ................................................................................................................... 49

Corporacin Universitaria Remington Direccin Pedaggica

Corporacin Universitaria Remington Direccin Pedaggica

2. PROPSITO GENERAL DEL MODULO

2.1.1.1 Objetivos Especficos

Corporacin Universitaria Remington Direccin Pedaggica

Destreza para aplicar la

Corporacin Universitaria Remington Direccin Pedaggica

4. CONCEPTOS DE MODELOS DE SIMULACION Y CADENA DE MARKOV

Analizar a que concepto corresponde la siguiente definicin:

Corporacin Universitaria Remington Direccin Pedaggica

_________ como funcin matemtica, es una cantidad a la cual el operador puede

4.1. Conceptos de Modelos de Simulacin

4.1.1.1 Aplicabilidad de los Modelos de Simulacin

4.1.1.2 Teora de los modelos de simulacin

Corporacin Universitaria Remington Direccin Pedaggica

Corporacin Universitaria Remington Direccin Pedaggica

4.1.1.3 Teora de Modelos y Simulacin

Corporacin Universitaria Remington Direccin Pedaggica

Capacitacin de tropas: En el operativo Tormenta del desierto llevado a cabo en la

4.1.2. Tipos de Modelos de Simulacin

Corporacin Universitaria Remington Direccin Pedaggica

4.2. Cadena de Markov

4. Probabilidades de estado estable

Corporacin Universitaria Remington Direccin Pedaggica

Ecuacin de Chapmn Kolmagorov

Corporacin Universitaria Remington Direccin Pedaggica

Probabilidades de estado estable

Costo promedio esperado/ unidad de tiempo

Corporacin Universitaria Remington Direccin Pedaggica

2. Una empresa de encomiendas realiza su trabajo en tres municipios cercanos de un

Qu entiende usted por modelos de simulacin?

Corporacin Universitaria Remington Direccin Pedaggica

Son las caractersticas de una cadena de Markov?

Corporacin Universitaria Remington Direccin Pedaggica

5. REGRESION LINEAL SIMPLE Y PRONOSTICOS

Analizar a que concepto corresponde la siguiente definicin:

Corporacin Universitaria Remington Direccin Pedaggica

Analizar a que concepto corresponde la siguiente definicin:

5.1. Regresin Lineal Simple

Corporacin Universitaria Remington Direccin Pedaggica

GRAFICA DE DIAGRAMA DE DISPERSION

Corporacin Universitaria Remington Direccin Pedaggica