Vous êtes sur la page 1sur 5

INTRODUCCIN Los modelos probabilsticos estn ampliamente basados en aplicaciones estadsticas para la evaluacin de eventos incontrolables (o factores), as como

tambin la evaluacin del riesgo de sus decisiones. La idea original de la estadstica fue la recoleccin de informacin sobre y para el estado. La palabra estadstica no se deriva de ninguna raz griega o latina, sino de la palabra italiana state. La probabilidad tiene una historia mucho ms larga. La probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan fcil de obtener o entender. La palabra "prueba" tiene el mismo origen el cual proporciona los detalles necesarios para entender lo que se requiere que sea cierto. Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones estn basadas en los resultados esperados. El centro de inters se mueve desde un modelo determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para estimacin, prueba y prediccin. En los modelos probabilsticos, el riesgo significa incertidumbre para la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades. Los tomadores de decisiones generalmente se enfrentan a severa escasez de informacin. La evaluacin de riesgo cuantifica la brecha de informacin entre lo que es conocido y lo que necesita saber para tomar una decisin ptima. Los modelos probabilstico son utilizados para protegerse de la incertidumbre adversa, y de la explotacin de la propia incertidumbre. INDICE Introduccin.2 Lnea de espera.....4 Modelos de inventarios.............................6 Mtodos de simulacin...,....8 Conclusin..10 Bibliografa.....11 LNEA DE ESPERA (SISTEMA DE COLAS) Los modelos de lnea de espera consisten en frmulas y relaciones matemticas que pueden usarse para determinar las caractersticas operativas (medidas de desempeo) para una cola. Las caractersticas operativas de inters incluyen las siguientes: * Probabilidad de que no haya unidades o clientes en el sistema * Cantidad promedio de unidades en la lnea de espera * Cantidad promedio de unidades en el sistema (la cantidad de unidades en la lnea de espera ms la cantidad de unidades que se estn atendiendo) * Tiempo promedio que pasa una unidad en la lnea de espera * Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera ms el tiempo de servicio)

* Probabilidad que tiene una unidad que llega de esperar por el servicio. Los gerentes que tienen dicha informacin son ms capaces de tomar decisiones que equilibren los niveles de servicio deseables con el costo de proporcionar dicho servicio. Una Cola es una lnea de espera y la teora de colas es una coleccin de modelos matemticos que describen sistemas de lneas de espera particulares o sistemas de colas. Los modelos sirven para encontrar el comportamiento de estado estable, como la longitud promedio de la lnea y el tiempo de espera promedio para un sistema dado. Esta informacin, junto con los costos pertinentes, se usa, entonces, para determinar la capacidad de servicio apropiada. Costos de los sistemas de colas. Un sistema de colas puede dividirse en sus dos componentes de mayor importancia, la cola y la instalacin de servicio. Las llegadas son las unidades que entran en el sistema para recibir el servicio. Siempre se unen primero a la cola; si no hay lnea de espera se dice que la cola est vaca. De la cola, las llegadas van a la instalacin de servicio de acuerdo con la disciplina de la cola, es decir, de acuerdo con la regla para decidir cul de las llegadas se sirve despus. El primero en llegar primero en ser servido es una regla comn, pero podra servir con prioridades o siguiendo alguna otra regla. Una vez que se completa el servicio, las llegadas se convierten en salidas. Ambas componentes del sistema tienen costos asociados que deben de considerarse. Costo de Espera. Esperar significa desperdicio de algn recurso activo que bien se puede aprovechar en otra cosa y esta dado por: Costo total de espera = CwL .Donde Cw = costo de espera por hora (en dlares) por llegada por unidad de tiempo y L= longitud promedio de la lnea. Costo de Servicio. Este en la mayora se trata de comprar varias instalaciones de servicio, en estos casos solo se ocupan los costos comparativos o diferenciales. Sistema de costo mnimo. Aqu hay que tomar en cuenta que para tasas bajas de servicio, se experimenta largas colas y costos de espera muy altos. Conforme aumenta el servicio disminuyen los costos de espera, pero aumenta el costo de servicio y el costo total disminuye, sin embargo, finalmente se llega a un punto de disminucin en el rendimiento. Entonces el propsito es encontrar el balance adecuado para que el costo total sea el mnimo. Anlisis econmico de las lneas de espera | Antes de que pueda llevarse a cabo un anlisis econmico de una lnea de espera, debe elaborarse un modelo de costo total, el cual incluye el costo de esperar y el costo de servicio. Cw= costo de esperar por perodo para cada unidad L= cantidad promedio de unidades en el sistema Cs= costo de servicio por perodo para cada canal K= cantidad de canalesLa forma general de las curvas de costo en el anlisis econmico de las lneas de espera consiste en que el costo del servicio aumenta conforme aumenta la cantidad de canales; pero con ms canales, el servicio es mejor. Como resultado, el

tiempo de espera y el costo disminuyen conforme se aumenta la cantidad de canales. | MODELOS DE INVENTARIOS Si hubiera un genio para producir lo que se deseara, en el momento y lugar que se deseara, no habra inventarios. Desafortunadamente los genios estn escasos, de manera que se usan los inventarios como amortiguador entre la oferta y la demanda. Esto ocurre ya sea que se piense en materia prima para un proceso de

III. MODELOS PROBABILISTICOS


Un modelo probabilstico es una representacin matemtica deducida de un conjunto de supuestos con el doble propsito de estudiar los resultados de un experimento aleatorio y predecir su comportamiento futuro, cuando se realiza bajo las mismas condiciones dadas inicialmente. El modelo permite conocer la distribucin de probabilidades de los valores que toma la variable aleatoria, de ah que tambin se mencione con el nombre de Distribucin de Probabilidad. En el capitulo anterior se reconoci el comportamiento de una variable aleatoria a travs de su funciones de probabilidad, densidad, distribucin y generadora de momentos, adems de los parmetros de tendencia, variabilidad, asimetra y curtosis. Tales funciones construidas corresponden propiamente al modelo probabilstico. En ste capitulo se presentan modelos que reciben un nombre especifico y son frecuentemente utilizados. 1. MODELOS DISCRETOS Entre los modelos discretos se cuenta con: Uniforme, Bernoulli, Binomial, Geomtrico, Binomial Negativo, Pascal, Hipergeomtrico, Poisson y Multinomial, entre otros. 1.1 Modelo Uniforme Sea X una variable aleatoria discreta definida sobre un espacio de probabilidad Laplaciano, que indica el resultado del experimento aleatorio.

Ejemplo 1. Suponga el experimento lanzar un dado. Sea la variable aleatoria X: Nmero de puntos al lanzar el dado una vez.

= 3.5

= 35/12

Ejemplo 2. Se tienen cinco artculos uno de los cuales es defectuoso. Se observan aleatoriamente uno por uno hasta encontrar el defectuoso. Suponga que la variable aleatoria X indica la posicin del artculo defectuoso entre los 5. Entonces:

= 3

=2

1.2 Ensayo De Bernoulli Sea un experimento aleatorio en el cual pueden ocurrir dos resultados A y , el Experimento se repite una vez, la probabilidad de que ocurra A es p. Defnase la variable aleatoria X que indica ocurre el resultado A: