PASO 3 - DESARROLLAR Y PRESENTAR EL DIAGNÓSTICO Y ANÁLISIS

FINAL DEL ESTUDIO DE CASO.

ELABORADO POR:

EDILBERTO ESPINEL
LEIDY MARCELA FERRER
SARA MILENA MUNEVAR CASTILLO

METODOS PROBABILISTICOS
GRUPO: 104561_5

PRESENTADO A:
ADRIAN ESNEIDER HERRERA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2018
 INTRODUCCIÓN

Explorando los diferentes métodos probabilísticos que hay para analizar determinadas
situaciones, nos encontramos que existen métodos cuantitativos y cualitativos. A
continuación, analizamos el caso de estudio planteado en el curso de métodos
probabilísticos, donde en el Paso 3 se realiza la estrategia de participación y servicio, en
donde se aplican conceptos de cadenas de Markov y Teoría de Colas. Inicialmente cada
participante del grupo expone tres mentefactos sobre los temas de Teoría de Colas, Cadenas
de Markov y Programación No Lineal. Luego se exponen las estrategias de servicio y
participación.
 DIAGNOSTICO FINAL DEL ESTUDIO DE CASO

ESTUDIANTE: EDILBERTO ESPINEL

MENTEFACTO TEMA CADENAS DE MARKOV

MENTEFACTO TEMA MODELOS DE INVENTARIOS
MENTEFACTO TEMA PROGRAMACIÓN NO LINEAL
ESTUDIANTE: SARA MILENA MUNEVAR CASTILLO
 ESTUDIANTE: LEIDY MARCELA FERRER RANGEL

Procesos estocásticos

Análisis de decisiones que

estudia eventos
CADENAS DE MARKOV Métodos cualitativos para
Probabilidad que ocurra un toma de decisiones
evento dependiendo del evento
actual.

Matriz de transición Estados Diagrama de Probabilidad de un

transición estado
 Investigación de operaciones

Modelos matemáticos

Sistemas de líneas de espera TEORIA DE COLAS Marketing, ventas

Estado estable, capacidad

apropiada.

FUENTE DE ENTRADA Sistema de colas Mecanismo de servicio Cliente servido

Investigación de operaciones

Método del gradiente

Método de newton PROGRAMACION NO Programación lineal

LINEAL
Método simplex

Optimización no Optimización linealmente Programación cuadrática Programación convexa.

restringida. restringida.

Programación geométrica. Programación separable Programación no convexa.

 Tabla de Referentes Documentales Unidad 2:

Método o modelo
Referencia documental
Estudiante No. probabilístico Justificación
En norma APA (consulte aquí)
(requerido)

Teoría de colas Utilizar modelos Palacios, A. L. C. (2009). Dirección estratégica (pp. 134-137),
1 de servidor y líneas Bogotá, CO: Ecoe Ediciones.
de espera

Programación no Formulaciones no Taibo, A. Investigación de operaciones para los no matemáticos

2 lineal lineales (pp. 71-77), México, D.F., MX: Instituto Politécnico Nacional,
2009. Accessed November 27, 2016.
EDILBERTO
Cadena de Markov Matriz de Gallagher, C., & Watson, H. (1982). Métodos cuantitativos para la
ESPINEL transición al toma de decisiones en administración (pp. 331-351), México,
3
analizar la D.F., MX: McGraw-Hill Interamericana.
situaciones

Investigación de Optimizar la Hillier, F. S., Lieberman, G. J., & Osuna, M. A. G. (1997).

4 Operaciones situación Introducción a la Investigación de Operaciones (Vol. 1). McGraw-
Hill.
 Tabla de Referentes Documentales Unidad 2

Método o modelo
Referencia documental
Estudiante No. probabilístico Justificación
En norma APA (consulte aquí)
(requerido)

SARA Patrón de llegada de los En situaciones de cola habituales, la llegada es http://fce.unse.edu.ar/estrategiasconaz

MUNEVAR cliente estocástica, es decir, depende de una cierta ar/teoria-de-colas/
variable aleatoria, en este caso es necesario
1
conocer la distribución probabilística entre dos
llegadas de cliente sucesivas (Poisson y
Distribución exponencial).

Patrón de servicio de Los servidores pueden tener un tiempo de http://fce.unse.edu.ar/estrategiasconaz

los servidores servicio variable, en cuyo caso hay que ar/teoria-de-colas/
2 asociarle, para definirlo, una función de
probabilidad. También pueden atender en lotes
o de modo individual.

Diagnosis de Cuando se ejecuta un algoritmo MCMC, es http://halweb.uc3m.es/esp/Personal/pe

convergencia importante examinar si los valores simulados, θt rsonas/causin/esp/2012-
3
, han convergido aproximadamente a la 2013/SMB/Tema8.pdf
distribuci´on estacionaria, π(θ | x).

Cadenas de Markov Una cadena de Markov es una secuencia de http://halweb.uc3m.es/esp/Personal/pe

variables, Θ0, Θ1, Θ2, . . . tal que la distribucion rsonas/causin/esp/2012-
4
de Θt dados los valores previos Θ0, Θ1, Θ2, . . . 2013/SMB/Tema8.pdf
, Θt−1 s´olo depende de Θt−1,
Tabla de Referentes Documentales Unidad 2:
Método o modelo
Referencia documental
Estudiante No. probabilístico Justificación
En norma APA (consulte aquí)
(requerido)
Líneas de espera: teoría Distribuciones poisson y Gallagher, C., & Watson, H. (1982). Métodos
de colas exponencial cuantitativos para la toma de decisiones en
administración (pp. 331-351), México, D.F.,
1 MX: McGraw-Hill Interamericana. Recuperado
de:
http://bibliotecavirtual.unad.edu.co:2077/lib/una
Leidy dsp/reader.action?docID=10479349&ppg=8.
marcela Líneas de espera Tiempo de llegadas y servicio Vanegas, V. (2016, Diciembre 21). Línea de
Ferrer 2 espera [Archivo de video]. Recuperado de
http://hdl.handle.net/10596/9828
Cadena de Markov Matriz de transición y sistema Taibo, A. Investigación de operaciones para los
estable no matemáticos (pp. 71-77), México, D.F., MX:
Instituto Politécnico Nacional, 2009. Accessed
3 November 27, 2016. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/una
dsp/reader.action?docID=10504970&ppg=8.

Teoría de colas Sistema de colas elemental Amaya, A. J. (2009). Toma de decisiones

4 gerenciales: métodos cuantitativos para la
administración (2a. Ed.) (pp. 85-98), Bogotá,
CO: Ecoe Ediciones. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/una
dsp/reader.action?docID=10467109&ppg=9
 ANALISIS FINAL DEL ESTUDIO DE CASO

Estrategia de participación
TABLA 4 PARTICIPACION EN EL MERCADO

DISTRIBUIDOR 1DISTRIBUIDOR 2 DISTRIBUIDOR 3 DISTRIBUIDOR 4

PARTICIPACION INICIAL EN EL MERCADO 0,17 0,08 0,34 0,41

DISTRIBUIDOR 1 0,30 0,14 0,18 0,38

DISTRIBUIDOR 2 0,30 0,32 0,33 0,05
DISTRIBUIDOR 3 0,16 0,36 0,22 0,27
DISTRIBUIDOR 4 0,25 0,25 0,25 0,25
PARTICIPACION ESTIMADA EN EL MERCADO

P1

DISTRIBUIDOR 1DISTRIBUIDOR 2 DISTRIBUIDOR 3 DISTRIBUIDOR 4

PARTICIPACION INICIAL EN EL MERCADO 0,23 0,27 0,23 0,26

DISTRIBUIDOR 1 0,26 0,25 0,23 0,26

DISTRIBUIDOR 2 0,25 0,28 0,24 0,23
DISTRIBUIDOR 3 0,26 0,28 0,26 0,21
DISTRIBUIDOR 4 0,25 0,27 0,25 0,24
PARTICIPACION ESTIMADA EN EL MERCADO

P2

DISTRIBUIDOR 1DISTRIBUIDOR 2 DISTRIBUIDOR 3 DISTRIBUIDOR 4

PARTICIPACION INICIAL EN EL MERCADO 0,26 0,27 0,25 0,24

DISTRIBUIDOR 1 0,25 0,27 0,25 0,24

DISTRIBUIDOR 2 0,26 0,27 0,25 0,23
DISTRIBUIDOR 3 0,26 0,27 0,25 0,24
DISTRIBUIDOR 4 0,25 0,27 0,25 0,23
PARTICIPACION ESTIMADA EN EL MERCADO

P4

DISTRIBUIDOR 1DISTRIBUIDOR 2 DISTRIBUIDOR 3 DISTRIBUIDOR 4

PARTICIPACION INICIAL EN EL MERCADO 0,26 0,27 0,25 0,24

DISTRIBUIDOR 1 0,26 0,27 0,25 0,24

DISTRIBUIDOR 2 0,26 0,27 0,25 0,24
DISTRIBUIDOR 3 0,26 0,27 0,25 0,24
DISTRIBUIDOR 4 0,26 0,27 0,25 0,24
PARTICIPACION ESTIMADA EN EL MERCADO

P3

DISTRIBUIDOR 1DISTRIBUIDOR 2 DISTRIBUIDOR 3 DISTRIBUIDOR 4

PARTICIPACION INICIAL EN EL MERCADO 0,26 0,27 0,25 0,24

DISTRIBUIDOR 1 0,26 0,27 0,25 0,24

DISTRIBUIDOR 2 0,26 0,27 0,25 0,24
DISTRIBUIDOR 3 0,26 0,27 0,25 0,24
DISTRIBUIDOR 4 0,26 0,27 0,25 0,24
PARTICIPACION ESTIMADA EN EL MERCADO
Estrategia de servicio

a. El diseño estadístico del modelo de línea de espera.

1. Tiempos entre llegadas. Determinar una distribución de probabilidad empírica y elaborar

su histograma de frecuencia con los tiempos entre llegadas (consultar y actualizar la tabla
5) para probar la hipótesis que los tiempos entre llegadas representan una distribución
exponencial con un nivel de confianza del 95% mediante la Prueba de Bondad de Ajuste
Distribución 𝑋2 .

Tabla de Distribución Empírica para Tiempo entre llegadas

No. De marca de n° de frecuencia observada frecuencia relativa frecuencia relativa
clase varianza
clase clase observaciones empirica empirica acumulada empirica media
𝒊 𝑰𝒊−𝟏 – 𝑰𝒊 𝑰𝒊 𝑶𝒊 𝒇𝒊 Fi
1 (2-3) 2,5 3 0,050 0,050 0,125 1,233
2 (3-4) 3,5 7 0,117 0,167 0,408 1,836
3 (4-5) 4,5 5 0,083 0,250 0,375 0,733
4 (5-6) 5,5 4 0,067 0,317 0,367 0,258
5 (6-7) 6,5 6 0,100 0,417 0,650 0,093
6 (7-8) 7,5 8 0,133 0,550 1,000 0,000
7 (8-9) 8,5 6 0,100 0,650 0,850 0,107
8 (9-10) 9,5 7 0,117 0,767 1,108 0,482
9 (10-11) 10,5 6 0,100 0,867 1,050 0,920
10 (11-12) 11,5 8 0,133 1,000 1,533 2,169
total n= 60 1,000 7,467 7,832
 Tabla de Distribución Exponencial teorica para Tiempo entre llegadas
No. De marca de frecuencia frecuencia relativa
clase
clase clase exponencial exponencial teorica
i=t 𝑰𝒊−𝟏 – 𝑰𝒊 T=Ii f(t) F(t)
1 (2-3) 2,5 0,117 0,285
2 (3-4) 3,5 0,102 0,374
3 (4-5) 4,5 0,090 0,453
4 (5-6) 5,5 0,078 0,521
5 (6-7) 6,5 0,069 0,581
6 (7-8) 7,5 0,060 0,634
7 (8-9) 8,5 0,052 0,680
8 (9-10) 9,5 0,046 0,720
9 (10-11) 10,5 0,040 0,755
10 (11-12) 11,5 0,035 0,786

Tabla de Distribución 2 para Tiempo entre llegadas

No. De marca de frecuencia agrupamiento de agrupamiento de clases 2
clase frecuencia teorica 2
clase clase observada clases para para
𝒊 𝑰𝒊−𝟏 – 𝑰𝒊 𝑰𝒊 Oi ni
1 2 3 2,5 3 5,754 1,318
2 3 4 3,5 7 5,032 0,769
3 4 5 4,5 5 4,402 0,081
4 5 6 5,5 4 3,850 0,006
5 6 7 6,5 6 3,367 2,058
6 7 8 7,5 8 2,945 8,675
7 8 9 8,5 6 2,576 4,551
8 9 10 9,5 7 2,253 10,001
9 10 11 10,5 6 1,971 8,238
10 11 12 11,5 8 1,724 22,853
total n=60 33,873 2= 58,552
 N-k-1 8
1- 0,95

el valor critico encontrado según estos parametros es: 2,73 como 58,55 > 2,73 se rechaza la hipotesis nula

2. Tiempos de servicio. Determinar una distribución de probabilidad empírica y elaborar su

histograma de frecuencia con los tiempos de servicio (consultar y actualizar la tabla 5) para
probar la hipótesis que los tiempos de servicio representan una distribución exponencial
con un nivel de confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución
𝑋2 .

Tabla de Distribución Empírica para Tiempo entre llegadas

No. De marca de n° de frecuencia observada frecuencia relativa frecuencia relativa
clase varianza
clase clase observaciones empirica empirica acumulada empirica media
𝒊 𝑰𝒊−𝟏 – 𝑰𝒊 𝑰𝒊 𝑶𝒊 𝒇𝒊 Fi
1 (0-1) 0,5 5 0,083 0,083 0,042 1,524
2 (1-2) 1,5 9 0,150 0,233 0,225 1,610
3 (2-3) 2,5 8 0,133 0,367 0,333 0,691
4 (3-4) 3,4 4 0,067 0,433 0,227 0,126
5 (4-5) 4,5 6 0,100 0,533 0,450 0,008
6 (5-6) 5,5 5 0,083 0,617 0,458 0,044
7 (6-7) 6,5 5 0,083 0,700 0,542 0,247
8 (7-8) 7,5 6 0,100 0,800 0,750 0,742
9 (8-9) 8,5 9 0,150 0,950 1,275 2,079
10 (9-10) 9,5 3 0,050 1,000 0,475 1,115
total n= 60 1,000 4,777 8,187
 Tabla de Distribución Exponencial teorica para Tiempo entre llegadas
No. De marca de frecuencia frecuencia relativa
clase
clase clase exponencial exponencial teorica
i=t 𝑰𝒊−𝟏 – 𝑰𝒊 T=Ii f(t) F(t)
1 (0-1) 0,5 0,170 0,099
2 (1-2) 1,5 0,138 0,270
3 (2-3) 2,5 0,112 0,407
4 (3-4) 3,4 0,091 0,509
5 (4-5) 4,5 0,073 0,610
6 (5-6) 5,5 0,060 0,684
7 (6-7) 6,5 0,048 0,744
8 (7-8) 7,5 0,039 0,792
9 (8-9) 8,5 0,032 0,831
10 (9-10) 9,5 0,026 0,863
 Tabla de Distribución 2 para Tiempo entre llegadas
No. De marca de frecuencia agrupamiento de agrupamiento de clases 2
clase frecuencia teorica 2
clase clase observada clases para para
𝒊 𝑰𝒊−𝟏 – 𝑰𝒊 𝑰𝒊 Oi ni
1 0 1 0,5 5 11,333 3,539
2 1 2 1,5 9 9,193 0,004
3 2 3 2,5 8 7,456 0,040
4 3 4 3,4 4 6,048 0,693
5 4 5 4,5 6 4,905 0,244
6 5 6 5,5 5 3,979 0,262
7 6 7 6,5 5 3,227 0,974
8 7 8 7,5 6 2,618 4,370
9 8 9 8,5 9 2,123 22,272
10 9 10 9,5 3 1,722 0,948
total n=60 52,605 2= 33,347

grados de libertad N-k-1 8

nivel de confianza 1- 0,95

el valor critico encontrado según estos parametros es: 2,73 como 33,34 > 2,73 se rechaza la hipotesis nula
 REFERENCIAS

Álvarez, O. F. (2011). Soluciones logísticas (pp. 83-89), Barcelona, ES: Marge Books.
Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10957927&p
pg=84.

Amaya, A. J. (2009). Toma de decisiones gerenciales: métodos cuantitativos para la

administración (2a. Ed.) (pp. 85-98), Bogotá, CO: Ecoe Ediciones. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10467109&p
pg=9.

Arbones, M. E. A. (1990). Logística empresarial (pp. 145-155), Barcelona, ES:

Marcombo. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10337354&p
pg=6.

Gallagher, C., & Watson, H. (1982). Métodos cuantitativos para la toma de decisiones en
administración (pp. 331-351), México, D.F., MX: McGraw-Hill Interamericana.
Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10479349&p
pg=8.

Maroto, Á. C., & Alcaraz, S. J. (2011). Introducción a la investigación operativa en

administración y dirección de empresas (pp. 229-239), Valencia, ES: Editorial de la
Universidad Politécnica de Valencia. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10637751&p
pg=5.

Palacios, A. L. C. (2009). Dirección estratégica (pp. 134-137), Bogotá, CO: Ecoe

Ediciones. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10515305&p
pg=9.

Rojas, L. M. D., Guisao, G. E. Y., & Cano, A. J. A. (2011). Logística integral: una
propuesta práctica para su negocio (pp. 47-54), Bogotá, CO: Ediciones de la U. Recuperado

de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10560
153&ppg=4

Taibo, A. Investigación de operaciones para los no matemáticos (pp. 71-77), México, D.F.,
MX: Instituto Politécnico Nacional, 2009. Accessed November 27, 2016. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10504970&p
pg=8.