1

FASE 0 RECONOCIMIENTO MODELOS DE SIMULACIÓN

KELLY JOHANNA ANDRADE SALAMANCA

CODIGO 52860864

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INGENIERIA ECONOMICA
BOGOTA D.C
2019
 2

Contenido
INTRODUCCIÓN ....................................................................................................................................... 3
OBJETIVO GENERAL............................................................................................................................... 3
¿Que es la inferencia estadística? .......................................................................................................... 4
Distribuciones Muestrales ......................................................................................................................... 5
¿Qué es la programación lineal? ............................................................................................................. 5
Formulación de un problema de programación lineal .......................................................................... 6
¿Qué son métodos determinísticos? ...................................................................................................... 8
IDENTIFICACION DE GRUPO DE TRABAJO ..................................................................................................... 9
Bibliografía ................................................................................................................................................ 10
 3

INTRODUCCIÓN

Un modelo se entiende como una compilación de datos, que tienen características en su

estructura y comportamiento respecto al entorno que los rodea y permite recrear una
información mental del mismo
Teniendo en cuenta el concepto anterior, en el presente documento se plasmara los
conceptos básicos de los modelos de simulación, iniciando por conceptos básicos
matemáticos que nos permiten dar una introducción amplia de lo que vamos a requerir
para continuar con el curso

OBJETIVO GENERAL

Investigar los conceptos requeridos en la guía de aprendizaje, utilizando los medios

requeridos para tal fin, que se encuentran en la plataforma del curso.

OBJETIVOS ESPECIFICOS
 Compilar la información de acuerdo a lo requerido en la guía mediante la
investigación de conceptos y desarrollo de los ejercicios propuestos
 Compartir e intercambiar los conceptos aprendidos con los participantes del
grupo colaborativo.
 4

¿Que es la inferencia estadística?

Es el conjunto de métodos y técnicas que permiten introducir, a partir de la formación

empírica proporcionada por una muestra, cual es el comportamiento de una determinada
población con un riesgo de error medible en términos de probabilidad.
Los métodos paramétricos de la inferencia estadística se pueden dividir básicamente en
dos: métodos de estimación de parámetros y métodos de contraste de hipótesis. Ambos
métodos se basan en el conocimiento teórico de la distribución de probabilidad del
estadístico muestral que se utiliza como estimador de un parámetro.
1. Clases de muestreo
El muestreo es una herramienta de la investigación científica cuya función básica es
determinar que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.
 Muestreo probabilístico: son aquellos que se basan en los principios de la
equiprobabilidad; es decir aquellos en donde todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente todas las muestras de tamaño n, tienen la misma probabilidad
de ser seleccionadas.
 Muestreo aleatorio simple: Se emplea el siguiente procedimiento, 1. Se asigna
un número a cada individuo de la población, 2. A través de algún medio mecánico
se eligen tantos sujetos como sea necesario para completar el tamaño de la
muestra requerido.
 Muestreo aleatorio sistemático: Exige numerar todos los elementos de la
población, pero en lugar de extraer n números aleatorios solo se extrae uno
elegido al azar Se parte de ese número aleatorio i, que es un número elegido al
azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k,
i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el
resultado de dividir el tamaño de la población entre el tamaño de la muestra: k=
N/n. El número i que empleamos como punto de partida será un número al azar
entre 1 y k.
 Muestreo estratificado: Considera categorías típicas diferentes entre sí, que
poseen homogeneidad frente a alguna característica lo cual permite estratificar la
muestra. La distribución de la muestra en función de los diferentes estratos se
denomina afijación y puede ser:
- Afijación simple: Cada estrato tiene el mismo número de elementos
- Afijación proporcional: La distribución se hace de acuerdo con el peso o
tamaño de la población
- Afijación optima: Se tiene en cuenta la dispersión de los resultados
 5

 Muestreo aleatorio por conglomerados: Las unidades muéstrales son los

elementos de la población, su unidad muestral son un grupo de elementos de la
población que forman la unidad a la que se va a conglomerar.

Distribuciones Muestrales

El estudio de determinadas características en una población se efectúa a través

de diversas muestras que pueden extraerse de ella, para lo cual tenemos:
 Distribución muestral de medias: cada muestra de tamaño n que podemos extraer
de un a población proporciona una media Si consideramos cada una de estas
medias como valores de una variable aleatoria podemos estudiar su distribución
que llamaremos distribución muestral de medias.
- Si tenemos una población normal N(m,s) y extraemos de ella muestras de
tamaño n, la distribución muestral de medias sigue también una distribución
normal

- Si la población no sigue una distribución normal pero n>30, aplicando el

llamado Teorema central del límite la distribución muestral de medias se
aproxima también a la normal anterior.
 Distribución muestral de proporciones: En numerosas ocasiones se plantea
estimar una proporción o porcentaje. En estos casos la variable aleatoria toma
solamente dos valores diferentes (éxito o fracaso), es decir sigue una distribución
binomial y cuando la extensión de la población es grande la distribución binomial
B(n,p) se aproxima a la normal .
- Para muestras de tamaño n>30, la distribución muestral de proporciones
sigue una distribución normal

- Donde p es la proporción de uno de los valores que presenta la variable

estadística en la población y q=1-p.

¿Qué es la programación lineal?

La Programación Lineal corresponde a un algoritmo a través del cual se resuelven

situaciones reales en las que se pretende identificar y resolver dificultades para aumentar
la productividad respecto a los recursos (principalmente los limitados y costosos),
aumentando así los beneficios. El objetivo primordial de la Programación Lineal es
optimizar, es decir, maximizar o minimizar funciones lineales en varias variables reales
 6

con restricciones lineales (sistemas de inecuaciones lineales), optimizando una función

objetivo también lineal.

Formulación de un problema de programación lineal

En la veterinaria de don Pancho se alimentan perros para engordar con una composición
mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B y en el mercado
solo encuentran dos clases de compuestos: tipo I con una composición de una unidad
de A y cinco de B y el tipo II con una composición de cinco unidades de A y una de B.
El precio del tipo I es de $ 5.000 pesos y el tipo II de $ 30.000 pesos por lo cual surgen
los siguientes planteamientos:
¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades con un
coste mínimo?
Sustancia A Sustancia B Precio
Tipo I (x) 1 5 5.000
Tipo II (y) 5 1 30.000
15 15

2. Pasos método simplex

a. Modelación mediante programación lineal se determinan variables de decisión

Tipo I: x
Tipo II: y

b. Se determina función objetivo

𝑚𝑖𝑛: 𝑍 = 5.000𝑥 + 30.000 𝑦

c. Se plantean las restricciones

𝑥 + 5𝑦 ≥ 15
5𝑥 + 𝑦 ≥ 15
𝑥, 𝑦 ≥ 0
d. Se convierte la igualdad en restricciones
𝑥 + 5𝑦 − ℯ1 − 0ℯ2 = 15
5𝑥 + 𝑦 − 0ℯ1 − ℯ2 = 15
e. Igualar la función objetivo a 0
5000𝑥 + 30000𝑦 − 𝑧 = 0

f. Definir la tabla simplex

 7

Base x y e1 e2 Vs
e1 1 5 -1 0 15
e2 5 1 0 -1 15
-z 5.000 30.000 0 0 0

5 1 0 -1 15
1 1 1 1 1
1/5 1 -1/5 0 3
24/5 0 1/5 -1 12

5000 30000 0 0 0
30000 30000 30000 30000 30000
1/5 1 -1/5 0 3
4 0 6 0 -90

Base x y e1 e2 Vs
Y 1/5 5 -1/5 0 3
e2 24/5 0 1/5 -1 12
-z 4 0 6 0 -90

1/5 1 -1/5 0 3
1/5 1/5 1/5 1/5 1/5
1 0 1/24 -5/24 5/2
0 1 -5/24 1/24 5/2

4 0 6 0 -90
4 4 4 4 4
1 0 1/24 -5/24 5/2
0 0 35/6 5/6 -100

Base x Y e1 e2 Vs
Y 0 1 -5/24 1/24 5/2
X 1 0 1/24 -5/24 5/2
z 0 0 -35/6 -5/6 +100
 8

¿Qué son métodos determinísticos?

Herramienta para la toma de decisiones y optimización de los resultados logísticos,
administrativos y financieros de una organización con el fin de mejorar procesos, reducir
costos y mejorar sus recursos técnicos.
Adicional plantea diferentes modelos para solucionar problemas relacionados con el
transporte, la asignación y la distribución a fin de ser usados para solucionar
inconvenientes y dificultades que se puedan presentar a nivel empresarial.
3. Pasos para la construcción de un modelo matemático
a. Definición del problema de interés y recolección de los datos relevantes
b. Formulación de un modelo que represente el problema
c. Solución del modelo
d. Prueba del modelo
e. Preparación para la aplicación del modelo
f. Puesta en marcha
4. Definición de variable: Símbolo que constituye una formula o un algoritmo de una
posición. En un modelo de programación lineal las variables de decisión deben
ser capaces de describir completamente las decisiones que puedan ser tomadas
y todas las variantes que existan.
5. Función objetivo: Se centra en que se quiere conseguir para el desarrollo del
problema es decir maximizar o minimizar el objetivo de estudio
6. Restricciones: Son los limitantes que se deben tener en cuenta para el resultado
7. Modelos Matemáticos y Simulación en la Ingeniería Industrial: aplicaciones y
análisis de sensibilidad
La simulación de procesos es una de las más grandes herramientas de la ingeniería
industrial, la cual se utiliza para representar un proceso mediante otro que lo hace mucho
más simple e entendible. Esta simulación es en algunos casos casi indispensable, como
nos daremos cuenta a continuación. En otros casos no lo es tanto, pero sin este
procedimiento se hace más complicado. Las áreas de aplicación de la simulación son
muy amplias, numerosas y diversas, basta mencionar sólo algunas de ellas: Análisis del
impacto ambiental causado por diversas fuentes Análisis y diseño de sistemas de
manufactura Análisis y diseño de sistemas de comunicaciones, la simulación se utiliza
en la etapa de diseño para auxiliar en el logro o mejoramiento de un proceso o diseño o
bien a un sistema ya existente para explorar algunas modificaciones.
 9

IDENTIFICACION DE GRUPO DE TRABAJO

NOMBR ROL IDSKYPE CORREO
E
Diego Director diegokarachas
Edixon de curso
Karacha
Rodrigue
z
Luz Estudiant adrianagomez.13@hotmail.co adrianagomez.13@hotmail.com
Adriana e m
Gomez
Yury Estudiant andrea.gualteros26 andreitag_g@hotmail.com
Andrea e
Gualteros
William Estudiant alexander1073@outlook.es alexander1073@outlook.es
Alexande e
r
Martinez
Alvaro Estudiant
Marin e
Kelly Estudiant Kelicita-09@hotmail.com Kellyandrade0903@gmail.co
Andrade e m
 10

Bibliografía
http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
http://www.ub.edu/aplica_infor/spss/cap4-1.htm
https://proyectodescartes.org/uudd/materiales_didacticos/inferencia_estadistica_JS/dist
rib_muestrales.htm
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/

https://sites.google.com/site/investigaciondeoperacionescun/programacion-lineal/pasos-generales