Académique Documents
Professionnel Documents
Culture Documents
Jaime Bustos G.
jaime.bustos@ufrontera.cl
Departamento de Ingeniera de
Sistemas
Universidad de La Frontera
Sistemas Estocsticos
En la teora de probabilidades, un proceso
estocstico (o proceso aleatorio) es la
contraparte de un proceso determinstico.
En lugar de manejar una sola posible
realidad de cmo podra evolucionar el
proceso en el tiempo, existe una
indeterminacin en su evolucin futura
(mltiples opciones), descrita por una
distribucin de probabilidades asociada a
variables aleatorias.
Aunque las condiciones iniciales sean conocidas, existen varias alternativas o caminos
a tomar, pero algunas alternativas pueden ser ms o menos probables.
El camino que toma el sistema se define aleatoriamente ya sea por eventos aleatorios
externos y/o por decisiones internas
Dependiendo de las caractersticas de los valores de las variables aleatorias puede ser
un sistema discreto o continuo
http://en.wikipedia.org/wiki/Stochastic_systems
Qu son los Sistemas
Estocsticos (SE)?
Son sistemas en los que existe
incertidumbre
Casos extremos:
Un evento cuya ocurrencia es
El mercado accionario
El sistema de autopistas o calles en una ciudad
El sistema de generacin y transmisin de energa elctrica
Fuentes de incertidumbre
Existencia de cursos de accin u opciones
Preferencias personales
Desconocimiento de:
resultado posible
interacciones entre los componentes
Informacin incompleta
Gran tamao del sistema: componentes, participantes
Interaccin entre componentes del sistema
Fallas
Errores
Accidentes
Influencias externas: clima, economa
Preguntas clave
Qu tan relevante es el impacto de la incertidumbre?
Cmo se gestiona un sistema con incertidumbre?
Diseo
Operacin
Control
Mximo aceptable
Demanda de
Cmo se modela la incertidumbre? transporte en
horario punta
Demanda de
transporte segn
hora del da
Modelacin de incertidumbre
Estadstica
Teora de Probabilidades
Lgica Difusa
Redes de Petri
Redes Bayesianas
Ver:
Charla de J Sagula Modelacin de Incertidumbre, OPTIMA 2009 en
http://ficaetv.ufro.cl/watch_video.php?v=a3162e2d02ae412
Texto Modeling Uncertainty de Dror-Lecuyer-Szidarovszky
Que implicancias tienen los SE
en la ingenieria?
Funcionamiento aleatorio
Fallas de operacin
Variabilidad de resultados
Respuestas diferentes para
diferentes participantes
Reglas de uso y operacin
Dimensionamiento: diseo
Prediccin de utilizacin:
operacin
Mantenimiento
Eficiencia, costo, beneficio
Fundamentos
Teora de probabilidades
Estadstica
Teora de decisiones
Ronald Fischer
Pafnuti Chevyshev
Instituciones relacionadas
ORSA (The Operations Research Society of America)
http://www.uncertainty-in-engineering.net/
Descripcin del curso
La asignatura ensea los fundamentos tericos y metodolgicos de
los procesos Markovianos y Semi-Markovianos y complementa los
contenidos de la teora de probabilidades, todo lo cul se aplica a travs
de ejemplos a la modelacin matemtica y el anlisis de los
sistemas probabilsticos y de colas
Resultados de aprendizaje
Modelar problemas aleatorios Markovianos y Semi-Markovianos
Tomar decisiones ptimas frente a la incertidumbre.
Identificar variables crticas que intervienen en el logro de los
resultados de un proceso
Buscar mejoras a procesos establecidos
Metodologa
Las clases semanales son un 50% teoria (2 hrs a todo el curso) y un
50% de trabajo prctico de laboratorio (2 hrs en mdulos)
En el trabajo prctico se apunta al anlisis de problemas utilizando el
conocimiento para modelar y tomar decisiones en sistemas sometidos a
fenmenos probabilsticos, con un nfasis en los problemas industriales
y de aplicacin cotidiana. Se utiliza software estndar para apoyar la
modelacin y anlisis
Carga de trabajo
13 clases de teora
14 sesiones prcticas
3 sesiones de pruebas
60 hrs presenciales
Abundante ejercitacin