CURSO SIGLA CREDITOS REQUISITOS SEMESTRE 1.

: : : : :

Modelos Estocsticos ICS2212 10 ICS1102 Optimizacin; EYP1112 Probabilidades I y II

OBJETIVOS Introducir al alumno en la problemtica del modelamiento de sistemas estocsticos. Presentar las tcnicas bsicas y los conceptos que sustentan los modelos analticos ms utilizados en investigacin operacional para representar sistemas probabilsticos. Introducir al alumno en las tcnicas y conceptos de la simulacin de eventos discretos y en su utilizacin para analizar sistemas probabilsticos. Analizar comparativamente las ventajas y desventajas de los modelos analticos y de simulacin. Introducir al alumno en ciertas nociones bsicas de optimizacin de sistemas probabilsticos.
CONTENIDO

2.

- Introduccin: Ejemplos de modelos estocsticos, proceso estocstico, repaso de probabilidades, rgimen transiente y rgimen estacionario de un sistema. - Proceso de Poisson: Definicin, propiedades y ejemplos de procesos de Poisson, distribucin de probabilidades del proceso, distribucin de los tiempos entre eventos, propiedades adicionales, el proceso de Poisson no homogneo, el proceso de Poisson compuesto. - Proceso de Renovacin: Definicin, distribucin de probabilidades del proceso, resultados en el largo plazo, aplicaciones en confiabilidad y reemplazo. - Cadenas de Markov en Tiempo Discreto : Definicin, propiedades, probabilidades e transicin, ecuaciones de Chapman- Kolmogorov, distribucin de probabilidades, clasificacin de estados, anlisis del estado transiente, anlisis en el largo plazo, distribucin lmite, distribucin estacionaria, optimizacin de sistemas probabilsticos. - Cadenas de Markov en Tiempo Continuo: Definicin, propiedades, tiempos de permanencia y probabilidades de transicin, ecuaciones de Chapman- Kolmogorov, anlisis en el largo plazo, ecuaciones de equilibrio, procesos de nacimiento y muerte. - Sistema de Esperas: Definicin, ejemplos, indicadores de comportamiento, ecuacin de Little, modelos exponenciales, estructura de costos y beneficios, sistemas de espera en series, redes de modelos de espera para sistemas computacionales, aplicaciones. - Simulacin de Eventos Discretos: Contraposicin a modelos probabilsticos, ejemplos, conceptos bsicos de simulacin, variables y estados, tiempo, generacin de variables aleatorias, desarrollo de un modelo completo de simulacin, algunas nociones de lenguajes, y software de anlisis de resultados de una simulacin.
3. BIBLIOGRAFIA

Mnima: GAZMURI, Pedro. Modelos estocsticos para la gestin de sistemas. Santiago. Ediciones Universidad Catlica de Chile, 1995. LAW, A.M. Simulation modelling and analysis. McGraw Hill, 1982. PRITSKER, Alan. Introduction to simulation and SLAM II. 4 ed. Nueva York, John Wiley & Sons, 1995. ROSS, S.M. Introduction to Probability Models. Academic Press.