Ao de la consolidacin del Mar de

Grau

Curso:

Modelos Estocsticos

Docente:

Carlos Coello Oballe

Alumno:

Elas vegas Luis Gustavo

Tema:

Modelos Estocsticos, Importancia

en la
.

Facultad:

Toma

de decisiones

Industrial (ingeniera informtica).

28 DE Agosto DE 2016

Modelos estocsticos

Un modelo es una representacin de la realidad desarrollado con el

propsito de estudiarla en la mayora de los anlisis no es necesario
todos los detalles de la realidad, entonces, el modelo, no solo es un
sustituto de la realidad si no tambin una simplificacin de ella.
Un modelo es estocstico cuando al menos una variable del mismo es
tomada como un dato al azar y las relaciones entre variables se toman
por medio de funciones probabilsticas. Sirven por lo general para
realizar grandes series de muestreos, quitan mucho tiempo, en el
computador

son

muy

utilizados

en

investigaciones

cientficas.

Para lograr modelar correctamente un proceso estocstico es necesario

comprender numerosos conceptos de probabilidad y estadstica.

Importancia de los modelos estocsticos

La teora de los procesos estocsticos se centra en el estudio y modelizacin de
sistemas que evolucionan a lo largo del tiempo, o del espacio, de acuerdo a unas
leyes no determinsticas, esto es, de carcter aleatorio. La forma habitual de
describir la evolucin del sistema es mediante sucesiones o colecciones de
variables aleatorias. De esta manera, se puede estudiar cmo evoluciona una v.a.
a lo largo del tiempo. Por ejemplo, el nmero de personas que espera ante una
ventanilla de un banco en un instante t de tiempo; el precio de las acciones de
una empresa a lo largo de un ao; el nmero de parados en el sector de
Hostelera a lo largo de un ao. La primera idea bsica es identificar un proceso
estocstico con una sucesin de v.a. {Xn, n N} donde el subndice indica el
instante de tiempo (o espacio) correspondiente. Esta idea inicial se puede
generalizar fcilmente, permitiendo que los instantes de tiempo en los que se
definen las v.a. sean continuos. As, se podr hablar de una coleccin o familia
de v.a. {Xt, t R}, que da una idea ms exacta de lo que es un proceso
estocstico.

Se tena que una v.a. X(s) es una funcin que va desde un espacio maestral S a la
recta real, de manera que a cada punto s S del espacio maestral se le puede
asociar un nmero de la recta real. Los valores de las variables dentro de un
modelo estocstico sufren modificaciones aleatorias con respecto a un valor
promedio; dichas variaciones pueden ser manejados mediante distribuciones de
probabilidad .un numero de estos modelos se pueden encontrar en la teora de
lnea de espera.
Distribuciones de Probabilidad
Al modelar un sistema se debe diferenciar entre dos tipos de datos: los primeros
permanecen sin cambio a travs del tiempo y se conocen como parmetros: los
segundos presentan cambios a travs del tiempo y se conocen como variables.
Distribuciones continuas
Este tipo de distribucin se utiliza para modelar la aleatoriedad en aquellas
actividades o eventos en los cuales los valores de las variables pueden estar
dentro de un rango de valores de las variables pueden estar dentro de un rango
de valores reales. A continuacin se describen algunas de las funciones continuas
ms utilizadas.
Distribuciones discretas
Este tipo de distribucin sirven para modelar la aleatoriedad de una variable que
solo puede tomar valores enteros. Las siguientes distribuciones son algunos de
las ms utilizadas en el modelado de sistemas estocsticos. Una lnea de espera
es el efecto resultante en un sistema cuando la demanda de un servicio supera la
capacidad de proporcionar dicho servicio. Este sistema est formado por un
conjunto de entidades en paralelo que proporcionan un servicio a las
transacciones que aleatoriamente entran al sistema. Dependiendo del sistema que
se trate, las entidades pueden ser cajeras, maquinas, semforos, gras, etc.
Mientras que las transacciones pueden ser: clientes, piezas, autos, barcos, etc.
Una lnea de espera puede modelarse como un proceso estocstico en el cual la
variable aleatoria se define como el nmero de transacciones en el sistema en un
momento dado; el conjunto de valores que puede tomar

dicha variable es (0, 1,

2, 3N) y cada uno de ellos tiene la probabilidad de ocurrencia (P 1, P2, P3,, PN)
En las lneas de espera, existen dos costos perfectamente identificados: el costo
de las transacciones, que representa la cuantificacin monetaria de la prdida de

tiempo al esperar recibir un servicio o la prdida de clientes por abandono del

sistema, y el costo de proporcionar el servicio, que representa la cantidad de
dinero que hay que pagar por cuestin de sueldos y salarios, energa,
mantenimiento y depreciacin del personal o equipo.

Modelo estocstico

Comentario personal

Podemos llegar a la conclusin de los modelos estocsticos

son nos permiten

estudiar y analizar aquellos sistemas en los cuales el tiempo de servicio como

las entradas al sistema presentan variaciones con el fin de tomar decisiones que
lleven a mejorar el proceso productivo, Al optimizar un proceso productivo en el
cual se tienen lneas de espera, se logra una reduccin en los costos de
produccin en trminos de costo de prdida de clientes, costos por tiempos de
espera o costos por depreciacin de equipos, entre otros, lo cual significa un
incremento en la utilidad para la empresa. Tambin podemos poner como
ejemplo el uso de modelos estocsticos relacionado a la carrera de ingeniera

informtica, el tiempo de funcionamiento de una mquina entre avera y avera,

su tiempo de reparacin y el tiempo que necesita un operador humano para
realizar una determinada operacin. Estas tcnicas son de gran ayuda en manos
expertas y pueden causar estragos en manos inexpertas. Tambin se debe
analizar el riesgo y las tcnicas usadas en los modelos estocsticos cuando el
riesgo

se ha evaluado subjetivamente, hemos de preguntarnos si

ms

informacin puede hacer cambiar nuestra opinin y cuanto cuesta conseguirla.