Está en la página 1de 4

1. Qué es la inferencia estadística, clases de muestreo, distribuciones muestrales.

Es una rama de la estadística que se encarga de extraer conclusiones generales a partir de una parte
de la población estadística. Esto es, el objeto de estudio de la rama es un conjunto de individuos que
sirven como muestra. Este estudio tiene como objetivo obtener conclusiones útiles que permitan
hacer deducciones sobre la totalidad de muestra determinada. Las bases de la estadística inferencial
consisten en lo siguiente:

 La toma de muestras.
 La estimación de variables estadísticas.
 El contraste de la hipótesis.
 El diseño experimental.
 Los métodos no paramétricos.

Aquellas permiten hacer deducciones, extraer conclusiones y elaborar tendencias de mercado


valiéndose de las variables mencionadas. El cálculo de la inferencia estadística se vale del muestreo
probabilístico, el cual consiste en la elección de una muestra de población al azar. Ahora bien, el
muestreo se divide en tres tipos específicos:

 Muestreo aleatorio simple: se enumeran los elementos de la población en la que se


seleccionan los sujetos que contiene la muestra.
 Muestreo aleatorio sistemático: en el que se elige un individuo al azar, y a partir de él y a
intervalos constantes se produce la elección de los demás sujetos para completar la
totalidad de la muestra requerida.
 Muestreo aleatorio estratificado: aquí, la población es dividida en clases o estratos para que
se escoja de forma aleatoria un número determinado de individuos de cada una de las
clases. El requisito es que el número de componente de los estratos sean proporcionales a la
población.

Las distribuciones muestrales tienen como objetivo efectuar una generalización de los resultados de
la muestra a la población, inferir o adivinar el comportamiento de la población a partir del
conocimiento de una muestra. Por ello, es importante conocer las distribuciones de probabilidad de
ciertas funciones de las muestras, que constituyen variables aleatorias asociadas al experimento
aleatorio para la selección de una muestra al azar de una población. Así, el estudio de determinadas
características de una población se efectúa a través de diversas muestras que puedan extraerse de
ella. La distribución muestral se obtiene del cálculo estadístico de una media, desviación típica de la
población de la muestra.

2. Qué es la programación lineal, formulación de un problema de programación lineal, pasos


para desarrollar método simplex.

La programación lineal se define como un caso particular de la programación diferenciable con


restricciones de desigualdad, cuando todas las funciones que intervienen son lineales. Las soluciones
óptimas están en los vértices, y si dos de ellos son máximos, los puntos de la arista que los unes
serán máximos, lo mismo aplicará en el caso en que se den dos vértices mínimos (cita a esto

 Abordaje de columnas (recetas/actividades): se concibe como un todo que puede ser


descompuesto en un número de funciones elementales llamadas actividades, hacia ella
fluyen insumos tangibles y del que salen productos. La programación lineal no está definidos
los valores, constituyen incógnitas a determinar con el cumplimiento. Los pasos para
plantear el problema son los siguientes: definir el conjunto de actividades, definir el
conjunto de ítemes, definir los coeficientes insumo-producto, especificar los flujos exógenos
(externos), establecer las ecuaciones de balance de materiales.
 Abordaje de filas (balance material): se expresarán las relaciones del balance de materiales
en términos de las variables de decisión. Los pasos a seguir: definir las variables de decisión,
definir el conjunto de ítemes y establecer las restricciones y la función objetivo.

El método simplex es un procedimiento iterativo que permite mejorar la solución de la función


objetivo en cada paso. El proceso concluye cuando no es posible continuar mejorando el valor, es
decir, se alcanzó la solución óptima. El modelo debe cumplir las siguientes condiciones:

1. El objetivo consistirá en maximizar o minimizar el valor de la función objetivo (por ejemplo,


incrementar ganancias o reducir pérdidas, respectivamente).
2. Todas las restricciones deben ser ecuaciones de igualdad (identidades matemáticas).
3. Todas las variables (xi) deben tener valor positivo o nulo (condición de no negatividad).
4. Los términos independientes (bi) de cada ecuación deben ser no negativos.

Los pasos a seguir son los siguientes:

1. Construcción de la primera tabla: a primera columna de la tabla contiene las variables que se
encuentran en la base (o variables básicas), esto es, aquellas que toman valor para
proporcionar una solución; la segunda columna recoge los coeficientes que dichas variables
básicas tienen en la función objetivo (esta columna es llamada C b); la tercera muestra el
término independiente de cada restricción (P 0); a partir de ésta aparece una columna por
cada una de las variables de decisión y holgura presentes en la función objetivo (P j). Para
tener una visión más clara de la tabla, se incluye una fila que contiene los títulos de cada una
de las columnas.
1. Condición de parada: Se cumple la condición de parada cuando la fila indicadora no contiene
ningún valor negativo entre los costes reducidos (cuando el objetivo es la maximización),
esto es, no existe posibilidad de mejora.
1. Elección de la variable que entra a la base: Cuando una variable se vuelve básica, es decir,
entra en la base, comienza a formar parte de la solución. Observando los costes reducidos
en la fila Z, se decide que entra a la base la variable de la columna en la que éste sea el de
menor valor (o de mayor valor absoluto) entre los negativos.
1. Elección de la variable que sale de la base: Una vez obtenida la variable entrante, se
determina que sale de la base la variable que se encuentre en aquella fila cuyo cociente
P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que esta operación se
hará únicamente cuando Pj sea superior a 0).
1. Elemento pivote: El elemento pivote de la tabla queda marcado por la intersección entre la
columna de la variable entrante y la fila de la variable saliente
1. Actualización de la tabla: Las filas correspondientes a la función objetivo y a los títulos
permanecerán inalteradas en la nueva tabla.

3. Qué son los métodos determinísticos, pasos para la construcción de modelos matemáticos,
definición de variable, función objetivo y restricciones.

Los métodos determinísticos son aquellos métodos que nos permiten la optimización de procesos
económicos y administrativos que nos permiten mejorar la toma de decisiones a fin de garantizar
buenos resultados a nivel logístico y financiero. De igual forma, también se puede llegar a diferentes
métodos para solucionar problemas relacionados muchas veces al transporte y especialmente a la
distribución de los elementos claves de los procesos incluidos en los sistemas de producción.

Construcción de modelos matemáticos

El proceso de construcción del modelo es un proceso iterativo. Nadie, ni siquiera el desarrollador de


modelos más experimentado, desarrolla un modelo utilizable en una sola operación directa. En
cambio, el proceso es de formulación y validación tentativas, seguidas de instancias de
reformulación y revalidación, hasta que se alcanza un cierto grado de confianza en la utilidad del
modelo.

La construcción de un modelo se distinguen las siguientes fases:

A. Definición del problema a resolver: formulación precisa e inequívoca del problema y declaración
de los objetivos a conseguir.

B. Recolección y proceso de datos empíricos: considera la recolección de la información cuantitativa


y su reducción a forma manejable. Los datos deberán ser puestos en forma significativa para que
sobre ellos se formulen las hipótesis (modelo) del comportamiento del sistema en consideración.

C. Formulación del modelo matemático. Esta fase se subdivide en: i. Selección de las variables más
relevantes a incluir y de las interrelaciones entre ellas, dando a lugar un modelo de carácter
estructural. ii. Expresión en términos matemáticos de las relaciones entre las variables, con lo que se
obtiene un modelo funcional con capacidad operativa.

D. Especificación del modelo: determinación de los parámetros y coeficientes de las ecuaciones que
representan las interrelaciones del modelo.

E. Formulación de un programa computacional.

F. Análisis de validez

DEFINICIONES

Variables de decisión: Decisiones cuantificables relacionadas unas con otras. Ejemplo: Cuánto
comprar, vender.

Función objetivo: La medida de efectividad compuesta expresada como una función de las variables
de decisión. Puede ser Maximizar o Minimizar.

Restricciones: Limitaciones impuestas sobre los valores de las variables de decisión, casi siempre en
forma de ecuaciones o desigualdades.

4. Modelos Matemáticos y Simulación en la Ingeniería Industrial: aplicaciones y análisis de


sensibilidad.

Un modelo matemático puede ser un sistema de ecuaciones, una ecuación o desigualdades que
representan determinados aspectos del sistema físico mostrado en el modelo. Los modelos
matemáticos se utilizan principalmente en las ciencias físicas, en el campo de la ingeniería, los
negocios y la economía.

Por lo tanto, un modelo matemático que describa el comportamiento de la medida de efectividad se


le denomina función objetivo. Ahora bien, si la función objetivo es describir el comportamiento de la
medida de efectividad, debe entonces capturar la relación entre dicha medida y aquellas variables
que hacen que esa medida fluctúe. Así, las variables del sistema pueden categorizarse como
variables de decisión y parámetros.

Una variable de decisión es una variable que puede ser directamente controlada por el
investigador. También existen algunos parámetros cuyos valores pueden ser inciertos para el
decisor, por lo tanto, esto requiere un análisis de sensibilidad a partir de descubrir la mejor
estrategia posible.

Los modelos matemáticos pueden ser: cualitativos, cuantitativos, estándar, probabilistico,


descriptivo y de organización. En este mismo sentido, una simulación se compone de fases como
la definición del ambiente que se quiere estudiar, se realiza un modelo, luego se lleva a cabo la
simulación, finalmente, se sacan y se estudian las conclusiones.

La aplicación de este tipo de modelos así como su simulación es amplia y se puede encontrar en
diferentes aspectos de las ciencias básicas, económicas y las ingenierías, ya que provee
respuestas optimas a partir de variables reales obtenidas de una definición propia del ambiente
que se quiere estudiar, incluso podemos encontrar modelos matemáticos asociados a estudios
sociales y de redes sociales.

BIBLIOGRAFIA.

EPPEN, Gould y Schimidt. Investigación de operaciones en las Ciencias de Ingeniería. Editorial


Prentice may, 3 edición

GALLAGHER, Watson. Métodos Cuantitativos para la Toma de decisiones. Editorial McGraw Hill

PRAWDA, Juan. Métodos y Modelos de investigación de operaciones. Editorial Limusa, 1.979. Tomo I

THIERAUF, Robert. Introducción a la investigación de operaciones. Editorial Limusa 1.982

SITIOS WEBS

https://www.economiasimple.net/glosario/inferencia-estadistica

https://proyectodescartes.org/uudd/materiales_didacticos/inferencia_estadistica_JS/distrib_muestr
ales.htm

http://www.ub.edu/matheopt/optimizacion-economica/programacion-lineal)

También podría gustarte