TAREA 3 - SOLUCIÓN DE MODELOS PROBABILISTICOS DE DECISIÓN

JORGE LUIS VARGAS SANCHEZ

GRUPO: 104561_22

TUTOR
RICHARD LEON TORO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BASICAS E INGENIERIA
METODOS PROBABILISTICOS
MIRANDA
2019
 Modelos de línea de espera con un solo servidor
Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre
llegadas, según una Distribución de Exponencial o de Poisson.

𝜆=1/𝑡∗60𝑚𝑖𝑛/ℎ

λ 0.1428571428571 8.57142857142857

Determinar la tasa de servicio (μ) de acuerdo a los tiempos de

servicio, según una Distribución Exponencial o de Poisson.

µ=1/𝑡∗60𝑚𝑖𝑛/ℎ

µ 0.1923076923077 11.5384615384615
Formular y plantear el modelo de Líneas de Espera bajo condiciones
de estado estable (M/M/1): (DG/∞/∞).

(M/M/1) : (DG/∞/∞)
Condición Numero de Disciplina en la
Tasa de llegada Tasa de servicio
de estado servidores cola

𝝆 𝝀 𝝁 1 DG

Proponer gráficamente el diseño de la instalación de servicio del

modelo de línea de espera.

cola

servidor

Determinar las medidas de desempeño de estado estable

Condición de estado
𝑝=𝜆/𝜇
 P 74%

Cantidad esperada de clientes en el sistema

𝐿𝑠=𝜆/(𝜇−𝜆)

L 3

Cantidad esperada de clientes en una cola

𝐿𝑞=𝑝^2/(1−𝑝)

Lq 2

Tiempo estimado de espera en el sistema

𝑊𝑠=1/(𝜇(1−𝑝))

Ws 0.337037037037

Tiempo estimado de espera en la fila

𝑊𝑞=𝑝/(𝜇(1−𝑝))

Wq 0.2503703703704

a. La probabilidad de inactividad en la instalación de servicio, es:

𝑃𝑜=(1−𝑝)

Po 26%

b. La probabilidad de actividad de más del 40%, es:

∑24_1^𝑛▒𝑃𝑛>0.4

1−(∑24_1^𝑛▒ 〖 (1−𝑝) 〗 𝑝 ^𝑛<0.4)

 1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.4)

pn n p(t)
p1 1 19%
p2 2 14%
33%

P(Ls>40%) 86%

c. La probabilidad de actividad para el 70%, es:

∑24_1^𝑛▒𝑃𝑛=0.7

∑_1^𝑛▒ 〖 (1−𝑝) 〗 𝑝 ^𝑛=0.7

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛=0.7

pn n
p1 1 19%
p2 2 14%
p3 3 11%
p4 4 8%
p5 5 6%
p6 6 4%
p7 7 3%
p8 8 2%
p9 9 2%
p10 10 1.32%
70%

P=70% 1.316%

d. La probabilidad de que un cliente tenga que esperar, es:

𝑃_1=(1−𝑝)∗𝑝^1
 pn n
p1 1 19%

e. La probabilidad de estar desocupado el servidor, es:

𝑃_0=(1−𝑝)∗𝑝^0

P(Ls=0) 0 26%

f. La probabilidad de actividad al menos del 50%, es:

∑24_1^𝑛▒𝑃𝑛<0.5

∑_1^𝑛▒ 〖 (1−𝑝) 〗 𝑝 ^𝑛<0.5

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.5

pn n
p1 1 0.19102040816327
p2 2 0.14190087463557
p3 3 0.10541207830071
44%

p<50% 11%

g. La probabilidad de que por lo menos sean atendidos 10 clientes en una hora, es:

𝑃_(𝑛≥10)=1−∑24_0^𝑛▒𝑃𝑛

𝑃_(𝑛≥10)=1−∑^𝑛▒ 〖 (1−𝑝) 〗 𝑝
^𝑛

𝑃_(𝑛≥10)=1−(𝑃_0+𝑃_1+𝑃_2+𝑃_3+…+𝑃_10)

pn n
p0 0 0.25714285714286
p1 1 0.19102040816327
p2 2 0.14190087463557
p3 3 0.10541207830071
p4 4 0.0783061153091
p5 5 0.05817025708676
p6 6 0.04321219097873
p7 7 0.03210048472706
p8 8 0.02384607436867
p9 9 0.01771422667387
p10 10 0.01315913981488
0.96198470720147

Pn≥10 4%
Límite del Tamaño de
sistema la fuente
∞ ∞
es:

P_(n≥10)=1
 Modelos de línea de espera con un solo servidor
Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre
llegadas, según una Distribución de Exponencial o de Poisson.

𝜆=1/𝑡∗60𝑚𝑖𝑛/ℎ

λ 0.19230769231 11.538461538

Determinar la tasa de servicio (μ) de acuerdo a los tiempos de

servicio, según una Distribución Exponencial o de Poisson.

µ=1/𝑡∗60𝑚𝑖𝑛/ℎ

µ 0.14285714286 8.5714285714

Formular y plantear el modelo de Líneas de Espera bajo condiciones

de estado estable o no (M/M/1): (DG/N/∞).

(M/M/1) : (DG/N/∞)

Condición Tasa de Numero de Disciplina Límite del Tamaño de

Tasa de llegada
de estado servicio servidores en la cola sistema la fuente

DG
P λ µ 1 Disciplina 50 ∞
General

Proponer gráficamente el diseño de la instalación de servicio del

modelo de línea de espera.

SISTEMA TOTAL

Determinar las medidas de desempeño de estado.

probabilidad del que sistema este ocupado

p 1.34615384615
 numero promedio de unidades en la cola

Ls=( 〖 (1−(𝑁+1)𝑃 〗 ^𝑁+𝑁𝑃^(𝑁+1)))/((1−𝑃)(1−𝑃^(𝑁+1)))

Ls 47.1111244077

Probabilidad de capacidad máxima en el sistema

N 50

P50 50 0.4659765515

numero promedio de unidades en el sistema

"𝝀𝒆𝒇 =𝝀(𝟏−𝑷𝑵 ) "

λef 6.161809021
𝐿𝑞=𝐿𝑠−𝜆_𝑒𝑓/𝜇

Lq 47.8300021268

tiempo promedio en la cola

"𝑾q =" "𝑳q " /"𝝀𝒆𝒇" " "

Wq 7.7623311537

tiempo promedio en el sistema

"𝑾𝒔 =" "𝑳s " /"𝝀𝒆𝒇" " "

Ws 7.87899782037

a. La probabilidad de inactividad en la instalación de servicio, es:

𝑃𝑜=((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1)

pn n
Po 0 0.000016%

b. La probabilidad de actividad de más del 40%, es:

 ∑24_1^𝑛▒ 〖𝑃 _𝑛>0.4 〗

1−(∑_1^𝑛▒ 〖 ((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1) 𝑃^𝑛 〗 <0.4)

1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.4)

pn n
p0 0 0%
p1 1 0%
p2 2 0%
p3 3 0%
p4 4 0%
p5 5 0%
p6 6 0%
p7 7 0%
p8 8 0%
p9 9 0%
p10 10 0%
p11 11 0%
p12 12 0%
p13 13 0%
p14 14 0%
p15 15 0%
p16 16 0%
p17 17 0%
p18 18 0%
p19 19 0%
p20 20 0%
p21 21 0%
p22 22 0%
p23 23 0%
p24 24 0%
p25 25 0%
p26 26 0%
p27 27 0%
p28 28 0%
p29 29 0%
p30 30 0%
p31 31 0%
 p32 32 0%
p33 33 0%
p34 34 0%
p35 35 1%
p36 36 1%
p37 37 1%
p38 38 1%
p39 39 2%
p40 40 2%
p41 41 3%
p42 42 4%
p43 43 6%
p44 44 8%
p45 45 11%
p46 46 14%
p47 47 19%
p48 48 26%
p49 49 35%
p50 50 47%

p1+p2+pn 30%

P(Ls>40%) 92.16938%

c. La probabilidad de actividad para el 70%, es:

∑24_1^𝑛▒ 〖𝑃 _𝑛=0.7 〗

∑_1^𝑛▒ 〖 ((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1) 𝑃^𝑛 〗 =0.7

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛=0.7

p1+p2+pn 74%

P(Ls=70%) 19%

d. La probabilidad de que un cliente tenga que esperar, es:

𝑃1=((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1) 𝑃^1

 P(L=1) 1 0.000022%

e. La probabilidad de estar desocupado el servidor, es:

𝑃𝑜=((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1)

P(L=0) 0 0.00002%

f. La probabilidad de actividad al menos del 50%, es:

∑24_1^𝑛▒ 〖𝑃 _𝑛<0.5 〗

∑_1^𝑛▒ 〖 ((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1) 𝑃^𝑛 〗 <0.5

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.5

p1+p2+pn 41%

p<50% 11%
g. La probabilidad de que por lo menos sean atendidos 10 clientes en una hora, es:
una hora

𝑃_(𝑛≥10)=1∑24_1^𝑛▒𝑃_𝑛

𝑃_(𝑛≥10)=1−(∑24_0^(𝑛=10)▒ 〖 ((1−𝑃))/ 〖 (1−𝑃) 〗 ^(𝑁−1) 𝑃^𝑛 〗 )

𝑃_(𝑛≥10)=1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛)

Pn≥10 100%
|
Modelos de línea de espera con un solo servidor
Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre
llegadas, según una Distribución de Exponencial o de Poisson.

𝜆=1/𝑡∗60𝑚𝑖𝑛/ℎ

λ 0.1428571429 8.571428571429

Determinar la tasa de servicio (μ) de acuerdo a los tiempos de

servicio, según una Distribución Exponencial o de Poisson.

µ=1/𝑡∗60𝑚𝑖𝑛/ℎ

µ 0.1923076923 11.53846153846
Formular y plantear el modelo de Líneas de Espera bajo condiciones
de estado (M/M/C): (DG/∞/∞).

(M/M/c) : (DG/∞/∞)

Condición Tasa de Tasa de servicio Numero de Disciplina Límite del

de estado llegada servidores en la cola sistema

DG
λ/µc λ µ 10 Disciplina ∞
General

Proponer gráficamente el diseño de la instalación de servicio del

modelo de línea de espera.
 Determinar las medidas de desempeño de estado.

c 10

𝑃/𝜇𝑐

P 7%

Probabilidad de inactividad

𝑃𝑜=(∑_(𝑛=0)^(𝑐−1)▒ 〖𝑃 ^𝑛/𝑛!+𝑃^𝑐/𝑐!(1−𝑝/𝑐) 〗 )^(−1)

n
0 1
1 0.7428571429
2 0.2759183673
3 0.0683226433
4 0.0126884909
5 0.0018851472
6 0.0002333992
7 2.476889E-05
8 2.299969E-06
9 1.898387E-07
∑ 2.1019324496

Po 48%

Cantidad esperada de clientes en la fila.

𝐿𝑞=𝑃^(𝑐+1)/((𝑐−1)(𝑐−𝑃)^2 ) 𝑃𝑜

Lq 5.058864E-21

Cantidad esperada de clientes en el sistema

𝐿𝑠=𝐿𝑞+𝑃
 Ls 0.0743

Tiempo estimado de espera en la fila

𝑊𝑞=𝐿𝑞/𝜆

Wq 5.902008E-22

Tiempo estimado de espera en el sistema

𝑊𝑠=𝑊𝑞+1/𝜇

Ws 0.0866666667

a. La probabilidad de inactividad en la instalación de servicio

𝑃𝑜=(∑_(𝑛=0)^(𝑐−1)▒ 〖𝑃 ^𝑛/𝑛!+𝑃^𝑐/𝑐!(1−𝑝/𝑐) 〗 )^(−1)

Po 48%

b. La probabilidad de actividad de más del 40%

∑24_1^𝑛▒ 〖𝑃 _𝑛>0.40 〗

1−(∑24_1^𝑛▒ 〖𝑃 ^𝑛/𝑛!
𝑃𝑜 〗 <0.40)𝑝𝑎𝑟𝑎 𝑛 ≥10

1−(∑24_1^𝑛▒ 〖𝑝 ^𝑛/(𝑐^(𝑛−𝑐) 𝑐!) 𝑃𝑜<0.4 〗 )𝑝𝑎𝑟𝑎 ≥10

1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.4)

pn n
p1 1 0.035341627797
p2 2 0.001312689032
 p3 3 3.25046808E-05
p4 4 6.03658358E-07
p5 5 8.96863846E-09
p6 6 1.11040286E-10
0.036687434248

p>40% 100%

c. La probabilidad de actividad para el 70%

∑24_1^𝑛▒ 〖𝑃 _𝑛=0.70 〗

∑_1^𝑛▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 =0.70 𝑝𝑎𝑟𝑎 𝑛

≥10

∑_1^𝑛▒ 〖𝑝 ^𝑛/(𝑐^(𝑛−𝑐) 𝑐!) 𝑃𝑜=0.7 〗 𝑝𝑎𝑟𝑎 ≥ 10

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛=0.7

pn n
p0 0 0.475752681877
p1 1 0.035341627797
p2 2 0.001312689032
p3 3 3.25046808E-05
p4 4 6.03658358E-07
p5 5 8.96863846E-09
p6 6 1.11040286E-10
p7 7 1.17838671E-12
p8 8 1.09421623E-14
p9 9 9.03162599E-17
p10 10 6.70920788E-19
p11 11 4.983983E-21
p12 12 3.70238737E-23
p13 13 2.7503449E-25
p14 14 2.04311336E-27
p15 15 1.51774135E-29
p16 16 1.127465E-31
p17 17 8.37545431E-34
p18 18 6.22176606E-36
p19 19 4.62188336E-38
p20 20 3.43339907E-40
 0.036687434249

la sumatoria de las probabilidades nunca van alcanzar el 70% o si lo alcanza la probabilidad es mu baja cercana a

P=70% 0%

d. La probabilidad de que un cliente tenga que esperar

𝑃1=𝑃^1/1! 𝑃𝑜 𝑝𝑎𝑟𝑎 𝑛 ≥10

Pn=1 4%

e. La probabilidad de estar desocupado el servidor

𝑃𝑜=(∑_(𝑛=0)^(𝑐−1)▒ 〖𝑃 ^𝑛/𝑛!+𝑃^𝑐/𝑐!(1−𝑝/𝑐) 〗 )^(−1)

po 48%

f. La probabilidad de actividad al menos del 50%

∑24_1^𝑛▒ 〖𝑃 _𝑛<0.50 〗

∑_1^𝑛▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 <0.50 𝑝𝑎𝑟𝑎 𝑛

≤10

∑_1^𝑛▒ 〖𝑝 ^𝑛/(𝑐^(𝑛−𝑐) 𝑐!) 𝑃𝑜<0.5 〗 𝑝𝑎𝑟𝑎 ≥ 10

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.5

p1+p2+pn 4%

p<50% 0%

g. La probabilidad de que por lo menos sean atendidos 10 clientes en una hora

𝑃_(𝑛≥10)=1−∑24_1^𝑛▒𝑃_𝑛
 𝑃_(𝑛≥10)=1−∑24_1^𝑛▒𝑃_𝑛

𝑃_(𝑛≥10)=1−(∑_1^(𝑛=10)▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 )

𝑃_(𝑛≥10)=1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛)

Pn≥10 96%
 Tamaño de
la fuente

ervicio del
babilidad es mu baja cercana a 0
Modelos de línea de espera con un solo servidor
Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre
llegadas, según una Distribución de Exponencial o de Poisson.

𝜆=1/𝑡∗60𝑚𝑖𝑛/ℎ

λ 0.1428571429 8.5714285714

Determinar la tasa de servicio (μ) de acuerdo a los tiempos de

servicio, según una Distribución Exponencial o de Poisson.

µ=1/𝑡∗60𝑚𝑖𝑛/ℎ

µ 0.1923076923 11.538461538

C 10
N 500
Formular y plantear el modelo de Líneas de Espera bajo condiciones
de estado estable o no (M/M/C) : (DG/N/∞).

(M/M/c) : (DG/N/∞)
Condición Tasa de Tasa de Numero de Disciplina Límite del Tamaño de
de estado llegada servicio servidores en la cola sistema la fuente
DG
P/c λ µ 10 Disciplina 500 ∞
General
Proponer gráficamente el diseño de la instalación de servicio del
modelo de línea de espera
 Determinar las medidas de desempeño de estado

Condición de estado

p 0.0742857143

Probabilidad de inactividad

𝑃𝑜=(∑_(𝑛=0)^(𝑐−1)▒ 〖𝑃 ^𝑛/𝑛!+(𝑝^𝐶 (1−(𝑃/𝑐)^(𝑁−𝑐+1) ))/𝑐!(1−𝑃/𝑐) 〗 )^(−1)

n
0 1
1 0.0742857143
2 0.0027591837
3 6.8322643E-05
4 1.2688491E-06
5 1.8851472E-08
6 2.3339918E-10
7 2.4768893E-12
8 2.2999686E-14
9 1.8983868E-16
∑ 1.0771145085

Po 93%

Cantidad esperada de clientes en la fila.

𝐿𝑞=𝑃𝑜 𝑃^(𝑐+1)/((𝑐−1)! 〖 (𝑐−𝑃) 〗 ^2 ) {1−(𝑃/𝑐)^(𝑁−𝑐)−(𝑁−𝑐)(𝑃/𝑐)^(𝑁−𝑐) (1−𝑝/𝑐)}

Lq 9.7987722E-20

No. estimado de servidores inactivos

𝑐 ̅=∑_(𝑛=0)^𝑐▒ 〖 (𝑐−𝑛)𝑃_𝑛 〗
 𝑃_𝑛=𝑃^𝑛/!𝑛 𝑃𝑜

n Cn
0 9.2840639697
1 0.6207059911
2 0.0204931502
3 0.0004440183
4 7.0680457E-06
5 8.7509137E-08
6 8.6675717E-10
7 6.8986795E-12
8 4.2706111E-14
9 1.7624744E-16
10 0
∑ 9.9257142857

Cantidad esperada de clientes en el sistema

𝐿𝑠=𝐿𝑞(𝑐−𝑐 ̅)

Ls 0.0742857143

a. La probabilidad de inactividad en la instalación de servicio, es

𝑃𝑜=(∑_(𝑛=0)^(𝑐−1)▒ 〖𝑃 ^𝑛/𝑛!+(𝑝^𝐶 (1−(𝑃/𝑐)^(𝑁−𝑐+1) ))/𝑐!(1−𝑃/𝑐) 〗 )^(−1)

P0 93%

b. La probabilidad de actividad de más del 40%

∑24_1^𝑛▒ 〖𝑃 _𝑛>0.40 〗

1−(∑24_1^𝑛▒ 〖𝑃 ^𝑛/𝑛!
𝑃𝑜 〗 <0.40)𝑝𝑎𝑟𝑎 𝑛 ≤10
1−(∑24_1^𝑛▒ 〖𝑝 ^𝑛/(𝑐^(𝑛−𝑐) 𝑐!) 𝑃𝑜<0.4 〗 )𝑝𝑎𝑟𝑎 ≥10

1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.4)

pn n
p0 0 0.928406397
p1 1 0.0689673323
p2 2 0.0025616438
p3 3 6.343118E-05
p4 4 1.178008E-06
p5 5 1.750183E-08
p6 6 2.166893E-10
p7 7 2.29956E-12
p8 8 2.135306E-14
p9 9 1.762474E-16
p10 10 1.309267E-18
p11 11 9.725981E-21
p12 12 7.225015E-23
p13 13 5.367154E-25
p14 14 3.987029E-27
p15 15 2.961793E-29
p16 16 2.200189E-31
p17 17 1.634426E-33
p18 18 1.214145E-35
p19 19 9.019363E-38
p20 20 6.700098E-40
0.071593603

p>40% 100%

c. La probabilidad de actividad para el 70%

∑24_1^𝑛▒ 〖𝑃 _𝑛=0.70 〗

∑_1^𝑛▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 =0.70 𝑝𝑎𝑟𝑎 𝑛

≤10

∑_1^𝑛▒ 〖𝑝 ^𝑛/(𝑐^(𝑛−𝑐) 𝑐!) 𝑃𝑜=0.7 〗 𝑝𝑎𝑟𝑎 ≥ 10

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛=0.7
 la sumatoria de las probabilidades nunca van alcanzar el 70% o si lo alcanza la probabilidad es mu baja cercana a

P=70% 0%

d. La probabilidad de que un cliente tenga que esperar,

𝑃1=𝑃^1/1! 𝑃𝑜 𝑝𝑎𝑟𝑎 𝑛 ≥10

p1 7%

e. La probabilidad de estar desocupado el servidor

𝑃𝑜=(∑_(𝑛=0)^(𝑐−1)▒ 〖𝑃 ^𝑛/𝑛!+(𝑝^𝐶 (1−(𝑃/𝑐)^(𝑁−𝑐+1) ))/𝑐!(1−𝑃/𝑐) 〗 )^(−1)

Po 93%

f. La probabilidad de actividad al menos del 50%,

∑24_1^𝑛▒ 〖𝑃 _𝑛<0.50 〗

∑_1^𝑛▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 <0.50 𝑝𝑎𝑟𝑎 𝑛

≤10

∑_1^𝑛▒ 〖𝑝 ^𝑛/(𝑐^(𝑛−𝑐) 𝑐!) 𝑃𝑜<0.5 〗 𝑝𝑎𝑟𝑎 ≥ 10

𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛<0.5

p<50% 0%

g. La probabilidad de que por lo menos sean atendidos 10 clientes en una hora

𝑃_(𝑛≥10)=1−∑24_1^𝑛▒𝑃_𝑛

𝑃_(𝑛≥10)=1−(∑_1^(𝑛=10)▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 )
𝑃_(𝑛≥10)=1−(∑_1^(𝑛=10)▒ 〖𝑃 ^𝑛/𝑛! 𝑃𝑜 〗 )

𝑃_(𝑛≥10)=1−(𝑃_1+𝑃_2+𝑃_3+…+𝑃_𝑛)

Pn≥10 93%
ilidad es mu baja cercana a 0
 RELACION DEL COMPORTAMIENTO DE LA DEMANDA

COMPONENTES DEL
UNIDADES
DISPOSITIVO ELECTRONICO

Mecánico 1
Electronico 2
Electrico 1

DISPOSITIVO ELECTRONICO PARAMETRO b2

UNIDADES DEL
DISPOSITIVO ELECTRONICO DISPOSITIVO

23561

DISPOSITIVO ELECTRONICO Periodo

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
EL COMPORTAMIENTO DE LA DEMANDA

VARIANZA DE LA DEMANDA
DEMANDA DIARIA
DIARIA NORMALMENTE
NORMALMENTE DISTRIBUIDA
DISTRIBUIDA POR
POR COMPONENTE
COMPONENTE

VARIANZA DE LA DEMANDA
DEMANDA PERIODICA PERIODICA NORMALMENTE
NORMALMENTE DISTRIBUIDA DISTRIBUIDA

NIVEL DE SIGNIFICANCIA 1 NIVEL DE SIGNIFICANCIA 2

α1 α2

0.05 0.10

DEMANDA PERIODICA
(Unidades)
 2. Teniendo en cuenta el Modelo de Programación Estocástica con restricciones aleatorias con todos los parámet

𝑀𝑎𝑥 𝑍=∑_(𝑗=1)^𝑛▒ 〖𝐶 _𝑖 𝑥_𝑗 〗

sujeto a:

𝑃{∑_(𝑗=1)^𝑛▒𝑎_𝑖𝑗 𝑥_𝑗≤𝑏_𝑖 }≥1−𝑎_𝑏𝑖=1,2……𝑚_𝑖,𝑚_𝑗≥0

El nombre de restricciones aleatorias se deduce de que cada restricción

∑_(𝑗=1)^𝑛▒𝑎_𝑖𝑗 𝑥_𝑗≤𝑏_𝑖

Demanda diaria normalmente distribuida

2.Tomar la demanda diaria normalmente distribuida y su varianza del dispositivo, determinada en el modelo de i

Varianza de la Demanda
Demanda diaria 𝐃𝐝
Dispositivo diaria 𝛔𝟐
560.196780808637 448.561382591262

Dd Demanda diaria normalmente distribuida

σ² Varianza de la Demanda diaria normalmente distribuida

Componentes del Demanda diaria

Unidades 𝑪𝒊 normalmente distribuida
dispositivo electronico
por componente
Dd=E{aij}
mecanico C1=1 560.196780808637
electrico C2=2 1120.39356161727
electronico C3=1 560.196780808637

C1 : Unidades del componente mecánico

C2: Unidades del componente eléctrico
 C3 : Unidades del componente electrónico

E{a11}: Demanda diaria normalmente distribuida del componente mecánico

E{a12}: Demanda diaria normalmente distribuida del componente eléctrico
E{a13}: Demanda diaria normalmente distribuida del componente electrónico

𝒗𝒂𝒓{𝒂𝟏𝟏}: Varianza de la demanda diaria normalmente distribuida del componente mecánico

𝒗𝒂𝒓{𝒂𝟏𝟐}: Varianza de la demanda diaria normalmente distribuida del componente eléctrico
𝒗𝒂𝒓{𝒂𝟏𝟑}: Varianza de la demanda diaria normalmente distribuida del componente electrónico

Demanda periodica normalmente distribuida

DEMANDA PERIODICA
Periodo (Unidades) (Dt-DP)²

19 18016 1464333.72261987
20 17906 1210212.47595687
21 17502.84 485723.525079744
22 17464.33 433528.729227322
23 17482.30 457508.836728828
24 16784.90 441.240826145148
25 16852.38 2160.27144971519
26 16656.76 22242.8746390141
27 16562.79 59105.1474878314
28 16423.86 145954.979376757
29 16426.82 143700.694456596
30 16650.11 24272.746262908
31 16656.73 22253.7002021014
32 16918.97 12783.1413564787
33 16502.23 92215.8976350524
34 16128.95 458272.621828687
35 16057.27 560457.040720483
36 15513.03 1671526.75212404
7266694.39797844

La media de la Demanda periodica

𝐷𝑝=(∑2_18^36▒𝐷𝑡)/18

𝐃𝐩 : Media de la Demanda periodica

𝐃(𝐭): Demanda periodica
𝐭 : Periodo 19 a 39
 Dp 16805.9034242591

La Varianza de la Demanda periodica

𝜎²𝐷𝑝=(∑2_18^36▒(𝐷𝑡−𝐷𝑝)^2 )/18

𝛔𝟐𝑫𝒑: Varianza de la Demanda periodica

𝑫𝒑 : Media de la Demanda periodica
𝑫(𝒕): Demanda periodica.
𝒕 : Periodo 19 a 36

σ²Dp 403705.244332136

𝑫𝒑=𝑬{𝒂}
𝝈𝑫𝒑=√𝒗𝒂𝒓 {𝒂}

Media de la Demanda Varianza de la Demanda

periodica normalmente periodica normalmente
Parametro b2 distribuida distribuida
16805.9034242591 403705.244332136

𝑬{𝒂}: Media de la demanda periódica normalmente distribuida

𝒗𝒂𝒓{𝒂} : Varianza de la demanda periodica normalmente distribuida

Nivel de significancia α1=0,05 α2=0,10

Unidades del Parametro K nivel de Parametro K nivel de

Dispositivo significancia 1 K(α1) significancia 1 K(α2)

23561 1.64485362695147 1.2815515655446

α1: Nivel de significancia 1

K(a1) : Parametro K nivel de significancia 1
α2: Nivel de significancia 2
K(a2): Parametro K nivel de significancia 2
DD: Unidades del dispositivo a programar

Modelo de Programación Estocástica con restricciones aleatorias con todos los parámetros normalmente distribu

𝑀𝑎𝑥 𝑍=𝑋_1+2𝑋_2+𝑋_3
〖𝐸 {𝑎11}𝑋 〗 _1+𝐸{𝑎12} 𝑋_2+ 〖𝐸 {𝑎13}𝑋 〗 _3+1.645𝑌≤𝑈𝐷

〖𝑣𝑎𝑟 {𝑎11}𝑋 〗 _1^2+𝑣𝑎𝑟{𝑎12}𝑋_2^2+𝑣𝑎𝑟{𝑎13}𝑋_3^2−𝑌^2=0

𝑋_1+2𝑋_2+𝑋_3≤𝐸𝑎+1.285√(𝑣𝑎𝑟 𝑎)

𝑋_1,𝑋_2,𝑋_3,𝑦≥0

obtenemos

X1 X2
funcion objetivo 1 2
restrincion 1 560.196780808637 1120.39356161727
restrincion 2 448.561382591262 897.122765182524
restrincion 3 1 2

Resolvemos por solver metodo de resolucion ecuaciones no lineales

X1 X2
funcion objetivo 1 2
restrincion 1 560.196780808637 1120.39356161727
restrincion 2 448.561382591262 897.122765182524
restrincion 3 1 2

X1 X2
11.1016503010206 10.5907691346182
tricciones aleatorias con todos los parámetros normalmente distribuidos:

dispositivo, determinada en el modelo de inventario EOQ probabilizado en el Ejercicio 2 de la Tarea 2:

Desviación típica de la
Demanda diaria 𝛔σ
21.179267753897

Varianza de la Demanda
diaria normalmente
distribuida por
componente σ²=var{aij}
448.561382591262
897.122765182524
448.561382591262
componente mecánico
componente eléctrico
componente electrónico
todos los parámetros normalmente distribuidos
 X3 Y
1 = Z
560.196780808637 1.64485363 ≤ 23561
448.561382591262 -1 = 0
1 ≤ 17620.1731

do de resolucion ecuaciones no lineales

X3 Y
1 40.784225 = Z
560.196780808637 1.64485363 23561 ≤ 23561
448.561382591262 -1 0.00111713 = 0
1 40.784225 ≤ 17620.1731

X3 Y Z
8.50103644963137 433.964715 40.784225
 2. Teniendo en cuenta el Modelo de Programación Estocástica con restricciones aleatorias con todos los parámet

𝑀𝑎𝑥 𝑍=∑_(𝑗=1)^𝑛▒ 〖𝐶 _𝑖 𝑥_𝑗 〗

sujeto a:

𝑃{∑_(𝑗=1)^𝑛▒𝑎_𝑖𝑗 𝑥_𝑗≤𝑏_𝑖 }≥1−𝑎_𝑏𝑖=1,2……𝑚_𝑖,𝑚_𝑗≥0

El nombre de restricciones aleatorias se deduce de que cada restricción

∑_(𝑗=1)^𝑛▒𝑎_𝑖𝑗 𝑥_𝑗≤𝑏_𝑖

Demanda diaria normalmente distribuida

2.Tomar la demanda diaria normalmente distribuida y su varianza del dispositivo, determinada en el modelo de i

Desviación
Varianza de la típica de la
Demanda diaria 𝐃𝐝
Dispositivo Demanda diaria 𝛔𝟐 Demanda
diaria 𝛔σ
560.196780808637 448.561382591262 21.1792678

Dd Demanda diaria normalmente distribuida

σ² Varianza de la Demanda diaria normalmente distribuida

Demanda diaria e distribuida

Componentes del normalmente por
Unidades 𝑪𝒊 distribuida por componente
dispositivo electronico
componente Dd=E{aij} σ²=var{aij}
mecanico C1=1 560.196780808637 448.561383
electrico C2=2 1120.39356161727 897.122765
electronico C3=1 560.196780808637 448.561383

C1 : Unidades del componente mecánico

C2: Unidades del componente eléctrico
C3 : Unidades del componente electrónico
 E{a11}: Demanda diaria normalmente distribuida del componente mecánico
E{a12}: Demanda diaria normalmente distribuida del componente eléctrico
E{a13}: Demanda diaria normalmente distribuida del componente electrónico

𝒗𝒂𝒓{𝒂𝟏𝟏}: Varianza de la demanda diaria normalmente distribuida del componente mecánico

𝒗𝒂𝒓{𝒂𝟏𝟐}: Varianza de la demanda diaria normalmente distribuida del componente eléctrico
𝒗𝒂𝒓{𝒂𝟏𝟑}: Varianza de la demanda diaria normalmente distribuida del componente electrónico

Demanda periodica normalmente distribuida

DEMANDA PERIODICA
Periodo (Dt-DP)²
(Unidades)
19 18016 1464333.72261987
20 17906 1210212.47595687
21 17502.84 485723.525079744
22 17464.33 433528.729227322
23 17482.30 457508.836728828
24 16784.90 441.240826145148
25 16852.38 2160.27144971519
26 16656.76 22242.8746390141
27 16562.79 59105.1474878314
28 16423.86 145954.979376757
29 16426.82 143700.694456596
30 16650.11 24272.746262908
31 16656.73 22253.7002021014
32 16918.97 12783.1413564787
33 16502.23 92215.8976350524
34 16128.95 458272.621828687
35 16057.27 560457.040720483
36 15513.03 1671526.75212404
7266694.39797844

La media de la Demanda periodica

𝐷𝑝=(∑2_18^36▒𝐷𝑡)/18

𝐃𝐩 : Media de la Demanda periodica

𝐃(𝐭): Demanda periodica
𝐭 : Periodo 19 a 39
 Dp 16805.9034242591

La Varianza de la Demanda periodica

𝜎²𝐷𝑝=(∑2_18^36▒(𝐷𝑡−𝐷𝑝)^2 )/18

𝛔𝟐𝑫𝒑: Varianza de la Demanda periodica

𝑫𝒑 : Media de la Demanda periodica
𝑫(𝒕): Demanda periodica.
𝒕 : Periodo 19 a 36

σ²Dp 403705.244332136

𝑫𝒑=𝑬{𝒂}
𝝈𝑫𝒑=√𝒗𝒂𝒓 {𝒂}

Media de la Demanda Demanda periodica

periodica normalmente normalmente
Parametro b2 distribuida distribuida
16805.9034242591 403705.244332136

𝑬{𝒂}: Media de la demanda periódica normalmente distribuida

𝒗𝒂𝒓{𝒂} : Varianza de la demanda periodica normalmente distribuida

Nivel de significancia α1=0,05

Unidades del Parametro K nivel de

Dispositivo significancia 1 K(α1)

23561 1.64485362695147

α1: Nivel de significancia 1

K(a1) : Parametro K nivel de significancia 1
α2: Nivel de significancia 2
K(a2): Parametro K nivel de significancia 2
DD: Unidades del dispositivo a programar

Modelo de Programación Estocástica con restricciones aleatorias con todos los parámetros normalmente distribu

𝑀𝑎𝑥 𝑍=𝑋_1+2𝑋_2+𝑋_3
〖𝐸 {𝑎11}𝑋 〗 _1+𝐸{𝑎12} 𝑋_2+ 〖𝐸 {𝑎13}𝑋 〗 _3+1.645𝑌≤𝑈𝐷

〖𝑣𝑎𝑟 {𝑎11}𝑋 〗 _1^2+𝑣𝑎𝑟{𝑎12}𝑋_2^2+𝑣𝑎𝑟{𝑎13}𝑋_3^2−𝑌^2=0

𝑋_1+2𝑋_2+𝑋_3≤𝐸𝑎+1.645√(𝑣𝑎𝑟 𝑎)

𝑋_1,𝑋_2,𝑋_3,𝑦≥0

obtenemos

X1 X2 X3 Y
funcion objetivo 1 2 1
restrincion 1 560.196780808637 1120.39356161727 560.196781 1.64485363
restrincion 2 448.561382591262 897.122765182523 448.561383 -1
restrincion 3 1 2 1

Resolvemos por solver metodo de resolucion ecuaciones no lineales

X1 X2 X3 Y
funcion objetivo 1 2 1
restrincion 1 560.196780808637 1120.39356161727 560.196781 1.64485363
restrincion 2 448.561382591262 897.122765182523 448.561383 -1
restrincion 3 1 2 1

X1 X2 X3 Y
9.78586668700398 9.89410022415306 11.214017 432.650402
as con todos los parámetros normalmente distribuidos:

minada en el modelo de inventario EOQ probabilizado en el Ejercicio 2 de la Tarea 2:

os normalmente distribuidos
 = Z
≤ 23561
= 0
≤ 17851.0073

o lineales

40.7880841 = Z
23561 ≤ 23561
3.94706E-07 = 0
40.7880841 ≤ 17851.0073

Z
40.7880841
 Referencias bibliograficas

REFERENCIAS
Monks, J. (1988). Administración de operaciones (pp. 168-170), Hillier, F. y Lieberman, G. (2010).
Introducción a la investigación de operaciones (pp. 807-812) y Rojas, A. y Ospina, A. Modelos de
pronósticos probabilísticos [OVI], en los recursos educativos requeridos de la Unidad 1 – Modelos
probabilísticos de decisión (entorno de Conocimiento) para identificar y revisar los modelos de
pronósticos probabilísticos.

Monks, J. (1988). Administración de operaciones (pp. 243-247) y Rojas, A. y Ospina, A. Modelos

de inventarios probabilísticos [OVI], en los recursos educativos requeridos de la Unidad 1 –
Modelos probabilísticos de decisión (entorno de Conocimiento) para revisar e identificar los
modelos de inventarios probabilísticos.

Referencias bibliograficas
Referencias bibliograficas

Referencias bibliograficas