INCERTIDUMBRE Y

VARIABILIDAD EN LA
DEMANDA
ADMINISTRACIÓN DE LA PRODUCCIÓN
INGENIERÍA INDUSTRIAL
TECCOM
• TECCOM importa y comercializa dispositivos repetidores de wifi que son
vendidos en sus locales comerciales en las ciudades de Ambato y Quito. A
TECCOM le preocupa lo variable que es la demanda a en los diferentes
locales, por esto han solicitado y recibido la información de ventas semanales
del ultimo año de su producto estrella TPK123 de tres de sus locales.
¿Que podemos apreciar de estas ventas semanales?
Semana Unidades Semana Unidades Semana Unidades Semana Unidades Semana Unidades
Vendidas Vendidas Vendidas Vendidas Vendidas
1 2 11 3 21 4 31 1 41 2
2 5 12 2 22 4 32 5 42 4
3 2 13 2 23 3 33 5 43 3
4 3 14 3 24 2 34 1 44 2
5 3 15 1 25 1 35 5 45 1
6 3 16 2 26 4 36 5 46 4
7 2 17 4 27 3 37 4 47 3
8 3 18 3 28 4 38 3 48 3
9 5 19 2 29 4 39 2 49 3
10 1 20 3 30 2 40 1 50 2
 Representando y ordenando los datos
Unidades Vendidas
6

Unidades Vendidas
3
6

2
5

1
4

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 3

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
 Distribuciones para TECCOM
PMF CDF
35,00% 120,00%

30,00%
100,00%
30,00%
100,00%
26,00% 88,00%
25,00%
80,00%
70,00%
20,00% 18,00%
60,00%
15,00% 14,00%
12,00% 40,00%
40,00%
10,00%

20,00% 14,00%
5,00%

0,00% 0,00%
1 2 3 4 5 1 2 3 4 5

Probabilidad
Valor Probabilidad Acumulada
1 14,29% 14,29%
2 26,53% 40,82%
3 30,61% 71,43%
4 18,37% 89,80%
5 10,20% 100,00%
ANALIZANDO LA INCERTIDUMBRE
Y VARIABLIDAD
 DEFINIENDO UNA DISTRIBUCIÓN
• EXISTEN DIVERSAS MANERAS DE ESTABLECER UNA DISTRIBUCIÓN:
❑Medidas de tendencia central ¿Cuál es el valor mas probable?
❑Dispersión ¿En que magnitud difieren las observaciones?

Semana Unidades Semana Unidades Semana Unidades Semana Unidades Semana Unidades
Vendidas Vendidas Vendidas Vendidas Vendidas
1 2 11 3 21 4 31 1 41 2
2 5 12 2 22 4 32 5 42 4
3 2 13 2 23 3 33 5 43 3
4 3 14 3 24 2 34 1 44 2
5 3 15 1 25 1 35 5 45 1
6 3 16 2 26 4 36 5 46 4
7 2 17 4 27 3 37 4 47 3
8 3 18 3 28 4 38 3 48 3
9 5 19 2 29 4 39 2 49 3
10 1 20 3 30 2 40 1 50 2
Medidas de Tendencia Central
• Moda: El valor que suele aparecer con mayor frecuencia
• Mediana: El valor que se encuentra en la “mitad” de la distribución
• Promedio: Suma de los valores dividida para el número total de
observaciones equivalente al Valor Esperado.
Unidades Vendidas
6

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
PROMEDIO
• Suma de las ventas divida para número de semanas
▪ 𝑠𝑢𝑚𝑎 = 144 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑣𝑒𝑛𝑑𝑖𝑑𝑎𝑠 35,00%
30,00%
▪ 𝑛 = 50 𝑠𝑒𝑚𝑎𝑛𝑎𝑠 30,00%
26,00%
144
▪ 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 = = 2.88 25,00%

50 20,00%
•
18,00%
Valor esperado 14,00%
15,00%
• Notación 12,00%

10,00%
▪ 𝑥 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎 5,00%

▪ 𝑥𝑖 = 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑋 0,00%

▪ 𝑝𝑖 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑎𝑠 1 2 3 4 5

▪ Donde 𝑃(𝑋 = 𝑥𝑖 ) = 𝑝𝑖 y las probabilidades independientes suman 1

▪ Por cuanto el valor esperado es igual a: 𝑛 Valores Probabilidad pixi
1 14,00% 0,14
𝐸 𝑋 = 𝑥ҧ = 𝜇 = ෍ 𝑝𝑖 𝑥𝑖 2 26,00% 0,52
𝑖=1 3 30,00% 0,9
4 18,00% 0,72
5 12,00% 0,6
∑ 2,88
Medidas de dispersión
• Rango: El valor máximo menos el valor mínimo
• Rango Inter cuartiles: El valor del percentil 75 menos el valor del
percentil 25

Unidades Vendidas
6

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Medidas de dispersión
• Varianza: La desviación cuadrática esperada alrededor de la media
• 𝑽𝑨𝑹 𝑿 = 𝝈𝟐 = σ𝒏𝒊=𝟏 𝒑𝒊 (𝒙𝒊 − 𝒙 ഥ)𝟐 = σ𝒏𝒊=𝟏 𝒑𝒊 (𝒙𝒊 − 𝝁)𝟐
xi pi pixi xi-u (x1-u)2 pi(x1-u)2
1 0,14 0,14 -1,88 3,53 0,49
2 0,26 0,52 -0,88 0,77 0,20
3 0,3 0,9 0,12 0,01 0,00
4 0,18 0,72 1,12 1,25 0,23
5 0,12 0,6 2,12 4,49 0,54
𝜇= 2,88 𝜎= 1,47

• Desviación estándar: La raíz cuadrada de la varianza

▪ Emplea las mismas unidades que el promedio 𝜎 = 1,47 = 1,212 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
• Coeficiente de variación: Proporción de la variación que existe con respecto al promedio
𝜎
▪ Indicador estándar de la variabilidad CV = 𝜇 = 0,4209
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
Distribuciones de probabilidad
• ¿En donde se originan?
▪ Empíricas
▪ Teóricas
• ¿Qué opción es mejor?
▪ Radica en lo que estas intentando lograr
▪ Las distribuciones empíricas se basan en datos previos
▪ Las distribuciones teóricas permiten establecer modelos mas confiables
▪ Lo mas frecuente es buscar alguna distribución teórica que se ajuste a la
inforrmación
Distribución de Poisson
• Es muy común de aplicar en modelos de entrega, inventarios de lenta
rotación o de volúmenes reducidos
• Es una distribución que no puede tomar valores negativos
• Notación: 𝑃 λ 𝑒𝑛 𝑑𝑜𝑛𝑑e λ 𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑦 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
𝑒 −𝜆 𝜆𝑥
•𝑃 𝑋=𝑥 = 𝑓(𝑥|λ)= 𝑝𝑎𝑟𝑎 𝑥 = 0,1,2,3 [𝑒 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑢𝑙𝑒𝑟 = 2,71828]
𝑥!
• Supongamos que 𝜆=0.5
xi pi 70,00%

• P[X=0] = (e-0.5 λ0)/(0!) = (0.607)(1)/1 = 0.61 60,00%

0 60,65%
• P[X=1] = (e-0.5 λ1)/(1!) = (0.607)(0.5)/1 = 0.30 50,00%
1 30,33% 40,00%
• P[X=2] = (e-0.5 λ2)/(2!) = (0.607)(0.25)/2 = 0.08
2 7,58% 30,00%
• P[X=3] = (e-0.5 λ3)/(3!) = (0.607)(0.125)/6 = 0.01
3 1,26% 20,00%

• P[X=4] = (e-0.5 λ4)/(4!) = (0.607)(0.0625)/24 ≈ 0.002 10,00%

4 0,16%
• P[X=5] = (e-0.5 λ5)/(5!) = (0.607)(0.0312)/120 ≈ 0.0002 0,00%
5 0,02% 0 1 2 3 4 5
Distribución de Poisson para valores de 𝜆 diferentes
Poisson1 Poisson3
0,4 0,25

0,35
0,2
0,3

0,25 0,15
0,2

0,15 0,1

0,1
0,05
0,05

0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Poisson5 Poisson7
0,2 0,16
0,18 0,14
0,16
0,12
0,14
0,12 0,1

0,1 0,08
0,08
0,06
0,06
0,04
0,04
0,02 0,02
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Ejemplo
• Debido a la situación actual en TECCOM se están recibiendo llamadas
a través de las que se solicitan productos a domicilio, en promedio se
reciben 3,4 llamadas por hora.
• 1. ¿Cuál es la probabilidad de no recibir llamadas la siguiente hora?
• 2. ¿Cuál es la probabilidad de que se reciban 2 llamadas o menos en
la siguiente hora?
• 3. ¿Cuál es la probabilidad de que se reciba por lo menos una llamada
la siguiente hora?

Hoja de cálculo Función Probabilidad (PMF) Probabilidad (CDF)

Microsoft Excel =POISSON.DIST(x, mean, cumulative) =POISSON.DIST(0, 2.2, 0) =POISSON.DIST(2, 2.2, 1)
Google Sheets =POISSON(x, mean, cumulative) =POISSON(0, 2.2, 0) =POISSON(2, 2.2, 1)
Ejemplo
• Debido a la situación actual en TECCOM se están recibiendo llamadas
a través de las que se solicitan productos a domicilio, en promedio se
reciben 3.4 llamadas por hora.
• 1. ¿Cuál es la probabilidad de no recibir llamadas la siguiente hora?
3,33%
• 2. ¿Cuál es la probabilidad de que se reciban 2 llamadas o menos en
la siguiente hora?
33,97%
• 3. ¿Cuál es la probabilidad de que se reciba por lo menos una llamada
la siguiente hora?
96,67%
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
TECCOM
• TECCOM importa y comercializa dispositivos repetidores de wifi que son
vendidos a través de una amplia red de distribución. Actualmente
comercializa su producto mas rentable TPK123 desde tres centros de
distribución hacia ms de 350 locales. La demanda semanal de uno de los
centros de distribución se muestra en la tabla.
¿Que podemos apreciar de estas ventas semanales?
Semana Unidades Semana Unidades Semana Unidades Semana Unidades Semana Unidades
Vendidas Vendidas Vendidas Vendidas Vendidas
1 360 11 235 21 397 31 290 41 220
2 301 12 287 22 284 32 371 42 347
3 299 13 345 23 255 33 285 43 357
4 358 14 203 24 277 34 287 44 207
5 370 15 320 25 408 35 355 45 325
6 265 16 294 26 276 36 237 46 474
7 375 17 203 27 264 37 246 47 232
8 317 18 248 28 288 38 248 48 262
9 341 19 234 29 386 39 306 49 397
10 275 20 320 30 288 40 245 50 349
 Resumen de funciones en hojas de cálculo
FUNCIÓN MICROSOFT EXCEL GOOGLE SHEETS
MINIMO =MIN(array) =MINA(array)
MEDIANA =MEDIAN(array) =MEDIAN(array)
MODA =MODE(array) =MODE(array)
PROMEDIO =AVERAGE(array) =AVERAGE(array)
MAXIMO =MAX(array) =MAX(array)
PERCENTILE =PERCENTILE.INC(array, k) =PERCENTILE(array, percentile)
VARIANZA POBLACIONAL =VAR.P(array) =VARP(array)
VARIANZA MUESTRAL =VAR.S(array) =VAR(array)
DESVIACIÓN ESTÁNDAR POBLACIONAL =STDEV.P(array) =STDEVP(array)
DESVIACIÓN ESTÁNDAR MUESTRAL =STDEV(array) =STDEV(array)

En la vida real usualmente no conocemos σ𝑁

𝑖=1(𝑥𝑖 − 𝜇) 2 σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 2
la población total por lo que propendemos 𝜎 2 𝑝𝑜𝑏 = 𝜎 2 𝑚𝑢𝑒𝑠𝑡 =
a estimarla a partir en una muestra “s” 𝑁 𝑛−1
 DEMANDA CENTRO DE DISTRIBUCIÓN TECCOM
Unidades Vendidas Unidades Vendidas
500 500

450 450

400 400

350 350

300 300

250 250

200 200

150 150

100 100

50 50

0 0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 14 44 47 11 40 18 23 27 10 24 33 34 30 16 2 8 20 9 42 35 4 5 7 21 25

MINIMO 203 RANGO 271 PERCENTIL 25 256,75

MEDIANA 289 RANGO INTERCUARTIL 91,75 PERCENTIL 50 (MEDIANA) 289
PROMEDIO 302,26 VARIANZA 3562,472 PERCENTIL 75 348,5
MAXIMO 474 DESVIACIÓN ESTÁNDAR 59,68645
CV 0,197467
¿Por qué no solo agrupar como datos
discretos?
Unidades Vendidas
500
450
400
350
300
250
200
150
100
50
0
14 17 44 41 47 19 11 36 40 37 18 38 23 48 27 6 10 26 24 22 33 12 34 28 30 31 16 3 2 39 8 15 20 45 9 13 42 50 35 43 4 1 5 32 7 29 21 49 25 46
Características distribuciones continuas
• Diferencias
• La probabilidad de un valor específico pierde sentido
• Los valores de probabilidad analizados en intervalos ofrecen un aporte mas
efectivo
• En lugar de enlistar las posibilidades simplemente usamos una función
• Función de probabilidad acumulativa
• La probabilidad se define por el área bajo la curva entre dos valores a y b
• El área total bajo la curva es igual a 1 pero la P[X=t]=0
 DISTRIBUCIÓN NORMAL
• Nosotros podemos establecer una distribución
normal con la media de 𝜇 y su desviación estándar
de 𝜎 bajo la notación 𝑋~𝑁(𝜇, 𝜎) reconozca que
mediana, moda y promedio son iguales a 𝜇

• Es una de las distribuciones mas empleadas

• El punto máximo de la forma de campana se
presenta en el promedio
• Es simétrica alrededor del promedio
• La media desplaza la distribución, pero no la forma
• La desviación estándar cambia la forma, pero no la
desplaza
 DISTRIBUCIÓN NORMAL
• Normal ~𝑁 𝜇, 𝜎
• Hojas de cálculo:
▪ NORMINV(probability,μ,σ) =μ+kσx
▪ NORMDIST(x,μ,σ,1) =P[x<μ+kσx]
• Estándar ~𝑁 0,1
▪ Conversión: k = (x-μ)/σx
• Hojas de cálculo:
▪ NORMSINV(probability)=k
▪ NORMDIST(k) =P[μ<k]
• Tablas de distribución estándar
▪ Identificar parámetro k o P[μ<k]
• Intervalos de confianza
▪ 𝜇 ± 𝜎 → 68,3%
▪ 𝜇 ± 𝜎 → 95,5%
▪ 𝜇 ± 𝜎 → 99,7%
Distribución en TECCOM
• TECCOM posee una línea de distribución para el consumidor. A través
de esta se distribuyen productos desde el centro de la ciudad a
diferentes hogares y oficinas en la ciudad. El transporte es realizado
en motocicletas y cada pedido se despacha de forma directa. Se ha
identificado que la distancia a cada destino de entrega se puede
describir a través de ~𝑁 4,6; 1,10 𝐾𝑚
• 1. ¿Cuál es la distancia media, la mediana y el CV?
• 2. ¿Cuál es la probabilidad de que la distancia > 5Km?
• 3. ¿Cuál es la probabilidad de que la distancia se encuentre a ±1𝜎
alrededor de la media?