PASO 0 – RECONOCIMIENTO DE PRESABERES

INTEGRANTE

JAIME RAFAEL GOMEZ TERNERA

CODIGO: 1006583030

GRUPO: 212026_52

TUTOR

JOSE ENRIQUE COTES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
MODELO Y SIMULACION
RIOHACHA
2019
 INTRODUCCIÓN

El objetivo de este trabajo es el reconocimiento general del curso, se estudiarán temas de

gran importancia para que permitan reconocer los modelos de simulación como medio de
mejoramiento de modelos y sistemas, siendo esto de gran importancia para nosotros como
futuros profesionales en el área de la ingeniería industrial.
Reconocimiento de la Inferencia estadística, clases de muestreo, distribuciones muestrales
formulación de un problema de programación lineal, pasos para desarrollar método
simplex. pasos para la construcción de modelos matemáticos, variables asociadas, función
objetivo y restricciones.
 JUSTIFICACIÓN.

Es muy importante tener conocimiento de lo siguiente temas de la Inferencia estadística,

clases de muestreo, distribuciones muestrales formulación de un problema de programación
lineal, pasos para desarrollar método simplex. pasos para la construcción de modelos
matemáticos, variables asociadas, función objetivo y restricciones, nos ayuda facilitar el
desarrollo el curso de modelos de simulación como medio de mejoramiento de modelos y
sistemas, siendo importancia para nosotros como futuros profesionales en el área de la
ingeniería industrial
 OBJETIVOS

Reconocimiento general del curso Modelo y Simulación, estudio de las temáticas a

desarrollar durante el proceso de formación.

 Reconocer los modelos de simulación como medio de mejoramiento de

procesos y sistemas
 Estudiar conceptos como programación lineal, métodos determinísticos,
métodos probabilísticos entre otros.
 Fortalecer los conocimientos mediante el desarrollo del curso académico
Modelos y Simulación
Qué es la inferencia estadística

La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir

de la información empírica proporcionada por una muestra, cual es el comportamiento de
una determinada población con un riesgo de error medible en términos de probabilidad.

Los métodos paramétricos de la inferencia estadística se pueden dividir, básicamente, en

dos: métodos de estimación de parámetros y métodos de contraste de hipótesis. Ambos
métodos se basan en el conocimiento teórico de la distribución de probabilidad del
estadístico muestral que se utiliza como estimador de un parámetro.

Clases De Muestreo

aunque la teoría que será desarrollada más tarde está referida solamente a muestras
aleatorias simples, realizaremos aquí una rápida revisión de posibles métodos para la toma
de muestras que podemos encontrarnos en la práctica. 
Los pasos para seguir para la recolección de una muestra son los siguientes:
 Definir la población en estudio especificando las unidades que la componen, el área
geográfica donde se realiza el estudio (si procede) y el periodo de tiempo en el que se
realizará el mismo.
Definir el marco: listado o descripción de los elementos que forman la población.
Definir la unidad de muestreo: Ciudades, calles, hogares, individuos, etc ...
Definir las variables a medir o las preguntas que se harán si se trata de una encuesta.
Seleccionar el método de muestreo: Probabilístico o No Probabilístico, aunque son los
primeros los que nos permiten la estimación correcta de parámetros.
Calcular el tamaño necesario para obtener une determinada precisión en la estimación.
Este punto se verá con más detalle en el apartado dedicado a la estimación por intervalos.
 Elaborar el plan de muestreo que guiará el trabajo de campo.
 En cuanto al tipo de muestreo, algunas de las características más importantes de los
muestreos probabilísticos más usuales se detallan a continuación:

Muestreo Aleatorio Simple (Mas)

Se trata de un procedimiento de muestreo (sin reemplazamiento), en el que se seleccionan n
unidades de las N en la población, de forma que cualquier posible muestra del mismo
tamaño tiene la misma probabilidad de ser elegidas.

Muestreo Sistemático

Se ordenan los individuos de la población y se numeran. - Se divide la población en tantos

grupos como individuos se quieren tener en la muestra. Se selecciona uno al azar en el
primer grupo y se elige el que ocupa el mismo lugar en todos los grupos.

La ventaja principal es que es más sencillo y más barato que el muestreo aleatorio simple,
además, se comporta igual si no hay patrones o periodicidades en los datos.

Muestreo Por Conglomerados

Se divide la población en grupos de acuerdo con su proximidad geográfica o de otro tipo.

(conglomerados). Cada grupo ha de ser heterogéneo y tener representados todas las
características de la población

Muestreo Estratificado

Se divide la población en grupos homogéneos (estratos) de acuerdo con las características a

estudiar. Por ejemplo, en un estudio de las características socioeconómicas de una ciudad
los estratos pueden ser los barrios de esta, ya que los barrios suelen presentar características
diferenciales.

Distribuciones Muestrales.

El estudio de determinadas características de una población se efectúa a través de diversas

muestras que pueden extraerse de ella.

El muestreo puede hacerse con o sin reposición, y la población de partida puede ser infinita
o finita. Una población finita en la que se efectúa muestreo con reposición puede
considerarse infinita teóricamente. También, a efectos prácticos, una población muy grande
puede considerarse como infinita. En todo nuestro estudio vamos a limitarnos a una
población de partida infinita o a muestreo con reposición.
Consideremos todas las posibles muestras de tamaño n en una población. Para cada muestra
podemos calcular un estadístico (media, desviación típica, proporción,) que variará de una a
otra. Así obtenemos una distribución del estadístico que se llama distribución muestral.

Las dos medidas fundamentales de esta distribución son la media y la desviación típica,
también denominada error típico.

Qué Es La Programación Lineal

La programación lineal es básicamente la lucha o disputa de una cantidad de actividades

(productos) por unos recursos de carácter limitado, de tal forma que se obtenga un máximo
de rendimiento. Cuando se hace referencia a rendimiento, se está hablando de la
optimización del sistema que puede ser de dos formas así:

. Maximización cuando lo que se persigue es el máximo de utilidad de ingreso

. Minimización, cuando se persigue es un mínimo de costo o egreso de una empresa

formulación de un problema de programación lineal,

Se dice que una función numérica f (x 1, ... x) que depende de variables numéricas
x 1 , x 2 , . . , x n , es lineal si se expresa como una suma de múltiplos de las variables

Un problema de programación lineal (PPL) tiene la forma: Maximizar (o Minimizar)

Los problemas de programación lineal con dos variables de decisión y un número reducido
de restricciones pxueden ser resueltos gráficamente por métodos geométricos sencillos
utilizando un plano cartesiano cuyos ejes de coordenadas son las variables de decisión. Allí
se trazan la región factible y algunas rectas asociadas a la función objetivo que permiten
determinar en qué puntos esta obtiene su valor óptimo, cuando existe. Este método muestra
gráficamente dos propiedades de los problemas de programación lineal:

Pasos Para Desarrollar Método Simplex.

El método Simplex es un algoritmo desarrollado por George Dantzig que parte desde un
vértice del poliedro factible, se mueve a través de un borde hacia un vértice adyacente, y así
sucesivamente hasta encontrar el vértice óptimo. El objetivo de este capítulo es describir la
mecánica del método Simplex e interpretarlo desde el punto de vista geométrico y
económico. 6.1 Descripción General del Método Supongamos que estamos evaluando un
cierto vértice factible p (que por lo tanto está definido por al menos n holguras iguales a
cero, y ninguna de las otras holguras menores que cero). Tal como lo muestra la Ilustración
6.1, si hacemos positiva una de esas holguras, obtenemos un borde adyacente a p, pues
estamos ganando un grado de libertad en la superficie del poliedro. Este borde tiene un
extremo igual a p definido por el hiperplano H cuya holgura acaba de ser relajada. Dado
que existen al menos n hiperplanos cuya holgura podría relajarse, el punto p tiene al menos
bordes adyacentes.

El método del simplex es un procedimiento para hallar una solución óptima de una
programación lineal estándar en el conjunto de soluciones básicas factibles. El método se
aplica a un problema estándar para el que ya se dispone de una solución básica factible y su
correspondiente conjunto de variables básicas. Tenemos que seguir los siguientes pasos.

1. variables de holgura y exceso.

2. variable artificial / método de la "m"

3. el problema.

4. paso 1: modelación mediante programación lineal.

5. paso 2: convertir las inecuaciones en ecuaciones.

6. paso 3: definir la solución básica inicial.

7. paso 4: definir la tabla simplex inicial.

Qué son los métodos determinísticos,

Un modelo se define como determinístico cuando siempre que se someta a un mismo

estimulo, reacciona de la misma manera.

Los sistemas que representan los modelos deterministas carecen de incertidumbre, es decir,
todos los cambios de estado del sistema se pueden predecir con certeza, y su
comportamiento se evalúa con medidas de efectividad o eficiencia tales como: Costos,
tiempo y utilidades.
Generalmente si en el modelo se han tomado en cuenta todas las variables y relaciones
importantes, este se vuelve tan complejo de modelos matemáticos necesarios. Por tanto, se
deben utilizar modelos parciales teniendo claro que las soluciones obtenidas no son
óptimas, y que el modelo que se está usando.

Si un modelo garantiza encontrar la solución óptima, el proceso de solución para dicho

modelo se llamara algoritmo de optimización.

Se define como algoritmo a una serie de instrucciones en una cierta secuencia lógica,
necesarias para describir las operaciones que llevan a la solución de un problema. No
siempre los algoritmos conducen a soluciones optimas, Sin embargo, en investigación de
operaciones se hacen todos los esfuerzos posibles para encontrar algoritmos de
optimización. Este tipo de algoritmos son exclusivos de los modelos deterministas.

PASOS PARA LA CONSTRUCCIÓN DE MODELOS MATEMÁTICOS

forma simplificada algunos métodos matemáticos que pueden ser de utilidad en diferentes
fases de la construcción y operación con modelos matemáticos de simulación. Cualquiera
de estas operaciones matemáticas podría resolverse mediante meto-dos distintos a los
descritos o incluso abordarse bajo planteamientos diferentes. En cualquier caso, el exponer
un ejemplo de cada uno de ellos evita que el lector quede ignorante sobre cómo se llevan a
la práctica las operaciones descritas en el capítulo primero, defecto del que suelen adolecer
otras obras sobre esta materia. por último, la extensa bibliografía recopilada recoge lecturas
que permiten documentarse al lector interesado sobre diversos temas como formulaciones
alternativas a las descritas en esta obra o sobre los aspectos básicos de los procesos
contenidos en los modelos expuestos. En consecuencia, este libro puede constituir un
material de ayuda importante para aquellos estudiantes, licenciados o ingenieros que
precisen tener un primer acercamiento a la teoría y práctica de la construcción de modelos
aplicados a sistemas acuáticos dinámicos, así como constituir un material de consulta
adecuado para aquellos cursos de especialización sobre esta materia

Definición De Variable

Es el conjunto de valores que puede tomar cierta característica de la población sobre la que
se realiza el estudio estadístico y sobre la que es posible su medición. Estas variables
pueden ser: la edad, el peso, las notas de un examen, los ingresos mensuales, las horas de
sueño de un paciente en una semana, el precio medio del alquiler en las viviendas de un
barrio de una Ciudad, Etc.

Función Objetivo Y Restricciones.

La función objetivo es la ecuación que será optimizada dadas las limitaciones o

restricciones determinadas y con variables que necesitan ser minimizadas o maximizadas
usando técnicas de programación lineal o no lineal.

Una función objetivo puede ser el resultado de un intento de expresar un objetivo de

negocio en términos matemáticos para su uso en el análisis de toma de decisiones,
operaciones, estudios de investigación o de optimización.

Los modelos de gestión también han sido utilizados en acuíferos desde los que ha de
abastecerse una demanda y que presentan problemas de contaminación. En este caso los
modelos ofrecen los patrones de explotación que conllevan los menores efectos indeseados.
Los tipos de modelos de gestión de aguas subterráneas han sido descritos por BACHMAT
et al. (1980) y GORELICK (1983). Los métodos de optimización más corrientes en
Hidrología subterránea son la programación lineal, la programación no lineal y la
programación dinámica, siendo el primero el más utilizado. El objetivo de la programación
lineal es calcular el valor de las variables de una función que maximizan o minimizan esta.
Para ello se parte de un conjunto de ecuaciones o inecuaciones, (restricciones), que limitan
los valores que puede tener cada variable. Tanto la función como las restricciones son
expresiones lineales. La función se llama función objetivo, y las variables, variables de
decisión. El método "simplex" desarrolla un procedimiento iterativo y es el de más amplia
utilización. Hay dos tipos básicos de planes de gestión (HEIDARI, 1982), según que la
función objetivo se refiera a medidas económicas o a la capacidad física del acuífero. En
este último ámbito, las funciones objetivo más utilizadas son: maximización o
minimización de potenciales o de descensos, de extracciones, de gradientes hidráulicos o de
velocidades de flujo, de concentraciones químicas, etc., teniendo como variables de
decisión estos mismos factores

Modelos Matemáticos y Simulación en la Ingeniería Industrial

Quienes gerencia organizaciones, cada vez más apelan al uso de herramientas cuantitativas
para encontrar rumbos de acción y sustento a sus decisiones. Las épocas en las que las
decisiones eran tomadas sólo a partir de la intuición de quienes dirigían están quedando
atrás. Los modelos matemáticos de optimización, la teoría de juegos y simulación, por
mencionar sólo algunas, hacen parte del conjunto de herramientas que aplican actualmente
los directivos en sus empresas. La tendencia se da hacia la utilización de modelos que
permitan el uso no estructurado de la información existente, con el fin de representar de una
mejor manera el ambiente de negocios cambiante en el que se vive hoy.

Existen varias definiciones de simulación dentro de las cuales se destacan:

Para TOM H. NAYLON, bajo el término simulación se entiende la técnica que se utiliza
para conducir experimentos en una computadora. Tales experimentos facilitan comprender
ciertos tipos de relaciones matemáticas y lógicas que son necesarias para describir el
comportamiento y la estructura de sistemas complejos del mundo real a través de largos
períodos de tiempo.

Según WRIGHT, "simular" significar duplicar la esencia de un sistema o una actividad sin
llegar a la realidad misma. Define la simulación como una técnica "que implica la
estructuración de un modelo que representa una situación real (sistema), para después
realizar experimentos sobre el modelo.”

Para MAISEL, la simulación es una técnica numérica para realizar experimentos en una
computadora, involucrando, para tal caso, el empleo de modelos matemáticos y lógicos que
describen el comportamiento de sistemas reales que pueden ser económicos, biológicos,
sociales, físicos o químicos durante largos períodos de tiempo.

Aplicaciones Y Análisis De Sensibilidad.

El análisis de sensibilidad es la técnica que determina cómo diferentes valores de una

variable independiente impactan en una variable dependiente bajo un conjunto de
supuestos. Estudia cómo la incertidumbre en el resultado de un modelo o sistema
matemático puede asignarse a diferentes fuentes en sus variables de entrada.
Identificación grupo de trabajo.

Nombres Participante Lugar Contacto

JOSE ENRIQUE COTES Tutor Valledupar
JOHENNYS MARTINEZ Estudiante Riohacha 3162995751
HAROL RICARDO GOMEZ Estudiante Sahagún
JORGE ARMANDO Estudiante Riohacha
TAYLOR
JAIME RAFAEL GOMEZ Estudiante Riohacha 3178944261
CARLOS ANDRES ROJAS Estudiante Riohacha 3183359851

CONCLUSIONES

Al desarrollar es te trabajo se identificaron los integrantes del grupo con el fin de

interactuar en el desarrollo de los contenidos del curso, se conocieron los siguientes temas
la Inferencia estadística, clases de muestreo, distribuciones muestrales formulación de un
problema de programación lineal, pasos para desarrollar método simplex. pasos para la
construcción de modelos matemáticos, variables asociadas, función objetivo y restricciones,
fortaleciendo el conocimiento de estos temas, que no ayuda a comprender el curso de
Modelo y Simulación.
 REFERENCIAS BIBLIOGRÁFICAS

Guasch, A., Piera, M. À., & Casanovas, J. (2002). Modelado y simulación: aplicación a
procesos logísticos de fabricación y servicios. Madrid, ES: Universitat Politècnica de
Catalunya. Disponible en la Biblioteca Virtual de la UNAD (pp.2-21). Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=28&docID=4310046&tm=1544036108836

Singer, M. (2013). Una práctica teoría de la optimización lineal : datos, modelos y

decisiones. Santiago, Chile: Ediciones UC. Disponible en la Biblioteca Virtual de la UNAD
(pp.3-69). Recuperado de: http://bibliotecavirtual.unad.edu.co/login?
url=https://bibliotecavirtual.unad.edu.co:2969/login.aspx?
direct=true&db=nlebk&AN=1725244&lang=es&site=ehost-live&ebv=EB&ppid=pp_3

Guerrero, S. H. (2009). Programación lineal aplicada. Bogotá, CO: Ecoe Ediciones.

Disponible en la Biblioteca Virtual de la UNAD.(pp.249-271) Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=267&docID=3215329&tm=1544036375878

Hillier, F. S. (2010). Introducción a la investigación de operaciones (9a. ed.). México, D.F.,

MX: McGraw-Hill Interamericana. Disponible en la Biblioteca Virtual de la UNAD (pp.
282-309). Recuperado
de:https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=311&docID=3214887&tm=1544036769138

Martínez, Salazar, Iris Abril, and Camarón, Gastón Vértiz (2014). Investigaciones de
operaciones, Grupo Editorial Patria, 2014. Disponible en la Biblioteca Virtual de la UNAD
(pp. 149-179). Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=162&docID=3227913&tm=1544036684162