Modelos y Simulación

Paso 1 – Reconocer los Pre-Saberes

Presentado por:

Presentado a: Nidia Stella Rincón

Grupo: 212026_

Ingeniería Industrial

Escuela de Ciencias Básicas, Tecnología e Ingeniería.

Universidad Nacional Abierta y a Distancia

Neiva, 2021
 Introducción.

El curso de Modelos de Simulación sigue la línea de los cursos de Álgebra Lineal,

Programación Lineal y Métodos Determinísticos. En este curso aprenderemos a
realizar modelos matemáticos de algún problema industrial y a realizar
simulaciones para resolver los problemas a los que apuntan los modelos.

Justificación

Realizamos el trabajo de reconocimientos previos para poder iniciarnos en los

modelos y simulación para con esto lograr tener las bases necesarias para lograr
las metas profesionales.
 Objetivos

Objetivo General

Realizar un reconocimiento previo a los presaberes, para lograr tener mayor

claridad de lo que se realizara en modelos y simulación

Objetivos específicos

- Respuestas a preguntas claves

- Explicación de diferentes conceptos
¿Qué es la inferencia estadística, clases de muestreo, distribuciones
muéstrales?

La inferencia estadística es la rama de la estadística que estudia la comprobación

de hipótesis de pruebas estadísticas y sirve para sacar conclusiones sobre una
población a partir de una muestra de ella. Entre las clases de muestreo
encontramos: el muestreo aleatorio simple, muestreo estratificado, muestreo por
conglomerados, muestreo sistemático. Las distribuciones muéstrales por lo
general se buscan que cumplan con que sea una distribución normal, pero
también existen otras distribuciones, ya sea de variables continuas o discretas.

Qué es la programación lineal, formulación de un problema de programación

lineal, pasos para desarrollar método simplex.
La programación lineal es la rama del conocimiento que estudia problemas de
optimización ya sea de minimización o maximización, para ser aplicados a la
industria. Estos problemas se formulan y luego se resuelven mediante el supuesto
de linealidad entre las variables. Los pasos para desarrollar el método simplex se
pueden resumir en: plantear la función objetivo de la optimización, formular las
restricciones lineales sobre las variables y aplicar los métodos de reducción de
sistemas lineales para encontrar la respuesta. Alternativamente también se puede
usar solver de Excel para ello.

Qué son los métodos determinísticos, pasos para la construcción de

modelos matemáticos, definición de variable, función objetivo y
restricciones.
Los métodos determinísticos nos ayudan a resolver problemas que comúnmente
encontramos en la industria. Estos usan las bases de programación lineal y sus
principales aplicaciones se centran en optimización de recursos, métodos de
transporte, coordinación de horarios, etc. Los pasos para construir los modelos
matemáticos dependen del problema en cuestión, pero a manera de esqueleto se
podría decir que son: Determinación de las variables, de las restricciones, y de la
función objetivo, luego usar el poder del álgebra lineal o de programas de software
para resolver estos modelos. Las restricciones toman en cuenta los requisitos de
solución del sistema matricial, así mismo los coeficientes de la función objetivo.

Modelos Matemáticos y Simulación en la Ingeniería Industrial: aplicaciones y

análisis de sensibilidad.
Los análisis de sensibilidad son pequeñas simulaciones que se hacen en el marco
del modelo matemático establecido o que toman el modelo y lo agrandan un poco
para probar hipótesis, como, por ejemplo, que ocurre con los valores optimizados
una vez que se adicionan nuevas variables, o nuevas restricciones, se pueden
cambiar los coeficientes de la función objetivo, etc. El campo de aplicaciones se
compone por todos los casos en la ingeniería industrial en los que se requiere
optimizar un valor, que por lo general es la utilidad o el valor de los recursos.
 Conclusiones.

Hemos visto la importancia de los métodos lineales y como se acoplan a la idea

central del curso de Modelos y Simulaciones, todo es con la intención de mejorar
en los procesos académicos y para lograr ser mejores profesionales.
 Referencia Bibliográficas

- Del Valle, S. (2012). Álgebra lineal para estudiantes de ingeniería y

ciencias. México, México: Editorial McGraw-Hill Interamericana.

- Martínez, I., Vértiz, G., López, J., Lozano, G. & Moncayo, L. (2014).
Investigación de operaciones. México, México: Grupo Editorial Patria.

- Grossman, S. (1996). Álgebra Lineal (5ta Ed.). México, México: Editorial

McGraw-Hill