Modelamiento Matemático y

Estocástico

Universidad Católica del Maule

Profesor: Ana Andrea Soto Vásquez

Irlanda Ceballos
 Modelando la Realidad
Qué es un Modelo?
Un modelo es una Simplificación de la realidad
 MODELOS
DETERMINÍSTICOS
VS
MODELOS ESTOCÁSTICOS
MODELOS DETERMINÍSTICOS VS MODELOS
ESTOCÁSTICOS
 Definiciones

• Los modelos determinísticos son aquellos donde se supone que los datos se
conocen con certeza, es decir, se supone que cuando el modelo sea
analizado se tiene disponible toda la información necesaria para la toma de
decisiones.
• Por el contrario, en los modelos estocásticos también conocidos como
modelos probabilísticos, algún elemento no se conoce con anticipación,
incorporando así la incertidumbre.
Modelos Determinísticos

• Es un modelo matemático donde las mismas entradas producirán

invariablemente las mismas salidas, no contemplándose la existencia del
azar ni el principio de incertidumbre. Está estrechamente relacionado
con la creación de entornos simulados a través de simuladores para el
estudio de situaciones hipotéticas, o para crear sistemas de gestión que
permitan disminuir la incertidumbre.
• La inclusión de mayor complejidad en las relaciones con una cantidad
mayor de variables y elementos ajenos al modelo determinístico hará
posible que éste se aproxime a un modelo probabilístico o de enfoque
estocástico.
Modelos Determinísticos

Ejemplos:
Modelos determinísticos: la planificación de una línea de producción,
asignación de las salas de clases en una universidad.
Modelos estocásticos

• Un modelo es estocástico cuando al menos una variable del mismo es

tomada como un dato al azar y las relaciones entre variables se toman por
medio de funciones probabilísticas. Sirven por lo general para realizar
grandes series de muestreos, quitan mucho tiempo en el computador son
muy utilizados en investigaciones científicas.
Para lograr modelar correctamente un proceso estocástico es necesario
comprender numerosos conceptos de probabilidad y estadística.
• Dentro del conjunto de procesos estocásticos se encuentran, por ejemplo, el
tiempo de funcionamiento de una máquina entre avería y avería, su tiempo
de reparación y el tiempo que necesita un operador humano para realizar
una determinada operación.
Modelos estocásticos

Ejemplos

Modelos estocásticos: filas de espera, administración de proyectos y

pronóstico.
 MODELOS DETERMINÍSTICOS VS MODELOS
ESTOCÁSTICOS
• Problemas Lineales: f y gi son funciones lineales (de la forma aTx + b,
con a ∈ Rn y b ∈ R). Dentro de este tipo de problemas tenemos:
• Problemas Enteros: Todas las variables toman valores enteros.
• Problemas Binarios: Todas las variables pueden tomar sólo uno de
dos valores, en general 0 o 1 (este caso es un caso particular del punto
anterior).
• Problemas Mixtos: Algunas variables deben ser enteras y otras
pueden tomar cualquier valor en los reales.

• Problemas No Lineales: Al menos una restricción gi o la función objetivo

f es no lineal. Existen distintas variantes de estos problemas.
 Proceso de Modelar un Sistema

• Modelo: Representacion simplificada de la realidad.

• Modelo Matemático: Descripción matemática o lógica de algún sistema

de objetos y actividades
Proceso de Modelar un Sistema

• Modelar: Arte de construir y usar los modelos matemáticos

como una herramienta para analizar las políticas alternativas y
evaluar las operaciones
Ventajas de los Modelos

• Los modelos nos permiten entender mejor las situaciones que

enfrentamos.

§ Este mayor conocimiento nos da más poder para influir en los

resultados.
§ Se puede modelar elementos, tangibles (como las líneas de
producción) e intangibles (como las decisiones y las incertidumbres)
Ventajas de los Modelos

• Generalmente, experimentar con modelos (en comparación a

experimentar con situaciones reales):

§ Requiere MENOS TIEMPO

§ Es MENOS COSTOSO

§ Involucra MENOS RIESGOS

Etapas para Modelar un Sistema

1. Formulación del problema

2. Construcción de un modelo matemático que represente el
sistema bajo estudio
3. Obtención de una solución a partir del modelo
4. Prueba del modelo y de la solución obtenida
5. Establecimiento de controles sobre la solución
6. Implementación de la solución
Etapas para Modelar un Sistema
1. Formulación del Problema:

• Definición del problema, identificando:

§ Los objetivos
§ Las interrelaciones
§ Las restricciones
§ Las posibles alternativas

Formulación del
Problema DEFINICION
SITUACION DEL
PROBLEMA
DATOS
Etapas para Modelar un Sistema

2. Construcción de un Modelo Matemático:

§ Modelo de Programación Matemática

§ Modelo Estocástico
§ Modelo de Simulación

Formulación del
Problema
DEFINICION
SITUACION DEL
PROBLEMA
DATOS

Construcción
de un Modelo

MODELO
Etapas para Modelar un Sistema
3. Obtención de una Solución

§ Programación Lineal
§ Programación No Lineal
Formulación
§ Programación Entera SITUACIO del DEFINICION
DEL
§ Regresión DATOS
N Problema
PROBLEMA

§ Búsqueda Directa
§ Optimización Estocástica Construcción
de un Modelo
§ Prueba y Error MODELO
Encontrar
una Solución

SOLUCION HERRAMIENTAS
Etapas para Modelar un Sistema
4. Validación del Modelo y de la Solución

§ Comprueba si el modelo es capaz de predecir los

efectos de las acciones con suficiente exactitud para
la toma de desiciones

Formulación
SITUACIO del DEFINICIO
N Problema N DEL
DATOS PROBLEMA
Construcción
de un Modelo

MODELO
Encontrar
una Solución

SOLUCION

Probar el SOLUCION HERRAMIENTAS

Modelo y la
Solución
Etapas para Modelar un Sistema

5. Establecimiento de Controles sobre la Solución

§ Establecer mecanismos para detectar cambios en el

mundo real que invaliden el modelo.

Formulación
SITUACIO del DEFINICIO
N Problema N DEL
DATOS PROBLEMA
Construcción
de un Modelo

MODELO
Encontrar
una Solución

SOLUCION

Establecer
procedimientos Probar el SOLUCION HERRAMIENTAS
de control Modelo y la
Solución
Etapas para Modelar un Sistema
6. Implementación

§ Implica que los resultados de los modelos fueron

introducidos en el proceso de toma de decisiones y
fueron aceptados como válidos por, a lo menos, uno de
los participantes del proceso.

Formulación
SITUACIO del DEFINICIO
N Problema N DEL
DATOS PROBLEMA
Construcció
n de un
Implementar Modelo
la solución MODELO
Encontrar
una Solución

SOLUCION

Establecer
procedimientos Probar el SOLUCION HERRAMIENTAS
de control Modelo y la
Solución
Los modelos cuantitativos no toman las
decisiones, pero pueden volverlas más
claras y fáciles