Modelacion

Modelación
Sistemas
n  Las organizaciones empresariales son sistemas muy
complicados, creados para sa9sfacer necesidades,
compuestos por componentes que intervienen y
interactúan de manera armónica para lograr los
obje9vos.

n  Para entender y describir estos sistemas, se debe
construir un modelo que idealice y simplifique su
funcionamiento.
Modelo -‐ Definición
n  Representación simplificada de un sistema real,

para resolver un problema en función de ciertos
obje9vos.

n  El modelo incluye las variables relevantes del
problema.
Modelos-‐ Tipos
Icónicos Esquemá:cos
Representación -sica a Representación gráfica

escala de la realidad. del sistema.
Matemá:cos
Para describir y
relacionar las variables
seleccionadas del
mundo real, a base de
ecuaciones
matemá:cas:
Determinís:cos y
Probabilís:cos
Modelación
n  Un Modelo siempre es una simplificación de la
realidad.

n  Un Modelo Cuan9ta9vo representa las relaciones
entre las variables en forma matemá9ca.

n  El Modelo debe sa9sfacer una necesidad.

Modelos -‐ Factores Básicos
Variables
Variables de Decisión Variables Exógenas
Intermedias
•  Aquellas que se •  Variables •  Se u:lizan para
encuentran bajo el condicionadas por relacionar las
control de quien factores que están variables de
toma la decisión fuera del alcance decisión y las
•  Nuevo producto, de la persona que variables exógenas
precio de venta, decide con las medidas de
can:dad a inver:r •  Condiciones desempeño. Son
en publicidad. económicas, variables de
acciones de los contabilidad que se
compe:dores, relacionan con
precio materia factores de costo o
prima. ingresos.
Modelos -‐ Factores Básicos
Polí:cas y Restricciones Medidas de desempeño
• Polí:cas de niveles de • Criterios de

calidad, restricciones desempeño para
legales o limitaciones medir los obje:vos
-sicas. cuan:ta:vamente.
• U:lidad, par:cipación
del mercado, retorno
de la inversión.
  Para un faná:co de futbol es la información referente a los
par:dos ganados, empatados y perdidos, para el gerente de
una central de energía eléctrica puede ser la información
sobre la can:dad de contaminantes que están siendo emi:dos
Estadís9ca hacia la atmósfera, para el Director de una escuela es la
información acerca del ausen:smo, las calificaciones de los
alumnos y los sueldos de los profesores, para un inves:gador
médico que indague los efectos de un nuevo medicamento, es
la evidencia del éxito o fracaso de sus trabajos de
inves:gación…
La Estadís'ca es la parte de las Matemá:cas

que se encarga del estudio de una
determinada caracterís'ca en una
población, recogiendo los datos,
organizándolos en tablas, representándolos
gráficamente y analizándolos para sacar
conclusiones de dicha población.
 Los ingenieros de control de calidad del agua
del AyA son responsables del nivel de cloración
del agua, dicho nivel debe acercarse bastante
al que exige el ministerio de salud.
Conceptos fundamentales
Datos
• Los datos son colecciones de un número cualquiera de observaciones relacionadas entre sí.
Representación de todos los grupos
• Se seleccionan las observaciones de manera que todos los grupos relevantes estén representados
en los datos.
Obtención de datos
• Los datos provienen de observaciones reales o de documentos que se conservan para usos
diarios.
Muestra y población
• La población es un todo y la muestra es una parte o segmento de él.
Distribución de frecuencias
• Es una tabla que organiza los datos en clases, es decir, en grupos de valores que describen una
caracterís:ca de los datos.
Probabilidades
q La probabilidad marginal P(A) es la probabilidad
de que ocurra un evento.

q Una probabilidad conjunta es el producto de las
probabilidades marginales.

q Una probabilidad condicional es la probabilidad
de que ocurra un evento considerando que otro
evento ha sucedido.
Conceptos fundamentales
La probabilidad P de que ocurra cualquier evento
es mayor o igual a 0 y menor o igual a 1.
La suma de las probabilidades simples de

todos los resultados posibles de una
ac:vidad debe ser igual a 1.
Al conjunto de todos los resultados posibles

de un experimento se le llama espacio
muestral y se representa por el símbolo S.
Un evento es un subconjunto del espacio

muestral.
Ley de la adición
P(A) P(B) P(A o B) = P(A) + P(B)
P(A) P(B) P(A o B) = P(A) + P(B) – P(A y B)

Eventos mutuamente excluyentes y
colec9vamente exhaus9vos
Se dice que ciertos eventos son
mutuamente excluyentes
cuando sólo uno de ellos puede
ocurrir.
Se dice que ciertos eventos son

colec:vamente exhaus:vos si la
lista de resultados incluye todos los
resultados posibles.
Variables Aleatorias
q Una variable aleatoria es una función que asocia un
número real a cada elemento del espacio muestral.

q Por ejemplo considérese una 9enda de teléfonos
celulares. El número de teléfonos iPhone vendidos
durante un día cualquiera puede ser la variable aleatoria.

q Las variables pueden ser discretas o con9nuas.
Ejercicio 1
Tabla de frecuencias
 En los úl:mos 30 días Rafael ha vendido 8,9,10 u 11 enteros
de lotería cada día. Nunca vendió menos de 8 ni más de 11.
Si se supone que el pasado es similar al futuro, encuentre
las probabilidades del número de boletos vendidos si las
ventas fueron: en 10 días se vendieron 8 enteros, en 12
días se vendieron 9 enteros, en 6 días se vendieron 10
enteros y solo en 2 días se logró vender 11 enteros de
lotería.
 ¿Cuál es la distribución de frecuencias?
Probabilidad
Ventas Frecuencia Probabilidad Acumulada
Vendío 8 10 0.33 0.33
Vendió 9 12 0.40 0.73
Vendió 10 6 0.20 0.93
Vendió 11 2 0.07 1.00
30
Distribución de Frecuencias

14
12
10
8
6
4
2
0
Vendío 8 Vendió 9 Vendió 10 Vendió 11
Distribuciones de Probabilidad
 Una distribución de probabilidad indica toda la gama de
valores que pueden representarse como resultado de un
experimento si éste se llevase a cabo.
Distribución Binomial
 Frecuentemente un experimento consiste en ensayos
repe9dos, cada uno con dos posibles resultados que
pueden llamarse éxito o fracaso.
1. El experimento consiste en n intentos repe9dos
2. Los resultados de cada uno de los intentos pueden
clasificarse como un éxito o como un fracaso
3. La probabilidad de éxito representada por p, permanece
constante en todos los intentos
4. Los intentos repe9dos son independientes
Este procedimiento se conoce como El proceso de Bernoulli
 El número X de éxitos en n experimentos de Bernoulli recibe el
nombre de variable aleatoria binomial.
 La distribución de probabilidad de esta variable aleatoria
discreta se llama distribución binomial y sus valores se
representan por: b(x; n, p)
b(x; n, p) = () n
x
pxqn-x
Probabilidad de x éxitos en n ensayos es:
n! x n-x
P q
x! (n-x)!
Media Varianza
μ= np σ2 = npq
Ejercicio 2
 La probabilidad de que cierta clase de componente pase con éxito
una determinada prueba de impacto es de ¾. Encuentre la
probabilidad de que exactamente 2 de los siguientes 4 componentes
que se prueban pasen la prueba
( )
b(x; n, p) =
n
x
pxqn-x
b(2; 4, ¾) =( ) (¾)
4 2 (¼)4-2
2
Ejercicio 3
*Uso de tabla
 La probabilidad de que un paciente se recupere de una
rara enfermedad es 0.4. Si se sabe que 15 personas han
contraído esta enfermedad, ¿cuál es la probabilidad de
que: a) al menos 10 sobrevivan, b) sobrevivan entre 3 y 8
personas y c) sobrevivan exactamente 5 personas?
 Calcule la media y la varianza.

Distribución Normal
q La distribución normal, también llamada distribución de Gauss o
distribución gaussiana, es la distribución de probabilidad que
con más frecuencia aparece en estadís9ca y teoría de
probabilidades. Esto se debe a dos razones fundamentales:
q  Su función de densidad es simétrica y con forma de campana,
lo que favorece su aplicación como modelo a gran número de
variables estadís9cas
q  Además es límite de otras distribuciones y aparece relacionada
con mul9tud de resultados ligados a la teoría de las
probabilidades gracias a sus propiedades matemá9cas.
q La función de densidad está dada por:
Teorema del Límite Central
 Si la media de una muestra aleatoria de tamaño n que se toma de una población
con media μ y variancia finita σ2 entonces la forma límite de la distribución es:
x-μ
Z=
σ/√n
Conforme n →∞, es la distribución normal estándar n(z; 0,1)
Normal estándar
Cuando μ= 0 y σ = 1, la distribución se conoce con el nombre de
normal estándar. Dada una variable aleatoria normal X, con media μ y
desviación kpica σ, si definimos otra variable aleatoria:

x-μ

Z=
σ

Se dice que se ha estandarizado la variable X.

Ejercicio 4
*Uso de tabla
 Una compañía fabrica focos cuya duración es

normalmente distribuida con una media igual a 800
horas y una desviación estándar de 40 horas. Encuentre
la probabilidad de que un foco se funda entre las 778 y
834 horas de uso.
Distribución de Poisson
 En teoría de probabilidad y estadís9ca, la distribución de Poisson es una
distribución de probabilidad discreta. Expresa la probabilidad de un número k de
eventos ocurriendo en un 9empo fijo si estos eventos ocurren con una tasa
media conocida, y son independientes del 9empo desde el úl9mo evento.
 La distribución fue descubierta por Siméon-‐Denis Poisson, proponiendo que el trabajo
estaba enfocado en ciertas variables aleatorias N que cuentan, entre otras cosas, un
número de ocurrencias discretas (muchas veces llamadas "arribos") que 9enen lugar
durante un intervalo de 9empo de duración determinada. Si el número esperado de
ocurrencias en este intervalo es λ, entonces la probabilidad de que haya exactamente k
ocurrencias (siendo k un entero no nega9vo, k = 0, 1, 2, ...) es igual a:
e-λλk
∫ (k;λ) =
k!
  Donde:
  e es el base del logaritmo natural (e = 2.71828...),
  k! es el factorial de k,
  k es el número de ocurrencias de un evento,
  λ es un número real posi9vo, equivalente al número esperado de ocurrencias durante un intervalo dado. Por ejemplo, si los
eventos ocurren de media cada 4 minutos, y se está interesado en el número de eventos ocurriendo en un intervalo de 10
minutos, se usaría como modelo una distribución de Poisson con λ = 2.5. Esto quiere decir que landa es la media y la
variancia en Poisson
Ejercicio 5
 Si 2% de los libros encuadernados en cierto taller 9ene
encuadernación defectuosa, obtener la probabilidad de
que 5 de 400 libros encuadernados en este taller tengan
encuadernaciones defectuosas.
Ejercicio 6
*Uso de tabla
 Se sabe que 10 es el número promedio de camiones
cisterna de aceite que llegan por día a una cierta ciudad
portuaria. Las instalaciones del puerto pueden atender
cuando mucho a 15 camiones en un día. ¿Cuál es la
probabilidad de que en un determinado día se tengan
que regresar los camiones?
Microsos
Excel
Como apoyo para la
aplicación de los algoritmos
de Métodos Cuan:ta:vos
Cómo agregar el complemento de Análisis de datos?
Pulsamos el botón de Opciones para instalar las aplicaciones de
Visual Basic y Analisis Tool Pack
Marcamos
Marcamos
Llenamos las
correspondientes
casillas para aplicar
Herramientas para
Análisis que
utilizaremos en el
curso
y le damos Aceptar:
Ejemplos de
Modelación
Ejemplo 1.
Modelación u9lizando Simulación
 La Portá9l S. A., fabrica computadoras personales y periféricos. El grupo de diseño de
productos de la compañía elaboró un proto9po para una nueva impresora portá9l de alta
calidad. La nueva impresora presenta un diseño innovador y el potencial de captar una
porción significa9va del mercado de las impresoras portá9les. Los análisis financieros y de
mercadotecnia preliminares proporcionan los siguientes datos: precio de venta de $249
por unidad, costo administra9vo de $400,000 y costos de publicidad de $600,000.
 El costo de la mano de obra directa, el costo de las partes y la demanda del primer año
para la impresora no se conocen con certeza y se consideran entradas probabilís9cas. La
empresa supone que el costo de la mano de obra directa variará de $43 a $47 por unidad
con una probabilidad de ocurrencia de: 0.1 para $43, 0.2 para $44, 0.4 para $45, 0.2 para
$46 y 0.1 para $47.
 El departamento de manufactura es9ma que el costo de las partes variará uniformemente
de $80 a $100 por unidad, por otro lado la gente de mercadeo es9ma que la demanda para
el primer año se describe con una distribución de probabilidad normal con un valor medio
de 15,000 y una desviación estándar de 4,500 unidades. Gabriela, gerente general de la
compañía, quisiera un análisis de la u9lidad potencial de la impresora en el primer año.
Debido a la situación de flujo de efec9vo restringido Gabriela está par9cularmente
preocupada por el potencial de una pérdida.
Bajar la hoja de cálculo con los encabezados de la página: www.ucreanop.org
Buscar en la carpeta con el nombre: Ejercicios de Clase
Primer paso definir variables de interés

Ingresar ktulos de variables de ejecución y medición
Realizar 500 simulaciones:
Para ello nos colocamos en la celda donde se escribió el 1
y dentro del menú de inicio a la derecha le damos:
Ahora simularemos el comportamiento de la Mano de Obra Directa:
Siguiente paso ir al menú de Datos:
Dentro del menú de Datos, encontraremos a su derecha la
herramienta para Análisis de Datos:
Ahora simularemos el comportamiento del Costo de las
Partes:
Ahora simularemos el comportamiento de la Demanda:
Ahora Calcularemos las u9lidades para cada posible escenario:
En la celda E13 digitamos la fórmula:
=((($B$3-‐B13-‐C13)*D13)-‐($B$4+$B$5))
En el menú de Inicio le damos formato:
Procedemos a copiar la fórmula acercando el mouse:
+
Ahora calcularemos los resultados resumen del análisis:
Nos vamos al menú de Fórmulas y procedemos a calcular
cada uno de los datos:
Le damos el formato respec9vo:
Para calcular la σ de las u9lidades nos vamos a la función fx
dentro del menú de Fórmulas:
Con9nuamos con el Menor Ingreso:
Damos el formato deseado:
Con9nuamos con el Mayor Ingreso:
Con9nuamos con las veces que se nos presentó una pérdida:
Terminamos calculando la probabilidad de obtener una pérdida:
Como es una probabilidad le damos formato de %:
¿Es este proyecto riesgoso?
Ejemplo 2
Modelación Financiera
Se planea una inversión de $150.000 que producirá ventas de entre 8
a 12 unidades durante los siguientes cuatro años. El precio de venta
unitario se ha determinado de $35.000. Los costos fijos por año son
de $15.000 y los costos variables son el 75% de las ventas. Para
efectos de pago de impuestos se acepta una depreciación anual de
$10.000 y se cobra una tasa del 34% sobre las ganancias. U9lícese una
tasa de actualización del 10% anual. Modele la situación anterior en
una hoja de cálculo con ventas iniciales de 10 unidades por año en
promedio que le permita determinar el valor presente neto.
USO DE LA FUNCION VALOR NETO ACTUAL

ACTUALIZACIÓN DE FLUJOS DE EFECTIVO

Ejemplo 3
Proyección de Estados Financieros
Elementos relevantes
Rotación CxC 6,71
Rotación Inventario 7,04
Razón Circulante 2,14
Rotación AF 3,22
Rotación CxP 4,03
Razón Endeudamiento 0,58
Crecimiento e n V entas
% relativos
Ventas 10% Crecimiento anual
CMV 70% Respecto a l as ventas
Gastos Adm y V entas 10% Respecto a l as ventas
Interes 10% Respecto al Pasivo LP
Desarrollo del Modelo
Recolección de datos

• Construir una imagen • U9lización de Interés
futura de la situación de la compuesto
empresa • Estados Financieros • Porcentajes de crecimiento
existentes según expecta9vas
• Condiciones pactadas en • Metas de la empresa
préstamos o negociaciones
Establecimiento de
Definición del
parámetros y
problema
lineamiento
Desarrollo del Modelo
Prueba del
• Generación de modelo • Imagen futura con
resultados las implicaciones
• Análisis del
matemá9cos y para llegar a ese
especialista y
financieros momento
sensibilización
Obtención de
Resultado
soluciones
Proyección Final
Balance 2011 Balance 2015
Efectivo y Bancos 1.000 Efectivo y Bancos 1.464

CxC 1.200 CxC 1.757
Inventario 800 Inventario 1.171
Activo Circulante 3.000 Activo Circulante 4.392
Activo Fijo 2.500 Activo Fijo 3.660
TOTAL ACTIVO 5.500 TOTAL ACTIVO 8.053
Pasivo CP 1.400 Pasivo CP 2.050

Pasivo LP 1.800 Pasivo LP 2.635
Total Pasivo 3.200 Total Pasivo 4.685
Capital 1.000 Capital 1.000
Utilidades Acum 1.000 Utilidades Acum 2.367
TOTAL PAS + PATR 5.200 TOTAL PAS + PATR 8.053

Proyección Final
Balance 2011 Balance 2015

Ventas 8.050 Ventas 11.786
CMV 5.635 CMV 8.250
Utilidad Bruta 2.415 Utilidad Bruta 3.536
Gastos Adm y V entas 806 Gastos Adm y V entas 1.180
UAII 1.609 UAII 2.356
Intereses 180 Intereses 264
UAI 1.429 UAI 2.092
Imp Renta 429 Imp Renta 628
Utilidad Neta 1.000 Utilidad Neta 1.465
Ejemplo 4
Mejora de eficiencia
Detalle de la situación
Usted se graduó de la Escuela de Negocios de la UCR a finales del año pasado y
gracias a su gran sacrificio durante su carrera así como la formación
complementaria que desarrolló, le abrió la posibilidad de trabajar en la empresa
MVargas S.A.

Apenas está cumpliendo su octavo mes de trabajo y sorpresivamente, uno de los
accionistas de la empresa de nombre Minor Enrique es detenido en EEUU por
ciertas irregularidades en otros negocios depor9vos. Ante esta situación, algunos
compañeros decidieron renunciar, incluyendo a la Jefe de la unidad de Crédito y
Cobro, lo anterior sin considerar que existen otros socios que cuentan con una
par9cipación mayor que la del fraudulento Minor.

Ahora bien, usted analiza la situación y en lugar de un riesgo observa una
posibilidad, usted solicita una reunión con el Gerente General y le presenta una
propuesta muy atrac9va:

Propuesta / Oportunidad
Usted le menciona que viene de una Universidad muy pres9giosa y que según su
capacidad, conocimiento y ac9tud ganadora, usted generará una mejora sustancial
en la efec9vidad del departamento de crédito y cobro. Para ello, el deberá
nombrarlo como Jefe interino y si logra cumplir la meta aceptará contratarlo en esa
plaza con todos los beneficios que conlleva.

Para ganar esa posibilidad, usted demostrará su capacidad planificadora, definiendo
cuales serán las ventas futuras de la empresa para los próximos 5 meses.
Adicionalmente valorando que la empresa en el mes 8 (mes actual) cuenta con un
periodo de cobro de 50 días (según los datos de ese mes), usted logrará reducir de
manera constante dicho periodo a 40 días al final de esos 5 meses, o sea cada mes
logrará disminuir en 2 días el periodo de cobro. Y con el obje9vo de establecer una
meta clara, usted le presentará al Gerente General dentro de 1 hora los montos
máximos permi9dos en cuentas por cobrar para cada mes.

Modelación
Para que el Gerente General realmente pueda observar el impacto de su ges9ón,
deberá mostrar cuanto será el cambio de las cuentas por cobrar por efecto de las
ventas y cuanto será el monto máximo de cuentas por cobrar si usted logra mejorar
la eficiencia en la capacidad de negociación y cobro.
1 65,681.00
2 85,175.00 Tip: Datos al mes 8
Ventas netas = 64.900,00
3 56,405.00 Cuentas por Cobrar (según balance general) = 108.166,67
4 60,031.00 Periodo medio de cobro = 50 días
5 71,846.00 Usar mes de 30 días
6 68,183.00
7 60,800.00 Cuadro representa las ventas netas de los primeros 8 meses
del año.
8 64,900.00
Resultados en miles de USD ($$)
Mes 8 Mes 9 Mes 10 Mes 11 Mes 12 Mes 13
Periodo medio de cobro
Misma Eficiencia 50,00 50,00 50,00 50,00 50,00 50,00
Mejorando Eficiencia 50,00 48,00 46,00 44,00 42,00 40,00
Ventas 64.900,00 62.772,48 61.609,57 60.446,65 59.283,73 58.120,82
CxC misma e ficiencia 108.166,67 104.620,81 102.682,61 100.744,42 98.806,22 96.868,03

CxC mejoradas 108.166,67 100.435,97 94.468,00 88.655,09 82.997,23 77.494,42
Monto de mejora e n CxC -‐ 4.184,83 8.214,61 12.089,33 15.809,00 19.373,61

Modelacion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelacion

Cargado por

Copyright:

Formatos disponibles

Modelación

n Representación simpliﬁcada de un sistema real,

Representación -sica a Representación gráﬁca

Polí:cas y Restricciones Medidas de desempeño

• Polí:cas de niveles de • Criterios de

La Estadís'ca es la parte de las Matemá:cas

Representación de todos los grupos

Obtención de datos

Distribución de frecuencias

La suma de las probabilidades simples de

Al conjunto de todos los resultados posibles

Un evento es un subconjunto del espacio

P(A) P(B) P(A o B) = P(A) + P(B)

P(A) P(B) P(A o B) = P(A) + P(B) – P(A y B)

Se dice que ciertos eventos son

Distribución de Frecuencias

Calcule la media y la varianza.

Una compañía fabrica focos cuya duración es

e es el base del logaritmo natural (e = 2.71828...),

k! es el factorial de k,

k es el número de ocurrencias de un evento,

Primer paso deﬁnir variables de interés

Recolección de datos

Balance 2011 Balance 2015

Efectivo y Bancos 1.000 Efectivo y Bancos 1.464

TOTAL ACTIVO 5.500 TOTAL ACTIVO 8.053

Pasivo CP 1.400 Pasivo CP 2.050

TOTAL PAS + PATR 5.200 TOTAL PAS + PATR 8.053

Balance 2011 Balance 2015

Ventas 64.900,00 62.772,48 61.609,57 60.446,65 59.283,73 58.120,82

CxC misma e ficiencia 108.166,67 104.620,81 102.682,61 100.744,42 98.806,22 96.868,03

También podría gustarte

n  Representación simpliﬁcada de un sistema real,

• Polí:cas de niveles de • Criterios de

 Calcule la media y la varianza.

 Una compañía fabrica focos cuya duración es

  e es el base del logaritmo natural (e = 2.71828...),

  k! es el factorial de k,

  k es el número de ocurrencias de un evento,