Documentos de Académico
Documentos de Profesional
Documentos de Cultura
10.-Se ha encontrado que los tiempos de falla para un proceso de producción automatizado se
distribuyen aleatoriamente con una distribución de Weibull con parámetros β = 2 y α = 10. Derive la
ecuación (6), y luego utilícelo para generar cinco valores a partir de esta distribución de Weibull,
utilizando cinco números aleatorios tomados de la Tabla A.1.
β= 2
α= 10
y= 0
promedio
x ri Wi Promedio 2.02248
1 0.99307 2.34790 2.34790
2 0.78180 2.08584 2.21687
3 0.29320 1.79913 2.07762
4 0.37445 1.85421 2.02177
5 0.67828 2.02532 2.02248
Conclusión:
Descripción de ejercicio
11.- Se recopilaron datos sobre los tiempos de servicio en una ventanilla de autocine en el Shady
Lane National Banco. Estos datos se resumen en intervalos de la siguiente manera
Intervalo Frecuencia
15-30 10
30-45 20
45-60 25
60-90 35
90-120 30
120-180 20
180-300 10
Configure una tabla como la Tabla 3 para generar tiempos de servicio mediante el método de
búsqueda de tabla y genere cinco valores de tiempo de servicio, usando números aleatorios de
cuatro dígitos de la Tabla A.1
Conclusión:
Como logramos ver se uso una distribución empírica se obtuvo un promedio de 5.466 es
dependerá de lo tiempos de servicio
Descripción de ejercicio
12.- En el Ejemplo 2, suponga que los tiempos de respuesta de los bomberos satisfacen 0.25 ≤ x ≤
3. Modifique la Tabla 2 para acomodar esta suposición. Luego genere cinco valores de tiempo de
respuesta, usando cuatro dígitos números aleatorios uniformes de la tabla A.1
i X(i-1) X(i) 1/n P(X) i lim inf lim sup
1 0.25 1.5 0.20 0.20 1 0 0.20
2 1.5 1.85 0.20 0.40 2 0.20 0.40
3 1.85 2.5 0.20 0.60 3 0.40 0.60
4 2.5 2.85 0.20 0.80 4 0.60 0.80
5 2.85 3 0.20 1.00 5 0.80 1.00
Promedi
X ri Tiempos Promedio
o
1 0.5447 3 13.000 3.65
2 0.9562 5 5.000
3 0.8707 5 1.667
4 0.0141 1 1.500
5 0.4050 3 1.800
6 0.6620 4 2.167
7 0.9322 5 2.571
8 0.7606 4 2.750
9 0.7040 4 2.889
10 0.9248 5 3.100
11 0.4483 3 3.091
12 0.6002 4 3.167
13 0.9391 5 3.308
14 0.9428 5 3.429
15 0.8073 5 3.533
16 0.2774 2 3.438
17 0.4823 3 3.412
18 0.6744 4 3.444
19 0.0221 1 3.316
20 0.3540 2 3.250
Conclusión:
Descripción de ejercicio
13. Para una versión preliminar de un modelo de simulación, el número de tarimas X que se
cargarán en un se supuso que un camión en un muelle de carga estaba distribuido uniformemente
entre 8 y 24. Diseñe un método para generar X, asumiendo que las cargas en camiones sucesivos
son independientes. Usar la técnica del Ejemplo 5 para distribuciones uniformes discretas.
Finalmente, generar cargas para 10 camiones sucesivos usando números aleatorios de cuatro
dígitos de la Tabla A.1.
Solución de problema:
Promedio
a= 8 16 real
b= 24
Conclusión:
Para ese ejercicio lo que hicimos fue calcular cual seria el promedio de lo que cargaría el camión
con los datos que corresponden utilizando número aleatorios.
Descripción de ejercicio
14.- Desarrollar un método para generar valores a partir de una distribución binomial negativa con
parámetros p y k. Genere 3 valores cuando p = 0.8 y k = 2. [Sugerencia: Piense en la definición de
la binomial negativo como el número de intentos de Bernoulli hasta el k-ésimo éxito.
n= 2
P= 0.8
Buen
BE= 0 0.92 estado
BE= 1 0.08 Mal estado
Conclusión:
Se concluye que se utilizo un método de distribución binominal negativa con parámetros de p:0.8
y k: 2 y se puede observar que se encuentran piezas defectuosas, sabiendo que buscamos
defectos de 2 piezas por revisión
Descripción de ejercicio
15.- Se ha encontrado que la demanda semanal X de un artículo de movimiento lento se aproxima
bien por una distribución geométrica en el rango {0, 1, 2, ...} con una demanda semanal media de
2,5 artículos. Genere 10 valores de X demanda por semana, usando números aleatorios de la
Tabla A.1. [Sugerencia: para una distribución geométrica en el rango {q, q + 1, ...} con parámetro p,
la media es 1/p + q − 1.]
Demanda
Promedi Promedi
Con la ecuación: Semana ri por
o o
semana
1 0.9576 6.1892 6.1892 2.7798
2 0.8099 3.2502 4.7197
3 0.1235 0.2581 3.2325
q= p= 1/ln(1-p) = 4 0.4058 1.0192 2.6792
1 0.4 -1.95762 5 0.1415 0.2987 2.2031
6 0.1109 0.2301 1.8743
7 0.0884 0.1813 1.6324
8 0.8663 3.9390 1.9207
9 0.1130 0.2348 1.7334
10 0.2371 0.5298 1.6130
Conclusión:
En este ejercicio lo que hicimos fue calcular la distribución geométrica con una demanda señala de
2,5 artículos, generando 10 valores utilizando números aleatorios
Descripción de ejercicio
16. En el ejercicio 15, suponga que se ha encontrado que la demanda tiene una distribución de
Poisson con media de 2,5 artículos por semana. Genere 10 valores de X demanda por semana,
usando números aleatorios de la Tabla A.1. Analice las diferencias entre las distribuciones
geométrica y de Poisson.
Solución:
articulo por
semana ri promedio
semana
1 0.049137957 0 0.00000 promedio
2 0.604909987 3 1.50000 1.9
3 0.113439871 1 1.33333
4 0.953060848 5 2.25000
5 0.232850873 1 2.00000
6 0.57370391 3 2.16667
7 0.475627681 2 2.14286
8 0.213477629 1 2.00000
9 0.668040744 3 2.11111
10 0.056475041 0 1.90000
Conclusión:
Al finalizar el ejercicio logramos observar la importancia que tienen las distribuciones poisson para
calcular la demanda por semana así mismo logrando contabilizar el numero de ventas que se
realizan a la semana
Descripción de ejercicio
17. Se ha encontrado que los plazos de entrega se distribuyen exponencialmente con una media
de 3,7 días. generar cinco plazos de entrega aleatorios de esta distribución.
Conclusión:
Se utilizo una función exponencial para poder calcular los plazos sugeridos de entrega asi mismo
se observa en que tarda en llegar un producto .
Descripción de ejercicio
µ= 33
σ= 4
Conclusión:
Se utilizaron valores aleatorios con una media de 33 y una varianza de 4 observando el promedio
de tiempo de mantenimiento.
Descripción de ejercicio
19.- Una máquina se saca de producción si falla o después de 5 horas, lo que ocurra primero. Al
ejecutar máquinas similares hasta la falla, se ha encontrado que el tiempo hasta la falla X tiene el
Distribución de Weibull con α = 8, β = 0.75 y ν = 0. Por lo tanto, el tiempo hasta que se toma la
máquina fuera de producción se puede representar como Y = min(X, 5). Desarrolle un
procedimiento paso a paso para generando y.
β= 0.75
α= 8
y= 0
x ri Wi Promedio promedio
1 0.64572 0.75347 0.75347 0.71516
2 0.40712 0.69159 0.72253
3 0.11463 0.57643 0.67383
4 0.47893 0.71094 0.68311
5 0.65652 0.75625 0.69774
6 0.90227 0.83345 0.72035
7 0.84169 0.80957 0.73310
8 0.73640 0.77746 0.73865
9 0.30617 0.66134 0.73006
10 0.84410 0.81041 0.73809
11 0.21198 0.62688 0.72798
12 0.43325 0.69878 0.72555
13 0.31692 0.66481 0.72088
14 0.69118 0.76527 0.72405
15 0.33071 0.66915 0.72039
16 0.10152 0.56723 0.71082
17 0.65815 0.75667 0.71351
18 0.78408 0.79113 0.71782
19 0.66790 0.75919 0.72000
20 0.33940 0.67184 0.71759
21 0.14342 0.59400 0.71171
22 0.20611 0.62441 0.70774
23 0.05445 0.52309 0.69971
24 0.72769 0.77506 0.70285
25 0.54419 0.72772 0.70385
26 0.20574 0.62425 0.70079
27 0.76123 0.78445 0.70388
28 0.99656 0.93174 0.71202
29 0.33009 0.66896 0.71054
30 0.67811 0.76184 0.71225
Conclusión:
La distribución de Weibull tiene una propiedad ligada a que según sean los valores de de la tabla
podemos presentar las tasas de fallo crecientes, decrecientes o constantes en este caso se
encontró el tipo de falla en maquinas