UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS TECNOLOGAS E INGENIERAS INGENIERA DE INGENIERA INDUSTRIAL

METODOS PROBALISTICOS GRUPO: 104561_23

APORTE INDIVIDUAL TRABAJO COLABORATIVO 2

PRESENTADO POR: MARTHA MORENO ARRIETA CDIGO 49775163 SANDRA PATRICIA CAAVERAL ALARCN CDIGO: 46452593 LEYDY YOHANA RINCN SOLANO CDIGO 46453267

TRABAJO PRESENTADO AL TUTOR: DARWIN WILLIAM BARROS

NOVIEMBRE 19 DE 2013 VALLEDUPAR

INTRODUCCIN

En el siguiente trabajo desarrollaremos modelos de procesos estocsticos como lo es la Cadena de Markov, donde el estado futuro no depende de los estados anteriores, y donde dichos procesos tambin son llamados parmetros discretos ya que las lneas que se observan son discretos a lo largo del tiempo. Una cadena de Markov es una sucesin de ensayos similares u observaciones en la cual cada ensayo tiene el mismo nmero finito de resultados posibles y en donde la probabilidad de cada resultado para un ensayo dado depende slo del resultado del ensayo inmediatamente precedente y no de cualquier resultado previo. Los Mtodos Probabilsticos a diferencia de otros Mtodos de Anlisis de Datos, tienen la funcin de estudiar la aleatoriedad, es decir, aquel aspecto que est presente siempre durante la repeticin de los experimentos, y que hace que los resultados de los experimentos varen de realizacin en realizacin y que no se puedan predecir con certeza antes de realizarlos. El anlisis de decisin proporciona un soporte cuantitativo a los tomadores de decisiones en todas las reas tales como ingenieros, analistas en las oficinas de planificacin, agencias pblicas, consultores en proyectos de gerencia, planificadores de procesos de produccin, analistas financieros y de economa, expertos en diagnsticos de soportes mdico y tecnolgicos e infinidad de otras reas. Pasando a otro punto de igual manera analizaremos la Teora de Juegos donde estudiaremos las decisiones y teniendo en cuenta que esta se ha tenido en cuenta en las siguientes ramas: gestin, estrategia, psicologa o incluso en biologa. La teora de colas puede describirse como clientes que llegan buscando un servicio, donde tienen un tiempo de espera y si este no es inmediato, y abandonan el sistema una vez han sido atendidos y donde validaremos su tiempo de espera y sus diferentes sistemas del mismo. Podemos ver que cada uno de estos mtodos tiene diferentes y variadas aplicaciones en cada una de las reas del saber, con lo cual ratificamos la importancia de conocer y manjar estos mtodos, ya que se encuentran en muchos procesos con los que a diario convivimos como lo es la espera para hacer una llamada y otras actividades cotidianas en la vida del ser humano.

OBJETIVOS

Estudiar y comparar diferentes algoritmos de estimacin de estados probabilstica. Estudiar los mtodos probabilsticos de toma de decisiones y los diferentes mtodos de resolucin de los mismos. Aplicar los algoritmos probabilsticos de la investigacin y resolver problemas reales utilizando cada uno de los modelos, interpretando los resultados para una correcta toma de decisiones. Identificar los diferentes algoritmos utilizados para solucionar problemas de Cadenas de Markov, teora de colas y programacin no lineal. Proponer y plantear problemas de aplicacin donde se utilicen los Modelos Prototipo para solucionar problemas de Cadenas de Markov, teora de colas y programacin no lineal.

DESARROLLO DE ACTIVIDADES CUADRO COMPARATIVO Principales conceptos Es una sucesin de ensayos similares u observaciones en la cual cada ensayo tiene el mismo nmero finito de resultados posibles y en donde la probabilidad de cada resultado para un ensayo dado depende slo del resultado del ensayo inmediatamente precedente y no de cualquier resultado previo. Caractersticas Una caractersticas de las cadenas es que se pueden representar por medio de un diagrama de grafos Aplicaciones El uso ms conocido de esta tcnica es la prediccin de lealtad a marcas (la conducta de los consumidores en relacin a marcas con el tiempo), el anlisis de Markov tambin tiene un uso considerable en reas de contabilidad (el movimiento de clientes con crdito de una clasificacin de recuperacin a otra) y la administracin financiera general (el movimiento de compaa de un estado de viabilidad financiera a otro). Tambin se utilizan en reas de la fsico, qumica, ciencias, sociales, historia, Internet, etc. La economa es el principal cliente para las ideas producidas por los especialistas en Teora de Juego. Otras: Ciencia Poltica, biologa, filosofa, matemtica aplicada. Su aplicacin puede ser dada en empresas de finanzas, o en empresas de servicios pblicos y en empresas de radioenlaces (telefona) Muy utilizadas en la solucin de Problemas de comunicacin telefnica. Problemas de trfico. Problemas de averas de maquinaria. Su aplicacin est dada en: Investigacin de operaciones Administracin de Inventarios

Cadenas de Markov

Teora de juegos

Teora de colas

Es una teora que estudia las decisiones en las que para que un individuo tenga xito tiene que tener en cuenta las decisiones tomadas por el resto de los agentes que intervienen en la situacin Un sistema de colas se puede describir como: clientes que llegan buscando un servicio, esperan si este no es inmediato, y abandonan el sistema una vez han sido atendidos. En algunos casos se puede admitir que los clientes abandonan el sistema si se cansan de esperar.

Se utiliza en modelos para estudiar interacciones en estructuras formalizadas de incentivos y llevar a cabo procesos de decisin Su fuente demandada es denominada servicio, los servidores del sistema seleccionan miembros de la cola segn una regla predefinida denominada disciplina de la cola y cuando un cliente seleccionado termina de recibir su servicio abandona el sistema, pudiendo o no unirse de nuevo a la fuente de llegadas Establece los niveles de produccin en el tiempo, es decir, que podemos realizar pronsticos a Corto, Mediano y Largo plazo

Pronstic os

Modelos EOQ

Es un estimado de la demanda, por lo que con este estimado podemos determinarla capacidad de la planta a instalar, y la cantidad de versiones del producto que debemos producir Modelo fundamental para el control de inventarios. Modelo Optimo de pedido. Modelo de la cantidad de la orden pendiente para el reabastecimiento que minimiza los costos de inventario totales

La cantidad econmica de Su aplicacin est dada en: pedido busca encontrar el Investigacin de operaciones monto de pedido que reduzca Administracin de Inventarios al mnimo el costo total del inventario de la empresa

2. Resolver los siguientes problemas de aplicacin: a) Formule como una cadena de Markov el siguiente proceso. El fabricante de dentfrico AROMA controla actualmente 65% del mercado de una ciudad. (estado inicial). Datos del ao anterior muestran que 84% de consumidores de AROMA continan usndola, mientras que 16% de los usuarios de AROMA cambiaron a otras marcas. Adems 80% de los usuarios de la competencia permanecieron leales a estas otras marcas, mientras que 20% restante se cambi a AROMA. Considerando que estas tendencias continan, determnese la parte del mercado que corresponde a AROMA: en 3 aos y a largo plazo. (dibuje el diagrama de estados correspondiente a la cadena de Markov). S1= Aroma S2 = Otra marca DETERMINACIN A 3 AOS
0.16

S1
0.2 0.84

S2
0.80

S1 S2 S1 0.84 0.16 S2 0.20 0.80 X0 = (0.65 , 0.35), donde los componentes X10 = 0,65 y X20 = 0.35 0.54

0.84 0.16 X1 [0.65 0.35]

0.1

0.20 0.80 = 0.07 0.28 = X1 [0.61 0.34]

0.84 0.16 X
2

0.51 0.09 0.3 = X

2

[0.61 0.38]

0.20 0.80 = 0.07

[0.594 0.406]

0.84 0.16 X3 [0.29 0.40]

0.49 0.09

0.20 0.80 = 0.08 0.32 = X3 [0.58 0.42]

Probabilidad S1 S2 Ao Inicial 0.65 0.35 Primer ao 0.61 0.38 Segundo ao 0.59 0.40 Tercer ao 0.58 0.42 Anlisis: el consumo de Aroma en el primer ao fue de 0.65% en el segundo 0.61% y en el tercer ao 0.58% DETERMINACIN A LARGO PLAZO 0.54

0.84 0.16 X1 [0.65 0.35]

0.1

0.20 0.80 = 0.07 0.28 = X1 [0.61 0.34]

0.84 0.16 X2 [0.61 0.38]

0.51 0.09 0.3 = X2 [0.594 0.406]

0.20 0.80 = 0.07

0.84 0.16 X3 [0.29 0.40]

0.49 0.09

0.20 0.80 = 0.08 0.32 = X3 [0.58 0.42]

Probabilidad S1 S2 Ao Inicial 0.65 0.35 Primer ao 0.61 0.38 Segundo ao 0.59 0.40 Tercer ao 0.58 0.42

0.84 X1 Primera Ecuacin Segunda Ecuacin 0.84X1 0.16X1 X2 + + 0.2 0.20 X2 0.80 X2

0.16 0.8 = = = X1 X2 X1 X2

Tercera Ecuacin

X1

X2

Tomamos la 1 y 3 ecuacin

0.16X1 X1

+ +

0.80 X2 X2 0.36 x2 X2

= = = =

0 1

0.16 0.36 0.45

X2 Ahora reemplazamos X2 0.16X1 0.16X1 X1 + + = 0.20 (0.45) 0.88 0.88 0.16

= =

0 0 X1 = 0.55

b) Utilice la siguiente informacin histrica de las ventas mensuales de un producto, para pronosticar la demanda del mismo, en los dos meses siguientes mediante regresin lineal. MESES VENTAS (unidades) ENERO FEBRERO MARZO 7 11 13 ABRIL 14

Meses

Y
7 11 13 14 45

XY
7 22 39 56 124

X2
1 4 9 16 30

X = 10/4 = X = 2.5

Enero 1 Febrero 2 Marzo 3 Abril 4 Total 10 Y= 45/4 Y= 11.25

= XY nXY = 124- (4*2.5 * 11.25) = = 2.3 X2 NX2 30-(4 * 2.52) = Y X = 45-(2.3 * 10) = = 5.5 Y = += Y mayo = 5.5 + (2.3 * 5) = 17 unidades n 4 Y junio = 5.5 + (2.3 * 6) = 19 unidades

3. Sharp,Inc., una compaa comercializadora de agujas hipodrmicas indoloras, est interesada en reducir el costo de su inventario determinando el nmero ptimo de agujas hipodrmicas que debe solicitar en cada orden. Su demanda anual es 1000 unidades; el costo de ordenar o preparar es de $10 por orden y el costo de mantener por unidad por ao es de $0.50. Con estas cifras calcular el nmero ptimo de unidades por orden, el nmero de pedidos por ao y el costo total del inventario teniendo en cuenta que el costo unitario de las agujas es de es de $8.

Demanda D= 1000 unidades K = 10 H= 0.5 Q*= 2 (1000) * 10 = 200 unidades 0.5 Nmero de pedidos = D/Q = 1000/200 = 5 Costo Total = 200/2 * 0.5 + 1000/200* (10) + 8 (1000) = 8100 unidades

4. El departamento de comercializacin de la marca X hizo una investigacin y encontr que, si un cliente compra su marca, existe un 70% de posibilidades de que la compre de nuevo la prxima vez, por otro lado, si la ltima compra fue de otra marca, entonces se escoge la marca X slo el 20% del tiempo. Cul es el porcentaje de mercado que puede pronosticarse a la larga para la marca X. S1= Repiten marca S2= Escogen marca X 0,30 Matriz de transicin 0,70 Matriz de Transaccin S1 S2 S1 0,70 0,20 S2 0,30 0,80

S1

0,20

S2
0,80

A largo plazo el proceso seria: Las distribuciones de estado lmite o estable representan las proporciones aproximadas de objetos en los diferentes estados de una cadena de Markov, despus de un gran nmero de periodos. La matriz limite L tiene dos renglones idnticos, siendo la suma de sus componentes igual a la unidad. Se calculan utilizando la siguiente expresin: [ [ ] ] [ ] [ ]

Resultan dos ecuaciones

Y una tercera ecuacin clave para hallar la solucin del sistemas es: [ ] De las dos primeras ecuaciones escogemos 1, pues las dos resultan ser la misma, para trabajarla con la tercera. Utilizamos cualquier mtodo de solucin de sistemas de ecuaciones, como reduccin, igualacin o sustitucin.

Multiplicamos la tercera ecuacin por 0,20

Hallamos el valor de

Multiplicamos la tercera ecuacin por 0,30

La solucin del sistema es Anlisis: con lo anterior podemos decir que la marca X tendr a la larga el 40% del mercado y las otras marcas tendrn el 60%.

CONCLUSIONES Al terminar este trabajo hemos concluido que: El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones, ya sea que el problema es enfrentado en una compaa, en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria. En muy pocas situaciones de toma de decisiones existe informacin perfectamente disponible todos los hechos necesarios.- La mayora de las decisiones son hechas de cara a la incertidumbre. La probabilidad entra en el proceso representando el; rol de sustituto de la certeza un sustituto para el conocimiento completo Es importante la aplicacin de mtodos probabilsticos a la resolucin de problemas complejos de robtica. Estas tcnicas, de reciente aplicacin permiten desarrollar sistemas robticos especialmente robustos frente a otros mtodos clsicos. Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones estn basadas en los resultados esperados. El centro de inters se mueve desde un modelo determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para estimacin, prueba y prediccin. En los modelos probabilsticos, el riesgo significa incertidumbre para la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades. Los tomadores de decisiones generalmente se enfrentan a severa escasez de informacin. La evaluacin de riesgo cuantifica la brecha de informacin entre lo que es conocido y lo que necesita saber para tomar una decisin ptima. Los modelos probabilsticos son utilizados para protegerse de la incertidumbre adversa, y de la explotacin de la propia incertidumbre. El estudio sistemtico de la toma de decisiones proporciona el marco para escoger cursos de accin en situaciones complejas, inciertas o dominadas por conflictos. La eleccin entre acciones posibles y la prediccin de resultados esperados resultan del anlisis lgico que se haga de la situacin de decisin.