METODOS PROBABILISTI

TAREA 2 - SOLUCIÓN DE MO
PROBABILÍSTICOS DE DEC

PRESENTADO POR:
ANDRES ARIZA SILVER
COD: 1232235619
ESTEFANIA VILLA PÉRE
COD: 1082959709

GRUPO: 104561_69

PRESENTADO A:
ROGER RICARDO NEGRE

UNIVERSIDAD NACIONAL ABIERTA

UNAD
2021
METODOS PROBABILISTICOS

REA 2 - SOLUCIÓN DE MODELOS

ROBABILÍSTICOS DE DECISIÓN

PRESENTADO POR:
ANDRES ARIZA SILVERA
COD: 1232235619
ESTEFANIA VILLA PÉREZ
COD: 1082959709

GRUPO: 104561_69

PRESENTADO A:
ROGER RICARDO NEGRETE

AD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2021
TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 1 MODELOS DE REPRESENTACION DE DATOS

RELACION DE TIEMPOS

No. TIEMPO DE LLEGADA (minutos)

1 2.73842087306353
2 2.76714295959985
3 2.63575448852866

4 2.9046628057881
5 2.21530587333062
6 2.6493253479088
7 2.17425211046058
8 2.96119702619636
9 2.06339247259122
10 2.85682997476218
11 2.87101345307501
12 3.6812025072462
13 3.27721586663297
14 3.54008069262306
15 3.56110810827443
16 3.19822852059649
17 3.57780999343437
18 3.23218527374034
19 3.94342201699376
20 4.84524238445789
21 4.07707423637353
22 4.35658480142654
23 4.86181417675274
24 4.75333125958623
25 4.39931586591579
26 4.92141112342659
27 4.14362404061497
28 4.11367026130381
29 5.6295624218789
30 5.10868105232449
31 5.14175688433657
32 5.32134703130801
33 5.85186552127247
34 5.72616937008513
35 5.85973546933092
36 6.17536977125415
37 6.18387453698156
38 6.53827790091757
39 6.76358378516911
40 6.57664088947877
41 6.74887119830743
42 7.90675387199496
43 7.03846316353736
44 7.98945020744076
45 7.9088072210078
46 7.95299639075366
47 8.81977531232961

48 8.66144040907877
49 8.10400141585067
50 8.64035554817112
51 9.88395077597785
52 9.90643843476895
53 10.7719230025092
54 10.5757487475674
55 10.8243502741087
56 11.83742588853
57 11.0610463026484
58 11.2833452669869
59 12.1332139824028
60 13.6574899107641
TICOS DE DECISION

ION DE DATOS

Tabla de Distribución Empírica para Tiempo de llegada

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑁𝑜. 𝐶𝑙𝑎𝑠𝑒 𝑀𝑎𝑟𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎se 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎
𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 𝐼_(𝑖−1)−𝐼_𝑖 𝐼 ̅i 𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎
𝑖 𝑂_𝐼

1 (2-3) 2.5 11
2 (3-4) 3.5 8
3 (4-5) 4.5 9
4 (5-6) 5.5 7
5 (6-7) 6.5 6
6 (7-8) 7.5 5
7 (8-9) 8.5 4
8 (9-10) 9.5 2
9 (10-11) 10.5 3
10 (11-12) 11.5 3
11 (12-13) 12.5 1
12 (13-14) 13.5 1
Total n=60

60

𝑓𝑖 VS F𝑖

1.2
1
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12

Column J Column K

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎

𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 𝑓_𝑖 𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖
Serie2 Serie1
 Varianza de la
Media de la distribución
distribución empírica
para Tiempo de 8.64555555556 empírica para Tiempo de
llegada.
llegada.

Tabla de Distribución Exponencial teórica para Tiempo de llegada

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑀𝑎𝑟𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎se 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝐼 ̅i 𝑡𝑒𝑜𝑟𝑖𝑐𝑎
𝑓(𝑡)

1 (2-3) 2.5 0.142398545471186

2 (3-4) 3.5 0.120312251463703
3 (4-5) 4.5 0.10165158502405
4 (5-6) 5.5 0.085885224590108
5 (6-7) 6.5 0.072564257617312
6 (7-8) 7.5 0.061309398778217
7 (8-9) 8.5 0.051800190644404
8 (9-10) 9.5 0.043765879363834
9 (10-11) 10.5 0.036977705538552
10 (11-12) 11.5 0.031242390802406
11 (12-13) 12.5 0.026396634643343
12 (13-14) 13.5 0.022302464779375

Media distribucion
exponencial 0.1685393258427

fi Vs F (T)
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12

Column J Column K

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎

𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇)
 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇)

Serie2 Serie1

Tabla de Distribución X^2 para Tiempo de llegad

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝐴𝑔𝑟𝑢𝑝𝑎𝑚𝑖𝑒𝑛𝑡𝑜
𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 𝑂_𝑖 𝑝𝑎𝑟𝑎 𝑥^2
𝑂_𝑖

1 (2-3) 11 11
2 (3-4) 8 8
3 (4-5) 9
16
4 (5-6) 7
5 (6-7) 6
11
6 (7-8) 5
7 (8-9) 4
8 (9-10) 2 9
9 (10-11) 3
10 (11-12) 3
11 (12-13) 1
5
12 (13-14) 1
(14 - ∞ 0
TOTAL 60

Parametros
N 6
K 4
Nivel de
0.95
confianza
a 0.05

Hipótesis nula Ho: Aceptar f(t) si

Se rechaza la hipotesis nula H0, debido a que la funcion teorica se comporta como distribucion e
acepta la hipotesis alterna H 1
a para Tiempo de llegada
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 Media de la
distribución
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 empírica para
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖 Tiempo de
𝑓_𝑖 llegada.

0.183333333333333 0.183333333333333
0.133333333333333 0.316666666666667 0.45833333
0.15 0.466666666666667 0.46666667
0.116666666666667 0.583333333333333 0.675
0.1 0.683333333333333 0.64166667
0.0833333333333333 0.766666666666667 0.65
0.0666666666666667 0.833333333333333 0.625
0.0333333333333333 0.866666666666667 0.56666667
0.05 0.916666666666667 0.31666667
0.05 0.966666666666667 0.525
0.0166666666666667 0.983333333333333 0.575
0.0166666666666667 1 0.20833333
1,000 100% 0.225
5.93333333

5.93333333

8 9 10 11 12

mn K

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖
Serie1
 5.93333333333333

Tiempo de llegada
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇) 𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖
0.343838488991174 0.183333333333333
0.44561042774646 0.316666666666667
0.531597338967769 0.466666666666667
0.604247511420118 0.583333333333333
0.66562949947376 0.683333333333333
0.717491020654439 0.766666666666667
0.761308718067946 0.833333333333333
0.798330204574921 0.866666666666667
0.829609585831583 0.916666666666667
0.856037473637094 0.966666666666667
0.878366344151818 0.983333333333333
0.897231963006131 1

9 10 11 12

nK

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇)
 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇)

Serie1

bución X^2 para Tiempo de llegada

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝐴𝑔𝑟𝑢𝑝𝑎𝑚𝑖𝑒𝑛𝑡𝑜
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠 𝑋^2= 〖〖 (𝑂 〗 _𝑖−𝑛_𝑖) 〗 ^2/𝑛_𝑖
𝑛_𝑖 𝑛_𝑖 𝑝𝑎𝑟𝑎 𝑥^2

6.64319725251652 6.64319725251652 2.85731846563627

5.61282431448344 5.61282431448344 1.01528347124934
4.74226424231531
8.74899398903326 6.0095010051419
4.00672974671795
3.38527809563736
6.24549291152045 3.6194641439276
2.86021481588309
2.41658988180021
2.04177204606783 6.18345112049452 1.28293204491429
1.72508919262648
1.45752447157257
1.23145956412752
9.39720193303019 2.05756830359073
1.04045776771415
5.66776012961595
16.8420674344601

16,84206743 < 9,488

se comporta como distribucion exponencial, por ende, se

is alterna H1
Resta cuadrada

11.7877778
5.92111111
2.05444444
0.18777778
0.32111111
2.45444444
6.58777778
12.7211111
20.8544444
30.9877778
43.1211111
57.2544444

8.64555556
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 1 MODELOS DE REPRESENTACION DE DATOS

RELACION DE TIEMPOS

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 1 MODELOS DE REPRESENTACION DE DATOS

RELACION DE TIEMPOS

TIEMPO DE LLEGADA (minutos)

2.05764551966565
2.06403724588233
2.0809932280856
2.10542429208061
2.1087578182787
2.29884063463656
2.45277447887882
2.64640903330407
2.7175948084539
2.74959815710552
2.80478455272257
3.02263809450553
3.0829886693837
3.37045958651465
3.67608960377885
3.81781681398576
3.8831015404944
3.91118417965876
3.93197575623238
4.10580105298026
4.17190390693311
4.31129450990777
4.32229350064719
4.49401534715306
4.54456606954738
4.77722552080041
4.77987868169777
4.9248520992428
5.54006623212114
5.62687359257877
5.7102752948925
5.73192633546516
5.77699592283721
5.91261596091369
5.98875435603671
6.19844821528749
 6.21280380865286
6.51964444735951
6.59971978543797
6.7470980863276
6.88424131881515
7.07020851841346
7.32277955486053
7.5013648974897
7.57624853402162
7.66692761732571
8.23125890608639
8.47269545624613
8.82435591916698
8.98882051784548
9.42837212732848
9.97583992223125
10.0771517850148
10.1222244018262
10.2517984835917
11.2487885207116
11.5915959515341
11.9616230167432
12.9714429148058
13.6909652661823

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
1. Plantear una distribución empírica para tiempo de llegadas.

Tabla de Distribución Empírica para Tiempo entre llegadas

Frecuencia Observada
# de Clase Clase Marca de clase Frecuencia Relativa empírica
empirica

1 (2-3) 2.5 11 0.183333333333333

2 (3-4) 3.5 8 0.133333333333333
3 (4-5) 4.5 9 0.15
4 (5-6) 5.5 7 0.116666666666667
5 (6-7) 6.5 6 0.1
6 (7-8) 7.5 5 0.0833333333333333
7 (8-9) 8.5 4 0.0666666666666667
8 (9-10) 9.5 2 0.0333333333333333
9 (10-11) 10.5 3 0.05
10 (11-12) 11.5 3 0.05
11 (12-13) 12.5 1 0.0166666666666667
12 (13-14) 13.5 1 0.0166666666666667
60 1

Gráfico 1
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Frecuencia Relativa empírica Frecuencia Relativa Acumulada Empírica

2. Determinar la media para tiempo entre llegadas.

Media Distribución Empirica 5.933

Varianza Distribución Empirica 8.646

3. Plantear una distribución exponencial teórica para tiempo de llegadas.

Tabla de Distribución Empírica para Tiempo entre llegadas

Frecuencia Frecuencia Relativa

# de Clase Clase Marca de clase
Exponencial Teórica Exponencial

1 (2-3) 2.5 0.142398545471186 0.343838488991174

2 (3-4) 3.5 0.120312251463703 0.44561042774646
3 (4-5) 4.5 0.10165158502405 0.531597338967769
4 (5-6) 5.5 0.085885224590108 0.604247511420118
5 (6-7) 6.5 0.072564257617312 0.66562949947376
6 (7-8) 7.5 0.061309398778217 0.717491020654439
7 (8-9) 8.5 0.051800190644404 0.761308718067946
8 (9-10) 9.5 0.043765879363834 0.798330204574921
9 (10-11) 10.5 0.036977705538552 0.829609585831583
10 (11-12) 11.5 0.031242390802406 0.856037473637094
11 (12-13) 12.5 0.026396634643343 0.878366344151818
12 (13-14) 13.5 0.022302464779375 0.897231963006131

Media Distribución Teorica 0.168539325842697

5. Determinar la distribución X2 Chi Cuadrado para tiempo de llegadas.

Tabla de Distribución X2 para Tiempo de llegada:

Marca de Frecuencia
# de Clase Clase Clase Observada Empírica Agrupamiento de Clases

1 (2-3) 2.5 11 11
2 (3-4) 3.5 8 8
3 (4-5) 4.5 9
16
4 (5-6) 5.5 7
5 (6-7) 6.5 6
11
6 (7-8) 7.5 5
7 (8-9) 8.5 4
8 (9-10) 9.5 2
9 (10-11) 10.5 3
14
10 (11-12) 11.5 3
11 (12-13) 12.5 1
 14

12 (13-14) 13.5 1
Total 60

6. Probar la hipótesis que los tiempos de llegadas representan una distribución exponencial mediante la Prueb
de Bondad de Ajuste Distribución X2 Chi cuadrado.

Prueba de Hipotesis

Hipotesis nula Ho: Aceptar f(t) si x2<xN-k1,

Hipotesis alterna Ho: No Aceptar f(t) si x2 ≥ xN-k1, 1-α

xN-k1, 1-α 7.8147

Hipotesis Nula: 15.1866901251787 <

Por tanto se acepta la Hipotesis alterna

CONCLUSIÓN: Se rechaza la hipotesis nula Ho: f(t) tiene un comportamiento como una distribución exponenci
acepta la Hipotesis alterna H1: f(t) porque no se asemeja a la distribución exponencial
 llegadas

Frecuencia Relativa Resta

Acumulada Empírica

0.183333333333333 11.788
0.316666666666667 5.921
0.466666666666667 2.054
0.583333333333333 0.188
0.683333333333333 0.321
0.766666666666667 2.454
0.833333333333333 6.588
0.866666666666667 12.721
0.916666666666667 20.854
0.966666666666667 30.988
0.983333333333333 43.121
1 57.254

11 12 13 14

mulada Empírica
 4. Graficar la frecuencia relativa acumulada empírica vs frecuencia relativa exponencial teó

Gráfico 2: Frecuencia Relativa Acumulada vs Frecuencia Relativa

Exponencial
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12

Frecuencia Relativa Acumulada Empírica Frecuencia Relativa Exponencial

ANALISIS: En la gráfica se puede observar que las frecuencias tienen una sola simili

ara Tiempo de llegada:

Agrupamiento de X2=(Oi -
Frecuencia Teórica Clases ni)^2/ni

6.64319725251652 6.64319725251652 2.857318466

5.61282431448344 5.61282431448344 1.015283471
4.74226424231531
8.74899398903326 6.009501005
4.00672974671794
3.38527809563736
6.24549291152045 3.619464144
2.86021481588309
2.41658988180021
2.04177204606783
1.72508919262648
9.91289292390876 1.685123039
1.45752447157257
1.23145956412752
 9.91289292390876 1.685123039

1.04045776771415
15.18669013

ón exponencial mediante la Prueba

N-k-1 3
1-α 0.05

7.8147
No se cumple, se
rechaza la hipotesis
nula

como una distribución exponencial. Por lo tanto, se

ponencial
ecuencia relativa exponencial teórica de tiempo de llegadas.

da vs Frecuencia Relativa

9 10 11 12 13 14

Frecuencia Relativa Exponencial

frecuencias tienen una sola similitud

 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 1 MODELOS DE REPRESENTACION DE DATOS

RELACION DE TIEMPOS

No. TIEMPO DE SERVICIO (Minutos)

1 0.324548749127112
2 0.888693492385265
3 0.932870905171507

4 0.185001773037171
5 0.313368756743953
6 0.685846612626596
7 0.673769133431097
8 0.530431052095165
9 0.995243763989459
10 0.046907350468161
11 1.74078063058775
12 1.4552221508294
13 1.66311474441948
14 1.44473908995349
15 1.83300275190187
16 1.3201173614085
17 1.36428952570344
18 1.12175914654182
19 1.80653436901377
20 2.91142350022957
21 2.6427122297099
22 2.14029076694325
23 2.73748890833299
24 2.35255534456846
25 2.55598118972326
26 2.95006445331139
27 2.65110060442614
28 2.78718614417674
29 3.35396040564533
30 3.81123199920818
31 3.95034594975578
32 3.37603980748452
33 3.26307303429577
34 3.90357159079425
35 3.13349969702373
36 4.13338957371165
37 4.56625699972708
38 4.70057462157082
39 4.68121083110248
40 4.67429008588755
41 4.4253054523293
42 4.78314333858175
43 5.44673269836853
44 5.95395091765264
45 5.95689797983623
46 5.15092510335178

47 5.93533036061923
48 6.60493889315447
49 6.63757605809116
50 6.98926921722287
51 6.7873669422098
52 7.53010564628001
53 7.01853323176595
54 8.76387348419581
55 8.08238007587605
56 8.06911373396799
57 9.29507037591429
58 9.90514234022057
59 10.4313454216948
60 11.7562411611671
OS DE DECISION

DE DATOS

Tabla de Distribución Empírica para Tiempo de llegada

𝑁𝑜. 𝐶𝑙𝑎𝑠𝑒 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 𝑀𝑎𝑟𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎se 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎
𝐼_(𝑖−1)−𝐼_𝑖 𝐼 ̅i
𝑖 𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎
𝑂_𝐼

1 (0-1) 0.5 10
2 (1-2) 1.5 9
3 (2-3) 2.5 9
4 (3-4) 3.5 7
5 (4-5) 4.5 7
6 (5-6) 5.5 5
7 (6-7) 6.5 4
8 (7-8) 7.5 2
9 (8-9) 8.5 3
10 (9-10) 9.5 2
11 (10-11) 10.5 1
12 (11-12) 11.5 1
Total n=60
60

𝑓𝑖 VS F𝑖

1.2
1
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12

Column J Column K

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎

𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 𝑓_𝑖 𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖
Serie2 Serie1
 Varianza de la
distribución Media de la distribución
empírica para 8.032222222222 empírica para Tiempo de
Tiempo de llegada.
llegada.

Tabla de Distribución Exponencial teórica para Tiempo de llegada

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑀𝑎𝑟𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎se 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝐼 ̅i 𝑡𝑒𝑜𝑟𝑖𝑐𝑎
𝑓(𝑡)

1 (0-1) 0.5 0.199685130792672

2 (1-2) 1.5 0.154180052310787
3 (2-3) 2.5 0.119044860457029
4 (3-4) 3.5 0.0919164223181544
5 (4-5) 4.5 0.0709701255420344
6 (5-6) 5.5 0.0547971580314361
7 (6-7) 6.5 0.0423097536518196
8 (7-8) 7.5 0.032668030941508
9 (8-9) 8.5 0.0252235041210037
10 (9-10) 9.5 0.0194754670485482
11 (10-11) 10.5 0.0150373165813725
12 (11-12) 11.5 0.0116105503095124

Media distribucion
exponencial 0.258620689655172

fi Vs F (T)
1.2
1
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12

Frecuencia Relativa Acumulada Empírica

Frecuencia Relativa Exponencial

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎

𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇)
 Tabla de Distribución X^2 para Tiempo de llega
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝐴𝑔𝑟𝑢𝑝𝑎𝑚𝑖𝑒𝑛𝑡𝑜
𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 𝑂_𝑖 𝑝𝑎𝑟𝑎 𝑥^2
𝑂_𝑖

1 (0-1) 10 10
2 (1-2) 9 9
3 (2-3) 9
16
4 (3-4) 7
5 (4-5) 7
12
6 (5-6) 5
7 (6-7) 4
8 (7-8) 2
9 (8-9) 3
10 (9-10) 2 13
11 (10-11) 1
12 (11-12) 1
(12-∞ 0
TOTAL 60

Parametros
N 5
K 3
Nivel de 0.95
confianza
a 0.05

Hipótesis nula Ho: Aceptar f(t) si

Se rechaza la hipotesis nula H 0, debido a que la funcion teorica se comporta como distribucion e
acepta la hipotesis alterna H 1
ara Tiempo de llegada
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 Media de la
𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 distribución
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 empírica para
Tiempo de
𝑓_𝑖 𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖 llegada.

0.166666666666667 0.166666666666667
0.15 0.316666666666667 0.08333333
0.15 0.466666666666667 0.225
0.116666666666667 0.583333333333333 0.375
0.116666666666667 0.7 0.40833333
0.083333333333333 0.783333333333333 0.525
0.066666666666667 0.85 0.45833333
0.033333333333333 0.883333333333333 0.43333333
0.05 0.933333333333333 0.25
0.033333333333333 0.966666666666667 0.425
0.016666666666667 0.983333333333333 0.31666667
0.016666666666667 1 0.175
1,000 100% 0.19166667
3.86666667

9 10 11 12

mn K

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎
𝑒𝑚𝑝𝑖𝑟𝑖𝑐𝑎 〖 𝐹〗 _𝑖
Serie1
 3.86666666666667

mpo de llegada
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎
𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎
𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝐹(𝑇)

0.121298777134687
0.321540868019909
0.476150958039882
0.595527857423569
0.687700652256182
0.75886872707733
0.813818724882502
0.856246488544462
0.889005636883968
0.914299494191179
0.933829282049128
0.948908540587829
ción X^2 para Tiempo de llegada
𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝐴𝑔𝑟𝑢𝑝𝑎𝑚𝑖𝑒𝑛𝑡𝑜
𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠 𝑋^2= 〖〖 (𝑂 〗 _𝑖−𝑛_𝑖) 〗 ^2/𝑛_𝑖
𝑛_𝑖 𝑛_𝑖 𝑝𝑎𝑟𝑎 𝑥^2

13.6730496561002 13.6730496561002 0.986706997744166

10.5571782077971 10.5571782077971 0.229682962919719
8.151364510072 8.151364510072 7.5571493555026
6.29379764821889 6.29379764821889 14.9687627978288
4.85954085205983
8.61166931451863 1.3331660117068
3.75212846245881
2.89707781607104
2.23687966879228
1.72713022235699
1.33354460080968 12.7129406632932 0.00648182548578156
1.02965090838476
0.795009775071539
2.69364767180689
25.0819499511879

25,08194995 < 7,815

comporta como distribucion exponencial, por ende, se

alterna H 1
Resta cuadrada

11.3344444
5.60111111
1.86777778
0.13444444
0.40111111
2.66777778
6.93444444
13.2011111
21.4677778
31.7344444
44.0011111
58.2677778

8.03222222
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 1 MODELOS DE REPRESENTACION DE DATOS

RELACION DE TIEMPOS

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58

59
60

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 1 MODELOS DE REPRESENTACION DE DATOS

RELACION DE TIEMPOS

TIEMPO DE SERVICIO (Minutos)

0.0664432868343975
0.189055255924084
0.258350429047469
0.283545592201041
0.403889978466763
0.510051469236351
0.81790651631428
0.847052667357917
0.891579429683122
0.89352756351172
1.04340806854658
1.14290537564882
1.24185882255596
1.39385543234093
1.44692084890732
1.54827351575582
1.75097350195866
1.77541343100858
1.95821830903925
2.09689371288558
2.11013262251245
2.19527994136492
2.62747058867755
2.6549870785108
2.69122068735537
2.84272647307868
2.91140622759756
2.9133146347441
3.01366751139505
3.48995430007623
3.54137946958638
3.65837446738385
3.68372421519607
3.7503353407739
3.75145651426904
4.03660820855155
 4.04447071574857
4.06304607786682
4.30795376692505
4.31947713629156
4.37386978677347
4.41686009853153
5.35400919545491
5.44194426950057
5.46252803816951
5.78898589268655
5.80483448860663
6.49354078019291
6.55552546206496
6.7087339461594
6.92367790620045
7.14819402768009
7.6427289447945
8.00172653366665
8.21739345783885
8.80561456041439
9.42015100091547
9.96401206550893

10.9014906777008
11.2802149952894

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
1. Plantear una distribución empírica para tiempos de servicio.

Tabla de Distribución Empírica para Tiempo entre llegadas

Frecuencia Observada
# de Clase Clase Marca de clase Frecuencia Relativa empírica
empirica

1 (0-1) 0.5 10 0.166666666666667

2 (1-2) 1.5 9 0.15
3 (2-3) 2.5 9 0.15
4 (3-4) 3.5 7 0.116666666666667
5 (4-5) 4.5 7 0.116666666666667
6 (5-6) 5.5 5 0.0833333333333333
7 (6-7) 6.5 4 0.0666666666666667
8 (7-8) 7.5 2 0.0333333333333333
9 (8-9) 8.5 3 0.05
10 (9-10) 9.5 2 0.0333333333333333
11 (10-11) 10.5 1 0.0166666666666667
12 (11-12) 11.5 1 0.0166666666666667
60 1

Gráfico 1
1.2
1
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Frecuencia Relativa empírica Frecuencia Relativa Acumulada Empírica

2. Determinar la media para tiempos de servicio.

Media Distribución Empirica 3.867

Varianza Distribución Empirica 8.032

3. Plantear una distribución exponencial teórica para tiempos de servicio.

Tabla de Distribución Empírica para Tiempo entre llegadas

Frecuencia Frecuencia Relativa

# de Clase Clase Marca de clase
Exponencial Teórica Exponencial

1 (0-1) 0.5 0.199685130792672 0.121298777134687

2 (1-2) 1.5 0.154180052310787 0.321540868019909
3 (2-3) 2.5 0.119044860457029 0.476150958039882
4 (3-4) 3.5 0.091916422318154 0.595527857423569
5 (4-5) 4.5 0.070970125542035 0.687700652256182
6 (5-6) 5.5 0.054797158031436 0.75886872707733
7 (6-7) 6.5 0.04230975365182 0.813818724882502
8 (7-8) 7.5 0.032668030941508 0.856246488544462
9 (8-9) 8.5 0.025223504121004 0.889005636883968
10 (9-10) 9.5 0.019475467048548 0.914299494191179
11 (10-11) 10.5 0.015037316581373 0.933829282049128
12 (11-12) 11.5 0.011610550309513 0.948908540587829

Media Distribución Teorica 0.258620689655172

4. Graficar la frecuencia relativa acumulada empírica vs frecuencia relativa exponencial teórica de tiempos de
servicio.

Gráfico 2
1.2

0.8

0.6

0.4

0.2

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Frecuencia Relativa Acumulada Empírica Frecuencia Relativa Exponencial

5. Determinar la distribución X2 Chi Cuadrado para tiempos de servicio.

 Tabla de Distribución X2 para Tiempo de llegada:

Marca de Frecuencia
# de Clase Clase Agrupamiento de Clases
Clase Observada Empírica

1 (0-1) 0.5 10 10
2 (1-2) 1.5 9 9
3 (2-3) 2.5 9
16
4 (3-4) 3.5 7
5 (4-5) 4.5 7
12
6 (5-6) 5.5 5
7 (6-7) 6.5 4
8 (7-8) 7.5 2
9 (8-9) 8.5 3
13
10 (9-10) 9.5 2
11 (10-11) 10.5 1
12 (11-12) 11.5 1
Total 60

6. Probar la hipótesis que los tiempos de servicio representan una distribución exponencial mediante la Prueb
de Bondad de Ajuste Distribución X2 Chi Cuadrado.
Prueba de Hipotesis

Hipotesis nula Ho: Aceptar f(t) si x2<xN-k1,

Hipotesis alterna Ho: No Aceptar f(t) si x2 ≥ xN-k1, 1-α

xN-k1, 1-α 7.8147

Hipotesis Nula: 25.3706319090917 <

Por tanto se acepta la Hipotesis alterna

CONCLUSIÓN: Se rechaza la hipotesis nula Ho: f(t) tiene un comportamiento como una distribución exponenci
Por lo tanto, se acepta la Hipotesis alterna H1: f(t) porque no se asemeja a la distribución exponencial
 llegadas

Frecuencia Relativa Resta

Acumulada Empírica

0.166666666666667 11.334
0.316666666666667 5.601
0.466666666666667 1.868
0.583333333333333 0.134
0.7 0.401
0.783333333333333 2.668
0.85 6.934
0.883333333333333 13.201
0.933333333333333 21.468
0.966666666666667 31.734
0.983333333333333 44.001
1 58.268

0 11 12 13 14

umulada Empírica
xponencial teórica de tiempos de

10 11 12 13 14

Relativa Exponencial
ara Tiempo de llegada:

Agrupamiento de X2=(Oi -
Frecuencia Teórica
Clases ni)^2/ni

8.151364510072 8.151364510072 0.419249215

6.29379764821889 6.29379764821889 1.16361084
4.85954085205983
8.61166931451863 6.338774554
3.75212846245881
2.89707781607104
5.13395748486333 9.182495172
2.23687966879228
1.72713022235699
1.33354460080968
1.02965090838476
5.97313045450525 8.266502127
0.795009775071539
0.613839639544234
0.473955308338054
25.37063191

ón exponencial mediante la Prueba

N-k-1 3
1-α 0.05

7.8147
No se cumple, se
rechaza la hipotesis
nula

como una distribución exponencial.

a distribución exponencial
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 2 MODELOS DE PRONOSTICOS PROBABILISTICOS

RELACION DE LA DEMANDA PERIODICA

Periodo DEMANDA PERIODICA (Unidades)

1 57223
2 51965
3 54113
4 65885
5 68256
6 59598
7 62902
8 68358
9 68617
10 67722
11 60958
12 57763

Periodo DEMANDA PERIODICA (Unidades)

1 57223
2 51965
3 54113
4 65885
5 68256
6 59598
7 62902
8 68358
9 68617
10 67722
11 60958
12 57763
OLUCION DE MODELOS PROBABILISTICOS DE DECISION

IO 2 MODELOS DE PRONOSTICOS PROBABILISTICOS

RELACION DE LA DEMANDA PERIODICA

TENDENCIA (Unidades)

4674
COEFICIENTES
α = 2/n+1 0.1538
β = 2α
PERIODOS
n = 12

TENDENCIA (Unidades)

4674
COEFICIENTES
α = 2/n+1 0.1538
β = 2α 0.3076
PERIODOS
n = 12
 1. MODELO DE PRONOSTICO SUAVIZACION EXPONENCIA

Demanda proyectada para los siguientes 12

DEMANDA PERIODICA periodos
𝐷𝑒𝑚𝑎𝑛𝑑𝑎
𝑃𝑒𝑟𝑖𝑜𝑑𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 𝑃𝑒𝑟𝑖𝑜𝑑𝑜
𝑡 (𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠) 𝐴_𝑡 𝑡
1 𝐴_1= 57223
2 𝐴_2= 51965 13 𝐹_2
3 𝐴_3= 54113 14 𝐹_3
4 𝐴_4= 65885 15 𝐹_4
5 𝐴_5= 68256 16
6 𝐴_6= 59598 17
7 𝐴_7= 62902 18 𝐹_7
8 𝐴_8= 68358 19 𝐹_8
9 𝐴_9= 68617 20 𝐹_10
10 𝐴_10= 67722 21
11 𝐴_11= 60958 22
12 𝐴_12= 57763 23
24

2. MODELO DE PRONOSTICO SUAVIZACION EXPONENCI

DEMANDA PERIODICA
𝑃𝑒𝑟𝑖𝑜𝑑𝑜 𝐷𝑒𝑚𝑎𝑛𝑑𝑎
𝑡 𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 Tendencia T
(𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠) 𝐷_𝑡

1 𝐷_1= 57223 𝑇_1 4674

2 𝐷_2= 51965 =
3 𝐷_3= 54113
4 𝐷_4= 65885
5 𝐷_5= 68256
6 𝐷_6= 59598
7 𝐷_7= 62902
8 𝐷_8= 68358
9 𝐷_9= 68617
10 𝐷_10= 67722
11 𝐷_11= 60958
12 𝐷_12= 57763
 DE PRONOSTICO SUAVIZACION EXPONENCIAL SIMPLE.

proyectada para los siguientes 12

periodos
𝐷𝑒𝑚𝑎𝑛𝑑𝑎
𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 Demanda real VS Demanda proyectada
(𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠) 𝐹_𝑡
80000
NO SE DETERMINA
70000
𝐹_2 57223
𝐹_3 56414.3196 60000

𝐹_4 56060.37664552 50000

𝐹_657571.403717439 40000
𝐹_59214.6946256969 30000
5 59273.6469922647
𝐹_7
20000
𝐹_8 59831.6876848544
𝐹_10 10000
61143.0345189238
𝐹_162292.5304099133 0
1 1 2 3 4 5 6 7 8 9 10 11 12
𝐹_163127.5828328687
2𝐹_1 Column G Column H Column K
62793.9009931735
3
𝐹_1
62020.1484204234
3

O DE PRONOSTICO SUAVIZACION EXPONENCIAL DOBLE.

Demanda proyectada para los siguientes 12 periodos

𝑃𝑒𝑟𝑖𝑜𝑑𝑜
𝑡 Pronostico ps Tendencia Pronostico

Demanda real VS Demanda p

13 57223 4674 61897
14 60369.4584 4204.1282 64573.5866
90000
15 62964.7483841694 3709.24957 66673.998 80000
16 66552.6500666767 3671.92296 70224.573 70000
17 69921.806493528 3578.79197 73500.5985 60000
18 71362.378822424 2921.07561 74283.4544 50000
72532.9867411512 2382.63175 74915.6185 40000
19
30000
20 73907.0567659595 2072.39816 75979.4549
20000
21 74847.1093602983 1724.08867 76571.198 10000
22 75210.1913695145 1305.44302 76515.6344 0
1 2 3 4 5 6 7 8
23 74122.8702187959 569.42876 74692.299
24 72088.5727956612 -231.477414 71857.0954 Column G Column H
 royectada

8 9 10 11 12

Column K

Demanda real VS Demanda proyectada

2 3 4 5 6 7 8 9 10 11 12

Column G Column H Column N

Comprobacion en WinQSB

Comprobacion en WinQSB
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 2 MODELOS DE PRONOSTICOS PROBABILISTICOS

RELACION DE LA DEMANDA PERIODICA

Periodo DEMANDA PERIODICA (Unidades)

1 61631
2 52114
3 64378
4 66142
5 59616
6 57541
7 55426
8 66963
9 50824
10 56915
11 64387
12 66825

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+f9
 Modelo de pronóstico suavización exponencial sim
ABILISTICOS DE DECISION
1. Determinar el pronóstico suavización exponencial simple
OS PROBABILISTICOS siguiente periodo.

PERIODICA
PRONÓSTICO

Periodo Demanda
TENDENCIA (Unidades) Futura
4913 1 NO EXISTE
COEFICIENTES 2 61631
α = 2/n+1 3 60167
β = 2α 4 60815
PERIODOS 5 61634
n = 12 6 61324
7 60742
8 59924
COEFICIENTE DE SUAVIZACIÓN 9 61007
0.153846153846154 10 59440
11 59052
12 59873

rima f9, fn+f9 o ctrl+alt+f9

Modelo de pronóstico suavización exponencial do

1. Determinar el pronóstico suavización exponencial doble p

siguiente periodo.

PRONÓSTICO

Demanda
Periodo Tendencia
Real

1 61631 0
2 52114 0
ALFA 3 64378 0
0.153846153846154 4 66142 0
BETA 5 59616 0
0.307692307692308 6 57541 0
7 55426 0
8 66963 0
9 50824 0
10 56915 0
11 64387 0
12 66825 0
13
suavización exponencial simple.

avización exponencial simple para el

2. Proyectar la demanda futura para los próximos periodos y graficar

la demanda periódica Vs la demanda proyectada.

Gráfico 1
80000
70000
60000
50000
40000
30000
20000
10000
0
1 2 3 4 5 6 7 8 9 10 11 12

DEMANDA PERIODICA (Unidades) Demanda Futura

CONCLUSIÓN: Con la gráfica se puede observar que en la demanda futura se pueden ver datos empiricos que no
tendencia y en la demanda periodica se pueden ver altibajos. La compañía de motores eléctricos debe producir
que se indica en el pronostico de la demanda futura para cada mes.

suavización exponencial doble.

avización exponencial doble para el 2. Proyectar la demanda futura para los próximos periodos y graficar
la demanda periódica Vs la demanda proyectada.

RONÓSTICO
Gráfico 1
Primera
Pronóstico 80000
suavización
ajustado
pronóstico 70000
61631 NO EXISTE 60000
60167 61631 50000
60815 60167 40000
30000
20000
10000
 70000
60000
50000
40000
61634 60815
30000
61324 61634
20000
60742 61324
59924 60742 10000

61007 59924 0
1 2 3 4 5 6 7 8 9 10 11 12
59440 61007
59052 59440 DEMANDA PERIODICA (Unidades) Pronóstico ajustado
59873 59052
60942 59873
60942

CONCLUSIÓN: Con la gráfica se puede observar que la demanda proyectada se pueden ver datos
tendencia y en la demanda periodica se pueden ver altibajos. La compañía de motores eléctricos
que se indica en el pronostico ajustado para cada mes.
 3. Comprobar los resultados utilizando software de optimización
WinQSB.

r datos empiricos que no siguen una

eléctricos debe producir la cantidad

3. Comprobar los resultados utilizando software de optimización

WinQSB.
 9 10 11 12

stico ajustado

da se pueden ver datos empiricos que no siguen una

a de motores eléctricos debe producir la cantidad
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 3 MODELOS DE INVENTARIOS PROBABILISTICOS

RELACION DEL INVENTARIO

COSTO DE
TIEMPO DE
DEMANDA PREPARACION
REFERENCIA PERIODO ESPERA
PERIODICA POR PEDIDO
(dias)
($)

1 57223
2 51965
3 54113
4 65885
5 68256
MOTOR 6 59598
10 $ 2,234,891
ELECTRICO 7 62902
8 68358
9 68617
10 67722
11 60958
12 57763
OS DE DECISION

ABILISTICOS

COSTO DE COSTO POR

RETENCION FALTANTE 𝐷𝑒𝑚𝑎𝑛𝑑𝑎
𝑃𝑒𝑟𝑖𝑜𝑑𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 𝐷_𝑡
UNITARIO UNITARIO 𝑡
($) ($)

1 57223
2 51965
3 54113
4 65885
5 68256
6 59598
$ 6,888 $ 21,532
7 62902
8 68358
9 68617
10 67722
11 60958
12 57763

Desviacion estandar

Demanda diaria Tiempo de espera

2064.88888888889 10

Desviacion estandar Tiempo de espera

188.191595796399 10
 K

𝜎𝐿 K

1881.9159580 1.645

B 𝑢𝐿

3095.75175085076 20648.8888888889

𝑃𝑒𝑟𝑖𝑜𝑑𝑜
𝑡
1
2
3
4
5
6
Politica de inventario optima de reserva
7
8
9
10
11
12

2. MODELO DE INVENTARIO EOQ PROB

𝑃𝑒𝑟𝑖𝑜𝑑𝑜 𝐷𝑒𝑚𝑎𝑛𝑑𝑎
𝑡 𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 𝐷_𝑡

1 57223
2 51965
 3 54113
4 65885
5 68256
6 59598
7 62902
8 68358
9 68617
10 67722
11 60958
12 57763

𝑃𝑒𝑟𝑖𝑜𝑑𝑜
𝑡 Limite superior de la
demanda diaria b

1
2
3
4
5
6
2287.23333333333
7
8
9
10
11
12

𝑃𝑒𝑟𝑖𝑜𝑑𝑜
𝑡

1
2
3
4
5
6 La politica de inventario optima exige
7 pedir aproximadamente
8
9
 La politica de inventario optima exige
pedir aproximadamente

10
11
12
 MODELO DE INVENTARIO EOQ PROBABILIZADO

𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒

𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 𝐷_𝑡 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑡𝑒𝑛𝑐𝑖𝑜𝑛
𝑝𝑜𝑟 𝑝𝑒𝑑𝑖𝑑𝑜 𝐾 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝐻

57223
51965
54113
65885
68256
59598
2234891 6888
62902
68358
68617
67722
60958
57763

188.191595796399

Tiempo de espera 𝑢𝐿=𝐷𝑑∗𝐿

10 20648.8888888889

Tiempo de espera 𝜎𝐿=√(𝜎2∗𝐿)

10 1881.9159580
 1.645

K 𝐸𝑥𝑖𝑠𝑡𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑟𝑒𝑠𝑒𝑟𝑣𝑎
𝐵=𝜎𝐿∗𝑘_𝑎
1.645 3095.75175085076

𝑁𝑖𝑣𝑒𝑙 𝑑𝑒𝑙 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜

𝐵+𝑢𝐿
20648.8888888889 63923833.9309005

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑜𝑝𝑡𝑖𝑚𝑎 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒𝑙 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜

𝑑𝑒 𝑝𝑒𝑑𝑖𝑑𝑜 𝑄_𝑡 𝐵+𝑢𝐿
6093.71183702276
5807.00323158591
5925.80570495723
6538.67688844692
6655.29052813904
6218.88383934907
e inventario optima de reserva 63923833.9309005
6388.9402861253
6660.26141870612
6672.86694282476
6629.20561627013
6289.43968581911
6122.39678574892

2. MODELO DE INVENTARIO EOQ PROBABILISTICO CON FALTANTES

𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑓𝑎𝑙𝑡𝑎𝑛𝑡𝑒

𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑝
Demanda diaria 𝑝𝑜𝑟 𝑝𝑒𝑑𝑖𝑑𝑜 𝐾

1907.43333333333
1732.16666666667

2234891 $ 21,532
 1803.76666666667
2196.16666666667
2275.2
1986.6
2234891 $ 21,532
2096.73333333333
2278.6
2287.23333333333
2257.4
2031.93333333333
1925.43333333333
2287.23333333333

Limite inferior de la Costo de retencion unitario Cantidad optima de pedido con

demanda diaria a H faltante Y

6095.27074507154
5808.48879314824
5927.32165885462
6540.34962852757
6656.99310060206
6220.47476920117
0 6888
6390.57472022746
6661.96526283434
6674.57401172854
6630.90151562812
6291.04866543789
6123.96303205041

Cantidad optima de pedido

con faltante

6095.27074507154
5808.48879314824
5927.32165885462
6540.34962852757
6656.99310060206
tica de inventario optima exige 6220.47476920117 Unidades siempre que el nivel de
edir aproximadamente 6390.57472022746 inventario se reduzca
6661.96526283434
6674.57401172854
tica de inventario optima exige Unidades siempre que el nivel de
edir aproximadamente inventario se reduzca

6630.90151562812
6291.04866543789
6123.96303205041
ENTARIO EOQ PROBABILIZADO

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑
𝑜𝑝𝑡𝑖𝑚𝑎
𝑑𝑒 𝑝𝑒𝑑𝑖𝑑𝑜
𝑄𝑡=√((2∗𝐷𝑡∗𝑘)/𝐻) Demanda diaria Varianza

6093.71183702276 1907.43333333333 24792.2519753087

5807.00323158591 1732.16666666667 110704.077160494
5925.80570495723 1803.76666666667 68184.8149382717
6538.67688844692 2196.16666666667 17233.8549382715
6655.29052813904 2275.2 44230.76345679
6218.88383934907 1986.6 6129.15012345684
6388.9402861253 2096.73333333333 1014.06864197528
6660.26141870612 2278.6 45672.4390123455
6672.86694282476 2287.23333333333 49437.0519753084
6629.20561627013 2257.4 37060.5279012345
6289.43968581911 2031.93333333333 1086.06864197532
6122.39678574892 1925.43333333333 19447.8519753087
Promedio 2064.88888888889 35416.076728395
 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑
𝐸𝑠𝑝𝑒𝑟𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑜𝑝𝑡𝑖𝑚𝑎
𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑢𝑛𝑖𝑓𝑜𝑟𝑚𝑒 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑑𝑒 𝑝𝑒𝑑𝑖𝑑𝑜
𝐸(𝑥)=(𝑏+𝑎)/2 𝑟𝑒𝑡𝑒𝑛𝑐𝑖𝑜𝑛 𝑌=√((2𝐷𝑡(𝑘+𝑝𝐸(𝑥)))/
𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝐻 𝐻)

6095.27074507154
5808.48879314824

1143.61666666667 6888
 5927.32165885462
6540.34962852757
6656.99310060206
6220.47476920117
1143.61666666667 6888
6390.57472022746
6661.96526283434
6674.57401172854
6630.90151562812
6291.04866543789
6123.96303205041

𝑃𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝑅
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑅=(𝑏−𝑎)−[(𝐻 𝑌∗(𝑏−𝑎))/(𝑝 𝐷_𝑡 )]
Costo por faltante unitario p 𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐𝑎 𝐷_𝑡

57223 2209.29670427413
51965 2205.4487466721
54113 2207.08839057248
65885 2214.60038829902
68256 2215.87305882275
59598 2210.86539154437
$ 21,532
62902 2212.89810123434
68358 2215.92631861138
68617 2216.06102267511
67722 2215.59226703874
60958 2211.72209819
57763 2209.66185672777

Parametro R

2209.29670427413
2205.4487466721
2207.08839057248
2214.60038829902
2215.87305882275
2210.86539154437
Unidades
2212.89810123434
2215.92631861138
2216.06102267511
 Unidades

2215.59226703874
2211.72209819
2209.66185672777
Comprobacion en WinQSB
nQSB
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 3 MODELOS DE INVENTARIOS PROBABILISTICOS

RELACION DEL INVENTARIO

REFERENCIA PERIODO DEMANDA TIEMPO DE

PERIODICA ESPERA (dias)

1 61631
2 52114
3 64378
4 66142
5 59616
MOTOR 6 57541
7
ELECTRICO 7 55426
8 66963
9 50824
10 56915
11 64387
12 66825

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+
 TAREA 2 - SOLUCION DE MODELOS PROBABILISTICOS DE DECISION

EJERCICIO 3 MODELOS DE INVENTARIOS PROBABILISTICOS

RELACION DEL INVENTARIO

DEMANDA TIEMPO DE
REFERENCIA PERIODO
PERIODICA ESPERA (dias)

1 61631
2 52114
3 64378
4 66142
5 59616
MOTOR 6 57541
ELECTRICO 7
7 55426
8 66963
9 50824
10 56915
11 64387
12 66825

Nota: Para generar y actualizar los datos oprima f9, fn+f9 o ctrl+alt+
 1. Modelo de Inventario EOQ prob
MODELOS PROBABILISTICOS DE DECISION

DE INVENTARIOS PROBABILISTICOS 1. Determinar la cantidad óptima de

varianza de la demanda diaria norma
ON DEL INVENTARIO

COSTO DE COSTO POR

COSTO DE
PREPARACION POR RETENCION FALTANTE Periodo Demanda
PEDIDO UNITARIO Periódica
($) UNITARIO ($) ($)
1 61631
2 52114
3 64378
4 66142
5 59616
6 57541
7 55426
$ 2,270,639 $ 6,413 $ 28,814
8 66963
9 50824
10 56915
11 64387
12 66825

zar los datos oprima f9, fn+f9 o ctrl+alt+f9

 2. Modelo de Inventario EOQ prob

MODELOS PROBABILISTICOS DE DECISION

DE INVENTARIOS PROBABILISTICOS
1. Determinar la demanda uniforme d

ON DEL INVENTARIO

COSTO DE COSTO POR

COSTO DE
PREPARACION POR FALTANTE
RETENCION Demanda Futura
PEDIDO
UNITARIO ($) UNITARIO
($) ($)

1 61631
2 52114
3 64378
4 66142
5 59616
6 57541
7 55426
$ 2,270,639 $ 6,413 $ 28,814
8 66963
9 50824
10 56915
11 64387
12 66825
LSUP

zar los datos oprima f9, fn+f9 o ctrl+alt+f9

Esperanza de demanda
1116
 de Inventario EOQ probabilizado.

nar la cantidad óptima de pedido, la demanda diaria normalmente distribuida, la

la demanda diaria normalmente distribuida.

Costo de Costo de Cantidad

preparación retención óptima de Demanda Varianza
Diaria
por pedido unitario pedido

6606 2054 2180

6075 1737 73191
6752 2146 19116
6844 2205 38833
6497 1987 419 Desviación Estandar
6383 1918 8035
$ 2,270,639 $ 6,413
6265 1848 25644 Demanda Diaria
6886 2232 50368 2008
5999 1694 98307 Desviación Estandar
6349 1897 12211 182
6752 2146 19199
6879 2228 48324
Promedio 2008 32986
 de Inventario EOQ probabilístico con faltantes.

nar la demanda uniforme durante el tiempo de espera.

Cantidad
Costo de Costo por Esperanza de Costo de
Demanda óptima de
preparación faltante la demanda retención
diaria pedido con
por pedido unitario uniforme unitario
faltante

2054 6608
1737 6076
2146 6754
2205 6845
1987 6499
1918 6385
$ 2,270,639 $ 28,814 1116 $ 6,413
1848 6266
2232 6888
1694 6001
1897 6350
2146 6754
2228 6881
2232

Esperanza de demanda uniforme

1116
 2. Determinar el tamaño de las existencias de reserva.

K 1.645
esviación Estandar 182

Demanda Diaria Tiempo de Espera μL=Ds*L σL K Existencia de reserva

2008 7 14054 1271 1.645 1273
Desviación Estandar Tiempo de Espera σL= √(𝜎2∗𝐿)
182 7 1271
B μL Nivel de Inventario
1273 14054 15327

3. Determinar la política del inventario óp

Periodo
Cantidad optima de pedi

1 6606
2 6075
3 6752
4 6844
La politica de
5 inventario 6497
6 óptima (de 6383
7 reserva), 6265
requiere
8 pedir. 6886
9 5999
10 6349
11 6752
12 6879

CONCLUSIÓN: Con el ejercicio se puede observar que l

necesita producir una cantidad óptima de pedido como
unidades permiten siempre que el nivel de inventario s
óptima la producción.
 CONCLUSIÓN: Con el ejercicio se puede observar que l
necesita producir una cantidad óptima de pedido como
unidades permiten siempre que el nivel de inventario s
óptima la producción.

2. Determinar la cantidad óptima de pedido con faltantes.

Limite Limite Cantidad

Costo de Costo de
superior de inferior de la optima de Demanda
Periodo retención faltante
la demanda demanda pedido Periodica
unitario unitario
diaria diaria faltante

1 6608 61631
2 6076 52114
3 6754 64378
4 6845 66142
5 6499 59616
6 6385 57541
2232 0 $ 6,413 $ 28,814
7 6266 55426
8 6888 66963
9 6001 50824
10 6350 56915
11 6754 64387
12 6881 66825

3. Determinar la política del inventario óptimo.

Cantidad
óptima de
Periodo Parámetro
pedido con
faltante
1 6608 2179
2 6076 2174
3 6754 2180
4 6845 2181
5 La política de 6499 2178
Unidades
inventario
6 óptima exige 6385 siempre que 2177
el nivel del Unidades
7 pedir 6266 2176
inventario se
aproximada
reduzca a:
mente
 La política de Unidades
inventario
siempre que
óptima exige
el nivel del Unidades
pedir
inventario se
aproximada
8 6888 reduzca a: 2181
mente
9 6001 2173
10 6350 2177
11 6754 2180
12 6881 2181
 4. Comprobar los resultados utilizando el software de optimizació
s existencias de reserva.
WinQSB.

istencia de reserva 𝑩=𝝈𝑳∗𝑲_𝜶

1273

vel de Inventario 𝑩+μL

15327

política del inventario óptimo.

Nivel de
Cantidad optima de pedido Inventario

6606
6075
6752
6844
6497 Unidades
6383 siempre que
el nivel de 15327
6265 inventario se
6886 reduzca a:
5999
6349
6752
6879

se puede observar que la empresa de motores eléctricos

óptima de pedido como se puede ver en la tabla, estas
e el nivel de inventario se reduzca a 15.327, haciendo
se puede observar que la empresa de motores eléctricos
óptima de pedido como se puede ver en la tabla, estas
e el nivel de inventario se reduzca a 15.327, haciendo

Parametro

2179
2174
2180
2181
2178
2177
2176
2181
2173
2177
2180
2181

4. Plantear el costo total del inventario.

Costo total
del
inventario
CONCLUSIÓN: Con el ejercicio se puede observar que la empresa de motores eléctricos necesita
producir una cantidad óptima de pedido como se puede ver en la tabla, estas unidades permiten
siempre que el nivel de inventario se reduzca al parametro obtenido para cada periodo, haciendo
óptima la producción.
tilizando el software de optimización
5. Comprobar los resultados utilizando el software de optimización
WinQSB.
ores eléctricos necesita
stas unidades permiten
cada periodo, haciendo
 BIBLIOGRAFÍA.
• Hillier, F. y Lieberman, G. (2015). Introducción a la investigación de operaciones (pp. 1
Editorial McGraw-Hill Interamericana. Recuperado de http://bibliotecavirtual.unad.e

• Monks, J. (1988). Administración de operaciones (pp. 243-247). Naucalpan de Juárez, M

Interamericana. Recuperado dehttps://bibliotecavirtual.unad.edu.co:2538/lib/una
ppg=61&docID=3196010&tm=1541110436872
RAFÍA.
gación de operaciones (pp. 1014-1027). México, México:
http://bibliotecavirtual.unad.edu.co:2053/?il=2269

247). Naucalpan de Juárez, México: Editorial McGraw-Hill

ual.unad.edu.co:2538/lib/unadsp/reader.action?
&tm=1541110436872