Modelos estocasticos Sede Iquique
Enviado por gabrielitooooo • 22 de Agosto de 2018 • Apuntes • 1.842 Palabras (8 Páginas) • 134 Visitas
Universidad de Tarapacá[pic 1]
Ingeniería Civil Industrial
Sede Iquique
[pic 2]
[pic 3]
1) Respuestas cortas, fundamente o explique lo siguiente (6p):
a) Identifique las diferencias (positivas o negativas) entre modelos determinístico y probabilístico.
MODELOS DETERMINÍSTICO | MODELO PROBABILÍSTICO |
1.- 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. 2.- El modelo es determinista si las mismas entradas producen siempre el mismo estado y las mismas salidas. En otras palabras, el azar no juega ningún papel en el modelo Ejemplo: La mayoría de los modelos de la mecánica clásica son deterministas. Por ejemplo, el movimiento de un oscilador armónico simple (un muelle sujeto a la Ley de Hooke) es un modelo determinista 4.- 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 permite disminuir la incertidumbre. 5. este modelo es difícil que represente a la realidad yaque proporciona un plazo especifico no un rango | 1.- Es un modelo estocástico es aquel cuyo comportamiento es no determinista, en la medida que el subsiguiente estado del sistema esta deterinado tanto por las acciones predecibles del proceso como por elementos aleatorios. No obstante, cualquier desarrollo temporal que pueda ser analizable en términos de probabilidad merece ser denominado como un proceso estocástico. 2.-Cualquier desarrollo temporal que pueda ser analizable en términos de probabilidad merece ser denominado como un proceso estocástico. 3.- El modelo es probabilístico o estocástico si, por el contrario, el azar interviene en el modelo, de modo que una misma entrada puede producir diversos estados y salidas, de manera impredecible. Ejemplo: Podemos simular las colas que se forman en un mostrador utilizando una variable estocástica que indique el número (aleatorio) de clientes que entran en la oficina por minuto, y luego usando un algoritmo que use el tiempo de atención que se da a cada cliente, que también puede ser estocástico. 6. Se ajusta a la realidad ya que nos entrega un rango en el cual se desarrolla la actividad no un plazo especifico |
b) De un ejemplo de una variables continua y otra discreta, asociada a un proceso productivo.
Ejemplo discreto
- numero de vacas en una predio ganadero destinado para la producción de leche,( no es posible que sean 35,5 vacas)
Ejemplo continuo.
Cantidad de leche promedio producida por las vacas ( es posible que cada vaca produzca 2.5lts de leche)
c) Riesgo de una decisión se relaciona con la búsqueda de certeza al enfrentar una decisión
En algunos casos, las decisiones se toman bajo condiciones de certeza, esto significa que el encargado de tomar una decisión conoce por adelantado el resultado de su elección.
una clase importante de problemas de decisiones incluye aquellos en los cuales cada acto disponible para quien toma la decisión tiene consecuencias que pueden ser conocidas previamente con certeza. a tales problemas se le llama toma de decisiones bajo condiciones de certeza.
la toma de decisiones bajo certeza no es un proceso sencillo, cada una de las tareas a las que se enfrenta quien toma la decisión bajo certidumbre (identificar los actos disponibles, medir las consecuencias y seleccionar el mejor acto) involucra el uso de la teoría de la programación lineal. Esto quiere decir que a mayor certeza menor riesgo tendra el encargado de tomar la decisión , en comparación a una situacion en la cual tenga mayor incertidumbre, en este caso el encargado posee poco conocimiento de la alternativa y resultado.
2) Identifique aplicación de herramientas de Modelamiento Estocástico para los siguientes procesos/situaciones.
Fundamente (6p):
a) Mantención de maquinaria: en esta situación se utiliza un tipo de distribución continua, con el propósito de modelar la aleatoriedad en ciertas actividades de mantención en los cuales los valores de las variables pueden estar dentro de un rango de valores reales.
b) Arriendo de departamentos: para esta caso el criterio de valor esperado es la mejor opción, como la recaudación por el arriendo a lo largo del tiempo se paga mensualmente por el departamento, se utiliza la suma ponderada de los pagos por las probabilidades de cada estado de la naturaleza.
c) Juego de azar en el casino, dado: para determinada situacion un criterio adecuado es el Método de La Place, este es un fenómeno determinístico y en caso contrario seria
aleatorio. Este tipo de criterio determina si esta situación sepuede predecir.
d) Inversión en la bolsa de comercio: Se debe Identificar la incertidumbre de las variables de la bolsa observando los posibles valores y la distribución de probabilidad para los mismos y posteriormente tomar una decisión basada en los resultados obtenidos y las preferencias personales
e) Carga académica de un estudiante de Ingeniería Civil Industrial de la UTA: Se podría utilizar el modelo de Árbol de decisión ya que se podría asignar hasta un cierto número de ramos que puede manejar un alumno (considerando el tiempo disponible de este) y la probabilidad de fracasar en uno o más puede aumentar a medida que aumenta también la carga académica
f) Resultado del partido Brasil-Chile: Utilizar el criterio Máximax ya que consiste en
maximizar, es decir escoger el mejor resultado entre los mejores de cada
...