TRABAJO COLABORATIVO UNIDAD 2 METODOS PROBABILISTICOS 104561_60

YINETH CAROLINA ESCOBAR MORENO FABIO DAVID BUELVAS SNCHEZ MAIRA JOHANA LOZANO BONILLA IVN CAMILO ORTIZ DUQUE ALEXANDRA ALMEYDA LOBO Cd.: 1.098.654.893

VLADIMIR DE JESUS VANEGAS ANGULO Tutor de curso

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMA INGENIERIA INDUSTRIAL 2012

INTRODUCCIN

A continuacin se presenta el trabajo colaborativo numero 2, en cuando a la teora de cadenas de Markov, teoras de colas o lneas de espera y la programacin lineal , logrando colocar en practica todos lo conocimientos adquirido en la unidad 2 del curso, y analizando de una manera mas cognitiva y heurstica los resultado obtenidos y logrando aplicar un anlisis temtico sobre la probabilidad de ocurrencia o eventualidad de cualquier situacin, lo cual conforma la base de nuestra formacin.

OBJETIVOS

General Aplicar los conocimientos adquirido de teora de cadena de Markov, teora de colas y programacin no lineal.

Especficos. Estudias el concepto de teora de cadena, teora de cola y programacin no lineal. Compara las diferentes teoras de teora de cadena ,teora de cola y programacin no lineal. Analizarteora de cadena,teora. Practicarde cola y programacin no lineal. Inferir que es programacin no lineal.

CUADRO COMPARATIVO
CONCEPTO
CADENA MARKOV DE Es una forma de analizar el movimiento actual de alguna variable, a fin de pronosticar un movimiento futuro de la misma.

CARACTERISTICA
Es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. Recuerdan el ltimo evento y esto condiciona las posibilidades de los eventos futuros permite encontrar la probabilidad de que un sistema se encuentre en un estado en particular en un momento dado contiene: DIAGRAMA DE ESTADOS MATRIZ DE TRANSICIN Es importante porque proporciona tanto una base terica del tipo de servicio que podemos esperar de un determinado recurso, como la forma en la cual dicho recurso puede ser diseado para proporcionar un determinado grado de servicio a sus clientes. Las colas se presentan con frecuencia cuando de solicita un servicio por parte de una serie de clientes y tanto el servicio como los clientes son de tipo probabilstico. caractersticas operacionales de la cola Poblacin de Clientes Proceso de llegada Proceso de colas Disciplina de colas Proceso de servicio Proceso de Salida Sistema de colas de un paso Red de colas

APLICACIONES
Los patrones de compra de los consumidores. Pronosticar las concesiones por deudores morosos. Para planear las necesidades de personal. Para analizar el remplazo de equipo.

TEORIA DE COLAS

Conocidas como lneas de espera, el fenmeno de las colas surge cuando unos recursos compartidos necesitan ser accedidos para dar servicio a un elevado nmero de trabajos o clientes.

Los cruces de dos vas de circulacin. Los semforos. El peaje de una autopista los cajeros la atencin a clientes en un establecimiento comercial. La avera de deben ser reparados por un servicio tcnico,

PROGRAMACION NL

Es el proceso de resolucin de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto de variables reales desconocidas, con una funcin objetivo a maximizar, cuando alguna de las restricciones o la funcin objetivo no son lineales.

No se dispone de un algoritmo que en los problemas de planeacin econmica resuelva todos los problemas especficos que se ajustan a este formato. En este caso se destaca el estudio de optimizacin en una variable sin restricciones de la forma: Optimizar z = f(x). programacin cuadrtica es un caso particular de programacin lineal. Mtodos: las condiciones de optimalizad de. Karush Kuhn Tucker (KKT) TCNICA DEL GRADIENTE MTODO DE NEWTON- RAPHSON

2. Resolver los siguientes problemas de aplicacin: a. Formule como una cadena de Markov el siguiente proceso. El fabricante de dentfrico AROMA controla actualmente 60% del mercado de una ciudad. (Estado inicial). Datos del ao anterior muestran que 80% de consumidores de AROMA continan usndola, mientras que 20% de los usuarios de AROMA cambiaron a otras marcas. Adems 75% de los usuarios de la competencia permanecieron leales a estas otras marcas, mientras que 25% 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).

Datos: Estado inicial AROMAS (estado 1) OTRAS MARCAS (estado 2) Matriz de transicin
S1 S2 S1 0.8 0.25 S2 0.2 0.75

0,6 AROMAS 0,8 0,25

0,4 OTRAS MARCAS 0,2 0,75

Vector Inicial:

Se calcula de la siguiente manera: ( ( ( ( ( [ ( ) )[ ) )[ ) )[ ] ] [ ( ( ) ) ( ( ) ] ) ] [ ( ( ) ) ( ( ) ] ) [ ] ] [ ( ( ) ) ( ( ) ] ) [ ]

En el ao tres la empresa AROMAS tendr el 56,2% de los consumidores y las OTRAS MARCAS el 43,6%, para comprender mejor su disminucin de consumidores se mostraran los resultados en la siguiente tabla: ESTADO Inicio Ao 1 Ao 2 Ao 3 % AROMA 60% 58% 56,9% 56,2% % OTRAS MARCAS 40% 42% 43,1% 43,6%

Calculando la probabilidad a largo plazo se tiene: ( ) ( )

Remplazando se tiene:

Para hallar el resultado se puede tomar la segunda ecuacin e igualarla a cero y luego por medio del mtodo de reduccin con la tercera ecuacin quedaras as:

A largo plazo la empresa AROMAS tendr el 55,5% de los consumidores y OTRAS MARCAS el 44,4% de los consumidores.

b. El departamento de comercializacin de la marca X hizo una investigacin y encontr que, si un cliente compra su marca, existe un 68% 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 25% del tiempo. Cul es el porcentaje de mercado que puede pronosticarse a la larga para la marca X.

Datos:
S1 0.68 0.25 S2 0.32 0.75

S1 S2

Calculando la probabilidad a largo plazo se tiene: ( ) ( )

Remplazando se tiene:

Para hallar el resultado se puede tomar la segunda ecuacin e igualarla a cero y luego por medio del mtodo de reduccin con la tercera ecuacin quedaras as:

A largo plazo la marca X tendr el 43,85% de los consumidores y OTRAS MARCAS el 56,14% de los consumidores.

c. Suponga un restaurant de comidas rpidas al cual llegan en promedio 90 clientes por hora, Se tiene capacidad para atender en promedio a 120 clientes por hora, Se sabe que los clientes esperan en promedio 2 minutos en la cola, Calcule las medidas de desempeo del sistema.

Promedio tasa de llegada = Promedio tasa de servicio = Como se hace el anlisis Probabilidad que el sistema este ocupado * 100 = 75% No esta tan cerca de 1 por cual tiene una buena probabilidad de atencin sin tanta espera Probabilidad ociosa o que no hayan cliente en el sistema * 100 =25% Significa que el 25 % de tiempo no hay cliente en el sistema no tendra q esperar Probabilidad que un hayan cliente tenga q esperar en el sistema * 100 =75% Significa que el 75 % de tiempo hay cliente en el sistema, sea tendra q esperar Numero de cliente promedio en la fila

El promedio de cliente a las espera es de 2 clientes antes de ser atendido El tiempo promedio de cola es de 2 min segn el planteamiento. Min se pasa horas Hrs Tiempo promedio espera en el sistema

Hrs

El promedio de un cliente desde que llega hasta que sale es de 0,086 hrs en min 5.16 min

d. Identifique diferencias entre la programacin lineal y la no lineal.

PROGRAMACION DEFINICION

PROGRAMACION LINEAL

PROGRAMACION NO LINEAL

ALGORITMO

METODOS

Todas sus restricciones Su funcin objetivo o alguna de sus y su funcin objetivos restricciones es no lineal (tiene un exponente son lineales (mximo diferente de). exponente 1). No dispone de un algoritmo general que Se dispone de un plantee una solucin. algoritmo general que planea una solucin. Sus mtodos de solucin: Sus mtodos de las condiciones de optimalizad de. solucin: Karush Kuhn Tucker (KKT) Mtodo grafico TCNICA DEL GRADIENTE Mtodo MTODO DE NEWTONalgebraico RAPHSON Mtodo simplex Mtodo dualidad

CONCLUSIONES Durante la realizacin del trabajo colaborativo numero 2, sobre teora de cadenas de Markov, teoras de colas o lneas de espera y la programacin lineal , se logra colocar en practica todos lo conocimientos adquirido en la unidad 2 del curso, y analizando de una manera mas interpretativa y eficaz de los resultados obtenidos a travs de estos mtodos de calculo, aplicando las conocimientos adquirido de teora de cadena de Markov, teora de colas y programacin no lineal.

BIBLIOGRAFA

VLADIMIR DE JESS VANEGAS ANGULO (2012); modulo mtodos determinsticos, universidad nacional abierta y a distancia Unad Camacho, Miguel A. Director Nacional (2010) ; Modulo de Planeacin y Control de Produccin Tercera Edicin, Universidad Nacional Abierta y a Distancia UNAD CESAR AUGUSTO FIGUEREDO GARZON(2008); ADMINISTRACION DE INVENTARIOS