Definicin: Contenido:

Aplicados asi:

modelos




Tcnica usada:





Su su contiene
Su






METOS PROBABILISTICOS
Son una serie de teoras las cuales
permiten dar soluciones muy precisas a
problemas cotidianos, solo basta con
conocer los parmetros que se desea
emplear para el modelo que se ha
seleccionado, con el uso de los
diferentes modelos podemos obtener
muy buenos resultados a una situacin
dada.
UNIDAD 1: Tcnica de
pronostico - Teora de
inventario
Capitulo 1: Tcnica de
pronstico: Toma de
decisiones para cambios
futuros a nivel de una
variable deseada en
funcin del tiempo.

Regresin Lineal: Permite
predecir el
comportamiento de una
variable Y (dependiente)
en funcin a una o mas
variable X (independiente)
B (pendiente de la recta).
Ecuacin: Y= a + Bx
Modelo promedio Movil:
Un promedio mvil
muestra la direccin y la
duracin de una tendencia
Ecuacin: Yt= b+et
Suavizacin Exponencial
de serie de tiempo usa un
promedio ponderado
pasados como pronostico
Ecuacin Ft+1= Dt + (1-)Ft
equivalente:
Ft+1= Ft + (Dt-Ft)
Error del pronstico: es la
diferencia entre el valor real y
el pronosticado del perodo.
Existen tres mediciones de
funcionamiento para evaluar un
modelo de pronstico.

RMSE: Error medio
cuadrado : Es el
promedio de las
diferencias al cuadrado,
entre el pronostico y los
valores observado


MAE: Error medio absoluto : se
calcula al sumar los
valores absolutos de los
errores individuales del
pronostico, y dividindolos
entre el numero de periodos
de informacin.



MAPE: Error medio
porcentual : Es la media
absoluta entre el
pronostico y los valores
observados expresado
como porcentaje de los
valores observados.


Capitulo 2: Teora de Inventario : se
aplican en relacin con los
requerimientos del negocio en el cual
van a ser empleados y se convierten
en una base para la toma de
decisiones por los gerentes

E.O.Q. : modelo matemtico usado como la
base para la administracin de inventarios en el
que la demanda y el tiempo lder son
determinsticos


EOQ con descuento: Se asume que
el costo de adquisicin (Cp) disminuye en
la medida que aumenta el tamao de lote


LOTE DE PRODUCCIN Y EL SISTEMA DE CLASIFICACIN
ABC: una empresa manufacturera va produciendo
paulatinamente y a travs del tiempo va vendiendo los
artculos que le son demandados, El sistema de
clasificacin ABC nos ayuda a clasificar los inventarios en
tres categoras: Muy importantes, medianamente
importantes, poco o nada importantes.
Modelos Estocsticos: es aquel cuyo comportamiento es
no determinista, en la medida que el subsiguiente estado
del sistema est determinado tanto por las acciones
predecibles del proceso como por elementos aleatorios




Aplicados as


Casos de programacin




Descripcin de la cadena
Mantiene unas disciplinas





Debe especificar
Ecuacion
M



Formulas Calcular rendimiento


UNIDAD 2: Cadena de
Markov Teora de cola-
Programacin No Lineal
METOS PROBABILISTICOS
Capitulo 3: Cadena de Markov:
encontrar el promedio a la larga o
las probabilidades de estado
estable para cada estado. Con esta
informacin se puede predecir el
comportamiento del sistema a
travs del tiempo.
Ecuacion: P(Xt+1 = i \ X t = j )

Probabilidades de transicin:
Diagrama de estado, Matriz
de Transicin
Probabilidades de estado estable:
Cuando una cadena de Markov ha
llegado suficientemente lejos como
para estar cerca de estos lmites, se
dice que ha alcanzado un estado
estable
x1,x2].P = [ x1,x2]
Capitulo 4: Teora de Colas: estudio
matemtico del comportamiento de lneas de
espera, cuando los "clientes" llegan a un
"lugar" demandando un servicio a un
"servidor", el cual tiene una cierta capacidad
de atencin. Si el servidor no est disponible
inmediatamente y el cliente decide esperar,
entonces se forma la lnea de espera
Disciplina FIFO: el primero en llegar primero
en ser servido.
Disciplina de LIFO: ltimo en llegar, primero
en ser servido.
Disciplina SEOA: servicio en orden aleatorio
El sistema de la cola: debe especificar la
distribucin de probabilidad de los tiempos de
servicio para cada servidor. La distribucin
ms usada es la exponencial, o determinstica
(tiempos de servicio constantes)
Probabilidad que el sistema
este ocioso. Po = 1-p
Probabilidad de que hayan
clientes en el sistema
Pn = pn *po
Nmero Promedio en Filas Lq
= 2 / (-)
Nmero Promedio en el
Sistema: L = (-)
Tiempo Promedio en la Cola:
Wq = / (-)
tiempo Promedio en el
Sistema: Wq = 1 (-)
Capitulo 5:Progamacion Lineal: Cuando el
conjunto de restricciones, la funcin objetivo,
o ambos, son no lineales, se dice que se trata
de un problema de programacin no lneal.

PROGRAMACIN CUADRTICA: Un
programa Matemtico en el cual cada
restriccin gi es lineal pero el objetivo es
cuadrtico f(x1,x2,..,xn) = S i=1,nS j=1,n cijxixj
+ S i=1,ndixi


MULTIPLICADORES DE LAGRANGE -CONDICIONES
KUNH TUCKER: Se pueden utilizar los
multiplicadores de Lagrange para resolver los
problemas no lineales en los cuales las restricciones
son igualdades.
TCNICA DEL GRADIENTE La idea general es generar
puntos sucesivos comenzando en un punto inicial dado,
en la direccin del aumento ms rpido maximizacin
de la funcin
MTODO DE NEWTON- RAPHSON un procedimiento
iterativo para resolver ecuaciones simultneas no
lineales. Aunque el mtodo se presenta en este
contexto, realmente es parte de los mtodos
conocidos como mtodos de gradiente para
optimizar numricamente funciones no restringida,
irrestrictas