Universidad Jos Mara Vargas

Facultad de Administracin Gerencia y Contadura

Ctedra: Estadstica y Probabilidades II

Proyecto Estadstica II

TOMA DE DECISIONES DETERMINISTICO Y PROBABILISTICOS

Autor:
Merle Rojas

Profesora:
LLendy Gil

Caracas, Septiembre 2016

INDICE

Pg.
Modelos Determinsticos y Probabilisticos...............................................................3
Modelo Bernoulli ...............4
Distribucin Binomial................5
Distribucin de Poisson......................5
Distribucin Hipergeomtrica........................6
Distribucin Geomtrica ...................7
Modelo Determinstico.......7
Objetivos10
Ejemplos10
Bibliografa

............................................................................................................13

Modelos Determinsticos y Probabilsticos

Los problemas de toma de decisiones se pueden clasificar en dos categoras:

modelos de decisin determinsticos y modelos de decisin probabilsticos. En los
modelos determinsticos, las buenas decisiones se basan en sus buenos resultados. Se
consigue lo deseado de manera "determinstica", es decir, libre de riesgo. Esto depende
de la influencia que puedan tener los factores no controlables, en la determinacin de
los resultados de una decisin y tambin en la cantidad de informacin que el tomador
de decisin tiene para controlar dichos factores. Como un ejemplo de la diferencia entre
los modelos probabilsticos versus determinsticos, considere el pasado y el futuro:
Nada que hagamos ahora puede cambiar el pasado, pero cualquier cosa que hacemos
influencia y cambia el futuro, a pesar de que el futuro tiene un elemento de
incertidumbre. Los gerentes se encuentran mucho ms cautivados por darle forma al
futuro que por la historia pasada.
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. Los modelos probabilsticos estn
ampliamente basados en aplicaciones estadsticas para la evaluacin de eventos
incontrolables (o factores), as como tambin la evaluacin del riesgo de sus decisiones.
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.
El Modelo probabilstico, es la forma que pueden tomar un conjunto de datos
obtenidos de muestreos de datos con comportamiento que se supone aleatorio.
El modelo probabilstico como modelo de recuperacin de independencia binaria
fue desarrollado por Robertson y Spark Jones. Este modelo afirma que pueden
caracterizarse los documentos de una coleccin mediante el uso de trminos de
indizacin. Obviamente existe un subconjunto ideal de documentos que contiene
nicamente los documentos relevantes a una necesidad de informacin para la cual se

realiza una ponderacin de los trminos que componen la consulta realizada por el
usuario. A continuacin el sistema calcula la semejanza entre cada documento de la
coleccin y la consulta y presentando los resultados ordenados por grado de
probabilidad de relevancia en la relacin a la consulta. Este modelo evita la
comparacin exacta (existencia o no de un trmino de la consulta en el documento) y
facilita al usuario realizar un proceso de retroalimentacin valorando la relevancia de
los documentos recuperados para que el sistema pueda calcular la probabilidad en
posteriores consultas de que los documentos recuperados sean o no relevantes en
funcin de los trminos utilizados en la consulta sean o no relevantes.
Modelo probabilstico, es la forma que pueden tomar un conjunto de datos
obtenidos de muestreos de datos con comportamiento que se supone aleatorio.

Los modelos probabilsticos ms tpicos son:

Distribucin Normal

Usada ampliamente en muestras mayores a 30 datos.

Distribucin Chi Cuadrado:

Usada en muestras pequeas.

Distribucin Exponencial:

Usada en duracin o donde interviene el paso del tiempo.

Distribucin F-Snedecor:

Usada para controlar la varianza de 2 distribuciones.

Modelo de Bernoulli

En teora de probabilidad y estadstica, la distribucin de Bernoulli (o

distribucin dicotmica), nombrada as por el matemtico y cientfico suizo Jakob
Bernoulli, es una distribucin de probabilidad discreta, que toma valor 1 para la
probabilidad de xito y valor 0 para la probabilidad de fracaso.
Si es una variable aleatoria que mide "nmero de xitos", y se realiza un nico
experimento con dos posibles resultados (xito o fracaso), se dice que la variable
aleatoria se distribuye como una Bernoulli de parmetro.
La frmula ser:

Su funcin de probabilidad viene definida por:

Distribucin Binomial
La distribucin de probabilidad binomial es uno de los modelos matemticos
(expresin matemtica para representar una variable) que se utiliza cuando la variable
aleatoria discreta es el nmero de xitos en una muestra compuesta por n observaciones.
Frmulas de la distribucin binomial
Ejemplo
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
Distribucin binomial: La distribucin binomial se suele representar por B(n, p).

n es el nmero de pruebas de que consta el experimento.

p es la probabilidad de xito.

La probabilidad de es 1 p, y la representamos por q.

Distribucin de Poisson

Se trata de un modelo discreto, pero en el que el conjunto de valores con

probabilidad no nula no es finito, sino numerable. Se dice que una variable aleatoria X
sigue la distribucin de Poisson si su funcin de densidad viene dada por:
Esta distribucin suele utilizarse para contajes del tipo nmero de individuos por
unidad de tiempo, de espacio, etc.
Caractersticas
En este tipo de experimentos los xitos buscados son expresados por unidad de rea,
tiempo, pieza.

nm. de defectos de una tela por m2

nm. de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.

nm. de bacterias por cm2 de cultivo

nm. de llamadas telefnicas a un conmutador por hora, minuto, etc.

nm. de llegadas de embarcaciones a un puerto por da, mes, etc.

Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea,
o producto, la frmula a utilizar sera:
Ejemplo.
Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques
sin fondos en cualquiera de dos das consecutivos?

Solucin
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un
da cualquiera = 0, 1, 2, 3, etc.
l = 6 cheques sin fondo por da
e = 2.718

Distribucin Hipergeomtrica
La distribucin hipergeomtrica es especialmente til en todos aquellos casos en
los que se extraigan muestras o se realizan experiencias repetidas sin devolucin del
elemento extrado o sin retornar a la situacin experimental inicial.
Ejemplo
Tenemos una baraja de cartas espaolas (N=40 naipes), de las cuales nos vamos
a interesar en el palo de oros (D=10 naipes de un mismo tipo). Supongamos que de esa
baraja extraemos n=8 cartas de una vez (sin reemplazamiento) y se nos plantea el
problema de calcular la probabilidad de que hayan k=2 oros (exactamente) en esa
extraccin.
En lugar de usar como dato D es posible que tengamos la proporcin existente,
p, entre el nmero total de oros y el nmero de cartas de la baraja

Distribucin Geomtrica
Es un modelo adecuado para aquellos procesos en los que se repiten pruebas
hasta la consecucin del xito a resultado deseado y tiene interesantes aplicaciones en
los muestreos realizados de esta manera. Tambin implica la existencia de una
dicotoma de posibles resultados y la independencia de las pruebas entre s. A dems
esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito
por primera y nica vez en el ltimo ensayo que se realiza del experimento, para obtener
la frmula de esta distribucin.

Modelo Determinstico
Estos modelos establecen que las condiciones en las cuales se realiza un
experimento determinan la ocurrencia de un resultado particular. Por ej., si observamos
el desplazamiento de un mvil cierta distancia (d), podemos utilizar como modelo

matemtico para describir la velocidad media desarrollada (v) la ecuacin v = d/t (con t
el tiempo transcurrido).
Este es un modelo determinstico, porque cada vez que se repita la experiencia
y se obtengan los mismos valores d y t, se producir el mismo valor de v. Obviamente,
este es un modelo simplificado en el que muchos factores no han sido tenidos en cuenta
(temperatura del aire, presin atmosfrica, etc.), sin embargo, las pequeas desviaciones
que se podran llegar a obtener no invalidan el modelo.
Son modelos cuya solucin para determinadas condiciones es nica y siempre la
misma.
Segn Jeffer (2002), los modelos determinsticos, son aquellos que a cada valor
de la variable independiente corresponde otro valor de la variable dependiente. Son
especialmente tiles en los sistemas que evolucionan con el tiempo, como son los
sistemas dinmicos. En ellos podemos conocer el estado del sistema transcurrido cierto
tiempo una vez que hemos dado valores a los distintos parmetros que aparecen en el
modelo"
Segn Crhirtofer (2007), "es un modelo matemtico donde las mismas entrada
producirn invariablemente las mismas salidas, no contemplndose la existencia del
azar ni el principio de incertidumbre. Est estrechamente relacionado con la creacin de
entornos simulados a travs de simuladores para el estudio de situaciones hipotticas, o
para crear sistemas de gestin que permitan disminuir la incertidumbre. La inclusin de
mayor complejidad en las relaciones con una cantidad mayor de variables y elementos
ajenos al modelo determinstico har posible que este se aproxime a un modelo
probabilstico o de enfoque estocstico.
Los modelos determinsticos son los que hacen predicciones definidas de
cantidades, dentro de cualquier distribucin de probabilidades; tambin se les puede
definir como aquellos que se aplican a problemas en los que hay un solo estado de la
naturaleza, y donde variables, limitaciones y alternativas son, despus de que se aceptan
los supuestos, conocidos, definibles, finitos y predecibles con confidencia estadstica.
Algunos modelos, herramientas o tcnicas determinsticas son: programacin lineal,
anlisis de Markov, costo/beneficio, entre otros (krone, 1980; Lpez, 2001). En otras
palabras, un modelo determinstico se construye para una condicin de certeza supuesta,

y el modelo asume que solo hay un resultado posible (el cual es conocido) para cada
accin o curso alternativo (Malczewski, 1999).
Los modelos determinsticos tienen las siguientes caractersticas:

Como la literatura del modelo estocstico se ha ganado la atencin en la

economa, los modelos determinsticos se han convertido en algo raro. Los
ejemplos incluyen los modelos OLG (Modelos de Generaciones Traslapadas) sin
incertidumbre agregada.

Estos modelos suelen ser introducidos para estudiar el impacto de un cambio en

el rgimen, como la introduccin de nuevo impuesto, por ejemplo.

Asume toda la informacin, hay suposicin perfecta y no hay incertidumbre en

torno a los choques.

Los choques pueden afectar a la economa de hoy o la de cualquier momento en

el futuro, dado el caso de previsin perfecta. Tambin puede durar uno o varios
perodos.

Muy a menudo, sin embargo, los modelos introducen un choque positivo hoy y
ningn choque a partir de entonces (con certeza).

La solucin no requiere de linealizacin, de hecho, ni siquiera realmente

necesita de un estado estacionario. En su lugar, se trata la simulacin numrica
para encontrar las rutas exactas de las variables endgenas de primer orden que
cumplan con las condiciones del modelo y la estructura del choque.

Este mtodo de solucin por lo tanto puede ser til cuando la economa est muy
lejos del estado estacionario.

Los modelos determinsticos son importantes por cinco razones:

1. Una asombrosa variedad de importantes problemas de administracin pueden
formularse como modelos determinsticos.
2. Muchas hojas de clculo electrnicas cuentan con la tecnologa necesaria para
optimizar modelos determinsticos, es decir, para encontrar decisiones ptimas. Cuando

10

se trata en particular de modelos PL grandes, el procedimiento puede realizarse con

mucha rapidez y fiabilidad.
3. El subproducto de las tcnicas de anlisis es una gran cantidad de informacin muy
til para la interpretacin de los resultados por la gerencia.
4. La optimizacin restringida, en particular, es un recurso extremadamente til para
reflexionar acerca de situaciones concretas, aunque no piense usted construir un modelo
y optimizarlo.
5. La prctica con modelos determinsticos le ayudara a desarrollar su habilidad para la
formulacin de modelos en general.

Objetivos
Comprender la asombrosa variedad de importantes problemas de administracin
con la formulacin de los modelos determinsticos, desarrollando las tcnicas necesarias
para optimizar dichos algoritmos que encuentres soluciones reales para la toma de
decisiones generando las estrategias necesarias para continuar procedimientos con
metodologas de desarrollos de mayor rapidez y fiabilidad en su resultado final.
Objetivos Especficos
Comprender los elementos tericos que sustentan los mtodos determinsticos.
Identificar y utilizar los mtodos determinsticos para la solucin de problemas.
Distinguir y manejar los conceptos tericos de redes y aplicarlos para la planeacin y
control de proyectos usando el computador.
Evaluar y aplicar las operaciones de acuerdo al campo de accin especfico en el que se
desenvuelve el futuro profesional.

Ejemplos de Modelos Determinsticos de Inventario

11

Un proveedor le ofrece la siguiente tabla de descuento para la adquisicin de su

principal producto, cuya demanda anual usted ha estimado en 5.000 unidades. El costo
de emitir una orden de pedido es de $49 y adicionalmente se ha estimado que el costo
anual de almacenar una unidad en inventario es un 20% del costo de adquisicin del
producto. Cul es la cantidad de la orden que minimiza el costo total del inventario?.

Tamao del Lote (Unidades)

Descuento (%)

Valor del Producto ($/Unidad)

0 a 999

0%

1.000 a 1999

4%

4,8

2.000 o ms

5%

4,75

Para dar respuesta a esta situacin se propone seguir los siguientes pasos:
Paso 1: Determinar el tamao ptimo de pedido (Q*) para cada nivel o quiebre de
precios.
Paso 2: Ajustar la cantidad a pedir en cada quiebre de precio en caso de ser necesario.
En nuestro ejemplo para el tramo 1 Q (1)=700 unidades est en el intervalo por tanto se
mantiene; para el tramo 2 Q (2)=714 est por debajo de la cota inferior del intervalo, por
tanto se aproxima a esta cota quedando Q (2)=1.000; finalmente en el tramo 3 Q
(3)=718 que tambin est por debajo de la cota inferior del intervalo, por tanto se
aproxima a esta cota quedando Q (3)=2.000
Paso 3: Calcular el costo asociado a cada una de las cantidades determinadas
(utilizando la frmula de costo total presentada anteriormente)
Costo Tramo 1 = C (700)=$25.700
Costo Tramo 2 = C (1.000)=$24.725
Costo Tramo 3 = C (2.000)=$24.822
Se concluye que el tamao ptimo de pedido que minimiza los costos totales es 1.000
unidades, con un costo total anual de $24.725.

12

Ejercicio 2:
Una compaa se abastece actualmente de cierto producto solicitando una cantidad
suficiente para satisfacer la demanda de un mes. La demanda anual del artculo es de
1500 unidades. Se estima que cada vez que hace un pedido se incurre en un costo de
$20. el costo de almacenamiento por inventario unitario por mes es de $2 y no se admite
escasez.
a. Determinar la cantidad de pedido optima y el tiempo entre pedidos
b. Determinar la diferencia de costos de inventarios anuales entre la poltica optima
y la poltica actual, de solicitar un abastecimiento de un mes 12 veces al ao.

Solucin:
r = 1500 unidades/ao
C3 =$20
C1 =$2 unidad/mes = $24 unidad/ao

T=Q*/r = 50/1500 = 1/30 ao x 360 das/ao = 12 das

Poltica Actual se le agota cada mes o sea 1/12 ao
1/12=Q*/1500 Q*=125 (poltica actual)
Poltica ptima
Q*= 50
Diferencia de $540 por lo tanto se ahora ms cuando existe la poltica ptima.

13

Bibliografa
Pg Web Visitadas:
http://mate1294.blogspot.com/2012/06/analisis-de-modelos-probabilisticos.html
Modelos Probabilsticos.
http://investigacionoperativa-solruiz.blogspot.com/p/blog-page_21.html
Modelos Determinstico.
http://modelo-determinisco.webnode.com.ve/news/modelo-deterministico/
Modelos Determinstico