Hugo Jimenez Miguel Galicia Manuel Wiechers. Introducción No solo considera el edo. del proceso en el instante t El costo puede depender de más variables.

Slides:



Advertisements
Presentaciones similares
LICENCIATURA EN SISTEMAS COMPUTACIONALES EN ADMINISTRACION
Advertisements

Introducción Las cadenas de markov son modelos probabilísticos que se usan para predecir la evolución y el comportamiento a corto y a largo plazo de determinados.
Administración de Inventarios Demanda Incierta
Colas con Servidores en Paralelo
REVISIÓN PROBABILIDAD
Estadística I. Finanzas Y Contabilidad
Procesos estocásticos 1
Las distribuciones binomial y normal.
Gestion Financiera Modelo de inventarios
Toma de decisiones bajo condiciones de riesgo
Tema 7: Mercados en Competencia Perfecta
1.Introducción a la Estadística 2.Descripción de los conjuntos de datos 3.Uso de la Estadística para sintetizar conjuntos de datos 4.Probabilidad 5.Variables.
Distribuciones de probabilidad bidimensionales o conjuntas
Tema 5: Teoría de colas Ezequiel López Rubio
Estadística Administrativa I
8. Distribuciones continuas
Distribución Hipergeométrica Cetina López Wendy
Modelo M | M | 1 Teoria de Colas.
Variables Aleatorias Continuas
Función Sucesión PARA UN BUEN INICIO
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
INSTITUTO TECNOLÒGICO UNIDAD IV CADENAS DE MARKOV
Binomial Poisson Hipergeométrico Modelos Discretos
UNIDAD IV MODELOS PROBABILISTICOS
LÍMITES.
Ingeniería en Ciencias Económicas y Financieras
Ingeniería Matemática
Ingeniería en Ciencias Económicas y Financieras. Considere el caso de un vendedor que debe decidir cuántos diarios ordenar cada día a la planta de periódicos.
Ingeniería en Ciencias Económicas y Financieras
La minimización de los costes
Procesos Estocásticos
Introducción a las Señales Aleatorias ISAL
La ley de los grandes números
Variables Aleatorias ETSITGC Madrid. Variables Aleatorias ETSITGC Madrid Índice.
Caracterización de Variables Aleatorias
Caracterización de Variables Aleatorias
II.2 DISTRIBUCIONES CONTINUAS DISTRIBUCIÓN UNIFORME O RECTANGULAR
Clouds by Chance: Improving Atmosphere Models with Random Numbers
La transformada de Laplace
DISTRIBUCION BINOMIAL
Variables Aleatoria Continua
Funciones de Probabilidad Discretas
Índice Estadística Aplicada Unidad II: Probabilidades
Distribuciones de Probabilidad
Entonces se puede definir:
Derivación de Contraejemplos para Model Checking Cuantitativo
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
PROBABILIDAD Y ESTADISTICA
Cadenas de Markov de Tiempo Discreto
Variables Aleatorias Unidimensionales
Distribución Poisson.
Primas: Costos. Prima Una prima es simplemente el precio de una cobertura de seguro (pero no expresamos por unidad – normalmente) Esto implica que los.
Consignas Laboratorio III. ► Ejercicio 1 ► Al tirar un dado se obtiene la realización de una variable aleatoria discreta independiente con valores posibles:
COSTOS PREDETERMINADOS
Econometría Procesos Estocásticos Capitulo IV
Cadenas De Markov.
Procesos de Nacimiento y Muerte
2.1 DEFINICIONES CARACTERÍSTICAS Y SUPOSICIONES.
1.Introducción a la Estadística 2.Descripción de los conjuntos de datos 3.Uso de la Estadística para sintetizar conjuntos de datos 4.Probabilidad 5.Variables.
Variable aleatoria discreta
Alicia De Gyves López Licenciatura Tecnologías de la Información y Comunicación 3º. Cuatrimestre Estadística Descriptiva Distribuciones de Probabilidad.
Tema 3: El azar también se distribuye Una distribución: la binomial Imagen de Freddy The Boy bajo licencia Creative CommonsFreddy The Boy.
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
Clase N°1 Modelos de simulación discreta
Planificación y Control de la Producción
Tema 4: Variables aleatorias discretas La distribución binomial
Laboratorio de Estadística administrativa Distribución Poisson Distribución exponencial Febrero de 2007.
TEMA : DISTRIBUCIONES DE PROBABILIDADES
Distribución exponencial
Transcripción de la presentación:

Hugo Jimenez Miguel Galicia Manuel Wiechers

Introducción No solo considera el edo. del proceso en el instante t El costo puede depender de más variables aleatorias, además de t C(Xo:Xt-1, Dt) El costo promedio esperado (a largo plazo) por unidad de tiempo es: Dt, Dt+1, Dt+2, …V.A.I.&Iden.Dist X0, X1, X2,…, Xt-1, Dt VAI. Costo Promedio Real (a largo plazo) por unidad de tiempo:

Distribución de Poisson Variable aleatoria discreta: y =0,1,2…; Distribución de probabilidad para un numero Y de eventos poco comunes, que se presentan en el espacio, TIEMPO, o volumen donde es el valor promedio de y.

Costo promedio esperado para funciones de costo complejas k(j) es el valor esperado respecto a la distribución de probabilidad de demanda dado el estado.

Debe de cumplirse los siguientes requisitos: [X t ] es una cadena de markov irreducible cuyos estados son recurrentes positivos. Asociada a esta cadena se tiene una sucesión de variables aleatorias {D t }, cada una de las cuales es independiente e idénticamente distribuida. Para m fija {m=0,1,2,3,…, se incurre en un costo C(X p, D t+m ) en el tiempo t, para t=0,1,2 La sucesión {X 0, X 1, X 2, X t } debe ser independiente de D t+m

Ejemplo Se tiene la siguiente probabilidad de demanda y de existencias de una tienda que vende televisiones. El dueño decide ordenar 4 televisiones el momento que en sus existencias no hay ninguna, el costo de ordenar es de ( X), X es el numero de televisores ordenados. Además, por cada venta perdida, se tiene un costo de 40 por unidad. Con lo que los costos dados el estado anterior y la demanda están dados por: C(X t-1, D t ) = ( (5)) + 40máx {(D t – 5),0} para X (t-1) = 0 40máx {(D t – X (t-1) ),0}, para X (t-1) > 0

Desarrollo del Ejemplo Ahora para t= 1, 2, 3, …. Se calcula la k(j) k(0)= E[C(0,Dt)] = ( 1*P(5) ) = 93 k(1)= E[C(1,Dt)] = 40(4*P(5)+3*P(4)+2*P(3)+P(2))= 138 k(2)= E[C(2,Dt)] = 40(3*P(5)+2*P(4)+P(3)) = 54 k(3)= E[C(3,Dt)] = 40(2*P(5)+P(4)) = 24 k(4)= E[C(4,Dt)] = 40(P(5)) = 8 Costo de inventario promedio esperado: = 93(.14)+138(.2)+54(.19)+24(.12)+8(.35)= 56.6 Es el costo asociado a la política de inventario del dueño.

Introducción No solo considera el edo. del proceso en el instante t Variables aleatorias e idénticamente distribuidas