Professional Documents
Culture Documents
MODELACIN Y SIMULACIN
82
1
( 2)
30
=
12 8
20
A continuacin se calcula la funcin de densidad:
1
( 2) ; 2 8
30
( ) = 1 (12 ) ; 8 12
20
{
0
Pgina 1
PEP 2
MODELACIN Y SIMULACIN
Posteriormente se integra dentro de los lmites definidos para determinar la funcin distribucin:
1
1 2
1 2
22
( 2) =
(2 8) = () =
( 2) | =
( 2 + 2 2)
30
30 2
2
2 30 2
=2
=2
1 2
=
( 4 + 4)
60
8
=2
=8
=2
2
1
1
( 2) +
(12 )
(8 12) = ( ) + ( ) =
30
20
=
1 2
( 4 + 4) |
60
8
+
=8
3 1
2
82
(12 ) | = + (12 (12 8 ))
20
2 8 5 20
2
2
2
3 1
2
3 1
1
= + ( + 12 64) = ( 2 24 + 64) = ( 2 24 + 104)
5 20
2
5 40
40
Por lo tanto la funcin de distribucin estar dada por:
0
;
<2
1 2
( 4 + 4)
; 28
60
( ) =
1
( 2 24 + 104) ; 8 12
40
{
> 12
/ 60
60
2 4 + 4 = 60 / ( )2
( 2)2 = 60 /
2 = 60 /+2
= 2 60
En seguida, como x est definida para valores mayores de 2, se tiene = 2 + 60
1
( ) =
( 2 24 + 104) = / 40
40
2 24 + 104 = 40 / +40
2 24 + 144 = 40 40
( 12)2 = 40 40
= 12 40 40
A continuacin, como x est definido para valores menores a 12, se tiene = 12 40 40
Alejandro Gonzlez Tapia Ingeniera Civil en Minas
Pgina 2
PEP 2
MODELACIN Y SIMULACIN
32
1
( 2)
2
= ( 6)
63
6
A continuacin se calcula la funcin de densidad:
Pgina 3
PEP 2
MODELACIN Y SIMULACIN
1
( 2) ; 2 3
2
1
(6 ) ; 3 6
6
( ) =
{
Posteriormente se integra dentro de los lmites definidos para determinar la funcin distribucin:
1
1 2
1 2
22
(
)
(
)
)
2 3 = = ( 2 = ( 2) | = ( 2 + 2 2)
2
2 2
2
2 2 2
=2
=2
1
= ( 2 4 + 4)
4
3
=2
=3
1
1
(3 6) = ( ) + ( ) = ( 2) + (6 )
2
6
1
= ( 2 4 + 4) |
4
=2
=3
1 1
2
32
+ (6 ) | = + (6 (6 3 ))
6
2 3 4 6
2
2
2
1 1
2
27
1 1
1
= + ( + 6 ) = ( 2 12 + 27) = ( 2 12 + 24)
4 6
2
2
4 12
12
Por lo tanto la funcin de distribucin estar dada por:
0
;
<2
1 2
( 4 + 4)
; 23
4
(
)
=
1
( 2 12 + 24) ; 3 6
12
{
>6
/4
4
2 4 + 4 = 4 / ( )2
( 2)2 = 4 /
2 = 2 /+2
= 2 2
En seguida, como x est definida para valores mayores de 2, se tiene = 2 + 2
Pgina 4
PEP 2
MODELACIN Y SIMULACIN
( ) =
1 2
( 12 + 24) = / 12
12
2 12 + 24 = 12 / +12
2 12 + 36 = 12 12
( 6)2 = 12 12
= 6 24(3 3)
= 6 23 3
Posteriormente como x se encuentra para valores menores a 6, se tiene: = 6 23 3
Finalmente el generador de proceso se encuentra dado por:
2 + 2
0 0.25
0.25 1.0
6 23 3
3.- Una empresa desea simular la llegada de camiones a mantencin esta se comporta
como distribucin exponencial con media = , emplee la siguiente secuencia de
nmeros seudo aleatorios.
0,4257 0,4146 0,8353 0,9952 0.8004
Determine el nmero de camiones que llegaron a mantencin.
Solucin: Lo primero ser definir la funcin de densidad para la distribucin exponencial con
media = 0,2, lo cual se encuentra dado por:
0.2
0
( ) = {0.2
0
Posteriormente se integra dentro de los lmites definidos para determinar la funcin distribucin:
0.2 0.2
| = 0.2 + 0 = 1 0.2
( 0) = ( ) = 0.2 0.2 =
0.2
0
=0
=0
Por lo tanto la funcin de distribucin estar dada por:
0.2
0
( ) = {1
0
Pgina 5
PEP 2
MODELACIN Y SIMULACIN
( ) =
1 0.2 = / 1
1 + 0.2 = / +1
0.2 = 1 / ln( )
0.2 = ln(1 ) / 5
= 5 ln(1 )
0.4257
0.4146
0.8353
0.9952
0.8004
1
0.5743
0.5854
0.1647
0.0048
0.1996
(1 )
0.5546
0.5355
1.8036
5.3391
1.6114
Suma
5 (1 )
2.77
2.68
9.02
26.70
8.06
49.22
d)
a) Solucin: Es posible observar el cambio de cada familia como una cadena de Markov, siendo
el estado la zona donde se cambia por ltima vez. Por lo que el cambio de cada familia puede
representarse como una cadena de Markov de tres estados, donde:
-
Pgina 6
PEP 2
MODELACIN Y SIMULACIN
Si se define como la zona que se cambia la familia chilena en su n-esimo cambio futuro, donde
0 corresponde al cambio actual, en consecuencia 0 , 1 , , se podra describir como la
cadena de Markov con la matriz de transicin que se expone a continuacin.
Para la construccin de dicha matriz es necesario definir los estados en esta, como se muestra
a continuacin:
= (
)
Es relevante detallar que la Cadena de Markov relaciona el estado del siguiente periodo con el
estado actual, donde el primero se encuentra definido en las columnas de la matriz y el segundo
en las filas de esta misma.
Posteriormente se dispone a completar la matriz de transicin a partir de la informacin otorgada
por el ejercicio:
Debido a que ...el 15% de las familias urbanas se cambian a la zona suburbana, se tiene que
el estado inicial es que la familia sea de la zona urbana y el estado del periodo siguiente ser la
zona suburbana. En seguida se procede a disponer el porcentaje en proporcin en la interseccin
que se a continuacin:
= (
0.06
0.04
Realizado el paso anterior, se completar la matriz de transicin, de tal forma que la suma de
cada fila de dicha matriz se obtenga como resultado 1, quedando la matriz de transicin de la
siguiente manera:
0.80
0.05
0.15
= ( 0.04
0.90
0.06 )
0.06
0.04
0.90
b) Solucin: Dada la cadena de Markov, se tiene que es la matriz de probabilidad de que la
cadena pase del estado al en pasos, para cualquier valor de ( = 2,3, ).
Pgina 7
PEP 2
MODELACIN Y SIMULACIN
Debido a que la interrogante que se plantea en el ejercicio es despus de dos aos, el nmero
de pasos ser dos, es decir la matriz quedar dada por:
0.80
= ( 0.04
0.06
2
0.05
0.90
0.04
0.15
0.80
0.06 ) ( 0.04
0.90
0.06
0.05
0.90
0.04
0.15
0.6510
0.06 ) = ( 0.0716
0.90
0.1036
0.0910
0.8144
0.0750
0.2580
0.1140 )
0.8214
En conclusin, despus de dos aos la familia urbana posee un 65.10% de probabilidad de vivir
en el rea urbana, 9.10% en el rea rural y 25.80% en el rea suburbana.
c) Solucin: Posteriormente se sabe que la probabilidad para el m-esimo estado se encuentra
dado por:
() = () (+)
Donde () corresponden al vector con las probabilidades iniciales, y (+) a la probabilidad que
alcanza en el paso m.
Luego se procede a determinar () , el que es obtenido a partir del enunciado:
()
(
0.40
=
0.25
0.35 )
Cabe destacar que en el paso anterior se debe mantener el orden utilizado en la matriz de
transicin.
Finalmente se dispone a determinar la probabilidad
segundo ao (m = 2), quedando:
0.6510
0.0910
(2) = (0.40 0.25 0.35) ( 0.0716
0.8144
0.1036
0.0750
En conclusin el 31.46% de las familias chilenas vivirn en la zona urbana al cabo de dos aos.
d) Solucin: Debido a que consultan por la distribucin a largo plazo, se proceder a determinar
el vector de distribucin de estado estable o distribucin de equilibrio, para la cadena de Markov,
la cual se representa por la letra y se encuentra dada por:
=
Luego se procede a reemplazar los valores en forma matricial
0.80
0.05
0.15
(1 2 3 ) = (1 2 3 ) ( 0.04
0.90
0.06 )
0.06
0.04
0.90
Lo que expresado en ecuaciones lineales se tiene:
1 = 0.801 + 0.042 + 0.063
Pgina 8
PEP 2
MODELACIN Y SIMULACIN
= 1
=1
30
50 %
3
50
a)
Pgina 9
PEP 2
MODELACIN Y SIMULACIN
b)
a) Solucin: Es posible observar las ventas de cada supermercado como una cadena de Markov
con el estado del supermercado que vendi el ltimo ao, por lo que las ventas anuales pueden
representarse como una cadena de Markov de tres estados:
-
0.20
0.20
= 1
2 ( 0.50
)
0.20
3
0.30
0.20
Realizado el paso anterior, se completar la matriz de tal forma que la suma de cada fila de esta
se obtenga como resultado 1, por lo tanto la matriz de transicin se define de la siguiente manera:
0.60
0.20
0.20
= ( 0.50
0.30
0.20 )
0.30
0.20
0.50
b) Solucin: Dada la cadena de Markov, se tiene que es la matriz de probabilidad de que la
cadena pase del estado al en pasos, para cualquier valor de ( = 2,3, ).
Debido a que la interrogante que se plantea en el ejercicio es despus de dos aos, el nmero
de pasos ser dos, es decir la matriz quedar dada por:
0.60
2 = ( 0.50
0.30
0.20
0.30
0.20
0.20
0.60
0.20 ) ( 0.50
0.50
0.30
0.20
0.30
0.20
0.20
0.52
0.20 ) = ( 0.51
0.50
0.43
0.22
0.23
0.22
0.26
0.26 )
0.35
Posteriormente se sabe que la probabilidad para el m-esimo estado se encuentra dado por:
() = () (+)
Donde () corresponden al vector con las probabilidades iniciales, y (+) a la probabilidad que
alcanza en el paso m.
Pgina 10
PEP 2
MODELACIN Y SIMULACIN
()
1
2
3
(
= 0.40 0.35 0.25)
Cabe destacar que en el paso anterior se debe mantener el orden utilizado en la matriz de
transicin.
Finalmente se dispone a determinar la probabilidad de venta de cada supermercado en el
segundo ao (m = 2), quedando:
0.52
0.22
0.26
(2) = (0.40 0.35 0.25) ( 0.51
0.23
0.26 ) = (0.4940 0.2235 0.2825)
0.43
0.22
0.35
Esta matriz arroja la proporcin de ventas que tendr en dos aos el supermercado 1, 2 y 3
respectivamente, por lo tanto el porcentaje de ventas que tendr el supermercado 1 ser 49.90%.
6.- Suponga que toda la industria de bebidas de cola produce solo dos, Dado que una
persona la ltima vez compro cola 1, hay un 90 % de probabilidades de que su siguiente
compra sea cola 1, dado que la ltima compra de una persona fue cola 2, hay un 80 % de
probabilidades de que su siguiente compra sea cola 2.
a) Si una persona es comprador de cola 2 cul es el porcentaje que compre cola 1 dos
veces a partir de ahora?
b) Si una persona es comprador de cola 1, cul es la probabilidad de que compre cola 1
tres ocasiones a partir de ahora?
c) Suponga que cada cliente realiza una compra de refresco de cola durante cualquier
semana (52 semanas = 1 ao). Suponga que hay 100 millones de clientes que
consumen refresco cola, a la compaa le cuesta 1 dlar producir un refresco de cola
y lo vende en 2 dlares. Por US$ 500 millones al ao una empresa publicitaria garantiza
disminuir de 10 a 5 % la fraccin de clientes de cola 1 que se cambian a cola 2 despus
de una compra. debe la compaa que fabrica cola 1 contratar la empresa publicitaria?
a) Solucin: Se aprecia las compras de cada persona como una cadena de Markov con el estado
del tipo de cola que compr la persona en la ltima vez. Es por esto que las compras de cada
individuo pueden representarse como una cadena de Markov de dos estados:
-
Pgina 11
PEP 2
MODELACIN Y SIMULACIN
1 2
0.10
1 ( 0.90
)
=
0.20
0.80
2
Luego como se solicita que la persona que actualmente compra cola 2 adquiera dos veces la
cola 1, se deber analizar el paso dos, es decir la matriz de transicin al cuadrado:
0.90
0.10
0.90
0.10
0.83
0.17
2 = (
)(
)=(
)
0.20
0.80
0.20
0.80
0.34
0.66
En seguida se analiza el significado de cada uno de los valores obtenidos dentro de la matriz, lo
cual se detalla a continuacin:
- La probabilidad que un bebedor de cola 1 en el futuro compre dos veces cola 1 es 0.83
- La probabilidad que un bebedor de cola 1 en el futuro compre dos veces cola 2 es 0.34
- La probabilidad que un bebedor de cola 2 en el futuro compre dos veces cola 1 es 0.17
- La probabilidad que un bebedor de cola 2 en el futuro compre dos veces cola 2 es 0.66
En conclusin el porcentaje que el bebedor de cola 2 compre dos veces cola 1 a partir de ahora
es del 17%
b) Solucin: La resolucin de este tem es de forma anloga al tem anterior, pero esta vez
presenta un paso igual a 3 debido a que la persona opta por la bebida en tres ocasiones,
quedando:
0.90
0.10
0.83
0.17
0.781
0.220
3 = 3 (
)(
)=(
)
0.20
0.80
0.34
0.66
0.438
0.560
Por lo tanto la persona que compra cola 1 presenta un probabilidad del 0.781 de comprar en tres
ocasiones el mismo tipo de cola.
c) Solucin: Ya que la matriz de transicin se determin en el primer tem, se procede a
determinar el vector de distribucin de estado estable o distribucin de equilibrio, para la cadena
de Markov, la cual se representa por la letra y se encuentra dada por:
=
Luego se procede a reemplazar los valores en forma matricial
0.90
0.10
(1 2 ) = (1 2 ) (
)
0.20
0.80
Lo que expresado en ecuaciones lineales se tiene:
1 = 0.901 + 0.202
2 = 0.101 + 0.802
Es relevante destacar que las ecuaciones definidas anteriormente son equivalentes, por lo que
se utilizar solo una de ellas. Luego se agrega la ecuacin con la condicin:
Pgina 12
PEP 2
MODELACIN Y SIMULACIN
= 1
=1
Como las dos ecuaciones satisfacen la solucin trivial, se descarta una ecuacin (cualquiera de
Pgina 13
PEP 2
MODELACIN Y SIMULACIN
= 1
=1
Por lo tanto, la compaa que produce cola 1 debera contratar a la agencia de publicidad, ya que
presenta una utilidad mayor que al no contratarla.
7.- Los consumidores de caf en el rea de Pontevedra usan tres marcas A, B, C.
En marzo de 2010 se hizo una encuesta en lo que entrevist a las 8450 personas
que compran caf y los resultados fueron:
Compra actual
Marca A = 1690
Marca B = 3380
Marca C = 3380
TOTALES
a)
b)
c)
TOTALES
1690
3380
3380
8450
Si las compras se hacen mensualmente, cul ser la distribucin del mercado de caf
en Pontevedra en el mes de junio?
A la larga, cmo se distribuirn los clientes de caf?
En junio, cul es el porcentaje de clientes leales a sus marcas de caf?
a) Solucin: Lo primero que se realizar determinar la matriz de transicin, la cual estar dada
por la cantidad determinada de cafs comprados sobre el total de cafs comprados, lo que se
muestra a continuacin:
Pgina 14
PEP 2
MODELACIN Y SIMULACIN
507/1690
= ( 676/3380
845/3380
845/1690
2028/3380
845/3380
338/1690
0.30
676/3380 ) = ( 0.20
1690/3380
0.25
0.50
0.60
0.25
0.20
0.20 )
0.50
Dada la cadena de Markov, se tiene que es la matriz de probabilidad de que la cadena pase
del estado al en pasos, para cualquier valor de ( = 2,3, ).
Debido a que la informacin entregada corresponde a las compras realizadas en el mes de marzo
de 2010, y se consulta sobre la distribucin del mercado de caf en Pontevedra en el mes de
junio, el nmero de pasos ser cuatro (marzo, abril, mayo, junio). En consecuencia se deber
determinar 4 :
0.30
2 = = ( 0.20
0.25
0.24
4 = 2 2 = ( 0.23
0.25
0.50
0.60
0.25
0.50
0.51
0.40
0.20
0.30
0.20 ) ( 0.20
0.50
0.25
0.26
0.24
)
(
0.26
0.23
0.35
0.25
0.50
0.60
0.25
0.50
0.51
0.40
0.20
0.24
0.20 ) = ( 0.23
0.50
0.25
0.26
0.2376
)
(
=
0.2375
0.26
0.2395
0.35
0.50
0.51
0.40
0.26
0.26 )
0.35
0.4790 0.2834
0.4791 0.2834)
0.4690 0.2915
En seguida se analiza el significado de cada uno de los valores obtenidos dentro de la matriz, lo
cual se detalla a continuacin:
Pgina 15
PEP 2
MODELACIN Y SIMULACIN
( 1
2
3) = ( 1
2
3 ) ( 0.20
0.60
0.25
0.25
Lo que expresado en ecuaciones lineales se tiene:
1 = 0.301 + 0.202 + 0.253
2 = 0.501 + 0.602 + 0.253
3 = 0.201 + 0.202 + 0.503
0.20
0.20 )
0.50
Como las tres ecuaciones satisfacen la solucin trivial, se descarta una ecuacin (cualquiera de
las tres). Luego se agrega la ecuacin con la condicin:
= 1
=1
2028
= 0.24
8450
3718
= 0.44
8450
2704
= 0.32
8450
0.20
0.20 ) = (0.240 0.464 0.296)
0.50
Pgina 16
PEP 2
MODELACIN Y SIMULACIN
0.30
0.20
0.40
0.33
0.34
0.30
0.60
0.10
)
(
0.60
0.20
0.40
0.20
0.48
0.19
0.48 ) ( 0.18
0.52
0.18
0.30
0.20
0.40
0.33
0.34
0.30
0.60
0.19
)
(
=
0.60
0.18
0.40
0.18
0.48
0.1819
0.48 ) = (0.1818
0.52
0.1818
0.33
0.34
0.30
0.48
0.48 )
0.52
0.3189 0.4992
0.3190 0.4992)
0.3174 0.5008
En conclusin la probabilidad que hoy el viajante este en C y tenga que trabajar en el mismo
lugar al cabo de cuatro das es 0.5008 o 50.08%
b) Solucin: Ya que la matriz de transicin se determin en el primer tem, se procede a
determinar el vector de distribucin de estado estable o distribucin de equilibrio, para la cadena
de Markov, la cual se representa por la letra y se encuentra dada por:
=
Pgina 17
PEP 2
MODELACIN Y SIMULACIN
( 1
2
3) = ( 1
2
3 ) ( 0.20
0.20
0.20
0.40
Lo que expresado en ecuaciones lineales se tiene:
1 = 0.101 + 0.202 + 0.203
2 = 0.301 + 0.202 + 0.403
3 = 0.601 + 0.602 + 0.403
0.60
0.60 )
0.40
Como las tres ecuaciones satisfacen la solucin trivial, se descarta una ecuacin (cualquiera de
las tres). Luego se agrega la ecuacin con la condicin:
= 1
=1
Pgina 18
PEP 2
MODELACIN Y SIMULACIN
1
1
0.90
=
2 ( 0.85
3
0.50
2
0.10
0.05
0.10
3
0.00
0.10 )
0.40
0.10
0.05
0.10
0.00
0.90
0.10 ) ( 0.85
0.40
0.50
0.10
0.05
0.10
0.00
0.8950
0.10 ) = ( 0.8575
0.40
0.7350
0.0950
0.0975
0.0950
0.0100
0.0450 )
0.1700
Posteriormente se sabe que la probabilidad para el m-esimo estado se encuentra dado por:
() = () (+)
Donde () corresponden al vector con las probabilidades iniciales, y (+) a la probabilidad que
alcanza en el paso m.
Luego se procede a determinar () , el que es obtenido a partir del enunciado:
()
1
2
3
= (0.250 0.333 0.417)
Cabe destacar que en el paso anterior se debe mantener el orden utilizado en la matriz de
transicin.
Finalmente se dispone a determinar la probabilidad de clientes de cada supermercado al cabo
de los dos meses (m = 2), quedando:
0.8950
0.0950
0.0100
(2) = (0.250 0.333 0.417) ( 0.8575
0.0975
0.0450 ) = (0.8158 0.0958 0.0883)
0.7350
0.0950
0.1700
Esta matriz arroja la proporcin de clientes que tendr el 1 de noviembre el supermercado 1, 2 y
3 respectivamente, por lo tanto el porcentaje de clientes que tendr el supermercado 1 es
81.58%, el supermercado 2 es 9.58% y el supermercado 3 es 8.83%,
c) Solucin: Se procede a determinar el vector de distribucin de estado estable o distribucin
de equilibrio, para la cadena de Markov, la cual se representa por la letra y se encuentra dada
por:
=
Pgina 19
PEP 2
MODELACIN Y SIMULACIN
( 1
2
3) = ( 1
2
3 ) ( 0.85
0.05
0.50
0.10
Lo que expresado en ecuaciones lineales se tiene:
1 = 0.901 + 0.852 + 0.503
2 = 0.101 + 0.052 + 0.103
3 = 0.001 + 0.102 + 0.403
0.00
0.10 )
0.40
Como las tres ecuaciones satisfacen la solucin trivial, se descarta una ecuacin (cualquiera de
las tres). Luego se agrega la ecuacin con la condicin:
= 1
=1
Pgina 20
PEP 2
MODELACIN Y SIMULACIN
del valor que se vende dicha accin la ltima vez. Es por esto que las ventas de cada accin
pueden representarse como una cadena de Markov de dos estados:
()
10 $ 20 $
(
)
0.50
0.50
=
Cabe destacar que en el paso anterior se debe mantener el orden utilizado en la matriz de
transicin.
En seguida se dispone a determinar la probabilidad de cada accin, quedando:
0.80 0.20
(1) = (0.50 0.50) (
) = (0.45 0.55)
0.10 0.90
PEP 2
MODELACIN Y SIMULACIN
Como las dos ecuaciones satisfacen la solucin trivial, se descarta una ecuacin (cualquiera de
las dos). Luego se agrega la ecuacin con la condicin:
= 1
=1
( ) = ()
=0
Donde corresponde al valor de costo, prdida o ganancia (dependiendo del contexto del
ejercicio), y al vector de distribucin de estado estable o distribucin de equilibrio.
Reemplazando, se tiene:
( ) = 0.3333 10 $ + 0.6667 20 $ = 16.667 $
En conclusin, las acciones 1 presentan la probabilidad del 45% de ser vendidas a 10 US$ y un
55% de ser vendidas a 20 US$, adems se venden a un valor esperado de 16.667 US$
De forma anloga se determina la matriz de transicin para las acciones 2
10 $ 25 $
0.90
0.10
10 $
(
)
=
0.15
0.85
25 $
La distribucin inicial de las acciones considerando una distribucin homognea ser:
10 $ 25 $
()
(
)
0.50
0.50
=
En seguida se dispone a determinar la probabilidad de cada accin, quedando:
0.90 0.10
(1) = (0.50 0.50) (
) = (0.52 0.48)
0.15 0.85
A continuacin se determina el vector de distribucin de estado estable, la que se encuentra
dada por:
0.90 0.10
(1 2 ) = (1 2 ) (
)
0.15 0.85
Pgina 22
PEP 2
MODELACIN Y SIMULACIN
= 1
=1
Pgina 23
PEP 2
MODELACIN Y SIMULACIN
0.85
0.10
0.05
=
( 0.63
0.07
0.30 )
1.00
0.00
0.00
Luego se procede a determinar el vector de distribucin de estado estable o distribucin de
equilibrio, para la cadena de Markov, la cual se representa por la letra y se encuentra dada por:
=
Luego se procede a reemplazar los valores en forma matricial
0.85
0.10
(
( 1
2
3) = ( 1
2
3)
0.63
0.07
1.00
0.00
Lo que expresado en ecuaciones lineales se tiene:
1 = 0.851 + 0.632 + 1.003
2 = 0.101 + 0.072 + 0.003
3 = 0.051 + 0.302 + 0.003
0.05
0.30 )
0.00
Como las tres ecuaciones satisfacen la solucin trivial, se descarta una ecuacin (cualquiera de
las tres). Luego se agrega la ecuacin con la condicin:
=1 = 1
En conclusin el sistema de ecuaciones a resolver estar dado por:
1 = 0.851 + 0.632 + 1.003
2 = 0.011 + 0.072
1 + 2 + 3 = 1
Ordenando las variables se tiene:
0.151 0.632 1.003 = 0
0.011 + 0.932 = 0
1 + 2 + 3 = 1
Al resolverlo se obtiene la siguiente solucin:
1 = 0.8665 ;
2 = 0.0093 ;
3 = 0.1241
Esta solucin representa que despus de un largo tiempo, hay 86.65% que el automvil sea
bueno, un 0.93% que el automvil sea regular y un 12.41% que el automvil sea malo,
En seguida lo que se debe realizar es estimar el gasto que se deber hacer por ao en el caso
que el automvil sea bueno o regular
Pgina 24
PEP 2
MODELACIN Y SIMULACIN
Ao 1:
Bueno: Costo Adquisicin + Costo Anual de Operacin = 6000 US$ + 1000 US$ = 7000US$
Regular: Costo Adquisicin + Costo Anual de Operacin = 2000 US$ + 1500 US$ = 3500US$
Ao 2:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 7000 US$ + 1000 US$ = 8000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 3500 US$ + 1500 US$ = 5000US$
Ao 3:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 8000 US$ + 1000 US$ = 9000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 5000 US$ + 1500 US$ = 6500US$
Ao 4:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 9000 US$ + 1000 US$ = 10000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 6500 US$ + 1500 US$ = 8000US$
Ao 5:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 10000 US$ + 1000 US$ = 11000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 8000 US$ + 1500 US$ = 9500US$
Ao 6:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 11000 US$ + 1000 US$ = 12000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 9500 US$ + 1500 US$ = 1100US$
Ao 7:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 12000 US$ + 1000 US$ = 13000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 11000 US$ + 1500US$ = 12500US$
Ao 8:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 13000 US$ + 1000 US$ = 14000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 12500 US$ + 1500US$ = 14000US$
Ao 9:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 14000 US$ + 1000 US$ = 15000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 14000 US$ + 1500US$ = 15500US$
Ao 10:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 15000 US$ + 1000 US$ = 16000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 15500 US$ + 1500US$ = 17000US$
Ao 11:
Bueno: Costo Ao Anterior + Costo Anual de Operacin = 16000 US$ + 1000 US$ = 17000US$
Regular: Costo Ao Anterior + Costo Anual de Operacin = 17000 US$ + 1500US$ = 18500US$
Pgina 25
PEP 2
MODELACIN Y SIMULACIN
Demanda
36
48
60
72
84
96
Alta
0.05
0.10
0.25
0.30
0.20
0.10
Baja
0.15
0.25
0.35
0.15
0.05
0.05
Determinar el nmero ptimo de empanadas por hornear diariamente para maximizar las
ganancias, utilizando nmeros aleatorios entre 00 y 99 para 15 das utilizando los
siguientes valores.
Nmeros aleatorios para el tipo de demanda
1
69
6
10
11
23
2
30
7
92
12
93
3
66
8
82
13
42
4
55
9
04
14
16
5
80
10
31
15
29
1
2
3
4
5
Solucin: Lo primero que se deber estudiar es la probabilidad de cada demanda diaria, es decir
alta, normal y baja, adems de la probabilidad acumulada de cada uno de estas clasificaciones,
como se muestra a continuacin:
Pgina 26
PEP 2
MODELACIN Y SIMULACIN
Tipo de demanda
Alta
Normal
Baja
Probabilidad
0.30
0.45
0.25
Distribucin acumulada
0.30
0.75
1.00
Luego, como se est trabajando con nmeros aleatorios entre 00 y 99, se determinarn los
nmeros correspondientes a cada intervalo. Esto ltimo se realiza observando la distribucin
acumulada, por lo tanto los intervalos de nmeros aleatorios quedarn dados por:
Tabla 1: Nmero Aleatorio de Tipos de Demanda
Tipo de demanda
Alta
Normal
Baja
Probabilidad
0.30
0.45
0.25
Distribucin acumulada
0.30
0.75
1.00
Intervalos de N Aleatorios
00 29
30 74
75 - 99
Demanda
36
48
60
72
84
96
Alta
0.05
0.10
0.25
0.30
0.20
0.10
Probabilidades
Normal
0.10
0.20
0.30
0.25
0.10
0.05
Baja
0.15
0.25
0.35
0.15
0.05
0.05
Alta
0.05
0.15
0.40
0.70
0.90
1.00
Distribucin acumulada
Normal
0.1
0.3
0.6
0.85
0.95
1.00
Baja
0.15
0.4
0.75
0.90
0.95
1.00
Demanda
36
48
60
72
84
96
Distribucin acumulada
Alta
Alta
Alta
0.05
0.05
0.05
0.15
0.15
0.15
0.40
0.40
0.40
0.70
0.70
0.70
0.90
0.90
0.90
1.00
1.00
1.00
Distribucin acumulada
Alta
Normal
Baja
00 04
00 09
00 14
05 14
10 29
15 39
15 39
30 59
40 74
40 69
60 84
75 89
70 89
85 94
90 94
90 99
95 99
95 99
A partir de los nmeros aleatorios para la el tipo de demanda y la tabla 1 es posible determinar
el tipo de demanda correspondiente. Luego determinado el tipo de demanda y conociendo los
nmeros aleatorios para la demanda, se obtiene la demanda observando la tabla 2, obteniendo
Pgina 27
PEP 2
MODELACIN Y SIMULACIN
Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Tipo de Demanda
Normal
Normal
Normal
Normal
Baja
Alta
Baja
Baja
Alta
Normal
Alta
Baja
Normal
Alta
Alta
N aleatorio
para la demanda
56
32
79
24
35
98
88
17
86
13
44
13
51
17
62
Demanda
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
Da
Demanda
Ingreso
Costo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
14400.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
9000.0
Ingreso de
Salvamento
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Ganancia
5400
5400
5400
5400
5400
5400
5400
5400
5400
5400
5400
5400
5400
5400
5400
81000
Pgina 28
PEP 2
MODELACIN Y SIMULACIN
Da
Demanda
Ingreso
Costo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
19200.0
19200.0
19200.0
19200.0
19200.0
19200.0
19200.0
19200.0
19200.0
19200.0
19200.0
14400.0
19200.0
19200.0
19200.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
12000.0
Ingreso de
Salvamento
0
0
0
0
0
0
0
0
0
0
0
1200
0
0
0
Ganancia
7200.0
7200.0
7200.0
7200.0
7200.0
7200.0
7200.0
7200.0
7200.0
7200.0
7200.0
3600.0
7200.0
7200.0
7200.0
104400.0
Da
Demanda
Ingreso
Costo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
24000.0
24000.0
24000.0
19200.0
19200.0
24000.0
24000.0
19200.0
24000.0
19200.0
24000.0
14400.0
24000.0
24000.0
24000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
15000.0
Pgina 29
Ingreso de
Salvamento
0
0
0
1200
1200
0
0
1200
0
1200
0
2400
0
0
0
Ganancia
9000.0
9000.0
9000.0
5400.0
5400.0
9000.0
9000.0
5400.0
9000.0
5400.0
9000.0
1800.0
9000.0
9000.0
9000.0
113400.0
PEP 2
MODELACIN Y SIMULACIN
Da
Demanda
Ingreso
Costo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
24000.0
24000.0
28800.0
19200.0
19200.0
28800.0
28800.0
19200.0
28800.0
19200.0
28800.0
14400.0
24000.0
24000.0
28800.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
18000.0
Ingreso de
Salvamento
1200
1200
0
2400
2400
0
0
2400
0
2400
0
3600
1200
1200
0
Ganancia
Ingreso de
Salvamento
2400
2400
1200
3600
3600
0
1200
3600
0
3600
1200
4800
2400
2400
1200
Ganancia
7200.0
7200.0
10800.0
3600.0
3600.0
10800.0
10800.0
3600.0
10800.0
3600.0
10800.0
0.0
7200.0
7200.0
10800.0
108000.0
Da
Demanda
Ingreso
Costo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
24000.0
24000.0
28800.0
19200.0
19200.0
33600.0
28800.0
19200.0
33600.0
19200.0
28800.0
14400.0
24000.0
24000.0
28800.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
21000.0
5400.0
5400.0
9000.0
1800.0
1800.0
12600.0
9000.0
1800.0
12600.0
1800.0
9000.0
-1800.0
5400.0
5400.0
9000.0
88200.0
Pgina 30
PEP 2
MODELACIN Y SIMULACIN
Da
Demanda
Ingreso
Costo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
60
60
72
48
48
96
72
48
84
48
72
36
60
60
72
24000.0
24000.0
28800.0
19200.0
19200.0
38400.0
28800.0
19200.0
33600.0
19200.0
28800.0
14400.0
24000.0
24000.0
28800.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
24000.0
Ingreso de
Salvamento
3600
3600
2400
4800
4800
0
2400
4800
1200
4800
2400
6000
3600
3600
2400
Ganancia
3600.0
3600.0
7200.0
0.0
0.0
14400.0
7200.0
0.0
10800.0
0.0
7200.0
-3600.0
3600.0
3600.0
7200.0
64800.0
Finalmente se dispone a realizar la ganancia de por 15 das para cada demanda estudiada,
adems de la ganancia por da
Demanda
36
48
60
72
84
96
Ganancia por da
5400
6960
7560
7200
5880
4320
En conclusin el nmero ptimo de empanadas por hornear diariamente para maximizar las
ganancias corresponde a 60 empanadas.
Pgina 31