El documento presenta un diagnóstico final de un estudio de caso que evalúa tres estrategias propuestas utilizando modelos probabilísticos. La primera estrategia de participación se modela con una cadena de Markov para pronosticar el comportamiento futuro de variables. La segunda estrategia de servicio se modela con una línea de espera para un solo servidor para analizar la espera de personas en una línea. La tercera estrategia de optimización se modela con programación estocástica para representar problemas del mundo real con funciones no lineales.

1. DIAGNÓSTICO FINAL DEL ESTUDIO DE CASO
JUAN CARLOS GIRALDO CIRO
Métodos Probabilísticos
Grupo: 104561_101
Tutora:
ANGELA MARIA OSPINA
Universidad Nacional Abierta y a Distancia - UNAD
Ingeniería de Sistemas
Medellín 2018

3. Tabla Diagnóstico final del estudio de caso
No.
Estrategia
propuesta en el
estudio de caso
Modelo
probabilístico
Justificación
(Cita textual)
Referencia documental
en norma APA
1 Participación
Cadena de Márkov Para Amaro Taibo. (2009)
Por medio de estas cadenas se pronostica el comportamiento futuro de
ciertas variables.Este pronóstico se hace mediante el análisis de los
cambios que han sufrido dichas variables en el presente. Por lo tanto,
esta técnica forma parte de la programación dinámica.
Las cadenas de Márkov se aplican en gran número de situaciones, como
son: los cambios de preferencia que en el mercado tienen diferentes
productos.La posible decisión sobre hacer o no una inversión en cierta
oportunidad, etc., y el estado presente y los estados futuros se
representan por medio de matrices. (p.71)
Taibo, A. Investigación de operaciones para los no
matemáticos (pp. 71-77), México, D.F., MX: Instituto
Politécnico Nacional, 2009.Accessed November
27, 2016.Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/r
eader.action?docID=10504970&ppg=8.
2 Servicio
Línea de espera o
teoría de colas:
Línea de espera
para un solo
servidor.
Para Charles Gallagher y Hugh Watson (1982).
Este modelo puede aplicarse a persona esperando en una línea para
comprar boletas cine, a mecánicos que esperan obtener herramientas de
un expendio o a trabajos de computadora que esperan tiempo de
procesador. Es uno de los modelos más antiguos,más sencillos ymás
comunes de la teoría de colas. Se analizarán las suposiciones
necesarias para este modelo.Para este modelo se considera que el
tamaño de la cola es infinito y que las llegadas entran al sistema
completamente aleatorias.(p.469)
Gallagher, C., & Watson, H. (1982). Métodos
cuantitativos para la toma de decisiones en
administración (pp. 331-351), México, D.F., MX:
McGraw-Hill Interamericana. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/r
eader.action?docID=10479349&ppg=8.
3 Optimización
Programación no
lineal:
Programación
estocástica.
Para Concepción Maroto Álvarez y Javier Alcaraz Soria (2011)
La programación no lineal surge cuando la función objetivo y/o algunas
restricciones de un modelo matemático son no lineales. Modelos de este
tipo aparecen al representar problemas reales procedentes de los más
diversos contextos,desde el análisis financiero a problemas de mezclas
en procesos químicos.
La característica más importante de los modelos de programación no
lineal es que no se conoce ningún método que podamos decir sea "el
mejor" para resolver cualquier tipo de problema no lineal. Se han
desarrollado gran cantidad de algoritmos que permiten resolver tipos
particulares de problemas no lineales, pero no hay ninguno análogo al
simplexpara la programación no lineal,en el sentido de que es un
algoritmo extraordinariamente eficiente y permite resolver cualquier tipo
de problema que se formule como un programa lineal.(p.231-234)
Maroto, Á. C., & Alcaraz, S. J. (2011). Introducción
a la investigación operativa en administración y
dirección de empresas (pp. 229-239), Valencia,ES:
Editorial de la Universidad Politécnica de Valencia.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/r
eader.action?docID=10637751&ppg=5.