El documento presenta un resumen de los métodos probabilísticos aplicados a diferentes estrategias como proyección, compra, decisión, participación, servicio y optimización. Describe los modelos probabilísticos mínimos cuadrados, exponencial, binomial, de revisión continua, de inventario sin déficit e incremento absoluto. También presenta cadenas de Markov, distribución estacionaria, tiempo de espera, tiempo entre servicio y tiempo de salida.

1. PASO 1
DESARROLLAR Y PRESENTAR EL RECONOCIMIENTO DE LOS MÉTODOS
PROBABILÍSTICOS
PRESENTADO POR:
ANGELICA MARIA PEÑA AMADO CODIGO: 44191392
TUTOR
DARWIN WILLIAM BARROS
GRUPO: 104561_68
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
METODOS PROBABILISTICOS
SEPTIEMBRE DE 2018

2. RECONOCMIENTO DE ACTORES:

5. RECONOCIMIENTO DE LOS MODELOS PROBABILISTICOS

6. RECONOCIMIENTO DEL ESTUDIO DE CASO

7. Tabla de Reconocimiento del estudio de caso
N
o.
Estrateg
ia
propues
ta en el
estudio
de caso
Modelos
probabilísti
cos (a
aplicar para
desarrollar la
estrategia)
Justificación
(Cita textual)
Referencia documental
en norma APA (consulte
aquí)
1
Proyecci
ón
1. METODO
MINIMO
CUADRADO
El método de mínimos cuadrados
proporciona una forma de encontrar la
mejor estimación, suponiendo que los
errores (es decir, las diferencias con
respecto al valor verdadero) sean
aleatorias e imparciales. Este método
se utiliza comúnmente para analizar una
serie de datos que se obtengan de algún
estudio, con el fin de expresar su
comportamiento de manera lineal y así
minimizar los errores de la data tomada.
Mi profe.com. MÍNIMOS
CUADRADOS (2018).
Tomado de:
https://miprofe.com/minimo
s-cuadrados/
2.
DISTRIBUCI
ON
EXPONENCIA
L
El uso de la distribución exponencial
supone que los tiempos de servicio son
aleatorios; es decir, que un tiempo de
servicio determinado no depende de otro
servicio realizado anteriormente, ni de la
posible cola que pueda estar
formándose. Esta distribución se utiliza
mucho para describir el tiempo entre
eventos; más específicamente, la
variable aleatoria que representa el
tiempo necesario para servir a la
llegada.
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.
3. MODELO
BINOMIAL
La distribución binomial es una
distribución de probabilidad discreta que
indica el número de éxitos al realizar
una secuencia de n ensayos
independientes entre sí, con una
probabilidad fija (p) de ocurrencia del
éxito entre esos ensayos.
Una variable discreta es aquella que solo
puede tomar un número finito de valores
entre dos valores cualesquiera de una
característica.
La función de probabilidad de la
distribución binomial, también
denominada función de la distribución de
Bernoulli
Profesor en línea.
Distribución binomial de
probabilidades (2018).
Tomado de:
http://www.profesorenlinea.c
l/matematica/Distribucion_bi
nomial.html
2 Compra
1. SISTEMA
DE REVISION
CONTINUA
También suele denominarse sistema Q,
sistema de punto de reorden o sistema
de cantidad de pedido fija. En este tipo
de sistema de control de inventario,
cada vez que realizamos el retiro de un
artículo, se realiza el control del
inventario restante, en otras palabras se
revisa el nivel del inventario resultante
teniendo en cuenta que:
Sistema de revisión continua
de inventarios: Definición,
métodos y ejemplos(2018).
Tomado de:
https://ingenioempresa.com/
sistema-de-revision-
continua/

8. Si el inventario resultante está por
debajo de determinado nivel, se coloca
un nuevo orden.
Si el inventario resultante no está por
debajo del nivel, sigue consumiéndose.
Dicho esto, revisamos el inventario de
forma constante por no tener certeza de
la demanda o del tiempo de entrega, o
tenerlos variables que es lo mismo. Esto
en esencia es lo que significa un
escenario probabilístico.
2. MODELO
DE
INVENTARIO
SIN DEFICIT
Para mantener la cantidad óptima de
pedido las empresas emplean este tipo
de modelo ya que la base principal es
mantener el inventario sin falta de
productos para desarrollar las
actividades.
En este modelo no se permite la falta de
productos para la venta
Aprendizaje, S. -S. (s.f.).
PRONÓSTICO DE VENTAS.
Obtenido de PRONÓSTICO
DE VENTAS:
https://senaintro.blackboard.
com/bbcswebdav/institution/
semillas/121518_1_VIRTUAL
/OAAPs/OAPP8/aa2/pronostic
o_de_ventas/oc.pdf
8_1_VIRTUAL/OAAPs/OAPP8
/aa2/pronostico_de_ventas/o
c.pdf
3. MÉTODO
DE
INCREMENTO
ABSOLUTO
Para conocer y proyectar las ventas para
los siguientes 12 meses se utiliza este
método ya que este calcula los
incrementos en valores absolutos y
determina un promedio que se agrega al
último dato para obtener el pronóstico.
Esta técnica es utilizada en la mayoría
de las empresas para poder determinar
la demanda futura de los productos, de
tal forma que les permita planificar y
controlar la producción.
Aprendizaje, S. -S. (s.f.).
PRONÓSTICO DE VENTAS.
Obtenido de PRONÓSTICO
DE VENTAS:
https://senaintro.blackboard.
com/bbcswebdav/institution/
semillas/121518_1_VIRTUAL
/OAAPs/OAPP8/aa2/pronostic
o_de_ventas/oc.pdf
8_1_VIRTUAL/OAAPs/OAPP8
/aa2/pronostico_de_ventas/o
c.pdf
3 Decisión
1. MODELO
DE
CANTIDAD
ECONÓMICA
DE PEDIDOS
Este modelo parte de una serie de
supuestos fuertes, los cuales se van
suavizando a medida que se avanza en
la teoría; sin embargo, sus aplicaciones
y utilidad son importantes y los
desarrollos que ha permitido, lo hacen
un punto de referencia obligado en
todos los campos en donde se hable de
inventarios.
Amaya, Amaya, Jairo. Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.),
Ecoe Ediciones, 2009.
ProQuest Ebook Central,
http://ebookcentral.proquest
.com/lib/unadsp/detail.action
?docID=3193559.
Created from unadsp on
2018-09-04 20:42:55.
2. ARBOL DE
DECISIONES
Y DIAGRAMA
DE
INFLUENCIA
Todos los árboles de decisión son
parecidos en su estructura y tienen los
mismos componentes. Siempre se
requieren los siguientes cuatro
componentes:
Alternativas en cada punto de decisión.
Eventos que pueden ocurrir como
resultado de cada alternativa de
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.

9. decisión. Probabilidades de que ocurran
eventos como resultado de las
decisiones. Resultados -casi siempre
expresados en términos económicos de
las posibles interacciones entre las
alternativas de decisión y los eventos.
Estos componentes se organizan
mediante la estructura de un diagrama
de árbol que ilustra las interacciones
posibles entre las decisiones y los
eventos.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.
3. TOMA DE
DECISIONES
BAJO
RIESGO
Esta categoría incluye aquellas
decisiones para las que las
consecuencias de una acción dada
dependen de algún evento probabilista.
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.
4
Particip
ación
1.
PROBABILID
ADES DE
TRANSICIÓN
Las probabilidades de transición
dependen no sólo de los estados sino
también del instante en el cual se
efectúa la transición. Cuando estas
probabilidades son independientes del
tiempo (o sea, de n) decimos que la
cadena tiene probabilidades de
transición estacionarias u homogéneas
en el tiempo.
Cadenas de Markov – cimat
(2018). Tomado de:
https://www.cimat.mx/~jort
ega/MaterialDidactico/modes
toI11/CMarkov1v1.pdf
2.
DISTRIBUCI
ON
ESTACIONAR
IA
Una Distribución Límite (estacionaria) de
una Cadena de Markov en tiempo
discreto consiste en una distribución de
estado estable para los estados de una
cadena que es independiente de la
distribución inicial. En este contexto
existen ecuaciones que permiten
encontrar estas probabilidades de largo
plazo en la medida que el proceso
markoviano en tiempo discreto sea una
cadena irreducible con estados
recurrentes positivos aperiódicos.
Distribución Límite de una
Cadena de Markov en
Tiempo Discreto por GEO
Tutoriales el 10/10/2013 en
Cadenas de Markov. Tomado
de:
https://www.gestiondeopera
ciones.net/cadenas-de-
markov/distribucion-limite-
de-una-cadena-de-markov-
en-tiempo-discreto/
3. CADENAS
DE MARKOV
Este método es esencial para mantener
los niveles de reabastecimiento porque
recuerdan el último evento y esto
condiciona las posibilidades de los
eventos futuros.
Y con esta información las empresas
pueden predecir el comportamiento de
un producto oh servicio a través del
tiempo.
Waner, S. (Abril de 2010).
Sistemas markov. Obtenido
de sistemas markov:
https://www.zweigmedia.co
m/MundoReal/Summary6b.h
tml
5 Servicio
1. TIEMPO
DE ESPERA
Este método es ideal para proporcionar
tanto una base teórica del tipo de
Ltda., W. (2010). Modelo de
línea de espera y

10. servicio que podemos esperar de un
determinado recurso, como la forma en
la cual dicho recurso puede ser diseñado
para proporcionar un determinado grado
de servicio a sus clientes.
programación lineal.
Obtenido de Modelo de línea
de espera y programación
lineal:
https://www.gestiopolis.com
/modelo-de-linea-de-espera-
y-programacion-lineal/
2. TIEMPO
ENTRE
SERVICIO
En muchos casos se puede tener
situaciones en donde existe más de un
servidor en el sistema. A medida que
van llegando los clientes, los servidores
se van ocupando y cada vez que uno de
ellos acaba su servicio, el primero de la
cola lo vuelve a ocupar. En este tipo de
modelos la tasa de llegada siempre tiene
que ser inferior a la tasa agregada de
servicio, que no es más que la tasa de
servicio individual multiplicada por el
número de canales.
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.
3. TIEMPO
DE SALIDA
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.
6
Optimiz
ación
1. PRUEBA
DE BONDAD
La bondad de ajuste de un modelo
estadístico describe lo bien que se ajusta
un conjunto de observaciones. Las
medidas de bondad en general resumen
la discrepancia entre los valores
observados y los que valores esperados
en el modelo de estudio.
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.
2. CHI
CUADRADO
3.
INTERVALO
DE POISSON
Esta distribución es muy frecuente en
los problemas relacionados con la
investigación operativa, sobre todo en el
área de la gestión de colas. pueden ser
descritos por una variable aleatoria
discreta que tiene valores no negativos
enteros
Amaya, A. J. (2009). Toma
de decisiones gerenciales:
métodos cuantitativos para
la administración (2a. Ed.)
(pp. 47-57), Bogotá, CO:
Ecoe Ediciones. Recuperado
de
http://bibliotecavirtual.unad.
edu.co:2077/lib/unadsp/read
er.action?docID=10467109&
ppg=9.

12. BIBLIOGRAFIA
 Rojas, L. M. D., Guisao, G. E. Y., & Cano, A. J. A. (2011). Logística integral:
una propuesta práctica para su negocio (pp. 47-54), Bogotá, CO: Ediciones
de la U. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10
560153&ppg=4
 Álvarez, O. F. (2011). Soluciones logísticas (pp. 83-89), Barcelona, ES:
Marge Books. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10
957927&ppg=84.
 Mariscal, B. W. (2009). Proceso de toma de decisiones gerenciales (pp.
4-23), Córdoba, AR: El Cid Editor | apuntes. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10316258&ppg=3.