Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Modelos Estoca
Javiera Alejandra Silva Arroyo
18 de marzo de 2016
Clase 1
Universidad Andres Bello
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
1 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
SGLMS
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
SGLMS
Comunicaci
on: http://www.unabvirtual.cl/
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
SGLMS
Comunicaci
on: http://www.unabvirtual.cl/
Correo de contacto: javiera.silva@usm.cl
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
SGLMS
Comunicaci
on: http://www.unabvirtual.cl/
Correo de contacto: javiera.silva@usm.cl
Celular:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
SGLMS
Comunicaci
on: http://www.unabvirtual.cl/
Correo de contacto: javiera.silva@usm.cl
Celular: NO
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion Personal
Profesora: Javiera Alejandra Silva Arroyo
Ingeniera Civil Industrial (UTFSM)
Magister en Ciencias de la Ingeniera Industrial (UTFSM)
I
Menci
on en Finanzas cuantitativas
Ingeniera Econ
omica
Evaluaci
on de Proyectos Generales
SGLMS
Comunicaci
on: http://www.unabvirtual.cl/
Correo de contacto: javiera.silva@usm.cl
Celular: NO (...y no quieren saber que pasara si llegan a llamar...)
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
2 / 36
Presentacion de la Asignatura
1. Identificaci
on de la asignatura
Curso
Codigo
Tipo
Prerrequisito
:
:
:
:
Facultad de Ingeniera
Modelos Estocasticos
ICI2212
Te
orico-Practico
Investigaci
on de Operaciones [IND-2209]
Universidad Andr
es Bello
18 de marzo de 2016
3 / 36
Presentacion de la Asignatura
1. Identificaci
on de la asignatura
Curso
Codigo
Tipo
Prerrequisito
:
:
:
:
Modelos Estocasticos
ICI2212
Te
orico-Practico
Investigaci
on de Operaciones [IND-2209]
2. Descripci
on de la asignatura
Analizar los sistemas de gesti
on y operaci
on que presenten componentes probabilsticas o aleatorias, as como con presencia de elementos de incertidumbre y utilizando metodologas de modelaci
on para la resoluci
on de problemas en ambientes
complejos.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
3 / 36
Presentacion de la Asignatura
3. Aprendizajes Esperados
Al finalizar la asignatura, el estudiante desarrollara aprendizajes que le permitiran:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
4 / 36
Presentacion de la Asignatura
3. Aprendizajes Esperados
Al finalizar la asignatura, el estudiante desarrollara aprendizajes que le permitiran:
1
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
4 / 36
Presentacion de la Asignatura
3. Aprendizajes Esperados
Al finalizar la asignatura, el estudiante desarrollara aprendizajes que le permitiran:
1
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
4 / 36
Presentacion de la Asignatura
3. Aprendizajes Esperados
Al finalizar la asignatura, el estudiante desarrollara aprendizajes que le permitiran:
1
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
4 / 36
Contenidos de la Asignatura I
Unidad 1: Introducci
on a los Procesos Estoc
asticos
Definici
on de incertidumbre
Ejemplos de sistemas con incertidumbre
Definici
on y caractersticas basicas de Procesos Estocasticos
Enfoques de modelaci
on (modelos analticos y simulacion)
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
5 / 36
Contenidos de la Asignatura II
Unidad 3: Proceso de Poisson
Definici
on y propiedades del proceso
Ejemplos de proceso de Poisson
Distribuci
on de probabilidades del proceso
Distribuci
on de los tiempos entre eventos
Distribuci
on condicional de los tiempos entre llegadas.
Descomposici
on del proceso de Poisson y proceso de Poisson compuesto.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
6 / 36
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
7 / 36
Contenidos de la Asignatura IV
Unidad 7: Sistemas de Espera
Introducci
on a los problemas de sistemas de espera.
Indicadores de Performance de un sistema
Sistemas M/M/1
F
ormula de Little.
Otros Sistemas: M/M/1/K, M/M/C. M/G/1.
Sistemas con servicio dependiente del estado, llegadas en lotes.
Redes de Sistemas de Espera
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
8 / 36
Condiciones de Aprobacion
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
9 / 36
Condiciones de Aprobacion
Dos certamenes
Actividades complementarias (controles, tareas, trabajos grupales)
Ponderaci
on del curso
NF = 0, 30 S1 + 0, 30 S2 + 0, 4 AC
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
9 / 36
Evaluaciones
*Sujeto a leves modificaciones.
Mes
Marzo
Marzo
Abril
Abril
Abril
Abril
Abril
Mayo
Mayo
Mayo
Mayo
Junio
Facultad de Ingeniera
Da
18
25
1
8
15
22
29
6
13
20
27
3
Unidad
1
2
3
4
5
6
7
7, 8
-
Actividad
Clase
Semana Santa
Clase
Clase
Clase
Solemne 1
Clase
Clase
Clase
Clase
Solemne 2
Examen
Universidad Andr
es Bello
Tareas
Control 1
Control 2
Control 3
Control 4
18 de marzo de 2016
10 / 36
Evaluaciones
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
11 / 36
Evaluaciones
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
11 / 36
Evaluaciones
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
11 / 36
Evaluaciones
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
11 / 36
Introduccion
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
12 / 36
Introduccion
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
12 / 36
Introduccion
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
12 / 36
Introduccion
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
12 / 36
Incertidumbre
En ingeniera, especficamente, en los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenomenos que tienen
incertidumbre asociada a ellos.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
13 / 36
Incertidumbre
En ingeniera, especficamente, en los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenomenos que tienen
incertidumbre asociada a ellos.
Definici
on: Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
13 / 36
Incertidumbre
En ingeniera, especficamente, en los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenomenos que tienen
incertidumbre asociada a ellos.
Definici
on: Incertidumbre
Intervencion del azar en el resultado de diversos eventos naturales o creados por el
hombre.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
13 / 36
Incertidumbre
En ingeniera, especficamente, en los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenomenos que tienen
incertidumbre asociada a ellos.
Definici
on: Incertidumbre
Intervencion del azar en el resultado de diversos eventos naturales o creados por el
hombre.
Se define como deficiencia o falta de informaci
on relevante en desarrollo de
un evento.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
13 / 36
Incertidumbre
En ingeniera, especficamente, en los problemas de toma de decisiones, con frecuencia surge la necesidad de tomar decisiones basadas en fenomenos que tienen
incertidumbre asociada a ellos.
Definici
on: Incertidumbre
Intervencion del azar en el resultado de diversos eventos naturales o creados por el
hombre.
Se define como deficiencia o falta de informaci
on relevante en desarrollo de
un evento.
En lugar de manejar esta variabilidad como cualitativa, puede incorporarse a un
modelo matematico y manejarse en forma cuantitativa.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
13 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
14 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
15 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
15 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
15 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
15 / 36
Incertidumbre
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
15 / 36
Incertidumbre
Ejemplos de Sistemas con Incertidumbre
Sistemas de Inventarios
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
16 / 36
Incertidumbre
Ejemplos de Sistemas con Incertidumbre
Sistemas de Servicios (Teora de Colas)
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
17 / 36
Incertidumbre
Ejemplos de Sistemas con Incertidumbre
Sistemas de Transporte
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
18 / 36
Incertidumbre
Ejemplos de Sistemas con Incertidumbre
Sistemas Productivos: tiempos de detenciones atribuibles a fallas de equipos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
19 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
20 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
20 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
20 / 36
Procesos Estocasticos
Definici
on
Un proceso estoc
astico es un modelo probabilstico que permite representar sistemas que evolucionan de forma aleatoria en el tiempo. En estos sistemas se ocupa
un estado en cada instante de tiempo, de forma que un proceso estocastico esta formado por un conjunto de variables aleatorias que representan el estado del sistema
en cada instante.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
21 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
Demanda de un producto
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
Demanda de un producto
Existencias en un determinado almacen
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
Temperatura de un proceso
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
I
Temperatura de un proceso
Velocidad del viento en una central e
olica
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
I
I
Temperatura de un proceso
Velocidad del viento en una central e
olica
Concentraci
on en la Atm
osfera de un contaminante
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
I
I
Temperatura de un proceso
Velocidad del viento en una central e
olica
Concentraci
on en la Atm
osfera de un contaminante
Social
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
I
I
Temperatura de un proceso
Velocidad del viento en una central e
olica
Concentraci
on en la Atm
osfera de un contaminante
Social
I
N
umero de nacimientos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
I
I
Temperatura de un proceso
Velocidad del viento en una central e
olica
Concentraci
on en la Atm
osfera de un contaminante
Social
I
I
N
umero de nacimientos
Votos de un determinado partido
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Definici
on
Una familia de variables aleatorias x(t) donde t es el parametro perteneciente a un
conjunto indexado T es llamado un proceso estocastico (o proceso aleatorio), y se
denota por:
{x(t), t T }
La variable observada puede ser
Econ
omica
I
I
I
Demanda de un producto
Existencias en un determinado almacen
I.P.C.
Fsica
I
I
I
Temperatura de un proceso
Velocidad del viento en una central e
olica
Concentraci
on en la Atm
osfera de un contaminante
Social
I
I
N
umero de nacimientos
Votos de un determinado partido
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
22 / 36
Procesos Estocasticos
Clasificaci
on de Procesos Estoc
asticos
Los procesos estocasticos se clasifican de acuerdo al tipo de espacio de estados y
al tipo de parametro.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
23 / 36
Procesos Estocasticos
Clasificaci
on de Procesos Estoc
asticos
Los procesos estocasticos se clasifican de acuerdo al tipo de espacio de estados y
al tipo de parametro.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
23 / 36
Procesos Estocasticos
Clasificaci
on de Procesos Estoc
asticos
Si el espacio de estados es discreto, el proceso recibe el nombre de Cadena. En el
otro caso, si el espacio de estados es continuo, se conoce como Proceso.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
24 / 36
Procesos Estocasticos
Clasificaci
on de Procesos Estoc
asticos
Si el espacio de estados es discreto, el proceso recibe el nombre de Cadena. En el
otro caso, si el espacio de estados es continuo, se conoce como Proceso.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
24 / 36
Procesos Estocasticos
Clasificaci
on de Procesos Estoc
asticos
De acuerdo a la clasificaci
on de los procesos estocasticos:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
25 / 36
Procesos Estocasticos
Clasificaci
on de Procesos Estoc
asticos
De acuerdo a la clasificaci
on de los procesos estocasticos:
Estado Discreto
Estado Continuo
Tiempo Discreto
Toneladas de producci
on diaria
de un producto.
Tiempo Continuo
Velocidad de un vehculo en el
instante t
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
25 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
26 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
26 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
26 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
26 / 36
Procesos Estocasticos
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
26 / 36
Procesos Estocasticos
Cualquier realizaci
on de Xn es llamada una trayectoria muestral.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
27 / 36
Procesos Estocasticos
Cualquier realizaci
on de Xn es llamada una trayectoria muestral.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
27 / 36
Procesos Estocasticos
Cualquier realizaci
on de Xn es llamada una trayectoria muestral.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
27 / 36
Procesos Estocasticos
Cualquier realizaci
on de Xn es llamada una trayectoria muestral.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
27 / 36
Procesos Estocasticos
Cualquier realizaci
on de Xn es llamada una trayectoria muestral.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
27 / 36
Procesos Estocasticos
En cada instante t, tendremos una media y una varianza.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
28 / 36
Procesos Estocasticos
En cada instante t, tendremos una media y una varianza.
Existe una distribuci
on de probabilidades en cada instante del tiempo.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
28 / 36
Procesos Estocasticos
En cada instante t, tendremos una media y una varianza.
Existe una distribuci
on de probabilidades en cada instante del tiempo.
C
omo cambia la distribuci
on de probabilidades en el tiempo?
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
28 / 36
Procesos Estocasticos
En cada instante t, tendremos una media y una varianza.
Existe una distribuci
on de probabilidades en cada instante del tiempo.
C
omo cambia la distribuci
on de probabilidades en el tiempo?
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
28 / 36
Procesos Estocasticos
Esta distribuci
on puede converger a una distribuci
on estacionaria (que no
cambiara mas)
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
29 / 36
Procesos Estocasticos
Esta distribuci
on puede converger a una distribuci
on estacionaria (que no
cambiara mas)
Estaremos en un estado de regimen
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
29 / 36
Procesos Estocasticos
Esta distribuci
on puede converger a una distribuci
on estacionaria (que no
cambiara mas)
Estaremos en un estado de regimen
Estado de r
egimen
Estaremos en estado de regimen para el instante t, si t1 , t2 t, las
distribuciones en t1 y t2 son identica.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
29 / 36
Procesos Estocasticos
Esta distribuci
on puede converger a una distribuci
on estacionaria (que no
cambiara mas)
Estaremos en un estado de regimen
Estado de r
egimen
Estaremos en estado de regimen para el instante t, si t1 , t2 t, las
distribuciones en t1 y t2 son identica.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
29 / 36
Enfoques de Modelacion
Qu
e es resolver un proceso estoc
astico?
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
30 / 36
Enfoques de Modelacion
Qu
e es resolver un proceso estoc
astico?
Resolver un proceso es conocer su comportamiento en el tiempo y espacio.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
30 / 36
Enfoques de Modelacion
Qu
e es resolver un proceso estoc
astico?
Resolver un proceso es conocer su comportamiento en el tiempo y espacio.
Para resolver los procesos estocasticos es necesario poder predecir la evolucion
de la variable aleatoria a partir de los datos de entrada y del modelo del sistema.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
30 / 36
Enfoques de Modelacion
Qu
e es resolver un proceso estoc
astico?
Resolver un proceso es conocer su comportamiento en el tiempo y espacio.
Para resolver los procesos estocasticos es necesario poder predecir la evolucion
de la variable aleatoria a partir de los datos de entrada y del modelo del sistema.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
30 / 36
Enfoques de Modelacion
Qu
e es resolver un proceso estoc
astico?
Resolver un proceso es conocer su comportamiento en el tiempo y espacio.
Para resolver los procesos estocasticos es necesario poder predecir la evolucion
de la variable aleatoria a partir de los datos de entrada y del modelo del sistema.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
30 / 36
Enfoques de Modelacion
Qu
e es resolver un proceso estoc
astico?
Resolver un proceso es conocer su comportamiento en el tiempo y espacio.
Para resolver los procesos estocasticos es necesario poder predecir la evolucion
de la variable aleatoria a partir de los datos de entrada y del modelo del sistema.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
30 / 36
Enfoques de Modelacion
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
31 / 36
Enfoques de Modelacion
Formas de estudiar un sistema:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
32 / 36
Enfoques de Modelacion
Formas de estudiar un sistema:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
32 / 36
Enfoques de Modelacion
Formas de estudiar un sistema:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
32 / 36
Enfoques de Modelacion
Formas de estudiar un sistema:
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
32 / 36
Enfoques de Modelacion
Enfoque analtico
B
usqueda y soluci
on de sistemas de ecuaciones matematicas que caracterizan
o representan el comportamiento del sistema (variables de estado).
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
33 / 36
Enfoques de Modelacion
Enfoque analtico
B
usqueda y soluci
on de sistemas de ecuaciones matematicas que caracterizan
o representan el comportamiento del sistema (variables de estado).
Puede llegar a presentar una complejidad excesivamente alta como para ser
resuelto de manera exacta.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
33 / 36
Enfoques de Modelacion
Enfoque analtico
B
usqueda y soluci
on de sistemas de ecuaciones matematicas que caracterizan
o representan el comportamiento del sistema (variables de estado).
Puede llegar a presentar una complejidad excesivamente alta como para ser
resuelto de manera exacta.
Facilidad para analisis de sensibilidad respecto a parametros y alternativas de
operaci
on (evaluaci
on de indicadores y derivadas para diferentes parametros de
input o dise
no).
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
33 / 36
Enfoques de Modelacion
Enfoque analtico
B
usqueda y soluci
on de sistemas de ecuaciones matematicas que caracterizan
o representan el comportamiento del sistema (variables de estado).
Puede llegar a presentar una complejidad excesivamente alta como para ser
resuelto de manera exacta.
Facilidad para analisis de sensibilidad respecto a parametros y alternativas de
operaci
on (evaluaci
on de indicadores y derivadas para diferentes parametros de
input o dise
no).
En investigaci
on el fuerte esta en la b
usqueda de modelos analticos.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
33 / 36
Enfoques de Modelacion
Enfoque analtico
B
usqueda y soluci
on de sistemas de ecuaciones matematicas que caracterizan
o representan el comportamiento del sistema (variables de estado).
Puede llegar a presentar una complejidad excesivamente alta como para ser
resuelto de manera exacta.
Facilidad para analisis de sensibilidad respecto a parametros y alternativas de
operaci
on (evaluaci
on de indicadores y derivadas para diferentes parametros de
input o dise
no).
En investigaci
on el fuerte esta en la b
usqueda de modelos analticos.
Computacionalmente mas econ
omicos.
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
33 / 36
Enfoques de Modelacion
T
ecnicas de simulaci
on
Reconstrucci
on computacional del sistema de operaci
on.
Modelo de laboratorio (analoga de modelos a escala).
Cada ejecuci
on del programa es una realizaci
on.
Se debe ejecutar cientos de veces para obtener distribuciones e indicadores
representativos.
En el programa se debe realizar cambios para reflejar diferentes estrategias o
cambios de escenarios/parametros.
Son mas utilizados en la practica.
Otorgan flexibilidad (facil de adaptar).
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
34 / 36
Enfoques de Modelacion
Comparaci
on de Enfoques
Dimensi
on
Analtico
Simulaci
on
Complejidad
Flexibilidad
M
as f
acil de cambiar
pero peque
nos cambios
pueden tener grandes
consecuencias
Datos
Menos necesidad
M
as necesidad
Transparencia
Caja Negra
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
35 / 36
sticos
Modelos Estoca
Javiera Alejandra Silva Arroyo
18 de marzo de 2016
Clase 1
Universidad Andres Bello
Facultad de Ingeniera
Universidad Andr
es Bello
18 de marzo de 2016
36 / 36