Carrera: Logística y Transporte

Asignatura: Modelos de simulación

Unidad 2 : Interpretación de modelos

Docente: cDra. María Alejandra Hernández Zúñiga

Tema: Factorial de un número natural

FACTORIAL DE UN NÚMERO NATURAL
En las distribuciones de probabilidad utilizaremos
mucho el cálculo del factorial de un número
natural, por lo cual comenzaremos conociendo la
fórmula para obtenerlo.
n!=n*(n-1)*(n-2)*(n-3)*...*3*2*1
donde 0!=1
Ejemplo: Calcular el factorial de n=5

5! = 5 * (5-1) * (5-2) * (5-3) * (5-4)

5! = 5*4*3*2*1=120
 Ejemplos

 Hallar el factorial de: n = 8

 8! = 8 * (8-1) * (8-2) * (8-3) * (8-4) * (8-5) * (8-6) * (8-7)
 8! = 8*7*6*5*4*3*2*1
 8! = 40,320

 Hallar el factorial de: n = 13

 13! = 13 * (13-1) * (13-2) * (13-3) * (13-4) * (13-5) * (13-6) *
(13-7) * (13-8) * (13-9) * (13-10) * (13-11) * (13-12)
 13! = 13*12*11*10*9*8*7*6*5*4*3*2*1
 13! = 6,227,020,800
== COMBINACIONES
En las combinaciones interesa la presencia de los elementos en el grupo
formado, en el que el contenido importa pero no el orden,

Como en toda división hay elementos

Fórmula: arriba que dividen a los de abajo, como
Para hallar el valor de las siguientes 4/4 = 1 se procede a quitarlos:
combinaciones, procederemos a
realizar el factorial de dos números y
de acuerdo a nuestra fórmula nos
queda así: Con lo cual simplificamos y nos queda
n=8 y r=4 de la siguiente manera para hacer
nuestra división:
Continuamos ya hicimos la resta
que había en los paréntesis:

Resultado: n = 8 y r = 4 = 70
 Distribución Binomial
La distribución binomial es una distribución de probabilidad discreta y mide el
número de éxitos en una secuencia de n ensayos idénticos e independientes de
Bernoulli con una probabilidad fija p de ocurrencia del éxito entre los ensayos.

Un experimento de Bernoulli se caracteriza por ser dicotómico, es decir, que sólo

es posible que se obtengan dos resultados, por lo tanto, a uno de esos resultados
se le denomina éxito y tendrá una probabilidad de ocurrencia “p” y al otro
resultado se le denomina fracaso y tendrá una probabilidad “q”, dónde q = 1 – p

La fórmula para la Distribución binomial es la siguiente:

Donde : “n” es el número de pruebas que se realizarán “k” es el número de

éxitos, en la prueba “p” es la probabilidad de que se tenga éxito y “q” es la
probabilidad de que se tenga fracaso
 Ejemplo 1
Un agente de seguros vende pólizas a cuatro personas de la misma edad y
que disfrutan de buena salud. Según las tablas actuales, la probabilidad de
que una persona en estas condiciones viva 29 años o más es 1/3. Hállese la
probabilidad de que transcurridos 29 años, vivan:

a) Las cuatro personas

b) Al menos dos personas

Solución:
La probabilidad de que una persona en esas condiciones viva 29 años o más,
la consideraremos como éxito, es decir, p = 1/3 y la probabilidad de que viva
menos tiempo, será la probabilidad de fracaso, es decir, q = 2/3

Los datos que tenemos son:

n=5
P = 1/3=0.33
q = 2/3=0.66
 Ejemplo 1 continuación (b)
a) Se desea calcular la probabilidad de que transcurridos 30 años,
las 4 personas vivan.
Son las 4 personas de las pólizas
Los datos que tenemos son:
n=5
P = 1/3=0.33
q = 2/3=0.66

Es la probabilidad de que las 4

personas vivan los 29 años
Éxito y fracaso

Cuatro entre 4 =1

como 2/3 a la potencia 0 es cero se va P = (X ≥ 4) = 0.012345

 La probabilidad de que las 4 personas vivan29 años es 0.012345

b) La probabilidad de que al menos 2 personas vivan transcurridos 29 años quiere

decir que mínimo 2 personas (X≥3) vivan hasta esa fecha por lo cual debemos
realizar una suma de probabilidades de la siguiente manera:

P = (X ≥ 2) = P = (X = 2) + P = (X = 3) + P = (X = 4)

Primero realizamos P = (x =2)

Vamos simplificando cada paréntesis hasta llegar a su solución final

Ejemplo 2 continuación (c)
P = (X ≥ 3)

b) La probabilidad de que al menos 2 personas vivan transcurridos

29 años es de = ?

P = (X ≥ 4) = 0.012345 P = (X ≥ 2) = P = (X = 2) + P = (X = 3) + P = (X = 4)
P = (x =2) = 0.24691
P = (X ≥ 3) = 0.098756

P = (x =2) = 0.24691 + 0.012345 + 0.098756 = 0.358011

b) La probabilidad de que al menos 2 personas vivan transcurridos 29 años

es de = 0.358011
 LA DISTRIBUCIÓN DE POISSON
La distribución de Poisson es discreta ya que los valores que puede tomar
la variable aleatoria son números naturales.

La fórmula de la distribución de Poisson es la siguiente:

X representa el número de eventos que ocurren en un tiempo (o espacio) para el cual

esperamos una ocurrencia promedio . Se considerará que la ocurrencia de los eventos
son independientes. En el caso de que (X=k), quiere decir que el evento ocurre k veces.

µ representa la media o promedio de éxitos por unidad de tiempo, área o producto, se

debe tener cuidado con lo dicho anteriormente ya que esa distribución del número de
éxitos que ocurren por unidad de tiempo, área o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro intervalo dado, así como cada área
es independiente de otra área dad y cada producto es independiente de otro producto
dado.
 EJEMPLO 1
En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican
0.2 imperfecciones en promedio por minuto.

Determine las probabilidades de identificar:

a) una imperfección en 3 minutos
b) b) al menos dos imperfecciones en 5 minutos
c) c) cuando más una imperfección en 15 minutos.

a) K = 1 imperfecciones en 3 minutos
Solución: Sí se identifican 0.2 imperfecciones en promedio en un minuto:
0.2 imperfecciones → 1 minuto
µ imperfecciones → 3 minutos

Multiplicamos los 3 minutos por 0.2 imperfecciones y el resultado lo

dividimos entre 1 minuto con lo cual tenemos = 0.6 imperfecciones por
minutos.
 X = 1 imperfecciones en 3 minutos
µ = 0.6 imperfecciones por minutos.
e = e-0.6

Primero buscamos
en nuestra calculadora “e”
y le ponemos
e -0.6

Nuestro resultado es = 0.329

Ejemplo 1 continuación b
b) Sí se identifican 0.2 imperfecciones en promedio en un minuto:

0.2 imperfecciones → 1 minuto

µ imperfecciones → 5 minutos
Realizamos la multiplicación y división:

Como hablamos de al menos dos imperfecciones en 5 minutos tendremos los

casos en que se suma:
Ejemplo 1 continuación c
c) cuando más una imperfección en 15 minutos.

0.2 imperfecciones → 1 minuto

µ imperfecciones → 15 minutos

Se requiere la probabilidad para cuando más una imperfección en 15 minutos:

Datos
X = 0.1
µ = 3 imperfecciones en 15 minutos
P(X = 0,1, µ = 3) = P(X = 0, µ = 3) + P(X = 1, µ = 3)
 DISTRIBUCIÓN HIPERGEOMÉTRICA
La distribución hipergeométrica es una distribución discreta relacionada con
muestreos aleatorios y sin reemplazo. Está muy relacionada con la binomial sólo que
en la distribución hipergeométrica los experimentos no son independientes y por tanto
la probabilidad de éxito cambia de un experimento a otro.

La fórmula para calcular la probabilidad hipergeométrica es la siguiente:

Donde:

N es el tamaño de la muestran es el número de experimentos

n es el número de experimentos

M es el número de éxitos en el espacio muestral

k es el número de éxitos en la muestra

 EJEMPLO 1
En una oficina donde se ensamblan computadoras, en una mesa hay 20 chips de
los cuales 6 están defectuosos. Primero llega el Sr. Bill Gates y recoge 8 chips y
más tarde llega el Sr. Steve Jobs y se lleva los restantes. Hallar la probabilidad
que solamente uno de ellos se haya llevado todos los chips defectuosos.

N = 20 chips
M = 6 chips defectuosos
N = 8 chips que se lleva Gates
K = cantidad de chips defectuosos que se lleve Gates

En este problema tendremos dos casos:

k=0 será cuanto Gates se lleve los 8 chips sin defecto y Jobs
se lleve los 6 chips defectuosos.
k=6 será cuando Gates se lleve 6 chips defectuosos de los 8
que lleva y Jobs se lleve el resto sin defecto.
  Ejemplo 1 continuación a)
Recordemos nuestros datos y los acomodamos en la fórmula
N = 20 chips
M = 6 chips defectuosos
n = 8 chips que se lleva Gates
K = 0 cantidad de chips defectuosos que
se lleve Gates

De acuerdo a lo aprendido anteriormente en la factorización empezamos el

desarrollo de la siguiente manera:

Empezamos realizando las restas para que nos queden los paréntesis despejados
Realizamos las divisiones recuerden que 6 /6 = 1 y 1 / 1 = 1
dejamos los restantes números y los multiplicamos:

k= 0 será cuanto Gates se lleve los 8 chips sin defecto y Jobs se lleve los
6 chips defectuosos es de = 0.0238
 k=6 será cuando Gates se lleve 6 chips
defectuosos de los 8 que lleva y Jobs se lleve
el resto sin defecto.

Por lo tanto la probabilidad de que solamente uno de ellos se haya llevado todos los
chips defectuosos realizamos la suma del resultado anterior con el segundo y es de:

P = 0.0238 + 0.00072 = 0.0245

 Variables aleatorias continuas
Distribución normal

A la distribución normal se le conoce también con el nombre de distribución

gaussiana. Se dice que una variable aleatoria continua tiene una distribución
en forma de campana.

Su función de densidad es: Para poder utilizar la tabla tenemos que

transformar la variable x que sigue una distribución N(µ,σ) en otra variable Z
que siga una distribución N(0,1)
Esta tabla la encontraran en Internet se necesita para la siguiente actividad:

Para buscar los valores de Z en la tabla de distribución normal por ejemplo : 1.67
entonces debes en la columna de ”Z” buscar 1.6 y después el centésimo que sería
0,07 dando como resultado 0.9525
 Ejemplo1
La media de los pesos de 500 estudiantes de la UnADM es 70 kg y la desviación
típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, determinar
cuántos estudiantes pesan:
a) Entre 60 kg y 75 kg;
b) b) Más de 90 kg;
c) c) Menos de 64 kg;
d) d) 64 kg;
e) e) 64 kg o menos

Solución:

Tenemos que ; µ = 70 kg y σ = 3 kg, nuestro espacio muestral es n =

500
a) X1 = 60 kg y X2 = 75 kg, así que tendremos P(X1 ≤ X ≤ X2) =

p(Z ≤ 1.67) – (1 - p(Z ≤ 3.33) = 0.9525 – (1- 0.9996) = 0.921 * 500 = ?

b) Más de 90 kg

c) Menos de 64 kg

e) 64 kg o menos

P(X ≤ 64) = P(Z ≤ -2) = 0.0228 * 500

=?
 Carrera: Logística y Transporte

Asignatura: Modelos de simulación

Unidad 2 : Interpretación de modelos

Docente: cDra. María Alejandra Hernández Zúñiga

Tema: Actividad 3. Aplicabilidad de modelos físicos

matemáticos
En un camión se transporta alimentos perecederos, los alimentos que se
depositan en el camión se encuentran a una temperatura de 18° C en el
tiempo t=0. La temperatura en el camión se mantiene a 4.4° C. Después de
3 minutos, la temperatura de los alimentos ha disminuido a 16.2° C.
Datos Usando T (0)
T (0) = 18°C T(0) = 18°C + ek(0) B
T = 4.4°C 4.4°C = 18°C + e0B
T(3) = 16.2°C B = 18°C – 4.4° C
B = 13.6°C

Para obtener la constante de proporcionalidad “ k” tenemos que:

T (3) = 4.4°C + e k(3)

Despejando el valor de “k”
(13.6°C)
K = (1/3) * in (-11.8 /
16.2°C = 4.4°C + ek3 13.6)
(13.6°C)
=0.3333 * 0.6795
ek3=4.4°C - 16.2 °C /
13.6°C k = - 0.1420
ek3= -11.8°C / 13.6°C
Para saber la temperatura de los alimentos después de 5 minutos:
T(5) = 4.4°+ e (-0.14197) (5) (13.6)

Se multiplica -0.14197 x 5 = 0.7098

Despues sacamos en nuestra calculadora

e-0.7098 = 0.4917 x 13.6

4.4 + 6.68 = 11.08 minutos

¿Cuánto tiempo pasará para que los alimentos se encuentren a una temperatura
de 10°C?

10°C = 4.4 + (e (-0.1420)(t) (-16.7) -0.1420 = 0.8873

e(-0.1420)(t) = 4.4°C – 10°C / -13.6 despejamos pasa dividiendo

e(-0.1420)(t) = -5.6°C / -13.6 =0.8873 / 0.1420

e(-0.1420)(t) = In -5.6°C / -13.6 10°C = 6.25 minutos

Evidencia de Aprendizaje. Elaboración de un modelo matemático
1. Usted es un alumno de la carrera de Ingeniería en Logística y Transporte y le
gustaría dedicar más tiempo a sus estudios, pero en el transcurso del día realiza
diversas actividades que le gustan.

En la siguiente tabla se muestra el nivel de satisfacción que siente ante cada

actividad.
Actividad Tiempo Restriccione Unidades de
Identificar y plantear las s satisfacción
1 Ver una película 120 minutos 1 1
variables y restricciones del 2 Dar un paseo en 15 minutos 2 5
modelo: el parque
3 Estudiar 60 minutos 2 4
4 Hacer deporte 60 minutos 1 6
DEFINIR 5 Leer un libro 60 minutos 2
Variables: 6 dormir 300 minutos 7 a 10 3
1 día 24 horas 1440 minutos
X1 = 1 (Ver una película)
X2 = 5 (Dar un paseo en el parque) Restricciones
X3 = ¿?
X1 + ¿? ≤ 4
X4 = ¿?
X5 = ¿? X6 7 ≤ 10 sigue sacando tus
X6 = ¿? restricciones de acuerdo al cuadro.
Zmaz = X1 + X2 + ….. X6 ≤ ¿? minutos Maximizar Zmaz = X1 + X2 ≤ ? unidades de
la satisfacción diaria satisfacción.