Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 802 vistas

    La Panaderã A de Pierre Hornea y Vende Pan Francã©s

    Cargado por

    Gladys Falconi Alejandro
    Pierre, el panadero, necesita determinar la cantidad óptima de pan que debe hornear diariamente para maximizar sus ganancias. La demanda de pan varía de 36 a 96 hogazas por día y ocurre en lotes de 12 hogazas. Si la demanda excede la oferta, Pierre incurre en costos; si sobra pan al final del día, puede venderlo a menor precio. Pierre utilizará simulación de Monte Carlo considerando diferentes tipos de demanda con sus probabilidades asociadas para determinar la cantidad óptima a hornear.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    La Panaderã A de Pierre Hornea y Vende Pan Francã©s

    Cargado por

    Gladys Falconi Alejandro
    802 vistas3 páginas
    Pierre, el panadero, necesita determinar la cantidad óptima de pan que debe hornear diariamente para maximizar sus ganancias. La demanda de pan varía de 36 a 96 hogazas por día y ocurre en lotes de 12 hogazas. Si la demanda excede la oferta, Pierre incurre en costos; si sobra pan al final del día, puede venderlo a menor precio. Pierre utilizará simulación de Monte Carlo considerando diferentes tipos de demanda con sus probabilidades asociadas para determinar la cantidad óptima a hornear.

    Título original

    La panadería de Pierre hornea y vende pan francés

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Pierre, el panadero, necesita determinar la cantidad óptima de pan que debe hornear diariamente para maximizar sus ganancias. La demanda de pan varía de 36 a 96 hogazas por día y ocurre en lotes de 12 hogazas. Si la demanda excede la oferta, Pierre incurre en costos; si sobra pan al final del día, puede venderlo a menor precio. Pierre utilizará simulación de Monte Carlo considerando diferentes tipos de demanda con sus probabilidades asociadas para determinar la cantidad óptima a hornear.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    802 vistas3 páginas

    La Panaderã A de Pierre Hornea y Vende Pan Francã©s

    Cargado por

    Gladys Falconi Alejandro
    Pierre, el panadero, necesita determinar la cantidad óptima de pan que debe hornear diariamente para maximizar sus ganancias. La demanda de pan varía de 36 a 96 hogazas por día y ocurre en lotes de 12 hogazas. Si la demanda excede la oferta, Pierre incurre en costos; si sobra pan al final del día, puede venderlo a menor precio. Pierre utilizará simulación de Monte Carlo considerando diferentes tipos de demanda con sus probabilidades asociadas para determinar la cantidad óptima a hornear.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 3

    Ejemplo de Simulacin de Monte Carlo (Panadera de Pierre)

    La panadera de Pierre hornea y vende pan francs. Cada maana, la panadera satisface la
    demanda del da con pan recin horneado. Pierre puede hornear el pan slo en lotes de una
    docena de hogazas cada uno. El costo por hogaza es de 25 centavos. Para simplificar, se supone
    que la demanda diaria total de pan tambin ocurre en mltiplos de 12. En los registros se
    observa que esta demanda vara de 36 a 96 hogazas por da. Una hogaza se vende en 40
    centavos, y cualquier pan sobrante al final del da se vende a una cocina de caridad a un precio
    de salvamento de 10 centavos hogaza. Si la demanda excede a la oferta, se supone que hay un
    costo de ganancia-prdida de 15centavos hogaza (debido a la prdida de renombre, prdida de
    clientes con los competidores, etctera). En los registros de la panadera se observa que la
    demanda diaria se puede clasificar en tres tipos: alta, promedio y baja. Estas demandas ocurren
    con probabilidades de .30, .40 y .25 respectivamente. La distribucin de la demanda por
    categoras se da en la tabla. 1. A Pierre le gustara determinar el nmero ptimo de hogazas por
    hornear diario para maximizar la ganancia (ingresos + ingresos de salvamento costo del pan
    costo de las ganancias prdidas

    Deman
    da

    Tipo de Demanda
    Probabilidad
    Norm
    Baja
    Alta
    al
    .05

    .10

    .15

    48

    .10

    .20

    .25

    60

    .25

    .30

    .34

    36

    .30

    .25

    .15

    84

    .20

    .10

    .05

    96

    .10

    .05

    .05

    72

    a)
    b)

    Distribucin
    Distribucin

    Tipo de
    Demanda

    Probabilid
    ad

    Distribuci
    n
    Acumula
    da

    Alta

    .30

    .30

    Intervalo
    de
    nmeros
    Aleatorio
    s
    00-29

    Normal

    .45

    .75

    30-74

    Baja

    .25

    1.00

    75-99

    del
    tipo
    del tipo de demanda

    de

    Demanda

    Distribucin por tipo de demanda

    Demanda
    36
    48
    60
    72
    84
    96

    Distribucin Acumulada
    Alta
    Normal
    .05
    .10
    .15
    .30
    .40
    .60
    .70
    .85
    .90
    .95
    1.00
    1.00

    Intervalos de nmeros Aleatorios


    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

    Baja
    .15
    .40
    .75
    .90
    .95
    1.00

    Tabla de Simulacin para hornear 60 hogazas por da


    Da

    No.
    Aleatorio
    para el tipo
    de Demanda

    Tipo de
    Demanda

    No.
    Aleatorio
    para la
    demanda

    Demanda

    Ingreso

    Ganancia
    Prdida

    Ingreso de
    Salvamento

    Ganancia

    1
    2

    69
    30

    Normal
    Normal

    56
    32

    60
    60

    $24.00
    $24.00

    $9.00
    $9.00

    Simulacin con variables Aleatorias Continuas


    Mtodo de Transformacin Inversa (MTI) y Mtodo de Aceptacin Rechazo (MAR)

    Mtodo de Transformacin Inversa.

    El mtodo de la transformacin inversa por lo general se utiliza para distribuciones cuya funcin
    de distribucin acumulada se puede obtener en forma cerrada. El MTI es relativamente fcil de
    describir y ejecutar. Consiste en los tres pasos siguientes:
    Paso 1. Dada una funcin de densidad de Probabilidad f(x) para una variable aleatoria X, obtenga
    la funcin de distribucin acumulada F(X) como:

    F(x)=

    F ( x )= f ( t ) dt

    Paso 2. Generar un nmero aleatorio r


    Paso 3 Establezca F (x)= r y determine el valor de x. La variable x es entonces una variable
    aleatoria a partir de la distribucin cuya dpa est dada por f(x).

    Ahora se describen los mecanismos del algoritmo usando un ejemplo. Para esto, se considera la
    distribucin dada por la funcin

    f ( x )=

    x
    0 x 2
    2
    0 e n caso cont

    Una funcin de este tipo se llama funcin de rampa.

    2t dt= x4
    0

    Esta distribucin de porbabilidad acumulada se representa de manera formal por la funcin

    0 x< 0

    2
    F ( x )= x 0 x
    4
    1 x2

    A continuacin, en el paso 2, se genera un nmero aleatorio r. Por ltimo, en el paso 3, se


    establece F(x)= r y se determina el valor de X.
    x/4= r x= +- 2r

    También podría gustarte