Cuadro Comparativo

Teoría/ Concepto Función Ventajas Desventajas

Análisis de Es una herramienta matemática que permite Puede ser útil para predecir la demanda, Puede ser relativamente sencillo Puede resultar ser complejo para
Markov modelar y analizar sistemas dinámicos a través para análisis del comportamiento del de usar, es aplicable con una sistemas con muchos estados, no
de la probabilidad. Se basa en la idea de que el consumidor, la gestión de riesgos, la amplia gama de problemas, contempla la incertidumbre del futuro.
estado futuro depende únicamente de su estado optimización de procesos y el análisis del asimismo es flexible
actual. mercado.
Teoría de La teoría de colas es el estudio matemático de Proporcionar un marco matemático y Análisis cuantitativo: Permite Simplicidad excesiva: Algunos
colas las colas o líneas de espera dentro de un sistema. analítico para estudiar y comprender usar modelos matemáticos para modelos pueden ser demasiado
Esta teoría estudia factores como el tiempo de sistemas en los que se forman colas o líneas predecir y analizar el simplistas para capturar la
espera medio en las colas o la capacidad de de espera. Estos sistemas son comunes en la comportamiento de sistemas con complejidad de sistemas reales.
trabajo del sistema sin que llegue a colapsar. vida cotidiana y en diversos sectores colas. Asunciones: Los modelos de colas a
industriales, como servicios al cliente, Optimización: Ayuda a menudo se basan en suposiciones que
telecomunicaciones, transporte, producción identificar cuellos de botella y pueden no reflejar la realidad.
y más mejorar la eficiencia. Implementación compleja: Algunos
Planificación: Permite a las sistemas requieren implementaciones
empresas y organizaciones técnicas avanzadas para usar los
anticipar problemas y ajustar sus modelos de colas de manera efectiva.
recursos.
Matriz de Una matriz de transición para una cadena de Se utiliza para determinar la probabilidad Enfoque sistémico: Identifica los Limitaciones de Modelado: Las
Transición Markov de n estado es una matriz de n X n con de que ocurra un evento que depende orígenes, destinos y cambios de matrices de transición suelen asumir
todos los registros no negativos y con la únicamente de un evento inmediatamente manera simultánea. Capacidad que el proceso es homogéneo (las
propiedad adicional de que la suma de los anterior. La matriz de transición sirve para predictiva: Permite conocer probabilidades de transición no
registros de cada columna (o fila) es 1. estudiar procesos en los cuales una sucesión comportamientos futuros y sus cambian con el tiempo) y tiene
de variables es afectada en un tiempo t + 1 migraciones en el corto plazo. memoria limitada (depende solo del
por otra variable. Cálculo sencillo: No es estado actual, no del camino seguido
complicado de calcular. para llegar allí).
Condición de La condición de equilibrio es un concepto En el contexto de la investigación de Simplificación del Análisis: Al Asunciones Simplificadas: A menudo,
Equilibrio fundamental en la investigación de operaciones operaciones, la condición de equilibrio concentrarse en un estado estable, la condición de equilibrio asume que
y se refiere a un estado en el que un sistema se permite analizar sistemas complejos de se simplifica el análisis del el sistema es estable y no sufre
estabiliza, de modo que ciertas propiedades forma más sencilla al enfocarse en un sistema, permitiendo el uso de cambios significativos. Sin embargo,
clave, como las tasas de entrada y salida, se estado donde las características clave se métodos matemáticos para muchos sistemas en el mundo real
mantienen constantes a lo largo del tiempo. mantienen constantes. Este concepto es obtener resultados fiables experimentan fluctuaciones y cambios
especialmente útil en la teoría de colas, Predicción Precisa: La condición dinámicos.
procesos de Markov, análisis de sistemas de de equilibrio proporciona un Desconexión de la Realidad: Los
producción y otras áreas donde el flujo marco para predecir el sistemas reales pueden ser más
constante es esencial para el comportamiento a largo plazo de complejos y variables de lo que
funcionamiento óptimo. un sistema, permitiendo a los sugieren los modelos de equilibrio.
analistas tomar decisiones
informadas sobre planificación y
recursos.
Estados Los estados absorbentes son un concepto La función principal de los estados Modelado de Procesos Finitos: Menor Flexibilidad: En algunos casos,
Absorbentes importante en el estudio de cadenas de Markov, absorbentes es proporcionar una forma de Los estados absorbentes permiten los estados absorbentes pueden ser un
particularmente en la teoría de procesos modelar procesos donde existe la modelar procesos con puntos modelo demasiado simplista para
estocásticos. En este contexto, los estados posibilidad de finalizar o llegar a un estado finales claros. Esto es útil para sistemas con múltiples caminos y
absorbentes son estados especiales dentro de de "fin". En cadenas de Markov con estados analizar sistemas donde el transiciones.
una cadena de Markov que, una vez alcanzados, absorbentes, el sistema finalmente resultado final es fijo o Complejidad en Análisis: Aunque
no permiten transición a otros estados; en otras terminará en uno de estos estados, aunque predecible. simplifican ciertos aspectos del
palabras, el proceso se "absorbe" y permanece puede pasar por varios estados transitorios Análisis de Comportamiento a análisis, la presencia de estados
en ese estado. antes de ser absorbido. Largo Plazo: Con estados absorbentes puede complicar el
absorbentes, se puede analizar la análisis cuando se combinan con
probabilidad de que el sistema estados transitorios, requiriendo
llegue a ciertos estados y el métodos más avanzados para calcular
tiempo esperado para llegar allí. probabilidades y tiempos de
absorción.
Distribución La distribución de Poisson es un modelo La función principal de la distribución de Simplicidad Matemática: La Supuestos Rígidos: Asume
de llegada de estadístico utilizado para describir el número de Poisson es modelar eventos discretos que fórmula de la distribución de independencia entre eventos y una tasa
Poisson eventos que ocurren en un intervalo fijo de ocurren de forma independiente a una tasa Poisson es relativamente simple y constante de ocurrencia. Esto puede no
tiempo o espacio, cuando estos eventos son promedio constante. Esta distribución se fácil de aplicar, lo que facilita su ser apropiado para sistemas donde los
independientes y ocurren a una tasa promedio usa en situaciones como: uso en modelos estadísticos y eventos están correlacionados o la tasa
constante. simulaciones. cambia con el tiempo.
Conteo de llamadas recibidas por un centro Independencia y Estabilidad: Inapropiado para Grandes Tasas de
de llamadas. Asume que los eventos son Eventos: Cuando la tasa de eventos es
Número de accidentes de tráfico en un independientes y ocurren a una muy alta, la distribución de Poisson
tramo de carretera. tasa constante, lo que puede ser puede no ser el modelo más adecuado.
Ocurrencias de errores en un proceso de una buena aproximación para
manufactura. muchos sistemas reales.
Llegadas de clientes a un servicio. Amplias Aplicaciones: Se puede
aplicar a muchas situaciones
donde se cuenta el número de
ocurrencias de un evento, por lo
que es una herramienta flexible
en diversas disciplinas.