G18508 1

UNIVERSIDAD TCNICA PARTICULAR DE LOJA
La Universidad Catlica de Loja MODALIDAD ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS DE LA COMPUTACIN
Mtodos Cuantitativos
Gua didctica
1. Datos informativos
AUTORA: Gloria Cecilia Piedra Pullaguri
CICLO UTPL-ECTS Informtica
Reciba asesora virtual en: www.utpl.edu.ec
18508
MTODOS CUANTITATIVOS Gua didctica Gloria Cecilia Piedra Pullaguari UNIVERSIDAD TCNICA PARTICULAR DE LOJA CC Ecuador 3.0 By NC ND Diagramacin, diseo e impresin: EDILOJA Ca. Ltda. Telefax: 593-7-2611418 San Cayetano Alto s/n www.ediloja.com.ec edilojainfo@ediloja.com.ec Loja-Ecuador Segunda edicin ISBN-978-9942-08-372-2
Esta versin impresa, ha sido acreditada bajo las licencias Creative Commons Ecuador 3.0 de reconocimiento -no comercial- sin obras derivadas; la cual permite copiar, distribuir y comunicar pblicamente la obra, mientras se reconozca la autora original, no se utilice con fines comerciales, ni se realicen obras derivadas. http://www. creativecommons.org/licences/by-nc-nd/3.0/ec/ Octubre, 2012
2. ndice
3. Introduccin.......................................................................................................................................... 4. Bibliografa .............................................................................................................................................
4.1. Bsica ................................................................................................................................................. 4.2. Complementaria................................................................................................................................... 5 6 6 6 8 11
5. Orientaciones generales para el estudio .................................................................................. 6. Proceso de enseanza-aprendizaje para el logro de competencias..............................
PRIMER BIMESTRE
6.1. Competencias genricas .................................................................................................................. 6.2. Planificacin para el trabajo del alumno ....................................................................................... 6.3. Sistema de evaluacin primer bimestre .......................................................................................... 6.4. Orientaciones especficas para el aprendizaje por competencias .................................................. Unidad 1: TEORIA GENERAL DE LOS MTODOS CUANTITATIVOS ........................................................................ 1.1. HISTORIA ........................................................................................................................... 1.2. DEFINICIN ....................................................................................................................... 1.3. SOLUCIN DE PROBLEMAS Y TOMA DE DECISIONES ................................................................ 1.4. CONSTRUCCIN DE MODELOS .............................................................................................. 1.5. LOS MODELOS MATEMTICOS .............................................................................................. 1.6. MODELOS DE COSTOS, INGRESOS Y UTILIDADES..................................................................... Autoevaluacin 1 ....................................................................................................................... Unidad 2: ANLISIS DE DECISIN ................................................................................................................... 2.1. INTRODUCCIN ................................................................................................................. 2.2.FORMULACIN DEL PROBLEMA .............................................................................................. 2.3. PROCESO DE TOMA DE DECISIONES ...................................................................................... 2.4. ANLISIS CUANTITATIVO EN LA TOMA DE DECISIONES .............................................................. Autoevaluacin 2 ....................................................................................................................... Unidad 3: INTRODUCCIN A LA PROGRAMACIN LINEAL (PL) .......................................................................... 3.1. INTRODUCCIN .................................................................................................................. 3.2. CONSTRUCCIN DEL MODELO ............................................................................................... 3.3. PROBLEMA DE MAXIMIZACIN ............................................................................................. 3.4 PROBLEMAS DE MINIMIZACIN ............................................................................................. Autoevaluacin 3 .......................................................................................................................
11 11 13 14 14 14 14 15 15 17 19 22 23 23 23 25 26 33 34 34 35 35 37 40
Unidad 4: APLICACIN DE LA PROGRAMACIN LINEAL .................................................................................... 4. APLICACIONES ....................................................................................................................... 4.1. EN LA MERCADOTECNIA ....................................................................................................... 4.2. APLICACIN FINACIERA ........................................................................................................ 4.3. PROBLEMAS DE MEZCLA ...................................................................................................... 4.4. ADMINISTRACION DE PRODUCCION ...................................................................................... Autoevaluacin 4 .......................................................................................................................
41 41 41 43 45 49 52
SEGUNDO BIMESTRE
6.5. Competencia Genricas: ..................................................................................................... 6.6. Planificacin para el trabajo del alumno .............................................................................. 6.7. Orientaciones especficas para el aprendizaje por competencias ............................................ Unidad 5: ANLISIS DE DUALIDAD Y DE SENSIBILIDAD .................................................................................... 5.1 INTRODUCCION. .................................................................................................................. 5.2 ANLISIS DE DUALIDAD......................................................................................................... 5.3. ANLISIS DE SENSIBILIDAD PARA PROBLEMAS DE MAXIMIZACIN.............................................. 5.4. ANLISIS DE SENSIBILIDAD PARA PROBLEMAS DE MINIMIZACIN .............................................. 5.5. PROBLEMAS DE APLICACIN ................................................................................................ Autoevaluacin 5 ....................................................................................................................... Unidad 6: MODELO DE TRANSPORTE Y SUS VARIANTES .................................................................................... 6.1. DEFINICION DE MODELO DE TRANSPORTE............................................................................... 6.2. EL ALGORITMO DE TRANSPORTE ............................................................................................ 6.3. EL MODELO DE ASIGNACIN ................................................................................................ 6.4. EL METODO DE ASIGNACION DE VOGEL .................................................................................. 6.5. ACTIVIDADES DE APRENDIZAJE .............................................................................................. Autoevaluacin 6 ....................................................................................................................... Unidad 7: ADMINISTRACIN DE PROYECTO PERT - CPM ................................................................................... 7.1. IMPORTANCIA ..................................................................................................................... 7.2. REPRESENTACIN DE LA RED ............................................................................................... 7.3. CLCULO DE LA RUTA CRTICA .............................................................................................. 7.4. PROBLEMAS DE APLICACIN ................................................................................................ Autoevaluacin 7 ....................................................................................................................... 55 55 57 57 57 57 59 63 65 71 72 72 76 82 83 85 87 88 88 88 88 91 94
7. Solucionario ..........................................................................................................................................
95
PRELIMINARES
Gua didctica: Mtodos Cuantitativos
3. Introduccin
En esta seccin se presenta la asignatura de Mtodos Cuantitativos, se imparte en el quito ciclo de la carrera de Informtica, esta materia es de tipo genrico y tiene un valor de cuatro crditos al estudiante. La importancia de Mtodos Cuantitativos tiene como finalidad brindar al estudiante una serie de herramientas que facilitan el proceso de toma de decisiones en las organizaciones y que son aplicables en el rea de la administracin de negocios, por lo que se pretende mostrar algunas de sus ms importantes aplicaciones en diversos mbitos del entorno empresarial. Su propsito es traducir problemas y hechos reales en un conjunto de smbolos y signos matemticos como son los modelos matemticos, luego a travs de mtodos y procesos cientficos busca una solucin, el resultado que se obtiene le ayudar al administrador, alta gerencia, directores y jefes, a tomar la mejor decisin. Al igual que otras ciencias vamos de lo particular a lo general, para definir y proponer soluciones basada en modelos matemticos, por eso partimos en el primer bimestre, unidad 1 revisando una breve historia de la creacin y origen de los mtodos cuantitativos, los modelos, definicin y tipos, para relacionarnos con hechos reales. La capacidad del hombre le permite realizar anlisis, es as que en la unidad 2 nos referimos al anlisis de decisin, anlisis cuantitativos y toma de decisiones. En la unidad 3 se abordar la programacin lineal en varios campos. Para el segundo bimestre se estudiar en la unidad 5 el anlisis de dualidad y sensibilidad sobre los problemas de maximizacin y minimizacin. En la unidad 6 nos dedicaremos a revisar otros tipos de modelos tales como: el de transporte y sus variantes, asignacin y transbordo. Para concluir revisaremos en la unidad 7 lo referente a administracin de proyectos PERT- CPM organizando tareas y determinando su ruta critica. Estimado estudiante, insisto en el compromiso de colaborar abiertamente con las actividades de estudio e investigacin propuestas en la presente gua didctica, acuda a todas las estrategias de comunicacin sugeridas, con el objeto de garantizar el entendimiento de los temas aqu tratados. Una vez que usted haya culminado este ciclo, le aseguro lo va hacer con xito, va a estar en capacidad de analizar los procesos de forma completa, la identificacin de una herramienta de ayuda para desarrollar la capacidad de razonamiento, el anlisis, la compresin, resolucin de problemas y en ser una herramienta a la toma de decisiones.
UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja
PRELIMINARES
4. Bibliografa
4.1. Bsica
Anderson, D.; Sweeney, D. y Williams, T. (2011). Mtodos Cuantitativos para los negocios. Mxico :Editorial Thomson. Los contenidos se desarrollan y describen muchos mtodos cuantitativos que han sido desarrollados a lo largo de los aos, en este texto se explica cmo funcionan y muestra la forma en quin toma las decisiones puede aplicarlos e interpretarlos. Otra caracterstica es que la pedagoga utilizada para escribir el libro, es pensada en las personas que no tienen especializacin en matemticas, lo cual favorece enormemente a los estudiantes de la carrera informtica. El texto tambin hace una integracin con el software, la mayora de contenidos y ejercicios tienen una aplicabilidad computacional, el texto lo especifica de acuerdo a la resolucin de los problemas. Piedra, G. (2012). Gua de Mtodos Cuantitativos. Loja Ecuador:Editorial UTPL. Como profesora de Mtodos Cuantitativos, he desarrollado esta gua con el propsito de llegar a cada uno de ustedes, con orientaciones para que puedan obtener las competencias definidas y planteadas. El trabajo autnomo que debe realizar el alumno es importante, por tanto esta gua ser su apoyo a lo largo del presente ciclo acadmico.
4.2. Complementaria
Taha, H. (1998). Investigacin de Operaciones una Introduccin. Mxico: Editorial Prentice Hall. De este libro los captulos que hemos destacados son: La solucin de problemas y toma de decisiones, los modelos que se presentan en el libro, los numerosos problemas de aplicacin y los casos detallados que se presentan al final del captulo permiten tener una perspectiva del anlisis de casos en la prctica. Debido a la importancia de los clculos en la investigacin de operaciones, el libro contiene muchas herramientas para llevar a cabo esta tarea. El aprendizaje de tcnicas, y modelos a partir de los cuales se pueden representar problemas de la vida real, a ser aplicados en las diferentes ciencias y disciplinas, facilitando la toma de decisiones, por quienes administran o representan las instituciones; a la vez se busca encontrar los mejores resultados a los problemas, sin interferir en las limitaciones de recursos. Los contenidos se explican a travs del desarrollo de ejemplos sencillos y para cada tema plantea una Serie de problemas , cuyo desarrollo permitir al estudiante adquirir destrezas en la formulacin de modelos para resolver problemas y en la interpretacin econmica de los resultados. El texto incluye un software que puede ser utilizado para la resolucin de problemas. Pero como se insistir mas adelante, el software slo ayuda a los clculos matemticos, ms no formula el modelo matemtico. Hillier, F.;Hillier, M. y Lieberman, G. (2001). Introduccin a la Investigacin de Operaciones. Mxico: Editorial Mc Graaw Hill. En este texto encontrarn breves explicaciones, comentarios de cada uno de los temas: Teora del
La Universidad Catlica de Loja
PRELIMINARES
mtodo simplex, teora de dualidad y anlisis de sensibilidad y otros algoritmos para programacin lineal finalmente los Problemas de transporte y asignacin. Este texto tiene tres enfoques claves: Un enfoque de modelos; Un enfoque de casos. Hojas de clculo.El software moderno, incluye el Microsoft Excel utilizando en el texto, se puede usar para practicar la ciencia de la administrativa real. Sin embargo hay que tomar en cuenta que las hojas de clculo o cualquier software ayudan a resolver modelos, son un medio y no un fin. Un enfoque de modelos.- La formulacin de modelos nace de la metodologa de la ciencia administrativa. Por tanto, enfatizamos considerablemente el arte de la formulacin de modelos, la funcin de un modelo y el anlisis de los resultados que stos generan. Utilizamos principalmente (ms no de manera exclusiva) un formato de hoja de clculo en lugar de lgebra para formular y presentar un modelo. Un enfoque de casos.- Adems de los ejemplos, en casi todos los captulos se incluyen casos que transmite todo el proceso de aplicacin de la ciencia administrativa. Direcciones Electrnicas Tutorias en Linea Videoconferencia UTPL, [ En lnea]. Disponible en: http://www.youtube.com/ profile?user =videoconferencia#p/search/0/Kgsp2Mv1niE [Consulta 2012-05-15] Se ha tomado como herramienta principal el uso de los videos grabados y que se encuentra en el canal que la UTPL tiene en youtube. Estos videos contienen la explicacin sobre los temas a estudiarse durante el presente ciclo acadmico.
PRELIMINARES
5. Orientaciones generales para el estudio

La asignacin tiene un compromiso mayormente prctico y aplicativo, la idea es partir de hechos reales que puedan ser aplicados en nuestro entorno, adems que nos provea de una herramienta de apoyo a la toma de decisiones. Para el estudio de esta asignatura, usted dispone de un texto bsico y la gua didctica como material fsico, a travs de internet dispone del EVA entorno virtual de aprendizaje. A continuacin le desarrollo algunas sugerencias que debe tomar en cuenta para mejorar y optimizar el proceso de aprendizaje. El Tiempo, organizar de manera que pueda avanzar secuencialmente en cada una de las unidades y temas propuestos en la gua y que le permitan desarrollar el trabajo a distancia de una forma paralela. La definicin de un horario es primordial, dedique al menos una hora diaria al autoestudio. El lugar, para el estudio de la asignatura debe ser tranquila, bien iluminada y cmodo, adems debe tener a mano todo el material necesario para evitar distracciones.
La lectura, como parte de la mitologa de autoestudio debe ser de forma compresiva y analtica de tal manera que pueda asimilar lo esencial de las unidades, a la par, trabajar la gua con el texto bsico. Ejercicios, de refuerzos a parte de los que desarrolla en la explicacin de cada tema.
Actividades, propuestas que debe realizar para cumplir con lo planificado en la gua. Adems debe desarrollar la evaluacin a distancia que es un requisito indispensable para presentarse a la prueba presencial. Entorno Virtual de Aprendizaje (EVA), en donde podr interactuar con su profesor, tutore y compaeros, comentar en los foros sobre temas propuestos y sobre los aportes de sus compaeros, visitar el EVA continuamente para informarse de los anuncios y novedades que publique el profesor.
Videoconferencias, en la que se explicarn los temas de la asignatura, todos los videos quedan almacenados en el canal de la UTPL que tiene en youtube. Autoevaluacin, que debe desarrollar para medir sus avances en los temas y el nivel de conocimiento adquirido, es una buena oportunidad para evaluarse, queda invitado a hacerlo. La evaluaciones y autoevaluaciones nos permiten medir el nivel de aprendizaje, por eso se ha introducido autoevaluacin al final de cada unidad y el trabajo a distancia que debe desarrollar de acuerdo al avance de la asignatura. As que, le animo a iniciar la revisin de los contendidos, interactuar en el entorno virtual de aprendizaje, a participar de los foros, a comunicarse son su profesor y compaeros, desarrollar los ejercicios propuestos y entregar los trabajos a distancia.
PRELIMINARES
Por ltimo le recomiendo revisar la Planificacin para el trabajo del alumno, este cuadro le da una visin global de la asignatura, pues all se encuentran las competencias genricas, competencias especficas e indicadores de logros por cada uno de los bimestres. Espero que estas sugerencias y recomendaciones contribuyan al aprendizaje exitoso de esta y todas las asignaturas que este cursando.
PRIMER BIMESTRE
6.
Proceso de enseanza-aprendizaje para el logro de competencias
PRIMER BIMESTRE
6.1. Competencias genricas
Capacidad para organizar y planificar el tiempo. Capacidad de abstraccin, anlisis y sntesis. Habilidades para buscar, procesar y analizar informacin procedente de fuentes diversas. Capacidad para identificar, planear y resolver problemas. Capacidad creativa e innovadora. Capacidad para tomar decisiones. Habilidades interpersonales. Compromiso con la calidad Capacidad para formular, disear y gestionar proyectos. Compromiso tico.
6.2. Planificacin para el trabajo del alumno

COMPETENCIAS ESPECFICAS Analizar problemas de programacin y plantear soluciones mediante mtodos computacionales. Implementar aplicaciones a partir de especificaciones y modelos de software utilizando estndares de documentacin y programacin. Administrar centros de comunicacin y datos (servidores y aplicaciones). Definir, planificar y controlar proyectos de TI. Elaborar presupuestos y estimaciones de alcance, costo y tiempo en proyectos de TL. INDICADORES DE APRENDIZAJE Identifica hechos importantes en el desarrollo de mtodos cuantitativos. Analiza crticamente los aportes de los compaeros de materia en el foro y emite su comentario en el mismo. CONTENIDOS Unidades/Temas UNIDAD 1: TEORA DE GENERAL DE LOS METODOS CUANTITATIVOS. 1.1. Historia 1.2. Definicin 1.3. Solucin de problemas y toma de decisiones. 1.4. Construccin de Modelo. 1.5. Los modelos matemticos 1.6. Modelo de Costos, Ingresos y utilidades ACTIVIDADES DE APRENDIZAJE Lea comprensivamente el captulo 1 del texto bsico y las orientaciones que se presentan en la gua didctica para los temas de esta unidad. Elabore un resumen con los aspectos fundamentales de la Unidad 1. Realice un cuadro sinptico sobre los modelos. Resuelva la autoevaluacin 1. Revise los anuncios del EVA. Inicie el desarrollo de la evaluacin a distancia del primer bimestre. CRONOGRAMA ORIENTATIVO Tiempo estimado Semana 1: 4 horas de autoestudio y 4 horas de interaccin.
11
PRIMER BIMESTRE
Descubre y explica al menos una solucin al problema planteado. Propone estrategias de desarrollo para los problemas planteados.
UNIDAD 2: ANLISIS DE DECISIN 2.1. Introduccin. 2.2. Formulacin del Problema 2.3. Proceso de toma de decisiones. 2.4. Anlisis Cuantitativo en la toma de decisiones
Estudie con atencin el captulo 4 del texto bsico y las orientaciones que se presentan en la gua didctica. Analice el caso MC en accin que se presenta en el texto bsico, capitulo 4. Analice el documento sobre el enfoque constructivista que consta en el EVA.
Semana 2 y 3: 8 horas de autoestudio y 8 horas de interaccin.
Formula repuesta vlidas para ayudar en la toma de decisiones basado en los resultados encontrados con el desarrollo de los ejercicios.
UNIDAD 3: INTRODUCCINA LA PROGRAMACIN LINEAL ((PL). 3.1. Introduccin. 3.2. Construccin del Modelo. 3.3. Problema de Maximizacin. 3.4. Problema de Minimizacin.
Analice los ejemplos del texto bsico y de la gua didctica y proponer otros ejemplos. Responda argumentadamente los cuestionarios planteados en la gua didctica. Resuelva la autoevaluacin. Revise los anuncios del EVA.
Semana 4 y 5: 8 horas de autoestudio y 8 horas de interaccin.
Propone estrategias para optimizar la resolucin de ejercicios y su aplicabilidad en las reas determinadas de esta unidad.
UNIDAD 4: APLICACIN DE LA PROGRAMACION LINEAL. 4.1. En la Mercadotecnia 4.2. Aplicacin Financiera 4.3. Problemas de mezcla 4.4. Administracin de produccin.
Siga paso a paso el desarrollo de los ejercicios en el texto bsico capitulo 9. Revise los anuncios del EVA. Contine con el desarrollo de la evaluacin a distancia del primer bimestre.
Semana 6: 4 horas de autoestudio y 4 horas de interaccin.
UNIDADES 1 A LA 4:TODOS LOS CONTENIDOS
Revise los contenidos de la asignatura como preparacin para la evaluacin presencial del primer bimestre.
Semana 7 y 8 : 8 horas de autoestudio y 8 horas de interaccin.
12
PRIMER BIMESTRE
6.3. Sistema de evaluacin primer bimestre

2. Heteroevaluacin Evaluacin presencial Formas de evaluacin 1. Autoevaluacin y actividades recomendadas
Parte de ensayo
Competencia: Criterio
Comportamiento tico Actitudes Cumplimiento, puntualidad, responsabilidad Esfuerzo e inters en los trabajos Respeto a las personas y a las normas de comunicacin Creatividad e iniciativa Habilidades Contribucin en el trabajo colaborativo y de equipo Presentacin, orden y ortografa Emite juicios de valor argumentadamente Conocimientos Dominio del contenido Investigacin (cita fuentes de consulta) Aporta con criterios y soluciones Anlisis y profundidad en el desarrollo de temas PORCENTAJE
X X X X
X X X
X X X X X
Pruebas mixtas: objetivas y ensayo
Interaccin en el EVA
Parte objetiva
Parte objetiva
X X X X
X X
X X X X
X X X X
X X 30% Mximo 1 punto (completa la evaluacin a distancia) 70%
Estrategia de aprendizaje
Puntaje TOTAL
14
20 PUNTOS
Para aprobar la asignatura se requiere un puntaje mnimo de 28/40 puntos, que equivale al 70%
*Se refiere a las estrategias de aprendizaje, sin embargo no tienen calificacin; pero es necesario responderlas con el fin de autocomprobar su proceso de aprendizaje. ** Para Recordar; que la evaluacin a distancia tanto del primer y segundo bimestre consta de dos partes: una objetiva y otra de ensayo, la misma debe desarrollarla y entregarla en las fechas establecidas. Seor estudiante: Tenga presente que la finalidad de la valoracin cualitativa es principalmente formativa.
Actividades presenciales y en el EVA
10%
20%
3- Coevaluacin X X X X X X X X X X
Evaluacin a distancia**
13
PRIMER BIMESTRE
6.4. Orientaciones especficas para el aprendizaje por competencias
Unidad 1 TEORIA GENERAL DE LOS MTODOS CUANTITATIVOS

Para el estudio de esta asignatura comenzaremos revisando su historia, sus orgenes, objetivos y justificaciones para su creacin, esta unidad es ms terica y tiene que leer bastante, esto le ayudar a formarse una idea de la importancia que tiene como herramienta de soporte en la toma de decisiones.
1.1. HISTORIA
Las primeras actividades formales se dieron en 1937, durante la Segunda Guerra Mundial, Jefes Militares britnicos reunieron a un equipo de matemticos, cientficos e ingenieros para que analizaran varios problemas militares tales como: el despliegue del radar, administracin de un convoy, las operaciones de bombardeo, la colocacin de minas, etc. El objetivo del equipo era determinar la forma ms efectiva de utilizar recursos militares limitados. A la aplicacin de las matemticas y del mtodo cientfico a las operaciones militares, se las llam Investigacin de Operaciones, debido a que el equipo se dedicaba a analizar operaciones militares. Despus de la guerra, muchas de las personas asociadas con la investigacin de operaciones militares durante el conflicto blico, se dieron cuenta de que muchos de los mtodos y tcnicas que se aplicaron a los problemas militares, podan aplicarse a problemas industriales. Sin embargo, estos conceptos e ideas, tuvieron que esperar el desarrollo de las computadoras, la dcada de 1950. Aunque Inglaterra tiene el crdito del inicio de la investigacin de operaciones como disciplina, los investigadores de los Estados Unidos han hecho contribuciones importantes a su desarrollo. Una de las tcnicas matemticas de ms amplia aceptacin, es el mtodo simplex de Programacin Lineal desarrollado en 1947 por el estadounidense George B. Dantzing. Esta tcnica en particular ha tenido amplias aplicaciones a muchos problemas operativos y es base para muchas otras tcnicas matemticas. Aunque numerosas aplicaciones de la ciencia de la administracin ocurrieron en los aos de 1950, no fue sino hasta principios de la dcada de 1960 y principios de 1970 se han superado, gracias a los progresos de la tecnologa de computadoras y a cambios en los planes acadmicos de las universidades. Estos avances y cambios tambin nos afectan, es as que actualmente los conceptos de Investigacin de Operaciones, los estamos revisando en la asignatura Mtodos Cuantitativos. Sobre la historia encontrar ms en el texto propuesto como bibliografa complementaria, Investigacin de Operaciones de Taha Hamdy. Estimado estudiante, lea detenidamente la introduccin del capitulo 1 del texto bsico y participe del foro propuesto en el eva. Si el foro no sta activo, comunquese con el docente.
1.2. DEFINICIN
La Investigacin de Operaciones (IO), Ciencia de la Administracin (CA) o Mtodos Cuantitativos (MC), es una disciplina que ayuda a la toma de decisiones mediante la aplicacin de un enfoque cientfico a problemas administrativos que involucra factores cuantitativos.
14
PRIMER BIMESTRE
La Investigacin de Operaciones (IO), Ciencia de la Administracin (CA) o Mtodos Cuantitativos (MC), es la aplicacin de procedimientos, tcnicas y herramientas cientficas a problemas operativos con el objeto de ayudar a desarrollar y evaluar soluciones. Como su nombre lo indica, la Investigacin de Operaciones (IO), Ciencia de la Administracin (CA), o Mtodos Cuantitativos (MC), significa hacer investigacin sobre las operaciones. Es una manera de abordar la toma de decisiones en la administracin, que se basa en el mtodo cientfico y que utiliza ampliamente el anlisis cuantitativo. El anlisis cuantitativo se basa en datos cuantitativos asociados al problema y desarrollo de expresiones matemticas que describen el objetivo, las restricciones y las relaciones existentes en el problema, que se conoce como Modelo. La Investigacin de Operaciones (IO), Ciencia de la Administracin (CA) o Mtodos Cuantitativos (MC), se aplica a problemas que se refiere a la conduccin y coordinacin de operaciones (o actividades) dentro de una organizacin. La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de operaciones, se ha aplicado de manera extensa en reas tan diversas como la manufactura, el transporte, las telecomunicaciones, planeacin financiera, el cuidado de la salud. La milicia y los servicios pblicos, por nombrar slo unas cuantas. As, la gama de aplicaciones es extraordinariamente amplia.
1.3. SOLUCIN DE PROBLEMAS Y TOMA DE DECISIONES

La solucin de problemas, puede definir el proceso de identificar una diferencia entre el estado actual y el estado deseado, luego emprender acciones para reducir o eliminar la diferencia. Para problemas que tienen la suficiente importancia como para justificar el tiempo y el esfuerzo de un anlisis minucioso. El proceso de solucin de problema implica el paso siguiente: 1. 2. 3. 4. 5. 6. 7. Identificar y definir el problema. Determinar el conjunto de soluciones alternas. Determinar el criterio o criterios que se utilizarn para evaluar las alternativas. Evaluar las alternativas. Elegir una alternativa. Implementar la alternativa seleccionada. Evaluar los resultados para determinar si se ha obtenido una solucin satisfactoria.
La toma de decisiones es el trmino generalmente asociado con los primeros cinco pasos del proceso de solucin de problemas. Por ende el primer paso de la toma de decisiones es identificar y definir el problema. La toma de decisiones finaliza con la eleccin de una alternativa, lo que constituye el acto de tomar la decisin.
1.4. CONSTRUCCIN DE MODELOS

Para apreciar en forma completa los diferentes aspectos de la asignatura, es necesario comprender primero los fundamentos de las tcnicas y despus determinar cmo utilizarlas o no en diversas circunstancias. Para ello, resulta conveniente comprender mejor los conceptos generales de planteamiento y desarrollo de modelos, y la forma en que se relacionan con el rea de la ciencia de la administracin.
15
PRIMER BIMESTRE
Ya sea que se trate del sector privado o del pblico, una de las principales funciones del administrador es resolver problemas, es decir, los administradores son quienes deben resolver los problemas. Se d cuenta de ellos o no, el administrador aborda la tarea de resolver problemas principalmente a travs de la construccin de modelos, o planteamiento de modelos. La construccin de modelos es un medio que permite a los administradores analizar y estudiar problemas, as como tambin examinar diferentes alternativas. La construccin de modelos no es una idea nueva; el proceso se utiliza todos los das, con frecuencia en forma inconsciente, en situaciones de problemas bsicos. Para irnos familiarizando con las definiciones de cada uno de los temas, en base a lo ledo en la bibliografa bsica, complementaria y de internet, les propongo revisar la siguiente conceptualizacin. Un Modelo lo podramos definir como una representacin de un objeto o de una situacin real. A continuacin revisemos conceptualizaciones de algunos modelos. 1.4.1. MODELO MENTAL.- Imagen mental de la estructura que describe un problema. Considere el problema de una anfitriona que desea redistribuir los muebles de la sala de la casa. El objetivo es tener una disposicin apropiada que resulte atractiva pero tambin funcional. Una forma de abordar el problema consiste en visualizar diferentes disposiciones de los muebles y evaluar cada alternativa; en este caso la anfitriona est utilizando un modelo mental del problema. El modelo ser til si la anfitriona es capaz de visualizar la apariencia de cada una de las diferentes disposiciones. 1.4.2. MODELO A ESCALA.-Estructura fsica, de tamao reducido, que representa el problema. Considere ahora el problema que enfrenta un administrador a cargo del diseo de una planta industrial. No poda utilizar un modelo mental ya que existen diferentes necesidades de espacio y de servicios, demasiados elementos, etc. Sin embargo, el administrador podra basarse en un modelo a escala para ubicar equipos, maquinarias, instalaciones, etc. En funcin del espacio requerido, del espacio disponible y de las necesidades. Tambin podra utilizar un modelo matemtico, si sabe que existe un modelo general de diseo de plantas. 1.4.3. MODELO ICNICO.- Replica o representacin fsica de un objeto real como por ejemplo, representacin a escala de un avin o de un carro. 1.4.4. MODELO ANALGICO.- Aunque tiene forma fsica, un modelo analgico no tiene una apariencia fsica parecida a la del objeto o situacin real que representa, por ejemplo, el velocmetro de un automvil, el termmetro de un horno, etc. 1.4.5. MODELO MATEMTICO.- Smbolo y expresiones matemticas que se utilizan para representar una situacin real: Representacin simblica y abstracta de un problema. Los modelos matemticos son relativamente nuevos, en particular los relacionados con la toma de decisiones en la administracin. La mayora de los anlisis en ciencia de la administracin se llevan a cabo utilizando modelos matemticos. No todos los modelos matemticos son complejos. Por ejemplo, puede elaborarse un modelo matemtico para determinar cul es el pago que un vendedor recibe por una comisin de $100 por venta. Es posible desarrollar una relacin funcional entre el nmero de ventas y los ingresos por comisin. Si utilizamos X para representar el nmero de ventas; para representar los ingresos por venta y Y para representar los ingresos totales, entonces la relacin matemtica entre las ventas y los ingresos se expresa:
16
PRIMER BIMESTRE
Y = a (X)
(1.1)
Esta relacin funcional representa una operacin de procesamiento. Puede pensarse que los diversos valores de X (0,1,2,3,) son los datos de entrada, el valor de a (100) la comisin por cada venta y los correspondientes valores de Y (100, 200,300) son los datos de salida o resultados. A las entradas y resultados se les denomina por lo general variables. Una variable es slo una representacin de algo que puede asumir diversos valores numricos. Utilizando la terminologa matemtica convencional, la variable de entrada se la denomina variable independiente y la variable de salida es la variable dependiente. Por ello en la ecuacin 1.1. X es la variable independiente y Y la variable dependiente. El valor a se denomina constante, coeficiente o parmetro. Como se conoce el valor del parmetro, la relacin funcional anterior puede escribirse: Y = 100X (1.2)
Consulte otros tipos de modelos, ejemplifique los modelos encontrados y los presentados en esta unidad, luego enve el trabajo al correo del docente.
1.5. LOS MODELOS MATEMTICOS

Dentro de los modelos matemticos existen dos clases principales: los modelos descriptivos y los modelos normativos. 1.5.1. Modelos Descriptivos La relacin entre la solucin del problema pronosticado y el problema en si, est representado en el modelo descriptivo, que si es cierto representa la estrategia, ms no un curso de accin. 1.5.2 Modelo Normativo Si pensamos en normas y que estas deben ser representadas, concluimos que en estos modelos si hay un curso de accin a seguir, con metas y objetivos a alcanzar. Un modelo normativo esta compuesto de elementos por ejemplo: (1) Variables de decisin y parmetros; (2) restricciones; y, (3) Una o ms funciones objetivo. Para continuar con el desarrollo de la materia, le invito a desarrollar un ejemplo del modelo normativo; utilizaremos los elementos antes mencionados. 1. Variables de decisin y parmetros
Las Variables de decisin. Son las cantidades desconocidas que deben determinarse en la solucin del modelo. Un ejemplo de variable de decisin seria la cantidad de un determinado producto que debe elaborarse en una operacin de produccin en la que podra fabricarse diversos productos a partir del mismo recurso bsico. Los parmetros son los valores que describen la relacin entre las variables de decisin. Los parmetros permanecen constantes para cada problema, pero varan con problemas distintos. Un ejemplo sera las horas de mano de obra que se requiere para fabricar una unidad de un producto determinado.
17
PRIMER BIMESTRE
2.
Restricciones
Para incluir las limitaciones fsicas que ocurren en el problema cuyo modelo se plantea, dicho modelo debe incluir funciones matemticas (submodelos descriptivos) que limiten las variables a valores permisibles (factibles). Por ejemplo, si suponemos que X1 ,X2 y X3 ( variables de decisin) representan el nmero de unidades de tres productos que se est considerando fabricar y a1 , a2 y a3 (parmetros) son los respectivos requerimientos unitarios de mano de obra para fabricar los productos, y si se seale que la cantidad total disponible de materia prima es b, la funcin correspondiente de restriccin podran expresarse como : a1X1 + a2X2 + a3X3 b (1.3)
NOTA: La nomenclatura depende de los autores, ene este caso siga la propuesta en el desarrollo de la presenta gua. 3. Funcin objetivo
La funcin objetivo define la efectividad del modelo como funcin de las variables de decisin. Por ejemplo, si el objetivo es maximizar las utilidades totales, entonces la funcin objetivo debe describir stas en trminos de las variables de decisin. Si consideramos que c1 es el aporte a las utilidades de X1, c2 el aporte a las utilidades de X2, c3 el aporte a las utilidades de X3. En forma matemtica, la funcin objetivo que maximice las utilidades totales ser: U = c1X1+ c2X2 + c3X3 (1.4)
Esta expresin describe las utilidades en trminos de las variables de decisin si se conoce el aporte a las utilidades de cada una de ellas. El modelo normativo completo ser: Maximizar Sujeto a U = c1 X1 + c2 X2 + c3 X3 a1X1 + a2X2 + a3X3 b X1, X2, X3 0 Al resolver el modelo anterior, se obtiene la solucin ptima del mismo cuando los valores de las variables de decisin arrojan el mejor valor de la funcin objetivo, al mismo tiempo que se satisfacen todas las restricciones. Adems de la clasificacin en modelos descriptivos y normativos, con frecuencia se mencionan otras clasificaciones; pero no son clasificaciones distintas, sino subclasificaciones de los descriptivos y normativos. As tenemos: 1.5.3. Otros Modelos A continuacin les presento en una tabla ms modelos conocidos, para ampliar y conocer ms sobre ellos, les invito a consultar en la bibliografa propuesta, as como en internet. (1.5)
18
PRIMER BIMESTRE
Tabla 1. Modelos y su descripcin Tipo de modelo Modelo Determinstico Modelo Estocstico Probabilstico Modelo Lineal Descripcin En un modelo determinstico las relaciones funcionales, es decir los parmetros se conocen con certidumbre. o Si las relaciones funcionales, es decir los parmetros, son inciertos y estn sujetos a variacin. Un modelo lineal es en el que todas las relaciones funcionales son de naturaleza que la variable dependiente es proporcional a la suma de las variables independientes. Los modelos no lineales utilizan ecuaciones curvilneas o no proporcionales. Si una de las relaciones no son lineales, se clasifican como modelo no lineal. Modelo definido en un punto fijo del tiempo. Las condiciones del modelo no cambian para ese perodo especfico. Modelos cuyas caractersticas varan de un periodo a otro. Determinar el curso ptimo de accin requiere el examen de perodos mltiples. Modelos que no pueden plantearse de forma matemtica. Se experimenta con las variables para analizar diferentes cursos de accin. Se utiliza para problemas complejos.
Modelo no Lineal
Modelo Esttico Modelo Dinmico
Modelo de simulacin
1.6. MODELOS DE COSTOS, INGRESOS Y UTILIDADES

Algunos de los modelos cuantitativos bsicos que surgen para aplicaciones de negocios y econmicos son aquellos que implican la relacin entre una variable de volumen, como el volumen de produccin, el volumen de ventas, y los costos, los ingresos y las utilidades. Mediante el uso de estos modelos, un gerente puede determinar los costos, ingresos o utilidades previstos, asociados con una cantidad de produccin establecidos o un volumen de ventas previsto. La planeacin financiera, la planeacin de la produccin, las cuotas de ventas y otras reas de la toma de decisiones pueden beneficiarse de estos modelos de costos, ingresos y utilidades. 1.6.1. Modelos de costo El costo de manufactura o fabricacin de un producto es una funcin del volumen producido. Este costo por lo general se define como la suma de dos costos: el costo fijo y el costo variable. El costo fijo es la porcin del costo total que no depende del volumen de produccin; este costo permanece igual sin importar la cantidad que se produzca. El costo variable, por otro lado, es la porcin del costo total que depende del volumen de produccin y varan con el mismo. Costo Total = Costo fijo + Costo Variable Costo fijo: Costo variable: Vara con la produccin No vara con la produccin
19
PRIMER BIMESTRE
1.6.2. Modelos de ingreso Quiere informacin sobre los ingresos asociados con la venta prevista de una cantidad especfica de unidades, por lo que tambin se necesita un modelo de la relacin entre los ingresos y el volumen. Ingreso = aX a= precio de venta de una unidad de producto X= Nmero de unidades vendidas
1.6.3. Modelo de utilidades Uno de los criterios ms importantes para la toma de decisiones son las utilidades. Si damos por hecho que slo se producir lo que se puede vender, el volumen de produccin y el de ventas sern iguales. Dado que las utilidades totales son los ingresos totales menos los costos totales. Utilidad total = Ingreso total Costo Total UT = aX ( Costo fijo + Costo variable)
UT = aX Costo fijo Costo variable Ejemplo: Costo total = Costo fijo + Costo variable Costo total = 50 + 4X Ingreso Total = aX Ingreso Total = 9X Utilidad total = Ingreso Costo UT = 9X ( 50 + 4X) Si X = 10 UT = 9(10) (50 + 4(10)) UT = 90 50 40 UT = 0 Utilidad total = Ingreso Costo UT = 10 X ( 50 + 4(20)) Si X = 20 UT = 10(20) (50 + 4(20)) UT = 200 50 80 UT = 70
20
PRIMER BIMESTRE
PUNTO DE EQUILIBRIO PE, cuando la produccin no genera ni perdidas ni ganancias. La utilidad es cero. Ejemplo: Utilidad total = Ingreso Costo UT = 9X (50 4X) 0 = 9X 50 4X 5X = 50 X = 10 ( produccin en el PE)
ACTIVIDADES RECOMENDADAS Es hora de trabajar con la informacin que consta en el texto bsico. Le invito a resolver el ejercicio que a continuacin le plateamos tomando como estrategia de trabajo la revisin del captulo 1 del texto bsico. Ejercicio No. 1 a) b) c) d) Realice un cuadro sinptico con la clasificacin y tipos de modelos. De un concepto de Mtodos Cuantitativos Elabore una lista de los paso del proceso de toma de decisiones y comente cada uno. Desarrollar el siguiente ejercicio por el Modelo de Produccin de la seccin 1.3
Max 10X s.a 5X 40 X0 Suponga que la empresa de este ejemplo considera un segundo producto que tiene una utilidad unitaria de $5 y que se requiere 2 horas para producir cada unidad. Suponga tambin la capacidad de produccin total que sigue siendo 40. Utilice y como el nmero de unidades fabricadas del segundo producto. Muestre el modelo matemtico cuando dos productos se considera de manera simultnea. Identifique los insumos controlables e incontrolables para este modelo. Trace el diagrama de flujo del proceso de entrada-salida para este modelo (figura 1.5). Cules son los valores de solucin ptimo de x y y?
Una vez que hemos concluido el estudio de la unidad, conviene comprobar el logro de su aprendizaje. Para ayudarnos en esta tarea le proporcionamos el siguiente cuestionario que est basado en el capitulo 1 del texto bsico.
21
PRIMER BIMESTRE
Autoevaluacin 1
LEA CADA UNA DE LAS SIGUIENTES ASEVERACIONES, EMITA SU CRITERIO DE VERDADERO O FALSO DENTRO DEL PARNTESIS RESPECTIVO. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Los mtodos cuantitativos son una ciencia administrativa Los mtodos cuantitativos nos ayudan a maximizar gastos y minimizar beneficios La aplicacin de las herramientas de mtodos cuantitativos, son exclusivamente de uso en entidades privadas. El modelo mental representa a una estructura fsica, de tamao reducido Los modelos analgicos aunque tiene forma fsica, no tiene una forma o apariencia fsica o similar a la del objeto que representa Los modelos matemticos son el conjunto de smbolos y expresiones matemticas que se utilizan para representar una situacin real Un modelo normativo est conformado por : Variable de decisin, parmetros, restricciones y funcin objetivo. La nomenclatura utiliza para representar los hechos reales en el modelo matemtico es exclusiva: por ejemplo variables de decisin X,Y,Z Una restriccin es limitada El modelo dinmico determina un curso optimo de accin que requiere el examen de periodos mltiples ( ( ( ( ( ( ( ( ( ( ) ) ) ) ) ) ) ) ) )
22
PRIMER BIMESTRE
Unidad 2 ANLISIS DE DECISIN

2.1. INTRODUCCIN
Estimado estudiante, en este capitulo, explicaremos el proceso de Anlisis de decisin, nos apoyaremos en el texto bsico capitulo 4 El anlisis de decisiones se utiliza para desarrollar una estrategia ptima cuando un tomador de decisiones enfrenta varias alternativas de decisin y aun patrn de eventos futuros inciertos o lleno de riesgo. El concepto de decisin ha sido interpretado como una accin que permite lograr un objetivo propuesto. Hoy en da, el trmino se lo define como el estudio analtico, exhaustivo y comparativo que permite racionalizar los distintos medios a travs de los cuales podemos llegar al objetivo deseado. Este concepto nos transmite la idea del como hacer para inclinarnos por una u otra alternativa, es decir, evaluar las posibilidades existentes y elegir aquella que nos brinden los mejores resultados minimizado su riesgo. El xito de una decisin depende bsicamente del grado de conocimiento de orden cuantitativo y cualitativo que sobre esa alternativa elegida (decisin) tengamos a disposicin. La ausencia de elementos de informacin respecto de una alternativa, obviamente, nos conducir a una situacin incierta, muchas veces definitiva e irreversible. La atencin y buen juicio en el estudio previo a la toma de decisiones nos ayudar, innegablemente, a comprender que, el decidir es un proceso tcnico-cientfico en procura de obtener los resultados de conformidad a la planificacin de un objetivo. El conocimiento sobre tcnica de decisin pretende evitar que una empresa u organizacin actu en forma intuitiva, esto es, el que no exista un esfuerzo sistemtico para definir y evaluar las ventajas y desventajas respecto de las diferentes alternativas para un mismo fin. Para mejor compresin de esta unidad, revise el capitulo 4. Anlisis de decisiones, 4.1. Formulacin del problema
2.2. FORMULACIN DEL PROBLEMA

Se puede definir la resolucin de problemas como el proceso de identificar una diferencia entre algn estado de cosas actual (Estados de la Naturaleza) y uno no deseado (Alternativa de decisin), y de emprender despus una accin para resolver la diferencia (Ganancia). El proceso de resolucin implica los siguientes pasos: 1. 2. 3. Identificar y definir el problema ( Estado de la naturaleza) Determinar el conjunto de soluciones en alternativas( Alternativas de decisin) Determinar el criterio o criterios que se utilizarn para evaluar las opciones ( Ganancias) 3.1. 3.2. Evaluar tales opciones Elegir una de ellas
23
PRIMER BIMESTRE
3.3. 3.4.
Implantar la opcin o alternativa seleccionada, y Evaluar los resultados y determinar si se ha obtenido una solucin satisfactoria.
La toma de decisiones es el trmino que generalmente se asocia con las primeras cinco etapas del proceso de resolucin de problemas. As, el primer paso de la toma de decisiones es identificar y definir el problema. La toma de decisiones determina con la eleccin de una alternativa, que es el acto de tomar una decisin. Considrese el siguiente ejemplo de un proceso decisorio. Suponga por el momento que, ha terminado sus estudios universitarios y que se encuentra sin trabajo; es casado tiene familia y desea alcanzar una posicin econmica/social importante. De pronto se informa de cuatro ofertas de trabajo, las mismas que se detallan en el siguiente cuadro: Tabla 2: Datos para ejemplos de toma de decisiones Alternativa 1. Loja 2.Quito 3.Cuenca 4.Guayquil Sueldo Inicial 3.500.000 4.500.00 4.000.000 5.000.00 Potencialidad de progreso Regula Muy buena Buena Muy buena Ubicacin del empleo Excelente Buena Muy buena Regular
Preguntas: 1. 2. 3. 4. 5. Identifique y defina el problema Identifique y plantee el conjunto de alternativas disponibles Qu criterios utilizara usted para evaluar las cuatro opciones? Evale las opciones respecto a cada criterio Qu alternativa eligi? Cul es su decisin? Por qu?
Al dar contestacin a las cinco preguntas del ejemplo, usted ha tomado una decisin, pero no ha resuelto el problema. Con esto se quiere enfatizar que el trmino toma de decisiones tiene un alcance ms limitado que el trmino resolucin de problema. En la figura siguiente se da una relacin entre la toma de decisiones y la resolucin de problemas.
24
PRIMER BIMESTRE
Aunque la toma de decisiones puede tener en cualquier circunstancia de nuestras vidas, la ciencia de la administracin es un enfoque aplicable primordialmente a la toma de decisiones en un contexto gerencial. Algunos expertos en la adopcin de decisiones, sealan que con el objeto de entender lo que implica la toma de decisiones, se tiene que interpretar el concepto de forma amplia, de modo tan amplio que se vuelva casi sinnimo de administrar. Revisemos, la siguiente figura 1, he colocado un ciclo de procesos y en el distinguiremos los momentos y la relacin entre la resolucin de problemas y la toma de decisin: Toma de Decisiones

1. 2. 3. 4. 5. 6. 7.
Definir el problema Identificar las alternativas Determinar las alternativas Evaluar las alternativas Elegir una alternativa Implantar la decisin Evaluar los resultados
Resolucin problemas Decisin
de
Fig. 1 Relacin entre la resolucin de problemas y la toma de decisiones
2.3. PROCESO DE TOMA DE DECISIONES

La toma de decisiones de un proceso de seleccin entre cursos alternativos de accin, basado en un conjunto de criterios, para alcanzar uno o ms objetivos Las cinco fases del proceso de toma de decisiones de la figura 1, podemos dividirlas en dos: Estructuracin del problema y Anlisis del problema, tal como se ilustra en la figura 2. Estructurar el Problema Analizar el problema
Definir el problema
Identificar las alternativas
Determinar las condiciones
Evaluar las opciones
Fig. 2. Proceso de toma de decisiones
Las tres primeras fases del proceso decisorio constituye la Estructuracin del Problema y las dos ltimas fases son el Anlisis del problema. La fase de anlisis del proceso de toma de decisiones puede asumir dos formas bsicas, cualitativas y cuantitativas: El anlisis cualitativo se basa primordialmente en el razonamiento y la experiencia del administrador; incluye la impresin intuitiva que el administrador tiene del problema, y es ms un arte que una ciencia. Si el administrador ha tenido experiencia con problemas similares, o si el problema es relativamente simple, el nfasis fuerte se puede hacer en el anlisis cualitativo. Sin embargo, si el
Elegir una opcin
25
PRIMER BIMESTRE
administrador ha tenido poca experiencia con problemas similares, o si el problema es suficientemente complejo, entonces un anlisis cuantitativo del problema puede ser una consideracin muy importante en la decisin final del administrador. El anlisis cuantitativo, el anlisis se concentra en los hechos, datos cuantitativos asociados al problema y desarrolla expresiones matemticas que describen los objetivos, las restricciones y las relaciones existentes en el problema. Luego utiliza, uno o ms mtodos cuantitativos, para ofrecer una recomendacin con base en los aspectos cuantitativos del problema. El administrador que conoce los procedimientos de toma de decisiones cuantitativas est en una mejor posicin para comparar y evaluar las fuentes de recomendaciones tanto cualitativas como cuantitativas para, finalmente, combinar las dos fuentes para tomar la mejor decisin posible. El anlisis cuantitativo es el objeto de estudio de esta materia. Se considerar un problema gerencial, se presentar la metodologa cuantitativa apropiada y, despus, se elaborar la decisin a recomendar. AMBIENTE DE DECISIN El anlisis de decisin implica el uso de un proceso racional para seleccionas la mejor entre varias alternativas. La bondad de una alternativa seleccionada depende de la calidad de los datos utilizados para describir la situacin de decisin. Desde el punto de vista, un proceso de toma de decisiones cae en tres categoras: 1. 2. 3. Toma de decisiones bajo certidumbre: En la que conocen los datos de forma determinista Toma de decisiones bajo riesgo: En la que los datos se describen mediante distribuciones de probabilidad. Toma de decisiones bajo incertidumbre: En la que no es posible asignar a los datos pesos relativos que representen su grado de relevancia en el proceso de decisin.
2.4. ANLISIS CUANTITATIVO EN LA TOMA DE DECISIONES

El proceso de anlisis cuantitativo para la toma decisiones, nos introduce en la programacin lineal y lo podemos dividir en 5 pasos, estos son: 1) 2) 3) 4) 5) Definicin del problema Desarrollo del modelo Preparacin de los datos Resolucin del modelo Generacin de reportes
Para que este proceso quede claro, vamos a describir cada uno de los pasos, le invito a que de forma paralela vaya desarrollando un ejemplo siguiendo lo mismo:
26
PRIMER BIMESTRE
1.
DEFINICIN DEL PROBLEMA
Esta fase es esencial para determinar el xito o el fracaso del cualquier enfoque cuantitativo a la toma de decisiones. Se trata de convertir una descripcin un tanto general de un problema en un problema bien definido que pueda ser abordado cuantitativamente. Es necesario definir el problema en forma clara y en trminos de objetivos especficos y de restricciones de operacin precisas. Para tener xito al aplicar el mtodo cuantitativo en la toma de decisiones, el cientfico de la investigacin de operaciones debe trabajar en forma estrecha con el gerente o administrador, o con el usuario de los resultados. Ejemplo Cuntas carteras de mujer deben producirse cada semana con objeto de maximizar las utilidades?. Cada cartera deja una utilidad de $10 por unidad y requiere de 5 horas para ser fabricada. Se dispone de 40 horas de trabajo por semana nicamente. El problema queda definido; tiene un objetivo y restricciones precisas. 2. DESARROLLO DEL MODELO
Cuando el cientfico de la investigacin de operaciones como el gerente est de acuerdo que el problema ha quedado definido en forma adecuada, el cientfico de la investigacin de operaciones comienza su labor de desarrollar un modelo que se pueda utilizar para representar el problema en trminos matemticos. Los modelos que se desarrollan en CA/IO son modelos normativos. Esto quiere decir, como ya lo vimos, que estn constituidos por tres conjuntos bsicos de elementos (1) Funcin Objetivo, (2) Restricciones; y (3) Variables de decisin. Funcin Objetivo Cuando se considera un problema gerencial, por lo general se encuentra que la fase de definicin del problema conduce a un objetivo especfico (tal como maximizacin de utilidades o la minimizacin de costos). A una expresin matemtica que describe el objetivo del problema se la denomina funcin objetivo. Por ejemplo Max U = 10X (2.1)
La funcin anterior sera una funcin objetivo para una empresa que trata de maximizar las utilidades provenientes de la produccin de X unidades de carteras. Restricciones Igualmente, en la fase de definicin del problema es seguro que tengamos que enfrentarnos a un conjunto de limitaciones o restricciones (tal como capacidad de produccin, limitacin de materia prima, horas disponibles de trabajo, demanda del producto, etc.). El xito del modelo matemtico y del enfoque cuantitativo depende de la precisin con la que se expresen el objetivo y las restricciones en trminos de ecuaciones o relaciones matemticas.
27
PRIMER BIMESTRE
En nuestro ejemplo, se requerira una restriccin para la capacidad de produccin. Utilizando X para indicar el nmero de carteras que se fabrican cada semana, la restriccin del tiempo de produccin est dada por: 5X 40 (2.2) El valor de 5X es el tiempo total que se requiere para fabricar las X unidades: el smbolo indica que el tiempo que se requiere para la reproduccin debe ser menor o igual a las 40 horas disponibles. Maximizar Sujeto a ( s.a) X0 U = 10 X Funcin objetivo 5X 40 restriccin de tiempo
restriccin de no negatividad
Planteado el modelo se pueden desarrollar procedimientos de solucin con objeto de elegir la decisin que resuelva el problema de la mejor manera. La solucin de este ejemplo es evidente: X = 8; U = 80 Este modelo es un ejemplo de un modelo de programacin lineal. En captulos posteriores se analizaran modelos matemticos algo mas complicados y se aprender a resolverlos en situaciones en las que las respuestas no son tan evidentes. Variables de decisin y parmetros A los factores que controla el administrador o decisor se los llama insumos controlables del modelo .Tales insumos son las alternativas de decisin que el administrador especifica y, por ello, tambin se les denomina variables de decisin del modelo. En el ejemplo anterior, el nmero de unidades a producirse X=8, es una variable de decisin del modelo. Igualmente, en el ejemplo anterior la utilidad por unidad ($ 10), el tiempo de produccin por unidad (5 horas) y la capacidad de produccin (40 horas por semana) son conocidos como parmetros o factores del medio ambiente, que no estn bajo control del administrador o decisor. A estos factores que pueden afectar tanto a la funcin objetiva como a las restricciones, se le denomina tambin insumos incontrolables del modelo. Una vez que se especifican todos los insumos controlables e incontrolables, es posible evaluar la funcin objetivo y las restricciones y determinar el resultado del modelo. En este sentido el resultado del modelo es simplemente la proyeccin de lo que sucedera si ocurrieran esos factores ambientales y esas decisiones en una situacin real. La figura 3 muestra un diagrama que ilustra cmo un modelo matemtico transforma los insumos controlables e incontrolables en resultados. Insumos incontrolable( Estado de la naturaleza) (Factores ambientales)
Insumos controlable (Variables de decisin) (Alternativas de decisin)
MODELO MATEMATICO
Salida Resultados proyectados (Ganancia, consecuencia)
Fig3. Transformacin de insumos del modelo, en resultados
28
PRIMER BIMESTRE
En la figura 4 se presenta un flujograma similar que muestra los detalles especficos del modelo de produccin. Como se planteaba antes, los insumos incontrolables son aquellos sobre los cuales no puede influir quien toma las decisiones. Los insumos controlables e incontrolables especficos de un modelo dependen del problema o de la situacin especfica. En el ejemplo anterior, el tiempo disponible para la produccin es de 40 horas, es un insumo incontrolable, sin embargo, si fuera factible contratar ms empleados o utilizar tiempo extra, el nmero de horas de produccin converta en un insumo controlable y, por tanto, en una variable de decisin para el modelo.
Insumos incontrolables Utilidad por unidad Horas hombre por unidad Horas disponibles
Insumo controlable X, valor para el volumen de produccin
MODELO MATEMTICO Max U = 10 X 5X 40 X0
Resultado Utilidad proyectada, y restriccin de tiempo de produccin
Fig. 4 Diagrama de flujo para el modelo de produccin
A los insumos incontrolables se los puede conocer con exactitud o pueden ser inciertos y estar sujetos a una variacin. Si todos los insumos incontrolables de un modelo son conocidos y no pueden variar (tasas de impuestos, por ejemplo), al modelo se lo llama modelo determinstico. La caracterstica distintiva de los modelos determinsticos es que los valores de los insumos incontrolables se conocen con anticipacin. Si cualquiera de los insumos incontrolables son inciertos y estn sujetos a variacin (demanda del producto, por ejemplo), el modelo se denomina estocstico o probabilstico. En el ejemplo anterior, el nmero de horas que se requiere para la produccin de cada unidad, el total disponible de horas y la utilidad por unidad son todos incontrolables. Como se saba, que todos estos insumos incontrolables asuman valores fijos, el modelo era determinstico. Sin embargo, si el nmero de horas de produccin para cada unidad pudiera variar de 3 a 6 horas dependiendo de la calidad de la materia prima, el modelo seria estocstico. La caracterstica distintiva de los modelos estocsticos es que no es posible determinar el valor del resultado, aun cuando se conozcan los valores de los insumos controlables, porque se desconocen los valores especficos de los insumos incontrolables. Por esta razn, con frecuencia es ms difcil analizar los modelos estocsticos. En general, la experimentacin con modelos requiere menos tiempo y es menos costoso que la experimentacin con el objeto o la situacin real. Ciertamente, cuesta menos construir y estudiar un avin a escala que un avin de tamao real. De manera similar, el modelo matemtico anterior permite identificar en forma rpida las expectativas de ganancia o utilidad sin que se requiera que el
29
PRIMER BIMESTRE
administrador produzca y venda las X unidades. Los modelos tambin tienen la ventaja de que reducen el riego inherente a la experimentacin con la situacin real. La precisin de las conclusiones y las decisiones basadas en un modelo depende de cun bien representa el modelo la situacin real. Conforme ms estrechamente representa el modelo del avin real, ms precisas sern las conclusiones y predicciones sobre las caractersticas de vuelo. 3. PREPARACIN DE LOS DATOS
Hemos analizado los dos pasos iniciales en el proceso de anlisis cuantitativo, esto es: definicin del problema y desarrollo del modelo. El siguiente paso en el proceso de anlisis cuantitativo es la preparacin de datos que el modelo requiere. Los datos se refieren a los valores de los insumos incontrolables del modelo. Se deben especificar todos los datos o insumos incontrolables antes de que sea posible analizar el modelo y elegir una decisin o solucin recomendable para el problema. Este paso, depender de la complejidad del problema. En el modelo de produccin, el valor de los datos o insumos incontrolables era $10 de utilidad por unidad, 5 horas para la produccin de una unidad y 40 horas para la capacidad de produccin. En el ejemplo anterior, tanto el desarrollo del modelo y la preparacin de los datos, fueron dos actividades que se desarrollaron simultneamente. En problemas ms complejos, esto puede no ser posible. En ocasiones, los datos, no estn fcilmente disponibles. En estas situaciones es posible que el cientfico de la administracin sepa que los datos que necesita son la utilidad por unidad, el tiempo de produccin por unidad, la capacidad por semana (como en el ejemplo), pero que, stos deben obtenerse de los departamentos de contabilidad, produccin, ingeniera. En estas situaciones el analista adopta una notacin general para la fase de desarrollo del modelo. En el ejemplo anterior, el modelo planteado debi ser: Maximizar U = cX Sujeto a: aXb X0 Siendo: c = utilidad por unidad a = tiempo de produccin en horas por unidad b = capacidad de produccin en horas Luego de desarrollado el modelo, la etapa posterior se refiere a identificar los valores de c, a y b para poder terminar el modelo. La investigacin determina que: c = utilidad por unidad = 10 sucres (unidades monetarias) a = tiempo de produccin en horas por unidad b = capacidad de produccin en hora
30
PRIMER BIMESTRE
A esta altura s podemos plantear el modelo como lo hicimos anteriormente: Max U = 10 X Sujeto a : 5X 40 X 0 Como dijimos anteriormente, esta fase depender de la complejidad del problema. En problemas sencillos, esta fase puede parecer sencilla y poco importante, sin embargo, en problemas con 50 variables de decisin y 25 restricciones por ejemplo, habra muchos datos que sera necesario identificar en esta fase de preparacin de datos. Por otra parte, estos datos, no pueden ser obtenidos de una sola fuente o a travs de una sola persona, sino que, a veces es necesaria una base de datos bastante grande y que participen en la preparacin de los mismos algunos especialistas. 4. RESOLUCIN DEL MODELO
Una vez que se han terminado las etapas de desarrollo del modelo y preparacin de datos, se puede proceder a la etapa de resolucin del modelo. En este caso usted (el analista) intente identificar los valores de las variables de decisin que ofrecen el mejor resultado para el modelo. Determinados valores de las variables de decisin, definimos si continuamos la solucin por el mtodo grfico (simplex). En la tabla 3 se muestran los resultados de un mtodo de ensayo y error para resolver el modelo de produccin de la fig. 4. Para el problema que nos ocupa, el caso se resuelve al encontrar que X = 8, ya que con este valor se maximiza la funcin objetivo, cumpliendo las restricciones planteadas Tabla 3. Solucin de ensayo y error para el modelo de produccin de la Fig. 4 Alternativas de decisin (volumen de produccin) 0 2 4 6 8 10 12 Utilidad Proyectada 0 20 40 60 80 100 120 Total de horas de produccin 0 10 20 30 40 50 60 Solucin factibles? SI SI SI SI SI SI SI
En este ejemplo, el encontrar el valor de X ha sido una tarea fcil (un simple clculo matemtico, o una prueba de ensayo y error), sin embargo, en la prctica el nmero de variables de decisin y de restricciones pueden ser varias, dificultando la resolucin del modelo. Por ello, el analista ha desarrollado procedimientos de solucin especiales para modelos, que son ms eficientes que el procedimiento de ensayo y error. El objetivo de esta asignatura es presentar procedimientos de solucin a los modelos matemticos especficos que se plantearn.
31
PRIMER BIMESTRE
Es importante darse cuenta que las etapas de desarrollo del modelo y de resolucin del modelo no son completamente separables. Al mismo tiempo que un analista desea desarrollar un modelo, desear tambin estar en posibilidades de encontrar una solucin para el modelo. Si se aborda la etapa de desarrollo del modelo intentando encontrar el modelo matemtico ms preciso y realista, es posible que el modelo resultante sea tan grande y complejo que se nos haga imposible obtener una solucin. En este sentido sera preferible un modelo ms sencillo y quiz ms accesible, aun cuando la solucin recomendada slo sea una aproximacin tosca a la mejor decisin. 5. GENERACIN DE REPORTES
El paso final del proceso de anlisis cuantitativos es la preparacin de reportes gerenciales con base en la solucin del modelo. Con referencia a la Fig 3 se observa que la solucin basada en el anlisis cuantitativo de un problema es uno de los factores que el administrador toma en consideracin antes de tomar una decisin final. Por ello, es esencial que los resultados del modelo aparezcan en un reporte gerencial que sea de fcil comprensin para el decisor. El reporte debe incluir la solucin que se recomienda y otras informaciones relevantes de los resultados del modelo que puedan ser de utilidad para quien toma las decisiones. ACTIVIDADES RECOMENDADAS Es hora de trabajar con la informacin que consta en el texto bsico. Le invito a resolver el ejercicio que a continuacin le plateamos tomando como estrategia de trabajo la revisin del captulo 4 del texto bsico. Ejercicio No 2.1 a. Desarrollar el siguiente ejercicio: La tabla de resultados siguientes muestra las utilidades para un problema de anlisis de decisiones con dos alternativas de decisin y tres estados de la naturaleza. Estado de la Alternativas de decisin d1 d2 s1 250 100 s2 100 100 naturaleza s3 25 75
Construya un rbol de decisin para este problema. Si el tomador de decisiones no sabe nada respecto a las probabilidades de los tres estados, conservador y de arrepentimiento minimax
b.
. Proponga dos problemas, que pueden ser casos reales, desarrllelos en el espacio que a continuacin se reserva.
Problema:
32
PRIMER BIMESTRE
Funcin Objetivo:
Restriccin:
Respuesta:
Una vez que hemos concluido el estudio de la unidad, conviene comprobar el logro de su aprendizaje. Para ayudarnos en esta tarea le proporcionamos el siguiente cuestionario que est basado en el capitulo 4 del texto bsico.
Autoevaluacin 2
LEA CADA UNA DE LAS SIGUIENTES ASEVERACIONES, EMITA SU CRITERIO DE VERDADERO O FALSO DENTRO DEL PARNTESIS RESPECTIVO. 1. El anlisis de decisiones se utiliza para desarrollar una estrategia ptima cuando un tomador de decisiones enfrenta varias alternativas de decisin. 2. Diagrama de influencia proporciona una representacin grfica del proceso de toma de decisiones. 3. Los rectngulos o cuadrados representan los nodos fortuitos. 4. El enfoque optimista evala cada alternativa de decisin en funcin del mejor resultado que pueda ocurrir. 5. Nodo. Es una interseccin o punto de unin de un diagrama de influencia o rbol de decisin. 6. El rbol de decisin. Son las lneas que muestran las alternativas de los nodos de decisin y los resultados de los nodos fortuitos. 7. Anlisis de riesgo. Una alternativa de decisin y un estado de la naturaleza se combinan para generar el resultado asociado con una decisin 8. Perfil de riesgo. Probabilidades de los estados de la naturaleza antes de obtener la informacin muestral. 9. Estrategia de decisin, consiste en una secuencia de decisiones y resultados de probabilidad para proporcionar la solucin ptima a un problema de decisin 10. Nodos Fortuitos, indican puntos dnde ocurrir un evento incierto. ( ( ( ( ( ( ( ( ( ( ) ) ) ) ) ) ) ) ) )
33
PRIMER BIMESTRE
Unidad 3 INTRODUCCIN A LA PROGRAMACIN LINEAL (PL)

Estimado estudiante, lea detenidamente la introduccin del capitulo 7 del texto bsico, se presente un enfoque sobre programacin lineal. Luego contine con la revisin de la gua.
3.1. INTRODUCCIN
La programacin lineal est entre los avances cientficos ms importantes de mediados del siglo XX. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de dlares a muchas compaas. La programacin lineal es un mtodo de solucin de problemas desarrollado para ayudar a los gerentes a tomar decisiones. La programacin lineal (PL) utiliza un modelo matemtico para describir el problema. El adjetivo lineal significa que todas las funciones matemticas del modelo deben ser funciones lineales. En este caso, la palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata la planeacin de las actividades para obtener un resultado ptimo, esto es, el resultado que mejor alcance la meta entre todas las alternativas de solucin. Aunque la asignacin de recursos a las actividades es la aplicacin mas frecuente, la programacin lineal tiene muchas otras posibilidades. De hecho, cualquier problema cuyo modelo matemtico se ajuste al formato general del modelo de programacin lineal, es un problema de programacin. En este capitulo se desarrolla modelos pequeos que pueden resolverse de manera directa en una grfica, excluye que puedan resolverse a travs del mtodo simplex o que se utilice un software para su resolucin. Lo que interesa, no es el proceso de resolucin como tal, sino que como estudiante adquiera la habilidad para desarrollar modelos matemticos para problemas que se planteen. Para ilustrar algunas de las propiedades que tienen en comn todos los problemas de programacin lineal, considere las siguientes aplicaciones tpicas: En cada ejemplo nos interesa la maximizacin o minimizacin de alguna cantidad. 1. Un fabricante quiere elaborar un programa de produccin y una poltica de inventario que satisfaga la demanda de ventas en periodos futuros. En trminos ideales, el programa y la poltica permitirn a la empresa satisfacer la demanda y al mismo tiempo minimizar los costos totales de produccin e inventario. Un analista financiero debe seleccionar un portafolio entre diversas alternativas de acciones e inversiones. Al analista le gustara establecer el portafolio que maximice el rendimiento sobre la inversin. El analista financiero quera maximizar el rendimiento sobre la inversin.
2.
3.
Un gerente de marketing quiere determinar cmo asignar mejor un presupuesto de publicidad fijo entre medios de publicidad alternos como la radio, la televisin, el peridico y las revistas. Al gerente le gustara determinar la combinacin de medios que maximice la efectividad de la publicidad. El gerente de marketing quera maximizar la efectividad de la publicidad
34
PRIMER BIMESTRE
4.
Una empresa tiene almacenes en varias ubicaciones. Dadas las demandas especficas de los clientes, a la empresa le gustara determinar cunto debe enviar cada almacn a cada cliente, de modo que los costos del transporte local se minimice. La empresa quera minimizar los costos de transporte totales.
Nota: En todos los problemas de programacin lineal, el objetivo es la maximizacin o minimizacin de alguna cantidad.
3.2. CONSTRUCCIN DEL MODELO

Ahora iniciamos la parte prctica, para lo cual le pido que revise tanto el texto base y la gua. En el capitulo 7, literal 7.1 pg.236 se inicia con un problema de maximizacin simple, le sugiero que tome lpiz y papel transcriba el ejercicio en su desarrollo, para que comprenda la metodologa. De todas formas en la gua le presento en forma explicativa la misma. Un modelo es una representacin de un objeto o situacin real. Un modelo matemtico son smbolos y expresiones matemticas que se utilizan para representar una situacin real. Recuerde que un modelo de PL debe tener: Funcin objetivo.- Expresin matemtica que sirve para representar el criterio destinado a evaluar la resolucin de los problemas. Todos los programas lineales tienen una funcin objetivo lineal que debe maximizarse o minimizarse. En muchos problemas de PL, la funcin objetivo se utiliza para medir utilidades o costos de una solucin especifica. Restricciones.- Son limitaciones que se imponen a un problema. Es una ecuacin o desigualdad que elimine ciertas combinaciones de las variables de decisin como solucin factible. Variables de decisin.- Alternativas de decisin que el administrador especifica. Valores que se trata de determinar para optimizar la funcin objetiva. En la seccin 7.1 pag. 236 del texto bsico se plantea el ejemplo, siga su desarrollo, transcrbalo para su mejor entendimiento.
3.3. PROBLEMA DE MAXIMIZACIN

A continuacin resuelve un ejercicio para que este tema quede entendido. El modelo a resolver es el siguiente: 1. Formular el modelo: 5X1+ 6X1+ 4X2 4X2 24 (0) (1)
Max Z = s.a.
35
PRIMER BIMESTRE
X1+ - X1+ X1, X2 0 2.
2X2 X2 X2
6 1 2
(2) (3) (4)
Trazar un plano coordenado en el que el eje de las abscisas ser para X1 (primera variable de decisin) y el eje de coordenadas ser para X2 (segunda variable de decisin). Se grafican todas las restricciones, para esto las desigualdades se las transforma en igualdades 6X1+ X1+ - X1+ 4X2= 2X2= X2= X2= 24 6 1 2 (1) (2) (3) (4)
3.
4.
Se grfica la regin factible (RF) tomando en cuenta el sentido de las restricciones. En restricciones del tipo la solucin se ubicar bajo la recta o hacia el lado izquierdo, incluye el origen (como es el caso de todas las restricciones del ejemplo); si la restriccin es una igualdad, la solucin se ubicar exactamente sobre la recta; en restriccin del tipo la solucin se ubicar sobre la recta o hacia el lado derecho de la recta, no incluye el origen. Hecho esto se obtiene la regin factible o espacio de solucin como dice el texto. Ver figura 5.
Figura 5: Espacio factible del modelo
36
PRIMER BIMESTRE
Se grafica la funcin objetivo, para ello se da un valor cualquiera a la utilidad. En el ejemplo se dan tres valores diferentes y usted se dar cuenta que estas rectas son paralelas una respecto de la otra y que a medida que aumenta la utilidad la recta alcanza un extremo derecho de la regin factible (RF). Ahora, normalmente slo se puede graficar una vez la recta que corresponde a la funcin objetivo y trazar una paralela hasta alcanzar el extremo derecho de la RF, ste punto ser la solucin ptima. En el ejemplo, la solucin ptimo es el punto C y que corresponde a los valores X1 = 3; X2 =1.5. Reemplazando estos valores en la funcin objetivo, tenemos que U= 21. En este problema se tiene cuatro variables de holgura, de las cuales, dos corresponde a recursos. Las variables de holgura normalmente representan la cantidad de un recurso que no se utiliza o que est sobrando. Transformemos el modelo anterior a la forma estndar sumando una variable de holgura a las cuatro restricciones. MaxZ= s.a 5X1+ 6X1+ X1+ -X1+ 4X2+ 4X2 + 2X2 + X2+ OH1+ OH2+ H1 = H2 = H3 = 24 6 1 2 OH3 + (1) (2) (3) (4) OH4
X2+ H4 = X1 , X2, H1, H3, H4 0
Remplazar los valores de X1 y X2 en las ecuaciones encontramos que H1 = 0, H2 = 0, H3 =2, H4 = 0.5, significa que se ha utilizado materia prima M1, y toda la materia prima M2 H3 2.5 significa que la produccin de pintura para exteriores puede reducirse en 2.5 toneladas y an as la restriccin (3) se cumple. H4 =0.5 significa que la produccin de pintura para interiores es de 0.5 toneladas por debajo de lo especificado. Los recursos sobrantes no incrementan las utilidades por lo que el coeficiente de estas variables en la funcin objetivo, son cero. 5. Usted tiene que dar la solucin al problema a travs de un Reporte tcnico que para el caso del presente problema seria:
Reporte tcnico: Para optimizar las utilidades a un valor de 21 mil dlares, la fbrica debe producir 3 toneladas diarias de pintura para exteriores y 1.5 toneladas diarias de pintura para interiores. Se utiliza toda la materia prima M1 y M2 disponible (recursos). La produccin de pintura para exteriores es mayor. La produccin de pintura para interiores es de 0.5 toneladas menos que lo especificado, es decir que se puede producir 0.5 toneladas ms y se cumplir con lo mximo establecido.
3.4 PROBLEMAS DE MINIMIZACIN

El siguiente es un problema de minimizacin de costos de produccin. Lo desarrollaremos para que comprenda el proceso. En el texto bsico literal 7.5 se trata de minimizacin. Nuevamente aqu la sugerencia de que transcriba el ejercicio en una hoja y lo vaya resolviendo de forma paralela con la gua
37
PRIMER BIMESTRE
Una empresa elabora dos productos A y B. Con base a una investigacin de mercado se ha determinado que la produccin de los dos productos debe ser de por lo menos 350 unidades mensuales. Por otro lado, se debe satisfacer tambin un pedido de un cliente importante de 125 unidades mensuales de producto A. El producto A requiere de 2 horas por unidad para ser elaborado, en tanto que el producto B requiere 1 hora por unidad para ser elaborado; existen disponibilidad 600 horas de tiempo de procesamiento para el siguiente mes. El objetivo de la empresa es satisfacer los requerimientos planteados incurriendo en un costo de produccin mnimo. Los costos de produccin son de $2 por unidad para el producto A y de $3 por unidad para el producto B. El Modelo matemtico para este problema es el siguiente: Minimizar C = 2X1 + 3X2 Sujeto a: X1 + X2 350 Requerimiento mnimo de produccin X1 125 Demanda mnima del producto A 2X1 + X2 600 Tiempo de procesamiento disponible 1) 2) Trazar un plano coordenado en el que el eje de las abscisas ser para X1 ( primera variable de decisin) y el eje de las ordenadas ser para X2 ( segunda variable de decisin); Se grafican todas las restricciones, para esto las desigualdades se las transforma en igualdades; X1 + X2 = 350 Requerimiento de produccin X1 = 125 Demanda del producto A 2X1 + X2 =600 Tiempo de procesamiento 3) Se grafica la regin factible (RF) tomando en cuenta el sentido de las restricciones. En la primera y segunda restriccin la solucin se ubicar sobre la recta o hacia el lado derecho de las mismas; y en la tercera restriccin, la solucin se ubicar sobre la recta o hacia el lado izquierdo. Se forma una regin factible que excluye al origen. Se grafica la funcin objetivo, para ello se da un valor cualquiera al costo. Por ejemplo, demos al costo un valor de 600 y grafiquemos la ecuacin 600 = 2X1 + 3X2.Tracemos una paralela a esta recta hasta alcanzar el extremo izquierdo de la RF, ste ser la solucin ptima. En el ejemplo, la solucin ptima corresponde a los valores X1 = 250, X2 =100 y Costo = 800.
4)
En este problema se tiene dos variables de excedente o de supervit y una de holgura. Transformemos al modelo anterior en la forma estndar restando una variable de excedente a la primera y segunda restriccin y sumando una variable de holgura a la tercera restriccin. Recordemos que las variables de excedente aqu las representar con la letra E y las de holgura con la H, depende del autor que smbolo utilicen para representar esta variables. MinC= s.a 2X1+ X1+ X1 3X2+ X2 OE1+ E1 = H2 = OE2+ 350 125 600 OH3
2X1+ X2+ H3 = X1,X2,E1,E2,H3 0
38
PRIMER BIMESTRE
Remplazando los valores de X1 y X2 en las tres ecuaciones anteriores encontramos que E1=0; E2 =125 y H3 = 0 significa que se estn produciendo 125 unidades ms que lo mnimo establecido en la segunda restriccin; y, el valor de H3 = 0, significa que se ha utilizado todo el tiempo disponible establecido en la tercera restriccin. ACTIVIDADES RECOMENDADAS
Es hora de trabajar con la informacin que consta en el texto bsico. Le invito a resolver el ejercicio que a continuacin le plateamos tomando como estrategia de trabajo la revisin del captulo 7 del texto bsico. Ejercicio 3.1 Es hora de trabajar con la informacin que consta el texto bsico. Le invito a resolver el ejercicio que a continuacin le planteamos tomando como estrategia de trabajo la revisin del capitulo 7 del texto bsico. a. Considere el problema de programacin lineal siguiente: Max 3A + 3B s.a. 2A + 4B 12 6A + 4B 24 A,B 0 b. Encuentre la solucin ptima mediante el procedimiento de solucin grfica. Si la funcin objetivo se cambia a 2A + 6B, Cul ser la solucin ptima? Cuntos puntos extremos hay? Cules son los valores de A y B en cada punto?
Considere el programa lineal siguiente: Max 1A + 2B s.a 1A 5 1B 4 2A + 2B = 2 A, B 0 Muestre la region factible. Cules son los puntos extremos de la regin factible? Encuentre la solucin ptima utilizando el procedimiento grfico.
39
PRIMER BIMESTRE
c.
Identificar la regin factible para el siguiente conjunto de restricciones i. 2X1 - 1X2 0 -1X1 + 1.5X2 200 X1,X2 0 1X1 + 2X2 6 5X1 + 3X2 15 X1,X2 0
ii.
Autoevaluacin 3
Una vez que hemos concluido el estudio de la unidad, conviene comprobar el logro de su aprendizaje. Para ayudarnos en esta tarea le proporcionamos el siguiente cuestionario que est basado en el capitulo 7 del texto bsico. LEA CADA UNA DE LAS SIGUIENTES ASEVERACIONES, EMITA SU CRITERIO DE VERDADERO O FALSO DENTRO DEL PARNTESIS RESPETIVO. Modelo matemticos. Son representaciones de un problema donde el objetivo y todas las condiciones de restricciones se describen por medio de expresiones matemticas. 2. Programa lineal. Es un conjunto de restricciones que requiere que todas las variables sern no negativas. 3. Regin factible. Son soluciones que satisface todas las restricciones de forma simultanea. 4. Funcin objetivo. Expresin que define la cantidad que se maximizar o minimizar en un modelo de programacin lineal. 5. Infactibilidad. Significa que ninguna solucin al problema de programacin lineal satisface todas las restricciones, incluidas las restricciones de no negatividad 6. Restriccin. Ecuacin o desigualdad que descarta ciertas combinaciones de variables de decisin como solucin factible 7. En la relacin matemtica siguiente -1A + 2B 70, es un modelo de programacin lineal aceptable. 8. En la relacin matemtica siguiente 2A 2B = 50, es un modelo de programacin lineal inaceptable. 9. Ilimitada. Situaciones en la cual el valor de la solucin puede ser infinitamente grande para un problema de programacin lineal de maximizacin o infinitamente pequeo para un problema de minimizacin. 10. Variables de Holgura. Variable aadida en el lado izquierdo de una restriccin de menor o igual para convertir la restriccin en una igualdad 1.
( ( ( ( ( ( ( (
) ) ) ) ) ) ) )
( (
) )
40
PRIMER BIMESTRE
Unidad 4 APLICACIN DE LA PROGRAMACIN LINEAL

Espero que la unidad anterior haya sido de su agrado, ahora vamos a revisar ms aplicaciones y usted podr identificar en qu reas se puede trabajar y/o aplicar como herramienta de ayuda la programacin lineal, siga adelante que estamos a punto de culminar el primer bimestre.
En el capitulo 9 del texto se trata este tema, les invito a revisar los contenidos del mismo. De esto revisaremos 4 aplicaciones pero dejo en ustedes la revisin de las dems reas.
4. APLICACIONES
La programacin lineal ha demostrado ser uno de los enfoques cuantitativos ms exitosos para la toma de decisiones; sus aplicaciones abarcan casi todas las industrias. Estas aplicaciones incluyen programacin de la produccin, seleccin de medios de comunicacin, planeacin financieras, elaboracin del presupuesto de capital, transportacin, diseo de sistema de distribucin, mezcla de productos, procesos de empleo y mezcla. Para tener una mejor idea de esto, revisaremos cuatro reas. Iniciemos.
4.1. EN LA MERCADOTECNIA
Las aplicaciones de la programacin lineal en mercadotecnia son numerosas. En esta seccin se estudian las aplicaciones en la seccin de medios de comunicacin y en la investigacin de mercados. La programacin lineal nos servir para determinar la maximizacin en el alcance de la frecuencia y la calidad de la exposicin. Seleccin de Medios de comunicacin. Las aplicaciones de medios de comunicacin por medio de la programacin lineal estn diseadas para ayudar a los gerentes de mercadotecnia a asignar un presupuesto de publicidad fijo a varios medios de publicidad .En estas aplicaciones, el objetivo es maximizar el alcance, la frecuencia y la calidad de la exposicin. Las restricciones sobre la asignacin permisible por lo general surgen durante la consideracin de las polticas de la empresa, los requisitos contractuales y la disponibilidad de los medios. Investigacin de mercados. Una organizacin realiza estudios de mercado para enterarse de algunas caractersticas, actitudes y preferencias de los consumidores. Las firmas de investigacin de mercados que se especializan en proporcionar esta informacin con frecuencia hacen la investigacin real para las organizaciones de los clientes. Los servicios tpicos que ofrecen este tipo de empresas incluyen el diseo de estudios, la realizacin de encuestas de mercado, el anlisis de los datos recabados y la entrega de informes donde se resumen los hallazgos y se incluyen recomendaciones para el cliente. En el ejemplo del texto bsico, capitulo 9, literal 9,1, se distinguen los elementos del modelo matemtico de la siguiente manera: Funcin Objetivo: Max la calidad de la exposicin Restricciones: Las polticas de la empresa Requerimientos contractuales Disponibilidad de medios de comunicacin
41
PRIMER BIMESTRE
Ahora van a seguir la resolucin del ejercicio de acuerdo a la metodologa revisada en el capitulo anterior de programacin lineal con el mtodo grfico si tiene dos variables de decisin ms. Para el ejercicio en revisin, definimos las variables de decisin para el mismo son DTV : cantidad de veces que se usa la televisin diurna ETV : cantidad de veces que se usa la televisin vespertina DN : cantidad de veces que se usa el peridico diario SN : cantidad de veces que se usa el peridico dominical R : cantidad de veces que se usa la radio Los datos sobre calidad de la exposicin de la tabla 4 muestran que cada anuncio de TV matutina (DTV) se califica con una exposicin de 65 unidades. Por tanto, un plan de publicidad con anuncios proporcionar un total de 65DTV unidades de calidad de la exposicin. Siguiendo con los datos de la tabla 9.1, encontramos que la TV (ETV) se estimo en 90 unidades de calidad de la exposicin; el peridico (DN) en 40 unidades de calidad de exposicin; el suplemento dominical (SN) en 60 unidades de calidad de la exposicin, y la radio (R) se estim en 20 unidades de calidad de la exposicin.
TABLA 4: ALTERNATIVAS DE LOS MEDIOS DE PUBILICIDAD PARA RELAX AND ENJOY LAKE DEVELOPMENT CORPORATION Nmero Costo por Veces Unidades de Medios de clientes anuncio ($) mximas calidad de la potenciales disponibles exposicin alcanzados por mes* 1. Television matutina (1min) 1000 1500 15 65 estacin WKLA 2. 3. 4. 5. Televisin vespertina estacin WKLA (30s), 2000 3000 10 90
Periodico (plana completa) Suplemento dominical del peridico (1/2 plana a color) Radio, noticiero de las 8:00am o delas 5:00pm(30s),estacin KNOP
1500 2500
400 1000
25 4
40 60
300
100
30
20
*El numero mximo de veces que el medio esta disponible es ya sea el numero mximo de veces que ocurre el medio de publicidad ( por ejemplo, cuatro domingos por mes) o el numero mximo de veces que BP&J recomienda usar ese medio
Fuente. Mtodos Cuantitativos para los negocios. Sweeney & Camm. Ediciones Gestin 2011.pg.:359.
42
PRIMER BIMESTRE
Con el objetivo de maximizar las unidades de calidad de la exposicin para el plan general de seleccin de medios, la funcin objetivo se vuelve: MAX 65DTV+ 90ETV+ 40DN + 60SN+ 20R Calidad de la exposicin Ahora formulamos las restricciones para el modelo a partir de la informacin proporcionada DTV ETV DN SN R 1500DTV+ 3000ETV+ DTV+ ETV 1500DN+ 2500SN+ 300R 1500DTV+ 3000ETV 1000DTV+ 2000ETV+ DTV, ETV, DN, SN, R 0 De acuerdo al modelo diseado el problema tiene 5 variables de decisin y nueve restricciones. Para determinar la solucin del problema, se interpreta los resultados que arroja el programa, para esto, revisar lo que est en el texto base de esta unidad, literal 9.1.Ademas les propongo que desarrollen el ejercicio sobre investigacin de mercados que est en el mismo capitulo. 400DN+ 1000SN+ 100R 15 10 25 4 30 30,000 Presupuesto 10 Televisin 18,000 Restricciones 50,000 Clientes alcanzados Disponibilidad de los medios
4.2. APLICACIN FINACIERA

En finanzas, la programacin lineal se aplica a situaciones problemticas que involucran la elaboracin de presupuestos de capital, decisiones de hacer o comprar, asignacin de valores, seleccin de portafolios, planeacin financiera y mucho ms. Tal como dice el autor, las aplicaciones financieras se las utiliza en situaciones que implican presupuestos de capital. As como el tema anterior, el xito o fracaso de la resolucin est en que el modelo matemtico sea el que intrprete de una forma eficaz el hecho real, tanto en la funcin objetivo como en las variables de decisin y sus restricciones. Ahora analizaremos la solucin del ejercicio del literal 9.2 capitulo 9 del texto bsico La funcin objetivo es: Maximizar el rendimiento esperado minimizar el riesgo, para el ejercicio en mencin la F.O. es: Maximizar el rendimiento proyectado sujeto a restricciones impuestas por el presupuesto y la administracin. Las restricciones son: Los lineamentos de inversin impuestos por la empresa, los beneficios obtenidos en la conversin de bonos. Las variables de decisin: Se las determina de la tabla de oportunidades de inversin para la empresa.
43
PRIMER BIMESTRE
Ejemplo: Qu recomendacin de portafolio, es decir inversiones y montos, se deben hacer para los $100,000 disponibles? Dado el objetivo de maximizar el rendimiento proyectado sujeto a las restricciones impuestas por el presupuesto y la generacin, podemos responder a esta pregunta al formular y resolver un modelo de programacin lineal del problema. La solucin proporcionar recomendaciones de la inversin para la gerencia de Welte Mutual Funds
Sea: A = dlares invertidos en Atlantic Oil P = dlares invertidos en Pacific Oil M = dlares invertidos en Midwest Steel H = dlares invertidos en Huber Steel G = dlares invertidos en bonos del gobierno Utilizando las tasas de rendimiento proyectadas mostradas en la tabla 5, escribimos la funcin objetivo para maximizar el rendimiento total para el portafolio como: Tabla 5: OPORTUNIDADES DE INVERSION PARA WELTE MUTUAL FUNDS Inversion Atlantic Oil Pacific Oil Midwest Steel Huber Steel Bonos del gobierno Tasa de rendimiento proyectada (%) 7.3 10.3 6.4 7.5 4.5
El modelo matemtico quedo como sigue: Funcin Objetivo: 0.073A + 0.103P + 0.064M + 0.075H + 0.045G La restriccin que especifica la inversin de los $ 100.000 disponibles es A + P + M + G = 100.000 Disponibilidad de inversin Los requisitos de que ni la industria petrolera ni la industria siderrgica deben recibir ms de $50,000 son: A + P 50.000 M + H 50.000 Mximo para industria petrolera Mximo para industria siderrgica
44
PRIMER BIMESTRE
El requisito de que los bonos del gobierno deben constituir por lo menos 25% de la inversiones en la industria siderrgica se expresa como G 0.25 (M + H) o -0.25M - 0.25H + G 0 Mximo para bonos del gobierno
Por ltimo la restriccin de que Pacifc Oil no puede tener ms de 60% de la inversin total en la industria petrolera es: P 0.60(A + P) o -0.6A + 0.4P 0 Restriccin de Pacific Oil Al aadir las restricciones de no negatividad, se obtiene el modelo de programacin lineal completo para el problema de inversin de Welte Mutual Funds: Max 0.073A+ s.a A+ A+ P+ P M+ H+ G =100,000 Fondos disponibles 50,000 Mximo petrolera M+ H de la industria 0.103P+ 0.064M+ 0.075H+ 0.045G
50,000 Mximo de la industria siderrgica 0 Mnimo para bonos del gobierno G 0 Restriccin de Pacifc Oil
-0.25M-0.6A+ A, P, M, H, G 0 0.4 P
0.25H+
Resumen: Tenemos 5 variables de decisin y cinco restricciones.
4.3. PROBLEMAS DE MEZCLA

En algunas reas es necesario realizar mezclas para obtener un producto final, los problemas de mezcla surgen siempre que un administrador debe decidir cmo mezclar dos o ms recursos para producir uno o ms productos. En estas ocasiones se tiene uno o ms ingredientes esenciales que deben mezclarse en productos finales que contendrn porcentajes especficos de cada uno. Los problemas de mezcla ocurren con frecuencia en la industria del petrleo (por ejemplo, la mezcla de petrleo crudo para producir gasolinas de diferentes octanajes), la industria qumica (por ejemplo, la mezcla de productos qumicos para producir fertilizantes y herbicidas) y la industria alimenticia (por ejemplo, la mezcla de ingredientes para producir bebidas refrescantes y sopas. Para el transcurso de este tema, desarrollaremos el ejercicio propuesto en la seccin 9.4 del texto bsico (pag.388) Ejemplo: La compaa petrolera Grand Strand produce gasolina regular y premium para estaciones de servicios independientes en el sureste de Estados Unidos. La refinera de Grand Strand fbrica los productos de gasolina al mezclar tres componentes de petrleo. Las gasolinas se venden a diferentes precios, y los componentes de petrleo tienen distintos costos. La empresa quiere determinar cmo mezclar o combinar los tres componentes en los dos productos de gasolina y maximizar las utilidades.
45
PRIMER BIMESTRE
Los datos disponibles muestran que la gasolina regular se puede vender a $2.90 por gasolina y la Premium a $3.00 por galn. Para el periodo de planeacin de la produccin actual, Grand Strand puede obtener los tres componentes de petrleo al costo por galn y en las cantidades mostradas en la tabla 6: Tabla 6: Costo y Suministro de Petrleo para el Problema de Mezcla de Grand Strand
Componente de petrleo
Costo/Galn disponible
Mximo
1 2 3
$2.50 $2.60 $2.84
5,000 galones 10,000 galones 10,000 galones
Las especificaciones de producto para las gasolinas y Premium restringen la cantidad de cada componente que se puede usar en cada producto de gasolina. La tabla 7 lista las especificaciones de producto. Los compromisos actuales con los distribuidores requieren que Grand Strand produzca por lo menos 10,000 galones de gasolina regular. Tabla 7 Especificaciones de los productos para el problema de mezcla de Grand strand
Producto
Especificaciones
Gasolina regular
Mximo 30% del componente 1 Por lo menos 40% del componente 2 Mximo 20% del componente 3
Gasolina premium
Por lo menos 25% del componente 1 Mximo 45% del componente 2 Por lo menos 30% del componente 3
El problema es determinar cuntos galones de cada componente deben usarse en la mezcla de gasolina regular y cuntos en la mezcla de gasolina Premium. La solucin de mezcla ptima debe maximizar las utilidades de la empresa, sujetas a las restricciones sobre suministros de petrleo disponible que aparecen en la tabla 6 las especificaciones de producto mostrando en la tabla 7 y los 10,000 requeridos de gasolina regular. El primer paso es definir las variables de decisin en este caso Xij = galones del componente i usado en la gasolina j, donde i = 1,2 o 3 para los componentes 1,2 o 3, y j = r si es regular, o j = p si es Premium
46
PRIMER BIMESTRE
Las seis variables son X1r = galones del componente 1 en la gasolina regular X2r = galones del componente 2 en la gasolina regular X3r = galones del componente 3 en la gasolina regular X1p = galones del componente 1 en la gasolina Premium X2p = galones del componente 2 en la gasolina Premium X3p = galones del componente 3 en la gasolina Premium El nmero total de galones da cada tipo de gasolina producida es la suma del nmero de galones producidos usando cada uno de los tres componentes de petrleo. Total de galones producidos Gasolina regular = X1r + X2r + X3r Gasolina Premium = X1p + X2p + X3p Los galones totales de cada componente de petrleo se calculan de un modo similar. Uso total del componente de petrleo Componente 1 = X1r + X1p Componente 2 = X2r + X2p Componente 3 = X3r + X3p Desarrollamos la funcin objetivo de la maximizacin de la contribucin a las utilidades al identificar la diferencia entre los ingresos totales de ambas gasolinas y el costo total de los tres componentes entre los ingresos totales de ambas gasolinas y el costo total de los tres componentes de petrleo. Al multiplicar el precio de $2.90 por galn por galones totales de gasolina regular, el precio de $3.00 por galn por los galones totales de gasolina Premium, y la cifras del costo por galn del componente que aparecen en la tabla 6 por los galones totales de cada componente empleado, se obtiene la: Funcin objetiva: Max 2.90 (X1r + X2r + X3r) + 3.00(X1p + X2p + X3p) -2.50 (X1r + X1p ) - 2.60(X2r + X2p ) - 2.84(X3r + X3p) Cuando combinamos los trminos, la funcin objetiva se vuelve Max 0.40X1r + 0.30X2r + 0.06X3r + 0.50X1p + 0.40X2p + 0.16X3p
47
PRIMER BIMESTRE
Las limitaciones sobre la disponibilidad de los tres componentes de petrleo son: X1r + X1p 5.000 Componente 1 X2r + X2p 10.000 Componente 2 X3r + X3p 10.000 Componente 3 Ahora se requiere seis restricciones para cumplir con las especificaciones de los productos establecidos en la tabla 7. La primera especificacin establece que el componente 1 puede constituir no ms de 30% de los galones totales de gasolina regular producidos. Es decir X1r 0.30 (X1r + X2r + X3r) Al escribirse esta restriccin con las variables en el lado izquierdo y una constante en el lado derecho se obtiene: 0.70X1r - 0.30X2r - 0.30X3r 0 La segunda especificacin de producto listado en la tabla 7 se vuelve X2r 0.40(X1r + X2r + X3r) -0.40X1r + o.60X2r - 0.40X3r 0 De manera similar escribimos las cuatro especificaciones de mezclar restantes de la tabla 9.14 como: -0.20X1r - 0.20X2r + 0.80X3r 0 +0.75X1r - o.25X2p - 0.25X3p 0 -0.45X1p + 0.55X2p - 0.45X3p 0 -0.30X1p + 0.30X2p + 0.70X3p 0 La restriccin para por lo menos 10000 galones de gasolina regular es X1r + X2r + X3r 10,000 El modelo de programacin lineal completo con seis variables de decisin y 10 restricciones es: Max s.a. X1r + X2r + X3r + 0.70X1r -0.40X1r -0.20X1r 0.30X2r 0.60X2r 0.20X2r + - 0.30X3r o.40X3r 0.80X3r X1p X2p X3p 5.000 10.000 10.000 0 0 0 0.40X1r + 0.30X2r + 0.06X3r + 0.50X1p+ 0.40X2p+ 0.16X3p
Y por tanto
48

G18508 1

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

G18508 1

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja MODALIDAD ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS DE LA COMPUTACIN

CICLO UTPL-ECTS Informtica

Reciba asesora virtual en: www.utpl.edu.ec

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

5. Orientaciones generales para el estudio

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

Proceso de enseanza-aprendizaje para el logro de competencias

6.2. Planificacin para el trabajo del alumno

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

Semana 2 y 3: 8 horas de autoestudio y 8 horas de interaccin.

Semana 4 y 5: 8 horas de autoestudio y 8 horas de interaccin.

Semana 6: 4 horas de autoestudio y 4 horas de interaccin.

UNIDADES 1 A LA 4:TODOS LOS CONTENIDOS

Semana 7 y 8 : 8 horas de autoestudio y 8 horas de interaccin.

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

6.3. Sistema de evaluacin primer bimestre

Pruebas mixtas: objetivas y ensayo

X X 30% Mximo 1 punto (completa la evaluacin a distancia) 70%

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Actividades presenciales y en el EVA

Gua didctica: Mtodos Cuantitativos

6.4. Orientaciones especficas para el aprendizaje por competencias

Unidad 1 TEORIA GENERAL DE LOS MTODOS CUANTITATIVOS

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

1.3. SOLUCIN DE PROBLEMAS Y TOMA DE DECISIONES

1.4. CONSTRUCCIN DE MODELOS

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

1.5. LOS MODELOS MATEMTICOS

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

Modelo Esttico Modelo Dinmico

1.6. MODELOS DE COSTOS, INGRESOS Y UTILIDADES

UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Mtodos Cuantitativos