Académique Documents
Professionnel Documents
Culture Documents
FACULTAD DE INGENIERA
INVESTIGACIN OPERATIVA II
Un modelo es una simplificacin de la realidad. Esta simplificacin puede presentarse de acuerdo a los
objetivos del estudio del sistema; en nuestro caso estamos interesados por los modelos simblicos y
descriptivos. Un modelo simblico es un esquema terico , expresado en forma matemtica que facilita la
comprensin del comportamiento del sistema .
CONCEPTOS BASICOS
Espacio muestral .- Un conjunto cuyos elementos representan todos los posibles resultados de un
experimento se representa como S. Los elementos del espacio muestral se llaman puntos muestrales
y son los distintos resultados del experimento.
Suceso.-Si consideramos el conjunto de las partes del espacio muestral. Un suceso, por tanto, es un
subconjunto del espacio muestral.
Probabilidad.- Probabilidad de un suceso es la razn entre el nmero de casos favorables y el nmero total
de casos posibles
x
R
w
X ={(w,x)/ X(w)=x ; w , xR}
As pues, una variable aleatoria es una funcin cuyos valores son nmeros reales determinados por los
elementos del espacio muestral. Pueden ser discretas y continuas, dependiendo del valor que toma R.
Si a los valores posibles de la variable aleatoria se les asigna una probabilidad que es la frecuencia del
resultado se genera la distribucin de probabilidades.
Distribucin de probabilidad.- Es una lista que contiene el valor de la variable aleatoria y sus probabilidades
correspondientes
Funcin de probabilidad
Se denomina funcin de probabilidad de una variable aleatoria discreta X, a una funcin f(x) que
asigna a todo nmero real x, la probabilidad de que X asuma ese valor, esto es:
f(x) = P[X=x]
1.
2.
La relacin entre valores y probabilidades en una variable X se puede expresar de forma tabular de la
siguiente manera:
Valores de X x1 x2 xi
P(X=x) P(x1) P(x2) P(xi)
La f.d.a de probabilidades F(x), de la v.a discreta X, cuya funcin de probabilidades es f(x), se define por:
La funcin de distribucin se define para todos los nmeros reales, no slo para los valores de la variable. Su
mximo es siempre 1.
Funcin de densidad
Se dice que la funcin f(x) es funcin de densidad de probabilidad de la variable aleatoria continua X si
satisface las siguientes condiciones:
La funcin de distribucin acumulada (f.d.a.) , F(x), de una variable aleatoria continua X con una funcin de
densidad f(x), se define por:
Valor esperado de una variable o esperanza matemtica
La distribucin de probabilidades de una variable aleatoria se caracteriza bsicamente a travs de medidas
de tendencia central y de dispersin. Estas medidas se denominan parmetros y se describen mediante la
esperanza matemtica (media de una v.a)
La media de una v.a X o media de la distribucin de probabilidad X es un nmero real que se denota por .
La media es denominada tambin esperanza matemtica o valor esperado de X , y se denota por E(X).
Si X es una variable discreta con funcin d probabilidad f(x), el valor esperado de X se calcula segn
decamos anteriormente sumando los productos de los valores de la variable por sus respectivas
probabilidades.
Si X es una variable aleatoria con distribucin de probabilidad f(x) y con media igual a :
Las mas utilizadas son la de Bernoull, Binomial, Binomial negativa, Hipergeomtrica, Poisson.
Distribuciones de Poisson
Se dice que una v.a discreta X, cuyos valores posibles son: 0;1;2;; tiene distribucin de Poisson con
parmetro >0 y se escribe X~P( ), si su funcin de
e ()x
f(x) = P[X = x] = , x= 0;1;2;
x!
La distribucin de Poisson se utiliza para describir cierto tipo de procesos, entre los que se encuentran la
distribucin de llamadas telefnicas que llegan a un conmutador, la demanda (necesidades) de los pacientes
que requieren servicio en una institucin de salud, las llegadas de camiones a una caseta de cobro y el
nmero de accidentes registrados en una cierta interseccin de calles. Estos ejemplos tienen en comn un
elemento: pueden ser descritos mediante una variable aleatoria discreta que toma valores enteros (0, 1,
2...).
2 = V(X) =
Nota: la probabilidad de que ocurran k eventos de cierto tipo en un intervalo de tiempo o en una regin de
tamao t es igual a:
et (t)k
P[X = k] = ,
k!
k = 0,1,2,
Las mas importantes son la Uniforme, normal, normal estndar, gamma, exponencial, beta, chi-cuadrado, t
de student, Fischer,Cauchy,Pearson
Se dice que la variable aleatoria continua , X, que toma los valores reales - < x < , se distribuye
normalmente con parmetros y y se describe por X~N(,2), si su funcin de densidad es:
La distribucin normal queda definida por dos parmetros, su media y su desviacin tpica y la
representamos as
y su funcin de distribucin es
Dos empleados se seleccionan al azar (con reemplazo) de una lista de la cual 70% de los empleados son hombres Si la
variable aleatoria es nmero de hombres en la muestra.
1. Si una v.a X puede tomar los valores x= 0,1,2,3,4,5; indicar si cada una de las siguientes funciones definen
una funcin de probabilidad:
a. f(x) = x/15
b. f(x) = (x-1)/9
1
2. Si f(x)=( ) ; x=0, 1, 2,3,, define una funcin de cuanta.
3
a. Encontrar c b. Encontrar F
b. Calcular la siguientes probabilidades: p(x3) ; F(1) ; F(1.5); p(0x1.5)
1. Dada la funcin :
;>0
() = { 5
0 ; 0
0; x<0
f(x) = ax ; 0 x 1
a ; 1<x<2
; x 2
2
2. La demanda en miles de unidades de cierto artculo es una variable aleatoria continua X cuya
funcin de densidad de probabilidad es:
2
() = { 3 , : 1 2
0
Calcular la demanda esperada de este artculo
3. Suponga que la variable aleatoria X se distribuye uniformemente en el intervalo [0,4], con funcin de
1
, : 0 4
densidad de probabilidad: () = { 4
0
Hallar la varianza y desviacin estndar
1. Suponga que llegan en forma aleatoria una serie de llamadas a una central telefnica con un
promedio de 3 llamadas por minuto. Calcular :
2. El nmero promedio de clientes que llegan a un banco los das sbados es, en promedio, 40 por
hora. Cul es la probabilidad de que lleguen por lo menos dos clientes :
1. Un estudio demostr que la duracin de cierto tipo de batera de automvil tiene una distribucin
normal con media 1248 das y una desviacin estndar de 195 das.
Si el fabricante garantiza la batera por 36 meses (1080 das).
Qu cantidad de bateras sern cambiadas bajo la garanta en un grupo de 100 bateras vendidas?
a. 30 minutos b. 34 minutos
TEMA 2: MODELO DE REDES. ADMINISTRACIN DE PROYECTOS
Las redes proporcionan una ayuda conceptual poderosa para visualizar las relaciones entre
los componentes de sistemas complicados; de all su utilidad en la administracin de
proyectos.
CONCEPTOS BASICOS
FASES:
1. PLANEACIN.-
Identificacin de actividades.
Secuencia lgica de actividades (precedencia )
Elaboracin de la red.
2. PROGRAMACIN.-
3. CONTROL
1. DETERMINISTICO
2. PROBABILISTICOS.
MR: DETERMINISTICOS
4. Construir la red.
8. Las actividades de la ruta crtica son las que tienen holgura cero.
CASO: PROBABILISTICO
Proyectos de investigacin.
No existe base de datos
Existen incertidumbres en los parmetros.
a. Optimista aij.
b. Pesimista bij
c. Realista mij
Tij = tij
AijRC
donde :
ij2 = ij2
AijRC
Dado que Tij es una variable aleatoria con media Tij y una varianza ij2 ; la probabilidad de
que la duracin del proyecto sea menor igual a una cantidad Z esta dada por :
P(Tij Z ) = { ( Z - Tij ) / ij }
Dibujar la red.
Hallar la ruta crtica.
Elaborar el programa de actividades.
3. La siguiente tabla muestra la informacin respecto a un proyecto de factibilidad para la
fabricacin de un nuevo producto
El PERT/COST nos permite analizar el recurso costo ( cij ) ; es decir nos permite
planear, programar y controlar el recurso costo en un proyecto.
Para ello el proyecto total se divide en componentes que sean convenientes en trminos
de la medicin y el control de costos ; cuando el proyecto tiene muchas actividades se
pueden agrupar en paquetes para realizar una eficiente evaluacin de costos y
presupuestar en forma adecuada los costos por actividad o paquetes de actividades.
Para realizar controles en los tiempos que uno estima conveniente y realizar el reporte
correspondiente del mismo se requiere de la siguiente informacin.
Vi = ( pi /100) B i
donde:
pi : porcentaje de avance de la actividad y
Di = CR - Vi
PROBLEMA 2.
PROBLEMA 4
Indique la grfica de los presupuestos factibles para el costo total del proyecto.
Representa esta regin poco comn para el presupuesto factible? Explique.
Supngase que se encuentra el reporte indicado en la tabla del estado de las actividades
al inicio del octavo da. Est el proyecto dentro de lo programado? Qu accin
recomendara?
TEMA 4: MODELO DE REDES . ADMINISTRACIN DE PROYECTOS
CONTRACCIN DE LA RED
Una vez hallada la ruta crtica, el Tij y programa de actividades de un proyecto; interesa
muchas veces realizar el proyecto en menos tiempo; es decir reducir el Tij , esto se
consigue aumentando recursos ( maquinaria, personal, etc. ) para llevar a cabo en
menos tiempo las actividades.
Es te proceso es llamado tambin contraccin de la red o colisin del proyecto.
1. Analizando las actividades de la ruta crtica; empezando por aquellas actividades cuyo
costo de reduccin es menor.
El costo de reduccin Kj para cada actividad por unidad de tiempo se obtiene mediante:
La funcin objetivo.
Min W = kj yj
Restricciones :
a. Descripcin de la red
xi tj - yj + xi 1 ; restriccin para cada nodo en funcin del arco que llega.
b. Tiempo de reduccin por actividad.
yj Mj
c. Contraccin de la red.
xn Tij1
d. Condicin de no negatividad
yj 0
xi 0
PROBLEMA 1
PROBLEMA 2
PROBLEMA 4
SEMANAS $X1000
AIJ Descripcin Ant. a m b t C C
A Determinar las necesidades de equipo - 4 6 8 4 1 1,9
B Obtener propuesta de proveedores - 6 8 16 7 1 1,8
C Seleccionar el proveedor. A,B 2 4 6 4 1,5 2,7
D Ordenar el sistema. C 8 10 24 8 2 3,2
E Disear la nueva disposicin del almacn. C 7 10 13 7 5 8
F Disear el almacn. E 4 6 8 4 3 4,1
G Disear la interfaz del sistema de computo. C 4 6 20 5 8 10,25
H Acoplar el sistema de computadoras. D,F,G 4 6 8 4 5 6,4
I Instalar el sistema. D,F 4 6 14 4 10 12,4
J Capacitar a los operadores del sistema. H 3 4 5 3 4 4,4
K Probar el sistema. I,J 2 4 6 3 5 5,5
En la fabricacin a pedido los plazos de entrega deben ser confiables, por el prestigio del
productor y por las penalidades por moras pactadas. El plazo de entrega se puede definir
mediante el mtodo probabilstico (PERT/CPM). Cuando el cliente exige la reduccin del
plazo , deber tener en cuenta que la diferencia implicar un extracosto que
contractualmente se podra acordar como bonificacin por da ganado.
CASO
Una prestigiosa tintorera tiene como poltica sealar plazos de entrega con probabilidades
de ocurrencia de 80 a 90%.
Un importante cliente requiere con urgencia , en tiempo impuesto ti = 50 das, un lote de
pernos con tuerca , preguntndose el fabricante si podra satisfacer sin o con extracosto.
Para ello el Ingeniero de Operaciones elabora la secuencia de actividades que se muestra a
continuacin:
Como cualquier humano todos los das tomamos decisiones con diferente grado de
importancia a corto a mediano y largo plazo. Los modelos de decisin nos permiten evitar
la toma de decisiones en forma arbitraria sin previo anlisis. Los modelos de decisin
proporcionan una estructura para examinar el proceso de toma de decisiones.
Con frecuencia se toman decisiones en entornos que tienen incertidumbre estas se pueden
analizar teniendo en cuenta las probabilidades a priori y a posteriori.
Sj Estados de la naturaleza
d(i) S1 S2 ... Sj ... Sn
d1 V(d1;S1)
d2
.
di V(di;Sj)
.
dm
p(Sj) p1 p2 ... pj ... Pn
Este criterio es apropiado cuando el decisor tiene poca confianza en su actitud para evaluar
la probabilidad de los estados de la naturaleza.
1. EL MTODO OPTIMISTA
Se evala cada alternativa de decisin, en trmino del mejor resultado que puede
ocurrir. La alternativa de decisin que se recomienda es la que ofrece la mejor
consecuencia posible.
Para un problema en el que se desea maximizar utilidades, la alternativa elegida
corresponde aquella que brinda las utilidades ms altas.
Para un problema en el que se desea minimizar, la alternativa elegida corresponde
aquella que brinde el menor resultado.
2. EL MTODO CONSERVADOR
Se evala cada alternativa de decisin en trminos del peor resultado que pueda ocurrir.
La alternativa decisoria que se recomienda es la mejor de las peores consecuencias
posibles es decir:
3. EL MTODO DE LA DEPLORACIN
Por lo general es difcil tener mucha fe en las probabilidades a priori; por lo tanto se
asume igual p(Sj) a cada estado del modelo.
Procedimiento:
a. Para cada alternativa de decisin calcule el promedio de sus pagos sobre todos los
estados de la naturaleza.
b. Seleccione la alternativa con el mayor pago promedio.
Procedimiento:
n
VE ( di ) = j 1
p(Sj) V ( di , Sj )
j 1
p(Sj) = p (S1) + p(S2) + + p(Sn ) = 1
Considera como los cambios en las estimaciones de las probabilidades para los
estados de la naturaleza pueden afectar la decisin que se recomienda.
El anlisis de sensibilidad se puede realizar considerando probabilidades
diferentes para los estados de la naturaleza y despus volver a calcular el VE de
cada alternativa de decisin ; repitiendo este proceso se observa la forma en que
los cambios en las probabilidades afectan la decisin recomendada.
Para el caso con dos estados de la naturaleza , se puede realizar un anlisis de
sensibilidad utilizando un procedimiento grfico; para ello se le asigna:
p(S1) = p y p( S2) = ( 1 p )
VE
VE (di )
n
VEconIP = p(Sj) . (Mejor valor en Sj)
j 1
PROBLEMA 2
Considere un problema de anlisis de decisin cuyas utilidades (en miles de dlares ) estn
dados por la siguiente matriz de resultados :
Estados de la naturaleza
S1 S2
A1 80 25
Alternativas
de decisin A2 30 50
A3 60 40
Demanda
100 300
S1 S2
100 d1 500 -100
PRODUCCIN
200 d2 -400 700
300 d3 -1000 1600
PROBLEMA 4
Se presenta en seguida la tabla de resultados que muestra las utilidades para un problema de
decisin con dos estados de la naturaleza y tres alternativas de decisin:
S1 S2
d1 15 10
d2 10 12
d3 8 20
ANALISIS BAYESIANO
p( I K / S j ) p( S j )
Segn la ley de BAYES p(Sj / IK) =
p( I K )
Donde:
N
p( IK ) =
j 1
p(IK/ Sj) p ( Sj ).
di
p( IK)
E = VE deIM / VE deIP
Existen situaciones en las que la alternativa de decisin con el mejor valor monetario
esperado no es la decisin ms deseable. Se entiende por decisin ms deseable la que
prefiere adoptar el decisor considerando no solo el valor monetario si no tambin muchos
otros factores, como la posibilidad de obtener una ganancia enorme o de incurrir en una
perdida muy grande. Son numerosos los ejemplos. Existen casos donde en los que elegir la
alternativa de decisin con el mejor valor monetario esperado puede no conducir a la
eleccin de la alternativa preferible en estas circunstancias se debe expresar el valor de un
resultado en trminos de utilidad y luego obtener la utilidad esperada para identificar la
decisin ms deseable; siendo aquella que tenga la mayor utilidad esperada .
UTILIDAD ESPERADA UE(di)
El procedimiento que se sigue para obtener la utilidad esperada de una decisin es:
Se asigna en primer lugar un valor utilitario a los posibles resultados mejor y peor
de las situaciones de decisin. Cualquier valor funciona, siempre y cuando la
utilidad que se asigne al mejor resultado sea mayor que la que se asigna al peor.
U [min(di ; Sj)] = 0
U[max(di ; Sj)] = 10
Se determina luego la utilidad correspondiente a cada uno de los resultados V(d i ;
Sj) restantes.
U(di ; Sj) = p. U[max(di ; Sj)] +(1-p). U [min(di ; Sj)]
= 10p
Donde p es la preferencia que tiene el decisor al max(di ; Sj) respecto al V(di ;
Sj).
Obtenindose la siguiente tabla:
di S1 S2 . . . SN
d1 U(d1;S1) U(d1;S2) . . . U(d1;SN)
d2 U(d2;S1) U(d2;S2) . . . U(d2;SN)
. . . . . . .
. . . . . . .
. . . . . . .
dm U(dm;S1) U(dm;S2) . . . U(dm;SN)
P(Sj) P(S1) P(S2) . . . P(SN)
( ) = ( )( ; )
=1
La decisin elegida ser aquella con el mejor UE(di )
Determinar la utilidad requiere de cierta subjetividad por parte del decisor; esto
significa diferentes decisores pueden tener funciones de utilidad distintas.
PROBLEMAS
1. La empresa constructora ctx est realizando una encuesta que le ayudar a evaluar la
demanda de su nuevo complejo de condominio . El cuadro de resultados ( utilidades )
de la ctx es como sigue:
Estados de la naturaleza
Baja Media Alta
S1 S2 S3
Pequea d1 400 400 400
Alternativas
de decisin Mediano d2 100 600 600
La encuesta dar como resultado tres indicadores de la demanda : dbil (I1) , promedio
(I2) , y fuerte ( I3) en donde las probabilidades condicionales son las siguientes:
P(Ik/Sj)
I1 I2 I3
S1 .6 .3 .1
S2 .4 .4 .2
S3 .1 .4 .5
Estados de la naturaleza
Rechazar 1 ao 2 aos
Fabricar el d1 -100 50 150
producto piloto
Vender al d2 100 100 100
competidor
P(Sj) .2 .3 .5
Segn un honorario por consultora de $ 2 500 una agencia revisara los planes de la
serie de televisin e indicara las probabilidades globales de que la red reaccione de
manera favorable ante la serie . Si la revisin especial de la agencia da como resultado
una evaluacin favorable ( I1) o una evaluacin desfavorable ( I2), Cul debe ser la
estrategia de decisin de la empresa?. Si la probabilidades condicionales son
evaluaciones realistas de la agencia:
P(I1/S1) = .3 P(I2/S1) = .7
P(I1/S2) = .6 P(I2/S2) = .4
P(I1/S3) = .9 P(I2/S3) = .1
PASO 1. Encontrar los puntos que satisfacen R1 y R2. Estos puntos son candidatos para hallar la
solucin ptima..
()
= 3 2 6 = 0 3( 2) = 0 = 0 = 2
2 () = 0 6 < 0
= 6 6 {
2 = 2 6 > 0
PASO 3.- Comparar los valores de f(x) con los puntos que se encuentran en el paso 1 y 2
() = 16 ; = 4
f(x) =x3-3x2
-1 0 2 4
2.MODELO CON MAS DE UNA VARIABLE DE DECISIN SIN RESTRICCIONES
= 101 + 102 22 = 0
1
= 202 + 101 26 = 0
2
2 2 2
= 10 ; = 20 ; = 10
12 22 1 2
2
Como: > 10 10 > 0 y
12
2
2 2 2
( 2) ( 2) ( ) = 10.20 102 = 100 > 0
1 2 1 2
El punto: x1 = 9/5 y x2 = 2/5 proporciona el valor de un mnimo local para la funcin; como es el nico
punto se concluye que tambin es un mnimo global.
Sujeto a:
x1 + x2 = 2
= 41 82 + 18 + = 0
1
= 202 81 + 34 + = 0
2
= 1 + 2 2 = 0
Luego:
2
= 41 82 + 12 = 4
1 12
2
== 202 81 + 28 = 20
2 22
= 8
1 2
2
Como: = 4 < 0 ; y
12
2 2
( 2) ( 2 ) ( ) =
(4)(20) (8)2 = 16 > 0
1 2 1 2
El punto: : x1*=1 ; x2*=1 ; * = -6 proporciona el valor de un mximo local para la funcin; como es el
nico punto se concluye que tambin es un mximo global con f* = 32
TEMA 7: TOMA DE DECISIONES CON CRITERIOS MLTIPLES
Se han analizado modelos que pueden aplicarse a problemas que tienen un objetivo, como
el de maximizar utilidades o minimizar costos. Sin embargo en el mundo real , se
consideran problemas con objetivos mltiples en forma simultnea ; por ejemplo en la
ubicacin de una nueva planta sus objetivos pueden ser: maximizar utilidades, maximizar la
participacin en el mercado, minimizar costos de terreno; etc. por lo tanto es necesario
utilizar tcnicas que permitan evaluar estos criterios mltiples para llegar a la mejor
decisin global ; para ello se consideran las siguientes tcnicas.
Este tcnica permite manejar situaciones con criterios mltiples, dentro de la estructura
general de la programacin lineal.
Un factor clave que diferencia la PM de la lineal es la estructura y la funcin objetivo.
En la PL se incorpora una meta en la funcin objetivo, mientras que en la PM se
incorporan muchas metas. Esto se logra expresando la meta en forma de restriccin,
incluyendo una variable de desviacin para reflejar la medida en que se llegue o no a
lograr la meta, e incorporando esa funcin en la funcin objetivo.
En la PL el objetivo es MAX MIN; en tanto que en la PM el objetivo es minimizar las
desviaciones de las metas especificadas ( Todos los problemas de PM son de MIN ).
Dado que se minimizan las desviaciones del conjunto de metas, un modelos de PM
puede manejar metas mltiples con dimensiones o unidades de medidas distintas.
Si existen metas mltiples puede especificarse una jerarquizacin ordinal o prioridades.
PROCEDIMIENTO
Plantee un modelo de programacin de metas para este problema. Suponga que tanto
las metas de nivel de prioridad 1 como las metas con nivel de prioridad 2 tienen la
misma importancia.
2. Una financiera debe desarrollar una cartera de inversin para un cliente nuevo. Como
estrategia inicial al cliente le interesa restringir la cartera a una combinacin de las dos
siguientes acciones:
PROCEDIMIENTO
1. Desarrollo de jerarquas.
META GLOBAL
CRITERIOS
A A A A
ALTERNATIVAS B B B B
. . . .
. . . .
PRUEBA DE CONSISTENCIA
n 3 4 5 6 7 8
IA 0.58 0.90 1.12 1.24 1.32 1.41
IC = ( mx - n ) / ( n - 1 )
a. Represente la jerarqua para este problema y calcule las prioridades para cada una de las matrices.
b. Determine la prioridad global e indique la decisin a tomar.
c. Evale la consistencia para la matriz de calidad.
Estilo (G) A B C
A 1 1/3 4
B 3 1 7
C 1/7 1
d. Represente la jerarqua para este problema y calcule las prioridades para cada una de las matrices.
e. Determine la prioridad global e indique la decisin a tomar.
f. Evale la consistencia para la matriz de combustible.
TEMA 9 : PROGRAMACIN DINMICA
PROCEDIMIENTO GENERAL
d n : Variable de decisin
fn
x n: variable de estado x n+1
Funcin recursiva
r n: rendimiento resultado
1. Una empresa de caudales tiene que llevar dinero desde una entidad bancaria hasta una
empresa para pagar a sus trabajadores; pero existen serios peligros en el trayecto de ser
asaltados. En la figura se muestran las posibles rutas para viajar desde el banco ( 1 ) a la
empresa ( 10 ) y en cada arco el riesgo de una calle a otra ( cij ). La empresa esta
preocupada por la seguridad del dinero y le encarga al gerente de operaciones obtener la
ruta ptima a seguir.
7 1
2 4 5
2 6 4 8 3
3 6
4 2 10
1 3 6
3
3 4 4
4 3 9
1
4 5 7 3
Utilizando el mtodo de programacin dinmica, obtenga las cantidades de produccin y los niveles
de inventario ptimos en cada periodo para esta empresa . Supngase que se tiene un inventario
inicial de 10 unidades el principio del mes 1 y que las corridas de produccin se llevan a cabo en
mltiplos de 10 unidades, ( es decir, 10 , 20 o 30 unidades ).
4. El jefe de produccin de una empresa debe hacer una seleccin ptima quincenal de
tareas que se debe procesar durante el siguiente periodo de dos semanas ( 10 das ) para
ello cuenta con la informacin que se muestra en la tabla. Cul es la seleccin ptima .
5. Considere que se carga un barco con N artculos i que tienen un peso wi y un valor
vi ( i = 1,2,,N ) El peso de carga mnima es W.
Se requiere determinar la cantidad de carga mas valiosa sin que se exceda al peso mximo
disponible en el barco.
Especficamente, consider el caso siguiente de tres artculos y suponga que W = 5.
i wi Vi
1 2 65
2 3 80
3 1 30
TEMA 10: PROCESO DE MARKOV.
TERMINOLOGIA:
CADENA DE MARKOV:
MODELO MATEMATICO
Notacin:
Planteamiento:
S(t + 1 ) = S( t) P
En general :
S ( t ) = S ( 0 ) Pt
S=SP
Es decir el vector de estado estacionario sigue siendo igual despus de la transicin de una
etapa.
RESUMEN
El desarrollo de las cadenas de Markov dada una matriz de transicin de una etapa P = [Pij]
y un vector de estado para el periodo t , S ( t ) esta dado por:
S(t+1)=S(t)P
Y dado que :
S ( t + 1 ) = S ( t )P = S ( t 1 )P2 = = S ( 1 )Pt-1 = S ( 0 ) Pt
Se tiene que :
S ( t ) = S ( 0 ) Pt
S = SP
m
S
i 1
i 1
Un estado absorbente es aquel que una vez que se alcanza no pueden abandonarse.
Cuando un proceso de Markov tiene estados absorbentes , no se calculan probabilidades de
estados estables; ya que en algn momento, el proceso termina en alguno de los estados
absorbentes. Sin embargo , podra interesar saber la probabilidad de terminar en uno de los
estados absorbentes.
PROBLEMAS
Van N C S
Renta
N .2 .3 .5
C .3 .4 .3
S .2 .4 .4
1 0 0 0
0 1 0 0
P= .4 0 .3 .3
.4 .2 .3 .1
La empresa est interesada en saber la probabilidad de que la u.m. termine en cada uno
de los dos estado absorbentes.
1 0 0 0
0 1 0 0
P = 0.1 0.2 0.5 0.2
0.4 0.1 0 0.5
Cuntos de los 5000 rboles del vivero se vendern en algn momento dado y
cuantos se perdern?.
TEMA 11 : TEORIA DE JUEGOS
1. PUNTO SILLA
2. ESTRATEGIAS DOMINANTES.
3. ESTRATEGIAS MIXTAS.
Se utiliza cuando no existe punto silla ni estrategias dominantes y las estrategias son
2xn mx2.
4. PROGRAMACION LINEAL
Dos polticos que postulan a la presidencia de un pas. En este momento deben hacer
sus planes de campaa para los dos ltimos das antes de las elecciones; se espera que
estos das sean cruciales por ser tan prximos al final. Por esto, ambos quieren
emplearlos para hacer sus campaas en dos ciudades importantes: B y M. Para evitar
prdidas de tiempo , estn planeando viajar en las noches y pasar un da completo en
cada ciudad o dos das en slo una de las ciudades.
Cada poltico tiene un jefe de campaa en cada ciudad para asesorarlo en cuanto al
impacto que tendrn ( en trminos de votos ganados perdidos ) las distintas
combinaciones posibles de los das dedicados a cada ciudad por ellos o por sus opositor.
Ellos quieren emplear esta informacin para escoger su mejor estrategia .
A continuacin se presentan diversas matrices de pago.
II II II
1 2 3 1 2 3 1 2 3
1 -3 -2 6 1 1 2 4 1 0 -2 2
I 2 2 0 2 I 2 1 0 5 I 2 5 4 -3
3 5 -2 -4 3 0 1 -1 3 2 3 -4
Segn la forma en que se estableci el problema, cada jugador tiene tres estrategias:
1. Pasar un da en cada ciudad.
2. Pasar ambos das en la ciudad A.
3. Pasar ambos das en la ciudad B.
PROBLEMA 2
a) b)
II II
1 2 3 1 2 3
I 1 4 3 1 1 4 -1 6
2 0 1 2 2 -2 7 -1
I 3 2 0 3
4 1 5 3
Para la matriz (a) utilice el mtodo de estrategias mixtas para obtener las
estrategias optimas de los competidores.
Para la matriz (b) formule el modelo de programacin lineal para obtener las
estrategias ptimas de los competidores.
TEMA 12: MODELOS DE LINEA DE ESPERA
Recuerda Ud. la ltima vez que tuvo que esperar ante la caja para pagar su derecho
de matrcula y otros y habr experimentado que el tiempo de espera es molestoso ; este es
un problema que se puede analizar mediante la teora de colas modelos de lnea de espera.
El comn denominador del problema de colas es el costo ocasionado al cliente y al servidor
que tienen correlacin inversa.
CT = CwL + CsK
La forma general de las curvas del costo de la espera , del costo del servicio y del costo
total, en modelos de lneas de espera se aprecia en el siguiente grfico:
Costo total
CT
Cw Cs
K(n de canales)
MODELO M/M/1
Restricciones:
- La lnea de espera tiene un solo canal.
- El patrn de llegada sigue una distribucin probabilstica de Poisson.
- Los tiempos de servicio siguen una distribucin probabilstica exponencial.
- La disciplina de la lnea de espera es Primero que Llega, Primero que se atiende
(PLPA).
Notaciones: nmero promedio de llegada por periodo(tasa promedio de llegada).
nmero promedio de servicio por periodo(tasa promedio de servicio).
Las caractersticas de este modelo se pueden utilizar las siguientes ecuaciones:
1. Probabilidad de que no haya unidades en el sistema.
P0 1
6. Probabilidad que una unidad que llega tenga que esperar para obtener el servicio (factor
de utilizacin).
Pw
n
Pn P0
Para utilizar estas ecuaciones se debe tener que: >
MODELO M/M/k
Restricciones:
- La lnea de espera tiene dos o ms canales.
- Tiene llegadas tipo Poisson.
- El patrn de servicio es de tipo exponencial.
- es lo mismo para todos los canales.
- Las unidades que llegan aguardan en una sola lnea de espera y despus pasan al primer canal abierto
para obtener el servicio.
- La disciplina de la fila es (PLPA)
Notacin:
tasa promedio de llegadas para el sistema.
tasa promedio de servicio para cada canal.
K nmero de canales.
Las frmulas son aplicables para k >
Las ecuaciones para este modelo son:
1. Probabilidad de que no haya unidades en el sistema.
1
P0
k 1
( / ) n ( / ) k k
n0 n! k! k
2. Nmero promedio de unidades en la lnea de espera.
( / ) k
Lq P0
(k 1)! (k ) 2
3. Nmero promedio de unidades en el sistema.
L Lq
4. Tiempo promedio que cada unidad pasa en la lnea de espera.
Lq
Wq
5. Tiempo promedio que una unidad pasa en el sistema.
1
W Wq
6. Probabilidad de que una unidad que llega tenga que esperar.
1 k
k
Pw P0
k! k
7. Probabilidad de que haya n unidades en el sistema
Para n k
( / ) n
Pn P0
n!
Para n > k
( / ) n
Pn P0
k! k ( n k )
MODELO M/G/1
P0 1
2. Nmero promedio de unidades en la lnea de espera.
2 2 ( / ) 2
Lq
2(1 / )
3. Nmero promedio de unidades en el sistema.
L Lq
Lq
Wq
5. Tiempo promedio que una unidad pasa en el sistema.
1
W Wq
Pw
MODELO M/G/K SIN LINEA DE ESPERA.
Restricciones:
( / ) j / j!
Pj k
( / )
i 0
i
/ i!
Es posible qu el calculo mas importante sea Pk , que es la que todos los canales estn
ocupados.
Otra caracterstica que interesa en este caso es el promedio de unidades que se encuentran
en el sistema, y esta evaluacin se lleva a cabo mediante:
L (1 Pk )
MODELO M/M/1 CON POBLACION DEMANDANTE FINITA.
n 0 ( N n)!
Lq
Wq
( N L )
1
W Wq
n
N!
Pn
( N n)!
Para n = 0 ; 1 ; 2 ; ; N
PROBLEMA 1
PROBLEMA 2.
PROBLEMA 3.
PROBLEMA 4
PROBLEMA 6
En un taller, las mquinas suelen fallar segn una ley de Poisson de tas a 3 maq/hora;
evalundose el costo de parada de una mquina en S/. 1000 por hora. En esta situacin
pueden elegirse entre una de las siguientes alternativas.
a. Un mecnico que repare las mquinas segn una ley de servicio exponencial de tasa
4 maq/hora y desea cobrar 300 pesetas por hora.
b. Un mecnico muy experimentado que repara las mquinas segn distribucin
anloga al anterior de tasa 5 maq/hora pero que exige 400 pesetas por hora.
Cul de las dos alternativas resulta ms beneficiosa ?.
PROBLEMA 7
Una oficina que dispone de una fotocopiadora ha observado que, generalmente, los
requerimientos de utilizacin de la misma, durante las ocho horas de trabajo, son aleatorios
con una tasa de 5 personas por hora.
Las fotocopias que se realizan varan en magnitud y en el nmero de copias pero la tasa
de servicio puede estimarse en 10 trabajos a la hora. Si el costo de una persona que
accede a realizar un trabajo es de $3.5 por hora, se desea conocer:
Utilizacin de la fotocopiadora.
Porcentaje de tiempo que una llegada tiene que esperar.
Tiempo promedio de espera en el sistema.
Costo promedio diario ocasionado por esperar.
PROBLEMA 8
Un restauran de comida rpida presenta un problema de colas. Analizando datos sobre la
llegada de clientes se ha llegado a la conclusin de que la tasa promedio de arribo es de 45
clientes por hora. Supngase adems que se ha estudiado el proceso de atencin y que se ha
encontrado que el nico empleado que sirve los alimentos puede procesar un promedio de
60 rdenes de clientes por hora. Analizar este sistema de colas cuyo modelo se adapta al
M/M/1.
PROBLEMA 9
La HN es una tienda especializada en venta de artefactos. Despus de realizar un anlisis
del problema de colas que se genera en la tienda llega a la conclusin que corresponde a un
modelo M/G/1. Y la tasa promedio de llegada es de 21 clientes por hora y el tiempo
promedio de servicio es de 2 minutos por cliente con una desviacin estandar de 1.2
minutos. Evaluar las caractersticas de este sistema.
TEMA 13: MODELO DE INVENTARIO
Los inventarios estn presentes en todas las empresas que tratan con productos fsicos
(como fabricantes, distribuidores, comerciantes entre otros). Los diferentes procesos que
realiza una empresa para suministrar sus bienes son difciles de acoplar a la perfeccin, por
lo que los inventarios o stocks se realizan como medio de acoplamiento entre las diferentes
etapas por la que atraviesan los materiales en una empresa.
Las empresas tambin necesitan inventarios de materia prima y de productos terminados;
pero esto representa una cantidad de dinero inmovilizado dentro de la empresa por lo tanto
lo que se busca es reducir estos costos de almacenamiento.
Las tcnicas de Investigacin de operaciones proporcionan herramientas que permiten
gestionar los inventarios en una empresa de manera ptima; estas herramientas permiten
tomar decisiones respecto de cuando hacer un pedido y cuanto pedir.
INVENTARIO
El objetivo bsico del anlisis de inventario es especificar cundo deben ordenarse los
artculos y cuanto de tamao debe tener el pedido o lote.
Los inventarios se deben principalmente por:
Reserva de seguridad ante posibles variaciones.
Desequilibrio entre sectores de produccin.- Para balancear desequilibrios de
produccin.
Produccin por lotes.- Cuando los tiempos de cambios de herramientas son
extensos.
Produccin nivelada.- Se adelanta la fabricacin cuando la carga de trabajo es
menor.
Compras de mayor tamao.- Se busca menores costos administrativos o de envo.
TIPOS DE DEMANDA
MODELO DE INVENTARIO
Este modelo bsico constituye el punto de partida para otros modelos mas complejos.
Se aplica cuando Q, se recibe todo al mismo tiempo y el pedido se realiza peridicamente
con periodo T.
Existen tres variaciones del modelo de cantidad econmica de lote con una demanda
determinstica:
1. Modelo Clsico.
2. Modelo con descuentos por cantidad.
3. Modelo de artculos con restricciones de almacenamiento.
Notacin.-
ta: tiempo en el cual tengo que realizar el pedido si no quiero quedarme sin
producto(inventario)
Q: tamao econmico de lote, cantidad de unidades que se piden a la vez.
T: tiempo para consumir el inventario mximo, tiempo entre pedidos.
D: demanda anual del producto (constante)
Cp: costo de pedido
Cm: costo de mantenimiento.
C: costo por unidad de producto
Imx: inventario mximo
: .
Una vez establecido el costo total, hay que encontrar la cantidad econmica de
pedido Q para lo cual el costo total se mnimo; esto se obtiene derivando e
igualando a cero la funcin:
= + +
2
= [ 2 ] + +0=0
2
De donde:
2
=
2
T= ; entonces: = =
1 1
N= ; entonces: = = 2
Reemplazando en se obtiene:
= + +
2 4
ii) Modelo con reabastecimiento instantneo y desabastecimientos permitidos.
= + 1 + 2 +
2 2
2( + )
=
2( + )
= , =
+ +
2( + )
= , =
+
1
= , =
2( + )
= 2( + ) +
+
2. Modelo EOQ con descuentos por cantidad
En este modelo el costo anual depende del tamao de pedido; la formulacin del modelo
sigue las mismas pautas de los modelos anteriores.
Si >
Si
CAT =2=1 2=1 + 2=1 + 2=1 + 2=1 ,
2
Dnde:
z 0 1 2 3 4 5 6 7 8 9
- 3. .0013 .0010 .0007 .0005 .0003 .0002 .0002 .0001 .0001 .0000
- 2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
- 2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
- 2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
- 2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
- 2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
- 2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
- 2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
- 2.2 .0139 .0136 .0132 .0129 .0126 .0122 .0119 .0116 .0113 .0110
- 2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
- 2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
- 1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0238 .0233
- 1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0300 0294
- 1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
- 1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
- 1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0570 .0559
- 1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
- 1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
- 1.2 .1151 .1121 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
- 1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
- 1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
- 0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
- 0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
- 0.7 .2420 .2389 .2358 .2327 .2297 .2266 .2236 .2206 .2177 .2148
- 0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
- 0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
- 0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
- 0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
- 0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
- 0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
z 0 1 2 3 4 5 6 7 8 9
0.0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0.1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .9714 .5753
0.2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0.6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0.7 .7586 .7611 .7642 .7673 .7703 .7734 .7764 .7794 .7823 .7852
0.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .85554 .8577 .8599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9278 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9430 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9647 .9648 .9656 .9664 .9671 .9678 .9686 .9693 .9700 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9762 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9874 .9878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 ..9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9990 .9993 .9995 .9997 .9998 .9998 .9999 .9999 1.000