INSTITUTO TECNOLGICO

DE LEN

NOMBRE DE ALUMNO:
SAUL ALEJANDRO CHAVEZ HERNANDEZ

ESPECIALIDAD:
INGENIERA INDUSTRIAL

NOMBRE DE LA ASIGNATURA:
INVESTIGAION DE OPERACIONES II

DOCENTE:
ING.ARAIZA GUZMAN JOSE LUIS

TEMAS:
*TEORIA DE LA UTILIDAD
*ANALISIS DE LA SENSIBILIDAD
*DECISIONES SECUENCIALES

LUGAR Y FECHA: LEN, GTO., A 25 DE ABRIL DEL 2017.

 TEORIA DE LA UTILIDAD

La teora de la utilidad trata de explicar el comportamiento del consumidor. Desde esta

perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. As un bien es ms til en la medida que satisfaga mejor una necesidad.
Esta utilidad es cualitativa (las cualidades reales o aparentes de los bienes), es espacial
(el objeto debe encontrarse al alcance del individuo) y temporal (se refiere al momento
en que se satisface la necesidad).

Esta teora parte de varios supuestos:

El ingreso del consumidor por unidad de tiempo es limitado.

Las caractersticas del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.

El consumidor busca maximizar su satisfaccin total (utilidad total), y por tanto

gasta todo su ingreso.

El consumidor posee informacin perfecta, es decir, conoce los bienes (sus

caractersticas y precios).

El consumidor es racional, esto quiere decir que busca lograr sus objetivos, en
este caso trata de alcanzar la mayor satisfaccin posible. Esto quiere decir que el
consumidor es capaz de determinar sus preferencias y ser consistente en
relacin con sus preferencias. As, si el consumidor prefiere el bien A sobre el
bien B y prefiere el bien B sobre el bien C, entonces preferir el bien A sobre el
bien C (transitividad).

La teora econmica del comportamiento del consumidor se topa con un problema

importante (llamado el problema central de la teora del consumidor), el cual es la
imposibilidad de cuantificar el grado de satisfaccin o utilidad que el consumidor obtiene
de los bienes. No existe una unidad de medida objetiva de la satisfaccin. Este
problema se ha enfrentado a travs de dos enfoques distintos:

Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si se

dispone de una unidad de medida de la satisfaccin.

Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, slo

establece combinaciones de bienes que prefiere o le son indiferentes con
respecto a otras combinaciones de bienes.

Enfoque cardinal:

A partir de los supuestos y conceptos mencionados se definen dos conceptos de

utilidad o satisfaccin:

Utilidad Total: es la satisfaccin total de consumir una cierta cantidad de un bien.

Utilidad Marginal: es la satisfaccin extra de una unidad de consumo adicional.

Q UT UM

0 0 -

1 8 8

2 18 10

3 26 8

4 32 6

5 36 4

6 38 2
7 38 0

8 36 -2
 ANALISIS DE SENSIBILIDAD

Consiste en determinar qu tan sensible son la solucin ptima y el valor ptimo,

con respecto a los cambios en los datos del problema, es decir, los coeficientes en la
Funcin Objetivo y en las Restricciones.

Se basa en la proposicin de que todos los datos del problema, con excepcin
de una parte, se conservan fijos y se pide informacin sobre el efecto del cambio en
esta parte de los datos a los que se permite variar.

La informacin solicitada incluye: El efecto sobre el valor ptimo, el efecto sobre

la solucin ptima y el efecto sobre la regin factible.

1.- GENERALIDADES

El anlisis de sensibilidad indica que coeficientes afectan ms significativamente

la solucin ptima.

Se justifican debido a que: Los datos que sustentan el problema pueden ser
inexactos y por variacin natural de la situacin.

Se efecta para no tener que resolver nuevamente el problema ante

pequeos cambios controlados.

2.- CAMBIOS EN LOS COEFICIENTES DE LA FUNCIN OBJETIVO

El valor de la funcin objetivo cambia.

Cambia la pendiente de la recta de la funcin objetivo.
Puede cambiar la solucin ptima.
No afecta la regin factible.
 Mientras un coeficiente de la funcin objetivo cae dentro de un intervalo
alrededor de su valor original (y los dems coeficientes no cambian), la
solucin ptima actual sigue siendo ptima. Sin embargo, el Valor ptimo de
la funcin objetivo cambia.
Si el coeficiente de inters se modifica a un valor fuera del intervalo, se debe
encontrar una nueva solucin ptima y un nuevo valor ptimo.

3.- CAMBIOS EN LOS VALORES DEL LADO DERECHO DE LAS RESTRICCIONES

El menor cambio en el lado derecho de una restriccin, tiene como resultado

un cambio en la solucin ptima.
PRECIO DUAL o PRECIO SOMBRA:
Proporcin de cambio en el valor de la funcin objetivo por unidad de
incremento en el valor del lado derecho de una restriccin dentro del intervalo
de sensibilidad. Existe para cada valor factible.
An el cambio ms pequeo en el valor del lado derecho de una restriccin
puede ocasionar que la solucin ptima cambie.
Mientras el valor caiga dentro de algn intervalo alrededor de su valor
original, el valor ptimo de la funcin objetivo cambia en forma lineal en
proporcin con el cambio en el valor del lado derecho, de acuerdo con el
Precio Dual.

PROBLEMA MODELO

Una fbrica de ladrillos produce cuatro tipos de ladrillo de cemento. El proceso

de fabricacin est compuesto de tres etapas: mezclado, vibrado e inspeccin. Dentro
del prximo mes se dispone de 800 horas de mquina para mezclado, 1000 horas de
mquina para vibrado y 340 horas-hombre para inspeccin. La fbrica desea maximizar
las utilidades dentro de este perodo, y para ello ha formulado el modelo de
programacin lineal siguiente:

Maximizar Z = 8X1 + 14X2 + 30X3 + 50X4

Sujeto a: X1 + 2X2 + 10X3 + 16X4 800
1.5X1 + 2X2 + 4X3 + 5X4 1000
0.5X1 + 0.6X2 + X3 + 2X4 340
X1 0

Donde Xi representa la cantidad de ladrillo del tipo i. El resto de los parmetros se

explican por s solo.

Cul es la Solucin ptima?

Para conocer cual es la Solucin ptima para este problema, se resuelve el

modelo planteado por medio del Mtodo Simplex

Maximizar Z = 8X1 + 14X2 + 30X3 + 50X4

Sujeto a: X1 + 2X2 + 10X3 + 16X4 800
1.5X1 + 2X2 + 4X3 + 5X4 1000
0.5X1 + 0.6X2 + X3 + 2X4 340
X1 0

X1 + 2X2 + 10X3 + 16X4 + S1 = 800

1.5X1 + 2X2 + 4X3 + 5X4 + S2 = 1000
0.5X1 + 0.6X2 + X3 + 2X4 + S3 = 340
x1, x2, x3, x4, s1, s2, s3 0

N = 7 (Variables)
M = 3 (Ecuaciones)

N M = 7 3 = 4 4 Variables no Bsicas

Variables no Bsicas Variables Bsicas

X1 = 0 S1 = 800
X2 = 0 S2 = 1000
X3 = 0 S3 = 340
X4 = 0

Z = 8X1 + 14X2 + 30X3 + 50X4

Z - 8X1 - 14X2 - 30X3 - 50X4 = 0

TABLA # 1
Variable Z X1 X2 X3 X4 S1 S2 S3 Valor Razn
s
Bsicas
Z 1 -8 -14 -30 -50 0 0 0 0 -
S1 0 1 2 10 16 1 0 0 800 50
S2 0 1.5 2 4 5 0 1 0 1000 200
S3 0 0.5 0.6 1 2 0 0 1 340 170

TABLA # 2
Variable Z X1 X2 X3 X4 S1 S2 S3 Valor Raz
s n
Bsicas
Z 1 - -7.75 1.25 0 3.1 0 0 2500 -
4.87
5
X4 0 0.06 0.12 0.62 1 0.06 0 0 50 400
2 5 5 2
S2 0 1.18 1.37 0.87 0 - 1 0 750 545.4
 7 5 5 0.31 5
2
S3 0 0.37 0.35 -0.25 0 - 0 1 240 685.7
5 0.12 1
5

TABLA # 3
Variable Z X1 X2 X3 X4 S1 S2 S3 Valor Raz
s n
Bsicas
Z 1 -1 0 40 62 6.97 0 0 5600 -
5
X2 0 0.5 1 5 8 0.5 0 0 400 800
S2 0 0.49 0 -6 -11 0.99 1 0 200 400.8
9 9
S3 0 0.2 0 -2 -2.8 -0.3 0 1 100 500

TABLA # 4
Variable Z X1 X2 X3 X4 S1 S2 S3 Valor Raz
s n
Bsicas
Z 1 0 0 28 40 5 2 0 6000
X2 0 0 1 11 19 1.5 -1 0 200
X1 0 1 0 -12 -22 -2 2 0 400
S3 0 0 0 0.4 1.6 0.1 -0.4 1 20

Como todos los coeficientes de las variables en la ecuacin Z (Funcin Objetivo)

son positivos y como el modelo es de maximizacin, entonces la Solucin ptima es
cuando:

Variable Valor Costo Reducido

X1 400 0
X2 200 0
X3 0 -28
 X4 0 -40

El valor ptimo:

Z= 6.000
Para las restricciones:
Variable Valor Precio Dual
S1 0 5
S2 0 2
S3 20 0

La aplicacin del anlisis de sensibilidad nos brinda la siguiente informacin:

Para los coeficientes de las variables en la funcin objetivo:
Variable Lmite Inferior Lmite Superior
X1 7 9.818
X2 11.895 16
X3 sin lmite 58
X4 sin lmite 90

Para los lados derechos de las restricciones:

Restriccin Lmite Inferior Lmite Superior
1 666.67 1000
2 800 1050
3 320 Ilimitado
 DESISIONES SECUENCIALES
Una decisin secuencial es un rbol orientado que representa un proceso de decisin
.Los nodos designa puntos en el tiempo en los cuales:
i) debe tomarse una u otra dedicin
ii) quien toma las decisiones se enfrenta a uno y otro estado de la naturaleza.
iii) el proceso termina.

Saliendo de un nodo (i) hay una rama para cada posibles decisin saliendo de un
nodo(ii) hay una rama para cada posibles estado de la naturaleza. Bajo cada ramas se
escribe la probabilidad del evento corresponde, cuando este definida.

Los arboles de decisin son tiles para determinar decisiones optimas en procesos
complicados.

Las tcnicas consisten en iniciar con los nodos terminales y moverse secuenciales
hacia atrs a travs de la red, calculando la ganancia esperada en los nodos
intermedios. Cada ganancia se escribe encima del nodo correspondiente. Una decisin
recomendada es aquella que lleva a una ganancia mxima esperada. Aquellas
decisiones que resultan no recomendables tienen las ramas correspondientes
marcadas con cruz.

Ejemplos:
Una gran compaa de energtico ofrece al dueo de un terreno $60,000 por el derecho
de explotacin de gas natural en un sitio determinado y la opcin para un desarrollo
futuro.
La opcin si se ejerce vale $60,000 adicionales para el propietario, pero esto ocurrir
solo si se descubre gas natural durante la etapa de explotacin. El propietario,
considerando que el inters de la compaa es una buena indicacin de que existe gas,
est tentando a desarrollar el mismo el campo. Para hacer esto deber contratar
equipo locales con experiencia en explotacin y desarrollo.
El costo inicial es de $100,000 los que se perdern si no se encuentra gas. Sin
embargo si descubre gas, el propietario estima un beneficio neto de 2millones de dlar.
Las decisiones para el propietario son D1 (acepta la oferta de la compaa de
energticos) y D2 (explorar y desarrollar por su cuenta). Los estado de la naturaleza son
S1 (no hay gas en el sitio). Las ganancia (en miles de dlares) para el propietario en
cada combinacin de evento se da en la tabla sig.
Estado de la
naturaleza
s1 s2
d1 60 660
Decisione
s d2 -100 200
La matriz de ganancia para este proceso se
muestra en la tabla anterior. La ganancia mnima para la decisin D 1 es 60 mientras
que para D2 es -100. Ya que Max[60,-100 ]=60 es la ganancia asociada D1,D2 es la
decisin recomendada bajo el criterio minimax.

El valor mayor en la matriz es 2000, ganancia asociada a D2 por lo tanto D2 es la

decisin recomendada bajo el criterio optimista.
Los promedio de la ganancia mxima y mnima para D1 yD2 son respectivamente

200+(-
600+60 = 360 y 100)
= 950
2 2

Ya que max [360,950] = 950 est asociada con D 1 ,D2 es la decisin recomendada
bajo el criterio del punto medio del camino.
Determinar la decisin recomendada bajo el criterio a priori para el proceso del
ejemplo anterior. Si el propietario estima que la probabilidad de encontrar gas
de 0.6
 Con p(s2) =0.6 entonces P(s1)=1-0.6=0.4 empleando los datos de la tabla se calcula
la ganancia esperada proveniente de D1 como:
E (G1)=(60)(0.4)+(660)(0.6)=420
Y la ganancia para D2 como:
E (G2)= (-100) (0.4)+ (2000)(0.6)=1160
Ya que el mximo de esta dos cantidades, 1160 est asociada con D1 D2 es la
decisin recomendables bajo el criterio a priori. Este proceso est representado por el
rbol de decisin de la figura sig. La ganancia esperada del proceso 1160 en el nodo B
420 s1
F
C 0.
4 s2 660
D1 E
1 0.
6
1160
D2
-10 1 1160 S1
B 0. G
4 2000
D
H S2