PRIMER BIMESTRE
6.1. Competencias
UNIDAD 1. Introduccin
Todos los das tomamos decisiones. Estas son a veces tan simples como decidir la hora de levantarnos
o la forma de ir a nuestro trabajo. Otras son tan complejas que nos lleva tiempo y se debe a que existen
varios factores que deben ser analizados. Normalmente decimos, pinsalo y toma una decisin.
Esta unidad se ocupa de la forma en la que puede utilizarse la ciencia de la administracin para ayudar a
los administradores a tomar las mejores decisiones. El nfasis se aplica al proceso de toma de decisiones
y al papel que la ciencia de la administracin desempea en este proceso. Se proporciona un panorama
general de la forma en que puede utilizarse modelos matemticos en este tipo de anlisis y la diferencia
entre el modelo y la situacin real o problema gerencial que representa es un punto importante.
Los modelos matemticos son abstracciones acerca de situaciones del mundo real y, como tales, no
pueden capturar todos los aspectos de la situacin real. Una de las caractersticas de la ciencia de la
administracin, es la bsqueda de la mejor solucin a un problema. Al realizar el anlisis cuantitativo,
se est intentando desarrollar procedimientos para obtener la mejor solucin o la solucin ptima. El
objetivo es mejorar la toma de decisiones.
Lea con atencin la seccin 1.1 y la parte que precede a sta en las pginas 2 y 3 del texto bsico. A
continuacin le amplio un poco ms este tema.
Ejemplo N 1
1. Identificar el problema. Por ejemplo, necesidad de dinero para atender una calamidad
domstica.
3. Determinar el criterio o criterios que se utilizarn para evaluar las opciones o alternativas.
Ejemplo, tasas de inters (pueden haber ms criterios).
4. Evaluar las alternativas (opciones).- Utiliza una frmula matemtica para calcular el inters a
pagar por el prstamo. Est utilizando un modelo.
Ejemplo N 2
Usted tiene disponibles $ 10.000. Desea invertirlos en algo que le produzca una buena rentabilidad
pero que al mismo tiempo sea seguro. Un amigo le propone invertir en un proyecto para ofrecer
comida rpida; tiene adems la posibilidad de elegir cualquier banco para depositar este capital y tener
una rentabilidad por los intereses generados; otra alternativa es comprar un terreno. Cules son las
alternativas de inversin que tiene?. Qu informacin cuantitativa debe pedirle a su amigo para que
usted crea que esa inversin es segura y rentable?. Qu aspectos usted investiga de cada banco para no
perder su capital?. Qu anlisis hace respecto al terreno?. Necesitara usted un analista financiero o un
inversionista en bienes races para que le ayuden a tomar la decisin?. Qu decisin tomara?. Cmo
evaluara los resultados de esta decisin?.
En los ejemplos propuestos, el proceso seguido para resolver el problema fue el siguiente (confrntese
con la figura 1.1 de la pgina 5 del texto bsico):
Para analizar un problema tenemos dos enfoques: el anlisis cualitativo y el anlisis cuantitativo
(figura 1.3 del texto bsico). El anlisis cualitativo se basa en sobre todo en el juicio y la experiencia del
administrador, se utiliza para problemas sencillos. Los mtodos cuantitativos son generalmente tiles
para problemas grandes y complejos.
El texto bsico explica las razones por las que es til el enfoque cuantitativo en el proceso de toma de
decisiones. Revise estos 4 aspectos en la pgina 6 del texto bsico.
Desarrollo de Modelos
Cuando se utiliza el anlisis cuantitativo, el analista se concentra en los hechos o datos cuantitativos
asociados al problema y desarrolla expresiones matemticas que describen los objetivos, las restricciones
y las relaciones existentes en el problema que se conoce como Modelo Matemtico. Despus, utilizando
uno o ms mtodos cuantitativos, el analista ofrece una recomendacin con base en los aspectos
cuantitativos del problema.
El xito del modelo matemtico y del enfoque cuantitativo depender en gran medida de la precisin
con que puedan expresarse el objetivo y las restricciones en ecuaciones o relaciones matemticas a
travs de un proceso que se conoce como modelamiento matemtico.
Estudie los modelos de las pginas 7 y 8 y las caractersticas de los mismos en las pginas 9 y 10 del texto
bsico.
a. Definir el problema y recolectar datos.- En este paso, el equipo consultar con la administracin
para identificar con claridad el problema y asegurar los objetivos apropiados del estudio.
Investigar y recoger los datos tiles para el modelo.
c. Resolver el modelo.- Existen paquetes de software para resolver modelos. Algunos de ellos se
explican en el texto. Los valores de las variables de decisin, es decir la solucin del modelo puede
ser factible, no factible u ptima. Revise estas diferencias en la pgina 11 del texto bsico.
d. Probar el modelo.- Cuando se tratan modelos que responden a problemas reales, se plantearn
las siguientes preguntas: Se han incorporado con precisin en el modelo todos los factores e
interrelaciones relevantes del problema?. Parece que el modelo brinda soluciones razonables?. El
objetivo es ir ajustando el modelo.
Revise los modelos de costo y volumen, ingreso y volumen, utilidad y volumen y el anlisis del punto de
equilibrio que el texto bsico le ofrece en las pginas 14. 15 y 16.
Una empresa que elabora un producto u ofrece un servicio siempre incurre en estos dos tipos de costos;
obtiene un ingreso por la venta del producto o servicio y como resultado, una utilidad. Es decir, la utilidad
ser igual al ingreso menos los costos.
Resumiendo las ecuaciones 1.3, 1.4 y 1.5 del texto bsico y utilizando el ejemplo que se propone,
tenemos:
Qu pasara si los costos son mayores a los ingresos?. Se tendra una prdida. Qu pasa si los ingresos
son mayores a los costos?. Se obtendra una ganancia. De qu dependen los ingresos?. Del nmero de
unidades vendidas.
En el siguiente cuadro y utilizando las ecuaciones anteriores se calcula, el costo variable, el costo total,
los ingresos y la utilidad para diferentes valores de X. Observe que el costo fijo permanece constante
y que slo cuando las ventas superan las 1000 unidades, se obtiene una ganancia. En la ecuacin 1.5
haga que la utilidad total sea igual a cero y calcule el punto de equilibrio, que para el ejemplo resulta ser
de 1000 unidades. Si usted grafica el costo total y el ingreso total en funcin de las unidades vendidas,
obtendr la figura 1.6 que se muestra el texto bsico en la pgina 16. El cuadro y la grfica siguientes se
pueden elaborar utilizando el programa Excel; sera bueno que usted desarrolle esta competencia:
En la seccin 1.5 de la pgina 16 del texto bsico, se presentan los mtodos cuantitativos y sus aplicaciones.
De ellos nosotros estudiaremos: Anlisis de decisiones, programacin lineal; modelos de distribucin y
de red, programacin lineal entera, programacin de proyectos y simulacin.
ACTIVIDADES RECOMENDADAS 1
1. Estudie todos los trminos del glosario que el texto ofrece en la pgina 19. Confrntese con los
conceptos dados a lo largo del captulo. Todos ellos sern objeto de evaluacin.
2. Supongamos que usted no tiene trabajo y le dan la oportunidad de aceptar uno en las ciudades
de Quito, Guayaquil, Cuenca y en la ciudad en donde usted vive. Usted tiene cuatro alternativas
para resolver su problema de falta de trabajo. Determine los criterios para evaluar las alternativas
y tome una decisin. Los criterios pueden ser muchos.
3. Supongamos que usted tiene $ 10 000 y desea ahorrarlos en un banco para ganar y vivir de los
intereses. Cuntas alternativas tiene; qu criterios utiliza para decidirse por una alternativa?. Qu
modelo matemtico utiliza para evaluar las alternativas?.
4. Usted ha realizado un prstamo a un banco. Conoce el monto del prstamo, el plazo y el inters,
la forma de amortizacin. Qu modelo matemtico utiliza para determinar cunto le toca pagar
mensualmente de capital ms inters?.
5. La utilidad total por venta de un producto se puede determinar multiplicando la utilidad por
unidad por la cantidad vendida. Se utiliza el siguiente modelo:
P=UxV
6. Supongamos ahora que el agente vendedor vende dos tipos de productos diferentes Cul ser el
modelo matemtico para determinar la utilidad total?
Autoevaluacin 1
Se propone las siguientes preguntas para su autoevaluacin. Responda una vez que ha estudiado los
contenidos tratados.
En la columna V/F escriba una V o una F segn sea verdadero o falso para cada una de los siguientes
enunciados:
2.() Uno de los avances ms significativo de la IO fue el mtodo simplex descubierto por
George Dantzing en 1947.
4.() Segn la figura 1.1 pgina 5 del texto bsico, la solucin de problemas implica 5 pasos.
6.() Segn la tabla 1.1 pgina 4 del texto bsico, son tres las alternativas de decisin.
7.() Segn la tabla 1.1 pgina 4 del texto bsico, aceptar un trabajo en Dallas es una
alternativas de decisin.
8.() Segn la tabla 1.1 pgina 4 del texto bsico, acepar un trabajo en Dallas referido al
sueldo inicial es la mejor decisin.
9.() La decisin tomada por usted, debe ser la misma a la tomada por otro profesional que
busca trabajo.
10.() Segn la tabla 1.1 pgina 4 del texto bsico, cada alternativa de decisin tiene cuatro
criterios de evaluacin.
11.() Segn la tabla 1.1 pgina 4 del texto, el salario inicial es un criterio de evaluacin que
se basa en datos cuantitativos.
12.() Segn la tabla 1.1 pgina 4 del texto bsico, la ubicacin en el trabajo es un criterio
de evaluacin cuantitativo.
13.() Segn la tabla 1.1 pgina 4 del texto bsico, basado en los tres criterios de evaluacin,
si usted decide seleccionar la alternativa 3, sta ser la decisin.
21.() El valor de las decisiones y conclusiones basadas en modelos depende de lo bien que
represente el modelo la situacin real.
26.() Es posible que se pueda formular (elaborar) el modelo de forma simultnea con la
preparacin de los datos.
27.() Es correcto suponer que la preparacin de los datos para un modelo es un paso trivial
sin importancia.
28.() Para el modelo de la pgina 8 del texto bsico, si el valor de X es igual a 10, sta es una
solucin ptima.
29.() Para el modelo de la pgina 8 del texto bsico, si el valor de X es igual a 6, sta es una
solucin factible
30.() Para el modelo de la pgina 8 del texto bsico, si el valor de X es igual a 10, sta es una
solucin no factible.
Si sus respuestas correctas no superan al menos las 21, vuelva a revisar los contenidos.
Como se menciona en el texto bsico, El Anlisis de decisiones se utiliza para desarrollar una estrategia
ptima cuando un tomador de decisiones enfrenta varias alternativas de decisin y un patrn de eventos
futuros incierto o lleno de riesgos.
Estudie este tema en la pgina 99 del texto, identifique los cuatro elementos bsicos en un problema de
anlisis de decisiones:
1. Cul es el problema de la PDC? Seleccionar el tamao del proyecto que de la mayor ganancia
dada la incertidumbre de la demanda.
2. Cules son las alternativas de decisin? La empresa tienen tres alternativas de decisin.
El problema de PDC se lo puede graficar a travs de un diagrama de influencia, como el que se muestra
en la figura 4.1 del texto y que la reproducimos en la figura siguiente. Se recomienda mantener este
esquema, en el que debe identificarse las alternativas de decisin, los estados de la naturaleza y los
resultados. Las alternativas de decisin y los estados de la naturaleza llevan hacia el resultado que puede
ser: una ganancia, una prdida, tiempo, costo, etc.
Para terminar esta seccin, trabajemos un problema de toma de decisiones que puede ser muy comn
a todos.
Frente al estado del tiempo hay dos alternativas de decisin, llevar paraguas o no llevar. El resultado
depender de cmo responda la naturaleza. El siguiente sera el diagrama de influencia.
Alternativas Resultado
de decisin Se moja
No se moja
Lleva paraguas
No lleva paraguas
Fuente: Anderson D. (2011). Mtodos cuantitativos para los negocios.
Elaborado: Tene T. ngel
Alternativas de decisin
Estado de la naturaleza
Lleva paraguas No lleva paraguas
Llueve
No llueve
Como se dice en el texto, se refiere a la toma de decisiones que no requiere un conocimiento de las
probabilidades de los estados de la naturaleza. Hay tres enfoques claramente expresados:
1. Enfoque optimista
2. Enfoque conservador
3. Enfoque de arrepentimiento
Estos enfoques no consideran ninguna informacin acerca de las probabilidades de los diversos estados
de la naturaleza. Siga con atencin los contenidos de la seccin 4.2 que el texto bsico propone en las
pginas 102 a 105.
Problema 1
La siguiente tabla de resultados muestra las ganancias para un problema de anlisis de decisiones con
dos alternativas y tres estados de la naturaleza.
a. El rbol de decisiones sera el siguiente.- Tiene dos ramas principales: d1 y d2. De cada una de estas
ramas salen tres ramas secundarias: s1, s2 y s3. Habra un tronco que soporta a d1 y d2.
1. Una persona optimista esperar que ocurra el estado de la naturaleza s1, por lo tanto tomar
la decisin d1, ya que con esta decisin y con el estado de la naturaleza que espera que
ocurra, obtendr 250 de ganancia. Ha tomado una decisin usando un enfoque optimista.
2. Una persona pesimista pensar que puede ocurrir el estado de la naturaleza s2 o s3. Con s2
el resultado es 100 y con s3 el resultado es 25 y 75. De estos dos ltimos, el mejor es 75, por
lo tanto toma la decisin d2. Ha usado un enfoque pesimista.
s1 s2 s3
d1 0 0 50
d2 150 0 0
1. Para calcular esta tabla nos fijamos en la mxima ganancia posible para cada estado de la
naturaleza. La mxima ganancia posible es 250 para s1, 100 para s2 y 75 para s3 (revisar la
3. Si tomamos la decisin d2 y ocurre un estado s1, la ganancia obtenida es 100, que restada de
250 (ganancia mxima posible), nos da 150. Dejamos de ganar 150 (prdida de oportunidad).
La toma de decisiones sin probabilidades tiene deficiencias importantes. Los mejores criterios de
decisin usan probabilidades sin suponer que stas sean correctas con exactitud. Por lo tanto, nuestro
estudio har nfasis en la toma de decisiones con probabilidades.
Lea este tema en la pgina 105 del texto. La toma de decisiones usando probabilidades implica seguir
los siguientes tres pasos:
2. Utilizar estas probabilidades para calcular la ganancia esperada para cada alternativa.
3. Escoger la alternativa que tenga la mayor ganancia esperada (valor monetario esperado).
1. Los administradores de PDC estn casi seguros de que la demanda ser fuerte, por lo tanto
le han asignado una probabilidad de 0.8 a s1 y 0.2 a s2. Es decir, P(s1) = 0.8 y P(s2) =0.2.
Alternativas de decisin
Prob. Complejo pequeo, Complejo mediano, Complejo grande,
d1 d2 d3
Demanda fuerte, s1 0.8 8 14 20
Demanda dbil, s2 0.2 7 5 -9
Alternativas de decisin
Estados de la
Prob. Complejo pequeo, Complejo mediano, Complejo grande,
naturaleza
d1 d2 d3
Demanda fuerte, s1 0.8 8x0.8 = 6.4 14x0.8 = 11.2 20x0.8 = 16.0
Demanda dbil, s2 0.2 7x0.2 = 1.4 5x0.2 = 1.0 -9x0.2 = -1.8
Ganancia esperada (VE) 7.8 12.2 14.2
3. El valor esperado ms alto es el que se obtiene al tomar la decisin d3. Por lo tanto, la
decisin debe ser, construir un complejo grande.
Los clculos realizados en la tabla anterior para identificar la alternativa de decisin con el valor esperado
ms alto, puede hacerse tambin a travs de un rbol de decisiones con probabilidades. Revise las figuras
4.3 y 4.4 de la pgina 106 del texto.
Otra forma de llegar a recomendar la mejor decisin es a travs del clculo de la prdida de oportunidad
(PO). En algunos textos tambin se la encuentra como costo de oportunidad esperado (CO) y se define
como la cantidad de utilidad perdida al no elegir la accin ptima para cada evento. La PO se calcula
utilizando la tabla de prdida de oportunidad y las probabilidades para cada estado de la naturaleza.
Para el caso del problema de PDC, utilice la tabla 4.4 del texto (pgina 104).
Tabla de Prdida de Oportunidad (Tabla 4.4 del texto bsico, cambiada la forma)
Alternativas de decisin
Prob. Complejo pequeo, Complejo mediano, Complejo grande,
d1 d2 d3
Demanda fuerte, s1 0.8 12x0.8 = 9.6 6x0.8 = 4.8 0x0.8 = 0
Demanda dbil, s2 0.2 0x0.2 = 0 2x0.2 = 0.4 16x0.2 = 3.2
Prdida de Oportunidad
9.6 5.2 3.2
Esperada (POE)
La decisin recomendada es la que tiene una PO ms bajo, para el ejemplo es d3, es decir, se recomienda
construir un complejo grande.
Revise este concepto y la forma de calcularlo en la pgina 108 y 109 del texto bsico y en el problema
que se propone a continuacin.
Problema 2
Un tendero se enfrenta al dilema de cuntas cajas de leche debe almacenar para abastecer la demanda
del da siguiente. El tendero compra cada caja a $ 8 y la vende a $ 10, obteniendo una utilidad de $ 2 por
caja. Suponer que la cantidad de leche no vendida al final del da representa una prdida completa para
el tendero. Adems, que la demanda no satisfecha no tendr ningn costo, excepto el costo de la venta
perdida pues el cliente no atendido no regresar en el futuro. El tendero ha llevado un registro de ventas
de los das anteriores como el que se muestra en la tabla siguiente:
Cuntas cajas el tendero debe comprar para satisfacer la demanda del da siguiente?. Ayudmosle a
resolver su problema.
La probabilidad de cada evento la hemos calculado as: la probabilidad de que se vendan 25 cajas resulta
de dividir 20 para 200 (20/200=0.10). El tendero ve con cero posibilidades de que se vendan 24 cajas o
29 cajas.
La tabla 2 muestra la ganancia esperada (valor esperado) para cada alternativa de decisin.
(lo que el tendero logra (lo que el tendero decide comprar a $ 8 cada caja)
vender a $ 10 cada caja) a1Inventario 25 a2 Inventario 26 a3 Inventario 27 a4 Inventario 28
(e1) vende 25 cajas 25x2 = 50 25x21x8 = 42 25x2 2x8= 34 25x2 3x8 = 26
(e2) vende 26 cajas 25x2 = 50 26x2 = 52 26x2 1x8= 44 26x2 2x8 = 36
(e3) vende 27 cajas 25x2 = 50 26x2 = 52 27x2 = 54 27x2 1x8 = 46
(e4) vende 28 cajas 25x2 = 50 26x2 = 52 27x2 = 54 28x2 = 56
En esta tabla, las alternativas de decisin estn en la parte superior de la tabla. En la columna de la
izquierda aparecen los eventos posibles (las ventas posibles) de acuerdo al registro histrico que el
tendero ha mantenido.
Expliquemos mejor los clculos para obtener la utilidad esperada que aparecen en la tabla anterior.
No puede vender 26 cajas, pierde una venta. En este caso la utilidad esperada es de $ 50 y
se calcula como se indica en la tabla anterior. Esto se repite para los dems estados de la
naturaleza (para las diferentes demandas). El tendero no puede vender ms de lo que tiene.
3. Si el tendero opt por la alternativa 2, es decir, compr 26 cajas; puede vender 25 26 cajas
y no ms. En estas condiciones, la utilidad se calculan como se muestra en la columna de a2
de la tabla anterior.
4. En la tabla anterior se presentan los clculos para todas las alternativas y eventos posibles.
5. La mejor accin se da cuando el tendero vende todas las unidades que compr. No hay
castigo por cliente no satisfecho, en algunos problemas puede plantearse este hecho. S
pierde los $ 8 por cada unidad que no vende.
26 50 52* 44 36
27 50 52 54* 46
28 50 52 54 56*
La mxima utilidad es $ 56 y se dar slo si el tendero decide comprar 28 cajas y los clientes compran las
28 cajas.
Calculamos el valor esperado para cada alternativa de decisin de la tabla anterior. nicamente multiplica
la utilidad esperada por la probabilidad de cada evento o demanda y luego sumamos para calcular el
valor esperado.
Qu utilidad podra esperar el tendero en el futuro, si la demanda diaria se pudiera predecir con
certeza?. Para esto calculamos la utilidad esperada cuando la prediccin es perfecta (VEcIP). Tomamos
las utilidades ms altas de la tabla 3 (las que tienen un asterisco). En esta tabla se observa que si se
compra 25 unidades y se venden las 25 unidades significa que la prediccin ha sido perfecta. La utilidad
esperada con prediccin perfecta ser la siguiente:
= 53.2
= 53.2 51.0
= 2.20
Como se dijo anteriormente, otra forma de llegar a recomendar la mejor decisin es a travs del clculo
de la prdida de oportunidad esperada (PO). Usted debe llegar a determinar la mejor alternativa de
decisin a travs de este clculo.
El costo de oportunidad esperado se muestra en la tabla siguiente. Observe que multiplica la prdida de
oportunidad por la probabilidad del evento.
Segn esta tabla 6 se establece que el tendero debe decidir comprar 26 cajas porque es la alternativa
que le da una prdida de oportunidad esperado ms bajo de $ 2.20. Observe que si se utiliza el VE o el
POE, la alternativa de decisin para el tendero es la misma. Observe tambin que el POE es igual al VEIP.
Problema 3
Un repartidor de peridicos puede comprar El Comercio en $ 0.40 cada uno y venderlo a $ 0.75. Sin
embargo, debe adquirir los peridicos antes de saber cuntos puede vender realmente. Si compra ms
ejemplares de los que puede vender, simplemente desechar el excedente, sin costo adicional. Sino
compra suficientes ejemplares, pierde ventas potenciales ahora y posiblemente en el futuro. Suponga,
por el momento, que esta prdida de ventas futuras es representada por un costo estimado en $ 0.05
por cliente insatisfecho. Con propsitos ilustrativos y para facilitar el clculo, tambin suponga que la
probabilidad de la demanda que enfrenta es:
En este modelo, cada uno de los diferentes valores de la demanda es un estado de la naturaleza diferente
y el nmero de peridicos ordenados es la decisin. Los rendimientos, o retribuciones, para este modelo
se muestran en la tabla siguiente:
Utilidad = (0.75 x nmero de revistas vendidas) (0.40 x nmero de revistas compradas) (0.05 x
demanda no satisfecha)
= - 40
= 30
Estados de la Decisin
naturaleza 0 100 200 300
0 0(0.1) -40(0.1) -80(0.1) -120(0.1)
100 -5(0.3) 35(0.3) -5(0.3) -45(0.3)
200 -10(0.4) 30(0.4) 70(0.4) 30(0.4)
300 -15(0.2) 25(0.2) 65(0.2) 105(0.2)
VME -8.50 23.50 31.50 7.5
En muchos casos de toma de decisiones es posible obtener estimados de la probabilidad de cada uno
de los posibles estados de la naturaleza. Cuando se dispone de esas probabilidades, es posible utilizar
el mtodo del valor esperado para identificar la mejor alternativa de decisin. En este mtodo se evala
cada alternativa de decisin en trminos de su valor monetario esperado (VME). La que se recomienda
es la que tiene el VME ms alto y por consiguiente, el costo de oportunidad esperado ms pequeo.
Cuando la empresa o el administrador desea invertir en obtener informacin perfecta sobre los eventos
antes de tomar la decisin, se habla del valor esperado de la informacin perfecta; es decir, el empresario
podra determinar con certidumbre cul estado de la naturaleza ocurrir.
A pesar de la simplicidad del ejemplo, el VEIP tiene un significado importante. Es un lmite para la
cantidad que el administrador debera estar dispuesto a pagar para mejorar los conocimientos sobre el
estado de la naturaleza que ocurrir. Literalmente millones de sucres se gastan en diferentes proyectos
de investigacin de mercados para determinar qu estado de la naturaleza ocurrir en una gran variedad
de aplicaciones. El VEIP indica la cifra esperada a ganar por llevar a cabo este esfuerzo, y por lo tanto
coloca un lmite superior a la cifra que debera ser invertida para reunir esa informacin.
Anlisis de riesgo.- El anlisis de riesgo consiste en comparar los resultados de una decisin con los
estados de la naturaleza que podran darse en la realidad. Observe el grfico siguiente, en lugar de la
figura 4.5 que el texto bsico propone en la pgina 110.
Si usted toma la decisin d1 y ocurre s1 gana 8 millones, pero si ocurre s2 gana 7 millones; si toma la
decisin d2 y ocurre s1 gana 14 millones, pero si ocurre s2 gana slo 5 millones; si toma la decisin d3 y
ocurre s1 gana 20 millones, pero si ocurre s2, perdera 9 millones. Cul es la decisin con ms riesgo?.
Anlisis de sensibilidad.- El anlisis de sensibilidad nos sirve para determinar cmo los cambios en las
probabilidades para los estados de la naturaleza o los cambios en los resultados afectan a la alternativa
de decisin recomendada. Para el problema de PDC, analice los cambios en las probabilidades de la
demanda y los efectos en la decisin recomendada.
Alternativa de decisin
Estados de la naturaleza Probabilidad
d1 d2 d3
Demanda fuerte s1 0,8 8 14 20
Demanda dbil s2 0,2 7 5 -9
Resultados
Alternativa de decisin
Estados de la naturaleza
d1 d2 d3
Demanda fuerte s1 6,4 11,2 16
Demanda dbil s2 1,4 1 -1,8
7,8 12,2 14,2
Decisin recomendada d3
Alternativa de decisin
Estados de la naturaleza Probabilidad
d1 d2 d3
Demanda fuerte s1 0,7 8 14 20
Demanda dbil s2 0,3 7 5 -9
Resultados
Alternativa de decisin
Estados de la naturaleza
d1 d2 d3
Demanda fuerte s1 5,6 9,8 14
Demanda dbil s2 2,1 1,5 -2,7
VE 7,7 11,3 11,3
Decisin recomendada d2 d3
Observe que para un pequeo cambio en las probabilidades de la demanda, la decisin recomendada
puede ser construir un complejo mediano o construir un complejo grande. Podemos decir que la
decisin de d3 con respecto a d2 es muy sensible a los cambios en 0,1 en la probabilidad de la demanda.
Con la ayuda de Excel puede hacer cambio en las probabilidades para los estados de la naturaleza.
Observar que slo cuando la probabilidad de una demanda fuerte es de 0,2 y la probabilidad de una
demanda dbil es 0,8, la decisin recomendada de d2 a d1. Podemos decir, que la decisin de d3 y d2 con
respecto a d1 no es muy sensible a los cambios en las probabilidades de la demanda.
Alternativa de decisin
Estados de la naturaleza Probabilidad
d1 d2 d3
Demanda fuerte s1 0,2 8 14 20
Demanda dbil s2 0,8 7 5 -9
Resultados
Alternativa de decisin
Estados de la naturaleza
d1 d2 d3
Demanda fuerte s1 1,6 2,8 4
Demanda dbil s2 5,6 4 -7,2
7,2 6,8 -3,2
Decisin recomendada d1
Esto quiere decir, que si la estimacin de las probabilidades ha sido ms o menos correcta, la decisin de
construir un complejo grande nos dar una buena ganancia, no hay riesgo de prdida.
ACTIVIDADES RECOMENDADAS 2
1. Un repartidor de peridicos puede comprar El Comercio en $ 0.40 cada uno y venderlo a $ 0.75.
Sin embargo, debe adquirir los peridicos antes de saber cuntos puede vender realmente. Si
compra ms ejemplares de los que puede vender, simplemente desechar el excedente, sin costo
adicional. Sino compra suficientes ejemplares, pierde ventas potenciales ahora y posiblemente
en el futuro. Suponga, por el momento, que esta prdida de ventas futuras es representada por
un costo estimado en $ 0.05 por cliente insatisfecho. Con propsitos ilustrativos y para facilitar el
clculo, tambin suponga que la probabilidad de la demanda que enfrenta es:
En este modelo, cada uno de los diferentes valores de la demanda es un estado de la naturaleza diferente,
y el nmero de peridicos ordenados es la decisin. Los rendimientos, o retribuciones, para este modelo
se muestran en la tabla siguiente (se pide completar la tabla)
Utilidad = (0.75 x nmero de unidades vendidas) (0.40 x nmero de peridicos comprados) (0.05 x
demanda no satisfecha)
= - 40
= 30
VEIP =-. =
Autoevaluacin 2
Se propone las siguientes preguntas para su autoevaluacin. Responda una vez que ha estudiado los
contenidos tratados.
En la columna V/F escriba una V o una F segn sea verdadero o falso para cada una de los siguientes
enunciados:
1.() Usted sale de su casa, mira al cielo y dice, llueve o no llueve; estamos frente a dos
alternativas de decisin.
2.() Usted sale de su casa, mira al cielo y dice, llueve o no llueve; estamos frente a dos
estados de la naturaleza.
3.() Si decidi llevar paraguas, el resultado de que se moje o no, depender de la decisin
que tom.
4.() Si decidi llevar paraguas, el resultado de que se moje o no, depender del estado de
la naturaleza.
6.() Aunque se haya realizado un minucioso anlisis de decisiones, los eventos futuros
hacen incierta la consecuencia final.
7.() La mayora de los proyectos de anlisis de decisiones son actividades repetitivas, que
facilita medir el valor agregado para la corporacin.
8.() El problema de decisin de PDC (pgina 100 del texto bsico), es seleccionar el
tamao del nuevo proyecto que llevar a la mayor ganancia dada la incertidumbre
en la demanda de los condominios.
9.() El problema de PDC (pgina 100 del texto bsico), tienen tres alternativas de decisin
y dos estados de la naturaleza.
10.() Los estados de la naturaleza, para el problema de PDC (pgina 100 del texto bsico),
son: tamao pequeo, tamao mediano, tamao grande.
12.() El problema de PDC planteado en la pgina 100 del texto bsico, tiene tres estados de
la naturaleza y dos alternativas de decisin.
13.() Para el problema PDC planteado en la pgina 100 del texto bsico, el tamao del
complejo es el nodo de decisin, la demanda es el nodo fortuito y la ganancia es el
nodo de consecuencia
14.() Una tabla de resultados es la que muestra los resultados para todas las combinaciones
de las alternativas de decisin y los estados de la naturaleza.
15.() En toma de decisiones, Vij significa el resultado asociado con la alternativa de decisin
i y el estado de la naturaleza j.
16.() Los resultados que se muestran en la tabla 4.1 del texto bsico para el problema de
PDC, son tres.
18.() Los rboles de decisin muestran una manera til de descomponer un problema y la
naturaleza secuencial del proceso de decisin.
21.() El enfoque conservador evala cada alternativa de decisin desde el punto de vista
del peor resultado que puede ocurrir.
23.() En funcin de la tabla 4.1 de la pgina 102 del texto bsico, si la decisin tomada es
d1 y el estado de la naturaleza que ocurre es s1, la prdida de oportunidad es de 20
millones.
25.() VEcIP significa, valor esperado con informacin perfecta sobre los estados de la
naturaleza.
26.() Para el problema de PDC que el texto lo trata en la pgina 108 del texto bsico, el
VEcIP es de 17.4 millones.
27.() VEsIP significa valor esperado sin informacin perfecta sobre los estados de la
naturaleza.
28.() Para el problema de PDC que el texto lo trata en la pgina 108 del texto bsico, el
VEsIP es de 17.4 millones.
30.() Para el problema de PDC que el texto lo trata en la pgina 108 del texto bsico, el VEIP
es 3.2 millones
Si sus respuestas correctas no superan las 21, vuelva a revisar los contenidos.
Antes de estudiar esta seccin, le recomiendo leer las aplicaciones tpicas de la programacin lineal (PL)
que se presentan en la pgina 235 del texto bsico. Igualmente, antes de estudiar la seccin 7.1 que el
texto bsico propone en la pgina 236, le recomiendo estudiar las etapas principales para la puesta en
prctica de Mtodos Cuantitativos importantes:
1. Definicin del problema.- Es una declaracin verbal del problema que implica establecer el
alcance que se est investigando. Esta es una funcin que debe realizarla todo un equipo de
ejecutivos de una empresa. Su funcin es identificar el objetivo del estudio, las alternativas de
decisin y especificar las limitaciones.
2. Formulacin del problema.- Implica traducir la definicin del problema a relaciones matemticas.
Esto es, formular el modelo. Es lo ms importante y que usted debe ser capaz de hacerlo. Un
problema mal definido y mal formulado, no se podr resolver.
3. Solucin del modelo.- Lo que es lo mismo, resolver el modelo. Es la ms sencilla, los mtodos son
fciles y existe paquetes software que ayudan al proceso. Un aspecto importante de la solucin
del modelo es el anlisis de sensibilidad.
4. Validacin del modelo.- Verificar si el modelo propuesto hace lo que se supone que debe hacer,
es decir, el modelo proporciona una prediccin razonable del comportamiento del sistema que
se est estudiando?
En esta seccin nos concentramos en los aspectos a considerar para formular el problema. En nuestro
texto se habla de formulacin del problema; en otros se habla de formulacin del modelo.
Revise el texto bsico y lea la definicin del problema que plantea para la RMC en la pgina 237. Aqu
se identifica la funcin objetivo, las restricciones, las variables de decisin o alternativas de decisin y
parmetros. En el texto, los problemas estn definidos, lo que haremos es formular el modelo para su
solucin, luego resolver estos modelos y plantear las alternativas de decisin. Como se dijo antes, la
definicin del problema corresponde a todo un equipo. Nosotros trabajaremos con modelos definidos
que el texto propone.
Entindase la formulacin del problema como el proceso traducir la declaracin verbal de un problema
en una declaracin matemtica. Para esto, siga las instrucciones que el texto bsico propone en la pgina
237. Podemos decir, vamos a formular el modelo.
1. Entender el problema a fondo.- Requerir ms de una lectura del problema planteado. Para
nuestro caso, vuelva a leer la definicin del problema para la RMC.
2. Describir el objetivo.- Todo modelo matemtico de PL tiene una funcin objetivo. Puede ser de
maximizacin o de minimizacin. Cul es el objetivo de la RMC?
3. Identificar y describir las restricciones.- Un problema puede tener varias restricciones que es
necesario identificarlas y expresarlas matemticamente. Cuntas restricciones tiene el problema
en estudio?
4. Identificar y definir las variables de decisin.- Un modelo de PL puede tener varias variables de
decisin que es necesario identificarlas porque formarn parte de la funcin objetivo y de las
restricciones. Normalmente las variables de decisin se identifican con la consonante X y un
subndice, por ejemplo: X1, X2, X3, etc., Que identificarn al producto 1, producto 2, producto 3,
etc. El texto utiliza F y S para el problema en estudio. Qu significa F y qu significa S?.
6. Restriccin de no negatividad.- Significa que los valores de las variables de decisin no pueden ser
menores a cero. En todo modelo debe escribirse las restricciones de no negatividad.
Por favor, siga con atencin las explicaciones que el texto bsico da en las pginas 237, 238 y 239 para
llegar al modelo matemtico para el problema de la RMC propuesto en la pgina 239.
Modelo propuesto
Maximizar 40F + 30S
Sujeto a:
0.4F + 0.5S 20 Material 1
0.2S 5 Material 2
F, S 0
Con frecuencia se usa una notacin ms general para escribir los modelos; se utiliza la letra X como
variable de decisin acompaada de un subndice. Por lo tanto, el modelo anterior tambin puede
escribirse de la siguiente forma. Revise la seccin 7.7 de la pgina 266 del texto bsico.
0.2X2 5 Material 2
X1, X2 0
Observe que tanto la funcin objetivo como las funciones de restriccin, son funciones lineales.
Una vez que hemos definido el problema y propuesto el modelo; tenemos que encontrar la solucin
para el mismo. Resolver un modelo matemtico es encontrar los valores de las variables de decisin
que optimice la funcin objetivo a la vez que satisface todas las restricciones impuestas. Los modelos
matemticos de PL pueden ser de maximizacin o de minimizacin. Por ejemplo, optimizar la funcin
objetivo en modelos de maximizacin ser, maximizar las utilidades. Optimizar la funcin objetivo en
modelos de minimizacin ser minimizar los costos. El procedimiento de solucin grfica slo se aplica
a modelos que tienen dos variables de decisin.
En las secciones 3.2 y 3.5 de esta gua, explicamos cmo resolver modelos de maximizacin y de
minimizacin. La diferencia es mnima.
Estudie con atencin el procedimiento de solucin del modelo que explica el texto bsico en la seccin
7.2, pgina 240. El procedimiento explicado lo resumimos en los siguientes puntos:
1. Preparacin de los datos.- Leer el problema para identificar las variables de decisin, los parmetros,
las restricciones y la funcin objetivo.
2. Formulacin del modelo.- Verifique que su modelo responda a las exigencias del problema. Es
posible que sean necesario hacer pequeos clculos matemticos para determinar los parmetros
de la funcin objetivo y de las restricciones.
4. Identificar la regin factible (RF).- Tomar en cuenta el sentido de todas las restricciones. En algunos
modelos, la regin factible incluir el origen, en otros no.
6. Resolver las dos ecuaciones que forman el punto solucin.- Cuando la solucin no puede ser
identificada con precisin utilizando la grfica, se tiene que resolver las dos ecuaciones que
forman el punto solucin para determinar los valores de X1 y X2.
7. Determinar el valor de la funcin objetivo.- Reemplazar los valores de las variables de decisin en
la funcin objetivo.
8. Determinar los valores de las variables de holgura y/o excedente.- Las restricciones del tipo menor
o igual () tendr variables de holgura; las restricciones del tipo mayor o igual () tendr variables
de excedente; una restriccin del tipo igual (=) no tendr variables ni de holgura ni de excedente.
A continuacin resolvemos el modelo planteado siguiendo estos pasos. Se recomienda seguir los
mismos utilizando su cuaderno de estudio que debe ser de preferencia, cuadriculado. Lo que explicamos
a continuacin corresponde a la seccin 7.2 del texto bsico. Usted debe seguir las instrucciones de esta
gua y las del texto bsico.
1. Preparacin de los datos: Siempre es necesario organizar los datos del problema. De la lectura del
problema de RMC se obtienen los datos que se recogen en la siguiente tabla:
2. Formular el modelo: Con la ayuda de los datos de la tabla anterior, fcilmente podemos formular
el modelo, utilizando X1 y X2 como variables de decisin. Si an no tiene claro cmo formular el
modelo, por favor, siga con atencin las explicaciones que el texto bsico da en las pginas 237,
238 y 239 para llegar al modelo matemtico para el problema de la RMC propuesto en la pgina
239.
Modelo:
Maximizar 40X1 + 30X2
Sujeto a:
0.4X1 + 0.5X2 20 Material 1
0.2X2 5 Material 2
3. Graficar las restricciones.- Para esto, las restricciones las transformamos a ecuaciones y procedemos
a graficarlas en un plano cartesiano. Como se trata de una restriccin del tipo (igual o menor),
los valores de las variables de decisin que satisfacen la restriccin se ubicarn sobre la lnea o
hacia el lado izquierdo de la misma. La siguiente grfica corresponde a la figura 7.2 que el texto
muestra en la pgina 242. Si tiene problemas al graficar ecuaciones de rectas, revise esta parte de
las matemticas, tambin Una nota sobre elaboracin de grficas que el texto bsico propone en
la pgina 238 y el anexo 3 de esta gua.
4. Identificar la Regin factible.- La RF es el rea sombreada limitada por las tres restricciones y los
ejes X1 y X2. En este ejemplo la RF tiene 4 puntos extremos, sin contar con el origen. Ellos son los
puntos A, B, C y D. Uno de stos ser el punto solucin. Lea algo ms sobre la regin factible en el
texto bsico en la pgina 244.
5. Identificar el punto solucin.- La funcin objetivo del modelo es Max U=40F+30S. D un valor
cualquiera a U (el texto propone un valor de 240), para tener la siguiente funcin objetivo: 40F +
30S= 240. Grafique esta ecuacin y obtendr una recta parecida a la que el texto muestra en la
figura 7.8 de la pgina 246 del texto bsico. El valor de 240 es arbitrario, usted puede dar cualquier
valor. Trace una paralela a esta recta hasta encontrar el punto de la regin factible ms alejado del
origen, en nuestro caso el punto C en la figura siguiente (observe las figuras 7.9 y 7.10 del texto
bsico).
6. Resolver ecuaciones y determinar los valores de X1 y X2.- Si el punto solucin no es tan evidente,
lo que depender de la precisin de su grfica, debe resolver las dos ecuaciones que forma el
punto solucin que en nuestro caso son la (1) y la (3): 0.4X1 + 0.5X2 = 20 y 0.6X1 + 0.3X2 = 21. Al
resolver este sistema de dos ecuaciones con dos incgnitas obtendr los valores exactos de X1 y
X2. Para nuestro ejemplo X1 = 25 y X2 = 20.
7. Determinar el valor de la funcin objetivo.- Reemplace los valores de las variables de decisin en
la funcin objetivo para obtener la utilidad total.
U = 40(25) + 30(20)
U = 1600
8. Variables de holgura
Para este problema las variables de holgura representan la cantidad de material 1, 2 y 3 que sobra (no
utilizado). A cada restriccin sume una variable de holgura (h) para convertir la desigualdad en una
ecuacin. Siempre que todas las restricciones de un modelo de PL se expresen como igualdades se
dice que estn escritas en forma estndar. A cada restriccin le corresponde una variable de holgura
diferente; el subndice indicar a qu restriccin corresponde.
Material 2 0.2X2 + h2 = 5
Reemplace los valores de las variables de decisin en cada una de las ecuaciones y obtendr los valores
de las variables de holgura. Para nuestro caso: h1 = 0, h2 = 1 y h3 = 0. Todas las restricciones que forman
el punto solucin tienen una holgura de cero. Todas las restricciones que pasen a lado derecho del punto
solucin tendrn una holgura mayor a cero.
El tema de las variables de holgura, el texto bsico lo trata en la pgina 251. El texto bsico utiliza la
letra S para identificar las variables de holgura, nosotros utilizaremos la letra h de holgura. Todas las
restricciones que son del tipo , tendrn una variable de holgura.
9. Reporte.- Se tiene que fabricar 25 toneladas de aditivo para combustible y 20 toneladas de base
para solvente para obtener una utilidad de $ 1600. Se ha utilizado todo el material 1 y 3 y sobra
una tonelada de material 2.
Este ha sido el proceso de resolucin de un modelo de PL por el mtodo grfico. Con la prctica, usted
podr resumirlo an ms y estar de acuerdo con el resumen planteado en el texto bsico en su pgina
250. En los exmenes se le proporcionar una grfica (un plano cartesiano) sobre la que tiene que dibujar
todas las restricciones, identificar la RF, el punto solucin, el valor de las variables de decisin, el de las
variables de holgura o excedente y el de la FO.
Revise el tema Una nota sobre elaboracin de grficas que el texto bsico explica en las pginas 249 y
250. En algunos problemas puede encontrarse con restricciones de ese tipo.
Este tema es muy importante y normalmente es motivo de evaluacin. El texto bsico lo explica en
la seccin 7.3 de la pgina 253. Se quiere demostrar que la solucin ptima siempre se ubicar en un
extremo de la regin factible, tanto para problemas de maximizacin como de minimizacin.
La regin factible del problema que estamos tratando tiene cinco puntos extremos 0, A, B, C y D (observe
la figura 7.14 del texto bsico).
En las cuatro grficas siguientes observe como cambia el punto solucin como consecuencia de cambios
en el coeficiente de X1 en la funcin objetivo. En cada grfico se anota el cambio en la funcin objetivo,
el valor de las variables de decisin (X1 y X2) y el valor de la funcin objetivo.
Como se manifiesta en el texto, existe una variedad de programas de computadora que pueden ser
usados para resolver sencillos modelos de PL. Sin embargo como se dijo antes, lo importante es la
formulacin del modelo.
Siga las instrucciones que se dan en la seccin 7.4 de la pgina 254 del texto bsico y por ahora ubique:
el valor de la funcin objetivo, el valor de las variables de decisin F y S (en esta gua se ha utilizado X1 y
X2) y el valor de las variables de holgura (slack/surplus). El resto de informacin que aparece en la figura
7.15 del texto bsico se analizar en la unidad siguiente.
1. Preparacin de los datos: De la lectura del problema se obtienen los siguientes datos que se
recogen en la siguiente tabla:
Productos
Recursos X1 X2 Disponibilidad
Producto A Producto B
Produccin combinada de A y B 1 1 Al menos 350 galones
Demanda de A 1 Al menos 125 galones
Tiempo de procesamiento (h) 2 1 600 horas
Costos de produccin ($/galn) 2 3
2. Formular el modelo: Con la ayuda de los datos de la tabla anterior y las instrucciones dadas en la
pgina 257 del texto, fcilmente podemos formular el modelo. Utilizando X1 y X2 como variables
de decisin (el texto utiliza A y B), el modelo planteado es el siguiente:
Sujeto a:
3. Graficar las restricciones.- Para esto, las restricciones las transformamos a ecuaciones (forma
estndar) y procedemos a graficarlas en un plano cartesiano.
Primera restriccin: X1 = 125. Como la restriccin dice que X1 deber ser igual o mayor a 125, los
valores de X1 se ubicarn sobre la recta o hacia el lado derecho de la misma.
Segunda restriccin: X1 + X2 = 350. Como la restriccin dice que X1+X2 deber ser igual o mayor a 350,
los valores de X1 y X2 se ubicarn sobre la recta o hacia el lado derecho de la misma.
Tercera restriccin: 2X1 + X2 600. Como la restriccin dice que 2X1+X2 deber ser igual o menor a 600,
los valores de X1 y X2 se ubicarn sobre la recta o hacia el lado izquierdo de la misma.
4. Identificar la regin factible.- La RF es el rea sombreada limitada nicamente por las tres
restricciones. En este ejemplo la RF tiene 3 puntos extremos. Ellos son los puntos A, B y C. Uno de
stos ser el punto solucin.
5. Identificar el punto solucin.- Graficamos la funcin objetivo dando un valor cualquiera al costo (
2X1 + 3X2 = 600, por ejemplo). A sta recta que no consta en la grfica trazamos una paralela hasta
encontrar el primer punto extremo de la RF, en este caso el punto C. Para este ejemplo, los valores
de X1 y X2 se determinan fcilmente observando la grfica.
6. Resolver las ecuaciones y determinar los valores de X1 y X2.- Las ecuaciones que dan origen al
punto C son la (2) y la (3). Resuelva por cualquier mtodo este sistema de dos ecuaciones con dos
incgnitas y encontrar los valores de X1=250 y X2=100.
7. Determine el valor de la funcin objetivo.- Reemplace los valores de las variables de decisin en la
funcin objetivo para obtener el costo total.
C = 2(250) + 3(100)
C = 800
8. Variables de excedente.- Este modelo tiene dos variables de excedente y una variable de holgura.
Para este problema las variables de excedente representan la cantidad de producto elaborado por
arriba de lo mnimo establecido y la de holgura, el tiempo no utilizado (tiempo sobrante). Para
determinar el valor de estas variables, escriba el modelo en su forma estndar.
Sujeto a:
Reemplace los valores de las variables de decisin en cada una de las ecuaciones y obtendr los valores
de las variables de excedente y de holgura para este modelo.
Este tema el texto bsico lo trata en la pgina 250 que adems le ofrece conceptos tcnicos importantes,
NO deje de leerlos.
9. Reporte.- Se tiene que fabricar 250 galones del producto A y 100 galones del producto B con
un costo mnimo de $ 800. Del producto A se producirn 125 galones por arriba de lo mnimo
especificado; la produccin total ser exactamente lo mnimo especificado y se utiliza todo el
tiempo disponible para la produccin.
10. Solucin por computadora.- Observe la figura 7.18 del texto bsico que muestra la solucin por
computadora para este problema.
Este ha sido el proceso de resolucin de un modelo de PL por el mtodo grfico. Con la prctica, usted
podr resumirlo an ms y estar de acuerdo con el resumen planteado en el texto bsico en su pgina
250. En los exmenes se le proporcionar una grfica (un plano cartesiano) sobre la que tiene que dibujar
todas las restricciones, identificar la RF, el punto solucin, el valor de las variables de decisin, el de las
variables de holgura o excedente y el de la FO.
En el anexo 4 se le ofrecen grficas de modelos que tienen diferentes tipos de restricciones. Es importante
que resuelva esos modelos.
Revise este tema en la seccin 7.6 de la pgina 262 del texto bsico. Un modelo matemtico puede
tener al menos dos soluciones ptimas alternas. Si el modelo de maximizacin de la MRC que estamos
tratando tiene como funcin objetivo Max U = 40X1 + 50X2, se obtienen al menos dos soluciones
ptimas, ubicadas en los puntos B y C. Determine el valor de las variables de decisin en cada uno de
estos dos puntos y el de la utilidad. Observar que el valor de las variables de decisin es diferente, pero
la utilidad es la misma. Esto se llama soluciones ptimas alternas.
Observe que ocurre cuando la funcin objetivo tiene la forma: Max U = 70X1 + 35X2. Identifique en el
grfico de la figura 7.19 del texto bsico, los puntos solucin para este nuevo modelo y el valor de las
variables de decisin y el de la utilidad.
Las soluciones alternativas se producen cuando la recta de la funcin objetivo coincide (tiene la misma
pendiente) que una de las rectas de restriccin.
3.6.2. No factibilidad
La no factibilidad o el no acotamiento (solucin ilimitada), son casos que no deben darse en la vida
real. Surgen como consecuencia de una mala definicin del problema o de una mala formulacin del
modelo. Revise el tema en las pginas 263 y 266 del texto bsico. Observe que un modelo no factible
puede hacrselo factible con pequeos cambios en una de las restricciones. Analice bien el problema
planteado en el texto, ser objeto de evaluacin.
3.6.3. No acotamiento
El no acotamiento es el resultado de una mala formulacin del modelo, en la vida real esto no pude
ocurrir. Revise el tema en la pgina 255 del texto bsico.
Para terminar este captulo le recomiendo revisar del texto bsico, la seccin 7.7 que plantea en la pgina
266, el resumen de la pgina 268 y el glosario de la pgina 269 y 270.
ACTIVIDADES RECOMENDADAS 3
1. Revise el problema 14 que el texto bsico propone en la pgina 272 que se refiere a la compaa Par
que desea maximizar las utilidades al fabricar dos tipos de bolsas de golf. Haga que X1 represente
la bolsa estndar y X2 la bolsa de lujo. Las preguntas son las siguientes:
a. Grafique cada una de las restricciones y determine que la regin factible tiene cuatro puntos
extremos, sin contar con el origen
b. Determine que tres de las cuatro restricciones forman la regin factible?. R. La restriccin 2
que no forma la regin factible se llama restriccin redundante.
c. Cuntas bolsas de cada modelo debe fabricar Par si desea maximizar la contribucin a la
utilidad total?. R. La respuesta es: X1=540, X2=252.
e. De cuntas horas de produccin dispone Par para cada operacin: 630, 600, 708 y 135
horas?. Revise el planteamiento del problema.
f. Cul es el tiempo utilizado en la produccin de las 540 bolsas estndar y 252 bolsas de
lujo?. R. 630 horas, 582, 708 y 117 horas.
g. Cul es el tiempo sobrante (valor de las variables de holgura) para cada operacin?. R. 0,
120, 0 y 18 horas.
2. Para el problema 14 que el texto bsico propone en la pgina 272, responda las siguientes
preguntas:
a. Cuntas bolsas de cada modelo debe fabricar Par si la utilidad para el modelo de estndar
es 15, la utilidad para el modelo de lujo se mantiene en $ 9?. Ser correcto producir ms
unidades del modelo estndar y menos del modelo estndar?
b. Cuntas bolsas de cada modelo debe fabricar Par si la utilidad para el modelo de lujo es de
$ 15, la utilidad para el modelo estndar se mantiene en $ 10?. Ser correcto producir ms
unidades del modelo de lujo y menos del modelo estndar?
c. Cuntas bolsas de cada modelo debe fabricar Par si la utilidad para el modelo de lujo es de
$ 25, la utilidad para el modelo estndar se mantiene en $ 10?. Ser correcto producir ms
unidades del modelo de lujo y menos del modelo estndar?
d. Determine la regin factible si se dice que el tiempo disponible para la operacin de corte
y teido es de por lo menos 630 horas?.
3. Para el problema 14 que el texto bsico propone en la pgina 272, responda las siguientes
preguntas:
Autoevaluacin 3
Se propone las siguientes preguntas para su autoevaluacin. Responda una vez que ha estudiado los
contenidos tratados.
En la columna V/F escriba una V o una F segn sea verdadero o falso para cada una de los siguientes
enunciados:
1.() El problema de maximizacin simple planteado en la pgina 236 del texto bsico
tiene dos variables de decisin, identificadas como F y S.
2.() El problema de maximizacin planteado en la pgina 236 del texto bsico tiene tres
variables de decisin, identificadas como material 1, 2 y 3.
3.() El problema de maximizacin planteado en la pgina 236 del texto bsico tiene dos
restricciones que limitan la produccin de F y S.
4.() En el problema de maximizacin planteado en la pgina 236 del texto bsico, cada
tonelada de F est compuesta por 40 % de material 1 y 60 % de material 2.
5.() En el problema de maximizacin planteado en la pgina 236 del texto bsico, cada
tonelada de S est compuesta por 40 % de material 1 y 60 % de material 2.
6.() Todas las restricciones del problema de maximizacin planteado en la pgina 236 del
texto bsico son del tipo .
7.() En el problema de maximizacin planteado en la pgina 236 del texto bsico, tanto F
como S deben ser iguales a cero.
8.() En el problema de maximizacin planteado en la pgina 236 del texto bsico, tanto F
como S deben ser iguales o menores a cero.
9.() En el problema de maximizacin planteado en la pgina 236 del texto bsico, tanto F
como S deben ser iguales o mayores a cero.
10.() El modelo planteado en la pgina 239 del texto bsico tiene una uncin objetivo
que es de maximizacin, dos variables de decisin identificadas como F y S y tres
restricciones relacionadas con la disponibilidad de los materiales 1, 2 y 3.
12.() Los valores de F=10 y S=10 satisfacen la restriccin 0.4F + 0.5S 20, por lo tanto
constituyen una solucin factible.
13.() Los valores de X1=10 y X2=10 satisfacen la restriccin 0.4X1 + 0.5X2 20, por lo tanto
constituyen una solucin factible.
14.() En la figura 7.10 del texto bsico, la solucin F=18.75 y S=25 constituye una solucin
ptima.
15.() En el modelo de la pgina 239 del texto, la solucin F=18.75 y S=25 es una solucin
factible y proporciona un valor de la funcin objetivo de 1500.
16.() En la figura 7.10 del texto bsico, la solucin F=25 y S=20 constituye una solucin
ptima y proporciona un valor de la funcin objetivo de 1600.
17.() En el modelo de la pgina 239 del texto bsico, la solucin F=25 y S=20 proporciona
un valor de la funcin objetivo de 1500.
18.() En el modelo de la pgina 239 del texto bsico, los valores de h1, h2 y h3 son 0; 1 y 0,
respectivamente.
22.() Para el modelo de RMC de la pgina 239 del texto bsico, si U mx=30F+30S la
solucin ptima es F=25 y S=20.
23.() Para el modelo de RMC de la pgina 239 del texto bsico, si U mx=30F+30S el valor
de la funcin objetivo es 1350.
24.() El modelo de M&D Chemical de la pgina 258 del texto bsico tiene una RF de tres
puntos.
25.() Para el modelos de M&D Chemical de la pgina 258 del texto bsico, los valores de
A=100 y B=225 constituyen una solucin factible.
26.() Para el modelos de M&D Chemical de la pgina 258 del texto bsico, los valores de
A=125 y B=225 constituyen una solucin factible.
27.() Para el modelos de M&D Chemical de la pgina 258 del texto bsico, los valores de
A=125 y B=350 constituyen una solucin factible.
29.() Para el modelos de M&D Chemical de la pgina 258 del texto bsico, los valores de
A=125 y B=225 proporcionan un valor de la funcin objetivo de 925.
30.() Para el modelos de M&D Chemical de la pgina 258 del texto bsico, los valores de
A=125 y B=350 proporcionan un valor de la funcin objetivo de 925.
Si sus respuestas correctas no superan las 21, vuelva a revisar los contenidos.
Este tema corresponde al captulo 8 del texto bsico. Para estudiarlo se exige tener un dominio de los
temas tratados en el captulo anterior de esta gua y que corresponden al captulo 7 del texto bsico. No
es nada complicado, requiere nicamente un poco de atencin y hasta cierto punto, sentido comn. Le
explicaremos porqu.
Como se dice en el texto bsico, usando el anlisis de sensibilidad (AS) podemos responder a preguntas
como las siguientes (aadimos una ms):
2. Cmo afecta a la solucin ptima el cambio del lado derecho de una restriccin?
3. Cmo afecta al valor de la funcin objetivo, los recursos agotados y los sobrantes?
Si desarroll con xito las actividades propuestas 2 y 3 de la unidad 3 de esta gua, ya tendr una idea
clara de lo que vamos a estudiar.
3. Precios sombra
Lea con atencin la seccin 8.1 del texto bsico y observe que la explicacin hace referencia al problema
estudiado en el captulo 7.
En la unidad 3 de esta gua (puntos en los extremos y solucin ptima), ya se revis lo que ocurra
cuando se producan cambios en los coeficientes de la funcin objetivo. El texto explica bien este tema e
indica el reporte de computadora cuando se utiliza el software (The Management Scientist). Estudie con
atencin la explicacin dada en la seccin 8.2 del texto bsico.
En los exmenes se pide analizar, qu pasa con la solucin ptima si ocurren cambios en los coeficientes
de la funcin objetivo para una de las variables de decisin del modelo. Pequeos cambios pueden
no hacer cambiar el valor de las variables de decisin pero s el valor de la funcin objetivo; cambios
mayores pueden hacer cambiar la solucin y como consecuencia, el valor de la funcin objetivo.
Ejemplo 1
Aparte de estudiar la seccin 8.2 del texto bsico, revise el resultado de los cambios que se sugieren para
el siguiente modelo, en donde X1 representa un producto A y X2 representa el producto B.
Modelo original:
Max U = 40X1 + 30X2
4X1 + 5X2 200 Tiempo en la operacin 1
7X1 + 3X2 210 Tiempo en la operacin 2
1X1 25 Produccin mxima de A
1X2 30 Produccin mxima de B
X1, X2 0
La solucin se ubica en el punto C, dnde:
X1 = 19.56
X2 = 24.34
U = 1.513
La regin factible para el modelo tiene 5 puntos extremos (sin contar con el origen). Cualquiera de estos
puntos puede constituir la solucin ptima dependiendo de los coeficientes de la funcin objetivo.
Cul es la solucin si se producen los siguientes cambios en la funcin objetivo para el modelo
anterior?. Para cada caso grafique la funcin objetivo manteniendo constante la regin factible. Por
ahora trabaje en grficas diferentes. Se puede aceptar pequeas diferencias en los valores por usted
encontrados con los que aqu se dan.
Cambios en los coeficientes de X1. Se mantie- Cambios en los coeficientes de X2. Se mantiene
ne constante el de X2 y las restricciones: constante el de X1 y las restricciones:
Cmo saber, cul es el valor mximo y el valor mnimo de la utilidad de X1, por ejemplo, para cuyos
valores la solucin no cambia?. Es lo que se conoce como intervalo o rango de optimalidad.
Hay formas de calcular este intervalo, sin embargo nos limitaremos a usar la informacin que el software
(The Management Scientist) ofrece. Para el modelo original de este ejemplo, el reporte correspondiente
es el siguiente:
Podemos decir, que el intervalo o rango de optimalidad para el coeficiente de X1, es: 24 40 70. Esto
significa que la utilidad de X1 puede bajar hasta 24 o subir hasta 70, que la solucin no cambia, pero s
la utilidad. De igual forma, el intervalo de optimalidad para el coeficiente de X2, es: 17.14 30 50. Esto
significa que la utilidad de X2 puede bajar hasta 17.14 o subir hasta 50, que la solucin no cambia, pero
s la utilidad.
No estudiaremos los cambios simultneos que el texto bsico lo explica en la pgina 301.
De forma similar, revise lo que explica el texto bsico en su seccin 8.3 de la pgina 303 a 309.
A continuacin explicaremos lo que puede suceder con la solucin a nuestro modelo cuando se operan
cambios en los lados derechos de las restricciones.
Modelo original:
Max U = 40X1 + 30X2
4X1 + 5X2 200 Tiempo en la operacin 1
7X1 + 3X2 210 Tiempo en la operacin 2
1X1 25 Produccin mxima de A
1X2 30 Produccin mxima de B
X1, X2 0
La solucin se ubica en el punto C, dnde:
X1 = 19.56
X2 = 24.34
U = 1.513
Los cambios que se realicen modifican la regin factible, pueden o no modificar el punto solucin.
Observemos lo siguiente:
1. En el grfico anterior, el punto solucin C est formado por las restricciones (1) y (2), por lo tanto
cualquier cambio en el lado derecho de estas dos restricciones har cambiar la solucin.
2. Estas restricciones tienen una holgura igual a cero, es decir, que todo el recurso fue utilizado;
por lo tanto, cualquier incremento o disminucin en la disponibilidad del mismo har cambiar la
solucin, incrementando o disminuyendo el valor de la funcin objetivo.
3. Cualquier incremento en el lado derecho de las restricciones (3) y (4) no hace cambiar el punto
solucin C. Las reducciones de estas restricciones slo pueden llegar hasta el punto C, sin ocasionar
cambios.
Veamos qu ocurre si para el modelo cuya solucin se presenta en la grfica anterior, se operan los
siguientes cambios:
Cul es la solucin si se producen los siguientes cambios en el lado derecho de las dos primeras
restricciones?. Para cada caso, mantenga el modelo original y opere nicamente el cambio propuesto.
Grafique la nueva regin factible, por ahora trabaje en grficas diferentes.
Si 4X1 + 5X2 158.33: La regin factible (RF) se reduce (observe figura a) y la solucin ptima
cambia al punto D: X1= 25; X2 = 11.666; U = 1349
Una reduccin de 41.67 unidades en la disponibilidad del recurso 1 hace que la utilidad se reduzca
en 164.04. Por cada unidad de recurso que se reduzca, la utilidad se reduce en 164.04/41.67 = 3.91.
A este valor llamamos precio dual o precio sombra del recurso 1.
Si 4X1 + 5X2 218.5714: La regin factible (RF) se incrementa ( revise figura b) y la solucin ptima
cambia al punto F: X1= ; X2 = ; U = 1585.71
Una reduccin de 32.50 unidades en la disponibilidad del recurso 2 hace que la utilidad se reduzca
en 113.04. Por cada unidad de recurso que se reduzca, la utilidad se reduce en 113.04/32.5 = 3.47. A
este valor llamamos precio dual del recurso 2.
Si 7X1 + 3X2 235: La regin factible (RF) se ampla (revise figura d) y la solucin ptima cambia al
punto G: X1= 25; X2 = 20; U = .
Observe que hemos trabajado con las restricciones que forman el punto solucin (restricciones de
tiempo en las operaciones 1 y 2). Al ser restricciones que forman el punto solucin la holgura es cero,
es decir, que todo el recurso disponible se ha agotado. Cuando un recurso se agota, su precio sombra o
precio dual (dual prices) es mayor a cero.
Esto significa que el precio dual de 3.9 y 3.47 para el recurso 1 y 2 respectivamente es vlido dentro de
este intervalo que se conoce como rango o intervalo de factibilidad.
Para las restricciones 3 y 4 que corresponden a demanda de los productos X1 (A) y X2 (B), respectivamente,
observamos que la demanda puede bajar hasta ubicarse en el punto C e incrementarse indefinidamente.
Calcule la solucin cuando la restriccin 3 cambia a: X1 19.56 y la restriccin 4 cambia a: X2 24.35.
Observar que el punto solucin C no cambia y que ste est formado ahora por las 4 restricciones. Para
este caso el precio sombra o precio dual es cero.
A continuacin le damos el intervalo de factibilidad para los lados derechos de las restricciones (3) y (4):
Modelo original:
Max U = 40X1 + 30X2
4X1 + 5X2 200 Tiempo en la operacin 1
7X1 + 3X2 210 Tiempo en la operacin 2
1X1 25 Produccin mxima de A
1X2 30 Produccin mxima de B
X1, X2 0
La solucin se ubica en el punto C, dnde:
X1 = 19.56
X2 = 24.34
U = 1.513
Lea las notas y comentarios de la pgina 306 del texto bsico. Por ahora NO estudiaremos los cambios
simultneos a los que se hace referencia en la pgina 294 del texto bsico.
Ejemplo 2
Se refiere al AS de un problema de minimizacin. Estudie con atencin este caso en la pgina 308 a 309
del texto bsico.
La solucin al modelo propuesto y que se la encontr en la seccin 3.5 de esta gua se ubica en el punto
C formado por las restricciones 2 y 3. Cualquier pequeo incremento en los lados derechos de estas
restricciones, ocasionar cambio en la solucin del problema. La restriccin 1 puede disminuir hasta 0 o
incrementar hasta ubicarse en el punto C, sin ocasionar cambios. Veamos la forma de la regin factible
cuando se operan cambios en los lados derechos de las restricciones.
Modelo original:
Cul es la solucin si se producen los siguientes cambios en la funcin objetivo y en el lado derecho
de las restricciones?. Para cada caso mantenga el modelo original y opere nicamente el cambio
indicado. Por ahora trabaje en grficas diferentes. Compruebe sus grficas con las mostradas en la
pgina siguiente de esta gua.
Cul es la solucin si Min C = 3X1 + 3X2?: El costo del producto A se incrementa en 1. La solucin
se ubica en los puntos B y C. Los valores de las variables de decisin son diferentes, pero el costo es
el mismo. La regin factible no cambia.
Cul es la solucin si Min C = 2X1 + 2X2?: El costo del producto B se reduce en 1. La solucin se
ubica en los puntos B y C. Los valores de las variables de decisin son diferentes, pero el costo es el
mismo. La regin factible no cambia.
Si X1 + X2 300: La regin factible (RF) se ampla (revisar figura a) y la solucin ptima cambia al
punto: X1= 300; X2 = 0; C = 600
Una reduccin de 50 unidades en la demanda de los dos productos hace que el costo se reduzca
a 600. Por cada unidad de demanda que se reduzca, el costo se reduce en 200/50 = 4. A este valor
llamamos precio dual de la demanda total (restriccin 2).
Si X1 + X2 475: La regin factible es un punto y la solucin se ubica en el punto A (revise figura b):
X1= 125; X2 = 350; C = 1300
Un incremento de 125 unidades en la demanda de A ms B hace que el costo se incremente en 500.
Por cada unidad de demanda se incremente, el costos se incrementa en 4, empeora la solucin.
Si 2X1 + 1X2 475: La regin factible es un punto y la solucin se ubica en el punto B (revise figura
c) y la solucin ptima cambia al punto: X1= 125; X2 = 225; C = 925
Una reduccin de 125 horas hace que el costo se incremente $ 125. Por cada unidad de recurso
que se reduzca, el costo se incrementa en 1. A este valor llamamos precio dual del recurso tiempo
(restriccin 3).
Si 2X1 + 1X2 700: La regin factible (RF) se ampla (revise figura d) y la solucin ptima cambia al
punto a: X1= 350; X2 = 0; C = 700
Cul es el precio sombra?...............
Lea la nota precautoria sobre la interpretacin de los precios duales, as como notas y comentarios de la
pgina 310 del texto bsico.
Hasta aqu hemos visto el procedimiento para resolver modelos que tienen nicamente dos variables de
decisin. Normalmente los problemas empresariales tienen muchas variables de decisin y restricciones.
Para resolver estos modelos actualmente existen paquetes software como los indicados en el texto
bsico. Sin embargo, lo que no hace una computadora es formular el modelo matemtico. La solucin a
un modelo mal formulado nos llevar a tomar malas decisiones.
Por lo expuesto, el principal objetivo de este captulo es formular modelos matemticos para problemas
empresariales y con la ayuda de un software resolverlos e interpretar la solucin que nos permita tomar
decisiones. Por lo tanto, estudie la seccin 8.4 del texto bsico, interprete la solucin que para problema
se ofrece ya que esto ser motivo de evaluacin en los exmenes presenciales.
ACTIVIDADES RECOMENDADAS 4
1. La solucin para el problema 14 que el texto bsico propone en la pgina 272, se muestra en el
cuadro siguiente. Compare con las que usted obtuvo al desarrollar la actividad 1 de las propuestas
en la unidad 3 de esta gua.
a. Cuntas bolsas de cada modelo debe fabricar Par si desea maximizar la contribucin a la
utilidad total?
d. Cul es el tiempo sobrante (valor de las variables de holgura) para cada operacin?
e. Cambia la solucin si la utilidad para el modelo estndar es de 15, la utilidad para el modelo
de lujo se mantiene en $ 9?
f. Cambia la solucin si la utilidad para el modelo de lujo es de $ 14, la utilidad para el modelo
estndar se mantiene en $ 10?
X1 538.4 0
X2 253.1 0
a. Frente a las variables X1 y X2 encuentra los valores de 538.4 y 253.1. Es decir, Par tiene que
fabricar 538 bolsas estndar y 253 bolsas de lujo para maximizar su utilidad. Es posible que
usted encuentre valores algo diferentes, esto se debe a los decimales con que se trabaje.
No es correcto decir que se deben fabricar fracciones de bolsa, por lo que en estos casos se
debe aproximar o redondear.
b. El valor de la funcin objetivo es $ 7.668 (Objetive function value = 7.668). Esta es la mxima
utilidad que puede obtener Par con la produccin de 538 y 253 bolsas estndar y de lujo,
respectivamente.
c. En el cuadro anterior en la seccin RIGHT HAND SIDE RANGES y en la columna Current Value,
encuentra los valores de 630, 600, 708 y 135 para las restricciones 1, 2, 3 y 4 respectivamente
y que corresponden al tiempo disponible en las operaciones de: corte y teido, costura,
terminado e inspeccin y empaque.
d. En la columna Slack/Surplus aparecen los valores de: 0, 120, 0 y 18 para las restricciones 1,
2, 3 y 4 respectivamente. Estos son los valores de las variables de holgura para cada una de
las operaciones. Es decir, en la operacin de corte y teido se ha utilizado todo el tiempo
disponible (las 630 horas), en la de costura sobran 120 horas (se ha utilizado 480 horas), en la
de terminado se ha utilizado las 708 horas disponibles y en la inspeccin y empaque sobran
18 horas.
e. En la seccin OBJETIVE COEFICIENT RANGES del cuadro anterior se observa que el intervalo
de optimalidad para X1 es 6.301014.4. Por lo tanto el cambio propuesto s har cambiar la
solucin. Para este caso los valores de X1=538 y X2=253, ya no sern vlidos y toca resolver
de nuevo el problema. Usted debe comprobar que la nueva solucin es X1=300, X2=400 y
U=15(300) + 9(400). Debe observar que se fabrican menos unidades del modelo de lujo y
ms unidades del modelo estndar.
f. En la seccin OBJETIVE COEFICIENT RANGES del cuadro anterior se observa que el intervalo
de optimalidad para X2 es 6.701014.3. Por lo tanto el cambio propuesto no har
cambiar la solucin. Es decir, X1=538 y X2=253 y el valor de la funcin objetivo ser igual a:
U=10(538)+14(253). La utilidad total en este caso se incrementa.
g. En la seccin OBJETIVE COEFICIENT RANGES del cuadro anterior observa que el intervalo
de optimalidad para X1 es 6.301014.4. Por lo tanto, el cambio propuesto no har
cambiar la solucin. Es decir, X1=538 y X2=253 y el valor de la funcin objetivo ser igual a:
U=7(538)+9(253). La utilidad total en este caso se reduce.
h. En la columna Dual Prices se observa los valores de 4.33; 0.00; 6.96 y 0 para las restricciones
1, 2, 3 y 4 respetivamente. Observe que las restricciones que tienen una holgura de cero,
su precio dual es mayor a cero; y, las restricciones que tienen una holgura mayor a cero su
precio dual es cero.
i. Significa que por cada hora que se incremente o se reduzca en esta operacin, la utilidad se
incrementar o se reducir en $ 4.33.
j. Significa que existe recurso sobrante (tiempo para esta operacin en este caso). Si se
incrementa el tiempo en esta operacin, la utilidad no se incrementa, por el contrario la
variable de holgura sera mayor.
n. Usted debe encontrar grficamente que el cambio no afecta a la solucin inicial X1=538.4,
X2=353.1 y U=7662.14. En la operacin de costura exista un tiempo sobrante de 120 horas,
si se reducen 100 an habr una holgura de 20. Inclusive, si el tiempo disponible fuera de
480 horas, la solucin se mantiene.
Autoevaluacin 4
Se propone las siguientes preguntas para su autoevaluacin. Responda una vez que ha estudiado los
contenidos tratados.
En la columna V/F escriba una V o una F segn sea verdadero o falso para cada una de los siguientes
enunciados:
1.() Observe la figura 8.4 del texto bsico; si la contribucin a la utilidad de F se reduce a
20, la solucin no cambia.
2.() Observe la figura 8.4 del texto bsico; si la contribucin a la utilidad de S se incrementa
en 21, la solucin no cambia.
3.() Observe la figura 8.4 del texto bsico; la contribucin a la utilidad para el producto F
puede reducirse hasta 24 e incrementarse hasta 60 y la solucin no cambia.
4.() Observe la figura 8.4 del texto bsico; el intervalo de optimalidad para el producto S
puede escribirse: 244060.
5.() Observe la figura 8.4 del texto; el material 1 tiene una holgura (slack) de cero y su
precio dual es de 33.33.
6.() Observe la figura 8.4 del texto bsico; el material 2 tiene una holgura de 1 y su precio
dual es de cero.
7.() Observe la figura 8.4 del texto bsico; el intervalo de factibilidad para el material 1 es
142021.5, por lo tanto el precio dual es vlido dentro de este intervalo.
8.() Observe la figura 8.4 del texto bsico; el precio dual para el material 1 es vlido dentro
del intervalo 244060.
9.() Observe la figura 8.4 del texto bsico; si se incrementa en una tonelada la disponibilidad
del recurso 1, la utilidad se incrementa en $ 33.33.
10.() Observe la figura 8.4 del texto bsico; si se incrementa en dos toneladas la
disponibilidad del recurso 1, la utilidad se incrementa en $ 66.66.
11.() Observe la figura 8.4 del texto bsico; si se incrementa en una tonelada la disponibilidad
del recurso 2, la utilidad se incrementa en $ 1.
12.() Observe la figura 8.4 del texto bsico para incrementar la produccin de F y S se
recomienda incrementar la disponibilidad de los materiales 1 y 3.
13.() Observe la figura 8.4 del texto bsico; para incrementar la produccin de F y S se
recomienda incrementar la disponibilidad de los material 2 en 1 tonelada.
14.() Observe la figura 8.4 del texto bsico; si la disponibilidad del material 2 es de 6
toneladas, la holgura de este material ser 2.
15.() Observe la figura 8.4 del texto bsico; recomendara incrementar la disponibilidad del
material 3 antes que la del material 1, por su mayor precio dual.
16.() Observe la figura 8.7 del texto bsico; el costo de produccin del producto A puede
incrementarse de forma indefinida sin que afecte a la solucin.
17.() Observe la figura 8.7 del texto bsico; el costo de produccin del producto B puede
reducirse de forma indefinida sin que afecte a la solucin.
18.() Observe la figura 8.7 del texto bsico; el costo de produccin del producto A puede
reducirse de forma indefinida sin que afecte a la solucin.
19.() Observe la figura 8.7 del texto bsico; se estn produciendo 125 unidades ms del
producto A, de las especificadas en el modelo.
20.() Observe la figura 8.7 del texto bsico; se utiliza todo el tiempo disponible para la
produccin de A y B.
21.() Observe la figura 8.7 del texto bsico; el intervalo de factibilidad para la produccin
combinada de A+B es 300 350 475.
22.() Observe la figura 8.7 del texto bsico; el precio dual para la produccin combinada
de A y B es de 4.
23.() Observe la figura 8.7 del texto bsico; si la produccin combinada de A y B es de 351,
el costo se incrementa en $ 4.
24.() Observe la figura 8.7 del texto bsico; si la produccin combinada de A y B es de 349,
el costo se incrementa en $ 4.
27.() Observe la figura 8.7 del texto; si la disponibilidad de tiempo para la produccin de A
y B es de 700 horas, el costo se incrementa en $ 100.
28.() Observe la figura 8.7 del texto bsico; si la disponibilidad de tiempo para la produccin
de A y B es de 700 horas, el costo se reduce en $ 100.
29.() En problemas de minimizacin, un pecio dual negativo para una restriccin significa
que la solucin empeora (mayor costo).
30.() En problemas de minimizacin, un pecio dual negativo para una restriccin significa
que la solucin mejora (menor costo).
Si sus respuestas correctas no superan las 21, vuelva a revisar los contenidos.
Como se menciona en el texto bsico, la programacin lineal ha demostrado ser uno de los enfoques
cuantitativos ms exitosos para la toma de decisiones; sus aplicaciones abarcan a todas las empresas e
industrias.
Para esta unidad se pide leer las aplicaciones que el texto bsico plantea en las pginas 358 a 393. Usted
puede formular un modelo de PL para cada uno de estos problemas; sin embargo, sino dispone de un
software no podr resolverlos. Las aplicaciones de la programacin lineal que no plantea el texto y que
se vern a continuacin son las siguientes:
Los administradores a menudo necesitan determinar cmo asignar recursos escasos, como la mano de
obra, la materia prima y el capital, a varias alternativas que compiten por estos recursos. La decisin final
se basa en la disponibilidad de estos recursos y el logro de un objetivo global para la organizacin como
la maximizacin de las ganancias o la minimizacin de los costos de produccin totales (Mathur, 1996).
El autor que hemos citado para esta aplicacin plantea el siguiente problema, mismo que lo hemos
resumido de la siguiente manera:
Blubber Maind, Inc. fabrica tres productos de caucho: A, B y C. Los tres productos requieren de las mismas
materias primas y una base. La cantidad de cada materia prima usada por kg del producto se muestra
en la tabla siguiente:
Blubber Main, INc, tiene el compromiso de producir al menos 1000 libras de A, 500 libras de B y 400 libras
de C para la prxima semana, pero la gerencia de la compaa sabe que puede vender ms de cada uno
de los tres productos. Los inventarios actuales de las materias primas son 500 libras de la MP1, 425 libras
de la MP2, 625 libras de la MP3 y 1100 libras de la base. Cada libra de A y B le produce a la compaa una
utilidad de $ 7 y cada libra de C, una utilidad de $ 6. Como gerente del departamento de produccin,
usted necesita determinar el plan de produccin ptimo para esta semana.
1. Variables de decisin.- Qu es lo que desea producir por semana?. La respuesta a esta pregunta
le llevar a identificar las variables de decisin. El problema tiene tres variables de decisin. Las
variables de decisin las podemos identificar como producto A(X1), producto B(X2) y producto
C(X3).
4. Modelo.- Se trata de un modelo con tres variables de decisin y seis restricciones ms las de no
negatividad o lgicas.
5. Solucin.- La solucin a este problema es: A = 1000; B = 533.33; C = 400. Tal vez desee verificar esta
solucin y determinar los recursos que sobran, los precios sombra, es decir, hacer un anlisis de
sensibilidad. Lgicamente necesitar de un software.
En algunos casos, puede que una compaa no tenga suficientes recursos para satisfacer la demanda
inesperadamente grande para uno o ms productos. En tales casos, la compaa puede complementar su
capacidad de produccin comprando alguno de los productos a proveedores externos. El punto central
en estas situaciones es la decisin por parte de los administradores de la cantidad de cada producto por
producir contra la cantidad que hay que comprar del exterior. A menudo es til un modelo de PL en la
toma de decisiones (Mathur, 1996).
El autor que hemos citado para esta aplicacin plantea el siguiente problema, mismo que lo hemos
resumido de la siguiente manera:
MTV produce tres tipos de tubos: A, B y C, que son vendidos respectivamente en $ 10, $ 12 y $ 9 por
metro. Para fabricar cada metro del tubo A se requiere 0.5 minutos de tiempo de procesamiento en
una mquina particular de modelado; cada tubo B requiere de 0.45 minutos y cada tubo C requiere de
0.60 minutos. Despus de la produccin, cada metro de tubo, sin importar el tipo, requiere de una onza
de material de soldar. El costo total de produccin se estima en $ 3, $4 y $ 4 por metro de tubo A, B y C
respectivamente.
Para la siguiente semana MTV ha recibido pedidos excepcionalmente grandes que totalizan 2000 m de
tubo A, 4000 m de tubo B y 5000 m de tubo C. Como slo se dispone de 40 horas de tiempo de mquina
para esta semana y slo se tienen en inventario 5500 onzas de material de soldar, el departamento de
produccin no podr satisfacer esta demanda, que requiere un total de 97 horas de tiempo de mquina
y 11000 onzas de material de soldar. No se espera que contine este alto nivel de demanda. En vez
de expandir la capacidad de las instalaciones de produccin, la gerencia de MTV est considerando la
compra de algunos de estos tubos a proveedores externos a un costo de entrega de $ 6 por metro del
tubo A y B y a $ 7 por metro del tubo C. Como gerente del departamento de produccin, se le ha pedido
hacer recomendaciones respecto a la cantidad de produccin de cada tipo de tubo y a la cantidad de
compra al proveedor externo para satisfacer la demanda y maximizar las ganancias de la compaa.
1. Variables de decisin.- Qu es lo que desea producir por semana si dispondra de los recursos
necesarios?. La demanda de los tubos es superior a lo que puede producir, entonces para no
quedar mal con el cliente, desea producir lo que puede y comprar la diferencia. Cuntos tubos
de cada tipo debe producir y cuntos tubos de cada tipo debe comprar?. La respuesta a esta
pregunta le llevar a identificar seis variables de decisin: AP = nmero de metros de tubo tipo A
a producir (X1); BP = nmero de metros de tubo tipo B a producir (X2); CP = nmero de metros de
tubo tipo C a producir (X3); AC = nmero de metros de tubo tipo A a comprar (X4); BC = nmero
de metros de tubo tipo B a comprar (X5); CC = nmero de metros de tubo tipo C a comprar (X6) .
4. Modelo.- Se trata de un modelo con seis variables de decisin y cinco restricciones (dos de recursos
y tres de demanda), ms las de no negatividad.
Los modelos de PL tambin pueden aplicarse en la formulacin de dietas. En particular, dado un nmero
de alternativas de comida, cada una de las cuales produce una cantidad conocida de un nutriente
necesario, usted desea determinar qu cantidad de cada tipo de comida debe incluir en una dieta para
asegurar un mnimo de requerimientos de nutrientes, a la vez que se logra el objetivo global (Mathur,
1996).
El autor que hemos citado para esta aplicacin plantea el siguiente problema, mismo que lo hemos
resumido de la siguiente manera:
El Departamento de nutricin de un hospital prepara 30 mens de cena, uno para cada da al mes. Una
comida consiste en espagueti, pavo, papas, espinacas y pastel de manzana. El Director del departamento
de nutricin ha determinado que esta comida debe proporcionar 63000 mg de protena, 10 mg de hierro,
15 mg de niacina, 1 mg de tiamina y 50 mg de vitamina C. Cada 100 gramos de esta comida proporciona
la cantidad de nutriente y grasa indicadas en la tabla siguiente:
Nutrientes mg/100 g
Tipo de alimentos Protena Hierro Niacina Tiamina Vitam. C Grasa
Espagueti 5000 1.1 1.4 0.18 0.0 5.000
Pavo 29300 1.8 5.4 0.06 0.0 5.000
Papas 5300 0.5 0.9 0.06 10.0 7.900
Espinacas 3000 2.2 0.5 0.07 28.0 300
Pastel de manzana 4000 1.2 0.6 0.15 3.0 14.300
Para evitar demasiada cantidad de un tipo de comida, no debe incluirse en ella ms de 300 g de
espagueti, 300 g de pavo, 200 g de papa, 100 de espinacas y 100 g de pastel de manzana. El Director del
departamento de nutricin, le pide a usted determinar la composicin de una comida que satisfaga los
requerimientos nutricionales y proporciona la mnima cantidad de grasas.
1. Variables de decisin.- En este problema, usted puede controlar la cantidad de cada uno de los
cinco alimentos que incluir en cada comida, lo que le lleva a definir cinco variables de decisin.
Identifquelas, tome en cuenta las unidades dadas en la tabla.
5. Solucin.- La comida deber consistir en 300 g de espagueti; 283.3 g de pavo; 200 gramos de
papa; 100 gramos de espinaca y 66.7 gramos de pastel de manzana. El contenido de grasa de
la dieta ser de 54 800 miligramos. Tal vez desee verificar esta solucin con su propio esfuerzo,
hgalo sin restricciones.
El objetivo global de un inversionista es obtener el ms alto rendimiento posible. Pero un alto rendimiento
tiene un precio: el riesgo. Un inversionista debe equilibrar el rendimiento frente al riesgo. A menudo
puede formularse un modelo de PL para disear una estrategia de inversin que logre el rendimiento
mximo, al tiempo que satisfaga ciertos requerimientos de riesgo (Mathut, 1996)
El autor que hemos citado para esta aplicacin plantea el siguiente problema, mismo que lo hemos
resumido de la siguiente manera:
Al gerente de cartera de Pensin Planners, Inc. se le ha pedido invertir $ 1 000 000 de un gran fondo
de pensiones. Se han identificado seis fondos con alternativas de inversin variables, resultando en
diferentes rendimientos potenciales y riesgos asociados, como se resume en la tabla siguiente.
La forma de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos fondos. Para este
fin, la administracin de caja de ahorros ha especificado las siguientes pautas:
Tipos de fondos
1 2 3 4 5 6
Precio $/accin 45 76 110 17 23 22
Devolucin esperada (%) 30 20 15 12 10 7
Categora de riesgo alto alto alto mediano mediano bajo
1. La cantidad total invertida en fondos de alto riesgo debe estar entre 50 y 75 % de la cartera.
2. La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30 % de la cartera
3. La cantidad total invertida en fondos de bajo riesgo debe ser al menos de 5 % de la cartera.
Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el riego invirtiendo en muchas
alternativas diferentes. La gerencia ha especificado que la cantidad invertida en los fondos de alto
riesgo 1, 2 y 3 deben estar en la tasa 1:2:3, respectivamente. La cantidad invertida en los fondos de
mediano riesgo 4 y 5 debe ser 1:2. Con estas pautas, qu cartera debera usted como gerente de cartera,
recomendar para maximizar la tasa esperada de retorno?
1. Variables de decisin.- En este problema, usted puede controlar cunto invertir en cada uno de
los seis fondos, dando as lugar a seis variables de decisin. Como siempre, debe especificar las
unidades asociadas con cada variable. Por ejemplo, para el fondo 1, podra definir cualquiera de
las siguientes variables:
Tomando en cuenta la ltima opcin, defina las otras cinco variables de decisin F2, F3, F4, F5, F6.
4. Modelo.- El modelo entonces tendra cinco restricciones de inversin, tres de diversificacin y dos
lgicas.
5. Solucin.- Tal vez desee verificar que las fracciones para cada uno de los fondos es la siguiente:
F1=0.125; F2=0.250; F3=0.375; F4=0.0667; F5=0.1333; F6=0.0500. Dicho de otra forma, la cantidad
en el fondo 1 ser igual a 0.1250*1 000 000 = $ 125 000, y, as sucesivamente. El rendimiento
alcanzado ser del 16.86 %?. Recuerde que las variables de decisin se definen como la fraccin
de la cartera a invertir, en vez de la cantidad de dlares. Este enfoque tiene la ventaja de que si la
cantidad de dlares cambia, el modelo planteado permanece inalterado. Simplemente necesita
multiplicar la fraccin obtenida en la solucin anterior por el nuevo tamao de la cartera para
determinar las nuevas cantidades a invertir en cada uno de los seis fondos.
El autor que hemos citado para esta aplicacin plantea el siguiente problema, mismo que lo hemos
resumido en:
National Steel Corporation (NSC) es una empresa que produce un acero especial. El departamento de
ventas ha recibido pedidos de 2400, 2200, 2700 y 2500 toneladas para cada uno de los siguientes cuatro
meses. NSC puede satisfacer estas demandas produciendo el acero, extrayndola de su inventario o
usando cualquier combinacin de las dos alternativas.
Se proyecta que los costos de produccin por tonelada de metal durante cada uno de los siguientes
cuatro meses sern de $ 7400, $ 7500, $ 7600 y $ 7650. Como los costos suben cada mes, debido a las
presiones inflacionarias u otros motivos, tal vez sea mejor que la empresa produzca ms metal del que
necesita en un mes determinado y que almacene el exceso. La capacidad de produccin, sin embargo,
no puede exceder de 4000 toneladas en ningn mes. La produccin mensual se termina al final del mes,
cuando la demanda se satisface. Cualquier cantidad de metal remanente se almacena en inventario a
un costo de $ 120 por tonelada por cada mes que permanece all. Estos datos se resumen en la tabla
siguiente:
Mes
1 2 3 4
Demanda (toneladas) 2400 2200 2700 2500
Costo de produccin ($/ton) 7400 7500 7600 7650
Costo de inventario ($/ton/mes) 120 120 120 120
El nivel de produccin durante el mes anterior ser de 800 toneladas, y el inventario que comienza
es de 1000 toneladas. El inventario al final del cuarto mes debe ser de al menos 1500 toneladas para
cubrir la demanda anticipada. Como experto en formulacin de modelos matemticos para la toma de
decisiones, formule un plan de produccin para la NSC que minimice los costos totales en los siguientes
cuatro meses.
1. Variables de decisin.- Este problema tiene 17 variables de decisin: cinco de inventario (I); cuatro
de produccin (X); cuatro, de produccin incrementada (S); y, cuatro de produccin disminuida
(D).
2. Identificacin de la funcin objetivo.- Deber considerar los costos de produccin por tonelada
para cada mes, los costos de inventario para cada mes, los costos por cada tonelada disminuida y
los costos por tonelada incrementada.
3. Identificacin de las restricciones.- El modelo tendr restricciones: dos de inventario inicial y final;
cuatro de limitacin de produccin; cuatro de equilibrio de inventario; y, cuatro de cambio en la
produccin, ms las de no negatividad.
4. Modelo.- Aydese del siguiente diagrama para identificar las restricciones y formular el modelo.
Demanda (D1)
Fuente: Anderson D. (2011). Mtodos cuantitativos para los negocios.
Elaborado: Tene T. ngel
Autoevaluacin 5
Se propone las siguientes preguntas para su autoevaluacin. Responda una vez que ha estudiado los
contenidos tratados.
En la columna V/F escriba una V o una F segn sea verdadero o falso para cada una de los siguientes
enunciados:
3.() El objetivo del modelo de PL para el problema que el texto bsico propone en la
pgina 362 es minimizar el costo de la investigacin de mercado.
4.() La funcin objetivo para los problemas de seleccin de portafolios que el texto bsico
plantea en la pgina 364, implica, la maximizacin del rendimiento esperado o la
minimizacin del riesgo.
11.() Para el problema de fabricacin o compra que se plantea en la seccin 5.2 de esta
gua, el modelo tiene 3 variables de decisin que corresponde a los tres tipos de tubo
que debe producir o comprar.
12.() Para el problema de fabricacin o compra que se plantea en la seccin 5.2 de esta
gua, la funcin objetivo del modelo es: Max U = 7X1 + 8X2 + 5X3 + 4X4 + 6X5 + 2X6.
13.() Para el problema de fabricacin o compra que se plantea en la seccin 5.2 de esta
gua, la demanda del tubo C se puede plantear a travs de las siguiente restriccin:
X3 5 000.
14.() Para el problema de fabricacin o compra que se plantea en la seccin 5.2 de esta
gua, la solucin determina que la empresa debe producir toda la demanda del tubo
A, comprar toda la demanda del tubo B, y, producir y comprar parte de la demanda
del tubo C.
15.() Para el problema de fabricacin o compra que se plantea en la seccin 5.2 de esta
gua, la solucin, los valores de los variables de decisin son: X1 = 2000; X2 = 0; X3 =
2333.33; X4 = 0; X5 = 4000; X6 = 2666.67.
16.() Para el problema de formulacin de dietas que se plantea en la seccin 5.3 de esta
gua, la funcin objetivo del modelo es Min Grasa = 5000X1 + 5000X2 + 7900X3 +
300X4 + 14300X5.
17.() Para el problema de formulacin de dietas que se plantea en la seccin 5.3 de esta
gua, una de las restricciones es la siguiente: 5000X1 + 29300X2 + 5300X3 + 3000X4 +
4000X5 63000.
Si sus respuestas correctas no superan las 14, vuelva a revisar los contenidos.
7. Solucionario
PRIMER BIMESTRE
Autoevaluacin 1
Pregunta Respuesta
1. V
2. V
3. V
4. F
5. V
6. F
7. V
8. V
9. F
10. F
11. V
12. F
13. V
14. F
15. F
16. V
17. F
18. V
19. V
20. F
21. V
22. F
23. V
24. V
25. V
26. V
27. F
28. F
29. V
Ir a autoevaluacin
30. V
Autoevaluacin 2
Pregunta Respuesta
1. F
2. V
3. F
4. V
5. V
6. V
7. F
8. V
9. V
10. F
11. V
12. F
13. V
14. V
15. V
16. F
17. V
18. V
19. F
20. F
21. V
22. V
23. F
24. V
25. V
26. V
27. V
28. F
29. V
30. V
Ir a autoevaluacin
Autoevaluacin 3
Pregunta Respuesta
1. V
2. F
3. F
4. V
5. F
6. V
7. F
8. F
9. V
10. V
11. V
12. V
13. V
14. F
15. V
16. V
17. F
18. V
19. F
20. V
21. F
22. V
23. V
24. V
25. F
26. V
27. V
28. F
29. V
30. F
Ir a autoevaluacin