UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE INGENIERÍA, CIENCIAS FISICAS Y MATEMÁTICA
Carrera de Ingeniería Informática
Asignatura: 706 - Modelos de Investigación de Operaciones
Semestre: 7 Paralelo: 1
Grupo N 4 Integrantes:
Apunte Israel
Arellano David
Betancourt Miguel
Revelo Jhany
Salas Ramiro
Salcedo Luis
Docente: Mat. Benjamín Valarezo
25 de septiembre de 2013
Índice general
1. Introducción 1
1.1. Historia de la Investigación de Operaciones . . . . . . . . . . . . . . 1
1.2. De…nición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Características de la Investigación de Operaciones . . . . . . 3
1.3. ¿Qué es un Modelo de Decisión? . . . . . . . . . . . . . . . . . . . . 3
1.3.1. Tipos de Modelo de Investigación de Operaciones . . . . . . 4
1.4. CONSTRUCCIÓN DE MODELOS . . . . . . . . . . . . . . . . . . 4
1.4.1. Conceptos Básicos . . . . . . . . . . . . . . . . . . . . . . . 4
1.4.2. Clasi…cación de Modelos . . . . . . . . . . . . . . . . . . . . 5
1.5. Modelos Determinísticos: . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5.1. Optimización Lineal . . . . . . . . . . . . . . . . . . . . . . 6
1.5.2. Programación Lineal (PL) . . . . . . . . . . . . . . . . . . . 7
1.6. Modelos Probabilísticos: . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6.1. Del Análisis de la Decisión . . . . . . . . . . . . . . . . . . . 8
2. Programación Lineal 11
2.1. Introducción a la Programación Lineal . . . . . . . . . . . . . . . . 11
2.1.1. Problema de Programación Lineal . . . . . . . . . . . . . . . 11
2.1.2. Solución Factible . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.3. Solución Óptima . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2. Problema de Programación Lineal en forma Estandar . . . . . . . . 12
2.3. Problema del Transporte . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4. Plani…cación de la Producción . . . . . . . . . . . . . . . . . . . . . 14
2.5. Problema de la Dieta . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3. Proyecto 19
3.0.1. Características de un Proyecto . . . . . . . . . . . . . . . . . 20
3.0.2. Etapas de un Proyecto . . . . . . . . . . . . . . . . . . . . . 20
3.1. Método Pert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1. Redes PERT . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.2. Principios . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
v
vi ÍNDICE GENERAL
3.1.3. Duración de una Actividad . . . . . . . . . . . . . . . . . . . 22
3.1.4. Dibujo de una malla PERT . . . . . . . . . . . . . . . . . . 23
3.2. CPM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3. ADMINISTRACIÓNDEPROYECTOS CONPERT/CPM 25
3.3.1. CONSTRUCCIONDEUNPROTOTIPO 26
3.4. USANDOREDES PARAVISUALIZAREL PROYECTO 26
3.5. PROGRAMANDOUNPROYECTOCONPERT/CPM 27
3.6. PROGRAMANDOACTIVIDADES INDIVIDUALES 28
4. Cadena de Markov 31
4.1. MATRIZ DE TRANSICIÓN: . . . . . . . . . . . . . . . . . . . 31
4.2. REPRESENTACIÓN GRAFICA DE UNA MATRIZ DE
TRANSICIÓN: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3. PROPIEDADES: . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5. Colas 35
5.0.1. Descripción de un problema de colas . . . . . . . . . . . . . 35
5.0.2. Características de los sistemas de colas . . . . . . . . . . . . 35
5.0.3. Patrón de llegada de los clientes . . . . . . . . . . . . . . . . 36
5.0.4. Disciplina de cola . . . . . . . . . . . . . . . . . . . . . . . . 36
5.0.5. Notación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.0.6. Nomenclatura básica . . . . . . . . . . . . . . . . . . . . . . 37
6. TEORÍA DE JUEGOS 41
6.1. DEFINICIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.2. ESTRATEGIAS ALEATORIZADAS . . . . . . . . . . . . . . . . . 46
6.3. Condición de Nash . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.4. Dilema del prisionero . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7. Modelos ARIMA 55
7.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
7.2. De…nición y Conceptos Básicos . . . . . . . . . . . . . . . . . . . . 55
7.2.1. Proceso Estocrástico y Estacionalidad . . . . . . . . . . . . . 55
7.3. Un Ejemplo en SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . 57
8. Glosario de terminos 75
8.1. Anexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
8.1.1. PROBLEMA: Red de Transporte . . . . . . . . . . . . . . 81
8.1.2. Resultado: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
8.1.3. ANALISIS DE SENSIBILIDAD . . . . . . . . . . . . . . . . 84
8.2. Bibliogra…a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Capítulo 1
Introducción
1.1. Historia de la Investigación de Operaciones
La primera actividad de Investigación de Operaciones se dio durante la Segunda
Guerra Mundial en Gran Bretaña, donde la Administración Militar llamó a un
grupo de cientí…cos de distintas áreas del saber para que estudiaran los problemas
tácticos y estratégicos asociados a la defensa del país.
El nombre de Investigación de Operaciones fue dado aparentemente porque el
equipo estaba llevando a cabo la actividad de investigar operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos británicos,
los administradores militares de Estados Unidos comenzaron a realizar investiga-
ciones similares. Para eso reunieron a un grupo selecto de especialistas, los cuales
empezaron a tener buenos resultados y en sus estudios incluyeron problemas logís-
ticos complejos, la planeación de minas en el mar y la utilización efectiva del equipo
electrónico.
Al término de la guerra y atraídos por los buenos resultados obtenidos por
los estrategas militares, los administradores industriales empezaron a aplicar las
herramientas de la Investigación de Operaciones a la resolución de sus problemas
que empezaron a originarse debido al crecimiento del tamaño y la complejidad de
las industrias.
La primera técnica matemática ampliamente aceptada en el medio de Investi-
gación de Operaciones fue el Método Símplex de Programación Lineal, desarrollado
en 1947 por el matemático norteamericano George B. Dantzig. Desde entonces las
nuevas técnicas se han desarrollado gracias al esfuerzo y cooperación de las per-
sonas interesadas tanto en el área académica como en el área industrial.
Un segundo factor en el progreso impresionante de la Investigación de Opera-
ciones fue el desarrollo de la computadora digital, que con sus tremendas capaci-
dades de velocidad de cómputo y de almacenamiento y recuperación de informa-
1
2 CAPíTULO 1 INTRODUCCIÓN
ción, permitieron al tomador de decisiones rapidez y precisión.
Si no hubiera sido por la computadora digital, la Investigación de Operaciones
con sus grandes problemas de computación no hubiera crecido al nivel de hoy en
día.
1.2. De…nición
Investigación de Operaciones
Como técnica para la resolución de problemas, investigación de operaciones
debe visualizarse como una ciencia y como un arte.
Como Ciencia radica en ofrecer técnicas y algoritmos matemáticos para re-
solver problemas de decisión adecuada.
Como Arte debido al éxito que se alcanza en todas las fases anteriores y pos-
teriores a la solución de un modelo matemático, depende de la forma apreciable
de la creatividad y la habilidad personal de los analistas encargados de tomar las
decisiones.
En un equipo de Investigación de Operaciones es importante la habilidad ade-
cuada en los aspectos cientí…cos y artísticos de Investigación de Operaciones. Si se
destaca un aspecto y no el otro probablemente se impedirá la utilización efectiva
de la Investigación de Operaciones en la práctica.
La Investigación de Operaciones en la Ingeniería de Sistemas se emplea prin-
cipalmente en los aspectos de coordinación de operaciones y actividades de la
organización o sistema que se analice, mediante el empleo de modelos que describ-
an las interacciones entre los componentes del sistema y de éste con este con su
medio ambiente
En la Investigación de Operaciones la parte de "Investigación"se re…ere a que
aquí se usa un enfoque similar a la manera en la que se lleva a cabo la investigación
en los campos cientí…cos establecidos. La parte de .
O
peraciones.
es
por que en ella
se resuelven problemas que se re…eren a la conducción de operaciones dentro de
una organización.
En conclusión:
Investigación de Operaciones. Se puede de…nir de la siguiente manera: “La
Investigación de Operaciones es la aplicación por grupos interdisciplinarios del
método cientí…co a problemas relacionados con el control de las organizaciones o
sistemas a …n de que se produzcan soluciones que mejor sirvan a los objetivos de
toda la organización”.
1.3 ¿QUÉ ES UN MODELO DE DECISIÓN? 3
1.2.1. Características de la Investigación de Operaciones
La Investigación de Operaciones usa el método cientí…co para investigar el prob-
lema en cuestión. En particular, el proceso comienza por la observación cuidadosa
y la formulación del problema incluyendo la recolección de datos pertinentes.
La Investigación de Operaciones adopta un punto de vista organizacional. De
esta manera intenta resolver los con‡ictos de interés entre los componentes de la
organización de forma que el resultado sea el mejor para la organización completa.
La Investigación de Operaciones intenta encontrar una mejor solución (llamada
solución optima), para el problema bajo consideración. En lugar de contentarse
con mejorar el estado de las cosas, la meta es identi…car el mejor curso de acción
posible.
En la Investigación de Operaciones es necesario emplear el enfoque de equipo.
Este equipo debe incluir personal con antecedentes …rmes en matemáticas, estadís-
ticas y teoría de probabilidades, economía, administración de empresas ciencias de
la computación, ingeniería, etc. El equipo también necesita tener la experiencia y
las habilidades para permitir la consideración adecuada de todas las rami…caciones
del problema.
La Investigación de Operaciones ha desarrollado una serie de técnicas y mod-
elos muy útiles a la Ingeniería de Sistemas. Entre ellos tenemos: la Programación
No Lineal, Teoría de Colas, Programación Entera, Programación Dinámica, entre
otras.
La Investigación de Operaciones tiende a representar el problema cuantitativa-
mente para poder analizarlo y evaluar un criterio común.
1.3. ¿Qué es un Modelo de Decisión?
Un modelo de decisión debe considerarse como un vehículo para resumir un
problema de decisión en forma tal que haga posible la identi…cación y evaluación
sistemática de todas las alternativas de decisión del problema. Después se llega a
una decisión seleccionando la alternativa que se juzgue sea la mejor entre todas
las opciones disponibles.
Un modelo es una abstracción selectiva de la realidad.
El modelo se de…ne como una función objetivo y restricciones que se expresan
en términos de las variables (alternativas) de decisión del problema.
Una solución a un modelo, no obstante, de ser exacta, no será útil a menos que
el modelo mismo ofrezca una representación adecuada de la situación de decisión
verdadera.
El modelo de decisión debe contener tres elementos:
Alternativas de decisión, de las cuales se hace una selección.
4 CAPíTULO 1 INTRODUCCIÓN
Restricciones, para excluir alternativas infactibles.
Criterios para evaluar y clasi…car alternativas factibles.
1.3.1. Tipos de Modelo de Investigación de Operaciones
En la siguiente tabla se muestran los modelos de decisión según su clase de
incertidumbre y su uso en las corporaciones. (D, determinista; P, probabilista; A,
alto; B, bajo)
Tipo de modelo Tipo incertidumbre Frecuencia de uso
Deterministico Probabilistico Alto Medio Bajo
Programación Lineal x x
1.4. CONSTRUCCIÓN DE MODELOS
1.4.1. Conceptos Básicos
Análisis de la Toma de Decisiones: La toma de decisiones es fundamen-
tal para cualquier actividad humana. En este sentido, somos todos tomadores de
decisiones. Sin embargo, tomar una ’buena’ decisión empieza con un proceso de
razonamiento, constante y focalizado, que incluye muchas disciplinas. Este pagina
1.4 CONSTRUCCIÓN DE MODELOS 5
web ofrece información sobre Ciencias de las Decisiones y una introducción a las
Ciencias Administrativas e Investigación de Operaciones.
1.4.2. Clasi…cación de Modelos
Modelos predictivos:
Este tipo de modelos nos informan del comportamiento de la variable en un
futuro, es decir, lo que debería ser. A este tipo de modelos corresponden aquellos
basados en técnicas estadísticas y/o econométricas, es decir, modelos de previsión.
Modelos evaluativos:
Una técnica evaluativa corresponde a medir las diferentes alternativas, y así
poder comparar los resultados de ellas. Este tipo de modelos se corresponden con
los denominados arboles de decisión.
Modelos de optimización:
Se trata de modelos que tratan de identi…car un optimo (por lo general, el
optimo global ) del problema, es decir, buscan la mejor de las alternativas posi-
bles. Estos métodos son los que están basados en las técnicas de programación
matemática.
Otra clasi…cación de los modelos se basa en la realidad que pretender modelar,
así podemos hablar de :
Modelos deterministas versus modelos estocásticos.
En los modelos deterministas todos los datos del problema se conocen con
absoluta certeza, mientras que cuando esto no es así tenemos los modelos estocas-
ticos. Por lo general los modelos más realistas son los modelos estocasticos, pero
tienen la di…cultad de poderlos resolver adecuadamente, y muchas de las técnicas
aplicables a los modelos estocasticos tratan de reducir el problema a su versión
determinista para poderlo resolver.
Modelos estáticos versus modelos dinámicos.
En un modelo estático la variable tiempo no desempeña un papel relevante,
mientras que en los modelos dinámicos la variable fundamental, y de la que de-
penden las restante variables relevantes. Además, la variable tiempo se considera
como una variable continua.
6 CAPíTULO 1 INTRODUCCIÓN
Una vez establecida una serie de clasi…caciones de los modelos, es conveniente
plantear una medida de su solución, ya que el objetivo de plantear el modelo
es el poderlo resolver y extraer de la solución los resultados necesarios para la
toma de decisiones. El nivel de resolubilidad de los problemas es función de tres
características fundamentales:
1. a) El tamaño del problema: El numero de variables y ecuaciones que con-
tiene. Cuanto mayor sea este numero, más difícil de resolver es.
b) La clase del problema: Lineal, Entero y No lineal, y además por ese or-
den, es decir, los problemas lineales son "fácilmenteresolubles, mientras
que los no lineales son "intrínsecamente"difíciles de resolver.
c) El tipo de instancias utilizadas: Ciertas o deterministas, con riesgo
(conocemos las probabilidades de ocurrencia),con incertidumbre (cono-
cemos los resultamos posibles pero no las probabilidades de ocurrencia)
y turbulencia ( no conocemos nada).
1.5. Modelos Determinísticos:
1.5.1. Optimización Lineal
La humanidad hace tiempo que busca, o profesa buscar, mejores maneras de re-
alizar las tareas cotidianas de la vida. A lo largo de la historia de la humanidad, se
puede observar la larga búsqueda de fuentes más efectivas de alimentos al comienzo
y luego de materiales, energía y manejo del entorno físico. Sin embargo, relativa-
mente tarde en la historia de la humanidad, comenzaron a formularse ciertas clases
de preguntas generales de manera cuantitativa, primero en palabras y después en
notaciones simbólicas. Un aspecto predominante de estas preguntas generales era
la búsqueda de lo "mejor.
o
lo "óptimo". Generalmente, los gerentes buscan simple-
mente lograr alguna mejora en el nivel de rendimiento, es decir, un problema de
"búsqueda de objetivo". Cabe destacar que estas palabras normalmente no tienen
un signi…cado preciso
Se han realizado grandes esfuerzos por describir complejas situaciones hu-
manas y sociales. Para tener signi…cado, esto debería escribirse en una expresión
matemática que contenga una o más variables, cuyos valores deben determinarse.
La pregunta que se formula, en términos generales, es qué valores deberían tener
estas variables para que la expresión matemática tenga el mayor valor numérico
posible (maximización) o el menor valor numérico posible (minimización). A este
proceso general de maximización o minimización se lo denomina optimización.
La optimización, también denominada programación matemática, sirve para
encontrar la respuesta que proporciona el mejor resultado, la que logra mayores
1.5 MODELOS DETERMINíSTICOS: 7
ganancias, mayor producción o felicidad o la que logra el menor costo, desperdicio
o malestar. Con frecuencia, estos problemas implican utilizar de la manera más
e…ciente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias,
etc. Los problemas de optimización generalmente se clasi…can en lineales y no
lineales, según las relaciones del problema sean lineales con respecto a las variables.
Existe una serie de paquetes de software para resolver problemas de optimización.
Por ejemplo, LINDO o WinQSB resuelven modelos de programas lineales y LINGO
y What’sBest! resuelven problemas lineales y no lineales.
1.5.2. Programación Lineal (PL)
La programación lineal muchas veces es uno de los temas preferidos tanto
de profesores como de alumnos. La capacidad de introducir la PL utilizando un
abordaje grá…co, la facilidad relativa del método de solución, la gran disponibilidad
de paquetes de software de PL y la amplia gama de aplicaciones hacen que la PL sea
accesible incluso para estudiantes con poco conocimiento de matemática. Además,
la PL brinda una excelente oportunidad para presentar la idea del análisis what-if
o análisis de hipótesis ya que se han desarrollado herramientas poderosas para el
análisis de post optimalidad para el modelo de PL.
La Programación Lineal (PL) es un procedimiento matemático para determinar
la asignación óptima de recursos escasos. La PL es un procedimiento que encuentra
su aplicación práctica en casi todas las facetas de los negocios, desde la publicidad
hasta la plani…cación de la producción. Problemas de transporte, distribución, y
plani…cación global de la producción son los objetos más comunes del análisis de
PL. La industria petrolera parece ser el usuario más frecuente de la PL. Un gerente
de procesamiento de datos de una importante empresa petrolera recientemente
calculó que del 5 % al 10 % del tiempo de procesamiento informático de la empresa
es destinado al procesamiento de modelos de PL y similares.
La programación lineal aborda una clase de problemas de programación donde
tanto la función objetivo a optimizar como todas las relaciones entre las variables
correspondientes a los recursos son lineales. Este problema fue formulado y resuelto
por primera vez a …nes de la década del 40. Rara vez una nueva técnica matemática
encuentra una gama tan diversa de aplicaciones prácticas de negocios, comerciales
e industriales y a la vez recibe un desarrollo teórico tan exhaustivo en un período
tan corto. Hoy en día, esta teoría se aplica con éxito a problemas de presupuestos de
capital, diseño de dietas, conservación de recursos, juegos de estrategias, predicción
de crecimiento económico y sistemas de transporte. Recientemente la teoría de la
programación lineal también contribuyó a la resolución y uni…cación de diversas
aplicaciones.
Es importante que el lector entienda desde el comienzo que el término "pro-
gramación"tiene un signi…cado distinto cuando se re…ere a Programación Lineal
8 CAPíTULO 1 INTRODUCCIÓN
que cuando hablamos de Programación Informática. En el primer caso, signi…ca
plani…car y organizar mientras que en el segundo caso, signi…ca escribir las in-
strucciones para realizar cálculos. La capacitación en una clase de programación
tiene muy poca relevancia directa con la otra clase de programación. De hecho,
el término "programación lineal"se acuñó antes de que la palabra programación
se relacionara con el software de computación. A veces se evita esta confusión
utilizando el término optimización lineal como sinónimo de programación lineal.
Cualquier problema de PL consta de una función objetivo y un conjunto de
restricciones. En la mayoría de los casos, las restricciones provienen del entorno
en el cual usted trabaja para lograr su objetivo. Cuando usted quiere lograr el
objetivo deseado, se dará cuenta de que el entorno …ja ciertas restricciones (es decir,
di…cultades, limitaciones) para cumplir con su deseo (vale decir, el objetivo). Es
por eso que las religiones, como el Budismo entre otras, prescriben vivir una vida
abstemia. Sin deseo, no hay dolor. ¿Puede usted seguir este consejo con respecto
a su objetivo de negocios?
1.6. Modelos Probabilísticos:
1.6.1. Del Análisis de la Decisión
El análisis de decisiones es la disciplina que consiste en evaluar alternativas com-
plejas en términos de valores (habitualmente en $ porque es lo que a los gerentes
les importa) y de incertidumbre (lo que no conocemos). El análisis de decisiones
brinda información sobre las diferencias entre las alternativas de…nidas, y genera
sugerencias de nuevas y mejores alternativas. Usamos números para cuanti…car val-
ores e incertidumbres subjetivas, lo cual nos permite comprender la situación de
decisión. Los resultados numéricos deben reconvertirse para generar información
cualitativa.
Los seres humanos pueden comprender, comparar y manipular números. Por lo
tanto, para crear un modelo de análisis de decisiones es necesario crear la estructura
del modelo y asignar las probabilidades y los valores para poblar el modelo de
computación. Aquí se incluyen los valores para las probabilidades, las funciones de
valor para evaluar alternativas, las ponderaciones de valor para medir la concesión
que se debe hacer entre los objetivos, y la preferencia de riesgo.
Una vez de…nidos la estructura y los números, el análisis puede comenzar. El
Análisis de Decisiones implica mucho más que calcular la utilidad esperada y pon-
derada de cada alternativa. Si nos detuviéramos aquí, los decisores no tendrían
demasiada información. Tenemos que examinar la sensibilidad de la utilidad es-
perada y ponderada para las probabilidades clave, y los parámetros de ponderación
y preferencia de riesgo. Como parte del análisis de sensibilidad podemos calcular
1.6 MODELOS PROBABILíSTICOS: 9
el valor de la información perfecta para incertidumbres que han sido modelizadas
explícitamente.
Entre las comparaciones cuantitativas adicionales se incluye la comparación
directa de la utilidad ponderada para dos alternativas en todos los objetivos y la
comparación de todas las alternativas en dos objetivos seleccionados, demostrando
la optimalidad de Pareto para estos dos objetivos.
La complejidad del mundo moderno, junto con la cantidad de Información, la
Incertidumbre y el Riesgo, requieren un marco racional para la toma de decisiones.
Las metas del análisis de decisiones son las siguientes: incorporar orientación, in-
formación, discernimiento y estructura al proceso de toma de decisión, para que
ésta pueda ser mejor y más racional".
Toda decisión necesita un decisor responsable. El decisor tiene varias alternati-
vas, y debe elegir una. El objetivo del decisor es elegir la mejor alternativa. Después
de que se ha tomado la decisión, pueden producirse eventos sobre los que el decisor
no tiene control. Cada combinación de alternativas elegida, seguida por un evento,
conduce a un resultado con algún valor mensurable. Los gerentes toman decisiones
en situaciones complejas. Las matrices de árbol de decisiones y pago describen
estas situaciones y añaden estructura a los problemas.
Ejemplo
Capítulo 2
Programación Lineal
2.1. Introducción a la Programación Lineal
El objeto de la programación lineal es optimizar (minimizar o maximizar) una
función lineal de : variables sujeto a restricciones lineales de igualdad o desigual-
dad. Más formalmente, se dice que un problema de programación lineal consiste
en encontrar el óptimo (máximo o mínimo) de una función lineal en un conjunto
que puede expresarse como la intersección de un número …nito de hiperplanos y
semiespacios en R
n
.
Considérense las siguientes de…niciones.
2.1.1. Problema de Programación Lineal
La forma más general de un problema de programación lineal (PPL) consiste
en minimizar o maximizar.
2 = ,(r) =
n
X
j=1
c
j
r
j
(2.1)
sujeto a:
n
X
j=1
c
ij
r
j
= /
i
; i = 1. 2. .... j ÷1
n
X
j=1
c
ij
r
j
_ /
i
; i = 1. 2. .... ¡ ÷1
n
X
j=1
c
ij
r
j
_ /
i
; i = ¡. .... : (2.2)
11
12 CAPíTULO 2 PROGRAMACIÓN LINEAL
De donde p, q y m son enteros positivos tales que:
1 _ j _ ¡ _ : (2.3)
2.1.2. Solución Factible
Un punto r = (r
1
. r
2
. .... r
n
) que cumple con todas las restricciones anteriores
se denomina factible.
2.1.3. Solución Óptima
Un punto factible · tal que ,(r) _ ,(·) para cualquier otro punto factible ·
se denomina solución óptima del problema
2.2. Problema de Programación Lineal en forma
Estandar
Para describir de forma estandar el PPL es necesario los siguientes tres ele-
mentos:
1. Un vector c ¸ R
n
2. Un vector no negativo / ¸ R
n
3. Una matriz ::; ¹
Con estos elementos el problema de programación lineal tienes la siguiente
forma:
minimizar(maximizar)
2 = c
T
r (2.4)
sujeto a:
¹r = / (2.5)
r _ 0
La programación matemática es una potente técnica de modelado usada en el
proceso de toma de decisiones. Cuando se trata de resolver un problema de este
tipo, la primera etapa consiste en identi…car las posibles decisiones que pueden
tomarse; esto lleva a identi…car las variables del problema concreto.
2.3 PROBLEMA DEL TRANSPORTE 13
La segunda etapa supone determinar qué decisiones resultan admisibles; esto
conduce a un conjunto de restricciones que se determinan teniendo presente la nat-
uraleza del problema en cuestión. En la tercera etapa, se calcula el coste/bene…cio
asociado a cada decisión admisible; esto supone determinar una función objetivo
que asigna, a cada conjunto posible de valores para las variables que determinan
una decisión, un valor de coste/bene…cio. El conjunto de todos estos elementos
de…ne el problema de optimización.
Para empezar con la programación lineal hay q identi…car muy claramente
cuatro componentes básicos:
1. El Conjunto de Datos
2. Conjunto de variables del problema y sus respectivos dominios.
3. Conjunto de restricciones lineales del problema.
4. La función objetivo para ser optimizada en diferentes criterios
Acontinuación presentamos unas pocas aplicaciones de esta técnica matemáti-
ca.
2.3. Problema del Transporte
Imagínese que un cierto producto debe enviarse en determinadas cantidades
n
1
. .... n
m
, desde cada uno de : orígenes, y recibirse en cantidades·
1
. .... ·
n
, en
cada uno de : destinos. El problema consiste en determinar las cantidades r
ij
, que
deben enviarse desde el origen i al destino ,, para conseguir minimizar el coste del
envío.
Los cuatro elementos principales de este problema son:
1. Datos
: : El número de orígenes.
: : El número de destinos.
n
i
: La cantidad que debe enviarse desde el origen i
·
j
: La cantidad que debe ser recibida en el destino ,
c
ij
: El coste de envío
2. Variables
r
ij
la cantidad que se envía desde el origen i hasta el destino ,.
Las variables no deben ser negativas:
14 CAPíTULO 2 PROGRAMACIÓN LINEAL
r
ij
_ 0; i = 1. .... : ; , = 1. .... : (2.6)
3. Restricciones
n
X
j=1
r
ij
= n
i
; i = 1. .... : (2.7)
n
X
i=1
r
ij
= ·
j
; , = 1. ...; : (2.8)
Esquema
4. Objetivo que debe optimizarse
En este tipo de problemas nos interesa minimizar los costes de envío.
2 =
m
X
i=1
n
X
j=1
c
ij
r
ij
(2.9)
2.4. Plani…cación de la Producción
En general, cualquier problema de plani…cación admitirá diversas posibilidades
que aseguren que la demanda es convenientemente atendida. Existen dos posibili-
dades:
1. Producción Variable: El fabricante puede producir cada mes el número
exacto de unidades que le solicitan. Sin embargo, como una producción que
varía es costosa de mantener, por los costes de horarios más largos en los
meses de producción alta y los costes asociados al paro del personal y la
maquinaria en los meses de producción baja; este tipo de producción no es
e…ciente.
2.4 PLANIFICACIÓN DE LA PRODUCCIÓN 15
2. Producción Constante: El fabricante que debe atender una demanda que
cambia con el tiempo puede producir por encima de dicho nivel en periodos de
baja demanda y almacenar la sobreproducción para los periodos de demanda
mayor.
Sus cuatro elementos principales son:
1. Datos
: : número de meses a considerar.
:
0
: cantidad almacenada disponible al principio del periodo considerado
d
t
: número de unidades (demanda) que se solicita en el mes / t
:
max
: capacidad máxima de almacenamiento.
c
t
: precio de venta en el mes t
/
t
: coste de producción en el mes t
c
t
: coste de almacenamiento en el mes t
2. Variables
r
t
: número de unidades producidas en el mes t
:
t
: número de unidades almacenadas en el mes t
3. Restriciones
La demanda d
t
en el mes t debe coincidir con el cambio en el almacenamiento;
:
t1
= :
t
, más la producción r
t
en el mes t
:
t1
+ r
t
÷d
t
= :
t
; t = 1. 2. .... :
:
t
_ :
max
; t = 1. 2. .... :
:
t
. r
t
_ 0 (2.10)
4. Función a Optimizar
Maximizar el ingreso después de descontar los costos de variación de la
producción y los inventarios; maximizar el bene…cio
2 =
n
X
t=1
(c
t
d
t
÷/
t
r
t
÷c
t
:
t
) (2.11)
Si el periodo es corto c
t
. /
t
. c
t
pueden considerarse constantes.
16 CAPíTULO 2 PROGRAMACIÓN LINEAL
Minimizar los costos de almacenamiento
2 =
n
X
t=1
c
t
:
t
(2.12)
2.5. Problema de la Dieta
Consiste en determinar las cantidades de distintos nutrientes que deben in-
gerirse asegurar ciertas condiciones de nutrición y minimizar el coste de compra
de los nutrientes. El problema consiste en determinar la cantidad de cada alimen-
to que debe comprarse de suerte que se satisfagan los mínimos aconsejados y se
alcance un precio total mínimo.
1. Datos
: : número de nutrientes
: : número de alimentos
c
ij
: cantidad del nutriente ien una unidad del alimento ,
/
i
: cantidad mínima del nutriente i aconsejada
c
j
: precio de una unidad del alimento ,
2. Variables
r
j
: cantidad del alimento , que debe adquirirse.
3. Restricciones
n
X
j=1
c
ij
r
j
_ /
i
; i = 1. .... :
r
j
_ 0; , = 1. .... : (2.13)
4. Función a Minimizar
Minimización del precio de la dieta.
2 =
n
X
j=1
c
j
r
j
(2.14)
Donde c
j
es el costo unitario del alimento ,.
2.5 PROBLEMA DE LA DIETA 17
The numbered equation
n
tt
÷n + n
5
+ n[n[
p2
= 0 in R
3
[0. ·[ (2.15)
is automatically numbered as equation 2.15.
n
tt
÷n + n
5
+ n[n[
p2
= 0 in R
3
[0. ·[ (2.16)
is automatically numbered as equation 2.16.
Capítulo 3
Proyecto
El término proyecto proviene del latín proiectu y podría de…nirse a un proyecto
como el conjunto de las actividades que desarrolla una persona o una entidad para
alcanzar un determinado objetivo. Un proyecto es una plani…cación que consiste
en un conjunto de actividades que se encuentran interrelacionadas y coordinadas.
1. La razón de un proyecto es alcanzar objetivos especí…cos dentro de los límites
que imponen un presupuesto, calidades establecidas previamente y un lapso
de tiempo previamente de…nido.
2. La gestión de proyectos es la aplicación de conocimientos, habilidades, her-
ramientas y técnicas a las actividades de un proyecto para satisfacer los
requisitos del proyecto.
3. Un proyecto consiste en reunir varias ideas para llevarlas a cabo, es un em-
prendimiento que tiene lugar durante un tiempo limitado, y que apunta a
lograr un resultado único. Surge como respuesta a una necesidad, acorde
con la visión de la organización, aunque ésta puede desviarse en función
del interés. El proyecto …naliza cuando se obtiene el resultado deseado, y se
puede decir que colapsa cuando desaparece la necesidad inicial o se agotan
los recursos disponibles.
La de…nición más tradicional - es un esfuerzo plani…cado, temporal y único,
realizado para crear productos o servicios únicos que agreguen valor o provoquen
un cambio bene…cioso. Esto en contraste con la forma más tradicional de trabajar,
en base a procesos, en la cual se opera en forma permanente, creando los mismos
productos o servicios una y otra vez.
Generalmente existen dos clases de proyectos en el marco de tiempo, los primeros
obedecen a los esquemas de contrataciones públicas de…nidos a partir con restric-
ciones de inicio: Fecha de Inicio y Duración y los otros son los que aplican para los
19
20 CAPíTULO 3 PROYECTO
grandes proyectos industriales denominados paradas de planta, cuyas restricciones
son Fecha de Inicio y Fecha Fin.
3.0.1. Características de un Proyecto
De acuerdo con el Project Management Institute (PMI) las características de
un proyecto son:
La capacidad de prestar un servicio como, por ejemplo, las funciones del
negocio que respaldan la producción o la distribución
Un resultado como, por ejemplo, salidas o documentos. Por ejemplo, de un
proyecto de investigación se obtienen conocimientos que pueden usarse para
determinar si existe o no una tendencia o si un nuevo proceso bene…ciará
a la sociedad. La singularidad es una característica importante de los pro-
ductos entregables de un proyecto. Por ejemplo, se han construido muchos
miles de edi…cios de o…cinas, pero cada edi…cio individual es único: diferente
propietario, diferente diseño, diferente ubicación, diferente contratista, etc.
La presencia de elementos repetitivos no cambia la condición fundamental,
única de manejo y propósitos de un proyecto.
Elaboración gradual. La elaboración gradual es una característica de los
proyectos que acompaña a los conceptos de temporal y único. “Elaboración
gradual” signi…ca desarrollar en pasos e ir avanzando mediante incrementos.
Por ejemplo, el alcance de un proyecto se de…ne de forma general al comienzo
del proyecto, y se hace más explícito y detallado a medida que el equipo del
proyecto desarrolla un mejor y más completo entendimiento de los objetivos
y de los productos entregables. La elaboración gradual no debe confundirse
con la corrupción del alcance.
3.0.2. Etapas de un Proyecto
La idea de proyecto: Que consiste en establecer la necesidad u oportunidad
a partir de la cual es posible iniciar el diseño del proyecto. La idea de proyecto
puede iniciarse debido a alguna de las siguientes razones:
« Porque existen necesidades insatisfechas actuales o se prevé que exis-
tirán en el futuro si no se toma medidas al respecto.
« Porque existen potencialidades o recursos subaprovechados que pueden
optimizarse y mejorar las condiciones actuales.
« Porque es necesario complementar o reforzar otras actividades o proyec-
tos que se producen en el mismo lugar y con los mismos involucrados.
3.1 MÉTODO PERT 21
Diseño: Etapa de un proyecto en la que se valoran las opciones, tácticas y
estrategias a seguir, teniendo como indicador principal el objetivo a lograr.
En esta etapa se produce la aprobación del proyecto, que se suele hacer luego
de la revisión del per…l de proyecto y/o de los estudios de pre-factibilidad, o
incluso de factibilidad. Una vez dada la aprobación, se realiza la plani…cación
operativa, un proceso relevante que consiste en prever los diferentes recursos y
los plazos de tiempo necesarios para alcanzar los …nes del proyecto, asimismo
establece la asignación o requerimiento de personal respectivo.
Ejecución: Consiste en poner en práctica la plani…cación llevada a cabo
previamente.
Evaluación. Etapa …nal de un proyecto en la que éste es revisado, y se llevan
a cabo las valoraciones pertinentes sobre lo planeado y lo ejecutado, así como
sus resultados, en consideración al logro de los objetivos planteados.
Ciclo de un proyecto
3.1. Método Pert
El método pert es una técnica que le permite dirigir la programación de su
proyecto. El método PERT consiste en la representación grá…ca de una red de
tareas, que, cuando se colocan en una cadena, permiten alcanzar los objetivos de
un proyecto.
Fue diseñada por la marina de los Estados Unidos para permitir la coordinación
del trabajo de miles de personas que tenían que construir misiles con cabezas
nucleares POLARIS. En su etapa preliminar, el método PERT incluye lo siguiente:
22 CAPíTULO 3 PROYECTO
Desglose preciso del proyecto en tareas,
Cálculo de la duración de cada tarea,
La designación de un director del proyecto que se haga cargo de asegurar
la supervisión de dicho proyecto, de informar, en caso de ser necesario, y de
tomar decisiones en caso de que existan variaciones de las proyecciones.
3.1.1. Redes PERT
Una malla PERT permite plani…car y controlar el desarrollo de un proyecto. A
diferencia de las redes CPM, las redes PERT trabajan con tiempos probabilísticos.
Normalmente para desarrollar un proyecto especí…co lo primero que se hace es
determinar, en una reunión multidisciplinaria, cuáles son las actividades que se
deberá ejecutar para llevar a feliz término el proyecto, cuál es la precedencia entre
ellas y cuál será la duración esperada de cada una.
Para de…nir la precedencia entre actividades se requiere de una cierta cuota de
experiencia profesional en el área, en proyectos a…nes.
3.1.2. Principios
Estos tres principios deben respetarse siempre a la hora de dibujar una malla
PERT:
Principio de designación sucesiva: se nombra a los vértices según los números
naturales, de manera que no se les asigna número hasta que han sido nom-
brados todos aquellos de los que parten aristas que van a parar a ellos.
Principio de unicidad del estado inicial y el …nal: se prohíbe la existencia de
más de un vértice inicial o …nal. Sólo existe una situación de inicio y otra de
terminación del proyecto.
Principio de designación unívoca: no pueden existir dos aristas que tengan los
mismos nodos de origen y de destino. Normalmente, se nombran las activi-
dades mediante el par de vértices que unen. Si no se respetara este principio,
puede que dos aristas recibieran la misma denominación
3.1.3. Duración de una Actividad
Para estimar la duración esperada de cada actividad es también deseable tener
experiencia previa en la realización de tareas similares. En plani…cación y progra-
mación de proyectos se estima que la duración esperada de una actividad es una
3.1 MÉTODO PERT 23
variable aleatoria de distribución de probabilidad Beta Unimodal” de parámetros
(a, m, b) donde :
t
a
= Se de…ne como el tiempo optimista al menor tiempo que puede durar una
actividad.
t
m
= Es el tiempo más probable que podría durar una actividad.
t
b
= Éste es el tiempo pesimista, o el mayor tiempo que puede durar una
actividad.
t
e
= Corresponde al tiempo esperado para una actividad (Este corresponde al
tiempo CPM, asumiendo que los cálculos son exactos).
Nota: Se supone que cada una de las tareas sigue una distribución 1 de Euler.
El valor o tiempo esperado en esta distribución, está expresada por la siguiente
fórmula:
t
e
=
t
a
+4t
m
+t
b
6
cuya varianza esta dada por
o
2
= (
t
b
t
a
6
)
2
En un dibujo de una malla PERT podemos distinguir nodos y arcos,los NODOS
representan instantes en el tiempo. Especí…camente, representan el instante de
inicio de una o varias actividades y simultáneamente el instante de término de
otras varias actividades. Los arcos por su parte representan las actividades, tienen
un nodo inicial y otro de término donde llega en punta de ‡echa. Asociada a cada
arco está la duración esperada de la actividad. Más información de un diagrama de
actividades es representar éstas con una valoración de complejidad para minimizar
el efecto de cuello de botella.
3.1.4. Dibujo de una malla PERT
Existen dos metodologías aceptadas para dibujar una malla PERT, la de “Ac-
tividad en el Arco” y las de “Actividad en el Nodo”, siendo ésta última la más
utilizada en la actualidad en atención a que es la que usan la mayoría de las
aplicaciones computacionales especialistas en este tema.
Cada nodo contiene la siguiente información sobre la actividad:
Nombre de la actividad
Duración esperada de la actividad (t)
Tiempo de inicio más temprano (ES = Earliest Start)
Tiempo de término más temprano (EF = Earliest Finish)
Tiempo de inicio más tardío (LS = Latest Start)
Tiempo de término más tardío (LF = Latest Finish)
24 CAPíTULO 3 PROYECTO
Holgura de la Actividad (H)
Red Pert
Por convención los arcos se dibujan siempre con orientación hacia la derecha,
hacia el nodo de término del proyecto, nunca retrocediendo. El dibujo de una malla
PERT se comienza en el nodo de inicio del proyecto. A partir de él se dibujan las
actividades que no tienen actividades precedentes, o sea, aquellas que no tienen que
esperar que otras actividades terminen para poder ellas iniciarse. A continuación,
se dibujan las restantes actividades cuidando de respetar la precedencia entre ellas.
Al terminar el dibujo de la malla preliminar, existirán varios nodos ciegos, nodos
terminales a los que llegan aquellas actividades que no son predecesoras de ninguna
otra, es decir aquellas que no in‡uyen en la fecha de inicio de ninguna otra, éstas
son las actividades terminales y concurren por lo tanto al nodo de término del
proyecto. para esto no es necesario utilizarlo.
3.2. CPM
El método de la ruta crítica o del camino crítico también conocido por sus
siglas en inglés CPM (Critical Path Method), fue desarrollado en 1957 en los
Estados Unidos de América, por un centro de investigación de operaciones para
las …rmas Dupont y Remington Rand, buscando el control y la optimización de
los costos mediante la planeación y programación adecuadas de las actividades
componentes del proyecto. En administración y gestión de proyectos, una ruta
crítica es la secuencia de los elementos terminales de la red de proyectos con la
mayor duración entre ellos, determinando el tiempo más corto en el que es posible
completar el proyecto. La duración de la ruta crítica determina la duración del
proyecto entero. Cualquier retraso en un elemento de la ruta crítica afecta a la
fecha de término planeada del proyecto, y se dice que no hay holgura en la ruta
crítica.
3.3 ADMINISTRACIÓNDE PROYECTOS CONPERT/CPM 25
Un proyecto puede tener varias rutas críticas paralelas. Una ruta paralela adi-
cional a través de la red con las duraciones totales menos cortas que la ruta crítica
es llamada una sub-ruta crítica.
Originalmente, el método de la ruta crítica consideró solamente dependencias
entre los elementos terminales. Un concepto relacionado es la cadena crítica, la
cual agrega dependencias de recursos. Cada recurso depende del manejador en el
momento donde la ruta crítica se presente.
A diferencia de la técnica de revisión y evaluación de programas (PERT), el
método de la ruta crítica usa tiempos ciertos (reales o determinísticos). Sin embar-
go, la elaboración de un proyecto basándose en redes CPM y PERT son similares
y consisten en:
Identi…car todas las actividades que involucra el proyecto, lo que signi…ca,
determinar relaciones de precedencia, tiempos técnicos para cada una de las
actividades.
Construir una red con base en nodos y actividades (o arcos, según el método
más usado), que implican el proyecto.
Analizar los cálculos especí…cos, identi…cando la ruta crítica y las holguras
de las actividades que componen el proyecto.
En términos prácticos, la ruta crítica se interpreta como la dimensión máxima
que puede durar el proyecto y !las diferencias con las otras rutas que no sean la
crítica, se denominan tiempos de holgura.
3.3. ADMINISTRACIÓNDE PROYECTOS CON
PERT/CPM
Uno de los retos mas importantes de un administrador es el manejo deproyectos
a gran escada, ya que requiere coordinar muchas actividades
en la organización. Una mirada a detalle de la planeación de proyecto, como co-
ordinar las actividades, programar el desarrollo real de estas y
monitorear el progreso del proyecto.
Afortunadamente existen dos tecnicas PERT(Progama de evaluación y evalu-
ación de tecnicas) y CPM(Metodo de ruta critica).
26 CAPíTULO 3 PROYECTO
3.3.1. CONSTRUCCIONDE UNPROTOTIPO
Una compañía constructora hizo la oferta de $5,4 millones para construir una
planta de fabrica. Con las siguientes clausulas:
1. Una penalización de $300000 si la compañía no reliza la obra en 47 sem-
anas.
2. Un bono de $150000 dolares si se termina la obra en 40 semanas
3.4. USANDOREDES PARAVISUALIZAREL
PROYECTO
Se presenta cuan valiosas son los modelos de redes para analizar varias tipos de
problemas. Se puede visualizar las relaciones entre las actividades y la planeación
En la imagen siguiente podemos ver los nodos (Círculos) y arcos (Flechas)
actividades y secuencias del proyecto aquí se presentan tambie los tiempos de
ejecución
de cada una de las actividades asi:
3.5 PROGRAMANDOUNPROYECTOCONPERT/CPM 27
Para realizar un esquema de estas actividades se tiene el esquema de Microsft
Proyect.
3.5. PROGRAMANDO UN PROYECTO CON
PERT/CPM
La base principal de este estudio es reducir el tiempo de desarrollo del proyecto,
encontrando q tareas se deben realizar primero y que otras se pueden realizar
paralelamente
Localizar que actividades necesitan de mayor atención para su realización,recordando
se quiere la ruta mas corta pero q realice la mayor cantidad de actividades ,
volviendo el prototipo propuesto tenemos las siguientes propuestas.
28 CAPíTULO 3 PROYECTO
3.6. PROGRAMANDO ACTIVIDADES INDI-
VIDUALES
Cuando estamos analizando el desarrollo del proyecto debemos tomar en cuan-
tas las actividades que se pueden realizar juntas y las que no se las llama individ-
uales
Para esto debemos tomar en cuantas dos tiempos o parámetros importantes:
1. Tiempo mas temprano de inicio ES
2. Tiempa mas pronto de …nalización EF
DONDE: EF=ES+(Estimacion)de la duración de la actividad
3.6 PROGRAMANDOACTIVIDADES INDIVIDUALES 29
Capítulo 4
Cadena de Markov
Una cadena de markov consta de unos estados 1
1
1
2
1
3
1
4
.... En que inicial-
mente en un tiempo 0 o paso 0 se le llama estado inicial, además de esto consta de
una matriz de transición que signi…ca la posibilidad de que se cambie de estado
en un próximo tiempo o paso.
4.1. MATRIZ DE TRANSICIÓN:
Una matriz de transición para una cadena de Markov de : estados, es una
matriz de : : con todos los registros no negativos y con la propiedad adicional
de que la suma de los registros de cada columna (o …la) es 1.
Por ejemplo: las siguientes son matrices de transición.
0
B
B
B
@
0. 80 0. 20 0. 00
0. 18 0. 75 0. 16
0. 02 0. 05 0. 84
1
C
C
C
A
0
@
1
3
2
3
1 0
1
A
4.2. REPRESENTACIÓN GRAFICA DE UNA
MATRIZ DE TRANSICIÓN:
Es el arreglo numérico donde se condensa las probabilidades de un estado a
otro. A través de una grá…ca de matriz de transición se puede observar el compor-
tamiento estacionario representado por una cadena de Markov tal que los estados
representan la categoría en que se encuentre clasi…cado. Como se aprecia a contin-
uación:
31
32 CAPíTULO 4 CADENA DE MARKOV
4.3. PROPIEDADES:
1. La suma de las probabilidades de los estados debe ser igual a 1.
2. La matriz de transición debe ser cuadrada.
3. Las probabilidades de transición deben estar entre 0 y 1.
La mejor manera de entender que es una cadena de markov es desarrollando
un ejemplo sencillo de estas mismas como el siguiente.
Example 1 :
En un país como Ecuador existen 3 operadores principales de telefonía móvil
como lo son Alegro, Claro y movistar (estados).
Los porcentajes actuales que tiene cada operador en el mercado actual son para
Claro 0.4 para Alegro 0.25 y para Movistar 0.35. (estado inicial)
Se tiene la siguiente información un usuario actualmente de claro tiene una
probabilidad de permanecer en claro de 0.60, de pasar a Alegro 0.2 y de pasarse
a movistar de 0.2; si en la actualidad el usuario es cliente de Alegro tiene una
probabilidad de mantenerse en Alegro del 0.5 de que esta persona se cambie a
Claro 0.3 y que se pase a movistar de 0.2; si el usuario es cliente en la actualidad
de movistar la probabilidad que permanezca en movistar es de 0.4 de que se cambie
a claro de 0.3 y a alegro de 0.3.
Partiendo de esta información podemos elaborar la matriz de transición.
CLARO ALEGRO MOVISTAR
1
1
CLARO 0.6 0.2 0.2
1
2
ALEGRO 0.5 0.3 0.2
1
3
MOVISTAR 0.4 0.3 0.3
4.3 PROPIEDADES: 33
La suma de las probabilidades de cada estado en este caso operador deben ser
iguales a 1.
1
0
= (0.4 0.25 0.35) ÷ estado inicial
También se puede mostrar la transición por un método grá…co
Ahora procedemos a encontrar los estados en los siguientes pasos o tiempos,
esto se realiza multiplicando la matriz de transición por el estado inicial y asi
sucesivamente pero multiplicando por el estado inmediatamente anterior.
CLARO ALEGRO MOVISTAR
1
1
CLARO 0.6 0.2 0.2
1
2
ALEGRO 0.3 0.5 0.2
1
3
MOVISTAR 0.3 0.3 0.4
1
0
0. 4 0. 25 0. 35
1
1
0. 42 0. 31 0. 27
1
0
1
1
2
0. 426 0. 32 0. 254
1
1
1 = 1
0
1 1 = 1
0
1
2
1
3
0. 4278 0. 3214 0. 2508
1
0
1
3
1
4
0. 42834 0. 3215 0. 25016
1
0
1
4
1
5
0. 428502 0. 321466 0. 250032
1
0
1
5
Como podemos ver la variación en el periodo 4 al 5 es muy mínima casi in-
signi…cante podemos decir que ya se a llegado al vector o estado estable.
Example 2 :
34 CAPíTULO 4 CADENA DE MARKOV
Suponga que en el mercado se consiguen 3 tipos de gaseosas colas que son:
coca cola, Pepsi cola y big cola cuando una persona a comprado coca cola existe
una probabilidad de que la siga consumiendo de el 75 %, un 15 % de que compre
Pepsi cola y un 10 % de que compre big cola; cuando el comprador actualmente
consume Pepsi existe una probabilidad de que la siga comprando de 60 %, un 25 %
que compre coca cola y un 15 % big cola; si en la actualidad consuma big cola la
probabilidad de que la siga consumiendo es del 50 %, un 30 % que compre coca
cola y 20 % pepsi cola.
En la actualidad cada marca cocacola, Pepsi y big cola tienen los siguientes
porcentajes en participación en el mercado respectivamente (60 %30 %10 %)
1. Elaborar la matriz de transición.
2. Hallar la probabilidad que tiene cada marca en el periodo 5
Solución
Matriz de transición
COCACOLA PEPSI BIG COLA
1
1
COCACOLA 0.75 0.15 0.1
1
2
PEPSI 0.25 0.6 0.15
1
3
BIG COLA 0.3 0.2 0.5
1
0
0. 6 0. 3 0. 1
1
1
0. 555 0. 29 0. 155
1
0
1
1
2
0. 53525 0. 28825 0. 1765
1
1
1 = 1
0
1 1 = 1
0
1
2
1
3
0. 52645 0. 2835375 0. 1850125
1
0
1
3
1
4
0. 52247563 0. 2890925 0. 188443188
1
0
1
4
1
5
0. 52063941 0. 28931022 0. 18982738
Capítulo 5
Colas
Todos hemos experimentado en alguna ocasión la sensación de estar perdiendo
el tiempo al esperar en una cola. El fenómeno de las colas nos parece natural:
esperamos en el coche al estar en un tapón, o un semáforo mal regulado, o en un
peaje; esperamos en el teléfono a que nos atienda un operador y en la cola de un
supermercado para pagar.... Como clientes no queremos esperar, los gestores de
los citados servicios no quieren que esperemos.... ¿Por qué hay que esperar? La
respuesta es casi siempre simple, en algún momento la capacidad de servicio ha
sido (o es) menor que la capacidad demandada.
5.0.1. Descripción de un problema de colas
Un sistema de colas se puede describir como: “clientes” que llegan buscando un
servicio, esperan si este no es inmediato, y abandonan el sistema una vez han sido
atendidos. En algunos casos se puede admitir que los clientes abandonanel sistema
si se cansan de esperar. El término “cliente” se usa con un sentido general y no
implica que sea un ser humano, puede signi…car piezas esperando su turno para
ser procesadas o una lista de trabajo esperando para imprimir en una impresora
en red.
5.0.2. Características de los sistemas de colas
Seis son las características básicas que se deben utilizar para describir ade-
cuadamente un
35
36 CAPíTULO 5 COLAS
sistema de colas:
1. a) Patrón de llegada de los clientes
b) Patrón de servicio de los servidores
c) Disciplina de cola
d) Capacidad del sistema
e) Número de canales de servicio
f ) Número de etapas de servicio
5.0.3. Patrón de llegada de los clientes
En situaciones de cola habituales, la llegada esestocástica, es decir la llegada
depende de una cierta variable aleatoria, en este caso es necesario conocer la dis-
tribución probabilística entre dos llegadas de cliente sucesivas. Además habría que
tener en cuenta si los clientes llegan independiente o simultáneamente. En este
segundo caso (es decir, si llegan lotes) habría que de…nir la distribución proba-
bilística de éstos. También es posible que los clientes sean “impacientes”. Es decir,
que lleguen a la cola y si es demasiado larga se vayan, o que tras esperar mucho
rato en la cola decidan abandonar.
5.0.4. Disciplina de cola
La disciplina de cola es la manera en que los clientes se ordenan en el momento
de ser servidos de entre los de la cola. Cuando sepiensa en colas se admite que
la disciplina de cola normal es FIFO (atender primero a quien llegó primero) Sin
embargo en muchas colas es habitual el uso de la disciplina LIFO (atender primero
al último). También es posible encontrar reglas de secuencia con prioridades, como
por ejemplo secuenciar primero las tareas con menor duración o según tipos de
clientes.
5.0.5. Notación
Con el paso del tiempo se ha implantado una notación para representar los
problemas de colas que consta de 5 símbolos separados por barras.
A / B / X /Y / Z
A: indica la distribución de tiempo entre llegadas consecutivas
B: alude al patrón de servicio de servidores
X: es el número de canales de servicio
Y: es la restricción en la capacidad del sistema
Z: es la disciplina de cola
37
El símbolo G representa una distribución general de probabilidad, es decir,
que el modelo presentado y sus resultados son aplicables a cualquier distribución
estadística (siempre que sean Variables IID- Independientes e Idénticamente Dis-
tribuidas). Si no existe restricción de capacidad (Y = )
5.0.6. Nomenclatura básica
Ejemplo
Zapatería Mary’s
Los clientes que llegan a la zapatería Mary’s son en promedio 12 por minuto,
de acuerdo a la distribución Poisson.
El tiempo de atención se distribuye exponencialmente con un promedio de 8
minutos por cliente.
La gerencia esta interesada en determinar las medidas de performance para
este servicio.
Datos de entrada:
` = 1,12 clientes por minuto ` = 60,12 = 5 por hora.
j = 1,8 clientes por minuto j = 60,8 = 7.5 por hora.
Resolucion WINQSB
38 CAPíTULO 5 COLAS
39
Capítulo 6
TEORÍA DE JUEGOS
La teoría de juegos como tal fue creada por el matemático húngaro John Von
Neumann (1903-1957) y por Oskar Morgenstern (1902-1976) en 1944 gracias a
la publicación de su libro “The Theory of Games Behavior”. Anteriormente los
economistas Cournot y Edgeworth habían anticipado ya ciertas ideas, a las que
se sumaron otras posteriores de los matemáticos Borel y Zermelo que en uno
de sus trabajos (1913) muestra que juegos como el ajedrez son resolubles. Sin
embargo, no fue hasta la aparición del libro de Von Neumann y Morgenstern
cuando se comprendió la importancia de la teoría de juegos para estudiar las
relaciones humanas.
Von Neumann y Morgenstern investigaron dos planteamientos distintos de la
Teoría de Juegos. El primero de ellos el planteamiento estratégico o no coopera-
tivo. Este planteamiento requiere especi…car detalladamente lo que los jugadores
pueden y no pueden hacer durante el juego, y después buscar cada jugador una
estrategia óptima. En la segunda parte, Von Neumann y Morgenstern desarrol-
laron el planteamiento coalicional o cooperativo, en el que buscaron describir la
conducta optima en juegos con muchos jugadores. Puesto que este es un problema
mucho más difícil, sus resultados fueran mucho menos precisos que los alcanzados
para el caso de suma cero y dos jugadores.
¿Qué es la teoría de juegos?
La teoríaa de juegos (o teorçia de las decisiones interactivas es el estudio del
comportamiento estratégico cuando dos o más individuos interactúan y cada de-
cisión individual resulta de lo que él (o ella) espera que los otros hagan. Es decir,
qué debemos esperar que suceda a partir de las interacciones entre individuos.
41
42 CAPíTULO 6 TEORÍA DE JUEGOS
6.1. DEFINICIONES
1. JUEGO.- Se denomina juego a la situación interactiva especi…cada por el
conjunto de participantes, los posibles cursos de acción que puede seguir cada
participante, y el conjunto de utilidades.
2. ESTRATÉGIA.Cuando un jugador tiene en cuenta las reacciones de otros
jugadores para realizar su elección, se dice que el jugador tiene una estrategia.
Una estrategia es un plan de acciones completo que se lleva a cabo cuando
se juega el juego. Se explicita antes de que comience el juego, y prescribe
cada decisión que los agentes deben tomar durante el transcurso del juego,
dada la información disponible para el agente. La estrategia puede incluir
movimientos aleatorios.
3. VALOR DEL JUEGO.El valor de un juego es una cierta asignación de
utilidades …nales. Se denomina valor de equilibrio si ningún jugador puede
mejorar su utilidad unilateralmente dado que los otros jugadores se mantienen
en sus estrategias. Un equilibrio estratégico es aquel que se obtiene cuando,
dado que cada jugador se mantiene en su estrategia, ningún jugador puede
mejorar su utilidad cambiando de estrategia. Alternativamente, un per…l de
estrategias conforma un equilibrio si las estrategias conforman la mejor re-
spuesta a las otras.
4. MATRIZ DE PAGO. Una matriz de pago es aquella que muestra los resul-
tados correspondientes a todas las combinaciones de alternativas de decisión
y estados de la naturaleza. Las entradas de la matriz de pago además, se
pueden cuanti…car en términos de utilidad, costo, tiempo o cualquier otra
medida de resultado que pudiera ser apropiada para la situación a analizar.
A continuación se muestra una matriz de pago:
5. JUEGOS DE SUMA CERO.- En los juegos de suma cero el bene…cio
total para todos los jugadores del juego, en cada combinación de estrategias,
siempre suma cero (en otras palabras, un jugador se bene…cia solamente a
expensas de otros). El go, el ajedréz, el póker, entre otros, son ejemplos de
juegos de suma cero, porque se gana exactamente la cantidad que pierde el
6.1 DEFINICIONES 43
oponente. Como curiosidad, el fútbol dejó hace unos años de ser de suma cero,
pues las victorias reportaban 2 puntos y el empate 1 (considérese que ambos
equipos parten inicialmente con 1 punto), mientras que en la actualidad las
victorias reportan 3 puntos y el empate 1.
Ahora se analizará una forma de desarrollar un juego y determinar su valor
esperados, para ello se debe referirse al Criterio de Minimáx y Máximini, que
es entre otras cosas fundamentado en el hecho de que un jugador tendrá un
cristerio optimista, pesimista o aquel que disminuye sus riesgos en términos
de pérdidas relativas o pérdidas de oportunidad.
Por ejemplo, se plantea la siguiente matriz de pagos,
Siendo I y II las respectivas estrategias para cada jugador.
Primero que todo se veri…ca si el juego es estrictamente determinado, para
ello se suman los elementos de la matriz, este debe ser igual a cero. Después
de ello se procede a conseguir los valores mínimos para cada …la y los valores
máximos para las columnas, así:
Para hallar el valor del juego se deben conseguir los mínimos con respecto a
cada …la y los máxi
44 CAPíTULO 6 TEORÍA DE JUEGOS
El valor del juego se determina trazando 2 rectas sobre los números que son
iguales entre los hallados anteriormente:
A partir de lo anterior se ha determinado el valor del juego el cual es igual a 2.
En este las estrategias adecuadas a emplear serán la I por parte del Jugador 1 y la
II por parte del jugador 2. Podemos ver además que las ganancias de un jugador
son las pérdidas del otro y se dice que no es un juego justo ya que un jugador tiene
más posibilidades de ganar que otro.
Otro ejemplo, es aquel donde el juego NO es estrictamente determinado.
Como se puede apreciar la suma de los elementos no es igual a cero y ningún
valor mínimos ni máximo es igual, es un claro ejemplo de juego no estrictamente
determinado.
Por otro lado también es importante conocer el concepto de Estrategia Domi-
nante, también conocida como dominancia. Cuando la estrategia de uno de los ju-
gadores es provechosa para él, independiente de la estrategia del jugador oponente.
Las estrategias dominantes dan como resultado …nal el equilibrio de las estrategias
dominantes en el juego. En un juego en el que cada uno de los jugadores tenta una
estrategia dominante el resultado …nal es predecible. Lo contrario de la situación
de estrategia dominante se denomina intransitividad y se caracteriza porque una
6.1 DEFINICIONES 45
estrategia puede ser mejor o peor que la del jugador oponente dependiendo de las
opciones e información que posea.
Como ejemplo se plantea la siguiente matriz y su resolución:
Donde cada uno de los números romanos representa las estrategias para cada
jugador.
En primera instancia, como la estrategia 1 tiene dominancia sobre la 3, se
elimina la …la de dicha estrategia así:
Entonces esto queda como:
Ahora para el J1 todas las estrategias son válidad. En relación al jugador
columna, podemos apreciar que la estrategia 2 domina la estrategia 3, por lo que
debemos eliminar esta última columna.
46 CAPíTULO 6 TEORÍA DE JUEGOS
Asimismo, tanto la estrategia 2 y la 4 tienen dominancia sobre la estrategia 5,
por lo que también se elimina dicha columna.
Además como la estrategia don presenta dominancia tanto para la estrategia 4
como la 6, entonces se eliminan ambas columnas.
Con el procedimiento anterior se ha reducido el juego a una matriz de pagos
3r2.
6.2. ESTRATEGIAS ALEATORIZADAS
Los juegos con estrategias aleatorizadas no poseen puntos de silla, esto quiere
decir que para cualquier decisión de estrategias hay un jugador que puede ben-
e…ciarse cambiando estrategia unilateralmente. De hecho estos son mucho más
frecuentes en la práctica.
6.2 ESTRATEGIAS ALEATORIZADAS 47
En este juego se deben determinar las estrategias óptimas y el valor de este
juego. Para ello se debe ampliar el número de estrategias posibles, es decir, se per-
mitirá que un jugador opte por estrategias concretas en una proporción determi-
nada de casos, que llamaremos probabilidades. A esto se conoce como Estrategias
aleatorizadas o mixtas. Para alcanzar el valor del juego existen varios procedimien-
tos que sirven para su estimación, entre ellos el método grá…co o en caso de ser un
sistema más complejo podremos utilizar el Método Simplex.
Se plantea la siguiente matriz de pagos, en la cual el jugador 1 tiene una
probabilidad de 3/4 de escoger la estrategia I y de 1/4 de escoger la estrategia 2.
Además, el jugador 2, tendrá probabilidades de 1/3 y 2/3 para las estrategias I y
II, respectivamente, para este.
Para asegurar la aleatoriedad de la decisión tomada por cada jugador, puede
simularse la utilización de una ruleta por parte de ellos. Por ejemplo en el caso del
jugador 2, esto es:
Esto quiere decir que, en cualquier momento que le toque al jugador 2 su
turno, este tendrá que hacer girar la ruleta y según donde caiga la ‡echa escogerá
su estrategia.
Por otro lado, para encontrar el valor esperado del juego se debe proceder de
la siguiente forma:
Primero Se determina el valor esperado para cada una de las estrategias de
cualquiera de los dos jugadores esto es:
48 CAPíTULO 6 TEORÍA DE JUEGOS
Lo que se resume en que si el jugador 2 escoge atacar con la estrategia 1, estará
dispuesto a ganar 2, mientras que si decide jugar con la estrategia 2, este
perderá siempre 1/4.
Así como el anterior, también pueden variarse las probabilidades y escogerse las
probabilidades cualesquiera que sean y de esta manera determinar el valor
del juego para cada estrategia.
No obstante, el comportamieto del juego está caracterizado por la determinación
de las probabilidades que maximizan a cada jugador sus posibilidades de
ganar. Si en caso tal dicho valor es encontrado por ambos jugadores, siempre
habrá un empate. Esto se resolverá a partir del método grá…ca de la siguiente
forma.
Para estrategia I. Se sabe que la suma de las probabilidades es igual a 1, por lo
que:
6.2 ESTRATEGIAS ALEATORIZADAS 49
Para la estrategia 2. Igual que para uno se determinan los mismo parámetros.
Esto es:
50 CAPíTULO 6 TEORÍA DE JUEGOS
Ahora trazamos la grá…ca de ambas rectas sobre un plano que tendrá como
ejes el valor esperado y la probabilidad P1 esto es:
Como se puede apreciar el punto de probabilidad P1 que maximiza las ganan-
cias del jugador 2, está entre 0.5 y 0.6. Para determinar exactamente este valor,
debe resolver el sistema de ecuación compuesto por las funciones determinadas de
valor esperado para ambas estrategias de dicho jugador. Entonces tendremos que:
6.3 CONDICIÓN DE NASH 51
Resolviendo por cualquier método de resolución de ecuación se obtiene que:
Y a partir de la ley de probabilidades entonces:
El valor esperado del Juego se conseguirá sólo reemplazando el valor de P1 en
cualquiera de las expresiones denotadas anteriormente. Esto es:
Esto quiere decir que, si ambos jugadores determinan las probabilidades de
acciones de cada uno de sus estrategias, ambos tendran la posibilidad de ganar
13/11. Esto representará entonces un juego equilibrado.
6.3. Condición de Nash
De…namos lo siguiente:
Estrategia: Es un conjunto de acciones plani…cadas sistemáticamente en el
tiempo que se llevan a cabo para lograr un determinado …n o misión.
Táctica: Una táctica es, un método empleado con el …n de tener un objetivo.
En la teoría de los juegos, un “concepto de solución” para juegos con dos o
más jugadores, el cual asume que:
1. Cada jugador conoce y ha adoptado su mejor estrategia, y
2. Todos conocen las estrategias de los otros.
52 CAPíTULO 6 TEORÍA DE JUEGOS
3. Consecuentemente, cada jugador individual no gana nada modi…cando su
estrategia mientras los otros mantengan las suyas. Así, cada jugador está
ejecutando el mejor "movimiento"que puede dados los movimientos de los
demás jugadores.
En otras palabras, un equilibrio de Nash es una situación en la cual todos
los jugadores han puesto en práctica, y saben que lo han hecho, una estrategia
que maximiza sus ganancias dadas las estrategias de los otros. Consecuentemente,
ningún jugador tiene ningún incentivo para modi…car individualmente su estrate-
gia.
Es importante tener presente que un equilibrio de Nash no implica que se logre
el mejor resultado conjunto para los participantes, sino sólo el mejor resultado para
cada uno de ellos considerados individualmente. Es perfectamente posible que el
resultado fuera mejor para todos si, de alguna manera, los jugadores coordinaran
su acción.
En términos económicos, es un tipo de equilibrio de competencia imperfecta que
describe la situación de varias empresas compitiendo por el mercado de un mismo
bien y que pueden elegir cuánto producir para intentar maximizar su ganancia.
6.4. Dilema del prisionero
¿Con qué estructuras estudiamos la teoríaa de juegos?
Existen, fundamentalmente, dos formas distintas de aproximarnos al análisis
de una situación de interacciones entre individuos.
I) La primera (que es quizás la dominante dentro del ambiente de los econo-
mistas) es la teoría de juegos no cooperativos, en la que, básicamente, tenemos un
conjunto de jugadores, cada uno con estrategias a su disposición, y unas asigna-
ciones de pagos que reciben por llevar a cabo tales estrategias. La caracterìstica
“no cooperativa” está en la manera de cómo eligen y en lo que saben de los otros
jugadores cuando eligen: en general, se supone que los individuos toman sus deci-
siones independientemente unos de otros aunque conociendo sus oponentes y las
posibles estrategias que estos tienen a su disposición. Es decir, son individuos egoís-
tas pero que tratan de predecir lo que los otros agentes harán para obrar entonces
en conveniencia propia. En esta estructura de análisis los agentes no alcanzan
ningún nivel de cooperación.
Nada mejor que un ejemplo bien ilustrativo del modus operandi de este tipo de
modelos. Y quizás el más elocuente de los juegos no-cooperativos elementales es el
dilema del prisionero. La historia de este juego va como sigue: dos individuos son
detenidos debido a que cometieron cierto delito. Ambos son separados en celdas
diferentes y son interrogados individualmente. Ambos tienen dos alternativas: co-
operar uno con otro (no-confesar) o no cooperar (confesar el delito). Ellos saben
6.4 DILEMA DEL PRISIONERO 53
que si ninguno con…esa, cada uno irá a prisión por dos años. Pero si uno de los dos
con…esa y el otro no, entonces al que con…esa lo dejarán libre y al que no con…esa
lo condenarán a 10 años. Si ambos con…esan, los dos irán a prisión por 6 años. La
situación se resume en la siguiente bimatriz (es decir, una matriz cuyos elementos
son parejas números):
Pr isionero 1
C `C
Pr isionero 2 C (÷2. ÷2) (÷10. 0)
`C (0. ÷10) (÷6. ÷6)
c = Cooperar (no confesar), `C = cooperar (confesar)
La pregunta natural es: ¿qué harán los detenidos? ¿cooperarán entre sí (no
confesarán) o se traicionarán el uno al otro (confesarán)? Alguien desprevenido
que esté observando este juego podría pensar que los dos jugadores cooperarían
(no confesarán) puesto que en ese caso ambos obtendrían el menor castigo posible.
Sin embargo, la estructura no cooperativa del problema hace que este arreglo no
sea creíble: si se pactara la no-confesión por parte de los dos, ambos tendrían
incentivos particulares para romperlo, pues dejando al otro en cumplimiento del
un “punto …jo”: las expectativas de los gentes con respecto a lo que los demás
harán, coinciden, todas, en el equilibrio de Nash.
II) La segunda estructura fundamental para el estudio de la teoría de juegos
para desde allí predecir resultados de la interacción, es la teoría de juegos coopera-
tivos o coalicionales. Aquí todavía tenemos los mismos agentes egoístas, pero ahora
se asume que, si pueden obtener algún bene…cio de la cooperación, no dudarán en
formar coaliciones quen son creíbles. Por supuesto, bajo una estructura como la
de juegos no cooperativos, un acuerdo de cooperación puede no ser la “solución”,
de manera que los agentes deben tener una estructura de informacióon diferente
si queremos un comportamiento acorde.
Capítulo 7
Modelos ARIMA
7.1. Introducción
En 1970, Box y Jenkins desarrollaron un cuerpo metodológico destinado a
identi…car, estimar y diagnosticar modelos dinámicos de series temporales en los
que la variable tiempo juega un papel fundamental. Una parte importante de
esta metodología está pensada para liberar al investigador económetra de la tarea
de especi…cación de los modelos dejando que los propios datos temporales de la
variable a estudiar nos indiquen las características de la estructura probabilística
subyacente. En parte, los procedimientos que vamos a analizar se contraponen a
la "forma tradicional"de identi…car y especi…car un modelo apoyándonos en las
teorías subyacentes al fenómeno analizado aunque, convenientemente utilizados,
los conceptos y procedimientos que examinaremos constituyen unaherramienta útil
para ampliar y complementar los conocimientos econométricos básicos.
7.2. De…nición y Conceptos Básicos
7.2.1. Proceso Estocrástico y Estacionalidad
Un proceso estocástico es una sucesión de variables aleatorias 1
t
ordenadas,
pudiendo tomar t cualquier valor entre -·y ·. Por ejemplo, la siguiente sucesión
de variables aleatorias puede ser considerada como proceso estocástico:
1
5
. 1
4
. 1
3
. 1
2
. .... 1
3
. 1
4
(7.1)
Cada una de las variables 1
t
que con…guran un proceso estocástico tendrán su
propia función de distribución con sus correspondientes momentos. Así mismo,
cada par de esas variables tendrán su correpondiente función de distribución con-
junta y sus funciones de distribución marginales. Esto mismo ocurrirá, ya no para
55
56 CAPíTULO 7 MODELOS ARIMA
cada par de variables, sino para conjuntos más amplios de las mismas. De esta for-
ma, para caracterizar un proceso estocástico deberíamos especi…car las funciones
de distribución conjunta de cualquier conjunto de variables:
1
t1
. 1
t2
. 1
t3
. 1
t4
. .... 1
tm
(7.2)
cualesquiera que fueran los valores de (t1. t2. ....t:)y cualquiera que fuera el valor
de m.Habitualmente, conocer esas funciones de distribución resulta complejo de
forma que, para caracterizar un proceso estocástico, basta con especi…car la media
y la varianza para cada ¸
t
y la covarianza para variables referidas a distintos valores
de t:
1[1
t
] = j
t
(7.3)
o
2
= \ c:(¸
t
) = 1[¸
t
÷j
t
]
2
(7.4)
¸
t
= Co·(1
y
. 1
x
) = 1[(¸
t
÷j
t
)(¸
s
÷j
s
)] (7.5)
Las distribuciones de probabilidad podrían no estar completamente caracterizadas
en algunas de las variables, los momentos podrían no coincidir incluso no existir
para alguna de las variables aleatorias, lo mismo puede ocurrir con las distribu-
ciones conjuntas o marginales. Sin embargo, de todos los tipos de procesos estocás-
ticos posibles, nos interesan especialmente dos de ellos a los que la estadística ha
dado nombres precisos:
Ruido Blanco: o es una sucesión de variables aleatorias (proceso estocásti-
co) con esperanza (media) cero, varianza constante e independientes para
distintos valores de t (covarianza nula)
Proceso estocrástico estacionario.
Decimos que un proceso estocástico es estacionario si las funciones de dis-
tribución conjuntas son invariantes con respecto a un desplazamiento en el tiempo
(variación de t). Es decir, considerando que t. t +1. t +2. ..... t +/ re‡ejan períodos
sucesivos:
1(1
t
. 1
t+1
. ...1
t+k
) = 1(1
t+m
. 1
t+1+m
. ...... 1
t+k+m
) (7.6)
para cualquier t,k,m. Esta de…nición de estacionariedad se conoce como estacionar-
iedad en sentido estricto o fuerte y puede relajarse sustancialmente utilizando la
denominada estacionariedad en sentido amplio o débil. Decimos que un proceso
estocástico es débilmente estacionario si:
7.3 UN EJEMPLO EN SPSS 57
Las esperanzas matemáticas de las variables aleatorias no dependen del tiem-
po, son constantes:
1[1
t
] = 1[1
t+m
] \: (7.7)
Las varianzas tampoco dependen del tiempo y son …nitas:
\ c:[1
t
] = \ c:[1
t+m
] ,= · \:
Las covarianzas entre dos variables aleatorias del proceso correspondientes
a períodos distintos de tiempo (distintos valores de t) sólamente dependen del
lapso de tiempo transcurrido entre ellas:
Co·(1
t
. 1
s
) = Co·(1
t+m
. 1
s+m
) \: (7.8)
De esta última condición se desprende que, si un fenómeno es estacionario,
sus variables pueden estar relacionadas linealmente entre si, pero de forma que la
relación entre dos variables sólo depende de la distancia temporal k transcurrida
entre ellas. Lógicamente, la estacionariedad en sentido estricto grantiza la esta-
cionariedad en sentido amplio pero no al revés. Una vez introducido el concepto
genérico de proceso estocástico puede decirse que una serie temporal cualquiera
es, en realidad, una muestra, una realización concreta con unos valores concretos
de un proceso estocástico teórico, real.
7.3. Un Ejemplo en SPSS
ANALISIS DE UN ANALISIS TEMPORAL MEDIANTE LA METODOLO-
GIA BOX-JENKINS
Identi…cación del modelo arima
58 CAPíTULO 7 MODELOS ARIMA
7.3 UN EJEMPLO EN SPSS 59
60 CAPíTULO 7 MODELOS ARIMA
7.3 UN EJEMPLO EN SPSS 61
Analisis de la estabilidad en varianzas y transformaciones para conseguir ho-
mocedasticidad
62 CAPíTULO 7 MODELOS ARIMA
Analisis de la estabilidad en medias y de la estacionalidad
7.3 UN EJEMPLO EN SPSS 63
64 CAPíTULO 7 MODELOS ARIMA
Para detectar si la serie Facturac presenta tendencia creciente o decreciente
recurrimos a su funsion de auto correlacion simple
7.3 UN EJEMPLO EN SPSS 65
66 CAPíTULO 7 MODELOS ARIMA
Función de auto correlacion simple y parcial de la serie facturac diferenciada
estacionalmente sobre los 16 primeros retardos
7.3 UN EJEMPLO EN SPSS 67
Determinacion de los ordenes p,d,q,P,D,Q del modelo ARIMA estacional
68 CAPíTULO 7 MODELOS ARIMA
Funciones de auto correlacion simple y parcial de la serie facturac, diferenciada
estacinalmente sobre los 5 primeros retardos estacionales
Ajustes del modelo ARIMA estimación de los parámetros
Ajuste del modelo ARIMA (1.0,0)(0,1,0) 12
7.3 UN EJEMPLO EN SPSS 69
Funciones de auto correlacion simple y parcial de la serie residual ERR#1 sobre
los 5 primeros retardos estacionales
70 CAPíTULO 7 MODELOS ARIMA
Sin Ajuste del modelo ARIMA (1,0,0)(0,1,1)12
Sin termino independiente
7.3 UN EJEMPLO EN SPSS 71
Sobeajuste del modelo ARIMA (1,0,1)(0,1,1)12
Sin termino independiente
Comparacion de los ajustes
Función de auto correlacion simple de la serie residual ERR3 y estadístico de
boxljung
72 CAPíTULO 7 MODELOS ARIMA
Pruebas de Kolmogorov-Smirnov sobre la serie residual ERR_3
Selección comprendida entre enero y diciembre 1995
7.3 UN EJEMPLO EN SPSS 73
Capítulo 8
Glosario de terminos
PERT. Las traducción de las siglas en inglés signi…can: técnica de revisión
y evaluación de programas, es una técnica de redes desarrollado en la década de
los 50, utilizada para programar y controlar programas a realizar. Cuando hay
un grado extremo de incertidumbre y cuando el control sobre el tiempo es más
importante sobre el control del costo, PERT es mejor opción que CPM.
CPM. La traducción de las siglas en inglés signi…can: método del camino críti-
co, es uno de los sistemas que siguen los principios de redes, que fue desarrollado
en 1957 y es utilizado para planear y controlar proyectos, añadiendo el concep-
to de costo al formato PERT. Cuando los tiempos y costos se pueden estimar
relativamente bien, el CPM puede ser superior a PERT.
Actividad. Es un trabajo que se debe llevar a cabo como parte de un proyecto,
es simbolizado mediante una rama de la red de PERT.
Lista de actividades. Es una lista cuidadosa y ordenada donde se recopilan
todas las diferentes actividades que intervienen en la realización de un proyecto.
Evento. Se dice que se realiza un evento, cuando todas las actividades que lle-
gan a un mismo nodo han sido terminadas. Son los círculos numerados que forman
parte del diagrama de red y representan el principio y el …n de las actividades que
intervienen en el proyecto.
Rama. Son las ‡echas que forman Parte del diagrama de red y signi…can las
actividades en el proyecto.
Ruta crítica o camino crítico. Camino es una secuencia de actividades
conectadas, que conduce del principio del proyecto al …nal del mismo, por lo que
aquel camino que requiera el mayor trabajo, es decir, el camino más largo dentro
de la red, viene siendo la ruta crítica o el camino crítico de la red del proyecto.
Predecesor Inmediato. Es una actividad que debe Preceder (estar antes)
inmediatamente a una actividad dada en un proyecto, también nombradas priori-
dades inmediatas.
Diagrama de red. Es una red de círculos numerados y conectados con ‡e-
75
76 CAPíTULO 8 GLOSARIO DE TERMINOS
chas, donde se muestran todas las actividades que intervienen en un determinado
proyecto y la relación de prioridad entre las actividades en la red.
Actividad …cticia. Actividades imaginarias que existen dentro del diagrama
de red, sólo con el Propósito de establecer las relaciones de precedencia y no se
les asigna tiempo alguno, es decir, que la actividad …cticia Permite dibujar redes
con las relaciones de Precedencia apropiadas, se representa por medio de una línea
punteada.
Holgura. Es el tiempo libre en la red, es decir, la cantidad de tiempo que puede
demorar una actividad sin afectar la fecha de terminación del, proyecto total.
Distribución beta. Distribución utilizada para la estimación del tiempo de
actividad esperado en el PERT, esta estimación se basa en el supuesto de que
el tiempo de la actividad es una variable aleatoria cuya Probabilidad tiene una
distribución beta unimodal.
Tiempo optimista. Es el tiempo mínimo o más corto posible en el cual es
probable que sea terminada una actividad si todo marcha a la Perfección, utilizado
en el PERT y simbolizado con a.
Tiempo más probable. Es el tiempo que esta actividad sea más probable
que tome sí se repitiera una y otra vez, en otras palabras, es el tiempo normal que
se necesita en circunstancias ordinarias, utilizado en el PERT y simbolizado con
m.
Tiempo pesimista. Es el tiempo máximo o más largo posible en el cual
es probable sea terminada una actividad bajo las condiciones más desfavorables,
utilizado en el PERT y simbolizado con b.
Tiempo esperado para una actividad. Es el tiempo calculado en el PERT
usando el promedio ponderado (a+4m+b)/6.
Tiempo normal. Es el tiempo en el CPM requerido para terminar una ac-
tividad si esta se realiza en forma normal. Es el tiempo máximo para terminar una
actividad con el uso mínimo de recurso, el tiempo normal se aproxima al tiempo
estimado probable en PERT.
Tiempo acelerado. Tiempo en el CPM que sería requerido si no se evita
costo alguno con tal de reducir el tiempo del proyecto. Tiempo mínimo posible
para terminar una actividad con la concentración máxima de recursos.
INVESTIGACIÓN DE OPERACIONES (IO): Las raíces de la inves-
tigación de operaciones se remontan a muchas décadas, cuando se hicieron los
primeros intentos para emplear el método cientí…co en la administración de una
empresa.
INVESTIGACION OPERATIVA EN CONTEXTO.- La investigación
operativa es una moderna disciplina cientí…ca que se caracteriza por la aplicación
de teoría, métodos y técnicas especiales, para buscar la solución de problemas de
administración, organización y control que se producen en los diversos sistemas que
77
existen en la naturaleza y los creados por el ser humano, tales como las organiza-
ciones a las que identi…ca como sistemas organizados, sistemas físicos, económicos,
ecológicos, educacionales, de servicio social, etc.
LAS PRINCIPALES HERRAMIENTAS DE LA INVESTIGACIÓN
DE OPERACIONES.- Cuando hablamos de herramientas en IO, nos estamos
re…riendo a los diferentes modelos teóricos (como por ejemplo, modelos de trans-
porte y teoría de colas), y a otras disciplinas (como matemática, administración,
economía, etcétera), que se utilizan como instrumentos de trabajo habitual para
el profesional de la Investigación de Operaciones. Debe quedar claro, sin embargo,
que cada día se agregan más tipos de modelos y otras disciplinas imposibles de
enumerar en este momento.
NATURALEZA DE LA INVESTIGACIÓN DE OPERACIONES:
Como su nombre lo dice, la investigación de operaciones signi…ca "hacer investi-
gación sobre las operaciones". Entonces, la investigación de operaciones se aplica
a problemas que se re…eren a la conducción y coordinación de operaciones (o ac-
tividades) dentro de una organización.
SISTEMA: Un sistema es un conjunto de partes o elementos organizados y
relacionados que interactúan entre sí para lograr un objetivo. Los sistemas reciben
(entrada) datos, energía o materia del ambiente y proveen (salida) información,
energía o materia.
ALGORITMOS: un algoritmo es un conjunto …nito bien de…nido de instruc-
ciones para llevar a cabo una determinada tarea que dado un estado inicial, ter-
minará en un estado …nal de…nido.
PROGRAMACIÓN LINEAL: Procedimiento o algoritmo matemático me-
diante el cual se resuelve un problema indeterminado, formulado a través de ecua-
ciones lineales, optimizando la función, también lineal.
SUPUESTOS DE LA PROGRAMACIÓN LINEAL: Existe un número
de suposiciones realizadas en cada modelo. La utilidad de un modelo está directa-
mente relacionada con la realidad de los supuestos. El primer supuesto tiene que
ver con la forma lineal de las funciones. Ya que el objetivo es lineal, la contribución
al objetivo de cualquier decisión es proporcional al valor de la variable de decisión.
OPTIMIZACION: La optimización o programación matemática intenta dar
respuesta a un tipo general de problemas donde se desea elegir el mejor entre un
conjunto de elementos.
FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL:
Aunque se ponga en duda, la parte más difícil de PL es reconocer cuándo ésta
puede aplicarse y formular el problema matemáticamente. Una vez hecha esa parte,
resolver el problema casi siempre es fácil.
ÁREAS DE APLICACIÓN.- Algunas personas se verían tentadas a aplicar
métodos matemáticos a cuanto problema se presentase, pero es que ¿acaso siempre
78 CAPíTULO 8 GLOSARIO DE TERMINOS
es necesario llegar al óptimo? Podría ser más caro el modelar y el llegar al óptimo
que a la larga no nos dé un margen de ganancias muy superior al que ya tenemos.
OBJETIVOS Y MÉTODOS.- El objetivo y …nalidad de la investigación op-
eracional (conocida también como teoría de la toma de decisiones o programación
matemática) es encontrar la solución óptima para un determinado problema (mil-
itar, económico, de infraestructura, logístico, etc.)
MÉTODOS.- La investigación operacional consiste en la aplicación del méto-
do cientí…co, por parte de grupos interdisciplinarios, a problemas de control de
sistemas organizativos con la …nalidad de encontrar soluciones que atiendan de la
mejor manera posible a los objetivos de la organización en su conjunto.
FASES.- La elaboración del problema esta subdividida en fases obligatorias,
las principales son: examen de la situación real y recolección de la información
TOMA DE DESICIONES.- Selección de un curso de acción entre varias
opciones, selección racional de un curso de acción.
ANÁLISIS COSTE-BENEFICIO COST-BENEFIT ANÁLISIS.- For-
ma de análisis socioeconómico en el que los costes y resultados se expresan en valor
monetario.
ANÁLISIS COSTO-BENEFICIO. -Método usado para cuanti…car las rela-
ciones funcionales entre los aspectos más importantes de los bene…cios, identi…can-
do la estructura del bene…cio de una organización.
ANÁLISIS DE COSTO – BENEFICIO.- Búsqueda de la mejor razón
entre bene…cios y costos.
ANÁLISIS DE RIESGOS.- Enfoque del análisis de problemas que pondera
los riesgos de una situación al incluir probabilidades para obtener una evaluación
más exacta de los riesgos existentes.
ANÁLISIS DE SENSIBILIDAD.- Cálculo en porcentaje del efecto de un
cambio porcentual dado en una variable exógena puede producir en otro variable.
ANÁLISIS DE SENSIBILIDAD.- Metodología que permite examinar el
comportamiento de un resultado a la luz de variaciones controladas de unas vari-
ables independientes.
ANÁLISIS DEL PUNTO DE EQUILIBRIO.- Grá…ca y análisis de rela-
ciones, por lo general entre ventas y gastos, para determinar el tamaño o volumen
en que una operación alcanza el punto de equilibrio entre las perdidas y las utili-
dades; se puede usar en cualquier área.
APOYO DE OPERACIÓN, DE FUNCIONAMIENTO (OPERAT-
ING SUPPORT).- Contribución que se hace con el …n de cubrir los gastos del
día a día de una organización: salarios, alquiler, electricidad, material de o…cina,
etc.
ARBOLES DE DECISIÓN.- Técnica que permite analizar decisiones se-
cuenciales basada en el uso de resultados y probabilidades asociadas.
8.1 ANEXOS 79
ARCO.- Par de elementos entre los que existe relación teniendo en cuenta la
orientación, es decir que exista relación orientada.
ASIGNACIÓN DE RECURSOS.- Toda actividad necesita recursos para
ejecutarse. Hay que asignar a cada actividad los recursos y la cantidad de cada
uno de ellos que necesitamos para poder desarrollar la misma.
EFICIENCIA.- Logro de los …nes con la menor cantidad de recursos; el logro
de objetivos al menor costo u otras consecuencias no deseadas.
ALGORITMO.- En un método para resolver un problema mediante una serie
de pasos de…nidos, precisos, …nitos.
8.1. Anexos
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERIA CIENCIAS FISICAS Y
MATEMATICA
Carrera: Ingenieria en Informática
80 CAPíTULO 8 GLOSARIO DE TERMINOS
Asignatura: 706 - Modelos de Investigación de Operaciones
Semestre: 7 Paralelo: 1
Grupo N 4 Integrantes:
Apunte Israel
Arellano David
Betancourt Miguel
Revelo Jhany
Salas Ramiro
Salcedo Luis
Docente: Mat. Benjamín Valarezo
Fecha Quito, miércoles 25 de septiembre de 2013
8.1 ANEXOS 81
OBJETIVO: Formular el problema de transporte mediante el modelo matemáti-
co PL
TIPO DE MODELO: Modelo de Transporte
SOFTWARE: LINDO
8.1.1. PROBLEMA: Red de Transporte
Supongase una red de transporte (conducción hidraúlica, ferrocarril, carreteras,
etc.) a través de la cual se desea enviar un cierto material (aceite, grano, vehiculos,
mensajes, etc.) de un conjunto de nodos de la red, llamados nodos fuente, a un
conjunto de puntos de destino, llamados nodos sumideros. Además de éstos, la red
contiene nodos intermedios, donde no tienen lugar ni entradas de material. Sea ri,
el ‡ujo que va del nodo i al nodo , (positiva en la dirección i ÷, , y negativa en
otro caso).
Los cuatro elementos de estos problemas son:
1. Datos
¸ : El grafo ¸ = (`,¹) que de…ne la red de transporte, donde ` es el conjunto
de nodos, y ¹ es el conjunto de enlaces.
: : el número de nodos de la red.
,i : la entrada (positiva) o la salida (negativa) de material en el nodo i.
,i, : la capacidad máxima del enlace que va del nodo i al nodo ,.
ci, : el coste de enviar una unidad de material del nodo i al nodo ,.
2. Variables: Las variables de este problema son:
ri, : el fujo que va del nodo i al nodo ,.
3. Restricciones: Imponiendo la condición de continuidad en todos los nodos,
y las restricciones de capacidad en todos los enlaces se obtienen las restric-
ciones:
Restricciones de continuidad:
X
(ri,) ÷r,i) = ,i; i = 1. .... :; (8.1)
Restricciones de capacidad:
÷,i, _ ri, _ ,i,; gi _ , (8.2)
82 CAPíTULO 8 GLOSARIO DE TERMINOS
Figura 8.1: 1
4. Función a minimizar: El coste total es:
2 =
X
ci,ri, (8.3)
Los problemas de redes de transporte son muy comunes en ingeniería. De he-
cho, las redes de abastecimiento de agua, los sistemas de comunicaciones, y otros,
conducen a problemas de redes de transporte como el descrito aquí.
Además de resolver los correspondientes problemas de minimización, puede
interesar conocer el conjunto de todas las soluciones factibles y como cambia esta
cuando se produce el fallo de algunos enlaces.
Sea el problema de transporte de la siguiente …gura.
1. Del sistema de ecuaciones resulta:
0
B
B
B
B
B
B
@
1 1 1 0 0
÷1 0 0 1 0
0 ÷1 0 0 1
0 0 ÷1 ÷1 ÷1
1
C
C
C
C
C
C
A
0
B
B
B
B
B
B
B
B
B
@
r12
r13
r14
r24
r34
1
C
C
C
C
C
C
C
C
C
A
=
0
B
B
B
B
B
B
@
,1
,2
,3
,4
1
C
C
C
C
C
C
A
(8.4)
ri, _ ,i, (8.5)
÷ri, _ ,i, (8.6)
donde: ,i, = 4
8.1 ANEXOS 83
Figura 8.2: 2
(,1. ,2. ,3. ,4) = (7. ÷4. ÷1. ÷2)
Supóngase que ci, = 1
El problema de optimización es:
Minimizar:2 = r12 + r13 + r14 + r24 + r34
Sujeto a:
r12 + r13 + r14 _ 7
÷r12 + r24 _ ÷4
÷r13 + r34 _ ÷1
÷r14 ÷r24 ÷r34 _ ÷2
8.1.2. Resultado:
Donde:
Valor de la función objetivo: 7
Reduced Cost: Cantidad que tendria que mejorar el coe…ciente objetivo aso-
ciado para que resulte rentable.
a
signar un valor no nulo a la variable.
Slack or Surplus: Nos dice cuan cerca estamos (en unidades) de agotar la
restricción asociada.
84 CAPíTULO 8 GLOSARIO DE TERMINOS
Figura 8.3: 3
Dual Prices: cantidad en que mejoraría la función objetivo.
8.1.3. ANALISIS DE SENSIBILIDAD
Donde:
Obj Coe¢cient Ranges: cantidad máxima en que podemos aumentar o dis-
minuir los coe…cientes objetivo sin variar su solución optima.
Righthand Side Ranges: cantidad máxima en que podemos aumentar o dis-
minuir los recursos disponibles sin variar la solución.
8.2. Bibliogra…a
Formulación y Resolución de Modelosde Programación Matemática en Inge-
niería y Ciencia.- Enrique Castillo, Antonio J. Conejo, Pablo Pedregal, Ricardo
García y Natalia Alguacil.
Teoría de la Decisión. PERT/CPM. GB ALFREDO CARNEIRO C.
Investigación de Operaciones Hillier-Lieberman
SPSS para Windows: Programación y Análisis Estadístico Magdalena Ferrás

Sign up to vote on this title
UsefulNot useful