Está en la página 1de 13

1.

Elementos bsicos de un modelo matemtico


2. Problemas de aplicacin para formular un modelo

Elementos bsicos de un modelo matemtico


Un modelo matemtico es producto de la abstraccin de un sistema real, eliminando las complejidades y
haciendo suposiciones pertinentes; se aplica una tcnica matemtica y se obtiene una representacin
simblica del mismo.
Un modelo matemtico consta al menos de tres elementos o condiciones bsicas: Las Variables de decisin,
la Funcin Objetivo y las Restricciones.
Variables de decisin y parmetros
Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin del modelo. Los
parmetros representan los valores conocidos del sistema o que se pueden controlar. Las variables de
decisin se representan por: X1, X2, X3,, Xn Xi, i = 1, 2, 3,, n.
Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin, parmetros y una magnitud
que representa el objetivo o producto del sistema. Es la medicin de la efectividad del Modelo formulado en
funcin de las variables. Determina lo que se va optimizar (Maximizar o Minimizar).
La solucin PTIMA se obtiene cuando el valor de la Funcin Objetivo es ptimo (valor mximo o mnimo),
para un conjunto de valores factibles de las variables. Es decir, hay que reemplazar las variables
obtenidas X1, X2, X3,, Xn; en la Funcin Objetivo Z = f (C1X1, C2X2, C3X3,, CnXn) sujeto a las
restricciones del modelo matemtico.
Por ejemplo, si el objetivo es minimizar los costos de operacin, la funcin objetivo debe expresar la relacin
entre el costo y las variables de decisin, siendo el resultado el menor costo de las soluciones factibles
obtenidas.
Restricciones
Las restricciones son relaciones entre las variables de decisin y los recursos disponibles. Las restricciones
del modelo limitan el valor de las variables de decisin. Se generan cuando los recursos disponibles son
limitados.
En el Modelo se incluye, adicionalmente de las restricciones, la Restriccin de No Negatividad de las
Variables de decisin, o sea: Xi = 0.
Por ejemplo, si una de las variables de decisin representa el nmero de empleados de un taller, el valor de
esa variable no puede ser negativo. O tambin, si una de las variables es la cantidad de mesas a fabricar, su
valor solamente podr ser igual a cero mayor que cero, o sea positivo; sera absurdo obtener como
resultado que se va a fabricar 4 mesas.
La programacin lineal es la interrelacin de los componentes de un sistema, en trminos matemticos, ya
sea en forma de ecuaciones o inecuaciones lineales llamado Modelo de Programacin Lineal. Es una tcnica
utilizada para desarrollar modelos matemticos, diseada para optimizar el uso de los recursos limitados
en una empresa u organizacin.
El Modelo de Programacin Lineal, es una representacin simblica de la realidad que se estudia, o del
problema que se va a solucionar. Se forma con expresiones de lgicas matemticas, conteniendo trminos
que significan contribuciones: a la utilidad (con mximo) o al costo (con mnimo) en la Funcin Objetivo del
modelo. Y al consumo de recursos disponibles (con desigualdades = = e igualdades =) en las restricciones.
En el presente texto desarrollaremos Modelos Matemticos de Programacin Lineal de: Maximizacin y
Minimizacin, los cuales estarn indicados en la Funcin Objetivo del Modelo.
Problemas de aplicacin para formular un modelo
1). Proceso de produccin.- Una fbrica produce dos tipos de productos: M y N, los costos de produccin de
ambos productos son $3 para el producto M y $5 para el producto N. El tiempo total de produccin est
restringido a 500 horas; y los tiempos de produccin son de 8 horas/unidad para el producto M y de 4
horas/unidad para el producto N. Formule el Modelo matemtico que permita determinar la cantidad de
productos M y N a producir, y que optimice el Costo total de produccin de los dos productos.
Formulacin del Modelo
En la formulacin del modelo, podemos ayudarnos con la representacin del Problema mediante un
organizador grfico o esquema:

Definicin de Variables
Se desea formular un modelo matemtico para determinar la cantidad que debe producirse por cada producto
(M y N), por lo tanto tendremos dos variables, representados por: x1 , x2.
Siendo: x1 = Cantidad a producirse del producto M,
x2 = Cantidad a producirse del producto N
Funcin Objetivo
Como se tiene informacin de Costos de produccin de los productos M y N, el objetivo ser minimizarlos:

Luego la Funcin Objetivo ser Minimizar "C" igual al Costo total de produccin del producto M ms el Costo
total de produccin del producto N.
Matemticamente la Funcin Objetivo es:
Definicin de Restricciones
El tipo de recurso en el problema es el tiempo (puede ser horas hombre u horas mquina). Formulamos la
restriccin, colocando en el lado izquierdo de la inecuacin el consumo unitario de los productos M y N, y en el
lado derecho la cantidad disponible del recurso (500 horas).

Resumiendo tenemos el siguiente Modelo matemtico de Programacin Lineal del Problema (un modelo con
dos variables y una restriccin, estando listo para aplicar un mtodo de solucin:

2). Lneas de Produccin.- Un empresario tiene 80 kg de acero y 120 kg de aluminio, y quiere fabricar dos
modelos de bicicletas: bicicletas de paseo y bicicletas de montaa, para venderlas en el mercado a S/. 200 y
S/. 150 respectivamente cada modelo, a fin de obtener el mximo beneficio. Para la bicicleta de paseo
emplear 1 kg de acero y 3 kg de aluminio, y para la bicicleta de montaa usar 2 kg de ambos metales.
Formular el modelo matemtico de programacin lineal, que permita determinar la cantidad ptima de
bicicletas a producir, para obtener el mayor beneficio econmico.
Formulacin del Modelo
Representamos el Problema mediante un organizador grfico o esquema

Definicin de Variables:
Se desea determinar la cantidad de bicicletas a producir por cada modelo (paseo y montaa), por lo tanto
tendremos dos variables.
Sean: x1 = Cantidad de bicicletas de paseo a fabricar
x2 = Cantidad de bicicletas de montaa a fabricar
Funcin Objetivo
El objetivo del problema es maximizar los beneficios econmicos totales (Z) de los modelos de bicicletas que
fabricar el empresario.
Precio de venta de la bicicleta de paseo = S/. 200
Precio de venta de la bicicleta de montaa = S/. 150
Beneficio econmico = Precio de venta unitario x cantidad a fabricar
Beneficio econmico total de bicicleta de paseo = 200 x1
Beneficio econmico total de bicicleta de montaa = 150 x2
Luego la Funcin objetivo ser: Maximizar: Z = 200 x1 + 150 x2
Definicin de Restricciones
Elaboramos una tabla de materia prima consumida (Acero y Aluminio) por cada modelo de bicicleta (paseo y
montaa) y su disponibilidad:
Modelo de bicicleta Acero Aluminio
Paseo 1 kg. 3 kg.
Montaa 2 kg. 2 kg.
Disponibilidad de materia prima 80 kg. 120 kg.
Restriccin del consumo de Acero en la fabricacin de bicicletas:
1 x1 + 2 x2 < 80
Restriccin del consumo de Aluminio en la fabricacin de bicicletas:
3 x1 + 2 x2 < 120
Observacin:
El lado derecho de las restricciones, 80 y 120 representa la disponibilidad en kg. de acero y aluminio
respectivamente (materia prima).
El lado izquierdo en las restricciones indica el consumo unitario de materia prima por cada modelo de
bicicleta.
Condicin de no negatividad: La produccin de cada modelo de las bicicletas pueden ser cero (0) o mayor que
cero, o sea: x1, x2 = 0
Luego el Modelo matemtico de Programacin Lineal (con dos variables y dos restricciones) ser:

3). Caso de toma de decisiones.- Suponga con los datos del problema 2), anterior, si el empresario por
restriccin econmica decide hacer solo un modelo de bicicleta. Cul modelo debe elegir? Por qu?
Las alternativas de fabricacin se desarrollan en las restricciones del Modelo matemtico; y la toma de
decisiones se determina evaluando en la Funcin objetivo las alternativas obtenidas.
La decisin a tomar, por restriccin econmica, es producir un solo modelo de bicicleta que genere mayor
beneficio al empresario. Luego desarrollamos las alternativas evaluando en las restricciones del modelo:
La toma de decisiones se realiza evaluando en la Funcin objetivo las alternativas de fabricacin obtenidas
por modelo de bicicleta. A continuacin se muestra el procedimiento a realizar.

Toma de decisiones:
Como la Funcin objetivo es maximizar el beneficio econmico, generado por las ventas, tomamos la decisin
de fabricar solo bicicletas de paseo, por ser el modelo que va generar mayor ganancia, equivalente a S/.
8,000.
Observacin:
Hemos demostrado la importancia de formular un modelo matemtico adecuado, ya que un error en la
formulacin del Modelo, nos puede llevar a tomar una decisin equivocada que puede generar graves
consecuencias para la empresa u organizacin.

Leer ms: http://www.monografias.com/trabajos96/formulacion-modelos-programacion-lineal/formulacion-


modelos-programacion-lineal.shtml#ixzz4EmZajGyJ
INTRODUCCION
En lo estudiado anteriormente hemos podido aprender cmo a partir de la gran cantidad de datos que
describen una muestra mediante una variable, X, se representan grficamente los mismos de modo que
resulta ms intuitivo hacerse una idea de como se distribuyen las observaciones.
Otros conceptos que segn hemos visto, tambin nos ayudan en el anlisis, son los estadsticos de tendencia
central, que nos indican hacia donde tienden a agruparse los datos (en el caso en que lo hagan), y los
estadsticos de dispersin, que nos indican si las diferentes modalidades que presenta la variable estn muy
agrupadas alrededor de cierto valor central, o si por el contrario las variaciones que presentan las
modalidades con respecto al valor central son grandes.
Tambin sabemos determinar ya si los datos se distribuyen de forma simtrica a un lado y a otro de un valor
central.
En este captulo pretendemos interpretar la solucin ptima que se obtiene despus de haber aplicado
el mtodo simplex una situacin muy usual y por tanto de gran inters en la prctica:
Si Y representa una variable definida sobre la misma poblacin que X, ser posible determinar si existe
alguna relacin entre las modalidades de X y de Y?
El valor de la variable original es aquel que se representa por medio de nmeros obtenido de una poblacin o
muestra original.
CAPITULO I

PROGRAMACIN LINEAL
Procedimiento o algoritmo matemtico mediante el cual se resuelve un problema indeterminado, formulado a
travs de ecuaciones lineales, optimizando la funcin objetivo, tambin lineal.
La programacin lineal consiste en optimizar (minimizar o maximizar) una funcin lineal, que denominaremos
funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que
expresamos mediante un sistema de inecuaciones lineales.

MTODO SIMPLEX
Este mtodo, es un algoritmo que parte de una solucin bsica posible y encuentra otra que mejora el valor de
la funcin objetivo. Este procedimiento se repite hasta que se alcanza el ptimo, si ste existe, o se arriba a
una condicin de final anormal. El mtodo realiza una bsqueda eficiente pero no necesariamente recorriendo
la ruta ms corta.
El mtodo hace uso de una tabla de coeficientes de m + 1 filas, correspondiendo a las m restricciones y a la
funcin objetivo y n + m + 2 columnas donde n primeras corresponden a las variables originales, las m
siguientes a las flojas, la penltima a la variable asociada a la funcin objetivo y la restante contiene los
trminos independientes de las restricciones.
La funcin objetivo Z = C0 + ( Cj Xj se incorpora a la tabla bajo la forma Z - ( Cj Xj = C0 y es posible
considerar a Z como una variable ms.
En la tabla 5.1 se muestra el cuadro inicial para el problema planteado.
Tabla 5.1: Tabla Inicial
Tabla 5.1: Tabla Inicial

El origen de coordenadas es una solucin bsica posible que se usa para iniciar el clculo. Corresponde a la
solucin obvia de no hacer nada, por lo cual el beneficio es nulo. Corresponde ahora ver si es posible mejorar
el valor de la funcin objetivo. Para ello se debe analizar las consecuencias de un posible incremento sobre
alguna de aquellas variables que son cero, X1 o X2, por ser las variables independientes o de decisin.
Obviamente, para que la nueva solucin no abandone la zona admisible, no pueden
considerarse valores negativos para tales variables.
Como las variaciones permitidas son positivas, la funcin objetivo aumentar ms rpidamente con aquella
variable que tenga el mayor coeficiente cj positivo, esto es, en la tabla, el ms negativo de la fila de la FO.
Esta variable dejar de ser nula y, en consecuencia, entrar en base. La columna que corresponde a esta
variable se denominar columna pivote, ya que ella determinar las transformaciones que sufra la tabla. Para
el ejemplo que se est analizando se elige X2.
Ahora resta determinar cunto puede aumentarse X2.sin violar la no negatividad de las dems variables.
Dejando X1.nula, de la tabla 5.1 se ve que deber cumplirse:

De acuerdo a estos valores, en un caso el movimiento sera hasta el punto I (X2= 60000), o hasta el punto H
(X2 = 20000) o finalmente hasta el punto G (X2 = 15000). Como puede observarse, la condicin 3 es la ms
restrictiva. Esta fila se denominar fila pivote por la misma razn que la apuntada, en su momento, para la
columna. La interseccin de fila y columna determina el elemento pivote.
Si la variable X2 entrar en base otra variable que est en base debe salir para mantener constante el nmero
de variables no bsicas. Para asegurar que la nueva solucin bsica sea posible, esa variable debe ser S3.,
que pasar a valer cero la distancia a la restriccin 3 ser nula - y la solucin se ubicar sobre la frontera de
dicha restriccin. Para elegir la fila pivote se realiza, en cada fila, el cociente entre el trmino independiente y
el coeficiente de la columna pivote, por ejemplo, en la fila 1, 24000/0,40 = 60000.
Si hubiese aparecido, en la columna pivote, algn coeficiente negativo, es fcil comprobar que, para esa
restriccin, la variable seleccionada podra aumentar indefinidamente sin violar la no negatividad de la
respectiva variable en base, esto es, aquella cuya relacin con las variables independientes est expresada
por la fila en cuestin.

De lo anterior surge que, si en la columna pivote no existe, al menos, un coeficiente positivo, la solucin del
problema se encuentra en el infinito.
Una vez establecidas la columna (l), la fila (k) y el elemento pivote (akl) se est en condiciones de realizar las
modificaciones para llegar a otra solucin bsica posible.
Las transformaciones concluyen con el elemento pivote igual a 1 y los dems coeficientes de la columna
pivote igual a cero
Las transformaciones se realizan de la siguiente manera:
Fila Pivote ( i= k ): para lograr que el nuevo coeficiente en la ubicacin del pivote sea igual a uno, se divide
toda la fila por el elemento pivote.

Filas restantes ( i = 1,... , m , i ( k ): para lograr que, en la columna del pivote todos los elementos sean nulos,
se resta, a cada fila, la obtenida en el paso anterior, multiplicada por el elemento que se desea hacer cero.
Funcin Objetivo: se procede igual que en el paso anterior para lograr que el coeficiente de la variable que
est entrando en base sea nulo:

Los cambios realizados sobre la Tabla 5.1 conducen a la Tabla 5.2, en la cual se puede ver que si las
variables no bsicas (X1 y S3) son nulas, X2 es igual a 15000, S1 es 180000 y S2 es 500 bbl/da, dando un
beneficio de 153000 $/da.
Esta solucin bsica posible se halla sobre la frontera de la restriccin 3, en el punto G de la figura 5.2.
Si se mira la fila de la funcin objetivo se puede ver que an es posible aumentar su valor ya que el
coeficiente de la variable X1 es negativo. Como hay un nico coeficiente con esa caracterstica, sta es la
columna pivote. La restriccin 2 es la elegida como fila pivote por lo cual la variable S2 saldr de base. Las
modificaciones llevan a la Tabla 5.3

Continuando con el procedimiento se obtiene la Tabla 5.4 que corresponde a la solucin ptima (punto D de la
figura 3.2). La optimalidad de esta solucin se deduce del hecho que, en la fila de la funcin objetivo, no existe
ningn coeficiente negativo y, en consecuencia, cualquier apartamiento de esta solucin redundar en una
disminucin del beneficio obtenido.

En el plan de produccin ptimo se produce el mximo permitido de nafta y kerosene y faltan 666,67 bbl/da
(= S3) para llegar al mximo de fuel oil.
En este problema, los coeficientes de las variables no bsicas en la fila de la funcin objetivo son positivos.
Puede ocurrir que en el cuadro correspondiente a la solucin ptima, alguno de esos coeficientes sea nulo.
Esto significa que la correspondiente variable puede entrar en base sin que cambie el valor de la funcin
objetivo. Hay, por lo tanto, ms de un vrtice igualmente ptimo en la zona de soluciones posibles y debido a
su convexidad puede decirse que todos los puntos que son combinacin lineal de dichos vrtices son tambin
ptimos. En consecuencia, puede decirse que el problema tiene infinitas soluciones.
CAPITULO II

INTERPRETAR LA SOLUCIN PTIMA


El conjunto de vrtices del recinto (formados por las restricciones) se denomina conjunto de soluciones
factibles bsicas y el vrtice donde se presenta la solucin ptima se llama solucin mxima(o mnima segn
el caso).
Soluciones complementarias ptimas.- Con la solucin ptima, al final del simplex se tiene, la solucin primal
X* y una ptima complementaria dual Y*, en el rengln Z, como coeficientes de las variables de holgura y/o
artificiales que forman la primera solucin bsica, ("Precios Sombra" o "Variables Duales" o "Multiplicadores
del Simplex").
INTERVALO PERMITIDO PARA PERMANECER PTIMA
Se acaba de describir e ilustrar la forma de analizar cambios simultneos en los coeficientes de una variable
no bsica xj. Es una prctica comn en el anlisis de sensibilidad poner atencin tambin en el efecto de
cambiar slo un parmetro, cj. Esto incluye simplificar el enfoque anterior para encontrar el intervalo de
valores permitidos para permanecer ptima para cj.
Para cualquier cj, su intervalo permitido para permanecer ptima es el intervalo de valores para el que la
solucin ptima actual (obtenida por el mtodo smplex para el modelo actual antes de cambiar cj) permanece
ptima. (Se supone que el cambio en esta nica cj, es el nico cambio al modelo actual.) Cuando xj, es una
variable no bsica para esta solucin, la solucin permanece ptima mientras z*j -cj " 0, donde z*j = y*Aj es
una constante a la que no afecta el cambio en el valor de cj. Entonces, el intervalo permitido para permanecer
ptima para cj, se puede calcular como cj " y*Aj .
Por ejemplo, considere el modelo actual para el problema de la Wyndor Glass Co. que se resume en el lado
izquierdo de la tabla 1.3, donde la solucin ptima actual (con C1 = 3) est dada en el lado derecho. Cuando
slo se cambia C1, esta solucin permanece ptima siempre que 1
c1 " y*A1 = (0, 0, 5/2) 0 = 7 , 3 de manera que C1 " 7 es el intervalo permitido para permanecer ptima.
Una alternativa para realizar esta multiplicacin de vectores es observar en la tabla 1.3 que z*1 - c1 = 9/2 ( el
coeficiente de x1 en el regln 0) cuando c1 = 3, de manera que z*1 = 3 + 9/2 = 7 . Como z1 = y*A1, de
inmediato se llega al mismo intervalo permitido.
Para cualquier variable de decisin no bsica cj, en ocasiones se hace referencia al valor z*j - cj como
el costo reducido para xj, porque es la cantidad mnima en la que tendra que reducirse el costo unitario de la
actividad j para hacer que valga la pena realizar esa actividad j (aumentar el valor de xj a ms de cero). Al
interpretar cj como la ganancia unitaria de la actividad j (lo que reduce el incremento en el costo unitario cj por
la misma cantidad), el valor de z*j - cj es entonces el incremento mximo permitido en cj para conservar
ptima la solucin BF actual.
En la interpretacin de la solucin ptima, se debe ver si el problema tiene "variables discretas" o "variables
continuas". Si se tienen variables discretas, al hacer la interpretacin de la solucin ptima del problema, se
tendr que dar en valores "enteros" haciendo los ajustes requeridos en la solucin matemtica obtenida. Si
son variables continuas, la interpretacin se har directamente con los valores obtenidos sin hacer ningn
ajuste.

VARIABLE
Una variable es una caracterstica que al ser medida en diferentes individuos es susceptible de adoptar
diferentes valores, se representa por un smbolo tal como X, Y, H que puede tomar un valor cualquiera de un
conjunto determinado de ellos, llamado dominio de la variable.
Variable se define tambin como los elementos o propiedades que se
estudian: Sexo, ingresos, educacin, clase social, etc. Variables
Las variables son nmeros reales mayores o iguales a cero.
En caso que se requiera que el valor resultante de las variables sea un nmero entero, el procedimiento de
resolucin se denomina Programacin entera.
RESTRICCIONES
Las restricciones pueden ser de la forma:
Donde:
A = valor conocido a ser respetado estrictamente;
B = valor conocido que debe ser respetado o puede ser superado;
C = valor conocido que no debe ser superado;
j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones);
a; b; y, c = coeficientes tcnicos conocidos;
X = Incgnitas, de 1 a N;
i = nmero de la incgnita, variable de 1 a N.
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; , N < M.
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede no tener
sentido una optimizacin.
Los tres tipos de restricciones pueden darse simultneamente en el mismo problema
VALOR DE LA VARIABLE
Todos los elementos de la poblacin poseen los mismos tipos de caracteres, pero como estos en general no
suelen representarse con la misma intensidad, es obvio que las variables toman distintos valores. Por lo tanto
estos distintos nmeros o medidas que toman los caracteres son los "valores de la variable". Todos ellos
juntos constituyen una variable.
LAS VARIABLES PUEDEN CLASIFICARSE EN DOS TIPOS CUALITATIVAS O CUANTITATIVAS
Variable cualitativa: Son las variables que expresan distintas cualidades, caractersticas o modalidad. Cada
modalidad que se presenta se denomina atributo o categora y la medicin consiste en una clasificacin de
dichos atributos. Las variables cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores
posibles como s y no, hombre y mujer o son politmicas cuando pueden adquirir tres o ms valores
Variable cualitativa no ordenable: Cuando los sucesos elementales se reagrupan en categoras, pero no
requieren un orden determinado, pero si tiene un lmite definido excluyentes unas de otras. Ejemplo:
Variable Categora
Estado civil Soltero, casado, viudo, unin libre
Religiosidad Catlico, protestante, budista, etc
Sexo Femenino, masculino
Nacionalidad Colombiano, peruano, etc.
Rendimiento acadmico Excelente, Bueno, Regular, Deficiente
Nivel Socio-econmico Alto, Medio, Bajo
El orden de las categoras no implica para su ubicacin.
Variable cualitativa ordinal: Cuando los datos se reagrupan en rangos y estn definidos por cualidades o
atributos. Ejemplo. En una evaluacin de lectura (variable) sus rangos son: Eficiente, bueno, aceptable,
deficiente (orden decreciente)
EXISTEN DIVERSAS CLASIFICACIONES DE VARIABLES.
POR SU GRADO DE ABSTRACCIN O CONCRECIN.
Variables Tericas: Son aquellas que son abstractas que no se entienden porque no son observables o
medibles sino se definen. Ejemplos: estatus socioeconmico, rendimiento acadmico, imperialismo,
dependencia, dominacin, infraestructura, etc.
Variables Intermedias: Son aquellas que permiten comprender a las variables tericas. Ejemplo El rendimiento
acadmico no se entiende sino est referida a los calificativos, a la asistencia, a la dedicacin al estudio,
puntualidad del estudiante.
Variables empricas: Indicadores, son aquellas que permiten entender mejor a las variables intermedias y por
tanto a las variables tericas. No necesitan definirse por cuanto son fcilmente entendibles, medibles u
observables. Ejemplos: la variable calificativa puede ser muy buena, buena, regular, mala y psima. Las
variables empricas pueden expresarse cuantitativamente.
POR SU POSICIN EN LA INVESTIGACIN
Variable Dependiente: Es aquella que dentro de una hiptesis representa la consecuencia, el efecto, el
fenmeno que se estudia. Se simboliza con la letra Y. Ejemplo: entre las variables rendimiento acadmico y
aplicacin de mtodos, la variable dependiente es rendimiento acadmico. En una funcin matemtica como
la tpica: Y= (f) X (Se lee Y est en funcin de X; Y depende de X)
Variable Independiente: Es aquella que influye en la variable dependiente y no depende de otra variable,
dentro de una hiptesis. Se simboliza con la letra X. Ejemplo: entre las variables hiperactividad y falta
de autoestima, la variable autoestima es independiente, ya que explica o influye en la hiperactividad del nio.
Variable Extraas: Externas son aquellas que provienen del exterior al campo de investigacin y por ello se
denominan tambin intervinientes. Son de varias clases.
POR SU NATURALEZA
Variables Cualitativas: son aquellas que nominan o sealan cualidades. Ejemplo: La variable talla puede
expresarse: muy alto, alto, mediano, bajo, muy bajo.
Variables Ordinales: son las que expresan una clasificacin jerarquizada, en orden de importancia. Ejemplo: la
variable nivel de instruccin comprende: iletrado, primaria, secundaria, superior.
Variables Cuantitativas: pueden ser discretas y continuas Variable
Variables Discretas: son las que expresan nmeros enteros, por tanto pueden ser contados. Ejemplo
poblacin escolar, produccin de petrleo, nacimientos, muerto, etc.
c. Variables Continuas: son las que expresan en nmeros decimales, por tanto pueden ser medidos con
mayor exactitud. Ejemplo: el peso, edad talla de una persona.
PRESENTACIN GRFICA DE UNA VARIABLE
Un modo simple de presentar una distribucin de valores es mostrar cada valor como un punto en una escala.
Si hay un gran nmero de valores, puede ser mejor clasificarlos primero y entonces presentar la frecuencia de
cada clase como un histograma.

VALOR
Los valores son una cualidad de un objeto. Los valores son agregados a las caractersticas fsicas, tangibles
del objeto; es decir, son atribuidos al objeto por un individuo o un grupo social, modificando -a partir de esa
atribucin- su comportamiento y actitudes hacia el objeto en cuestin.
INTERPRETACIN DE LAS RESTRICCIONES
Restricciones Estructurales. Diferentes requisitos que debe cumplir cualquier solucin para que pueda llevarse
a cabo, dichas restricciones pueden ser de capacidad, mercado, materia prima, calidad, balance
de materiales, etc.
Son las restricciones que forman parte del problema, se tienen dos restricciones (C1 y C2) la restriccin de
la madera y la de horas hombre.
Valor al lado izquierdo: esto nos indica el consumo de recurso, de 30.000 m2 de madera se consumieron
24.000 m2.
Direccin: es la direccin de la restriccin (<=,>= o =)
Valor lado derecho: es el recurso disponible actualmente 30 m2
Holguras: nos indican un faltante o bien un sobrante
Precio sombra: nos indica la solucin Dual, esto es que el 2.6667 indica que cada hra-hombre se debe ofrecer
como mnimo en $/hr 2.6667.
Rango mnimo del bj: esta es la mnima cantidad de recurso que se debe de mantener sin que la base actual
cambie. (0 hrs-hombre)
Rango mnimo del bj: esta es la mxima cantidad de recurso que se debe de mantener sin que la base actual
cambie (60.0000 hrs-hombre).
MTODO GRFICO
El mtodo grfico se utiliza para la solucin de problemas de PL, representando geomtricamente a las
restricciones, condiciones tcnicas y el objetivo.
El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o ms
variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en
actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos.
Los pasos necesarios para realizar el mtodo son nueve:
graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones
en forma simultnea.
Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles.
El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino <= por (=)
para cada restriccin, con lo cual se produce la ecuacin de una lnea recta.
trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin cuando se considera la
desigualdad lo indica la direccin de la flecha situada sobre la lnea recta asociada.
Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y
por consiguiente, representa un punto factible.
Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin ptima puede
determinarse al observar la direccin en la cual aumenta la funcin objetivo.
Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de valores
arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el valor de la funcin
objetivo.
Interpretacin de los resultados: Veamos la salida de un modelo que involucra la planeacin de la produccin,
en donde se desean construir mesas y sillas el recurso disponible es 30 m2 de madera por semana, 48 horas
por semana; la demanda de las sillas es de 5 unidades y la de mesas de 10 unidades, la utilidad que se
obtiene por las mesas es de $10 y por las sillas de $8, adems para construir la mesa se ocupa lo siguiente:
4.5 m2 de madera por unidad, 6 horas por unidad. Para la silla se ocupan: 1.5 m2 de madera por unidad y 3
horas por cada unidad fabricada.
Con esta informacin se desarrolla el modelo siguiente:

CONCLUSION
Los resultados concretos que se obtuvieron en el desarrollo de la investigacin y que fueron presentados
ampliamente en el desarrollo del cuerpo del trabajo, prcticamente es un resumen sinttico de los puntos ms
importantes y significativos para los autores. Estas van acorde al nmero de objetivos planteados en la
investigacin, esto no quiere decir que no se presentar otra informacin importante obtenida durante el
estudio.
Las variables se pueden clasificar segn su naturaleza, segn su posicin en la investigacin y por su grado
de abstraccin. Cada una especifica el objeto que se desea estudiar.
Las variables se pueden representar con las letras x, h, y. de las variables originales se pueden obtener
variables nuevas
El mtodo simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso.
El proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar
sucesivamente otro vrtice que mejore al anterior.

Leer ms: http://www.monografias.com/trabajos87/interpretar-la-solucion-optima/interpretar-la-solucion-


optima.shtml#ixzz4EmbgRzOp