1.

Elementos básicos de un modelo matemático

2. Problemas de aplicación para formular un modelo

Elementos básicos de un modelo matemático

Un modelo matemático es producto de la abstracción de un sistema real, eliminando las complejidades y
haciendo suposiciones pertinentes; se aplica una técnica matemática y se obtiene una representación
simbólica del mismo.
Un modelo matemático consta al menos de tres elementos o condiciones básicas: Las Variables de decisión,
la Función Objetivo y las Restricciones.
 Variables de decisión y parámetros
Las variables de decisión son incógnitas que deben ser determinadas a partir de la solución del modelo. Los
parámetros representan los valores conocidos del sistema o que se pueden controlar. Las variables de
decisión se representan por: X1, X2, X3,…, Xn ó Xi, i = 1, 2, 3,…, n.
 Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión, parámetros y una magnitud
que representa el objetivo o producto del sistema. Es la medición de la efectividad del Modelo formulado en
función de las variables. Determina lo que se va optimizar (Maximizar o Minimizar).
La solución ÓPTIMA se obtiene cuando el valor de la Función Objetivo es óptimo (valor máximo o mínimo),
para un conjunto de valores factibles de las variables. Es decir, hay que reemplazar las variables
obtenidas X1, X2, X3,…, Xn; en la Función Objetivo Z = f (C1X1, C2X2, C3X3,…, CnXn) sujeto a las
restricciones del modelo matemático.
Por ejemplo, si el objetivo es minimizar los costos de operación, la función objetivo debe expresar la relación
entre el costo y las variables de decisión, siendo el resultado el menor costo de las soluciones factibles
obtenidas.
 Restricciones
Las restricciones son relaciones entre las variables de decisión y los recursos disponibles. Las restricciones
del modelo limitan el valor de las variables de decisión. Se generan cuando los recursos disponibles son
limitados.
En el Modelo se incluye, adicionalmente de las restricciones, la Restricción de No Negatividad de las
Variables de decisión, o sea: Xi = 0.
Por ejemplo, si una de las variables de decisión representa el número de empleados de un taller, el valor de
esa variable no puede ser negativo. O también, si una de las variables es la cantidad de mesas a fabricar, su
valor solamente podrá ser igual a cero ó mayor que cero, o sea positivo; sería absurdo obtener como
resultado que se va a fabricar – 4 mesas.
La programación lineal es la interrelación de los componentes de un sistema, en términos matemáticos, ya
sea en forma de ecuaciones o inecuaciones lineales llamado Modelo de Programación Lineal. Es una técnica
utilizada para desarrollar modelos matemáticos, diseñada para optimizar el uso de los recursos limitados
en una empresa u organización.
El Modelo de Programación Lineal, es una representación simbólica de la realidad que se estudia, o del
problema que se va a solucionar. Se forma con expresiones de lógicas matemáticas, conteniendo términos
que significan contribuciones: a la utilidad (con máximo) o al costo (con mínimo) en la Función Objetivo del
modelo. Y al consumo de recursos disponibles (con desigualdades = ó = e igualdades =) en las restricciones.
En el presente texto desarrollaremos Modelos Matemáticos de Programación Lineal de: Maximización y
Minimización, los cuales estarán indicados en la Función Objetivo del Modelo.
 Problemas de aplicación para formular un modelo
1). Proceso de producción.- Una fábrica produce dos tipos de productos: M y N, los costos de producción de
ambos productos son $3 para el producto M y $5 para el producto N. El tiempo total de producción está
restringido a 500 horas; y los tiempos de producción son de 8 horas/unidad para el producto M y de 4
horas/unidad para el producto N. Formule el Modelo matemático que permita determinar la cantidad de
productos M y N a producir, y que optimice el Costo total de producción de los dos productos.
Formulación del Modelo
En la formulación del modelo, podemos ayudarnos con la representación del Problema mediante un
organizador gráfico o esquema:

 Definición de Variables
Se desea formular un modelo matemático 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
 Función Objetivo
Como se tiene información de Costos de producción de los productos M y N, el objetivo será minimizarlos:

Luego la Función Objetivo será Minimizar "C" igual al Costo total de producción del producto M más el Costo
total de producción del producto N.
Matemáticamente la Función Objetivo es:
 Definición de Restricciones
El tipo de recurso en el problema es el tiempo (puede ser horas hombre u horas máquina). Formulamos la
restricción, colocando en el lado izquierdo de la inecuación 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 matemático de Programación Lineal del Problema (un modelo con
dos variables y una restricción, estando listo para aplicar un método de solución:

2). Líneas de Producción.- 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 montaña, para venderlas en el mercado a S/. 200 y
S/. 150 respectivamente cada modelo, a fin de obtener el máximo beneficio. Para la bicicleta de paseo
empleará 1 kg de acero y 3 kg de aluminio, y para la bicicleta de montaña usará 2 kg de ambos metales.
Formular el modelo matemático de programación lineal, que permita determinar la cantidad óptima de
bicicletas a producir, para obtener el mayor beneficio económico.
Formulación del Modelo
Representamos el Problema mediante un organizador gráfico o esquema

 Definición de Variables:
 Se desea determinar la cantidad de bicicletas a producir por cada modelo (paseo y montaña), por lo tanto
tendremos dos variables.
Sean: x1 = Cantidad de bicicletas de paseo a fabricar
x2 = Cantidad de bicicletas de montaña a fabricar
 Función Objetivo
El objetivo del problema es maximizar los beneficios económicos totales (Z) de los modelos de bicicletas que
fabricará el empresario.
Precio de venta de la bicicleta de paseo = S/. 200
Precio de venta de la bicicleta de montaña = S/. 150
Beneficio económico = Precio de venta unitario x cantidad a fabricar
Beneficio económico total de bicicleta de paseo = 200 x1
Beneficio económico total de bicicleta de montaña = 150 x2
Luego la Función objetivo será: Maximizar: Z = 200 x1 + 150 x2
 Definición de Restricciones
Elaboramos una tabla de materia prima consumida (Acero y Aluminio) por cada modelo de bicicleta (paseo y
montaña) y su disponibilidad:
Modelo de bicicleta Acero Aluminio
Paseo 1 kg. 3 kg.
Montaña 2 kg. 2 kg.
Disponibilidad de materia prima 80 kg. 120 kg.
Restricción del consumo de Acero en la fabricación de bicicletas:
1 x1 + 2 x2 < 80
Restricción del consumo de Aluminio en la fabricación de bicicletas:
3 x1 + 2 x2 < 120
Observación:
 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.
 Condición de no negatividad: La producción de cada modelo de las bicicletas pueden ser cero (0) o mayor que
cero, o sea: x1, x2 = 0
Luego el Modelo matemático de Programación Lineal (con dos variables y dos restricciones) será:

3). Caso de toma de decisiones.- Suponga con los datos del problema 2), anterior, si el empresario por
restricción económica decide hacer solo un modelo de bicicleta. ¿Cuál modelo debe elegir? ¿Por qué?
Las alternativas de fabricación se desarrollan en las restricciones del Modelo matemático; y la toma de
decisiones se determina evaluando en la Función objetivo las alternativas obtenidas.
La decisión a tomar, por restricción económica, 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 Función objetivo las alternativas de fabricación obtenidas
por modelo de bicicleta. A continuación se muestra el procedimiento a realizar.

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

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

modelos-programacion-lineal.shtml#ixzz4EmZajGyJ
INTRODUCCION
En lo estudiado anteriormente hemos podido aprender cómo a partir de la gran cantidad de datos que
describen una muestra mediante una variable, X, se representan gráficamente los mismos de modo que
resulta más intuitivo hacerse una idea de como se distribuyen las observaciones.
Otros conceptos que según hemos visto, también nos ayudan en el análisis, son los estadísticos de tendencia
central, que nos indican hacia donde tienden a agruparse los datos (en el caso en que lo hagan), y los
estadísticos de dispersión, que nos indican si las diferentes modalidades que presenta la variable están 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.
También sabemos determinar ya si los datos se distribuyen de forma simétrica a un lado y a otro de un valor
central.
En este capítulo pretendemos interpretar la solución óptima que se obtiene después de haber aplicado
el método simplex una situación muy usual y por tanto de gran interés en la práctica:
Si Y representa una variable definida sobre la misma población que X, ¿será posible determinar si existe
alguna relación entre las modalidades de X y de Y?
El valor de la variable original es aquel que se representa por medio de números obtenido de una población o
muestra original.
CAPITULO I

PROGRAMACIÓN LINEAL
Procedimiento o algoritmo matemático mediante el cual se resuelve un problema indeterminado, formulado a
través de ecuaciones lineales, optimizando la función objetivo, también lineal.
La programación lineal consiste en optimizar (minimizar o maximizar) una función lineal, que denominaremos
función objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de restricciones que
expresamos mediante un sistema de inecuaciones lineales.

MÉTODO SIMPLEX
Este método, es un algoritmo que parte de una solución básica posible y encuentra otra que mejora el valor de
la función objetivo. Este procedimiento se repite hasta que se alcanza el óptimo, si éste existe, o se arriba a
una condición de final anormal. El método realiza una búsqueda eficiente pero no necesariamente recorriendo
la ruta más corta.
El método hace uso de una tabla de coeficientes de m + 1 filas, correspondiendo a las m restricciones y a la
función objetivo y n + m + 2 columnas donde n primeras corresponden a las variables originales, las m
siguientes a las flojas, la penúltima a la variable asociada a la función objetivo y la restante contiene los
términos independientes de las restricciones.
La función 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 más.
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 solución básica posible que se usa para iniciar el cálculo. Corresponde a la
solución obvia de no hacer nada, por lo cual el beneficio es nulo. Corresponde ahora ver si es posible mejorar
el valor de la función 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 decisión.
Obviamente, para que la nueva solución no abandone la zona admisible, no pueden
considerarse valores negativos para tales variables.
Como las variaciones permitidas son positivas, la función objetivo aumentará más rápidamente con aquella
variable que tenga el mayor coeficiente cj positivo, esto es, en la tabla, el más negativo de la fila de la FO.
Esta variable dejará de ser nula y, en consecuencia, entrará en base. La columna que corresponde a esta
variable se denominará columna pivote, ya que ella determinará las transformaciones que sufra la tabla. Para
el ejemplo que se está analizando se elige X2.
Ahora resta determinar cuánto puede aumentarse X2.sin violar la no negatividad de las demás variables.
Dejando X1.nula, de la tabla 5.1 se ve que deberá cumplirse:

De acuerdo a estos valores, en un caso el movimiento sería 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 condición 3 es la más
restrictiva. Esta fila se denominará fila pivote por la misma razón que la apuntada, en su momento, para la
columna. La intersección de fila y columna determina el elemento pivote.
Si la variable X2 entrará en base otra variable que está en base debe salir para mantener constante el número
de variables no básicas. Para asegurar que la nueva solución básica sea posible, esa variable debe ser S3.,
que pasará a valer cero – la distancia a la restricción 3 será nula - y la solución se ubicará sobre la frontera de
dicha restricción. Para elegir la fila pivote se realiza, en cada fila, el cociente entre el término 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, algún coeficiente negativo, es fácil comprobar que, para esa
restricción, la variable seleccionada podría aumentar indefinidamente sin violar la no negatividad de la
respectiva variable en base, esto es, aquella cuya relación con las variables independientes está expresada
por la fila en cuestión.

De lo anterior surge que, si en la columna pivote no existe, al menos, un coeficiente positivo, la solución del
problema se encuentra en el infinito.
Una vez establecidas la columna (l), la fila (k) y el elemento pivote (akl) se está en condiciones de realizar las
modificaciones para llegar a otra solución básica posible.
Las transformaciones concluyen con el elemento pivote igual a 1 y los demás 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 ubicación 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.
Función Objetivo: se procede igual que en el paso anterior para lograr que el coeficiente de la variable que
está 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 básicas (X1 y S3) son nulas, X2 es igual a 15000, S1 es 180000 y S2 es 500 bbl/día, dando un
beneficio de 153000 $/día.
Esta solución básica posible se halla sobre la frontera de la restricción 3, en el punto G de la figura 5.2.
Si se mira la fila de la función objetivo se puede ver que aún es posible aumentar su valor ya que el
coeficiente de la variable X1 es negativo. Como hay un único coeficiente con esa característica, ésta es la
columna pivote. La restricción 2 es la elegida como fila pivote por lo cual la variable S2 saldrá de base. Las
modificaciones llevan a la Tabla 5.3

Continuando con el procedimiento se obtiene la Tabla 5.4 que corresponde a la solución óptima (punto D de la
figura 3.2). La optimalidad de esta solución se deduce del hecho que, en la fila de la función objetivo, no existe
ningún coeficiente negativo y, en consecuencia, cualquier apartamiento de esta solución redundará en una
disminución del beneficio obtenido.

En el plan de producción óptimo se produce el máximo permitido de nafta y kerosene y faltan 666,67 bbl/día
(= S3) para llegar al máximo de fuel oil.
En este problema, los coeficientes de las variables no básicas en la fila de la función objetivo son positivos.
Puede ocurrir que en el cuadro correspondiente a la solución óptima, alguno de esos coeficientes sea nulo.
Esto significa que la correspondiente variable puede entrar en base sin que cambie el valor de la función
objetivo. Hay, por lo tanto, más de un vértice igualmente óptimo en la zona de soluciones posibles y debido a
su convexidad puede decirse que todos los puntos que son combinación lineal de dichos vértices son también
óptimos. En consecuencia, puede decirse que el problema tiene infinitas soluciones.
CAPITULO II

INTERPRETAR LA SOLUCIÓN ÓPTIMA

El conjunto de vértices del recinto (formados por las restricciones) se denomina conjunto de soluciones
factibles básicas y el vértice donde se presenta la solución óptima se llama solución máxima(o mínima según
el caso).
Soluciones complementarias óptimas.- Con la solución óptima, al final del simplex se tiene, la solución primal
X* y una óptima complementaria dual Y*, en el renglón Z, como coeficientes de las variables de holgura y/o
artificiales que forman la primera solución básica, ("Precios Sombra" o "Variables Duales" o "Multiplicadores
del Simplex").
INTERVALO PERMITIDO PARA PERMANECER ÓPTIMA
Se acaba de describir e ilustrar la forma de analizar cambios simultáneos en los coeficientes de una variable
no básica xj. Es una práctica común en el análisis de sensibilidad poner atención también en el efecto de
cambiar sólo un parámetro, cj. Esto incluye simplificar el enfoque anterior para encontrar el intervalo de
valores permitidos para permanecer óptima para cj.
Para cualquier cj, su intervalo permitido para permanecer óptima es el intervalo de valores para el que la
solución óptima actual (obtenida por el método símplex para el modelo actual antes de cambiar cj) permanece
óptima. (Se supone que el cambio en esta única cj, es el único cambio al modelo actual.) Cuando xj, es una
variable no básica para esta solución, la solución permanece óptima 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
óptima 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 solución óptima actual (con C1 = 3) está dada en el lado derecho. Cuando
sólo se cambia C1, esta solución permanece óptima siempre que 1
c1 " y*A1 = (0, 0, 5/2) 0 = 7 ½, 3 de manera que C1 " 7 ½ es el intervalo permitido para permanecer óptima.
Una alternativa para realizar esta multiplicación de vectores es observar en la tabla 1.3 que z*1 - c1 = 9/2 ( el
coeficiente de x1 en el reglón 0) cuando c1 = 3, de manera que z*1 = 3 + 9/2 = 7 ½. Como z1 = y*A1, de
inmediato se llega al mismo intervalo permitido.
Para cualquier variable de decisión no básica cj, en ocasiones se hace referencia al valor z*j - cj como
el costo reducido para xj, porque es la cantidad mínima en la que tendría 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 más 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 máximo permitido en cj para conservar
óptima la solución BF actual.
En la interpretación de la solución óptima, se debe ver si el problema tiene "variables discretas" o "variables
continuas". Si se tienen variables discretas, al hacer la interpretación de la solución óptima del problema, se
tendrá que dar en valores "enteros" haciendo los ajustes requeridos en la solución matemática obtenida. Si
son variables continuas, la interpretación se hará directamente con los valores obtenidos sin hacer ningún
ajuste.

VARIABLE
Una variable es una característica que al ser medida en diferentes individuos es susceptible de adoptar
diferentes valores, se representa por un símbolo 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 también como los elementos o propiedades que se
estudian: Sexo, ingresos, educación, clase social, etc. Variables
Las variables son números reales mayores o iguales a cero.
En caso que se requiera que el valor resultante de las variables sea un número entero, el procedimiento de
resolución se denomina Programación 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 = número de la ecuación, variable de 1 a M (número total de restricciones);
 a; b; y, c = coeficientes técnicos conocidos;
 X = Incógnitas, de 1 a N;
 i = número de la incógnita, 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; ó, N < M.
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede no tener
sentido una optimización.
Los tres tipos de restricciones pueden darse simultáneamente en el mismo problema
VALOR DE LA VARIABLE
Todos los elementos de la población 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 números 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, características o modalidad. Cada
modalidad que se presenta se denomina atributo o categoría y la medición consiste en una clasificación de
dichos atributos. Las variables cualitativas pueden ser dicotómicas cuando sólo pueden tomar dos valores
posibles como sí y no, hombre y mujer o son politómicas cuando pueden adquirir tres o más valores
 Variable cualitativa no ordenable: Cuando los sucesos elementales se reagrupan en categorías, pero no
requieren un orden determinado, pero si tiene un límite definido excluyentes unas de otras. Ejemplo:
Variable Categoría
Estado civil Soltero, casado, viudo, unión libre
Religiosidad Católico, protestante, budista, etc
Sexo Femenino, masculino
Nacionalidad Colombiano, peruano, etc.
Rendimiento académico Excelente, Bueno, Regular, Deficiente
Nivel Socio-económico Alto, Medio, Bajo
El orden de las categorías no implica para su ubicación.
 Variable cualitativa ordinal: Cuando los datos se reagrupan en rangos y están definidos por cualidades o
atributos. Ejemplo. En una evaluación de lectura (variable) sus rangos son: Eficiente, bueno, aceptable,
deficiente (orden decreciente)
EXISTEN DIVERSAS CLASIFICACIONES DE VARIABLES.
POR SU GRADO DE ABSTRACCIÓN O CONCRECIÓN.
 Variables Teóricas: Son aquellas que son abstractas que no se entienden porque no son observables o
medibles sino se definen. Ejemplos: estatus socioeconómico, rendimiento académico, imperialismo,
dependencia, dominación, infraestructura, etc.
 Variables Intermedias: Son aquellas que permiten comprender a las variables teóricas. Ejemplo El rendimiento
académico no se entiende sino está referida a los calificativos, a la asistencia, a la dedicación al estudio,
puntualidad del estudiante.
 Variables empíricas: Indicadores, son aquellas que permiten entender mejor a las variables intermedias y por
tanto a las variables teóricas. No necesitan definirse por cuanto son fácilmente entendibles, medibles u
observables. Ejemplos: la variable calificativa puede ser muy buena, buena, regular, mala y pésima. Las
variables empíricas pueden expresarse cuantitativamente.
POR SU POSICIÓN EN LA INVESTIGACIÓN
 Variable Dependiente: Es aquella que dentro de una hipótesis representa la consecuencia, el efecto, el
fenómeno que se estudia. Se simboliza con la letra Y. Ejemplo: entre las variables rendimiento académico y
aplicación de métodos, la variable dependiente es rendimiento académico. En una función matemática como
la típica: Y= (f) X (Se lee Y está en función de X; ó Y depende de X)
 Variable Independiente: Es aquella que influye en la variable dependiente y no depende de otra variable,
dentro de una hipótesis. 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 niño.
 Variable Extrañas: Externas son aquellas que provienen del exterior al campo de investigación y por ello se
denominan también intervinientes. Son de varias clases.
POR SU NATURALEZA
 Variables Cualitativas: son aquellas que nominan o señalan cualidades. Ejemplo: La variable talla puede
expresarse: muy alto, alto, mediano, bajo, muy bajo.
 Variables Ordinales: son las que expresan una clasificación jerarquizada, en orden de importancia. Ejemplo: la
variable nivel de instrucción comprende: iletrado, primaria, secundaria, superior.
 Variables Cuantitativas: pueden ser discretas y continuas Variable
 Variables Discretas: son las que expresan números enteros, por tanto pueden ser contados. Ejemplo
población escolar, producción de petróleo, nacimientos, muerto, etc.
 c. Variables Continuas: son las que expresan en números decimales, por tanto pueden ser medidos con
mayor exactitud. Ejemplo: el peso, edad ó talla de una persona.
PRESENTACIÓN GRÁFICA DE UNA VARIABLE
Un modo simple de presentar una distribución de valores es mostrar cada valor como un punto en una escala.
Si hay un gran número 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 características físicas, tangibles
del objeto; es decir, son atribuidos al objeto por un individuo o un grupo social, modificando -a partir de esa
atribución- su comportamiento y actitudes hacia el objeto en cuestión.
INTERPRETACIÓN DE LAS RESTRICCIONES
Restricciones Estructurales. Diferentes requisitos que debe cumplir cualquier solución 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 restricción 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.
Dirección: es la dirección de la restricción (<=,>= 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 solución Dual, esto es que el 2.6667 indica que cada hra-hombre se debe ofrecer
como mínimo en $/hr 2.6667.
Rango mínimo del bj: esta es la mínima cantidad de recurso que se debe de mantener sin que la base actual
cambie. (0 hrs-hombre)
Rango mínimo del bj: esta es la máxima cantidad de recurso que se debe de mantener sin que la base actual
cambie (60.0000 hrs-hombre).
MÉTODO GRÁFICO
El método gráfico se utiliza para la solución de problemas de PL, representando geométricamente a las
restricciones, condiciones técnicas y el objetivo.
El modelo se puede resolver en forma gráfica si sólo tiene dos variables. Para modelos con tres o más
variables, el método gráfico es impráctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el método es llamado método gráfico en
actividad. Cuando se relacionan las restricciones tecnológicas se denomina método gráfico en recursos.
Los pasos necesarios para realizar el método son nueve:
 graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones
en forma simultánea.
 Las restricciones de no negatividad Xi>= 0 confían todos los valores posibles.
 El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer término <= por (=)
para cada restricción, con lo cual se produce la ecuación de una línea recta.
 trazar cada línea recta en el plano y la región en cual se encuentra cada restricción cuando se considera la
desigualdad lo indica la dirección de la flecha situada sobre la línea 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 número infinito de puntos factibles en el espacio de soluciones, la solución óptima puede
determinarse al observar la dirección en la cual aumenta la función objetivo.
 Las líneas paralelas que representan la función objetivo se trazan mediante la asignación de valores
arbitrarios a fin de determinar la pendiente y la dirección en la cual crece o decrece el valor de la función
objetivo.
 Interpretación de los resultados: Veamos la salida de un modelo que involucra la planeación de la producción,
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, además 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 información se desarrolla el modelo siguiente:

CONCLUSION
Los resultados concretos que se obtuvieron en el desarrollo de la investigación y que fueron presentados
ampliamente en el desarrollo del cuerpo del trabajo, prácticamente es un resumen sintético de los puntos más
importantes y significativos para los autores. Estas van acorde al número de objetivos planteados en la
investigación, esto no quiere decir que no se presentará otra información importante obtenida durante el
estudio.
Las variables se pueden clasificar según su naturaleza, según su posición en la investigación y por su grado
de abstracción. 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 método simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso.
El proceso concluye cuando no es posible seguir mejorando más dicha solución.
Partiendo del valor de la función objetivo en un vértice cualquiera, el método consiste en buscar
sucesivamente otro vértice que mejore al anterior.

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

optima.shtml#ixzz4EmbgRzOp