tc3001 08 Intro Sensibilidad PDF

Programación Lineal: Sensibilidad
CCIR / Matemáticas
euresti@itesm.mx
CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 1 / 19

Sensibilidad
Sensibilidad
El Análisis de Sensibilidad se relaciona con la cuantificación de los efectos

en la solución óptima de cambios en los parámetros del modelo
matemático.
Cuando escribimos un modelo, damos por aceptado que los valores de los
parámetros se conocen con certidumbre; pero en la realidad no siempre se cumple
que los valores sean verı́dicos, ya que por ejemplo las variaciones en los costos de
los materiales, en la mano de obra o en el precio de un producto, ocasionan
cambios en los coeficientes de la función objetivo. Ası́ mismo las demoras en los
envı́os de los proveedores, las huelgas, los deterioros no previstos y otros factores
imponderables generarán cambios en la disponibilidad de los recursos.

Sensibilidad
Los cambios en el modelo matemático, que pueden cuantificarse a veces

sin necesidad de volver a resolver el modelo, se relacionan con:
Cambios en los coeficientes de las variables de decisión en la función
objetivo (Ganancias por unidad de variable de decisión) o
Cambios en los lados derechos de las restricciones que definen el
modelo. (Cantidad de recursos disponibles)
Los efectos de cambios en los coeficientes dentro de la matriz A son muy difı́ciles
de cuantificar, y por tanto en estos casos se aconseja correr de nuevo el modelo
con los cambios. En primera instancia veremos cuando sólo un coeficiente cambia;
después veremos cuando varios coeficientes cambian simultáneamente.
El análisis de sinsibilidad lo basaremos en el reporte se salida del software

LINDO.
Los siguientes ejemplos asumen que se tiene disponible el documento
ejemplos-filminas-sensibilidad.doc

Sensibilidad
Ejemplo
Considere el PL: Max x = 3 x1 + 2 x2 sujeto a las restricciones
2 x1 + x2 ≤ 100, x1 + x2 ≤ 80, x1 ≤ 40, x1 ≥ 0 y x2 ≥ 0. La solución
gráfica queda:
T (0, 80)
z = 210
z = 180
z = 150
z = 120
z = 90 S(20, 60), óptimo con z = 180
z = 60
z = 30
z =0
∇z
R(40, 20)
P(0, 0) Q(40, 0)

Sensibilidad
Cambios en el coeficientes de una variable en z
z = b x1 + 2 x2
∇zb=1.5
T (0, 80) Problema:
Determinar el intervalo de va-
lores de b donde el punto
z = 230
S(20, 60) sigue siendo ópti-
S(20, 60)
mo. O mejor aún: iniciando
z = 190 con un bo particular, deter-
minar cuánto se puede dismi-
z = 150 nuir (∆dec ) y cuánto aumentar
(∆inc ) para que S(20, 60) siga
R(40, 20)
z = 110 siendo óptimo:
z = 70 [bo − ∆dec , bo + ∆inc ]
P(0, 0) Q(40, 0)

Sensibilidad
z = b x1 + 2 x2
T (0, 80) Problema:
∇zb=2 lores de b donde el punto
S(20, 60)
con un bo particular, deter-
z = 240
z = 200 nuir (∆dec ) y cuánto aumentar
z = 160
R(40, 20)
siendo óptimo:
z = 120
[bo − ∆dec , bo + ∆inc ]
z = 80
P(0, 0) Q(40, 0)

Sensibilidad
z = b x1 + 2 x2
T (0, 80) Problema:
S(20, 60)
∇zb=2.5mo. O mejor aún: iniciando
z = 250
nuir (∆dec ) y cuánto aumentar
R(40, 20) z = 210
siendo óptimo:
z = 170
z = 130 [bo − ∆dec , bo + ∆inc ]

z = 90
P(0, 0) Q(40, 0)

Sensibilidad
z = b x1 + 2 x2
T (0, 80) Problema:
S(20, 60)
∇zb=3
R(40, 20)
z = 260 siendo óptimo:
z = 220
z = 180
z = 140
z = 100
P(0, 0) Q(40, 0)

Sensibilidad
z = b x1 + 2 x2
T (0, 80) Problema:
S(20, 60)
∇zb=3.5 nuir (∆dec ) y cuánto aumentar
R(40, 20)
siendo óptimo:
z = 270
z = 230
z = 190
z = 150
P(0, 0) z =Q(40,
110 0)

Sensibilidad
z = b x1 + 2 x2
T (0, 80) Problema:
S(20, 60)
∇zb=4
R(40, 20)
siendo óptimo:
z = 280
z = 240
z = 200
z = 160
P(0, 0) z = Q(40,
120 0)

Sensibilidad
z = b x1 + 2 x2
T (0, 80) Problema:
S(20, 60)
∇zb=4.5 (∆inc ) para que S(20, 60) siga
R(40, 20)
siendo óptimo:

z = 290
z = 250
z = 210
P(0, 0) z = 170
Q(40, 0)
z = 130

Rango de Variabilidad
Rango de variabilidad para una variable i: el rango de valores donde puede

estar el coeficiente de la variable i en la función objetivo y seguir siendo
óptima la solución encontrada.
La variación en el valor de la función objetivo puede calcularse:
multiplicando este in(de)cremento por el valor que tiene la variable i. El
nuevo valor de la función objetivo se obtiene sumando tal incremento al
valor del óptimo anterior.

Ejemplo 1 (ejemplos-filminas-sensibilidad.doc: Winco)

Suponga que la compañı́a Winco aumenta el precio del producto 2 en 40 centavos
(X2). ¿Cambia la solución óptima encontrada? ¿Cuál es el valor óptimo?
OBJECTIVE FUNCTION VALUE
1) 6650.000
VARIABLE VALUE REDUCED COST
X1 0.000000 1.000000
X2 400.000000 0.000000
.....................................................
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
.....................................................
b Parte del reporte de LINDO c


Suponga que la compañı́a Winco aumenta el precio del producto 2 en 40 centavos
(X2). ¿Cambia la solución óptima encontrada? ¿Cuál es el valor óptimo?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
.....................................................

Rango (intervalo) para el coeficiente de X2 donde la solución no cambia:
[ 6.000000 − 0.500000 , 6.000000 + 0.666667 ] = [ 5.5 , 6.666667]
El nuevo valor es 6.000000+0.40 = 6.40 y está en el rango. Por tanto, la solución

encontrada sigue siendo óptima. El nuevo valor de Z es:
6650.000 + (400.000000) · (+0.40) = 6810.00


Winco vende 4 tipos de productos: A1, A2, A3 y A4. La manufactura de tales productos requiere materia prima y mano de obra. Un A1 requiere 2
unidades de materia prima y 3 horas de mano de obra y se vende en $4. Un A2 requiere 3 unidades de materia prima y 4 horas de mano de obra y se
vende en $6. Un A3 requiere 4 unidades de materia prima y 5 horas de mano de obra y se vende en $6. Y un A4 requiere 7 unidades de materia prima y 6
horas de mano de obra y se vende en $8. Se dispone de 4,600 unidades de materia prima y 5,000 horas de mano de obra. Para satisfacer la demanda se
deben producir un total de 950 productos totales de los cuales al menos 400 de ellos deben ser A4. Xi = número de productos i a producir.
Suponga que se aumenta el precio de venta del producto 1 en 60 centavos. ¿Cuál

es la nueva solución óptima?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
.....................................................


Winco vende 4 tipos de productos: A1, A2, A3 y A4. La manufactura de tales productos requiere materia prima y mano de obra. Un A1 requiere 2
unidades de materia prima y 3 horas de mano de obra y se vende en $4. Un A2 requiere 3 unidades de materia prima y 4 horas de mano de obra y se
vende en $6. Un A3 requiere 4 unidades de materia prima y 5 horas de mano de obra y se vende en $6. Y un A4 requiere 7 unidades de materia prima y 6
horas de mano de obra y se vende en $8. Se dispone de 4,600 unidades de materia prima y 5,000 horas de mano de obra. Para satisfacer la demanda se
deben producir un total de 950 productos totales de los cuales al menos 400 de ellos deben ser A4. Xi = número de productos i a producir.
Suponga que se aumenta el precio de venta del producto 1 en 60 centavos. ¿Cuál

es la nueva solución óptima?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
.....................................................

Rango para el coeficiente de X1 donde la solución no cambia:
[ 4.000000 − INFINITY , 4.000000 + 1.000000 ] = [ −∞ , 5 ]
El nuevo valor es 4.000000+.60 = 4.60 y está en el rango. Por tanto, la solución
encontrada sigue siendo óptima. El nuevo valor de Z es:

Suponga que se disminuye el precio de venta del producto 3 en 40 centavos.
¿Cuál es la nueva solución óptima?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
X3 150.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
X3 7.000000 1.000000 0.500000
.....................................................


¿Cuál es la nueva solución óptima?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
X3 150.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
X3 7.000000 1.000000 0.500000
.....................................................

[ 7.000000 − 0.500000 , 7.000000 + 1.000000 ] = [ 6.5 , 8 ]
El nuevo valor es 7.000000 + (−.40) = 6.60 y está en el rango. Por tanto, la

solución encontrada sigue siendo óptima. El nuevo valor de Z es:
6650.000 + (150.000000) · (−0.40) = 6590.00


¿Sigue siendo óptima la solución?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
X3 150.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
X3 7.000000 1.000000 0.500000
.....................................................


¿Sigue siendo óptima la solución?
1) 6650.000
X1 0.000000 1.000000
X2 400.000000 0.000000
X3 150.000000 0.000000
.....................................................
X1 4.000000 1.000000 INFINITY
X2 6.000000 0.666667 0.500000
X3 7.000000 1.000000 0.500000
.....................................................

[ 7.000000 − 0.500000 , 7.000000 + 1.000000 ] = [ 6.5 , 8 ]
El nuevo valor es 7.000000−0.60 = 6.40 y NO está en el rango. Por tanto, la

solución encontrada ya no es óptima y debe correrse de nuevo el modelo para
obtener la solución óptima.

Ejemplo 5 (ejemplos-filminas-sensibilidad.doc: Gepbab)

Suponga que se aumenta en 20 centavos costo de producir el producto 1 en la
planta 1, ¿cuál es el nuevo costo de producción total?
1) 128000.0
X11 6000.000000 0.000000
X12 0.000000 1.000000
X13 4000.000000 0.000000
X21 0.000000 1.000000
X22 8000.000000 0.000000
X23 1000.000000 0.000000
.....................................................
X11 5.000000 1.000000 7.000000
X12 6.000000 INFINITY 1.000000
X13 8.000000 1.000000 1.000000
X21 8.000000 INFINITY 1.000000
X22 7.000000 1.000000 7.000000
X23 10.000000 1.000000 1.000000
.....................................................


Suponga que se aumenta en 20 centavos costo de producir el producto 1 en la
planta 1, ¿cuál es el nuevo costo de producción total?
1) 128000.0
X11 6000.000000 0.000000
X12 0.000000 1.000000
X13 4000.000000 0.000000
X21 0.000000 1.000000
X22 8000.000000 0.000000
X23 1000.000000 0.000000
.....................................................
X11 5.000000 1.000000 7.000000
X12 6.000000 INFINITY 1.000000
X13 8.000000 1.000000 1.000000
X21 8.000000 INFINITY 1.000000
X22 7.000000 1.000000 7.000000
X23 10.000000 1.000000 1.000000
.....................................................

Intervalo para la variable X 11 donde la BASE no cambia:
[ 5.000000 − 7.000000 , 5.000000 + 1.000000 ] = [ −2 , 6 ]
El nuevo valor es 5.000000 + (0.20) = 5.2 y está en el rango. Por tanto, la base
sigue siendo óptima. El nuevo valor de Z es:
128000.0 + (6000.000000) · (.20) = 129200.00

Ejemplo
Considere el PL: Max x = 3 x1 + 2 x2 sujeto a las restricciones
2 x1 + x2 ≤ 100, x1 + x2 ≤ 80, x1 ≤ 40, x1 ≥ 0 y x2 ≥ 0. La solución
gráfica queda:
T (0, 80)
z = 210
z = 180
z = 150
z = 120
z = 90 S(20, 60), óptimo con z = 180
z = 60
z = 30
z =0
∇z
R(40, 20)
P(0, 0) Q(40, 0)

Variaciones en los lados derechos de una restricción del PL
b = 70
2 x1 + x2 ≤ b
(0, 70) → z = 140 Problema:
∇z
S( , ) sigue siendo ópti-
z = 260
z = 220
(∆inc ) para que S( , ) siga
z = 180
z = 140
siendo óptimo:
(0, 0) (35, 0)

b = 75
2 x1 + x2 ≤ b
(0, 75) → z = 150
Problema:
∇z
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (37.5, 0)

b = 80
S(0, 80) → z = 160

2 x1 + x2 ≤ b
Problema:
∇z
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)

b = 85
(0, 80)
2 x1 + x2 ≤ b
S(5, 75) → z = 165
Problema:
∇z
z = 260
z = 220
z = 180
(40,
z =5)140
siendo óptimo:
(0, 0) (40, 0)

b = 90
(0, 80)
2 x1 + x2 ≤ b
S(10, 70) → z = 170 Problema:
∇z
z = 260
z = 220
(40, 10)z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)

b = 95
(0, 80)
2 x1 + x2 ≤ b
Problema:
S(15, 65) → z = 175
∇z
z = 260
z = 220
(40, 15) (∆inc ) para que S( , ) siga
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)

b = 100
(0, 80)
2 x1 + x2 ≤ b
Problema:
S(20, 60) → z = 180
∇z
z = 260
(40, 20) nuir (∆dec ) y cuánto aumentar
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)


b = 105
(0, 80)
2 x1 + x2 ≤ b
Problema:
S(25, 55) → z = 185 lores de b donde el punto
∇z
(40, 25)
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)


b = 110
(0, 80)
2 x1 + x2 ≤ b
Problema:
S(30, 50) → z = 190
∇z
(40, 30)
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)


b = 115
(0, 80)
2 x1 + x2 ≤ b
Problema:
∇z
S(35, 45) → z = 195
(40, 35) con un bo particular, deter-
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)


b = 120
(0, 80)
2 x1 + x2 ≤ b
Problema:
∇z
S(40, 40) → z = 200
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)


b = 125
(0, 80)
2 x1 + x2 ≤ b
Problema:
∇z
(40, 40) → z = 200
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)


b = 130
(0, 80)
2 x1 + x2 ≤ b
Problema:
∇z
(40, 40) → z = 200
z = 260
z = 220
z = 180
z = 140
siendo óptimo:
(0, 0) (40, 0)

Rango de Variabilidad del lado derecho de una restricción
Rango de variabilidad en alguna restricción: es el rango de valores

(intervalo) donde puede estar el valor del lado derecho de una restricción y
seguir siendo óptima la base encontrada, es decir, el conjunto de variables
básicas.
La variación en el valor de la función objetivo puede calcularse
multiplicando este in(de)cremento por el precio dual de la restricción
correspondiente y luego
sumarlo al valor del óptimo en caso de maximizar.
restarlo al valor del óptimo en caso de minimizar.
El cálculo de los valores de las variables requiere identificar las variables
básicas y resolver el sistema lineal.


Suponga que se disminuye el número de unidades de materia prima en 100
unidades. ¿Sigue siendo óptima la solución?
1) 6650.000
.....................................................
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 3.000000
3) 0.000000 -2.000000
4) 0.000000 1.000000
5) 250.000000 0.000000
.....................................................
.....................................................
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 950.000000 50.000000 100.000000
3 400.000000 37.500000 125.000000
4 4600.000000 250.000000 150.000000
5 5000.000000 INFINITY 250.000000


Suponga que se disminuye el número de unidades de materia prima en 100
unidades. ¿Sigue siendo óptima la solución?
1) 6650.000
.....................................................
2) 0.000000 3.000000
3) 0.000000 -2.000000
4) 0.000000 1.000000
5) 250.000000 0.000000
.....................................................
.....................................................
2 950.000000 50.000000 100.000000
3 400.000000 37.500000 125.000000
4 4600.000000 250.000000 150.000000
5 5000.000000 INFINITY 250.000000

Intervalo para el lado derecho de la restricción 4) donde la BASE no cambia:
[ 4600.000000 − 150.000000 , 4600.000000 + 250.000000 ] = [ 4450 , 4850 ]
El nuevo valor es 4600.000000 + (−100) = 4500 y está en el rango. Por tanto, la
base encontrada sigue siendo óptima. El nuevo valor de Z es:
6650.000 + (1.000000) · (−100) = 6550.00

El cálculo de los nuevos valores de las variables básicas es un poco laborioso pero
simple: Las variables básicas vienen de dos lados. De las variables de decisión que
tienen costo reducido cero y de las variables de holgura que tiene precio dual cero.
Haciendo cero las variables no básicas y observando cuales renglones tienen
variable de holgura o exceso cero el sistema de restricciones se convierte en:
x2 + x3 + x4 = 950 + 0
x4 = 400 + 0
3 x2 + 4 x3 + 7 x4 = 4600 − 100
4 x2 + 5 x3 + 6 x4 + s4 = 5000 + 0
Formando la aumentada y reduciendo obtenemos:

   
1 1 1 0 950 1 0 0 0 500
 0 0 1 0 400 
→ 0 1 0 0 50 

 
 3 4 7 0 4500   0 0 1 0 400 
4 5 6 1 5000 0 0 0 1 350
Por tanto, los nuevos valores para las mismas variables básicas son x2 = 500,
x3 = 50, x4 = 400 y s4 = 350.


Suponga que se aumenta en 200 el número de unidades 1 a producir. ¿Cuál es el
nuevo costo? OBJECTIVE FUNCTION VALUE
1) 128000.0
.....................................................
2) 0.000000 2.000000
3) 1000.000000 0.000000
4) 0.000000 -7.000000
5) 0.000000 -7.000000
6) 0.000000 -10.000000
.....................................................
2 10000.000000 1000.000000 1000.000000
3 10000.000000 INFINITY 1000.000000
4 6000.000000 1000.000000 1000.000000
5 8000.000000 1000.000000 8000.000000
6 5000.000000 1000.000000 1000.000000


Suponga que se aumenta en 200 el número de unidades 1 a producir. ¿Cuál es el
nuevo costo? OBJECTIVE FUNCTION VALUE
1) 128000.0
.....................................................
2) 0.000000 2.000000
3) 1000.000000 0.000000
4) 0.000000 -7.000000
5) 0.000000 -7.000000
6) 0.000000 -10.000000
.....................................................
2 10000.000000 1000.000000 1000.000000
3 10000.000000 INFINITY 1000.000000
4 6000.000000 1000.000000 1000.000000
5 8000.000000 1000.000000 8000.000000
6 5000.000000 1000.000000 1000.000000

[ 6000.000000 − 1000.000000 , 6000.000000 + 1000.000000 ] = [ 5000 , 7000 ]
El nuevo valor es 6000.000000 + (200) = 6200 y está en el rango. Por tanto, la
base sigue siendo óptima. El nuevo valor de Z es:
128000.000 - por minimizacion (−7.000000) · (200) = 129400.00
Tome nota de la situación: Problemas de minimización y modificación de
restricciones.

Suponga que se aumenta en 800 el número de unidades que puede producir la
planta 1. ¿Cuál es el nuevo costo?
1) 128000.0
.....................................................
2) 0.000000 2.000000
3) 1000.000000 0.000000
4) 0.000000 -7.000000
5) 0.000000 -7.000000
6) 0.000000 -10.000000
.....................................................
2 10000.000000 1000.000000 1000.000000
3 10000.000000 INFINITY 1000.000000
4 6000.000000 1000.000000 1000.000000
5 8000.000000 1000.000000 8000.000000
6 5000.000000 1000.000000 1000.000000


Suponga que se aumenta en 800 el número de unidades que puede producir la
planta 1. ¿Cuál es el nuevo costo?
1) 128000.0
.....................................................
2) 0.000000 2.000000
3) 1000.000000 0.000000
4) 0.000000 -7.000000
5) 0.000000 -7.000000
6) 0.000000 -10.000000
.....................................................
2 10000.000000 1000.000000 1000.000000
3 10000.000000 INFINITY 1000.000000
4 6000.000000 1000.000000 1000.000000
5 8000.000000 1000.000000 8000.000000
6 5000.000000 1000.000000 1000.000000

[ 10000.000000 − 1000.000000 , 10000.000000 + 1000.000000 ] = [ 9000 , 11000 ]
El nuevo valor es 10000.000000 + (800) = 10800 y está en el rango. Por tanto, la
base sigue siendo óptima. El nuevo valor de Z es:
128000.000 - por minimizacion (2.000000) · (800) = 126400.00


Suponga que se disminuye en 200 el número de unidades que se puede en la
planta 2. ¿Cuál es la nueva solución óptima?
1) 128000.0
.....................................................
2) 0.000000 2.000000
3) 1000.000000 0.000000
4) 0.000000 -7.000000
5) 0.000000 -7.000000
6) 0.000000 -10.000000
.....................................................
2 10000.000000 1000.000000 1000.000000
3 10000.000000 INFINITY 1000.000000
4 6000.000000 1000.000000 1000.000000
5 8000.000000 1000.000000 8000.000000
6 5000.000000 1000.000000 1000.000000


Suponga que se disminuye en 200 el número de unidades que se puede en la
planta 2. ¿Cuál es la nueva solución óptima?
1) 128000.0
.....................................................
2) 0.000000 2.000000
3) 1000.000000 0.000000
4) 0.000000 -7.000000
5) 0.000000 -7.000000
6) 0.000000 -10.000000
.....................................................
2 10000.000000 1000.000000 1000.000000
3 10000.000000 INFINITY 1000.000000
4 6000.000000 1000.000000 1000.000000
5 8000.000000 1000.000000 8000.000000
6 5000.000000 1000.000000 1000.000000

[ 10000.000000 − 1000.000000 , 10000.000000 + INFINITY ] = [9000, +∞]
El nuevo valor es 10000.000000 + (−200) = 9800 y está en el rango. Por tanto,

la base encontrada sigue siendo óptima. El nuevo valor de Z es:
128000 − (0.000000) · (−200) = 128000.00
Observe que en la restricción 2 hay un sobrante de 1000 unidades y esto excede el

decremento. Por tanto, la solución actual sigue óptima también en sus valores.

tc3001 08 Intro Sensibilidad PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

tc3001 08 Intro Sensibilidad PDF

Cargado por

Copyright:

Formatos disponibles

Programación Lineal: Sensibilidad

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 1 / 19

El Análisis de Sensibilidad se relaciona con la cuantificación de los efectos

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 2 / 19

Los cambios en el modelo matemático, que pueden cuantificarse a veces

El análisis de sinsibilidad lo basaremos en el reporte se salida del software

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 3 / 19

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 4 / 19

Cambios en el coeficientes de una variable en z

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Cambios en el coeficientes de una variable en z

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Cambios en el coeficientes de una variable en z

z = 130 [bo − ∆dec , bo + ∆inc ]

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Cambios en el coeficientes de una variable en z

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Cambios en el coeficientes de una variable en z

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Cambios en el coeficientes de una variable en z

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Cambios en el coeficientes de una variable en z

[bo − ∆dec , bo + ∆inc ]

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 5 / 19

Rango de variabilidad para una variable i: el rango de valores donde puede

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 6 / 19

Ejemplo 1 (ejemplos-filminas-sensibilidad.doc: Winco)

b Parte del reporte de LINDO c

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 7 / 19

Ejemplo 1 (ejemplos-filminas-sensibilidad.doc: Winco)

b Parte del reporte de LINDO c

[ 6.000000 − 0.500000 , 6.000000 + 0.666667 ] = [ 5.5 , 6.666667]

El nuevo valor es 6.000000+0.40 = 6.40 y está en el rango. Por tanto, la solución

6650.000 + (400.000000) · (+0.40) = 6810.00

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 7 / 19

Ejemplo 2 (ejemplos-filminas-sensibilidad.doc: Winco)

Suponga que se aumenta el precio de venta del producto 1 en 60 centavos. ¿Cuál

b Parte del reporte de LINDO c

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 8 / 19

Ejemplo 2 (ejemplos-filminas-sensibilidad.doc: Winco)

Suponga que se aumenta el precio de venta del producto 1 en 60 centavos. ¿Cuál

b Parte del reporte de LINDO c

Ejemplo 3 (ejemplos-filminas-sensibilidad.doc: Winco)

b Parte del reporte de LINDO c

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 9 / 19

Ejemplo 3 (ejemplos-filminas-sensibilidad.doc: Winco)

b Parte del reporte de LINDO c

[ 7.000000 − 0.500000 , 7.000000 + 1.000000 ] = [ 6.5 , 8 ]

El nuevo valor es 7.000000 + (−.40) = 6.60 y está en el rango. Por tanto, la

6650.000 + (150.000000) · (−0.40) = 6590.00

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 9 / 19

Ejemplo 4 (ejemplos-filminas-sensibilidad.doc: Winco)

b Parte del reporte de LINDO c

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 10 / 19

Ejemplo 4 (ejemplos-filminas-sensibilidad.doc: Winco)

b Parte del reporte de LINDO c

[ 7.000000 − 0.500000 , 7.000000 + 1.000000 ] = [ 6.5 , 8 ]

El nuevo valor es 7.000000−0.60 = 6.40 y NO está en el rango. Por tanto, la

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 10 / 19

Ejemplo 5 (ejemplos-filminas-sensibilidad.doc: Gepbab)

b Parte del reporte de LINDO c

CCIR / Matemáticas () Programación Lineal: Sensibilidad euresti@itesm.mx 11 / 19

Ejemplo 5 (ejemplos-filminas-sensibilidad.doc: Gepbab)