8. LA RUTA CRÍTICA DEL PROYECTO.

[ √ ] Solo se construye conlas actividades con olgura a 0

[ ]Siempre es unica en un proyecto
[ ]Tiene la longitud minima
[ ]Nada de lo anterior
9. LA DURACION DE PROYECTO COMPLETO EN EL ENFOQUE PERT SE DESCRIBE POR LA DISTRIBUCION
[ ]Exponencial
[ √ ] Normal
[ ]Recta
[ ]Ninguna de las anteriores
10. EL TIEMPO DE TERMINACION MÁS TARDIA DE UNA ACTIVIDAD
[ √ ] Es el menor de lostiempos de inicio tardiode las actividades sucesoras
[ ]Es el tiempo de terminacion mas proximo mas la duracion de la acividad
[ ]Es el mayorn de los tiempos de terminacion mas proximos de sus predesesores
[ ]Nada de lo anterior
18. PARA UN MODELO DE COLAS CON LA IDENTIFICACION M/D/c/f/k, k ES:
[ ]Numero maximo de cliemtes en espera
[ ]Numero de clientes en poblacion
[ ]numero maximo de clientes en el sistema
[ ]Nada de lo anterior
19. PARA ECUACION DEL LITTLE ¿CUÁL DE LAS SIGUIENTES ECUACIONES NO ES VERDADERO?
[ ]⋋ es la constante de proporcionalidad entre lacantidad de clientes en el sistemas
[ √ ] ⋋ es la tasa de llegada de clientesen un sistema de colas
[ ]La cantidad de clientes en espera es proporcional al tiempo promedio en la…
[ ]La cantidad de clientes en el sistemas es proporcional al tiempo promedio
20. PARA EL MODELO M/M/1, EL TIEMPO PROMEDIO EN EL SISTEMA ES:
[ ] ρ2/( 1−ρ)
[ ]Lq /¿
[ ]/(−µ)
[ √ ] Nada de lo anterior
21. EN UNA CAFETERIA CADA 3 MINUTOS LLEGA 1 CLIENTE CORRESPOMDIENTEMENTE, EN CADA VENTANILLA
SE ATIENDEN HASTA 30 CLIENTES EN UNA HORA. HAY 2 VENTANILLAS, EL TIEMPO DE SERVICIO ES TAMBIEN
UNA VARIABLE ALEATORIA CON DISTRIBUCION EXPONENCIAL. PARA ESTE SISTEMA:
[ ]=3 minutos ;=2 min
[ ]=20 clientes /hora ;=30 clientes /hora
[ ]=20 clientes /hora ;=60 clientes /hora
[ ]Nada de lo anterior
22. LA ATENCION EN UNA VENTANILLA SE REALIZA SUJETO A LA DISTRIBUCION DE POISSON CON
UN…….NINUTOS. LOS TIEMPOS ENTRE LAS LLEGADAS DE LOS CLIENTES SE QUIEREN ACCEDER AL SERVICIO………
LA EXPONENCIAL Y TIEMPO PROMEDIO ENTRE DOS LLEGADAS SUCESIVAS ES 4 MINUTOS LOS CLIENTES EN
ESPERA ES:
[ ]≈ 1 cliente
[ ]≈ 2 clientes
[ ]≈ 3 clientes
[ ]≈ ninguna de las indicadas
1. Una solución óptima entera se puede obtener
[ ]Redondeando la solución de un modelo de PL
[ ] Fuera de espacio de soluciones factibles del modelo
[ ] Ignorando la condición de optimalidad en procedimiento Método Simplex
[ √ ] Ninguna de las anteriores
2. Si Xk y Xm son variables binarias (el valor 1 significa seleccionada) para los: Restricción X k – Xm ≤0 implica que:
[ √ ]K no puede ser seleccionada a menos k mtambién lo sea.
[ ]K debe ser seleccionada si m es seleccionada.
[ ]Xk y Xmson mutuamente excluyentes
[ ] Nada de lo anterior
3. XkyXmson variables binarias (el valor 1 significa opción .
[ ] De exclusión mutua estricta
[ ] De exclusión mutua no estricta
[ ] La restricción contingente
[ ] Nada de lo anterior.
4. En un modelo de PLE hay las restricciones.
[ ]120X1+300X2≤1000+My
[ ] 200X1+1000X2≤3000+M(1-y)
[ √ ]El mayor y=1
5. En el método de plano cortante aplicado a una PLE
[ ]Su cota es menor de la cota inferior actual
[ ] Su programación de PL es factible.
[ ]Su soltura de PL proporciona una solución no entera
[ √ ] Nada de lo anterior
6. Considerando el modelo dado
Z=15X1+30X2→Min
X1+X2≤1
5X1+3X2≤15
3X2≤60X1
X2≥0
X1→binario
[ ]PE pura [ √ ] PE mixta [ ]Binario [ ]Nunguno
7. Considerando el modelo dado
Z=-X1+3X2→Max
X1-3X2≤3
3X1+3X2≥15
X1-3X2=-6
X1 ,X2≥0→entero
¿Cuál es la solución de la soltura de PL del modelo dado?
[ ]X1=3 ;X2=0
[ ]X1=7 ;X2=13/3
[ ]X1=7 ;X2=2/5
[ √ ] Nada de loenterior
8. Considerando el modelo dado
Z=-X1+3X2→Max
X1-5X2≤5
5X1+3X2≥15
X1-3X2=-6
X1 ,X2≥0→entero
¿Cuál es la solución de la soltura de PL del modelo dado?
[ ]X1=3 ;X2=0
[ ]X1=3 ;X2=3 y X1=6 ;X2=4
[ ]X1=6 ;X2=4
[ √ ] Nada de loenterior
 9. Considerando el modelo dado
Z=-3X1+15X2→Max
X1-5X2≤5
5X1+3X2≥15
X1-3X2=-6
X1 , X2≥0→entero
¿Cuál es la solución de la soltura de PL del modelo dado?
[ ]X1=3; X2=0
[ ]X1=7; X2=13/3
[ ]X1=7; X2~2/5
[ √ ] Nada de loenterior
10. Considerando el modelo dado
Z=-3X1+15X2→Max
X1-5X2≤5
5X1+3X2≥15
X1-3X2=-6
X1 , X2≥0→entero
El resultado de solución de modelo es el caso de
[ ]Solución única
[ ]Soluciones infectables
[ ]Soluciones óptimas alternativas
[ √ ]Ninguna de las anteriores
13. Un modelo de colas con la población de clientes infinita.
[ ]D/M/c [ √ ]M/M/c [ ]M/D/c [ ]Nunguno
1. En una PLE:
[ √ ] La función objetivo puede ser de maximización o de minimización
[ ] Todas las variables de decisión deben ser enteras
[ ¿ ] Para algunos coeficientes existe la restricción de que sean enteros, pero para otros no.
[ ] Nada de lo anterior
2. El redondeo de la solución de PEL para obtener la solución entera puede afectar
[ ]Solo la optimalizad de la solución
[ ]Solo la factibilidad de la solución
[ ]Ni A ni B
[ √ ]La optimalidad y factibilidad de la solución.
3. Una solución optima entera se puede obtener
[ ]Redondeando la solución de un modelo PL
[ ]Fuera del espacio de soluciones factibles del modelo
[ ]Ignorando la condición de optimalizad en procedimiento del
[ √ ]Ninguna de las anteriores
4. La soltura o relajación de PL de una PLE
[ ]Permite excluir del modelo restricción de no negatividad para las variables de decisión
[ ]Considera que las variables deben ser enteras
[ ]Permite una función objetivo no lineal
[ √ ] Ninguna de las anteriores
5. Si Xk y Xm son variables binarias (el valor 1 significa seleccionada) para los proyectos k y m, respectivamente la restricción
Xk – Xm ≤0 implica que:
[ √ ]K no puede ser seleccionada a menos k m también lo sea.
[ ]K debe ser seleccionada si m es seleccionada.
[ ]Xk y Xm son mutuamente excluyentes
[ ] Nada de lo anterior
6. Xk y Xm son variables binarias (el valor 1 significa seleccionada para los proyectos k y m respectivamente, la restricción X k
+Xm ≤implica que:
[ ]K debe ser seleccionada si m es seleccionada.
[ ]Si m no se selecciona k tampoco se selecciona
[ √ ] K y m no pueden ser seleccionadas juntos
[ ] Nada de lo anterior
7. Si Xk y Xm son variables binarias (el valor 1 significa opción seleccionada) la restricción X k + Xm ≤1 es:
[ ]De exclusión mutua estricta
[ √ ] De exclusión mutua no estricta
[ ]La restricción contingente
[ ] Ninguna de las anteriores
8. Si Xk y Xm son variables binarias (el valor 1 significa opción seleccionada) la restricción X k + Xm ≤2 es:
[ ]Limita que haya dos sucesos seleccionados
[ ] Limita que no haya menos que dos sucesos seleccionados
[ √ ]No limita nada
[ ¿ ] Ninguna de las anteriores
9. Supongamos que un Producto pueda ser fabricado ya sea en cantidad nula (significa que no se produce o en tamaño de
lotes ≥1 y sea X la cantidad producida de dicho producto. Para este caso las dos sgtes restricciones son apropiadas donde
M es el numero arbitrariamente grande y Y es la variable binaria.
[ ]X+MY≤0 ; X-LY ≥0
[ ] X-MY≥0 ; X-LY ≥0
[ √ ] X-MY≤0 ; X-LY ≥0
[ ] Ninguna de las anteriores
10. En un modelo de PLE hay las restricciones
120X1+300X2≤1000+My
 200X1+1000X2≤3000+M(1-y)
Con el valor y=0
[ ¿ ] Se considera 1ra restricción y 2da no se considera
[ √ ] Se considera 2da restricción y 1ra no se considera
[ ]Se consideran ambas restricciones
[ ] No se considera ningu8na de las restricciones
11. En el método de plano cortante aplicado en a una PLE con objetivo de maximización
[ √ ]Cada nueva iteración mejora el valor de la función objetivo
[ ]Un nodo esta sonseado si su soltura de PL no es factible
[ ] El corte se construye extrayendo la fraccionaria negativa
[ ]Nada de lo anterior
12. En el método de plano cortante aplicando a una PLE con objetivo de minimización un nodo esta sonseado
[ ]Su cota es menor de la cota inferior actual
[ ]Su soltura de PL es factible
[ ]Su soltura de PL proporciona una solución no entera
[ √ ]Nada de lo anterior
13. La ramificación se realiza para la variable
[ ]Cualquiera
[ ] Que no está restringida con la condición de enteridad.
[ √ ] Que está restringida con la condición de la enteridad y tiene el valor no entero en la solución actual.
[ ] Ninguna de las anteriores

14. En el método de ramificación y acotamiento aplicado a una PLE con objetivos de maximización un nodo esta sonseado
[ √ ]Su cota es menor de la cota inferior actual
[ ] Si su soltura de PL es factible
[ ]Si su soltura de PL todavía proporciona una solución no entera
[ ] Ninguna de las anteriores
15. Una trayectoria en una red de proyecto
[ ] Siempre corresponde a la ruta crítica del proyecto
[ √ ]Es la ruta que siguen los arcos desde el nodo inicio hasta el nodo de terminación
[ ]Tiene siempre la longitud mínima
[ ]Nada de lo anterior
16. La ruta critica del proyecto
[ √ ]Solo se construye con las actividades con holgura cero
[ ]Siempre es única en un proyecto
[ ]Tiene la longitud mínima
[ ] Ninguna de las anteriores
17. En el enfoque CPM
[ ]Supone que la duración del proyecto se aproxima a la distribución normal
[ ]Usa solo una estimación de duración de la actividad
[ ] a) y b)
[ ] Ninguna de las anteriores
18. En el enfoque PERT
[ ]Supone que la duración de la actividad se aproxima a la distribución beta
[ ]Usa tres estimaciones
[ ]Supone que las duraciones de las actividades en la ruta crítica son estadísticamente independientes
[ √ ]Todo lo anterior
19. La duración de una actividad en el enfoque PERT se describe por la distribución
[ ]Exponencial
[ √ ]Normal
[ ]Beta
[ ] Ninguna de las anteriores
20. El tiempo de inicio más cercano de una actividad
[ ]Es el menor de los tiempos de terminación de una de las actividades predecesoras
[ ]Es mayor que el tiempo de terminación más próximo a la misma actividad
[ √ ]Es el mayor de los tiempos de terminación más próximos de sus predecesoras inmediatas
[ ] Ninguna de las anteriores
21. El tiempo de terminación mas tardía de una actividad es
[ √ ]Es el menor de los tiempos de inicio tardío de las actividades sucesoras
[ ]Es el tiempo de terminación más próxima la duración de la actividad
[ ]Es el mayor de los tiempos de terminación más próximos de sus predecesoras inmediatas
[ ] Ninguna de las anteriores
22. En el análisis de disminución de tiempo del proyecto deben considerase
[ ]Las actividades que tienen el costo mínimo de reducción
[ √ ]Las actividades de la ruta critican
[ ]Las relaciones de precedencias
[ ]Todo lo anterior
23. Para sgte listado de actividades
Activida Predecesor Duració Costo de
d a n (días) reducción ($$/dia)
A - 2 20
B A 2 10
C - 5 30
D B,C 3 50
E B 6 50
F D 4 10
G F 2 15
23.1 La duración del proyecto es:
[ ]10dias
[ √ ]14 dias
[ ]24 días
[ ] Ninguna de las anteriores
23.2 La ruta crítica del proyecto es
[ ]i-A-B-E-T
[ √ ]i-C-D-F-G-T
[ ]i-A-B-D-F-G-T
[ ] Ninguna de las anteriores
23.3 Cual de las actividades D,E o F debe seleccionarse para reducción del tiempo de proyecto en una semana
[ ]D
[ ]E
[ ]F
[ √ ] Ninguna de las anteriores
24. El proceso de llegada
[ ] Siempre corresponden a la distribución exponencial
[ √ ]Puede ser determinístico o aleatorio
[ ]Depende de la cantidad de los servidores en el sistema
[ ] Ninguna de las anteriores
25. El proceso de servicio
[ ]Solo puede ser exponencial
[ √ ]Puede ser determinístico o aleatorio
[ ]Depende de la cantidad de espacios en espera
[ ] Ninguna de las anteriores
26. Un modelo de colas con la población de clientes infinita con la cola ilimitada, con el proceso de servicio con los tiempos
fijos y conocidos, con el proceso de llegada de Poisson y con canal múltiple se codifica como
[ ]D/M/c
[ √ ]M/M/c
 [ ]M/D/c
[ ]Nunguno
27. Un modelo de colas con la población de clientes finita, con la cola limitada, con el proceso se servicio con los tiempos fijos
y conocidos con el proceso de llegada de Poisson y con varios servidores corresponde a.
[ ]D/M/c
[ ]D/M/1
[ √ ]M/D/c
[ ]Nunguno
28. El tiempo de espera:
[ ]Incluye el tiempo de servicio
[ ]Es lo que el cliente pasa en el sistema desde su llagada hasta su salida
[ √ ]Es lo que el cliente pasa antes de ser atendido
[ ]Ninguna de las anteriores
29. El modelo básico de la teoría de colas es
[ ]M/M/c
[ ]D/M/1
[ √ ]M/M/1
[ ]D/D/1
30. Para la ecuación de LITTLE ¿Cuál de la sgtes enunciados es verdadero?
[ ]La cantidad de clientes en el sistemas es proporcional al tiempode espera
[ ]La cantidad de clientes en espera es proporcional al tiempo promedio en la cola
[ √ ] ⋋ es la constante de proporcionalidad entre la cantidad de clientes en el sistema y eltiempo de espera
[ ]⋋ es la tasade servicio d en un sistema de colas
31. Para la ecuación de LITTLE ¿Cuál de la sgtes enunciados no es verdadero?
[ ]La cantidad de clientes en el sistemas es proporcional al tiempo promedio que un cliente pasa en el mismo
[ ]⋋ es la constante de proporcionalidad entre la cantidad de clientes en el sistema y el tiempo promedio
en la cola
[ √ ] ⋋ es latasa de llegada de clientesen un sistema de colas
[ ]La cantidad de clientes en espera es proporcional al tiempo promedio en la cola
32. Para el modelo m/m/1, el tiempo promedio en espera es:
[ ] ρ2/( 1−ρ)
[ ]Lq /¿
[ ]/(−µ)
[ √ ] Nada de loanterior
33. Para el modelo M/M/c, el tiempo promedio en espera es:
[ ] ρ2/( 1−ρ)
[ ]Lq /¿
[ ]/(−µ)
[ √ ] Nada de loanterior
34. Los automóviles llegan a una estación de serbio para un cambio de aceite cada 15 minutos y el tiempo inter arribos tiene una
distribución exponencial. La estación de servicio es también su variable aleatoria con distribución exponencial para este
sistema:
[ ]=48 aut /hora ;=15 min
[ ]⋋=6 aut /hora ;=4 aut / hora
[ √ ] =4 aut /hora ;=6 aut /hora
[ ]Nada de lo anterior
35. Los automóviles llegan a una estación de servicio para un cambio de aceite cada 2 minutos y el tiempo inter arribos tiene una
distribución exponencial. La estación de servicio tiene 2 estaciones de lavado y cada una es capaz de atender hasta 5
automóviles en un periodo de una hora sin tiempo ocioso suponga que el tiempo de servicio es una variable aleatoria con
distribución exponencial :
Para este sistema el cálculo de parámetros debe realizarse utilizando formulas del modelo.
 [ ]M/M/1
[ √ ]M/M/2
[ ]M/M/5
[ ]Ninguna de las anteriores
36. En una cafetería cada 2 minutos llega 1 cliente correspondientemente a la distribución de Poisson, en una ventanilla se
atienden hasta 20 clientes en una hora. hay 2 ventanillas para atención de los clientes, suponga que el tiempo de servicio es
también una variable aleatoria con distribución exponencial. para este sistema:
[ ]=2 minutos ;=3 min
[ √ ] =30 clientes/hora ;=40 clientes /hora
[ ]=30 clientes/hora ;=20 clientes /hora
[ ]Nada de lo anterior
37. Los automóviles llegan a una estación de servicio para un cambio de aceite cada 20 minutos y el tiempo inter arribos tiene
una distribución exponencial. La estación de servicio es capaz de atender hasta 40 automóviles en un periodo de 8 horas, sin
tiempo ocioso suponga que el tiempo de servicio es una variable aleatoria con distribución exponencial :
Para este sistema el tiempo de espera es:
[ √ ] 18 min
[ ]36 min
[ ]54 min
[ ]Ninguna de las anteriores
38. Los automóviles llegan a una estación de servicio para un cambio de aceite cada 20 minutos y el tiempo inter arribos tiene
una distribución exponencial. La estación de servicio es capaz de atender hasta 40 automóviles en un periodo de 8 horas, sin
tiempo ocioso suponga que el tiempo de servicio es una variable aleatoria con distribución exponencial :
Para este sistema, la cantidad esperada en el sistema es:
[ √ ]De 0 a 1 auto
[ ] De 1 a 2 auto
[ ] De 2 a 3 auto
[ ] Ninguna de las anteriores