Act 1: Revisión de Presaberes

Pagina 1. Revisando Algunos Conceptos de investigación de Operaciones

INTRODUCCION

Los cambios revolucionarios originaron gran aumento en la división de

trabajo y la separación de la responsabilidad es administrativa en las
organizaciones. Sin embargo esta revolución creo nuevos problemas
que ocurren hasta la fecha en muchas empresas. Uno de estos
problemas es la tendencia de muchos de los componentes a convertirse
en imperios relativamente autónomos, con sus propias metas y sistemas
de valores. Este tipo de problemas, y la necesidad de encontrar la mejor
forma de resolverlos, proporcionaron el surgimiento de la Investigación
de Operaciones. 

La Investigación de Operaciones aspira determinar la mejor solución

(optima) para un problema de decisión con la restricción de recursos
limitados. 

En la Investigación de Operaciones utilizaremos herramientas que nos

permiten tomar una decisión a la hora de resolver un problema, tal es el
caso de los modelos de Investigación de Operaciones que se emplean
según sea la necesidad. 

Actualmente la investigación de operaciones a incursionado en la

administración con muy buenos resultados en este campo pues el
ambiente de negocios al que se está sometido y los múltiples cambios
que ellos generan, los ciclos de vida de los productos se hacen más
cortos, la abrumadora y acelerada era de la nueva tecnología y la
internacionalización creciente, son razones suficientes para desarrollar
modelos que optimicen los resultados en estos campos del saber

Pagina 2.ANTECEDENTES Y ORIGEN DE LA INVESTIGACION DE

OPERACIONES

investigación de operaciones se originó en la segunda guerra mundial

como una necesidad de dar solución a los problemas de carácter militar,
los primeros interesados en estos aspectos fueron los británicos y los
americanos quienes asignaron esta tarea a un grupos de físicos,
matemáticos, biólogos, estadísticos, psicólogos entre otros para emplear
el método científico en la solución de problemas estratégicos y tácticos.   

Después de la guerra atrajo la atención de la industria que buscaba

soluciones a problemas de complejidad y especialización ascendente en
las organizaciones. Los primeros esfuerzos se dedicaron a desarrollar
modelos apropiados y procedimientos correspondientes para solucionar
problemas que surgían en áreas tales como: la programación de
refinerías de petróleo, la distribución de productos, la planeación de
 productos, el estudio de mercados y la planeación de inversiones.

Un factor importante de la implantación de la Investigación de

Operaciones en este periodo es el mejoramiento de las técnicas
disponibles en esta área. Muchos de los científicos que participaron en
la guerra, se encontraron a buscar resultados sustanciales en este
campo; un ejemplo sobresaliente es el método Simplex para resolución
de problemas de Programación Lineal, desarrollado en 1947 por George
Dantzing. Muchas de las herramientas utilizadas en la Investigación de
Operaciones como la Programación Lineal, la Programación Líneas de
Espera y Teoría de Inventarios fueron desarrolladas al final de los años
50. 

En la década de los 80 con la invención de computadoras personales

cada vez más rápidas y acompañadas de buenos paquetes de Software
para resolver problemas de Investigación de Operaciones esto puso la
técnica al alcance de muchas personas. Hoy en día se usa toda una
gama de computadoras, desde las computadoras de grandes escalas
como las computadoras personales para la Investigación de
Operaciones. 
En la década de los 80 con la invención de computadoras personales
cada vez más rápidas y acompañadas de buenos paquetes de Software
para resolver problemas de Investigación de Operaciones esto puso la
técnica al alcance de muchas personas. Hoy en día se usa toda una
gama de computadoras, desde las computadoras de grandes escalas
como las computadoras personales para la Investigación de
Operaciones. 

 De la lectura que desarrollaste de los conceptos de La investigación de

operaciones y sus antecedentes, se puede deducir que 

Un segundo factor importante para el desarrollo de este campo fue el

advenimiento de la revolución de las computadoras. Para manejar los
complejos problemas relacionados con esta disciplina, generalmente se
requiere un gran número de cálculos que llevarlos a cabo a mano es casi
imposible. Por lo tanto el desarrollo de la computadora digital, fue una
gran ayuda para la Investigación de Operaciones.

Se dice que la investigacion de operaciones se ajusta al metodo cientifico

porque:

 
Su respuesta :

comienza por la observación cuidadosa y la formulación del

problema incluyendo la recolección de datos pertinentes.

correcto
 Una de las limitaciones de la investigación de operaciones consiste
en
Su respuesta :

no considerar todas las restricciones

correcto

Pagina 3.¿QUE ES LA INVESTIGACION DE

OPERACIONES?

La investigación de operaciones es la aplicación, por grupos

interdisciplinarios, del método científico a problemas relacionados con el
control de las organizaciones o sistemas, a fin de que se produzcan
soluciones que mejor sirvan a los objetivos de la organización. Esta
definición fué proporcionada por  Churchman, Ackoff y Arnoff.

Algunos aspectos relacionados con la definición:

•         Una organización es un sistema formado por componentes que

se interaccionan, unas de estas interacciones pueden ser
controladas y otras no.

•         La complejidad de los problemas que se presentan en las

organizaciones ya no encajan en una sola disciplina del
conocimiento, se han convertido en multidisciplinario por lo cual
para su análisis y solución se requieren grupos compuestos por
especialistas de diferentes áreas del conocimiento que logran
comunicarse con un lenguaje común.

•         La investigación de operaciones es la aplicación de la

metodología científica a través de modelos matemáticos, primero
para representar al problema y luego para resolverlo.

La investigación de operaciones se aplica a problemas que se refieren a

la conducción y coordinación de operaciones (o actividades) dentro de
una organización.

La investigación de operaciones intenta encontrar una mejor solución,

(llamada solución óptima) para el problema bajo consideración.

Un enfoque de la investigación de operaciones abarca:

Construir un modelo simbólico que por lo general es un

modelo matemático, pretende extraer los elementos
 fundamentales de un problema de decisión que es complejo e
incierto de tal manera que pueda optimizar una solución viable
para la consecución de los objetivos de acuerdo al analista.

Examinar y analizar las relaciones que determinan las

consecuencias de la decisión realizada y comparar el método
relativo de acciones alternas con los objetivos de quien va a tomar
la decisión.

Desarrollar una técnica de decisión que comprenda

teorías matemáticas y que conduzca a la optimización de los
resultados.

La investigación de operaciones se aplica tanto a problemas tácticos

como estratégicos de una organización. Los primeros tienen que ver con
actividades diarias y los segundos tienen una orientación y una
planeación organizada generalmente se apoyan en operaciones de
carácter indirecto

Pagina 4.DEFINICION Y FORMULACION DEL PROBLEMA

Esto incluye determinar los objetivos apropiados, las restricciones sobre

lo que se puede hacer, las interrelaciones del área bajo estudio con otras
áreas de la organización, los diferentes cursos de acción posibles, los
límites de tiempo para tomar una decisión, etc. Este proceso de definir el
problema es crucial ya que afectará en forma significativa la relevancia
de las conclusiones del estudio.

 La forma convencional en que la investigación de operaciones realiza

esto es construyendo un modelo matemático que represente la esencia
del problema. 

Un modelo siempre debe ser menos complejo que el problema real,

es una aproximación abstracta de la realidad con consideraciones y
simplificaciones que hacen más manejable el problema y permiten
evaluar eficientemente las alternativas de solución
Depende de las características del modelo. Los procedimientos de
solución pueden ser clasificados en tres tipos: a) analíticos, que
utilizan procesos de deducción matemática; b) numéricos, que son de
carácter inductivo y funcionan en base a operaciones de prueba y
error; c) simulación, que utiliza métodos que imitan o, emulan al
sistema real, en base a un modelo. Resolver un modelo consiste
en encontrar los valores de las variables dependientes, asociadas a
las componentes controlables del sistema con el propósito de
optimizar, si es posible, o cuando menos mejorar la eficiencia o la
efectividad del sistema dentro del marco de referencia que fijan los
objetivos y las restricciones del problema.La selección del método de
 solución.

 Antes de usar el modelo debe probarse exhaustivamente para intentar

identificar y corregir todas las fallas que se puedan presentar

En la metodología de la investigación de operaciones uno de los

pasos que es incorrecto es:
Su respuesta :

Establecimiento de controles sobre la formulación

correcto

"La investigación de operaciones es la aplicación, por grupos

interdisciplinarios, del método científico a problemas relacionados con
el control de las organizaciones o sistemas (hombre-máquina), a fin
de que se produzcan soluciones que mejor sirvan a los objetivos de la
organización. Esta definición fué propuesta por:
Su respuesta :

Churchman, Ackoff y Arnoff

correcto

LIMITACIONES DE LA INVESTIGACION DE OPERACIONES

1. Frecuentemente es necesario hacer simplificaciones del problema

original para poder manipularlo y detener una solución.
2. La mayoría de los modelos sólo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos múltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones en
un problema práctico, debido a que los métodos de enseñanza y
entrenamiento dan la aplicación de esta ciencia centralmente se basan
en problemas pequeños para razones de índole práctico, por lo que se
desarrolla en los alumnos una opinión muy simplista e ingenua sobre la
aplicación de estas técnicas a problemas reales.
4. Casi nunca se realizan análisis costo-beneficio de la implantación de
soluciones definidas por medio de la I de O, en ocasiones los beneficios
potenciales se van superados por los costos ocasionados por el
desarrollo e implantación de un modelo.
 RIESGO AL APLICAR LA INVESTIGACIÓN  DE OPERACIONES

Al aplicar la I de O al estudio de sistemas y a la resolución de problemas

se corre el riesgo de tratar de manipular los problemas para buscar que
se ajusten a las diferentes técnicas, modelos de algoritmos establecidos
en lugar de analizar los problemas y buscar resolverlos obteniendo las
soluciones mejores, utilizando los métodos apropiados, es decir resolver
el problema utilizando los métodos que proporcionan las mejoras
soluciones y no buscar ajustar el problema a un método específico.
Para llegar a hacer un uso apropiado de la I de O, es necesario primero
comprender la metodología para resolver los problemas, así como los
fundamentos de las técnicas de solución para de esta forma saber
cuándo utilizarlas o no en las diferentes circunstancias.

COMO SE TRABAJA EN INVESTIGACION DE

OPERACIONES

La Investigación de Operaciones busca el óptimo resultado en la utilización

de recursos escasos y usa el método científico. El orden habitual de las
investigaciones que se realizan con este instrumental es el siguiente:
1. Se define el problema que se desea resolver en la forma más completa y
clara que sea posible.
2. Se construye un modelo apropiado que represente al sistema o al proceso
en estudio (matematización del problema).
3. Se deduce una o varias soluciones a partir del modelo construido.
4. Se hace una prueba del modelo y de la solución obtenida, contrastando
esto con la realidad, si es que existe información suficiente, de lo contrario el
contraste se hace con modelos secundarios.
5. Se ajusta el modelo y se monitorea el resultado.
6. Se implementa la solución, esto es, se pone a trabajar al modelo y sus
soluciones.

VIENE.....

Veamos en detalle cada una de las partes que acabamos de enumerar:

1. Definición del problema. No es posible iniciar la búsqueda de la solución
de un problema si no está claro ¿cuál es el problema? Al investigador no le
debe caber la menor duda de que sabe correctamente lo que busca, de lo
contrario cualquier cosa que encuentre está bien y está mal, lo cual es una
contradicción. Siempre nos debemos responder cuestiones tales como:
¿Cuáles son los objetivos? ¿Cuáles las acciones a tomar y cuáles sus
alternativas? ¿Cuáles son las restricciones? ¿Cómo se medirán los
resultados? La definición del problema debe ser clara, concisa y con
palabras sencillas que no dejen lugar a varias interpretaciones.
2. Construcción del modelo apropiado que represente al sistema o proceso
en estudio. Un modelo, desde el punto de la Investigación de Operaciones, es
una representación de una realidad (o de una idealidad). Estos pueden ser:
Icónicos (representaciones físicas como los aeromodelos, las maquetas, los
carritos, los muñecos, etcétera); análogos, la mayoría de los cuales son más
dinámicos que los icónicos y pueden mostrar comportamientos derivados de
acciones, como las superficies y las curvas de oferta y demanda, los
nomogramas de ingeniería que describen fenómenos de deformación de
estructuras o comportamientos de todas las variables de una caldera,
etcétera; Redes gráficas, como las redes CPM-PERT, Project, Harvard y
otras, que se utilizan para la planificación, ejecución y control de proyectos;
Matemáticos o Simbólicos, los cuales se describen generalmente por medio
de sistemas de m ecuaciones con n incógnitas o en forma matricial: A*x  =
b, donde A es un matriz, y, x y b son vectores de los espacios vectoriales Rm
y Rn, respectivamente.
Es habitual que la función llamada función objetivo y que es la que se desea
optimizar, se escriba en forma separada como f(x) = z. Existen otras
clasificaciones pero consideramos que para los fines de este artículo es
suficientemente claro si nos referimos sólo a estos cuatro. Por otro lado, se
dice que los modelos son Determinísticos, como los de Programación Lineal
y Transporte; y, Probabilísticos, como las Cadenas de Markov, los de Teoría
de Juegos, Teoría de Decisiones, las líneas de Espera y otros.
3. Deducción de una o varias soluciones. Cuando el modelo ha sido bien
escogido o construido, se espera que la solución del problema real sea
teórico. Algunas veces no es posible obtener soluciones exactas para el
problema original, entonces aceptaremos soluciones aproximadas o bien
usamos soluciones alternas en la construcción del modelo. Es posible y no es
nada raro que podamos detectar varias soluciones alternas.
4. Pruebas del modelo y contraste con la realidad. Comparaciones de
soluciones con las de modelos secundarios.
Usando información histórica, ésta se mete al modelo y se observa si los
resultados son coincidentes con los resultados reales que fueron observados
a través del tiempo, luego se hace lo mismo con información del período ex
post (la información obtenida durante la época de construcción) y se
compara con el funcionamiento real del proceso.
5. Ajustes del modelo y monitoreo de resultados. En este momento ya
tenemos a nuestro modelo dándonos resultados aceptables (parecidos, si no
iguales a los observados), se hace un balance y se ve si vale la pena hacer
ajustes a los coeficientes y organización de la estructura del modelo para
obtener mejores resultados o si por el contrario es necesario hacer
reingeniería.
Debe seguirse haciendo comparaciones con varias generaciones de
resultados para lograr afinar el modelo.
6. Implementación de la solución. Una vez pasadas todas las pruebas que
dan seguridad sobre el funcionamiento del instrumento, se da la
capacitación necesaria a las personas que tendrán a su cargo la operación
del modelo, preparando todas las herramientas de cómputo para que se
elaboren automáticamente los reportes que permitirán a los tomadores de
decisión hacer su trabajo.(F)
 La expresion -Matematizacion del problema- En el contexto de la lectura
se refiere a:
Su respuesta :

La construcción del modelo

Correcto

La información Histórica se usa para:

Su respuesta :

Contrastar la realidad

correcto

Una de las limitaciones que amenudo se presentan en la IO es

Su respuesta :

No tomar todas las restricciones que intervienen en el problema

Correcto

PRINCIPALES HERRAMIENTAS EN LA IO

Cuando hablamos de herramientas en IO, nos estamos refiriendo a los

diferentes modelos teóricos (como por ejemplo, modelos de transporte y
teoría de colas), y a otras disciplinas (como matemática, administración,
economía, etcétera), que se utilizan como instrumentos de trabajo habitual
para el profesional de la Investigación de Operaciones. Debe quedar claro,
sin embargo, que cada día se agregan más tipos de modelos y otras
disciplinas imposibles de enumerar en este momento.
De la misma manera la Investigación de Operaciones es considerada, ella
misma como una herramienta al servicio de otras disciplinas (tal como reza
el título de nuestros artículos). Es bien conocido que la Administración de
Negocios se ha estado beneficiando grandemente de la Investigación de
Operaciones ahora que se ha iniciado toda una revolución con el uso de
Planificación Estratégica, Reingeniería y los programas de Calidad Total,
para mencionar algunos.

Cuando hablamos de herramientas en la IO nos referimos a:

Su respuesta :
El uso de diferentes modelos teoricos

Correcto

Uno de los enfoques tradicionales de la administración operativa  para interpretar

y resolver problemas es:

Su respuesta :

La observación

Continue

INTRODUCCION A LA PROGRAMACION LINEAL

Muchas personas clasifican el desarrollo de la programación lineal entre los

avances científicos más importantes de mediados del siglo XX, su impacto desde
1950 ha sido extraordinario. En la actualidad es una herramienta de uso normal
que ha ahorrado miles o millones de pesos a muchas compañías o negocios,
incluyendo empresas medianas en los distintos países industrializados del
mundo; su aplicación a otros sectores de la sociedad se está ampliando con
rapidez. Una proporción muy grande de los cálculos científicos en
computadoras está dedicada al uso de la programación lineal.
¿Cuál es la naturaleza de esta notable herramienta y qué tipos de problemas
puede manejar. Expresado brevemente, el tipo más común de aplicación abarca
el problema general de asignar recursos limitados entre actividades
competitivas de la mejor manera posible (es decir, en forma óptima). Con más
precisión, este problema incluye elegir el nivel de ciertas actividades que
compiten por recursos escasos necesarios para realizarlas. Después, los niveles
de actividad elegidos dictan la cantidad de cada recurso que consumirá cada
una de ellas. La variedad de situaciones a las que se puede aplicar esta
descripción es sin duda muy grande, y va desde la asignación de instalaciones
de producción a los productos, hasta la asignación de los recursos nacionales a
las necesidades de un país; desde la selección de una cartera de inversiones,
hasta la selección de los patrones de envío; desde la planeación agrícola, hasta
el diseño de una terapia de radiación, etc. No obstante, el ingrediente común
de todas estas situaciones es la necesidad de asignar recursos a las actividades
eligiendo los niveles de las mismas.

Cual es la finalidad de un modelo de Programación lineal

Su respuesta :

encontrar la solución óptima

Correcto

Cuál es la importancia de emplear el enfoque de la Investigación de

Operaciones
Su respuesta :

resolver un problema a traves de una secuencia de pasos

correcto

Act3: Reconocimiento de la Unidad 1

La programación lineal utiliza un modelo matemático para describir el

problema. El adjetivo lineal significa que todas las funciones matemáticas
del modelo deber ser funciones lineales. En este caso, las palabra
programación no se refiere a programación en computadoras; en esencia
es un sinónimo de planeación. Así, la programación lineal trata la
planeación de las actividades para obtener un resultado óptimo, esto es,
el resultado que mejor alcance la meta especificada (según el modelo
matemático) entre todas las alternativas de solución.
Aunque la asignación de recursos a las actividades es la aplicación más
frecuente, la programación lineal tiene muchas otras posibilidades. de
hecho, cualquier problema cuyo modelo matemático se ajuste al formato
general del modelo de programación lineal es un problema de
programación lineal. Aún más, se dispone de un procedimiento de
solución extraordinariamente eficiente llamado método simplex, para
resolver estos problemas, incluso los de gran tamaño. Estas son algunas
causas del tremendo auge de la programación lineal en las últimas
décadas

Que significa Programación en el termino de Programación Lineal?

Su respuesta :

planeación de actividades

CORRECTO, programación viene de planeación

 Método empleado para resolver modelos de programación Lineal
Su respuesta :

Método Simplex

Correcto
En programacion lineal el termino programacion significa que viene del uso de
computadoras. Esta afirmacion es:
Su respuesta :

Falsa

Correcto

Que pretende la Función objetivo de un modelo de PL

Su respuesta :

maximizar o minimizar una función lineal

correcto

SUPOSICIONES DEL MODELO DE PROGRAMACIÓN LINEAL

PROPORCIONALIDAD

La contribución de cada actividad al valor de la función objetivo Z es proporcional

al nivel de actividad xj, como lo representa el término cjxj en la función objetivo. De
manera similar, la contribución de cada actividad al lado izquierdo de cada
restricción funcional es proporcional al nivel de la actividad xj, en la forma en que lo
representa el término aijxj en la restricción. En consecuencia, esta suposición
elimina cualquier exponente diferente a 1 para las variables en cualquier término
de las funciones (ya sea la función objetivo o la función en el lado izquierdo de las
restricciones funcionales) en un modelo de programación lineal.

ADITIVIDAD

Establece que la entrada y salida de un recurso en particular al conjunto de

actividades, deben ser la misma cantidad; o sea, que las actividades transforman
los recursos y no los crean o destruyen. Esta suposición garantiza que la
contribución total tanto a la función objetivo como a las restricciones, es igual a la
suma de las contribuciones individuales. Cuando en un problema dado no se tenga
la aditividad puede recurrirse al empleo de otras técnicas de la programación
matemática, dependiendo de cada caso en particular.
Cada función en un modelo de programación lineal (ya sea la función objetivo o el
lado izquierdo de las restricciones funcionales) es la suma de las contribuciones
individuales de las actividades respectivas.

DIVISIBILIDAD

Las variables de decisión en un modelo de programación lineal pueden tomar

cualquier valor, incluyendo valores no enteros, que satisfagan las restricciones
funcionales y de no negatividad. Así, estas variables no están restringidas a sólo
valores enteros. Como cada variable de decisión representa el nivel de alguna
actividad, se supondrá que las actividades se pueden realizar a niveles
fracciónales.
 

Cada función en un modelo de programación lineal (ya sea la función

objetivo o el lado izquierdo de las restricciones funcionales) es la suma
de las contribuciones individuales de las actividades respectivas. Este
nunciado corresponde a principio de:
Su respuesta :

Aditividad

correcto

Las actividades se pueden realizar a niveles fracciónales.Esta afirmacion

esta basada en el principio de:
Su respuesta :

Divisibilidad

Correcto

Las variables de decisión en un modelo de programación lineal  pueden

tomar
Su respuesta :

cualquier valor

Correcto

Act 5: Lección evaluativa No. 1

 IMPLEMENTACION DE LA SOLUCION

El paso final se inicia con el proceso de "vender" los hallazgos que se

hicieron a lo largo del proceso a los ejecutivos o tomadores de
decisiones.

 Después de determinar la validez de una solución y verificar su

consistencia con el criterio global, se podría pensar que la decisión es
automática. Esto en verdad en un sentido pero no en otros. El proceso
de hacer y manejar modelos en investigación de operaciones puede
verse como proporcionando una información de entrada al sujeto
responsable de decidir, pero éste recibe otras informaciones que pueden
ser igualmente importantes incluyendo las puramente cualitativas o de
naturaleza subjetiva. De hecho muchos resultados de la investigación de
operaciones se tratan como planes iniciales que se pueden modificar.
LA SOLUCION DEL PROBLEMA DE PROGRAMACION
LINEAL Y SU IMPLEMENTACION

ESTABLECIMIENTO DE CONTROLES DE SOLUCION

Esta fase consiste en determinar los rangos de variación de los
parámetros dentro de los cuales no cambia la solución del problema.
Es necesario generar información adicional sobre el comportamiento
de la solución debido a cambios en los parámetros del modelo.
Usualmente esto se conoce como ANÁLISIS DE SENSIBILIDAD.
Considere un futuro profesional con intereses y aptitudes que están lejos
del campo de las técnicas cuantitativas. La razón de que estudie un curso
de formulación de modelos cuantitativos es:
Su respuesta :

todo lo anterior

Correcto

Determinar los rangos de variación de los parámetros dentro de los

cuales no cambia la solución del problema es una función de la fase de:
Su respuesta :

Control de la solución

Correcto

Los modelos
Su respuesta :

juegan papeles diferentes en los diversos niveles de la empresa

Correcto

CONCEPTO:
El adjetivo lineal significa que todas las funciones matemáticas del modelo
deber ser funciones lineales. En este caso, las palabra programación no se
refiere a programación en computadoras; en esencia es un sinónimo de
planeación. Así, la programación lineal trata la planeación de las actividades
para obtener un resultado óptimo.
La programación lineal es una técnica de investigación de operaciones para la
determinación de la asignación optima de recursos escasos cuando la función
objetivo y las restricciones son lineales. Es una manera eficiente de resolver
estos problemas cuando se debe hacer una elección de alternativas muy
numerosas que no pueden evaluarse intuitivamente por los métodos
convencionales.

 FORMULACION DEL PROBLEMA DE PROGRAMACION LINEAL

Aunque se ponga en duda, la parte más difícil de PL es reconocer cuándo ésta

puede aplicarse y formular el problema matemáticamente. Una vez hecha esa
parte, resolver el problema casi siempre es fácil.

            Para formular un problema en forma matemática, deben expresarse

afirmaciones lógicas en términos matemáticos. Esto se realiza cuando se
resuelven “problemas hablados” al estudiar un curso de álgebra. Algo muy
parecido sucede aquí al formular las restricciones. Por ejemplo, considérese la
siguiente afirmación: A usa 3 horas por unidad y B usa 2 horas por unidad. Si
deben usarse todas las 100 horas disponibles, la restricción será:

3A + 2B = 100 

            Sin embargo, en la mayoría de las situaciones de negocios, no es

obligatorio que se usen todos los recursos (en este caso, horas de mano de
obra). Más bien la limitación es que se use, cuando mucho, lo que se tiene
disponible. Para este caso, la afirmación anterior puede escribirse como una
desigualdad: 
 3A + 2B ? 100 

            Para que sea aceptable para PL, cada restricción debe ser una suma
de variables con exponente 1. Los cuadrados, las raíces cuadradas, etc. no son
aceptables, ni tampoco los productos de variables. Además, la forma estándar
para una restricción pone a todas las variables del lado izquierdo y sólo una
constante positiva o cero del lado derecho. Esto puede requerir algún
reacomodo de los términos. Si, por ejemplo, la restricción es que A debe ser
por los menos el doble de B, esto puede escribirse como: 

A ? 2B                        ó          A - 2B ? 0 
El cambio o modificación en los parámetros del problema se conoce con
el nombre de:
Su respuesta :
Analisis de sensibilidad
Correcto

EL MODELO DE PROGRAMACION LINEAL

Los términos clave son recursos y actividades, en donde m denota el

número de distintos tipos de recursos que se pueden usar y n denota
el número de actividades bajo consideración.
Z = valor de la medida global de efectividad.

 Xj = nivel de la actividad j (para j = 1,2,...,n).

Cj = incremento en Z que resulta al aumentar una unidad en el nivel de

la actividad j.

 bi = cantidad de recurso i disponible para asignar a las actividades

(para

 i = 1,2,...,m).

aij = cantidad del recurso i consumido por cada unidad de la

actividad j.
 ESTRUCTURA DE UN MODELO DE PROGRAMACION
LINEAL

1. Función objetivo.Consiste en optimizar el objetivo que persigue

una situación la cual es una función lineal de las diferentes
actividades del problema, la función objetivo se maximizar o
minimiza.
2. Variables de decisión.Son las incógnitas del problema. La
definición de las variables es el punto clave y básicamente
consiste en los niveles de todas las actividades que pueden
llevarse a cabo en el problema a formular.
3. 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.
4. Condición técnica. Todas las variables deben tomar valores
positivos, o en algunos casos puede ser que algunas variables
tomen valores negativos.
MODELO GENERAL DE UN PL

Cualquier modelo que contenga función objetivo, restricciones y variables

de decisión es un programa lineal
Su respuesta :

Es una afirmación totalmente falsa

Correcta, pues aunque cumpla con los tres componentes no

necesariamente es lineal pues sus restricciones pueden ser
cuadráticas o de otras formas
 Todas las restricciones de un PL
son
Su respuesta :

Desigualdades o ecuaciones

Correcto

En un problema de programación lineal las restricciones son:

Su respuesta :

Desigualdades o igualdades lineales

Correcto

DIFERENTES FORMAS DE MODELOS DE PROGRAMACION

LINEAL

Supóngase que existe cualquier número (digamos m) de recursos

limitados de cualquier tipo, que se pueden asignar entre cualquier
número (digamos n) de actividades competitivas de cualquier clase.
Etiquétense los recursos con números (1, 2, ..., m) al igual que las
actividades (1, 2, ..., n). Sea xj (una variable de decisión) el nivel de la
actividadj, para  j = 1, 2, ..., n, y sea Z la medida de efectividad global
seleccionada. Sea cj el incremento que resulta en Z por cada
incremento unitario en xj (para j = 1, 2, ..., n). Ahora sea bi la cantidad
disponible del recurso i (para i = 1, 2, ..., m). Por último defínase a ij
como la cantidad de recurso i que consume cada unidad de la
actividadj (para i = 1, 2, ..., m  y  j = 1, 2, ..., n). Se puede formular el
modelo matemático para el problema general de asignar recursos a
actividades. En particular, este modelo consiste en elegir valores de
x1, x2, ..., xn para: 
 Maximizar   Z = c1x1 + c2x2 + ... + cnxn,

sujeto a las restricciones:

a11x1 + a12x2 + ... + a1nxn ? b1

a21x1 + a22x2 + ... + a2nxn ? b2

am1x1 + am2x2 + ... + amnxn ? bm         y

x1 ? 0,      x2 ?0,    ...,    xn ? 0 

FORMA ESTANDAR

Ésta se llamará nuestra forma estándar (porque algunos libros de

texto adoptan otras formas) para el problema de PL. Cualquier
situación cuya formulación matemática se ajuste a este modelo es un
problema de PL.

            En este momento se puede resumir la terminología que

usaremos para los modelos de PL. La función que se desea
maximizar, c1x1 + c2x2 + ... + cnxn, se llama función objetivo. Por lo
general, se hace referencia a las limitaciones como restricciones. Las
primeras m restricciones (aquellas con una función del tipo a i1x1 + ai2x2
+ ... + ainxn, que representa el consumo total del recurso i) reciben el
nombre de restricciones funcionales. De manera parecida, las
restricciones xj ? 0 se llaman restricciones de no negatividad. Las
variables xj son las variables de decisión. Las constantes de entrada,
aij, bi, cj, reciben el nombre de parámetros del modelo. 

OTRAS FORMAS DE MODELOS DE PL

Es conveniente agregar que el modelo anterior no se ajusta a la forma

natural de algunos problemas de programación lineal. Las otras formas
legítimas son las siguientes: 

1. Minimizar en lugar de maximizar la función objetivo: 

Minimizar   Z = c1x1 + c2x2 + ... + cnxn, 

2. Algunas restricciones funcionales con desigualdad en el sentido

mayor o igual: 

ai1x1 + ai2x2 + ... + ainxn, ³ bi,      para algunos valores de i, 

3. Algunas restricciones funcionales en forma de ecuación: 

ai1x1 + ai2x2 + ... + ainxn, = bi,      para algunos valores de i, 

4. Las variables de decisión sin la restricción de no negatividad: 

xj no restringida en signo para algunos valores de j. 

Cualquier problema que incluya una, varias o todas estas formas del
modelo anterior también se clasifica como un problema de PL,
siempre y cuando éstas sean las únicas formas nuevas introducidas.
Puede ser que la interpretación que se ha dado de asignación de
recursos limitados entre actividades que compiten no se aplique, pero
independientemente de la interpretación o el contexto, lo único que se
necesita es que la formulación matemática del problema se ajuste a
las formas permitidas. Se verá que estas otras cuatro formas legales
se pueden reescribir en una forma equivalente para que se ajuste al
modelo que se presentó. Entonces, todo problema de PL se puede
poner en nuestra forma estándar si se desea.  

Se llaman parametros a:
Su respuesta :

las constantes del problema

 correcto

FORMULACION ALGEBRAICA

Todo problema de PL puede representarse como:

Max (z) =c1x1+c2x2+...+cnxn

sujeto a:
a11x1 + a12x2 +...+ a1nxn ? b1
a21x1 + a22x2 +...+ a2nxn ? b2
...
am1x1 + am2x2 +...+ amnxn ? bm
x1, x2, ...,xn ? 0
siendo:
xj: Nivel de actividad de la variable xj

cj: Contribución unitaria de xj a función objetivo

aij: Coeficiente técnico, unidades de recurso i que se
consumen por unidad de variable j
bi: Cantidad disponible de recurso i
Otra representación:

En forma matricial:

Max (z) = C x
sujeto a:
 Ax ? b
x ?0
A esta forma se la denomina forma canónica

En un programa lineal puede decirse

que:
Su respuesta :

Siempre debe haber restricciones

Correcto

Las condiciones de no negatividad significan que:

Su respuesta :

todas las variables de decisión deben ser positivas o nulas

correcto

Act 9: Lección evaluativa No. 2

INTRODUCCION AL METODO GRAFICO

Antes de entrarnos por completo en los métodos analíticos de la

investigación de operaciones es muy conveniente ver un poco acerca
de las desigualdades de una ecuación lineal.
Por ejemplo tenemos la ecuación

 2X + 3Y = 60 en donde X, Y ? 0

 Es decir que para que se cumpla la igualdad de la ecuación nos tocaría
adquirir 15 unidades de X y 10 unidades de Y respectiva mente:

 2(15) + 3(10) = 60
  Y la solución se daría por la misma línea recta.

Pero por otra parte si en la ecuación no se quiere llegar a la totalidad

del resultado se dará la ecuación en una forma diferente llamada
inecuación:

 2X + 3Y ? 60 en donde X, Y ? 0

 Dándose como solución factible un área sombreada que depende del

signo de la desigualdad. Si el signo es el ? la solución será el área
inferior esa se sombreará o si por el contrario el sigo es ? el área a
sombrear será la de todos los puntos por encima de la línea obtenida.

 En la anterior grafica la solución más factible es la de los puntos más

cerca del eje X (bajo la recta de la solución lineal ya que la ecuación es
precedida por el signo ?.

La función que se desea maximizar o minimizar se le denomina:

Su respuesta :

Función objetivo

correcto
 El método grafico es de mucha utilidad en la solución de problemas de
programación lineal en los que intervienen:
Su respuesta :

Dos variables

Correcto

DEFINICION Y CONCEPTO GENERAL DE METODO

GRAFICO

Ahora se considerara la forma en que se pueden resolver problemas

de tipo lineal, en donde la función dada se tendrá que maximizar o
minimizar. Una función lineal en x y y tiene la forma:
  Z = ax + by
Donde a y b son constantes.
También se requerirá que las restricciones correspondientes estén
representadas mediante un sistema de desigualdades lineales o
ecuaciones en x y en y y que todas las variables sean no negativas.
A un problema en el que intervienen todas estas condiciones se le
denomina problema de programación lineal.
 La programación lineal fue desarrollada por George B. danzing a
fines de la década de 1940 y se utilizo primero en la fuerza aérea de
losa estados unidos como auxiliar en la toma de decisiones. En la
actualidad tiene amplia aplicación en el análisis industrial y
económico. En un problema de programación lineal a la función que
se desea maximizar o minimizar se le denomina función objetivo.
Aunque por lo general existe una cantidad infinitamente grande de
soluciones para el sistema de restricciones (a las que se denomina
soluciones factibles o puntos factibles), el objetivo consiste en
encontrar una de esas soluciones que represente una solución óptima
(es decir una solución que del valor máximo o mínimo de la fusión
objetivo).

 En conclusión con lo que acabamos de revisar en la parte anterior sobre

las inecuaciones nos da para definir literalmente el método grafico y el
método algebraico dentro del ámbito de la programación lineal.

Entonces el método grafico en la programación lineal es simplemente

sacar de una situación (problema) ecuaciones lineales y convertirlas en
desigualdades o inecuaciones para poder graficarlas y así sacar la región
mas optima dependiendo del signo de la desigualdad esa área se
sombreara y esa será la solución mas optima del problema.
PASOS PARA LA SOLUCION POR EL METODO GRAFICO

Para llegar a una solución óptima en el método grafico se requiere

seguir con una serie de pasos que podemos dar a continuación:
1.      formulación del problema
 El primer paso para la resolución por método grafico es expresar el
problema en términos matemáticos en el formato general de la
programación lineal (desigualdades) con un solo fin maximizar la
contribución a la ganancia.
2.      graficar las restricciones
El próximo paso de la solución por método grafico es la graficación de
las restricciones en el plano cartesiano para establecer todas las
posibles soluciones
.3.      obtención de la solución optima:
para encontrar la solución óptima, se grafica la función objetivo en la
misma gráfica de las restricciones. Se graficara siempre la función
objetivo del problema y se dará la solución de acuerdo con el símbolo
que este presente en las restricción de la función objetivo.
EJEMPLO:
Maximizar la función objetivo:
 Z= 3x + y
Sujeto a las restricciones:
  2x + y ? 8
2x + 3y ? 12 
x, y? 0
A continuación graficamos las desigualdades planteadas en las
restricciones así:
  2x + y ? 8 x=0; y=8
                             x=0; x=4
2x + 3y ? 12 x=0; y=4
y=0; x=6
x, y? 0
 Se observa que la región factible esta conformada por los puntos A(0,0);
D(0,4); B(4,0) y el punto C que es el resultado de la intersección de las 2
inecuaciones cuyo valor aproximadamente en el plano esta dado por las
coordenadas (3,2).

Ahora bien el problema solicita la maximización de Z = 3x + y que se

obtiene precisamente en el punto C(3,2).

La región factible es
Su respuesta :

conjunto de puntos formado por la interseccion de los planos de

las restricciones dadas

correcto

La graficación de las restricciones en el plano cartesiano tiene por objeto:

Su respuesta :

Establecer todas las posibles soluciones

Correcto
 Considere un punto cualquiera sobre la frontera de una región factible.
Su respuesta :

Dicho punto satisface todas las restricciones.

correcto

METODO ALGEBRAICO

                                              INTRODUCCIÓN
En ocasiones nos encontramos con problemas de índole magnitud, a
los cuales se desea maximizar o minimizar una función sujeta a
ciertas restricciones. 
Muchas personas califican al método algebraico, como uno de los
métodos más importantes en el campo de la programación lineal. En
la actualidad es una herramienta común, que se ha prestado para
resolver problemas de gran magnitud; por su simplicidad, sencillez y
estilo de uso cientos de empresas, compañías de todo el mundo han
ahorrado miles y miles de pesos.
En este capitulo se tratara la formulación de problemas utilizando el
método algebraico para la solución de problemas de programación
lineal. Se hace un enfoque a la variedad de aplicaciones del método
para que el estudiante interesado pueda tener una visión y ejercitar
sus conocimientos.
 El método algebraico contempla en su desarrollo al método grafico y
de la misma manera el método grafico no estaría completo sin la
rigurosidad del método algebraico pues la apreciación visual que da el
grafico en la solución óptima puede estar sujeta a error por parte del
analista.

PASOS PARA UTILIZAR EL METODO ALGEBRAICO

Dado que tenemos un problema de dos variables, podemos graficar

las soluciones posibles y comprender algunos puntos interesantes
respecto a las relaciones lineales. Veremos la siguiente manera de
obtener gráficamente las soluciones al problema planteado y luego
veremos como obtenerlas algebraicamente.

1.   Exprésense los datos del problema como una función objetivo y
restricciones.

2.   Graficar las restricciones.

3.  Definir el conjunto factible.

4. Encontrar la solución óptima 

A continuación se presentan el análisis algebraico y grafico de

algunos problemas de programación lineal:
PROBLEMA 1:
 Supóngase una compañía fabrica 2 tipos de artefactos, manuales y
eléctricos. Cada uno de ellos requiere en su fabricación el uso de 3
maquinas: A, B y C. un artefacto manual requiere del empleo de la
maquina A durante 2 horas, de una 1 en B y una 1 en C, un artefacto
eléctrico requiere de 1 hora en A, 2 horas en B y 1 hora en C.
supóngase además que el numero máximo de horas disponible por
mes para el uso de las tres maquinas es 180, 160 y 100,
respectivamente. La utilidad que se obtiene con los artefactos
manuales es de 4000 pesos y de 6000 pesos para los eléctricos. Si la
compañía vende todos los artefactos que fábrica, ¿Cuántos de ellos
de cada tipo se deben elaborar con el objeto de maximizar la utilidad
mensual?
A B C UTILIDAD
 
MANUALES(X) 2 1 1 4000
ELECTRICOS(Y) 1 2 1 6000
HORAS 180 160 100  
DISPONIBLES
SOLUCIÓN:
1.Paso: Planteamos la función objetivo y las restricciones
correspondientes:
   MAX Z= 4000X + 6000Y
SUJETO A: 
               2X + Y ? 180
  X + 2Y ? 160
X + Y ? 100
2.Paso: Elaboramos el gráfico correspondiente a las restricciones
con el fin de precisar la región factible y determinar los puntos que la
conforman:
2X + Y ? 180 X=0 Y= 180
Y=0 X= 90 
X + 2Y ? 160 X=0 Y=80
Y=0 X=160
             X + Y ? 100 X=0 Y=100
   Y=0 X=100
 3. Paso: Resolvemos el sistema de ecuaciones para determinar las
coordenadas del punto B y C así:
Para B: X + 2Y ? 160 Para C: 2X + Y ? 180
X + Y ? 100 X + Y ? 100
Y= 60 X = 80
                          X= 40 Y = 20
 4.Paso:Con los puntos de la región factible:
O(0,0) ; B(40,60) ; C(80,20) ; A(0,80); D(90,0) Maximizamos la
función objetivo :
MAX Z = 4000x + 6000 y
(0,0) 4000(0) + 6000(0) = 0
(0,80) 4000(0) + 6000(80) = 480000
(40,60) 4000(40) + 6000(60)= 520000
(90,0) 4000(90) + 6000(0) = 360000
5. Paso: La solución para el problema está representada por la fabricación de
40 artefactos manuales y 60 artefactos eléctricos generando una máxima
utilidad de $ 520.000

Para un modelo de programación lineal de maximización

Su respuesta :

la regla de entrada garantiza que la función objetivo no decrecerá

en cada recorrido.

correcto

En un problema de programación lineal se tiene la siguiente restricción:

y > -2x + 3
Cuál de las siguientes parejas de puntos pertenece a la región factible
de la desigualdad:
Su respuesta :

x=4; y= 4

correcto

METODO SIMPLEX

En las lecciones anteriores vimos como resolver problemas de

programación lineal a través del método grafico y el método
algebraico, surgen grandes limitaciones a la hora de trabajar con
estos dos métodos, es decir que no es posible darle óptima solución
a un problema. Esto se debe a que el método grafico no resulta
práctico cuando el número de variables se aumenta a tres, y con más
variables resulta imposible de utilizar. Por otra parte el método
algebraico tarda demasiado tiempo aun para problemas de pocas
variables y restricciones.
El mejor método para resolver un problema de programación lineal
es el método simplex, ya que es un método de fácil aplicación, de tipo
algorítmico y conduce a una eficiente solución del problema.

PASOS PARA EL DESARROLLO DEL METODO SIMPLEX

1.      Elaborar la tabla simplex inicial.

Existen cuatro variables de holgura, S1, S2, S3, y S4; una para cada
restricción.
1.   Si todos lo indicadores del último renglón son no negativos,
entonces Z tiene un máximo cuando X1=0, X2=0 y X3=0. El valor
máximo es 0. Si existen indicadores negativos, localizar la columna en
la que aparezca el indicador más negativo. Esta columna señala la
variable entrante.
2.   Dividir cada uno de los elementos de la columna de b que se
encuentran por encima de la recta punteada entre el
 correspondiente elemento de la columna de la variable entrante.
Se debe realizar esta división solo en los casos en los que el
elemento de la variable que entra sea positivo.
 3.  Encerrar en un círculo el elemento de la columna de la variable
entrante que corresponde al menor cociente del paso 3. Este es
un elemento pivote. La variable saliente es la que se encuentra al
lado izquierdo del renglón del elemento pivote.
4.   Utilizar operaciones elementales sobre renglones para transformar
la tabla en otra tabla equivalente que tenga un 1 en donde se
encuentra el elemento pivote y 0 en las demás posiciones de esa
columna.
5.   La variable entrante debe reemplazar a la variable saliente en el
lado izquierdo de esta nueva tabla.
6.   Si todos los indicadores de la tabla nueva son no negativos, ya se
tiene una solución óptima. El valor máximo de Z es el elemento del
último renglón y la última columna. Ocurre esto cuando las
variables se encuentran del lado izquierdo de la tabla son iguales
a lo elementos correspondiente de la última columna. Todas las
demás variables son ceros. Si cuando menos uno de los
indicadores es negativo, se debe repetir el mismo proceso con la
nueva tabla, comenzando con el paso 2.

EJEMPLOS DESARROLLADOS

EJEMPLO 1
Maximizar Z= 5X1+4X2
Sujeto a: X1+X2 ? 20
2X1+X2 ? 35
-3X1+X2 ? 12
X1?0, X2?0
Este problema de programación lineal se ajusta a la forma normal. La
tabla simplex inicial es:

El indicador mas negativo, -5, aparece en la columna x1. Por ello, x1

es la variable entrante. El menor cociente es 17.5, de modo que, S2
es la variable saliente. El elemento pivote es 2. Utilizando operaciones
elementales sobre los renglones para obtener un 1 en la posición del
pivote y 0 en las demás posiciones de esa columna, se tienen:

La nueva tabla es:

Obsérvese que en el lado izquierdo, x1 reemplazó a S2. Ya que -3/2

es el indicador más negativo se debe continuar con el proceso. La
variable entrante es ahora x2. El menor cociente es 5. De modo que
S1 es la variable saliente y ½ es el elemento pivote. Utilizando
operaciones elementales sobre renglones, se tiene:
 Usted podra enconmtrar mas ejemplos desarrollados en el modulo.

La columna entrante se determina:

Su respuesta :

Con el indicador de mayor negatividad

Correcto

Toda tabla del método simplex

Su respuesta :

Muestra un conjunto de ecuaciones transformadas

correcto

Las variables artificiales

Su respuesta :

Se pueden usar para encontrar los precios óptimos duales en el

cuadro final

Correcto

Quiz 2 (Unidad 2)
El presente quiz pretende medir de cierta manera hasta qué punto usted ha comprendido
los aspectos conceptuales y prácticos sobre las pruebas de hipótesis, análisis de
varianzas y estadística No paramétricas, como herramientas estadística para inferir
parámetros o características de una población, con base en datos seleccionados a partir
de una o varias muestras representativa de dicha población. Además esta actividad le
permite experimentar los diferentes tipos de preguntas que encontrará en este tipo de
evaluación, propio de los ambientes virtuales de aprendizajes, como el que se oferta
en este curso de inferencia estadística.

 Este quiz consta de  15 preguntas y una duración máxima de 90 minutos.

El estudiante puede encontrar preguntas de selección múltiple con única respuesta,

preguntas de selección múltiple con múltiple respuesta, análisis de relación y
emparejamiento. Este quiz tiene un valor de 37 puntos

Así que antes de comenzar este Quiz esté seguro de haber revisado todas las temáticas
en el modulo, correspondiente a la segunda unidad y otras lecturas en relación con
estas temáticas, recomendadas en el curso.

Éxitos

Act10: Quiz 2

Revisión del intento 1

Comenzado el: miércoles, 5 de mayo de 2010, 14:45

Completado el: miércoles, 5 de mayo de 2010, 15:13
Tiempo empleado: 28 minutos 20 segundos
3666 Continuar

El primal es un modelo de maximización con m restricciones de

igualdad y n variables no negativas. El dual tendrá:

Seleccione una respuesta.

a. es un modelo de minimización
b. n restricciones y m variables no
negativas
c. las dos opciones presentadas son validas

Una solución óptima degenerada

Seleccione una respuesta.
a. no proporciona información sobre óptimos alternativos
b. todas las opciones dadas son validas
c. iene de m variables positivas( siendo m el número de
rstricciones)
d. puede no proporcionar información sobre el rango completo
de aumento y disminución admisible de los coeficientes en
función objetivo

El análisis de sensibilidad

Seleccione una respuesta.

a. puede aumentar nuestra confianza en un modelo
b. puede hacerse gráficamente en dos dimensiones
c. todo las opciones dadas
d. puede debilitar nuestra confianza en las recomendaciones
de un modelo

En la programación lineal, el análisis de sensibilidad

Seleccione una respuesta.

a. puede referirse a cambios en el lado derecho
b. todas las opciones dadas
c. puede tratar de los cambios en los coeficientes de la
función objetivo

Una restricción redundante

Seleccione una respuesta.

a. puede no ser fácil de reconocer
b. puede ser no muy facil de reconocer y dejar de serlo si se
cambian los datos
 c. siempre debe ser eleminada del modelo
d. puede dejar de ser redundante si se cambian los datos

6
Un cambio en los coeficientes de la función objetivo, puede afectar la solución
encontrada ya que

Seleccione una respuesta.

a. No puede cambiar los precios duales.
b. Puede cambiar únicamente el valor de la Función
Objetivo.
c. Conduce a un infinito número de soluciones
d. No puede conducir a que sea óptima la solución.

7
En el desarrollo de la tabla inicial simplex, las variables básicas que entran son:

Seleccione una respuesta.

a. Las variables que sean iguales a cero en el modelo.
b. Las variables definidas por el modelo.
c. Las variables que definen la función objetivo.
d. "Las variables formadas por La matriz identidad que ha
sido agregada.

8
Al Maximizar Z = 3 X1 + 2 X2; Sujeto a: X1 menor o igual 6;    X2
menor o igual 7;    X1 + 2 X2 menor o igual 8;    X1, X2  mayor o
igual a 0. La solución del problema es:
Seleccione una respuesta.
a. X1 = 3, X2 = 0
b. X1 = 6, X2 = 1
c. X1 = 0, X2 = 1
d. X1 = 2, X2 = 6

9
En el desarrollo de la tabla inicial simplex, las variables básicas que entran son:
Seleccione una respuesta.
a. Las variables definidas por el modelo.
b. Las variables formadas por La matriz identidad que ha sido
agregada.
c. Las variables que sean iguales a cero en el modelo.
d. Las variables que definen la función objetivo.

10
Toda tabla del método simplex

Seleccione una respuesta.

a. Muestra un conjunto de ecuaciones transformadas
b. Corresponde a un punto extremo del conjunto factible
c. Muestra una solución básica factible de las ecuaciones de
la forma estándar con restricciones de igualdad del modelo
d. Muestra una solución de las ecuaciones originales

11
El siguiente problema esta formulado como un problema de programación lineal:

 Función Objetivo Minimizar Z = 70 X1 + 350 X2 + 700 X3

 Sujeto a:
 1X1 + 2 X2 + 3 X3 mayor que 100
 2X1 + 3 X2 + 1 X3 mayor que 200
 3X1 + 2.5 X2 + 4 X3 mayor que 600
 X1, X2, X3 mayor que 0

Seleccione una respuesta.

a. S2 y X1
b. X1 y S1
c. X3 y S3
d. S1 y X1

12
El dual es un problema de PL que se obtiene matemáticamente de un modelo primal de
PL dado. Los problemas dual y primal están relacionados a tal grado, que la solución
símplex óptima de cualquiera de los dos problemas conduce en forma automática a la
solución óptima del otro. Es necesario potencializar el metodo

Seleccione una respuesta.

 a. En la  dualidad y el análisis de
sensibilidad
b. Mediante el análisis de sensibilidad
c. En la  dualidad y método grafico
d. Mediante el método dual

13

Qué de lo siguiente no es verdad en el método simplex?

Seleccione una respuesta.

a. Indica si el problema es no acotado o factible
b. Señala la optimalidad
c. En cada iteración, el valor objetivo queda igual o bien
mejora
d. Converge en la mayoría de m pasos, siendo m el número
de restricciones

14

En el sistema de ecuaciones 2x + 3y +6; 4x -2y +8; 5x +y+1;7x-4y

+2, Los coeficientes independientes  son:

Seleccione una respuesta.

a. 1, 2, -1, 0
b. 6, 8, 1, 2
c. 3,2, 0, 0
d. 2, 1, 1, 1

15

Se puede resolver con el metodo simplex

Seleccione una respuesta.

a. el dual
b. tanto el primal como el dual
c. el primal
d. uno de los dos pero no
 ambos

Act 10: Quiz 2 (MAYO 10 DE 2011)

Revisión del intento 1

Comenzado el: martes, 10 de mayo de 2011, 10:20

Completado el: martes, 10 de mayo de 2011, 11:27
Tiempo empleado: 1 hora 7 minutos
4540 Continuar

1
Elija la muestra con la mayor suma de rangos si los elementos son
clasificados de mayor a menor: Muestra A: 1
3 9
Muestra B: 5 1 8
Muestra C: 9 4 2
Seleccione una respuesta.
a. A.16
b. C.20.5
c. B.14.5
d. C.15

2
Los valores que deben ser confrontados para tomar la decisión en un contraste de hipótesis
son:

Seleccione una respuesta.

a. P-Valor y nivel de significancia
b. Confiablidad y precisión
c. Parámetro y Estadístico
d. Hipótesis nula y Alternativa

3
La hipótesis nula del Análisis de la Varianza afirma:
Seleccione una respuesta.
 a. No existen diferencias entre las medias muestrales.
b. No existen diferencias entre las medias de las
subpoblaciones.
c. Existen diferencias entre las medias muestrales.
d. Existen diferencias entre las medias de las subpoblaciones.

4
A fin del mes de marzo de 2007 la empresa brasilera compro el
51% de las acciones de Paz del Rio S.A a razón de $120 la
acción. En el mes de junio de 2007, en una muestra de 500
acciones, la razón promedio de las acciones cotizadas en la
bolsa de valores de Bogotá fue de $95, con una desviación
estándar de $20. ¿Si queremos saber si se puede afirmar que
esta muestra ofrece suficiente evidencia en un nivel de
significancía de 0.05, que durante el mes de junio de 2007 el
precio de estas acciones en la bolsa de valores de Bogotá se
desmejoraron, ¿las hipótesis a probar son?:

Seleccione una respuesta.

a. Ho : µ = 120 H1 : µ < 95
b. Ho : µ = 120 H1 : µ > 120
c. Ho : µ = 120 H1 : µ < 120.
d. Ho : µ = 95 H1 : µ ? 95

5
En un contraste de hipótesis un nivel de significación de 5%, significa que:

Seleccione una respuesta.

a. En Promedio 5 de cada 100 veces que la hipótesis nula es
falsa la aceptaremos
b. En Promedio 5 de cada 100 veces que la hipótesis nula es
cierta la rechazaremos
c. En Promedio 5 de cada 100 veces que la hipótesis alterna
es falsa la aceptaremos
d. En Promedio 5 de cada 100 veces que la hipótesis alterna
 es cierta la rechazaremos

6
Para un test de hipótesis bilateral con un nivel de significación determinado , la región de
aceptación es la zona:
Seleccione una respuesta.
a. a la izquierda del mayor valor crítico.
b. Entre los dos valores críticos
c. a la derecha del menor valor crítico.
d. Por fuera de los extremos de los dos valores
críticos.

Cuando se quiere probar una hipótesis sobre el grado de ajuste

de los valores posibles de una variable cualitativa a una
distribución de probabilidad. El modelo de prueba No paramétrico
más adecuado es:

Seleccione una respuesta.

a. El de Kolmogorov-Smirnov
b. El de Chi- Cuadrado
c. Kruskal Wallis
d. El de Wilcoxon

8
Si usted aumenta la región de rechazo en una prueba de hipótesis, lograría
que:
Seleccione una respuesta.
a. Se disminuya el tamaño de la
muestra.
b. Se disminuyan los errores tipo I y II.
c. Se disminuya solo uno de los errores.
d. Ninguna de las anteriores opciones.

9
El nivel crítico o P-valor de un contraste de hipótesis representa:
Seleccione una respuesta.
 a. La probabilidad del nivel de significación.
b. El nivel de significación que se fija para la hipótesis.
c. La probabilidad de rechazar la hipótesis nula siendo falsa.
d. La probabilidad de que el estadístico de prueba presente
una discrepancia mayor o igual que la observada.

10
Qué otro nombre recibe la técnica del Análisis de Varianza:
Seleccione una respuesta.
a. Mancova
b. Anacova
c. Ancova
d. Anova

11
Las dos fuentes de variación para construir una tabla de ANOVA (Análisis de
varianzas de un sólo factor) son:
Seleccione una respuesta.
a. Coeficiente de variación y Rango
b. La media y la mediana
c. Entre grupos y Dentro de grupos
d. Variable independiente y Variable
dependiente

12
La probabilidad de rechazar la hipótesis nula cuando es cierta

Seleccione una respuesta.

a. Error tipo II
b. Nivel de riesgo
c. Tamaño de la region crítica
d. Nivel de confianza

13
El objetivo del análisis de varianzas es:
Seleccione una respuesta.
 a. Descomponer la variabilidad total en variabilidad explicada
y no explicada.
b. Contrastar la igualdad de medias de los niveles del factor o
factores
c. Descomponer la variabilidad por bloque bloque.
d. Obtener los grados de libertad de la variabilidad no
explicada.

14

En un modelo de análisis de varianzas de un factor en el que resulta

estadísticamente significativo su efecto en el comportamiento de la variable
respuesta.  ¿Cuál de estas afirmaciones son verdaderas?

Seleccione una respuesta.

a. Todos los efectos de los niveles del factor son
estadísticamente iguales.
b. Todas las demás afirmaciones son falsas.
c. La variabilidad residual es igual a la total
d. Los efectos de al menos dos niveles del factor son
estadísticamente diferentes

15

Las pruebas no Paramétricas, son una alternativa para el contraste de hipótesis

estadístico paramétrico. En tal sentido las pruebas No paramétricas, usadas
para comprobar el tipo de distribución de probabilidad teórica a la que se ajusta
un conjunto de datos son:

1. La prueba de Kruskal Wallis

2. La prueba de Chi cuadrado

3. La prueba de Mann Withney

 4. La prueba de Kolmogorov- Smirnov.

 Seleccione la Alternativa correcta:

Seleccione una respuesta.

a. Si 2 y 4 son correctas marque C
b. Si 2 y 3 son correctas marque B
c. Si 1 y 2 son correctas marque A
d. Si 1 y 4 son correctas marque D