Facultad de ingenieria

Ingenieria Civil Industrial

Sede Talca

Pueba de Diagnóstico
Investigación Operativa
Edgar Andrés Gaete Jaque
Abril 2020

1
Índice
1. Introducción 3

2. Desarrollo 4
2.1. ¿Que se entiende por optimización? . . . . . . . . . . . . . 4
2.2. ¿Cómo se plantea un modelo de regresión lineal? . . . . . . . . . 4
2.3. Explique en que consiste el método Simplex. . . . . . . . . . . . . 5
2.3.1. Qué es una matriz identidad . . . . . . . . . . . . . . . . 5
2.4. Conoce procedientos asociados a optimización no lineal . . . . . 6
2.5. ¿Que entiende por óptimo local? . . . . . . . . . . . . . . . . . . 6
2.6. Explique a que se refiere una solución o espacio Dual a un pro-
blema de programación lineal. . . . . . . . . . . . . . . . . . . . . 6
2.7. Mencione softwares que haya utilizado o que sepa se pueden utili-
zar en Investigación Operativa. ¿Cuál domina relativamente bien? 7
2.8. Explicar que se entiende por distribución de probabilidad. . . . 7

2
1. Introducción
En el presente diagnostico se procede a responder un cuestionario, el cual se
enfoca en saber los principios básicos y que entendemos por optimización , cual
es su función principal,como funciona el metodo simplex para la resolución de
estos problemas, que softwares se han implementado para la resolución, acá se
desprenden problemas que relacionan la dualidad del problema primal y cuando
se deben usar probabilidades, la programación lineal y que métodos para su
resolución y la programación no lineal y como abordar estos problemas.

3
2. Desarrollo
En el presente documento, se dará solución a las preguntas propuestas por
el docente las cuales competen a la realización de la prueba de diagnostico del
ramo de investigación operativa.

2.1. ¿Que se entiende por optimización?

Se entiende por optimización que es buscar mejores resultados maximizan-
do o minimizando algun proceso, más eficacia o mayor eficiencia en el desem-
peño de alguna tarea. De allı́ se implementan los terminos: mejorar, optimar o
perfeccionar.[Lopera Mesa, 2004]
Se dice que se ha optimizado algo (una actividad, un método, un proceso,
un sistema, etc.) cuando se han efectuado modificaciones en la fórmula usual de
proceder y se han obtenido resultados que están por encima de lo regular o lo
esperado. En este sentido, optimizar es realizar una mejor gestión de nuestros
recursos en función del objetivo que perseguimos.
[Luna, 2016]

2.2. ¿Cómo se plantea un modelo de regresión lineal?

El objetivo de un modelo de regresioón es tratar de explicar la relación
que existe entre una variable dependiente (variable respuesta) Y un conjunto
de variables independientes (variables explicativas) X1, ..., Xn. En un modelo
de regresión lineal simple Tratamos de explicar la relación que existe entre la
variable respuesta Y y una única variable explicativa X. [Peláez, 2016]

4
 Mediante las técnicas de regresioón de una variable Y sobre una variable X,
buscamos una función que sea una buena aproximación de una nube de puntos
(Xi, Y i), mediante una curva tipo: [Hillier et al., 1997]

El modelo de regresión lineal siempre tiene la siguiente forma:

Y = α + β(x) + ε
En dondeα es la ordenada en el origen (el valor que toma Y cuando X vale 0),
β es la pendiente de la recta (e indica cómo cambia Y al incrementar X es una
unidad) y ε una variable que incluye un conjunto de factores, cada uno de los
cuales influyen en la respuesta en pequeñas magnitudes. [Abuı́n, 2007]

2.3. Explique en que consiste el método Simplex.

El Método Simplex es un método analı́tico de solución de problemas de pro-
gramación lineal, capaz de resolver modelos más complejos que los resueltos
mediante el método gráfico sin restricción en el número de variables.

El Método Simplex es un método iterativo que permite ir mejorando la

solución en cada paso. La razón matemática de esta mejora radica en que el
método consiste en caminar del vértice de un poliedro a un vértice vecino de
manera que aumente o disminuya (según el contexto de la función objetivo,
sea maximizar o minimizar), dado que el número de vértices que presenta un
poliedro solución es finito siempre se hallará solución. [Escobar, 2004]

2.3.1. Qué es una matriz identidad

Una matriz puede definirse como una ordenación rectangular de elementos,
(o listado finito de elementos), los cuales pueden ser números reales o complejos,
dispuestos en forma de filas y de columnas. [Bazaraa et al., 1981]
La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo
número tanto de columnas como de filas) de orden n que tiene todos los elemen-
tos diagonales iguales a uno (1) y todos los demás componentes iguales a cero
(0), se denomina matriz idéntica o identidad de orden n, y se denota por:
 
1 0 0
0 1 0
0 0 1
[Brea, 2013]

5
2.4. Conoce procedientos asociados a optimización no li-
neal
La programación no lineal (PNL) es el proceso de resolución de un siste-
ma de igualdades y desigualdades sujetas a un conjunto de restricciones sobre
un conjunto de variables reales desconocidas, con un función objetivo a maxi-
mizar (o minimizar), cuando alguna de las restricciones o la función objetivo
no son lineales. la verdad no vimos muy profundamente la programación no
lineal no la domino muy bien en esto soy sincero porque sino no lo repasaremos.
[Canavos et al., 1988]

2.5. ¿Que entiende por óptimo local?

es una solución que sea óptima (ya sea máxima o mı́nima ) dentro de un
conjunto vecino de soluciones candidatas. Esto está en contraste con un óptimo
global , que es la solución óptima entre todas las soluciones posibles , no sólo
los de un barrio en particular de los valores.

Un punto x  F se denomina un mı́nimo local del problema de optimización si

existe un entorno de x tal que para cualquier otro punto x  F del entorno:
JX ≤ jx

2.6. Explique a que se refiere una solución o espacio Dual

a un problema de programación lineal.
Asociado a cada problema lineal existe otro problema de programación lineal
denomidano problema dual, que posee importantes propiedades y relaciones no-
tables con respecto al problema original.

6
 1- El problema dual tiene antas variables como restricciones tiene el problema
primal.
2- El problema dual tiena tantas restricciones como variables tiene el problema
primal.
3- Los coeficientes de la función objetivo del problema dual son los terminos
independientes de las restricciones del problema primal.
4- los terminos independientes de las restricciones del dual son los coeficientes
de la función objetivo.
5- El problema dual del problema dual es el programa original.

2.7. Mencione softwares que haya utilizado o que sepa se

pueden utilizar en Investigación Operativa. ¿Cuál do-
mina relativamente bien?
En investigación operativa anterior era un ramo muy teorico, basicamente
resolviamos todo a mano, muy pocas veces utilizamos sofware para la resolución
de problemas. En este ramo vimos muy superficialmente los siguientes progra-
mas:
- Solver
- Cplex
- Simplex
- Excell
en el contexto de Investigación operativa utilizamos estos pero muy pocas veces
el dominio no es mucho.

2.8. Explicar que se entiende por distribución de proba-

bilidad.
La distribución de probabilidad, se refiere a todos los resultados posibles
que pueda tener una variable aleatoria, es decir, describe el comportamiento de
dicha variable dentro de un intervalo de valores o de posibles resultados.
La variable aleatoria puede ser discreta o continua. Una variable aleatoria
discreta es aquella representada por números enteros, caracterizada por el lı́mite
de valores que puede tomar. Por otro lado, una variable aleatoria continua no
posee esta separación o limitación, puede tomar cualquier valor dentro del lı́mite
establecido.
La distribución de probabilidad permite asignar a cada evento la probabilidad
de que este ocurra o tenga éxito, ejemplo de esto, la realización de experimentos,
estudios sobre el progreso de una empresa, etc.
Con el estudio de las probabilidades, se ha permitido una manera de estan-
darizar los sucesos y procesos que ocurren al azar, esto se ha logrado estimando
las frecuencias en las que se obtiene un resultado en especı́fico.
El tipo de distribución depende del tipo de variable que se esté tratando. Exis-
ten muchas, a continuación, las principales o más conocidas:

7
 variables continuas: en el caso de que la variable aleatoria sea continua,
la distribución asociada es una distribución normal o de tipo Gaussiana.

Para variables discretas en el caso de que la variable aleatoria sea discreta,

pueden existir varios tipos de distribuciones, las principales son la distribución
binomial, la distribución hipergeométrica y la distribución de Poisson

Curvas de distribución de probabilidad para distintas poblaciones. (a) Distribu-

ción normal. (b) Distribución con desvı́o a la derecha. (c) Superposición de media
y mediana en distribuciones normales. (d) Mediana (lı́nea punteada) y media
(lı́nea sólida) en distribuciones con desvı́o a la derecha. (e) Utilizando el logarit-
mo de los valores medidos en una muestra con desvı́os como el caso de (b) se pue-
de ”normalizar”la muestra. [Nieves Hurtado and DOMÍNGUEZ SÁNCHEZ, 2009]

8
 Referencias
[Abuı́n, 2007] Abuı́n, J. R. (2007). Regresión lineal múltiple. IdEyGdM-Ld
Estadı́stica, Editor, 32.
[Bazaraa et al., 1981] Bazaraa, M. S., Jarvis, J. J., and Sherali, H. D. (1981).
Programación lineal y flujo en redes. Limusa.
[Brea, 2013] Brea, E. (2013). Una extensión del método de nelder mead a pro-
blemas de optimización no lineales enteros mixtos. Revista Internacional de
Métodos Numéricos para Cálculo y Diseño en Ingenierı́a, 29(3):163–174.
[Canavos et al., 1988] Canavos, G., Meyer, P., Spiegel, M., and Mendenhall, S.
(1988). Probabilidad y estadı́stica. LICENCIATURA EN INGENIERÍA EN
INFORMÁTICA, 28.

[Escobar, 2004] Escobar, H. M. M. (2004). Programación lineal. Universidad

Nacional de Colombia.
[Hillier et al., 1997] Hillier, F. S., Lieberman, G. J., and Osuna, M. A. G. (1997).
Introducción a la Investigación de Operaciones, volume 3. McGraw-Hill.

[Lopera Mesa, 2004] Lopera Mesa, G. P. (2004). Los derechos fundamentales

como mandatos de optimización.
[Luna, 2016] Luna, M. F. (2016). Diseño de experimentos y modelado para
optimización en la industria de procesos.

[Nieves Hurtado and DOMÍNGUEZ SÁNCHEZ, 2009] Nieves Hurtado, A. and

DOMÍNGUEZ SÁNCHEZ, F. C. (2009). Probabilidad y estadı́stica para
ingenierı́a un enfoque moderno. Technical report, México: McGraw Hill.
[Peláez, 2016] Peláez, I. M. (2016). Modelos de regresión: lineal simple y regre-
sión logı́stica. Revista Seden.