UNA VARIABLE

MEJORAMIENTO

Los problemas en la optimización son las aplicaciones más comunes de las

matemáticas.
Cualquiera que sea la actividad en la que estamos inmersos, queremos
maximizar el bien
lo que hacemos y minimizar las consecuencias o costos lamentables. Los
gerentes de negocios
tratar de controlar las variables con el fin de maximizar el beneficio o
para lograr un
objetivo para la producción y la entrega deseada a un costo mínimo. Los
gerentes de las renovables
recursos como la pesca y los bosques tratan de controlar las tasas de
cosecha con el fin de
maximizar el rendimiento a largo plazo. Las agencias gubernamentales
establecen estándares para minimizar el
costos ambientales de la producción de bienes de consumo. Los
administradores del sistema del ordenador
tratar de maximizar el rendimiento y minimizar los retrasos. Espacio
Agricultores sus plantaciones
para maximizar el rendimiento. Médicos regulan los medicamentos para
minimizar secundario perjudicial
efectos. Lo que todas estas aplicaciones y muchos más tienen en común es
una
en particular estructura matemática. Uno o más variables pueden ser
controlados para
producir el mejor resultado de alguna otra variable, sujeta en la mayoría
de los casos a una
variedad de limitaciones prácticas sobre las variables de control.
Modelos de optimización
están diseñados para determinar los valores de las variables de control
que conducen a la
resultado óptimo, teniendo en cuenta las restricciones del problema.
Comenzamos nuestra discusión de modelos de optimización en un lugar donde
la mayoría de los estudiantes
será ya tienen alguna experiencia práctica. Una variable-optimización
problemas, a veces llamados problemas de máximos y mínimos, se discuten
típicamente
en el cálculo de primer semestre. Una amplia variedad de aplicaciones
prácticas puede
ser manejados usando sólo estas técnicas. El propósito de este capítulo,
además de
una revisión de estas técnicas básicas, es introducir los fundamentos de
la matemática
modelado en un ambiente familiar.

1.1 El método de cinco pasos

En esta sección describimos un procedimiento general que se puede
utilizar para resolver problemas
utilizando modelos matemáticos . Vamos a ilustrar este procedimiento,
llamado el método de cinco pasos , al usarla para resolver un problema de
máximos y mínimos de una variable
típico de los que se encuentran la mayoría de los estudiantes en el
primer semestre de cálculo.
Ejemplo 1.1

Un cerdo que pesa 200 libras gana 5 libras por día y los costos
45 centavos de dólar al día para mantener . El precio de mercado de los
cerdos es de 65 centavos de dólar por libra , pero es
caída de 1 centavo por día . Cuando se debe vender el cerdo ?
El enfoque de modelado matemático para la resolución de problemas
consiste en cinco
pasos:
1. Haga la pregunta .
2. Seleccione el enfoque de modelado .
3. Formular el modelo.
4. Resolver el modelo.
5. Responder a la pregunta .

El primer paso es hacer una pregunta. La pregunta debe ser redactada en

matemática
términos, y que a menudo requiere una gran cantidad de trabajo por hacer
esto. En el proceso
estamos obligados a hacer una serie de hipótesis o suposiciones acerca de
la
cosas como realmente son. No debemos tener miedo de hacer una conjetura
en esta etapa.
Siempre podemos volver y hacer una mejor estimación más adelante. Antes
de que podamos pedir
una pregunta en términos matemáticos que tenemos que definir nuestros
términos. Ir a través de la
problema y hacer una lista de variables. Incluya unidades apropiadas. A
continuación, un maquillaje
lista de supuestos sobre estas variables. Incluya cualquier relación
entre las variables
(ecuaciones y desigualdades) que se sabe o se supone. Después de haber
hecho todo
a esto, estamos dispuestos a hacer una pregunta. Anote en explícita
matemática
lenguaje el objetivo de este problema. Observe que los pasos preliminares
de
el listado de variables, unidades, ecuaciones y desigualdades, y otros
supuestos son
realmente una parte de la cuestión. Se enmarcan la cuestión.
En el Ejemplo 1.1 el peso w del cerdo (en libras), el número de días
hasta que t
vendemos el cerdo, el costo C de mantener los días de cerdo t (en
dólares), el mercado
precio p para los cerdos ($ / lb), el R ingresos obtenidos cuando
vendemos el cerdo ($), y nuestro
resultante P beneficio neto ($) son todas las variables. Hay otras
cantidades numéricas
involucrado en el problema, tales como el peso inicial del cerdo (200
libras). Sin embargo,
estos no son variables. Es importante en esta etapa para separar las
variables de
las cantidades que se mantendrá constante.
Lo siguiente que necesitamos para listar nuestras suposiciones acerca de
las variables identificadas en el
primera fase de la etapa 1. En el proceso que se tendrá en cuenta el
efecto de la
constantes en el problema. El peso del cerdo comienza a las 200 libras y
sube
por 5 libras / día por lo que tiene

(lbs) = (200 lbs)+ (5lbs/dias) (t dias)

Variables: t = tiempo ( días )

w = peso del cerdo ( libras )
p = precio de los cerdos ( $ / lb)
C = costo de mantener cerdo camisetas día ( $ )
R = ingresos obtenidos por la venta de cerdo ( $ )
P = ganancias de la venta de cerdo ( $ )
Supuestos : w = 200 + 5t
p = 0:65 - 0 : 01t
C = 0 : 45t
R = p · w
P = R - C
t ≥ 0
Objetivo: Maximizar P

Figura 1.1 : Resultados de la etapa 1 del problema cerdo.

Note que hemos incluido las unidades como un cheque que nuestra ecuación
tiene sentido.
Las otras suposiciones inherentes en nuestro problema son los siguientes:

También suponemos que t ≥ 0. Nuestro objetivo en este problema es

maximizar
nuestra utilidad neta , P dólares . Figura 1.1 resume los resultados de
la etapa 1 , en una forma
conveniente para su posterior consulta .
Las tres etapas de la etapa 1 ( las variables , suposiciones , y objetivo
) no tienen que ser
completado en un orden particular . Por ejemplo , a menudo es útil para
determinar
el objetivo temprano en el paso 1. En el Ejemplo 1.1 , que puede no ser
fácilmente evidente
que R y C son variables hasta que hemos definido nuestro objetivo , P, y
nos recuerdan
que P = R- C . Una forma de comprobar que el paso 1 es completa es ver si
nuestra
P objetivo se relaciona todo el camino de vuelta a la variable t. El
mejor consejo general
sobre el paso 1 es hacer algo . Comience por escribir todo lo que sea de
inmediato
aparente ( por ejemplo, algunas de las variables se pueden encontrar
simplemente leyendo sobre el
problema y buscar los nombres ) , y el resto de las piezas ,
probablemente caerá en
lugar.

Paso 2 es seleccionar el enfoque de modelado . Ahora que tenemos un

problema
afirma en el lenguaje matemático , tenemos que seleccionar un enfoque
matemático
a utilizar para obtener una respuesta. Existen muchos tipos de problemas
pueden ser expresadas en un estándar

para el que existe un procedimiento eficaz solución general formulario.

La mayoría de investigaciones en
matemáticas aplicadas consiste en la identificación de estas categorías
generales de problemas
e inventando formas eficientes para resolverlos. Hay una cantidad
considerable de
la literatura en esta área, y muchos de los nuevos avances se siguen
realizando . Pocos, si
ninguna , los estudiantes en este curso tendrán la experiencia y
familiaridad con el
la literatura para hacer una buena selección para el enfoque de
modelado . En este libro,
con raras excepciones , los problemas especificar el enfoque de modelado
para ser utilizado.
Nuestro problema ejemplo se modela como un problema de optimización de
una variable ,
o problema de máximos y mínimos .
Planteamos el enfoque de modelado que hemos seleccionado. Para obtener
detalles completos
nos referimos al lector a cualquier libro de texto de cálculo
introductorio.

Se nos ha dado un de valor real función y = f ( x ) definida en un

subconjunto
S de la línea real. Hay un teorema que establece que si f alcanza su
máximo o mínimo en un punto x interior ∈ S , entonces f '(x) = 0 ,
suponiendo que f es diferenciable en x . Esto nos permite descartar
cualquier punto interior x ∈ S a la que f '(x ) = 0 ̸como candidato a
Max-
min. Este procedimiento funciona bien , siempre y cuando no hay
demasiados
puntos excepcionales .
Paso 3 es formular el modelo. Tenemos que tomar la cuestión expuesta en
paso 1 y reformularlo en forma estándar seleccionado en el paso 2 , por
lo que podemos
aplicar el procedimiento estándar solución general . A menudo es
conveniente cambiar
nombres de variables si se refieren a un enfoque de modelado que se ha
descrito
utilizando nombres de variables específicas , como es el caso aquí.
Nosotros escribimos

Deje y = P la cantidad que deseamos maximizar y x = t la independiente

variable. Nuestro problema ahora es maximizar

sobre el conjunto S = { x: x ≥ 0 } .
Paso 4 es resolver el modelo , utilizando el procedimiento de solución
estándar identificado
en el paso 2. En nuestro ejemplo queremos encontrar el máximo de la
función y = f ( x )
definida por la Ec . ( 1.1 ) sobre el conjunto x ≥ 0. La figura 1.2
muestra una gráfica de la función
f ( x). Puesto que f es cuadrática en x, la gráfica es una parábola.
Calculamos que

f'(x )=(8 - x) / 10

de manera que f '(x) = 0 en el punto x = 8. Puesto que f es creciente en

el intervalo
(-∞ ; 8 ) y la disminución en ( 8 ; ∞ ), el punto x = 8 es el máximo
global. A
Figura 1.2 : Gráfico de la ganancia neta de f (x ) = ( 0:65 - 0 : 01X ) (
200 + 5x ) - 0 : 45x frente
tiempo para vender x para el problema de cerdo.

este punto tenemos y = f ( 8 ) = 133 : 20 . Puesto que el punto (x; y) =

( 8 ; 133 : 20 ) es
el máximo global de f sobre toda la recta real , también es el máximo
sobre
el conjunto x ≥ 0 .
Paso 5 es responder a la pregunta planteada inicialmente en el paso 1 ;
es decir, cuando para vender
el cerdo con el fin de maximizar el beneficio. La respuesta obtenida por
nuestra matemática
modelo es vender el cerdo después de ocho días , obteniendo así una
ganancia neta de $ 133: 20 .
Esta respuesta es válida siempre y cuando las suposiciones hechas en el
paso 1 siguen siendo válidas .
Preguntas relacionadas y supuestos alternativos pueden abordarse mediante
el cambio
lo que hicimos en el paso 1. Dado que se trata de un problema real ( Un
agricultor posee
cerdos. Cuando en caso de que se vendan ? ) , Hay un elemento de riesgo
en el paso 1 .
Por esa razón por lo general es necesario investigar varias alternativas.
Esta
proceso, llamado análisis de sensibilidad , se discutirá en la próxima
sección

El principal propósito de esta sección es introducir el método de cinco

pasos para
modelización matemática . Figura 1.3 resume el método en una forma
conveniente
para su posterior consulta . En este libro vamos a aplicar el método de
cinco pasos para resolver un
amplia variedad de problemas en la modelización matemática . Nuestra
discusión de la etapa 2
en general, incluirá una descripción del enfoque de modelado
seleccionado, junto
con uno o dos ejemplos . El lector que ya está familiarizado con el
modelado
enfoque puede optar por omitir esta parte , o simplemente descremada para
recoger la notación.
Algunos de los otros puntos resumidos en la Fig. 1,3 , tales como el uso
de "apropiado
tecnología ", se amplió más adelante en este libro.
Los ejercicios al final de cada capítulo también requieren la aplicación
de la

Paso 1. Haga la pregunta.

• Haga una lista de todas las variables en el problema, incluyendo
unidades apropiadas.
• Tenga cuidado de no confundir variables y constantes.
• Indicar la existencia de los supuestos que están haciendo sobre estas
variables, incluyendo
ecuaciones y desigualdades.
• Compruebe las unidades para asegurarse de que sus suposiciones tienen
sentido.
• Estado del objetivo del problema en términos matemáticos precisos.
Paso 2. Seleccione el enfoque de modelado.
• Elija un procedimiento de solución general a seguir en la solución de
este problema.
• En términos generales, el éxito en este paso requiere experiencia,
habilidad y
familiaridad con la literatura relevante.
• En este libro por lo general a especificar el enfoque de modelo que se
utilizará.
Paso 3. Formular el modelo.
• Repita la pregunta planteada en el paso 1 en los términos del enfoque
de modelado
especificada en el paso 2.
• Es posible que deba volver a etiquetar algunas de las variables
especificadas en el paso 1, a fin
estar de acuerdo con la notación utilizada en el paso 2.
• Tenga en cuenta los supuestos adicionales hechas para encajar el
problema descrito
en el paso 1 en la estructura matemática especificado en el paso 2.
Paso 4. Resolver el modelo.
• Aplicar el procedimiento de solución general especificado en el paso 2
a lo específico
problema formulado en el paso 3.
• Tenga cuidado en sus matemáticas. Revise su trabajo para errores
matemáticos. Hace
su respuesta tiene sentido?
• Utilice la tecnología apropiada. Sistemas de álgebra computacional,
gráficos y
software numérica aumentará la gama de problemas dentro de su alcance,
y también ayudan a reducir errores matemáticos.
Paso 5. Respuesta a la pregunta.
• Reformular los resultados del paso 4 en términos no técnicos.
• Evite los símbolos matemáticos y jerga.
• Cualquier persona que puede entender el estado de la cuestión, ya que
se presentó
a usted debe ser capaz de entender su respuesta.
método de cinco pasos . Conseguir en el hábito de usar el método de cinco
pasos ahora se
que sea más fácil para tener éxito en los problemas de modelado más
difíciles por venir. Ser
Asegúrese de prestar especial atención al paso 5. En el mundo real , no
es suficiente
estar en lo cierto . También necesita la capacidad de comunicar sus
hallazgos a los demás,
algunos de los cuales pueden no ser tan matemáticamente bien informado
como usted .

1.2 Análisis de Sensibilidad

La sección anterior describe el enfoque de cinco pasos para la

modelización matemática.
El proceso comienza haciendo algunas suposiciones sobre el problema.
Nosotros somos
rara vez lo suficientemente seguro de que las cosas sean capaces de
esperar que todos estos supuestos
que ser exactamente válida. Por lo tanto, tenemos que considerar cómo
nuestras conclusiones sensibles
son para cada uno de los supuestos que hemos hecho. Este tipo de análisis
de sensibilidad
es un aspecto importante de la modelización matemática. Los detalles
varían según
el enfoque de modelado utilizado, por lo que nuestra discusión de
análisis de sensibilidad
continuará a lo largo de este libro. Nos centraremos aquí en el análisis
de sensibilidad para
simples problemas de optimización de una variable.
En la sección anterior se utilizó el problema de cerdo (Ejemplo 1.1) para
ilustrar
el enfoque de cinco pasos para la modelización matemática. Figura 1.1
resume la
supuestos que hicimos en la solución de ese problema. En este caso los
datos y
suposiciones eran en su mayoría escritas para nosotros. Aun así, tenemos
que ser críticos.
Los datos se obtienen mediante la medición, la observación, y, a veces
pura conjetura.
Tenemos que considerar la posibilidad de que los datos no son precisos.
Algunos datos son naturalmente conocen con mucha más certeza que otros.
los
peso actual del cerdo, el precio actual de los cerdos, y el costo por día
de
manteniendo el cerdo son fáciles de medir y se sabe que un alto grado de
certeza.
La tasa de crecimiento del cerdo es un poco menos seguro, y la tasa a la
que el
precio está cayendo es aún más incierta. Sea r denota la velocidad a la
que el precio es
que cae. Asumimos que r = 0:01 de dólares por día, pero nos vamos ahora
suponer que
el valor real de r es diferente. Al repetir el procedimiento de solución
para varios
diferentes valores de r, podemos tener una idea de la sensibilidad de
nuestra respuesta a la
valor de r. Tabla 1.1 muestra los resultados de la solución de nuestro
problema para unos pocos seleccionados
valores de r. Figura 1.4 contiene los mismos datos de sensibilidad en
forma gráfica. Nosotros
puede ver que el momento óptimo para vender es muy sensible al parámetro
r.
Un método más sistemático para medir esta sensibilidad sería tratar
r como un parámetro desconocido, siguiendo los mismos pasos que antes.
Escritura

we can proceed as before to obtain

Entonces podemos calcular

Tabla 1.1 : Sensibilidad del mejor momento para vender x para evaluar r
en la que el precio está cayendo por
el problema cerdo.

Figura 1.4 : Gráfico del mejor momento para vender x frente a la tasa r
en la que el precio está cayendo
para el problema de cerdo.
Figura 1.5 : Gráfico de la ganancia neta de f (x ) = ( 0 : 65-0 : 015x )
( 200 + 5x ) -0: 45x frente
tiempo para vender x para el problema de cerdo en el caso r = 0 : 015 .

de manera que f'(x) = 0 en el punto

El momento óptimo para vender está dada por la Ec . ( 1.2 ) , siempre y

cuando esta expresión es
positiva , es decir , siempre que 0 <r ≤ 0 : 014 . Para r> 0 : 014 , el
vértice de la parábola
y = f ( x ) se encuentra fuera del set x ≥ 0 sobre el que estamos
maximizando . En esto
caso de que el momento óptimo para vender es en x = 0, ya que tenemos f
'< 0 en la totalidad
intervalo [ 0 ; ∞ ) . Ver Figura 1.5 para una ilustración en el caso r =
0 : 015 .
También estamos seguros de la tasa de crecimiento g de cerdo. Hemos
asumido
que g = 5 libras / día . De manera más general , tenemos que

w = 200 + gt;

lo que conduce a la ecuación

así que eso

Ahora f '(x ) = 0 en el punto

Figura 1.6 : Gráfico del mejor momento para vender x frente a la tasa de
crecimiento g para el problema de cerdo.
El momento óptimo para vender está dada por la Ec . ( 1.4 ) con tal de
que representa un no negativo
valor de x . La figura 1.6 muestra la relación entre la tasa de
crecimiento g
y el momento óptimo para vender .
Es más natural y más útil para interpretar los datos de sensibilidad en
cuanto a
cambio relativo o porcentaje de cambio , en lugar de en términos
absolutos. Por ejemplo, una
Disminución del 10 % en el r conduce a un aumento del 39 % en x, mientras
que una disminución del 10% en g cables
a una disminución del 34% en x . Si x cambia por una cantidad Dx , el
cambio relativo
en x está dada por ? x = x, y el porcentaje de cambio en x es 100Δx = x :
si los cambios r
por ? R , lo que resulta en el cambio ? x en x ; entonces la relación
entre la relativa
cambios es ? x = x dividido por ? R = r: Dejar que ? R → 0 y el uso de la
definición de
la derivada , obtenemos

Llamamos a esta cantidad que limita la sensibilidad de x para r , y lo

denotaremos por
S (x; r) . En el problema de cerdo tenemos

en el punto r = 0:01 y x = 8 ; así

Si r sube un 2% , entonces x se cae en un 7 % . Desde

tenemos
por lo que un aumento del 1 % en la tasa de crecimiento del cerdo podría
causarnos que esperar unos
3 % más tiempo para vender el cerdo.
Con el fin de calcular la sensibilidad S (y; g), primero sustituto
( 1.4 ) en el
función objetivo y = f ( x) a partir de ( 1.3 ) para obtener

A continuación, calcular la derivada

y sustituir g = 5 para obtener dy = dg = 4:56 , lo que conduce a

Si el cerdo crece 10% más rápido de lo esperado, el beneficio neto

esperado será del 1,7%
más grande. El cálculo de la derivada dy = dg en este caso se trata de un
poco
del álgebra. En el capítulo 2, vamos a discutir cómo un sistema de
álgebra computacional puede ser
utilizada para realizar los cálculos necesarios algebraicas.
La aplicación con éxito de los procedimientos de análisis de sensibilidad
requiere buena
juicio. Por lo general, no es posible calcular coeficientes de
sensibilidad para cada
parámetro en el modelo, ni es esto particularmente deseable. Tenemos que
seleccionar
esos parámetros sobre los que hay más incertidumbre y llevar a cabo la
sensibilidad
análisis sobre ellos. La interpretación de los coeficientes de
sensibilidad también depende
en el grado de incertidumbre, siendo la cuestión fundamental de la medida
a la que nuestra incertidumbre acerca de los datos afecta a nuestra
confianza en la respuesta.
En el problema de cerdo, es probable que estemos mucho más seguros del
crecimiento
tasa g que del r velocidad a la que los precios caen. Un error del 25% en
g sería muy
sorprendente que hemos observado la historia pasada de crecimiento de
este cerdo o similares
animales. Un error del 25% en nuestra estimación de r no sería en
absoluto sorprendente.

1.3 La sensibilidad y robustez

Un modelo matemático es robusta si las conclusiones a las que lleva a
seguir siendo así incluso
aunque el modelo no es completamente exacta. En problemas reales nunca
tendremos
información perfecta, e incluso si fuera posible construir un
perfectamente preciso
modelo, podría ser mejor con una aproximación más simple y más manejable.
Por esta razón, la consideración de la robustez es un ingrediente
necesario en cualquier
proyecto de modelado matemático.
En la sección anterior hemos introducido el proceso de análisis de
sensibilidad,
que es una forma de medir la robustez de un modelo con respecto a los
supuestos
acerca de los datos. Hay otras suposiciones hechas en el paso 1 de la
matemática
proceso de modelado que debe examinarse también. Si bien a menudo es
necesario
hacer suposiciones con fines de conveniencia matemática y la simplicidad,
es la responsabilidad del modelador para velar por que estos supuestos no
son
tan especializado como para invalidar los resultados del proceso de
modelado.
Figura 1.1 contiene un resumen de las hipótesis formuladas en la
resolución del cerdo
problema. Aparte de los valores de datos, las principales hipótesis son
que tanto el peso
del cerdo y el precio de venta por libra son funciones lineales de
tiempo. Estas
obviamente están supuestos simplificadores y no se puede esperar para
contener exactamente.
Después de todo, de acuerdo con estos supuestos, un año a partir de ahora
el cerdo pesaría

y se venden por

Un modelo más realista tendría en cuenta tanto la no linealidad de éstos

funciones y la creciente incertidumbre en cuanto pasa el tiempo .
¿Cómo puede un modelo de dar la respuesta correcta si las suposiciones
son incorrectas ? Mientras
modelado matemático busca la perfección , la perfección no se puede
lograr.
Sería más descriptivo decir que los modelos matemáticos se esfuerza hacia
perfección. Un modelo matemático bien construida será robusta , que es
dicen que aunque las respuestas que da no puede ser toda la razón , que
será
lo suficientemente cerca para ser útil en un contexto del mundo real .
Examinemos los supuestos de linealidad realizadas en el problema de
cerdo. Nuestros
ecuación básica es

donde p es el precio de venta del cerdo en dólares por libra , y w es el

peso
del cerdo en libras. Si los datos originales y los supuestos del modelo
son
no muy lejos , el mejor momento para vender el cerdo se obtiene mediante
el establecimiento de P '= 0 :
Calcula encontrar

dólares por día. El término p'w + pw 'representa la tasa de aumento en el

valor
del cerdo. Nuestro modelo nos dice para mantener el cerdo siempre y
cuando el valor del cerdo es
aumentando más rápido que el costo de la alimentación de la misma.
Además, el cambio en el cerdo de
valor tiene dos componentes, p'w y pw. El primer término, p'w, representa
la pérdida
en el valor debido a una caída en el precio. El segundo término, pw ',
representa la ganancia en
valor debido al peso del cerdo ganando. Tenga en cuenta los problemas
prácticos involucrados en
la aplicación de este modelo más general. Los datos requeridos incluyen
un completo
especificación tanto del crecimiento futuro del cerdo y los futuros
cambios en el precio
funciones diferenciables de tiempo. No hay manera de saber estas
funciones
exactamente. Incluso hay algunas dudas en cuanto a si tienen sentido.
Puede el
cerdo se vende a 03 a.m. ¿Domingo por la mañana? Puede ser el precio de
un número irracional? Dejar
nosotros construimos un escenario realista. El agricultor tiene un cerdo
con un peso aproximado
200 libras. El cerdo ha ido ganando cerca de cinco libras / día durante
la última semana. Cinco
Hace días que el cerdo podría haberse vendido por 70 centavos / libra,
pero por ahora el precio tiene
bajó a 65 centavos / lb. ¿Qué debemos hacer? El enfoque obvio es
proyectar
sobre la base de estos datos (w = 200; w '= 5; p = 0:65; p' = -0: 01) y
decidir
cuándo vender. Esto es exactamente lo que hicimos. Entendemos que p 'y w'
voluntad
no permanecerá constante a lo largo de las próximas semanas, y que, por
tanto, py w voluntad
no ser funciones lineales de tiempo. Sin embargo, siempre que p 'y w' no
hacer el cambio
demasiado largo de este período, el error involucrado en el supuesto de
que se mantienen constantes
no será demasiado grande.
Ahora estamos preparados para dar una interpretación algo más amplia a
los resultados
de nuestro análisis de sensibilidad de la sección anterior . Recordemos
que la sensibilidad
del mejor momento para vender (x ) a los cambios en la tasa de
crecimiento w ' se calculó en
3. Supongamos que , de hecho, la tasa de crecimiento a lo largo de las
próximas semanas está en algún lugar
entre 4,5 y 5,5 libras / día . Esto está dentro de 10 % del valor
asumido. entonces
el mejor momento para vender el cerdo estará dentro del 30% de 8 días , o
entre 5 y 11
día . La cantidad de pérdida de beneficios mediante la venta a los 8 días
es menos de 1 dólar.
Con respecto al precio, suponemos que sentimos el valor p '= -: 01 , o
una 1
ciento gota / día en el precio durante las próximas semanas , es el peor
de los casos. Precios
es probable que baje más lentamente en el futuro e incluso puede
estabilizarse ( p '= 0 ) :

Todo lo que realmente podemos decir ahora es que hay que esperar por lo
menos 8 días para vender. por
pequeños valores de p ' ( cerca de cero ), nuestro modelo sugiere esperar
un tiempo muy largo para
vender. Sin embargo, nuestro modelo no es válida durante intervalos de
tiempo largos. El mejor curso
de acción en este caso es probable que para mantener el cerdo durante una
semana, reestimar el
valores de los parámetros p; p ' ; w ' ; y W; y empezar de nuevo .
1.4 Ejercicios

1. Un fabricante de automóviles tiene una ganancia de $ 1,500 en la venta

de un
determinado modelo . Se estima que por cada $ 100 de descuento,
incremento de ventas
en un 15% .
( a) ¿Qué cantidad de reembolso será maximizar el beneficio ? Utilice el
cinco pasos
método y modelo como un problema de optimización de una sola variable.
( b ) Calcular la sensibilidad de su respuesta a la suposición de un 15%.
Considerar
tanto el importe de reembolso y el beneficio resultante.
( c ) Supongamos que los descuentos en realidad generan solamente un
aumento del 10 % en las ventas
por $ 100 . ¿Cuál es el efecto? ¿Qué pasa si la respuesta está en algún
lugar
entre el 10 y el 15% por cada $ 100 de reembolso?
( d ) ¿En qué circunstancias sería una oferta de reembolso causar una
reducción en
¿beneficio?

2. En el problema de cerdo, realizar un análisis de sensibilidad basado

en el coste por
día de mantener el cerdo. Tenga en cuenta tanto el efecto sobre el mejor
momento para vender
y en el beneficio resultante. Si un nuevo alimento que cuesta 60 centavos
de dólar / día dejaría
el cerdo crece a un ritmo de 7 libras / día , sería digno de alimentación
de conmutación ?
¿Cuál es la mejora mínima en la tasa de crecimiento que haría que este
nuevo feed vale la pena?

3. Reconsiderar el problema cerdo del Ejemplo 1.1 , pero ahora asumir que
el precio
para los cerdos está empezando a estabilizarse . Dejar

p = 0:65 - 0 : 01t + 0 : 00004t2 ( 1.5 )

representan el precio de los cerdos ( centavos / libra ) después de t

días .

( a) Gráfico Ec. ( 1.5 ), junto con nuestra ecuación precio original .

Explicar por qué
nuestra ecuación precio original podría considerarse como una
aproximación
a la ecuación . ( 1.5 ) para los valores de t cerca de cero.
( b ) Encuentre el mejor momento para vender el cerdo. Utilice el método
de cinco pasos , y
modelo como un problema de optimización de una sola variable.
( c ) El parámetro 0 : 00004 representa la velocidad a la que el precio
se está estabilizando
apagado. Llevar a cabo un análisis de sensibilidad sobre este parámetro.
Considere tanto
el momento óptimo para vender y el beneficio resultante.
( d ) Comparar los resultados del inciso ( b ) a la solución óptima
contenida
en el texto. Opina sobre la solidez de nuestros supuestos acerca de
precio.

4. Un derrame de petróleo ha ensuciado 200 millas de la costa del

Pacífico. La petrolera
responsable se le ha dado 14 días para limpiar la costa, después de lo
cual
una multa se impondrá por un monto de $ 10.000 / día. El equipo de
limpieza locales
puede fregar cinco millas de playa por semana a un costo de $ 500 / día.
Adicional
tripulaciones pueden ser traídos a un costo de $ 18,000, más $ 800 / día
para cada tripulación.
(a) ¿Cuántas tripulaciones adicionales deben ser traídos para minimizar
el
costo total para la empresa? Utilice el método de cinco pasos. ¿Cuánta
voluntad
el costo de limpieza?
(b) examinar la sensibilidad a la velocidad a la que un equipo puede
limpiar el
orilla. Tenga en cuenta tanto el número óptimo de las tripulaciones y el
total
costará a la empresa.
(c) Examinar la sensibilidad a la cantidad de la multa. Considera el
número de días que la empresa va a tomar para limpiar el derrame y la
costo total de la empresa.
(d) La empresa ha presentado un recurso con el argumento de que la
cantidad de
la multa es excesiva. Suponiendo que el único propósito de la multa es
motivar a la empresa para limpiar el derrame de petróleo en el momento
oportuno, es
la multa excesiva?

5. Se estima que la tasa de crecimiento de la población de ballena de

aleta (por año )
es rx ( 1 - x = K ), donde r = 0:08 es la tasa de crecimiento
intrínseca , K = 400 ; 000
es la población máxima sostenible , yx es la población actual ,
ahora alrededor de 70.000 . Se estima , además, que el número de ballenas
cosechado por año es de aproximadamente 0,00001 Ex ; donde E es el nivel
de pesca
esfuerzo en el barco - día . Dado un nivel fijo de esfuerzo , la
población eventualmente se
estabilizarse en el nivel en que la tasa de crecimiento es igual a la
tasa de la cosecha.
( a) ¿Qué nivel de esfuerzo va a maximizar la tasa de explotación
sostenida ? Modelo
como un problema de optimización de una variable utilizando el método de
cinco pasos .
( b ) Examinar la sensibilidad a la tasa de crecimiento intrínseco.
Considere tanto
el nivel óptimo de esfuerzo y el nivel de la población resultante.
( c ) Examinar la sensibilidad a la población máxima sostenible.
Tenga en cuenta tanto el nivel óptimo de esfuerzo y la población
resultante
Nivel

6. En el ejercicio 5 , supongamos que el costo de la caza de ballenas es

de $ 500 por barco - día , y
el precio de una carcasa de ballena de aleta es de $ 6.000.
( a) Encuentre el nivel de esfuerzo que va a maximizar el beneficio a
largo plazo .
Modelo como un problema de optimización de una variable usando el cinco
pasos
método.
( b ) Examinar la sensibilidad al costo de la caza de ballenas .
Considere tanto la
ganancia eventual en $ / año y el nivel de esfuerzo.
( c ) Examinar la sensibilidad al precio de una carcasa de ballena de
aleta . Considerar
tanto beneficio y nivel de esfuerzo .
( d ) En los últimos 30 años ha habido varios intentos fallidos
para prohibir la caza de ballenas en todo el mundo . Examinar los
incentivos económicos para
balleneros para continuar la cosecha. En particular , las condiciones
( valores de los dos parámetros: el coste por barco - día y precio
por carcasa de ballena de aleta ) en virtud del cual la cosecha de la
ballena de aleta produce
un beneficio sostenido en el largo plazo.

7. Reconsiderar el problema cerdo del Ejemplo 1.1 , pero ahora supongamos

que nuestro
objetivo es maximizar nuestra tasa de ganancia ( $ / día ) . Supongamos
que tenemos
ya poseía el cerdo durante 90 días y se han invertido $ 100 en este cerdo
de
fecha.
( a) Encuentre el mejor momento para vender el cerdo. Utilice el método
de cinco pasos , y
modelo como un problema de optimización de una sola variable.
( b) examinar la sensibilidad a la tasa de crecimiento del cerdo.
Considere tanto
el mejor momento para vender y la tasa de ganancia resultante.
( c) examinar la sensibilidad a la velocidad a la que el precio de los
cerdos es
goteante. Considere tanto el mejor momento para vender y el beneficio
resultante
la tasa.

8. Reconsiderar el problema cerdo del Ejemplo 1.1, pero ahora tener en

cuenta
el hecho de que la tasa de crecimiento del cerdo disminuye a medida que
el cerdo se hace mayor.
Supongamos que el cerdo se cultiva plenamente en otros cinco meses.
(a) Encuentre el mejor momento para vender el cerdo con el fin de
maximizar el beneficio. Utilizar el
método de cinco pasos, y el modelo como un problema de optimización de
una sola variable.
(b) Examinar la sensibilidad al tiempo que se tardará hasta que el cerdo
es totalmente
crecido. Considere tanto el mejor momento para vender y el beneficio
resultante.

9. Un diario local con una tirada de 80.000 suscriptores está pensando

de elevar su precio de suscripción. Actualmente el precio es de $ 1.50
por semana, y
se estima que el papel perdería 5.000 suscriptores si la tasa fuera
para ser criados por diez centavos / semana.
(a) Calcule el precio de suscripción que maximiza el beneficio. Utilice
el cinco pasos
método y modelo como un problema de optimización de una sola variable.
(b) Examinar la sensibilidad de la respuesta en la parte (a) a la
asunción
de 5000 perdieron suscriptores. Calcular la tasa de suscripción óptima
suponiendo que este parámetro es 3,000, 4,000, 5,000, 6,000, o 7,000.
(c) Sea n = 5; 000 denotan el número de suscriptores pierde cuando la
suscripción
los aumentos de precios por diez centavos. Calcular la suscripción óptima
precio p como una función de n, y utilizar esta fórmula para determinar
la sensibilidad S (p, n).
( d ) En caso de que el documento de cambiar su precio de suscripción ?
Justificar sus conclusiones
en la llanura Inglés .