Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Afijacion
Afijacion
Alfonso Snchez1 a
asanchez@ut.edu.co
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Leonardo Solanilla1
leonsolc@ut.edu.co.
Alex Zambrano2
alexjzc@gmail.com 1 Profesor 2 Profesor
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Tal como lo seala Arthanari & Dodge (1981, pp.216) en n macroeconom y microeconom se necesita establecer a a informacin a travs de encuestas, enumeracin de individuos, o e o . . . , etc. La teor del muestreo ayuda a la seleccin de muestras de una a o poblacin segn ciertos mecanismos probabil o u sticos. Lo ms a simple es asignar igual probabilidad a cada unidad de la poblacin en la muestra (Muestreo Aleatorio Simple o M.A.S.). o Se asocia con o sin reemplazo. Otra forma simple es asignar probabilidades distintas con base en algn otro criterio en una u medida de tamao (Probabilidad Proporcional al Tamao o n n P.P.T.). Dentro del diseo de muestreo se consideran diversas maneras n de seleccionar unidades. En este trabajo se mostrar una a manera diferente de calcular el tamao de muestra dentro de n un muestreo aleatorio estraticado, usando para ello un criterio de optimizacin, lo que lo sita dentro del campo de la o u programacin matemtica. o a
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Problema
El problema desde el punto de vista de la programacin o matemtica puede plantearse como: a m n s. a. Costo de Encuesta. La perdida de precisin quede dentro de ciertos l o mites.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Una formulacin equivalente del problema 1 es la siguiente: o m La perdida de precisin. n o s. a. El costo se acomode a un presupuesto.
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Sea U = {U1 , U2 , . . . , UL } una poblacin particionada en o subpoblaciones o estratos. Una caracter stica de la poblacin se o inere a partir de muestras de cada uno de los estratos. Sea Ni el nmero de unidades del estrato i-simo y u e L Ni = N donde L es el nmero de estratos, N es el u i=1 nmero de unidades en la poblacin, mientras que ni el tamao u o n de la muestra del i-simo estrato. Se asume que las muestras se e toman independientemente en cada estrato. El problema de ajacin ptima es determinar los ni , el o o objetivo es minimizar la varianza (ganar precisin) del o estimador de la caracter stica bajo estudio, la restriccin es el o nmero de unidades muestrales tomadas con el presupuesto u disponible.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Sea y est el estimador insesgado de la media poblacional Y , de la caracter stica en estudio, dado por y est = 1 N
L
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Ni y i ,
i=1
donde y i el estimador insesgado de la media Y i (en el estrato i-simo), esto es, e yi = Sea V (y est ) = anterior donde
1 N2 L i=1
1 ni
yih ,
h=1
Ni2 V
V (y i ) =
1 Ni 1
Ni
h=1
yih Y i
Problema
El problema 1 se puede formular como:
L
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
m n
V (y est ) =
i=1 L
2 Wi2 Si xi
(Funcin Objetivo) o
s. a.
i=1
ni = n
(Funcin Lineal) o
(R1) (R2) y xi =
1 ni
ni Z+ , 1 ni Ni , 1 i L donde Wi =
Ni N , 2 Si = 1 Ni 1 Ni h=1
yih Y i
1 Ni .
Sea
L L 2 Wi2 Si xi = i=1 L L i=1
V (y i ) = =
i=1
ai xi
L
ai ai = ni i=1 Ni
i=1
ai + constante ni
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
m n
i=1 L
ai =Z ni ni = n
(Funcin Objetivo) o
s.a.
i=1
(R1) (R2)
ni Z+ , 1 ni Ni , 1 i L
f (n1 , n2 , . . . , nL ) =
i=1
ai ni
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
L i=1
ni n) = 0. 1 = 0,
a2 aL a1 2 , n2 , . . . , n2 n1 2 L
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Se puede presentar los siguientes problemas: n Z+ , entonces, se redondea. / ni > Ni , entonces, aqu se tendr que redistribuir, ya a que se presenta un sobremuestreo. ni < 1, entonces, tendr amos que tomar como m nimo una unidad en el estrato correspondiente.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Se puede presentar los siguientes problemas: n Z+ , entonces, se redondea. / ni > Ni , entonces, aqu se tendr que redistribuir, ya a que se presenta un sobremuestreo. ni < 1, entonces, tendr amos que tomar como m nimo una unidad en el estrato correspondiente.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Se puede presentar los siguientes problemas: n Z+ , entonces, se redondea. / ni > Ni , entonces, aqu se tendr que redistribuir, ya a que se presenta un sobremuestreo. ni < 1, entonces, tendr amos que tomar como m nimo una unidad en el estrato correspondiente.
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Es util suponer que los ai > 0, 1 i L (es razonable). De este modo, la funcin objetivo Z es estrictamente convexa. o Tomemos por facilidad L = 2 estratos.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Es util suponer que los ai > 0, 1 i L (es razonable). De este modo, la funcin objetivo Z es estrictamente convexa. o Tomemos por facilidad L = 2 estratos.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
a1 a2 + =Z n1 n2 s.a. n1 + n2 = n m n ni Z ,
+
1 ni Ni ,
i = 1, 2
Es util suponer que los ai > 0, 1 i L (es razonable). De este modo, la funcin objetivo Z es estrictamente convexa. o Tomemos por facilidad L = 2 estratos.
n2
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
N2
n
n1 + n2
a1 n1
a2 n2
=Z
1 1 n N1 n1
Figura: Regin factible y funcin objetivo cuando N1 y N2 son o o ambos ms grandes que n. Fuente: (Arthanari & Dodge 1981) a
Es util suponer que los ai > 0, 1 i L (es razonable). De este modo, la funcin objetivo Z es estrictamente convexa. o Tomemos por facilidad L = 2 estratos.
n2
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
N2 n
n1
Ajacin o ptima para el o M.A.E. univariado
a1 n1
n2
a2 n2
=Z
1 1 N1 n 1 n n1
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Figura: Regin factible y funcin objetivo cuando unicamente o o N2 es ms grande que n. Fuente: (Arthanari & Dodge 1981) a
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
El mtodo knapsack (que podr e amos traducir como mtodo del e morral) es un mtodo iterativo de programacin matemtica e o a entera, el cual puede ser usado para resolver una funcin o objetivo no lineal con restricciones lineales como se presenta en el problema 2. Encontrar sucesivamente f (k, r), k maneja el estrato, es decir, 1 k L. r maneja el tamao de la muestra en el estrato, n 0 r Ni , r Z+ {0}. Paso 1: f (1, r) = Solucin: o f (1, r) =
a1 r
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
m n s.a
a1 n1
n1 = r, 1 n1 N1 , n1 Z 1 r N1 r < 1 r > N1 o
a2 n2
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
n1 + n2 = r, 1 ni Ni , i = 1, 2, ni Z+
n1 = r n2 , 1 n1 N1 , n1 Z+
n2 =1,...,n
m n
a2 + f (1, r n2 ) n2
a2 n2
a3 n3
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o
n1 + n2 + n3 = r, 1 ni Ni , i = 1, 2, 3, ni Z+
a2 n2
a3 + f (2, r n3 ) n3
n3 =1,...,n
nk+1 =1,...,n
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
Paso nal (L-sima): Ubicamos el valor m e nimo de f (L, r), el cual nos da nL . Del anterior (L-1)-simo el valor e f (L 1, n nL ) nos da el nL1 . El (L-2)-simo de e f (L 2, n nL nL1 ) nos da nL2 . Etc; as hasta que nalmente encontramos el ptimo para n1 . o
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
La siguiente tabla tomada de Cochran (1977), muestra el nmero de habitantes (miles) de 64 grandes ciudades en los u E.U. en el ao 1930. Las ciudades estn agrupadas en tres n a estratos. Cuadro: Nmeros de habitantes (en miles), para el ao 1930, en u n 64 grandes ciudades de los E.U (por estrato) 1 90.0 82.2 78.1 80.5 67.0 123.8 57.3 63.4 2 36.4 31.7 32.8 30.2 28.8 29.1 25.3 29.1 3 19.5 18.3 16.3 20.1 14.7 16.4 14.3 16.9
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano
Estrato i 1 2 3 Total
Ni 16 20 28 64
2 Si
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 4
Comparando la solucin obtenida estimamos la varianza de o algunos mtodos e Cuadro: Comparacin de varianzas o Asignacin o Mtodo knapsack e Asignacin mediante lagrange o (M.A.S.) Proporcional (n1 , n2 , n3 ) (16,4,4) (17,3,4) (8,8,8) (6,8,10) V (y est ) 0.5841 0.5627 2.3410 3.7127
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Supongamos que el costo de muestreo por unidad es diferente en los distintos estratos. Sea ci el costo de una muestra en el i-simo estrato. Sea C el presupuesto total disponible. e
L
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
m Z = n
i=1 L
ai ni
s. a.
i=1
ci ni = C ni Z , 1 ni Ni , 1 i L.
+
Problema
Similarmente se puede plantear minimizando el costo manteniendo la prdida de precisin dentro de ciertos e o l mites, es decir:
L
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
m n
Z=
i=1 L
ci n i = C ai v ni
s. a.
i=1
ni Z+ , 1 ni Ni , 1 i L.
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Suponemos p caracter sticas en estudio. Sea Yj la j-sima e caracter stica estudiada, donde 1 j p, L nmeros de u estratos, Ni nmeros de unidades en el i-simo estrato, donde u e L u u 1 i L, i=1 Ni = N nmero total de unidades, ni nmero de unidades elegidas en el i-simo estrato, 1 i L. e Los datos tienen la siguiente forma yijh , donde i es el estrato, j es la observacin de la caracter o stica Yj , h es la unidad. Este dato se lee h-sima unidad en la j-sima caracter e e stica en el i-simo estrato. e Sea y ij el estimador insesgado de Y ij , tal que, y ij 1 = ni
ni
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
yijh
h=1
Ni y ij ,
i=1
1jp
Tal como antes se puede calcular la varianza para cada caracter stica:
L
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Vj = V (y ij (est)) =
i=1 N
2 Wi2 Sij xi ,
i 1 1 2 2 con Wi = Ni ; Sij = Ni1 h=1 (yijh Y ij ) , xi = ni Ni . N 1 Sea Ci > 0 el costo del muestreo de las p caracter sticas en el i-simo estrato, 1 i L, donde el costo total ser e a:
Z=
i=1
Ci ni
Problema
El problema de asignacin puede plantearse como: o
L
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
m n
i=1 L
C i ni
s. a.
i=1
aij xi vj , 1 j p.
(Restriccin No Lineal) o
0 xi 1
1 , 1 i L, Ni 1 n i Ni , n i Z
2 donde aij = Wi2 Sij (aij , C > 0) y vj es el error permitido en la j-sima caracter e stica, adems es lineal. a
Problema
Introduciendo una nueva variable Xi = el problema anterior como:
L 1 ni ,
podemos reescribir
m n
i=1 L
Ci Xi
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
s. a.
i=1
aij Xi bj ,
1jp 1iL
(Restriccin Lineal) o
1 Xi 1, Ni bj = v j +
L i=1
1 aij Ni , con ni Z.
Observaciones al problema 5. Z es una funcin estrictamente convexa por que o estrictamente convexo para Ci > 0 y 1 i L.
Ci Xi
es
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Las restricciones del problema 5 proporcionan una regin o factible convexa acotada, formada por inecuaciones lineales. La solucin al problema de optimizacin ocurre en la o o frontera de este convexo.
Observaciones al problema 5. Z es una funcin estrictamente convexa por que o estrictamente convexo para Ci > 0 y 1 i L.
Ci Xi
es
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Las restricciones del problema 5 proporcionan una regin o factible convexa acotada, formada por inecuaciones lineales. La solucin al problema de optimizacin ocurre en la o o frontera de este convexo.
Observaciones al problema 5. Z es una funcin estrictamente convexa por que o estrictamente convexo para Ci > 0 y 1 i L.
Ci Xi
es
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Las restricciones del problema 5 proporcionan una regin o factible convexa acotada, formada por inecuaciones lineales. La solucin al problema de optimizacin ocurre en la o o frontera de este convexo.
Observaciones al problema 5. Z es una funcin estrictamente convexa por que o estrictamente convexo para Ci > 0 y 1 i L.
Ci Xi
es
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Las restricciones del problema 5 proporcionan una regin o factible convexa acotada, formada por inecuaciones lineales. La solucin al problema de optimizacin ocurre en la o o frontera de este convexo. Entre algunos mtodos para solucionar el problema 5 tenemos: e Simplex convexo Direccin factible o + errror Proyeccin del gradiente o Linealizacin o Estos mtodos se utilizan con redondeo, y sin redondear se e utiliza branch bound, el cual es la generalizacin del algoritmo o knapsack para una sola caracter stica.
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Consideremos a L =# Estratos= 2
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano
Problema
C1 C2 + X1 X2 a11 X1 + a12 X2 b1 a21 X1 + a22 X2 b2 1 Xi 1 i = 1, 2 Ni Con
1 1 X1 , X2
m n s. a.
Z(X1 , X2 ) =
Z para X1 , X2 > 0
X2
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
a1
1X 1
X1 a 21 +a X 22
2
b2
C1 X1
C2 X2
a1
1
1 N2 1 N1
2X 2
X1
Para saber cual es la direccin de acercamiento, para ello, se o tienen las siguientes observaciones sobre las hiprbolas. e C1 C2 + X1 X2 C1 X2 + C2 X1 = X1 X2 C1 C2 C1 C2 (X1 )(X2 )= (Hiprbola) e Z Z Z2 Z= Lo que nos muestra una hiprbola para cada Z. Es ms esta e a C1 C2 centrada en ( Z , Z ) y es rectangular (no necesariamente equiltero). Al aumentar Z el centro se acerca al origen. a
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Cmo se mueve el centro de la hiprbola cuando o e variamos Z = 0? Si utilizamos el siguiente lema tenemos una forma de acercarnos.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Cuando Z var el vrtice var sobre una recta que pasa a e a por el origen ya que 2 = C2 +C1 C2 = cte. La pendiente 1 C1 + C1 C2 de esta recta es diferente a la anterior por tanto va en otra direccin. o
Para obtener la asignacin ptima debemos encontrar la o o hiprbola regular para algn valor Z, tal que, toque el limite de e u la regin factible. Mirar gura 2. En general cuando tenemos o L L-estratos y la restriccin i=1 aij Xi = bj , para 1 j p, o tenemos lo siguiente,
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o
Teorema
El punto de contacto del hiperplano
L
ai Xi = b
i=1 L
C con la funcin objetivo Z = i=1 Xi , para cada Z jo, es o i L X = (X1 , . . . , XL ) R , donde b Ci ai Xi = L ai Cj aj j=1
Demostracin. o
Sea
L
f (X1 , . . . , XL ) =
i=1
Ci , Xi
g(X1 , . . . , Xl ) =
i=1
ai Xi b = 0
Mediante el mtodo de Lagrange tenemos la condicin e o f g = 0 para g = 0 y tomando la i-sima componente e tenemos, Ci 2 + ai = 0 1 i L, Xi despejando Xi y despejando de la restriccin (con o negativo), tenemos, Ci b Ci ai = . Xi = L L Ci ai ai ai Cj aj
i=1 j=1
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Lo primero que se intenta: Encontrar los puntos de contacto de Z con los p-hiperplanos. Escoger el punto de contacto que arroja el valor m nimo Z. Vericar que Xj que minimiza Z es factible. ni =
1 Xi ,
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
redondear si es necesario.
Lo primero que se intenta: Encontrar los puntos de contacto de Z con los p-hiperplanos. Escoger el punto de contacto que arroja el valor m nimo Z. Vericar que Xj que minimiza Z es factible. ni =
1 Xi ,
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
redondear si es necesario.
Lo primero que se intenta: Encontrar los puntos de contacto de Z con los p-hiperplanos. Escoger el punto de contacto que arroja el valor m nimo Z. Vericar que Xj que minimiza Z es factible. ni =
1 Xi ,
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
redondear si es necesario.
Lo primero que se intenta: Encontrar los puntos de contacto de Z con los p-hiperplanos. Escoger el punto de contacto que arroja el valor m nimo Z. Vericar que Xj que minimiza Z es factible. ni =
1 Xi ,
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
redondear si es necesario.
Lo primero que se intenta: Encontrar los puntos de contacto de Z con los p-hiperplanos. Escoger el punto de contacto que arroja el valor m nimo Z. Vericar que Xj que minimiza Z es factible. ni =
1 Xi ,
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
redondear si es necesario.
Este mtodo no es factible cuando hay muchas caracter e sticas y muchos estratos (lo cual en la realidad muy pocas veces ocurre).
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Paso 0: Eliminar los hiperplanos que introducen restricciones redundantes. Se miran los interceptos bj b1 ( a1j , . . . , aLj )
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Paso 0: Eliminar los hiperplanos que introducen restricciones redundantes. Se miran los interceptos bj b1 ( a1j , . . . , aLj )
X2
b3 a23 b2 a22
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
b1 a21
H2
H3
H1
X1
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
j 1 2 3 . . . q
Xj = (X1j , X2j , . . . , XLj ): Contacto X1 = (X11 , X21 , . . . , XL1 ) X2 = (X12 , X22 , . . . , XL2 ) X3 = (X13 , X23 , . . . , XL3 ) . . . Xq = (X1q , X2q , . . . , XLq )
Total nj =
i=1
1 Xji
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
j 1 2 3 . . . q
Xj = (X1j , X2j , . . . , XLj ): Contacto X1 = (X11 , X21 , . . . , XL1 ) X2 = (X12 , X22 , . . . , XL2 ) X3 = (X13 , X23 , . . . , XL3 ) . . . Xq = (X1q , X2q , . . . , XLq )
Total nj =
i=1
1 Xji
Paso 2: Se llama j , al ndice que produce el total nj mayor. Si Xj es factible, entonces redondear y esa es la solucin. o Si Xj tiene una componente que no es factible entonces jar. Xj i = 1 Ni 1 o i: tenga el problema
Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Conclusiones
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
1. La solucin proporcionada a la estimacin de o o muestras en M.A.E., por medio de programacin o matemtica concuerda con la solucin dada por a o Cochran. 2. El mtodo propuesto tiene limitaciones cuando se e presentan problemas de sobremuestreo, no obstante el algoritmo knapsack elimina este tipo de situaciones. 3. La tcnica de programacin matemtica no estima el e o a tamao muestral sino que aja el tamao de la n n muestra dentro de cada estrato, a travs del costo. e
Conclusiones
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
1. La solucin proporcionada a la estimacin de o o muestras en M.A.E., por medio de programacin o matemtica concuerda con la solucin dada por a o Cochran. 2. El mtodo propuesto tiene limitaciones cuando se e presentan problemas de sobremuestreo, no obstante el algoritmo knapsack elimina este tipo de situaciones. 3. La tcnica de programacin matemtica no estima el e o a tamao muestral sino que aja el tamao de la n n muestra dentro de cada estrato, a travs del costo. e
Conclusiones
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
1. La solucin proporcionada a la estimacin de o o muestras en M.A.E., por medio de programacin o matemtica concuerda con la solucin dada por a o Cochran. 2. El mtodo propuesto tiene limitaciones cuando se e presentan problemas de sobremuestreo, no obstante el algoritmo knapsack elimina este tipo de situaciones. 3. La tcnica de programacin matemtica no estima el e o a tamao muestral sino que aja el tamao de la n n muestra dentro de cada estrato, a travs del costo. e
Contenido
Introduccin o Ajacin ptima para el M.A.E. univariado o o Interpretacin grca o a Mtodo de iteracin Knapsack e o Ejemplo Ajacin ptima con restriccin de presupuesto o o o Ajacin ptima para el M.A.E. multivariado o o Interpretacin grca o a Algoritmo Mejorado Conclusiones Referencias
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Arthanari, T. S. & Dodge, Yadolah. (1981), Mathematical Programming in Statistics, John Wiley & Sons, Inc., Canada. Cochran, W. G. (1977), Sampling Techniques, 3 edn, Wiley, New York. Collatz, L. & Wetterling W. (1975), Optimization Problems, Springer Verlag, New York. Hartly, H. O. & Rao, J. N. K. (1968), A New Estimation Theory for Sample Surveys, Biometrika 55(547). Rustagi, Jagdish S. (1994), Optimization Techniques in Statistics, Academic Press, Inc., New York. Wolfe P. (1959), The Simple Method for Quadratic Programming, Econometrica.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Arthanari, T. S. & Dodge, Yadolah. (1981), Mathematical Programming in Statistics, John Wiley & Sons, Inc., Canada. Cochran, W. G. (1977), Sampling Techniques, 3 edn, Wiley, New York. Collatz, L. & Wetterling W. (1975), Optimization Problems, Springer Verlag, New York. Hartly, H. O. & Rao, J. N. K. (1968), A New Estimation Theory for Sample Surveys, Biometrika 55(547). Rustagi, Jagdish S. (1994), Optimization Techniques in Statistics, Academic Press, Inc., New York. Wolfe P. (1959), The Simple Method for Quadratic Programming, Econometrica.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Arthanari, T. S. & Dodge, Yadolah. (1981), Mathematical Programming in Statistics, John Wiley & Sons, Inc., Canada. Cochran, W. G. (1977), Sampling Techniques, 3 edn, Wiley, New York. Collatz, L. & Wetterling W. (1975), Optimization Problems, Springer Verlag, New York. Hartly, H. O. & Rao, J. N. K. (1968), A New Estimation Theory for Sample Surveys, Biometrika 55(547). Rustagi, Jagdish S. (1994), Optimization Techniques in Statistics, Academic Press, Inc., New York. Wolfe P. (1959), The Simple Method for Quadratic Programming, Econometrica.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Arthanari, T. S. & Dodge, Yadolah. (1981), Mathematical Programming in Statistics, John Wiley & Sons, Inc., Canada. Cochran, W. G. (1977), Sampling Techniques, 3 edn, Wiley, New York. Collatz, L. & Wetterling W. (1975), Optimization Problems, Springer Verlag, New York. Hartly, H. O. & Rao, J. N. K. (1968), A New Estimation Theory for Sample Surveys, Biometrika 55(547). Rustagi, Jagdish S. (1994), Optimization Techniques in Statistics, Academic Press, Inc., New York. Wolfe P. (1959), The Simple Method for Quadratic Programming, Econometrica.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Arthanari, T. S. & Dodge, Yadolah. (1981), Mathematical Programming in Statistics, John Wiley & Sons, Inc., Canada. Cochran, W. G. (1977), Sampling Techniques, 3 edn, Wiley, New York. Collatz, L. & Wetterling W. (1975), Optimization Problems, Springer Verlag, New York. Hartly, H. O. & Rao, J. N. K. (1968), A New Estimation Theory for Sample Surveys, Biometrika 55(547). Rustagi, Jagdish S. (1994), Optimization Techniques in Statistics, Academic Press, Inc., New York. Wolfe P. (1959), The Simple Method for Quadratic Programming, Econometrica.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto
Arthanari, T. S. & Dodge, Yadolah. (1981), Mathematical Programming in Statistics, John Wiley & Sons, Inc., Canada. Cochran, W. G. (1977), Sampling Techniques, 3 edn, Wiley, New York. Collatz, L. & Wetterling W. (1975), Optimization Problems, Springer Verlag, New York. Hartly, H. O. & Rao, J. N. K. (1968), A New Estimation Theory for Sample Surveys, Biometrika 55(547). Rustagi, Jagdish S. (1994), Optimization Techniques in Statistics, Academic Press, Inc., New York. Wolfe P. (1959), The Simple Method for Quadratic Programming, Econometrica.
Ajacin de o tama os de n muestra en M.A.E. v a programacin o matemtica a Alfonso Snchez, a Leonardo Solanilla, Jairo Clavijo & Alex Zambrano Introduccin o Ajacin o ptima para el o M.A.E. univariado
Interpretacin o grfica a Mtodo de e iteracin o Knapsack Ejemplo Afijacin o optima con restriccin de o presupuesto