CAPTULO I ESTADSTICA

La estadstica es una ciencia que estudia la recoleccin, anlisis e interpretacin de datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo estadstica es ms que eso, en otras palabras es el vehculo que permite llevar a cabo el proceso relacionado con la investigacin cientfica. Conceptos bsicos Poblacin Una poblacin se precisa como un conjunto finito o infinito de personas u objetos que presentan caractersticas comunes. Ejemplo: Los miembros de la Universidad Alas Peruanas. Muestra Muestra es un subconjunto, extrado de la poblacin (mediante tcnicas de muestreo), cuyo estudio sirve para inferir caractersticas de toda la poblacin. Ejemplo: El estudio realizado a 50 miembros del plantel de maestros de la Universidad Alas Peruanas. Muestreo Es la tcnica utilizada en la seleccin de una muestra a partir de una poblacin. Ejemplo: Consideremos como una poblacin a los estudiantes de la Universidad Alas Peruanas, determinando por lo menos dos caracteres ser estudiados en dicha poblacin: Religin de los estudiantes Sexo.

Variables y Atributos Las variables, tambin suelen ser llamados caracteres cuantitativos, son aquellos que pueden ser expresados mediante nmeros. Son caracteres susceptibles de medicin. Como por ejemplo, la estatura, el peso, el salario, la edad, etc. Todos los elementos de la poblacin poseen los mismos tipos de caracteres, pero como estos en general no suelen representarse con la misma intensidad, es obvio que las variables toman distintos valores. Por lo tanto estos distintos nmeros o medidas que toman los caracteres son los "valores de la variable". Todos ellos juntos constituyen una variable. Los atributos tambin llamados caracteres cualitativos, son aquellos que no son susceptibles de medicin, es decir que no se pueden expresar mediante un nmero. La forma de expresar los atributos es mediante palabras, por ejemplo; profesin, estado civil, sexo, nacionalidad, etc. Puede notar que los atributos no se presentan en la misma forma en todos los elementos. Estas distintas formas en que se presentan los atributos reciben el nombre de "modalidades". Ejemplo: El estado civil de cada uno de los estudiantes del curso de estadsticas I, no se presenta en la misma modalidad en todos. Medidas de tendencia central Media aritmtica La media aritmtica de n observaciones de la variable X se denotar por el smbolo y se define como la suma de ellas dividida por n. Simblicamente:

Ejemplo: La media aritmtica de los nmeros 3, 9, 12, 5 y 6 es:

Mediana La mediana (Me) de un conjunto de n nmeros ordenados de menor a mayor, es el nmero central en el arreglo. Si n es un nmero impar (non), slo hay un valor central en el arreglo. Si n es un nmero par, hay dos valores centrales y la mediana debe tomarse como la media aritmtica de estos dos valores.

Ejemplo: Calcular la mediana de los nmeros 3, 9, 12, 5 y 6 Primero hay que ordenar los nmeros de menor a mayor: 3, 4, 6, 9, 12 Despus se debe verificar si el valor de n es par o impar (non), en caso de ser par se toman los dos valores que estn en el centro. Como en este caso n = 5 (nmero non), hay un solo valor central, el 6 y ste es el valor de la mediana, es decir: Me = 6

Moda La moda (Mo) de un conjunto de datos es el valor (si existe) que ocurre con mayor frecuencia. Si es un valor nico decimos que la distribucin de frecuencias es unimodal, si tiene dos o ms valores con la misma frecuencia mxima, decimos que la distribucin es bimodal, trimodal, entre otras. La moda es una medida de tendencia central que es poco usada por las siguientes razones: a) Puede ocurrir que no exista. b) A menudo no es un valor nico. Retomando el ejemplo de las edades tomadas de un grupo de 10 estudiantes del grupo del curso de Introduccin a los Diseos Experimentales, el clculo de la moda sera: 25, 27, 35, 28, 30, 24, 25, 29, 32, 37 La moda de este conjunto de datos es 25 puesto que tiene una frecuencia de 2, mientras los dems valores tienen una frecuencia de 1. Si se comparan los valores obtenidos por este conjunto de datos se tiene:

No siempre los datos obtenidos por la media, la mediana y la moda coinciden, este es un ejemplo en el cual se nota ms este concepto. Medidas de posicin Cuartiles Los cuartiles son los tres valores de la variable que dividen a un conjunto de datos ordenados en cuatro partes iguales.

Q1, Q2 y Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de los datos. Q2 coincide con la mediana. Deciles Los deciles son los nueve valores que dividen la serie de datos en diez partes iguales. Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos. D5 coincide con la mediana. Percentiles Los percentiles son los 99 valores que dividen la serie de datos en 100 partes iguales. Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los datos. P50 coincide con la mediana. Medidas de dispersin Varianza La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la media de una distribucin estadstica. La varianza se representa por

Desviacin estndar Es la raz cuadrada de la varianza. Es decir, la raz cuadrada de la media de los cuadrados de las puntuaciones de desviacin. La desviacin estndar se representa por .

CAPITULO III ESTADISTICA EN PROGRAMACION LINEAL

Capitulo iv LA PROGRAMACIN LINEAL EN SITUACIONES DE CERTEZA La programacin lineal se aplica para dar solucin a problemas en los que debe maximizarse o minimizarse una funcin lineal, que se denomina funcin objetivo, sujeta a restricciones representadas por inecuaciones tambin lineales. En trminos formales: Z = C1X1 + C2X2 + + CnXn (1) Sujeto a:

a X + a X + + a X b
11 1 12 2 1n n

a21X1 + a22X2 + + a2nXn b2

am1X1 + am2X2 + + amnXn bm

Y a las condiciones de no negatividad: X2, X2,, Xn 0 El propsito es maximizar (o minimizar, segn el caso) la funcin objetivo Z representada por (1), siempre que se cumplan las condiciones o requerimientos que establece el bloque de inecuaciones representadas por (2), tomando las variables valores no negativos, como lo requiere la inecuacin (3). Tomemos un ejemplo numrico referido a la administracin de la produccin a fin de aplicar estos conceptos. Supongamos que una empresa fabrica dos productos distintos, para lo que utiliza un nico proceso productivo y una nica materia prima. La capacidad de trabajo de la planta es de 18.400 horas como mximo y se dispone de 16.000 kg. de materia prima, no pudiendo ampliarse en una primera etapa por cuestiones financieras. El producto A requiere 4,4 horas de procesamiento y 4 kg de materia prima por unidad, mientras que el producto B utiliza un 20% menos de tiempo y un 15% ms de material por unidad. Adems, por cuestiones comerciales se requiere que A no tenga una participacin superior al 80% de la produccin total y que B no supere el 40% de la produccin total. Se sabe tambin que las contribuciones marginales de los productos son $16 para A y $9 para B. A partir de esta informacin tenemos que la funcin objetivo a maximizar ser la referida a las utilidades, y se representar por:

Z = 16 A + 9 B Y los requerimientos sern 4,4 A + 3,52 B 18.400 4 A + 4,6 B 16.000 1,5 B A 4 B A; B 0 Esta situacin puede representarse grficamente como se muestra a continuacin, en la Figura 2.1.

Como puede observarse, en el eje de ordenadas se representan las cantidades producidas de B, en el eje de abscisas las cantidades producidas de A y las funciones lineales representa los requerimientos del enunciado. Las dos funciones lineales que parten del origen determinan los requerimientos mximos de A y B, segn lo indicado en la tercera restriccin. La inferior presenta una flecha hacia arriba indicando que se trata de una desigualdad que se cumple para todo punto por encima de ella, mientras que la superior presenta una flecha hacia abajo indicando que todo punto por debajo de ella cumple con la inecuacin. Las otras dos funciones presentan requerimientos mximos de capacidad de tiempo (la ms alejada al origen) y de materias primas (la restante), con lo que para cumplir con ellas debe fijarse una combinacin de productos que se encuentre debajo de las mismas. Para satisfacer todas las condiciones, entonces, las combinaciones posibles se encuentran dentro del tringulo abc.

Puede demostrarse matemticamente, aunque no lo haremos aqu en honor a la brevedad, que el punto ptimo es uno de los vrtices del polgono que se forma al cumplir todas las restricciones. En nuestro ejemplo, los vrtices son los puntos a, b y c. Obviamente, el punto a se descarta por no haber produccin alguna en el mismo. Veremos entonces las utilidades de los puntos b y c. En el punto b se producen 2264,15 unidades de A y 1509,43 unidades de B, valores que se obtienen a partir de las desigualdades que se intersectan en ese punto. Como la cantidad producida de ambos productos debe ser un nmero natural, la contribucin marginal total obtenida ser: Z = 16 * 2264 + 9 * 1509 = 49.805 En el punto c, por su parte, se producen 3106,80 unidades de A y 776,70 unidades de B, con lo que la contribucin marginal total ser: Z= 16* 3106 + 9* 776=56.680 Claramente, en el punto c se obtiene una mayor utilidad, por lo que esa ser la combinacin ptima que maximiza la funcin objetivo cumpliendo con todas las restricciones impuestas. Adems de la forma grfica de solucin de estos problemas de programacin lineal, puede utilizarse el mtodo Simplex, que es un algoritmo til no solo para situacin donde hay solo 2 variables al definir, sino que puede extenderse esta cantidad sin inconvenientes, situacin no viable en el mtodo grafico. Tambin pueden resolverse estos problemas mediante la utilizacin de la herramienta Solver de Microsoft Excel, pero dejaremos estos puntos sin desarrollo por cuanto no resultan de mayor inters para nuestro trabajo actual. Debemos llamar la atencin en este punto al hecho de que, si bien el caso planteado es un tpico problema de programacin lineal aplicado a cuestiones de produccin, no solo puede aplicarse tambin esta herramienta a problemas financieros, sino que, como en este caso, puede ser un insumo para posteriores decisiones financieras. Por ejemplo, para la elaboracin del presupuesto financiero debe previamente generarse el presupuesto de ventas, el de produccin y el de compras, entre otros. La elaboracin del presupuesto de produccin se realiza sobre la base de la cantidad de productos a producir, al igual que el presupuesto de compras, con lo que la aplicacin de la programacin lineal resulta til para generar el dato insumo de un presupuesto base para el presupuesto financiero. Por otra parte, y tal como se ver ms adelante, tambin es dable la aplicacin directa de la programacin lineal para la toma de decisiones financieras.

3. LA PROGRAMACION LIENAL EN SITUACIONES DE RIESGO. Como habr advertido el lector, tal como se expuso el problema de la programacin lineal en el punto interior, todos los requerimientos y la funcin objetivo resultan de parmetros perfectamente conocidos por quienes deben tomar las decisiones, situacin no siempre verificada en la normalidad de los negocios, por cuanto es deseable tratar de no forzar las situaciones de riesgo o incertidumbre para modelizarlas como si hubiera certeza. Tal como lo anticipramos en la introduccin. Existen tres estados de la naturaleza, dependiendo del grado de conocimiento que se tenga sobre la situacin enfrentada. No siempre la certeza es la que reina, con lo que, cuando no es as, es necesario modificar las herramientas de las que se dispone para su tratamiento adecuado. Al respecto, James C. T. Mao 1 plantea un mtodo propuesto por Allen R. Ferguson y George B. Dantzig para resolver casos en los que la demanda de los productos se establece como una variable aleatoria. As supongamos que lo precios de venta de los productos A y B son $3 y $5 respectivamente, con costos variables de produccin de produccin de $1 y $2, respectivamente y siendo la cantidad demandada de cada producto para los precios dados los descriptos en la Tabla 3.1

Suponiendo que dentro de cada bloque la probabilidad se distribuye uniformemente. Habr un 10% de probabilidad de que no se vendad unidad de A para el precio actual, y esta probabilidad permanecer constante para A=1 y A=2 As, si hay un 10% de probabilidades de que no se venda ninguna unidad de A, habr un 90% de probabilidades de que se venda al menos 1 unidad. Si se produce solo una unidad y no se vende se tendr una prdida de $1(que el costo variable que le corresponde), siendo la probabilidad de que esto suceda el 10%. Si se produce solo 1 unidad y esta se vende, generara una contribucin marginal de $2, con una probabilidad 90%. La esperanza matemtica de vender una unidad ser, entonces E(x)= 0,1*(-1)+0,9*2= 1,70.Siguiendo idntico razonamiento podemos generar la Tabla 3.2 para las unidades 1 a 8.

El primer intervalo incluye las unidades 1 y 2, por lo que en promedio la esperanza matemtica del intervalo ser 1,55[(1,70+1,40)/2], el segundo intervalo tendr una esperanza media de 0,65 y en tercero de -0,33. Para el producto B la esperanza del primer intervalo ser 3, la del segundo intervalo 2,50, la del tercer intervalo 0,50 y la del cuarto intervalo -1,50. De esta manera, la funcin objetivo ser: Z=1,55 A1 + 0,65 A2 - 0,33 A3 + 3 B1 + 2,50 B2 + 0,50 B3 1,50 B4 El problema ser maximizar esta funcin, sujeta a las restricciones financieras, de capacidad legal, etc. Que se establezcan, para lo cual se aplican los procedimientos antes mencionados, sean grafico o algortmicos. 4. LA PROGRAMACION LINEAL EN SITUACIONES DE INCERTIDUMBRE Aun cuando en el apartado anterior se flexibilizaron las condiciones de certeza inherentes al modelo clsico de programacin lineal, no siempre presente en cuestiones financieras, y si bien es cierto de que hemos desarrollado algunas de las introducciones de la teora de la probabilidad al tema que nos convoca, tambin es cierto que en muchas oportunidades estas ampliaciones o adaptaciones del modelo no resultan suficientes. Basados en la lgica difusa y la matemtica consecuente, Bellman y Zadeh han preparado un modelo en 1970 donde la funcin objetivo y las restricciones son difusas. En ese modelo, los objetivos se representan por y las restricciones por , son funciones de pertenencia respectivamente. La decisin ser el conjunto borroso interseccin de los objetivos sujeto a las restricciones , con funcin de pertenencia:

La solucin del problema ser maximizar la funcin objetivo es decir:

Veamos un caso de aplicacin para clarificar conceptos. Supongamos que un inversor est analizando la posibilidad de invertir en alguno de entre 4 proyectos identificados en (6), buscando tener una buena rentabilidad: X= {p1, p2, p3,p4} (6)

A su vez, se pretende que cada proyecto cumpla con las siguientes restricciones: es escasa inversin inicial; es recupero de la inversin cercano en el tiempo; es conexidad con otros negocios de la empresa y es innovacin en el proyecto . Es decir, entonces, que lo que se busca maximizar es la rentabilidad del proyecto, denotada por . Pero se prefieren los proyectos de menor inversin inicial requiera, que generen fondos que permitan recuperar dicha inversin lo antes posible, que se trate de un proyecto conexo a las actuales actividades de la empresa y sea innovador. E l grado en que cada uno de los proyectos cumple con el objetivo buscado y con los requisitos impuestos, segn estudios encarados por el evaluador, se representan a continuacin:

Podramos interpretar algunos valores para clarificar conceptos. El primer proyecto por ejemplo, posee una rentabilidad media- alta ( = 0,7), cumple en gran medida el requisito de escasa inversin inicial ( =0,8), el recupero de la inversin en el tiempo es relativamente lento ( =0,5), el proyecto tiene conexidad con los actuales negocios de la empresa ( =0,7), y si bien es innovador, no lo es gran medida ( =0,6). Para escoger el proyecto ampliamos, entonces, (4) y escogeremos el menor valor de pertenencia de cada proyecto en cada restriccin y en el objetivo:

As, el cuarto proyecto sera el que correspondera elegir, por cuanto pose el mayor valor de pertenencia del conjunto, es decir, cumple con todos los requisitos en por lo menos grado 0,6 , mientras que en otros proyectos cumplen en menor grado en por lo menos requisito o en el objetivo.

Cabe aclarar que este es un ejemplo sencillo que no distingue preferencias entre los requerimientos (se consider que todos son igualmente importantes para el inversor) y se presenta los valores como dados, siendo que en la realidad su obtencin no resulta tan sencilla. Es que no deberan surgir e la simple apreciacin de inversor, sino de la conjuncin de opiniones de expertos en el tema, como gerentes o consultores que aplican a su vez tcnicas diversas de gestin, tanto difusas como tradicionales, entre las que el V. A. N o la T.I.R. podran destacarse. En trabajos anteriores nos ocupamos sobremanera de estos temas, por eso es que en esta oportunidad nos remitimos a ellos con el objeto de no cansar la lectura y extender en demasa el trabajo.