Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Integrantes:
PARCIAL
●
GRUPO 12
Garay Justino, Loyer (100%)
● Gómez Haro, Bruce Alexander (100%)
● Nizama Cunayque, Victor Eduardo (C) (100%)
● Rodriguez Montoya, Marco Alonso (100%)
● Rosado Apaza, Gustavo (100%)
● Sullón Castro, José (100%)
1.INVENTARIOS:
MODELO EOQ
2. PROGRAMACIÓN LINEAL (CON 2
INCÓGNITAS)
3. VALOR ESPERADO (VEIP y VESIP)
4. TEOREMA DE BAYES
(PROBABILIDADES CONDICIONALES)
Ejercicio N°01
Grupo Palacios es una vidriería que ofrece servicios de todas instalaciones de vidrio y
aluminios, tiene una demanda de 5000 unidades de planchas de vidrio al año, el costo de
ordenar es 50 soles por orden, el costo anual es 2 por unidad y los días trabajados son
250 días al año.
Datos:
Aplicando la fórmula, la cantidad óptima de pedido (Q*) es de 500 unidades por orden, y
que en el año se realizarán 10 órdenes de pedido (N), cuyo tiempo entre una y otra será
de 25 días (L). La empresa sabe que debe colocar una orden de pedido justo cuando el
inventario llegue a un nivel de 500 unidades (R).
Ejercicio N°02
Veinteluces es una empresa que ofrece soluciones de iluminación para calles y hogares.
La empresa no tiene un control específico de inventario, por lo que busca reducir su costo
de inventario determinando la cantidad óptima de pedido de bombillos estándar.
¿Cómo calcular la cantidad económica de pedido? ¿El número de veces que vamos a
pedir? ¿En qué momento debemos pedir? ¿Cuánto nos va a costar ordenar y mantener ese
inventario?
DESARROLLO:
Debemos calcular la cantidad óptima de pedido. Bastará con reemplazar los valores de demanda,
ordenar y mantener sobre la fórmula del EOQ.
Con el EOQ calculado, ya podemos obtener la cantidad de veces que debemos ordenar en el año,
dividiendo la demanda entre Q*.
Un dato que debemos tener son los días de trabajo por año. Si dividimos este dato sobre la cantidad
de veces que debemos hacer un pedido, obtendremos el lead time o el tiempo entre una orden y otra.
Para calcular el punto de reorden, antes debemos calcular la demanda promedio. Esto no es más
que dividir la demanda anual sobre el número de días de trabajo. El resultado lo multiplicaremos
por el lead time.
Calculamos los costos de ordenar, mantener y el costo total reemplazando los datos con
base en la fórmula.
Resultados:
La cantidad óptima de pedido (Q*) es de 400 unidades por orden, y que en el año se
realizarán tres órdenes de pedido (N), cuyo tiempo entre una y otra será de 80 días (L). La
empresa sabe que debe colocar una orden de pedido justo cuando el inventario llegue a
un nivel de 400 unidades (R).
1. INVENTARIOS: MODELO EOQ
2.PROGRAMACIÓN LINEAL
(CON 2 INCÓGNITAS)
3. VALOR ESPERADO (VEIP y VESIP)
4. TEOREMA DE BAYES
(PROBABILIDADES CONDICIONALES)
Ejercicio N°01
La tienda H & M (Ropa) tiene grandes almacenes que se encargan de fabricar shorts y poleras.
El fabricante dispone para la confección de 750 m de tejido de algodón y 1000 m de tejido de
poliéster. Cada short precisa 1 m de algodón y 2 m de poliéster. Para cada polera se necesitan
1.5 m de algodón y 1 m de poliéster. El precio del short se fija en 50 S/. y el de la polera en 40 S/.
¿Qué número de pantalones y chaquetas debe suministrar el fabricante a los almacenes para
que estos consigan una venta máxima?
Desarrollo:
Resultados:
La solución óptima es fabricar 375 shorts y 250 poleras para obtener un beneficio de
S/.28750
Ejercicio N°02
La empresa Colgate lanzará unas ofertas para las personas en Perú . Unas empresas de
estomatología quieren ofrecer 600 pastas, 500 cepillos y 400 hilo dental para la oferta,
envolviendolo de dos formas distintas; en el primer bloque pondrá 2 pastas, 1 cepillos y 2
hilos dentales; en el segundo, pondrán 3 pastas, 1 cepillos y 1 hilo dental. Los precios de
cada paquete serán 6.5 y 7 S/, respectivamente. ¿Cuántos paquetes le conviene poner de
cada tipo para obtener el máximo beneficio?
Desarrollo:
Resultados:
En la solución óptima debe hacerse un valor de 150 paquetes del primer tipo y 100 del
segundo tipo para obtener un beneficio de S/.1675.
1. INVENTARIOS: MODELO EOQ
2. PROGRAMACIÓN LINEAL (CON 2
INCÓGNITAS)
3.VALOR ESPERADO
(VEIP y VESIP)
4. TEOREMA DE BAYES
(PROBABILIDADES CONDICIONALES)
Ejercicio N°01
La empresa Omega S & C, la cual se dedica a la comercialización de equipos de protección
individual, tiene que decidir cuál de sus tres productos (Mascarillas KN 95, mascarillas
quirúrgicas y protectores faciales) tiene que abastecer en mayor cantidad para el siguiente mes.
Para esto, la administración nos ha comunicado que su juicio sobre los productos, se basa en la
demanda (Alta, moderada o baja) y la probabilidad de ocurrencia de estas son de 0.2, 0.5 y 0.3
respectivamente. Y además nos ha brindado el siguiente cuadro que se expresa en términos de
ganancias netas en miles de soles:
Demanda
Demanda alta Demanda baja
moderada
Mascarillas KN 95 358 304 238
Mascarillas quirúrgicas 263 313 105
Protectores faciales 100 168 -123
Determine la decisión óptima según el criterio de valor esperado sin la información perfecta y
calcule el valor esperado de la información perfecta
Desarrollo:
Definimos los estados de la naturaleza y las alternativas de decisión:
Como se menciona en el enunciado, el juicio de la administración se basa en la demanda que generan sus
productos. Por lo tanto, definimos los estados de la naturaleza como:
S1 = Demanda alta
S2 = Demanda moderada
S3 = Demanda baja
Además como alternativas de decisión consideramos los productos que ofrece la empresa:
d1 = Mascarillas KN 95
d2 = Mascarillas quirúrgicas
d3 = Protectores faciales
Establecemos los 3 estados de la naturaleza con sus probabilidades y las 3 alternativas de decisión a la
información anteriormente dada:
Estados de naturaleza
Estados de naturaleza
S1, la mejor alternativa es d1, con una ganancia de 358 miles de soles o
S2, la mejor alternativa es d2, con una ganancia de 313 miles de soles o
S3, la mejor alternativa es d1, con una ganancia de 238 miles de soles.
Con base en las estimaciones originales (probabilidades a priori), existe la probabilidad del 0.2 para S1, con
respecto a S2 su probabilidad es de 0.5 y con respecto a S3 su probabilidad es de 0.3. Por lo que el valor
esperado con información perfecta:
Según lo calculado anteriormente sabemos que:
Con los datos del Valor esperado con información perfecta (VEcIP) y del Valor esperado sin información
perfecta (VEsIP), hallamos el Valor esperado de la información perfecta (VEIP):
Resultados:
Conocer la información perfecta aumenta la ganancia esperada de 295 mil soles a 299.5 mil
soles, en otras palabras, aumenta en 4.5 mil soles y esto es lo máximo que se podría pagar.
Ejercicio N°02
Una empresa tiene que decidir cuál de sus 3 nuevos productos (Producto A, Producto B y
Producto C) tiene que promocionar más.
Para esto, la administración nos ha comunicado que su juicio sobre los productos, se basa en la
aceptación de los productos como un todo o nada (Alta o baja) y la probabilidad de ocurrencia de
estas son de 0.65, y 0.35 respectivamente. Además nos ha brindado siguiente cuadro que se
expresa en términos de ganancias netas y en miles de soles:
Determine la decisión óptima según el criterio de valor esperado sin la información perfecta y
calcule el valor esperado de la información perfecta
Desarrollo:
S1 = Aceptación alta
S2 = Aceptación baja
Además como alternativas de decisión consideramos los nuevos productos que ofrece la empresa:
d1 = Producto A
d2 = Producto B
d3 = Producto C
Establecemos los 2 estados de la naturaleza con sus probabilidades y las 3 alternativas de decisión a la
información anteriormente dada:
Estados de naturaleza
Alternativas de decisión
Aceptación alta Aceptación baja
(p=0.65) (p=0.35)
Estados de naturaleza
Alternativas de decisión
Aceptación Aceptación
Valor esperado
alta (p=0.65) baja (p=0.35)
S1, la mejor alternativa es d2, con una ganancia de 864 miles de soles o
S2, la mejor alternativa es d1, con una ganancia de 674 miles de soles.
Con base en las estimaciones originales (probabilidades a priori), existe la probabilidad del 0.65 para S1 y
con respecto a S2 su probabilidad es de 0.35. Por lo que el valor esperado con información perfecta:
Según lo calculado anteriormente sabemos que:
Con los datos del Valor esperado con información perfecta (VEcIP) y del Valor esperado sin información
perfecta (VEsIP), hallamos el Valor esperado de la información perfecta (VEIP):
Resultados:
Conocer la información perfecta aumenta la ganancia esperada de 729.25 mil soles a 797.5
mil soles, en otras palabras, aumenta en 68.25 mil soles y esto es lo máximo que se podría
pagar.
1. INVENTARIOS: MODELO EOQ
2. PROGRAMACIÓN LINEAL (CON 2
INCÓGNITAS)
3. VALOR ESPERADO (VEIP y VESIP)
4.TEOREMA DE BAYES
(PROBABILIDADES
CONDICIONALES)
Ejercicio N°01
En una empresa industrial utilizan tres máquinas en la fabricación de cierto producto y que
la producción diaria de cada una de ellas es, respectivamente 1500, 1200 y 1100 piezas. Se
sabe además que, en promedio, el 1% de la producción de la primera máquina es
“defectuosa”, el 1,5% de la producción de la segunda es defectuosa, el 2% de la producción
de la tercera es defectuosa.
Desarrollo:
Datos del problema:
Defectuosa
P(D/M1) = 0.01
Máquina (1)
P(M1) = 0.39
No Defectuosa
P(ND/M1) = 0.99
P = Probabilidad
P(Mn) = Probabilidad de la producción de la
Defectuosa Máquina
P(D/M2) = 0.015 P(D/Mn) = Probabilidad que la Pieza sea
Máquinas Máquina (2)
(Mn) P(M2) = 0.32 Defectuosa
No Defectuosa P(ND/Mn) = Probabilidad que la Pieza no sea
P(ND/M2) = 0.985 Defectuosa
Defectuosa
P(D/M3) = 0.02
Máquina (3)
P(M3) = 0.29
No Defectuosa
P(ND/M3) = 0.98
¿Si sacamos un producto al azar, cuál es la probabilidad que la pieza sea defectuosa y que sea de la
segunda máquina?
❏ Como primer paso hallamos la probabilidad total:
❏ Ahora teniendo la probabilidad total, podemos hallar la probabilidad que la pieza sea
defectuosa y de la segunda máquina, utilizando el teorema de bayes.
Resultado:
Calcular las probabilidades de los sucesos más relevantes que podrían haber.
Desarrollo:
P(H/V) = 0.48
P(M/P) = 0.40
Hallamos P(H), P(M), utilizando la fórmula de probabilidad total:
P(H) = Probabilidad que sean hombres. = 0.57 P(M) = Probabilidad que sean mujeres. = 0.42
P(V/M) = Probabilidad que trabaje virtual (Cuando P(P/H) = Probabilidad que trabaje presencial (Cuando
escogemos una mujer al azar) = 0.28 escogemos un hombre al azar) = 0.81
Resultados: