La programacin lineal es un procedimiento o algoritmo matemtico mediante el cual se resuelve
un problema indeterminado, formulado a travs de un sistema de inecuaciones lineales,
optimizando la funcin objetivo, tambin lineal. Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. Problemas de aplicacin para formular un modelo 1). Proceso de produccin.- Una fbrica produce dos tipos de productos: M y N, los costos de produccin de ambos productos son $3 para el producto M y $5 para el producto N. El tiempo total de produccin est restringido a 500 horas; y los tiempos de produccin son de 8 horas/unidad para el producto M y de 4 horas/unidad para el producto N. Formule el Modelo matemtico que permita determinar la cantidad de productos M y N a producir, y que optimice el Costo total de produccin de los dos productos. Formulacin del Modelo En la formulacin del modelo, podemos ayudarnos con la representacin del Problema mediante un organizador grfico o esquema:
FORMA CANONICA Y ESTANDAR DE LA PROGRAMACION LINEAL Forma Cannica y Estndar con objetivo mnimo (FOREQUI1). Obtener las formas cannica y estndar para el siguiente modelo de PL que incluye condiciones muy especiales para las variables como es X 1 libre, lo que significa que puede tomar valores positivos, negativos y cero, obligando los acuerdos para su tratamiento algebraico que permita el uso de PL. La variable X 3 se ejemplifica de manera especial, como no positiva; todo lo anterior para mejor ilustracin del tema:
Ejemplo 1-11. Forma Cannica y Estndar con objetivo mximo (FOREQUI2). Se presenta para ayuda del estudiante que requiera ilustracin adicional en la conversin del modelo de PL a las formas cannica y estndar:
SUPUESTO DE LA PROGRAMACION Supuestos de la programacin lineal. Existe un nmero de suposiciones realizadas en cada modelo. La utilidad de un modeloest directamente relacionada con la realidad de los supuestos.El primer supuesto tiene que ver con la forma lineal de las funciones. Ya que el objetivoes lineal, la contribucin al objetivo de cualquier decisin es proporcional al valor de lavariable de decisin. Producir dos veces ms de producto producir dos veces ms deganacia, contratando el doble de pginas en las revistas doblar el costo relacionado conlas revistas. Es una Suposicin de Proporcin. Adems, la contribucin de una variable a la funcin objetivo es independiente de losvalores de las otras variables. La ganancia con una computadora Notebook es de$10,750.00, independientemente de cuantas computadoras Desktop se producen. Este esun Supuesto de Adicin. Anlogamente, ya que cada restriccin es lineal, la contribucin de cada variable allado izquierdo de cada restriccin es proporcional al valor de la variable e independientede los valores de cualquier otra variable.Estas suposiciones son bastante restrictivas. Veremos, sin embargo, que ser claros y precisos en la formulacin del modelo puede ayudar a manejar situaciones que parecenen un comienzo como lejanos a estos supuestos.El siguiente supuesto es la Suposicin de ser Divisible . Es posible tomar una fraccinde cualquier variable. Por ejemplo, en un problema de marketing, qu significa comprar 2.67 avisos en la televisin?. Es posible que la suposicin de ser divisible seainsatisfecha en este ejemplo. O puede ser que tales unidades de 2.67 avisoscorrespondan a 2,666.7 minutos de avisos, en cuyo caso redondeando la solucin seran2,667 minutos con una mnima duda que est cercana a la solucin ptima. Si lasuposicin de divisible no es vlida, entonces se usar la tcnica de ProgramacinLineal Entera.La ltima suposicin es el Supuesto de Certeza . La Programacin Lineal no permiteincertidumbre en los valores.
Ser difcil que un problema cumpla con todas lassuposiciones de manera exacta. Pero esto no negar la factibilidad de uso del modelo.Un modelo puede ser an til aunque difiera de la realidad, si se es consistente con losrequerimientos ms estrictos dentro del modelo y se tiene claras sus limitaciones alinterpretar los resultados.
IMPORTANCIA DE LAS TOMAS DE DECISIONES EN LAS EMPRESAS La toma de decisiones se realiza por parte de todo directivo de la empresa, independientemente del nivel jerrquico que ocupe, ya que consideramosque decidir es resolver problemas, y problemas surgen en todos los niveles de la empresa. Decidir implica adoptar una posicin, por lo tanto para poder decidir tiene que elegir una de esasalternativas. Otra definicin de la toma de decisiones es la eleccin de una alternativa entre varias, adems la eleccin debe ser un acto libre por lo que requiere informacin. Esta informacin se darsobre las distintas alternativas y sobre el resultado que sobre dichas alternativas tendrn sobre nuestros objetivos. La importancia de la informacin en la toma de decisiones es tan grande que algunosautores definen la decisin como la transformacin de la informacin en accin. PAPEL DE LA ESTADISTICA EN LAS TOMA DE DESICIONES
EL PAPEL DE LA ESTADISTICA EN LA TOMA DE DECISIONES
1. Herramienta para la toma de decisiones
El que sabe tomar decisiones ocupa los mejores lugares en la direccin de una empresa. All estn las mejores remuneraciones. Cuando en una empresa se busca a alguien para ocupar un puesto de direccin se escoge de entre los que saben tomar decisiones correctas. Es decir, no los escogen entre los que siempre esperan que les digan qu es lo que deben hacer; sino entre los que deciden qu hacer cuando hay urgencia de hacer algo, coincidiendo con que no est presente el responsable del departamento. El mejor empleado no es el que ms suda, sino que es el que mejor piensa y decide hacer lo que considera que es racionalmente correcto. Para tomar decisiones se debe estar en capacidad de llenar los vacos de informacin de la manera ms racional posible. Es aqu donde la Estadstica puede ayudar a tomar decisiones racionalmente correctas: ayuda a llenar los vacos de informacin. Este curso va dirigido a ensear progresivamente el uso de la Estadstica para obtener un conocimiento ms profundo, racionalmente aceptable, del comportamiento de un proceso. Con la Estadstica podemos ver ms all de lo ven nuestros ojos. La probabilidad en teora de decisiones La probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan fcil de obtener o entender. El concepto de probabilidad ocupa un lugar muy importante en el proceso de toma de decisiones, ya sea que el problema es enfrentado en una compaa, en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria;En muy pocas situaciones de toma de decisiones existen informacin perfectamente disponible, porque la mayora de las decisiones son hechas de cara a la incertidumbre.
Los modelos probabilisticos estn ampliamente basados en aplicaciones estadsticas para la evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin de riesgo de sus decisiones. La evaluacin de riesgo cuantifica la brecha de informacin entre lo que es conocido y lo que se necesita saber para tomar una decisin optima.En los modelos probabilisticos, el riesgo significa incertidumbre para la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades. FUNDAMENTOS DE LA PROBABILIDAD Tal vez el estudio de la probabilidad toma sentido cuando se percibe y se acepta la existencia de la aleatoriedad en diversos aspectos de la vida diaria. Sin embargo, si consideramos aleatorio aquello que bajo las mismas circunstancias no tiene un resultado nico, cabra la discusin entre quienes aceptan la existencia de la aleatoriedad y quienes no, por considera que todo est determinado por las circunstancias. En realidad, ya sea que el mundo sea o no determinista, dado que muchsimas circunstancias que se pueden presentar estn fuera de nuestro control, existe la posibilidad de que al repetir ciertas situaciones controlables, obtengamos resultados distintos, caso que se puede analizar a travs de la probabilidad.
MODELOS MATEMATICOS Y ALEATORIOS
Un Modelo Matemtico es un patrn terico experimental que permite interpretar mediante mtodos matemticos fenmenos reales o problemas tcnicos para hacer inferencia y tomar decisiones. Los modelos matemticos son de dos clases: a) Determinsticos: cuando se tiene plena certeza acerca del funcionamiento y los resultados del problema. b) Aleatorios o Estocsticos: cuando slo se tiene certeza parcial acerca del funcionamiento y se conocen los resultados probables del modelo. Un modelo matemtico debe ser simple e involucrar las variables que lo hacen completo. Las leyes de la dinmica clsica de partculas pueden considerarse un modelo matemtico determinstico. El modelo de regresin lineal estadstico es en esencia un modelo matemtico aleatorio. El modelo de la teora de probabilidad que veremos mas adelante es justamente el modelo general de los experimentos aleatorios.
Experimento aleatorio Es aquel cuyo modelo matemtico es de carcter estocstico.
Ejemplos 1) Observar el lanzamiento de una moneda. 2) Contar la cada de gotas de lluvia en 2 placas. 3) Observar el lanzamiento de un dado hexagonal. 4) Medir la duracin en horas de una bombilla. 5) Medir la duracin de un equipo electrnico. 6) Contar el nmero de vehculos que pasan por un cruce en lapsos de un Minuto 7) Contar el nmero de artculos defectuosos en lotes de 50 unidades.