Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE INGENIERÍA
INVESTIGACIÓN OPERATIVA II
Un modelo es una simplificación de la realidad. Esta simplificación puede presentarse de acuerdo a los
objetivos del estudio del sistema; en nuestro caso estamos interesados por los modelos simbólicos y
descriptivos. Un modelo simbólico es un esquema teórico, expresado en forma matemática que facilita la
comprensión del comportamiento del sistema.
CONCEPTOS BASICOS
Espacio muestral.- Un conjunto cuyos elementos representan todos los posibles resultados de un
experimento se representa como S. Los elementos del espacio muestral se llaman puntos muestrales
y son los distintos resultados del experimento.
Suceso.-Si consideramos el conjunto de las partes del espacio muestral. Un suceso, por tanto, es un
subconjunto del espacio muestral.
Probabilidad.- Probabilidad de un suceso es la razón entre el número de casos favorables y el número total
de casos posibles
VARIABLE ALEATORIA X
Ω x
R
w
X ={(w,x)/ X(w)=x ; wεΩ , xεR}
Así pues, una variable aleatoria es una función cuyos valores son números reales determinados por los
elementos del espacio muestral. Pueden ser discretas y continuas, dependiendo del valor que toma R.
Si a los valores posibles de la variable aleatoria se les asigna una probabilidad que es la frecuencia del
resultado se genera la distribución de probabilidades.
Distribución de probabilidad.- Es una lista que contiene el valor de la variable aleatoria y sus probabilidades
correspondientes
Función de probabilidad
Se denomina función de probabilidad de una variable aleatoria discreta X, a una función f(x) que
asigna a todo número real x, la probabilidad de que X asuma ese valor, esto es:
f(x) = P[X=x]
1.
2.
La relación entre valores y probabilidades en una variable X se puede expresar de forma tabular de la
siguiente manera:
Valores de X x1 x2 … xi
P(X=x) P(x1) P(x2) … P(x i)
La f.d.a de probabilidades F(x), de la v.a discreta X, cuya función de probabilidades es f(x), se define por:
La función de distribución se define para todos los números reales, no sólo para los valores de la variable. Su
máximo es siempre 1.
Función de densidad
Se dice que la función f(x) es función de densidad de probabilidad de la variable aleatoria continua X si
satisface las siguientes condiciones:
La función de distribución acumulada (f.d.a.) , F(x), de una variable aleatoria continua X con una función de
densidad f(x), se define por:
Valor esperado de una variable o esperanza matemática
La distribución de probabilidades de una variable aleatoria se caracteriza básicamente a través de medidas
de tendencia central y de dispersión. Estas medidas se denominan parámetros y se describen mediante la
esperanza matemática (media de una v.a)
La media de una v.a X o media de la distribución de probabilidad X es un número real que se denota por μ.
La media es denominada también esperanza matemática o valor esperado de X , y se denota por E(X).
Si X es una variable aleatoria con distribución de probabilidad f(x) y con media igual a μ:
Las mas utilizadas son la de Bernoullí, Binomial, Binomial negativa, Hipergeométrica, Poisson.
Distribuciones de Poisson
Se dice que una v.a discreta X, cuyos valores posibles son: 0;1;2;…; tiene distribución de Poisson con
e− λ (λ) x
f(x) = P [ X=x ] = , x= 0;1;2;…
x!
La distribución de Poisson se utiliza para describir cierto tipo de procesos, entre los que se encuentran la
distribución de llamadas telefónicas que llegan a un conmutador, la demanda (necesidades) de los pacientes
que requieren servicio en una institución de salud, las llegadas de camiones a una caseta de cobro y el
número de accidentes registrados en una cierta intersección de calles. Estos ejemplos tienen en común un
elemento: pueden ser descritos mediante una variable aleatoria discreta que toma valores enteros (0, 1,
2...).
σ 2=V ( X )=λ
Nota: la probabilidad de que ocurran k eventos de cierto tipo en un intervalo de tiempo o en una región de
tamaño t es igual a:
e−λt ( λt)k
P [ X=k ] = ,
k!
k = 0,1,2,…
λt
donde es el número promedio de ocurrencias de eventos en el periodo o región t , y don de es el
promedio de ocurrencias por unidad de periodo o región t.
Las mas importantes son la Uniforme, normal, normal estándar, gamma, exponencial, beta, chi-cuadrado, t
de student, Fischer,Cauchy,Pearson
Se dice que la variable aleatoria continua , X, que toma los valores reales -∞ < x < ∞, se distribuye
normalmente con parámetros μ y σ y se describe por X~N(μ,σ2), si su función de densidad es:
La distribución normal queda definida por dos parámetros, su media y su desviación típica y la
representamos así
F(x) es el área sombreada de esta gráfica
y su función de distribución es
PROBLEMAS
Dos empleados se seleccionan al azar (con reemplazo ) de una lista de la cual 70% de los empleados son hombres Si la
variable aleatoria es número de hombres en la muestra.
Distribución de probabilidades
Gráfica de la distribución
1. Si una v.a X puede tomar los valores x= 0,1,2,3,4,5; indicar si cada una de las siguientes funciones definen
una función de probabilidad:
a. f(x) = x/15
b. f(x) = (x-1)/9
a. Encontrar c b. Encontrar F
1. Dada la función :
−x
{
f ( x )= c e 5
; x>0
0; x≤0
0 ; x<0
f(x) = ax ; 0≤ x ≤ 1
a ; 1<x<2
a
; x≥ 2
x2
2. La demanda en miles de unidades de cierto artículo es una variable aleatoria continua X cuya
función de densidad de probabilidad es:
2x
f ( x )= 3
{ , si:1 ≤ x ≤ 2
0 en otros casos
3. Suponga que la variable aleatoria X se distribuye uniformemente en el intervalo [0,4], con función de
1
densidad de probabilidad:
{
f ( x )= 4
, si :0 ≤ x ≤ 4
0 en otros casos
1. Suponga que llegan en forma aleatoria una serie de llamadas a una central telefónica con un
promedio de 3 llamadas por minuto. Calcular :
1. Un estudio demostró que la duración de cierto tipo de batería de automóvil tiene una distribución
normal con media 1248 días y una desviación estándar de 195 días.
Si el fabricante garantiza la batería por 36 meses (1080 días).
¿Qué cantidad de baterías serán cambiadas bajo la garantía en un grupo de 100 baterías vendidas?
a. 30 minutos b. 34 minutos
La redes proporcionan una ayuda conceptual poderosa para visualizar las relaciones entre
los componentes de sistemas complicados ; de allí su utilidad en la administración de
proyectos.
CONCEPTOS BASICOS
FASES:
1. PLANEACIÓN.-
Identificación de actividades.
Secuencia lógica de actividades (precedencia )
Elaboración de la red.
2. PROGRAMACIÓN.-
3. CONTROL
1. DETERMINISTICO
2. PROBABILISTICOS.
MR: DETERMINISTICOS
El MPL es de MAX y sus restricciones son similares al modelo de ruta más corta.
4. Construir la red.
7. Utilizando la diferencia entre los tiempos más lejanos y más cercanos de iniciación para
cada actividad obtener la holgura disponible para cada actividad.
8. Las actividades de la ruta crítica son las que tienen holgura cero.
CASO: PROBABILISTICO
Proyectos de investigación.
No existe base de datos
Existen incertidumbres en los parámetros.
a. Optimista aij.
b. Pesimista bij
c. Realista mij
Tij = tij
AijRC
donde :
ij2 = ij2
AijRC
Dado que Tij es una variable aleatoria con media T ij y una varianza ij2 ; la probabilidad de
que la duración del proyecto sea menor ó igual a una cantidad Z esta dada por :
PROBLEMAS
1. El departamento de investigación y desarrollo de una empresa productora de TV está
desarrollando una nueva fuente para la consola de un televisor, con tal propósito, ha
descompuesto el trabajo en la forma siguiente:
TRABAJO DESCRIPCIÓN PRECEDENCIA TIEMPO
(días)
A Determinar los voltajes de salida - 5
B Determinar si se utilizan rectificadores de salida A 7
C Escoger los rectificadores B 2
D Escoger los filtros B 3
E Escoger el transformador C 1
F Escoger el chasis D 2
G Escoger el soporte del rectificador C 1
H Dibujar el chasis E,F 3
I Construir y probar G,H 10
Determinar la ruta crítica.
Cuál es el tiempo mínimo para finalizar el proyecto.
Determinar la holguras.
Elabore el programa de actividades.
2. La siguiente tabla resume las actividades para reubicar 1700 pies de una línea eléctrica
primaria de 13.8 KV debido al ensanchamiento de la sección del camino en la cual está
instalada la línea actualmente.
Aij Descripción Preced. tij(días)
A Revisión del trabajo - 1
B Concejo a clientes de interrupción temporal A 2
C Almacenes de requisición A 3
D Reconocimiento del trabajo A 1
E Obtención de postes y materiales C,D 3
F Distribución de postes E 4
G Coordinación de ubicación de los postes D 1
H Preparación G 1
I Cavar agujeros H 3
J Preparar y colocar postes F,I 4
K Cubrir conductores antiguos F,I 1
L Colocar nuevos conductores J,K 2
M Instalación de material restante L 2
N Colgamiento del conductor L 2
O Poda de árboles D 2
P Conmutación de líneas B,M,N,O 1
Q Energización de la nueva línea P 5
R Limpieza Q 1
S Remoción del conductor anterior Q 1
T Remoción de postes anteriores S 2
U Devolución de material a los almacenes. I 2
Dibujar la red.
Hallar la ruta crítica.
Elaborar el programa de actividades.
3. La siguiente tabla muestra la información respecto a un proyecto de factibilidad para la
fabricación de un nuevo producto
Para realizar controles en los tiempos que uno estima conveniente y realizar el reporte
correspondiente del mismo se requiere de la siguiente información.
Vi = ( pi /100) B i
donde:
pi : porcentaje de avance de la actividad y
Di = CR - Vi
PROBLEMA 1.
PROBLEMA 2.
Un proyecto de investigación y desarrollo ; requiere de las actividades que se dan en la
siguiente tabla , se supone que cada actividad es un paquete de trabajo aceptable y que ya se
ha realizado un análisis detallado de costos de cada actividad. Para utilizar el PERT/COST
se supone que las actividades ( paquetes de trabajo) se han definido de manera que sus
costos ocurran a un ritmo constante a lo largo de la duración de las actividades.
Aij Precedencia te (meses) CIJ($) CR($) % de avance
A - 3 10000 12000 100
B - 2 30000 30000 100
C A 8 3000 1000 50
D B 0 6000 2000 33
E B 6 20000 10000 25
F C,D 4 10000
G E 5 8000
PROBLEMA 3
PROBLEMA 4
La empresa “XXT” ha elaborado un proyecto para presentar un nuevo sistema
computarizado para oficinas que mejoraría el procesamiento de documentos y las
comunicaciones internas en una compañía. En la proposición se incluye una lista de
actividades que se deben llevar a cabo para realizar el proyecto del nuevo sistema. Se
muestra en seguida la información con respecto a las actividades.
Indique la gráfica de los presupuestos factibles para el costo total del proyecto.
¿representa esta región poco común para el presupuesto factible?. Explique.
Supóngase que se encuentra el reporte indicado en la tabla del estado de las actividades
al inicio del octavo día. ¿Está el proyecto dentro de lo programado?. ¿Qué acción
recomendaría?
CONTRACCIÓN DE LA RED
1. Analizando las actividades de la ruta crítica; empezando por aquellas actividades cuyo
costo de reducción es menor.
El costo de reducción Kj para cada actividad por unidad de tiempo se obtiene mediante:
La función objetivo.
Min W = kj yj
Restricciones :
a. Descripción de la red
xi tj - yj + xi – 1 ; restricción para cada nodo en función del arco que llega.
b. Tiempo de reducción por actividad.
yj Mj
c. Contracción de la red.
xn Tij1
d. Condición de no negatividad
yj 0
xi 0
PROBLEMA 1
PROBLEMA 2
En la tabla se define un proyecto de mantenimiento de dos máquinas que consta de 5
actividades . Como los administradores han tenido considerable experiencia en proyectos
similares , se considera que los tiempos para las actividades de mantenimiento son
conocidos ; por ello se proporciona una sola estimación para cada actividad.
Supóngase que los niveles actuales de producción hacen que sea imperativo que el proyecto
de mantenimiento se termine en 10 días .
¿Cuál es el costo adicional necesario , para satisfacer este requerimiento?
Plantee un modelo de PL que pueda utilizarse para tomar esta decisión.
Desarrolle el programa de actividades con la reducción de los tiempos.
Los datos necesarios se observa en la tabla.
PROBLEMA 3
PROBLEMA 4
PROBLEMA 5
En la fabricación a pedido los plazos de entrega deben ser confiables, por el prestigio del
productor y por las penalidades por moras pactadas. El plazo de entrega se puede definir
mediante el método probabilístico (PERT/CPM). Cuando el cliente exige la reducción del
plazo , deberá tener en cuenta que la diferencia implicará un extracosto que
contractualmente se podría acordar como bonificación por día ganado.
CASO
Una prestigiosa tintorería tiene como política señalar plazos de entrega con probabilidades
de ocurrencia de 80 a 90%.
Un importante cliente requiere con urgencia , en tiempo impuesto t i = 50 días, un lote de
pernos con tuerca , preguntándose el fabricante si podría satisfacer sin o con extracosto.
Para ello el Ingeniero de Operaciones elabora la secuencia de actividades que se muestra a
continuación:
Como cualquier humano todos los días tomamos decisiones con diferente grado de
importancia a corto a mediano y largo plazo. Los modelos de decisión nos permiten evitar
la toma de decisiones en forma arbitraria sin previo análisis. Los modelos de decisión
proporcionan una estructura para examinar el proceso de toma de decisiones.
Con frecuencia se toman decisiones en entornos que tienen incertidumbre estas se pueden
analizar teniendo en cuenta las probabilidades a priori y a posteriori.
Sj Estados de la naturaleza
d(i) S1 S2 ... Sj ... Sn
d1 V(d1;S1)
d2
.
di V(di;Sj)
.
dm
p(Sj) p1 p2 ... pj ... Pn
CRITERIOS DE DECISIÓN
Este criterio es apropiado cuando el decisor tiene poca confianza en su actitud para evaluar
la probabilidad de los estados de la naturaleza.
1. EL MÉTODO OPTIMISTA
Se evalúa cada alternativa de decisión , en término del mejor resultado que puede
ocurrir. La alternativa de decisión que se recomienda es la que ofrece la mejor
consecuencia posible.
Para un problema en el que se desea maximizar utilidades , la alternativa elegida
corresponde aquella que brinda las utilidades mas altas.
Para un problema en el que se desea minimizar , la alternativa elegida corresponde
aquella que brinde el menor resultado.
2. EL MÉTODO CONSERVADOR
Se evalúa cada alternativa de decisión en términos del peor resultado que pueda ocurrir.
La alternativa decisoria que se recomienda es la mejor de la peores consecuencias
posibles es decir:
3. EL MÉTODO DE LA DEPLORACIÓN
Se evalúa el costo de oportunidad ( deploración)
Por lo general es difícil tener mucha fe en las probabilidades a priori; por lo tanto se
asume igual p(Sj) a cada estado del modelo.
Procedimiento:
a. Para cada alternativa de decisión calcule el promedio de sus pagos sobre todos los
estados de la naturaleza.
b. Seleccione la alternativa con el mayor pago promedio.
Procedimiento:
a. Para cada alternativa de decisión calcule el valor esperado VE(di).
n
∑
VE ( di ) = j=1 p(Sj) V ( di , Sj )
ANALISIS DE SENSIBILIDAD
Considera como los cambios en las estimaciones de las probabilidades para los
estados de la naturaleza pueden afectar la decisión que se recomienda.
El análisis de sensibilidad se puede realizar considerando probabilidades
diferentes para los estados de la naturaleza y después volver a calcular el VE de
cada alternativa de decisión ; repitiendo este proceso se observa la forma en que
los cambios en las probabilidades afectan la decisión recomendada.
Para el caso con dos estados de la naturaleza , se puede realizar un análisis de
sensibilidad utilizando un procedimiento gráfico; para ello se le asigna:
p(S1) = p y p( S2) = ( 1 – p )
VE
VE (di )
PROBLEMA 1
PROBLEMA 2
Considere un problema de análisis de decisión cuyas utilidades (en miles de dólares ) están
dados por la siguiente matriz de resultados :
Estados de la naturaleza
S1 S2
A1 80 25
Alternativas
de decisión A2 30 50
A3 60 40
PROBLEMA 3
Demanda
100 300
S1 S2
100 d1 500 -100
PRODUCCIÓN
200 d2 -400 700
300 d3 -1000 1600
PROBLEMA 4
Se presenta en seguida la tabla de resultados que muestra las utilidades para un problema de
decisión con dos estados de la naturaleza y tres alternativas de decisión:
S1 S2
d1 15 10
d2 10 12
d3 8 20
ANALISIS BAYESIANO
Donde:
N
∑
p( IK ) = j =1 p(IK/ Sj) p ( Sj ).
P (Sj / IK)
di
p( IK)
E = VE deIM / VE deIP
Existen situaciones en las que la alternativa de decisión con el mejor valor monetario
esperado no es la decisión más deseable. Se entiende por decisión más deseable la que
prefiere adoptar el decisor considerando no solo el valor monetario si no también muchos
otros factores, como la posibilidad de obtener una ganancia enorme o de incurrir en una
perdida muy grande. Son numerosos los ejemplos. Existen casos donde en los que elegir la
alternativa de decisión con el mejor valor monetario esperado puede no conducir a la
elección de la alternativa preferible en estas circunstancias se debe expresar el valor de un
resultado en términos de utilidad y luego obtener la utilidad esperada para identificar la
decisión más deseable; siendo aquella que tenga la mayor utilidad esperada .
UTILIDAD ESPERADA UE(di)
El procedimiento que se sigue para obtener la utilidad esperada de una decisión es:
Se asigna en primer lugar un valor utilitario a los posibles resultados mejor y peor
de las situaciones de decisión. Cualquier valor funciona, siempre y cuando la
utilidad que se asigne al mejor resultado sea mayor que la que se asigna al peor.
U [min(di ; Sj)] = 0
U[max(di ; Sj)] = 10
Se determina luego la utilidad correspondiente a cada uno de los resultados V(d i ;
Sj) restantes.
di S1 S2 . . . SN
d1 U(d1;S1) U(d1;S2) . . . U(d1;SN)
d2 U(d2;S1) U(d2;S2) . . . U(d2;SN)
. . . . . . .
. . . . . . .
. . . . . . .
dm U(dm;S1) U(dm;S2) . . . U(dm;SN)
P(Sj) P(S1) P(S2) . . . P(SN)
N
UE ( d i )=∑ p ( S j ) U (d i ; S j )
j=1
La decisión elegida será aquella con el mejor UE(di )
Determinar la utilidad requiere de cierta subjetividad por parte del decisor; esto
significa diferentes decisores pueden tener funciones de utilidad distintas.
PROBLEMAS
1. La empresa constructora “ctx” está realizando una encuesta que le ayudará a evaluar la
demanda de su nuevo complejo de condominio . El cuadro de resultados ( utilidades )
de la ctx es como sigue:
Estados de la naturaleza
Baja Media Alta
S1 S2 S3
Pequeña d1 400 400 400
Alternativas
de decisión Mediano d2 100 600 600
La encuesta dará como resultado tres indicadores de la demanda : débil (I1) , promedio
(I2) , y fuerte ( I3) en donde las probabilidades condicionales son las siguientes:
P(Ik/Sj)
I1 I2 I3
S1 .6 .3 .1
S2 .4 .4 .2
S3 .1 .4 .5
a. Cuál es la estrategia óptima de la empresa.
b. Cuál es el valor de la información muestral.
c. Cuál es la eficiencia de la información de la encuesta.
Estados de la naturaleza
Rechazar 1 año 2 años
Fabricar el d1 -100 50 150
producto piloto
Vender al d2 100 100 100
competidor
P(Sj) .2 .3 .5
Según un honorario por consultoría de $ 2 500 una agencia revisaría los planes de la
serie de televisión e indicaría las probabilidades globales de que la red reaccione de
manera favorable ante la serie . Si la revisión especial de la agencia da como resultado
una evaluación favorable ( I1) o una evaluación desfavorable ( I 2), ¿Cuál debe ser la
estrategia de decisión de la empresa?. Si la probabilidades condicionales son
evaluaciones realistas de la agencia:
P(I1/S1) = .3 P(I2/S1) = .7
P(I1/S2) = .6 P(I2/S2) = .4
P(I1/S3) = .9 P(I2/S3) = .1
GRADIENTE (∇ nabla)
El gradiente es un vector cuyas componentes son derivadas parciales de la función f(x)
∇ f ( x )=¿
MULTIPLICADORES DE LAGRANGE
Max(min)z=f(x1,x2,…,xn)
S.a:
g1(x1,x2,…,xn) = b1
g2(x1,x2,…,xn) = b2
.
.
.
gm(x1,x2,…,xn) = bm
La función de Lagrange para resolver el sistema es:
i=m
L(x1,x2,…,xn, λ1, λ2,…, λm)=f(x1,x2,…,xn)+∑ λi ¿ ¿ x1,x2,…,xn)]
i=1
Son modelos que representan situaciones de sistemas donde la función objetivo representa
modelos no lineales y para su solución se pueden utilizar los conceptos de máximo o
mínimo de una función para obtener los máximos y mínimos locales y globales de la
función.
El procedimiento general para encontrar el máximo o mínimo global para una función de
una variable sin restricciones es el siguiente:
Paso 3. Comparar los valores de la función con todos los puntos que se encontraron en los
pasos 1 y 2. El mayor de estos es la solución global máxima; el menor de ellos es la
solución global mínima.
CASO
Una clínica está interesada en rediseñar su sistema de atención a sus pacientes con el
propósito de maximizar el número de personas(N) que pueden beneficiarse de sus servicios
al año.
Con base en algunos estudios recientes se sabe en la clínica que el tiempo de tratamiento
promedio (T) por paciente es función del número de pacientes (P) que la clínica trata en
forma simultánea.
La siguiente función describe la forma en la que el número de pacientes residentes afecta el
tiempo de recuperación o tiempo de tratamiento:
45
T=
180−P
P
Donde el número total de pacientes en tratamiento al año está dado por N=
T
Para la solución del modelo con dos variables se puede considerar la siguiente regla:
∂2 f ∂2 f ∂2 f
y ( )( ) (
∂ x21 ∂ x 22
− )
∂ x 1 ∂ x2
>0
∂2 f
b. Si <0
∂ x 21
∂2 f ∂2 f ∂2 f
y ( )( ) (
∂ x21 ∂ x 22
− )
∂ x 1 ∂ x2
>0
∂2 f ∂2 f ∂2 f
c. ( )( ) (
2 2
∂ x1 ∂ x 2
−
∂ x 1 ∂ x2 )
< 0 ; entonces el punto no es de máximo local ni de
mínimo local.
Paso 2. Elegir el mayor máximo local o el menor mínimo local que será el máximo
o mínimo global.
CASO
Una empresa fabrica dos tipos de podadora una con asiento y motor (2) y la otra
manual (1). A la empresa le interesa establecer una política de precios para las dos
podadoras que maximice las utilidades para la línea de productos.
Después de estudiar las relaciones entre los precios de venta y las cantidades
vendidas se han establecido las siguientes expresiones:
Sujeta a:
g(x1, x2)=b.
3. Se halla la condición suficiente para determinar si los puntos hallados son máximos
o mínimos locales; para ello se reemplaza en la función lagrangiana el valor de λ
hallado anteriormente.
Aplicándose la condición:
∂2 L
d. Si >0
∂ x 21
∂2 L ∂2 L ∂2 L
y ( )( ) (
∂ x 21 ∂ x 22
− )
∂ x1 ∂ x2
>0
∂2 L
e. Si <0
∂ x 21
∂2 L ∂2 L ∂2 L
y ( )( ) (
2
∂ x1
2
∂ x2
−
∂ x1 ∂ x2 )
>0
CASO 1.
Una empresa Agroindustrial ofrece un servicio de fertilización de jardines y de
control de hierbas. La empresa está agregando un tratamiento especial de aereación
como una opción de servicio con un costo adicional reducido, y espera que ayude a
atraer clientes nuevos. Los administradores están planeando promover este servicio
a través de radio y correo directo. Se va a utilizar $2000 en esta campaña
promocional en el siguiente trimestre.
En donde:
Caso 2
Sujeta a x1 +2x2 = 4
Existen problemas que conducen a modelos matemáticos no lineales que implican dos
variables de decisión y una restricción de desigualdad. Este tipo de problemas pueden
resolverse utilizando los métodos anteriores
Método de solución.
PASO 1
PASO 2
CASO 1
Sujeta a
x1 +x2 ≤ 2
CASO 2
Sujeta a
x1 +2x2 ≤ 20
Se han analizado modelos que pueden aplicarse a problemas que tienen un objetivo, como
el de maximizar utilidades o minimizar costos. Sin embargo en el mundo real , se
consideran problemas con objetivos múltiples en forma simultánea ; por ejemplo en la
ubicación de una nueva planta sus objetivos pueden ser: maximizar utilidades, maximizar la
participación en el mercado, minimizar costos de terreno; etc. por lo tanto es necesario
utilizar técnicas que permitan evaluar estos criterios múltiples para llegar a la mejor
decisión global ; para ello se consideran las siguientes técnicas.
Este técnica permite manejar situaciones con criterios múltiples, dentro de la estructura
general de la programación lineal.
Un factor clave que diferencia la PM de la lineal es la estructura y la función objetivo.
En la PL se incorpora una meta en la función objetivo, mientras que en la PM se
incorporan muchas metas. Esto se logra expresando la meta en forma de restricción,
incluyendo una variable de desviación para reflejar la medida en que se llegue o no a
lograr la meta , e incorporando esa función en la función objetivo.
En la PL el objetivo es MAX ó MIN; en tanto que en la PM el objetivo es minimizar las
desviaciones de las metas especificadas ( Todos los problemas de PM son de MIN ).
Dado que se minimizan las desviaciones del conjunto de metas, un modelos de PM
puede manejar metas múltiples con dimensiones o unidades de medidas distintas.
Si existen metas múltiples puede especificarse una jerarquización ordinal o prioridades.
PROCEDIMIENTO
PROBLEMAS
Plantee un modelo de programación de metas para este problema. Suponga que tanto
las metas de nivel de prioridad 1 como las metas con nivel de prioridad 2 tienen la
misma importancia.
2. Una financiera debe desarrollar una cartera de inversión para un cliente nuevo. Como
estrategia inicial al cliente le interesa restringir la cartera a una combinación de las dos
siguientes acciones:
PROCEDIMIENTO
1. Desarrollo de jerarquías.
META GLOBAL
CRITERIOS …
A A A A
ALTERNATIVAS B B B B
. . . .
. . . .
PRUEBA DE CONSISTENCIA
n 3 4 5 6 7 8
IA 0.58 0.90 1.12 1.24 1.32 1.41
IC = ( máx - n ) / ( n - 1 )
a. Represente la jerarquía para este problema y calcule las prioridades para cada una de las matrices.
b. Determine la prioridad global e indique la decisión a tomar.
c. Evalúe la consistencia para la matriz de calidad.
2. Un Ingeniero está considerando la adquisición de un automóvil y ha considerado tres criterios qué
varían en términos de precio(P) , consumo de combustible (Q) comodidad (F) y estilo (G). Después
de realizar el análisis correspondiente cuenta con las siguientes matrices de comparaciones pareadas.
Estilo (G) A B C
A 1 1/3 4
B 3 1 7
C ¼ 1/7 1
d. Represente la jerarquía para este problema y calcule las prioridades para cada una de las matrices.
e. Determine la prioridad global e indique la decisión a tomar.
f. Evalúe la consistencia para la matriz de combustible.
PROCEDIMIENTO GENERAL
d n : Variable de decisión
fn
x n: variable de estado x n+1
Función recursiva
r n: rendimiento resultado
PROBLEMAS
1. Una empresa de caudales tiene que llevar dinero desde una entidad bancaria hasta una
empresa para pagar a sus trabajadores; pero existen serios peligros en el trayecto de ser
asaltados. En la figura se muestran las posibles rutas para viajar desde el banco ( 1 ) a la
empresa ( 10 ) y en cada arco el riesgo de una calle a otra ( c ij ). La empresa esta
preocupada por la seguridad del dinero y le encarga al gerente de operaciones obtener la
ruta óptima a seguir.
2 7 5 1
4
2 6 4 8 3
3 6 10
1 4 3 2 6
3
3 4 4
9
4 3
1
4 5 7 3
Utilizando el método de programación dinámica , obtenga las cantidades de producción y los niveles
de inventario óptimos en cada periodo para esta empresa . Supóngase que se tiene un inventario
inicial de 10 unidades el principio del mes 1 y que las corridas de producción se llevan a cabo en
múltiplos de 10 unidades, ( es decir, 10 , 20 o 30 unidades ).
4. El jefe de producción de una empresa debe hacer una selección óptima quincenal de
tareas que se debe procesar durante el siguiente periodo de dos semanas ( 10 días ) para
ello cuenta con la información que se muestra en la tabla. Cuál es la selección óptima .
5. Considere que se carga un barco con N artículos “i” que tienen un peso wi y un valor
vi ( i = 1,2,…,N ) El peso de carga mínima es W.
Se requiere determinar la cantidad de carga mas valiosa sin que se exceda al peso máximo
disponible en el barco.
Específicamente, consideré el caso siguiente de tres artículos y suponga que W = 5.
i wi Vi
1 2 65
2 3 80
3 1 30
TERMINOLOGIA:
CADENA DE MARKOV:
MODELO MATEMATICO
Notación:
Planteamiento:
S(t + 1 ) = S( t) P
En general :
S ( t ) = S ( 0 ) Pt
S = S(t+1)=S(t)
S=SP
Es decir el vector de estado estacionario sigue siendo igual después de la transición de una
etapa.
RESUMEN
El desarrollo de las cadenas de Markov dada una matriz de transición de una etapa P = [Pij]
y un vector de estado para el periodo “ t “ , S ( t ) esta dado por:
S(t+1)=S(t)P
Y dado que :
S ( t + 1 ) = S ( t )P = S ( t – 1 )P2 = … = S ( 1 )Pt-1 = S ( 0 ) Pt
Se tiene que :
S ( t ) = S ( 0 ) Pt
S = SP
m
∑ Si =1
i=1
Un estado absorbente es aquel que una vez que se alcanza no pueden abandonarse.
Cuando un proceso de Markov tiene estados absorbentes , no se calculan probabilidades de
estados estables; ya que en algún momento, el proceso termina en alguno de los estados
absorbentes. Sin embargo , podría interesar saber la probabilidad de terminar en uno de los
estados absorbentes.
PROBLEMAS
Van N C S
Renta
N .2 .3 .5
C .3 .4 .3
S .2 .4 .4
2. ¿Qué proporción de los camiones estará en cada región después de periodo largo ?.
3. La empresa “HD” tiene dos categorías de antigüedad para sus cuentas por cobrar: De 0
a 30 días y de 31 a 90 días. Para lo cual la empresa considera un ensayo de Markov
donde:
1 0 0 0
0 1 0 0
P= .4 0 .3 .3
.4 .2 .3 .1
La empresa está interesada en saber la probabilidad de que la u.m. termine en cada uno
de los dos estado absorbentes.
1 0 0 0
0 1 0 0
P = 0.1 0.2 0.5 0.2
0.4 0.1 0 0.5
¿Cuántos de los 5000 árboles del vivero se venderán en algún momento dado y
cuantos se perderán?.
1. PUNTO SILLA
2. ESTRATEGIAS DOMINANTES.
3. ESTRATEGIAS MIXTAS.
Se utiliza cuando no existe punto silla ni estrategias dominantes y las estrategias son
2xn ó mx2.
4. PROGRAMACION LINEAL
PROBLEMA 1
Dos políticos que postulan a la presidencia de un país. En este momento deben hacer
sus planes de campaña para los dos últimos días antes de las elecciones; se espera que
estos días sean cruciales por ser tan próximos al final. Por esto, ambos quieren
emplearlos para hacer sus campañas en dos ciudades importantes: B y M. Para evitar
pérdidas de tiempo , están planeando viajar en las noches y pasar un día completo en
cada ciudad o dos días en sólo una de las ciudades.
Cada político tiene un jefe de campaña en cada ciudad para asesorarlo en cuanto al
impacto que tendrán ( en términos de votos ganados ó perdidos ) las distintas
combinaciones posibles de los días dedicados a cada ciudad por ellos o por sus opositor.
Ellos quieren emplear esta información para escoger su mejor estrategia .
A continuación se presentan diversas matrices de pago.
II II II
1 2 3 1 2 3 1 2 3
1 -3 -2 6 1 1 2 4 1 0 -2 2
I 2 2 0 2 I 2 1 0 5 I 2 5 4 -3
3 5 -2 -4 3 0 1 -1 3 2 3 -4
Según la forma en que se estableció el problema, cada jugador tiene tres estrategias:
1. Pasar un día en cada ciudad.
2. Pasar ambos días en la ciudad A.
3. Pasar ambos días en la ciudad B.
PROBLEMA 2
a) b)
II II
1 2 3 1 2 3
I 1 4 3 1 1 4 -1 6
2 0 1 2 2 -2 7 -1
I 3 2 0 3
4 1 5 3
Para la matriz (a) utilice el método de estrategias mixtas para obtener las
estrategias optimas de los competidores.
Para la matriz (b) formule el modelo de programación lineal para obtener las
estrategias óptimas de los competidores.
Recuerda Ud. la última vez que tuvo que esperar ante la caja para pagar su derecho
de matrícula y otros y habrá experimentado que el tiempo de espera es molestoso ; este es
un problema que se puede analizar mediante la teoría de colas ó modelos de línea de espera.
El común denominador del problema de colas es el costo ocasionado al cliente y al servidor
que tienen correlación inversa.
CT = CwL + CsK
La forma general de las curvas del costo de la espera , del costo del servicio y del costo
total, en modelos de líneas de espera se aprecia en el siguiente gráfico:
Costo total
CT
Cw Cs
K(n° de canales)
MODELO M/M/1
Restricciones :
- La línea de espera tiene un solo canal.
- El patrón de llegada sigue una distribución probabilística de Poisson.
- Los tiempos de servicio siguen una distribución probabilística exponencial.
- La disciplina de la línea de espera es “Primero que Llega, Primero que se atiende”
(PLPA).
Notaciones: número promedio de llegada por periodo(tasa promedio de llegada).
número promedio de servicio por periodo(tasa promedio de servicio).
Las características de este modelo se pueden utilizar las siguientes ecuaciones:
1. Probabilidad de que no haya unidades en el sistema.
λ
P0 =1−
μ
2. Número promedio de unidades en la línea de espera(largo de la fila).
2
λ
Lq =
μ (μ−λ )
3. Número promedio de unidades en el sistema ( largo total ).
λ
L=Lq +
μ
4. Tiempo promedio que una unidad pasa en la línea de espera.
Lq
W q=
λ
5. Tiempo promedio que una unidad pasa en el sistema.
1
W=W q +
μ
6. Probabilidad que una unidad que llega tenga que esperar para obtener el servicio(factor
de utilización).
λ
Pw =
μ
7. Probabilidad que haya “n” unidades en el sistema.
n
λ
Pn =
[]
P
μ 0
Para utilizar estas ecuaciones se debe tener que: >
MODELO M/M/k
Restricciones:
- La línea de espera tiene dos o más canales.
- Tiene llegadas tipo Poisson.
- El patrón de servicio es de tipo exponencial.
- es lo mismo para todos los canales.
- Las unidades que llegan aguardan en una sola línea de espera y después pasan al primer canal abierto
para obtener el servicio.
- La disciplina de la fila es (PLPA)
Notación:
tasa promedio de llegadas para el sistema.
tasa promedio de servicio para cada canal.
K número de canales.
Las fórmulas son aplicables para k >
Las ecuaciones para este modelo son:
1. Probabilidad de que no haya unidades en el sistema.
1
P0 = k−1
( λ/ μ )n ( λ/ μ) k kμ
∑
n=0 n!
+
k! (
kμ− λ )
2. Número promedio de unidades en la línea de espera.
k
( λ /μ ) λμ
Lq = P
(k −1)!(kμ−λ )2 0
3. Número promedio de unidades en el sistema.
λ
L=Lq +
μ
4. Tiempo promedio que cada unidad pasa en la línea de espera.
Lq
W q=
λ
5. Tiempo promedio que una unidad pasa en el sistema.
1
W=W q +
μ
6. Probabilidad de que una unidad que llega tenga que esperar.
k
1 λ kμ
Pw =
k! μ ( )( ) P
kμ− λ 0
7. Probabilidad de que haya “n” unidades en el sistema
Para n k
( λ /μ )n
Pn = P0
n!
( λ /μ )n
Pn = ( n−k ) P0
Para n > k k !k
MODELO M/G/1
λ
L=Lq +
μ
4. Tiempo promedio que una unidad pasa en la línea de espera.
Lq
W q=
λ
5. Tiempo promedio que una unidad pasa en el sistema.
1
W=W q +
μ
6. Probabilidad de que una unidad que llega tenga que esperar.
λ
Pw =
μ
Restricciones:
( λ/ μ) j / j !
Pj= k
∑ ( λ / μ )i / i !
i=0
Es posible qué el calculo mas importante sea P k , que es la que todos los canales estén
ocupados.
Otra característica que interesa en este caso es el promedio de unidades que se encuentran
en el sistema, y esta evaluación se lleva a cabo mediante:
λ
L= (1−Pk )
μ
Lq
W q=
( N −L) λ
5. Tiempo promedio que una unidad pasa en el sistema.
1
W=W q +
μ
6. Probabilidad que haya “n” unidades en el sistema.
n
N! λ
Pn =
( N−n )! μ ()
Para n = 0 ; 1 ; 2 ; … ; N
PROBLEMA 1
PROBLEMA 2.
Una empresa suministra dispensadores de alimentos a una Universidad . Como los
estudiantes acostumbran deteriorar las máquinas , la gerencia tiene que afrontar un
problema constante de reparaciones . En promedio se averían tres máquinas por hora , y las
averías se distribuyen de manera Poisson. El tiempo muerto le cuesta a la compañía $25
por hora por máquina y a cada empleado de mantenimiento le pagan $ 4 por hora. Un
empleado puede reparar las máquinas a una tasa promedio de 5 por hora, distribuida
exponencialmente; dos empleados que trabajan juntos pueden reparar 7 máquinas por hora
distribuidas exponencialmente; y un equipo de tres trabajadores puede reparar 8 por hora
distribuidas exponencialmente.
¿Cuál es el tamaño óptimo del equipo de mantenimiento para reparar las máquinas?.
PROBLEMA 3.
PROBLEMA 4
PROBLEMA 5
Un centro de comunicaciones al que llegan mensajes de forma aleatoria con un tiempo
medio de 10 minutos entre una llegada y la siguiente, dispone de una radiotelegrafista . Se
supone que el tiempo medio de servicio para enviar estos mensajes se distribuye
exponencialmente con una media de tres minutos. Se desea conocer:
Número medio de mensajes en la fila.
Número medio de mensajes en el sistema.
PROBLEMA 6
En un taller , las máquinas suelen fallar según una ley de Poisson de tas a 3 maq/hora ;
evaluándose el costo de parada de una máquina en S/. 1000 por hora . En esta situación
pueden elegirse entre una de las siguientes alternativas.
a. Un mecánico que repare las máquinas según una ley de servicio exponencial de tasa
4 maq/hora y desea cobrar 300 pesetas por hora.
b. Un mecánico muy experimentado que repara las máquinas según distribución
análoga al anterior de tasa 5 maq/hora pero que exige 400 pesetas por hora.
¿Cuál de las dos alternativas resulta más beneficiosa ?.
PROBLEMA 7
Una oficina que dispone de una fotocopiadora ha observado que, generalmente , los
requerimientos de utilización de la misma , durante las ocho horas de trabajo, son
aleatorios con una tasa de 5 personas por hora.
Las fotocopias que se realizan varían en magnitud y en el número de copias pero la tasa
de servicio puede estimarse en 10 trabajos a la hora. Si el costo de una persona que
accede a realizar un trabajo es de $3.5 por hora, se desea conocer:
Utilización de la fotocopiadora.
Porcentaje de tiempo que una llegada tiene que esperar.
Tiempo promedio de espera en el sistema.
Costo promedio diario ocasionado por esperar .
PROBLEMA 8
Un restauran de comida rápida presenta un problema de colas . Analizando datos sobre la
llegada de clientes se ha llegado a la conclusión de que la tasa promedio de arribo es de 45
clientes por hora . Supóngase además que se ha estudiado el proceso de atención y que se
ha encontrado que el único empleado que sirve los alimentos puede procesar un promedio
de 60 ordenes de clientes por hora. Analizar este sistema de colas cuyo modelo se adapta al
M/M/1.
PROBLEMA 9
La HN es una tienda especializada en venta de artefactos. Después de realizar un análisis
del problema de colas que se genera en la tienda llega a la conclusión que corresponde a un
modelo M/G/1. Y la tasa promedio de llegada es de 21 clientes por hora y el tiempo
promedio de servicio es de 2 minutos por cliente con una desviación estandar de 1.2
minutos. Evaluar las características de este sistema.
El objetivo básico del análisis de inventario es especificar cuándo deben ordenarse los artículos y cuanto de
tamaño debe tener el pedido o lote.
Los inventarios se deben principalmente por:
Reserva de seguridad ante posibles variaciones.
Desequilibrio entre sectores de producción.- Para balancear desequilibrios de producción.
Producción por lotes.- Cuando los tiempos de cambios de herramientas son extensos.
Producción nivelada.- Se adelanta la fabricación cuando la carga de trabajo es menor.
Compras de mayor tamaño.- Se busca menores costos administrativos o de envío.
TIPOS DE DEMANDA
Demanda independiente.- Satisfacen algún requerimiento externo.
Demanda dependiente.- La demanda de un artículo es un resultado directo de la de otro, por lo general de
mayor nivel.
MODELO DE INVENTARIO
El objetivo final de cualquier modelo de inventario es dar respuesta a la pregunta:
1. ¿qué cantidad de artículos deben pedirse?
2. ¿Cuándo deben pedirse?
La respuesta a la primera pregunta la cantidad óptima que debe ordenarse cada vez que se hace un
pedido.
La respuesta a la segunda pregunta depende del tipo de inventario que tenemos
Revisión periódica; para hacer un pedido nuevo.
Revisión continúa; los nuevos pedidos se colocan cuando el nivel de inventario baja hasta el
punto de reorden (nivel de desabastecimiento).
MODELO CLÁSICO
El modelo matemático se da cuando la demanda y el tiempo de anticipación son determinísticos, no se
permiten los desabastecimientos y el inventario se reemplaza por lotes al mismo tiempo.
Notación.-
ta : tiempo en el cual tengo que realizar el pedido si no quiero quedarme sin producto(inventario)
Q : tamaño económico de lote, cantidad de unidades que se piden a la vez.
T : tiempo para consumir el inventario máximo, tiempo entre pedidos.
D : demanda anual del producto (constante)
Cp : costo de pedido
Cm : costo de mantenimiento.
C : costo por unidad de producto
Imáx : inventario máximo
I :inventario promedio.
R: nivel de reabastecimiento (punto de reorden)
N: número de pedidos
CAT: costo anual total.
El modelo puede representarse mediante un gráfico que se denomina “diente de sierra” el cual muestra que
cuando la posición del inventario cae al punto R debe colocarse un nuevo pedido, el mismo que se recibe al
final del periodo L.
Si se analizan los costos involucrados, se encuentra una relación que refleja el costo total del
inventario de la siguiente manera:
dCAT −D Cm
dQ Q [
= 2 C p + +0=0
2 ]
De donde:
2 Cp D
Q¿ =
√ Cm
Q Q¿ 2C p
T=
D
; entonces: T ¿=
D
=
√
DC m
1 1 DC m
N=
T
; entonces: N ¿=
T ¿=
√
2C p
¿
Reemplazando Q en “β “se obtiene:
C p D √C m CmC p D
ii)
CAT ¿ =
√ 2C P D
+
√ 4
+CD
Modelo con reabastecimiento instantáneo y desabastecimientos permitidos.
Q−S S
CAT =C p N +C m t 1 +C d t 2 +CD
2 2
Siguiendo el mismo proceso del modelo anterior se obtiene:
2(C m +C d )C p D
Q¿ =
√ CmCd
Cm Cm 2(Cm +C d ) C p D
S=
C m +C d
Q , entonces S ¿ =
C m +C d C m Cd √
Q Cm 2(C m +C d )C p
T=
D
, entonces T ¿ =
Cm +C d √ C m Cd D
N=
1
, entonces N ¿ =
√C m Cd D
T √2(C m +C d )C p
CAT ¿ =√ 2(C m +C d )C p
√C d +CD
√ Cm +C d
iii) Modelo EOQ con descuentos por cantidad
En este modelo el costo anual depende del tamaño de pedido; la formulación del modelo sigue las mismas
pautas de los modelos anteriores.
CAT = Costo de pedido + costo de mantenimiento +costo de compra
D Q
CAT =C p +C m +CD
Q 2
Para este modelo:
C 0 siQ< b1
C=
{
C 1 si b1 ≤ Q<b 2
……………………
C k si bk ≤Q
En la fórmula anterior Cm se expresa como: Cm + wC
La función de costo es:
Cm D C +w C 0
+ C0 D+ m
{
CA T 0 ( Q )= Q si Q<b 1
Q 2
C D C + w C1
CA T 1 ( Q )= m +C1 D+ m Q si b1 ≤Q< b2
CAT (Q) = Q 2
…………………………………………………………….
C D C + w Ck
CA T k ( Q )= m +C k D+ m Q si bk ≥Q
Q 2
MODELO EOQ DE ARTÍCULOS CON RESTRICCIONES DE ALMACENAMIENTO
En este tipo de modelos se pueden presentar los dos casos siguientes:
¿
Si Q >Q max →tengo restricciones de capacidad
¿
Si Q ≤ Q m ax → no tengorestricciones de capacidad
Desarrollando el modelo para dos productos, tenemos:
CAT = Costo de pedido + costo de mantenimiento +costo de compra + restricciones de volumen
2
Di2 2
Cm 2 2
CAT =∑ ∑ C p + ¿∑ Q + ¿ ∑ C D +∑ W k Q , ∀ ¿ ¿
i
Dónde:
K: volumen del que dispongo
Wi: costo por unidad/año (alquiler)
ki : volumen de la unidad
BIBLIOGRAFÍA O FUENTES DE INFORMACION.
Z
z 0 1 2 3 4 5 6 7 8 9
- 3. .0013 .0010 .0007 .0005 .0003 .0002 .0002 .0001 .0001 .0000
- 2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
- 2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
- 2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
- 2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
- 2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
- 2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
- 2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
- 2.2 .0139 .0136 .0132 .0129 .0126 .0122 .0119 .0116 .0113 .0110
- 2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
- 2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
- 1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0238 .0233
- 1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0300 0294
- 1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
- 1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
- 1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0570 .0559
- 1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
- 1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
- 1.2 .1151 .1121 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
- 1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
- 1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
- 0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
- 0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
- 0.7 .2420 .2389 .2358 .2327 .2297 .2266 .2236 .2206 .2177 .2148
- 0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
- 0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
- 0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
- 0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
- 0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
- 0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
- 0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
z 0 1 2 3 4 5 6 7 8 9
0.0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0.1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .9714 .5753
0.2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0.6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0.7 .7586 .7611 .7642 .7673 .7703 .7734 .7764 .7794 .7823 .7852
0.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .85554 .8577 .8599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9278 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9430 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9647 .9648 .9656 .9664 .9671 .9678 .9686 .9693 .9700 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9762 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9874 .9878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 ..9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9990 .9993 .9995 .9997 .9998 .9998 .9999 .9999 1.000