Вы находитесь на странице: 1из 13

ACTIVIDAD 1 REVISANDO CONCEPTOS DE MODELOS DETERMINISTICOS. El modelaje es la esencia del enfoque de la investigacin de operaciones.

El construir un modelo ayuda a colocar los aspectos complejos e inciertos de un problema de decisin en una estructura lgica que es adecuada para el anlisis formal. Un modelo es un vehiculo para lograr una visin bien estructurada de la realidad. El proceso de construccin del modelo es un proceso iterativo. Nadie, ni siquiera el desarrollador de modelos ms experimentado, desarrolla un modelo utilizable en una sola operacin directa. En cambio, el proceso es de formulacin y validacin tentativas, seguidas de instancias de reformulacin y revalidacin, hasta que se alcanza un cierto grado de confianza en la utilidad del modelo. Existen varios tipos bajo la clasificacin de modelos matemticos. La clasificacin de los modelos matemticos como descriptivos o normativos, estticos o dinmicos, deterministas o estocsticos, no es taxonoma ociosa. Como el modelo de decisin debe estar formulado de modo tal que nos proporcione informacin til para resolver expeditamente el modelo, es importante tanto para el analista como para el desarrollador conocer cules son los modelos existentes y sus caractersticas. Una de las claves del xito en modelizacin es reconocer que un modelo es una abstraccin. Los modelos no se construyen para proporcionar la nica respuesta a un problema de decisin. Por el contrario, suministran informacin til para la toma de decisiones. El modelo no debiera tener todas las complejidades de la realidad. Si las tuviera sera extremadamente difcil de resolver y probablemente le dara pocas ideas, o informacin, al analista. A la inversa, el modelo no debe ser una excesiva simplificacin que se asemeje poco al mundo real. El buen modelo goza de equilibrio. Existen varios tipos de modelos que se utilizan para la toma de decisiones como por ejemplo: modelos fsicos, modelos Esquemticos, modelos matemticos los cuales se dividen a su vez en determinsticos y probabilsticos. Todos los modelos, incluidos los verbales, los mentales y los matemticos, contienen variables independientes, variables dependientes, parmetros y constantes. En los modelos verbales, estos elementos se renen en forma libre y muchas veces intuitiva, permitiendo el entendimiento y facilitando la comunicacin. Cuando pasamos de los modelos verbales a los mentales y matemticos, las relaciones entre las variables y los parmetros se torna ms especfica. El grado de especificidad necesario determina el tipo de modelo que se usar en cada situacin determinada. TIPOS DE MODELOS MATEMATICOS Modelo cuantitativo es aquel cuyos principales smbolos representan nmeros. Son los ms comunes y tiles en los negocios. Modelo cualitativo aquel modelo cuyos smbolos representan en su mayora a Cualidades no numricas. Una fuente importante es la teora de conjuntos.

Modelo Probabilstico aquellos basados en la estadstica y probabilidades (donde se incorpora las incertidumbres que por lo general acompaan nuestras observaciones de eventos reales). Modelo Determinstico corresponde a aquel modelo cuantitativo que no contiene consideraciones probabilsticas. Modelo Descriptivo cuando el modelo simplemente describe una situacin del mundo real en trminos matemticos, descripcin que puede emplearse para exponer una situacin con mayor claridad, para indicar como pueden reajustarse o an para determinar los valores de ciertos aspectos de la situacin. Modelo Optimizador corresponde al modelo ideado para seleccionar entre varias alternativas, de acuerdo a determinados criterios, la ms ptima.

Los modelos de cualquier clase, sin importar su refinamiento y exactitud, pueden probar ser poco prcticos si no estn respaldados con datos confiables. Si se distorsionan las estimaciones, la solucin obtenida, pese a ser ptima en un sentido matemtico, en realidad ser de calidad inferior desde la perspectiva del sistema real. En consecuencia, la disponibilidad de datos puede tener un efecto directo en la precisin del modelo. La recopilacin de datos puede ser la parte ms difcil para determinar un modelo y desgraciadamente no se pueden sugerir reglas para este procedimiento. Por lo comn los modelos matemticos son de ndole iterativa, vale decir, se llega a la respuesta final en pasos o iteraciones y cada iteracin acerca la solucin al nivel ptimo, pero no todos los modelos matemticos poseen algoritmos de solucin que converjan al nivel ptimo por dos razones: El algoritmo de solucin converge al nivel ptimo solo en teora. La convergencia terica seala que hay un lmite superior finito, pero sin indicar cuan alto puede ser ese lmite. Por lo tanto, se puede gastar horas y horas de computadora sin alcanzar la iteracin final.

La complejidad del modelo matemtico puede hacer imposible idear un algoritmo de solucin. Por lo tanto, el modelo puede mantenerse no factible en trminos de clculo FORMULACION DE MODELO MATEMATICO Una vez resuelto el problema de saber expresar matemticamente las relaciones de los modelos especificados en la teora, estamos en condiciones de abordar la formulacin de los modelos. No obstante creemos necesario hacer antes algunas puntualizaciones en forma de preguntas, a saber: a) Cules son las variaciones endgenas y exgenas?

En primer lugar, para formular el modelo matemtico de una cierta teora psicolgica, es necesario conocer qu es lo que trata de determinar dicha teora. O dicho en otros trminos: conocer cules son las variables endgenas y cules las exgenas. Las primeras son las que la teora trata de determinar en trminos de las exgenas. b) Aparecen explicitadas todas las relaciones? Una vez aclarado este punto, es necesario fijarse en las especificaciones contenidas en los supuestos de la teora e ir expresndolas en trminos matemticos. Ahora bien, ocurre que las Relaciones de Definicin y de Condicin no suelen venir explicitadas, y sin embargo han de aparecer en la formulacin del modelo. Por ello, al formular un modelo debe tenerse sumo cuidado con las Relaciones de Definicin y de Condicin. Las Relaciones de Comportamiento siempre vienen especificadas en los supuestos de la teora. c) Es el modelo completo? Despus de haber expresado en forma matemtica las Relaciones que forman el modelo, debe procederse, a modo de comprobacin, a observar si el modelo es completo. Para ello, ha de suceder que el nmero de ecuaciones sea igual al nmero de variables endgenas (incgnitas). De lo contrario, lo ms probable es que falten ecuaciones (tal vez alguna de las Relaciones de Definicin o de Condicin no explicitadas) aunque tambin puede ser que se trate de un sistema compatible indeterminado en los trminos definidos por el teorema de Rouch-Frobenius-Krnecker, es decir un modelo en el que haya ms variables endgenas que ecuaciones y por tanto con infinitas soluciones para las variables endgenas. Tambin podramos encontrarnos con sistemas incompatibles (sin solucin). Veamos, en fin, que una de las caractersticas fundamentales de los modelos de anlisis psicolgico puede ser la aparicin de la variable temporal que, segn su presencia o no, se clasifican en dinmicos (no inerciales o inerciales) y estticos. No nos extenderemos ms en este tipo de modelos, cuyo estudio sera ms propio de otra investigacin ACTIVIDAD 3 Generalidades En los ltimos aos, los modelos matemticos han tenido un impresionante desarrollo en todas las reas del conocimiento humano, cientfico y de los recursos naturales en general, como lo es la hidrologa, agricultura, ecologa, erosin, planeacin y manejo del bosque, biologa, astronoma, medicina, fsica, etc. La importancia de los modelos radica, entre otros aspectos, en la simulacin y prediccin de los fenmenos fsicos, sobre todo los de frecuencia rara, a corto, mediano y largo plazo. Asimismo, a travs de los modelos podemos obtener relaciones de causa-efecto, sin haber realizado cambios en los sistemas reales. Algunas de las principales ventajas en el uso de los modelos matemticos son las siguientes: Proporcionan respuestas cuantitativas de los fenmenos fsicos, Sirven como herramienta para experimentar sin destruir, Ayudan a interpolar, simular y predecir el fenmeno fsico,

Proporcionan una idea del comportamiento del fenmeno cuando no se cuenta con informacin, Ayudan a definir metodologas, Categorizan la influencia de las variables que participan en el modelo, Ayudan a sugerir prioridades en la investigacin, Sirven para entrenar e instruir, Estimulan la participacin y comunicacin del equipo de trabajo.

Los problemas de toma de decisiones se pueden clasificar en dos categoras: modelos de decisin determinsticos y modelos de decisin probabilsticos. En los modelos deterministicos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo deseado de manera "deterministica", es decir, libre de riesgo. Esto depende de la influencia que puedan tener los factores no controlables, en la determinacin de los resultados de una decisin y tambin en la cantidad de informacin que el tomador de decisin tiene para controlar dichos factores. Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al problema constante de mejorar (por ejemplo, optimizar) el rendimiento del sistema. El problema puede ser reducir el costo de operacin y a la vez mantener un nivel aceptable de servicio, utilidades de las operaciones actuales, proporcionar un mayor nivel de servicio sin aumentar los costos, mantener un funcionamiento rentable cumpliendo a la vez con las reglamentaciones gubernamentales establecidas, o "mejorar" un aspecto de la calidad del producto sin reducir la calidad de otros aspectos. Para identificar la mejora del funcionamiento del sistema, se debe construir una representacin sinttica o modelo del sistema fsico, que puede utilizarse para describir el efecto de una variedad de soluciones propuestas. Qu son los modelos determinsticos? Los problemas de toma de decisiones se pueden clasificar en dos categoras: modelos de decisin determinsticos y modelos de decisin probabilsticos. En los modelos determinsticos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo deseado de manera "determinstica", es decir, libre de riesgo. Esto depende de la influencia que puedan tener los factores no controlables, en la determinacin de los resultados de una decisin y tambin en la cantidad de informacin que el tomador de decisin tiene para controlar dichos factores. Un modelo puede considerarse como una entidad que captura la esencia de la realidad sin la presencia de la misma. Una fotografa es un modelo de la realidad ilustrada en la imagen. La presin arterial puede utilizarse como un modelo de la salud de una persona. Una campaa piloto de ventas puede utilizarse como un modelo de la respuesta de las personas a un nuevo producto. Por ltimo, una ecuacin matemtica puede utilizarse como un modelo de la energa contenida en un determinado material. En cada caso, el modelo captura algn aspecto de la realidad que intenta representar. Ya que un modelo slo captura determinados aspectos de la realidad, su uso puede no ser apropiado en una aplicacin en particular porque no captura los elementos correctos de la realidad. La temperatura es un modelo de las condiciones climticas pero puede ser inapropiado si uno est interesado en la presin baromtrica. Una foto de una persona es un modelo de la misma pero brinda poca informacin acerca de sus logros acadmicos.

Una ecuacin que predice las ventas anuales de un producto en particular es un modelo de ese producto pero tiene poca utilidad si lo que nos interesa es el costo de produccin por unidad. Por lo tanto, la utilidad del modelo depende del aspecto de la realidad que representa. Un modelo puede ser inadecuado aun cuando intenta capturar los elementos apropiados de la realidad si lo hace de una manera distorsionada o sesgada. Una ecuacin que pronostica el volumen mensual de ventas puede ser exactamente lo que el gerente de ventas quiere pero podra generar grandes prdidas si arroja constantemente clculos de ventas altos. Un termmetro que lee de ms (o de menos) tendra poca utilidad para realizar un diagnstico mdico. En consecuencia, un modelo til es aquel que captura los elementos adecuados de la realidad con un grado aceptable de precisin. Lo ideal sera que si el modelo matemtico es una representacin vlida del rendimiento del sistema, mediante la aplicacin de las tcnicas analticas adecuadas, la solucin obtenida a partir del modelo debera ser tambin la solucin para el problema del sistema. As, la efectividad de los resultados de la aplicacin de cualquier tcnica operativa es en gran medida una funcin del grado en el cual el modelo representa al sistema en estudio. A fin de definir las condiciones que nos conducirn a la solucin del problema del sistema, el analista primero debe identificar un criterio segn el cual se podr medir el sistema. Este criterio a menudo se denomina medida del rendimiento del sistema o medida de efectividad. En aplicaciones empresariales, la medida de efectividad generalmente son los costos o las utilidades, mientras que en aplicaciones gubernamentales esta medida generalmente se define en trminos de un ndice costo/beneficio. El modelo matemtico que describe el comportamiento de la medida de efectividad se denomina funcin objetivo. Si la funcin objetivo es describir el comportamiento de la medida de efectividad, debe capturar la relacin entre esa medida y aquellas variables que hacen que dicha medida flucte. Las variables del sistema pueden categorizarse en variables de decisin y parmetros. Una variable de decisin es una variable que puede ser directamente controlada por el decisor. Tambin existen algunos parmetros cuyos valores pueden ser inciertos para el decisor. Esto requiere un anlisis de sensibilidad despus de descubrir la mejor estrategia. En la prctica, resulta casi imposible capturar la relacin precisa entre todas las variables del sistema y la medida de efectividad a travs de una ecuacin matemtica. En cambio, el analista de IO/ CA debe tratar de identificar aquellas variables que afectan en mayor grado la medida de efectividad y luego debe intentar definir de manera lgica la relacin matemtica entre estas variables y la medida de efectividad.Esta relacin matemtica es la funcin objetivo que se emplea para evaluar el rendimiento del sistema en estudio. Un modelo matemtico es una ecuacin, desigualdad o sistema de ecuaciones o desigualdades, que representa determinados aspectos del sistema fsico representado en el modelo. Los modelos de este tipo se utilizan en gran medida en las ciencias fsicas, en el campo de la ingeniera, los negocios y la economa. Un modelo ofrece al analista una herramienta que puede manipular en su anlisis del sistema en estudio, sin afectar al sistema en s. Por ejemplo, supngase que se ha

desarrollado un modelo matemtico para predecir las ventas anuales como una funcin del precio de venta unitario. Si se conoce el costo de produccin por unidad, se pueden calcular con facilidad las utilidades anuales totales para cualquier precio de venta. Para determinar el precio de venta que arrojar las utilidades totales mximas, se pueden introducir en el modelo distintos valores para el precio de venta, uno a la vez, determinando las ventas resultantes y calculando las utilidades anuales totales para cada valor de precio de venta examinado. Mediante un proceso de prueba y error, el analista puede determinar el precio de venta que maximizar las utilidades anuales totales. Lo ideal sera que si el modelo matemtico es una representacin vlida del rendimiento del sistema, mediante la aplicacin de las tcnicas analticas adecuadas, la solucin obtenida a partir del modelo debera ser tambin la solucin para el problema del sistema. As, la efectividad de los resultados de la aplicacin de cualquier tcnica operativa es en gran medida una funcin del grado en el cual el modelo representa al sistema en estudio. A fin de definir las condiciones que nos conducirn a la solucin del problema del sistema, el analista primero debe identificar un criterio segn el cual se podr medir el sistema. Este criterio a menudo se denomina medida del rendimiento del sistema o medida de efectividad. En aplicaciones empresariales, la medida de efectividad generalmente son los costos o las utilidades, mientras que en aplicaciones gubernamentales esta medida generalmente se define en trminos de un ndice costo/beneficio. El modelo matemtico que describe el comportamiento de la medida de efectividad se denomina funcin objetivo. Si la funcin objetivo es describir el comportamiento de la medida de efectividad, debe capturar la relacin entre esa medida y aquellas variables que hacen que dicha medida flucte. Las variables del sistema pueden categorizarse en variables de decisin y parmetros. Una variable de decisin es una variable que puede ser directamente controlada por el decisor. Tambin existen algunos parmetros cuyos valores pueden ser inciertos para el decisor. Esto requiere un anlisis de sensibilidad despus de descubrir la mejor estrategia. En la prctica, resulta casi imposible capturar la relacin precisa entre todas las variables del sistema y la medida de efectividad a travs de una ecuacin matemtica. En cambio, el analista de IO/CA debe tratar de identificar aquellas variables que afectan en mayor grado la medida de efectividad y luego debe intentar definir de manera lgica la relacin matemtica entre estas variables y la medida de efectividad. Esta relacin matemtica es la funcin objetivo que se emplea para evaluar el rendimiento del sistema en estudio La formulacin de una funcin objetivo que tenga sentido normalmente es una tarea tediosa y frustrante. Los intentos de desarrollo de una funcin objetivo pueden terminar en un fracaso. Esto puede darse porque el analista elige el conjunto incorrecto de variables para incluir en el modelo o bien, si el conjunto es el adecuado, porque no identifica correctamente la relacin entre estas variables y la medida de efectividad. En un nuevo intento, el analista trata de descubrir las variables adicionales que podran mejorar su modelo descartando aquellas que parecen tener poca o ninguna relevancia. No obstante, slo se puede determinar si estos factores realmente mejoran el modelo una vez realizadas la formulacin y prueba de nuevos modelos que incluyan las variables adicionales. Todo el proceso de seleccin y rechazo de variables puede requerir reiteraciones mltiples hasta desarrollar una funcin objetivo satisfactoria. En cada

iteracin, el analista espera lograr alguna mejora en el modelo, aunque no siempre se tiene tanta buena suerte. Por lo general, el xito final es precedido por una serie de fracasos frustrantes y pequeos progresos. En cada etapa del proceso de desarrollo, el analista debe evaluar la correspondencia o validez del modelo. Normalmente se emplean dos criterios para realizar esta determinacin. El primero implica la experimentacin del modelo: someter el modelo a una serie de condiciones y registrar los valores asociados de la medida de efectividad dada por el modelo en cada caso. Si la medida de efectividad vara de manera antinatural con una sucesin de condiciones de entrada, es posible que la funcin objetivo no sea vlida. Por ejemplo, supngase que se desarrolla un modelo destinado a calcular el valor de mercado de viviendas unifamiliares. El modelo debe expresar el valor de mercado en dlares como una funcin de la superficie cubierta en pies cuadrados, cantidad de dormitorios, cantidad de baos y tamao del lote. Despus de desarrollar el modelo, el analista lo aplica a la tasacin de distintas viviendas, con distintos valores para las caractersticas mencionadas y descubre que el valor de mercado desciende a medida que aumenta la superficie cubierta expresada en pies cuadrados. Dado que este resultado no concuerda con la realidad, el analista cuestionara la validez del modelo. Por otro lado, supngase que el modelo es tal que el valor de las viviendas es una funcin creciente de cada una de las cuatro caractersticas citadas, como generalmente es de esperar. Si bien este resultado es alentador, no necesariamente implica que el modelo es una representacin vlida de la realidad, dado que la tasa de aumento de cada variable puede ser excesivamente alta o baja. La segunda etapa de la validacin del modelo requiere una comparacin de los resultados del modelo con los resultados obtenidos en la realidad. PROGRAMACION POR METAS La forma del modelo de programacin lineal sigue siendo la misma en programacin por meta, es decir, tambin se tiene una funcin objetivo que optimizar sujeta a una o ms restricciones. Sin embargo, dentro de este marco de referencia se agregarn dos conceptos nuevos. El primero es el de las restricciones de meta en lugar de las restricciones de recurso que se han analizado. El segundo concepto es el de rango de prioridad entre las funciones de objetivo. Una vez que se establece un problema en el formato del modelo general de programacin lineal, para obtener la solucin puede aplicarse el MTODO SIMPLEX modificado solo para tomar en cuenta las prioridades. La programacin por metas es un enfoque para tratar problemas de decisin gerencial que comprenden metas mltiples o inconmensurables, de acuerdo a la importancia que se le asigne a estas metas. El tomador de decisiones debe ser capaz de establecer al menos una importancia ordinal, para clasificar estas metas. Una ventaja importante de la programacin meta es su flexibilidad en el sentido de que permite al tomador de decisiones, experimentar con una multitud de variaciones de las restricciones y de prioridades de las metas cuando se involucra con un problema de decisin de objetivos mltiples.

El primer paso en la formulacin de un modelo de programacin por metas consiste en fijar los atributos que se consideran relevantes para el problema que se est analizando. Una vez establecidos los atributos, se pasa a determinar el nivel de aspiracin que corresponde a cada atributo, es decir, el nivel de logro que el centro decisor desea alcanzar. Seguidamente, se conecta el atributo con el nivel de aspiracin, por medio de la introduccin de lasvariables de desviacin negativa y positiva, respectivamente. As para el atributo i-simo, se tiene la siguiente meta: donde, como es habitual, f(x) representa la expresin matemtica del atributo i-simo, Ti su nivel de aspiracin, ni y pi las variables de desviacin negativa y positiva, respectivamente. Las variables de desviacin negativa cuantifican la falta de logro de una meta con respecto a su nivel de aspiracin, mientras que las variables de desviacin positiva cuantifican el exceso de logro de una meta con respecto a su nivel de aspiracin.

ACTIVIDAD 4
NTRODUCCION El modelaje es la esencia del enfoque de la investigacin de operaciones. El construir un modelo ayuda a colocar los aspectos complejos e inciertos de un problema de decisin en una estructura lgica que es adecuada para el anlisis formal. Un modelo es un vehiculo para lograr una visin bien estructurada de la realidad. El proceso de construccin del modelo es un proceso iterativo. Nadie, ni siquiera el desarrollador de modelos ms experimentado, desarrolla un modelo utilizable en una sola operacin directa. En cambio, el proceso es de formulacin y validacin tentativas, seguidas de instancias de reformulacin y revalidacin, hasta que se alcanza un cierto grado de confianza en la utilidad del modelo. Existen varios tipos bajo la clasificacin de modelos matemticos. La clasificacin de los modelos matemticos como descriptivos o normativos, estticos o dinmicos, deterministas o estocsticos, no es taxonoma ociosa. Como el modelo de decisin debe estar formulado de modo tal que nos proporcione informacin til para resolver expeditamente el modelo, es importante tanto para el analista como para el desarrollador conocer cules son los modelos existentes y sus caractersticas. Una de las claves del xito en modelizacin es reconocer que un modelo es una abstraccin. Los modelos no se construyen para proporcionar la nica respuesta a un problema de decisin. Por el contrario, suministran informacin til para la toma de decisiones. El modelo no debiera tener todas las complejidades de la realidad. Si las tuviera sera extremadamente difcil de resolver y probablemente le dara pocas ideas, o informacin, al analista. A la inversa, el modelo no debe ser una excesiva simplificacin que se asemeje poco al mundo real. El buen modelo goza de equilibrio. Todos los modelos, incluidos los verbales, los mentales y los matemticos, contienen variables independientes, variables dependientes, parmetros y constantes. En los modelos verbales, estos elementos se renen en forma libre y muchas veces intuitiva, permitiendo el entendimiento y facilitando la comunicacin. Cuando pasamos de los modelos verbales a los mentales y matemticos, las relaciones entre las variables y los parmetros se torna ms especfica. El grado de especificidad necesario determina el tipo de modelo que se usar en cada situacin determinada. Un modelo es una abstraccin o una representacin idealizada de un sistema de la vida real. El propsito del modelo es proporcionar un medio para analizar el comportamiento del sistema con el fin de mejorarsu desempeo. La realidad de la solucin obtenida depende de la validez de el para

representar el sistema real. Una ventaja importante de un modelo es que le permite al analista examinar el comportamiento del sistema sin interferir en la operacin que se esta realizando.

Un modelo debe mantener un equilibrio entre sencillez y capacidad de representacin


LA MODELACION Es una ciencia anlisis de relaciones aplicacin de algoritmos de solucin Y a la vez un arte visin de la realidad estilo, elegancia, simplicidad uso creativo de las herramientas experiencia

Los problemas de toma de decisiones se pueden clasificar en dos categoras: (tomado del Dr Bassein Arsham) Modelos de decisin determinsticos y modelos de decisin probabilsticos. En los modelos determinsticos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo deseado de manera "deterministica", es decir, libre de riesgo. Esto depende de la influencia que puedan tener los factores no controlables, en la determinacin de los resultados de una decisin y tambin en la cantidad de informacin que el tomador de decisin tiene para controlar dichos factores. Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al problema constante de mejorar (por ejemplo, optimizar) el rendimiento del sistema. El problema puede ser reducir el costo de operacin y a la vez mantener un nivel aceptable de servicio, utilidades de las operaciones actuales, proporcionar un mayor nivel de servicio sin aumentar los costos, mantener un funcionamiento rentable cumpliendo a la vez con las reglamentaciones gubernamentales establecidas, o "mejorar" un aspecto de la calidad del producto sin reducir la calidad de otros aspectos. Para identificar la mejora del funcionamiento del sistema, se debe construir una representacin sinttica o modelo del sistema fsico, que puede utilizarse para describir el efecto de una variedad de soluciones propuestas.
Un modelo puede considerarse como una entidad que captura la esencia de la realidad sin la presencia de la misma. Una fotografa es un modelo de la realidad ilustrada en la imagen. La presin arterial puede utilizarse como un modelo de la salud de una persona. Una campaa piloto de ventas puede utilizarse como un modelo de la respuesta de las personas a un nuevo producto. Por ltimo, una ecuacin matemtica puede utilizarse como un modelo de la energa contenida en un determinado material. En cada caso, el modelo captura algn aspecto de la realidad que intenta representar. Ya que un modelo slo captura determinados aspectos de la realidad, su uso puede no ser apropiado en una aplicacin en particular porque no captura los elementos correctos de la realidad. La temperatura es un modelo de las condiciones climticas pero puede ser inapropiado si uno est interesado en la presin baromtrica. Una foto de una persona es un modelo de la misma pero brinda poca informacin acerca de sus logros acadmicos. Una ecuacin que predice las ventas

anuales de un producto en particular es un modelo de ese producto pero tiene poca utilidad si lo que nos interesa es el costo de produccin por unidad. Por lo tanto, la utilidad del modelo depende del aspecto de la realidad que representa. Un modelo puede ser inadecuado aun cuando intenta capturar los elementos apropiados de la realidad si lo hace de una manera distorsionada o sesgada. Una ecuacin que pronostica el volumen mensual de ventas puede ser exactamente lo que el gerente de ventas quiere pero podra generar grandes prdidas si arroja constantemente clculos de ventas altos. Un termmetro que lee de ms (o de menos) tendra poca utilidad para realizar un diagnstico mdico. En consecuencia, un modelo til es aquel que captura los elementos adecuados de la realidad con un grado aceptable de precisin. Un modelo matemtico es una ecuacin, desigualdad o sistema de ecuaciones o desigualdades, que representa determinados aspectos del sistema fsico representado en el modelo. Los modelos de este tipo se utilizan en gran medida en las ciencias fsicas, en el campo de la ingeniera, los negocios y la economa. Un modelo ofrece al analista una herramienta que puede manipular en su anlisis del sistema en estudio, sin afectar al sistema en s. Por ejemplo, supngase que se ha desarrollado un modelo matemtico para predecir las ventas anuales como una funcin del precio de venta unitario. Si se conoce el costo de produccin por unidad, se pueden calcular con facilidad las utilidades anuales totales para cualquier precio de venta. Para determinar el precio de venta que arrojar las utilidades totales mximas, se pueden introducir en el modelo distintos valores para el precio de venta, uno a la vez, determinando las ventas resultantes y calculando las utilidades anuales totales para cada valor de precio de venta examinado. Mediante un proceso de prueba y error, el analista puede determinar el precio de venta que maximizar las utilidades anuales totales. Lo ideal sera que si el modelo matemtico es una representacin vlida del rendimiento del sistema, mediante la aplicacin de las tcnicas analticas adecuadas, la solucin obtenida a partir del modelo debera ser tambin la solucin para el problema del sistema. As, la efectividad de los resultados de la aplicacin de cualquier tcnica operativa es en gran medida una funcin del grado en el cual el modelo representa al sistema en estudio. A fin de definir las condiciones que nos conducirn a la solucin del problema del sistema, el analista primero debe identificar un criterio segn el cual se podr medir el sistema. Este criterio a menudo se denomina medida del rendimiento del sistema o medida de efectividad. En aplicaciones empresariales, la medida de efectividad generalmente son los costos o las utilidades, mientras que en aplicaciones gubernamentales esta medida generalmente se define en trminos de un ndice costo/beneficio. El modelo matemtico que describe el comportamiento de la medida de efectividad se denomina funcin objetivo. Si la funcin objetivo es describir el comportamiento de la medida de efectividad, debe capturar la relacin entre esa medida y aquellas variables que hacen que dicha medida flucte. Las variables del sistema pueden categorizarse en variables de decisin y parmetros. Una variable de decisin es una variable que puede ser directamente controlada por el decisor. Tambin existen algunos parmetros cuyos valores pueden ser inciertos para el decisor. Esto requiere un anlisis de sensibilidad despus de descubrir la mejor estrategia. En la prctica, resulta casi imposible capturar la relacin precisa entre todas las variables del sistema y la medida de efectividad a travs de una ecuacin matemtica. En cambio, el analista de IO/CA debe tratar de identificar aquellas variables que afectan en mayor grado la medida de efectividad y luego debe intentar definir de manera lgica la relacin matemtica entre estas variables y la medida de efectividad. Esta relacin matemtica es la funcin objetivo que se emplea para evaluar el rendimiento del sistema en estudio. La formulacin de una funcin objetivo que tenga sentido normalmente es una tarea tediosa y frustrante. Los intentos de desarrollo de una funcin objetivo pueden terminar en un fracaso. Esto puede darse porque el analista elige el conjunto incorrecto de variables para incluir en el modelo o bien, si el conjunto es el adecuado, porque no identifica correctamente la relacin entre estas variables y la medida de efectividad. En un nuevo intento, el analista trata de descubrir las

variables adicionales que podran mejorar su modelo descartando aquellas que parecen tener poca o ninguna relevancia. No obstante, slo se puede determinar si estos factores realmente mejoran el modelo una vez realizadas la formulacin y prueba de nuevos modelos que incluyan las variables adicionales. Todo el proceso de seleccin y rechazo de variables puede requerir reiteraciones mltiples hasta desarrollar una funcin objetivo satisfactoria. En cada iteracin, el analista espera lograr alguna mejora en el modelo, aunque no siempre se tiene tanta buena suerte. Por lo general, el xito final es precedido por una serie de fracasos frustrantes y pequeos progresos.

En cada etapa del proceso de desarrollo, el analista debe evaluar la correspondencia o validez del modelo. Normalmente se emplean dos criterios para realizar esta determinacin. El primero implica la experimentacin del modelo: someter el modelo a una serie de condiciones y registrar los valores asociados de la medida de efectividad dada por el modelo en cada caso. Si la medida de efectividad vara de manera antinatural con una sucesin de condiciones de entrada, es posible que la funcin objetivo no sea vlida. Por ejemplo, supngase que se desarrolla un modelo destinado a calcular el valor de mercado de viviendas unifamiliares. El modelo debe expresar el valor de mercado en dlares como una funcin de la superficie cubierta en pies cuadrados, cantidad de dormitorios, cantidad de baos y tamao del lote. Despus de desarrollar el modelo, el analista lo aplica a la tasacin de distintas viviendas, con distintos valores para las caractersticas mencionadas y descubre que el valor de mercado desciende a medida que aumenta la superficie cubierta expresada en pies cuadrados. Dado que este resultado no concuerda con la realidad, el analista cuestionara la validez del modelo. Por otro lado, supngase que el modelo es tal que el valor de las viviendas es una funcin creciente de cada una de las cuatro caractersticas citadas, como generalmente es de esperar. Si bien este resultado es alentador, no necesariamente implica que el modelo es una representacin vlida de la realidad, dado que la tasa de aumento de cada variable puede ser excesivamente alta o baja. La segunda etapa de la validacin del modelo requiere una comparacin de los resultados del modelo con los resultados obtenidos en la realidad

dems existen otras formas de clasificar modelos:

TIPO FISICO

CARACTERISTICAS Tangible Fcil de comprender Difcil de duplicar y compartir Difcil de manipular Baja amplitud de uso

EJEMPLOS Modelos a escala de aeroplanos, sas, ciudades,...

ca

Intangible Difcil de comprender Fcil de duplicar y compartir

Mapa de carreteras Velocmetro Grficas

Fcil de manipular Alta amplitud uso

de

SIMBOLICOS

Intangible Difcil de comprender Fcil de duplicar y compartir Fcil de manipular Muy Alta amplitud de uso

Modelo de Simulacin Modelo Algebraico Modelo de La Economa Modelo de Programacin Lineal

Modelo matemtico: modelo expresado en trminos matemticos hace ms claras la estructura y relaciones. facilita el uso de tcnicas matemticas y ordenadores. a veces no es aplicable.

La estructura de un modelo matemtico esta dada por:

Variables de decisin Parmetros y constantes Funcin de optimizacin: Maximin Ecuaciones de restriccin

DEFINICIONES:

Variables de decisin: Decisiones cuantificables relacionadas unas con otras. Ejemplo: Cunto comprar, vender

Funcin objetivo: La medida de efectividad compuesta expresada como una funcin de las variables de decisin. Puede ser Maximizar o Minimizar

Parmetros: Valores constantes que actan como coeficientes al lado derecho de las variables tanto en la funcin objetivo como en las restricciones y que se basan en datos tecnolgicos de los problemas. Ejemplo fijar tasa inflacin

Restricciones: Limitaciones impuestas sobre los valores de las variables de decisin, casi siempre en forma de ecuaciones o desigualdades. Pueden = / /