PROG.

LINEAL

1

TRABAJO COLABORATIVO No 1


GRUPO: 1








JAVIER ALEJANDRO VIDAL
C.C 80741497









PRESENTADO A:

TUTOR












UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E NGENIERIA (ECBTI)
PROGRAMACION LINEAL
6 DE ABRIL DEL 2014
BOGOTA

PROG.LINEAL

2


FASE 1.

Realizar una sntesis de cada modelo Matemtico en la Programacin Lineal

Modelos Probalisticos

Son tambin conocidos como estocsticos y son aquellos en donde parte de los
datos no se conoce con certeza, es decir son inciertos y solamente se
puede determinar una probabilidad de ocurrencia, como ejemplo se puede
mencionar la demanda futura ,el crecimiento de la poblacin

Modelos Determinsticos

Los modelos determinsticos son aquellos en donde se conocen todos los datos
pertinentes al modelo, esto significa que todos los datos relevantes(es decir los
datos que se utilizaran o evaluaran se dan por conocidos)


Modelo Determinista: Es en el que las variables que lo forman, son de carcter
conocido, es decir, que no depende del azar.

Modelo Estocstico: Lo contrario. Aquellos modelos, cuyas variables son de
naturaleza probabilstica, es decir que dependen de un nivel de incertidumbre; del
azar. Por lo tanto, normalmente estas variables representan es una funcin de
probabilidad.


Modelo Lineal: Son aquellos modelos dnde todos los grados de sus trminos
son iguales a 1, y en cada trmino slo hay una variable.

Modelo No Lineal: Son aquellos modelos dnde algn termino tiene un grado
mayor que uno. o algn trmino tiene ms de una variable.

Modelos Continuos: Dnde sus variables son densas. O sea, que dentro de dos
valores arbitrarios [a,b] hay infinitos valores. Ejemplo: 1, 1.1, 1.12, 1.13.. etc.

Modelos Enteros o Discretos: Pues eso. Son modelos, dnde sus variables slo
pueden tomar valores enteros. Por ejemplo, si una variable representa el nmero
de personas que se necesita para cierta tarea, slo las valores enteros tienen
PROG.LINEAL

3
sentido, ej: 2 personas, 3 personas, pero tal vez, 2.5 personas, no tenga mucho
sentido.


Modelos Binarios: Son los modelos que slo pueden tomar los valores de cero o
uno. Son un caso especial de los modelos enteros. Estos modelos, son muy tiles
para analizar variables de decisin tipo Si/No. Y, estos modelos pueden ser
particularmente tiles, en la asignacin de recursos.

Tambin encontramos la siguiente clasificacin de la siguiente manera:
Cualitativos.
Son aquellos que estudian los problemas de acuerdo a sus cualidades,
propiedades o caractersticas.
La maqueta de una obra arquitectnica, es ejemplo de modelo cualitativo.
- Cuantitativos.
Se refiere a la construccin de un modelo matemtico representado por
cantidades, en funcin a las variables y constantes del mismo.
El CPM (Mtodo del Camino Crtico), el PERT (Tcnica de Evaluacin y Revisin
de Programas), son algunos de los modelos matemticos que estn dentro de
este rubro.


B) ESTNDAR - HECHO A LA MEDIDA
- Estndar.
Son aquellos que son utilizados en forma repetitiva, aplicando el mismo
procedimiento y se generarn resultados que no cambian en esencia; pero s
numricamente.
Para calcular el rea de cualquier tringulo, se utiliza la frmula:

PROG.LINEAL

4
- Modelo hecho a la medida.
Es aplicable estrictamente para resolver un problema en especfico, en
consecuencia, si se presentan otras variantes al mismo, quedar posteriormente
obsoleto.

C) PROBABILSTICO - DETERMINSTICO.
- Probabilsticos o estocsticos.
La caracterstica del modelo estocstico es que al menos una variable no
controlable es incierta y est sujeta a variacin.
Para modelos de Planeacin de la Produccin, la demanda futura puede estar
dentro de un rango de valores, o sea, que la demanda puede variar, el modelo es
un modelo probabilstico o estocstico.
- Determinsticos.
Son modelos donde se tiene total certeza de lo que suceder, la variable no
controlable en este modelo se conocen y stas no pueden tener variaciones.
Ilustrando esto, tenemos que, la tasa del Impuesto sobre la Renta (ISR), es una
tasa fija y conocida, un modelo matemtico que contenga esta tasa, como nica
variable no controlable, resultara ser un modelo determinstico.


D) DESCRIPTIVOS - DE OPTIMIZACIN
- Descriptivos.
Como su nombre lo indica, este tipo de modelo describe los elementos del
problema. Contribuye con la informacin vital requerida que ayudar en la
toma de decisiones.
Un mapa de divisin poltica, es un modelo descriptivo.


PROG.LINEAL

5
- De optimizacin.
Comnmente iterativos por naturaleza, o sea, que existen repeticiones anlogas.
La respuesta final llega a pasos y cada nueva iteracin se acerca a la solucin del
nivel ptimo.
La programacin Lineal, busca optimizar sus soluciones.

F) HEURSTICOS
En esencia, emplean reglas intuitivas que servirn como gua para explorar las
trayectorias ms probables para llegar a una conclusin.
El Modelo de Inventario de Silver & Mille, se ajusta a este tipo de modelo.



G) ESTTICO - DINMICO.
- Esttico.
Determinan una respuesta para una serie especial de condiciones fijas que
probablemente no cambiarn significativamente a corto plazo.
El Modelo de Inventarios de Produccin y consumo, es un ejemplo de modelo
matemtico esttico.

- Dinmico.
Est sujeto al factor tiempo, ya que desempea un papel esencial en la secuencia
de decisiones. Sin importar cuales hayan sido el resultado de la decisin anterior,
el modelo matemtico nos permite encontrar la decisiones ptimas para los
perodos que queden todava en el futuro.
Modelos de Asignacin de Presupuestos a diversos proyectos en forma
secuencial, es un ejemplo de modelo matemtico dinmico.
PROG.LINEAL

6

F) SIMULACIN - NO SIMULACIN.
- Simulacin.
Son aquellos que hacen rplica del comportamiento y modelan la operacin del
sistema. Pueden manejarse sistemas bastante complejos que difcilmente se
lograran de manera manual, haciendo uso de nmeros aleatorios, los resultados
obtenidos generalmente son imprecisos.


En un proceso de colas, la llegada de clientes y servicio, pueden ser generados
por nmeros aleatorios segn sus distribuciones de probabilidad respectivas. Esto
ejemplifica un modelo de simulacin.
- No simulacin.
Estadsticamente hablando, no realiza experimentos sobre los datos de una
muestra ms que sobre el universo entero.
Debe mencionarse que todos los modelos son de simulacin, se ejecutan de esta
manera, de lo contrario, arrojara costos muy elevados.

En la Investigacin de Operaciones los modelos son casi siempre matemticos ya
que son representaciones de la realidad expresadas en ecuaciones, de estructura
fundamental muy sencilla:

Donde
U : utilidad o valor de la ejecucin del sistema
F : es la funcin o la relacin entre las variables
: variables independientes, que afectan a U
PROG.LINEAL

7
: variables dependientes.


Un modelo matemtico comprende principalmente tres conjuntos de elementos:
1) Variables y parmetros de decisin.
Las variables son las incgnitas o decisiones que deben determinarse segn se
vaya resolviendo el problema.
Los parmetros pueden ser determinsticos o probabilsticos y son los valores
conocidos que se relacionan con las variables, restricciones y la funcin objetivo.



2) Restricciones o limitantes.
Son aquellas limitaciones que se deben tomar en cuenta, como las tecnolgicas,
econmicas y otras del sistema que van a restringir a las variables de decisin en
un rango de valores que resulte factible.

3) Funcin objetivo.
Es una expresin matemtica que describe el objetivo que persigue el problema.
As mismo, define la medida de efectividad que obtiene el sistema, cuando los
valores de las variables de decisin con sus respectivos parmetros y
restricciones, dan como resultado un mejoramiento del sistema.

El xito del Modelo Matemtico depender en gran medida de la precisin con la
que se hayan expresado la funcin objetivo y las restricciones a las que est
sujeta sta, en trminos de ecuaciones matemticas.

PROG.LINEAL

8














PROG.LINEAL

9