PROGRAMACIN ENTERA

Un modelo de Programacin Entera es aquel cuya solucin ptima tiene sentido

solamente si una parte o todas las variables de decisin toman valores restringidos a
nmeros enteros.
Los modelos de Programacin Entera se pueden clasificar en 2 grandes reas:
Programacin Entera Mixta (PEM) y Programacin Entera Pura (PEP).
PROGRAMACIN ENTERA MIXTA (PEM):
A esta categora pertenecen aquellos problemas de optimizacin que consideran
variables de decisin enteras o binarias pero no de forma exclusiva. De esta forma un
problema de PEM puede considerarse como un hbrido entre distintas categoras de
modelamiento, siendo un caso tpico aquel que considera la mezcla de variables enteras
y variables continuas (estas ltimas caractersticas de los modelos de Programacin
Lineal).

Problema:

La estructura de cobro utilizado en general por las compaas de servicios donde el

cliente debe pagar un valor fijo slo por su utilizacin (independiente del nivel de
consumo y/o eventualmente acotado a un mximo permitido) y un valor variable
proporcional al consumo, son una prctica comn en el esquema de fijacin de precios.
Para un proyecto de Inversin se desea contratar los servicios de una empresa telefnica
y se desea minimizar el pago asociado a una cuenta telefnica mensual a travs de un
modelo de Programacin Entera.
Tres empresas telefnicas ofrecen sus servicios de larga distancia dentro del pas. MaBell
cobra US$16 fijos por mes, ms US$0,25 por minuto. PaBell cobra US$25 por mes, pero
el costo por minuto se reduce a US$0,21. Y con PhoneBell, la tarifa fija es de US$18 y el
costo por minuto de US$0,22. Para comenzar se calcula que el promedio de llamadas de
larga distancia ser de 200 minutos al mes. Suponiendo que no pague el cargo fijo si no
hago llamadas y que puedo repartir a voluntad mis llamadas entre las tres empresas,
Cmo debo repartir las llamadas entre las tres empresas para minimizar la cuenta
telefnica mensual?

Variables de Decisin:
Funcin Objetivo:

Donde representa el costo fijo mensual asociado a la compaa i y el costo variable

por minuto de larga distancia nacional correspondiente a la compaa i. Para mayor
claridad se ha marcado con color amarillo y verde los elementos de costos fijos y
variables (respectivamente) en la funcin objetivo.

Restricciones:

Donde (1) garantiza que se satisfaga el consumo mensual de llamadas, (2) que se realizan
llamadas slo a travs de la(s) compaa(s) donde se asume el cargo fijo mensual y (3)
impone las condiciones de no negatividad para las variables continuas .

A continuacin se muestra los resultados de la implementacin computacional en Solver

para el problema de telefona que considera la inclusin de costos fijos.

Solver es una herramienta de Microsoft Excel que, entre otras funcionalidades, sirve
para resolver problemas de programacin lineal utilizando el mtodo Simplex, tambin
se la puede utilizar para programacin entera. Antes de utilizar el Solver se debe tener
claro cul es problema a resolver. Es decir, cul es la funcin objetivo y cules son las
restricciones.
La solucin ptima consiste en:

, , , , ,
Conclusiones:
Se utiliza exclusivamente la compaa 3 (PhoneBell) y se cursan los 200 minutos
mensuales de llamadas de larga distancia a travs de dicha compaa. El valor ptimo
es de US$62 que representa el costo mnimo de la cuenta telefnica mensual
(US$18+200*US$0,22).

Anlisis de decisin de Bayes

Una persona tiene dos opciones o alternativas de inversin. Una de las alternativas tiene
una posibilidad entre cuatro de ser exitosa con un ingreso esperado de 800.000 dlares
y un costo de 100.000 dlares. La otra alternativa producir un ingreso neto de 90.000
dlares.
TABLA DE PAGOS PARA EL ANALISIS DE DECISION DEL EJEMPLO

REGLA DE DECISIN DE BAYES

Usando las mejores estimaciones disponibles de las probabilidades de los respectivos
estados de la naturaleza (en este caso las probabilidades a priori), se calcula el valor
esperado del pago de cada accin posible. Se elige la accin con mximo pago esperado.

Para nuestro ejemplo las esperanzas sern:

E[pago (A)] = 0.25*700 + 0.75*(-100)= 100

E[pago (B)] = 0.25*90 + 0.75*(90)= 90

Como 100 > 90, la decisin es A.

 RESUMEN DE LOS CALCULOS PARA EL CRITERIO DE BAYES

EXPLICACIN
La mayor ventaja de este criterio es que incorpora toda la informacin disponible (pagos,
estimaciones de las probabilidades de los estados de la naturaleza). La mayor crtica es
que las probabilidades a priori no dejan de ser subjetivas.

Por experiencia (datos histricos) tenemos las siguientes probabilidades condicionales:

P(xito/estado = A) = 0.8
P(xito/e s t a d o = B ) = 1 - 0 . 8 = 0 . 2

Sea S un espacio muestra y B1, B2, Bn eventos tales que definen una particin en S y A
cualquier evento en Fs entonces se cumple la relacin:

CLCULO DE LAS PROBABILIDADES A POSTERIORI:

A partir de las probabilidades condiconales y las de priori tenemos:
P(estado = A/ xito)

P(estado = B/ xito)
 Para el clculo de las esperanzas tenemos:

E[pago (A)] = 0.86*700 + 0.14*(-100)= 502

E[pago (B)] = 0.5*90 + 0.5*(90)= 90

Como 502 > 90, la decisin es A. Nuevamente como se calcul con las probabilidades a
priori.