Escolar Documentos
Profissional Documentos
Cultura Documentos
TEMA Nº 1
1 ¿QUÉ ES MÉTODO?
¿QUÉ ES OPTIMIZACIÓN?
2. SISTEMA.
Así también es aquel que tiene componentes que interaccionan entre los mismos.
El comportamiento de cualquier parte tiene un efecto directo e indirecto con el
resto.
MODELO.
3. MODELOS DE OPTIMIZACIÓN.
TOMA DE DECISIONES.
1. Definir el Problema.
2. Identificar las Alternativas.
3. Determinar los Criterios de Decisión.
1
METODOS DE OPTIMIZACION
El siguiente pasó del proceso que implica determinar los criterios que se usaran
para evaluar las cuatro alternativas, o las que se tengan.
Los problemas en los que el objetivo es encontrar la mejor solución con respecto
a un criterio único se conoce como problemas de decisión de un criterio, así también los
problemas que implican más de un criterio se conocen como problemas de decisión de
criterios múltiples.
También está listo para hacer una elección de la alternativas disponible, lo que
hace tan difícil esta fase de elección es que es probable que los criterios no sean de igual
importancia y ninguna alternativa sea “mejor” con respeto a todos los criterios, aunque
se decidirá seleccionar las alternativas más
favorable.
ESTRUCTURA
DEL PROBLEMA
4. TIPOS DE MODELOS.
2
METODOS DE OPTIMIZACION
Programación
Dinámica.
Dinámica.
Estos son métodos usados por los profesionales para la toma de decisiones de
una empresa.
3
METODOS DE OPTIMIZACION
Este puede tratar de manera eficaz los aspectos mensurables del problema de
decisión.
o DESARROLLO DE MODELOS.
o PREPARACIÓN DE DATOS.
4
METODOS DE OPTIMIZACION
o GENERACIÓN DE REPORTES.
Primero hay dos actitudes externas que deben evitarse. Una es omitir los factores
cualitativos, con el argumento de que los factores que no pueden medirse no son
importantes. El otro externo seria afirmar que los modelos cuantitativos no tienen valor,
ya que solo los factores cualitativos son importantes.
5
METODOS DE OPTIMIZACION
Como se sabe los métodos cuantitativos son una disciplina que intenta ayudar en
la toma de decisiones mediante la aplicación de un enfoque científico a problemas
administrativos que involucran factores cuantitativos.
Otro acontecimiento hito fue en 1947 del método simplex por GEORGE
DANTIZG para resolver problemas de programación lineal, otro factor que impulso el
crecimiento de la disciplina fue la revolución de la computación.
CAPACIDAD
NATURALEZA NUMERO
DE AHORRO
ORGANIZACIÓN Y DE
CANTIDAD ANUALES
APLICACIÓN INTERFACE
ESTUDIADA
Programación de
turnos de trabajo
en oficinas de
Enero -
UNITED AIRLINES reservas para 2,3,13,14 $6 millones
Febrero 1986
cubrir las
necesidades a un
costo mínimo.
Optimización de
operaciones de
CITGO refinería y
Enero – $70
PETROLEON suministro, 2,3,6
Febrero 1987 millones.
CORPORATION distribución y
comercialización
de productos.
SAN FRANCISCO Optimización de Enero – 8 $11
6
METODOS DE OPTIMIZACION
turnos y
despliegue de
oficiales de
PÓLICE
carros Febrero 1989 millones
DEPARTAMENT
patrulleros con
un sistema
computarizado.
Programación
optima de las
HORMART ventas de centros Enero – $40
9
DEVELOPMEN CO. comerciales y Febrero 1987 millones
edificios de
oficinas.
Optimización de
selección d sitios
∆en ventas
para centros de Enero –
AT&T 9 de $406
tele mercados Febrero 1990
millones
para clientes
AT&T.
Definición y
evaluación de
nuevas estrategia
para Diciembre $10
AMOCO OIL CO. 10
comercialización 1982 millones
de los nuevos
productos de la
compañía.
Realización de
análisis técnico y Marzo -
U.S. POSTAL económico de Abril1987 $200
10,15
SERVICE opciones para la Enero – millones
automatización Febrero 1992
postal.
Control de
STANDARD inventario de Diciembre $3.8
11
BRANDS INC. productos 1981 millones
terminados
Integra una red $20
nacional de inv., millones +
Enero -
IBM de refacciones 12 $250
Febrero 1990
para mejorar el millones-
apoyo al servicio. de inv.
Aplicación de
pronósticos
estadísticos para
HIDROELÉCTRICA administración de Enero –
13 $2 millones
ESPAÑOLA un sistema de Febrero 1990
presas usado
para generar
energía.
7
METODOS DE OPTIMIZACION
Modificación
para reparar
Noviembre
XEROX CORP. maquinas de 14 50% mejor.
1975
clientes y reducir
costos
LA OPTIMIZACIÓN.
Un marco general puede ser el descrito por las actividades que son:
8
METODOS DE OPTIMIZACION
Estos son los utilizados con mayor frecuencia por los profesionales que
necesitan de estos métodos.
Puesto que por lo general hay incertidumbre con respecto al futuro no es posible
estar seguro de las decisiones que se tome y tampoco se puede asegurar que la decisión
que se elija produzca los mejores resultados.
9
METODOS DE OPTIMIZACION
ANALIZAR EL PROBLEMA
ESTRUCTURA DEL PROBLEMA
ANÁLISIS
IDENTIFICAR
CUALITATIVO
DEFINIR EL LAS DETERMINAR RESUMEN Y TOMA DE
PROBLEMA ALTERNATIVAS LOS CRITERIOS EVALUACIÓN DECISIÓN
ANÁLISIS
CUANTITATIVO
El objetivo del decidor es la búsqueda del modelo más sencillo que pronostique
los resultados con precisión razonable y que será consistente con la acción efectiva.
Representan aquellas decisiones que son o han sido tomadas fuera del
ámbito del sistema considerado, desde el punto de vista del modelo, estas
variables son datos que pueden tener comportamiento aleatorio
deterministico.
• VARIABLES DE ESTADO.
10
METODOS DE OPTIMIZACION
11
METODOS DE OPTIMIZACION
TEMA Nº 2
FUNCIONES, REGIONES Y OPTIMIZACIÓN
1. DEFINICIÓN DE FUNCIÓN.
EXPLICITA IMPLÍCITA
Y = f(x) = x3+3x2+6x-4 3x2+3xy+4=0
REGIÓN.
OPTIMIZACIÓN.
F* D
REGIÓN FACTIBLE
A C
X1
UNIDADES DEL PRODUCTO A
2. CONJUNTO.
12
METODOS DE OPTIMIZACION
Un conjunto es una colección bien definida de objetos, a los que se les llama
elementos.
A los conjuntos se les denota que medio del siguiente tipo de paréntesis {},
dentro del cual se listan todos los elementos.
Por ejemplo, si P es el conjunto de los primeros seis números primos se tiene:
P= {1, 2, 3, 5, 7,11}
Ø= {}
• IDE POTENTES:
• CONMUTATIVA:
• ASOCIATIVA:
• DISTRIBUTIVAS:
• DUALES: A
PRODUCTO CARTESIANO.
PRODUCTO
CARTESIANO
GRÁFICAMENTE:
YєB
X (X, Y)
13
METODOS DE OPTIMIZACION
XєA
3. RELACIONES Y FUNCIONES.
A = {1, 2, 3}
B= {X, Y}
ENTONCES:
AxB= {(1, x), (1, y), (2, x), (2, y), (3, x), (3, y)}
Una función es una relación entre dos conjuntos A y B tal que por cada elemento
x del dominio A se le asigna uno y solo un elemento Y del rango B.
y= f(x)
GRÁFICAMENTE
A B
f(x)
regla que
asocia
a y con x
X Y
DOMINIO RANGO
14
METODOS DE OPTIMIZACION
4. COMPOSICIÓN DE FUNCIONES
g(f(x))
x z
f(x) g(x)
A C
5. GRAFICA DE FUNCIONES.
2
15
1 2
METODOS DE OPTIMIZACION
(1,2)
x
6. CONJUNTOS CONVEXOS.
Dados los vectores x1, x2,…,xk є Rn se dice que el vector y es una combinación
lineal convexa de x1, x2,…,xk si:
DEFINICIÓN 1
DEFINICIÓN 2
DEFINICIÓN 3
DEFINICIÓN 4.
16
METODOS DE OPTIMIZACION
PROPOSICIÓN.
i)
ii) si f es convexa y g es decreciente y cóncava, la función h es cóncava.
iii) si f es cóncava y g es decreciente y convexa, la función h es convexa.
iv) s f es cóncava y g es creciente y cóncava, la función h es cóncava.
Gráficamente se tiene:
CONVEXA CÓNCAVA
17
METODOS DE OPTIMIZACION
CONDICIONES DE OPTIMIZACIÓN.
FUNCIÓN OBJETIVO.
RESTRICCIONES.
VARIABLES DE DECISIÓN.
18
METODOS DE OPTIMIZACION
TEMA Nº 3
OPTIMIZACIÓN LINEAL
1. MODELAMIENTO.
Interpretación individual.
Ámbito de interpretación.
Representaciones del fenómeno.
19
METODOS DE OPTIMIZACION
Existe una amplia gama de problemas que pueden formularse como modelos de
programación lineal, pueden ser muy grandes y complejos, para los cuales se emplea
métodos de computación.
ANÁLISIS DE SENSIBILIDAD.
PRECIO DUAL.
COSTOS REDUCIDOS.
3. OPTIMIZACIÓN LINEAL.
20
METODOS DE OPTIMIZACION
Existen técnicas de busque da muy eficiente para optimar los modelos lineales
restringidas. Por razones históricas, a los modelos lineales restringíos se les llama
programas lineales (PL).
4. APLICACIÓN DE SOFTWARE.
SOLUCIÓN.
I) V.D.
AIR: Cantidad a producir de Airtex en libras semanalmente.
EXT.: Cantidad a producir de Extendex en libras semanalmente.
21
METODOS DE OPTIMIZACION
II) F.O.
III) RESTRICCIONES.
AIR>1000
EXT.>500
RES>400
4 AIR + 3 EXT. + 6 RES < 8000
2 AIR + 2 EXT. + 8 RES < 6800
4 AIR + 2 EXT. + 5 RES < 10400
6 AIR + 9 EXT. + 2 RES < 17600
IV) C.E.
LINDO
1) 13133.33
22
METODOS DE OPTIMIZACION
5) 0.000000 2.333333
6) 533.333313 0.000000
7) 3333.333252 0.000000
8) 6000.000000 0.000000
NO. ITERATIONS= 4
23
METODOS DE OPTIMIZACION
TABLA 1
MÉTODO PRESIÓN DE CANTIDAD
OCTANAJE
DISPONIBLE VAPOR DISPONIBLE
Gasolina para la
104 5 30000 Barriles
mezcla tipo 1
Gasolina para la
94 9 70000 Barriles.
mezcla tipo 2
TABLA 2
PRECIO
PRESIÓN
DE
PRODUCTOS OCTANAJE DE VENTAS
VENTA
FINALES MÍNIMO VAPOR MÁXIMAS
POR
MÁXIMO
BARRIL
Gasolina para
102 6 20000 45.10
aviones
Gasolina para CUALQUIER
96 8 32.40
motores CANTIDAD
I) V.D.
24
METODOS DE OPTIMIZACION
II) F.O.
III) RESTRICCIONES.
IV) C.E.
LINDO
LP OPTIMUM FOUND AT STEP 5
1) 3240000.
NO. ITERATIONS= 5
25
METODOS DE OPTIMIZACION
26
METODOS DE OPTIMIZACION
CUADRO 1
REQUERIMIENTO DE ALMACÉN
VENTAS ANUALES MILES DE
UBICACIÓN DEL ALMACÉN
CAJAS
NEW YORK 50
BOSTON 10
CHICAGO 60
LOS ÁNGELES 30
DALLAS 20
CUADRO 2
COSTOS DE ENVIÓ DE 1000 CAJAS DE JABÓN
A NEW LOS
BOSTON CHICAGO DALLAS
DE YORK ÁNGELES
CINCINNATI 120 150 80 250 180
DENVER 210 220 150 100 110
ATLANTA 150 170 150 240 200
I) V.D.
27
METODOS DE OPTIMIZACION
II) F.O.
MIN Z = 120 CNY + 150 CBO + 80 CCH + 250 CLA +180 CDA + 210 DNY +
220 DBO + 150 DCH + 100 DLA + 110 DDA + 150 ANY + 170 ABO
+ 150 ACH + 240 ALA + 200 ADA
III) RESTRICCIONES.
IV) C.E.
28
METODOS DE OPTIMIZACION
CNY, CBO, CCH, CDA, DNY, DBO, DCH, DLA, DDA, ANY, ABO, ACH,
ALA, ADA ≥ 0
LINDO
1) 18000.00
NO. ITERATIONS= 7
29
METODOS DE OPTIMIZACION
30
METODOS DE OPTIMIZACION
I) V.D.
II) F.O.
III) RESTRICCIONES.
31
METODOS DE OPTIMIZACION
IV) C.E.
LINDO
1) 84.00000
NO. ITERATIONS= 3
32
METODOS DE OPTIMIZACION
33
METODOS DE OPTIMIZACION
TABLA 1
34
METODOS DE OPTIMIZACION
seg)
Revista
Dominical del
2500 1000 4 60
periódico
(media plana)
Periódico
Diario ( plana 1500 400 25 40
completa)
I) V.D.
II) F.O.
III) RESTRICCIONES.
A) DISPONIBILIDAD DE MEDIOS
DTV ≤ 15
NTV ≤ 10
DP ≤ 25
RD ≤ 4
RN ≤ 30
B) RESTRICCION PRESUPUESTO
C) RESTRICION DE LA TELEVISION
DTV + NTV ≥ 10
IV) C.E.
35
METODOS DE OPTIMIZACION
LINDO
LP OPTIMUM FOUND AT STEP 7
1) 2370.000
NO. ITERATIONS= 7
36
METODOS DE OPTIMIZACION
TABLA 1
COSTO DE
GANANCIA DE ESFUERZO DE
CANAL DE PUBLICIDAD
UNIDADES VENTA
DISTRIBUCIÓN POR UNIDAD
VENDIDAS PERSONAL
VENDIDA
Distribución de
90 10 2 horas
Equipo Marino
Distribución de
84 8 3 horas.
Negocios
37
METODOS DE OPTIMIZACION
Tiendas
Nacionales de 70 9 3 horas.
Venta al Menudeo
Correo Directo 60 15 Ninguno.
I) V.D.
II) F.O.
MAX Z= 90 MR + 84 NG + 70 VM + 60 DR
III) RESTRICCIONES.
10 MR + 8 NG + 9 VM + 4 DR < 5000
2 MR + 3 NG + 3 VM < 1800
MR + NG + VM + DR = 600
VM > 150
IV) C.E.
1) 48450.00
38
METODOS DE OPTIMIZACION
4) 0.000000 60.000000
5) 0.000000 -17.000000
NO. ITERATIONS= 4
39
METODOS DE OPTIMIZACION
Debido a que las entrevistas para hogares con niños requieren tiempo adicional
del entrevistador ya que los entrevistadores se les pagan más a los matutinos, el costo
varía con el tipo de entrevistas con base en estudios de investigación previos, las
estimaciones de los costos de entrevistas son las siguientes:
CUADRO 1
COSTO DE ENTREVISTA
HOGAR MAÑANA TARDE
CON NIÑOS 20 25
SIN NIÑOS 18 20
¿Cuál es el plan de entre vista por el tipo de hogar y hora de día que satisfacerá
los requerimientos del contrato con un costo total de entrevistas mínimo?
I) V.D.
40
METODOS DE OPTIMIZACION
II) F.O.
III) RESTRICCIONES.
IV) C.E.
LINDO
NO. ITERATIONS= 6
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
EMHCN 20.000000 5.000000 4.666667
EVHCN 25.000000 INFINITY 5.000000
EMHSN 18.000000 2.000000 INFINITY
EVHSN 20.000000 4.666667 2.000000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
41
METODOS DE OPTIMIZACION
TABLA1
42
METODOS DE OPTIMIZACION
II) F.O.
III) RESTRICCIONES
IV) C.E.
A, P, M, H, G > 0
LINDO
1) 6000.000
NO. ITERATIONS= 7
43
METODOS DE OPTIMIZACION
44
METODOS DE OPTIMIZACION
AÑO 1 2 3 4 5 6 7 8
Requerimiento 430 210 222 231 240 195 220 255
efectivo
Los bonos gubernamentales tiene un valor nominal de mil $us lo que significa
que incluso con diferentes precios cada bono paga mil $us al vencimiento.
Las tasa mostradas se basan con el valor nominal.
I) V.D.
45
METODOS DE OPTIMIZACION
II) F.O.
Min z = F
III) RESTRICCIONES.
IV) C.E.
F, B1, B2, B3, S1, S2, S3, S4, S5, S6, S7, S8 > 0
LINDO
1) 1736.663
46
METODOS DE OPTIMIZACION
NO. ITERATIONS= 7
47
METODOS DE OPTIMIZACION
TABLA 1
TABLA 2
48
METODOS DE OPTIMIZACION
I) V.D.
II) F.O.
III) RESTRICCIONES
BM + BP =5000 Restricción bases.
FCM + FCP = 3000 Cartucho Finacial.
TCM + TCP = 2000 Cartucho Techinian.
FTM + FTP = 3000 Tapa Financial.
TTM + TTP =2000 Tapa Techinian
OT < 50 Horas extra
BM+3FCM+2.5TCM+FTM+1.5TTM-60OT=12000 Cap
manufactura.
IV) C.E.
BA,BF,FCM,FCP,TCM,TCP,FTM,FTP,TTM,TTP,OT > 0
LINDO
1) 23760.00
49
METODOS DE OPTIMIZACION
BM 5000.000000 0.000000
BP 0.000000 0.050000
FCM 3000.000000 0.000000
FCP 0.000000 0.250000
TCM 2000.000000 0.000000
TCP 0.000000 0.475000
FTM 2000.000000 0.000000
FTP 1000.000000 0.000000
TTM 0.000000 0.045000
TTP 2000.000000 0.000000
OT 0.000000 6.000000
FGM 0.000000 0.150000
NO. ITERATIONS= 3
50
METODOS DE OPTIMIZACION
TABLA 1
HORAS DE LABOR DEPARTAMENTAL POR UNID Y HORAS
DEPARTAMENTAL PRODUCTO PRODUCTO HORAS
1 2 TOTALES
DISPONIBLES
1 0.65 0.95 6500
2 0.45 0.80 6000
3 1 0.70 7000
4 0.15 0.30 1400
51
METODOS DE OPTIMIZACION
TABLA2
I) V.D.
II) F.O.
III) RESTRICCIONES.
52
METODOS DE OPTIMIZACION
IV) C.E.
LINDO
1) 84966.83
NO. ITERATIONS= 9
53
METODOS DE OPTIMIZACION
54
METODOS DE OPTIMIZACION
TABLA 1
55
METODOS DE OPTIMIZACION
La compañía especifica un nivel de inventario mínimo al final del periodo de tres meses
de al menos 400 unidades del componente 322A al mes 200 unidades del 802B.
TABLA 2
TABLA 3
56
METODOS DE OPTIMIZACION
periodo de programación de producción han sido 1500 unidades del componente 322A
y 1000 unidades del componente 802B para un nivel de producción total de 1500 +
1000 = 2500 unidades.
I) V.D.
II) F.O.
Min z = 2X11+2X12+20X13+10X21+10X22+1X23
+0.30S11+0.30S12+0.30S13+0.15S21+0.15S22+0.15S23
+.50I1+0.5I2+0.50I3+0.20D1+0.20D2+0.20D3
III) RESTRICCIONES.
X11-S11=500
X21-S21=800
S11+X12-S12=3000
S21+X22-S22=500
S12+X13-S13=5000
S22+X23-S23=3000
S13>400
S23>200
0.10X11+0.08X21<400
0.10X12+0.08X22<500
0.10X13+0.08X23<600
0.05X11+0.07X21<300
0.05X12+0.07X22<300
0.05X13+0.07X23<300
2S11+3S21<10000
2S12+2S22<10000
2S13+3S23<10000
X11+X21-I1+D1=250
-X11-X21+X12+X22-I2+D2=0
-X12-X22+X13+X23-I3+D3=0
IV) C.E.
Xim,Sim,Im,Dm > 0
57
METODOS DE OPTIMIZACION
LINDO
58
METODOS DE OPTIMIZACION
NO. ITERATIONS= 13
59
METODOS DE OPTIMIZACION
MES 1 2 3 4 5 6
Compromiso de 95 85 110 112 90 105
entrega en unidad
Costo por no 2 2 2 2 2 2
vender en $.
I) V.D.
II) F.O.
Min z = 30X1+30X2+32X3+32X4+31X5+32X6
+35Y1+35Y2+37Y3+37Y4+36Y5+37Y6
60
METODOS DE OPTIMIZACION
+2I1+2I2+2I3+2I4+2I5+2I6
III) RESTRICCIONES.
X1<100
X2<100
X3<100
X4<100
X5<100
X6<100
Y1<15
Y2<15
Y3<15
Y4<15
Y5<15
Y6<15
X1+Y1-I1=95
I1+X2+Y2-I2=85
I2+X3+Y3-I3=110
I3+X4+Y4-I4=115
I4+X5+Y5-I5=90
I5+X6+Y6-I6=105
I6=0
IV) C.E.
X1, X2,X3,X4,X5,X6, Y1,Y2,Y3,Y4,Y5,Y6, I1,I2,I3,I4,I5,I6<0
LINDO
1) 18810.00
61
METODOS DE OPTIMIZACION
Y5 0.000000 5.000000
Y6 0.000000 4.000000
I1 5.000000 0.000000
I2 20.000000 0.000000
I3 10.000000 0.000000
I4 0.000000 8.000000
I5 5.000000 0.000000
I6 0.000000 35.000000
NO. ITERATIONS= 10
62
METODOS DE OPTIMIZACION
63
METODOS DE OPTIMIZACION
TEMA Nº 4
OPTIMIZACIÓN NO LINEAL
1. INTRODUCCIÓN
Donde
Existe una variedad de métodos para resolver problemas no convexos. Uno de ellos
consiste en utilizar formulaciones especiales de problemas de programación lineal.
Otro método implica el uso de técnicas de Ramificación y poda, cuando el problema
se divide en subdivisiones a resolver mediante aproximaciones que forman un límite
inferior del coste total en cada subdivisión. Mediante subdivisiones sucesivas, se
obtendrá una solución cuyo coste es igual o inferior que el mejor limite inferior
obtenido por alguna de las soluciones aproximadas. Esta solución es óptima, aunque
posiblemente no sea única. El algoritmo puede ser parado antes, con la garantía de
que la mejor solución será mejor que la solución encontrada en un porcentaje
acotado. Ello se utiliza en concreto en problemas importantes y especialmente
difíciles y cuando el problema cuenta con costes inciertos o valores donde la
incertidumbre puede ser estimada en un grado de fiabilidad apropiado.
64
METODOS DE OPTIMIZACION
Max z = 3xª – x + 8
y = f(x)
y = 3xº - x + 8
f(x) = 3xº - x +
Resolución: la primera derivada para saber los puntos críticos y la segunda derivada
para saber si se tiene máximo y mínimo.
= 6x – 1
x = 1/6
Reemplazando en la función
y = 3xº - x + 8
y = 3(1/6)º-(1/6) + 8
y = 95/12
Punto critico
(1/6 , 95/12)
Segunda derivada
f” (x) = 6
Pc (1/6 ,95/12)
65
METODOS DE OPTIMIZACION
Punto de inflexión
F” (x) = 0
6=0
Pc (1/6 , 95/12)
2 3
MAX Z = f ( xx , x2 ) = x 1
x+ x x −x x
2 1 1 2
zf ( x1 , x 2)
= 2 x1 + x23 − x2
z x1
= x2(2x1+x22-1)=0
zf ( x1 , x 2)
= x12 + 3x22 − x1
z x2
= x1(x1+3x22-1)=0
De A se puede obtener:
De B se puede obtener:
Analizando i) y ii)
x2=0 x1=0
Pc (0, 0)
Analizando i) y iii)
x2=0 x1+3x22-1=0
x1+3(0)2-1=0
x1-1=0
x1=1
Pc (0, 1)
Analizar iii) y ii)
x1=0 2x1+x22-1=0
2 (0) + x22-1=0
66
METODOS DE OPTIMIZACION
x22-1=0
x2=± 1
Pc (0, 1)
Pc (0, -1)
Analizar ii) y iv)
-6x1-3x22+3 = 0 1
x1+3x22-1= 0
-5x1 2=0
5
x1=
2
5
Reemplazando x1=
2
1 2 1
x2 = Pc ( , ±
5 5 5
Analizar iii) y iv)
1
Pc 0, Pc 0,− 1
3 3
∂ f (x1 , x2 ) ∂ 2 f (x1, x2 )
∂ x1 ∂ (x2 , x1)
H= =0
∂ 2 f (x1, x2 ) ∂ f (x1 , x2 )
∂ (x2 , x1) ∂ x1
67
METODOS DE OPTIMIZACION
2x x + x - x 2 x + 3 x − 1
3
12 2 2
2
1 2
H= =0
2 x + 3x − 1 2x x + x - x
2
1 2
3
12 2 2
2( 1+ )0 (- 0 0) 2( + 31(0)) − 1
3 2
H= =0
2( + 31(0)) − 1 2( 1+ )0 (- 0 0)
2 3
01
=H = 0
00
3.OPTIMIZACION NO LINEAL CON RESTRICCIONES
4. CONDICIONES DE LAGRANGE
68
METODOS DE OPTIMIZACION
n + 1 variables cuyas ecuaciones pueden ser resueltas. Este método introduce una nueva
variable escalar
donde c es una constante. Podemos visualizar las líneas de curvas de nivel de f dadas
por
f(x,y) = dn
para varios valores de dn, y el contorno de g dado por g(x, y) = c. Supongamos que
hablamos de la curva de nivel donde g = c. Entonces, en general, las curvas de nivel de f
y g serán distintas, cruzando el contorno donde g = c por lo general intersectará y
cruzará muchos contornos de f. En general, moviéndose a través de la línea g=c
podemos incrementar o disminuir el valor de f. Solo cuando g=c, el contorno que
estamos siguiendo toca tangencialmente, pero no lo corta, una curva de nivel de f no
incrementamos o disminuimos el valor de f. Esto ocurre en el extremo local restringido
y los puntos de inflexión restringidos de f.
Un ejemplo familiar puede ser obtenido de los mapas climatológicos, con sus curvas de
nivel de presión y temperatura (isóbaras e isotermas respectivamente): el extremo
restringido ocurrirá donde los mapas superpuestos muestren curvas que se tocan.
para λ ≠ 0.
Una vez determinados los valores de λ, volvemos al número original de variables y así
continuamos encontrando el extremo de la nueva ecuación no restringida.
F(x,y) = f(x,y) − λ(g(x,y) − c)
de forma tradicional. Eso es, F(x,y) = f(x,y) para todo (x, y) satisfaciendo la condición
porque g(x,y) − c es igual a cero en la restricción, pero los ceros de F(x, y) están todos
en g(x,y) = c.
FUNCION DE LAGRANGE
Maximizar F(x)
L( x, λ ) = F (x) - λ ( g(x) - b)
S.A g( x) < b
Minimizar F(x)
69
METODOS DE OPTIMIZACION
L( x, λ ) = F (x) + λ (g(x) - b)
S.A g(x) < b
5.CONDICIONES DE KUHN-TUCKER
CONDICIONES NECESARIAS
Tales que
TEMA Nº 5
OPTIMIZACIÓN FINANCIERA
1. INTRODUCCIÓN
70
METODOS DE OPTIMIZACION
Para sobrevivir y prosperar, las empresas deben satisfacer a sus clientes. También deben
crear y vender sus productos y servicios con un beneficio. Para lograrlo, las compañías
deben poseer activos, ya sean fabricas, equipos, oficinas ordenadores y software, marcas
registradas, patentes o licencias, laboratorio investigación y desarrollo, etcétera. El
cometido del director financiero consiste orientar tanto las decisiones de inversión!
como las decisiones de financiación.
Explicar por que la maximización del valor del mercado es el objetivo financiero lógico
de las empresas.
Sociedad anónima: Es una empresa organizada como entidad legal independiente, cuyos
propietarios son sus accionistas.
Para llevar a cabo sus actividades, las empresas necesitan una variedad casi infinita de
activos reales.
Activos reales: Activos que se emplean para producir bienes y servicios..
Activos financieros: Los derechos a recocer los beneficios que peñeran los activos
reales. También se denominan títulos.
Para obtener los fondos que necesitan, las empresas venden a los inversores activos
financieros o títulos.
71
METODOS DE OPTIMIZACION
Las decisiones de presupuesto de capital son vitales para el éxito o el fracaso de las
empresas.
La Decisión de Financiación:
La segunda responsabilidad del director financiero consiste en conseguir fondos para
pagar las inversiones en activos reales. Esta es la decisión de financiación. Cuando las
empresa necesitan financiación. Cuando las empresas financiación pueden invitar ajos
inversores a o prometerles una serie de pagos fijos.
A menudo, la composición de la financiación a largo plazo se denomina decisión sobre
la estructura del capital, pues el capital son las fuentes de financiación de la empresa a
largo plazo.
Director financiero: Supervisa las funciones del tesorero y del jefe de control de gestión
y fija la estrategia financiera general.
2. EL ENTORNO FINANCIERO
Cuando las empresas necesitan emitir más acciones el director financiero es quien mejor
sabe como funcionan los mercados financieros. Si la empresa quiere contratar un
préstamos bancario, al director financiero más le vale saber bien como funcionan los
bancos y otras instituciones financieras.
Los mercados financieros son aquellos donde se emiten y se negocian los títulos. Los
títulos son sólo activos financieros negociados, como las acciones. Para las empresas, la
Bolsa es Probablemente el mercado financiero más importante.
Mercado primario. El mercado donde se venden las nuevas acciones emitidas por las
empresas.
Mercado secundario: El mercado donde los inversores compran y venden las acciones
ya emitidas.
Mercado de renta fija: El mercado que opera con títulos de deuda.
Mercado de capitales: El mercado de financiación a largo plazo.
Mercado de dinero: Es el mercado para la financiación a corto plazo menos de 1 año
72
METODOS DE OPTIMIZACION
Los fondos de inversión acumulan dinero vendiendo acciones a los inversores. El dinero
de los inversores de reúne y se invierte en una cartera de títulos.
La liquidez
Los mercados y los intermediarios también ofrecen liquidez, esto es la capacidad de
convertir una inversión en dinero al contado cuando resulta necesario.
El Mecanismo de Pago
Piense lo incómodo que sería tener que pagar al contado cada compra, o que General
Motos tuviera que despachar a todo el país camiones enteros cargados con billetes de
cien dólares para pagar a sus proveedores. Las cuentas corrientes, las tarjetas de crédito
y las transferencias electrónicas permiten a las personas y a las empresas realizar y
obtener pagos a larga distancia y de manera rápida y segura.
Los estados financieros mas importantes que se deben considerar al realizar un análisis
son los siguientes:
Balance General.
Estado de Resultados.
Flujo de Caja.
BALANCE GENERAL
ACTIVO PASIVO
Lo que tiene la empresa. Lo que debe la empresa las obligaciones
ACTIVO CORRIENTE que tiene con terceros
73
METODOS DE OPTIMIZACION
ESTADO DE RESULTADOS
UAII xxx
-Intereses (xxx)
UAI xxx
-Impuestos (IUE 25%) (xxx)
EJEMPLO1
con la siguiente información: ingresos =7000, costo variable =2000, costo fijo =1000,
tasa de interés =15%, activo =30000.
1. BALANCE GENERAL
74
METODOS DE OPTIMIZACION
2. BALANCE GENERAL
ACTIVO 100% PASIVO 50%
30000 15000
PATRIMINIO 50%
15000
30000 30000
3. BALANCE GENERAL
ACTIVO 100% PASIVO 80%
30000 24000
PATRIMINIO 20%
6000
3000 3000
1, ESTADO DE RESULTADOS
UAII 4000
-Intereses (900)
UAI 3100
Impuestos (IUE 25%) (775)
2. ESTADO DE RESULTADOS
75
METODOS DE OPTIMIZACION
UAII 4000
-Intereses (2250)
UAI 1750
Impuestos (IUE 25%) (437.5)
3. ESTADO DE RESULTADOS
UAII 4000
-Intereses (3600)
UAI 400
Impuestos (IUE 25%) (100)
utilidad neta
1. ROE = patrimonio neto
2325
ROE =
2400
utilidad neta
2. ROE = patrimonio neto
1312 .5
ROE =
15000
76
METODOS DE OPTIMIZACION
ROE = 0.09 ≈ 9%
utilidad neta
3. ROE = patrimonio neto
300
ROE =
6000
ROE = 0.05 ≈ 5%
UAII (1 − T )
ROA =
Total activos
4000 (1 − 0.25 )
ROA =
23000
ROA = 0.10 ≈ 10%
Ej. Si el margen de contribución fuese 27% significa que de cualquier venta que se haga
se ha de generar 27% de excedente para cubrir los costos fijos.
VAII (1 − t )
ROA =
TOTAL ACTIVO
Este indicador es comparable con la tasa de interés bancaria como referente por que
varia no es lo mismo hablar de computadoras o edificios.
Un DPF en un banco máximo nos da un 6% pero igualmente hay que comparar con el
ROA del sector.
Utilidad neta
ROE =
Patrimonio neto
MEDIDAS DE ENDEUDAMIENTO.
77
METODOS DE OPTIMIZACION
- Índice de endeudamiento
- Razón pasivo – capital
- Ratio de cobertura de interés
- Índice de endeudamiento
Pasivo total
IE =
Activo totales
Ejm. Si el IE fuese 75% significa que el 75% del financiamiento de la emp. fue obtenida
de fuentes externas.
Pasivo total
RPC =
Patrimonio neto
Este indicador muestra cuantos dólares ha obtenido una empresa de fuentes externos por
cada dólar aportado por los servicios.
Ejm. Si RPC fuese 3 significa que por cada dólar aportado por los socios de una
empresa se han obtenido $us. 3 de fuente externa.
VAII
RCI =
INTERESES
1. Medidas de liquidez
78
METODOS DE OPTIMIZACION
La tendencia moderna es que el AC-PC debe ser igual a O eficiencia de justo a tiempo.
- Índice de liquidez
Activo corriente
IL =
Pasivo corriente
Este indicador muestra la cantidad de $us. Disponible que tiene la empresa por cada
dólar que debe en el corto plazo.
Ejm. IL=1.4 significa que en la empresa existe 1.4 $us. Disponibles por cada dólar que
se debe en el corto plazo.
Para la realidad económica Boliviana se necesita que este índice sea superior a 1.
Muchos autores señalan que la medida perfecta debería ser 2 por lo que el parámetro
estaría entre 1 y 2.
Bajo el enfoque justo a tiempo este indicador debería ser igual a 1. para la realidad
económica boliviana es aceptable que el rango este entre 0 y 1.
Ejm. Si el IPA=0.81 significa que tenemos 81 centavos de $us. por cada $us. Que
debemos en el corto plazo si el indicador fuera 1.75 es dinero ocioso. Si el indicador
fuera 0.01 existe una escasez de dinero es decir no existe liquidez en la empresa.
Ventas (ingresos )
IRAI =
total activos
79
METODOS DE OPTIMIZACION
Representa el # de veces que los activos de la empresa han rotado en la gestion (1 año).
compras al credito
IRC * P =
C*P
C*P
IRC * P =
compras al credito
360
Este indicador muestra cuanto tarda una empresa en pagar sus C*P.
Esto indicador deberá ser coherente con la partida de comprar el crédito de una
empresa.
Ventas al credito
IRC * C =
C *C
C *C
IRC * C =
Ventas al credito
360
Este indicador nunca es negativo y muestra el numero de veces o días que rotan las C*C
en el año.
Este indicador debería se coherente con la política de ventas al crédito de una empresa.
Ventas
IRAF =
Activos fijos
Este indicador muestra cuanto dinero se genera en ventas por cada dólar invertido en
activos fijos.
Ejm. Si el IRAF fuese $us. 10.78 significa que por cada $us. Invertido en activos fijos
que genera $us. 1075 en ventas.
Ventas
IRKT =
Capital de trabajo − Activo corriente
80
METODOS DE OPTIMIZACION
Este indicador muestra cuanto dinero se genera en ventas por cada dólar invertido en
capital de trabajo.
Ejm. Si el IRKT fuese $us. 10.40 significa que por cada dólar invertido en capital de
trabajo se genera $us. 10.40 en ventas.
Medidas de liquidez.
Medidas de la actividad de la empresa.
Medidas de endeudamiento.
Medidas de rentabilidad.
• Margen de contribución
• rentabilidad sobre los activos.
• rentabilidad sobre el patrimonio.
Margen de contribución
Mgcontrib
MG Contrib = ingreso (vtas )
5. TEOREMA DE MODIGLIANI-MILLER
PROPOSICIONES DE MILLER
81
METODOS DE OPTIMIZACION
Proposición I:
El razonamiento para ser cierto necesita una serie de fuertes supuestos. Se asume
que el coste de pedir prestado dinero por el inversor coincide con el de la
empresa, lo que sólo es cierto si no hay asimetría en la información que reciben
los agentes y si los mercados financieros son eficientes.
Proposición II:
rB es el coste de la deuda.
Esta proposición afirma que el coste del capital de la empresa es una función
lineal de la ratio entre deuda y capital propio. Una ratio alta implica un pago
mayor para el capital propio debido al mayor riesgo asumido por haber más
deuda. Esta fórmula se deriva de la teoría del coste medio del capital.
• no hay impuestos.
• no hay costes de transacción.
82
METODOS DE OPTIMIZACION
• los particulares y las empresas pueden pedir prestado a los mismos tipos
de interés.
83
METODOS DE OPTIMIZACION
BALANCE GENEGAL
CTAS POR COBRAR
(VENTAS) 20%
CTAS POR PAGAR (COSTO
VARIABLE) 10%
CRECIMIENTO DE
INVERSION 20%
ESTADO DE RESULTADOS
CRECIMIENTO EN VENTAS 20%
CRECIMIENTO EN COSTO
VARIABLE 10%
CRECIMIENTO EN COSTO
FIJO 5%
CRECIMIENTO EN
INTERESES 1%
GESTION 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
ACTIVO
ACTIVO CORRIENTE 1400 837 819 953 1273 1819 2643 3808 5391 7485 10205 13688
Banco y Caja 400 597 531 608 858 1321 2046 3092 4531 6453 8966 12202
Cuebtas por Cobrar 1000 240 288 346 415 498 597 717 860 1032 1238 1486
ACTIVO NO CORRIENTE 300 258 216 176 138 102 69 38 11 -12 -29 -41
Edificio 100 98 95 93 90 88 85 83 80 78 75 73
Vehiculos 80 64 48 32 16 0 -16 -32 -48 -64 -80 -96
Activo diferido 90 60 30 0 -30 -60 -90 -120 -150 -180 -210 -240
Inversion 30 36 43 52 62 75 90 107 129 155 186 223
TOTAL ACTIVO 1700 1095 1036 1130 1411 1921 2712 3846 5402 7474 10175 13647
PASIVO 2500 1888 1717 1564 1429 1310 1205 1112 1032 963 905 856
Prestamo Bancario 2000 1800 1620 1458 1312 1181 1063 957 861 775 697 628
Cuentas por Pagar 500 88 97 106 117 129 142 156 171 189 207 228
84
METODOS DE OPTIMIZACION
PATRIMONIO -800 -793 -681 -435 -18 611 1507 2734 4370 6510 9271 12791
Capital Social 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000 1000
Resultados Acumulados -1800 -1793 -1681 -1435 -1018 -389 507 1734 3370 5510 8271 11791
TOTAL PASIVO PATRIMONIO 1700 1095 1036 1130 1411 1921 2712 3846 5402 7474 10175 13647
CONTROL 0 0 0 0 0 0 0 0 0 0 0 0
ESTADO DE RESULTADOS
Ingresos 1000 1200 1440 1728 2074 2488 2986 3583 4300 5160 6192 7430
Costo Variable -800 -880 -968 -1065 -1171 -1288 -1417 -1559 -1715 -1886 -2075 -2282
Margen de Contribucion 200 320 472 663 902 1200 1569 2024 2585 3273 4117 5148
Costo Fijo -200 -210 -221 -232 -243 -255 -268 -281 -295 -310 -326 -342
UAII 0 110 252 432 659 945 1301 1743 2289 2963 3791 4806
Intereses -100 -101 -102 -103 -104 -105 -106 -107 -108 -109 -110 -112
UAI -100 9 149 329 555 840 1195 1636 2181 2854 3681 4694
IMPUESTOS 0 2 37 82 139 210 299 409 545 713 920 1173
UTILIDAD NETA -100 7 112 246 416 630 896 1227 1636 2140 2760 3520
ROE 12,50% -0,85% -16,46% -56,71% -2277,72% 102,99% 59,44% 44,87% 37,44% 32,88% 29,78% 27,52%
ROA 0,00% 7,54% 18,21% 28,66% 35,04% 36,88% 35,97% 33,98% 31,78% 29,74% 27,94% 26,41%
MG DE CONTRIBUCION 20,00% 26,67% 32,78% 38,38% 43,51% 48,22% 52,54% 56,49% 60,12% 63,44% 66,49% 69,28%
85
METODOS DE OPTIMIZACION
TEMA Nº 6
VARIABLE ALEATORIA
Formalmente se dice que una variable aleatoria (v.a.) X es una función real definida en
el espacio muestra asociado a un experimento aleatorio, Ω.1 2
Se llama rango de una v.a. X y lo denotaremos RX, al conjunto de los valores reales que
esta puede tomar, según la aplicación X. Dicho de otro modo, el rango de una v.a. es el
recorrido de la función por la que ésta queda definida:
Para comprender de una manera más amplia y rigurosa los tipos de variables, es
necesario conocer la definición de conjunto discreto. Un conjunto es discreto si está
formado por un número finito de elementos, o si sus elementos se pueden enumerar en
secuencia de modo que haya un primer elemento, un segundo elemento, un tercer
elemento, y así sucesivamente.3
LA DISTRIBUCIÓN DE PROBABILIDAD
Una variable aleatoria es una función que asigna a cada suceso definido sobre la
variable aleatoria la probabilidad de que dicho suceso ocurra. La distribución de
probabilidad está definida sobre el conjunto de todos los eventos rango de valores de la
variable aleatoria.
86
METODOS DE OPTIMIZACION
Propiedades
Además, cumple
Para dos números reales cualesquiera a y b tal que (a < b), los sucesos y
son mutuamente excluyentes y su unión es el suceso , por lo
que tenemos entonces que:
Y finalmente
Por lo tanto una vez conocida la función de distribución F(x) para todos los valores de
la variable aleatoria x conoceremos completamente la distribución de probabilidad de la
variable.
2. PROCESO ESTOCÁSTICO
87
METODOS DE OPTIMIZACION
3. CADENAS DE MARKOV
88
METODOS DE OPTIMIZACION
Una cadena de Márkov es una secuencia X1, X2, X3,... de variables aleatorias. El rango de
estas variables, es llamado espacio estado, el valor de Xn es el estado del proceso en el
tiempo n. Si la distribución de probabilidad condicional de Xn+1 en estados pasados es
una función de Xn por sí sola, entonces:
Si en lugar de considerar una secuencia discreta X1, X2,..., Xi,.. Con i indexado en el
conjunto de números naturales, se consideran las variables aleatorias Xt con t
que varía en un intervalo continuo del conjunto de números reales, tendremos
una cadena en tiempo continuo. Para este tipo de cadenas en tiempo continuo la
propiedad de Márkov se expresa de la siguiente manera:
Tal que
4. MATRICES DE TRANSICIÓN
Estado 1: pobre
Estado 2: ingresos medios
Estado 3: rico
Supongamos que en cada período de 20 años tenemos los siguientes datos para la
población y su descendencia:
89
METODOS DE OPTIMIZACION
120 de la gente con ingresos medios, el 15% pasó a pobre, y el 10% a rica; de la gente
rica, el 5% paso a pobre, y el 30%, a ingresos medios. El registró ij t de la matriz de
transición T, representa la proporción de la población que pasa del estado j al estado i,
no el porcentaje.
Obsérvese que:
1) las entradas de la diagonal de la matriz representa la proporción de la población que
no cambia de estado en un período de 20 años;
Supongamos ahora que las proporciones de toda la población ubicada en los distintos
estados al comienzo de un período están dadas por el vector p de distribución de la
población
p1
P = p2
p3
Si el total de la población estuviera inicialmente dividida por igual entre los estados.
Los registros de un vector de distribución de población deben ser no negativos y sumar
1.
Supongamos que una matriz de transición es válida para una sucesión de períodos de
tiempo, una situación así se denomina cadena de Markov.
90
METODOS DE OPTIMIZACION
EJEMPLO 1
a) Construya el grafo.
b) Construya la matriz de transición
c) Determine el % de habitantes que habrá en cada zona dentro de 2 años.
d) Determine la probabilidad del estado.
91
METODOS DE OPTIMIZACION
a)
95 % 5%
98%
NORTE SUD
2%
b)
NORTE SUD
NORTE 0.95 0.05
SUD 0.02 0.98
0 .0 9 . 50 5
P = MATRIZ DE TRANSICION
0 .0 0 . 29 8
c)
p n = p n −1 * P
p 2 = p1 * P
p1 = p 0 * P
92
METODOS DE OPTIMIZACION
0 . 9 05 . 0 5
p = (0.4 ;0.6 )0
1
0 . 0 02 . 9 8
p1 = (0.4 *00.9 )5+ (0.6 *00.0 )2(;0.4 *00.0 )5+ (0.6 *00.9 )8
p1 = 0.3 2;0.96 0 8
0 . 9 05 . 0 5
p = (0.3 9;0.26 0) 8
2
0 . 0 0 2 . 9 8
p2 = (0.3 9* 02.9 )5+ (0.6 0* 08.0 )2(;0.3 9* 02.0 )5+ (0.6 0* 08.9 )8
p2 = 0.3 8 ;04.6 61 5 4
d)
p n = p ( n − 1) − P
π = π *P
0 .9 5 0 .0 5
(π 1;π 2 ) = (π 1;π 2 )
0 .0 2 0 .9 8
π 1,π 2 = 0.9 5π 1 + 0.0 2π 2 ;0.0 5π 1 + 0.9 8π 2 (1)
π 1 = 0.9 5π 1 + 0.0 2π 2 (1)
π 2 = 0.0 5π 1 + 0.9 8π 2 (2)
π 1 + π 2 = 1(3)
DE (1)
93
METODOS DE OPTIMIZACION
DE (2)
DE (3)
π 1+π 2=1
π 1=1-π 2
r/ III en II
r/ en III
π 1=1-0.7143
π 1=0.2857
CADENAS DE MARKOV
94
METODOS DE OPTIMIZACION
95
METODOS DE OPTIMIZACION
96
METODOS DE OPTIMIZACION
TEMA Nº 7
OPTIMIZACIÓN Y PRONOSTICOS
1. INTRODUCCIÓN
Los líderes de las mejores compañías con frecuencia parecen tener un sexto sentido para
cambiar de dirección y mantenerse un paso delante de la competencia. Estas compañías
rara vez se en aprietos por estimular mal la demanda futura de sus productos. Muchas
otras compañías tienen problemas. La aptitud para pronosticar bien arca la diferencia.
Por fortuna cuando se dispone de datos históricos de ventas se han desarrollado algunos
métodos de pronóstico estadístico para usar estos datos para pronosticar la demanda
futura.
También están disponibles varios métodos de pronostico subjetivos que solo usan el
juicio de expertos.
También están disponibles varios métodos de pronostico subjetivos que solo usan el
juicio de expertos.
Estos métodos son valiosos cuando hay pocos o nulos datos históricos
97
METODOS DE OPTIMIZACION
MÉTODOS CUANTITATIVO.
MÉTODOS CUALITATIVOS.
• CLASIFICACIÓN EN GENERAL.
METODOS CUANTITATIVOS:
METODOS CALITATIVOS.
Por otra parte sobreestimar la demanda por mucho es también muy costos debe a (1)
costos de inventario excesivos, (2) reducciones forzadas de precios (3) producción
capacidad de almacenamiento innecesaria y (4) oportunidades perdidas de
comercialización de bienes más rentables.
98
METODOS DE OPTIMIZACION
Aunque el pronóstico efectivo de las ventas es clave casi para cualquier compañía
algunas organizaciones deben también apoyarse en otros tipos de pronósticos. Un
ejemplo importante se refiere a los pronósticos de la necesidad de refacciones.
Muchas compañías necesitan mantener un inventario de relaciones para poder reparar
con rapidez ya sea su propio equipo o los productos vendidos o arrendados a los
clientes. En algunos casos, este inventario en muy grande.
99
METODOS DE OPTIMIZACION
El método de pronóstico de último valor ignora todos los datos en una serie de tiempo
excepto el último. Después usa este último valor como el pronóstico de los que resultará
ser el siguiente punto de modo que la fórmula simplemente es:
El método del promedio para pronosticar se va al otro extremo. En lugar de sólo usar un
tamaño de muestra de uno usa todos los datos en la serie de tiempo y simplemente
promedia estos puntos. Entonces. El pronóstico de lo que será el siguiente punto es:
Pronostico = promedio de todos los datos a la fecha
Sea:
Pronóstico = α (último valor) + (1 - a)(último pronóstico) donde a (la letra griega alfa)
es una constante entre O y 1 llamada la constante de suavizado.
El suavizado exponencial con tendencia usa los valores recientes en la serie de tiempo
para estimar cualquier tendencia arriba o abajo actual en estos valores. Está
especialmente diseñado para el tipo de serie de tiempo descrita en tendencia hacia arriba
100
METODOS DE OPTIMIZACION
Pronostico causal
Regresión Lineal
Cuando se hace el pronóstico causal con una sola variable independiente, la regresión
lineal incluye aproximar la relación entre la variable independiente (volumen de
llamadas para CCW) y la variable independiente (ventas para CCW) mediante una línea
recta. Esta recta se traza en una gráfica con la variable independiente en el eje el
horizontal y la variable dependiente en el eje vertical. La recta se construye después de
graficar los puntos que muestran cada valor observado de la variable independiente y el
valor correspondiente de la variable dependiente.
Así, la recta de regresión lineal en la figura 13.15 puede usarse para estimar el valor que
debe tener el volumen de llamadas para un valor particular de ventas. En generadla
ecuación para la recta de regresión lineal tiene la forma
Y = a + bx
Donde
101
METODOS DE OPTIMIZACION
EJEMPLO:
SERIES DE TIEMPO
Información suministrada por el departamento de Estado, de transito de
la policía nacional establecen el número de carros que transitan en todo el país
los últimos siete años fueran:
AÑO CANTIDAD
2003 1200000 Pronosticar la cantidad de
2004 1500000 vehículos para los años 2010 y
2005 1850000 2011.
2006 1950000
2007 2400000
2008 2750000
2009 2920000
PAQUETE FORECASTING
102
METODOS DE OPTIMIZACION
103
METODOS DE OPTIMIZACION
104
METODOS DE OPTIMIZACION
EJEMPLO 2
X Y
10 1000
15 1220
20 1310
25 1670
30 1845
35 2050
105
METODOS DE OPTIMIZACION
106
METODOS DE OPTIMIZACION
107
METODOS DE OPTIMIZACION
108