Trabajo de investigacin

ANLISIS DE SENSIBILIDAD 1. Introduccin El anlisis de sensibilidad es una de las partes ms importantes en la programacin lineal, sobretodo para la toma de decisiones; pues permite determinar cuando una solucin sigue siendo ptima, dados algunos cambios ya sea en el entorno del problema, en la empresa o en los datos del problema mismo. Este anlisis consiste en determinar que tan sensible es la respuesta ptima del Mtodo Simplex, al cambio de algunos datos como las ganancias o costos unitarios (coeficientes de la funcin objetivo) o la disponibilidad de los recursos (trminos independientes de las restricciones). La variacin en estos datos del problema se analizar individualmente, es decir, se analiza la sensibilidad de la solucin debido a la modificacin de un dato a la vez, asumiendo que todos los dems permanecen sin alteracin alguna. Esto es importante porque estamos hablando de que la sensibilidad es esttica y no dinmica, pues solo contempla el cambio de un dato a la vez y no el de varios. Objetivo Principal del Anlisis de Sensibilidad Establecer un intervalo de nmeros reales en el cual el dato que se analiza puede estar contenido, de tal manera que la solucin sigue siendo ptima siempre que el dato pertenezca a dicho intervalo. Los anlisis ms importantes son; 1. Los coeficientes de la funcin objetivo; y 2. Los trminos independientes de las restricciones y se pueden abordar por medio del Mtodo Grfico o del Mtodo Simplex. 2. Anlisis de sensibilidad grfico Abordaremos primero el anlisis de sensibilidad de manera grfica. Partamos del siguiente modelo de programacin lineal.

Distribucin exponencial En estadstica la distribucin exponencial es una distribucin de probabilidad continua con un parmetro > 0 cuya funcin de densidad es

Su funcin de distribucin es

Aqu e significa el nmero e. El valor esperado y la varianza de una variable aleatoria X con distribucin exponencial son

f(x)= f(x)= 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 1 3 5 7 9 11 13 15 17 19

Aplicacin: La distribucin exponencial se usa en ingeniera comercial para aplicar modelos de inventarios y teora de colas que pueden ser implementadas en cualquier empresa de produccin o servicios Distribucin Triangular Esta distribucin tiene 3 parmetros, a (lmite inferior de la variable); b (el modo) y c (lmite superior de la variable). Triangular Funcin de densidad Distribucin acumulada TR(a,b,c) f(x)= 2(x-a)/(c-a)*(b-a) f(x)= 2(c-x)/(c-a)(c-b) F(x)= (x-a)^2/(c-a)(c-b) F(x)= 1-[(c-x)^2/(c-a)*(c-b) si a =< x <=b si b =< x <=c si a =< x <=b si b =< x <=c

Parmetros Rango Media Varianza

parmetro de localizacin: u parmetro de escala: p a,b (a+b+c)/3 (a^2+b^2+c^2+ac-ab-bc)/18

F (x)=

8 7 6 5 4 3 2 1 0
10 .5 11 .5 x 3. 5 4. 5 5. 5 6. 5 7. 5 8. 5 9. 5

F (x)=

Se denomina as por el hecho de que la funcin de densidad tiene una forma triangular, que viene definida en la tabla de anterior Se denomina triangular cuando viene definida por dos parmetros, que representan el valor mnimo y el valor mximo de la variable. En este caso el tringulo es equiltero. Se denomina triangular (triangular general), cuando viene dada por tres parmetros, que representan el valor mnimo y el valor mximo de la variable, y el valor del punto en el que el tringulo toma su altura mxima. En este caso el tringulo no es necesariamente equiltero. Distribucin Normal La distribucin normal, tambin llamada distribucin de Gauss o distribucin gaussiana, es la distribucin de probabilidad que con ms frecuencia aparece en estadstica y teora de probabilidades. Esto se debe a dos razones fundamentalmente:

Su funcin de densidad es simtrica y con forma de campana, lo que favorece su aplicacin como modelo a gran nmero de variables estadsticas. Es, adems, lmite de otras distribuciones y aparece relacionada con multitud de resultados ligados a la teora de las probabilidades gracias a sus propiedades matemticas.

La funcin de densidad est dada por:

Donde () es la media y (sigma) es la desviacin estndar (2 es la varianza). Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica tiene forma de campana. La importancia de la distribucin normal se debe principalmente a que hay muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal
f(x) f(x) 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Aplicacin La distribucin normal nos sirve para predicciones economtricas Distribucin de Poisson Distribucin de Poisson

El eje horizontal es el ndice k. La funcin solamente est definida en valores enteros de k. Las lneas que conectan los puntos son solo guas para el ojo y no indican continuidad. Funcin de probabilidad

El eje horizontal es el ndice k. Funcin de distribucin de probabilidad Parmetros Dominio Funcin de probabilidad(fp) Funcin de distribucin(cdf)

(dnde laFuncin gamma incompleta)

es

Media Mediana Moda Varianza

Coeficiente de simetra Curtosis Entropa Funcin generadora de momentos(mgf) Funcin caracterstica

En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo. La funcin de masa de la distribucin de Poisson es

donde

k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que el evento suceda precisamente kveces). es un parmetro positivo que representa el nmero de veces que se espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40. e es la base de los logaritmos naturales (e = 2,71828...)

APLICACIN La distribucin de poisson es aplicable en ingeniera comercial por la teora de colas