You are on page 1of 19

UNA VARIABLE

MEJORAMIENTO
Los problemas en la optimizacin son las aplicaciones ms comunes de las
matemticas.
Cualquiera que sea la actividad en la que estamos inmersos, queremos
maximizar el bien
lo que hacemos y minimizar las consecuencias o costos lamentables. Los
gerentes de negocios
tratar de controlar las variables con el fin de maximizar el beneficio o
para lograr un
objetivo para la produccin y la entrega deseada a un costo mnimo. Los
gerentes de las renovables
recursos como la pesca y los bosques tratan de controlar las tasas de
cosecha con el fin de
maximizar el rendimiento a largo plazo. Las agencias gubernamentales
establecen estndares para minimizar el
costos ambientales de la produccin de bienes de consumo. Los
administradores del sistema del ordenador
tratar de maximizar el rendimiento y minimizar los retrasos. Espacio
Agricultores sus plantaciones
para maximizar el rendimiento. Mdicos regulan los medicamentos para
minimizar secundario perjudicial
efectos. Lo que todas estas aplicaciones y muchos ms tienen en comn es
una
en particular estructura matemtica. Uno o ms variables pueden ser
controlados para
producir el mejor resultado de alguna otra variable, sujeta en la mayora
de los casos a una
variedad de limitaciones prcticas sobre las variables de control.
Modelos de optimizacin
estn diseados para determinar los valores de las variables de control
que conducen a la
resultado ptimo, teniendo en cuenta las restricciones del problema.
Comenzamos nuestra discusin de modelos de optimizacin en un lugar donde
la mayora de los estudiantes
ser ya tienen alguna experiencia prctica. Una variable-optimizacin
problemas, a veces llamados problemas de mximos y mnimos, se discuten
tpicamente
en el clculo de primer semestre. Una amplia variedad de aplicaciones
prcticas puede
ser manejados usando slo estas tcnicas. El propsito de este captulo,
adems de
una revisin de estas tcnicas bsicas, es introducir los fundamentos de
la matemtica
modelado en un ambiente familiar.
1.1 El mtodo de cinco pasos
En esta seccin describimos un procedimiento general que se puede
utilizar para resolver problemas
utilizando modelos matemticos . Vamos a ilustrar este procedimiento,
llamado el mtodo de cinco pasos , al usarla para resolver un problema de
mximos y mnimos de una variable
tpico de los que se encuentran la mayora de los estudiantes en el
primer semestre de clculo.

Ejemplo 1.1
Un cerdo que pesa 200 libras gana 5 libras por da y los costos
45 centavos de dlar al da para mantener . El precio de mercado de los
cerdos es de 65 centavos de dlar por libra , pero es
cada de 1 centavo por da . Cuando se debe vender el cerdo ?
El enfoque de modelado matemtico para la resolucin de problemas
consiste en cinco
pasos:
1. Haga la pregunta .
2. Seleccione el enfoque de modelado .
3. Formular el modelo.
4. Resolver el modelo.
5. Responder a la pregunta .
El primer paso es hacer una pregunta. La pregunta debe ser redactada en
matemtica
trminos, y que a menudo requiere una gran cantidad de trabajo por hacer
esto. En el proceso
estamos obligados a hacer una serie de hiptesis o suposiciones acerca de
la
cosas como realmente son. No debemos tener miedo de hacer una conjetura
en esta etapa.
Siempre podemos volver y hacer una mejor estimacin ms adelante. Antes
de que podamos pedir
una pregunta en trminos matemticos que tenemos que definir nuestros
trminos. Ir a travs de la
problema y hacer una lista de variables. Incluya unidades apropiadas. A
continuacin, un maquillaje
lista de supuestos sobre estas variables. Incluya cualquier relacin
entre las variables
(ecuaciones y desigualdades) que se sabe o se supone. Despus de haber
hecho todo
a esto, estamos dispuestos a hacer una pregunta. Anote en explcita
matemtica
lenguaje el objetivo de este problema. Observe que los pasos preliminares
de
el listado de variables, unidades, ecuaciones y desigualdades, y otros
supuestos son
realmente una parte de la cuestin. Se enmarcan la cuestin.
En el Ejemplo 1.1 el peso w del cerdo (en libras), el nmero de das
hasta que t
vendemos el cerdo, el costo C de mantener los das de cerdo t (en
dlares), el mercado
precio p para los cerdos ($ / lb), el R ingresos obtenidos cuando
vendemos el cerdo ($), y nuestro
resultante P beneficio neto ($) son todas las variables. Hay otras
cantidades numricas
involucrado en el problema, tales como el peso inicial del cerdo (200
libras). Sin embargo,
estos no son variables. Es importante en esta etapa para separar las
variables de
las cantidades que se mantendr constante.
Lo siguiente que necesitamos para listar nuestras suposiciones acerca de
las variables identificadas en el
primera fase de la etapa 1. En el proceso que se tendr en cuenta el
efecto de la

constantes en el problema. El peso del cerdo comienza a las 200 libras y


sube
por 5 libras / da por lo que tiene
(lbs) = (200 lbs)+ (5lbs/dias) (t dias)

Variables: t = tiempo ( das )


w = peso del cerdo ( libras )
p = precio de los cerdos ( $ / lb)
C = costo de mantener cerdo camisetas da ( $ )
R = ingresos obtenidos por la venta de cerdo ( $ )
P = ganancias de la venta de cerdo ( $ )
Supuestos : w = 200 + 5t
p = 0:65 - 0 : 01t
C = 0 : 45t
R = p w
P = R - C
t 0
Objetivo: Maximizar P
Figura 1.1 : Resultados de la etapa 1 del problema cerdo.
Note que hemos incluido las unidades como un cheque que nuestra ecuacin
tiene sentido.
Las otras suposiciones inherentes en nuestro problema son los siguientes:

Tambin suponemos que t 0. Nuestro objetivo en este problema es


maximizar
nuestra utilidad neta , P dlares . Figura 1.1 resume los resultados de
la etapa 1 , en una forma
conveniente para su posterior consulta .
Las tres etapas de la etapa 1 ( las variables , suposiciones , y objetivo
) no tienen que ser
completado en un orden particular . Por ejemplo , a menudo es til para
determinar
el objetivo temprano en el paso 1. En el Ejemplo 1.1 , que puede no ser
fcilmente evidente

que R y C son variables hasta que hemos definido nuestro objetivo , P, y


nos recuerdan
que P = R- C . Una forma de comprobar que el paso 1 es completa es ver si
nuestra
P objetivo se relaciona todo el camino de vuelta a la variable t. El
mejor consejo general
sobre el paso 1 es hacer algo . Comience por escribir todo lo que sea de
inmediato
aparente ( por ejemplo, algunas de las variables se pueden encontrar
simplemente leyendo sobre el
problema y buscar los nombres ) , y el resto de las piezas ,
probablemente caer en
lugar.
Paso 2 es seleccionar el enfoque de modelado . Ahora que tenemos un
problema
afirma en el lenguaje matemtico , tenemos que seleccionar un enfoque
matemtico
a utilizar para obtener una respuesta. Existen muchos tipos de problemas
pueden ser expresadas en un estndar
para el que existe un procedimiento eficaz solucin general formulario.
La mayora de investigaciones en
matemticas aplicadas consiste en la identificacin de estas categoras
generales de problemas
e inventando formas eficientes para resolverlos. Hay una cantidad
considerable de
la literatura en esta rea, y muchos de los nuevos avances se siguen
realizando . Pocos, si
ninguna , los estudiantes en este curso tendrn la experiencia y
familiaridad con el
la literatura para hacer una buena seleccin para el enfoque de
modelado . En este libro,
con raras excepciones , los problemas especificar el enfoque de modelado
para ser utilizado.
Nuestro problema ejemplo se modela como un problema de optimizacin de
una variable ,
o problema de mximos y mnimos .
Planteamos el enfoque de modelado que hemos seleccionado. Para obtener
detalles completos
nos referimos al lector a cualquier libro de texto de clculo
introductorio.
Se nos ha dado un de valor real funcin y = f ( x ) definida en un
subconjunto
S de la lnea real. Hay un teorema que establece que si f alcanza su
mximo o mnimo en un punto x interior S , entonces f '(x) = 0 ,
suponiendo que f es diferenciable en x . Esto nos permite descartar
cualquier punto interior x S a la que f '(x ) = 0 como candidato a
Maxmin. Este procedimiento funciona bien , siempre y cuando no hay
demasiados
puntos excepcionales .
Paso 3 es formular el modelo. Tenemos que tomar la cuestin expuesta en

paso 1 y reformularlo en forma estndar seleccionado en el paso 2 , por


lo que podemos
aplicar el procedimiento estndar solucin general . A menudo es
conveniente cambiar
nombres de variables si se refieren a un enfoque de modelado que se ha
descrito
utilizando nombres de variables especficas , como es el caso aqu.
Nosotros escribimos

Deje y = P la cantidad que deseamos maximizar y x = t la independiente


variable. Nuestro problema ahora es maximizar

sobre el conjunto S = { x: x 0 } .
Paso 4 es resolver el modelo , utilizando el procedimiento de solucin
estndar identificado
en el paso 2. En nuestro ejemplo queremos encontrar el mximo de la
funcin y = f ( x )
definida por la Ec . ( 1.1 ) sobre el conjunto x 0. La figura 1.2
muestra una grfica de la funcin
f ( x). Puesto que f es cuadrtica en x, la grfica es una parbola.
Calculamos que
f'(x )=(8 - x) / 10
de manera que f '(x) = 0 en el punto x = 8. Puesto que f es creciente en
el intervalo
(- ; 8 ) y la disminucin en ( 8 ; ), el punto x = 8 es el mximo
global. A

Figura 1.2 : Grfico de la ganancia neta de f (x ) = ( 0:65 - 0 : 01X ) (


200 + 5x ) - 0 : 45x frente
tiempo para vender x para el problema de cerdo.
este punto tenemos y = f ( 8 ) = 133 : 20 . Puesto que el punto (x; y) =
( 8 ; 133 : 20 ) es
el mximo global de f sobre toda la recta real , tambin es el mximo
sobre
el conjunto x 0 .
Paso 5 es responder a la pregunta planteada inicialmente en el paso 1 ;
es decir, cuando para vender
el cerdo con el fin de maximizar el beneficio. La respuesta obtenida por
nuestra matemtica
modelo es vender el cerdo despus de ocho das , obteniendo as una
ganancia neta de $ 133: 20 .
Esta respuesta es vlida siempre y cuando las suposiciones hechas en el
paso 1 siguen siendo vlidas .
Preguntas relacionadas y supuestos alternativos pueden abordarse mediante
el cambio
lo que hicimos en el paso 1. Dado que se trata de un problema real ( Un
agricultor posee
cerdos. Cuando en caso de que se vendan ? ) , Hay un elemento de riesgo
en el paso 1 .
Por esa razn por lo general es necesario investigar varias alternativas.
Esta
proceso, llamado anlisis de sensibilidad , se discutir en la prxima
seccin
El principal propsito de esta seccin es introducir el mtodo de cinco
pasos para
modelizacin matemtica . Figura 1.3 resume el mtodo en una forma
conveniente
para su posterior consulta . En este libro vamos a aplicar el mtodo de
cinco pasos para resolver un
amplia variedad de problemas en la modelizacin matemtica . Nuestra
discusin de la etapa 2
en general, incluir una descripcin del enfoque de modelado
seleccionado, junto
con uno o dos ejemplos . El lector que ya est familiarizado con el
modelado
enfoque puede optar por omitir esta parte , o simplemente descremada para
recoger la notacin.

Algunos de los otros puntos resumidos en la Fig. 1,3 , tales como el uso
de "apropiado
tecnologa ", se ampli ms adelante en este libro.
Los ejercicios al final de cada captulo tambin requieren la aplicacin
de la
Paso 1. Haga la pregunta.
Haga una lista de todas las variables en el problema, incluyendo
unidades apropiadas.
Tenga cuidado de no confundir variables y constantes.
Indicar la existencia de los supuestos que estn haciendo sobre estas
variables, incluyendo
ecuaciones y desigualdades.
Compruebe las unidades para asegurarse de que sus suposiciones tienen
sentido.
Estado del objetivo del problema en trminos matemticos precisos.
Paso 2. Seleccione el enfoque de modelado.
Elija un procedimiento de solucin general a seguir en la solucin de
este problema.
En trminos generales, el xito en este paso requiere experiencia,
habilidad y
familiaridad con la literatura relevante.
En este libro por lo general a especificar el enfoque de modelo que se
utilizar.
Paso 3. Formular el modelo.
Repita la pregunta planteada en el paso 1 en los trminos del enfoque
de modelado
especificada en el paso 2.
Es posible que deba volver a etiquetar algunas de las variables
especificadas en el paso 1, a fin
estar de acuerdo con la notacin utilizada en el paso 2.
Tenga en cuenta los supuestos adicionales hechas para encajar el
problema descrito
en el paso 1 en la estructura matemtica especificado en el paso 2.
Paso 4. Resolver el modelo.
Aplicar el procedimiento de solucin general especificado en el paso 2
a lo especfico
problema formulado en el paso 3.
Tenga cuidado en sus matemticas. Revise su trabajo para errores
matemticos. Hace
su respuesta tiene sentido?
Utilice la tecnologa apropiada. Sistemas de lgebra computacional,
grficos y
software numrica aumentar la gama de problemas dentro de su alcance,
y tambin ayudan a reducir errores matemticos.
Paso 5. Respuesta a la pregunta.
Reformular los resultados del paso 4 en trminos no tcnicos.
Evite los smbolos matemticos y jerga.
Cualquier persona que puede entender el estado de la cuestin, ya que
se present
a usted debe ser capaz de entender su respuesta.
mtodo de cinco pasos . Conseguir en el hbito de usar el mtodo de cinco
pasos ahora se

que sea ms fcil para tener xito en los problemas de modelado ms


difciles por venir. Ser
Asegrese de prestar especial atencin al paso 5. En el mundo real , no
es suficiente
estar en lo cierto . Tambin necesita la capacidad de comunicar sus
hallazgos a los dems,
algunos de los cuales pueden no ser tan matemticamente bien informado
como usted .
1.2 Anlisis de Sensibilidad
La seccin anterior describe el enfoque de cinco pasos para la
modelizacin matemtica.
El proceso comienza haciendo algunas suposiciones sobre el problema.
Nosotros somos
rara vez lo suficientemente seguro de que las cosas sean capaces de
esperar que todos estos supuestos
que ser exactamente vlida. Por lo tanto, tenemos que considerar cmo
nuestras conclusiones sensibles
son para cada uno de los supuestos que hemos hecho. Este tipo de anlisis
de sensibilidad
es un aspecto importante de la modelizacin matemtica. Los detalles
varan segn
el enfoque de modelado utilizado, por lo que nuestra discusin de
anlisis de sensibilidad
continuar a lo largo de este libro. Nos centraremos aqu en el anlisis
de sensibilidad para
simples problemas de optimizacin de una variable.
En la seccin anterior se utiliz el problema de cerdo (Ejemplo 1.1) para
ilustrar
el enfoque de cinco pasos para la modelizacin matemtica. Figura 1.1
resume la
supuestos que hicimos en la solucin de ese problema. En este caso los
datos y
suposiciones eran en su mayora escritas para nosotros. Aun as, tenemos
que ser crticos.
Los datos se obtienen mediante la medicin, la observacin, y, a veces
pura conjetura.
Tenemos que considerar la posibilidad de que los datos no son precisos.
Algunos datos son naturalmente conocen con mucha ms certeza que otros.
los
peso actual del cerdo, el precio actual de los cerdos, y el costo por da
de
manteniendo el cerdo son fciles de medir y se sabe que un alto grado de
certeza.
La tasa de crecimiento del cerdo es un poco menos seguro, y la tasa a la
que el
precio est cayendo es an ms incierta. Sea r denota la velocidad a la
que el precio es
que cae. Asumimos que r = 0:01 de dlares por da, pero nos vamos ahora
suponer que
el valor real de r es diferente. Al repetir el procedimiento de solucin
para varios
diferentes valores de r, podemos tener una idea de la sensibilidad de
nuestra respuesta a la

valor de r. Tabla 1.1 muestra los resultados de la solucin de nuestro


problema para unos pocos seleccionados
valores de r. Figura 1.4 contiene los mismos datos de sensibilidad en
forma grfica. Nosotros
puede ver que el momento ptimo para vender es muy sensible al parmetro
r.
Un mtodo ms sistemtico para medir esta sensibilidad sera tratar
r como un parmetro desconocido, siguiendo los mismos pasos que antes.
Escritura

we can proceed as before to obtain

Entonces podemos calcular

Tabla 1.1 : Sensibilidad del mejor momento para vender x para evaluar r
en la que el precio est cayendo por
el problema cerdo.

Figura 1.4 : Grfico del mejor momento para vender x frente a la tasa r
en la que el precio est cayendo
para el problema de cerdo.

Figura 1.5 : Grfico de la ganancia neta de f (x ) = ( 0 : 65-0 : 015x )


( 200 + 5x ) -0: 45x frente
tiempo para vender x para el problema de cerdo en el caso r = 0 : 015 .

de manera que f'(x) = 0 en el punto

El momento ptimo para vender est dada por la Ec . ( 1.2 ) , siempre y


cuando esta expresin es
positiva , es decir , siempre que 0 <r 0 : 014 . Para r> 0 : 014 , el
vrtice de la parbola
y = f ( x ) se encuentra fuera del set x 0 sobre el que estamos
maximizando . En esto
caso de que el momento ptimo para vender es en x = 0, ya que tenemos f
'< 0 en la totalidad
intervalo [ 0 ; ) . Ver Figura 1.5 para una ilustracin en el caso r =
0 : 015 .
Tambin estamos seguros de la tasa de crecimiento g de cerdo. Hemos
asumido
que g = 5 libras / da . De manera ms general , tenemos que
w = 200 + gt;
lo que conduce a la ecuacin

as que eso

Ahora f '(x ) = 0 en el punto

Figura 1.6 : Grfico del mejor momento para vender x frente a la tasa de
crecimiento g para el problema de cerdo.
El momento ptimo para vender est dada por la Ec . ( 1.4 ) con tal de
que representa un no negativo

valor de x . La figura 1.6 muestra la relacin entre la tasa de


crecimiento g
y el momento ptimo para vender .
Es ms natural y ms til para interpretar los datos de sensibilidad en
cuanto a
cambio relativo o porcentaje de cambio , en lugar de en trminos
absolutos. Por ejemplo, una
Disminucin del 10 % en el r conduce a un aumento del 39 % en x, mientras
que una disminucin del 10% en g cables
a una disminucin del 34% en x . Si x cambia por una cantidad Dx , el
cambio relativo
en x est dada por ? x = x, y el porcentaje de cambio en x es 100x = x :
si los cambios r
por ? R , lo que resulta en el cambio ? x en x ; entonces la relacin
entre la relativa
cambios es ? x = x dividido por ? R = r: Dejar que ? R 0 y el uso de la
definicin de
la derivada , obtenemos

Llamamos a esta cantidad que limita la sensibilidad de x para r , y lo


denotaremos por
S (x; r) . En el problema de cerdo tenemos

en el punto r = 0:01 y x = 8 ; as

Si r sube un 2% , entonces x se cae en un 7 % . Desde

tenemos

por lo que un aumento del 1 % en la tasa de crecimiento del cerdo podra


causarnos que esperar unos
3 % ms tiempo para vender el cerdo.

Con el fin de calcular la sensibilidad S (y; g), primero sustituto


( 1.4 ) en el
funcin objetivo y = f ( x) a partir de ( 1.3 ) para obtener

A continuacin, calcular la derivada

y sustituir g = 5 para obtener dy = dg = 4:56 , lo que conduce a

Si el cerdo crece 10% ms rpido de lo esperado, el beneficio neto


esperado ser del 1,7%
ms grande. El clculo de la derivada dy = dg en este caso se trata de un
poco
del lgebra. En el captulo 2, vamos a discutir cmo un sistema de
lgebra computacional puede ser
utilizada para realizar los clculos necesarios algebraicas.
La aplicacin con xito de los procedimientos de anlisis de sensibilidad
requiere buena
juicio. Por lo general, no es posible calcular coeficientes de
sensibilidad para cada
parmetro en el modelo, ni es esto particularmente deseable. Tenemos que
seleccionar
esos parmetros sobre los que hay ms incertidumbre y llevar a cabo la
sensibilidad
anlisis sobre ellos. La interpretacin de los coeficientes de
sensibilidad tambin depende
en el grado de incertidumbre, siendo la cuestin fundamental de la medida
a la que nuestra incertidumbre acerca de los datos afecta a nuestra
confianza en la respuesta.
En el problema de cerdo, es probable que estemos mucho ms seguros del
crecimiento
tasa g que del r velocidad a la que los precios caen. Un error del 25% en
g sera muy
sorprendente que hemos observado la historia pasada de crecimiento de
este cerdo o similares
animales. Un error del 25% en nuestra estimacin de r no sera en
absoluto sorprendente.
1.3 La sensibilidad y robustez

Un modelo matemtico es robusta si las conclusiones a las que lleva a


seguir siendo as incluso
aunque el modelo no es completamente exacta. En problemas reales nunca
tendremos
informacin perfecta, e incluso si fuera posible construir un
perfectamente preciso
modelo, podra ser mejor con una aproximacin ms simple y ms manejable.
Por esta razn, la consideracin de la robustez es un ingrediente
necesario en cualquier
proyecto de modelado matemtico.
En la seccin anterior hemos introducido el proceso de anlisis de
sensibilidad,
que es una forma de medir la robustez de un modelo con respecto a los
supuestos
acerca de los datos. Hay otras suposiciones hechas en el paso 1 de la
matemtica
proceso de modelado que debe examinarse tambin. Si bien a menudo es
necesario
hacer suposiciones con fines de conveniencia matemtica y la simplicidad,
es la responsabilidad del modelador para velar por que estos supuestos no
son
tan especializado como para invalidar los resultados del proceso de
modelado.
Figura 1.1 contiene un resumen de las hiptesis formuladas en la
resolucin del cerdo
problema. Aparte de los valores de datos, las principales hiptesis son
que tanto el peso
del cerdo y el precio de venta por libra son funciones lineales de
tiempo. Estas
obviamente estn supuestos simplificadores y no se puede esperar para
contener exactamente.
Despus de todo, de acuerdo con estos supuestos, un ao a partir de ahora
el cerdo pesara

y se venden por

Un modelo ms realista tendra en cuenta tanto la no linealidad de stos


funciones y la creciente incertidumbre en cuanto pasa el tiempo .
Cmo puede un modelo de dar la respuesta correcta si las suposiciones
son incorrectas ? Mientras
modelado matemtico busca la perfeccin , la perfeccin no se puede
lograr.
Sera ms descriptivo decir que los modelos matemticos se esfuerza hacia
perfeccin. Un modelo matemtico bien construida ser robusta , que es
dicen que aunque las respuestas que da no puede ser toda la razn , que
ser
lo suficientemente cerca para ser til en un contexto del mundo real .

Examinemos los supuestos de linealidad realizadas en el problema de


cerdo. Nuestros
ecuacin bsica es

donde p es el precio de
peso
del cerdo en libras. Si
son
no muy lejos , el mejor
el establecimiento de P
Calcula encontrar

venta del cerdo en dlares por libra , y w es el


los datos originales y los supuestos del modelo
momento para vender el cerdo se obtiene mediante
'= 0 :

dlares por da. El trmino p'w + pw 'representa la tasa de aumento en el


valor
del cerdo. Nuestro modelo nos dice para mantener el cerdo siempre y
cuando el valor del cerdo es
aumentando ms rpido que el costo de la alimentacin de la misma.
Adems, el cambio en el cerdo de
valor tiene dos componentes, p'w y pw. El primer trmino, p'w, representa
la prdida
en el valor debido a una cada en el precio. El segundo trmino, pw ',
representa la ganancia en
valor debido al peso del cerdo ganando. Tenga en cuenta los problemas
prcticos involucrados en
la aplicacin de este modelo ms general. Los datos requeridos incluyen
un completo
especificacin tanto del crecimiento futuro del cerdo y los futuros
cambios en el precio
funciones diferenciables de tiempo. No hay manera de saber estas
funciones
exactamente. Incluso hay algunas dudas en cuanto a si tienen sentido.
Puede el
cerdo se vende a 03 a.m. Domingo por la maana? Puede ser el precio de
un nmero irracional? Dejar
nosotros construimos un escenario realista. El agricultor tiene un cerdo
con un peso aproximado
200 libras. El cerdo ha ido ganando cerca de cinco libras / da durante
la ltima semana. Cinco
Hace das que el cerdo podra haberse vendido por 70 centavos / libra,
pero por ahora el precio tiene
baj a 65 centavos / lb. Qu debemos hacer? El enfoque obvio es
proyectar
sobre la base de estos datos (w = 200; w '= 5; p = 0:65; p' = -0: 01) y
decidir
cundo vender. Esto es exactamente lo que hicimos. Entendemos que p 'y w'
voluntad

no permanecer constante a lo largo de las prximas semanas, y que, por


tanto, py w voluntad
no ser funciones lineales de tiempo. Sin embargo, siempre que p 'y w' no
hacer el cambio
demasiado largo de este perodo, el error involucrado en el supuesto de
que se mantienen constantes
no ser demasiado grande.
Ahora estamos preparados para dar una interpretacin algo ms amplia a
los resultados
de nuestro anlisis de sensibilidad de la seccin anterior . Recordemos
que la sensibilidad
del mejor momento para vender (x ) a los cambios en la tasa de
crecimiento w ' se calcul en
3. Supongamos que , de hecho, la tasa de crecimiento a lo largo de las
prximas semanas est en algn lugar
entre 4,5 y 5,5 libras / da . Esto est dentro de 10 % del valor
asumido. entonces
el mejor momento para vender el cerdo estar dentro del 30% de 8 das , o
entre 5 y 11
da . La cantidad de prdida de beneficios mediante la venta a los 8 das
es menos de 1 dlar.
Con respecto al precio, suponemos que sentimos el valor p '= -: 01 , o
una 1
ciento gota / da en el precio durante las prximas semanas , es el peor
de los casos. Precios
es probable que baje ms lentamente en el futuro e incluso puede
estabilizarse ( p '= 0 ) :
Todo lo que realmente podemos decir ahora es que hay que esperar por lo
menos 8 das para vender. por
pequeos valores de p ' ( cerca de cero ), nuestro modelo sugiere esperar
un tiempo muy largo para
vender. Sin embargo, nuestro modelo no es vlida durante intervalos de
tiempo largos. El mejor curso
de accin en este caso es probable que para mantener el cerdo durante una
semana, reestimar el
valores de los parmetros p; p ' ; w ' ; y W; y empezar de nuevo .

1.4 Ejercicios
1. Un fabricante de automviles tiene una ganancia de $ 1,500 en la venta
de un

determinado modelo . Se estima que por cada $ 100 de descuento,


incremento de ventas
en un 15% .
( a) Qu cantidad de reembolso ser maximizar el beneficio ? Utilice el
cinco pasos
mtodo y modelo como un problema de optimizacin de una sola variable.
( b ) Calcular la sensibilidad de su respuesta a la suposicin de un 15%.
Considerar
tanto el importe de reembolso y el beneficio resultante.
( c ) Supongamos que los descuentos en realidad generan solamente un
aumento del 10 % en las ventas
por $ 100 . Cul es el efecto? Qu pasa si la respuesta est en algn
lugar
entre el 10 y el 15% por cada $ 100 de reembolso?
( d ) En qu circunstancias sera una oferta de reembolso causar una
reduccin en
beneficio?
2. En el problema de cerdo, realizar un anlisis de sensibilidad basado
en el coste por
da de mantener el cerdo. Tenga en cuenta tanto el efecto sobre el mejor
momento para vender
y en el beneficio resultante. Si un nuevo alimento que cuesta 60 centavos
de dlar / da dejara
el cerdo crece a un ritmo de 7 libras / da , sera digno de alimentacin
de conmutacin ?
Cul es la mejora mnima en la tasa de crecimiento que hara que este
nuevo feed vale la pena?
3. Reconsiderar el problema cerdo del Ejemplo 1.1 , pero ahora asumir que
el precio
para los cerdos est empezando a estabilizarse . Dejar
p = 0:65 - 0 : 01t + 0 : 00004t2

( 1.5 )

representan el precio de los cerdos ( centavos / libra ) despus de t


das .
( a) Grfico Ec. ( 1.5 ), junto con nuestra ecuacin precio original .
Explicar por qu
nuestra ecuacin precio original podra considerarse como una
aproximacin
a la ecuacin . ( 1.5 ) para los valores de t cerca de cero.
( b ) Encuentre el mejor momento para vender el cerdo. Utilice el mtodo
de cinco pasos , y
modelo como un problema de optimizacin de una sola variable.
( c ) El parmetro 0 : 00004 representa la velocidad a la que el precio
se est estabilizando
apagado. Llevar a cabo un anlisis de sensibilidad sobre este parmetro.
Considere tanto
el momento ptimo para vender y el beneficio resultante.
( d ) Comparar los resultados del inciso ( b ) a la solucin ptima
contenida
en el texto. Opina sobre la solidez de nuestros supuestos acerca de
precio.

4. Un derrame de petrleo ha ensuciado 200 millas de la costa del


Pacfico. La petrolera
responsable se le ha dado 14 das para limpiar la costa, despus de lo
cual
una multa se impondr por un monto de $ 10.000 / da. El equipo de
limpieza locales
puede fregar cinco millas de playa por semana a un costo de $ 500 / da.
Adicional
tripulaciones pueden ser trados a un costo de $ 18,000, ms $ 800 / da
para cada tripulacin.
(a) Cuntas tripulaciones adicionales deben ser trados para minimizar
el
costo total para la empresa? Utilice el mtodo de cinco pasos. Cunta
voluntad
el costo de limpieza?
(b) examinar la sensibilidad a la velocidad a la que un equipo puede
limpiar el
orilla. Tenga en cuenta tanto el nmero ptimo de las tripulaciones y el
total
costar a la empresa.
(c) Examinar la sensibilidad a la cantidad de la multa. Considera el
nmero de das que la empresa va a tomar para limpiar el derrame y la
costo total de la empresa.
(d) La empresa ha presentado un recurso con el argumento de que la
cantidad de
la multa es excesiva. Suponiendo que el nico propsito de la multa es
motivar a la empresa para limpiar el derrame de petrleo en el momento
oportuno, es
la multa excesiva?
5. Se estima que la tasa de crecimiento de la poblacin de ballena de
aleta (por ao )
es rx ( 1 - x = K ), donde r = 0:08 es la tasa de crecimiento
intrnseca , K = 400 ; 000
es la poblacin mxima sostenible , yx es la poblacin actual ,
ahora alrededor de 70.000 . Se estima , adems, que el nmero de ballenas
cosechado por ao es de aproximadamente 0,00001 Ex ; donde E es el nivel
de pesca
esfuerzo en el barco - da . Dado un nivel fijo de esfuerzo , la
poblacin eventualmente se
estabilizarse en el nivel en que la tasa de crecimiento es igual a la
tasa de la cosecha.
( a) Qu nivel de esfuerzo va a maximizar la tasa de explotacin
sostenida ? Modelo
como un problema de optimizacin de una variable utilizando el mtodo de
cinco pasos .
( b ) Examinar la sensibilidad a la tasa de crecimiento intrnseco.
Considere tanto
el nivel ptimo de esfuerzo y el nivel de la poblacin resultante.
( c ) Examinar la sensibilidad a la poblacin mxima sostenible.
Tenga en cuenta tanto el nivel ptimo de esfuerzo y la poblacin
resultante
Nivel

6. En el ejercicio 5 , supongamos que el costo de la caza de ballenas es


de $ 500 por barco - da , y
el precio de una carcasa de ballena de aleta es de $ 6.000.
( a) Encuentre el nivel de esfuerzo que va a maximizar el beneficio a
largo plazo .
Modelo como un problema de optimizacin de una variable usando el cinco
pasos
mtodo.
( b ) Examinar la sensibilidad al costo de la caza de ballenas .
Considere tanto la
ganancia eventual en $ / ao y el nivel de esfuerzo.
( c ) Examinar la sensibilidad al precio de una carcasa de ballena de
aleta . Considerar
tanto beneficio y nivel de esfuerzo .
( d ) En los ltimos 30 aos ha habido varios intentos fallidos
para prohibir la caza de ballenas en todo el mundo . Examinar los
incentivos econmicos para
balleneros para continuar la cosecha. En particular , las condiciones
( valores de los dos parmetros: el coste por barco - da y precio
por carcasa de ballena de aleta ) en virtud del cual la cosecha de la
ballena de aleta produce
un beneficio sostenido en el largo plazo.
7. Reconsiderar el problema cerdo del Ejemplo 1.1 , pero ahora supongamos
que nuestro
objetivo es maximizar nuestra tasa de ganancia ( $ / da ) . Supongamos
que tenemos
ya posea el cerdo durante 90 das y se han invertido $ 100 en este cerdo
de
fecha.
( a) Encuentre el mejor momento para vender el cerdo. Utilice el mtodo
de cinco pasos , y
modelo como un problema de optimizacin de una sola variable.
( b) examinar la sensibilidad a la tasa de crecimiento del cerdo.
Considere tanto
el mejor momento para vender y la tasa de ganancia resultante.
( c) examinar la sensibilidad a la velocidad a la que el precio de los
cerdos es
goteante. Considere tanto el mejor momento para vender y el beneficio
resultante
la tasa.
8. Reconsiderar el problema cerdo del Ejemplo 1.1, pero ahora tener en
cuenta
el hecho de que la tasa de crecimiento del cerdo disminuye a medida que
el cerdo se hace mayor.
Supongamos que el cerdo se cultiva plenamente en otros cinco meses.
(a) Encuentre el mejor momento para vender el cerdo con el fin de
maximizar el beneficio. Utilizar el
mtodo de cinco pasos, y el modelo como un problema de optimizacin de
una sola variable.
(b) Examinar la sensibilidad al tiempo que se tardar hasta que el cerdo
es totalmente
crecido. Considere tanto el mejor momento para vender y el beneficio
resultante.
9. Un diario local con una tirada de 80.000 suscriptores est pensando

de elevar su precio de suscripcin. Actualmente el precio es de $ 1.50


por semana, y
se estima que el papel perdera 5.000 suscriptores si la tasa fuera
para ser criados por diez centavos / semana.
(a) Calcule el precio de suscripcin que maximiza el beneficio. Utilice
el cinco pasos
mtodo y modelo como un problema de optimizacin de una sola variable.
(b) Examinar la sensibilidad de la respuesta en la parte (a) a la
asuncin
de 5000 perdieron suscriptores. Calcular la tasa de suscripcin ptima
suponiendo que este parmetro es 3,000, 4,000, 5,000, 6,000, o 7,000.
(c) Sea n = 5; 000 denotan el nmero de suscriptores pierde cuando la
suscripcin
los aumentos de precios por diez centavos. Calcular la suscripcin ptima
precio p como una funcin de n, y utilizar esta frmula para determinar
la sensibilidad S (p, n).
( d ) En caso de que el documento de cambiar su precio de suscripcin ?
Justificar sus conclusiones
en la llanura Ingls .

You might also like