Investigación de operaciones

Investigación de operaciones

Unidad 4

4.1. Introducción

Es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística y algoritmos con objeto de realizar un proceso de toma de decisiones. Frecuentemente, trata del estudio de complejos sistemas reales, con la finalidad de mejorar (u optimizar) su funcionamiento. La investigación de operaciones permite el análisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar cómo se puede optimizar un objetivo definido, como la maximización de los beneficios o la minimización de costes.

objetivo y finalidad de la “investigación operacional” (conocida también como “teoría de la toma de decisiones”, o ”programación matemática”) es encontrar la solución óptima para un determinado problema (militar, económico, de infraestructura, logístico, etc.)

Está constituida por un acercamiento científico a la solución de problemas complejos, tiene características intrínsecamente multidisciplinares y utiliza un conjunto diversificado de instrumentos, prevalentemente matemáticos, para la modelización, la optimización y el control de sistemas estructurales.

En el caso particular de problemas de carácter económico, la función objetivo puede ser obtener el máximo rendimiento o el menor costo.

La investigación operacional tiene un rol importante en los problemas de toma de decisiones porque permite tomar las mejores decisiones para alcanzar un determinado objetivo respetando los vínculos externos, no controlables por quien debe tomar la decisión.

4.2 .formulación de la cadena markov

Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen memoria. “Recuerdan” el último evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire o un dado.

FORMULACION DE UNA CADENA DE MARKOV

El generador de Markov produce uno de n eventos posibles, Ej , donde j = 1, 2, . . . , n, a intervalos discretos de tiempo (que no tiene que ser iguales ). Las probabilidades de ocurrencia para cada uno de estos eventos dependen del estado del generador. Este estado se describe por el último evento generado. La probabilidad de que Ek sea el siguiente evento generado es una probabilidad condicional : P ( Ek / Mj ). Esto se llama probabilidad de transición del estado Mj al estado Ek. Para describir completamente una cadena de Markov es necesario saber el estado actual y todas las probabilidades de transición.

Estado Generador

Evento Formulador de Markov

E1 E2 E3 E4 ….. Ek

----------------------------

t1 t2 t3 t4 …. tk Tiempo

4.3. Procesos estocásticos

Un proceso estocástico es aquel en el que se representan todos y cada uno de los pasos necesarios para realizar una actividad, además de las formas o maneras en que cada uno de los pasos puede ser llevado a efecto y sus respectivas probabilidades, dicho de otra manera, cualquier proceso en el que se involucren probabilidades es un proceso estocástico.

Ejemplos:

1. 1. En un lote de autos usados, el 25% son de la marca Ford, el 45% son Chevrolet y el 30% son Chrysler, de los cuales, 2 de cada 8 autos Ford son estándar, 1 de cada 10 autos Chevrolet son estándar y 2 de cada 10 autos Chrysler son también estándar, un cliente compra un auto de este lote, a. ¿cuál es la probabilidad de que el auto seleccionado por el cliente sea estándar?, b. ¿cuál es la probabilidad de que haya seleccionado un auto Chevrolet estándar?, c. ¿cuál es la probabilidad de que el auto seleccionado sea Ford o Chrysler automático?

Solución:

a. a. Haciendo uso de un diagrama de árbol como se muestra, se facilita hacer el cálculo de probabilidades

S 2/8

F

25% A 6/8

S 1/10

45% CH

A 9/10

30% S 2/10

Chr

...