Diagnóstico Modelos para la toma de decisiones

Los componentes de un modelo de programación lineal son:

• Proporcionalidad, Divisibilidad, Certidumbre y Aditividad

• Variables de decisión, función objetivo y restriccciones

• Variables de decisión, supuestos y restricciones

• Ninguna de las anteriores

El análisis de sensibilidad se hace para:

• Saber qué pasa si hay cambios en las variables del problema

• Saber qué pasa si aumento restricciones al problema

• Saber qué pasa si hay cambios en los datos del problema

• Saber qué pasa si disminuyo restricciones al problema

En el análisis de sensibiidad se analizan dos aspectos los cuales son:

• Cambios lados derechos de restricciones y cambios coeficientes de variables en la función objetivo

• Cambios lados derechos de restricciones y cambios coeficientes de variables en las restricciones

• Cambios coeficientes de variables en las restricciones y cambios en lados derechos de restricciones

• Nuevas restricciones y cambios en los lados derechos de las restricciones

Una restricción activa es:

• Restricción que no limita el valor de la función objetivo y no se agota en el óptimo

• Restricción que limita el valor de la función objetivo y se cumple estrictamente en la igualdad en el óptimo

• Restricción que se agota en el óptimo pero no limita la región factible

• Ninguna de las anteriores

El precio sombra es:

• Aumento en la función objetivo cuando aumento en una unidad el lado derecho de una restricción

• Impacto en la función objetivo cuando disminuyo en una unidad el lado derecho de la función objetivo

• Disminución en la función objetivo cuando disminuyo en una unidad el lado derecho de una restricción

• Impacto en la función objetivo cuando aumento en una unidad el lado derecho de una restricción

El precio sombra de una restricción pasiva es:

• Cero

• Mayor a cero

• Menor a cero

• No se puede determinar

El costo reducido es valor en que se afecta la función objetivo si una variable que en el óptimo es cero decido que sea 1.

• Verdadero

• Falso