Universidad de Los Andes Modelamiento Facultad de Ingenieria Profesor: M. Quinteros, P. Hernandez Ingenieria. Civil Industrial Semestre: 2015-1 PRUEBA 1 14 de Abril, 2015 Pregunta 1 Parte A a) (2.5 pts.) La tecnologia de la técnica de radiacién para tratamiento de cancer ha permitido tener una representacién en 3D la regién $ del cuerpo a tratar. Utilizando la notacién vista en clases asuma que se ha caracterizado $ en celdas (i, j,k) con 3 subregiones disjuntas definidas: T donde esté el tumor, C zona critica que se desea impactar poco y IV que corresponde a tejido normal, de forma que $=TUCUN. Para el tratamiento se dispone de un conjunto de rayos p = 1,...,n los cuales tienen E posibles intensidades de emisién e = 1,..., B. De esta forma, se sabe que le dosis de radiacién sobre In celdn (,3,4) suministrada por el rayo p en su intensidad e es D?*, Formule el problema de optimizacién lineal entera que minimize la radiacién total sobre la regidn S ¥ que satisfage las siguientes condiciones: 1. Cada rayo puede utilizarse s6lo en una de sus intensidades de emisién. 2. Deben utilizarse como mfnimo np tayos con indices pares de intensidad de emisién (E par) 3. Ningiin rayo podré utilizarse en la misma intensidad que otro. 4, La cantidad de rayos con indice par a utilizarse debe superar al menos en 3 al la cantidad de rayos con indice impar a utilizarse (asuma n impar) . Cada celda de la region T debe recibir como minimo una dosis de 6. Cada celda de la region C debe recibir como maximo una dosis de ¢. b) (1.5 pts.) Suponge que ahora se tiene una dosis deseada de radiaciéa por cada celda (i,j,k) € S, que lamaremos Targeti;,. Reformule el modelo de la parte a) de forma que el objetivo sea aliora minimizar la suma de los cusdrados de las diferencias entre la dosis a suministrar a cada celda y su target. (Modelo no lineal, sélo en su funcién objetivo). Posteriormente escriba la versién lineal de dicho modelo. Parte B En la teoria de portfolio de inversién vimos que un inversionista que posee la informacién histériea de los retornos mensuales de n activos en la ventana de tiempo ¢ = 1,...,7" busca minimizar le varianza de los retornos esperados de su portfolio para (T’ + 1) seleccionando los pesos wj a asignar a cade activo, 1. (1.0 pts.) Escriba explicitamente la expresién de la varianza del portfolio si el inversionista decidiera asignar el mismo peso a cada activo 2. (1.0 pts.) Basado en la expresién que encontré anteriormente. Qué ocurre st el ntimero de activos n crece demasiado (tiende a infnito)?. Argumente respecto al rol que juegan las varianzas y covarianzas en este escenarioPREGUNTA 2 Parte A Cirque du Soleil ofteceré dos presentaciones en Santiago para celebrar el Dia del trabajo, estos shows serdn el 1 y 2 de Mayo, respectivamente . Se ha realizado una estimacién de la demanda de asistentes hombres en funcién del precio del show y se ha determinado que est bien modelada por Da(p) = S,e->?* Por su lado, le demanda de asistentes mujeres al show en funcién del precio esté bien representada pot DmalP) = Bme™ MF". Les parémetros fn, ry s"7m £08 Positives y se consideran conocidos para todos los efectos. Asuma que estas curvas de demanda son vélidas para ambos dias. @) Suponga que la. presentacién del lero de Mayo se realizaré en un recinto muy grande (capacidad infinita) y que el organizador cobraré xin unico precio para todos los asistentes. a.1) (1.0 pts.) Cudl seria el precio a cobrar que permitiria ingresar al recinto la misma cantidad de mujeres y de hombres? .2) (2.0 pts.) Asumiendo que yy = Ym. Cudl seria el precio a cobrar si el organizador del recinto desea obtener el méximo ingreso posible? (justifique mateméticamente su resultado). b) (2.5 pts.) Suponga que el show del 2 de Mayo se hard en un recinto con capacidad finita. En concreto, el estadio tiene C butacas para ser utilizadas en total (tanto por hombres como mujeres). Se sabe ‘que un hombre consumiré $2} por concepto de refrescos y una mujer $R,. En esta oportunidad e administrador desea cobrar precios diferenciados por sexo. Formule el problema de optimizacién aie le permita determinar los precios a cobrar a cada grupo y las personas admitidas de forma obtener e! mismo ingreso posible y garantizando que la raz6n entre la cantidad de hombres y mujeres ingresadas no exceda 2:3. NOTA: Sélo funcién objetivo puede ser no-lineal Parte B En clases analizamos el Algoritmo de Littlewood para el problema de 2 clases tarifarias, Al respecto: 4) (0.2 pts.) Qué busca determinar este algoritmo? ii) (0.7 pts.) Represente en detalle el ébol de decisién sobre el cual esté basado el algoritmo ii) (0.6 pts.)Bscriba un seudo-codigo del mismo describiendo sus etapas, condicion de término, ete.Gea] eb Tp Le Helondnt COU Mors ie a) Verily oe duets: Xiped= fen me @ # ukiliga iwlimechod de punnsioie 2 Daj = Vediouain Aehek @ vector gn fa alee (i) Botniteiows: °) Dajee 2 2, eed; Wades @ 8) SL xlpa< 4 Ypedier wv E/e ) z ae . yah Mes 4,...,E 3) 25 Xp) e yy x 1 be Gimp => (nie §) 1k tl Aine pon baer fapew-d = pe ast 4 z [ap-t2n = pom! ; Se we DD X(tpe) Z DK 2e-8e) 43 Gee Oe 5) Dye ZE viyre "eo 6) Dyes G joe Co 2) Uelanolongs y amabl, X(peefosh Wetan — Dije? 0 Vejve S Yer4.€Taancin aa Mining J Dae vein Daj Ryde 3 Vutve vuodele a ine Toepti,d* Xlpes Die — CHES Suppo 2: 3),0,0,9, 9,5) 9) (Op) erie Bl . S for gpuesoh Lo revise to: Ver Lute + 2D ii Ee-\ eam —@" oe wen (ea enous Si 1 Le oan Hoe 30 Re Sas = Wee f Web @ mae 122s rie Ve ea enn hiws 4 os | Ox b a aed a * free ed mee g poweky Unanioanga ~~ A Yrewedio (> 4 a9 0. ‘ Jn Mp Oe Oe lems Unb ler fouren if partbelio dando bray, readclin ‘ach,wudkoeaad aude. Fitoybo. Z Yusha & , Modbomiute 201 Port A| Frol. Mackin Onindoos aA) bges aS wy inka vrateon todo fn eee Ueson. 8), bos ee & ite 4 Chapeen => Die pig tee = Bett = Pe eter ro) et frp = Pn/ps, OS feng = be Pod po) a EEE Z| OT) Asuninnty jbo fon | Faye (e) =p» (Dyipl* Dal) = (pros p.ch") ~ Ligue) = PreBa) pee ce) CPO Tagive pl BB lean ) | Per gle Broa 2 pNE \@ > Faquas' y= 0 & (I- ago = a Niow ¢.5.0 (t® nde) Tyne ‘Pr pof-Hpeet - (4-2 ez yp a) . (m+ Pe) ett: be tpt | . (Pr*Pn) e Poel- we @2) > Fyn (2) . Prof) te + At! [-G+ 4 wo) &) \bablin 2 devas 5) Wo ea ucasiat Kwa on b+t 8. \eooletoa, Diwit Jig) Suede abege \ Dito boo Dsibzte DUC we day 2) Calebor tes aduicenl treks ih) @® VS EU) SO o Bb) ed dita bb a 5) Elh)>O wy Fayed = kbar Be bale ir = easy 2) 2)