INSTITUTO TECNOLOGICO DE VILLAHERMOSA

MATERIA: INVESTIGACION DE OPERACIONES II

MAESTRA: ZINATH JAVIER GERONIMO

UNIDAD # 3: TEORIA DE DECISIONES

ALUMNOS: ALAMILLA PACHECO MARIANO CONTRERAS CORNELIO YADIRA DE LA CRUZ VALENCIA ABRAHAM GONZALEZ HERNANDES GREVIL HERNANDEZ RAMOS HERNAN HERNANDEZ RAMIREZ IVETH TORRES MADRID MARIA DE LOURDES MARTINEZ HERNANDEZ GEOVANI EMMANUEL
1

INDICE Unidad 3 te !"a de de#i$i%n 3&' Ca!a#te!"$ti#a$ (ene!a)e$ de )a Te !"a de De#i$i ne$ ***+, 3&- C!ite!i $ de de#i$i%n Dete!.ini$ti# $ / P! 0a0i)"$ti#a$ **&+1 3&3 Va) ! de )a In2 !.a#i%n Pe!2e#ta *************'3 3&, 4!0 )e$ De De#i$i%n ****************&&**'1 3&5 Te !"a de Uti)idad *****************&&**&&-3&6 De#i$i ne$ Se#7en#ia)e$ *************&***&-6 3&3 An8)i$i$ de Sen$i0i)idad ************&****&&3+

3&1 7$ de 9! (!a.a de # .97ta#i%n ************&3,

C n#)7$i%n

INTRODUCCI:N

La teora de la decisin es una rea interdisciplinaria de estudio, relacionada con casi todos los participantes en ramas de la ciencia, ingeniera Concierne a la forma y al estudio del comportamiento y fenmenos de aquellos que toman las decisiones (reales o ficticios), as como las condiciones por las que deben ser tomadas las decisiones ptimas. La mayor parte de la teora de la decisin es normativa o prescriptiva, es decir concierne a la identificacin de la mejor decisin que pueda ser tomada, asumiendo que una persona que tenga que tomar decisiones (decisin ma er) sea capa! de estar en un entorno de completa informacin, capa! de calcular con precisin y completamente racional. La aplicacin prctica de esta apro"imacin prescriptiva (de cmo la gente debera #acer y tomar decisiones) se denomina anlisis de la decisin y proporciona una b$squeda de #erramientas, metodologas y soft%are para ayudar a las personas a tomar mejores decisiones. Las #erramientas de soft%are orientadas a este tipo de ayudas se desarrollan bajo la denominacin global de &istemas para la ayuda a la decisin (decisin support systems, abreviado en ingl's como (&&).

3&' Ca!a#te!"$ti#a$ (ene!a)e$ Te !"a de De#i$i ne$

La )eora de la (ecisin trata del estudio de los procesos de toma de decisiones desde una perspectiva racional. *n cuanto a decisin se refiere, e"isten dos enfoques sobresalientes+ La teora de la eleccin racional (&imon)+ desde una perspectiva descriptiva, nos cuenta cmo son los procesos decisorios en las organi!aciones. Los #ombres aplican su propia racionalidad limitada por su singular visin de la realidad. La teora de la decisin+ es una metodologa prescriptiva o normativa que indica cmo se debe decidir para ser consecuentes con los objetivos, preferencias y ciertos principios impuestos por la teora. (Cmo se debe decidir, pero no que decidir). La teora de la decisin es prescriptiva porque obliga al )( a proceder de una determinada manera si quiere ser co#erente con las premisas definidas. La teora de la decisin es subjetiva porque, al prescribir, tiene en cuenta las preferencias, las valoraciones, las vivencias y la visin del )(. La teora de decisiones se ocupa de decisiones contra la naturale!a. *sta fase se refiere a una situacin donde el resultado (rendimiento) de una decisin individual depende de la accin de otro agente (naturale!a) sobre el cual no se tiene control. *s importante observar que en este modelo los rendimientos afectan $nicamente a quien toma la decisin. , la naturale!a no le importa cual es el resultado.
4

E)e.ent $ de 7n P! #e$ de De#i$i%n *l decisor ()()+ *s el encargado de reali!ar la seleccin de alternativas de la mejor manera, en funcin de sus objetivos Las alternativas o cursos de accin+ son las diferentes formas de actuar posibles+ el )( deber seleccionar una de ellas. *s importante tener en cuenta que estas alternativas deben ser e"cluyentes entre s. Los estados de la naturale!a+ son las variables no controlables por el )(. &on eventos futuros que influyen en el proceso de decisin, pero que no pueden ser controladas ni previstas, en su comportamiento, por el )(. Los resultados+ es lo que se obtiene ante la seleccin (la opcin) de una alternativa determinada cuando se presenta uno de los posibles estados de la naturale!a. La tabla de pagos (o tablas de decisin)+ sirven para tratar muc#os problemas de decisin y poseen los siguientes elementos+ - Los diferentes estados de la naturale!a sj (s., s/,0, sn).

- Las distintas alternativas o cursos de accin, entre los cuales el )( deber seleccionar uno aj (a., a/, 0, am).

- Los resultados 1ij que surgen de la eleccin de la alternativa ai cuando se presenta el estado sj

- *l criterio de decisin+ es la especificacin de un procedimiento para identificar la mejor alternativa en un problema de decisin.

La descripcin de los diferentes criterios de decisin que proporcionan la opcin ptima ser reali!ada de acuerdo con el conocimiento que posea el )( acerca de los estados de la naturale!a, es decir, atendiendo a la clasificacin de los procesos de decisin+ certidumbre, riesgo e incertidumbre

Eta9a$ de) P! #e$ De#i$ !i .. *l )( debe identificar la e"istencia de un problema y poder definirlo. /. *l )( debe recopilar ms informacin acerca del problema. 2. *l )( debe poder especificar los objetivos. La decisin se basa en seleccionar la mejor alternativa en funcin de ciertos objetivos. 3. *l )( debe elaborar un modelo que describa el problema. 4. *l )( debe generar soluciones alternativas al problema y evaluarlas en funcin de sus preferencias (anlisis cualitativo y anlisis cuantitativo). 5. *l )( debe determinar el criterio de decisin que optimice la situacin. 6. *l )( debe predecir las consecuencias de cada actuacin. 7. *l )( debe establecer un sistema de preferencias. )iene que reali!ar una valoracin de las consecuencias de acuerdo con una escala de bondad o deseabilidad.
6

8. *l )( debe elegir entre las soluciones alternativas. *s necesario que seleccione un curso de accin. *sta eleccin debe darse mediante un criterio de decisin adecuado. .9. *l )( debe poner en prctica la solucin seleccionada y evaluar los resultados. Lo que modifica el universo, es la accin derivada de la decisin

C)a$i2i#a#i%n de ) $ P! #e$ $ de De#i$i%n &eg$n las caractersticas del conte"to, podemos decir que el proceso de decisin se reali!a bajo certidumbre, bajo riesgo o bajo incertidumbre. *n funcin de esta distincin podemos identificar tres grandes grupos+ (ecisiones :o *structuradas+ este tipo de decisiones se toman cuando estamos en un conte"to de incertidumbre total y se cuenta con muy poca informacin. &on, principalmente, decisiones polticas y estrat'gicas. &e requiere de un alto poder de negociacin (ecisiones ;oco *structuradas+ este tipo de decisiones se toman cuando estamos en un conte"to intermedio, es decir, no nos encontramos en certe!a ni en incertidumbre total.

(ecisiones *structuradas+ este tipo de decisiones se toman cuando estamos en un conte"to de casi<certe!a, donde e"iste poca complejidad. La mayora de estas situaciones son abarcadas por los

='todos de >nvestigacin de ?peraciones. &on decisiones que pueden programarse por ser repetitivas y rutinarias.

3&-

C!ite!i $

de

de#i$i%n

Dete!.ini$ti# $

P! 0a0i)"$ti#a$

*l conocimiento es lo que sabemos. La informacin es la comunicacin de conocimientos. *n cada intercambio de conocimientos, #ay un remitente y un receptor. *l remitente #ace com$n lo que es privado, #ace la informacin, la comunicacin. La informacin se puede clasificar como formas e"plcitas y tcitas. La informacin e"plcita se puede e"plicar de forma estructurada, mientras que la informacin tcita es inconsistente e imprecisa de e"plicar. Los datos son conocidos como informacin cruda y no como conocimientos en s. La secuencia que va desde los datos #asta el conocimiento es (observe el siguiente cuadro)+ de los (atos ((ata) a la >nformacin (>nformation), de la >nformacin (>nformation) a los @ec#os (Aacts), y finalmente, de los @ec#os (Aacts) al Conocimiento (Bno%ledge) . Los datos se convierten en informacin, cuando se #acen relevantes para la toma de decisin a un problema. La informacin se convierte en #ec#o, cuando es respaldada por los
8

datos. Los #ec#os son lo que los datos revelan. &in embargo el conocimiento instrumental es e"presado junto con un cierto grado estadstico de confian!a (gl). Los #ec#os se convierten en conocimiento, cuando son utili!ados en la complementacin e"itosa de un proceso de decisin. Cna ve! que se tenga una cantidad masiva de #ec#os integrados como conocimiento, entonces su mente ser sobre#umana en el mismo sentido en que, con la escritura, la #umanidad es sobre#umana comparada a la #umanidad antes de escribir. La figura siguiente ilustra el proceso de ra!onamiento estadstico basado en datos para construir los modelos estadsticos para la toma de decisin bajo incertidumbre.

(e donde+ Level of *"actness of &tatistical =odel D :ivel de *"actitud del =odelo *stadstico. Level of improvements on decisin ma ing D :ivel de =ejoramiento en la )oma de (ecisiones

La figura anterior representa el #ec#o que a medida que la e"actitud de un modelo estadstico aumenta, el nivel de mejoramiento en la toma de decisin aumenta. *sta es la ra!n del porqu' necesitamos la estadstica de negocio. La estadstica se creo por la necesidad de poner conocimiento en una base sistemtica de la evidencia. *sto requiri un estudio de las leyes de la probabilidad, del desarrollo de las propiedades de medicin, relacin de datos. La inferencia estadstica intenta determinar si alguna significancia estadstica puede ser adjunta luego que se permita una variacin aleatoria como fuente de error. Cna inteligente y crtica inferencia no puede ser #ec#a por aquellos que no entiendan el propsito, las condiciones, y la aplicabilidad de las de diversas t'cnicas para ju!gar el significado. Considerando el ambiente de la incertidumbre, la posibilidad de que Elas buenas decisionesF sean tomadas incrementa con la disponibilidad Ede la buena informacinF. *l c#ance de la disponibilidad de Ela buena informacinF incrementa con el nivel de estructuracin del proceso de (ireccin de Conocimiento. La figura anterior tambi'n ilustra el #ec#o que mientras la e"actitud de un modelo estadstico aumenta, el nivel de mejora en la toma de decisiones aumenta. *l conocimiento es ms que simplemente saber algo t'cnico. por ejemplo, crea el soft%are estadstico que es $til, ms bien que t'cnicamente brillante. ;roceso de )oma de (ecisiones *stadsticas

10

, diferencia de los procesos de toma de decisiones determinsticas tal como, optimi!acin lineal resuelto mediante sistema de ecuaciones, sistemas param'tricos de ecuaciones y en la toma de decisin bajo pura incertidumbre, las variables son normalmente ms numerosas y por lo tanto ms difciles de medir y controlar. &in embargo, los pasos para resolverlos son los mismos. *stos son+ .. &implificar /. Construir un modelo de decisin 2. ;robar el modelo 3. Csando el modelo para encontrar soluciones+ *l modelo es una representacin simplificada de la situacin real :o necesita estar completo o e"acto en todas las relaciones &e concentra en las relaciones fundamentales e ignora las irrelevantes.

los m'todos probabilsticos y estadsticos para el anlisis de toma de decisiones bajo incertidumbre son ms numerosos y muc#o ms poderosos que nunca. Las computadoras #acen disponible muc#os usos prcticos. ,lgunos de los ejemplos de aplicaciones para negocios son los siguientes+

Cn auditor puede utili!ar t'cnicas de muestreo aleatorio para auditar las cuentas por cobrar de un cliente.

11

Cn gerente de planta puede utili!ar t'cnicas estadsticas de control de calidad para asegurar la calidad de los productos con mnima inspeccin y menor n$mero de pruebas.

='todo para tomar decisiones determinanticas con m$ltiples opciones y objetivos ;ara resolver disyuntivas Gesto es, para decidir ante dos opciones< Henjamn Aran lin escriba en un papel los factores que favorecan a una y otra, separados por una lnea vertical. Luego buscaba en ambos lados, factores o grupos de factores que tuviesen Gseg$n su apreciacin< igual peso, y los eliminaba. ,s iba simplificando el problema #asta que los elementos no tac#ados indicaran el predominio de una opcin.

*l procedimiento consiste en eliminar alternadamente opciones y objetivos. ;ara ello se aplican dos principios lgicos irrebatibles+

a) Iue si una opcin J es superior a una opcin K en un objetivo y no es inferior a esta en ninguno de los restantes (condicin llamada de (ominio ,bsoluto), entonces la opcin K se puede descartar Crear una )abla (e Consecuencias
12

Cna )abla de Consecuencias representa en cada lnea un objetivo y en cada columna una opcin o candidato. Las intersecciones son G naturalmente< las calificaciones de los objetivos para cada candidato. &e ver mejor a trav's de un ejemplo+ supongamos que Luan quiere encontrar trabajo y sus objetivos son+

- &ueldo - Ale"ibilidad de @orario - ;restaciones (como &alud, atencin dental, etc.) - (istancia desde su casa y - Macaciones

*l sueldo se medir en miles de pesos, la fle"ibilidad de #orario en ,lta (,), =ediana (=), o :ula (:), la calidad y cantidad de prestaciones, mediante una nota de . a 6, la distancia, en cantidad de Bilmetros y las vacaciones, en (as #biles por aNo.

;or otra parte, supondremos que ya tiene cinco ofertas+ ,, H, C, ( y *.

&upongamos, adems, que una ve! #ec#a la evaluacin de cada objetivo individual, para cada oferta, se obtuvo la siguiente )abla de Consecuencias+ )abla de Consecuencias de Luan
13

?bjetivo &ueldo Ale"ibilidad

, 499 =

H 599 : 4 .9 /9

C 699 : 4 7 .8

( 449 = 5 ./ .4

* 349 , 3 /6 .4

;restaciones 5 (istancia Macaciones /9 .4

*n la tabla se puede apreciar que la opcin ( tiene dominio ,bsoluto sobre la opcin ,, ya que el sueldo es ms alto (449 contra 499) y es igual o superior en los objetivos restantes.

Cna ve! eliminada ,, la tabla queda+ )abla de Consecuencias de Luan ?bjetivo &ueldo Ale"ibilidad H 599 : C 699 : 4 7 .8 ( 449 = 5 ./ .4 * 349 , 3 /6 .4

;restaciones 4 (istancia Macaciones .9 /9

, veces no es fcil identificar situaciones de dominio por la sola observacin de la tabla de consecuencias. *n tal caso se puede recurrir a una )abla de Clasificacin, la que Gen lugar de desplegar los
14

valores< muestra la ubicacin relativa de cada opcin en cada uno de los objetivos. *n el caso de Luan, la )abla de Clasificacin quedara+

)abla de Clasificacin de Luan ?bjetivo &ueldo Ale"ibilidad H / 2 (e) C . 2 (e) / (e) . / ( 2 / . 2 2 (e) * 3 . 3 3 2 (e)

;restaciones / ( e) (istancia Macaciones / .

(onde el smbolo (e) significa empate. &e aprecia que ya no e"isten situaciones de dominio absoluto, pero la opcin C es superior a la H en casi todos los objetivos, e"cepto en el de las vacaciones (donde pierde por slo un da). ,qu, por supuesto, entra a tallar el criterio del decisor+ ese da de vacaciones Oes tan importante como la diferencia en el sueldo o la mayor distanciaP Creemos que para la mayora probablemente valga ms que la diferencia en distancia (/ m.) pero difcilmente puede compensar los cien mil pesos de mayor sueldo que se obtienen con C. &e dice, en este caso, que C tiene (ominio 1elativo sobre H, circunstancia que permite eliminar a esta $ltima. Cna ve! descartada H, la tabla de consecuencias queda+ )abla de Consecuencias de Luan
15

?bjetivo &ueldo Ale"ibilidad

C 699 :

( 449 = 5 ./ .4

* 349 , 3 /6 .4

;restaciones 4 (istancia Macaciones 7 .8

3&3 VALOR DE LA IN;ORMACI:N PER;ECTA

&i se pudiera contar con un predictor perfecto, se podra seleccionar por anticipado el curso de accin ptimo correspondiente a cada evento pronosticado. ;onderando la utilidad correspondiente a cada curso de accin ptimo por la probabilidad de ocurrencia de cada evento se obtiene la utilidad esperada contando con informacin perfecta (C*>;). *l M*>; es la diferencia entre C*>; y M*. 1efleja el aumento en la utilidad esperada a partir de contar con un mecanismo de prediccin perfecto. >:)*1;1*),C>Q: (*L M*>; *l M*>; puede considerarse como una medida general del impacto econmico de la incertidumbre en el problema de decisin.

16

*s un indicador del valor m"imo que convendra pagar por conseguir informacin adicional antes de actuar. *l M*>; tambi'n da una medida de las oportunidades perdidas. &i el M*>; es grande, es una seNal para que quien toma la decisin busque otra alternativa que no se #aya considerado #asta el momento

3&, 4RBOL DE DECISI:N

Cn rbol de decisin es un rbol orientado que representa un proceso de decisin .Los nodos designa puntos en el tiempo en los cuales+ i) debe tomarse una u otra dedicin, o ii) quien toma las decisiones se enfrenta a uno y otro estado de la naturale!a. ? iii) el proceso termina. &aliendo de un nodo (i) #ay una rama para cada posibles decisin saliendo de un nodo(ii) #ay una rama para cada posibles estado de la naturale!a. Hajo cada ramas se escribe la probabilidad del evento corresponde, cuando este definida. Los arboles de decisin son $tiles para determinar decisiones optimas en procesos complicados. Las t'cnicas consisten en iniciar con los nodos terminales y moverse secuenciales #acia atrs a trav's de la red, calculando la ganancia esperada en los nodos intermedios. Cada ganancia se escribe encima del nodo correspondiente. Cna decisin recomendada es aquella que lleva a una ganancia m"ima esperada. ,quellas decisiones que
17

resultan no recomendables tienen las ramas correspondientes marcadas con cru!. E<e.9) $: Cna gran compaNa de energ'tico ofrece al dueNo de un terreno R59,999 por el derec#o de e"plotacin de gas natural en un sitio determinado y la opcin para un desarrollo futuro. La opcin si se ejerce vale R59,999 adicionales para el propietario, pero esto ocurrir solo si se descubre gas natural durante la etapa de e"plotacin. *l propietario, considerando que el inter's de la compaNa es una buena indicacin de que e"iste gas, est tentando a desarrollar el mismo el campo. ;ara #acer esto deber contratar equipo locales con e"periencia en e"plotacin y desarrollo. *l costo inicial es de R.99,999 los que se perdern si no se encuentra gas. &in embargo si descubre gas, el propietario estima un beneficio neto de /millones de dlar. Las decisiones para el propietario son ( . (acepta la oferta de la

compaNa de energ'ticos) y (/ (e"plorar y desarrollar por su cuenta). Los estado de la naturale!a son & . (no #ay gas en el sitio). Las ganancia (en miles de dlares) para el propietario en cada combinacin de evento se da en la tabla sig. *stado de la

d. d/

naturale!a s. s/ 59 559 <.99 /99

Decision es

18

La matri! de ganancia para este proceso se muestra en la tabla anterior. La ganancia mnima para la decisin ( . es 59 mientras que para (/ es <.99. Ka que =a"S59,<.99 TD59 es la ganancia asociada (.,(/ es la decisin recomendada bajo el criterio minima".

*l valor mayor en la matri! es /999, ganancia asociada a ( / por lo tanto (/ es la decisin recomendada bajo el criterio optimista. Los promedio de la ganancia m"ima y mnima para ( . y(/ son respectivamente

599U59 /

/99U(< y .99) /

Ka que ma" S259,849T D 849 est asociada con ( . ,(/ es la decisin recomendada bajo el criterio del punto medio del camino. (eterminar la decisin recomendada bajo el criterio a priori para el proceso del ejemplo anterior. &i el propietario estima que la probabilidad de encontrar gas de 9.5 Con p(s/) D9.5 entonces ;(s.)D.<9.5D9.3 empleando los datos de la tabla se calcula la ganancia esperada proveniente de ( . como+

19

* (V.)D(59)(9.3)U(559)(9.5)D3/9 K la ganancia para (/ como+ * (V/)D (<.99) (9.3)U (/999)(9.5)D..59 Ka que el m"imo de esta dos cantidades, ..59 est asociada con (. (/ es la decisin recomendables bajo el criterio a priori. *ste proceso est representado por el rbol de decisin de la figura sig. La ganancia esperada del proceso ..59 en el nodo H proviene en sentido inverso delnodo 59 3/9
C D1 1 D2 1 0. 4 E. s

(.

s/

559

0.

<.9 s.
D HG 0. 4 Bibliograf a! "n#. $%eraciones s
/

116 0 B

..59

/999

&ic'ar( bronson

3&5 TEOR=AS DE LA UTILIDAD

La teora de la utilidad trata de e"plicar el comportamiento del consumidor. (esde esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las necesidades. ,s un bien es ms $til en la medida que satisfaga mejor una necesidad. *sta utilidad es
20

cualitativa (las cualidades reales o aparentes de los bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y temporal (se refiere al momento en que se satisface la necesidad). *sta teora parte de varios supuestos+

*l ingreso del consumidor por unidad de tiempo es limitado. Las caractersticas del bien determinan su utilidad y por tanto afectan las decisiones del consumidor.

*l consumidor busca ma"imi!ar su satisfaccin total (utilidad total), y por tanto gasta todo su ingreso.

*l consumidor posee informacin perfecta, es decir, conoce los bienes (sus caractersticas y precios).

*l consumidor es racional, esto quiere decir que busca lograr sus objetivos, en este caso trata de alcan!ar la mayor satisfaccin posible. *sto quiere decir que el consumidor es capa! de determinar sus preferencias y ser consistente en relacin con sus preferencias. ,s, si el consumidor prefiere el bien , sobre el bien H y prefiere el bien H sobre el bien C, entonces preferir el bien , sobre el bien C (transitividad).

La teora econmica del comportamiento del consumidor se topa con un problema importante (llamado el problema central de la teora del consumidor), el cual es la imposibilidad de cuantificar el grado de satisfaccin o utilidad que el consumidor obtiene de los bienes. :o e"iste una unidad de medida objetiva de la satisfaccin. *ste problema se #a enfrentado a trav's de dos enfoques distintos+
21

*nfoque cardinal+ &upone que si es posible medir la utilidad, o sea que si se dispone de una unidad de medida de la satisfaccin.

*nfoque ordinal+ *n este enfoque el consumidor no mide la utilidad, slo establece combinaciones de bienes que prefiere o le son indiferentes con respecto a otras combinaciones de bienes.

*nfoque cardinal+ , partir de los supuestos y conceptos mencionados se definen dos conceptos de utilidad o satisfaccin+

Ctilidad )otal+ es la satisfaccin total de consumir una cierta cantidad de un bien.

Ctilidad =arginal+ es la satisfaccin e"tra de una unidad de consumo adicional.

I 9 . / 2 3 4

C) 9 7 .7 /5 2/ 25

C= < 7 .9 7 5 3
22

5 6 7

27 27 25

/ 9 </

23

*n los datos anteriores se observa que se satisface la L*K (* L, C)>L>(,( =,1V>:,L (*C1*C>*:)*, es decir, la satisfaccin adicional del consumidor disminuye a medida que se consume una mayor cantidad del bien. ?bserve que #ay un punto de infle"in, a partir del cual la utilidad marginal (C=) se vuelve decreciente+

24

3&6 De#i$i ne$ $e#7en#ia)e$

&on decisiones encadenadas entre s que se presentan a lo largo del perodo de estudio previamente seleccionado. *n Consecuencia, la decisin inicial se toma sobre la base de la consideracin e"plcita de otras decisiones futuras. *n muc#as ocasiones, sobre todo en aquellos proyectos que abarcan varios aNos, la decisin inicial puede someterse a sucesivas decisiones posteriores, como consecuencia de ir acumulando informacin.

25

,s una decisin puede condicionar decisiones posteriores y a su ve! ser condicionada por decisiones tomadas con anterioridad a la misma. *l anlisis del problema de decisin bajo el enfoque secuencial suele ser preferible al enfoque esttico, dado que es normal que una decisin tomada en el momento inicial condicione decisiones en los momentos posteriores de tiempo.WX

;lantear la relacin entre el trabajo de direccin y la toma de decisiones. Comprender el proceso de la toma de decisiones Conocer las t'cnicas y #erramientas mecnicas bsicas en la toma de decisiones. 1epercusin de la decisin. ;lanteamientos previos. ,mbiente de la decisin. (ecisin ;rogramableYno programable. 1epercusin de la decisin La decisin es fundamental en la empresa ya que seg$n las decisiones que tome 'sta, se alcan!aran unos objetivos u otros.

?bjetivos estrat'gicos
26

Largo pla!o+ =ercado en el que nos ubicamos ?bjetivos tcticos , medio pla!o+ ;lanes especficos, recursos asigna. ?bjetivos operativos Corto pla!o+ como sustituir a un operario con gripe. ;lanteamientos previos. La decisin puede platearse de forma+ ?bjetiva vs. &ubjetiva ,naltica vs. &ist'mica. *sttica vs. (inmica. (eterminista vs. ;robabilstica &eg$n el planteamiento que #agamos obtendremos unos resultados diferentes en la toma de decisin y sus consecuencias. ?bjetiva vs. &ubjetiva ;uede darse el caso de tener que basarnos en #ec#os que nos influyen o de los que no disponemos de un modelo objetivo. ,naltica+ (isponemos de un modelo matemtico construido con la informacin disponible y del que queremos conocer la mejor opcin. (isponemos de un modelo construido a partir de una simplificacin del problema y que nos permite simular diferentes situaciones lo que nos lleva #acia una solucin.

27

Los modelos estticos no tienen en cuenta la variable tiempo. *n los modelos dinmicos la variable tiempo es fundamental. (eterminista vs. ;robabilstica (eterminista+ Cono!co todos los datos necesarios de la realidad. &i tomo una opcin, se cual ser el resultado preciso. *n los modelos probabilisticos las variables son aleatorias y los resultados tambi'n. ,mbiente de la decisin Certe!a Cono!co los estados de la naturale!a con total seguridad. 1iesgo :o s' qu' estado de la naturale!a se dar, pero cono!co sus probabilidades. >ncertidumbre estructurada cono!co los estados, no la probabilidad. >ncertidumbre no estructurada

28

3&3 an8)i$i$ de )a $en$i0i)idad

*l anlisis de sensibilidad es una de las partes ms importantes en la programacin lineal, &obre todo para la toma de decisionesZ pues permite determinar cuando una solucin sigue &iendo ptima, dados algunos cambios ya sea en el entorno del problema, en la empresa o en
los (a)os (el %roble*a *is*o.

Es)e an+lisis consis)e en (e)er*inar ,-e )an sensible es la res%-es)a .%)i*a (el

Mtodo

Simplex/ al ca*bio (e alg-nos (a)os co*o las ganancias o cos)os f-nci.n ob1e)i#o2 o la (is%onibili(a( (e los rec-rsos sensibili(a( (e la los

-ni)arios 0coeficien)es (e la

0)3r*inos in(e%en(ien)es (e las res)ricciones2 4a #ariaci.n en es)os (a)os (el %roble*a se anali5ar+ in(i#i(-al*en)e/ es (ecir/ se anali5a la (e*+s %er*anecen sin al)eraci.n alg-na. sol-ci.n (ebi(o a la *o(ificaci.n (e -n (a)o a la #e5/ as-*ien(o ,-e )o(os

*sto es importante porque estamos #ablando de

(e #arios

,-e la sensibili(a( es

es)+)ica 6 no (in+*ica/ %-es solo con)e*%la el ca*bio (e -n (a)o a la #e5 6 no el

?bjetivo ;rincipal del ,nlisis de &ensibilidad *stablecer un intervalo de n$meros reales en el cual el dato que se anali!a puede estar contenido, de tal manera que la solucin sigue siendo ptima siempre que el dato
%er)ene5ca a (ic'o in)er#alo

Los anlisis ms importantes sonZ .. /.

4os coeficien)es (e la f-nci.n ob1e)i#o7 6 4os )3r*inos in(e%en(ien)es (e las res)ricciones 6 se %-e(en abor(ar %or

*e(io (el

Mtodo Grfico o (el Mtodo Simplex

29

,nlisis de sensibili(a( gr+fico ,bordaremos primero el anlisis de sensibilidad de manera grfica. ;artamos del siguiente modelo de programacin lineal

=a" ! 23" U /y sYa 4" U 7y[39 /9"U.9y[.99 "\9Zy \

Cuya solucin es la siguiente+

30

1ecor(e*os
encon)ra(o

,-e n-es)ro ob1e)i#o es *an)ener la sol-ci.n .%)i*a ,-e 'e*os

" D2.5

y=2.7

31

*sto lo conseg-ire*os sie*%re 6 c-an(o la rec)a (e iso-)ili(a( 0rec)a ro1a2 ;ase

ella. %or el %-n)o 03.6 / 2.72 6 no e8is)a +rea (e regi.n fac)ible %or enci*a (e

,nlisis de sensibilidad grfico para los coeficientes de la funcin objetivo )odas las lneas rojas mantienen
generan -na n-e#a la sol-ci.n .%)i*a %ero las l neas a5-les +rea (e la regi.n fac)ible

sol-ci.n .%)i*a %-es e8is)e -n

sobre ellas/ lo c-al in(ica ,-e la f-nci.n no 'a si(o o%)i*i5a(a en el %-n)o ,-e anali5a*os 03.6/2.72 9'ora si obser#a*os bien la gr+fica %o(e*os no)ar ,-e las l neas ro1as/ ,-e son las ,-e nos in)eresan/ sie*%re es)+n co*%ren(i(as en)re las (os res)ricciones o (esig-al(a(es ,-e (efinen el #3r)ice .%)i*o 0a,-ellas ,-e si*-l)anea*os %ara encon)rar la sol-ci.n2

Las lneas de las restricciones son las siguientes con sus respectivas primeras derivadas y por consiguiente sus pendientes 4" U 7 y D39 7yD39 <4" K]m/D </ (e es)as %en(ien)es la *enor es :2 /9" U.9yD.99 .9yD.99 </9 "

3&1 ;SO DE PROGRAMAS DE COMPUTACION

,.<) ;1?V1,=,& (* C?=;C),C>Q: (=icrosoft ,dicional al programa &?LM*1, incluido en *JC*L</999 de =>crosoft (cuya e"plicacin didctica del funcionamiento del programa &olver (334 b), se incluye en este documento que puede ser bajado por Csted), se incorporan otros programas que operan bajo sistema ^>ndo%s 87Y=*Y/999YJ;, debiendo disponer de una computadora actuali!ada
32

con procesador ;entium >> y superiores, memoria mnima de /45 b y capacidad de disco de 49 =H y los cuales pueden ser bajados a C#ang y es aplicable a todos los problemas de >nvestigacin de ?peraciones. ;ara conocer sus usos y aplicaciones, se incorpora el =,:C,L (* C&? del ^>:I&H. ,.) *l programa ;rgLin, cuya propiedad es de la Cniversidad de Lisboa (;ortugal), el cual se aplica ,.2) *l programa Lingo, propiedad de Lindo &ystems >nc (C&,), que dado su gran tamaNo (.7.8 =b),

para soluciones grficas de problemas de dos dimensiones. ,.) *l programa >nv?p (25. b), desarrollado por la Cniversidad del Cuyo en ,rgentina, se aplica para la solucin de problemas relacionados con transporte y redes. Continuacin:. A.1) El programa Win S! "#.$ M%)& cu'a propiedad intelectual e( del )r. *i+,-ong

H.<) C&? (*L ;1?V1,=, &?LM*1 (* *JC*L) ;ara conocer la aplicacin del m'todo &?LM*1 de *JC*L (=icrosoft), se utili!ar un ejemplo prctico+ =a" _D.9 J. U 7 J/ &ujeto 29J. U/9J/ `D ./9 /J. U /J/ `D 8 3J. U 5J/ `D /3 J.,J/ aD9
33

a+

La $nica dificultad que tenemos es el de modelar el programa dentro del *"cel, y eso, es muy fcil. ;or supuesto, #ay infinidad de maneras de #acerlo, aqu propongo una.

&e activa *"cel y en una #oja... &e ubican las celdas que se correspondern con el valor de las variables de decisinZ en 'ste caso, las celdas H5 y C5, se les da un formato para diferenciarlas de las dems, aqu a!ul oscuro (ver captura abajo). &e ubica tambi'n, las celdas que contendrn los coeficientes de las variables de decisin, H3 y C3, y se llenan con sus respectivos valores, .9 y 7. ,unque 'ste $ltimo paso, se podra omitir y dejar los coeficientes definidos en la celda de la funcin objetivo, as es mejor para los anlisis de sensibilidad y para que la #oja quede portable para otro programa.

&e ubica la celda que se corresponder con la funcin objetivo (celda objetivo), la H2. *n ella se escribe la funcin que sea, en 'ste caso, ser el coeficiente de J. (en H3) por el valor actual de J. (en H5) mas el coeficiente de J/ (en C3) por el valor actual de J/ (en C5) ? sea+ DRHR3bRHR5URCR5bRCR3 Coeficientes para la primera restriccin+ los podemos escribir en la misma columna de las variables de decisinZ en las celdas H6 y C6, con los valores 29 y /9, seguido del sentido de la desigualdad (`D) y de su correspondiente 1@&+ ./9. , la derec#a ubicaremos el valor actual de consumo de la restriccin,
34

ella se escribir en funcin de las variables de decisin y de los coeficientes de la restriccin. *sta celda, la utili!ar &olver como la real restriccin, cuando le digamos que el valor de 'sta celda no pueda sobrepasar la de su correspondiente 1@&. (e nuevo ser el valor del coeficiente por el de la variable+DH6bRHR5UC6bRCR5.

:otese que a#ora H6 y C6 no tienen el signo R. ;ues es que luego que se #aya escrito 'sta celda, se podr arrastrar #acia abajo para que *"cel escriba la frmula por nosotros (la pere!ac), pero tome los valores relativos a los coeficientes que le corresponda a los mismos valores de las variables de decisin. &e repite los pasos anteriores para las otras restricciones, pero a#ora la frmula ser+ DH7bRHR5UC7bRCR5 y DH8bRHR5UC8bRCR5.

*l resto del formato es para darle una presentacin ms bonita a la #oja. ,#ora a resolverlo ,l #acer clic en @erramientas , &olver se tendr una pantalla como la siguiente. Lo primero que #ay que #acer es especificar la celda objetivo y el propsito+ ma"imi!ar. &e escribe H2 (o RH2 HR2 RHR2 como sea, da igual), en el recuadro dcambiando las celdasd, se #ace un clic en la flec#ita roja, para poder barrer las celdas H5 y C5Z lo mismo da si se escriben directamente los nombres.

K a#ora para las restricciones+ se #ace clic en agregar... *n A6 est la primera restriccin, como se puede ver en la captura. &e
35

especifica el sentido de la restriccin `D, aD D. ,qu tambi'n se puede especificar el tipo de variable, por defecto es continua, pero se puede escoger d>ntd para entera o dHind para binaria. *n el recuadro de la derec#a establecemos la cota. ,qu podemos escribir ./9 pero mejor escribimos R*R6 para que quede direccionado a la celda que contiene el ./9, y despu's lo podramos cambiar y volver a encontrar la respuesta a manera de anlisis de sensibilidad.

La condicin de no negatividad #ay que incluirla manualmente, as+ *l cuadro de dilogo debe lucir as+ K listoc &e #ace en resolver y ya. ;arece un poco largo en

comparacin con los otros paquetes de programacin lineal, pero esto se #ar slo una ve!, para los pr"imos programas se podr utili!ar la misma #oja cambiando los coeficientes. &in embargo, como se puede notar, la fle"ibilidad de modelar es muy grande.

C?:CLC&>?:+

*ste trabajo fue de muc#a importancia para el equipo ya que pudimos darnos cuenta de la teora para la toma de decisiones sobre el proceso de una perspectiva racional

36

(entro de las decisiones secuenciales se presenta a lo largo del periodo del estudio esto se toma sobre la base de la consideracin e"plicita dentro de un enfoque *l M*>; puede considerarse como una medida general del impacto econmico de la incertidumbre en el problema de decisin. *s un indicador del valor m"imo que convendra pagar por conseguir informacin adicional antes de actuar.

H>HL>?V1,A>, >:*&)>V,C>?: (*?;*1,C>?:*& / >:)1?(CCC>?: ,L,>:M*&)>V,C>?: (*?;*1,C>?:*&&*),

*(>C>?: @,=(K ,. ),@,..886

>:M*&)>V,C>?: (* ?;*1,C>?:*&, ^,K:* L.^>:&)?:

37

(*:,1(?.*.C+ (>:,=>C;1?V1,==>:V )@*1K ,: ,;L>C,)>?: .87/

38