Guillermojimenezlozano.2002 Parte1 PDF

INVESTIGACION OPERATIVA II
UNIVERSIDAD NACIONAL DE COLOMBIA

S E D E M A N I Z A L E S
GUILLERMO JIMÉNEZ LOZANO
I N V E S T I G A C I Ó N OPERATIVA II
rco-
m 21
UN/VEFS/DAD NACIONAL DB COLOMB'A
818' SF:'":?
E• F. VA C MTPAL
No
33647
fe J o o l o ^ - 0'ij,
c
Cowp •- ÜC;,CC
Proveedor
UNIVERSIDAD NACIONAL DE COLOMBIA

SEDE MANIZALES
I.S.B.N 958-9322-74-3
© 2002 UNIVERSIDAD NACIONAL

DE COLOMBIA SEDE MANEALES
AUTOR:
GUILLERMO JIMÉNEZ LOZANO

Administrador de Empresas
Esp. Estadística
Esp. Administración de Sistemas Informáticos
Profesor Asociado
Universidad Nacional de Colombia
Sede Manizales
REVISADO:
HENRY SANTANA FANDÍÑO

Ingeniero Industrial
Ms.Sc. en Administración
Profesor Asociado
Sede Manizales
JAIME AI BERTO GIR.AI.DO GARCÍA

Ingeniero Industrial
Esp. Administración á e Sistemas
Esp. Alta Gerencia con énfasis en calidad
Profesor Asociado
Sede Mañiza los
L u i s FERNANDO MOTATO ROJAS

Ingeniero Industiial
Esp Admlnisti ación de Sistemas Informáticos
ínstnictor Asociado
Sede Manizales
I.M »'RESO-
Centro de Publicaciones
Sede Manizales
Abril de 200?
Primcia Edición
Dedicatoria
Martha Lucía
José Fernando
Albanery
Xiomara Alexandra
Angélica
CONTENIDO
INTRODUCCIÓN 9
CAPITULO I
TEORÍA DE DECISIONES 11
Buenas vs. Malas decisiones 11
Los seis pasos en la teoría de decisiones 12
Problema potencial en el uso de los resultados de una investigación 13
Teoría de la utilidad 14
Medida de la utilidad y construcción de una curva de utilidad 14
Toma de decisiones 15
El proceso de evaluación de varios factores 16
El proceso de jerarquía analítica 18
Tipos de decisión 19
Decisión creada bajo riesgo 20
Valor monetario esperado (V.M.E) 21
In formación perfecta del valor esperado 22
Información perfecta con el valor esperado-el máximo V.M.E 23
Oportunidad perdida 24
Fundamentos de la teoría de decisiones 25
Maximín 25
Igualdad de probabilidad 26
Criterio de realismo (Criterio de Hurwicz) 27
Minimax 27
Usando el computador para resolver la decisión de problemas teóricos 27
Arbol de decisión y teoría de la utilidad 29
Probabilidades condicionales 30
Determinando otro valor de utilidad 35
Utilidad como un criterio de toma de decisión 36
Determinando la utilidad esperada 38
Dec ísiones tomadas bajo incertidumbre 38
Valores expectados con sistema de información 39
Como se estiman los valores de probabilidad del análisis Bayesiano 40
Caso de estudio 40
Sumario 44
Glosario 44
Ecuaciones claves 46
Ecuaciones 47
CAPITULO II
INTRODUCCIÓN A LA TEORÍA DE COLAS 49
Características fundamentales 49
Patrón de llegada de los clientes 49
Patrón de atención de los servidores 50
Disciplina de la cola 50
Capacidad del sistema 51
Número de canales de servicio 51
Número de etapas en el servicio 52
Medidas de eficiencia en un sistema 52
Modelo de teoría de colas 52
Teorema 53
Modelo M/M/1 54
Medidas de eficiencia 56
Proceso puro de nacimiento 59
Casos especiales 60
Proceso puro de muerte 61
Proceso de nacimiento y muerte 62
Distribuciones límites 63
Inferencia estadística 67
Distribución del tiempo de espera 71
Relación entre longitud esperada de la cola y el tiempo medio de espera 73
Explicación intuitiva 74
Colas con canales paralelos M/M/C 78
Ejercicios 92
CAPITULO III
MODELOS DE INVENTARIOS 101
Inventarios 101
Situación ideal 101
Compras en grandes cantidades 104
Diagrama de flujo 110
Existencias de seguridad (Z) 113
Objetivos de control de producción y stocks 114
La evolución del control de producción y los stocks 115
El control de producción en la actualidad 115
Relación entre el control de stock y el control de la producción 116
Política de dirección y control de producción 116
Distribución en función del valor 116
Sistemas de control de inventario ABC 116
Análisis ABC ! 118
Planeación de requerimiento de materiales MRP I 120
Definición de MRP I 120
Mecánica del MRP 1 . 120
Características del MRP 1 120
Planeación de los recursos de fabricación MRP II 121
Definición MRP II 121
Breve descripción del MRP II: Flujograma 122
Características del MRP II 123
Curvas de intercambio 123
CAPITULO IV
MODELOS (TEORÍA) DE REDES 127
Problema de la ruta más corta . 131
Problema del árbol del mínimo recorrido 132
Problema del PERT / CPM / LPU / ROY / RAMPS 134
Problema PERT/CPM 135
CAPITULO V
PROGRAMACIÓN NO LINEAL 145
Programación cuadrática 154
Programación separable 157
Programación Geométrica 160
Algunos programas de computadora 164
CAPÍTULO VI
SIMULACIÓN 167
Introducción * 167
Tipos de simulación 169
Ventajas y desventajas de la simulación 170
Generación de aleatorios . 171
Métodos para la generación de números pseudoaleatorios 173
1. Contrastes empíricos 173
2. Generadores congruenciales lineales 175
Generadores paralelos de números aleatorios 178
Generadores comerciales 178
Lenguajes y/o paquetes de simulación 178
Un ejemplo de simulación discreta 180
Un ejemplo de simulación continua 183
Distribuciones estadísticas de probabilidad continuas 185
Distribuciones estadísticas de probabilidad discutas 189
BIBLIOGRAFÍA 196
INTRODUCCIÓN
El presente escrito " Investigación Operativa II" tiene como objetivo principal proporcionar
a los estudiantes de la Universidad Nacional de Colombia, Sede Manizales, una herramienta que
facilite el aprendizaje de conceptos y prácticas inherentes aplicables a la realidad. A manera de
motivación se ha planteado un problema antes de comenzar cada capítulo, lo cual puede considerarse
una forma amena para cambiar de tema.
De otra parte se pretende proporcionar una secuencia lógica de los capítulos correspondientes
al curso regularmente orientado por la Universidad. Esta aproximación a un libro no busca ser un
recetario ni un tratado sobre Investigación de Operaciones; por el contrario trata de analizar y
sintetizar otros aportes de autores que han trasegado el campo de la Investigación de Operaciones.
Tampoco es propósito el quedarse en asuntos matemáticos de Investigación Operacional, más

bien es preparar y desarrollar en Administradores de Empresas, Ingenieros Industriales y
Administradores de Sistemas Informáticos: habilidades, destrezas, actitudes y aptitudes para
identificar problemas, buscar soluciones y estimularlos a trabajar en investigación posteriormente.
N o quisiera terminar este texto, sin antes agradecer en primera instancia a los docentes de
Investigación de Operaciones, como también a mis estudiantes de la Universidad Nacional de
Colombia Sede Manizales, tanto de Pregrado como de Posgrado.
Por último y de manera muy sincera quedo en deuda con Albanery (quien siempre me ha
perdonado mi inclinación por la Investigación Operacional), Xiomara Alexandra y Angélica. Sin
su dedicación, entendimiento y persistencia no hubiera podido publicar este texto.
Guillermo Jiménez Lozano

LAS C U A T R O F U G A S
Se dice que cuatro parejas se fugaron, pero al llevar a cabo sus planes se vieron
forzados a cruzar un río en un bote que solo podía llevar dos personas cada vez. En
el medio del río, había una pequeña isla; los jóvenes eran tan celosos que ninguno
de ellos permitía que su futura esposa permaneciera ni un segundo en compañía de
otro hombre a menos que también él estuviera presente.
Tampoco ninguno de ellos se aventuraba a embarcarse solo en el bote cuando hubiera

una muchacha sola, en la isla o en la costa, a menos que fuera su prometida.
Supongamos que el río tiene doscientos metros de ancho y una isla en medio en la
que pueden permanecer todos. ¿Cuántos viajes debe hacer el bote para cruzar a
todas las parejas según las condiciones impuestas?
CAPÍTULO I
TEORÍA DE D E C I S I O N E S
La humanidad no puede soportar mucha realidad.
T. S. Eliot
Para una persona o un grupo que toma decisiones, es difícil tener en cuenta todos los factores que
inciden en la decisión, por tanto, es indispensable encontrar alguna manera de descomponer estos
factores, de tal forma que le permita al tomador de decisiones, pensar en las implicaciones de cada
factor, de una manera racional. Cualquier problema de decisión, tiene ciertas características que
describen su naturaleza y además pueden proporcionar alternativas para su solución. Quien toma
decisiones debe especificar y describir los factores que tendrá en cuenta para tomar una decisión,
acorde con sus expectativas.
La teoría de decisiones es una aproximación analítica y sistemática para estudiar dichas

determinaciones.
Por lo tanto, este escrito pretende presentar algunos modelos matemáticos utilizados como ayuda
a los empresarios para tomar óptimas decisiones.
BUENAS VS. MALAS DECISIONES
Q u é hace la diferencia entre u n a b u e n a y u n a m a l a decisión?
Una buena decisión esta basada en la lógica, considera todos los datos obtenidos y las posibles
alternativas y aplica las aproximaciones cuantitativas a cerca de lo que se describe. Ocasionalmente,
una buena decisión resulta de un inesperado o desfavorable resultado. Pero si esto se hace con propiedad,
puede ser una buena decisión.
Una mala decisión es la que no está basada en la lógica, no usa toda la información obtenida, no
considera todas las alternativas y no emplea apropiadamente las técnicas cuantitativas. Si usted toma
una mala decisión, pero ésta es favorable, usted ha hecho una mala decisión.
Un empresario tiene que tomar muchas decisiones. Aunque ocasionalmente buenas decisiones
pueden producir malos resultados, en un largo recorrido, se puede llegar a un resultado afortunado.
11
LOS SEIS PASOS EN LA TEORÍA DE DECISIONES
Ya sea que usted esté decidiendo acerca de lograr un corte de cabello de moda, construyendo una
fábrica multimillonaria o comprando una cámara nueva, los pasos para tomar una buena decisión son
básicamente iguales. Estos pasos son:
1. Definir claramente el problema.

2. Listar las posibles alternativas.
3. Identificar los posibles resultados.
4. Listar el costo o la utilidad de cada combinación de alternativas y resultados.
5. Seleccionar uno de los modelos matemáticos de la teoría de decisiones.
6. Aplicar el modelo y tomar la decisión.
Pedro Pataquiva Piraquive es el fundador y presidente de la compañía Cafetera, una lucrativa

firma situada en Manizales (Caldas). Es de advertir que todos los datos están en miles de pesos ($000).
PASO 1:
El p r o b l e m a que la Cafetera identifica en este paso, está en la expansión de su línea de
productos por la manufactura y el mercadeo de un nuevo producto, que se debe almacenar en el
patio interior del galpón.
PASO 2:
El segundo paso de la Cafetera es la generación de las alternativas disponibles para el problema.
En teoría de decisión, una alternativa es definida como un camino o curso de acciones o de estrategias
para poder escoger la fabricación de la decisión.
La Cafetera decide que sus alternativas son para construir:
• U n galpón de almacenaje para la nueva planta de manufactura.

" Una planta pequeña.
• N o toda la planta (esto es, él tiene la opción de no desarrollar la nueva línea de productos).
Uno de los más grandes errores en la toma de decisiones es dejar por fuera alternativas importantes.
Aunque una alternativa en particular pueda parecer inapropiada o de poco valor, esto puede dar un
giro a la mejor selección.
PASO 3:
El tercer paso comprende la identificación de los resultados posibles según las diferentes
alternativas. Los criterios de acción son establecidos en el tiempo. La Cafetera determina que allí
solo son dos posibles resultados: el mercado para el galpón de almacenaje puede ser favorable,
significando esto una alta demanda del producto, o puede ser desfavorable, significando una baja
demanda en el galpón.
12
Un error común es olvidar alguno de los posibles resultados. La decisión del fabricante optimista
debe cuidarse de ignorar decisiones malas, mientras que el pesimista puede descontar un resultado
favorable. Si usted no puede considerar todas las posibilidades, no puede obtener una decisión lógica
y los resultados pueden ser indeseables. Si usted no piensa que lo peor puede pasar, usted puede
diseñar otro automóvil. En la teoría de decisiones, esos resultados sobre cual es la decisión a tomar
tuvo pequeños o ningún control, es llamado "Estado Natural".
PASO 4:
En este paso, la Cafetera expresa el costo de los resultados de las combinaciones posibles de
alternativas y resultados. Puesto que en este caso la Cafetera quiere maximizar su utilidad, el puede
aprovecharla para evaluar cada consecuencia. No todas las decisiones, por supuesto, se pueden basar
en solo dinero. Cualquier significado apto de medición benéfica es aceptable. En teoría de decisión
nosotros llamamos costos semejantes a valores condicionales de la utilidad. La Compañía viene evaluado
el potencial de la utilidad, asociado al costo de diferentes resultados. Con un mercado favorable, él
piensa en una facilidad duradera con un resultado neto de $ 200.000 hasta su estabilidad. Esos
$200.000 son un valor condicional porque el dinero recibido por la empresa sobre el edificio de la
industria es condicional si tiene un buen mercado.
El valor condicional del mercado es desfavorable si hay una pérdida neta de $180.000. Una
pequeña planta resulta con una utilidad neta de $ 100.000 en un mercado favorable, pero una pérdida
neta de $20.000 ocurre si el mercado es desfavorable. Finalmente, ninguna acción resulta en una
utilidad de $ 0 en uno u otro mercado.
La vía más fácil para presentar los valores es construyendo una tabla de decisiones, algunas
veces llamada tabla de costos. Todas las alternativas son listadas al lado izquierdo de la tabla y todos
los posibles resultados o estados naturales son listados hasta el tope. El cuerpo de la tabla contiene los
costos actuales.
PASOS 5 Y 6:
Los dos últimos pasos son la selección del modelo de teoría de decisiones y aplicarlo a los datos
para ayudar a obtener la decisión. La selección del modelo depende del ambiente en el cual usted este
operando.
Como usted sabe la probabilidad de éxito de la Compañía sin una investigación de mercados era
únicamente 0,50 , ahora él esta atento a que la probabilidad de éxito sea de 0,78 si la investigación de
mercados muestra unos resultados positivos. Su oportunidad de éxito cae a un 27% si el reporte de la
investigación es negativo esta es la apreciable información que se maneja, como veremos posteriormente
en el análisis de los árboles de decisión.
PROBLEMA POTENCIAL EN EL USO DE LOS RESULTADOS DE UNA INVESTIGACIÓN
En muchos problemas de toma de decisiones, resultados de investigaciones o estudios pilotos

son realizados antes de que una decisión sea hecha, como por ejemplo: construir una nueva planta o
13
tomar el curso particular de una acción. El análisis de Bayes es usado para ayudar a determinar las
correctas probabilidades condicionales que son necesitadas para resolver este tipo de problemas teóricos
de decisión. En el cómputo de estas probabilidades condicionales, nosotros necesitamos tener datos
acerca de las investigaciones y su exactitud. Si una decisión para construir una planta o para tomar
otro curso de una acción es actualmente hecho, nosotros no podemos obtener ningún dato acerca de
estas situaciones donde la decisión no es construir una planta o no tomar algún curso de una acción. De
esta manera, cuando nosotros usamos los resultados de investigaciones, nosotros estamos basando
nuestras probabilidades en los casos donde una decisión de construir una planta o tomar el curso de
alguna acción es actualmente hecha. Esta significa que la información de probabilidades condicionales
no es tan exacta como nosotros queremos. No obstante, calcular las probabilidades condicionales nos
ayuda a afirmar el proceso de toma de decisiones y el general a hacer mejores decisiones.
TEORÍA DE LA UTILIDAD
De alguna manera nosotros hemos usado el valor monetario esperado (V.M.E.) para tomar decisiones.
Sin embargo, en la práctica, el uso del V.M.E., puede conducir a malas decisiones en muchos casos. Por
ejemplo: supóngase que usted es el afortunado poseedor de un billete de lotería. Dentro de cinco minutos
una moneda será lanzada y si ella cae sello usted ganará $ 5 '000.000 y si cae caras usted no ganará nada.
Hace unos momentos un individuo le ofreció $ 2'000.000 por el billete. Asumamos que usted no
tiene ninguna duda acerca de la oferta. El le entregará un cheque certificado por toda la cantidad y
usted esta seguro de que el cheque es bueno.
El V.M.E. indica que usted mejor mantiene el billete, pero qué hará usted?, mejor mantiene el
billete. Solamente piense $ 2'000.000 por un 50% de oportunidad de nada. Suponga que usted esta
completamente seguro y sostiene el tiquete y después pierde. Cómo explicaría usted esto a sus amigos?
N o eran mejor $2'000.000 que nada?.
La mayoría de la gente lo vendería por $2'000.000 en realidad lo vendería por menos, el total de
la venta es un problema de preferencia personal. La gente tiene diferentes sentimientos acerca de la
forma de afrontar el riesgo. El V.M.E. no es una buena forma para tomar este tipo de decisiones.
Una forma de incorporar sus aptitudes para afrontar el riesgo es mostrado en la teoría de utilidad.
La siguiente sección primero explora como medir la utilidad y luego como tomar decisiones.
MEDIDA DE LA UTILIDAD Y CONSTRUCCIÓN DE UNA CURVA DE UTILIDAD
La tasa de la utilidad comienza con la asignación para el peor resultado y/o para el mejor resultado
una utilidad de 1. Todos los otros resultados tendrán un valor entre 0 y 1. En la determinación de las
utilidades de todos los resultados, otros diferentes del mejor y el peor resultado, un estándar de partida
es considerado.
A continuación se muestra que P es la probabilidad de obtener el mejor resultado y (1 - P) la

probabilidad de obtener el peor resultado. Midiendo la tasa utilidad de cualquier otro resultado involucra
14
la determinación de la probabilidad, P, que te hace indiferente entre la alternativa 1, el cual es la
pérdida entre el mejor y el peor resultado y la alternativa 2 que la obtiene del otro resultado. Por
seguridad, cuando usted es indiferente entre la alternativa 1 y 2 después la utilidad esperada para estas
2 alternativas deberá ser igual. Esta relación se muestra a continuación:
- Utilidad esperada alternativa 2 = Utilidad esperada alternativa 1.

- Utilidad de otros resultados = ( P ) (utilidad del mejor resultado, la cual es 1) + (1 - P) (utilidad
del peor resultado, la cual es 0).
- Utilidad de otros resultados = ( P ) ( 1 ) + ( 1 - P ) ( 0 ) = P.
Ahora, todo lo que usted tiene que hacer es determinar el valor de la probabilidad ( P ) que te
hace indiferente entre la alternativa 1 y 2. En el establecimiento de la probabilidad, usted mejor está
atento a que la tasa de la utilidad sea completamente subjetiva. Es un valor establecido por el que hace
la decisión y no puede ser medido en una escala objetiva. Tomemos vistazo a un ejemplo.
Pablo Petrel Petuma le gustaría construir una curva de utilidad que le revele su preferencia por el
dinero entre 0 - $ 10.000. El puede invertir en una cuenta bancaria o puede invertir su dinero en un negocio.
Si el dinero es invertido en el banco, en tres años Pablo tendrá $5.000, y si se invierte en un

negocio en tres años $ 10.000 o nada. Pablo, sin embargo es muy conservador, a menos de que haya un
80 % de oportunidad de obtener $10.000 del negocio, Pablo preferiría tener el dinero en el banco
donde esta seguro. Lo que Pablo ha hecho acá es medir su utilidad $5.000. Cuando hay un 80 % de
oportunidad ( Esto significa que P es 0.80 ) de obtener $10.000, Pablo es indiferente entre colocar su
dinero en estado real ( n e g o c i o ) o colocarlo en el banco. La utilidad de Pablo de $5.000 es de alguna
manera igual a 0.8, el cual es el mismo que el valor de P, lo cual es equivalente a la tasa de utilidad.
TOMA DE DECISIONES
Varios factores en la toma de decisiones
Muchos problemas en la toma de decisiones, envuelven un número de factores. Por ejemplo si

usted esta considerando un nuevo trabajo, los factores pueden incluir un salario inicial, oportunidades
de progreso en la carrera, la ubicación del trabajo, las personas con las que estará en el trabajo, el tipo
de trabajo que estará realizando y la variedad de beneficios adicionales.
Si usted está considerando la compra de un computador personal, hay un importante número de

factores que se deben considerar muy bien. Entre éstos factores se puede incluir el precio, la capacidad
de memoria, la compatibilidad con otros computadores, flexibilidad, nombre de la marca, viabilidad
del software, la existencia de algunos clubes o grupos de usuarios y la garantía de los fabricantes del
computador y el local del almacén de los computadores.
En la compra de un carro nuevo o usado, factores como el color, el estilo, fábrica y modelo, año,
número de kilómetros, si es un carro usado, precio, la institución o individuo de quien usted esta
adquiriendo el carro, las garantías y el costo del seguro, pueden ser factores importantes a considerar.
15
En la toma de decisiones de varios factores, muchos individuos subjetiva e intuitivamente
consideran la variedad de factores para hacer su selección. Para decisiones difíciles se recomienda
una aproximación cuantitativa. Todos- los factores importantes pueden entonces dar consideraciones
apropiadas y cada alternativa, tal como un carro, un computador o un prospecto de un nuevo trabajo,
pueden ser evaluados en términos de estos factores. Esta aproximación es llamada proceso de evaluación
de varios factores.
En otros casos no nos es posible cuantificar nuestras preferencias por varios factores y alternativas.
Nosotros entonces usamos el Proceso de Jerarquía Analítica. Este proceso utiliza dos modos de
comparación computando el peso de los factores considerados y las evaluaciones para nosotros.
Empezamos con una discusión del proceso de evaluación de varios factores.
El proceso de evaluación de varios factores
Con el proceso de evaluación de varias alternativas, comenzamos por listar los factores y su
relativa importancia, en una escala del 0 al 1.
Vamos a considerar un ejemplo. Saúl Saray Saraza, un estudiante del bachillerato especializado
en negocios, está buscando diferentes oportunidades de trabajo, después de discutir la situación con su
consejero académico y con el director del centro de empleos, Saúl ha determinado que los tres únicos
factores importantes para él son el salario, las oportunidades de progresar en su carrera y la ubicación
del nuevo trabajo. Además Saúl ha decidido que las oportunidades de progreso en su carrera, son lo
más importante para él.
El le ha dado a éste un peso en importancia de 0,6. Saúl ha situado su próximo salario con un
peso de 0,3. Finalmente Saúl le ha dado un peso en importancia a la ubicación de 0,1. Como en
cualquier problema, en el proceso de evaluación de varios factores, los conceptos de importancia para
cada factor deben sumar 1. (Tabla N ° l )
TABLA N°L. FACTOR PESO
FACTOR IMPORTANCIA
Salario 0.3
Progreso de carrera 0.6
Ubicación 0.1
En este tiempo Saúl se siente confiado, de que él tendrá un ofrecimiento de la compañía AA Com,
EDS Ltda y la PWW. Para cada uno de estos trabajos Saúl ha evaluado o porcentualizado los diferentes
factores. Esto se hizo en una escala de 0 a 1. Para la compañía AA, Saúl ha dado una evaluación del
salario de 0,7, a la promoción de la carrera una evaluación de 0,9, y a la ubicación una evaluación de 0,6.
16
Para EDS Ltda., Saúl evaluó el salario como 0,8, la promoción de la carrera como 0,7, y la
ubicación como 0,8. Para PWW. Saúl le dio al salario un peso de 0.9, al progreso en la carrera una
evaluación de 0.6 y a la ubicación una evaluación de 0.9, los resultados se muestran en la tabla siguiente:
(Tabla N° 2).
TABLA N°2. FACTOR EVALUACIÓN
FACTOR AA Com EDS Ltda PWW
Salario 0.7 0.8 0.9
Progreso de carrera 0.9 0.7 0.6
Ubicación 0.6 0.8 0.9
Dada ésta información, Saúl puede determinar el peso total de evaluación, para cada una de las
alternativas o posibilidades de trabajo. Cada compañía ofrece un factor de evaluación para los tres
factores; entonces los pesos de los factores son multiplicados por la evaluación del factor y son sumadas
para obtener una evaluación total del peso para cada Compañía. Como se puede observar en la tabla la
compañía AA Com, ha recibido un peso de evaluación de 0.81. El mismo tipo de análisis está hecho,
para EDS Ltda y PW, en las tablas 4 y 5 como usted puede ver la Compañía AA Com, en el análisis ha
recibido el más alto peso total de evaluación, la EDS Ltda fue la siguiente con un peso de evaluación
total de 0.74, y la PW fue la última, con un peso total de evaluación de 0.72. Usando el proceso de
evaluación de varios factores, la decisión de Saúl, fue ir con la compañía AA Com, ya que obtuvo el
más alto total en el peso de evaluación.
TABLA N°3. E V A L U A C I Ó N DE LA C O M P A Ñ Í A A A C O M
Factor Factor Peso Factor Evaluación Peso de Evaluación
Salario *
0.3 0.7 0.21
Progreso de carrera *
0.6 0.9 0.54
Ubicación *
0.1 0.6 0.06
Total 1 = 0.81
17
1
TABLA N°4. EVALUACIÓN DE EDS LTDA
Salario 0.3 * 0.8 0.24
Progreso de carrera 0.6 * 0.7 0.42
Ubicación 0.1 * 0.8 0.08
Total 1 0.74
TABLA N°5. EVALUACIÓN DE P W W
Salario 0.3 * 0.9 0.27
Progreso de carrera 0.6 * 0.6 0.36
Ubicación 0.1 * 0.9 0.09
Total 1 0.72
El Proceso d e J e r a r q u í a Analítica
En situaciones donde nosotros podemos asignar evaluaciones y pesos a varios factores de decisión,
el proceso de evaluación de factores varios, descrito en la sección anterior, trabaja bien. En otros
casos tomar una decisión puede tener dificultades, en la correcta determinación de los distintos pesos
y evaluaciones de factor. En este caso el Proceso de Jerarquía Analítica, puede ser usado. El Proceso
de Jerarquía Analítica, fue desarrollado por Thomas L. Saaty y publicado en su libro "El Proceso de
Jerarquía Analítica", en 1980.
Este proceso incluye parejas de comparación. La toma de una decisión empieza por trazar la
jerarquía más alta de la decisión. Esta jerarquía revela los factores a ser considerados, así como las
distintas alternativas en la decisión.
De este modo varias parejas de comparaciones, están ya resueltas. Estas parejas de comparaciones
se obtienen en la resolución de factores de pesos y de evaluación. Los tipos de peso y de evaluación
tratados en la sección anterior, son los mismos que se utilizan aquí y que además se han mostrado, en
las tablas anteriores. Como antes la alternativa con más alto peso total registrado, es seleccionada
como la mejor opción.
18
t
Como un ejemplo de estos procesos, tomamos el caso de Judith Jafet Jacome, quien está
investigando un nuevo sistema de computación para la pequeña empresa. Ella ha determinado que la
mayor importancia sobre los factores, son, el hardware, software y sustentación del vendedor, además
Judith ha limitado sus alternativas bajo tres posibles sistemas de computación. Ella ha llamado estos
sistemas como sistema 1, sistema 2 y sistema 3.
Judith ha empezado a tener en cuenta estas alternativas y factores dentro de la jerarquía de

decisiones. Ver figura 1 la jerarquía de decisión para la selección de computadores, tiene tres niveles
diferentes.
El nivel más alto describe la mejor decisión. Como usted puede ver en la figura 1 la mejor
decisión es la selección del mejor sistema de computación.
El nivel medio en la jerarquía, describe los factores a considerar, hardware, software y sustentación
del vendedor, Judith puede decidir utilizar un número adicional de alternativas, pero para este ejemplo,
hasta mostrarle los tipos de operaciones que están en funcionamiento.
El bajo nivel de la jerarquía de decisiones, revela las alternativas (éstas tienen también los llamados
artículos de sistema).
A medida que usted pueda observar las alternativas, incluye tres diferentes sistemas de
computación, llamados sistema 1, sistema 2 y sistema 3.
FIGURA 1. JERARQUÍA DE D E C I S I Ó N PARA SELECCIÓN DE SISTEMAS DE C O M P U T A C I Ó N
TIPOS DE DECISIÓN
Los tipos de decisión que toma la gente dependen de cuanto saben o de la información que tienen
acerca de la decisión. Tres decisiones son definidas y explicadas a continuación:
19
Tipo 1: Decisión t o m a d a b a j o hechos ciertos
En este ambiente, quienes toman la decisión saben con certeza la consecuencia de cada alternativa
o decisión a seguir. Naturalmente, ellos escogen la alternativa que maximizará su buen comienzo o
con la que se obtendrán mejores resultados. Por ejemplo, usted tiene $1.000 para invertir en un
período de un año. Una alternativa es abrir una cuenta pagando el 6 % de interés, y otra alternativa es
invertir en un bono de la tesorería de gobierno pagando el 10 % de interés. Si ambas inversiones son
seguras y garantizadas, entonces con certeza la mejor inversión será la del bono de la tesorería. Un
año después, estará con un interés de $100.
Tipo 2: Decisión t o m a d a b a j o riesgos
Aquí, la decisión tomada conoce la probabilidad de ocurrencia de cada resultado. Nosotros sabemos
por ejemplo, que la probabilidad de existencia de un club es de 0,25.
En decisiones tomadas bajo riesgo, la decisión tentativa maximizará su bienestar. Los modelos
de teoría de decisiones para problemas de negocios se emplean en este ambiente típico con dos criterios
equivalentes:
- Maximización de la espera del valor monetario.

- Maximización de esperar una pérdida.
Tipo 3: Decisión t o m a d a b a j o hechos inciertos
En esta categoría, las decisiones tomadas no son uniformes en las probabilidades de las variaciones
de los resultados. Por ejemplo, la probabilidad de que un conservador llegue a ser presidente de
Colombia en 25 años, no se sabe. Algunas veces esto es imposible adicionarlo a la probabilidad de
que suceda una nueva empresa o producto.
Véase como la decisión del tipo 1 pudo afectar a la Cafetera. Aquí nosotros asumimos que la
Compañía sabía exactamente que le pasaría en el futuro. Al volver atrás, el sabe con certeza que el
mercado para el galpón de almacenaje será favorable, qué haría él? .
Mire de nuevo la tabla de valores de la Cafetera porqué el mercado es favorable, él pudo construir
una planta larga, con una utilidad de $200.000. Pocos empresarios tienen la suficiente suerte para
tener completa información y saber acerca de los estados naturales sobre lo que se está considerando.
La decisión tomada bajo riesgos será discutida próximamente. Esta es más realista en las situaciones
y un poco más complicada.
DECISIÓN CREADA BAJO RIESGO
La decisión creada bajo riesgo es una decisión probabilística de situación, varias clases de
posibilidad de esta índole pueden ocurrir, cada uno con una probabilidad de suceder. En esta parte,
nosotros vamos a considerar uno de los mas populares métodos de crear decisiones bajo riesgo,
seleccionando la alternativa que nos dé el más alto valor monetario. Nosotros también miramos los
conceptos de información perfecta y de pérdida de oportunidades.
20
VALOR MONETARIO ESPERADO (V.M.E.)
Dada la decisión en el cuadro con valores condicionales (resultado final) y una probabilidad de
tasas para todos los estados de esta índole. Es posible que para contar con un valor monetario esperado
(V.M.E.) para cada alternativa, la decisión puede ser repetida a lo largo de cierto número de veces.
El valor monetario esperado es justamente la suma de los resultados finales de la alternativa, es

decir, cada ponderado por la probabilidad de que ocurra un resultado final.
V.M.E. (ALTERNATIVA i ) = Resultado final del primer estado de

naturaleza.
* (Probabilidad del primer estado de
naturaleza).
+ (Resultado final del segundo estado de
naturaleza).
* (Probabilidad del segundo estado de
naturaleza).
+ . . . + (Resultado final del último estado de
naturaleza ).
* (Probabilidad del último estado de
naturaleza).
Suponga que la Cafetera ahora cree que la probabilidad de un mercado favorable es exactamente
la misma, como la probabilidad de un mercado no favorable, que es cada estado de naturaleza con una
oportunidad de 0,50.
Cualquier alternativa podrá dar la mejor expectativa del valor unitario?. Para determinar esto, la
Cafetera tuvo que contar con una tabla de decisiones como nos muestra a continuación:
TABLA N°6. DECISIONES C O N PROBABILIDADES Y VALOR M O N E T A R I O ESPERADO (VME)

PARA LA CAFETERA
ESTADO DE NATURALEZA
MERCADO MERCADO NO VME
FAVORABLE FAVORABLE CALCULADO
ALTERNATIVAS ($) ($) ($)
Amplia Facilidad 200.000 -180.000 10.000
Pequeña Facilidad 100.000 -20.000 40.000
Sin Facilidades 0 0 0
Probabilidades .50 .50
21
Los cálculos son:
VME (amplia facilidad) (.50) ($200.000) + (.50) (-$180.000)

$10.000
VME (pequeña facilidad) (.50) ($100.000) + (.50) (-$20.000)
$40.000
VME (sin facilidades) (.50) ($0) + (.50) ($0)
$0
La más larga supone el valor de los resultados de la segunda alternativa, edificando una pequeña
factoría. De esta manera, la Cafetera podrá avanzar con el proyecto y poner sobre la pequeña planta de
manufacturas el almacenamiento de los desperdicios.
El valor monetario esperado para la planta grande y para no hacerlo son de $10.000 y $0
respectivamente.
Información perfecta del valor e s p e r a d o
La Cafetera ha estado asesorada por "Mercadeo Científico", una firma que propone ayudar a La
Cafetera a tomar una decisión acerca de que cualquiera o ningún edificio de la planta produzca esos
desperdicios y los almacene.
"Mercadeo Científico" afirma que ese análisis técnico podrá decirle a la Cafetera con certeza que
cualquiera o ningún mercado es favorable para este producto propuesto. En otras palabras si yo voy a
cambiar este ambiente de una decisión de mercadeo bajo un riesgo a una decisión de mercado bajo
seguridad.
Esta decisión puede prevenir a la Cafetera de cometer un gran error. "Mercadeo Científico"
podrá cobrarle a la Empresa $65.000 por el trabajo y la información.
- Qué podrá usted recomendarle a la Cafetera?
- Podrá él emplear la firma para le estudio de mercadeo?
- Aún si la información del estudio de mercadeo es perfectamente precisa, vale la pena gastar
$65.000?.
- Podrá servir de algo?.
A través de algunas de estas preguntas que son difíciles de responder, determinando el valor de
esta "Información Perfecta" podrá ser útil. En esta sección, dos términos relativos son investigados
"La información perfecta del valor esperado" (IPVE) y la Información Perfecta con el valor esperado),
esas técnicas pueden ayudar a la Cafetera a resolver esta situación que es la de alquilar los servicios de
consultoría de mercadeo.
22
El valor supuesto con la información perfecta es la suposición o promedio de volverse a lo largo
del camino, si nosotros tenemos una información perfecta antes de tomar una decisión, en orden para
calcular este valor, nosotros escogemos la mejor alternativa para cada estado de naturaleza y
multiplicamos este resultado final las veces que ocurra la probabilidad de suceder el estado de naturaleza.
Información perfecta con el valor e s p e r a d o - el m á x i m o V.M.E.
= (Mejor resultado o consecuencia para el

primer estado de naturaleza).
* ( Probabilidad del primer estado de
naturaleza).
+ ( Mejor resultado para el primer estado de
naturaleza).
* (Probabilidad del segundo estado de

naturaleza).
+ . . . + (Mejor resultado para el último estado
de naturaleza).
* (Probabilidad del último estado de
naturaleza).
La información perfecta del valor esperado IPVE, es el resultado esperado con la información
perfecta menos el resultado esperado sin la información perfecta es decir, el máximo VME.
IPVE = INFORMACIÓN PERFECTA CON EL VALOR ESPERADO - EL MÁXIMO VME.
Para referencia vuelva a la tabla anterior, la Cafetera puede calcular lo máximo que el podrá
pagar por la información, que es, la información perfecta del valor esperado o IPVE. El sigue dos
etapas para el proceso. Primero que todo, la información perfecta con el valor esperado es computada,
luego usando esta información el IPVE es calculado. El procedimiento es resumido a continuación.
1. El mejor resultado para el estado de naturaleza "Mercado Favorable" es construir una amplia
facilidad con un resultado de $200.000. El mejor resultado para el estado de naturaleza "Mercado
N o Favorable" es no hacerlo con un resultado final de $0.
La información perfecta con el valor esperado - ($200.000) (,50) + ($0) (,50) = 100.000. De esta
manera si nosotros tenemos la información perfecta, podremos esperar en promedio $100.000 si la
decisión puede ser repetida algunas veces.
2. El máximo de VME es de $ 40.000 el cual es el resultado final esperado sin información

perfecta.
IP VE= INFORMACIÓN PERFECTA CON EL VALOR ESPERADO - EL MÁXIMO DE VME.

= $100.000 - $40.000 = $60.000
23
•
Así, que lo mejor que La Cafetera puede hacer es pagar por esa información perfecta los $60.000.
Esto por supuesto, es basado otra vez en la suposición de que la probabilidad de cada estado de
naturaleza es de ,50.
OPORTUNIDAD PERDIDA
Una alternativa aproximada para maximizar el valor monetario esperado (VME) es minimizar la
pérdida de la oportunidad esperada (POE) la oportunidad perdida algunas veces llamada de
arrepentimiento se refiere a la diferencia entre el beneficio óptimo y el actual resultado recibido, en
otras palabras es la cantidad perdida por no seleccionar la mejor alternativa.
Lo mínimo de la pérdida de la oportunidad esperada consiste en fundamentar la construcción de

una tabla de oportunidad perdida y computar la pérdida de la oportunidad esperada para cada alternativa.
Vamos a ver como se procede para el caso de la Cafetera.
PASOl:
El primer paso para crear la tabla de la pérdida de la oportunidad esperada, es hacerla para determinar
la pérdida de la oportunidad por no escoger la mejor alternativa para cada estado de naturaleza. La
pérdida de la oportunidad para ningún estado de naturaleza o ninguna columna del mejor resultado en la
misma columna para un mercado favorable el mejor resultado final es de $200.000 como el resultado
para la primera alternativa, edificando una amplia facilidad. Para un mercado no favorable el mejor
resultado final es de $0. Como el resultado para la tercera alternativa, ningún hecho.
La próxima tabla ilustra estas comparaciones.
PASO 2:
POE es computado por la multiplicación de la probabilidad de cada estado de naturaleza adecuado

al valor de la oportunidad perdida.
POE ( A M P L I A FACILIDAD EDIFICADA)

( , 5 ) ( $0 ) + ( , 5 ) ( $180.000 ) = $90.000.
POE ( P E Q U E Ñ A FACILIDAD EDIFICADA )
( ,5 ) ( $100.000 ) + ( ,5 ) ( $20.000 ) = $60.000.
POE ( SIN FACILIDADES )
( ,5 ) ( $200.000 ) + ( ,5 ) ( $0 ) = $ 100.000.
Usando el mínimo de POE como criterio de decisión, la mejor decisión puede ser la segunda
alternativa, elaborando una pequeña facilidad.
Es importante anotar que el mínimo de POE podrá siempre resultar la misma decisión con el
máximo V M E y que el siguiente vínculo siempre posee a IPVE = al mínimo de POE, refiriéndose al
caso de la Cafetera, IPVE = 4 60.000 = al mínimo de POE.
24
TABLA N° 7. O P O R T U N I D A D E S PERDIDAS DETERMINADAS POR LA CAFETERA
MERCADO FAVORABLE MERCADO NO FAVORABLE
$200.000 - $200.000 $0-(-$180.000)
$200.000-$100.000 $0 - (-$20.000)
$ 2 0 0 . 0 0 0 - $0 $0-$0
TABLA N ° 8. O P O R T U N I D A D E S PARA LA CAFETERA ESTADO DE NATURALEZA
MERCADO FAVORABLE MERCADO NO FAVORABLE
ALTERNATIVAS ($) {$)

Amplia Facilidad 200.000 180.000
Pequeña Facilidad 100.000 20.000
Sin Facilidades 0 0
Probabilidades ,50 ,50
FUNDAMENTOS DE LA TEORÍA DE DECISIONES
M a x i m ín
Este criterio encuentra la alternativa que maximiza la mínima oportunidad o consecuencia para
cada alternativa. Usted primero ubica la mínima oportunidad entre cada alternativa y entonces se
escoge la alternativa con el número máximo. Desde que este criterio de decisión ubica la alternativa
que tuvo la mínima probabilidad de pérdida, éste ha sido llamado el criterio de decisión pesimista.
La elección maximín de la Cafetera de hacer nada, se muestra en la tabla, éste es el máximo del
mínimo número entre cada hilera o alternativa.
25
1
I g u a l d a d de P r o b a b i l i d a d
El criterio de decisión de igualdad de probabilidad encuentra esa alternativa con la más alta
oportunidad promedio, usted primero calcula la oportunidad promedio para cada alternativa, las cuales
las suma de todas las oportunidades dividido por el número de oportunidades, entonces se escoge esa
alternativa con el número máximo. La aproximación de igualdad de proximidad asume que todas las
probabilidades de acontecimiento para las situaciones de naturaleza son iguales, cada naturaleza de la
situación es una igualdad de probabilidad.
La elección de igualdad de probabilidad para la Cafetera es la segunda alternativa para edificar

una pequeña planta. Esta estrategia mostrada en la tabla adjunta es el máximo de la oportunidad promedio
de cada alternativa.
TABLA N ° 9. LA D E C I S I Ó N DE I G U A L D A D DE PROBABILIDAD DE LA CAFETERA NATURALEZA DE LA S I T U A C I Ó N
NATURALEZA DE LA SITUACIÓN
MERCADO MERCADO NO PROMEDIO
FAVORABLE FAVORABLE DE FILA
Construir una gran planta 200.000 -180.000 10.000
Construir una pequeña planta 100.000 -20.000 40.000
No hacerlo 0 0 Igualdad de prob.
TABLA N ° 1 0 . LA D E C I S I O N DEL CRITERIO DE REALISMO DE LA CAFETERA

( LLAMADA TAMBIÉN CRITERIO DE H U R W I C Z )
PROMEDIO
MERCADO MERCADO NO
CRITERIO DE REALISMO PONDERADO
FAVORABLE FAVORABLE
(alfa=0.8)
Construir una gran planta 200.000 -180.000 124.000
Construir una pequeña planta 10.000 -20.000 76.000
No hacerlo 0 0 0
26
Criterio de Realismo (Criterio de Hurwicz)
A menudo llamado promedio ponderado, este criterio es un compromiso entre la decisión optimista
y pesimista. Para comenzar se selecciona un coeficiente de realismo X, este coeficiente está entre 0 y
1, cuando X está cerca de uno, la toma de decisión es óptima acerca del futuro, cuando X está cerca de
cero, la decisión es pesimista con respecto al futuro. El promedio de esta aproximación es lo que nos
permite construir la toma de decisión en los sentimientos de las personas acerca del relativo optimismo
y pesimismo, la fórmula es la siguiente:
Criterio de realismo = (alfa) ( máximo en la fila) + ( 1 - alfa) ( mínimo en la fila ).
Si nosotros consideramos que la Cafetera establece su coeficiente de realismo alfa en 0,8 , la

mejor decisión podría ser construir una gran planta, como se ve en la Tabla 10 esta alternativa tiene el
más alto promedio ponderado .
$124.000 = (0.8 ) ( 200.000 ) + ( 0.2 ) ( - 1 8 0 . 0 0 0 ).
Minimax
El último criterio de decisión que discutiremos está basado en la oportunidad de pérdida. Minimax
encuentra la alternativa que minimiza la máxima oportunidad de pérdida entre cada alternativa, usted
primero encuentra la máxima oportunidad de pérdida entre cada alternativa, luego selecciona la
alternativa con el mínimo número.
La oportunidad de pérdida de eventos se encuentra en la Tabla 8, podemos ver que la elección

minimax es la segunda alternativa, construir una pequeña facilidad haciendo tan mínima la máxima
oportunidad de pérdida.
USANDO EL COMPUTADOR PARA RESOLVER LA DECISIÓN DE PROBLEMAS

TEÓRICOS
Cuando se considera un gran número de alternativas, tomar una decisión puede ser difícil y
complicado, para facilitar la carga puede ser usando para resolver el valor monetario esperado para
cada alternativa también como el valor esperado con una información perfecta y el valor esperado de
la información perfecta. El computador puede ser usado para determinar la alternativa con el máximo
valor monetario esperado, el cual es a menudo empleado para seleccionar la mejor alternativa.
En esta sección, mostramos cómo nuestro paquete de software de microcomputador, puede ser
usado en la decisión de problemas teóricos. Para hacer esto nosotros tomamos como ejemplo la
compañía la Cafetera, en este ejemplo la decisión tiene que ser hecha para construir una gran planta,
para construir una pequeña planta o no hacerlo. Los datos para este problema están mostrados
anteriormente, note que como todos los programas de microcomputador, las respuestas que usted está
por hacer han estado ocultas. Usted puede desear tratar con varios valores por este problema para ver
cómo podrán ellos cambiar los valores monetarios esperados para cada alternativa, el máximo valor
27
monetario esperado, el valor esperado con una perfecta información y el valor esperado de la perfecta
información.
El programa 1, ilustra el funcionamiento completo del computador.
PROGRAMA 1 VALOR MONETARIO ESPERADO PARA LA CAFETERA

*** VALOR MONETARIO ESPERADO ***
COMAND INFO
*** VALOR MONETARIO ESPERADO ***
- INFORMACION -
El criterio de valor monetario esperado computa el valor monetario esperado o fuera de poco
asociado con cada alternativa de decisión y la incontrolable naturaleza de la situación. La salida
presenta el máximo valor monetario esperado, el valor esperado con información perfecta y el valor de
la información perfecta. Este programa puede tomar problemas con tablas fuera de pago de más de 50
alternativas y 50 de la naturaleza de la situación.
*** FORMATO DE DATOS DE ENTRADA ***

ENTRE LOS DATOS EN EL SIGUIENTE ORDEN.
1. Titulo del programa.

2. Numero de alternativas.
3. Número de naturalezas de la situación.
4. Probabilidad de cada situación de naturaleza.
5. El resultado de cada alternativa y naturaleza de cada situación.
COMAND -> ENTER
*** ENTRADA DEL TECLADO ***
Entre el título del problema? La Cafetera.
Entre el número de alternativas a analizar? 3.
Entre el número de naturaleza de situación? 2
Entre la probabilidad de sucesos de naturaleza de situación #1 ? 5.

Entre la probabilidad de sucesos de naturaleza de situación #2 ? 5.
Entre resultado para la alternativa # 1 y la naturaleza de situación 1.

Comand Ron.
SALIDA DEL PROGRAMA
28
TABLA N ° 11. FUERA DE P A G O
ALTERNATIVAS SI S2 EMV
DI 200.000 -180.000 10.000
D2 10.000 -20.000 40.000
D3 0 0 0
Probabilidades 0.50 0.50
De acuerdo a la Tabla N° 11:

La mejor alternativa es D2.
El máximo VME = 40.000
El valor esperado con información perfecta es = 10.000
El valor esperado de información perfecta = 60.000
ÁRBOL DE DECISIÓN Y TEORÍA DE LA UTILIDAD
Cuando una secuencia de decisiones necesita ser tomada, los árboles de decisión son una herramienta
más poderosa que las tablas de decisión. Decimos que la Cafetera tiene dos decisiones a tomar, con la
segunda decisión dependiendo del resultado de la primera. Antes de decidirse por una nueva planta, la
Cafetera tiene la opción de conducir su propia inspección de la investigación del mercado, con un costo
de $ 10.000. La información de su inspección puede llevarlo a decidir si construir una planta larga, una
planta pequeña o no construir nada. La Cafetera reconoce, que una inspección general del mercado no le
proveería la información perfecta, pero puede ayudar no obstante un poco.
"Todos los resultados y alternativas deben ser considerados"
La nueva decisión del árbol está representada en la Figura 5. Miremos cuidadosamente este árbol
más complejo. Se nota que todas las posibles soluciones y alternativas están incluidas en su secuencia
lógica. Esta es una de las ventajas de usar el árbol de decisión en la toma de decisiones. El usuario es
forzado a examinar todos los resultado posibles, incluyendo los desfavorables. El o ella son forzados
a hacer decisiones de una manera lógica y secuencial. Examinando el árbol, vemos que la primera
decisión de la Cafetera es conducir o no las $10.000 de la inspección del mercado. Si él escoge no
hacer el estudio (la parte de abajo del árbol), él puede entonces construir una planta larga, una pequeña
o no construir. Este es el segundo punto de decisión. El mercado así puede ser favorable (50 % de
probabilidad) o desfavorable (50 % de probabilidad), si él construye. El pago adecuado de cada una
de las consecuencias posibles están al lado derecho. De hecho su baja porción del árbol de la Cafetera
es idéntica a la más simple decisión del árbol mostrado en la Figura 5. Por qué es así?.
29
La parte superior de la segunda Figura 5 refleja la decisión de conducir la supervisión del mercado.
El estado de naturaleza del nodo número uno tiene dos ramas que salen de él. Hay un 45% de chance
que el resultado del estudio indicara un mercado favorable por cubrimiento del almacenamiento.
Nosotros notamos también que la probabilidad es de 55% de que el resultado de estudio sea negativo.
"Probabilidades condicionales"
El resto de las probabilidades muestra en paréntesis en la Figura 5 que son probabilidades

condicionales. Por ejemplo, 0.78 es la probabilidad de un mercado favorable dado que el cubrimiento
da un resultado favorable del estudio del mercado, por supuesto, usted esperaría encontrar una
probabilidad alta de un mercado favorable dado que la búsqueda indicó que el mercado es bueno. No
olvidemos, sin embargo que hay un chance de que los $ 10.000 de la Cafetera del estudio del mercado
no resulta de una perfecta o tal vez confiable información. Cualquier investigación del estudio del
mercado está sujeta a error. En este caso, hay un 22 % de chance que el resultado del estudio es
positivo.
Notamos que hay un 27% de chance que el mercado por cubrimientos no sea favorable dado que
el estudio de Amazonas resultó ser negativo. La probabilidad es más alta, del 0.73% que el mercado
sea desfavorable dado que el estudio sea negativo.
Finalmente, cuando miramos a la columna de pagos que debe hacerse en la Figura 5 vemos que
los $ 10.000, el costo del estudio del mercado debe ser sustraído a cada uno de los brazos del árbol. De
este modo, una planta larga con un mercado favorable normalmente da un neto de $200.000 de ganancia.
Pero a causa de que el estudio del mercado fue conducido, esta figura es reducida de $ 10.000 a $ 190.000.
En el caso desfavorable, la pérdida de $180.000 se incrementaría a $190.000. Similarmente,
conduciendo la inspección y construcción de ninguna planta ahora resulta en $10.000 de pago que se
debe hacer o liquidar.
Con todas las probabilidades y liquidaciones especificadas podemos empezar a calcular el valor
monetario esperado de cada uno de los brazos. Empezamos desde el lado final al lado de la mano
derecha del árbol de decisión y nos devolvemos hasta el origen. Cuando terminamos, la mejor decisión
será conocida.
1. Dando favorables resultados de inspección.
VME ( nodo 2 ) = VME (planta larga / supervisión positiva).

= (.78) ($190.000) + (0.22) ( - $ 1 9 0 . 0 0 0 ) .
= $ 106.400.
VME ( nodo 3 ) = VME (planta pequeña / supervisión positiva ).
= ( .78 ) ( $ 90.000 ) 4- ( 0.22 ) ( - $ 30.000 ).
= $ 63.500
El VME de no hacer la planta es este caso es de - $10.000. Casi el resultado de supervisión es

favorable, una planta larga debe ser construida.
30
Por lo tanto, la alternativa 1 es la mejor estrategia usando la utilidad como un criterio de decisión.
Si VME ha sido usado, la alternativa 2 sería la mejor estrategia. La curva de utilidad es un buen
buscador de riesgo de la curva de utilidad, y la escogencia de jugar el juego realmente refleja su
preferencia por el riesgo.
Caer chinches Utilidad

PUNTOS ENCIMA (0,45) ,30
Caer chinches
PUNTOS ABAJO (0,55) 50
NO JUGAR
iva 2 '15 \ biblioteca
FIGURA N ° 2. U S A N D O I A UTILIDAD ESPERADA EN T O M A DE DECISIONES
Cualquier problema que pueda ser presentado en una tabla de decisión, también puede ser ilustrado
gráficamente en un árbol de decisión.
Retomemos el caso de la compañía la Cafetera. Un árbol de decisión simple para representar la

decisión de la Cafetera se muestra en la Figura 3. Obsérvese que en el árbol se presenta la decisión y
resultados en un orden secuencial.
Primero la Cafetera decide si construye una planta grande, pequeña o no la construye. Una vez
que la decisión es tomada, los posibles resultados (favorable y desfavorable mercado ) podrán ocurrir.
Todos los árboles de decisión son similares en que ellos contienen puntos de decisión y puntos
donde el árbol de divide. Estos símbolos son:
• Punto de decisión de donde algunas alternativas deben ser adoptadas.
O Punto de condiciones naturales donde alguna condición natural puede ocurrir.
Analizando problemas con árboles de decisión envuelven 5 pasos:
1. Definir el problema.
2. Diseñar el árbol de decisión.
3. Asignar probabilidades a las condiciones naturales.
4. Estimar los resultados para cada combinación posible de alternativas y condiciones naturales.
5. Resolver el problema computando los valores monetarios esperados para cada punto de
condiciones naturales. Esto se realiza trabajando hacia atrás, esto es, empezando a la derecha
del árbol e ir avanzando hacia atrás en los puntos de decisión en la izquierda.
31
Por medio del árbol de decisión completo y resuelto para la Cafetera se puede observar que los
gastos están ubicados al lado derecho de las ramas del árbol. Las probabilidades (usadas por la Cafetera)
son ubicados en paréntesis al lado de cada condición natural. Los valores monetarios esperados para
cada condición natural son después calculados y ubicados en sus respectivos puntos. El valor monetario
esperado para el primer punto es $10.000.
Estos representan las ramas de los puntos de decisión para construir una planta grande. El valor
monetario esperado, para construir una planta pequeña $40.000.
No construir una planta o no hacer nada, por supuesto el gasto es 0. El brazo que tiene el punto
con el más alto valor monetario esperado debería ser escogido. En el caso de la Cafetera, a una planta
pequeña debe ser construida.
Punto de decisión Punto de condiciones naturales

donde algunas donde alguna condición natural
alternativas deben puede ocurrir
ser adoptadas
FIGURA N°3. ÁRBOL DE D E C I S I Ó N
V M E por decisión 2
= $10.000 =(,5) ($200.000) + (.5) ( - $ 180.000)
Mercado favorable (,5) $200.000
Mercado no favorable (,5) -$180.000
Construir una planta pequeña

Mercado favorable (,5) $100.000
Mercado no favorable (,5) -$20.000

V M E por decisión 2
N o Construir = $40.000 = (.5) ($100.000) + (.5) ( - $ 2 0 . 0 0 0 )
FIGURA N°4. ARBOL DE D E C I S I Ó N C O M P L E T O Y RESUELTO
32
Primer punto de Segundo punto de Pagos
decisión decisión
Larga planta Mercado favorable (0.78) $190.000
Mercado desfavorable (0.22) -SI 90.000
'equeña planta Mercado favorable (0.78) $90.000
Mercado desfavorable (0.22) -$30.000
No planta -$10.000
Larga planta Mercado favorable (0.27) $190.000

^Mercado desfavorable (0.73) -$190.000
'equeña planta Mercado favorable (0.27) $90.000

^Mercado desfavorable (0.73) -S30.000
No planta -$10.000
Mercado favorable (0.50) $200.000
Pequeña planta Mercado favorable (0.50) $100.000
No planta
FIGURA N ° 5. ARBOL DE LARGA D E C I S I Ó N C O N L I Q U I D A C I O N E S Y PROBABILIDADES POR LA CAFETERA.
33
Primer punto de Segundo punto d e
decisión decisión SI 06.400
Mercado favorable SI 90.000

Planta grande
Mercado desfavorable -$190.000
pequeña Mercado favorable S90.000
Mercado desfavorable -Î30.QPP

Sin planta -S10.000
S49.200
Mercado favorable (0.27) $190.000
'equefla planta Mercado favorable (0.27) $90.000
Sin planta -$10.000
Larga Planta Mercado favorable (0.50) $200.000

^ClO/fy
Mercado favorable (0.50) S 100.000
Mercado desfavorable (0.50) -S20.000
No planta
WUOTECA
FIGURA N ° 6. ARBOL DE D E C I S I O N DE LA CAFETERA C O N MUESTRAS DEL VME
Que una particular alternativa es la más profunda de todas las demás consideraciones. Esto es
porque su VME es más baja que la mejor alternativa.
Una vez, usted haya considerado varias decisiones del árbol de problemas, usted puede encontrar
la facilidad para hacer todos sus cálculos sobre el árbol de diagramas.
(ELIMINANDO ALTERNATIVAS).
34
Determinado otro valor de utilidad
Otro valor de utilidad puede ser valorado de la misma manera. Por ejemplo: Cual es la utilidad
de Judith por $ 7.000?. Qué valor de P tomaría Judith indiferente de estos $7.000 y el riesgo que
resultaría entre $10.000 o $0?. Para Judith debería haber un 90% de chance de obtener $10.000. Por
otro lado, ella preferiría los $7.000 por asegurar. Así, su utilidad por los $7.000 es de 0.90.
La utilidad de Judith por los $3.000 puede ser determinada de la misma manera. Si hay un 50%
de chance de obtener los $10.000, Judith sería indiferente entre tener $3.000 por asegurar y tomar el
riesgo de ganar los $10.000 o no obtener nada. Así, la utilidad de $3.000 para Judith es 0.5, por
supuesto este proceso puede ser continuado hasta que Judith tenga valorada su utilidad por los valores
monetarios que ella quiera. Estos valores, sin embargo son suficientes para tener una idea del sentimiento
de Judith hacia el riesgo Figura 7. De hecho podemos argumentar estos puntos en una llamada Curva
de utilidad como tenemos en la figura correspondiente, la utilidad valorada son los puntos de $3.000,
$5.000 y $ 7.000, mostrados por puntos y el resto de la curva es mirada dentro.
La utilidad de Judith es típica de alguien adverso al riesgo. Un adverso al riesgo es una decisión
hecha por alguien que obtiene menos utilidad o gusto por un riesgo grande y tiende a evitar situaciones
donde grandes pérdidas pueden ocurrir. Como valores monetarios crecientes son su curva de utilidad,
la utilidad crece a una tasa lenta.
U ( $ 10.000) = 1.0
0 $1.000 $3.000 $5.000 $7.000 $10.000
VALOR MONETARIO
FIGURA N°7 CURVAS DE UTILIDAD POR JUDITH JAFET J A C O M E
35
La Figura 8 ilustra lo que un individuo quien es un buscador de riesgo, tiene la forma opuesta de
la curva de utilidad. Con esta decisión se consigue obtener más utilidad de un gran riesgo y altísimo
potencial de pago. Así como el valor monetario se incrementa sobre su propia curva de utilidad, la
utilidad se incrementa a una tasa determinada. Una persona que es indiferente al riesgo tiene una curva
de utilidad que va en línea recta.
La forma de una curva de utilidad de una persona depende de la decisión específica siendo
considerada al cuadro psicológico de la persona y como la persona siente el futuro. Esto bien puede
ser que usted tiene una curva de utilidad por algunas situaciones, usted enfrenta y complementa curvas
diferentes por otras.
"Utilidad como un criterio de toma de decisión"
Después de haber determinado una curva de utilidad, los valores de utilidad de la curva son
usados en la toma de decisiones. Resultados monetarios son reemplazados con los valores apropiados
de utilidad y después el análisis de decisión es puesto en marcha como es usual. Miremos un ejemplo
donde un árbol de decisión es usado y los valores de utilidad esperados son computados en la selección
de la mejor alternativa.
I
L
I
D
D
Resultados monetarios
Preferencias por el riesgo
FIGURA N ° 8 CURVA DE UTILIDAD
36
Caer chinches
ALTERNATIVA 1 PUNTOS ENCIMA (0,45) $ 10.000
PUNTOS DEBAJO (0,55) -$10.000
M A R C O N O JUEGA $0
FIGURA N ° 9. LA D E C I S I Ó N FRENTE A M A R C O M Á R Q U E Z
Marco Márquez ama el riesgo. El decide jugar un extraño juego nuevo que supone tirar chinches
en el aire. Si el punto sobre el chinche cae hacia arriba, Marco gana $10.000. Si el punto del chinche
cae hacia abajo, Marco pierde $10.000. Debe Marco jugar el juego, alternativa 1; o debe no jugarlo,
alternativa 21.
La alternativa 1 y 2 son mostradas en el árbol de la Figura 2 como puede ser visto la alternativa
1 es jugar el juego, Marco cree que hay un 45% de chance de ganar los $ 10.000 y un 55% de chance
de tener una pérdida de $ 10.000.
La alternativa 2 es no arriesgarse. Qué debe hacer Marco? Por supuesto, esto depende de la
utilidad de Marco por el dinero. Como un estado previo a él le gusta el riesgo. Usando el procedimiento
justo trazado, Marco fue capaz de construir una curva de utilidad mostrando su preferencia por el
dinero. Esta curva aparece en la Figura 10.
Vemos que la utilidad de Marco por los - $10.000 es 0.05, su utilidad por no jugar ($0) es 0.15
y su utilidad por los $10.000 es 0,30. Estos valores pueden ahora ser usados en el árbol de decisión.
El objetivo de Marco es maximizar su utilidad esperada. Esto puede ser dado como sigue:
PASO 1:
U ( - $ 10.000) = 0.05
U($0) = 0.15
U ( $ 10.000) = 0.30
PASO 2:
Reemplazar los valores monetarios con valores de utilidad. Referidos en la figura siguiente.
Aquí están las utilidades para las alternativas 1,2.
37
Determinando la utilidad esperada
E (alternativa 1, jugar el juego) = ( 0.45 ) ( 0.30 ) + ( 0 . 5 5 ) ( 0 . 0 5 ).

- 0.135 + 0.027
= 0.1625.
E (alternativa 2, no jugar) = 0.15
FIGURA N ° 10. CURVA DE UTILIDAD POR M A R C O M Á R Q U E Z .
Decisiones t o m a d a s b a j o incertidumbre
Cuando las probabilidades de ocurrencia de cada condición natural pueden ser evaluadas, el
E M V o E O L son usualmente apropiados. Cuando un director no puede evaluar la probabilidad de los
resultados con confianza o cuando virtualmente ningún dato esta a la disposición, otros criterios de
decisión son requeridos. Este tipo de problema ha sido llamado como una decisión tomada bajo
incertidumbre.
Los criterios que serán tratados en esta sección son:
1. Maximizar.
2. Maximín.
3. Equality Likely.
38
4. Criterio de realismo.
5. Minimizar.
Las primeras cuatro pueden ser computadas directamente de la tabla de decisión, mientras que el
criterio de minimizar requiere del uso de la tabla de pérdida de oportunidades. Observemos cada uno
de los cinco modelos y apliquémoslo a la Cafetera.
Ahora conocemos que ninguna información de las probabilidades de los dos resultados está al
alcance de la Cafetera.
Maximizar:
El criterio máximo alcanza la alternativa que maximiza el máximo resultado o la consecuencia

para cada alternativa. Usted primero localiza el máximo resultado dentro de todas las alternativas, y
luego toma la alternativa con el máximo número. Desde que este criterio de decisión localiza la
alternativa con la más alta posibilidad de ganancia, esta siendo llamado criterio de decisión optimista.
En la tabla siguiente nosotros vemos que la elección máxima de la Cafetera es la primera alternativa,
para construir unas instalaciones grandes. Este es el máximo de los números máximos dentro de cada
columna o alternativa.
Circunstancias Naturales
TABLA N°12
1. MERCADO 2. MERCADO 3. MAXIMO

FAVORABLE DESFAVORABLE COLUMNA
($) ($) ($)
ALTERNATIVAS 1 2 3
Construir planta grande 200.000 -180.000 200.000 maximizar
Construir planta pequeña 100.000 -200.000 100.000
No construir nada 0 0 0
Valores expectados con sistema de información
Con el registro de los mercados que intenta manejar, la Cafetera, sabe que sus mejores decisiones
serían construir una gran planta si el registro es favorable o una pequeña planta si el registro de los
resultados es desfavorable. Pero la Cafetera, también es consiente que la manipulación de investigación
de mercadeo no es gratuita. A él le gustaría conocer en un archivo el valor actual de la construcción.
Una forma de medir el valor de la información de mercadeo, es computando la expectativa de' valor de
un modelo de información (VESI).
39
1
Valor de expectativa de Valor de expectativa

mejor decisión con de mejor decisión
VESI = modelo de información sin modelo de información.
no asumiendo el costo
conjunto.
En el caso de la Cafetera, su V M E sería $ 59.200 si no ha deducido los $10.000 de costo de

estudio de cada pago. (Ve usted por qué esto?. Si no, adicione los anteriores $10.000 a cada pago,
como en el caso original de la Cafetera y realice nuevamente el computo del VME del manejo del
estudio de mercado).
De la rama inferior de la Figura 6, vemos que el VME de la diferencia del modelo de información
en $40.000. Así,
VESI = $59.200 - $ 40.000 = $ 19.200
Lo que quiere decir que la Cafetera podría pagar $19.200 por un estudio de mercadeo y llegar a
la meta. Si el costo es de sólo $ 10.000, el registro bien vale la pena.
C o m o se estiman los valores de probabilidades del análisis Bayesiano
Hay muchas formas de obtener la base de probabilidades para un problema como el de la Cafetera.
Los números (tales como 0,78, 0,22, 0,27, 0,73 en la Figura 2) pueden asociarse para un manejo
basado en la intuición y la experiencia. Pueden derivarse de una base histórica, ellos pueden ser
computados de otros datos viables usando el teorema de Bayes. Expondremos sobre esta última opción
en ésta sección.
El teorema de Bayes reorganiza lo que el hacedor de decisiones no sabe con certeza lo que en
el estado natural ocurrirá.
Caso de estudio: el ejecutivo que le gustaba la pesca
Nacianceno Nicán Nader, un director de nivel medio de la compañía El Molusco, no había podido
recordar nunca por qué el tenía una pasión tan grande por la pesca. Sin embargo esto se debía a que
cuando el era joven él pasaba gran parte de su tiempo pescando en un lago que estaba ubicado muy
cerca de su casa. Sin embargo, su gran pasión por la pesca fue un directo resultado del estilo de vida
de su familia. Cuando Nacianceno fue creciendo, sus padres eran propietarios y atendían una pequeña
panadería. La familia vivía en el segundo piso, mientras que la panadería estaba ubicada en el primer
piso. El negocio de la panadería era duro y él exigía que la familia trabajara hasta altas horas de la
noche, preparando panes y pasteles frescos para el día siguiente. Como resultado, la familia de
40
Nacianceno debía trabajar hasta tarde en la noche, pero en las mañanas podían dormir hasta tarde.
Cuando Nacianceno regresaba a la casa del colegio, sus padres estaban completamente descansados
que estaban listos para recrearse. La recreación era casi siempre ir a pescar al lago que estaba cerca de
su casa. Mientras que los negocios de la familia iban cambiando con los años, de la pastelería al
negocio de venta de bienes, Nacianceno mantuvo sus hábitos de trabajar duro en las noches y su amor
puro por la pesca.
Su amor por la pesca le creo a él un complejo de culpa.
Mientras él se desempeñaba como un ejecutivo exitoso en la compañía El Molusco, su verdadero

interés estaba en la pesca. Leía en algunas ocasiones cuando se dirigía al trabajo y cuidadosamente
esconden su mejor equipo de pesca en la parte de atrás de su carro. Desafortunadamente, de los
ejecutivos de El Molusco siempre se esperaba un rendimiento del 110%. Cualquier interés o actividad
que pudiera quitarles tiempo y concentración para lograr los propósitos de la empresa, podría significar
un desastre para la carrera de un ejecutivo.
Estos eran unos tiempos muy difíciles para Nacianceno. El en verdad prefería pescar y pensar en
los fundamentos de la pesca y había perdido interés en los negocios de la empresa, él ni siquiera
trataba de sacar nuevas campañas de publicidad para la compañía. Fue durante estos tiempos difíciles
que Nacianceno decidió tomar un movimiento riesgoso. El podía obtener excelentes beneficios, (un
salario relativamente alto y el confort de corporaciones, clubes) para estar en lo que realmente a él le
gustaba hacer.
Con dinero suficiente para alimentar su familia por año y medio y con un capital para arriesgar
de unos amigos de la familia, Nacianceno decidió terminar su trabajo en la compañía y empezar un
negocio en el cual él pudiera hacer lo que deseaba. Durante los tres primeros meses, Nacianceno se
movió de un lado a otro para conseguir fondos adicionales para su pequeña compañía mientras él
finalizaba los planes para el nuevo producto que debía desarrollar. Después de tres meses Nacianceno
tenía ambos, la financiación necesaria y la idea que él creía que era la mejor. Nacianceno también
había encontrado el nombre perfecto para su compañía " El ejecutivo pescador".
El producto principal que el ejecutivo pescador podía producir por el primer año era la vara y
aspa de mejor calidad y otros equipos de adquisición en el mercado. Además, los negocios de la pesca
podían ser enfocados a los ejecutivos o al mercado de la clase alta. El ejecutivo pescador podrá ser un
paquete completo de pesca. Además, todo el equipo podrá ser doblado y eficientemente convertido en
un hermoso maletín ejecutivo. El maletín podría ser comercializado con unos compartimientos de
espuma y algodón que podrían servir para colocar los equipos de pesca, los anzuelos, las aspas y los
otros elementos necesarios por los pescadores. Como complemento los compartimientos pueden ser
fácilmente removidos como una unidad, para hacer un maletín más cómodo para llevar reportes, papeles,
lapiceros, lápices y otros de los objetos utilizados por los ejecutivos.
El propósito doble del maletín era el motivo de orgullo del diseño de Nacianceno. En poco
tiempo los ejecutivos no tendrían que sentirse culpables por su pasión por la pesca. En la mayoría de
los días, los ejecutivos podrían usar su maletín para sus propósitos de negocios normales. Después,
otros días, los ejecutivos podrían insertar todos los comportamientos los contenedores y todo el equipo
para tomar un momento para ir a pescar al pozo más cercano. Además, El Ejecutivo Pescador puede
41
ser fácilmente transportado en avión, en carro o en tren. Este era excelente por un viaje y el equipo en
si mismo era de la mejor calidad.
El costo del maletín con todos los compartimientos y los implementos de espuma y algodón
podían ser comprados en $75000. El equipo de pesca podría tener un precio de $50000 comprado sólo.
Por esta razón, el precio total del equipo era de $125000. Cuando el equipo era comprado completo, El
Ejecutivo Pescador tendría un precio de $ 100000.
Nacianceno estaba convencido que El Ejecutivo Pescador sería un éxito completo. Sin embargo,
años en la empresa del cuero le había enseñado importantes lecciones. El sabía que antes de que él
invirtiera mucha cantidad de dinero en el Ejecutivo Pescador, él primero debía hacer su trabajo. El
decidió que lo mejor era contratar un grupo de investigadores que le ayudaran a determinar se el
proyecto era exitoso o no antes de que él invirtiera todo su capital. Nacianceno estimaba que el costo
aproximado para desarrollar el equipo necesario para producir el Ejecutivo Pescador sería de
$50'000.000. El consideraba que si la inversión era exitosa esto generaría $10'000.000. En la opinión
de Nacianceno había un 60% de oportunidades de éxito en la inversión. Nacianceno estaba convencido
que si la inversión era exitosa, las ganancias, después de deducir el costo del equipo, podría ser de
$15'000.000. De otro lado, un fracaso significaba un costo de $50'000.000.
Nacianceno y sus fiadores decidieron contratar algunas agencias de mercadeo para que hicieran
sus propias estimaciones. Dos firmas se mostraron particularmente interesadas. Grupo Mercadeo
Incorporado (GMI) cobraría $1'000.000 para realizar una encuesta. Este era un gran equipo con una
gran experiencia que había demostrado un buen desempeño. El récord de desempeño para GMI se
muestra en la siguiente tabla. Esta muestra el resultado de las últimas 100 encuestas de mercadeo
realizadas por ellos.
TABLA N ° 13
RESULTADOS DE LAS ENCUESTAS
RESULTADO FAVORABLE DESFAVORABLE TOTALES
Inversión exitosa 35 20 55
Inversión no exitosa 15 30 45
Como vimos en la Tabla N° 13, 55 de las firmas a las que GMI les prestó ayuda, actualmente
tienen éxito en su inversión o proyecto. 35 de estas firmas tuvieron unos resultados favorables en las
encuestas, mientras que solamente 20 tuvieron resultados desfavorables. Las 45 compañías restantes
asistidas por G M I tuvieron inversiones desfavorables; 15 de estas 45 firmas tuvieron encuestas con
resultados favorables, mientras que 30 de estas firmas tuvieron unos resultados desfavorables en las
encuestas.
42
Master Marketing Incorporado (MMI) era otra firma especializada en realizar investigaciones de
mercadeo. El costo por realizar el estudio sería de $3'000.000. Esta firma también tenía un interesante
récord. La oportunidad de obtener un resultado favorable de una investigación de mercados era del
90%. De otro lado, la semejanza de tener un resultado desfavorable de la investigación dando una no
exitosa inversión era de 80%.
Por vez primera Nacianceno se sentía confuso y con incertidumbre. El no sabía si seguir adelante
con El Ejecutivo Pescador, si detener todo el proceso y buscar empleo, si contratar la firma GMI o
contratar la firma MMI para obtener más información.
Preguntas de discusión
1. ¿Debe Nacianceno contratar GMI o MMI para realizar una investigación de mercados para
obtener más información acerca de las oportunidades de éxito del Ejecutivo Pescador?.
2. ¿Si usted estuviera en la posición de Nacianceno, qué haría usted?.
Caso de estudio: Paciente de 66 años con hernia
Un hombre de 66 años tiene hernia inguinal por lo cual ha solicitado una cirugía a su staff para
que le realicen una operación.
Hace dos años él sufrió un ataque cardíaco, lo cual lo hace a él un paciente con alto grado de
riesgo de morir durante la cirugía. El ha tenido la hernia desde hace un año, el médico internista
dice que él podía usar un sostén que le sostendría la hernia y también evitaría la operación. El ha
estado utilizando el sostén. Este no es incómodo, ni produce dolor pero cuando él va a las
piscinas con sus amigos él se siente afligido por el sostén. Para evitarle esta pena él ha sido
admitido para cirugía.
El anestesiólogo le explicó el riesgo a él de la siguiente manera: Si él usa el sostén, hay un

97% de oportunidades de que él viva el resto de su vida sin que la hernia se le estrangule. Hay
un 3% de o p o r t u n i d a d e s de que la hernia se estrangule. Si la estrangulación ocurre, habrá una
operación de emergencia que tiene un 15 % de riesgo de muerte. El paciente tiene una esperanza
de vida de 8 años. Este riesgo de muerte de la operación puede en p r o m e d i o reducirle su vida
a 4 años. (Esto es porque se asume que la estrangulación ocurra en la mitad de su vida promedio
esperada).
Si él escoge la cirugía hoy, él enfrenta un 5% de riesgo de muerte en la operación y una pérdida

de 8 años de vida, un 95 % de oportunidades de sobrevivir a la operación y vivir sus 8 años restantes.
La operación tiene un costo de $1'500.000 Atento a estos riesgos, él ha escogido la cirugía ahora.
Preguntas de Discusión
1. ¿ Usted cree que el paciente debe hacerse la operación ahora?.

2. ¿ Qué otros factores deben tenerse en cuenta?.
SUMARIO
El árbol de decisión es particularmente útil cuando hay decisiones secuenciales que deben ser
tomadas. La teoría de la utilidad colabora a la toma decisiones en incorporar factores tales como
valores monetarios dentro del proceso de decisión. El análisis marginal puede ser usado para simplificar
de otra manera los complejos problemas de toma de decisiones que envuelve continuamente las
distribuciones probabilidad de los estados de la naturaleza.
GLOSARIO
• Alternativa: Un curso de acción o una estrategia que debe ser tomada por una toma de
decisión.
• Valor condicional (liquidación): Una consecuencia o resultado, normalmente expresado en

valores monetarios; esto ocurre como un resultado de una alternativa particular y estado de la
naturaleza.
• Estado de la naturaleza: LTna respuesta o ocurrencia sobre el cual la toma de decisiones

tiene poco o ningún control.
• Decisión hecha bajo certeza: Un medio ambiente de toma de decisión donde los futuros
resultados o eátados de naturaleza son conocidos.
• Decisión hecha bajo riesgo: Un medio ambiente de toma de decisión donde algunos resultados
o estados de naturaleza pueden ocurrir como un resultado de una decisión o alternativa. Las
probabilidades del resultados de una decisión o estados de naturaleza son desconocidos.
• Decisión hecha bajo incertidumbre: Es una toma de decisiones en un medio donde algunos
resultados o estados de naturaleza pueden ocurrir. Las probabilidades de estos resultados sin
embargo son desconocidos.
• Valor monetario esperado: (VME). El promedio o el resultado monetario esperado de una

decisión si esto puede ser repetido varias veces. Este es determinado por la multiplicación de los
resultados monetarios por sus probabilidades respectivas. Los resultados son entonces sumados
hasta llegar al VME.
• Valor esperado con información perfecta: (VEIP). Este es el promedio valor esperado de la
información si este fuera completamente exacto, la información es perfecta.
44
• Oportunidad perdida: La cantidad que usted podría perder por no elegir la mejor alternativa.
Por cualquier estado de la naturaleza, esa es la diferencia entre las consecuencias de cualquier
alternativa y la mejor alternativa posible.
• Maximax: un optimista criterio de toma de decisiones: Esta es la alternativa con el más alto
regreso posible.
• Maximín. Un pesimista criterio de toma de decisión: Esta alternativa maximiza el resultado

mínimo. Este es el mejor de los peores resultados posibles.
• Iguales probabilidades: Este es un criterio que coloca en igual tamaño sobre todo a los estados
de la naturaleza.
• Coeficiente de realismo ( ): Este es un número de cero a uno cuando el coeficiente esta

cercano a uno, el criterio de decisión es optimista. Cuando el coeficiente es cercano a cero el
criterio de decisión es pesimista.
• Minimax: Este criterio minimiza la máxima pérdida de oportunidad.
• Decisión secuencial: Donde el resultado de una decisión influye en las otras.
• Teoría de la utilidad: Una teoría que permite al artífice de decisiones, asociar riesgos y otros
factores en el proceso de toma de decisiones.
• C o n t r i b u c i ó n de la u t i l i d a d : En el p r o c e s o de d e t e r m i n a r la utilidad
de varios resultados. Este normalmente se hace utilizando un juego standard entre los resultados
seguros, los peores y los mejores.
• Curva de utilidad: Una gráfica o curva revela la relación entre la utilidad y el valor monetario.
De otro lado esta curva puede ser construida para valorar la utilidad y también en el proceso de
toma de decisiones.
• Buscar riesgo: Un individuo busca el riesgo. Sobre una curva de utilidad, como en incrementos
de valor monetario en la utilidad de incrementos y decrementos del porcentaje. El artífice de la
decisión consigue placer ante el inminente riesgo y el alto potencial de tener que retornar.
• Evitar el riesgo: Este es un individuo que evita el riesgo, sobre la curva de la utilidad, en los
incrementos del valor monetario, en la utilidad del incremento y decremento del porcentaje.
Este artífice de decisiones se encuentra con menos riesgo y alto potencial de retornar.
• Múltiples factores en la toma de decisiones: En nuestro medio para la toma de decisiones

deben considerarse múltiples factores para la selección final.
• Multi - factor valuativo del proceso (MFVP): Un multi - factor es el problema de toma de
decisiones en donde el factor ponderado y el factor valuativo pueden ser determinados y usados
en el proceso de toma de decisiones.
45
• Análisis del proceso de Jerarquía (APJ): Es un proceso que usa una determinada comparación
del factor ponderado en un multi - factor de toma de decisiones.
• Factor Valuativo: Estas son valuaciones en escala del (0) al (1) que indica la preferencia por
un factor particular, una alternativa particular o un item.
• Factor ponderado: Estas son ponderaciones del rango del (0) al (1) que dan relativa
importancia mas a un factor que a otro. El factor ponderado en un multi - factor de toma de
decisiones debe sumar (1).
ECUACIONES CLAVES
1. Constar con el valor de la muestra de información (EVSI) =
Considerar el valor de la Considerar el valor

Mejor decisión con pruebas de la mejor decisión
De información. Sin pruebas de información.
P (B/A). P (A)
2. P (A/B) =
P (B/A) . P(A) + P (B/A). P (A)
Teorema de Bayes: Este da el valor del evento (A) condicionado a la ocurrencia del evento (B).
3. Utilidad de otro resultado = P (1) + ( 1 - P) (0) = P
La ecuación determina la utilidad de una respuesta intermedia.
A-n
4. JC — índice de consistencia.
n —1
5. CR=~— consistencia del radio donde

IF
Donde:
IF = Indice fortuito.
X = Promedio de ponderar la suma del vector dividido entre el
factor de valuación.
n = Número de alternativas o items.
46
ECUACIONES
1.VME (Alternativa i) = (Pago por primer estado de naturaleza) * (Su probabilidad) + (Pago
del segundo estado de naturaleza) * (Su probabilidad) + ... + (Pago del último estado de naturaleza)
* Su probabilidad).
Esta ecuación computa los valores monetarios esperados.
2. Valor esperado con información perfecta = (Mejor resultado del primer estado de naturaleza )
* (Su probabilidad) + (Mejor resultado del segundo estado de naturaleza) * (Su probabilidad) +...+
(Mejor resultado del último estado de naturaleza) * (Su probabilidad).
3. VEIP = Valor esperado con información perfecta - máximo VME.
Esta ecuación calcula el valor esperado de la información perfecta.
47
LOS V E C I N O S B E L I C O S O S
Se dice que tres vecinos que compartían un pequeño parque, como se ve en la

ilustración, tuvieron una riña. El dueño de la casa grande, quejándose de que los
pollos de su vecino lo molestaban les propuso a sus vecinos que cada uno construyera
un camino hacia el exterior.
El problema consiste en construir los caminos sin que se cruce ninguno de ellos.
CAPÍTULO II
I N T R O D U C C I Ó N A LA TEORÍA DE C O L A S
La ciencia es una colección de recetas eficaces.
P. Valéry
Un sistema de Colas se puede describir como un sistema en el cual llegan "clientes", esperan para
ser atendidos, si no es inmediato y si tienen que esperar para el servicio parten del sistema después de
haber sido atendidos.
Clientes que llegan Clientes atendidos que salen
OOOOOO 000
SERVICIO
w w
O
O Clientes
1' descontentos
que parten
FIGURA N°1
CARACTERÍSTICAS FUNDAMENTALES
Hay seis características básicas en un proceso de teoría de colas:
1. Patrón de llegada de los clientes.

2. Patrón de atención del servicio.
3. Disciplina de la cola.
4. Capacidad del sistema.
5. Número de canales de servicio.
6. Número de etapas en cada servicio.
Ahora se presenta una breve descripción de cada uno de ellos:
Patrón d e l l e g a d a de los clientes
Es el ingreso al sistema (INPUT) y se mide en términos del número promedio de llegadas por
alguna unidad de tiempo (RATA MEDIA DE L L E G A D A S ) o también por el tiempo promedio entre
llegadas sucesivas (TIEMPO M E D I O E N T R E L L E G A D A S ) . Cuando el proceso de llegada es
49
determinístico entonces el patrón de llegada es completamente definido por cualquiera de las dos
medidas anteriores.
Cuando hay incertidumbre en el patrón de llegada se usan naturalmente distribuciones de probabilidad

para su conocimiento y las medias expresadas anteriormente solo indican la tendencia para el proceso de
llegadas y un mejor conocimiento requiere de una profimdización de los modelos probabilísticos.
Otro factor en el proceso de llegada es la posibilidad de que los clientes lleguen en grupos
simultáneos en cambios de uno a uno. En este caso se dice que las llegadas ocurren en masa y pueden
ocurrir en el mismo instante.
También el ingreso al sistema depende de la reacción del cliente para entrar al mismo. Un cliente
puede llegar a la cola y de acuerdo al tamaño de esta decidir si entra a la fila y espera el servicio o se
va sin hacer la cola y entrar al sistema. En esta última situación se tienen clientes frustrados. También
puede suceder que a pesar de estar en la cola se impaciente y salga de la cola antes de entrar al servicio,
se llama cliente renegado cuando la distribución de llegada no depende del tiempo en que llegan los
clientes se dice que es estacionaria en caso contrario no estacionaria.
Patrón d e atención de los servidores
Es muy parecido a los modelos de llegadas anteriormente expuesto. El modelo de atención se

puede describir por el número de clientes atendidos por unidad de tiempo, llamada RATA DE SERVICIO,
ella esta condicionada al hecho de que el sistema no este vacío o sea que alguien espere ser atendido.
Si el sistema esta vacío el servicio está ocioso.
El servicio también puede modelarse determinística o probabilísticamente.
La atención a los clientes puede ser uno a uno o por grupos por un mismo servidor y también la
rata de servicio puede depender del número de clientes en la cola en cuyo caso se dice que el servicio
es dependiente del estado de la cola. También análogo a las llegadas el modelo de servicio puede ser
estacionario o no estacionario. Por último lo más común es asumir independencia entre los procesos
de llegadas y de servicios aunque no es necesario.
Disciplina d e la cola
Esto se refiere a la manera como los clientes son elegidos en la cola para ser atendidos por el
servidor. Lo más común es primero que llega primero que se atiende o FIRST IN FIRST OUT que
utiliza la sigla Inglesa FIFO para la disciplina de la cola o en español la sigla es PEPS (primeros en
llegar primeros en ser atendidos).
Otra disciplina puede ser último que llega primero que se atiende o LAST IN FIRST OUT cuya
sigla es LIFO utilizada en modelos de inventarios o en español UEPS (últimos en llegar primeros en
50
ser atendidos). Otra puede ser seleccionar al azar el cliente a ser atendido o SERVICE IN RANDO$f\
ORDER cuya sigla es SIRO o en español SEOA (servicio en orden aleatorio).
Las siglas FIFO (PEPS), LIFO (UEPS) y SIRO (SEOA) fueron recomendadas en 1971 por la
QUEUINGESTÁNDARDIZATIONCONFERENCEREPORT porque poseen pronunciación inglesa
para referirse a la disciplina en la cola aunque no son las únicas.
También se tiene por ejemplo clientes en prioridad la cual debe especificarse completamente; se
utiliza la sigla PRI.
Capacidad del sistema
En algunos procesos de espera hay limitaciones físicas en la cantidad de clientes que pueden
esperar o sea cuando las líneas de espera pueden tener a lo más cierta longitud respecto al número de
clientes. Hay máximos en el tamaño de la cola, en estos casos hay pérdida de clientes o deben esperar
hasta que disminuya la cola para poder ingresar al sistema (doble cola).
Número de canales de servicio
Se refiere al número de servicios en paralelo, los cuales pueden atender clientes simultáneamente
y se pueden esquematizar así:
OOO
Una cola varios servicios Varias colas varios servicios

Selección del servicio Selección de la cola
FIGURA N°2
51
N ú m e r o d e etapas en el servicio
U n Sistema de Colas con varias etapas en el servicio o atenciones en serie también se estudian en
la teoría de colas.
FIGURA N°3
En el diagrama se tiene un sistema con tres servicios en serie como por ejemplo en un examen
médico completo con varias etapas o exámenes parciales y reciclaje cuando se requiere mayor
profundización en un examen.
Las características anteriores son suficientes para describir un sistema en estudio.
MEDIDAS DE EFICIENCIA DE UN SISTEMA
Generalmente se observan tres medidas.
a. El tiempo que se espera debe permanecer un cliente en la cola antes de ser atendido. Se supone
que entre más corta esta medida, el sistema es más eficiente.
b. Una indicación de la manera como los clientes se van acumulando.
c. El tiempo ocioso de los servidores.
Se debe buscar un punto óptimo de tal manera que el sistema brinde apropiadamente y no se
pierdan clientes por exceso en las colas, por lento el servicio o por pocos canales de servicio etc. De tal
forma que se ajuste a los centros de funcionamiento y se adecúen a limitaciones físicas etc.
MODELO DE TEORÍA DE COLAS
Llegadas: N (t) = número de llegadas durante el intervalo ( O, t ] en N ( 0 ) = 0
Se asumen ahora los mismos postulados de un proceso de nacimiento donde h es la constante de

llegada independiente de N ( t ) .
Se recuerda que se llega a:
52
P 0 (t + A t ) - Po (t) = - A. P o (t) At + a (At).
P n (t + At ) - Pn (t) = - X Pn (t) At + X Pn l (t) A t + a (At)
n > 1.
Lo cual implica las ecuaciones diferenciales:
P'(t)= -XP(t)
P;(t)=-^P(t)HP,(t) n>l
Con las condiciones iniciales conocidas se tiene que:
p. <>)-?'•
i W - n!^ Conocido como proceso de Poisson para las llegadas.
Ahora si consideramos el tiempo entre llegadas sabemos que dicha variable es exponencial con
parámetro X, con media 1 / X. Lo anterior corresponde...
a la suma de variables de variables exponenciales idénticas e independientes y se obtiene una

distribución T
P r ( N / t ) <J n = r ^ - e ^ d x
' n!
Que corresponde a la distribución ERLANG una distribución gamma con parámetros X y n + 1

(según Mood, Graybill and Boes).
TEOREMA
Suponga que las llegadas se comportan como un proceso de Poisson. Dadas K llegadas durante
el intervalo [ o , t ] en las fechas i , < x2 <...< xk entonces las llegadas se distribuyen con las
estadísticas de orden de K variables con distribución uniforme sobre [ o,t ].
53
Sea Fr (t/k) = fT T ;¡ {t,,t2,..., tk llegadas en \o,t\)
La función de densidad conjunta de x ^ x , , . . . ^ con decimal a las K llegadas en [0,t ].
De acuerdo a la definición de función de densidad condicional se tiene
D o n d e / ( x , k ) es la función de densidad conjunta de x y k y f2 (k) es la probabilidad de que k

llegadas ocurran en el intervalo [0,t]
A e Ar
' A e Xr,
...A e AKe = kj_
F j ( J / k )= AT
(A t y e XT
/K! {A t y e - /K!~ tK
Que es idéntica a la obtenida con las estadísticas de orden conjuntamente de una uniforme sobre
[ O, t ]. Este resultado es de gran importancia en la SIMULACIÓN DE LOS PROCESOS por la
facilidad en su generación.
Modelo M / M / 1
Se utiliza este caso para explicar la metodología usada en el análisis de la Teoría de Colas. Se
siguen los siguientes pasos:
PASO 1: Enunciar las ecuaciones de diferencia para Pn ( t ) .
PASO 2: Enunciar las ecuaciones diferenciales para Pn ( t ).
PASO 3: Explorar las soluciones para Pn ( t ) .
PASO 4: Establecer el sistema para distribución límite y explorar su solución 7tr. En el modelo
M / M / 1 se tiene que:
Distribución
Llegadas a(t)=Aex' A > 0 t > 0
Servicio = M e"' /u > 0 t > 0
54
Rata de llegadas 1/X
Rata de servicios 1/ p
Para la mayoría de los modelos se supone que X < 4, en caso contrario se dice que la cola explota
(el número de personas en línea de espera aumentará sin límite).
PASO 1: Ecuaciones de diferencia.
P n ( t + At ) = Pn ( t ) [1 - X At - p At + a (A t)] + Pn+1 (t) p At + P n , (t) X At + a (At) n > 1
Es la misma ecuación del proceso de nacimiento y muerte como era de esperarse.
Para n = 0 se hacen las restricciones conocidas y en resumen se tiene.
' P 0 (t + At) = P o (t) [1 - X At] + P, (t) p At + a (At)
1 P n (t + At) = Pn (t) [\-X At - (i At ]+ pn+i (t) pAt + P n_, (t) X At + a (AT) n > 1.
V.
PASO 2: Ecuaciones diferenciales.
P ' ( t ) = - A. P 0 (t) + p P, (t).
1 P n '(t) = - (X + p ) Pn (t) + p P n+| (t) + X Pn., (t) n > 1.

V.
PASO 3: Establecer una solución
- X n o + u" n,1 - v(X + u) n n + Xn n+1

J_. + Xn
n-1 ,
PASO 4: Establecer la ecuación para Ttn
0 = - A , 7 l o +U7T,
^ 1
0 = - (A, + p ) 7Tn + p7i n + 1 +Xnnl
x = Límite P (t)
n nv '
t OC
La solución por recurrencia nos lleva a:
55
71. — n0 n> p
1 1
n=0 rM)
y " " n=0
¿ " A / » ) ~u ^ , v, 1
X (a///)" /(i-A//l)
cuando < 1
7 T n = l - y SÍ V <1
0
/ n / v
se define p — W factor de utilización

/ V
n
7t n = p ( l - p ) n = 0,1,2,...
que corresponde a una distribución geométrica con parámetro p
P
Su valor esperado será:
1-p
P
Su varianza es:
(i-pY
MEDIDAS DE EFICIENCIA
Dado que n n = Limite Pn (t)

t-> oc
Se tiene que n n es la probabilidad de que haya n clientes en él. Entonces el valor esperado
(1 - p)/p en el número esperado de clientes en el sistema llámelo L.
L = . P _ ¿
1-p p-X
Ahora sea Nq = el número de clientes en la cola y sea Lq = E [Nq] entonces
56
Lq =E[Nq]=O7r0 +Yj{n-iy n =¿ nn n - ¿ JT, =L-(l-xe) =
n=I
l - p l - p p{ju-X)
También de interés el valor esperado de la cola, dado que el sistema no está vacío.
L = E [Nq / Nq * 0]
n=l n~2
, , _ (Tr , P (haya n en el sistema yn>2)
donde n , = Pr [Haya n en el sistema / n> 2)- —^ -
Pr (n >2)
= n>2
2 > .
de d o n d e L = y(n-i) % = L-*-{l-*o-*)z
l-n0-K1 p ti p' pr
. 1 = M
l-p p-Á
Ejemplo
Suponga que usted observa una peluquería los sábados en la mañana y encuentra que los clientes
aparecen como un proceso de Poisson y que la rata de llegada es de 5 por hora. Además que todos los
clientes que llegan esperarán hasta ser atendidos. Suponga ahora que la atención en la peluquería por
tiempo es aproximadamente exponencial y en promedio dura 10 minutos cada corte de pelo etc.
Al modelar la anterior información como M / M / 1 se tiene que:
A, = 5 clientes por hora,
p = 6 clientes por hora. C o / , G fcWV
57
Lo anterior nos da p = 5/6 y de acuerdo con la teoría
7-p 7-5/
<5
Es el número esperado de clientes en la peluquería incluyendo el que esta en la silla.

v*-
1C pe
l - = _ = 4 1/ clientes. Es el número de clientes esperando sentados para ser
/ 6
6(6-5) 6
peluqueados (por ejemplo).
1 1
Lq = =6
i- p clientes. Es el número esperado de clientes en la cola dado que la
7"
peluquería está vacía.
Ahora no= 1 - p = 1/6 que es aproximadamente 16,7 % significa que el 16,7 % del tiempo
permanece ocioso el sistema o que un cliente que llegue encuentre vacía la peluquería.
1 - 7io = 0,833 representa que el 83.3 % de los clientes deben esperar antes de ser atendidos por el
peluquero.
Supongamos ahora que en la peluquería hay solo 4 asientos para espera cual es la posibilidad de
que un cliente que llegue deba esperar de pie.
Pt.{N>6)=l-no-n¡-n2-n¡-n4-Ji5 =
=i-{i-P)~ p ( I - P ) - p \ i - p y p \ i - p
-p\i-P)-P\I-P)
. JN
=i-{I-P\I-p-P>-p>-p<-p>]=1A1-p)(1-P2)=
p = : 0,335
V^y f -
58
Lo que quiere decir que el 33,5% de los clientes que llegan deben esperar de pie por falta de sillas
para esperar sentado.
Otro problema que se pueda considerar es encontrar la distribución del tiempo necesario para
que ocurran un número de veces del evento dado sea Y n la variable aleatoria que mide el tiempo
transcurrido hasta la n - sima ocurrencia de un evento Poisson.
De acuerdo a las definiciones anteriores
Yn =Z, +Z2 +... + Zn d o n d e {Z,,Z2,...} son v a r i a b l e s a l e a t o r i a s d i s t r i b u i d a s c o m o

exponencial.
La función de densidad de 7 es gamma con parámetros n y X .
À" y"r" i
F(y) = •y > o
01-1)/
0 en otro caso
PROCESO PURO DE NACIMIENTO
Es muy similar al proceso de Poisson, la diferencia esencial es que el parámetro A, del proceso de
Poisson en el proceso de nacimiento es variable y depende de n (Á.J.
Similarmente al proceso de Poisson los axiomas de ocurrencia serían:
Probabilidad de que un evento suceda en At es Xn At + a ( At) que no suceda 1 - A,n At +CT(At)

que sucedan más de una vez a (At)
Sea Pn (t) la probabilidad de que n eventos ocurran en el intervalo (0,t]. Análogamente usando
la ecuación de C H A P M A N - K O L M O G O R O V para transiciones en los intervalos (0,t] y (t, t + At]
podemos escribir
P o ( t + At) = P o ( t ) [ l - \ A t ] + a (At).
P n (t + At) = Pn (t) [ 1 - \ At] + P n ., (t) > V | At + a (At) n>0
Esto cuando At p- a es equivalente a :
P0'(t)= "A. Pa (t)

Pn'(t)= -Xm Pn (0+ ^n-l Pn-Át) n > 0
59
Lo cual constituye un sistema de ecuaciones diferenciales cuya solución general ya no es tan
fácil por la variabilidad de A, .
La respuesta es de la forma:
Pn (Í)= ¿ An ^e-1'* n > 0

k=0
Donde
A n ( k )
(¿o - K - K )• • \\-i - K \\+i - K )• • {K - K)
tíoc x y
= = +
y se tiene ^
n =0 k=0
Casos especiales
Proceso de Yule An = nA
P„'(t)= -nA P (t) + (n- l)A Pn_, (í) asumiendo P¡ (o) = 1 y Pt (p) = 0 i>l
de acuerdo a lo anterior no habría A0
(/ - k){2 - k \ . ( k - l - k ) { k + l - k \ . (« - k)
_(«-/)/(- i r ( ,r>
~ (k-l)!{n-k)!~{ '
y por tanto p(t)=e"£ f ""'l ( - = e"(l -e'"]"'
Usando el binomio de Newton obsérvese además que
Pn (?) es una distribución geométrica con p=e",y,q = l-e -Al
60
Si el número donde inicia la población no es 1 si i >1 entonces es fácil ver que
'«-A
vn—ij
Que corresponde a una distribución binomial negativa
E [x (t)] = i e x'
u x t
V[x(t)]= i e ( e - 1)
PROCESO PURO DE MUERTE
Sea i > 0 la población inicial y supongamos que los miembros de ella solo mueren.
Sea (i n la tasa de mortalidad cuando hay n individuos (observe que depende de n). Los
axiomas siguen siendo muy parecidos a los de Poisson pero para definiciones.
Los axiomas se pueden resumir en:
Pi(t + At)=Pl (t\l - /u¡ At + S{At))
Pn (t + At)=Pn (t\l -M„At+ S(At))+ Mn+1At Pn + 1 (t)+ ó(At) 1 <n <i
Lo cual equivale a:
Pt'if) = -M, PÁt)

Pn'{t) = ~MnPÁt)+^+, KM
con las condiciones iniciales P.(o) = l Pn (0) = 0
si n^ i
Análogo al proceso de Yule se puede considerar //
que es una distribución binomial
61

Guillermojimenezlozano.2002 Parte1 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Guillermojimenezlozano.2002 Parte1 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

INVESTIGACION OPERATIVA II

UNIVERSIDAD NACIONAL DE COLOMBIA

UNIVERSIDAD NACIONAL DE COLOMBIA

© 2002 UNIVERSIDAD NACIONAL

GUILLERMO JIMÉNEZ LOZANO

HENRY SANTANA FANDÍÑO

JAIME AI BERTO GIR.AI.DO GARCÍA

L u i s FERNANDO MOTATO ROJAS

Tampoco es propósito el quedarse en asuntos matemáticos de Investigación Operacional, más

Guillermo Jiménez Lozano

Tampoco ninguno de ellos se aventuraba a embarcarse solo en el bote cuando hubiera

La humanidad no puede soportar mucha realidad.

La teoría de decisiones es una aproximación analítica y sistemática para estudiar dichas

BUENAS VS. MALAS DECISIONES

Q u é hace la diferencia entre u n a b u e n a y u n a m a l a decisión?

1. Definir claramente el problema.

Pedro Pataquiva Piraquive es el fundador y presidente de la compañía Cafetera, una lucrativa

La Cafetera decide que sus alternativas son para construir:

• U n galpón de almacenaje para la nueva planta de manufactura.

PROBLEMA POTENCIAL EN EL USO DE LOS RESULTADOS DE UNA INVESTIGACIÓN

En muchos problemas de toma de decisiones, resultados de investigaciones o estudios pilotos

MEDIDA DE LA UTILIDAD Y CONSTRUCCIÓN DE UNA CURVA DE UTILIDAD

A continuación se muestra que P es la probabilidad de obtener el mejor resultado y (1 - P) la

- Utilidad esperada alternativa 2 = Utilidad esperada alternativa 1.

Si el dinero es invertido en el banco, en tres años Pablo tendrá $5.000, y si se invierte en un

Varios factores en la toma de decisiones

Muchos problemas en la toma de decisiones, envuelven un número de factores. Por ejemplo si

Si usted está considerando la compra de un computador personal, hay un importante número de

El proceso de evaluación de varios factores

TABLA N°L. FACTOR PESO

Progreso de carrera 0.6

TABLA N°2. FACTOR EVALUACIÓN

FACTOR AA Com EDS Ltda PWW

Salario 0.7 0.8 0.9

Progreso de carrera 0.9 0.7 0.6

Ubicación 0.6 0.8 0.9

Factor Factor Peso Factor Evaluación Peso de Evaluación

TABLA N°4. EVALUACIÓN DE EDS LTDA

Factor Factor Peso Factor Evaluación Peso de Evaluación

Salario 0.3 * 0.8 0.24

Progreso de carrera 0.6 * 0.7 0.42

Ubicación 0.1 * 0.8 0.08

TABLA N°5. EVALUACIÓN DE P W W

Factor Factor Peso Factor Evaluación Peso de Evaluación

Salario 0.3 * 0.9 0.27

Progreso de carrera 0.6 * 0.6 0.36

Ubicación 0.1 * 0.9 0.09

Judith ha empezado a tener en cuenta estas alternativas y factores dentro de la jerarquía de

FIGURA 1. JERARQUÍA DE D E C I S I Ó N PARA SELECCIÓN DE SISTEMAS DE C O M P U T A C I Ó N

Tipo 2: Decisión t o m a d a b a j o riesgos

- Maximización de la espera del valor monetario.

Tipo 3: Decisión t o m a d a b a j o hechos inciertos

DECISIÓN CREADA BAJO RIESGO

El valor monetario esperado es justamente la suma de los resultados finales de la alternativa, es

V.M.E. (ALTERNATIVA i ) = Resultado final del primer estado de

TABLA N°6. DECISIONES C O N PROBABILIDADES Y VALOR M O N E T A R I O ESPERADO (VME)

Pequeña Facilidad 100.000 -20.000 40.000

Probabilidades .50 .50

VME (amplia facilidad) (.50) ($200.000) + (.50) (-$180.000)

Información perfecta del valor e s p e r a d o

- Qué podrá usted recomendarle a la Cafetera?

- Podrá él emplear la firma para le estudio de mercadeo?

- Podrá servir de algo?.

* VALOR MONETARIO ESPERADO *

* FORMATO DE DATOS DE ENTRADA *