You are on page 1of 28

INSTITUTO TECNOLÓGICO DE

TAPACHULA
INVESTIGACIÓN DE OPERACIONES II

ING. HEIDI SUSANA LÓPEZ GONZALES

INGENIERIA INDUSTRIAL 5° SEMESTRE “K”

MARTÍNEZ PÉREZ CONSUELO JUDITH

MUÑOZ PÉREZ GERARDO ALBERTO

INVESTIGACIÓN DE LA UNIDAD 3.- TEORÍA DE


DECISIONES

TAPACHULA CHIAPAS A 21 DE NOVIEMBRE DEL


2018.

1
ÍNDICE

Índice……………………………………………………………………………….pag.2

Introducción………………………………………………………..………………pag.3

Desarrollo

Características generales…………………………………………………………pag.4

Modelos de criterios de decisión…….…………………………………………..pag.5

3.2.-criterios de decisión determinísticos y probabilísticas…………………...pag.9

Proceso de toma de decisiones estadísticas…………………………………. pag.11

Modelo determistico…………………………………………………………….pag.13
Modelo probabilístico…………………………………………………………… pag.14
3.3.-Valor de la información perfecta………………………………………… pag.15

3.4.-Árboles de decisión……………………………………………………….. pag.16

3.5. Teoría de la utilidad……………………………………………………….. pag.20

3.6.-Análisis de sensibilidad…………………………………………………….pag.22
Pasos del procedimiento del análisis de sensibilidad………………………. pag.24
3.7.- decisiones secuenciales………………………………………………….. pag.25

Conclusión………………………………………………………………………pag.27

Bibliografía………………………………………………………………………… pag.28

2
Introducción

En la siguiente documentación presentamos lo que es la teoría de la toma de


decisiones, la cual nos ayudara como una herramienta esencial para saber
resolver un problema o como mejorar los resultados de venta en una empresa o
en nuestra vida diaria.

Siempre y cuando conozcamos y empleemos bien los métodos o pasos que


debemos de cumplir. Por lo tanto, esta información pretende presentar algunos
modelos matemáticos utilizados como ayuda para tomar óptimas decisiones.

3
3.1.-CARACTERÍSTICAS GENERALES

La teoría de decisiones puede definirse como el análisis lógico y cuantitativo de


todos los factores que afectan los resultados de una decisión en un mundo
incierto.

La toma de decisión es también un proceso durante el cual la persona debe


escoger entre dos o más alternativas. Todos y cada uno de nosotros pasamos los
días y las horas de nuestra vida teniendo que tomar decisiones. Algunas
decisiones tienen una importancia relativa en el desarrollo de nuestra vida,
mientras otras son gravitantes en ella.

En los administradores, el proceso de toma de decisión es sin duda una de las


mayores responsabilidades.

La toma de decisiones en una organización se circunscribe a una serie de


personas que están apoyando el mismo proyecto. Debemos empezar por hacer
una selección de decisiones, y esta selección es una de las tareas de gran
trascendencia.

Con frecuencia se dice que las decisiones son algo así como el motor de los
negocios y en efecto, de la adecuada selección de alternativas depende en gran
parte el éxito de cualquier organización.

Los administradores consideran a veces la toma de decisiones como su trabajo


principal, porque constantemente tienen que decidir lo que debe hacerse, quién ha
de hacerlo, cuándo y dónde, y en ocasiones hasta cómo se hará. Sin embargo, la
toma de decisiones sólo es un paso de la planeación, incluso cuando se hace con
rapidez y dedicándole poca atención o cuando influye sobre la acción sólo durante
unos minutos.

4
Modelos de criterios de decisión.

Certeza: Sabemos con seguridad cuáles son los efectos de las acciones.

Riesgo: No sabemos qué ocurrirá tomando determinadas decisiones, pero sí


sabemos qué puede ocurrir y cuál es la probabilidad de ello.

Incertidumbre estructurada: No sabemos qué ocurrirá tomando determinadas


decisiones, pero sí sabemos qué puede ocurrir de entre varias posibilidades.

Incertidumbre no estructurada: En este caso no sabemos qué puede ocurrir ni


tampoco qué probabilidades hay para cada posibilidad. Es cuando no tenemos ni
idea qué puede pasar.

Las Funciones Administrativas De La Toma De Decisiones.

La toma de decisiones en una organización invade cuatro funciones


administrativas que son: planeación, organización, dirección y control.

Funciones administrativa dentro de la organización al tomar decisiones:

Planeación: Procedimientos

 Presupuestos
 Programas
 Políticas
 Estrategias
 Objetivos
 Propósitos

Organización: División del trabajo Descripción de Funciones

 Departamentalización
 Jerarquización

5
Dirección o ejecución: Supervisión

 Comunicación
 Motivación
 Integración

Control: Retroalimentación

 Corrección
 Medición

Importancia De La Toma De Decisiones.

En el momento de tomar una decisión es importante ya que por medio de esta


podemos estudiar un problema o situación que es valorado y considerado
profundamente para elegir el mejor camino a seguir según las diferentes
alternativas y operaciones.

También es de vital importancia para la administración ya que contribuye a


mantener la armonía y coherencia del grupo, y por ende su eficiencia.

En la Toma de Decisiones, podemos considerar un problema y llegar a una


conclusión válida, significa que se han examinado todas las alternativas y que la
elección ha sido correcta. Uno de los enfoques más competitivos de investigación
y análisis para la toma de las decisiones es la investigación de operaciones.
Puesto que esta es una herramienta importante para la administración de la
producción y las operaciones.

La toma de decisiones, se considera como parte importante del proceso de


planeación cuando ya se conoce una oportunidad y una meta, el núcleo de la
planeación es realmente el proceso de decisión, por lo tanto dentro de este
contexto el proceso que conduce a tomar una decisión se podría visualizar de la
siguiente manera:

6
 Elaboración de premisas.

 Identificación de alternativas.

 Evaluación alternativa en términos de la meta deseada.

 Elección de una alternativa, es decir, tomar una decisión.

Componentes De La Decisión

La técnica de tomar decisiones en un problema está basada en cinco


componentes primordiales:

Información:

Estas se recogen tanto para los aspectos que están a favor como en contra del
problema, con el fin de definir sus limitaciones.

Conocimientos:

Si quien toma la decisión tiene conocimientos, ya sea de las circunstancias que


rodean el problema o de una situación similar, entonces estos pueden utilizarse
para seleccionar un curso de acción favorable.

Experiencia:

Cuando un individuo soluciona un problema en forma particular, ya sea con


resultados buenos o malos, esta experiencia le proporciona información para la
solución del próximo problema similar.

Análisis:

No puede hablarse de un método en particular para analizar un problema, debe


existir un complemento, pero no un reemplazo de los otros ingredientes. En
ausencia de un método para analizar matemáticamente un problema es posible
estudiarlo con otros métodos diferentes. Si estos otros métodos también fallan,
entonces debe confiarse en la intuición.

7
Juicio:

El juicio es necesario para combinar la información, los conocimientos, la


experiencia y el análisis, con el fin de seleccionar el curso de acción apropiado. No
existen substitutos para el buen juicio.

8
3.2.-CRITERIOS DE DECISIÓN DETERMINISTICOS Y

PROBABILÍSTICAS

Modelos Probabilísticos: De los Datos a un Conocimiento Decisivo

El conocimiento es lo que sabemos. La información es la comunicación de


conocimientos. En cada intercambio de conocimientos, hay un remitente y un
receptor. El remitente hace común lo que es privado, hace la información, la
comunicación. La información se puede clasificar como formas explícitas y tácitas.
La información explícita se puede explicar de forma estructurada, mientras que la
información tácita es inconsistente e imprecisa de explicar.

Los datos son conocidos como información cruda y no como conocimientos en sí.
La secuencia que va desde los datos hasta el conocimiento es (observe el
siguiente cuadro): de los Datos a la Información, de la Información a los Hechos, y
finalmente, de los Hechos al Conocimiento. Los datos se convierten en
información, cuando se hacen relevantes para la toma de decisión a un problema.
La información se convierte en hecho, cuando es respaldada por los datos. Los
hechos son lo que los datos revelan. Sin embargo el conocimiento instrumental es
expresado junto con un cierto grado estadístico de confianza.

Proceso de Toma de Decisiones Estadísticas

A diferencia de los procesos de toma de decisiones determinísticas tal como,


optimización lineal resuelto mediante sistema de ecuaciones, sistemas
paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las
variables son normalmente más numerosos y por lo tanto más difíciles de medir y
controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:

1. Simplificar
2. Construir un modelo de decisión
3. Probar el modelo
4. Usando el modelo para encontrar soluciones:

9
 El modelo es una representación simplificada de la situación real
 No necesita estar completo o exacto en todas las relaciones
 Se concentra en las relaciones fundamentales e ignora las irrelevantes.
 Este es entendido con mayor facilidad que un suceso empírico (observado), por
lo tanto permite que el problema sea resuelto con mayor facilidad y con un
mínimo de esfuerzo y pérdida de tiempo.

Análisis de Decisiones: Tomando Decisiones Justificables y Defendibles

10
Proceso de Toma de Decisiones Estadísticas

A diferencia de los procesos de toma de decisiones determinísticas tal como,


optimización lineal resuelto mediante sistema de ecuaciones, sistemas
paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las
variables son normalmente más numerosos y por lo tanto más difíciles de medir y
controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:

1. Simplificar
2. Construir un modelo de decisión
3. Probar el modelo
4. Usando el modelo para encontrar soluciones:
El modelo es una representación simplificada de la situación real
No necesita estar completo o exacto en todas las relaciones
Se concentra en las relaciones fundamentales e ignora las irrelevantes.
Este es entendido con mayor facilidad que un suceso empírico (observado),
por lo tanto permite que el problema sea resuelto con mayor facilidad y con
un mínimo de esfuerzo y pérdida de tiempo.

El modelo puede ser usado repetidas veces para problemas similares, y además
puede ser ajustado y modificado

El análisis de decisiones es la disciplina que consiste en evaluar alternativas


complejas en términos de valores (habitualmente en $ porque es lo que a los
gerentes les importa) y de incertidumbre (lo que no conocemos). El análisis de
decisiones brinda información sobre las diferencias entre las alternativas definidas,
y genera sugerencias de nuevas y mejores alternativas. Usamos números para
cuantificar valores e incertidumbres subjetivas, lo cual nos permite comprender la
situación de decisión. Los resultados numéricos deben reconvertirse para generar
información cualitativa.

11
Los seres humanos pueden comprender, comparar y manipular números. Por lo
tanto, para crear un modelo de análisis de decisiones es necesario crear la
estructura del modelo y asignar las probabilidades y los valores para poblar el
modelo de computación. Aquí se incluyen los valores para las probabilidades, las
funciones de valor para evaluar alternativas, las ponderaciones de valor para
medir la concesión que se debe hacer entre los objetivos, y la preferencia de
riesgo.

12
MODELO DETERMISTICO

Un modelo determinista es un modelo matemático donde las mismas entradas o


condiciones iniciales producirán invariablemente las mismas salidas o resultados,
no contemplándose la existencia de azar, o incertidumbre en el proceso modelada
mediante dicho modelo.
Está estrechamente relacionado con la creación de entornos simulados a través
de simuladores para el estudio de situaciones hipotéticas, o para crear sistemas
de gestión que permitan disminuir la propagación de errores. Los modelos
deterministas sólo pueden ser adecuados para sistemas deterministas no
caóticos, para sistemas azarosos (no-determinista) y caóticos (determinista
impredecible a largo plazo) los modelos deterministas no pueden predecir
adecuadamente la mayor parte de sus características.
La inclusión de mayor complejidad en las relaciones con una cantidad mayor de
variables y elementos ajenos al modelo determinista hará posible que éste se
aproxime a un modelo probabilístico o de enfoque estocástico.
Por ejemplo, la planificación de una línea de producción, en cualquier proceso
industrial, es posible realizarla con la implementación de un sistema de gestión de
procesos que incluya un modelo determinista en el cual estén cuantificadas
las materias primas, la mano de obra, los tiempos de producción y los productos
finales asociados a cada proceso.
Un conjunto de ecuaciones diferenciales de un sistema físico macroscópico
constituye un modelo determinista que puede predecir la evolución determinista en
el tiempo de un buen número de magnitudes características del sistema.

13
MODELO PROBABILISTICO

Un modelo es estocástico cuando al menos una variable del mismo es tomada


como un dato al azar y las relaciones entre variables se toman por medio de
funciones probabilísticas. Sirven por lo general para realizar grandes series de
muestreos, quitan mucho tiempo en el computador son muy utilizados en
investigaciones científicas. Para lograr modelar correctamente un proceso
estocástico es necesario comprender numerosos conceptos de probabilidad y
estadística.
Dentro del conjunto de procesos estocásticos se encuentran, por ejemplo, el
tiempo de funcionamiento de una máquina entre avería y avería, su tiempo de
reparación y el tiempo que necesita un operador humano para realizar una
determinada operación.
Modelo probabilístico es la forma que pueden tomar un conjunto de datos
obtenidos de muestreos de datos con comportamiento que se supone aleatorio.
Es un tipo de modelo matemático que usa la probabilidad, y que incluye un
conjunto de asunciones sobre la generación de algunos datos muéstrales, de tal
manera que asemejen a los datos de una población mayor.
Las asunciones o hipótesis de un modelo estadístico describen un conjunto de
distribuciones de probabilidad, que son capaces de aproximar de manera
adecuada un conjunto de datos. Las distribuciones de probabilidad inherentes de
los modelos estadísticos son lo que distinguen a los modelos de otros modelos
matemáticos deterministas.
Un modelo estadístico queda especificado por un conjunto de ecuaciones que
relacionan diversas variables aleatorias, y en las que pueden aparecer otras
variables no aleatorias. Como tal "un modelo es una representación formal de una
teoría".
Todos los test de hipótesis estadísticas y todos los estimadores
estadísticos proceden de modelos estadísticos. De hecho, los modelos
estadísticos son una parte fundamentalmente de la inferencia estadística.

14
3.3.-VALOR DE LA INFORMACIÓN PERFECTA

El valor de la información perfecta es la cantidad en la que se podría mejorar el


rédito esperado si la persona supiera de antemano cuál es el evento que va a
ocurrir.

Dicho valor se calcula mediante el siguiente procedimiento:

1- Identificar el mejor rédito para cada evento (si es ganancia, se elige el número
más alto; si es costo, tómese el menor número)

2- Calcular el valor esperado de esos mejores réditos multiplicando el mejor rédito


para cada evento por la probabilidad de que ese evento ocurra.

3- Restar del valor esperado del rédito obtenido sin información perfecta del valor
esperado del rédito obtenido con información perfecta. Esta diferencia es el valor
de la información perfecta.

15
3.4.-ARBOLES DE DECISIÓN

En las empresas todo el tiempo se toman decisiones, la gran mayoría bajo una
estrategia que tome en cuenta la complejidad de las situaciones. Para facilitarlo,
los expertos han creado metodologías que les permitan tomar el camino más
adecuado, en beneficio de su organización y su personal. Una de ellas es el árbol
de decisiones.

William T. Green Wood, autor del libro “Teoría de decisiones y sistemas de


información”, explica que la toma de decisiones básicamente es una resolución de
problemas, y como tal, se debe buscar la mejor alternativa, aplicar un diagnóstico
adecuado y realizar una búsqueda minuciosa, para elegir la mejor alternativa
basados en un proceso de ramificación. Este proceso de ramificación es el árbol
de decisiones que permite estimar alternativas ante la solución de problemas.

De acuerdo con los expertos, el árbol de decisiones puede ayudarte a encontrar la


mejor respuesta, de la mejor forma y bajo el mejor presupuesto.

Su metodología se basa en separar estimados, desde consecuencias hasta costos


y las empresas suelen utilizar este diagrama para determinar políticas
empresariales o como herramienta para la solución de problemas por parte de los
empleados.

Su objetivo es emplear distintos panoramas y poder seleccionar uno bajo números


y propuestas objetivas, evitando la combinación de emociones.

Características de un árbol de decisión

•Plantea el problema desde distintas perspectivas de acción.


•Permite analizar de manera completa todas las posibles soluciones.
• Provee de un esquema para cuantificar el costo del resultado y su probabilidad
de uso.
• Ayuda a realizar las mejores decisiones con base a la información existente y a

16
las mejores suposiciones.
• Su estructura permite analizar las alternativas, los eventos, las probabilidades y
los resultados.

Cómo hacer un árbol de decisión:

Es muy sencillo, se llama árbol de decisión porque se busca generar cuáles son
las alternativas – sean buenas o malas- de cada factor a evaluar. ¡Pon atención!

Paso 1. Identifica todas las variables del problema central

Una vez que sepas cuál es tu problemática, comienza a enumerar todos los
factores que la componen. Por ejemplo: La contratación de un nuevo proveedor.
Enlista: costos, trámites, tiempo de llegada del producto, daños mercancía, fechas
de pago, etc.

Paso 2. Priorizar

Es importante comenzar a limitar tus criterios de decisión, es por ello que de la


lista anterior separes cuáles son aquellos factores que son primordiales para tu
empresa. Si de la lista de 15, puedes limitarlo a 7, quiere decir que estos criterios
con mayor relevancia.

Paso 3. Identifica la importancia de los criterios

Se trata de buscar y enumerar qué de estos siete criterios son más importantes,
enumera. Por ejemplo: en el cambio de proveedor. El costo estaría como número
uno, en segundo lugar el tiempo de llegada del producto, en tercero los trámites, y
así sucesivamente.

Paso 4. Comienza a ver variables

Cada uno de estos factores debe contar con fortalezas o debilidades, asegúrate
de comenzar la ramificación apartando tres o cuatro alternativas para cada criterio.

17
Lo que buscamos es generar supuestos de manera objetiva, si de los criterios
salieron cuatro ramificaciones y de esas cuatro salieron 12 más, esto te ayudará a
profundizar en lo más conveniente. Pon atención en este ejemplo donde se evalúa
el costo beneficio de proveedores.

18
Nota. Si el resultado es incierto, identifícalo con un pequeño círculo, si el resultado
es otra decisión, identifícalo con un cuadro más. Lo importante de esto, es crear tu
propio lenguaje de análisis e identificación, de esta forma será más sencillo
analizarlo y mostrar los resultados.

Paso 5. Selecciona una alternativa

Analiza cuál es la opción más conveniente de acuerdo al árbol de decisiones,


siempre toma en cuenta la importancia de los criterios y cada una de sus
alternativas.

Paso 6. Implementa la alternativa

Recuerda, realizar un análisis es muy distinto a implementar soluciones, cuida que


se siga paso a paso cada detalle, una pequeña falla podría dar resultados no
deseados y esto perjudicaría todo el proceso de selección.

Paso 7. Evalúa la efectividad de la decisión

Siempre es bueno saber qué se hizo bien y qué se hizo mal, analiza con tu equipo
cada paso en la evaluación de alternativas, esto ayudará a mejorar tomas de
decisiones a futuro.

19
3.5. TEORÍA DE LA UTILIDAD

La teoría de la utilidad trata de explicar el comportamiento del consumidor. Desde


esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. Así un bien es más útil en la medida que satisfaga mejor una
necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y
temporal (se refiere al momento en que se satisface la necesidad).

Esta teoría parte de varios supuestos:

 El ingreso del consumidor por unidad de tiempo es limitado.

 Las características del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.

 El consumidor busca maximizar su satisfacción total (utilidad total), y por


tanto gasta todo su ingreso.

 El consumidor posee información perfecta, es decir, conoce los bienes


(sus características y precios).

 El consumidor es racional, esto quiere decir que busca lograr sus


objetivos, en este caso trata de alcanzar la mayor satisfacción posible.
Esto quiere decir que el consumidor es capaz de determinar sus
preferencias y ser consistente en relación con sus preferencias. Así, si el
consumidor prefiere el bien A sobre el bien B y prefiere el bien B sobre
el bien C, entonces preferirá el bien A sobre el bien C (transitividad).

La teoría económica del comportamiento del consumidor se topa con un problema


importante (llamado el problema central de la teoría del consumidor), el cual es la
imposibilidad de cuantificar el grado de satisfacción o utilidad que el consumidor
obtiene de los bienes. No existe una unidad de medida objetiva de la satisfacción.
Este problema se ha enfrentado a través de dos enfoques distintos:

20
 Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que
si se dispone de una unidad de medida de la satisfacción.

 Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, sólo


establece combinaciones de bienes que prefiere o le son indiferentes
con respecto a otras combinaciones de bienes.

21
3.6.-ANÁLISIS DE SENSIBILIDAD

Análisis de Sensibilidad, llamado también Análisis de Post-optimización, es una de


las partes más importantes en la programación lineal, es utilizada para tomar en
consideración los cambios que pueden ocurrir en los elementos componentes del
modelo que consiste en determinar qué tan sensible es la respuesta óptima del
método simplex, al cambio de algunos datos como las ganancias o costos
unitarios (coeficientes de la función objetivo) o la disponibilidad de los recursos
(términos independientes de las restricciones), que se refieren a permutas en
coeficientes ,variables, restricciones y Función Objetivo.
El Análisis de Sensibilidad se encarga precisamente de estudiar cómo afectaría a
la solución óptima obtenida y a la función objetivo el cambio (dentro de un rango
predeterminado) de uno de los parámetros, manteniendo fijos los restantes.(no se
usa en modelos enteros ni cuadráticos).

OBJETIVO PRINCIPAL DEL ANÁLISIS DE SENSIBILIDAD:

• Establecer un intervalo de números reales en el cual el dato que se analiza


puede estar contenido, de tal manera que la solución sigue siendo óptima siempre
que el dato pertenezca a dicho intervalo.

• Investigar el cambio en la solución óptima del problema, cuando se producen


cambios en los parámetros del modelo. El objetivo principal del análisis de
sensibilidad es identificar el intervalo permisible de variación en los cuales las
variables o parámetros pueden fluctuar sin que cambie la solución óptima. Sin
embargo, así mismo se identifica aquellos parámetros sensibles, es decir, los
parámetros cuyos valores no pueden cambiar sin que cambie la solución
óptima. Los investigadores de operaciones tienden a prestar bastante atención a
aquellos parámetros con holguras reducidas en cuanto a los cambios que pueden
presentar, de forma que se vigile su comportamiento para realizar los ajustes

22
adecuados según corresponda y evitar que estas fluctuaciones puedan
desembocar en una solución no factible.

CARACTERÍSTICAS DEL ANÁLISIS DE SENSIBILIDAD


• La Investigación de Operaciones usa el método científico para investigar el
problema en cuestión. En particular, el proceso comienza por la observación
cuidadosa y la formulación del problema incluyendo la recolección de datos
pertinentes.
• La Investigación de Operaciones adopta un punto de vista organizacional. De
esta manera intenta resolver los conflictos de interés entre los componentes de la
organización de forma que el resultado sea el mejor para la organización
completa.
• La Investigación de Operaciones intenta encontrar una mejor solución (llamada
solución óptima), para el problema bajo consideración. En lugar de contentarse
con mejorar el estado de las cosas, la meta es identificar el mejor curso de acción
posible.

• En la Investigación de Operaciones es necesario emplear el enfoque de equipo.


Este equipo debe incluir personal con antecedentes firmes en matemáticas,
estadísticas y teoría de probabilidades, economía, administración de empresas
ciencias de la computación, ingeniería, etc. El equipo también necesita tener la
experiencia y las habilidades para permitir la consideración adecuada de todas las
ramificaciones del problema.
• La Investigación de Operaciones ha desarrollado una serie de técnicas y
modelos muy útiles a la Ingeniería de Sistemas. Entre ellos tenemos: la
Programación No Lineal, Teoría de Colas, Programación Entera, Programación
Dinámica, entre otras.
• La Investigación de Operaciones tiende a representar el problema
cuantitativamente para poder analizarlo y evaluar un criterio común.

23
PASOS DEL PROCEDIMIENTO DEL ANÁLISIS DE SENSIBILIDAD:

1. Revisión del modelo: se realizan los cambios que se desean investigar en el


modelo.
2. Revisión de la tabla final Simplex: se aplica el criterio adecuado para determinar
los cambios que resultan en la tabla final Simplex.
3. Conversión a la forma apropiada de eliminación Gauss: se convierta la tabla en
la forma apropiada para identificar y evaluar la solución básica actual, para lo cual
se aplica la metodología de eliminación Gauss si es necesario.
4. Prueba de factibilidad: se prueba la factibilidad de esta solución mediante la
verificación de que todas las variables básicas de la columna del lado derecho aun
tengan valores no negativos.
5. Prueba de Optimalidad: se verifica si esta solución es óptima y factible,
mediante la comprobación de que todos los coeficientes de las variables no
básicas del reglón Z permanecen no negativos.
6. Re optimización: si esta solución no pasa una de las pruebas indicadas en los
puntos 4 y 5 anteriores, se procede a buscar la nueva solución óptima a partir de
la tabla actual como tabla Simplex inicial, luego de aplicadas las conversiones de
lugar, ya sea con el método Simplex o el Simplex D.

24
3.7.- DECISIONES SECUENCIALES

Normalmente, cuando se toma una decisión, y que una vez tomada condicionará
las decisiones a tomar posteriormente. De alguna manera se dice que tomar
decisiones es relativamente sencillo; los problemas se presentan una vez
tomadas. El decisor se enfrenta a una secuencia de decisiones. Son decisiones
encadenadas entre sí que se presentan a lo largo del período de estudio
previamente seleccionado. En consecuencia, la decisión inicial se toma sobre la
base de la consideración explícita de otras decisiones futuras. Este tipo de
decisiones se resuelven a través de los árboles de decisión.

Son decisiones encadenadas entre sí que se presentan a lo largo del período de


estudio previamente seleccionado. En Consecuencia, la decisión inicial se toma
sobre la base de la consideración explícita de otras decisiones futuras.

En muchas ocasiones, sobre todo en aquellos proyectos que abarcan varios años,
la decisión inicial puede someterse a sucesivas decisiones posteriores, como
consecuencia de ir acumulando información. Así una decisión puede condicionar
decisiones posteriores y a su vez ser condicionada por decisiones tomadas con
anterioridad a la misma.

El análisis del problema de decisión bajo el enfoque secuencial suele ser preferible
al enfoque estático, dado que es normal que una decisión tomada en el momento
inicial condicione decisiones en los momentos posteriores de tiempo.

Problema de decisión en el que se consideran una secuencia de decisiones, es


decir, decisiones posteriores dependientes de una decisión inicial. El análisis del
problema de decisión bajo el enfoque secuencial suele ser preferible al enfoque
estático, dado que es normal que una decisión tomada en el momento inicial
condicione decisiones en los momentos posteriores de tiempo. En este caso, se
sintetiza la representación del problema a través de un árbol de decisión dado que
su representación en una matriz no es viable.

25
Se supone que la elección de una alternativa supone el abandono del resto. El
resultado de dicha decisión depende a su vez de un suceso incierto como es el
estado de la naturaleza que se produzca. Una vez producido un posible estado de
la naturaleza, es posible elegir de nuevo entre distintas alternativas, siendo sus
resultados dependientes del estado de la naturaleza que se produzca.

La solución de un problema de decisión secuencial, consiste en buscar la


secuencia de decisiones óptimas a adoptar. Vamos a resolverlo en un contexto de
riesgo.

La técnica de resolución consiste en ir determinando los valores monetarios


esperados en cada punto de decisión, haciéndolo de derecha a izquierda,
empezando por los resultados finales. Distinguimos entre el valor de los nudos
aleatorios (que son de los que parte los estados de la naturaleza) es la media
ponderada de los resultados posibles.

El valor de los nudos divisionales se obtiene tomando la esperanza matemática


correspondiente a la mejor decisión posible.

26
CONCLUSIÓN

En conclusión en la anterior documentación se presentó la teoría de la toma de


decisiones, la cual nos ayuda ya que es una herramienta esencial para saber
resolver un problema o como mejorar los resultados de venta en una empresa o
en nuestra vida diaria cotidiana ya que es tan amplia que resuelve desde
problemas muy sencillos hasta muy complejos.

Siempre y cuando se empleen bien los métodos y pasos que se deben cumplir.
Por lo tanto, esta información presento algunos modelos matemáticos utilizados
como ayuda para tomar óptimas decisiones.

27
BIBLIOGRAFÍA

 file:///C:/Users/judith/Desktop/I.O%202/guillermojimenezlozano.2002_Parte1
.pdf
 FUENTE: http://es.wikipedia.org/wiki/Toma_de_decisiones
 FUENTE:http://www.mitecnologico.com/Main/TomaDeDecisionesBajoModel
osDeCertidumbreIncertidumbreYRiesgo
 http://www.gestiopolis.com/administracion-estrategia/problemas-
operacionales-teoria-de-la-toma-de-decisiones-programacion-
matematica.htm
 http://es.wikipedia.org/wiki/An%C3%A1lisis_de_sensibilidad
 https://www.youtube.com/watch?v=b74rTAACcaE
 http://www.expansion.com/diccionario-economico/analisis-de-sensibilidad-
en-valoracion-de-inversiones.html
 http://revistavoces.org.ve/docu/voces2-art3.pdf
 http://4.bp.blogspot.com/_d7bMAqNZXkE/TMZNlX5VYoI/AAAAAAAAAFM/g
vM-bHQxDeo/s1600/Pantallazo-1.jpg

28