Modelos de Toma de Decisiones 1

MODELOS DE TOMA DE DECISIONES

La teora de decisiones proporciona una manera til de clasifcar modelos
para la toma de decisiones. Se supondr que se ha defnido el problema,
que se tienen todos los datos y que se han identifcado los cursos de
accin alternativos. La tarea es entonces seleccionar la mejor alternativa.
la teora de decisiones dice que esta tarea de hacer una seleccin caer
en una de las cuatro cateoras enerales dependiendo de la habilidad
personal para predecir las consecuencias de cada alternativa.

Categoras Consecuencias
!ertidumbre "eterministas
#ieso $robabilsticas
%ncertidumbre "esconocidas
!on&icto
%n&uidas por un
oponente
TOMA DE DECISIONES BAJO INCERTIDUMBRE

'n los procesos de decisin bajo incertidumbre, el decisor conoce cules
son los posibles estados de la naturale(a, aunque no dispone de
in)ormacin aluna sobre cul de ellos ocurrir. *o slo es incapa( de
predecir el estado real que se presentar, sino que adems no puede
cuantifcar de ninuna )orma esta incertidumbre. 'n particular, esto
e+cluye el conocimiento de in)ormacin de tipo probabilstico sobre las
posibilidades de ocurrencia de cada estado.
Modelos de Toma de Decisiones ,
REGLAS DE DECISIN
- continuacin se describen las di)erentes reglas e ecisi!n en
ambiente de incertidumbre, y que sern sucesivamente aplicadas al
ejemplo de construccin del hotel.
!riterio de .ald
!riterio /a+ima+
!riterio de 0ur1ic(
!riterio de Savae
!riterio de Laplace

$ara trabajar con los criterios utili(aremos la siuiente matri(2


Estaos e la
Naturale"a
Alternati#as
e
$
e
%
. . . e
n
a
$
+
11
+
1,
. . . +
1n
a
%
+
,1
+
,,
. . . +
,n
. . . . . . . . . . . . . . .
a
&
+
m1
+
m,
. . . +
mn
3orma eneral de una
tabla de decisin
Modelos de Toma de Decisiones 4
CRITERIO DE LA'LACE

'ste criterio, propuesto por Laplace en 15,6, est basado en el (rinci(io
e ra"!n insu)ciente2 como a priori no e+iste ninuna ra(n para
suponer que un estado se puede presentar antes que los dems, podemos
considerar que toos los estaos tienen la &is&a (ro*a*ilia e
ocurrencia, es decir, la ausencia de conocimiento sobre el estado de la
naturale(a equivale a afrmar que todos los estados son equiprobables.
-s, para un problema de decisin con n posibles estados de la naturale(a,
asinaramos (ro*a*ilia $+n a cada uno de ellos.

La rela de Laplace selecciona como alternativa ptima aquella que
proporciona un mayor resultado esperado2
( )

=
n
j
j i i
e a x
n
a mx
1
,
1
_

EJEM'LO
$artiendo del ejemplo de construccin del hotel, la siuiente tabla muestra
los resultados esperados para cada una de las alternativas.

Alternati#a
s
Terreno
co&(rao
Estaos e la Naturale"a
Aero(uerto en
A
Aero(uerto
en B
Resulta
o
es(era
o
A $, -$% ./0
B -1 $$ $/0
A 2 B 0 -$ %
Ninguno . . .
'n este caso, cada estado de la naturale(a tendra probabilidad ocurrencia
17,. 'l resultado esperado m+imo se obtiene para la tercera alternativa,
Modelos de Toma de Decisiones 8
por lo que la decisin ptima sen el criterio de Laplace sera comprar
ambas parcelas.
CR3TICA
La o*4eci!n que se suele hacer al criterio de Laplace es la siuiente2 ante
una &is&a realia5 (ueen tenerse istintas (ro*a*iliaes5
seg6n los casos 7ue se consieren. $or ejemplo, una partcula puede
moverse o no moverse, por lo que la probabilidad de no moverse es 17,.
'n cambio, tambi9n puede considerarse de la siuiente )orma2 una
partcula puede moverse a la derecha, moverse a la i(quierda o no
moverse, por lo que la probabilidad de no moverse es 174.
"esde un punto de vista prctico, la difcultad de aplicacin de este
criterio reside en la necesidad de elaboracin de una lista e89austi#a 2
&utua&ente e8clu2ente e toos los (osi*les estaos e la
naturale"a.
$or otra parte, al ser un criterio basado en el conce(to e #alor
es(erao, su )uncionamiento debe ser correcto tras sucesivas
repeticiones del proceso de toma de decisiones. Sin embaro, en aquellos
casos en que la eleccin slo va a reali(arse una ve(, puede conducir a
decisiones poco acertadas si la distribucin de resultados presenta una
ran dispersin, como se muestra en la siuiente tabla2
Estaos e la Naturale"a
Alternati#a
s
e
$
e
%
Resulta
o
es(era
o
a
$
$0... -0... 0...
a
%
0... :... :0..
'ste criterio seleccionara la alternativa a
$
, que puede ser poco
conveniente si la toma de decisiones se reali(a una nica ve(, ya que
podra conducirnos a una p9rdida elevada
Modelos de Toma de Decisiones 6
CRITERIO DE ;ALD
'ste es el criterio ms conservador ya que est basado en lorar lo mejor
de las peores condiciones posibles. esto es, si el resultado x(a
i
, e
j
)
representa p9rdida para el decisor, entonces, para a
i
la peor p9rdida
independientemente de lo que e
j
pueda ser, es mx e
j
{ x(a
i
, e
j
) }. 'l
criterio minima+ elie entonces la accin a
i
asociada a 2
{ } : , ; <
j i e a i
e a x mx mn a Elegir
j i
=
'n una )orma similar, si x(a
i
, e
j
) representa la anancia, el criterio elie la
accin a
i
asociada a 2
{ } : , ; <
j i e a i
e a x mn mx a Elegir
j i
=
'ste criterio recibe el nombre de criterio &a8i&in, y corresponde a un
(ensa&iento (esi&ista, pues ra(ona sobre lo peor que le puede ocurrir
al decisor cuando elie una alternativa.
EJEM'LO
$artiendo del ejemplo de construccin del hotel, la siuiente tabla muestra
las recompensas obtenidas junto con los niveles de seuridad de las
di)erentes alternativas2

Alternati#as
Terreno
co&(rao
Estaos e la Naturale"a
Aero(uerto
en A
Aero(uerto
en B s
i
A $, - $% -$%
B - 1 $$ -1
A 2 B 0 - $ -$
Ninguno . . .
La alternativa ptima sen el criterio de .ald sera no comprar ninuno
de los terrenos, pues proporciona el mayor de los niveles de seuridad.
Modelos de Toma de Decisiones =
CR3TICA
'n ocasiones, el criterio de .ald puede conducir a decisiones poco
adecuadas. $or ejemplo, consideremos la siuiente tabla de decisin, en la
que se muestran los niveles de seuridad de las di)erentes alternativas.
Estaos e la
Naturale"a
Alternati#
as
e
$
e
%
s
i
a
$
$... << <<
a
%
$.. $.. $..
'l criterio de .ald seleccionara la alternativa a
2
, aunque lo ms ra(onable
parece ser eleir la alternativa a
1
, ya que en el caso ms )avorable
proporciona una recompensa mucho mayor, mientras que en el caso ms
des)avorable la recompensa es similar.
Modelos de Toma de Decisiones >
CRITERIO DE =UR;IC>
'ste criterio representa un intervalo de actitudes desde la ms optimista
hasta la ms pesimista. 'n las condiciones ms optimistas se eleira la
accin que proporcione el mx a
i
mx e
j
{ x(a
i
, e
j
) ?. Se supone que x(a
i
,
e
j
), representa la anancia o benefcio. "e iual manera, en las
condiciones ms pesimistas, la accin eleida corresponde a mx a
i
mn
e
j
{ x(a
i
, e
j
) ?. 'l criterio de 0ur1ic( da un balance entre el optimismo
e+tremo y el pesimismo e+tremo ponderando las dos condiciones
anteriores por los pesos respectivos y ;1@ :, donde A B B 1. 'sto es, si
x(a
i
, e
j
) representa benefcio, seleccione la accin que proporcione2

{ } : , ; : 1 ; : , ;
j i e j i e a
e a x mn e a x mx mx
j j i
+
$ara el caso donde x(a
i
, e
j
) representa un costo, el criterio selecciona la
accin que proporciona2
{ } : , ; : 1 ; : , ;
j i e j i e a
e a x mx e a x mn mn
j j i
+
'l parmetro se conoce como nice e o(ti&is&o? cuando C 1, el
criterio es demasiado optimistaD cuando C A, es demasiado pesimista .
En valor de entre cero y uno puede ser seleccionado dependiendo de si
el decisor tiende hacia el pesimismo o al optimismo. 'n ausencia de una
sensacin )uerte de una circunstancia u otra, un valor de C 17, parece
ser una seleccin ra(onable.

Modelos de Toma de Decisiones 5
EJEM'LO
$artiendo del ejemplo de construccin del hotel, la siuiente tabla muestra
las recompensas obtenidas junto con la media ponderada de los niveles de
optimismo y pesimismo de las di)erentes alternativas para un valor a @
./:2

Alternati#
as
Terreno
co&(rao
Estaos e la Naturale"a
Aero(uerto
en A
Aero(uerto en
B
&ne
i
&A8
e
i
SBa
i
C
A $, -$% -$% $, -%
B -1 $$ -1 $$ -./:
A 2 B 0 -$ -$ 0 $/:
Ninguno . . . . .
La alternativa ptima sen el criterio de 0ur1ic( sera comprar las
parcelas - y F, pues proporciona la mayor de las medias ponderadas para
el valor de a seleccionado.
Modelos de Toma de Decisiones G
CRITERIO DE SADAGE

'n 1G61 Sa#age arumenta que al utili(ar los valores 8
i4
para reali(ar la
eleccin, el decisor compara el resultado de una alternativa bajo un estado
de la naturale(a con todos los dems resultados, independientemente del
estado de la naturale(a bajo el que ocurran. Sin embaro, el estado de la
naturale(a no es controlable por el decisor, por lo que el resultao e
una alternati#a s!lo e*era ser co&(arao con los resultaos e
las e&As alternati#as *a4o el &is&o estao e la naturale"a.
!on este propsito Savae defne el concepto de (Eria relati#a o
(Eria e o(ortunia r
i4
asociada a un resultado 8
i4
como la di)erencia
entre el resultado de la mejor alternativa dado que e
4
es el verdadero
estado de la naturale(a y el resultado de la alternativa a
i
bajo el estado e
4
2
-s, si el verdadero estado en que se presenta la naturale(a es e
4
y el
decisor elie la alternativa a
i
que proporciona el m+imo resultado 8
i4
,
entonces no ha dejado de anar nada, pero si elie otra alternativa
cualquiera a
r
, entonces obtendra como anancia 8
r4
y dejara de anar 8
i4
-
8
r4
.
Savae propone seleccionar la alternativa que proporcione la menor de las
mayores p9rdidas relativas, es decir, si se defne r
i
como la mayor p9rdida
que puede obtenerse al seleccionar la alternativa a
i
,
el criterio de Savae resulta ser el siuiente2
!onviene destacar que, como paso previo a la aplicacin de este criterio,
se debe calcular la matri( de p9rdidas relativas, )ormada por los
elementos r
i4
. !ada columna de esta matri( se obtiene calculando la
di)erencia entre el valor m+imo de esa columna y cada uno de los valores
que aparecen en ella.
Modelos de Toma de Decisiones 1A
Hbserve que si x(a
i
, e
j
) es una )uncin de benefcio o de p9rdida, la matri(
de p9rdidas relativas, )ormada por los elementos r
i4
representa en ambos
casos p9rdidas. 'or consiguiente5 6nica&ente el criterio &ini&a8 B 2
no el &a8i&inC (uee ser a(licao a la &atri" e e(loraci!n r/
EJEM'LO
$artiendo del ejemplo de construccin del hotel, la siuiente tabla muestra
la matri( de p9rdidas relativas y el mnimo de 9stas para cada una de las
alternativas.

Alternati#as
Terreno
co&(rao
Estaos e la Naturale"a
Aero(uerto en
A
Aero(uerto en
B r
i
A . %, %,
B %$ . %$
A 2 B 1 $% $%
Ninguno $, $$ $,
'l mayor resultado situado en la columna 1 de la tabla de decisin oriinal
es 14D al restar a esta cantidad cada uno de los valores de esa columna se
obtienen las p9rdidas relativas bajo el estado de la naturale(a Aeropuerto
en A. "e la misma )orma, el m+imo de la columna , en la tabla oriinal
es 11D restando a esta cantidad cada uno de los valores de esa columna se
obtienen los elementos r
i4
correspondientes al estado de la naturale(a
Aeropuerto en . !omo puede observarse, el valor r
i
menor se obtiene
para la tercera alternativa, por lo que la decisin ptima sen el criterio
de Savae sera comprar ambas parcelas.

Modelos de Toma de Decisiones 11
CR3TICA
'l criterio de Savae puede dar luar en ocasiones a decisiones poco
ra(onables. $ara comprobarlo, consideremos la siuiente tabla de
resultados2
Estaos e la
Naturale"a
Alternati#
as
e
$
e
%
a
$
< %
a
%
: F
La ta*la e (Erias relati#as correspondiente a esta tabla de
resultados es la siuiente2
Estaos e la
Naturale"a
Alternati#
as
e
$
e
%
r
i
a
$
. : :
a
%
0 . 0
La alternativa ptima es a
$
. Suponamos ahora que se aIade una
alternativa, dando luar a la siuiente tabla de resultados2
Estaos e la
Naturale"a
Alternati#
as
e
$
e
%
a
$
< %
a
%
: F
a
,
, <
Modelos de Toma de Decisiones 1,
Modelos de Toma de Decisiones 14
La nueva tabla de p9rdidas relativas sera2
Estaos e la
Naturale"a
Alternati#
as
e
$
e
%
r
i
a
$
. G G
a
%
0 , 0
a
,
F . F
'l criterio de Savae selecciona ahora como alternativa ptima a
%
, cuando
antes seleccion a
$
. 'ste cambio de alternativa resulta un poco paradjico2
suponamos que a una persona se le da a eleir entre (eras y
&an"anas5 y prefere (eras. Si posteriormente se la da a eleir entre
(eras, &an"anas y naran4as, Jesto equivaldra a decir que ahora
prefere &an"anas/
Modelos de Toma de Decisiones 18
EJERCICIOS
CRITERIOS DE DECISION EN INCERTIDUMBRE

1. Ena instalacin recreativa debe decidir acerca del nivel de
abastecimiento que debe almacenar para satis)acer las necesidades de
sus clientes durante uno de los das de festa. 'l nmero e+acto de
clientes no se conoce, pero se espera que est9 en una de cuatro
cateoras2 ,AA,,6A, 4AA o 46A clientes. Se suieren, por consiuiente,
cuatro niveles de abastecimiento, siendo el nivel i el ideal ;desde el punto
de vita de costos: si el nmero de clientes cae en la cateora i. La
desviacin respecto de niveles ideales resulta en costos adicionales, ya
sea porque se tena un abastecimiento e+tra sin necesidad o porque la
demanda no puede satis)acerse. La tabla que siue proporciona estos
costos en miles de unidades monetarias.
*ivel de
abastecimien
to
e1;,A
A:
e,;,6
A:
e4;4A
A:
e8;46A
:
a1;,A
A:
6 1A 15 ,6
a,;,6
A:
5 > 5 ,4
a4;4A
A:
,1 15 1, ,1
a8;46
A
4A ,, 1G 16

"etermine cual es el nivel de aprovisionamiento ptimo, utili(ando los
criterios e+plicados.

RESULTADOS
AC LA'LACE?
'l principio de Laplace establece que e1, e,, e4, e8 tienen la misma
probabilidad de suceder. $or consiuiente las probabilidades asociadas son
$;+:C178 y los costos esperados para las acciones son2
';a1: C ;178:;6K1AK15K,6: C 18.6
EBa%C @ B$+:CB1HGH1H%,C @ $$/0
';a4: C ;178:;,1K15K1,K,1: C 15.A
';a8: C ;178:;4AK,,K1GK16: C ,1.6
Modelos de Toma de Decisiones 16
$or lo tanto, el mejor nivel de inventario de acuerdo con el criterio de
Laplace est especifcado por a,.
Modelos de Toma de Decisiones 1=
BC ;ALD
La que x(a
i
, e
j
) representa costo, el criterio minima+ es aplicable. Los
clculos se resumen en la matri( que siue. La estrateia minima+ es a42
*ivel de
abastecimien
to

e1;,A
A:
e,;,6
A:
e4;4A
A:
e8;46
A:
a1;,A
A:
6 1A 15 ,6 ,6
a,;,6
A:
5 > 5 ,4 ,4
a4;4A
A:
,1 15 1, ,1
%$
B#alor
&ini&a8C
a8;46
A
4A ,, 1G 16 4A

CC =UR;IC>
Suponamos C17,. Los clculos necesarios se muestran enseuida. La
solucin ptima est dada por a1 a,.

a1 6 ,6 $0 B&nC
a, > ,4 $0 B&nC
a4 1, ,1 1=.6
a8 16 4A ,,.6

Modelos de Toma de Decisiones 1>
DC SADAGE
Se obtiene primero la matri( ri4 restando 6, >, 5 y 16 de las columnas 1, ,,
4 y 8 respectivamente.
*ivel de
abastecimien
to

e1;,A
A:
e,;,6
A:
e4;4A
A:
e8;46
A:
a1;,A
A:
6 1A 15 ,6 1A
a,;,6
A:
5 > 5 ,4
1
B#alor
&ini&a8C
a4;4A
A:
,1 15 1, ,1 1=
a8;46
A
4A ,, 1G 16 ,6

,. !onsidere la siuiente matri( de paos ;benefcios:2

e1 e, e4 e8 e6
a1 16 1A A @= 1>
a, 4 18 5 G ,
a4 1 6 18 ,A @4
a8 > 1G 1A , A

*o se conocen probabilidades para la ocurrencia de los estados de la
naturale(a. !ompare las soluciones obtenidas con cada uno de los criterios
aprendidos.

Modelos de Toma de Decisiones 15
4. !onsidere las siuientes tablas de retribuciones en la que cada dato es
un rendimiento neto en dlares. Supona que es una decisin en la que no
se tiene conocimiento del estado de la naturale(a. "etermine la mejor
decisin utili(ando los criterios aprendidos.
Mabla a:

'stados de la
naturale(a
"ecisi
n
1 , 4 8
1 46 ,, ,6 1,
, ,> ,6 ,A 15
4 ,, ,6 ,6 ,5
8 ,A ,6 ,5 44

Mabla b:

'stados de la
naturale(a
"ecisi
n
1 , 4
1 4 5 6
, > 8 =
4 6 = G

Modelos de Toma de Decisiones 1G
TOMA DE DECISIONES BAJO RIESGO
'sta cateora incluye aquellas decisiones para las que las consecuencias
de una accin dada dependen de aln evento probabilista.
'N'/$LH
Supona que tiene un pequeIo local de ventas de pinos para *avidad. La
primera tarea es decidir cuntos pinos ordenar para la siuiente
temporada. Supnase que se debe paar O4.6 por cada rbol, se pueden
ordenar solo lotes de 1AA y se planea venderlos a O5 cada uno. $or
supuesto, si no se venden, no tienen valor de recuperacin. Se estudian
los reistros de ventas pasadas en la ilesia y se anali(a el crecimiento
potencial de las ventas con otros vendedores, lleando a las siuientes
estimaciones para la siuiente temporada2
Denta e (inos 'ro*a*ilia
1AA A.4
,AA A.4
4AA A.8
!on estos datos se puede calcular la anancia para cada combinacin de
cantidad ordenada y ventas eventuales. $or ejemplo, si se ordenan 4AA
pinos y se venden slo ,AA, la utilidad neta ser de O8.6 por cada rbol
vendido menos una p9rdida de O4.6 por los rboles no vendidos, es decir2
,AA;O5@O4.6:@1AA;O4.6:COGAA@O46ACO66A
Si se hace esto para cada una de las combinaciones y se obtienen los
resultados mostrados en la tabla de decisiones siuiente o tambi9n
llamada matri( de paos2
Modelos de Toma de Decisiones ,A
E#entos Be&ana e Ar*olesC
Alternati#
as e
ecisi!n
1AA ,AA 4AA
;A.4: ;A.4: ;A.8:
1AA O86A O86A O86A
,AA O1AA OGAA OGAA
4AA O@,6A O66A O1.8AA
'l resultado ms importante de la teora de decisiones bajo rieso es que
debe seleccionarse la alternativa que tena el mayor P-LH# 'S$'#-"H.
'+isten muchas decisiones administrativas que pueden cataloarse como
toma de decisiones bajo rieso. -lunas de ellas son2
Q"eber introducirse un nuevo producto en particularR
Q"eber o)recerse ms para obtener un contratoR
Q"eber construirse una nueva planta o ampliarse la que se tieneR
Q!untos pasteles deber producir una pastelera para la venta
diariaR.
Q"eber una compaIa petrolera reali(ar pruebas ssmicas costosas
antes de hacer una nueva per)oracinR
Q"eber iniciarse un nuevo prorama costoso de propaandaR
Modelos de Toma de Decisiones ,1
TOMA DE DECISIONES BAJO CERTIDUMBRE

Si se pueden predecir con certe(a las consecuencias de cada alternativa
de accin, entonces se tiene una tarea de toma de decisiones bajo
certidumbre.
Htra manera de pensar en esto es que e+iste una relacin directa de
causa y e)ecto entre cada acto y su consecuencia. Si est lloviendo,
Qdeber llevarse un parauasR, si hace )ro, Qdeber llevarse un abrioR.
La sea que se lleve o no el parauas o el abrio, las consecuencias son
predecibles.
Ena buena parte de las decisiones que se toman a diario cae dentro de
esta cateora.

Q'n dnde comerR
Q'n donde comprar el material de la ofcinaR
-lunos de los modelos o t9cnicas utili(ados para manejar estas
decisiones son2

-nlisis del punto de equilibrio.
$roramacin Lineal.
$roramacin de la produccin.
!ontrol de %nventarios.
'ROGRAMACION LINEAL

/uchas decisiones de "ireccin de Hperaciones incluyen el intentar
conseuir utili(ar los recursos de la orani(acin de la manera ms
e)ectiva posible. Los recursos eneralmente incluyen maquinarias
;como los aviones:, mano de obra ; como los pilotos:, dinero, tiempo
y materias primas ;como el combustible:. estos recursos se pueden
utili(ar para producir productos ;como mquinas, muebles, alimentos y
vestuario: o servicios ;como listas de vuelos, campaIas de publicidad o
decisiones de inversin:.
La proramacin lineal es un m9todo determinista de anlisis para
eleir la mejor entre muchas alternativas. !uando esta mejor
alternativa incluye un conjunto coordinado de actividades, se le puede
llamar plan o prorama.
Modelos de Toma de Decisiones ,,
!on )recuencia, seleccionar una alternativa incluye satis)acer varios
criterios al mismo tiempo.
$or ejemplo, cuando se compra una pie(a de pan se tiene el criterio de
)rescura, tamaIo, tipo ;blanco, de centeno u otro:, costo, rebanado o no
rebanado, etc.
Se pueden adems dividir estos criterios en dos cateoras2
restricciones y objetivo.
Las restricciones son las condiciones que debe satis)acer una solucin
que est bajo consideracin.
Si ms de una alternativa satis)acen todas las restricciones, el objetivo
se usa para seleccionar entre todas las alternativas )actibles.
!uando se elie una pie(a de pan, puede quererse un Silo de pan
blanco rebanado y hecho en el da. Si varias marcas satis)acen estas
restricciones, puede aplicarse el objetivo de un costo mnimo y escoer
el ms barato.
'+isten muchos problemas administrativos que se ajustan a este
modelo de tratar de minimi(ar o ma+imi(ar un objetivo que est sujeto
a una lista de restricciones.
En corredor de inversiones, por ejemplo, trata de ma+imi(ar
el rendimiento sobre los )ondos invertidos pero las posibles
inversiones estn restrinidas por las leyes y las polticas
bancarias.
En hospital debe planear que las comidas para los pacientes
satis)aan ciertas restricciones sobre sabor, propiedades
nutritivas, tipo y variedad, al mismo tiempo que se trata de
minimi(ar el costo.
En )abricante, al planear la produccin )utura, busca un costo
mnimo al mismo tiempo cmo cumplir restricciones sobre la
demanda del producto, la capacidad de produccin, los
inventarios, el nivel de empleados y la tecnoloa.
!a programaci"n lineal es una t#cnica determinista, no inclu$e
pro%a%ilidades. El o%jeti&o $ cada una de las restricciones se
de%en expresar como una relaci"n lineal, de a' el nom%re de
programaci"n lineal.
Modelos de Toma de Decisiones ,4
Modos los problemas de $L ;$roramacin Lineal: tiene cuatro propiedades
en comn2

1. Los problemas de $L buscan &a8i&i"ar o &ini&i"ar una cantidad
;eneralmente benefcios o costos:. *os re)erimos a ello como la
Iunci!n O*4eti#o de un $L. 'l principal objetivo de una empresa
tipo es a+imi(ar los benefcios a laro pla(o. 'n el caso de un
sistema de distribucin, el objetivo puede ser minimi(ar los costos
de transporte.
,. La presencia de restricciones limita el rado en que podemos
perseuir el objetivo. $or ejemplo, decidir cuntas unidades se
deben )abricar para una lnea de productos de una empresa est
restrinido por la disponibilidad de horas de mano de obra y
mquinas. Se quiere por tanto, ma+imi(ar o minimi(ar una cantidad
;)uncin objetivo: sujeta a las limitaciones de recursos
;restricciones:.
4. "eben e+istir iJerentes alternati#as donde poder eleir. $or
ejemplo, si una empresa )abrica tres productos, los directivos
pueden utili(ar $L para decidir cmo asinar entre ellos sus recursos
de produccin limitados ;trabajo, mquinas y dems:. Si no e+isten
alternativas evidentes que seleccionar, no necesitaremos la $L.
8. La )uncin objetivo y las restricciones de un $L deben ser
e+presadas en t9rminos de ecuaciones lineales o inecuaciones.
Ena de las aplicaciones ms comunes de la proramacin lineal es el
problema del plan de produccin. "o o ms productos se )abrican con
recursos limitados. La empresa desea saber cuntas unidades deben
)abricarse de cada producto, ma+imi(ando los benefcios lobales y
teniendo en cuenta las limitaciones de recursos.
EJEM'LO
Sony )abrica dos productos2 ;1: el .alSman un radiocasete porttil y ;,: el
Shader MP, un televisor en blanco y nero del tamaIo de un reloj de
pulsera. 'l proceso de produccin de ambos productos se asemeja en que
los dos necesitan un nmero de horas de trabajo en el departamento de
electrnica, y un cierto nmero de horas de mano de obra en el
departamento de montaje. !ada .alSman necesita cuatro horas de
trabajo de electrnica y dos en el taller de montaje. !ada televisor
necesita tres horas de electrnica y una en montaje. "urante el actual
perodo de produccin se dispone de doscientas cuarenta horas en el
departamento de electrnica y de cien horas en el de montaje. !ada
.alSman vendido supone un benefcio de > dlares, mientras que para
un televisor el benefcio unitario es de cinco dlares.
Modelos de Toma de Decisiones ,8
'l problema de Sony es determinar la mejor combinacin posible de
.alSmany televisores que debe producir para alcan(ar el m+imo
benefcio.

'sta situacin puede )ormularse como un prorama lineal.
'mpe(aremos resumiendo la in)ormacin necesaria para )ormular y
resolver este problema.

0oras necesarias para producir una
unidad

"epartamento ;+
1
: .alSman ;+
,
: Melevisores 0rs. disponibles
'lectrnica 8 4 ,8A
/ontaje , 1 1AA
Fenefcios > 6
Ena ve( hecho esto, utili(aremos la siuiente notacin2
Sea 2
K
$
@ n6&ero e ;alL&an a (roucir/
K
%
@ n6&ero e tele#isores a (roucir
-hora podemos escribir la )uncin objetivo en t9rminos de +
1
y +
,
2
Ma8i&i"ar Bene)cio @ G8
$
H 08
%
*uestro siuiente paso es desarrollar relaciones matemticas que
describan las dos limitaciones del problema. Ena relacin de carcter
eneral sera que la cantidad de recursos utili(ados sea menor o iual
;B:que la cantidad de recursos disponibles.
$rimera restriccin2 tiempo de electrnica utili(ado B tiempo de
electrnica disponible.

:8$ H ,8% M %:. B9oras e tra*a4o en
electr!nicaC

Modelos de Toma de Decisiones ,6
Seunda restriccin2 tiempo de montaje utili(ado B tiempo de montaje
disponible.

%8$ H $8% M $.. B9oras e tra*a4o en
&onta4eC
-mbas restricciones representan las limitaciones de capacidad y, por
supuesto, a)ectan al benefcio total. $or ejemplo, Sony no puede producir
>A .alSman durante el perodo de produccin porque si +
1
C>A, ambas
restricciones se incumplen.
Mampoco puede hacer 6A .alSman y 1A televisores ;+
1
C 6A, +
,
C 1A:,
porque en este caso se incumplira la seunda restriccin.
'stas restricciones nos llevan a otro aspecto importante de la
proramacin lineal2 e+istirn interacciones entre variables. !uantas ms
unidades se realicen de un producto menos se )abricarn de otros.
La )orma ms )cil de solucionar un pequeIo problema de $L, como por
ejemplo el de Sony , es la solucin rfca. 'l procedimiento rfco
puede utili(arse cuando e+isten dos variables de decisin, como el
nmero de .alSman a producir ;1: y el nmero de televisores a producir
;+
,
:.

!uando e+isten ms de dos variables, es imposible dibujarlo en un
rfco de dos dimensiones, por lo que habrn de adoptarse otros
m9todos de resolucin ms complejos que se describirn ms adelante.

Re(resentaci!n grA)ca e las restricciones
$ara encontrar la solucin ptima de un problema $L, en primer luar
debemos identifcar el conjunto o rein de soluciones posibles ;valores de
las variables que cumplen las restricciones del problemaC/
'l primer paso para conseuirlo es dibujar las restricciones del problema
en un rfco.
#etomemos el problema de ejemplo de Sony2

Ma8i&i"ar Bene)cio @ G8
$
H 08
%
S/A/ :8
$
H ,8
%
M %:. B9oras e tra*a4o en
electr!nicaC
%8
$
H $8
%
M $.. B9oras e tra*a4o en
&onta4eC
Modelos de Toma de Decisiones ,=
8
$
5 8
%
N . Bn6&ero e uniaes
no e*e ser negati#oC
Modelos de Toma de Decisiones ,>
$ara dibujar las restricciones en un rfco, debemos trans)ormar las
desiualdades en iualdades2

Restricci!n A? :8
$
H ,8
%
@ %:.
Restricci!n B? %8
$
H $8
%
@ $..
La variable +1 ;.alSman: eneralmente se dibuja en el eje hori(ontal y la
variable +, ;televisores: en el eje vertical.

Modelos de Toma de Decisiones ,5
'ROGRAMACIN LINEAL
'ROBLEMAS
.$
En )rutero necesita 1= cajas de naranjas, 6 de pltanos y ,A de man(anas. "os
mayoristas pueden suministrarle para satis)acer sus necesidades, pero slo venden
la )ruta en contenedores completos. 'l mayorista - enva en cada contenedor 5 cajas
de naranjas, 1 de pltanos y , de man(anas. 'l mayorista F enva en cada
contenedor , cajas de naranjas, una de pltanos y > de man(anas. Sabiendo que el
mayorista - se encuentra a 16A Sm de distancia y el mayorista F a 4AA Sm, calcular
cuntos contenedores habr de comprar a cada mayorista, con objeto de ahorrar
tiempo y dinero, reduciendo al mnimo la distancia de lo solicitado.
.%
Ena compaIa tiene dos minas2 la mina - produce diariamente 1 tonelada de carbn
de antracita de alta calidad, , toneladas de carbn de calidad media y 8 toneladas
de carbn de baja calidadD la mina F produce , toneladas de cada una de las tres
clases. La compaIa necesita >A toneladas de carbn de alta calidad, 14A de calidad
media y 16A de baja calidad. Los astos diarios de la mina - ascienden a 16A dlares
y los de la mina F a ,AA dlares. Q!untos das debern trabajar en cada mina para
que la )uncin de coste sea mnimaR
.,
%mainemos que las necesidades semanales mnimas de una persona en protenas,
hidratos de carbono y rasas son, respectivamente, 5, 1, y G unidades. Suponamos
que debemos obtener un preparado con esa composicin mnima me(clando dos
productos - y F, cuyos contenidos por T son los que se indican en la siuiente tabla2
$rotenas 0idratos Urasas !osto7S
- , = 1 =AA
F 1 1 4 8AA
a: Q!untos T de cada producto debern comprarse semanalmente
para que el costo de preparar la dieta sea mnimoR
b: Q!untos T de cada producto deberamos comprar si el precio de -
subiera a 1.AAA pesos7T R
.:
'n la elaboracin de un producto - se necesita una sustancia F. La cantidad de -
obtenida es menor o iual que el doble de F utili(ada, y la di)erencia entre las
cantidades del producto F y - no supera los , mientras que la suma no debe
sobrepasar los 6.
-dems se utili(a por lo menos 1 de F y se requiere 1 de -. La sustancia - se
vende a 6 millones y la F cuesta 8 millones el ramo. !alcular la cantidad de
sustancia F necesaria para que el benefcio sea m+imo.
Modelos de Toma de Decisiones ,G
SOLUCIONES
.$

MATEMATI>ACIN DEL 'ROBLEMA

/-LH#%SM-
-
/-LH#%SM-
F
*ecesidade
s
mnimas
*aranjas 5 , 1= cajas
$ltanos 1 1 6 cajas
/an(anas , > ,A cajas
"istancia 16A Tm 4AA Tm

DARIABLES INSTRUMENTALES
Llamamos x al nmero de contenedores del mayorista -
Llamamos $ al nmero de contenedores del mayorista F
IUNCIN OBJETIDO ;Mini&i"ar:
3;V: C 16A+ K 4AAy
RESTRICCIONES
REGIN DE SOLUCIONES IACTIBLES
Modelos de Toma de Decisiones 4A
SOLUCIN IACTIBLE 'TIMA
Hbservamos que el mnimo se alcan(a en el punto #;4,,:
;soluci"n "ptima:
$or tanto el )rutero solicitar 4 contenedores del mayorista
- y , contenedores del mayorista F.

Modelos de Toma de Decisiones 41
.%

MATEMATI>ACIN DEL 'ROBLEMA
/ina - /ina F
*ecesidade
s mnimas
-lta 1 , >A
/edia , , 14A
Faja 8 , 16A
!osto diario O 16A O ,AA

DARIABLES INSTRUMENTALES
Llamamos x al nmero de das trabajados en la mina -
Llamamos $ al nmero de das trabajados en la mina F
IUNCIN OBJETIDO ;Mini&i"ar:
3;V: C 16A+ K ,AAy
RESTRICCIONES
REGIN DE SOLUCIONES IACTIBLES
Modelos de Toma de Decisiones 4,
SOLUCIN IACTIBLE 'TIMA
'l mnimo se obtiene en el punto #;=A,6: es decir, la
compaIa debe trabajar =A das en la mina - y 6 das en la
mina F para que el costo sea mnimo.
DALOR DEL 'ROGRAMA LINEAL
!omo la )uncin objetivo es 3;V: C 16A+ K ,AAy el valor
del prorama lineal ;asto: es 3;V: C 16AW=A K ,AAW6 C
O1A.AAA diarios.

Modelos de Toma de Decisiones 44
.,

MATEMATI>ACIN DEL 'ROBLEMA

- F *ecesidade
s
$rotenas , 1 5
0idratos = 1 1,
Urasas 1 4 G
!osto =AA 8AA

DARIABLES INSTRUMENTALES
Llamamos x al nmero de T. usados del producto -
Llamamos $ al nmero de T. usados del producto F
IUNCIN OBJETIDO ;Mini&i"ar:
3;V: C =AA+ K 8AAy
RESTRICCIONES
REGIN DE SOLUCIONES IACTIBLES
Modelos de Toma de Decisiones 48
SOLUCIN IACTIBLE 'TIMA
Modos los puntos que )orman la rein ( son soluciones
)actibles, y por paralelismo con la recta de benefcio nulo )
vemos que #;4,,: es el punto mnimo. $or tanto, deben
comprarse 4 S. de - y , S. de F para que el asto sea
mnimo.
DALOR DEL 'ROGRAMA LINEAL
!uando la )uncin objetivo es 3;V: C =AA+ K 8AAy el valor
del prorama lineal ;asto: es O,.=AA
Si la )uncin objetivo es 3;V: C 1AA+ K 8AAy la solucin
ptima est en el punto X;1,=: y el valor del prorama
lineal ;asto: es O 4.8AA

Modelos de Toma de Decisiones 46
.:

DARIABLES INSTRUMENTALES
Llamamos x a la cantidad de sustancia -
Llamamos $ a la cantidad de sustancia F
IUNCIN OBJETIDO ;Ma8i&i"ar:
3;V: C 6+ K 8y
RESTRICCIONES
REGIN DE SOLUCIONES IACTIBLES
SOLUCIN IACTIBLE 'TIMA
Se encuentra en el punto X;1A74, 674:, es decir la cantidad
de sustancia F para que el benefcio sea m+imo debe ser
674 .