5.

La Toma de l)ecisiones BaJU Cc,ndicjones de Riesgo:

Variables
Aleatorias Dii;cretaJ

Tbe criartos

pa.rn

la loar

dc dcckioe

bejo rlergo

cuado tomarnos decisiones bajo condicrones de rieago,

necesrtarnos
irformaein que nos p.T*l" propo;cior.'ar probabdad,es
'esta(lo6
para
ros divesas
posibies de Ia. t.irt"i"r.. nsu lnformacin
puden
ser ros
reglstros previos ci simplemente el juicio
s"uetrvo- der gue toma la de_
cisin; lr fuente lo uue importancia mientas
esta rnformacin nos
penrrita ilumlnar etr qub estadi creemos
s e.ncueDtra eI ambiente. Hay
ues criterlos- paa la toma de deeisin bao ries!";l;
cua-les "estudrarerros; eD orden
soni.aaror
r"ro
amado crisri,
*
"ilT C ra.cionatid.
de Bayes), el critcrio
"tFtrrdi
qtaxtlrir, ff***;;i;::r;;'#
razn insufiriante ) y ei critero d.e la mr*na
Leosimh.td.,

El Criterio del Ve,lor &;perado

Este criterio reqere que er tomad.or de decisiones
carcr-rre e! varor
esperado para cad;r a-lterrativa d.e decisin (la
suma de los beneficios
rcnderados para ca.da arreinativa, donde tos pesos *" r* valores
de pr+,
babdad asignados por el tomador de decision",
lor-"rrados de ia nacu_
ateza que puede".,l.r::""qse. Esra id;;';;;-;;#
"
rnuy ararmanre
Ejenplo del uo no es enearidad ciifcr y;
de
hecho,ya
la
hosG;en
dcl crltlrlo d{rl dd
ra pg. 101,
Cap. 3, cuanclo ex?usimos A proUfe-nr; q;; i"lpf"*rUa
vslor capsdo
hojas de
triplay. hesenrmoslo formarmur,tu
.l;t;
perry, quien
li
i*,u
vende fesas en un ambiente de competer,cia
"or,
en er gue
fesas de 'na-ara es una vaiable aleatoric'discrela,-Iv,ll tas vent.s de
tade presentaque son dles cuando la demand*
:erT*..*ldg!
toria disttribuida conrinuament.
"*,*" variable area_
Informl dc
8.9 cornpra freas
Il caja y las vende a $g la caja. Esre,ma_
corio y pr.eclo gen
"-.$? lo perecedero
rerativanente alto refreja
el auct"
gar,.riesgo

eI

.t

I
'lI

Teorlo de dxisin
:

Tabla
Ve:taa
a:rle.s

l0

ri-ri

Cajae vendldas duraite gO

dfss.

No. de dias
c.on esta venta

h.claHJlad qu!

se

vendg cada nmero

I8

.?0

lt

'a

l2

27

qn

.10

90

1.00

la

..{ 0

de almacenaIo;.er pro-ducto no
Liene ningn valor despus d.el pnmer
d'a en que se ofece i;-";"i;.
p"rry:'r"'i."ira
e.,],
aJ probiema de
^",.1
cunro ordenai hoy p;ua
" ro,
;;-;;;;.
-a3
Una observaci1
"ui;oii",
ygntas
i"*A* por g i*, n* da la informa_
cin mosgada en ra Tabia
s-0. l,as probabdaa", ,, obhienen ar nor_
rfleliz^rladistribucin- I'^q' u.nr"Ju*nn
10 cajas en 18 de los go das;
estc es, ,Vgo J i'to -- .20 de las
;;;.
Esta disribucin ta-nbi;
y aleatoria. sro hay cuarro
".--L"ru,"
'aicres posibles para el voruner
*
u..rt"r'y;;;;;
patrn d,iscernible
en la secuencia en que ocurren
estqj cuatro valores.
si suponemo qt*" Et;; ;
lu:r:en de"ventas se ccmporrar ' argumentos para creer que el ve uunied,o
forma &f;;";;-"n er fururo, su del problear
'problema es deterrein*t
;*ff
hoy para el n+.
gccio demaana. si ma-anolou
"u*tn, *";;""-b.
soricitan
ms
cajas cle las que
-r";;;;"
hav a*nacenadas, l"r ur*iuG ""res
;;'8"
$5 (precio de
venta menos costo) por
cada venta gue no pued.a !n."r. po
otra paxte,
hay ccstos que resuJn d.
demasiadas-rJ.*
en
cualguier
"ltn;;;;d
un. dla dado
eef;d<,.ne
13
cajas
**1^tll_olg"..g,r,"
p.erc
sto
ven,je
I lene una. urilided, de
to.
$,il, $5 por caja, en
cajas. pero esto debe
reducise por $g,'el
-10
"*;; ,-J* no vendidas y sul vaLor.
EI calcto d.e utiCrlLe
cot*iti.at+ls. Una fcrma O. U"rO*
blema de Berh, es constuir
el prouna tabra q." ;*;a
Ls resuttados en
djneo de tcdas ias
>osibles

"d;;#.+;;{

co.nbiri";"J,::

r:'T::ij'

;".'"";q1X; *;tTffi"lJ":?,tr" :r
12 o-rs cas.-E"J fueron,t"r:ugnttudes
de las
para e';'u- considere
trj]]"loEivo
";;p;;;;;;;"10;

:3"_* son 10, .11,

sotros

f?
''La

Table l?, Ilamada una tlrbr^a

cre uIidas
la udlidad.resur.igtg J"1"qrrlJ;*rl";ff

cond.ic,ionalr,
".ru"r,re
de orerra
manda' r,s urilidad"r pu"o.-.''il
y de_
p*iuu"i';,;Jaas
y son cond.icie
'nales 9rr.Que,u1_e-utiridia
"a","surta de ro*".ii] accin de almace_
. namienro otus,:." (giae"a,
y. tener,ventas de
, qn nrrmeo.t#e e_+*'i,
n;
n.o:ls
La' Ja'bla . +7. reRei;- idJ
,1 . . .
;dfu"{3i'g,f
er
inven rario
no se ha ven-do
iil-';i.il"'ifleja uur;;;;""oo
norearizadas.por
"r

*;,,

ic;l;-i?li lffij#

tajs).
.Jji-#il

:",Ti",*Jgrr.o*

=F-

162 Enfoques cuantitativos a la administracin

Tabla

5-7. Tabla de urilldadeo

De:ada
(

yrrtap ),

ggjas

=
l-

=
=:.

F
F.
F.
E.

F
F

F,

F
F

**
3;

+
f
+

re

G
G
E
G
C:

AccioneE de alnacenanJegta po.lblp

p<rcible

l0
l6r

cais

Pgias lt
-" :1L-1?
qr

ll

s17

5{)

55

5!

r2

5()

bU

to

.57

50

ri(i

o:)

IU

::

condiciona]s,

55

=:11'

s+r

Beth a causa de su incapacidad de satisfacer la soij.citud de un comprador, esto es, a causa de una condicin de falta de inventario.
Ilerlvacin
f\ocese que eI atrnacena-r t\t ca3as a-r ciia, srenrpre resultr er u
de los sintos utjlidad de $50. Aun cuafo 1os compradores quieran 13 cajas en alguprre la tebla nT d"t, Be
slo ruede vender 10.
de utilidades
co:diclonsles
Cuando Be almacena 11 cajas, su utilidad ser g55 en 106 d.as que
los compradores soliciten 11, 12 o 13 cajas. Peo en los dlas en que ella
tenga 11 cajas en almacn y los compradores sociten sio 10 cajas,
su utdad cae a $47. l-a utidad de $50 en las 1O cajas vendldas debe
reducise en $3, el crxto de las cajas no venddas.
Un inventario de 12 cajas, aumenta las utllidades d.iarias a $6O,
pero slo en aquellos dfas en que 1os compradores guieran 12 o 13 cajas.
Si los cornpradores quisieran slo 10 cajas, la utilidad se reduce a S44;
la utilidad de $50 en la venta de 10 cajas es reducida en $6, el costo de
2 cajas no vendidas.
El almacena 13 cajas resultar en una utjlidad de g65'cuando hay
dernarda para 13 cajas. Habr una utilidad de $5 en cada caja vendida,
sin cajas sr vender. Cuando los compradores compren menos de 13
cajas, tal accin de a-lmacenaje resultar en urilidades de menos de
$65. Por ejemplo, con un nventario de 13 cajas y verrts de slo 11
cajas, la utilCad es $49; la utidad en 11 cajas, S55, se reduce en el
costo de 2 cajas no vendas.
ls tl
Tai tabla de utdades condicionales no le d.ice a Beth qu nmera
'/alor
' d onHltdde
de
cajas
debe almacenar cada a para maldmizer sus uuliades. Slo
'. ecndlclo- "les
le muestra cuJ, ser el resultado s un nrnero especlfico de cajas almacena y un nmero especifico de cajas se vende. Bajo condi.ciones de
j'
riesgo, ella no sabe por anticipado el tamao de ia demanda de un dfa
dado, pero an as debe decidir qu nmero de cajas, almacenadas consistentemenle, mod.mizar las utitid,des sobre

ul

periodo largo.

Da*tllir.;a.citt d.e la er u,ridr..d eryerado- El sigulene paso pafa letermina e.l .ngjor nrnero de cajas a almacena{, 6 asignar prcbabdades a.ios restadc's poslbles o utiliciades. Vimss en la Tabla 6 que las
probabitid.ides Ce ios- valores pgeibles para las ventas ern comg tiguutu

G
rC

G
iC

*
-

7'eora de decisin

I
q
J
q

tq
q

a
q
?

f
==

;
q
q

a
=l

,l

==;
c
I
=,
-.
]
t

:f

='=

h'obabilldad

Cajas

l0r
I
l

.:it)
'-l{)
:1r)

11
"l

_.

li'

Uszurdo estas probabrlidades y la informacin contenida en la Tabla

5-7, Beth puede ,.ahora calculr la utilidad esperada de cada accin

posible de almacenamiento.

Antes se enunci que pdiamos calcuia el valor esperado de una Utiiidod eeperada
vaiable aleatoria aI ponlzrar caa aalor PosibL qtte ln uari-a'bl We
tonrar pr I probalidad de que tmne ese aalor. Usando esbe procedimiento, Beth puede calcular la urilidad esperad.a diariamente al a-lmace'
nar 10 cajas af da, como en la Tabla 5-8- '
Las figuras en la columna 4 de la Tabla B se obtienen aJ ponderar Ctculo d
la utilidad ccndicional de cada volumen.de ventas posible (columna 2) la ulidaparu
por la probabdad de que ocurra cacla utjlidad concional (colmna 3). esperada
16 cuatro
La suma en Ie rima columnr es la utilidad esperada gue resrdta de alternativss
almacenar 10 cajas cada da. I'{o es de sorprenderse que esla utidad de degisin
esperada sea de g5O, sin imxrtar si los compradores queran 10, 11,

13 cajas.
EI mismo clculo para un hventario diario de 11 unidades puede
hacefse, como lo hemos hecho' en la Tabla S9. Esro nos dice que si
Beth almacena 11 cajas aI da. su ttilidad' esperada con el tiernpo ser
de $53.40 rcr da. E0% del tiempo la utilidad daria ser $55; en estos
das los compradores piden 7L, 72 o 13 cajas. Sin embargo, la columna 3
nos dce que 2.OVo del ti.empo, el rn'ercado slo tomr 10 cajas, resul:
tando en una utilidad de sio $47. Es este hecho lo que reduce 'la
utilidad diaria esperada a $53.,tr0.
Paa 12 y f3 unidades, la utilidad aria esperada se calcula como se
rnustra
en.les tablas 5.lO y S1l, respscEivat:f,ente.
'Hemos
a-bora calculacio l utidad esperada de cada una de las cuaro acciones de almaenarniento abertas a Beth. Faa sumaizar, estas
utilidades esperadas son cqno sigue:
Si se almacenan 10 cajas al c[a, ]a utilidad esperada al da es de $50.00.

12

Tcbls
(

S. Utilidad
.:'p"'jgl

g:_g'"'e'"r

1)

Pr.obabdad
{3) .
' urur(lad
d tarmnno
*_T-;
esperada
:-.
_..._*
.__._

Tameo
mercado,
l0

il

del

(2).

'

Udlidsd

csjar condlcioaal

-_a!_Eeg3oo

t ir)

x
50.
50' ' x

l3

5UX

(3)

"?0
'4A
"CO

,t0
l.o0

11

"!i--__:

Sl0
?q,
tt

:
.

$5c

i.1

Enfoques cztantitstivos o Ia adminktracin

Tabla 5-y

(1)
Tanano

lJtidad esparada ds olmcn&r i1.

del

3)

(2)

P:robabl]Jdad

UHIded

<1e lamg-o

mercado, c4!a condiciona.l.

x
,:
*

qJt

I1i

u
l2

3)

-deL-Esr9-B&-

ltr

caje.5.

(4)
Udlldad
esperada

S 9.{ L)

.{0
lb.fr.l

3tl

.l{)

3.

100

5:1.+u

.)

Si se almacnan L1 cajas at da, la util-idad esperada al dla es de $53.40.

Si se almacenan 12 r:ajas al da, Ia utiLidad esperada al da es de $53.60.
Acci

de

alrraccuaieto
ptimo

Inerp:ettcio
de esta
allersa.va

c de<isin

Si se almacerlan 13 cajas al a, la utilidad esperad.a al dla es de $51.40.

La accj.n de aln:acenamiento pcima es aquella que resulta eir la
utilidad esperada ms gra-nde. Es la accin que resulta en el mayor
promedio Cia-rio de utdades y as maxiniza las utilidades toraies sobre un periodo, En este ejemplo, el nmero apropiado de almacena cada
a es 12 cajas, ya clue esta cantdad dar el mayor promeo dario de
urilidades trajo las co;ndiciones dadas.
No bemos inLroducido certidumbre en eI problema a gue se enfrenta
Be Perry. l!{as bien, hernos usado su expriencia pasada paa dermi.nar la mejor accin de alnacenamiento dioonible a ella. Todavla no

sabe cutas cajas sern socitadas en ',,'t da dado. No hay garanla de qrre ha una udlidad de $53.6O maiana. Sin embargg, si
alrnacena 12 unidade:s al d;r bajo ias condiciones dadas, prc,,-nedi-etd ubdades de 53.60 por da. Esto es lo mejor que pude hacer, porque la
el,eccin de cua-lquier otra de las tres posibles acciones de almacenani,ento, resultar en una udlidad promedio rrleror ai dfa.

luformcin
prlecta

t-!t;Iia espzrada co* itformztian petf ecta. A-bora, supongamm pr

un momento que nuesto det^llis" de fresas, Be Perry, pudiera dasaparecer toda rncerddumbre de su problema al obtensr inforsracin adi'.[abla i-i:.

IJilidd es:erada

(1)
Taao del
mercado, caja:
r0

it
I.t

t3

Utilil,t.t
condlcic*ral

52x
60x
dox

a'l-cena 12 cai.

(3)

(2)

iIJ

a_l

Pobabllidad

de tmeo
dcl mercdo
.20

{{)
.j(]
_,1()
t.{ri)

(4)
rilllqrl

esperada

8.80

:10.80

18.00

accla prlme
-++
):'1'ou e de almacrranlento

!4

+
4

=
=
=
=

+
a
+
+t
+

Teorla de decbitt

T':r>'. l

.;.i

U$Li:iad eaPelada a-l alracelar 13 c:as'

()

Probabilidac
' :-- -- ci t21ano

Ta.nallo Cel

Utided
;rercado, caja!; condlconal

li

tll

i{!

il

49

1!

,7

ll

o5

.'

(3,

(?)

*-ei.''i""-

"3d

,46

JE

ol-.rd.d

c-sPcr|la

'

:"8.10

lI. l0

_. 0
i i){;

L,

l9' 6u

610
iE

t,4CI

y exacra sobre el futuro' conocida corflo

cional. Informacin'ompieta
del probiema. Esro
#;;.*- iirf"ito, q,ii *i.' rod ulcerridmbe
a 13 cajas al da' Las
no significa que ias v"ntas no variarian de 10
del tiempo, 7t caias 4o7o
venras tcdava serian 10 cajas al da, el 2o%
lOVo del tiempo' Sin
aui J"*po, 12 cajas 3}vo del tiemPo y i3 .ca.ix'
sabr a Por anttcpado cuntas
embargo, con ifo*"iO,t perf'ecta Berh
;;;; Je i.ban a Pedir Para cada da'almacenaria
.
ahora el nmero exacto Cilceilo d'la
Bajo estas circunsiancias, Be'.h
espcrada
Para la venta de 10 trtilldai
c-on'lrformaciu
de cajas que loe . co:npradores quelrn maana'
de $50' Cuando rerfeeta
cajas. almacenar"-iO'".i.s y obtenda una utilidad
exa'ctz'
eIIa
almacenaa
cajas,
ras ventas se considerar; seian de r r
de
$55'
una utilidad
*"rl," 11 cajas cbieniendo asi
rlos valcres de utilidad condicional que so-n
La Tabla s12 mueslra
de Beth si ella tuviera informacin pececta'.Dado
cualqutra'- ella--es"puiiu"Jp"tor"*a
tamarlo *l *ut.""
ei
t anricipado Para un d.1 sus
-rl"r"""nt^i"np
uidades' Esto
que *""i*iz"o'
dr.
;;il;.t;
toda prdida
evitar
significa que comp;-y-"l*^""rra lo que necesita.paa
que
prdas
de.oportunidad
iru"rroo oUr"i"tJ .ri "o*o olas las
sasb'sno
merbanca
de
.:
,;fl""r, las uf,lidades perdidas en solicitudes
i
fech as.

Ahora,e}lapuedeprccederalclculodelautilidadesperadacon
'Er,o se muesti en la Tabla 5-13. Ei prrcedif"ril"ib"''p.if..,".

""J;;;;-Ll ';ir"-e.r"'"1 que y se h utilizado. Sin embargo, notar

oniciotaies en la columna 2 de la Tabla
;;'i;tl*"t-
de vents'
"i"a"t
3-1:';;" l* ;rd-; "riria"ut posibles para cada vo-limen
Be siemPre
eoi-"iuplo, cuando los gomp-1dorbs'qui:I"tt,

13,

""ias,.

'''!.oLi'.i1zUdad.scoodicjona1"s.u"jcenizz,:';:.:.:
"

' -',,j:

poelbles de
Accitires
*-'*'-*

"----.----'
Yentas pcslbles,
t0

il

cajae ro "1LT_..-.
150

t:

l3

:--

almaceir'arfiJato

-tl:1f'_.-.i?".::$- il-::i:l

Dev

)b1

Slg::rl$eds

do

la utilida

ergerads con
lnic.r:n,gl6n
perfecta

lb

En/aques cuantitativos a la adm!nisrracin

Tabla illi.

Utilidad gs:erada con informacin pqrfesta

(4)

/I\

Tamaq
mercado,
l(I

,r-r
.:;,-

UFilidad

Urilictsd
conCicional
bajo ct rleza

de

tar.r

,rs0

-?a

-*c,

l2

t,{)

IJ

s
_:.

"A

"3U
IU

Lr)
_ -_

ao

del mercado

1I

es-

F'elada qgfi
irrfprrnac

Probebilfdad

prfecta

..
=
=
-

\ l0.f)0
Z.{r(_r

I8 i)0
u.3u

iisJ

ha una r:trJidad de $60 bajo cerreza, porque habr a_lmacenado 12

cajas exactamente. Con informacin perf;cta, entonces, poCra conrar
con obtener una uriiidac frcmedio de $56.5c al d.a. Esta es una cifa
importante puesto que es Ia md-rLma ulidad. posible.
LIn'enfoque a!tvrttu: ]Iumizor'iun tli prd.id.s. Acabamos de resolver
el problema de Beth Peoy al maximizar su. gariancia diaia esprada.

Orro enloque Hay otro enfoque pala este mismo problema. Podenros calcular las can.
l)2taesolver este tidades con las que
se redrrcirn las mximas utilidades posibles ($56-50)
Problona bajo varias acciones de almacenamienco;
Y
entonces podemos etegir aquel
curso de accin que minirniz.a.rd estas reducciones o prdas.
Tipos de prdida
Estn irrvolucrad.os dos ripos de prdidas, ( I ) peiaicJas por obsolescencia son aquellas causadas al almacenar demasiadas unidades; (2)
prdidas dz csporttLnidad son la causadas al no tener inientario cuando
los compradors quieren comprar.
La Tabla 5:14 es una tbla de prdidas concionales para Be.
cada va-lor en la tabla esr condicionado a que se almacene un nrnero
especijco de cajas v se solicite tambin un nmero. especfico. l-os valores incluyen no sclo aquellas prdidas de inventario obsoleto cuando,
ei nmero de cajas aLnacenadas excede el nmero que los compradors
desean sno tamu.sn aquel-las prdas de oportunidad que resultan de
las ventas perdidas cuando.el mercado habra aceptado ms que ei nmero a]macenado.
Interpretacin de
Ninguna de estas prdidas se incure cuando el nmero almacena"do
table de prdid-as en un ria cualquiea es el mismo que
el nmero soii.citado. Esta condicondlcionales
cin produce en la i.agonai puros ceros. cifras de dinero arrifu. de cua-lquier cero representan las prdidas que resultan. del jnventario obsoleto;
en cada caso el nrrrero almacenado es mayor que eI nmero venrtjdo.
Por ejempio, si se aimacenan 3 cajas y slo se venden 10 cajas, hay
una prdida resultante por el costo de 3 caj# no vendidas,
Lcs valores debaio de la digonal de ceros representan prdidas de
oporlunldad que resuilan de solicitudes que no se pueden saLisface. por
ejemplo, si slo se alrnacenan 10 cajas pro se solicitan 13 cajas, hay
una prdida de opcrtunidad de $15. Esto representa la urilidad desp'erdciada de $5 por caja sobre las tres cajas sobcitadas pero no disponible.


_=r
-::

-r

'Teora de decisin

---

:._
-::
-:-

E-

-r

=r

c1)as __*o1l*o"o

!
rt
i'J
13

'to

.{o

..lP

'f{)
en-

-r
:
-r
=
=
=
:=
-

=r
-

h
h

h
n

la Tabia 5-14'

Al aplicar estas probabi-lidacles a Ia informacin

de ia mxinra utpcdemos calcula la:'prd"ida".t'p"'"ji ireduccin
de almacenamiento' Ha-

Clculo

de la prdida
esperoda

iosible
dad posible de gselsOl-",q^aa aciori
cifras de prdJdas pmiJ*"u"tro
d"
t"'to
t""
cemos esto rcncet;;;
de la Tabla
t
bles en cada cotumial"" l" i"ur" lni"l;lt:"tt:|1ades
tb cajas' ia p'rd'ida esperada se
5-6 Para una accin de almacena
IJ.,.,r^ como en Ia Tabia 5-15'
Prdidai conCicisnales'

Tblu tt{.

=L

i-o

a las c'anddades que

los
como:
io estas probabilidades

E-l siguiente paso es asignar- probabdades

compradores van a querer' La'I'abla

/ l6-

Acciones posibles de almacenaraieno

Ventas posi-

bles- cajas
li

li

11 cajas

$,,

"_J
{)

;l

r0

rS

o|

l,)

tl

12 caias 13 cajas

1O cajas

$9

F6

5-15 s tornn de la Tabla

Las prcd'as condicicnales'en la Tabia
cajas' La su-na de ia irima
5-14 para una accjn de aknacenar 10
un
l0 cajs- 4 d^' sobrehav
columna nos indica que si se almacenaran
da' lio

periodo largo. l" peii3""'p;*;t;;*P;;d'

'"'a *1t^al
$6'50'
garantia que Ia prda e maa'na ser exaclamente
prd.ida esperada de
la
de
Las Tablas 5-16 a 5-1g muesrr"r, ro, .ulos
La accin
12 o t3 caias' respectiv.amente'
decisiones d; th;;;-il,
espe'
prdidas
q* i"nizartt
pdma de alma.ce"-ir"t"'Ls aquetta
'as dia' en cuyo
de 12 cajas cada
radas;esla aecin pide el aimacenamiento
punto la prdida es'pe,aaa se minimiza en $2'90
Tabla 5-15. Prdida sperada

Tanao

del

---_-'-EsGad

Prdida

mercado, cajas condlcional

t0

ll

l?
l.'

al almacenar 10 cajas'

!(l

ix

I t)

13

de tamao.
'"2

uC0
'...3.

_J9
r,0s

Prdida
eepeiada
5,o0
:lj0rl
3.itt

Prdida esPeroda
para lal cuatro
alie

rusfivss

d deElgin

=*
...

Enfoques cuantitdtivos a la administacin

5-16. psrdf espglda l nsccnr 11 pljp.

i{;t'irilta;-aPd
Tgmsao dl
Pftdlds
q\
d* l*maq
lt{sr'l
ep!rd
marado, cajq ccndlcion;rl
: ._.--.1__ dcl-m-cqcd-g
X
.20
5 .60
t0
s3
x
.o0
.-{0
U
ll

Tbla

i
F

t2

l3

r) 1r

I -.f

l0

.t0

l.o0
s3.r0

1.00

(.,

Beth puede enJocar la determiracin de la aqcin de almacenamiento ptima dede crralquier Pu.nto de vista, maxlrriza las utlllds'des esPe'
rdas o 'mlnlmizar las prrildae esPeradas; ambc's e:rfoqueo llegan a la
.misme tsrlelcin. En la'Tabla 5,19 'lhostraress que.las urtdedes son
mamzadas y las p,lrdidas oesPradas eon mnimi:adas qando Beth
Perry almacena 12 urridad* dlariament.
I valor c*errdo
o Ie lfo:acln

Fat*aqt

\/o!or erperodo d. La infonwct* perfect.. SUponlendo que Btil zu

dlera obtener un Pro:nosdcarlor perfecto de Ia demanda futura, crll
serfa el valor de' tal rronca'.icador Para eIIa? Debe compara lo que le
cuesta a e[a ti tnfor::fa,cin adlclonal con la udlldad alictonal que
obtndrfa corno resultado de tener la lnformacin.
Tgblr 3-L?. Frdtda aoperederr de slslacener l2 cejaa.

Tsuao dl

-----FStrd-sd

Pdldg

dc

mccado, caf ar conclonl

56x
3x

l0

,r"

jr.

I3

tama1o

del mercrdo

Pdld
eperade

.20

s 1.20

.4 ()

.10

1.20
.00
.50

l.(x)

S!.90

Aq{An pttm
,
ol
sl:rrc{ttrdsto

Beth puede ganar udUdales diaias Promedio de $56.50 ei dene informacin Pertecta sc'bre eI futuro (ver Tabla F13). $r mejor utilidad
dlaia esprada sln el Pronosticador es 610 $53'60 (ver Tabla 5-B .a
Tabla

5-1S

Prdlda erper:rde de almccnar 13 csja'

rmorio del

rycn
l0
ll
t?
l3

Prdtda

Probabtlldcd

';;;;;;
o*'i

59
6
ll
()

I'"'J#"

Prlda

c'eena

>:

'.20

s 1.80

):

..{0

2.40

:':

-30

.90
.00
s5. l0

,1

.lo
t.{J0


,=
-1

G
E
E

Teora de deciin

'I'bi

:,-ie Uttlided et?erada y

1
-

lO cajas

Utilidad

fuyio"

esPerada

:nerada

-i50

rr{)
5rr

io9

prdida esperada

_a:'i1"

-ED

1"

1 cajas

$55.40
3"1

IJ!qcenaEuenta

13 cajas
i,5,,tto

s"t

5-11i. La diferenc-ia c[ 52 9 es ]a cntidad mxirna que estaria drspuesta a pagar, por d:.a, por un Pronosticador perfecto, porque sta es
ia canUdd mxirna en la que puede increrg,entar su ganancia diaria
esperada. Esta diferencia es el valm esferado de ta inf anna.cin perfect-oy se concce como VEIP. No tiene sen[ido Pagar ms de $2.90 Por el
pronosticador: el hacerlo bajara ia utiiidad **1 esPerada
Al de!rmirar qu in{ormacin a<cional es.valiosa en el Placeso de
oma de decisin, es un problema serio para los gerentes. En nuestro
ejemplo, enccntrarnos que Eeth pagara $2.90 a-I da Por un Pronosricador
perlcto. AI gener*lizar, a parti.r de este ejemplo, podemos decir, que el
u^lpr esperaCo de la lnformacir pedecta es igual a la perdida rnnima

B valor ' epersdo

de la infcrrsscin
erfocta es lguel
a Ia prdida
onico ergeradr

esperada.

sin embargo, no es a rnenu<io que uno sea lo suficientemente afortun4do de poJer obtener un pronosticador pertecto; as, en la mayoria

de las situciones de torna de decisin,.lcs gerentes estn realmente intentando e.va-luar eI valor de la inforrnacin que ies perrni4r toma una
mejor decisin en vez de una Txtrfecta.
Arf,'gulos gue t'ena:a un Velor e rceup*s+i6n. En el ejemplO pretfo._' YIor
do re<r:peracin
supusimos qul el picducto que s,e estaba vendiendo te corrsideraba intil
"venta".
de
si ,no s" u"?dja al da siguiente de la entrega, 9 sea ql da
Por supuest, est suposicin de que no dene valor de recuperacin no
producto t*t 4g"!' valor de rcuperacin,
siempre es re-lista, bi
"l
ento;es esla candad se debe considerar al .cal.culal las urilidades conai.iorrU"r par accin de almacenamiento. Consider el iaso de los araneI da andaos fresos, Ios que se ordenan po! el detal.lista tyse.reciben
'venden
a $B por
rerior al da de venta. cuestan $5 por caa y se
puede
salir de
caja; cualquier remnente no vendido a-l'final del da, se
l-al precio de recuFracin de $2 P"t_9.aj1.La ^observacin-nos Ingesrra
que ias ventas pasadas ban varialo de l5 a 18 cajas por da;.no hay
iazn fara creer que el volumen de vents tmqr cualquier oga mag!i
:.
:'
nitud en el futuro. ,,
A] usar ios rnismos Procedimientos .que en i rraUla 5-6, establ'cernos
estas probabidades para los valores que tomarn las ventas:

1?0 EnJoqu# cuqnltatvos a lg arlministracin

FienrPlo de tooa

ds dtalsiB cop valor

La tabla de utilidacles condiqionales

que

riores es la Tabla g'20, Un inventario de

15

resultA de los datos 4nte'

eajas cada i3 qsultar eP

de recu'eracin
<'-:'

Probabilidad de
T,-a-o
del mercado tamao del mercado
.li)
lb

.2tl

ti

.4 ()

ai)

IH

Clculo

de u$lidades
condkionalce

r(,,,

unautilid.addiariade$45siimPortarsilademandaesParalS'16'
se venrjerr, pcru r
17 o 1g cajas. l-u' i .3, "g"cenadas srempre
,e pued"n vender ms eir cualquier da'
UninventariodeTcajasaldaresulterenunautilidadde$51,en
o 18 cajas' Hasta ahora;' e]
aquellos das en que Ia dmanda sea de 17
que en todos nuesclcuio de las utiliades condicionales es el mismo
ett guc el
uos ejemPlos previos. Sin embzrgo' en c1/alqtiEr.m-omento
to de ten'ta' el cdlc-ulo
nmero aim-acentd.o excedn a la-dtrnand'o aa
recupery? en gonsi
de ls. utdod. concion'a'I deb tomar el aalor de
17 cajas se almacenan pro
d.eractn. f,rto ,rr""", po' ejemplo' cuando
slo se venden
como sigue:

tS;;t;J i*.trilii"

co'dicional en este evento se calcula

$45

UU.dad de 15 cajas vendidas

Menos costo de 2'cajas no vendidas

Ms valor de recuperacin de
Utdad condicional

-10

--;.^7

+4

caias

-m

pueden considerar como- un1

Los valores de recuperacin tambin se
el
" las cajas rro u".,d]das' En nuestro ejemplo'
reduccin en el
el,coeto originat de $5
"or,o
cosLo nero "
-'J""p"tacin es $3, o sea
se almacenan 1B

menos
Tabl

"aa*lli^-nl"r"idn
de $2' As'
a"
el valor

5-20

UClldades concionales'
Acciones

Demada Posible
ventar ( caj

cuando

as

de almacenamiento poelbles (cjas)

l5

l6

t7

t8

.
.

I
I
I
I
I
I
I
I
I
l
I
I
I
I
I
I
I

r
t
I
I
I
I
I
I
I
I
I
I
I
I
I
I
I
)
)

t
I
t
)
i

I
t

Teora

cajas pero .slo se vendn 16, lr utLlidad concliciora! es $42; esto

$3 por cajir en las 16 vendidas rnu.rtt SG el cclsto total de las J

dt dectsto,t I

es,

no

vendidas.

[,a presencia de] valor de recuperacion en un problema de inve'nlarios. no eltera la apcacin de cualcuier princrpicr explicado attteriormente en este captulo. Simplen-rente significa que debernos considerar
su ei'ecto sobre utilidades y prdidas condicionales. Acabarros de ver
que el valor de recuperacin au:menta las utilidades condtcionales porque
reduce la prdida causada por el almacenamiento en exceso.
Procedemos como antes al determira la accrn ptima de alma.e- Clc:ilo dc la.
namiento a tonrar. El siguiente.paso es dererminar la utilidad esperada utilidades
par:i
para cada una de las cuatro acciones posibles de almacenamienlo. l:sio esperadas
las cra to
involucra ponderar las cifras de utilidades condicionales para cada accirr alterna tivas
de almacenamiento por la pt'obabilidad de quro cada un ocurrir, r' des- d decisin
pus sumar los resultados para cada accin de almacenamiento.
La Tabla 5-2 1 presenra las cifras de .uulidades espeladas resulrantes;
el almacenami.ento de 17 cajas ai dia es la accin de almacenamiento
ptima. Con el tiempo. podemos obtener ma)'ores utilidades promedio v
totales al almacenar 17 cajas cada dia. aun cuando algunos dias la demanda ser para 15, 16 o i8.
En muchos casos, el vior de recuperacin de un atculo no vendi|gr.ffiu de un valor
puede tomar ms de un va-lor,.dependiendr de la aririguedad de ese *f- rJe recuperaci&n
tculo; no es raro. p\rr ejemplo. gue el pan fresco tenga un Precio en iel
superrnercado, qqe el pal "del da antedor" se venda a un precio algo
ms bajo y que el pan de ms de -l das no tenga prcticamente valor.
Eri algunos casos como ste.y en situaciones con valores de recuperacin ms complicadcs, las soluciones tabuiares ai problema se lr:elven
muv cornpljcadas e .incmodas. En la rnavoria de ta.les situaciones, los
investigadores d.e operaciones prefieren usar mtodos ms eficientes que
el enfoque tabular. Fxaminemos uno de sos ahora.
. Us ciel an<ili.rl'.

-e.gii*t. En muchos problenlas, el uso de tablas de

v utilidades esperadas, sera difcil debido al

utilidades condicionales

nmero de c:iiculos-requerido. La Tabla 5-2 1 mostr 4 acciones de almacenamientr. posible- r 4 niveles de venla posible. lo que resulta e) una
tabla de utii;dad .orldi"ion"l qr:e conriene l6 posibilidades para utilidades condjcionales. Suponga querhubier:r irabiclo 200 valores posibles para
los volnenes de venta v un nrnefo igual de acciones de almacenanriento
posibies. Habra habido un nmeo muy dto pe clculos al determinar
la utilidad condicional v sprada de cada .co'mbinacin posible. El enfoque marginal evita este prbblema'de exceso de trabajo.comPutacional ;
Ia unidad ser o no ser veiraa.'-La,'srrnia.de las,probabilidades de esros
dos eventos debe se igual'a 1; Pr ejemplo, si.la,'probabdad,de:vender
ia unidad adicinal es ,4, enfonces,is; probabilidad ,de' no venderla. debe
sel -6, L suma? 1. '
Hagamos 'q" p represent,.13 'protrabilidad de vender una. unidad
adicional, entonces- t -l p debe ser 1a probabilidad de ro vendeila Si

Frobieas
con demssiadas

utiliddes
condicioneles

Fobabilidad

de vcnder y

nu

'11

Enfaqyes cuaititalvos a l8 odmini.stocin

Tabta

5-li

llH.ltdadea pspcradus.
Acplone

15
T"r.'4,o

del

mercado,

caJae

Frobatttde,d
Ce

tarf

.llJ

lij

.20
4r)

t5

ll

.30

tJ

unidd

dlcior'rl

Prdtd marglual

5-{::)
.15

lq cclr

PaJen

Utilldad
condiclonal

t5

l.t)0

vcndcr

8'o

del mecado

dg llq3qqnaqJFto pgdb{er

Urtliad
eaperode

Udlidad
conclonal

_\ -{.50
!.00

q9

J.00

48
43

3.50
s-{

48,

5.00

Udllded
esParrds

5 a.lQ
qn

19.20.

14.41 '

S-17.40':.

la unidad adicional es v8ndda, obten<1eIno6 un aumento en nuesrras

udlidades condicionales co'mo resultado de la ulilldad tenida . de la
unidad adicional.. Nos referimos a esto como utilklad fiargial y la designaremos uM. En nuesrro ejemplo de valor de recuperedn, 11uru{a
mLgnaf resultanle de ia venta de una unidad adic{onal es S3, Preclo
de venta menos cc6to.
El referi-rnce a la Tabla 5-21 i-lustrar este punto. si almacenamos
15 unidaries cada cia y la demanda diaia s para 15 o ms unidades,
nuesrra utidad condicional es $45 por dfa' Ahora {ecidtmos almacena
caso
16 unidades al dfa. Si la decimosxta unidad se vende ( y este es el
utidad
cnnuestra
es para 1G, t7 o- 18 unidades),
;;#;l;t"-"rr"
la
en
dicional se eleva a $4^B por dla' Note que el aumento
"S$"9
unda,q'
condicional no sigue simplemente Pof almactn-sr la declmosexta
en.Probab;ili;;;"i.io""*r ,upr"r,* en el problema, este,aumento
unidades;
iUa resultar st c.r"rro la demanda sea para 16 o ms

esie ser el caso 90% del tiemPo'

del alma'
Tarnbin debenros considera el efecto sobre las utdades
nuesreduce
cenarniento d.e una unidad adicional y no venderla. Esto
conoce como
tra utilidad cond.icional. El imPort de la reduccin se
que reiulta de almacenar n ardculo cuarido

<ptt)
\- - -
;r;cr-rr*;ir*t
'i
'""
--- "r:"";au";
El ,"itit"* olra vz a la Tabla 121 i]us6ar' la prdda maginal'
s"po"g* una ,i.ez rns cue decidimos *eTlT 16 unidades. Ahora sup"ig"fin, que-la decimosexta unidad (la unidad marginal) nb se vende;
uti"

es ahora $42; la
y s-e venden
unldades
15
almacenan
se
cuando
lidad. condicional cie $45
la unidad
de
el
coeto
son
por
Estos
$3
$3.
se recluce alora
;;
($2)'
"ttl;,
de
recupet'acln
valor
el
. no vendida ,($5) menos
unidades acionales en tanto la ut'idad mar'
almacna
pera
Se'd.eben
Segla
almEcenr ulddes grn^a.I- esperodn de almacenar cada una de ellas sa mayor que la ??dg
El tamao.d..", tl orden de cada dfa
,{Tlr:** lirgir*t esperada por almacenarla.
que la utilid'd marginal- esperada
en
1t...
,.,
debe aumentarse "tt" el pnrnto
:,..

ilo-r. rrner, 15 unidades. l,a utilid".l condlcional

a
I

-t
l
-

t
a
-l
-l
rl

-r

-l
il

a
-

rr
-

-l

a
a
-l
rl
-l

a
L

tr

.
=
-

L
-

Teora de decisin I

dq almacenar una uniclad ms pi sq lende es gxaclarnente igual

prdida margrnal espeada de alnacena la unidad s! *t't sq u?ft*e'

la

Accicnes pogibles de alnacenanlento

I/

CaJas

__

Ud]-tdad Utllldad
candicional espereda

---

__

S:r.11il

1lr

9.rl{J

:{}...l0
I ir 3rr
i.{ H_6r)

-ca

U',dad

Utiutdad

condlciol:al

esPerada

55d

Q?Q

jas

18

.rl
13

5-l

- -----+- ---.- pdma

lAccin

S:l.tltr
..-1

rr.:rr

I t).21

sl;

.,1u

En nuestro ejemPlo, ia distribucion de probabdades de la

de-

rnarnda es:
Tsmano del
mercado

Habdad

de

tamao del roarcado

t5

.(,

lfi

.10

l7

it

3g

t)0

Esta disrri.brcin nos indica. que coniorme aumentaJnos nuesto invenrario, la probabdaC de verrdr I unidad adicio;aal (estc es p) d1t:
minuye. Por ejemplo, conforme aurnenlamos nuesf,ro inventario de 15
a 16 urudades, la'probabilidad de vender 16 es .90. Esta es la probabiIid.ad de que ia demanda ser por 16 unidades o ms. Aqu est el
calculo

la demaoda ser Por 16

la demanda ser Por 17
que la demarda ser Por l6
que ia demanda ser Por 16 o ms

.2t

Probabiiidad de que
Pobabilidad de gue
Probabrlidad de
Pobabdad de

.40
.30

uidades

PrcbsbilJdad'
de verde ub

unids{i adlcional

.9C

Ct la adrcin de la decimospd:na urudad, ia probabilidad de vcnder

todasllas lT unidades s reduce a .7A (la suma de las probabilidades de
demanda para 17 o.lS.unidades),.Fina]mente, la ldicrln de la decimo'octava ,niaa conlleva slo una probabiJidad de .30 d'e que vendainos
lodasl las' 18'unidades, porgue .ta demanaa er por ..1q, unidades' slo
'3OVo el tiempo,,
.'. ';. 'ls tilidad-rna-rginal esperacia ai ajmce'r y vender una unidad adicional, es la uriiidia nrarginal de ta unrdad multiplicada Por Ia probabilidad de que la unidad sZr venda;.esto es, P(UM)' La prdida mar-

Utilidad nargiDl
eep*reda

ol

une unidad
adlclont

vender

ii1

En/oques cuanttalivos a la adnin'Ltlracn

I
I

gi4al esperada de a-lmacenar y nq yendgr una unidd artcionC, es la

prdida marginal icurri{a si la unidad po es vgndid4, multiplic4da poJ
la probabilidad de quq irt uruda4 nq se4 yen{i{a; psto es (1 - p)(Pry).
De e!9 ejpmplq podgmos gee53liz4 que el geryplq ep eslq siluqpln
almacenara hasta el punto donde:

p(uM) : (1 Punto en el cual

la utilidad esperada
de ua u.iiiad
adicionol es iSFsl
a la prdlda
-,- --_-r-

p)(Plvf

I
I

Esta ecuacin describe el punto en el cual la uti-lidad esperada' de

almacenar una unidad adiciona.l, p(UM), es igua.l a Ia prdida esperada
de almacena la uridad (.1 - p)(PIVf ). En tanto la p(UM) sea mayor
que (1 - p)(Pt\f ), se deben almacenar unidades adicionales rorque la
rrriLidad estrerada de tal decisin es mayor que la prda esperada.
En cualquier problema dado, sio hab un valor de p para el que
la ecuacin de ma>imizaCn ser vlida. Debemos determinar ese valor
para conocer la accin de almacenamiento ptimo. Podemos hacer esto
al lomar nuestra ecuacin de maximizaaln y despejar p en la siguiente
forma:

I
I

rt

tl

I
I
I
I
I
I
I
I
I
I
I

p(uM)*(i-p)(Pr{)
Al multiplica los dos trminos en el lado derecho de la ecuacin, obtenemos

p(Ulv{)-PM-p(PM)
Reuniendo Ios trrninos que conLiene

p(Uhf

) + p(Pirt)

p,

tenemos

=, PNI

p(Ulvf+PM)-Pr\d
Al vidir

ambos ia.dos de

PM
':' UI\f + Piif

la ecuacin por UM + PM nos

da
(s-2j

La letr'a p representa la: tnnima profu.blidnd requ.eri"da de vez.d.er

al tnsnos una unidad adicional Wra fusficar eI almacenami.ento esa

unidad cdicional. Las unidades adicionales s deben almacena en tanto
la probabilidad de vender al menos una urudd acional sea mayor gpe.p.
Podemos ahora caLcular p pe:ra nuestro ejemplo. l,a uilida<l marginai
por unidad es $3 (precio de venta menos costo); la prda margjnal. Por
unidad es tambin $3 (costo de cada unidad nenos valor de recupea-

cin);

as

I
I
I
I
I
I
I
t
I
I
t

t
*l

t
'tt

I
I
rl
I
I
I

Teora de decisin

r
r

.l
L
il

t
.
-

I
.

rl
a
-

P&1

$3 :
53+$3

ligima
S3
-..Sd

.5

Este valor de .5 para p sigaitica que para justificar el almacenamient(, de una unidd adiciolal, debernos tener ai menos una probabilidad acrnultttiva de .5 cie vender esa unidad, Para determinar la probabdad de vender cada unidad adicional que consideramos almacenar,
debemos calcular una serie de probabilidades acumulativas como en ia
Tabla 5-22.
Las probabilidades acumulativas en la coJumna del lado derecho de
la Tabla 5-22 represenlan las probabdades cle las ventas alcanzarn
o excedern cada uno de [os cuatro niyeles de ventas. Por ejemplo, el
l.O0 que.aparece junto al nivel de ventas de 15 unidades signica que
tenemos iOOm de certeza de vender 15 o ms uniddes. Esto debe ser
cierto porque nuesfro problema suPone que sitmpte ocurrir uno de los
cuatro niveles de venta.
EI valor de .9O de Ia probabilidad junto a la cifra de ventas de 16i cglcdc de las
unidades significa que slo tencrnos gOZc de seguridad de vender 16 offirobabili.dst:ts para
ms unidades. Esto se puede calcular en dos formas. kimero, podemos l' 3cuuul,rtivac
aadi las probabilidades de vender 16, 17 y
':fr#:,T;""

;"1";,

16 unidades .20
17 unidades .40
LB unidades +,30

,'

L
L
L

probabilldad de vender 16 o ms
O podramos razonar que las ventas de 16 o'ms unidades incluyen
tod.os los resultados p.<:sibles exuepto ventas de 15 unidades, que tienen
una probabilidad de .10.

Todo Ios resultados posibles

Probabdad de vender 15

L
L
?
I
-

L
ry
.

i '-\

Cilcrdo de la
probabilidad

FM

U}l{ +

de decisin

,90

r''

1.00

.-.10

--:g

probabdad de vender 16 o rns

Tabla 5^:3. Pobabilidades ecumulauvas de ventas.

hobab.tlidad

Ventas, de es- nivel

unidb.des de vetas
tf,

.r$

l6

.3u

ti

.{t}

t8

.3)

P*-u"-uu-t.

]""*ui c'.

"
'que las ventas estarn
a
este nivel o'ms rriba

,.0$ u,\,
,90 " r\)rrl1'
?o , 9t'l'''i ''
'30 ' tsi ,l1*
.

Fobbiliilad

.rara

acurnulativa
l$ u:irfadas o m

j7i1 Enfaques ananltstivas

a ta administacin

probabtrld El valor de probabdad acumulativa de ,70 asignado a ias

ventas

qtrr'uhs,v de 17 unidades o ms se puede eslablecer en forma semejanle; Las ven:

ssra 17 u:rldadcs 1"1 . 17 o ms sirican venlas de 17 o 18 unidades; asl
Probabciad de ven.der
Pobabdad de vender

17
lE

.40

+.30

--76 : probabdad de vender l7

o ms

Y, por supuesio, la probab{ad acumulaciva de vencier 18 uniddeses-an.30p(}rque}remosSupuestoquelasven|asnuncaexceFobabdad

Aer '14l <-

para 18 uiddes

Utdad y prdida
eq:erada p*ra

Ia decl:ooexta
u:rldd

derr 18.
Como se mencion previamente, el valcrr de p, la probabilidad acumuj
Itiv, d-iSrrrinuyc {o!1ft:me ! tive} d.e venes xu;ris'1ta' Ecte aunents
esperada disminuya y que la prdida maria uAdacl marginai
hace que
'esperada
-hasta, algun
aumente
Punto, en el que almacenar una
#:r"l
cional no sea redituable.
"rtira
Hemos dicho que las unidades a,:licionales se deben almacenar en
tato la probabilidad de vender al menos una unidad adicional sea Inayol
gue p. Podemos aplicar ahora esta regl a nuestra probabdad de disCribuiin de'ventas y dererminar cuntas unidades se deben almacenar.
Este proced.irniento nos ce gue debemos almacena la decimosexta
unidad ptrqr.,. la probabilidad de vender 16 'o ms es .90, una cifra
claramente mayor que nuesfta p de 50. Esto tambin sigrica que
la utilidad marginal esperada de almacenar esta unidad es mayor que la
prd-ida rnarginal esperada de al.macenarla. Esto se puede verificar como

sigue:

P(UM) - .90($3) : 52.70 uti-lldd *"tg:n.d esperada

( 1 - P)(PM) - .10($3 ) : $0'30 prdida margrnal esperada

y rdida
Una decimospriima unidad se debe almacena porque la probaLtdad
eqrerad,a p*ra de vender 17 o ms unidades (.70) es mayor que la p requerida de '50.

utiis

la dectaoccptlaa Tal accin resulrar en las siguientes perda y utilidadmarginal esperada:

nnldad

p(UIvl) -'.70(53) : $2.io utilidad marginal esperada

(1 - p)(Plvf ) - .30($3) - $0'90 prda marginai esperada
Nivel p,tino Este es ei nmero ptimo de unidades a almacenar Porque la adicin
dc lnventrio de una decimoctava uniclad conlleva sio. una probabilidad de .30 de
que ser venda; esto es menos que nuesrra p requgri-da de _.5-0. Las ci.fras
jigul"ttt"r muestran por qu la deimoctava unidad no deb ser almacenada:
Udlidad y prdida

'

espcrade pora
dciqoctaverldad

Ia

(1

p(UM) - '30($3) : $0.90 utiliclad marginat es:erada

p)(PM) : '70($3) - $2.10 perdida marginal esperada

-t-

+
-
-

Teoria de de'cisin I

Este nos dice gue si aadirnos una decirnocta\a unidad l inven-'

taio, aaiiremos. *". la.prdida egperada cle lc que 3adimo's a la
ulidad esperada.
: Nole que el uso del anlisis marginal nos conou3o-a la misma con-

ciusin,alcanzadaconelusodetablastjeutilidaclconcionalr,deurili.
dad esperada. Ambos mtodos c1e aniisis resultan en una decisin <ie
almacenar 17 unidades.en cada periodo-.
En el problema que acaba.rnos de resolver, supusilnos que las venLas
diarias eran una.v.driable aieato;ria; cle, acuerdo a csto, propusimos na
estrategia a seguir cada d.a sin alteraclQnr al.macenar 17 cajas. En. Ia
prctic rea-l , sin ernbargo, encontraramos srn duda que las enias dilrias tomarian Patrones reconocibles ciependiendo dei da parlicular de
Ia semana: esto parece invalidar el concepto de una variable aleatoria'
Por eremplo. en las venLas ai menudeo. se Iecopce generalmente que ei
sbacit .i ,-,., da de mayor volumen que el martes, ciiga.mos. Sinameni,lasveniasaImenudeqdeldomirrgoSonLipicarnentemenoreSque
las del yiernei. En situaciones donde hay Patrones reconocibles . en las Menejo de putroaes
de derards
ventas'diarias, an po.demos aplicallas'tcnicas que hemos aprendido' recono'cibles
Calculaamos una regla de aknacenanjento ptimo para cada da de la
smna. Por ejemplo,"pafa el s.bado como dtos da entrada usaramosi -:l expeiienci previa di vencas para los sbados sol-atnent. Cada uno d"{'
los o-tos 6 d.s sera tatao ite la misma forma. Esencialmente este.i"
enfftue representa nada ms el reconocirniento de, y la reaccin a, Peuoni discernibles en lo-que al prirrcipio Pa-ree ser un ambiente completamente aleatorio.

El Crirt'rio d,: Rationalidad

. En siruaciones de roma .de <lecisiones donde Beth Perry ere Poc?s

o ningn ,dalo.sobre la demanda anterior, elJa pcdra aplicar el criterio
de raonatdnd (tambin conocido gomo el principio de la az,on insufi
ciente). Esta,suposicin la introdujo primero-Jacobo .Bernoulli, Este crierio dice qu" e.t ausencia de informacin sda en contario, Beth

Crtteito

do rscio=alidad

Tabla .,-'13 clculos de va-lor esperitdo

usdo el crierio de racionalidad

Acciones. posibles

Demanda
poslbl
(

lO cajas

cajas )

t0....
ll
t2

13 :.

de almacenauenrc

'

k'.:s j 512.i(,)''
() \.25= I2.:i0
.;() x .25 = 12.5()
5() x .ru =

sg,.,

lffi.

12 cajas

cajas

;' .ri =
55x"?5=
.55.>,25=
E5

l*.75

x .25 = l5.O()
x .95 = 15.00
60 x .95 = _15.00 '
: is.r.ot, '.
.--,-- .lt.
2

13.-7$

ti0

13.75

SiJ'utl

'

13 cajas
49
5?
t:5

= 12,!5
., l+.:5
x .25 -' lfi.U
x

.25

25

s53.,ro

Accin Ptlma de almacenamlento

i78

ErJoqyg: cuanlilalivas a la aclninitracin

,pltccin dpl

,:
-

cltcrio
de rclonalided
a problcnls
Prcvios

tambin iguaimente pc<iria suponet que todor los estqdps de l,q vahtrg,
lz sott igaalm-ente proboblgs,
aplicar el citr:do cJe raciorlalioad aJ problema de las frgEas, Yflnog
que pueslE Que hay cuafto estadoq Fpsibles de la nafqraipa (delnende Fe{4
10, 11, 12 y 13 cajas), le asignaia una proba-bilidqd de .25 a cada uno
de estos estados. En la f'abla 5-23 hemos reptido la tabla de urilidades
condi.cionales que se mostr prirneramente en Ia Tabla 5-7 en la Pg.162,
aadido pesos de igual probabdad a .ios cuauo estados de la naturaleza
y calculaclo el valor esprado de las cuaho alternativas de almacenarniento. Usando est criterio, la decisin ptima de almacenamj.en[o es
12 cajas, con una urilidad esperada de 554.00.

El Crirerio de iUxirac, \'erosimilitud

a

Si Be usa eI cricedo de mxima verosimtud, ella simplenlente

elige el estado de la natualeza que tiene la ms alta probabdad de
ocurencia; despus, habiendo supuesto que este estado ocurrir, elige
la aftemativa de decisin que producir la utilidad ms alta. Para demostrar este criterjo, hemos repeiido en la Tabla 1a-24 la informecin
de la Tabla 5-7, agt:egando las probabdades que Beth asign originalmente a lcs cuatro estados de Ia natu.aleza. Iill puede ver que 'demanda de 11 cajas" con una probabilidad aslgnacia de .4 es el estado
de la naturaleza con la probabdad ms alra de ocurencia y que la
Aplicacln
accin de almacenar'11 cajas- tiene el beneficio mayor para ese estado
del crlterio dc de la naturaleSa. Iln ia Tabla 5-24, hernos encerrado .r, .rr, cuadro negro
. r:rxlme el estado de la natura).eza "demanda para
1l cajas" y un crculo de
verorimilitrd
coior
la
accin
de
abnacerramiento
de
rnayor
beneficio'11 caja.s". Este
a lroblerors
prevlos criterio d.e decisin es muy ampliamente usado y producir resukad,os
v-Lidos cua:do un estado de la naturaleza es mucho ms probable que
cualquier otro, y cuando ios valoes concionales no son extremaia-'
rnente diferentes; sin embargo, es posible cometer elrores serioe si usaLimitcioues
del .crl.tcrio mos este criterio en una sltuacin dond ercste un gran nmero de estados de la natureJeza, y cada uno de ellos tiene una pequea, casi igual
ds mxlm
veroriu:illtsd probabilidad de ocu:rencia.

Crlterio de mxira
.
r.eroriailifud

Tabia 5-?{. Determiacin de la eccin ptima de lmacenamlento

usando el critrio de nximo verosirilifud.

Dem.rda
po.sible
(cajas)

Acciones

Probabdad
<ie esra

demanda

10 cejas

.:od.bles

cajas

de elrnace;r
12 caj*r

rm{s19

13 cejas

t*

Teor{a de decisiit

l?9

{iriterio del Valor lsper4cuco" Vurirbics Aieatorias Distribl!f,as fontiltariginte

G, Lsu tiel

en este Camlio de valor

Todos los probielas que hemos esuello hasta esle Punto
esperado de disceto
emb-a-rgo'.la
S*
discretal'
."piiJ,-r,nr i,rot,.,"" lrftli:s alearorias
s &rtiiruo
aleatorias
mayora d.e Ias siuaciones reales tienen que ver con variables aprendido
distribuidas conen;;;;;,-N. es. dfcil plicar Io gue hemos
aleatcria est djstrihast-1 est punro ,ir.,r"iorres- donde la variable
"
estudiante univerun
buida continuam"ni". Conrideri a Steve Skeebo,
las primaveras'
todas
sitario de ltimo ao que vende tomates de cerezo
caja' Si no se
por
a
$16
Steve las compra a $9 una caja y las revende
recuperacin
de
valor
un
;i" venta, tiene
vende una caja." i;;;;;"
indican que
ventas
de
previos
de $3. El exarnen de 3teoe de los regislros
la demanda para este aculo en particulai estri {:sfUulfo estandar
i",T*-: e
,", .o.t un piomed.:'o de 120 cajas diarias y una desviacin
puede usar.la
38 cajas. cul debe ser el inventario d steve? steve
ecuacin(s.2)para-ca-t"''larlaprobabidadmnimarequeridadevendel
esa
aI menos una unidad adicional para iustificar que ei almacenar
unidad con lcs datos que ene disponibles
'n:

PM

'

uM+PM

::.

'1/
I.

tr'

'

$6

$7+$6

$6
- .$13

:'.462

Steve debe estar

Recuerde lo que significa este valor O9 er.gba!{dadantes {e que le
sguro .462 de vendei al menos una unid,ad acional
5'1_hemos ilustrado 1." pt-o
beneficie er almacenar esa unidacl. En Ia Fig.
deman{a previa' La
babitidad '.462 en una d'istribucin tlo*1t de. la

probabd'ad.requerida'462eselreasombreada..s.tevedebea}macenar

riii; ri.,-

varibie

.
"l"tb.i-':'
iibud'a"continuamente'

.:ivntai prviasl'.

Probabitidd

mlaisa requerida
sjettPlifi:ae

ga la dstibucin
noraal

ib/,f Enfoques caanttativos a la adnmbtracio;

unjdades adicionaies isra. qus .lcarce

el punto e; si almacent qna

cantidadroayor'ierprooabilidacluaeabajode,402,
Puesro Que el rea :,ornbreada bajo 14 curvg narrnal en la Fig. 5-l ps
Dctrg[agin
del plvl pttoo
462 del ea otal bajci ia purvc, el arqa ablerta debe ssr l,A :,'q?
d lvolrlo, o .538 dei ea baj,: ia cur!.a. Si verncx en el Apndice, Tabla (probabi1
u.qdo l {blr
ljdad
norma]
estncir.'
para
vemos
.538,
q,r"
valor;
Ll
apropiado
probrbldrd
ei .t.
de
norral cstDdr Esto sigriifica.que e1 punro e est .] de desviacin estd;; la derea
del promeo. Puesto que sabemos que la desviacin estndar de ta d.isribucin de la dernanda previa para esre arrcuio es 38 cajas, el punto
Q se encuentra como sigue:

Puno Q

prornedio

+ .l de desviacin estndar

- nrotnerlir. -+- 1 /'fF L.,je1 j

- I2O cajast + 3.3 cajas

El iivenrario prlrno que Sreve debe ordenar es 124 cajas.

7. La Utilidad f c,nrr 'n e rit.'ria oe i)ecisin

Hasta este punro en este capculo, hemos usado el valor esprado (por
ejemplo, ulidad esperada como criterio de decisjn. Esto supcnia'que
si la utihdad esperada de la a-lrernaiva A era mejor que Ia de la. drnativa B, entonces el que toma la decisin ciertanente escogeria la
alternativa A. A la rnversa si la prdida esperada para la altern-ativa C
era mayor que la prdida esperada de la alternativa D, entcjnces 'se
supona gue el que roma la decisitin seguramente escogeria D como
un mejor curso de accin.
LiraitciolreG
sin e.rnbargo, hav siLuaciones en ras que el uso del valor esperado
del vlor corno criterjo de decisili lo pondria a uno en serios problemas. por
ejemcsperedo coEo un plo, supongamos 'gue
un
hmbe
negocios
de
dueo
es
de
una.
fbrica.
critrrio de decisin
rieva que vale, digamos,'s1 rniilon. Adems, supongarno,s que slo hay.
una posibilidad en I 00l r .00 I I cle gue se queme este ao. De estrs doe
cifras podemos calcular la prdida esperada
,

.001

51 0O0

000: .,iil 100 - prdida esperada

Alora supongamos que un agenre de seguros lo visita y le ofrece

asegurar el edificir ciigamos, p<.rr .91 250,esre ao. El uso estricto de la
idea de minimizar las prdidas esperadas dietara que el hombre de
negoci<.,s rehse asegurar el edificio. puTro qug. Ia-prdjda, esperaca
de asegurailo, s1150, es ms a-lto qu Ia" peraiul:esp"r""]a"-il;
cendio. Peir.. si b-l ,riombre,de'n-egocios'sintiera que'la prdida esperada
sin sefu. de un milln de dlares sigrificaria un desaste, muy pr+.

4
f,

+
..

Teorla de deckin

bablemente el valo esperado se:rfa descartadq cmo un crilsrirl de deci.

sin y el seguro seria comprado a un postq extra de S250 por &n9 Po
p.ofiza ($1 250 - f C00). |.a eleccin sera no mininizar la prdida es'
perada en esle caso.
Veamos olro ejemplo un pcco ms apropiado, qz, a los estudian- Obo ejenplo
tes. Supcngamos que usted es el tpico estuante de postgrado con dos doude el rltr
esrrrado
nios y el dtnero justo pafa terrnina el semeste, y un amigo Ie ofrec ro fueioaa
venderle una opolturdad de..9.de ga.narse $10 poi slo $1. l,o mas
probable es que reTone el problema en trminos de valores esperadoe y
pienue como sigue': Es .9 x $10 mayor que $1? Porque $9 r el valor
sperado de la apuesta) es 9 'veces mayor gue el costo de la apuesta
($t, se podra senrir inclinado a aceptarle a su amigo su oferta. Aun
si perdiera ese $1 no le afectara su stuacin materialmente.
Supongamos ahoa que su am.igo le;ofrece venderle una oporlunidad
de .9 e g"n*t e $1 OO, por $1O0. L,a preguntta gue usted cit'ilara et,
Es .9 x bl oOo mayor qe $100?- Por supuesto $900 (el vaiol esperado de la apuesla) es a 9 I'eces el. qoso de la apuesta ($1O0),- pro
lo ms probable es gue Io pensara dos veces antes de Poner el dinro.
Por qu? Aun cuando el plaoer de ganar $1 0Og ser alto, ia pena de
perder sus $lcs djflcilmente ganados pcdra er ms de lo gue usted

quisiera senEi.
*-.
' Finalmente, sup6rnga, que su amigo le ofrece vendele una oportul
nidad de .9 de ganase $10 000 a canbio de todos sus bienes, que resultan valer $1 000. Si usa el valor esperado como su criterio de decisin,
se haralapregunta'Es.9 X $10OOO rnayor que $1 OOO?" con la misma
respueste que antes, a saber, "s". El. valor esperado de la aPuesta
(S90OO) es an I veces mayor que el cosio'de la apuesta ($1 000)' pero
ahora probablemente Ie dirfa que no a su arnigo, no Porgue el valor
esperado de la apuesta no sea atractivo sino Porque el pensamiento de
perder todos sus bienes. es un resultado complelamente inaceptable'
'' En estos es ejempls, el estudiante cambielcriterio de decisin alejndose del valor esperardo tan. Pronto como eI pensamiento de perder
$1O0O era demasiado doloroso a pesar del placer de que sq ganara
los $100O0. En este punto, el estudiante no estaba considerando el
valor esperado sino pensando nicamente en la satisfacc-6n. En este sen- Satisfaccin
tido, safisf accin se refiere exclusivamente al placer o falta del que uno
derivaa de ciertos resultados. La curva de satisfaccin de nuestro estuante hipotdco en la Fig. 5-2 es lineal cerca del origen (la'ganancia
de $1 es tan platentcra como la prda de $1 es Pencsa en esta regin);
se va rpidamente hacia abajo cuando la perdida potencial se eleva a
-niveles
cercanos a $1000. Especficamente, esta cuwq.'de satisfaccin
nos muestra que desde el punto de vista de nuestro estudlarite hipbttico,
el desagrado de perder $1 OOO es mayof que el placer de garar muchas
veces esa cantidad. La' forma de la curva de. satisfaccin de uilo es un
pronducto de la constitucin poicolgica d uno, C las expbctaciones de
futuro y la:deciiO-' ctci''n':particular que. 9e.,e9t
,.rrro

""uoa .del

I l6l

182. Enoques.cuanttativos a la admnstrecn

EF
6

Pda

de clmdvo

/t

(dln)

5 0'oo

Utidad de efrctlvo

ITa

l'rgrra .i-!. Satisfaccin

de

drversas uri.lidades

prdidas.

r' curva evaluajndo"Una Persona-bien puede tener una curva de satisfaccirr para
de satisfaccin un ti.Po de situacin y una muy diferente
para la siguiente situacin.

sqtisfccionet

DiJerentes Satisficciones

Las. curvas

de satisfacciones de tres hombes de negocies diferentes

idlvidurles Para una dcisin se muesrran
en la grfica de la rlgl s-3 Abiiraia'

t.

{
{
{

+3
o

+1

{
{
{

j- 20

0@

o-

,4{

ooo

20

OOd

UtllIdd o prdldr cn cfetiyo

'

i..r.

{
{
{
{
{
(
{
{
{

.tI

'l{

4
4
*
--

-D

+
4
+
4-}

---4
-

Tgora d3 decisin

mente hemos lla-mado a estos inrli-,,iduos Head, Bell y l-ev' Las actiLudes
de estos tres individuos son fcilmente aPalentes del anIsis de su curva de satisfaccin. Head es un hombre de negocios cauto y consewador,
un movjnriento a la derecha del punto de utdad cero aument su
satisfaccin slo muy geramente mientras gue un movimiento a la
izquierda del cero disminuye su saLisfaccin en forma rpida' En tde sastifaccin de Head hca que
-inor Ce valores nulnricos, la curua000
aumenta su satisfaccin Por un
a
utdad
de
pasar de una
$0 $,50
que al moverse 3l rango
mientras
l.,escala
ialor'e 1 en
'erlical,
en el rnismo valor de
utilidad
su
srninuye
000
con
slo
de prdida
$2O
pueden ocurrir
donde
situaciones
evitar
vericai.
Head
t, n la escaLa
grandes prdidas, se dice que es rerlLente oI riesgo'
BelI es una historia tottlmente distinta. Vemos a partir de su curva de
saisfaccin gue una ufilidad eumenta su satisfaccin en mucho ms
de Io que la'disminuye una prda de la migna canridad. Especficarnente, al aumentar sus utiJidad.es en $10 000 (de $40 00O a $50 000)
eleva su sadsfaccin de 0 a +5 en ia escala vertical,'pero ei disminuir
sus utdades en $10 000 (de.$0 a -S10 000) sminuya su sastifaccin en slo .25, de -4 a -4.2.5. Bell es un jugador de chicas;.piensa
firmemente que una gra.n Prdida no hara las cosas mucho peores de
sera muy
que estn ahora pero, por el contrario, gue una gran utidad
'mayores gaan
para
obtener
grandes
riesgos
Tomar
safisfactoria.

*""iirl,

n una posicin cmccia financiera, es la clase de hombre de

negocios que no sufrira demasiado por una prdida de s50 00o, ni
auentar su riqueza,de forma importante por una ganancia d $50 0OO'
El obtendra tanio placer de ganar $50 000 adicionales corno. pena de
perder $50 000. OeUiao a que la cun'a de I.ev es Uneal, l pUedeusar
efectiya-mente el ualOr esperado com su criterio de 'decisin, rrentlas
que Head y Bell deben usar satisf acci.n. En resumen, mienlras que [,ev
ctuar cuando el valor espera.do sea positivo, Head exigir un'valor
esperado "lto para el resultado; mientras que Bell puede actuai cuando
el valor esperado sea negativo.

t83

E+lo uno de los tres

tosdores de

decisin debe usar

al volr

esperado

*,