FACULTAD:

CIENCIAS MATEMATICAS
ESCUELA:
INVESTIGACION OPERATIVA
CONGRESO NACIONAL
DE
INVESTIGACIN DE OPERACIONES
Y
SISTEMAS

LIMA PERU
21 AL 25
OCTUBRE
2002

TEORIA DE LAS DECISIONES CON:

1. DECISIN EN CONDICION DE CERTEZA

1.1. ANLISIS INSUMO-PRODUCTO
EJEMPLO 1: INTERACCION DE INDUSTRIAS
Se tiene la tabla de transacciones intersectoriales, que
muestran cmo se interrelacionan todas las industrias, en el
sentido de que cada una adquiere productos fabricados por
los dems a fin de llevar a cabo su propio
proceso. Por
ejemplo, los sectores productivos pueden ser; agropecuario
(A), industria (B) y servicios (C). La interaccin entre
estas industrias se da en la tabla, en millones de dlares
en productos:
COMPRA
\ VENTA
A
B
C
INSUMO
PRIMARIO

DEMANDA INTERMEDIA
A
B
C
90
135
270

150
150
200

225
300
300

45

100

75

DEMANDA
FINAL
75
15
130

PRODUCCIO
N
TOTAL
540
600
900

Supongamos que la Oficina de Planeacin ha determinado en

la demanda final para el prximo periodo de 50 unidades el
sector agropecuario, 10 la industria y 100 los servicios,
y se pregunta:

a. Cul es la nueva produccin total de cada sector?

b. Cuales son las nuevas participaciones, de cada sector?
FORMULACION
Transacciones intersectoriales entre los sectores:
AGROPECUARIO:
Prod. Hortalizas
Prod. Cereales
Ganado lechero
Ganado engorde
Ganado lanar
Avicola, forrajes,etc

INDUSTRIA
Textil
Energticos
Farmaceutica
Alimentos
Bebidas
Plsticos,Maquinqria, etc

SERVICIOS
Bancos
Transporte de pasajeros
Transporte de carga
Profesionales diversos
Pblicos diversos, etc.

X: MATRIZ DE PRODUCCIN.

D: MATRIZ DEMANDA FINAL.

X1 540

X 600
X = 2

900
X

d1 75

d 15
D = 2

130
d

B : MATRIZ

b
b12
11
B = b
b
21
22

b
b32
31

DE

VENTAS.

b13 90 150 225

b23 135 150 300

b33

270 200 300

P: MATRIZ INSUMOS PRIMARIOS

P = 45 100 75
A: MATRIZ INSUMO PRODUCTO

90 / 540

A =

150 / 600

225 / 900

0.166 0.250 0.250

135 / 540 150 / 600 300 / 900 0.250 0.250 0.333

200 / 600 300 / 900 0,500 0.333 0.333

270 / 540

MATRIZ DE LEONTIEF
0.834
1 0 0
0.250 0.250

= 0 1 0 A 0.250 0.750 0.333

0 1
0.333 0.667
0
0.500

I A

MATRIZ INVERSA DE LEONTIEF

3.075 1.981 2.140

3.408 2.694
2.639

3.186 4.454
3.630

( I - A )-1 =

MATRIZ DE PRODUCCION : PROXIMO PERIODO

X (i) (I A)1* D(i)

50

10

X(1) = ( I - A )-1

388.62

435.96

659.45

100

MATRIZ DE NUEVAS PARTICIPACIONERS

Sector B:
0.250(435.96) = 108.99
0.250(435.96) = 108.99
0.333(435.96) = 145.17

Sector A:
0.166(388.62) = 64.51
0.250(388.62) = 97.15
0.500(388.62) = 194.31

A
A =

A 64.51 108.99 164.86

B 97.15 108.99 219.59
C 194.31 145.17 219.59

VECTOR DE NUEVOS INSUMOS PRIMARIOS

SECTOR A: ( 45/540)0.083 = 32.25
SECTOR B: (100/600)0.166 = 72.36
SECTOR C: ( 75/900)0.083 = 54.73

1.2. ANLISIS PUNTO DE EQUILIBRIO

1.2.1. ANLISIS PUNTO DE EQUILIBRIO LINEAL
EJEMPLO 2: CAMARA DE COMERCIO
La Cmara de Comercio esta considerando patrocinar un
programa de un da para mejorar las comunicaciones entre
organizaciones. El programa sera puesto por Sistemas de
aprendizaje Creativo que cobrara a la
Camara una cuota
fija de $400.
La cuota de inscripcin para los asistentes es de
$20/persona. La Cmara tendra que cubrir gastos de $100 por
una sala de conferencias en un hotel local, $25 de gastos
postales para el programa de propaganda y $5/persona para
descansos con caf y pastel. Talvez la Cmara ste dispuesta
a patrocinar el programa, aun cuando no promete ganancias,
pero quiere saber el punto de equilibrio.

FORMULACION:
VARIABLE:
X: Nmero de participantes
INGRESOS:
Cuota de inscripcin
Yt(X) = 20 X
COSTOS FIJOS:
Sistemas de aprendizaje
Sala de conferencia
Gastos postales
COSTO VARIABLES:
Cargo caf y pastel

$20/persona

$400.0
$100.0
$25.0
$525.0
$5/persona

Ct(X) = 525 + 5 X
PUNTO DE EQUILIBRIO:

eu = X = 525 / ( 20 - 5 ) = 35 personas

1.2.2. ANLISIS PUNTO DE EQUILIBRIO NO LINEAL

EJEMPLO 3: PRODUCCION DE CARAMELOS
Una Cia de dulces vende sus cajas de chocolates a $ 2
cada una. Si X es el nmero de cajas producidos (en miles)
a la
semana, entonces el administrador sabe que los
costos de produccin estn dados por:
Ct(X) = 100X2 + 1300X + 1000
determinar el nivel de produccin en que la Cia no obtiene
utilidades ni prdidas (punto de equilibrio)
FORMULACION
VARIABLE:
X : Miles de cajas a $2/caja
INGRESOS:
Yt(X) = 2000 X
COSTOS:

Ct(X)

100X2 + 1300X + 1000

PUNTO DE EQUILIBRIO:
20 X = X2 + 13 X + 10
X2 - 7 X + 10 =
X = 2,
X = 5

Fabricar 2000 cajas semana con ingresos y costos de $4,000

Fabricar 5000 cajas semana con ingresos y costos de $10,000

1.2.3. ANLISIS PUNTO DE EQUILIBRIO DE MULTIPLES PRODUCTOS

EJEMPLO 4: VENTA DE RAQUETAS
La Recquet Sport produce una variedad de raquetas para la
industra deportiva: Hace raquetas para tenis, fronton y
squash, la tabla presenta los siguientes datos:
PRODUCTO

Precio de
Venta
Promedio

R.de tenis
$40
R.de frontn 25
R.de Squash
25

Costo variable
Promedio por
Unidad

$30
15
15

Contribucin
Marginal
Promedio

$10
10
10

Porcentaje del
Total de
$ vendidos

%50
40
10

Costos fijos anuales = $ 200,000

Capacidad de produccin = $ 1000,000

Cul es el punto de equilibrio para la Recquet Sport?, Cul

es la ganancia( o prdida) si se opera al 70% de la
capacidad?

FORMULACION
Clculo por producto del:

%
de contribucion % de contribucion % del total de $s vendidos
ponderado

TABLA:
Porcentaje
Producto

de

contribucin

R. Tenis
R. Frontn
R. Squash

25
40
40

El punto

Porcentaje del

Porcentaje

total de dlares
vendidos

contribucin
ponderado

0.50
0.40
0.10

de equilibrio

ed 200,000

de

12.5
16.0
4.0
32.5

0.325615,385

Ganancia con 70% de capacidad de planta:

Ganancia = Ingresos
- Costos
= ingresos ( Costos fijos + costo variable)
= 0.70(1000000)-200000-(1- 0.325)(0.70)(1000000)
= $27, 500

1.2.4. ANLISIS DE HACER / COMPRAR

EJEMPLO 5: PROCESO DE SELECCION
La Russell Company tiene la necesidad de una componente para
uno de los productos
que fabrica y vende. Hasta
ahora ha
comprado el articulo de un vendedor, pero una informacin
reciente sobre un aumento en el precio har que cueste $4.0
por unidad.
La gerencia de la Russell esta considerando la posibilidad de
hacer la componente en la fabrica se tiene dos procesos
disponibles; El primero es un proceso automtico que implica
costos fijos
de $30 000 y costos variables por unidad de
$2.75. El segundo es un proceso semiautomtico
que tendra
costos fijos y variables por unidad de $20 000 y $3.0
respectivamente.
FORMULACION:
Expresiones para cada alternativa:
Precio de compra:
Ct = 4X
Proceso automtico:
Ct = 2.75 X + 30 000
Proceso semiautomtico
Ct = 3 X + 20 000

Graficando estas rectas:

u.m.
Compra

Semiautomtica

Automtico

X1

Resolviendo las
cruzan
4X = 3X + 20 000
X = 20 000
sea
X1 = 20 000

X2

ecuaciones para las rectas donde se

3X + 20 000 = 2.75X + 30 000
0.25X
= 10 000
y
X2 = 40 000

Las opciones menos costosas:

1. Hasta X1 debe comprarse
2. Entre X1 y X2 el proceso semiautomtico es el
mejor.
3. Despus de X2 artculos el proceso automtico es el
mejor.

2.DECISIONES EN CONDICIONES DE RIESGO-INCERTIDUMBRE

2.1. DECISIONES SIN EXPERIMENTACIN
2.1.1 EN CONDICIONES DE INCERTIDUMBRE
EJEMPLO 6: DECISION DE ADQUIRIR UNA MAQUINA
El gerente de una empresa esta considerando en expandir o
no la capacidad de la fbrica, comprando una de dos
mquinas. Una de las cuales tiene el doble de capacidad y
de precio. La capacidad existente de la fbrica
no es
suficiente para satisfacer la demanda actual. Las ventas por
experiencia tienen una alta correlacin con las condiciones
econmicas del pas
A: Si las condiciones econmicas mejoran en el futuro, la
mquina de alta capacidad se requerir.
B. Si las condiciones permanecen estables, la maquina de
baja capacidad ser la adecuada
C. Si est a la vista una recesin, la capacidad actual
bastar

Se tiene la matriz de pagos, que considera el gerente en

trminos de ganancias(Millones de soles):
A / j

A1

2.5

1.5

-1.0

A2

1.6

2.0

0.0

A3

1.2

1.2

0.8

Alternativas:
A1 : Comprar mquina de alta capacidad
A2 : Comprar mquina de baja capacidad
A3 : No comprar ninguna mquina
Estados de la
naturaleza
1: Prosperidad
2: Estabilidad
3: Recesin

2.1.1.A.

CRITERIO DE MAXIMIN ( WALD)

Determinando el mnimo de cada alterantiva:

Max min{r ( Ai , j )}
ij
r (A1, j) = -1
r(A2, j) = 0.0
r(A3, j) = 0.8
Luego;
Maxmin { -1.0,
Elegir la alternativa

A3.

0.0,

0.8}

0.8

2.1.1.B. CRITERIO DEL COEFICIENTE DE OPTIMISMO (HURWITZ)

Determinando el maximo y mnimo de cada alterantiva:

H ( Ai ) Maxri j C Minri j (1C)

Donde:
Max
Min

rij
rij

Si el decisor
H(A1)
H(A2)
H(A3)

1
2.5
-1.0

2.0
0.0

1.2
0.8

es cauteloso y pesimista asigna C = 0.25

= 2.5(0.25) - 1.0 (0.75) = - 0.125
=
2.0(0.25) + 0.0(0.75) = 0.500
=
1.2 (0.25) + 0.8(0.75) = 0.900

Luego:
Max { - 0.125, 0.500, 0.900 } = 0.9,
Elegir alternativa A3.

2.1.1.C. CRITERIO DE LAPLACE

Cada evento tiene la misma probabilidad:

E ( Ai ) ri j P j
Pj= 1

Donde:
Para
E(A1)
E(A2)
E(A3)

i= 1, 2, 3,...,m
y

Pj equiprobables

nuestro ejemplo, calculando:

= 2.5(0.333) + 1.5(0.333) + (-1.0)(0.333) = 0.999
= 1.6(0.333) + 2.0(0.333) + 0.0 (0.333) = 1.198
= 1.2(0.333) + 1.2(0.333) + 0.8 (0.333) = 1.065

entonces
Max
Elegir

0.999,

1.198,

la alternativa A2.

1.065 } = 1.198

2.1.1.D. CRITERIO DE PERDIDA DE OPORTUNIDAD (SAVAGE)

Determinar la matriz de prdidas de oportunidad; r(A*, j )

l ( Ai, j )r ( A*, j )r ( Ai, j )

A la nueva matriz

de

consecuencias, aplicar criterio de:

Mini max l ( Ai, j )

i j
Ai \ j

Max r(Ai,j)

A1

0.0

0.5

1.8

1.8

A2

0.9

0.0

0.8

0.9

A3

1.3

0.8

0.0

1.3

Luego;
Minimax

{ 1.8,

Elegir la alternativa

A2.

0.9,

1.3}

0.9

2.1.1.E. VALOR ESPERADO DE LA INFORMACION PERFECTA

El decisor escoge alternativas en base a informacin a priori.
Asigna probabilidades subjetivas a los eventos futuros:
P(1 : Prosperidad)
P(2 : Estabilidad)
P(3 : Recesin)

= 0.20
= 0.50
= 0.30

Si el pronosticador predice con exactitud el estado

natural que ocurrir:
Si 1: El decisor seleccionara
r(A1*, 1) = 2.5
Si 2: El decisor seleccionara
r(A2*, 2) = 2.0
Si 3: El decisor seleccionara
r(A3*, 3) = 0.8
Calculando:
BE(A1) = 2.5(0.20) + 1.5(0.50) - 1.0(0.30)
BE(A2) = 1.6(0.20) + 2.0(0.50) + 0.0(0.30)
BE(A3) = 1.2(0.20) + 1.2(0.50) + 0.80(0.30)
Entonces:
VME = Max { 0.95, 1.32, 1.08} =
Elegir la alternativa
A2

=
=
=

0.95
1.32
1.08

1.32

Valor esperado con informacin perfecta: VEIP

Para maximizacin;
VEIP = BEIP VME
EVENTO
PRONOSTICADO

Prosperidad
Estabilidad
Recesin

GANACIAS
CONDICIONALES
r(A*, j)

PROBABILIDAD

2.5
2.0
0.8

P(j)
0.20
0.50
0.30

0.5
1.0
0.24

BEIP
VEIP =

1.74

GANANCIAS
ESPERADAS
r(A*,j)P(j)

- 1.32

= 0.42

1.74.

2.1.2. EN CONDICIONES DE RIESGO

EJEMPLO 7: PREDICCION DE LA TEMPORADA
Durante el verano, el nadador olmpico Adam Johnson prctica
diario. En los das soleados va a una piscina al aire libre,
donde puede nadar gratis. En los das lluviosos debe ir a una
piscina bajo techo. Al principio del verano tiene la opcin
de comprar un pase por $15.0 para la piscina techada, lo que
le permite entrar all durante todo el verano.
Si no compra ste pase, debe pagar un $1.0 cada vez
que entra a la piscina techada. Los registros meteorolgicos
anteriores indican que hay 60% de probabilidad que el da sea
soleado, en cuyo caso hay en promedio 6 das lluviosos en
total, y 40% de probabilidades que el da sea lluvioso, en
cuyo caso el promedio es de 30 das lluviosos en total.
2.1.2.A. CRITERIO DEL VALOR MONETARIO ESPERADO VME
FORMULACION:
Costo del uso de la piscina al aire libre: gratis.
Costo piscina techada; pase de $15.0 por toda la temporada
0 $1.0/ingreso.
Para da soleado: En promedio 6 das lluviosos en la
temporada.
Para da lluvioso: En promedio 30 das lluviosos en la
temporada

Alternativas:
A1: Comprar pase.
A2: No comprar pase.

Estados de la naturaleza.
1: Da soleado.
2: Da lluvioso

MATRIZ DE PAGOS: COSTOS:

Ai/j

A1
A2

15
6

15
30

0.60

0.40

P(j)

Anlisis
E(A1) = 15(0.60) + 15(0.40) = 15.0
E(A2) = 6(0.60) + 30(0.40) = 15.60
VME = Min { 15.0, 15.6 } = 15.0
Elegir alternativa A1: Comprar pase.

2.1.2.B. CRITERIO DE LA UTILIDFAD ESPERADA

MATRIZ DE PAGOS: COSTOS:
Ai/j

A1
A2

15
6

15
30

0.60

0.40

P(j)

FORMULACION:
Conjunto de premios:
E = { 6, 15, 30 }
Funcion de utilidad :
ej
u( ej )

15

1.0

0.95

30
0.0

Anlisis
E(A1) = 0.95(0.60) + 0.95(0.40) = 0.95
E(A2) = 1.00(0.60) + 0.00(0.40) = 0.60
VME = Min { 0.95, 0.60 } = 0.60
Elegir alternativa A2: Comprar pase.

2.1.2.C. CRITERIO DEL ARBOL

FORMULACION:
El nodo inicial 1 es un evento en el que debemos elegir,
por las alternativas; A1, A2
En cada nodo 2 y 3 puede ocurrir un estado de la
naturaleza F o D
Cada rama de A1 y A2 terminan en los eventos
probabilsticos, 4, 5, 6 y 7 respectivamente
60
.
0
)=
P(

A1

2 P()=0.40

15.0

15.0

1
A2

6 6.0

30.0

ANALISIS:
Es elegir la mejor alternativa
E(A1)= 15(0.60) + 15(0.40) =
E(A2)=
6(0.60) + 30(0.40) =

15.0
15.60

ARBOL PODADO
2

15.0

A1
1

A2
3

15.60

E{1}= VME= MIN {15.0, 15.60} =

Elegir la alternativa A1

15.0

2.2. DECISIONES CON EXPERIMENTACIN

2.2.1. CRITERIOS ANLISIS PREPOSTERIORI
EJEMPLO 8: PREDICCION DE LA TEMPORADA (continuacin)
Johnson compra una revista a $1.0 que tiene informacin
meteorolgica de las ciudades del pas. Si el pronstico
anuncia verano soleado, hay 93% de probabilidad que el da
sea realmente soleado. Si anuncia verano lluvioso hay 40% de
probabilidad que en realidad el da sea lluvioso. La meta de
Johnson es reducir sus costos durante la poca de verano.
FORMULACION:
Costo del pronstico: $1.0
Resultados del pronstico:
X1: Verano soleado
X2: Verano lluvioso
Probabilidades Condicionales: Q(Xi/j)
Xi / j

X1
X2

0.93
0.07

0.60
0.40

Probabilidades preposteriori: H(j/Xi)

Xi/j

P(j)

0.60

0.40

Q(Xi / j)
X1
X2

0.93
0.07

0.60
0.40

P(j)Q(Xi/j)
X1
X2

0.56
0.04

0.24
0.16

P(Xi)
0.80
0.20

H(j/Xi)
0.70
0.21

0.30
0.79

Arbol:

0.70
=
)
1
/X
H( 1
4

H(2/X1)=0.30

A1
2

0
.8
0
)=
1
X
P(

A2

16 = 15+1

7 = 6+1

31 = 30+1

P(
X2
)

=0
.

20

A1

16 = 15+1

.21
0
=
)
2
X
H( 1/
10

H( 2/X2)=
0.79

12

13
14

A2
11

15

Podando el rbol
Verano soleado:
E(4) = 16(0.70) + 16(0.30) = 16.0
E(5) = 7(0.70) + 31(0.30) = 14.22
E(2) = Min{ ] = 14.22 VMEx1 = 14.22

elegir A2

Verano lluvioso:
E(10) = 16(0.21) + 16(0.79)4 = 16.0
E(11) = 7(0.21) + 31(0.79) = 26.01
E(3) = Min{ } = 16.0 VMEx2 = 16.0
4

16.0

14.22

elegir A1

14.22 A1
P(X1)=0.80

A2

16.0
P(X2)=0.20

A1

10

16.0

A2

11

26.01

E(1)= 0.80(14.22) + 0.20(16.0) = 14.578

VEIM:

VMEexp

Xi

R(A, j)

P(Xi)

X1
X2

14.22
16.00

0.80
0.20

= E(1) = BEIM =

14.578

P(Xi)* R(A, j)
11.35
3.23

VEIM = 15 14.58 = 0.42 costo del pronstico $1.0

Entonces VEIM = 15 (14.58 1) = 1.42
VEIP:
j

r(A, j)

P(j)

1
2

6.0
15.0

0.60
0.40

P(j)* r(A, j)
3.60
6.00
BEIP = $9.60

VEIP = 15.0 9.60 = .40

2.2. DECISIONES CON EXPERIMENTACIN

2.2.1. CRITERIOS ANLISIS POSTERIORI
EJEMPLO 9: PREDICCION DE LA TEMPORADA (continuacin)
Adan Johnson, prende el radio y escucha el pronstico para
el da de hoy, el cual dice:
Q(Verano soleado/da soleado) = 0.70
Q(Verano soleado/da lluvioso) = 0.50
Que debe hacer Johnson, para reducir sus costos de
preparacin en la competencia.
FORMULACION:
Condiciones
ambientales
de
la
informacin del da de hoy:
Q(X1/1)= 0.70
Q(X1/2)= 0.50
Probabilidades Condicionales:
j

p(j)

1
2

0.60
0.40

temporada,

Q(Xi/j)

Q(Xi/1)
0.70
0.50

teniendo

Probabilidades posteriori:
j

p(j)

1
2

0.60
0.40

H(j/Xi)

Q(X1/1)

P(X1,j)

H(i/X1)

P(X1)

0.70
0.50

0.42
0.20

0.68
0.32

0.62

Arbol de decisiones:

A1

= 0 .6 8
)
1
X
/
H( 1

H( 2/X1)=0.32

15

15

A2
3
7

30

Evaluando el rbol:
E(A1) = 15(0.68) + 15(0.32) = 15.0
E(A2) = 6(0.68) + 30(0.32) = 13.74
Donde VME = Min { } = 13.74
debemos de elegir A2
j
1
2

r(Ai,j)

Ai

H(j/X1)

r(Ai,j)*H(i/X1)

6.0
15.0

2
1

0.68
0.32

4.06
4.84
BEIP = 8.90

VEIP = 13.74 8.90

Se tiene un ahorro de 4.84 por
perfecto.

= 4.84
tener un pronosticador