P. 1
Toma de Decisiones en Condiciones de Incertidumbre

Toma de Decisiones en Condiciones de Incertidumbre

|Views: 4.003|Likes:
Publicado porlemeraq1

More info:

Categories:Types, Business/Law
Published by: lemeraq1 on Mar 30, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

06/07/2013

pdf

text

original

TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE

Fís. Omar Cazares

1

INTRODUCCION  

En el mundo real los datos mas acertados que tiene una empresa es la demanda que ha tenido un cierto producto en el pasado mediante la cual podemos asignar una probabilidad a la demanda futura de dicho producto. Nuestro interés es determinar el número óptimo de productos que se deben tener en existencia para obtener la mayor utilidad posible.
Fís. Omar Cazares 2   

Para poder dar una respuesta al número óptimo de productos vamos a desarrollar tablas de ganancias y pérdidas en condiciones de incertidumbre y también usaremos el análisis marginal. Primero vamos a considerar una demanda cuya distribución sea aleatoria y discreta que se entiende como un valor que cambia evento tras evento en una secuencia que no puede predecirse y toma pocos valores. Luego se estudiara considerando a la demanda como una distribución aleatoria continua que es cuando se tiene una gran cantidad de valores.
Fís. Omar Cazares 3

TABLA DE GANANCIAS CONDICIONALES  

Se elabora una tabla en la que se puedan anticipar las ganancias mediante todas las posibles combinaciones de cantidad demandada con inventario existente. Es de notar que nuestra tabla no nos puede indicar cuantos artículos debo tener en existencia cada día sino que nos da una idea de cual será el número óptimo de artículos a tener en existencia sin conocer la demanda.
Fís. Omar Cazares 4  

La idea es ir calculando para cada posible valor de inventario la ganancia producida ante las diferentes demandas y la suma producto de estos valores por la probabilidad nos dará la ganancia esperada para dicho valor de inventario. La mayor ganancia esperada nos indica el nivel de inventario recomendado. Es de notar que no se ha encontrado la demanda que va a ocurrir al día siguiente, pero en un determinado intervalo de tiempo dicho nivel nos dará la mayor utilidad posible.
Fís. Omar Cazares 5   

Se llama información perfecta cuando de alguna manera se obtiene exactamente la demanda de un producto al día siguiente, note que en este caso la ganancia esperada sería la máxima posible. Las empresas deben tener claro cuanto es lo que están dispuestas a pagar por esta información perfecta. Este valor se lo puede calcular restando la ganancia máxima posible con información perfecta menos la ganancia esperada en condiciones de incertidumbre.
Fís. Omar Cazares 6

Ejemplo 1.1.Se tiene un pequeño negocio de venta de rosquillas las cuales se venden a $ 0,80 la docena y tienen un costo de $ 0,50 la docena. Las que no se pueden vender en el día se las entrega a $ 0,40 la docena. Se ha hecho una toma de datos estadísticos de la demanda obteniendo la siguiente tabla. ¿Cuál es la cantidad óptima de inventario que hay que tener con el fin de aumentar al máximo las utilidades esperadas? DEMANDA DIARIA
40 41 42 43 44 45 46 47

# DE DIAS DE VENTA
5 10 10 20 20 15 15 5

PROBA. DE VENTA
0,05 0,1 0,1 0,2 0,2 0,15 0,15 0,05

Fís. Omar Cazares

7

Solución.Solución.Utilidad x doc. vendida = PV ± costo = 0,80 ± 0,50 = 0,30 Pérdida x doc. no vendida = Costo ± Valor de recuperación = 0,50 ± 0,40 = 0,10 Por ejemplo si tengo en inventario 42 docenas:
o

o

Demanda de 40 docenas: Utilidad por doc. vendidas = 40 * 0,30 = 12 Pérdida por doc. no vendidas = 2 * 0,10 = 0,2 Ganancia Condicional = Utilidad por ventas ± Pérdida por sobrante = 12 ± 0,20 = 11,80 Demanda de 46 docenas Utilidad por doc. vendidas = 42 * 0,30 = 12,60 Ganancia Condicional = Utilidad por ventas = 12,60

Fís. Omar Cazares

8

Combinando el inventario con la demanda tenemos la siguiente tabla de ganancias condicionales:

I N V E N T A R I O

D 40 40 41 42 43 44 45 46 47
12,0 11,9 11,8 11,7 11,6 11,5 11,4 11,3

E 41
12,0 12,3 12,2 12,1 12,0 11,9 11,8 11,7

M 42
12,0 12,3 12,6 12,5 12,4 12,3 12,2 12,1

A 43
12,0 12,3 12,6 12,9 12,8 12,7 12,6 12,5

N 44
12,0 12,3 12,6 12,9 13,2 13,1 13,0 12,9

D 45
12,0 12,3 12,6 12,9 13,2 13,5 13,4 13,3

A 46
12,0 12,3 12,6 12,9 13,2 13,5 13,8 13,7

47
12,0 12,3 12,6 12,9 13,2 13,5 13,8 14,1
9

Fís. Omar Cazares  

Esta tabla que se ha encontrado se la puede considerar como una matriz de pagos en la que los estados de la naturaleza son los diferentes valores de la demanda y las estrategias son los posibles inventarios. Para tener un criterio de selección de la mejor estrategia vamos a calcular la ganancia esperada buscando la suma producto de multiplicar las diferentes ganancias por los diferentes valores de probabilidad. Se elegirá la estrategia que nos de la mayor ganancia esperada.
Fís. Omar Cazares 10

Haciendo las respectivas operaciones, tenemos lo siguiente:

40
Prob. 0,05 12,0 11,9 11,8 11,7 11,6 11,5 11,4 11,3

41
0,1 12,0 12,3 12,2 12,1 12,0 11,9 11,8 11,7

42
0,1 12,0 12,3 12,6 12,5 12,4 12,3 12,2 12,1

43
0,2 12,0 12,3 12,6 12,9 12,8 12,7 12,6 12,5

44
0,2 12,0 12,3 12,6 12,9 13,2 13,1 13,0 12,9

45
0,15 12,0 12,3 12,6 12,9 13,2 13,5 13,4 13,3

46
0,15 12,0 12,3 12,6 12,9 13,2 13,5 13,8 13,7

47
0,05 12,0 12,3 12,6 12,9 13,2 13,5 13,8 14,1

Gan. Esp.

40 41 42 43 44 45 46 47

12,0 12,28 12,52 12,72 12,84 12,88 12,86 12,78
11

Fís. Omar Cazares

VALOR A PAGAR POR LA INFORMACION PERFECTA  

Si de alguna manera se pudiera obtener la información perfecta de la demanda del día siguiente, nuestra ganancia esperada sería la máxima posible. La pregunta es cuanto estaría la empresa dispuesta a pagar por que se le proporcione la información perfecta. Este valor esperado de la información perfecta se lo puede evaluar restando la ganancia máxima posible con información perfecta menos la ganancia esperada en condiciones de incertidumbre; la empresa no puede pagar más de dicha cantidad si desea obtener utilidades.
Fís. Omar Cazares 12

Note que la ganancia máxima posible ocurre cuando el inventario coincide con la demanda, dichos valores están en la diagonal principal de la matriz de ganancias:

I N V E N T A R I O

D 40 40 41 42 43 44 45 46 47
12,0

E 41
12,3

M 42

A 43

N 44

D 45

A 46

47

12,6 12,9 13,2 13,5 13,8
Fís. Omar Cazares

14,1

13

Para encontrar la ganancia máxima esperada con información perfecta vamos a multiplicar la ganancia máxima por la probabilidad de ocurrencia, tendremos:
DEM. 40 41 42 43 44 45 46 47 GANANCIA PROB. 0,05 0,1 0,1 0,2 0,2 0,15 0,15 0,05 ESPERADA GANAN. MAXIMA 12,0 12,3 12,6 12,9 13,2 13,5 13,8 14,1 PERFECTA
Fís. Omar Cazares

GANANCIA ESPERADA 12,0 x 0,05 = 0,6 12,3 x 0,1 = 1,23 12,6 x 0,1 = 1,26 12,9 x 0,2 13,2 x 0,2 = 2,58 = 2,64

13,5 x 0,15 = 2,025 13,8 x 0,15 = 2,07 14,1 x 0,05 = 0,705

13,11
14

Por lo tanto tendríamos: VPIP = 13,11 ± 12,88 = 0,23 Es de esperar que el VPIP cuando se aplica el método de pérdidas condicionales sea el mismo valor que el encontrado por el método de ganancias condicionales.

Fís. Omar Cazares

15

TABLA DE PERDIDAS CONDICIONALES  

Este método usa el mismo procedimiento anterior con la diferencia que en vez de calcular las ganancias se encuentran las pérdidas condicionales. Normalmente según el orden de nuestra tabla las cifras que están a la derecha de la diagonal principal representan pérdidas por exceso de inventario y las que están a la izquierda son pérdidas de oportunidad por falta de producto.
Fís. Omar Cazares 16  

Es evidente que en este método escogeremos el nivel de inventario que nos dé el menor valor, el cual esperamos que coincida con el nivel encontrado por el otro método. Aquí el valor a pagar por la información perfecta no puede superar el menor valor de pérdida condicional encontrada en el nivel óptimo de inventario.

Fís. Omar Cazares

17

Ejemplo 1.1.Se tiene un pequeño negocio de venta de rosquillas las cuales se venden a $ 0,80 la docena y tienen un costo de $ 0,50 la docena. Las que no se pueden vender en el día se las entrega a $ 0,40 la docena. Se ha hecho una toma de datos estadísticos de la demanda obteniendo la siguiente tabla. ¿Cuál es la cantidad óptima de inventario que hay que tener con el fin de aumentar al máximo las utilidades esperadas? DEMANDA DIARIA
40 41 42 43 44 45 46 47

# DE DIAS DE VENTA
5 10 10 20 20 15 15 5

PROBA. DE VENTA
0,05 0,1 0,1 0,2 0,2 0,15 0,15 0,05

Fís. Omar Cazares

18

Solución.Solución.Pérdida por no tener producto = Utilidad x cantidad pedida Pérdida x doc. no vendida = Costo ± Valor de recuperación = 0,50 ± 0,40 = 0,10 Por ejemplo si tengo en inventario 42 docenas:
o

o

Demanda de 40 docenas: Pérdida por doc. no vendidas = 2 * 0,10 = 0,2 Demanda de 46 docenas Pérdida por no tener producto = 0,30 * 4 = 1,20
Fís. Omar Cazares 19

Combinando el inventario con la demanda tenemos la siguiente tabla de perdidas condicionales:

I N V E N T A R I O

D 40 40 41 42 43 44 45 46 47
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7

E 41
0,3 0 0,1 0,2 0,3 0,4 0,5 0,6

M 42
0,6 0,3 0 0,1 0,2 0,3 0,4 0,5

A 43
0,9 0,6 0,3 0 0,1 0,2 0,3 0,4

N 44
1,2 0,9 0,6 0,3 0 0,1 0,2 0,3

D 45
1,5 1,2 0,9 0,6 0,3 0 0,1 0,2

A 46
1,8 1,5 1,2 0,9 0,6 0,3 0 0,1

47
2,1 1,8 1,5 1,2 0,9 0,6 0,3 0
20

Fís. Omar Cazares

40
0.05

41
0,1

42
0,1

43
0,2

44
0,2

45
0,15

46
0,15

47
0,05

Valor Esp. 1,11 0,83 0,59 0,39 0,27 0,23 0,25 0,33
21

40 41 42 43 44 45 46 47

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7

0,3 0 0,1 0,2 0,3 0,4 0,5 0,6

0,6 0,3 0 0,1 0,2 0,3 0,4 0,5

0,9 0,6 0,3 0 0,1 0,2 0,3 0,4

1,2 0,9 0,6 0,3 0 0,1 0,2 0,3

1,5 1,2 0,9 0,6 0,3 0 0,1 0,2

1,8 1,5 1,2 0,9 0,6 0,3 0 0,1

2,1 1,8 1,5 1,2 0,9 0,6 0,3 0

Fís. Omar Cazares

Tabla de Pérdidas Condicionales: VPIP = Costo mínimo = 0,23

Fís. Omar Cazares

22

METODO DE ANALISIS MARGINAL  

El enfoque marginal básicamente evita los problemas dados por los excesos de cálculos ya sea porque hay demasiadas variables o muchos productos. Aquí nos interesa saber si al tener una unidad adicional la ganancia marginal esperada es mayor que la pérdida marginal que podría producir. Por lo tanto, la regla general, es que las unidades adicionales se deben tener en existencia siempre que la probabilidad marginal de vender dicha unidad sea mayor que la probabilidad acumulada histórica de las ventas de dicho producto.
Fís. Omar Cazares 23  

Se define a la ganancia marginal como el valor obtenido al vender una unidad adicional. De la misma manera definimos a la pérdida marginal como el valor de tener en existencia una unidad y no venderla. Se puede plantear la siguiente ecuación: pm : probabilidad marginal de vender una unidad a adicional ( 1 ± pm) : probabilidad marginal de no vender una unidad adicional GM: GM: Ganancia marginal PM: PM: Pérdida Marginal pm * GM = ( 1 ± pm ) * PM pm =
Fís. Omar Cazares

PM PM + GM
24

Tendremos la siguiente idea recordando que la distribución es normal:

Fís. Omar Cazares

25 

Ejemplo
GM = 0,8 ± 0,5 = 0,3 PM = 0,5 ± 0,4 = 0,1

pm =

PM PM + GM

pm = 0,25 Como la probabilidad acumulada de ventas debe ser mayor que la probabilidad marginal, el nivel de inventario óptimo será el inmediatamente superior al valor de la probabilidad marginal.
Fís. Omar Cazares 26

La probabilidad acumulada de ventas la podemos calcular en base a la siguiente tabla: DEMANDA 40 41 42 43 44 45 46 47 PROBABILIDAD 0,05 0,1 0,1 0,2 0,2 0,15 0,15 0,05 PROBABIL. ACUMULADA 1 0,95 0,85 0,75 0,55 0,35 0,2 0,05
pm = 0,25

Fís. Omar Cazares

27

DEMANDA CONTINUA  

En la mayoría de problemas de ventas de productos la demanda no se restringe a unos pocos valores sino que dicha demanda tiene una gran cantidad de valores, por lo que consideraremos el empleo de la distribución continua y sus distintas fórmulas ya conocidas. Se puede calcular la media aritmética como:

X

!

§x
n

i

Fís. Omar Cazares

28 

La misma media aritmética para datos agrupados en una tabla de frecuencias se la puede calcular como:

X 

!

§ fa

i 

mc i

n

Vamos tambien a necesitar la desviación estandar que se calcula como:

s !

§ fa

i 

MC

2 

§ fa  MC
i

2

n
29

n 1
Fís. Omar Cazares  

Recuerde que la probabilidad marginal se encuentra de la misma manera que se señalo anteriormente, y en nuestro caso representa la cantidad de área que no podemos ocupar con nuestro inventario, para seguridad del valor resultante disminuimos una unidad y dicho valor tomamos como valor óptimo del inventario. Además vamos a asumir que la distribución con la que estamos trabajando es normal por lo tanto tendrá un gráfico parecido al de la figura en el cual el área bajo la curva es 1 y normalmente dicha área se relaciona con la desviación estándar que parte del centro de la curva, es decir a partir de la media aritmética.
Fís. Omar Cazares 30 

El valor de k se busca mediante la ayuda de una tabla que nos da la relación existente entre el área y la desviación estándar y asumimos que el nivel óptimo de inventario es el que nos de la suma de la media aritmética más el valor de k por la desviación estándar.

Fís. Omar Cazares

31

Ejemplo 3.2.3.2.Se han tomado los datos de la venta de las rosquillas de nuestro ejemplo anterior en los últimos cincuenta días dando como resultado la siguiente tabla. Recuerde que los precios y datos anteriores son los mismos. Encuentre el nivel óptimo de inventario para maximizar la utilidad.

47 48 50 49 50

67 46 55 32 47

49 43 48 49 43

55 51 33 47 50

40 51 41 47 48

50 62 45 48 65

48 41 46 60 48

49 50 45 51 46

49 62 60 43 49

49 45 39 51 55
32

Fís. Omar Cazares

La idea de la variable continua se basa en la creación de una tabla de distribución de frecuencias en la que deben aparecer grupos o clases de las variables con sus respectivas frecuencias absolutas. Para los datos del problema podríamos crear la siguiente tabla de distribución de frecuencias:

GRUPOS 30-35 35-40 40-45 45-50 50-55 55-60 60-65 65-70 TOTAL

FREC. ABS. 2 1 6 23 9 3 4 2 50

MARCA DE CLASE 32.5 37.5 42.5 47.5 52.5 57.5 62.5 67.5

fa * mc 65 37.5 255 1092.5 472.5 172.5 250 135 2480

fa * mc2 2112.5 1406.25 10837.5 51893.75 24806.25 9918.75 15625 9112.5 125712.5
33

Fís. Omar Cazares 

Podemos encontrar la media aritmética para datos agrupados de acuerdo a la siguiente relación: 2480 X ! ! ! 49 , 6 n 50 Y la desviación estándar de acuerdo a la siguiente fórmula:
i

§

fa i  mc 

s !

§

fa i  MC 2 

n 1

§ fa

i  MC

2

n

! 7,43

Fís. Omar Cazares

34 

De nuestros datos anteriores sabemos que la pm = 0,25, 0,25, entonces el porcentaje del área ocupada será de 0,75 y el valor más cercano en nuestra tabla corresponde al valor de k = 0,67 por lo que nuestro nivel óptimo de inventario será:

X 

k  s ! 49,6  0,67 7,43 ! 54,58 

Redondeando y restando una unidad por seguridad, tenemos que el nivel óptimo de inventario es de 54 unidades
Fís. Omar Cazares 35

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->