Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El modelado para la toma de decisiones envuelve a dos partes diferentes, una es el tomador
de decisiones y la otra es el constructor del modelo, conocido como el analista. El analista
debe asistir al tomador de decisiones en el proceso de decidir. Por lo tanto, el analista debe
estar equipado con más que un conjunto de métodos analíticos.
Los modelos probabilísticos son vistos de manera similar que a un juego; las acciones están
basadas en los resultados esperados. El centro de interés se mueve desde un modelo
determinístico a uno probabilístico usando técnicas estadísticas subjetivas para estimación,
prueba y predicción. En los modelos probabilísticos, el riesgo significa incertidumbre para la
cual la distribución de probabilidad es conocida. Por lo tanto, la evaluación de riesgo significa
un estudio para determinar los resultados de las decisiones junto a sus probabilidades.
Los datos son conocidos como información cruda y no como conocimientos en sí. La secuencia
que va desde los datos hasta el conocimiento es (observe el siguiente cuadro): de los Datos
(Data) a la Información (Information), de la Información (Information) a los Hechos (Facts), y
finalmente, de los Hechos (Facts) al Conocimiento (Knowledge) . Los datos se convierten en
información, cuando se hacen relevantes para la toma de decisión a un problema. La
información se convierte en hecho, cuando es respaldada por los datos. Los hechos son lo que
los datos revelan. Sin embargo el conocimiento instrumental es expresado junto con un cierto
grado estadístico de confianza (gl).
de donde:
La figura anterior representa el hecho que a medida que la exactitud de un modelo estadístico
aumenta, el nivel de mejoramiento en la toma de decisión aumenta. Esta es la razón del
porqué necesitamos la estadística de negocio. La estadística se creo por la necesidad de poner
conocimiento en una base sistemática de la evidencia. Esto requirió un estudio de las leyes de
la probabilidad, del desarrollo de las propiedades de medición, relación de datos.
Análisis
El análisis de decisiones es un proceso que le permite al decisor seleccionar una decisión (sólo
una) entre un conjunto de alternativas posibles de decisión, cuando existe incertidumbre con
respecto al futuro, con el objetivo de optimizar el pago (retorno) resultante, en términos de
algún tipo de criterio de decisión numérico. Los elementos de los problemas de análisis de
decisiones son los siguientes:
1. Hay un decisor responsable individual. Por ejemplo, el CEO de una compañía que
quizás deba rendir cuentas ante los accionistas.
Sea breve en la parte de la lógica y la razón de su decisión. Es probable que existan mil cosas
en un automóvil, pero usted no las necesita todas para tomar la decisión. Con media docena es
suficiente.
Normalmente no es tarea sencilla construir esta matriz; por lo tanto, puede requerir algo de
práctica.
Los Diagramas de Influencia también son utilizados para el desarrollo de modelos de decisión y
como una alternativa de representación grafica de árboles de decisión. La figura siguiente
muestra un diagrama de influencia para ejemplo.
En el diagrama de influencia anterior, los nudos de decisión y los nudos de oportunidad son
ilustrados similarmente con cuadrados y círculos. Los arcos (flechas) implican relaciones,
incluyendo probabilísticas.
Podemos construir un modelo matemático para una función de utilidad utilizando la forma de
la función de utilidad obtenida mediante su representación del Método Gráfico. Normalmente,
una función con forma de parábola se ajusta relativamente bien a las esferas angostas de la
variable D. Para esferas más amplias, se podrían ajustar algunas piezas pequeñas de una
función de parábola, una para cada sub-esfera apropiada.
Modelo Matematico
Un modelo ofrece al analista una herramienta que puede manipular en su análisis del sistema
en estudio, sin afectar al sistema en sí. Por ejemplo, supóngase que se ha desarrollado un
modelo matemático para predecir las ventas anuales como una función del precio de venta
unitario. Si se conoce el costo de producción por unidad, se pueden calcular con facilidad las
utilidades anuales totales para cualquier precio de venta. Para determinar el precio de venta
que arrojará las utilidades totales máximas, se pueden introducir en el modelo distintos
valores para el precio de venta, uno a la vez, determinando las ventas resultantes y calculando
las utilidades anuales totales para cada valor de precio de venta examinado. Mediante un
proceso de prueba y error, el analista puede determinar el precio de venta que maximizará las
utilidades anuales totales.
Lo ideal sería que si el modelo matemático es una representación válida del rendimiento del
sistema, mediante la aplicación de las técnicas analíticas adecuadas, la solución obtenida a
partir del modelo debería ser también la solución para el problema del sistema. Así, la
efectividad de los resultados de la aplicación de cualquier técnica operativa es en gran medida
una función del grado en el cual el modelo representa al sistema en estudio.
A fin de definir las condiciones que nos conducirán a la solución del problema del sistema, el
analista primero debe identificar un criterio según el cual se podrá medir el sistema. Este
criterio a menudo se denomina medida del rendimiento del sistema o medida de efectividad.
En aplicaciones empresariales, la medida de efectividad generalmente son los costos o las
utilidades, mientras que en aplicaciones gubernamentales esta medida generalmente se
define en términos de un índice costo/beneficio.
Modelos de Parábola
Las regresiones de parábola tienen tres coeficientes con una forma general:
U = a + bD + cD2,
donde
c = { (Di - Dbarra)2Ui - n[(Di - Dbarra) 2Ui]} / {n(Di - Dbarra) 4 - [(Di - Dbarra)2] 2}
Para nuestro ejemplo numérico i = 1, 2,..., 12. mediante la evaluación de estos coeficientes
utilizando la información dada en la sección de la forma tabular, El “mejor” ajuste es
caracterizado por sus coeficientes de valores estimados: c = 0,409, b = 0,035, y a = 3,091. El
resultado es; por lo tanto, una función de utilidad aproximada por la siguiente función
cuadrática:
La representación matemática anterior proporciona información mas útil que los otros dos
métodos. Por ejemplo, colocando D = 10, se obtiene el valor predicho de utilidad U = 44,3.
Adicionalmente, tomando la derivada de la función proporciona el valor marginal de la
utilidad, por ejemplo,
Note que para este ejemplo numérico, la utilidad marginal es una función creciente porque la
variable D tiene un coeficiente positivo; por lo tanto, se esta capacitado a clasificar esta
decisión como un riesgo moderado.
El método Simplex es un algoritmo de solución muy utilizado para resolver programas lineales.
Un algoritmo es una serie de pasos para cumplir con una tarea determinada.
Todas las variables están elevadas a la primera potencia y son sumadas o restadas (no dividas
ni multiplicadas). La restricción debe adoptar alguna de las siguientes formas (, , o =, es decir
que las restricciones de PL siempre están cerradas), y el objetivo debe ser de maximización o
minimización.
Por ejemplo, el siguiente problema no es un problema de PL: Max X, sujeta a . Este problema
tan sencillo no tiene solución.
3. Utilice papel milimetrado. Grafique cada restricción, una por una, como si fueran
igualdades (como si todo y , es = ) y luego trace la línea.
4. A medida que se crea cada línea, divida la región en 3 partes con respecto a cada línea.
Para identificar la región factible para esta restricción en particular, elija un punto en cualquier
lado de la línea y coloque sus coordenadas en la restricción, si satisface la condición, este lado
es factible, de lo contrario el otro lado es factible. En el caso de restricciones de igualdad, sólo
los puntos sobre la línea son factibles.
Una vez graficadas todas las restricciones, debe generarse una región factible no vacía
(convexa), salvo que el problema sea no factible.
6. Cree (como mínimo) dos líneas de igual valor desde la función objetivo, fijando la
función objetivo en dos números distintos cualquiera. Grafique las líneas resultantes. Al mover
estas líneas paralelas, encontrará el vértice óptimo (punto extremo), si es que existe.
En general, si la región factible se encuentra dentro del primer cuadrante del sistema de
coordenadas (es decir si X1 y X2 0), entonces, para los problemas de maximización, usted
debe mover la función objetivo de igual valor (función iso) paralela a sí misma lejos del punto
de origen (0, 0), como mínimo, teniendo a la vez un punto en común con la región factible. Sin
embargo, para los problemas de minimización, debe realizar lo opuesto, es decir, mover la
función objetivo de igual valor (función iso) paralela a sí misma acercándola al punto de origen,
a su vez teniendo como mínimo un punto en común con la región factible. El punto común
proporciona la solución óptima.
Método Algebraico:
sujeto a:
AX a
BX b
DX = d
con la posibilidad de algunas variables restringidas: algunos Xi's 0, algunos Xi's 0, y todos
los demás sin restricción en el signo.
Es utilizada la notación común: C = {Cj} para los coeficientes de la función objetivo (conocidos
como los coeficientes de costo dado que históricamente, la primera PL fue un problema de
minimización de costos), y X = {Xj } se utiliza para las variables de decisión.
Las variables llevadas a cero son las variables de exceso y defecto y las variables restringidas
(cualquier Xi's 0, ó Xi's 0) solamente. Luego de llevar todas estas variables a cero, proceda a
encontrar las otras variables mediante la resolución del sistema cuadrado de ecuaciones.
Note que si Xi 0, entonces podría ser escrito como Xi - Si = 0, llevando los Si correspondientes
a cero significa que Xi = 0, por lo tanto, no es necesario introducir explícitamente variables de
exceso y defecto. Adicionalmente, note que cuando cualquier Xi no esta restringido en el
signo, este no adiciona una restricción.
3. Comprobar la Factibilidad: Todas las variables de defecto o exceso deben ser no-
negativas, y compruebe por la condición de restricción (si existe alguna) en cada variable. Cada
solución factible es llamada una Solución Factible Básica, la cual es el punto en cada esquina de
la región de factibilidad.
4.
Seleccionar una Esquina Optima: Entre todas las soluciones factibles (i.e., puntos en las
esquinas factibles), encuentre el óptimo (si existe alguno) evaluando cada uno en la función
objetivo. Podrían existir soluciones óptimas múltiples.
El Método Simplex
El Método Simplex es otro algoritmo para resolver problemas de PL. El método algebraico
proporciona todos los vértices incluyendo aquellos que no son factibles. Por lo tanto, esta no
es una manera eficiente de resolver problemas de PL con numerosas restricciones. El Método
Simplex es una modificación del método algebraico, el cual vence estas deficiencias. Sin
embargo, el Método Simplex tiene sus propias deficiencias. Por ejemplo, este requiere que
todas las variables sean no-negativas ( 0); Además, todas las demás restricciones deben estar
en la forma con un LMD de valores no-negativos.