INSTITUTO TECNOLOGICO DE VILLAHERMOSA

MATERIA: INVESTIGACION DE OPERACIONES II

MAESTRA: ZINATH JAVIER GERONIMO

UNIDAD # 3: TEORIA DE DECISIONES

ALUMNOS:
ALAMILLA PACHECO MARIANO
CONTRERAS CORNELIO YADIRA
DE LA CRUZ VALENCIA ABRAHAM
GONZALEZ HERNANDES GREVIL
HERNANDEZ RAMOS HERNAN
HERNANDEZ RAMIREZ IVETH
TORRES MADRID MARIA DE LOURDES
MARTINEZ HERNANDEZ GEOVANI EMMANUEL
1

INDICE
Unidad 3 teora de decisin
3.1 Caractersticas generales de la Teora de Decisiones 04
3.2 Criterios de decisin Deterministicos y Probabilsticas .08
3.3 Valor de la Informacin Perfecta 17
3.4 rboles De Decisin ..18
3.5 Teora de Utilidad ....22
3.6 Decisiones Secuenciales ..26
3.7 Anlisis de Sensibilidad ...30

3.8 uso de programa de computacin .34

Conclusin

INTRODUCCIN

La teora de la decisin es una rea interdisciplinaria de estudio,

relacionada con casi todos los participantes en ramas de la ciencia,
ingeniera Concierne a la forma y al estudio del comportamiento y
fenmenos de aquellos que toman las decisiones (reales o ficticios),
as como las condiciones por las que deben ser tomadas las
decisiones ptimas.
La mayor parte de la teora de la decisin es normativa o prescriptiva,
es decir concierne a la identificacin de la mejor decisin que pueda
ser tomada, asumiendo que una persona que tenga que tomar
decisiones (decisin maker) sea capaz de estar en un entorno de
completa

informacin,

capaz

de

calcular

con

precisin

completamente racional.
La aplicacin prctica de esta aproximacin prescriptiva (de cmo la
gente debera hacer y tomar decisiones) se denomina anlisis de la
decisin y proporciona una bsqueda de herramientas, metodologas y
software para ayudar a las personas a tomar mejores decisiones.
Las herramientas de software orientadas a este tipo de ayudas se
desarrollan bajo la denominacin global de Sistemas para la ayuda a
la decisin (decisin support systems, abreviado en ingls como DSS).

3.1 Caractersticas generales Teora de Decisiones

La Teora de la Decisin trata del estudio de los procesos de toma de

decisiones desde una perspectiva racional.
En cuanto a decisin se refiere, existen dos enfoques sobresalientes:
La teora de la eleccin racional (Simon): desde una perspectiva
descriptiva, nos cuenta cmo son los procesos decisorios en las
organizaciones. Los hombres aplican su propia racionalidad limitada
por su singular visin de la realidad.
La teora de la decisin: es una metodologa prescriptiva o normativa
que indica cmo se debe decidir para ser consecuentes con los
objetivos, preferencias y ciertos principios impuestos por la teora.
(Cmo se debe decidir, pero no que decidir).
La teora de la decisin es prescriptiva porque obliga al TD a proceder
de una determinada manera si quiere ser coherente con las premisas
definidas.
La teora de la decisin es subjetiva porque, al prescribir, tiene en
cuenta las preferencias, las valoraciones, las vivencias y la visin del
TD.
La teora de decisiones se ocupa de decisiones contra la naturaleza.
Esta fase se refiere a una situacin donde el resultado (rendimiento)
de una decisin individual depende de la accin de otro agente
(naturaleza) sobre el cual no se tiene control. Es importante observar
que en este modelo los rendimientos afectan nicamente a quien toma
la decisin. A la naturaleza no le importa cual es el resultado.
4

Elementos de un Proceso de Decisin

El decisor (TD): Es el encargado de realizar la seleccin de
alternativas de la mejor manera, en funcin de sus objetivos
Las alternativas o cursos de accin: son las diferentes formas de
actuar posibles: el TD deber seleccionar una de ellas. Es importante
tener en cuenta que estas alternativas deben ser excluyentes entre s.
Los estados de la naturaleza: son las variables no controlables por el
TD. Son eventos futuros que influyen en el proceso de decisin, pero
que no pueden ser controladas ni previstas, en su comportamiento,
por el TD.
Los resultados: es lo que se obtiene ante la seleccin (la opcin) de
una alternativa determinada cuando se presenta uno de los posibles
estados de la naturaleza.
La tabla de pagos (o tablas de decisin): sirven para tratar muchos
problemas de decisin y poseen los siguientes elementos:
Los diferentes estados de la naturaleza sj (s1, s2,, sn).

Las distintas alternativas o cursos de accin, entre los cuales el

TD deber seleccionar uno aj (a1, a2, , am).

Los resultados Rij que surgen de la eleccin de la alternativa ai

cuando se presenta el estado sj

 El criterio de decisin: es la especificacin de un procedimiento

para identificar la mejor alternativa en un problema de decisin.

La descripcin de los diferentes criterios de decisin que proporcionan

la opcin ptima ser realizada de acuerdo con el conocimiento que
posea el TD acerca de los estados de la naturaleza, es decir,
atendiendo a la clasificacin de los procesos de decisin: certidumbre,
riesgo e incertidumbre

Etapas del Proceso Decisorio

1. El TD debe identificar la existencia de un problema y poder
definirlo.
2. El TD debe recopilar ms informacin acerca del problema.
3. El TD debe poder especificar los objetivos. La decisin se basa
en seleccionar la mejor alternativa en funcin de ciertos
objetivos.
4. El TD debe elaborar un modelo que describa el problema.
5. El TD debe generar soluciones alternativas al problema y
evaluarlas en funcin de sus preferencias (anlisis cualitativo y
anlisis cuantitativo).
6. El TD debe determinar el criterio de decisin que optimice la
situacin.
7. El TD debe predecir las consecuencias de cada actuacin.
8. El TD debe establecer un sistema de preferencias. Tiene que
realizar una valoracin de las consecuencias de acuerdo con
una escala de bondad o deseabilidad.
6

9. El TD debe elegir entre las soluciones alternativas. Es necesario

que seleccione un curso de accin. Esta eleccin debe darse
mediante un criterio de decisin adecuado.
10.

El TD debe poner en prctica la solucin seleccionada y

evaluar los resultados. Lo que modifica el universo, es la accin

derivada de la decisin

Clasificacin de los Procesos de Decisin

Segn las caractersticas del contexto, podemos decir que el proceso
de decisin se realiza bajo certidumbre, bajo riesgo o bajo
incertidumbre. En funcin de esta distincin podemos identificar tres
grandes grupos:
Decisiones No Estructuradas: este tipo de decisiones se toman
cuando estamos en un contexto de incertidumbre total y se cuenta con
muy poca informacin. Son, principalmente, decisiones polticas y
estratgicas. Se requiere de un alto poder de negociacin
Decisiones Poco Estructuradas: este tipo de decisiones se toman
cuando estamos en un contexto intermedio, es decir, no nos
encontramos en certeza ni en incertidumbre total.

Decisiones Estructuradas: este tipo de decisiones se toman cuando

estamos en un contexto de casi-certeza, donde existe poca
complejidad. La mayora de estas situaciones son abarcadas por los

Mtodos de Investigacin de Operaciones. Son decisiones que

pueden programarse por ser repetitivas y rutinarias.

3.2

Criterios

de

decisin

Deterministicos

Probabilsticas

El conocimiento es lo que sabemos. La informacin es la

comunicacin

de

conocimientos.

En

cada

intercambio

de

conocimientos, hay un remitente y un receptor. El remitente hace

comn lo que es privado, hace la informacin, la comunicacin. La
informacin se puede clasificar como formas explcitas y tcitas. La
informacin explcita se puede explicar de forma estructurada,
mientras que la informacin tcita es inconsistente e imprecisa de
explicar.
Los datos son conocidos como informacin cruda y no como
conocimientos en s. La secuencia que va desde los datos hasta el
conocimiento es (observe el siguiente cuadro): de los Datos (Data) a la
Informacin (Information), de la Informacin (Information) a los Hechos
(Facts), y finalmente, de los Hechos (Facts) al Conocimiento
(Knowledge) . Los datos se convierten en informacin, cuando se
hacen relevantes para la toma de decisin a un problema. La
informacin se convierte en hecho, cuando es respaldada por los
8

datos. Los hechos son lo que los datos revelan. Sin embargo el
conocimiento instrumental es expresado junto con un cierto grado
estadstico de confianza (gl).
Los hechos se convierten en conocimiento, cuando son utilizados en la
complementacin exitosa de un proceso de decisin. Una vez que se
tenga una cantidad masiva de hechos integrados como conocimiento,
entonces su mente ser sobrehumana en el mismo sentido en que,
con la escritura, la humanidad es sobrehumana comparada a la
humanidad antes de escribir. La figura siguiente ilustra el proceso de
razonamiento estadstico basado en datos para construir los modelos
estadsticos para la toma de decisin bajo incertidumbre.

De donde:
Level of Exactness of Statistical Model = Nivel de Exactitud del Modelo
Estadstico.
Level of improvements on decisin making = Nivel de Mejoramiento en
la Toma de Decisiones

La figura anterior representa el hecho que a medida que la exactitud

de un modelo estadstico aumenta, el nivel de mejoramiento en la
toma de decisin aumenta. Esta es la razn del porqu necesitamos la
estadstica de negocio. La estadstica se creo por la necesidad de
poner conocimiento en una base sistemtica de la evidencia. Esto
requiri un estudio de las leyes de la probabilidad, del desarrollo de las
propiedades de medicin, relacin de datos.
La inferencia estadstica intenta determinar si alguna significancia
estadstica puede ser adjunta luego que se permita una variacin
aleatoria como fuente de error. Una inteligente y crtica inferencia no
puede ser hecha por aquellos que no entiendan el propsito, las
condiciones, y la aplicabilidad de las de diversas tcnicas para juzgar
el significado.
Considerando el ambiente de la incertidumbre, la posibilidad de que
las

buenas

decisiones

sean

tomadas

incrementa

con

la

disponibilidad de la buena informacin. El chance de la disponibilidad

de la buena informacin incrementa con el nivel de estructuracin del
proceso de Direccin de Conocimiento. La figura anterior tambin
ilustra el hecho que mientras la exactitud de un modelo estadstico
aumenta, el nivel de mejora en la toma de decisiones aumenta.
El conocimiento es ms que simplemente saber algo tcnico.
por ejemplo, crea el software estadstico que es til, ms bien que
tcnicamente brillante.
Proceso de Toma de Decisiones Estadsticas

10

A diferencia de los procesos de toma de decisiones determinsticas tal

como, optimizacin lineal resuelto mediante sistema de ecuaciones,
sistemas paramtricos de ecuaciones y en la toma de decisin bajo
pura incertidumbre, las variables son normalmente ms numerosas y
por lo tanto ms difciles de medir y controlar. Sin embargo, los pasos
para resolverlos son los mismos. Estos son:
1. Simplificar
2. Construir un modelo de decisin
3. Probar el modelo
4. Usando el modelo para encontrar soluciones:
El modelo es una representacin simplificada de la situacin real
No necesita estar completo o exacto en todas las relaciones
Se concentra en las relaciones fundamentales e ignora las
irrelevantes.

los mtodos probabilsticos y estadsticos para el anlisis de toma de

decisiones bajo incertidumbre son ms numerosos y mucho ms
poderosos que nunca. Las computadoras hacen disponible muchos
usos prcticos. Algunos de los ejemplos de aplicaciones para negocios
son los siguientes:

Un auditor puede utilizar tcnicas de muestreo aleatorio para

auditar las cuentas por cobrar de un cliente.

11

Un gerente de planta puede utilizar tcnicas estadsticas de

control de calidad para asegurar la calidad de los productos con
mnima inspeccin y menor nmero de pruebas.

Mtodo para tomar decisiones determinanticas con mltiples opciones

y objetivos
Para resolver disyuntivas esto es, para decidir ante dos opcionesBenjamn Franklin escriba en un papel los factores que favorecan a
una y otra, separados por una lnea vertical.
Luego buscaba en ambos lados, factores o grupos de factores que
tuviesen segn su apreciacin- igual peso, y los eliminaba. As iba
simplificando el problema hasta que los elementos no tachados
indicaran el predominio de una opcin.

El procedimiento consiste en eliminar alternadamente opciones y

objetivos. Para ello se aplican dos principios lgicos irrebatibles:

a) Que si una opcin X es superior a una opcin Y en un objetivo y

no es inferior a esta en ninguno de los restantes (condicin
llamada de Dominio Absoluto), entonces la opcin Y se puede
descartar
Crear una Tabla De Consecuencias
12

Una Tabla de Consecuencias representa en cada lnea un objetivo y

en cada columna una opcin o candidato. Las intersecciones son
naturalmente- las calificaciones de los objetivos para cada candidato.
Se ver mejor a travs de un ejemplo: supongamos que Juan quiere
encontrar trabajo y sus objetivos son:

- Sueldo
- Flexibilidad de Horario
- Prestaciones (como Salud, atencin dental, etc.)
- Distancia desde su casa y
- Vacaciones

El sueldo se medir en miles de pesos, la flexibilidad de horario en Alta

(A), Mediana (M), o Nula (N), la calidad y cantidad de prestaciones,
mediante una nota de 1 a 7, la distancia, en cantidad de Kilmetros y
las vacaciones, en Das hbiles por ao.

Por otra parte, supondremos que ya tiene cinco ofertas: A, B, C, D y E.

Supongamos, adems, que una vez hecha la evaluacin de cada

objetivo individual, para cada oferta, se obtuvo la siguiente Tabla de
Consecuencias:
Tabla de Consecuencias de Juan
13

Objetivo

Sueldo

500

600

700

550

450

Flexibilidad

Prestaciones 6

Distancia

20

10

12

27

Vacaciones

15

20

19

15

15

En la tabla se puede apreciar que la opcin D tiene dominio Absoluto

sobre la opcin A, ya que el sueldo es ms alto (550 contra 500) y es
igual o superior en los objetivos restantes.

Una vez eliminada A, la tabla queda:

Tabla de Consecuencias de Juan
Objetivo

Sueldo

600

700

550

450

Flexibilidad

Prestaciones 5

Distancia

10

12

27

Vacaciones

20

19

15

15

A veces no es fcil identificar situaciones de dominio por la sola

observacin de la tabla de consecuencias. En tal caso se puede
recurrir a una Tabla de Clasificacin, la que en lugar de desplegar los
14

valores- muestra la ubicacin relativa de cada opcin en cada uno de

los objetivos. En el caso de Juan, la Tabla de Clasificacin quedara:

Tabla de Clasificacin de Juan

Objetivo

Sueldo

Flexibilidad

3 (e)

3 (e)

Prestaciones 2 ( e)

2 (e)

Distancia

Vacaciones

3 (e)

3 (e)

Donde el smbolo (e) significa empate.

Se aprecia que ya no existen situaciones de dominio absoluto, pero la
opcin C es superior a la B en casi todos los objetivos, excepto en el
de las vacaciones (donde pierde por slo un da). Aqu, por supuesto,
entra a tallar el criterio del decisor: ese da de vacaciones es tan
importante como la diferencia en el sueldo o la mayor distancia?
Creemos que para la mayora probablemente valga ms que la
diferencia en distancia (2 km.) pero difcilmente puede compensar los
cien mil pesos de mayor sueldo que se obtienen con C. Se dice, en
este caso, que C tiene Dominio Relativo sobre B, circunstancia que
permite eliminar a esta ltima.
Una vez descartada B, la tabla de consecuencias queda:
Tabla de Consecuencias de Juan
15

Objetivo

Sueldo

700

550

450

Flexibilidad

Prestaciones 5

Distancia

12

27

Vacaciones

19

15

15

3.3 VALOR DE LA INFORMACIN PERFECTA

Si se pudiera contar con un predictor perfecto, se podra seleccionar
por anticipado el curso de accin ptimo correspondiente a cada
evento pronosticado.
Ponderando la utilidad correspondiente a cada curso de accin ptimo
por la probabilidad de ocurrencia de cada evento se obtiene la utilidad
esperada contando con informacin perfecta (UEIP).
El VEIP es la diferencia entre UEIP y VE. Refleja el aumento en la
utilidad esperada a partir de contar con un mecanismo de prediccin
perfecto.
INTERPRETACIN DEL VEIP
El VEIP puede considerarse como una medida general del impacto
econmico de la incertidumbre en el problema de decisin.

16

Es un indicador del valor mximo que convendra pagar por conseguir

informacin adicional antes de actuar.
El VEIP tambin da una medida de las oportunidades perdidas. Si el
VEIP es grande, es una seal para que quien toma la decisin busque
otra alternativa que no se haya considerado hasta el momento

3.4 RBOL DE DECISIN

Un rbol de decisin es un rbol orientado que representa un proceso
de decisin .Los nodos designa puntos en el tiempo en los cuales: i)
debe tomarse una u otra dedicin, o ii) quien toma las decisiones se
enfrenta a uno y otro estado de la naturaleza. O iii) el proceso
termina.
Saliendo de un nodo (i) hay una rama para cada posibles decisin
saliendo de un nodo(ii) hay una rama para cada posibles estado de la
naturaleza. Bajo cada ramas se escribe la probabilidad del evento
corresponde, cuando este definida.
Los arboles de decisin son tiles para determinar decisiones optimas
en procesos complicados.
Las tcnicas consisten en iniciar con los nodos terminales y moverse
secuenciales hacia atrs a travs de la red, calculando la ganancia
esperada en los nodos intermedios. Cada ganancia se escribe encima
del nodo correspondiente. Una decisin recomendada es aquella que
lleva a una

ganancia mxima esperada. Aquellas decisiones que

17

resultan no recomendables tienen las ramas correspondientes

marcadas con cruz.
Ejemplos:
Una gran compaa de energtico ofrece al dueo de un terreno
$60,000 por el derecho de explotacin de gas natural en un sitio
determinado y la opcin para un desarrollo futuro. La opcin si se
ejerce vale $60,000 adicionales para el propietario, pero esto ocurrir
solo si se descubre gas natural durante la etapa de explotacin. El
propietario, considerando que el inters de la compaa es una buena
indicacin de que existe gas, est tentando a desarrollar el mismo el
campo. Para hacer

esto deber contratar equipo locales con

experiencia en explotacin y desarrollo. El costo inicial es de $100,000

los que se perdern si no se encuentra gas. Sin embargo si descubre
gas, el propietario estima un beneficio neto de 2millones de dlar.
Las decisiones para el propietario

son D 1 (acepta la oferta de la

compaa de energticos) y D2 (explorar y desarrollar por su cuenta).

Los estado de la naturaleza son S 1 (no hay gas en el sitio). Las
ganancia (en miles de dlares) para el propietario en cada
combinacin de evento se da en la tabla sig.
Estado

Decision
es

d1
d2

de

la

naturaleza
s1
s2
60
660
-100
200

18

La matriz de ganancia para este proceso se muestra en la tabla

anterior. La ganancia mnima para la decisin D 1 es 60 mientras que
para D2 es -100. Ya que Max[60,-100 ]=60 es la ganancia asociada
D1,D2 es la decisin recomendada bajo el criterio minimax.

El valor mayor en la matriz es 2000, ganancia asociada a D 2 por lo

tanto D2 es la decisin recomendada bajo el criterio optimista.
Los promedio de la ganancia mxima y mnima para D 1 yD2 son
respectivamente

200+(600+60
2

y 100)
2

Ya que max [360,950] = 950 est asociada con D 1 ,D2 es la decisin

recomendada bajo el criterio del punto medio del camino.
Determinar la decisin recomendada bajo el criterio a priori para
el proceso del ejemplo anterior. Si el propietario estima que la
probabilidad de encontrar gas de 0.6
Con p(s2) =0.6 entonces P(s1)=1-0.6=0.4 empleando los datos de la
tabla se calcula la ganancia esperada proveniente de D 1 como:
E (G1)=(60)(0.4)+(660)(0.6)=420
Y la ganancia para D2 como:
E (G2)= (-100) (0.4)+ (2000)(0.6)=1160
19

Ya que el mximo de esta dos cantidades, 1160 est asociada con D1

D2 es la decisin recomendables bajo el criterio a priori. Este proceso
est representado por el rbol de decisin de la figura sig. La ganancia
esperada del proceso 1160 en el nodo B proviene en sentido inverso
del

nodo

D.

60
0.
4

420
660

116
0

D1
1

D2
1

s1

s2
0.
6
D

1160

2000

0.
4

-10

Bibliografa:

s1
H

Inv.
Operaciones

s2
Richard
bronson

3.5 TEORAS DE LA UTILIDAD

La teora de la utilidad trata de explicar el comportamiento del
consumidor. Desde esta perspectiva se dice que la utilidad es la
aptitud de un bien para satisfacer las necesidades. As un bien es ms
til en la medida que satisfaga mejor una necesidad. Esta utilidad es
cualitativa (las cualidades reales o aparentes de los bienes), es
espacial (el objeto debe encontrarse al alcance del individuo) y
temporal (se refiere al momento en que se satisface la necesidad).
20

Esta teora parte de varios supuestos:

El ingreso del consumidor por unidad de tiempo es limitado.

Las caractersticas del bien determinan su utilidad y por tanto

afectan las decisiones del consumidor.

El consumidor busca maximizar su satisfaccin total (utilidad

total), y por tanto gasta todo su ingreso.

El consumidor posee informacin perfecta, es decir, conoce los

bienes (sus caractersticas y precios).

El consumidor es racional, esto quiere decir que busca lograr sus

objetivos, en este caso trata de alcanzar la mayor satisfaccin
posible. Esto quiere decir que el consumidor es capaz de
determinar sus preferencias y ser consistente en relacin con
sus preferencias. As, si el consumidor prefiere el bien A sobre el
bien B y prefiere el bien B sobre el bien C, entonces preferir el
bien A sobre el bien C (transitividad).

La teora econmica del comportamiento del consumidor se topa con

un problema importante (llamado el problema central de la teora del
consumidor), el cual es la imposibilidad de cuantificar el grado de
satisfaccin o utilidad que el consumidor obtiene de los bienes. No
existe una unidad de medida objetiva de la satisfaccin. Este problema
se ha enfrentado a travs de dos enfoques distintos:

Enfoque cardinal: Supone que si es posible medir la utilidad, o

sea que si se dispone de una unidad de medida de la
satisfaccin.
21

Enfoque ordinal: En este enfoque el consumidor no mide la

utilidad, slo establece combinaciones de bienes que prefiere o
le son indiferentes con respecto a otras combinaciones de
bienes.

Enfoque cardinal:
A partir de los supuestos y conceptos mencionados se definen dos
conceptos de utilidad o satisfaccin:

Utilidad Total: es la satisfaccin total de consumir una cierta

cantidad de un bien.

Utilidad Marginal: es la satisfaccin extra de una unidad de

consumo adicional.

UT

UM

18

10

26

32

36

38

38

22

36

-2

23

En los datos anteriores se observa que se satisface la LEY DE LA

UTILIDAD MARGINAL DECRECIENTE, es decir, la satisfaccin
adicional del consumidor disminuye a medida que se consume una
mayor cantidad del bien. Observe que hay un punto de inflexin, a
partir del cual la utilidad marginal (UM) se vuelve decreciente:

24

3.6 Decisiones secuenciales

Son decisiones encadenadas entre s que se presentan a lo largo del

perodo de estudio previamente seleccionado.
En Consecuencia, la decisin inicial se toma sobre la base de la
consideracin explcita de otras decisiones futuras.
En muchas ocasiones, sobre todo en aquellos proyectos que abarcan
varios aos, la decisin inicial puede someterse a sucesivas
decisiones posteriores, como consecuencia de ir acumulando
informacin.

25

As una decisin puede condicionar decisiones posteriores y a su vez

ser condicionada por decisiones tomadas con anterioridad a la misma.
El anlisis del problema de decisin bajo el enfoque secuencial suele
ser preferible al enfoque esttico, dado que es normal que una
decisin tomada en el momento inicial condicione decisiones en los
momentos posteriores de tiempo.

Plantear la relacin entre el trabajo de direccin y la toma de

decisiones.
Comprender el proceso de la toma de decisiones
Conocer las tcnicas y herramientas mecnicas bsicas en la toma de
decisiones.
Repercusin de la decisin.
Planteamientos previos.
Ambiente de la decisin.
Decisin Programable/no programable.
Repercusin de la decisin
La decisin es fundamental en la empresa ya que segn las
decisiones que tome sta, se alcanzaran unos objetivos u otros.

Objetivos estratgicos
26

Largo plazo: Mercado en el que nos ubicamos

Objetivos tcticos
A medio plazo: Planes especficos, recursos asigna.
Objetivos operativos
Corto plazo: como sustituir a un operario con gripe.
Planteamientos previos.
La decisin puede platearse de forma:
Objetiva vs. Subjetiva
Analtica vs. Sistmica.
Esttica vs. Dinmica.
Determinista vs. Probabilstica
Segn el planteamiento que hagamos obtendremos unos resultados
diferentes en la toma de decisin y sus consecuencias.
Objetiva vs. Subjetiva
Puede darse el caso de tener que basarnos en hechos que nos
influyen o de los que no disponemos de un modelo objetivo.
Analtica: Disponemos de un modelo matemtico construido con la
informacin disponible y del que queremos conocer la mejor opcin.
Disponemos de un modelo construido a partir de una simplificacin
del problema y que nos permite simular diferentes situaciones lo que
nos lleva hacia una solucin.

27

Los modelos estticos no tienen en cuenta la variable tiempo.

En los modelos dinmicos la variable tiempo es fundamental.
Determinista vs. Probabilstica
Determinista: Conozco todos los datos necesarios de la realidad. Si
tomo una opcin, se cual ser el resultado preciso.
En los modelos probabilisticos las variables son aleatorias y los
resultados tambin.
Ambiente de la decisin
Certeza
Conozco los estados de la naturaleza con total seguridad.
Riesgo
No s qu estado de la naturaleza se dar, pero conozco sus
probabilidades.
Incertidumbre estructurada conozco los estados, no la probabilidad.
Incertidumbre no estructurada

28

3.7 anlisis de la sensibilidad

El anlisis de sensibilidad es una de las partes ms importantes en la

programacin lineal, Sobre todo para la toma de decisiones; pues
permite determinar cuando una solucin sigue Siendo ptima, dados
algunos cambios ya sea en el entorno del problema, en la empresa o
en los datos del problema mismo.
Este anlisis consiste en determinar que tan sensible es la respuesta
ptima del Mtodo Simplex, al cambio de algunos datos como las
ganancias o costos unitarios (coeficientes de la funcin objetivo) o la
disponibilidad de los recursos (trminos independientes de las
restricciones) La variacin en estos datos del problema se analizar
individualmente, es decir, se analiza la

sensibilidad de la solucin

debido a la modificacin de un dato a la vez, asumiendo que todos los

dems permanecen sin alteracin alguna.
Esto es importante porque estamos hablando de que la sensibilidad
es esttica y no dinmica, pues solo contempla el cambio de un dato a
la vez y no el de varios
Objetivo Principal del Anlisis de Sensibilidad
Establecer un intervalo de nmeros reales en el cual el dato que se
analiza puede estar contenido, de tal manera que la solucin sigue
siendo ptima siempre que el dato pertenezca a dicho intervalo

Los anlisis ms importantes son;

29

1. Los coeficientes de la funcin objetivo; y

2.

Los trminos independientes de las restricciones

y se pueden

abordar por medio del Mtodo Grfico o del Mtodo Simplex

Anlisis de sensibilidad grfico

Abordaremos primero el anlisis de sensibilidad de manera grfica.
Partamos del siguiente modelo de programacin lineal

Max z 34x + 2y
s/a 5x + 8y40
20x+10y100
x0;y

30

Cuya solucin es la siguiente:

31

Recordemos que nuestro objetivo es mantener la solucin ptima que

hemos encontrado
x =3.6 y=2.7
Esto lo conseguiremos siempre y cuando la recta de isoutilidad (recta
roja)
Pase por el punto (3.6 , 2.7) y no exista rea de regin factible por
encima de ella.
Anlisis de sensibilidad grfico para los coeficientes de la funcin
objetivo
Todas las lneas rojas mantienen la solucin ptima pero las lneas
azules generan una nueva solucin ptima pues existe un rea de la
regin factible sobre ellas, lo cual indica que la funcin no ha sido
optimizada en el punto

que analizamos (3.6,2.7)

Ahora si

observamos bien la grfica podemos notar que las lneas rojas, que
son las que nos interesan, siempre estn comprendidas entre las dos
restricciones o desigualdades que definen el vrtice ptimo (aquellas
que simultaneamos para encontrar la solucin)
Las lneas de las restricciones son las siguientes con sus respectivas
primeras derivadas y por consiguiente sus pendientes
5x + 8 y =40
8y=40 -5x

20x +10y=100
10y=100 -20 x

Ym2= -2
De estas pendientes la menor es -2

32

3.8 USO DE PROGRAMAS DE COMPUTACION

A.-) PROGRAMAS DE COMPUTACIN (Microsoft Adicional al
programa SOLVER, incluido en EXCEL-2000 de MIcrosoft (cuya
explicacin didctica del funcionamiento del programa Solver (445 kb),
se incluye en este documento que puede ser bajado por Usted), se
incorporan otros programas que operan bajo sistema WIndows
98/ME/2000/XP, debiendo disponer de una computadora actualizada
con procesador Pentium II y superiores, memoria mnima de 256 kb y
capacidad de disco de 50 MB y los cuales pueden ser bajados a
Chang y es aplicable a todos los problemas de Investigacin de
Operaciones. Para conocer sus usos y aplicaciones, se incorpora el
MANUAL DE USO del WINQSB.
A.) El programa PrgLin, cuya propiedad es de la Universidad de Lisboa
(Portugal), el cual se aplica A.3) El programa Lingo, propiedad de
Lindo Systems Inc (USA), que dado su gran tamao (18.9 Mb),

para soluciones grficas de problemas de dos dimensiones.

A.) El programa InvOp (361 kb), desarrollado por la Universidad del
Cuyo en Argentina, se aplica para la solucin de problemas
relacionados con transporte y redes.
Continuacin:.
A.1) El programa WinQSB (3.9 Mb), cuya propiedad intelectual es del
Dr. Yih-Long

B.-) USO DEL PROGRAMA SOLVER DE EXCEL)

33

Para conocer la aplicacin del mtodo SOLVER de EXCEL (Microsoft),

se utilizar un ejemplo prctico:
Max Z=10 X1 + 8 X2
Sujeto

a:

30X1 +20X2 <= 120

2X1 + 2X2 <= 9
4X1 + 6X2 <= 24
X1,X2 >=0

La nica dificultad que tenemos es el de modelar el programa dentro

del Excel, y eso, es muy fcil. Por supuesto, hay infinidad de maneras
de hacerlo, aqu propongo una.

Se activa Excel y en una hoja...

Se ubican las celdas que se correspondern con el valor de las
variables de decisin; en ste caso, las celdas B6 y C6, se les da un
formato para diferenciarlas de las dems, aqu azul oscuro (ver
captura abajo). Se ubica tambin, las celdas que contendrn los
coeficientes de las variables de decisin, B4 y C4, y se llenan con sus
respectivos valores, 10 y 8. Aunque ste ltimo paso, se podra omitir
y dejar los coeficientes definidos en la celda de la funcin objetivo, as
es mejor para los anlisis de sensibilidad y para que la hoja quede
portable para otro programa.

Se ubica la celda que se corresponder con la funcin objetivo (celda

objetivo), la B3. En ella se escribe la funcin que sea, en ste caso,
34

ser el coeficiente de X1 (en B4) por el valor actual de X1 (en B6) mas
el coeficiente de X2 (en C4) por el valor actual de X2 (en C6) O sea:
=$B$4*$B$6+$C$6*$C$4
Coeficientes para la primera restriccin: los podemos escribir en la
misma columna de las variables de decisin; en las celdas B7 y C7,
con los valores 30 y 20, seguido del sentido de la desigualdad (<=) y
de su correspondiente RHS: 120.
A la derecha ubicaremos el valor actual de consumo de la restriccin,
ella se escribir en funcin de las variables de decisin y de los
coeficientes de la restriccin.
Esta celda, la utilizar Solver como la real restriccin, cuando le
digamos que el valor de sta celda no pueda sobrepasar la de su
correspondiente RHS. De nuevo ser el valor del coeficiente por el de
la variable:=B7*$B$6+C7*$C$6.

Notese que ahora B7 y C7 no tienen el signo $. Pues es que luego que

se haya escrito sta celda, se podr arrastrar hacia abajo para que
Excel escriba la frmula por nosotros (la pereza!), pero tome los
valores relativos a los coeficientes que le corresponda a los mismos
valores de las variables de decisin. Se repite los pasos anteriores
para

las

otras

restricciones,

pero

ahora

la

frmula

ser:

=B8*$B$6+C8*$C$6 y =B9*$B$6+C9*$C$6.

El resto del formato es para darle una presentacin ms bonita a la

hoja. Ahora a resolverlo Al hacer click en Herramientas , Solver se
tendr una pantalla como la siguiente. Lo primero que hay que hacer
35

es especificar la celda objetivo y el propsito: maximizar. Se escribe

B3 (o $B3 B$3 $B$3 como sea, da igual), en el recuadro
"cambiando las celdas", se hace un click en la flechita roja, para poder
barrer las celdas B6 y C6; lo mismo da si se escriben directamente los
nombres.

Y ahora para las restricciones: se hace click en agregar...

En F7 est la primera restriccin, como se puede ver en la captura. Se
especifica el sentido de la restriccin <=, >= =. Aqu tambin se
puede especificar el tipo de variable, por defecto es continua, pero se
puede escoger "Int" para entera o "Bin" para binaria. En el recuadro de
la derecha establecemos la cota.
Aqu podemos escribir 120 pero mejor escribimos $E$7 para que
quede direccionado a la celda que contiene el 120, y despus lo
podramos cambiar y volver a encontrar la respuesta a manera de
anlisis de sensibilidad.

La condicin de no negatividad hay que incluirla manualmente, as:

El cuadro de dilogo debe lucir as:
Y listo! Se hace

en resolver y ya. Parece un poco largo en

comparacin con los otros paquetes de programacin lineal, pero esto

se har slo una vez, para los prximos programas se podr utilizar la
misma hoja cambiando los coeficientes. Sin embargo, como se puede
notar, la flexibilidad de modelar es muy grande.

36

CONCLUSION:

Este trabajo fue de mucha importancia para el equipo ya que pudimos

darnos cuenta de la teora para la toma de decisiones sobre el proceso
de una perspectiva racional
Dentro de las decisiones secuenciales se presenta a lo largo del
periodo del estudio esto se toma sobre la base de la consideracin
explicita dentro de un enfoque El VEIP puede considerarse como una
medida general del impacto econmico de la incertidumbre en el
problema de decisin.
Es un indicador del valor mximo que convendra pagar por conseguir
informacin adicional antes de actuar.

37

BIBLIOGRAFIA
INESTIGACION DEOPERACIONES 2
INTRODUCCION

ALAINVESTIGACION

DEOPERACIONESSETA

EDICION HAMDY A. TAHA.1997

INVESTIGACION DE OPERACIONES, WAYNE L.WINSTON

DENARDO.E.U: DINAMICPROGRAMMING THERY AN APLICATION
1982

38