Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis Cuantitativo para La Toma de Decisiones, 8va Edición - Harold Bierman
Análisis Cuantitativo para La Toma de Decisiones, 8va Edición - Harold Bierman
Octava edicin
Versin en espaol de
Ernesto Morales Peake
Mxico, D.F.
Con la colaboracin de
a
M Josefa Peralta Estadillo
Universidad Pontificia de Comillas
ICADE
Madrid, Espaa
McGRAW-HILL
ISBN 970-10-1690-4
(ISBN 0-256-08267-7 octava edicin. Publicado por Richard D. Irwin, Inc.)
vii
Extracto del prefacio
de la primera edicin
viii
ndice general
ix
x ndice general
Variables de decisin
Variables exgenas
Polticas y restricciones
Medidas de rendimiento
Variables intermedias
El modelo y la relacin entre variables, 17
Ejemplo: Modelo de un aserradero, 18
Relaciones: Diagrama de influencia
Relaciones fsicas
Relaciones financieras
Anlisis con el modelo, 22
Implantacin del modelo en un computador, 23
Frmulas para otros trimestres
Ejemplos de anlisis con el modelo, 27
Anlisis de sensibilidad
Ejemplo: Modelo New York Tunes, 33
Apndice: Valor actual y futuro del dinero, 34
Bibliografa, 35
Problemas con respuestas, 35
Problemas, 36
Problemas ms difciles, 37
Caso 2-6: Super Spuds, Inc., 38
Caso 2-7: Chase Manufacturing, 40
Caso 2-8: Gotham City Times, 45
Conclusin, 548
Apndice 1: Proceso y distribucin de Poisson, 550
Apndice 2: Obtencin de la frmula bsica de colas, 552
Bibliografa, 554
Problemas con respuestas, 554
Problemas, 555
Problemas ms difciles, 556
19 Simulacin, 559
Simulacin probabilstica, 560
Simulacin y computadores
Simulacin y control de inventarios, 565
Anlisis de riesgo, 567
Simulacin con distribuciones continuas de probabilidad, 572
Mtodo grfico
Generacin de variables aleatorias por computador
Simulacin de sistemas complejos, 574
Apndice 1: Mtodo algebraico para generar variables aleatorias, 576
Apndice 2: Simulacin de Montecarlo en hojas de clculo, 577
Bibliografa, 587
Problemas con respuestas, 587
Problemas, 588
Problemas ms difciles, 589
20 PERT: Tcnica de evaluacin y revisin de programas, 592
Requisitos de informacin
Caso I: Tiempos conocidos de actividades, 593
Diagrama de red
Ruta crtica, 594
Algoritmo para la ruta crtica
Holgura y ruta crtica
Compensaciones entre tiempo y costo, 599
Caso II: Tiempos de actividad inciertos, 603
Varias estimaciones para tiempos de actividad inciertos
Simulacin de redes PERT, 607
Evaluacin de PERT, 609
Bibliografa, 610
Problemas con respuestas, 610
xx ndice general
Problemas, 611
Problemas ms difciles, 613
21 Procesos de Markov, 617
Anlisis a corto plazo
Anlisis de estado estacionario
Clculo de probabilidades de estado estacionario, 622
Caractersticas de un proceso de Markov, 624
Comportamiento en estado estacionario de un proceso de Markov de dos
estados, 625
Utilizacin de los procesos de Markov en problemas de decisin, 626
Solucin de estado estacionario para problemas mayores, 630
Bibliografa, 633
Problemas con respuestas, 633
Problemas, 634
Problemas ms difciles, 635
22 Programacin dinmica, 639
Conceptos bsicos, 640
Formalizacin de la tcnica de programacin dinmica, 642
Principio de optimalidad, 643
Formulacin y solucin de problemas de programacin dinmica, 654
Programacin dinmica en condiciones de incertidumbre, 655
Apndice: Uso de programacin dinmica en procesos de Markov, 659
Bibliografa, 663
Problemas con respuestas, 663
Problemas, 665
Problemas ms difciles, 669
Apndice de tablas, 673
Tabla A: Funcin de distribucin normal estandarizada, 673
Tabla B: Funcin de prdida de la distribucin normal estandarizada, 674
Tabla C: Distribucin binomial acumulada, 675
Solucin de problemas seleccionados, 693
ndice, 748
PARTE
Modelos y
toma de decisiones
CAPTULO
Introduccin al anlisis
cuantitativo
Este libro trata sobre la toma de decisiones en la empresa, proceso por medio del
cual la gerencia, al enfrentarse a un problema, selecciona un curso de accin
especfico o "solucin", de un conjunto de alternativas. Puesto que por lo general
hay incertidumbre con respecto al futuro, no es posible estar seguro de las
consecuencias de la decisin que se tome, y tampoco se puede asegurar que la
decisin que se elija produzca los mejores resultados. Adems, el problema puede
ser muy complejo, ya sea porque existan muchas alternativas por considerar o un
gran nmero de factores que deben tomarse en cuenta.
El libro presenta un mtodo general para que puedan utilizarlo los directivos
cuando se enfrenten a problemas de decisin, as como herramientas cuantitativas
especficas para tipos particulares de problemas.
Decisiones empresariales
El director de una empresa quiere escoger la accin ms efectiva para alcanzar
las metas de la organizacin. Al juzgar la eficacia de las distintas decisiones
posibles, hay que utilizar algn criterio o medida del rendimiento. La medida ms
comn del rendimiento es la unidad monetaria, pero en los captulos siguientes
se ver que para ciertas decisiones estas unidades no son adecuadas para deter-
minar las ventajas relativas de distintos cursos de accin.
El proceso general que se presenta a continuacin es comn para todos los tipos
de situaciones de toma de decisiones:
3. Determinar el modelo que se usar y los valores de los parmetros del proce
so. Por ejemplo, se podra decidir que una expresin adecuada de los gastos
totales sera:
Los parmetros son a y b y ser necesario determinar sus valores para poder
utilizar el modelo.
4. Determinar cul de las alternativas optimiza (es decir, produce el mejor valor
para) el criterio que se estableci en el paso 1.
E = a + 1000b
Suponga que se tendrn que comprar troqueles especiales con costo de 5000
dlares (a es igual a 5000 dlares) y que los costos variables para producir una
unidad son de 30 dlares (b es igual a 30 dlares). Los gastos relevantes totales
para satisfacer el pedido son de 35 000 dlares (equivalente a 5000 dlares ms
30 000 dlares).
4. Al comparar los ingresos (50 000 dlares) y los gastos (35 000 dlares), se
obtiene que debe aceptarse el pedido. El beneficio aumentar 15 000 dlares
si "se acepta", en comparacin con la alternativa "se rechaza".
En el ejemplo anterior se aplicaron conocimientos bsicos y tcnicas de clculo
sencillas. Sin embargo, al tratar con problemas ms complejos, se pueden requerir
otras herramientas de anlisis cuantitativo, como el clculo, la probabilidad, la
estadstica y la programacin (lineal, entera y dinmica).
En seguida consideraremos algunos aspectos relativos a la elaboracin de modelos.
Abstraccin y simplificacin
Los problemas del mundo real tienden a ser de complejidad enorme. Hay,
literalmente, una cantidad incontable de "factores" intrnsecos en cualquier sita-
Captulo 1 Introduccin al anlisis cuantitativo 5
cin emprica. Adems, cada accin potencial inicia una cadena de causa, efecto
e interaccin que, como es lgico, nunca termina.
Considere el problema de construir un edificio. Se podra utilizar una cantidad
enorme de tiempo para recopilar informacin de los factores relacionados con la
situacin: por ejemplo, la ubicacin precisa y las caractersticas fsicas del
edificio; un estudio detallado de las condiciones climticas de los lugares posibles
y la influencia que tendran en los costos de construccin; las fuentes de financia-
cin que se usaran y sus costos. El decisor puede optar por considerar especfi-
camente y con detalle todos los usos alternativos posibles de los fondos en este
periodo y los subsecuentes. Si el decisor adopta la estrategia de recopilar todos
los hechos antes de actuar, nunca se emprender la accin. La mente no puede
considerar todos los aspectos de un problema emprico. Hay que omitir algunos
de los atributos del problema para poder tomar una decisin. El decisor debe
determinar cules son los factores ms relevantes para el problema. La abstraccin
y la simplificacin son pasos necesarios para resolver cualquier problema huma-
no. Nuestro objetivo es mejorar la toma de decisiones, no ofrecer un pretexto
para no tomar una decisin.
Construccin de modelos
Una vez que el decisor selecciona los factores decisivos, o variables, de la
situacin emprica, stos se combinan de manera lgica para que formen un
modelo del problema real. Un modelo es una representacin simplificada de una
situacin emprica. De manera ideal, elimina la complejidad abrumante de un
fenmeno natural y resalta el comportamiento bsico del mismo a travs de unas
cuantas variables que se relacionan de manera sencilla. Si es ms sencillo el
modelo, es mejor para la persona que toma la decisin, siempre y cuando
el modelo sea un smil razonablemente confiable del problema emprico. Las
ventajas de contar con un modelo sencillo son:
Soluciones
Despus de construir el modelo, se pueden obtener conclusiones acerca de su
comportamiento, por medio del anlisis lgico. Quien toma la decisin basa sus
6 Parte I Modelos y toma de decisiones
Errores
Dos errores importantes que ocurren al usar modelos para la toma de decisio-
nes son la exclusin de variables importantes y las equivocaciones al definir
las relaciones entre variables. Por ejemplo, en el problema relacionado con el
contrato con el gobierno, suponga que se puede esperar una prdida del 40%
en la produccin, por causa de especificaciones de producto muy rigurosas.
Si existiera este factor y se omitiera del anlisis, el modelo no representara
de manera adecuada la situacin para una decisin (se obtendra la decisin
equivocada).
Decisiones e incertidumbre
Las decisiones empresariales ocurren en dos contextos esencialmente distintos:
en condiciones que se aproximan a la certidumbre y, lo ms comn, en condiciones
de incertidumbre. El anlisis cuantitativo que apoya la toma de decisiones en
condiciones de certidumbre generalmente se refiere a la maximizacin de un
objetivo (por ejemplo, el beneficio o la produccin) sujeto a restricciones (por
ejemplo, la capacidad productiva).
En el ejemplo del principio del captulo se compararon las alternativas "aceptar
el pedido" y "rechazar el pedido" para un contrato con el gobierno por 1000
unidades. sta fue una decisin en condiciones de certidumbre. Se compararon
las dos alternativas y, como el beneficio era 15 000 dlares mayor al aceptar el
pedido, se eligi esta alternativa.
Suponga, que se modifica ligeramente la situacin anterior. Se vender el
producto a 50 dlares por unidad y, como antes, los gastos de produccin de X
unidades son:
Pero ahora hay incertidumbre acerca del nivel real de las ventas. Las ven-
tas pueden ser de 100 unidades, de 250 o de 1000, pero no se sabe con seguri-
dad cul ser el nivel que se alcance. Las dos alternativas son: (1) lanzar el
producto al mercado y aceptar los beneficios o las prdidas que surjan, o (2)
rechazar el proyecto y no obtener beneficios. Suponga que hay que aplicar
los 5000 dlares de costos fijos antes de conocer la demanda real, pero que se
pueden producir unidades despus de conocer la demanda (no hay problemas
de inventario).
La figura 1-1 ilustra un rbol de decisin para este problema. Las alternativas
(lanzar al mercado o no hacerlo) se representan como ramas que parten del nudo (o
nodo) cuadrado; y los sucesos inciertos (niveles de ventas), como ramas que par-
ten del nudo circular. La figura 1-1 tambin contiene los beneficios o las prdidas
que se obtienen de cada nivel de ventas posible y que se calculan como sigue:
de 100 unidades, hay que rechazar el proyecto y evitar una prdida de 3000 d-
lares. Si las ventas fueran de 250 unidades, no importara la alternativa que se
eligiera, ya que los beneficios de ambas decisiones son de cero dlares.
Cuando se desconoce el estado real de la situacin, el decisor tiene que actuar
con informacin imperfecta. Hay varios procedimientos de toma de decisiones
que tienen que ver con la informacin imperfecta; se analizarn algunas de las
tcnicas ms tiles ms adelante en este libro. Estas tcnicas comprenden tanto
el uso de probabilidades para representar el juicio acerca de la posibilidad de
ocurrencia de los sucesos como los procedimientos para determinar el valor
de obtener ms informacin antes de actuar.
Clasificacin de modelos
En el libro se analizarn varios tipos de modelos de decisin, los cuales se
clasifican en la figura 1-2. Los modelos se clasifican como ciertos si se supone
que se conocen los factores principales, y como inciertos si se desconocen
algunos factores.
Problemas sencillos
Al construir el modelo para el anlisis hay que simplificar todos los problemas.
Si con esto se obtiene un nmero pequeo de factores o variables, y relativamente
10 Parte I Modelos y toma de decisiones
Problemas complejos
Problemas dinmicos
RESUMEN Se pueden clasificar las decisiones segn se tomen con certidumbre o incertidum-
bre, dependiendo de que se suponga o no el conocimiento de los factores
principales. La toma de decisiones en condiciones de incertidumbre implica el
uso de probabilidades para expresar la verosimilitud de sucesos inciertos.
12 Parte I Modelos y toma de decisiones
Bibliografa
1-1. Remtase al ejemplo del contrato guberna- un molde especial para la produccin del en-
mental de este captulo. Suponga que existe granaje. El molde especial durar un ao y las
una prdida del 40% en la produccin por ventas anuales son de 80 000 unidades.
causa de las especificaciones ms rigurosas a. Deber la compaa hacer el cambio al
para el producto. engranaje de plstico? Por qu?
a. Cuntas unidades tendran que entrar al b. Suponga ahora que el engranaje de plsti-
proceso de produccin para obtener 1000 co se relaciona con una tasa de averias un
unidades "buenas"? poco ms alta en el primer ao; especfica-
b. Cul es el costo total para obtener 1000 mente, por cada 1000 unidades que se ven-
unidades "buenas"? den, habr, en promedio, dos averas ms
c. Debe aceptarse el contrato? Por qu? con el engranaje de plstico que con el me-
1-2. La compaa de aparatos domsticos XYZ tlico. Las averas le cuestan 40 dlares a
pretende sustituir un engranaje metlico con la compaa (costos de reparacin por ga-
uno de plstico. El engranaje de plstico aho- ranta y por reaccin negativa). Deber
rrar 50 centavos por unidad, pero se requie- ahora la compaa hacer el cambio al en-
re un gasto de 20 000 dlares para elaborar granaje de plstico? Por qu?
Captulo 1 Introduccin al anlisis cuantitativo 13
Problemas
1-3. La determinacin del precio de un producto es b. El criterio que usara para seleccionar una
una decisin empresarial muy importante. de las alternativas.
Cules son los elementos de incertidumbre c. Las variables importantes que debern in-
que existen en la decisin de cambiar el precio tegrarse a un modelo que le ayude a tomar
de un producto? esta decisin. Hasta qu punto se pueden
1-4. En qu sentido existen "oponentes" cuando cuantificar estas variables?
se establece el precio de un producto? d. Hasta qu punto puede cuantificar las
relaciones entre las variables propuestas
1-5. Una familia quiere realizar un da de campo.
en (c)?
En qu forma es un oponente la naturaleza?
Es razonable usar probabilidades para des- 1-9. Una filosofa de direccin es "disparar prime-
cribir los distintos estados de la naturaleza? ro, preguntar despus". Otra filosofa lleva a
"parlisis por anlisis". Cul escoge usted?
1-6. Con frecuencia se describe a la maximiza- 1-10. Un modelo posible para los gastos totales es:
cin de beneficios como el criterio principal
que debe aplicarse en la toma de decisiones
empresariales. Si usted fuera el gerente de
una empresa, qu otros criterios usara para
donde:
tomar sus decisiones?
1-7. La compaa Crude Oil considera la posibili- T = Costos totales
dad de perforar para buscar petrleo en un te- a = Costos fijos
rreno que alquila. Es razonable especificar b = Costos variables
una probabilidad de encontrar petrleo? X = Nmero de unidades
1-8. Piense en una decisin empresarial o personal
con la que est familiarizado. Describa esta Analice lo adecuado de este modelo para pre-
decisin en funcin de: a. Las alternativas decir el costo total relacionado con una pro-
disponibles. duccin determinada.
Problemas ms difciles
1-11. Un ejecutivo debe tomar una decisin acerca Relacin de ventas: x = -100 + 2 000/p
del precio para un producto nuevo. El objetivo Beneficio: NP = px - C(x)
es maximizar el beneficio, y las alternativas
son precios posibles desde dos dlares por a. Comente acerca del modelo que escogi
unidad hasta diez dlares por unidad. A el gerente, en trminos de lo razonable de
continuacin se describe el modelo que se las relaciones, las variables que se incluye
usar. Sea: ron (y las que se excluyeron) y el valor
del modelo.
x = Nmero de unidades producidas b. Encuentre por tanteo una solucin aproxi-
(y vendidas) mada para el modelo (es decir, pruebe dis-
C(x) = Costo total para producir x unidades tintos precios entre dos y diez dlares y
p = Precio que se cobrar trate de encontrar un precio que genere
NP = Beneficio neto total (por maximizar) buenos beneficios).
1-12. En un aeropuerto se discute la posibilidad de
Relacin de costo: C(x) = 800+1.25* instalar un complicado dispositivo de ayuda
para aterrizajes. El costo equivalente anual
14 Parte I Modelos y toma de decisiones
de este dispositivo (incluyendo todos los cos- b. Encuentre, por tanteo, una solucin ptima
tos) es de 800 000 dlares por ao, que no po- aproximada del modelo (o sea, pruebe
dr recuperarse de las lneas areas. El algunos valores entre cero y 100 000 dla-
dispositivo reducir el nmero esperado de res para la publicidad y encuentre una bue-
accidentes por ao en el aeropuerto, de 1.8 a na solucin para los beneficios).
1.7. 1-14. Una compaa de computadores pretende in-
Los vuelos que llegan al aeropuerto trans- troducir un producto nuevo, el modelo B. Al-
portan en promedio 40 personas (incluyendo gunas de sus ventas seran a costa del modelo
la tripulacin) y el avin tiene valor de reven- A, uno de los productos de mayor venta de la
ta de dos millones de dlares. compaa. La situacin econmica es la que
a. Si se rechaza el dispositivo, cul es el va- sigue:
lor implcito que se asigna a la vida de las
personas que viajan en el avin? Modelo A M
b. Cunto estara dispuesto a pagar por el Modelo B
dispositivo? Costo fijo
Costo variable
1-13. El gerente de producto de una fbrica de ce- por unidad $ 10 millones $20 millones
reales intenta determinar el presupuesto para Precio de venta
publicidad del ao entrante. Cuenta con la si- al mayoreo $500 $300
guiente informacin: el precio de venta es de
cinco dlares por caja; el costo variable de $1500 $1000
manufactura es de dos dlares por caja; los
costos fijos para producir el cereal ascienden a Ya se incurri en los costos fijos del modelo
100 000 dlares por ao. El gerente ha esti- A, pero no en los del modelo B. Las ventas
mado la siguiente relacin entre las ventas del actuales del modelo A son de 500 000 unida-
cereal (que se llama X y se mide en miles de des por ao. La introduccin del modelo B
cajas) y los dlares que se gastan en publi- dara lugar a la venta de 600 000 unidades de
cidad (a lo que se denomina Z y se mide en B por ao, pero las ventas de A se reduciran a
miles de dlares):
300 000 unidades. La vida restante de ambos
productos es de un ao; despus de este lapso,
sern obsoletos. Por esto resulta apropiado un
anlisis de un ao.
Para: a. Formule un modelo para decidir si debe in-
troducirse o no el modelo B en este mo-
mento. Qu decisin recomendara?
b. Suponga que no se hubiera introducido an-
tes el modelo A (y que an no se hubiera
a. Formule un modelo para los beneficios ne- incurrido en su costo fijo). Formule un
tos del cereal. Es decir, identifique todas modelo para esta situacin y decida cules
las variables y relaciones necesarias para son los productos que deben introducirse.
determinar los beneficios. c. Qu otros aspectos considerara aplica-
bles a la situacin descrita en (a)?
CAPTULO
Introduccin a la
construccin de modelos
Introduccin
En el captulo 1 se presentaron los conceptos bsicos de la toma de decisiones y
el papel que representa un modelo en dicho proceso. El propsito de este captulo
es entrar en mayor detalle y explicar lo que es un modelo y cmo pueden los
directores usar y construir cierto tipo de modelos, los modelos de caso. En
secciones posteriores del libro se vern otros tipos: modelos para la toma de
decisiones en condiciones de incertidumbre, modelos de optimizacin y mode-
los dinmicos.
Variables de decisin.
Variables exgenas.
Polticas y restricciones.
15
16 Parte I Modelos y toma de decisiones
Variables de decisin
Las variables de decisin son aquellas que estn bajo el control del decisor y
representan alternativas para el director. Considere el caso de un gerente de
mercadotecnia que decide acerca de la introduccin de un producto nuevo.
El gerente puede elegir entre introducir o no el producto; el gerente tambin puede
elegir el precio de venta del producto y la cantidad que se invertir en publi-
cidad. stas son las elecciones ms importantes; por lo tanto, son las variables
de decisin.
El gerente tambin puede tomar algunas decisiones menores, como el color del
producto, los detalles del contenido de la publicidad, cmo se le informar a la
fuerza de ventas sobre el producto, etctera. El gerente podra excluir del modelo
estos factores menos importantes, para que el anlisis sea ms sencillo.
Variables exgenas
Las variables exgenas o externas son aquellas que tienen importancia para el
problema de decisin pero estn bajo el control de factores ajenos al decisor. Por
lo general, las variables exgenas son las condiciones econmicas, las acciones
de los competidores, el precio de las materias primas y otros factores similares.
En el caso del gerente de mercadotecnia que considera la introduccin de un
producto nuevo, la reaccin de los clientes (cunto comprarn) es ciertamente una
variable exgena importante. Otras variables exgenas son el costo de las materias
primas y otros elementos necesarios para fabricar el producto.
Polticas y restricciones
Con frecuencia el decisor tiene que operar con ciertas restricciones impuestas por
las polticas de la compaa, con cuestiones legales y con limitaciones fsicas.
Por ejemplo, la capacidad disponible de la planta puede estar limitada, lo cual
puede restringir las ventas posibles. Una poltica de la compaa puede especificar
que se adquieran los materiales de ciertos proveedores o que se mantengan ciertos
niveles de calidad.
En ocasiones se pueden modificar las polticas o las restricciones. Por ejemplo,
la capacidad de la planta es una restriccin, pero la gerencia puede optar por
ampliar la planta. Esto significa que a veces puede existir confusin entre lo que
se considera una variable de decisin y lo que es una restriccin. No es tan
importante hacer una distincin precisa entre ambas, pero la gerencia s debe
reconocer la presencia de las restricciones y tener presente que pueden modifi-
carse, de ser necesario.
Captulo 2 Introduccin a la construccin de modelos 17
Medidas de rendimiento
Al tomar una decisin, los gerentes tienen metas u objetivos que tratan de alcanzar.
Los criterios o medidas de rendimiento son expresiones cuantitativas de estos
objetivos. Por ejemplo, para el gerente de mercadotecnia que toma la decisin de
introducir un producto nuevo, una de las medidas de rendimiento sera el nivel
de los beneficios. Otras medidas podran ser la cuota de mercado y el rendimiento
sobre inversiones.
Variables intermedias
Con frecuencia se necesitan otras muchas variables para incluir todos los factores
importantes para el problema de decisin. Muchas veces son variables contables
relativas a los factores de costo o ingresos y que se usan para relacionar las
variables de decisin y las exgenas con las medidas de rendimiento. Son varia-
bles intermedias, en el sentido de que se encuentran entre las otras variables. En
el ejemplo de la decisin de un producto nuevo, una variable intermedia sera el
nivel de los ingresos totales (precio por cantidad de venta); los componentes de
los costos de manufactura y ventas seran otras variables intermedias.
exgenas, las polticas y las restricciones son entradas al modelo, mientras que
las salidas son las medidas de rendimiento. En s, el modelo representa el conjunto
de todas las relaciones entre variables. La definicin de estas relaciones es el
segundo paso importante en la construccin de un modelo (el primer paso, como
se mencion antes, es la definicin de las variables importantes).
Algunas relaciones son definiciones contables. Por ejemplo, los beneficios son
los ingresos menos los gastos, una sencilla regla de contabilidad. Otras relaciones
dependen de lmites fsicos, como la determinacin de la cantidad de producto
que puede producirse a partir de un lote de materias primas. Algunas relaciones
son de juicio, que representan el conocimiento del gerente acerca de la relacin
entre factores. Un ejemplo de este tipo de relacin es el juicio del gerente con
respecto a la reaccin de los clientes ante un cambio en el precio.
El modelo es el conjunto de todas estas relaciones. Es algo as como una "caja
negra" que transforma las variables de decisin en medidas de rendimiento para
un conjunto especfico de variables exgenas, polticas y restricciones.
1
Vase el caso Puyallup Forest Products en Charles P. Bonini, Computer Models for Decision Analysis, Palo
Alto, Calif., Scientific Press, 1980, pgs. 55-66.
Captulo 2 Introduccin a la construccin de modelos 19
Ahora hay que definir las relaciones entre las variables. En ocasiones es til
dibujar un diagrama que muestre cmo se relacionan las variables o influyen en
otras. Por ejemplo, la figura 2-2 es uno de estos diagramas, llamado diagrama
de influencia. Las lneas con flechas indican qu variables se relacionan con otras.
No es indispensable construir el diagrama, pero muchas veces sirve para com-
prender el modelo.
Observe que hay dos lneas punteadas en la figura 2-2. La nica variable por
encima de la lnea superior es la medida del rendimiento, BENEFICIOS. Los
cuadros que aparecen debajo de la lnea inferior contienen las variables de
decisin y las exgenas, las entradas para el modelo. Las variables y las relacio-
nes de la parte media integran el modelo.
Relaciones fsicas
CAPACIDAD = 9200 + CAPACIDAD ADICIONAL
Esta relacin establece que se requieren 0.52 MPT de troncos por cada MPC
de madera que se produzca. La cifra 0.52 es una constante que depende de la
eficiencia para producir madera a partir de las materias primas, los troncos. El
asterisco * significa "multiplicado por"; es un smbolo normal que se usa en
programas de computacin y que se usar como tal en este captulo.
Aqu es necesaria una pausa para explicar las constantes. Al construir un
modelo, hay valores numricos, como el coeficiente 0.52 anterior, que se estiman
a partir de los costos u otros datos de la empresa. Aunque se les puede considerar
como variables exgenas, tienen menor importancia y se supone en cambio que
son constantes. Se espera que permanezcan fijas (constantes) durante los anlisis
del modelo.
HORAS DE TRABAJO = PRODUCCION DE MADERA/PRODUCTIVIDAD LABORAL
Relaciones financieras
Las restantes relaciones del modelo son financieras. Lo que se presenta a con-
tinuacin no son ms que definiciones contables que se explican solas. En
22 Parte I Modelos y toma de decisiones
algunos casos se requiere la divisin entre 1000 para hacer la conversin a miles
de dlares.
BENEFICIOS = INGRESOS - GASTOS OPERATIVOS - OTROS GASTOS
INGRESOS = (PRODUCCIN DE MADERA * PRECIO DE LA MADERA) /1000
COSTO OPERATIVO =GASTOS DE MATERIALES + GASTOS DE MATERIAS
PRIMAS + GASTOS DE FUERZA DE TRABAJO
OTROS GASTOS = GASTOS DE VENTAS + GASTOS DE EQUIPO
+ GASTOS FIJOS
GASTOS DE FUERZA DE TRABAJO = (TARIFA LABORAL * HORAS DE TRABAJO)
/1000
GASTOS DE MATERIAS PRIMAS = (TRONCOS REQUERIDOS *
COSTO DE TRONCOS) /1000
Los gastos de ventas son del 10% del ingreso por ventas.
GASTOS FIJOS = 20
Recuerde que se alquila el equipo del aserradero. Las cuotas del alquiler son de
11 dlares trimestrales por MPC de capacidad instalada.
La construccin de modelos implica simplificar primero el problema de decisin,
RESUMEN seleccionando para el estudio slo las variables ms importantes. Estas variables
incluyen variables de decisin (las que estn bajo el control del decisor), varia-
bles exgenas, medidas del rendimiento, polticas o restricciones, y variables
intermedias. El segundo paso de la construccin del modelo es identificar las re-
laciones entre las variables; es decir, determinar cmo dependen entre s las
variables. El modelo es, en s mismo, el conjunto de todas estas relaciones.
letras,2 iniciando con A. Una celda (o casilla) es la interseccin de una fila y una
columna, y se indica con la designacin de la columna y la fila. Por ejemplo, la
celda B3 es la celda de la columna B y la fila 3.
Una celda puede contener informacin alfanumrica como la etiqueta "Varia-
bles de decisin"; puede contener un nmero, como 9.00 para la tarifa laboral; y
tambin puede contener una frmula. Las frmulas incluyen como variables las
designaciones de las celdas; por ejemplo, si la celda D3 contiene la siguiente
frmula:
2
Esta codificacin de filas y columnas es la que se aplica en la mayora de los programas de hoja de clculo,
pero no en todos.
26 Parte I Modelos y toma de decisiones
3
La celda C14 es la nica excepcin a esta afirmacin de que se pueden copiar las frmulas a otras columnas.
La celda D14 debe ser (C14 + D4); o sea, CAPACIDAD (en el segundo periodo) - CAPACIDAD (en el primer
periodo) + CAPACIDAD ADICIONAL del segundo periodo. Hay que registrar esta frmula en la celda D14 y
despus se podra copiar (duplicar) al tercero y al cuarto periodos.
28 Parte I Modelos y toma de decisiones
1000 405
2000 374
3000 330
puede observar, hay un aumento neto en el beneficio anual (de 387 000 a 405 000
dlares).
Otra decisin se relaciona con la adicin de capacidad al aserradero. Se puede
partir del caso base y aadir distintas capacidades en el primer trimestre. La tabla
2-6 presenta los resultados de cuatro casos, cada uno con diferente capacidad
adicional. A partir de estos resultados parece que lo mejor sera agregar cerca de
1000 MPC, aunque las diferencias no son muy grandes.
La direccin tambin podra preguntar cmo cambiara esta decisin de capa-
cidad si no fueran correctos los pronsticos de la demanda de madera. En otras
palabras, es sensible esta decisin de capacidad con respecto a la demanda? Para
verlo, supongamos que el patrn de la demanda es el mismo durante los cuatro
trimestres (alto en el segundo trimestre, bajo en el tercero), pero que se considera
un caso en el que la demanda total real es la mitad (50%) del pronstico, en otro
caso es 60% del pronstico, etc., hasta 150% de lo pronosticado. En 100%,
el pronstico y lo real son iguales. Consideremos tambin la instalacin de
1000, 2000 o 3000 MPC de capacidad adicional. Para esto hay que introducir
gran nmero de combinaciones en el modelo y registrar los resultados; de he-
cho, algunos programas de hoja de clculo tienen procedimientos para efectuar
este tipo de anlisis en unos cuantos pasos. El grfico de los resultados apa-
rece en la figura 2-5 (incluso algunas hojas de clculo pueden generar grficos
como ste).
Antes de comentar los resultados de este anlisis, hay que sealar que, por lo
general, las inversiones en nueva capacidad se evaluaran en un periodo prolon-
gado. Nosotros hemos restringido el modelo a un ao para que sea sencillo y, por
esto, se limitan las conclusiones que se presentan a continuacin.
Observe, en la figura 2-5, que la decisin de aadir capacidad no afecta de
manera considerable el beneficio anual mientras que la demanda real sea cercana
al pronstico. Es decir, las lneas de la figura 2-5 estn bastante cerca cuando la
demanda real est entre 100 y 110% del pronstico. Si la direccin confa en el
pronstico de la demanda, entonces la decisin de ampliacin de la capacidad no
es crtica, ya que las alternativas tienen casi la misma calidad. El costo de la
capacidad adicional es aproximadamente igual a los beneficios adicionales que
crea dicha capacidad. Por otra parte, si la gerencia cree que la demanda real ser
Captulo 2 Introduccin a la construccin de modelos 31
Figura 2-6 Anlisis de sensibilidad del modelo del aserradero (diagrama de araa)
Como se puede ver en las tablas 2-4 y 2-5, esta informacin est disponible y la
direccin la puede considerar al tomar sus decisiones.
Anlisis de sensibilidad
madera es muy inclinada; esto significa que incluso los cambios pequeos en el
precio tienen gran efecto en la rentabilidad. Por ejemplo, una reduccin del 10%
reduce a cero el beneficio. Por otra parte, es ms modesto el efecto de los cambios
en la demanda, en especial el de sus aumentos (en estos casos la produccin est
limitada por la capacidad). Una vez ms, observe que son anlisis uno por uno y
que suponen que todos los dems factores estn en los niveles del caso base. Se
pueden usar cambios distintos al 10%, si se desea.
4
Leonard Foreman," The New York Times Newspaper Planning Model", en Corporate Planning Models, Thomas H.
Naylor, editor, Reading, Mass., Addison-Wesley Publishing, 1979.
34 Parte I Modelos y toma de decisiones
Los modelos de caso del tipo que se describen en este captulo con frecuencia
comprenden flujos de efectivo durante varios aos. Por ejemplo, la mayora de
las inversiones cuantiosas de capital generan flujos de efectivo que duran varios
aos. El periodo en que se recibe el dinero es un aspecto importante de su valor.
Usted no debe ser indiferente ante la opcin de recibir 1000 dlares ahora o mil
dlares en cinco aos; incluso si en este momento no necesita los mil dlares, los
podra invertir y tener mucho ms de mil dlares en cinco aos.
Un mtodo general para resolver los problemas que comprenden flujos de
efectivo en el tiempo consiste en convertir todos los flujos en sus equivalentes
de valor actual, por medio de una tasa de inters o de descuento, y de clculos de
inters compuesto.5 El valor actual de 1000 dlares que se recibirn dentro
de cinco aos con tasa de descuento del 15% es:
Si depositan en el banco 497.18 dlares con tasa de inters del 15% (calculado
anualmente), tendra mil dlares al trmino de cinco aos. En trminos generales,
el valor actual de cualquier cantidad A, con tasa de descuento r, por recibirse en
n aos es:
5
Para conocer ms acerca de estos procedimientos y otras tcnicas para evaluar flujos de efectivo en el tiempo,
vase H. Bierman y S. Smidt, The Capital Budgetlng Decision, sptima edicin, Nueva York, Macmillan, 1980.
Captulo 2 Introduccin a la construccin de modelos 35
Si hay una serie de flujos de efectivo a lo largo de varios aos, entonces el valor
actual de la serie es la suma del valor actual de cada uno de los flujos. As, el
valor actual de 10 dlares que se reciben al final del ao 1, ms 20 dlares que se
reciben al concluir el ao 2, es:
La mayora de las hojas de clculo tienen funciones para realizar los clculos del
valor actual. Por ejemplo, muchos programas usan para ello la funcin @NPV
(net present value, valor neto actual).
Bibliografa
Bodily, S., Modern Decision Making: A Guide to Naylor, T. H., Corporate Planning Models, Rea-
Modeling with Decision Support Systems, Nue- ding, Mass., Addison-Wesley Publishing, 1979.
va York, McGraw-Hill, 1985. Plane, D. R., Quantitative Tools for Decision Sup-
Bonini, C, Computer Models for Decision Analy- port Using IFPS, Reading, Mass., Addison-Wes-
sis, Palo Alto, Calif., Scientific Press, 1980. ley Publishing, 1986.
Jackson, B. B., Computer Models in Management,
Homewood, 111., Richard D. Irwin, 1979.
2-1. Usted acaba de fundar la compaa MA con miento, las variables intermedias y las po-
el propsito de fabricar y vender su invento: lticas o restricciones para este problema.
KARMA, un computador personal para la b. Defina las relaciones entre las variables
gente activa. No obstante el soleado panora- que identific en (a).
ma que se presenta con respecto al futuro de c. Si tiene acceso a un computador con un
su compaa, la gente del banco insiste en te- programa de hoja de clculo, desarrolle
ner cifras; especficamente, quieren un docu-
mento que muestre el pronstico de sus
ingresos, de sus gastos y de los beneficios pa-
ra el primer ao.
Los detalles de las operaciones que usted
piensa llevar a cabo son: una decisin tentati-
va es fijar el precio de venta de cada KAR-
MA en 1600 dlares. Espera que los costos
de manufactura sean de 300 dlares por uni-
dad ms 80 000 dlares de gastos fijos al ao,
y que los costos de ventas sean del 10% del
importe de las ventas ms 10 000 de costos
fijos. Su estimacin preliminar es vender 100
unidades en el primer ao.
a. Identifique las variables de decisin, las
variables exgenas, la medida del rendi-
36 Parte I Modelos y toma de decisiones
Problemas
2-2. Remtase al problema 2-1, la compaa MA. dra que vender en el primer ao para
Suponga que quiere ampliar el modelo para alcanzar el punto de equilibrio en el
que muestre el beneficio de cada uno de los mismo ao?
prximos cinco aos. El precio de venta ini- (3) Suponga que puede disear el compu-
cial se establece en 1600 dlares y la estima- tador KARMA para que pueda exten-
cin de ventas para el primer ao es de 100 derse con facilidad al surgir nuevos
unidades, lo mismo que antes. Tampoco va- dispositivos. Esta accin aumentara el
ran el costo de manufactura (300 dlares por costo de manufactura a 500 dlares por
unidad ms costos fijos de 80 000 dlares unidad. Sin embargo, la tasa de
anuales). Suponga que los costos de ventas crecimiento en ventas sera del 100% al
son del 10% del importe (lo mismo que an- ao (es decir, cada ao se duplicara el
tes) pero que los costos fijos son de 70 000 nmero de unidades vendidas). Es
dlares al ao. Suponga adems que las ven- preferible esta alternativa?
tas de unidades aumentan un 50% cada ao. 2-3. En el caso del problema 2-2, se aadirn algu-
En otras palabras, las ventas de 1993 son el nas complicaciones. Suponga que un estudio
150% de las de 1992, las de 1994 son el de mercado ha estimado que la relacin entre
150% de las de 1993, etctera. el precio del KARMA y las ventas del primer
a. Desarrolle un modelo para este problema. ao es:
b. Implante el modelo en un programa de ho-
ja de clculo. Unidades vendidas = 300 - 0.125 Precio
c. Use el modelo para responder las siguien-
tes preguntas: para los precios entre 500 y 2000 dlares. Us-
(1) Con la estimacin de ventas actual de ted puede establecer el precio, pero las ventas
100 unidades en 1992 (con crecimien- del primer ao estn determinadas por esta
to del 50% al ao), cunto tardar funcin. Como antes, las ventas de las uni-
su compaa en mostrar beneficios dades aumentarn 50% cada ao a partir del
positivos? primero.
(2) Suponiendo que se mantiene la tasa de Suponga tambin que si las ventas exceden
crecimiento del 50%, cuntas unida 200 unidades, introducir un equipo automa-
des tendra que vender en el primer tizado que reducir el costo de manufactura
ao para llegar al punto de equilibrio de 500 a 250 dlares por unidad. Sin embar-
en el segundo? Cuntas unidades ten- go, el costo fijo de manufactura ascender de
Captulo 2 Introduccin a la construccin de modelos 37
80 000 a 90 000 dlares anuales. Trate de in- donde R = tiempo de respuesta promedio en
corporar esta situacin al modelo para que se minutos y C = presupuesto anual de la poli-
produzca automticamente cuando las ventas ca en millones de dlares.
sobrepasen las 200 unidades; para ello puede Los ciudadanos de Suburbia evalan el be-
usar las funciones @IF y @MIN de la hoja neficio de la respuesta policaca ante emer-
de clculo. gencias de la siguiente manera:
a. Incorpore los cambios a su modelo de ho
ja de clculo para la compaa MA. B = $100-$10R
b. Utilice el modelo para encontrar el precio
que genere mayor el beneficio total (la su donde B = beneficio en dlares. De esta ma-
ma de los cinco aos). Opcional: Si est nera, un tiempo de respuesta de 10 minutos
familiarizado con el concepto de valor ne produce beneficio cero y un tiempo mayor ge-
to actual, puede calcular el valor de los be nerar beneficios negativos.
neficios de los cinco aos (utilice una tasa En Suburbia hay 500 000 llamadas de
de descuento del 15%) y encontrar el pre emergencia cada ao.
cio que maximice este valor. a. Desarrolle un modelo de hoja de clculo
2-4. El alcalde de la ciudad de Suburbia evala para este problema, suponiendo que la me-
distintos niveles de gastos para proteccin po- dida de rendimiento es el beneficio total
liciaca y detecta que el tiempo de respuesta menos el costo total. Evale alternativas
promedio (en minutos) a las llamadas de presupuestarias para el departamento de
emergencia se relaciona inversamente con el polica, de 5, 10, 15 y 20 millones de dla-
presupuesto anual del departamento de poli- res. Cul de stas preferira?
ca de Suburbia. La relacin especfica es: b. Suponga ahora que el criterio es la rela-
cin del beneficio total dividido entre el
costo total. Con los mismos presupuestos,
cul sera el mejor?
Problemas ms difciles
2-5. Usted piensa comprar un edificio de aparta- redujera el alquiler a 220 dlares por unidad
mentos que contiene 25 unidades y se vende tendra el 100% de ocupacin; una tarifa in-
en 300 000 dlares. Su idea es conservar el termedia para el alquiler dara lugar a una tasa
edificio durante tres aos y luego venderlo. de ocupacin intermedia (suponga una
Usted averigua que los impuestos sobre la relacin lineal: tasa de ocupacin = 168.75 -
propiedad son de 6000 dlares por ao, y que 0.3125 tarifa de alquiler). Por ejemplo, con
la administracin y el mantenimiento de los una tarifa de alquiler de 260 dlares tendra
apartamentos costar cerca de 300 dlares una tasa de ocupacin del 87.5%. Usted deci-
por unidad. Se espera que los impuestos au- de fijar la tarifa de alquiler en el primer ao y
menten un 2% cada ao y que los costos de aumentarla 10% en el segundo y el tercer
mantenimiento lo hagan en un 15% cada ao. aos. La tasa de ocupacin que exista en el
An no decide de cunto ser el alquiler. primer ao ser la misma para los aos 2 y 3.
En este momento el alquiler es de 300 dla- Por ejemplo, si opta por la tarifa de 220 dla-
res mensuales por unidad, pero el ndice de res para el primer ao, la ocupacin ser del
rotacin es muy elevado y la tasa de ocupa- 100% en los tres aos.
cin es slo del 75%. En otras palabras, en Usted vender el edificio de apartamentos
promedio, 75% de las unidades estn alquila- al trmino del trienio. La cantidad que espera
das en cualquier instante. Usted estima que si recibir ser un mltiplo de los ingresos por al-
38 Parte I Modelos y toma de decisiones
quiler (antes de gastos) que existan en ese c. Implante el modelo en un programa de ho-
momento. Su estimacin es que el mltiplo ja de clculo. Si lo desea, puede usar el
ser 5.0; es decir, si los ingresos por alquiler formato que se propone arriba. Las x indi-
en el tercer ao son de 75 000 dlares, can que en ese lugar existe un nmero o
entonces el precio de venta ser de 375 000 una frmula. La ltima lnea slo es apli-
dlares. cable si utiliza como objetivo el valor
Su objetivo es obtener el mayor flujo total de neto actual.
efectivo en el periodo de tres aos. El flujo de d. Utilice el modelo para encontrar la tarifa
efectivo para un ao es la diferencia entre los de alquiler inicial que obtiene el mayor
ingresos por alquiler y los gastos. El flujo de flujo de efectivo total (o el mayor valor ne-
efectivo total incluye el de cada uno de los to actual).
tres aos, ms el dinero que se obtenga de la e. Estudie la sensibilidad del flujo de efecti-
venta de la propiedad, menos su precio de vo total (o del valor actual) con respecto a
compra. Opcional: Utilice como objetivo el las siguientes variables: costo de manteni-
valor neto actual, con tasa de descuento del miento por unidad, impuestos anuales y
15%. Nota: Para este ejercicio omita la depre- mltiplo de venta. Hgalo desarrollando
ciacin y otros aspectos relacionados con casos en los que vare cada factor, uno por
impuestos. uno, el 10% ms y el 10% menos que las
a. Identifique las variables de decisin, cantidades del caso base que se proporcio-
las variables exgenas, la medida del naron en la descripcin anterior. Para este
rendimiento, las variables intermedias anlisis use la tarifa de alquiler que deter-
y las polticas y restricciones de este min en (d) y elabore un diagrama de ara-
problema. a para los resultados. Para qu factor es
b. Construya un modelo a partir de la defini- ms sensible el flujo de efectivo total (o el
cin de las variables que identific en (a). valor actual)?
CASO 2-6 Super Spuds, Inc. (SSI), compra patatas a los agricultores y las deshidrata para
producir hojuelas que se venden a una empresa procesadora de alimentos. En
Captulo 2 Introduccin a la construccin de modelos 39
para una serie de casos en los cuales el precio de las hojuelas vare entre 31 y
34 dlares, con incrementos de 50 centavos (es decir, 31 dlares, 31.50, 32,
32.50, etctera). Con qu precio se obtienen mayores beneficios? Qu
sensibilidad presenta el beneficio frente a diferencias de precios entre 32 y
33 dlares?
d. Suponga que el precio de las hojuelas de patata es de 33 dlares por quintal.
Considere la tabla que se presenta a continuacin y compltela ensayando una
serie de casos y calculando el beneficio con los distintos valores del precio de
las patatas en el mercado libre y las diferentes polticas acerca de la porcin
de las necesidades de patatas que se compran con contrato de pretemporada.
Cul de las alternativas es la ms "conservadora". Nota: Dejaremos para el
captulo 4 el anlisis de la forma en que los directores deben escoger la accin
indicada en un problema de este tipo.
CASO 2-76 Chase Manufacturing fabrica pequeos aparatos elctricos y artculos para el
hogar. Tiene una planta en Decatur, Indiana, y oficinas de ventas en Chicago. Los
productos se venden con distintas marcas a travs de los representantes del
fabricante, que atienden a distribuidores de artculos elctricos, ferreteras y
tiendas especializadas en artculos para el hogar.
El departamento de investigaciones de Chase ha desarrollado un producto
nuevo: un descorchador de botellas de vino con caractersticas especiales. Se
espera que el producto resulte atractivo como regalo barato, especialmente en la
temporada navidea.
El comit ejecutivo de Chase se rene para considerar el nuevo producto. Jane
Boxer, gerente de mercadotecnia, inicia la discusin.
Boxer: Creo que este descorchador ser un xito. Aunque hay infinidad de
modelos en el mercado, el nuestro tiene las caractersticas exclusivas que
le permitirn ser un xito en el mercado navideo. Es el regalo ideal para
quien lo tiene todo.
Nuestro plan es venderlo a travs de nuestros canales normales y darle
mucho empuje este ao, ya que el ao entrante habr pasado la novedad
y es probable que lo descartemos de la lnea de productos.
6
Fuente: Reimpreso con autorizacin de Stanford University Graduate School of Business, 1985 Board of
Trustees of the Leland Stanford Junior University.
Captulo 2 Introduccin a la construccin de modelos 41
* Hiptesis:
Chase: Jane, no comprendo los aspectos acerca del potencial del mercado y de
qu manera los 50 000 dlares para publicidad nos permitirn capturar el
65% del potencial del mercado. Podra explicarlo un poco ms?
Boxer: Bueno, J. L., usted recordar el proyecto de investigacin que llevamos
a cabo con nuestra agencia de publicidad. Ahora se presenta la primera
oportunidad para aplicar los resultados. Con base en las entrevistas con
una muestra de clientes, pudimos evaluar la efectividad de nuestra publi-
cidad en el pasado. En la figura 2-8 se muestra la proyeccin del resultado
para este producto. Estimamos la penetracin en el potencial total del
Captulo 2 Introduccin a la construccin de modelos 43
a. Elabore un modelo que ayude al comit ejecutivo de Chase a decidir acerca del
precio y la publicidad del nuevo descorchador de botellas de vino.
Considere la figura 2-9 como auxiliar en el proceso. El grfico muestra tres
puntos que relacionan el precio con el potencial total de mercado. El punto
correspondiente al precio de ocho dlares y al potencial de mercado de 104 000
unidades es el que se menciona en el plan de Boxer de la tabla 2-7. El punto
44 Parte I Modelos v toma de decisiones
con precio de cinco dlares y con potencial de mercado de 200 000 unidades
es el que propuso Chase. Boxer tambin proporcion el punto donde el
precio es de 10 dlares y el potencial de mercado es de 40 000 unidades.
Suponga que es razonable unir estos tres puntos con una lnea recta, como
se ilustra en la figura 2-9. Los economistas lo llaman funcin de demanda. La
ecuacin de una recta es:
7
La ecuacin es: Potencial de mercado (miles de unidades) = 360 - 32 Precio
8
Si no tiene una calculadora que obtenga potencias de e, el valor de
Captulo 2 Introduccin a la construccin de modelos 45
CASO 2-89 El comit ejecutivo del peridico Gotham City Tunes se rene para considerar
propuestas del departamento de promocin y del director de operaciones. A usted,
como asistente del editor, se le ha pedido que estudie los aspectos financieros de
estas propuestas.
9
Fuente: Reimpreso con autorizacin de Stanford University School of Business, 1981 Board of Trustees of
the Leland Stanford Junior University.
46 Parte I Modelos y toma de decisiones
*Niveles actuales.
Considere como caso base el que sigue, con los valores que se indican para las
variables de decisin:
Intervalo
Parmetro Bajo Caso base Alto
Precio de venta 0.14 0.15 0.18
Capacidad de impresin 1400 1500 1700
Cantidad de material editorial 120 135 150
Cantidad inicial de publicidad 200 225 240
Costo de compra de papel (por encima de 20 000 toneladas) 120 160 180
PARTE
Anlisis de decisiones
CAPTULO
Conceptos bsicos de
probabilidad
Ejemplo Las probabilidades de la tabla 3-1 indican la estimacin subjetiva del editor de un
peridico con respecto a la posibilidad relativa de cuatro candidatos para ocupar
un cargo pblico (suponga que no se permiten empates).
Estos sucesos son mutuamente excluyentes, ya que en una eleccin (un ensayo)
slo puede ocurrir un suceso; por lo tanto, las probabilidades son aditivas. La
probabilidad de una victoria demcrata es de 0.60; para la victoria republicana es
0.40; de que gane C o D, 0.68. La probabilidad de que ganen tanto B como C
es cero, ya que en cualquier ensayo slo puede ocurrir uno de los sucesos
mutuamente excluyentes.
54 Parte II Anlisis de decisiones
Tabla 3-1
Sucesos independientes
Los sucesos pueden ser dependientes o independientes. Si dos sucesos son
independientes (estadsticamente), la ocurrencia de un suceso no afectar la
probabilidad de que ocurra el segundo.1
Cuando dos sucesos o ms son independientes, la probabilidad de que ocurran
los dos (o ms de dos) es igual al producto de las probabilidades de los sucesos
individuales. Es decir:
donde:
P(A) =
P(B) =
P(A y B) = =
1
Hay que distinguir la dependencia o independencia estadstica de la dependencia o independencia causal. Que
dos sucesos dependan entre s estadsticamente no quiere decir que uno sea la causa del otro. Cuando se utilice
el trmino dependencia o independencia en este libro, se har referencia a la dependencia o independencia
estadstica.
Captulo 3 Conceptos bsicos de probabilidad 55
Sucesos dependientes
Dos sucesos son dependientes si la ocurrencia de uno de ellos afecta la probabi-
lidad de ocurrencia del segundo.
Ejemplo: Lance una moneda legtima y determine si el resultado es cara o cruz. Si es cara,
Sucesos arroje de nuevo la moneda; si es cruz, lance una moneda que no sea legtima, con
dependientes probabilidad de tres cuartos de que caiga cara y con probabilidad de un cuarto de
que sea cruz. Afecta de alguna manera el resultado del primer lanzamiento a la
probabilidad de que caiga cara en el segundo? La respuesta es "s", ya que el
resultado del primer lanzamiento determina cul ser la moneda (legtima o
ilegtima) que se lance la segunda vez.
Otro ejemplo de sucesos dependientes comprende sucesos mutuamente exclu-
yentes. Si los sucesos A y B son mutuamente excluyentes, entonces son depen-
dientes. Puesto que ya ocurri el suceso A, la probabilidad condicional de que
ocurra B debe ser cero, ya que son sucesos mutuamente excluyentes. Es decir,
P(B\A) = 0 si los sucesos A y B son mutuamente excluyentes.
RESUMEN Una probabilidad es un nmero entre cero y uno, que representa la posibilidad
de ocurrencia de un suceso. Las probabilidades pueden ser objetivas, si se basan
en simetra o en mucha experiencia; o subjetivas, si se apoyan en el juicio
del decisor. La probabilidad de ocurrencia de uno de dos o ms sucesos mutua-
mente excluyentes es la suma de las probabilidades de los sucesos. Dos sucesos
,son independientes si la ocurrencia de uno no afecta la probabilidad de ocurrencia
del otro.
56 Parte II Anlisis de decisiones
Ejemplo 1 Suponga que hay tres cajas que contienen bolas rojas y negras, de la siguiente
manera:
Caja 1: 3 rojas y 7 negras
Caja 2: 6 rojas y 4 negras
Caja 3: 8 rojas y 2 negras
Captulo 3 Conceptos bsicos de probabilidad 57
Figura 3-1
Tabla 3-2
Marginal Condicional = Conjunta
Suceso P(A) P(B\A) = P(A y B)
RR P(R) = 0.30 P(R|R) = 0.60 P(RR) = 0.18
RN P(R) = 0.30 P(N|R) = 0.40 P(/RN) = 0.12
NR P(N) = 0.70 P(R|N) = 0.80 P(NR) = 0.56
NN P(N) = 0.70 P(N|N) = 0.20 P(NN) = 0.14
Suponga que se extrae una bola de la caja 1; si es roja, se extrae una bola de la
caja 2. Si la bola extrada de la caja 1 es negra, entonces se extrae una de la caja 3.
El diagrama de la figura 3-1 ilustra el juego. Considere las siguientes preguntas
relacionadas con las probabilidades en este juego:
1. Cul es la probabilidad de extraer una bola roja de la caja 1? Esta probabilidad
es incondicional o marginal e igual a 0.30 (la probabilidad marginal de sacar
una negra es 0.70).
2. Suponga que se extrae una bola de la caja 1 y es roja; cul es la probabilidad
de sacar otra bola roja de la caja 2 en la segunda extraccin? La respuesta es
0.60. ste es un ejemplo de una probabilidad condicional; es decir, la proba-
bilidad de extraer una bola roja la segunda vez si se saca una bola roja de la
caja 1 es una probabilidad condicional.
3. Suponga que la primera bola que se sac es negra; cul es la probabilidad
condicional de que la segunda bola (esta vez de la caja 3) sea roja? La
probabilidad es 0.80. La extraccin de la caja 1 (el suceso que condiciona o
condicionante) es muy importante para determinar las probabilidades de una
bola roja (o negra) en la segunda extraccin.
4. Suponga que antes de extraer bolas se plantea la pregunta: Cul es la proba-
bilidad de sacar dos bolas rojas? Aqu sera una probabilidad conjunta; el
58 Parte II Anlisis de decisiones
La tabla 3-2 y la figura 3-2 indican que la probabilidad de sacar dos bolas rojas
es 0.18 [es decir, P(R y R) o, de manera ms sencilla, P(RR), la rama superior del
rbol]: Las probabilidades conjuntas se pueden resumir como sigue:
Ejemplo 2 Suponga que se lanza dos veces una moneda y se piden las siguientes probabi-
lidades:
Tabla 3-4
Suceso Probabilidad Frmula
Frmula general:
Independencia (ejemplo 2)
si B es independiente de A.
Ejemplo 3 A continuacin se presenta otro ejemplo de las definiciones bsicas de las
probabilidades. Se lleva a cabo una encuesta a 100 familias y se obtiene informa-
cin acerca de los ingresos familiares y de la compra de un producto alimenticio
especial en la familia. Los resultados se muestran en la tabla 3-5. Suponga que
se seleccionar al azar una familia de este grupo.
1. Cul es la probabilidad de que la familia seleccionada sea compradora del
producto? 38 familias los compran; entonces, la probabilidad es 0.38. Observe
que es una probabilidad marginal o incondicional.
2. Cul es la probabilidad de que la familia seleccionada sea un comprador con
ingresos elevados? Ahora se trata de una probabilidad conjunta, donde P(Com-
prador e Ingresos altos) = 20/100 = 0.20.
3. Suponga que se selecciona al azar una familia y que se le informa que tiene
ingresos altos. Cul es la probabilidad de que la familia tambin sea un
comprador del producto? Observe que aqu se pide la probabilidad condicional
P(Comprador|Ingresos altos). Del total de 40 familias con ingresos altos, 20
son compradores; entonces, la probabilidad es 20/40 = 0.50.
62 Parte II Anlisis de decisiones
Modificacin de probabilidades
Despus de analizar la probabilidades conjuntas y las condicionales, pasemos
a estudiar cmo se modifican las probabilidades para incorporar informacin
nueva.
Suponga que no sabemos si una moneda es legtima. Si lo es, la probabilidad
de que caiga cruz es 0.50; si la moneda no es legtima, la probabilidad de que
caiga cruz es 0.10. Suponga que se asigna una probabilidad a priori de 0.80 de
que la moneda sea legtima y una de 0.20 de que no lo sea. Al suceso "moneda
legtima" se le designar A1; mientras que A2 corresponde al suceso "moneda
ilegtima". La moneda se lanza una vez y digamos que el resultado es cruz. Cul
es la probabilidad de que la moneda sea legtima?
La figura 3-3 muestra que la probabilidad condicional de una cruz es 0.50, si la
moneda es legtima; es decir, P(cruz\A1) = 0.50. Si la moneda no es legtima,
la probabilidad de que caiga cruz es 0.10; P(cruz\A2) = 0.10.
Calculemos la probabilidad conjunta P(cruz y A1). Existe una probabilidad
inicial de 0.80 de que A1 sea el estado verdadero; si A1 es el estado verdadero,
hay una probabilidad condicional de 0.50 de que caiga cruz. La probabilidad
conjunta de que el estado A1 sea verdadero y de que se obtenga cruz es (0.80 0.50)
= 0.40. As:
Figura 3-3
Variables aleatorias
Una funcin de probabilidad es una regla que asigna probabilidades a cada
elemento de un conjunto de sucesos que pueden ocurrir. Si se puede asignar un
valor numrico especfico a cada elemento del conjunto de sucesos, a la funcin
que asigna estos valores numricos se le llama variable aleatoria. El valor de la
variable aleatoria es el resultado general de un experimento aleatorio (o de
probabilidad). Es conveniente establecer la diferencia entre la variable aleatoria
y los valores que puede asumir. El valor de una variable aleatoria se desconoce
hasta que ocurre el suceso (es decir, hasta que se lleva a cabo el experimento
aleatorio). Sin embargo, se conoce anticipadamente la probabilidad de que la
variable aleatoria sea un valor especfico. La probabilidad de cada valor de
una variable aleatoria es igual a la suma de las probabilidades de los sucesos
asignados a dicho valor de la variable aleatoria. En la tabla 3-6 se muestran
algunos ejemplos de variables aleatorias.
Tabla 3-6
Variable aleatoria Valores de
(representada con Descripcin de los valores de la variable
una letra mayscula) la variable aleatoria aleatoria
U Resultados posibles al lanzar un par de dados 2, 3 , . . . , 12
X Nmero posible de caras al lanzar cinco veces 0, 1 , 2 , 3 , 4 , 5
una moneda
Y Ventas posibles de un peridico, donde S 0, 1,2, . . . , S
representa el inventario.
Captulo 3 Conceptos bsicos de probabilidad 65
E(X) = 28.10
Ejemplo Este ejemplo muestra cmo se obtiene informacin acerca de una variable
aleatoria con las reglas de probabilidad que se obtuvieron antes. Suponga que
tiene un producto que trata de vender a dos clientes. En el caso de Tiendas
Grandes, usted determina que hay 20% de probabilidad de vender 200 cajas, 40%
de vender 100 cajas y 40% de que no venda nada. Para Mercados Pequeos, usted
opina que las probabilidades son 40% para un pedido de 100 cajas y 60% de que
no haya pedido. Usted considera tambin que las ventas a ambos mercados son
dependientes. Si Tiendas Grandes compra 200 cajas, la probabilidad de que
Mercados Pequeos compre 100 cajas sera del 50% (y 50% de probabilidad de
no vender nada). Si Tiendas Grandes no compra nada, la probabilidad de que
Mercados Pequeos no compre nada sera del 50%.
Suponga que le interesa la variable aleatoria X, las ventas totales a ambos
clientes. Obtengamos la distribucin de probabilidad para esta variable aleatoria.
El primer paso es elaborar la figura 3-4, la tabla de probabilidades conjuntas, e
incluir la informacin que tenemos.
68 Parte II Anlisis de decisiones
Figura 3-4
Si lo nico que nos interesara fuera el nivel de las ventas totales esperadas, ste
se podra obtener fcilmente de las ventas esperadas para cada cliente. Sin
embargo, la obtencin de las figuras 3-4 y 3-5 fue necesaria para obtener toda la
distribucin de probabilidad.
En la tabla 3-9 tambin se calcula la varianza de las ventas totales; vanse las
columnas (4) y (5).
Ejemplo 1 Suponga que una moneda legtima se lanzar tres vez y que se desea calcular las
siguientes probabilidades:
a. La probabilidad de tres caras en tres lanzamientos.
b. La probabilidad de dos o ms caras en tres lanzamientos.
c. La probabilidad de menos de dos caras en tres lanzamientos.
En este ejemplo, la p del proceso de Bernoulli es 0.50 y se considera un xito
cuando caiga cara. El nmero de ensayos (n) es tres.
La primera probabilidad es de obtener tres caras (xitos) en tres lanzamientos
(tres ensayos), con probabilidad de 0.50 de que caiga cara en cualquier lanza-
miento. La probabilidad deseada se puede representar de la siguiente manera:
P(R =3\p = 0.50, n = 3) = ?
donde P = probabilidad, R = nmero de xitos, n = nmero de ensayos y p =
probabilidad de xito en un ensayo. El lado izquierdo de la ecuacin debe leerse
74 Parte II Anlisis de decisiones
"la probabilidad de tres xitos, si la probabilidad del proceso es 0.50 y hay tres
ensayos".
Antes de responder las preguntas acerca de las probabilidades, presentemos
todos los resultados posibles de los tres ensayos y calculemos las probabilidades
(vase Tabla 3-11; H = cara, T= cruz).
Probabilidades Interpretacin
La probabilidad de tres caras en tres ensayos es un
octavo. sta es la probabilidad de HHH; vase
Tabla 3-11.
La probabilidad de dos caras o ms es de cuatro
octavos. sta es la probabilidad de dos caras ms
la probabilidad de tres y se calcula sumando las
probabilidades de las siguientes combinaciones:
HHH, HHT, HTH, THH.
La probabilidad de que ocurran menos de dos caras
es la probabilidad de cero o una cara y se calcula
sumando las probabilidades de las siguientes
combinaciones: TTH, THT, HTT, TTT.
Tabla 3-11
Probabilidad
Resultados de cada
posibles resultado
Clculos Explicacin
Consulte la tabla C del apndice bajo n = 3,p = 0.50;
busque en la columna
Menos:
2
De manera estricta, el lote es de tamao finito, los elementos de la muestra no son independientes y por
consiguiente las hiptesis de Bernoulli no se satisfacen exactamente; en este caso debera emplearse otro tipo de
distribucin, la distribucin hipergeomtrica. Sin embargo, si el tamao del lote es grande con respecto a la
muestra, es pequeo el error que introduce la aplicacin de la hiptesis de Bernoulli.
76 Parte II Anlisis de decisiones
Bibliografa
Blake, I. R, An Introduction to Applied Probability, Applications, segunda edicin, Englewood
Nueva York, John Wiley & Sons, 1979 Cliffs, Prentice Hall, 1972.
Ewart, P. J., J. S. Ford y C. Y. Lin, Probability for Mosteller, F., R. E. K. Rourke y G. B. Thomas, Jr.,
Statistical Decision Making, Englewood Cliffs, Probability with Statistical Applications, segun-
N. J., Prentice Hall, 1974. da edicin, Reading, Mass., Addison-Wesley Pu-
Feller, W., An Introduction to Probability Theory blishing, 1970.
and Its Applications, vol. 1, tercera edicin, Ross, S., A First Course in Probability, Nueva
Nueva York, John Wiley & Sons, 1968. York, Macmillan, 1976.
Hodges, J. L., Jr., y E. L. Lehmann, Elements ofFi- Samson, D. Managerial Decision Analysis, Home-
nite Probability, segunda edicin, San Francis- wood, 111., Richard D. Irwin, 1988.
co, Holden-Day, 1970. Spurr, W. A. y C. P. Bonini, Statistical Analysis for
Kemeny, J. G., A. Schleifer, Jr., J. L. Snell y G. L. Business Decisions, edicin revisada, Home-
Thompson, Finite Mathematics with Business wood, 111., Richard D. Irwin, 1973.
3-1. Calcule las siguientes probabilidades que se a. Cul es P (roja en la segunda extraccin,
relacionan con tres lanzamientos de una mo- si es roja en la primera)?
neda legtima: b. Cul es P (negra en la segunda extrac-
a.P (tres caras). cin, si es roja en la primera)?
b.P (dos o ms caras en tres lanzamientos). c. Cul es P (roja en la segunda extraccin,
c.P (una cruz o ms en tres lanzamientos). si es negra en la primera)?
d.P (ltimo lanzamiento igual a cara). d. Cul es P (negra en la segunda extrac-
3-2. Hay tres urnas: cin, si es negra en la primera)?
e. Cul es P (negra en la segunda extrac-
cin)?
f. Responda las preguntas (a)-(e) si la urna
nmero 3 fuera la siguiente:
3-3. Suponga que tiene una moneda con probabi- d. Son factores independientes la edad y
lidad de 0.60 de que caiga cruz y 0.40 de que el puesto funcional anterior en este grupo
caiga cara. de ejecutivos?
Determine lo siguiente: 3-5. A los valores posibles de la proporcin de de-
a. En dos lanzamientos, la probabilidad de: fectuosos de un proceso de manufactura se le
(1) Dos caras. asignan las probabilidades siguientes. Calcule
(2) Dos cruces. el valor esperado, la varianza y la desviacin
(3) Una cara. estndar de la variable aleatoria, la
(4) Una o ms caras. proporcin de defectuosos.
(5) Una o ms cruces.
(6) Una cruz o menos.
b. En tres lanzamientos, la probabilidad de:
(1) Tres caras.
(2) Dos caras.
(3) Una cara.
(4) Una cara o ms.
3-4. Se clasifican 35 directores ejecutivos por
edad y puesto funcional anterior, como se in-
dica en la siguiente tabla:
Problemas
3-9. Cul de las siguiente distribuciones de fre- P(R1) = P de una bola roja en
cuencia seran "objetivas" y cules seran la primera extraccin.
"subjetivas"? P(R2) = P de una bola roja en
a. Nmero de caras en 100 000 lanzamientos la segunda extraccin.
de una moneda. P(N1) = P de una bola negra en
b. Nmero de caras en los prximos 100 000 la primera extraccin.
lanzamientos de una moneda que no ha si P(N2) = P de una bola negra en
do probada. la segunda extraccin.
c. Nmero de aos "prsperos" en la prxi- a. Tome una bola de la urna 1, vuelva a colo-
ma dcada. carla y tome una segunda bola. Cul es la
d. Los beneficios de Ford Motor Company probabilidad de:
en los prximos cinco aos (aos "renta (1) Extraer dos bolas rojas.
bles" y aos de "prdidas"). (2) Una bola roja en la segunda extraccin
e. La probabilidad de extraer al azar el nom- si extrajo una roja en el primero.
bre de un varn del directorio de estudian (3) Una roja en el segunda extraccin si
tes de Cornell University. sac una negra en el primero.
3-10. Discuta los siguientes enunciados: b. Saque una bola de la urna 1 y colquela
a. "Hay una probabilidad de 1.5 de que el si- de nuevo. Tome una bola de la urna 2 si la
guiente presidente sea _________." primera bola fue negra; de lo contrario, sa-
b. "La probabilidad de que el sol no salga que una bola de la urna 1. Cul es la pro-
maana es de - 1.0." babilidad de:
c. "Hay 0.40 de probabilidad de que apruebe (1) Sacar dos bolas rojas.
el examen y 0.70 de que lo suspenda." (2) Una bola roja en el segundo ensayo si
3-11. Analice si los siguientes sucesos son depen- sac una roja en el primero.
dientes o independientes. (3) Una roja en el segundo ensayo si extra-
a. (1) Que los Gigantes de San Francisco ga- jo una negra en el primero.
nen la Serie Mundial de bisbol. 3-13. Elabore un diagrama de rbol para el proble-
(2) Que los Gigantes de San Francisco ga- ma 3-12a.
nen el ttulo de la Liga Nacional de 3-14. Elabore un diagrama de rbol para el proble-
bisbol. ma 3-l2b.
b. (1) Los ahorros que se obtienen al usar 3-15. Prepare una tabla de probabilidades conjuntas
una mquina en el ao 2. para el problema 3-12a.
(2) Los ahorros derivados de usar la misma 3-16. Prepare una tabla de probabilidades conjuntas
mquina en el ao 1. para el problema 3-12b.
c. (1) La venta exitosa de un automvil de al- 3-17. a. Cul es la probabilidad de obtener ocho
to precio despus de caras en ocho lanzamientos de una moneda
(2) La venta exitosa de una lnea de ropa legtima?
de bajo costo. b. Suponga que una moneda legtima se lan-
3-12. Considere dos urnas: za siete veces y cae siempre cara. Cul es
la probabilidad de que el octavo lanza-
miento sea cara? Explique su respuesta.
Urna 1 Urna 2 3-18. Suponga que hay una caja que contiene seis
bolas rojas y cuatro negras. Se extraen dos
Bolas rojas 7 4 bolas, una por una, sin reemplazar la primera
Bolas negras 3 6 bola. Haga lo siguiente para este experimento:
Captulo 3 Conceptos bsicos de probabilidad 79
b. Si los equipos juegan en una serie para ga- de ambos proyectos, por lo cual el presidente
nar dos de tres partidos, cul es la proba- le ha dado instrucciones de elegir uno de
bilidad de que gane el equipo rojo? ellos. Despus de consultar con varios miem-
c. Si los equipos juegan para ganar cuatro de bros del Parlamento, usted llega a la conclu-
siete encuentros, cul es la probabilidad sin de que la circunstancia decisiva que
de que gane el equipo rojo? afecta el proyecto del tnel es la respuesta
3-31. El presidente de un compaa de energa elc- que tendr la solicitud que Inglaterra hizo
trica tiene que decidir si compra un generador con el fin de obtener concesiones comerciales
grande o cuatro pequeos para obtener cierta con el Mercado Comn. Los expertos opinan
capacidad de generacin de energa elctrica. que si Inglaterra obtiene las concesiones, la
Durante el verano, la probabilidad de que un probabilidad de construir el tnel es de 0.8.
generador est en servicio en un da Si Inglaterra no obtiene las concesiones, los
cualquiera es de 0.95 (todos los generadores expertos opinan que la probabilidad se
tienen la misma fiabilidad) La probabilidad de reducira a 0.1. Usted piensa que la probabi-
una avera es de 0.05. lidad de que Inglaterra obtenga las concesio-
a. Cul es la probabilidad de que el genera nes es de 0.3 para el periodo en cuestin.
dor grande est fuera de servicio en un da Despus usted viaja a Washington para
cualquiera? efectuar un anlisis similar de las probabi-
b. Cul es la probabilidad de que ninguno o lidades de la base de misiles y se sorprende al
uno de los generadores pequeos est fue averiguar que los planificadores militares
ra de servicio? estadounidenses estn preocupados por las
c. Si se compran cinco generadores peque- noticias con respecto al tnel. Si el tnel se
os, cul es la probabilidad de que fun- construye, slo hay una posibilidad en 10
cionen por los menos cuatro? de que la Fuerza Area autorice el sistema
d. Si se compran seis generadores pequeos, de misiles; la probabilidad sera de 0.50 si
cul es la probabilidad de que por lo me- no se construyera. Si usted acepta las
nos cuatro funcionen? evaluaciones subjetivas de las probabi-
3-32. Suponga que lanza una moneda hasta obtener lidades que le brindan sus informantes,
cuatro caras. Cul es la probabilidad de que qu accin propondra para que su empre-
esto ocurra en exactamente siete lanza- sa maximice la probabilidad de xito? 3-34.
mientos? Los artculos de los diarios muchas veces se-
Recomendacin: El sptimo lanzamiento alan que un pequeo nmero de conductores
tiene que dar cara, por lo que tres de los pri- (digamos, un 10%) es responsable de todos
meros seis lanzamientos debern ser cara para los accidentes de automviles en cada ao.
que se cumpla la condicin. Con frecuencia se llega a la conclusin de
3-33. Usted est a cargo del departamento de plani- que si se identificaran estos conductores
ficacin a largo plazo de una compaa brit- propensos a los accidentes y se les retirara de
nica de construccin. Existe la posibilidad de las carreteras, el nmero de accidentes se po-
realizar dos proyectos de gran magnitud en el dra reducir considerablemente. Usted averi-
periodo que se considera: un tnel bajo el gua que de 100 000 conductores que tuvieron
Canal de la Mancha, hasta Francia, y una base accidentes en un ao, 11 000 tuvieron por lo
de misiles en Inglaterra para la Fuerza Area menos un accidente en el ao siguiente.
de Estados Unidos. Los dos proyectos a. Con base en esta informacin, complete
requerirn, hasta cierto punto, distinto equipo la siguiente tabla de probabilidades con
y diversas habilidades de ingeniera. La juntas.
compaa que haya adquirido parte de estos b. Opina usted que la bsqueda de conduc-
factores especializados tendr ventaja en la tores propensos a tener accidentes es una
negociacin del contrato. Su empresa no tiene manera efectiva de reducir los accidentes
los recursos necesarios para hacerse cargo de automviles? Por qu?
82 Parte II Anlisis de decisiones
Problemas ms difciles
3-35. El comisionado de seguridad de una ciudad re- celdas estn ubicadas en lugares distintos del
aliz un estudio de las muertes de peatones en satlite, por lo cual es casi imposible que la
cruces de carreteras. Observ que slo seis de avera de una celda est relacionada con la otra
las 19 muertes correspondan a peatones que (es decir, son independientes). El satlite
cruzaban con la luz roja (es decir, desobede- contiene tambin dos instrumentos de
ciendo el reglamento), mientras que las otras medicin: el principal y el de respaldo. Los
13 personas haban cruzado con la luz verde. dos estn juntos, por lo que no se considera
Esta situacin extra al comisionado, ya que que sea independiente la fiabilidad de los
las cifras parecan indicar que era dos veces instrumentos. Las probabilidades de xito y
ms seguro para el peatn cruzar con la luz ro- fracaso son:
ja que con la verde. Puede usted explicar al
comisionado esta contradiccin aparente?
3-36. Suponga que existe una nueva prueba para
detectar la adiccin a las drogas. La prueba
tiene precisin del 95%, en ambos sentidos;
es decir, si la persona es adicta, hay 95% de
posibilidad de que la prueba indique "s"; si la
persona no es adicta, la prueba indicar "no"
en el 95% de las veces. Se sabe que en
poblaciones urbanas la incidencia de adiccin
a las drogas es aproximadamente de una
persona en 10 000. Si la prueba genera un re- El instrumento principal slo requiere una
sultado positivo (s), cul es la probabilidad celda de energa para operar, pero el de res-
de que sea adicta la persona a la que se aplic paldo necesita las dos celdas. La misin del
la prueba/ satlite ser un xito si funciona cualquiera de
3-37. Se lanza un satlite para recopilar datos sobre los instrumentos. Cul es la probabilidad de
las condiciones atmosfricas de un planeta le- xito de la misin?
jano. El satlite contiene dos celdas de ener- 3-38. El siguiente es un problema de probabilidad
ga, cada una de las cuales tiene 90% de clsico. Pruebe su intuicin antes de resolverlo
probabilidad de funcionar correctamente. Las en forma sistemtica.
Captulo 3 Conceptos bsicos de probabilidad 83
Suponga que hay tres cajas y que cada una cas para la demanda, como se presenta a con-
tiene dos cajones. En cada uno de los cajones tinuacin:
hay una moneda de oro o de plata. Una caja
tiene dos monedas de oro, otra tiene una de
oro y una de plata, y la tercera tiene dos de
plata. Se escoge al azar una de las cajas y al
abrir uno de los cajones se observa una mone-
da de oro.
Cul es la probabilidad de que reciba seis o kilogramos). Si las condiciones climticas son
ms respuestas "s"? favorables pero la superficie que se siembra de
3-44. Han descubierto que un desperfecto en un sis- patatas es mediana, el precio ser de cuatro
tema elctrico, se puede deber a las siguientes dlares por quintal. Con una superficie
partes, con las probabilidades que se indican: pequea y un clima favorable, el precio
ascender a seis dlares por quintal. Si el cli-
ma no es bueno, el precio, en cada uno de los
casos, aumentar dos dlares por quintal. Us-
ted determina que hay una probabilidad de 0.8
de clima favorable y 0.2 de clima desfa-
vorable. El clima es independiente de la su-
perficie que se siembre.
La superficie que se siembra con patatas va-
ra en cierta medida de acuerdo con la superfi-
cie que se siembra con trigo invernal. Con
base en su experiencia previa, calcula que hay
un 30% de posibilidad de que se siembre gran
a. Suponiendo que las partes se pueden revi- cantidad de trigo invernal y un 30% de que se
sar con la misma rapidez, en qu orden siembre poco. Si la siembra de trigo invernal es
propondra que se revisaran las partes? cuantiosa, la probabilidad de siembra de una
Por qu? superficie grande de patatas es de cero; la de
b. Suponga ahora que el tiempo necesario pa- que sea una superficie mediana, y la de
ra revisar las partes es el que sigue (supon- que sea una superficie pequea, Si es poca
ga que hay que revisar las partes una por la siembra de trigo invernal, las probabilidades
una): de que la superficie para patatas sea grande,
mediana o pequea son de
respectivamente. Considere el
precio de las patatas como variable aleatoria y
determine la distribucin de probabilidad para
ella. Cul es el precio esperado?
3-46. John McEnroe es famoso por sus arrebatos de
ira durante los partidos de tenis. Un experto en
estadstica observ que John ganaba ms
puntos que los que perda inmediatamente
despus de enojarse. A partir de lo anterior
lleg a la conclusin de que John se benefi-
ciaba de sus arrebatos. Evale la conclusin.
En estas condiciones, qu orden propondra
3-474. Hay 15 taxis azules y 85 verdes. Un testigo
para la revisin de partes si hay que detectar
inform que un taxi azul ocasion un accidente
una descompostura en el menor tiempo pro-
y huy. Sin embargo, hay pruebas de que los
medio posible? Por qu? testigos se equivocan el 20% de las veces (y
3-45. A usted le interesa saber cul ser el precio estn en lo cierto el 80% de las veces). Cul
de las patatas en el prximo ao. Hay tres fac- es la probabilidad de que el taxi no haya sido
tores que afectan este precio: la superficie azul?
sembrada de trigo invernal, la superficie sem-
brada con patatas y las condiciones climticas. 4
Esta pregunta se basa en S. C. Salop, "Evaluzting Uncer-
La combinacin de una gran superficie
tain Evidence with Sir Thomas Bayes: A Note for Teachers",
sembrada de patatas y de condiciones climti- The Journal of Economics Perspectives, pgs. 155-159, verano
cas favorables darn como resultado un precio de 1987.
de dos dlares por quintal (45.36
CAPTULO
Toma de decisiones en
condiciones de incertidumbre:
Modificacin de
probabilidades
Valor condicional
Suponga que un tendero se enfrenta al problema de determinar cuntas cajas de
leche debe tener en existencia para satisfacer las demandas del da siguiente.
Suponga que la leche que no se venda en el da representar una prdida total para
el tendero. Adems, la demanda insatisfecha no tiene mayor costo que la venta
perdida; pero el cliente insatisfecho regresar. Este ejemplo es muy simple pero
sirve para ilustrar los principios bsicos del valor esperado y del valor condicional.
En el anlisis del problema del tendero, sera til saber algo acerca de las ventas
en el pasado, partiendo de la hiptesis de que la experiencia puede servir como
gua con respecto a lo que suceder. Suponga que el tendero en cuestin ha llevado
un registro, como el que se muestra en la tabla 4-1.
85
86 Parte II Anlisis de decisiones
25 cajas 20 0.10
26 cajas 60 0.30
27 cajas 100 0.50
28 cajas _20 (H0
200 1.00
Tabla de prdidas
Adems de elaborar la tabla que muestra los beneficios condicionales (Tabla 4-2),
tambin se puede construir una tabla que muestre las prdidas de oportunidad
condicionales (Tabla 4-4). Considere la accin "Almacenar 28"; si la demanda
fuera de 28, el tendero tendra un beneficio de 56 dlares. Es lo mejor que puede
obtener con una demanda de 28. Si la demanda fuera de 28 y el tendero slo tuviera
27 cajas en almacn, el beneficio habra sido de 54 dlares; entonces, esta accin
implicara una prdida de oportunidad de dos dlares en comparacin con la
mejor accin para una demanda de 28. Si la demanda fuera de 28 y el tendero
tuviera 26 cajas en existencia, la prdida de oportunidad condicional sera de
cuatro dlares ($56 - $52). La prdida de oportunidad se puede definir en
trminos generales como los beneficios que se pierden por no escoger la mejor
accin para cada suceso. Con base en esta definicin se puede elaborar la tabla
de prdida de oportunidades de la tabla 4-4.
Hay que hacer hincapi en que los beneficios (o prdidas) condicionales se
relacionan con los beneficios condicionados por dos cosas:
1. La ocurrencia de un suceso.
2. Una accin determinada.
Accin
Suceso: Demanda Almacenar 25 Almacenar 26 Almacenar27 Almacenar 28
25 25 $50 $50 - $50 = $0 $50 - $42 = $8 $50 - $34 = $16 $50 - $26 = $24
26 26 52 52 - 50 = 2 52 - 52 = 0 52 - 44 = 8 52 - 36 = 16
27 27 54 54 - 50 = 4 54 - 52 = 2 54 - 54 = 0 54 - 46 = 8
28 28 56 56 - 50 = 6 56 - 52 = 4 56 - 54 = 2 56 - 56 = 0
sino a una tabla de beneficios (o prdidas) asociados con los sucesos posibles. El
beneficio sera de 44 dlares slo si se almacenan 27 unidades y si la demanda
real es de 26 unidades. Si la demanda no fuera de 26 unidades, el beneficio real
no sera de 44 dlares.
Tabla 4-5
Suceso: Demanda Probabilidad del suceso
25 cajas 0.10
26 cajas 0.30
27 cajas; 0.50
28 cajas 0.10
1.00
Almacenar 25 $ 3.20 $1
Almacenar 26 2.20 (accin ptima) 0
Almacenar 27 4.20 2
Almacenar 28 11.20 9
La accin ptima es aquella con mayor valor monetario esperado y, por lo tanto,
con la menor prdida de oportunidad esperada.
Utilidad esperada
Aunque el valor monetario esperado es una buena gua para determinar la accin
apropiada en varios casos, hay ocasiones en que no lo es. Esto no destruye el
modelo del valor esperado; significa que se debe modificar el anlisis cuando la
situacin lo requiera. Consideremos una de las mayores dificultades que surgen
del uso del valor monetario esperado.
Suponga que un gerente tiene la oportunidad de invertir 500 000 dlares en un
producto nuevo. Si el producto tiene xito, el beneficio neto ser de un milln de
dlares; en cambio, si fracasa, se perdern los 500 000 dlares que se invirtieron
en el desarrollo, en la produccin y en la venta del producto. En la tabla 4-10 se
presenta la tabla de valores condicionales del gerente.
Si, despus de recoger pruebas, el gerente asigna una probabilidad subjetiva de
0.90 para el xito, el VME de la accin "Invertir" sera de 850 000 dlares
($1 000 000 x 0.90 - $500 000 * 0.10 = $850 000), en comparacin con un
VME de cero para la accin "No invertir". Suponga ahora que la empresa se
92 Parte II Anlisis de decisiones
encuentra en una situacin financiera muy difcil y que una prdida de 500 000
dlares la llevara a la bancarrota. En este caso el VME sera una gua deficiente
para determinar la accin. El gerente no estara dispuesto a aceptar una probabi-
lidad de 0.10 de perder 500 000 dlares, sin importar la magnitud de los beneficios
condicionales o el VME, debido a las consecuencias poco deseables de la prdida.
En este caso, al gerente le provocara problemas la prdida y hay que incorporar
esta situacin en el anlisis.
Si se ignoraran los aspectos de la utilidad, o en el problema la utilidad del dinero
fuera aproximadamente lineal (vase Cap. 5), el VME servira como gua razona-
ble para determinar la accin. Por ejemplo, si las prdidas potenciales no son muy
grandes y el margen de beneficio esperado es estrecho, por lo general no son sig-
nificativas las consideraciones de utilidad. Esta situacin es la que prevalece en
el problema del tendero, por lo que el VME es adecuado.
Sin embargo, si se contemplan acciones que implican prdidas potenciales de
gran magnitud, puede ser conveniente alterar el anlisis e incorporar los aspectos
de la utilidad. Esto se logra calculando el valor de la utilidad esperada de las
acciones posibles, en vez del valor monetario esperado; en el captulo 5 se
analizar la modificacin del anlisis. Por el momento supondremos que se trata
de situaciones en la cuales los aspectos de utilidad no tienen importancia (es decir,
el valor monetario esperado es una medida razonable de la utilidad esperada).
Tabla 4-11 Tabla de valores condicionales para las decisiones ptimas con pronsticos perfectos
Accin
25 cajas $50
26 cajas $52
27 cajas $54
28 cajas $56
Tabla 4-13
Accin
este paso si se deja hasta el final la estimacin de probabilidades. Para cada accin
se puede encontrar una gama de probabilidades dentro de la cual la accin es
ptima. Luego, el decisor determina en qu intervalo estn las probabilidades.
Ilustraremos esta situacin con un ejemplo anterior. En la tabla 4-10 se
presentaron valores condicionales para la decisin de un producto nuevo (un
milln de dlares si el producto tena xito; 500 000 dlares si fracasaba; y cero
si no se introduca). Sea p la probabilidad de xito y, por lo tanto, (1 - p) la
probabilidad de fracaso del nuevo producto. Suponiendo que el decisor desea usar
el criterio VME, el valor esperado de la introduccin del producto es:
VME = p(1 000 000) + (1 - p)(-500 000)
= - 500 000 + 1 500 000p
Para introducir el producto, el VME debe ser mayor que cero. Es decir:
- 500 000 + 1 500 000 > 0
o
1
La accin "Almacenar 26" ser la ptima mientras P(demanda - 25) < 0.20 y /"(demanda > 27) < 0.80. Este
modelo se desarrolla detalladamente en el captulo 17.
96 Parte II Anlisis de decisiones
rboles de decisin
En las secciones anteriores de este captulo se ha desarrollado el criterio de
decisin del valor monetario esperado y se analizaron decisiones sencillas con
tablas de valores condicionales. Esta seccin describe un mtodo general para
tomar decisiones ms complejas, que sirve para estructurar el problema de
decisin y para encontrar una solucin. El mtodo utiliza un rbol de decisin,
una herramienta grfica para describir las acciones disponibles para el decisor,
los sucesos que pueden ocurrir y la relacin entre estas acciones y sucesos.
nes y los sucesos a lo largo de la ruta, desde la primera parte del rbol hasta el
final. Por ejemplo, la cifra de 26 dlares de la figura 4-2 representa el beneficio
que se relaciona con el pedido de 28 cajas de leche y demanda de 25 cajas.
El valor monetario esperado (VME) se calcula para cada nudo de suceso de la
misma manera que en la seccin anterior (vase Tabla 4-6). Es decir, se multipli-
can las probabilidades por los beneficios condicionales y se suman. El VME se
coloca dentro del nudo de suceso para indicar que es el valor esperado que
se calcul para todas las ramas que parten del nudo.
La figura 4-3 muestra el rbol de decisin completo para el problema del
tendero. Observe que no es necesario incluir por separado cada suceso posible en
todas las decisiones. As, cuando se piden 26 cajas, slo hay dos sucesos que
producen beneficios condicionales diferentes: demanda de 25 cajas, con beneficio
de 42 dlares, y demanda de 26 cajas o ms (o sea, demanda igual a 26, 27 o 28
cajas), con beneficio de 52 dlares. Si el tendero pide 25 cajas slo puede haber
un resultado, especficamente, la venta de las 25 cajas con beneficios condicio-
nales de 50 dlares.
En la figura 4-3 los valores monetarios esperados se muestran en los nudos de
sucesos. El tendero deber escoger la accin, y esto consiste en seleccionar la
opcin con mayor VME (26 cajas con VME = 51 dlares). Esto se indica en el
rbol colocando 51 en el nudo de decisin (cuadrado) del inicio del rbol. Se
dibuja adems la marca || sobre las ramas de decisin que no son ptimas, para
indicar'que no deben seguirse.
98 Parte II Anlisis de decisiones
son los que se presentan en la figura 4-4, al final del rbol. Estos valores de
beneficios incluyen el costo de introduccin del producto y los beneficios que se
obtienen de su venta. Los valores negativos indican que los costos de introduccin
exceden los beneficios de las ventas.
El decisor tambin tiene que evaluar las probabilidades de cada suceso; en el
ejemplo se muestran debajo de las ramas de suceso de la figura 4-4. Observe que
estas probabilidades pueden depender de acciones o sucesos anteriores. Por esto,
las probabilidades del comportamiento del precio del competidor que se incluyen
en la figura 4-4 son distintas cuando el precio es ms alto o ms bajo.
Diagrama de influencia
2
Vase R. Shachter, "DAVID: Influence Diagram Processing System for the Macintosh", en Uncertainty in
Artificial Intelligence, vol. II, L. N. Kanal y J. Lemmer, editores, North-Holland, 1988.
102 Parte II Anlisis de decisiones
Para analizar un rbol de decisin se comienza por el final del rbol y se trabaja
hacia atrs. El VME de cada conjunto de ramas se calcula como se muestra, y se
elige el conjunto de ramas con mayor VME (este paso se ilustra en la Figura 4-6,
para nuestro ejemplo). Primero se calculan los VME de los nudos asociados con
el precio del competidor. Por ejemplo, el VME de 5000 dlares del crculo
superior de la derecha de la figura 4-6 representa la suma del producto de las
probabilidades para los precios alto, medio y bajo y los beneficios condicionales
respectivos:
2. Los sucesos relacionados con las ramas de un nudo de sucesos deben ser
mutuamente excluyentes y deben incluirse todos los sucesos, de manera que la
suma de la probabilidades sea 1.
3. Las alternativas asociadas con un nudo de decisin deben ser todas las que se
consideren en ese punto.
Por lo general es til desarrollar el rbol de decisin en secuencia cronolgica,
para que se mantenga el orden adecuado de los sucesos y las decisiones. Sin
embargo, varios aspectos de la elaboracin del rbol son arbitrarios. Por ejemplo,
en el caso anterior, suponga que la empresa debe anunciar su decisin con respecto
al nuevo producto y establecer el precio antes de que se conozca la informacin
acerca del competidor. La parte del rbol que se relaciona con estas decisiones
podra dibujarse en dos formas equivalentes, que se exhiben en la figura 4-7.
Modificacin de probabilidades
En esta seccin se presenta la oportunidad de experimentar, es decir, recoger
informacin adicional y modificar las probabilidades antes de tomar la decisin.
Utilizaremos la ms sencilla de las situaciones posibles, en la cual slo hay un
factor desconocido. Por ejemplo, la decisin puede depender de la demanda del
producto en el prximo ao. Suponga que se decidi experimentar y que la
demanda es el nico factor que se desconoce. En esta situacin (que podra ser
un problema de inventarios) el proceso de decisin es el que sigue:
1. Escoja el criterio de decisin; suponemos que ser la regla de decisin del valor
esperado.
2. Describa el conjunto de resultados y decisiones posibles.
3. Asigne probabilidades a los resultados posibles (estados).
4. Determine una funcin de beneficios (beneficios condicionales).
5. Lleve a caho un experimento.
6. Modifique las probabilidades asignadas.
7. Calcule los beneficios esperados para cada decisin.
8. Considere que la decisin ptima es la accin con mayores beneficios espe
rados.
El proceso anterior supone que se ha determinado previamente que la experi-
mentacin es deseable. Ahora analizaremos esta cuestin.
VEIP= 1 . 2 - 0 = 1.2
Acciones
Resultados Probabilidades Introducir el producto No introducir el producto
Ventas altas 0.3 4.0 - 0
Ventas bajas 0.7 2.0 0
Valor monetario esperado -0.2 0
Determinacin de probabilidades
Para completar el anlisis de la figura 4-9 se requieren las probabilidades de los
distintos sucesos. Supongamos que el gerente de mercadotecnia estima que
las probabilidades son las de la tabla 4-16. Son probabilidades condicionales para
los diversos resultados del estudio dado el nivel potencial de ventas del producto.
Captulo 4 Toma de decisiones en condiciones de incertidumbre 109
Tabla 4-16 Probabilidades condicionales de los pronsticos del estudio, dadas las
ventas potenciales
Nivel de ventas potenciales
Resultados del experimento
(pronstico del estudio) Ventas altas (A) Ventas bajas (B)
El estudio pronostica el xito (E) (es decir, ventas altas) 0.4 0.1
El estudio no es concluyente (I) 0.4 0.5
El estudio pronostica el fracaso (F) (es decir, ventas bajas) 0.2 0.4
1.0 1.0
sin si las ventas sern altas o bajas. El beneficio neto al realizar el estudio fue
de 0.14 millones de dlares, lo cual inclua el costo del estudio (0.2 millones de
dlares); si sumamos esta cantidad, el valor esperado del estudio sera 0.14 + 0.2 =
0.34 millones de dlares. Esto lo podemos considerar como los beneficios espe-
rados con un estudio gratuito. Por lo tanto, el valor de la informacin imperfecta
que se obtiene del estudio en esta situacin es 0.34 millones de dlares. Valdra
la pena efectuar el estudio mientras su costo no exceda esta cantidad.
Recuerde que en una seccin anterior de este captulo (pg. 105) se calcul que
el valor esperado de la informacin perfecta era de 1.2 millones de dlares. El
valor del estudio (informacin imperfecta) es considerablemente menor, lo que
refleja el hecho de que el estudio puede proporcionar informacin incorrecta o no
concluyente, como se indica en la tabla 4-16.
La toma de una muestra es una forma de obtener informacin. Esta informacin
es imperfecta, ya que es probable que la muestra no represente con exactitud la
poblacin de la cual se extrae. En el captulo 8 se analiza la confiabilidad de las
muestras y cmo se pueden incorporar al proceso de toma de decisiones.
RESUMEN La teora de las decisiones implica la eleccin de un criterio de decisin (es decir,
un objetivo), como puede ser la maximizacin de beneficios. Si es posible, se lleva
a cabo un experimento. Luego, con base en los resultados del experimento, se
modifican las probabilidades a priori de los estados. Se calculan los beneficios
esperados de cada decisin posible y se escoge como accin ptima aquella que
tenga mayores beneficios esperados.
Antes de realizar un experimento, el decisor debe determinar si los beneficios
esperados correspondientes a la accin que se obtienen despus de recibir los
resultados del experimento, son mayores que el costo del experimento. Este
anlisis implica encontrar la regla ptima (que indica cul es la decisin que debe
tomarse como funcin del resultado del experimento) y evaluar los beneficios
esperados de acuerdo con esa regla.
Conclusin
En este captulo se ha visto el usode las probabilidades para tomar decisiones
empresariales en condiciones de incertidumbre. Se desarroll el criterio de maxi-
mizacin del valor monetario esperado y se estudi el concepto del valor de la
informacin. Tambin se presentaron los diagramas de influencia y los rboles
de decisin y sus aplicaciones, adems de ilustrar el valor de la informacin
imperfecta.
Las ideas que se presentaron en este captulo se ampliarn en captulos
posteriores. En el captulo 5 se estudiarn otros criterios de decisin posibles y se
profundizar en el anlisis de la utilidad. El captulo 6 abarca los problemas de
decisin en los cuales la incertidumbre se puede expresar como una distribucin
continua de probabilidad.
Captulo 4 Toma de decisiones en condiciones de incertidumbre 115
Bibliografa
Behn, R. D. y J. W. Vaupel, Quick Analysis for Schlaifer, R., Analysis of Decisions under Uncer-
Busy Decision Makers, Nueva York, Basic tainty, Nueva York, McGraw-Hill, 1969.
Books, 1982. Brown, R. V., A. S. Kahr y C. Spetzler, C. S. y C. A. Stael von Holstein, "Probabi-
Peterson, Decisin lity Encoding in Decision Analysis", Manage-
Analysis for the Manager, Nueva York, Holt, Ri- ment Science, pgs. 340-358, noviembre de
nehart & Winston, 1974. Bunn, D. W., Applied 1975.
Decision Analysis, Nueva Spurr, W. A. y C. P. Bonini, Statistical Analysis for
York, McGraw-Hill, 1984. Holloway, C, Business Decisions, edicin revisada, Home-
Decision Making under Uncertainty: wood, 111., Richard D. Irwin, 1973.
Models and Choices, Englewood Cliffs, N.J., SRI Decision Analysis Group, Readings in Deci-
Prentice Hall, 1979. McNamee, P. y J. Celona, sion Analysis, Menlo Park, Calif., Stanford Re-
Decision Analysis for the search Institute, 1976.
Professional with Supertree, Redwood City, Ca- Vatter, P. A., S. P. Bradley, S. C. Frey, Jr., y B. Jack-
lif., Scientific Press, 1987. Pratt, J. W., H. Raiffa son, Quantitative Methods in Management: Text
y R. Schlaifer, Introduction and Cases, Homewood, 111., Richard D. Irwin,
to Statistical Decision Theory, Nueva York, 1978.
McGraw-Hill, 1965. Raiffa, H., Decision Winkler, R. L., Introduction in Bayesian Inference
Analysis, Reading, Mass., Ad- and Decision, Nueva York, Holt, Rinehart &
dison-Wesley Publishing, 1968. Winston, 1972.
4-1. Suponga que la siguiente tabla de valores e. Calcule el valor esperado de la informa-
condicionales se aplica a una decisin: cin perfecta.
4-2. El vendedor de un puesto de peridicos asigna
las siguientes probabilidades a la demanda de
la revista Fine:
b. Si el vendedor no puede devolver los te en los estados sureos; sin embargo, des-
ejemplares que no se vendan, cuntos de pus de concluir la planta de Atlanta se inicia-
be pedir? r una campaa promocional de gran
c. Cul es el beneficio ptimo esperado en magnitud. La gerencia tiene algunas dudas
(6)7 con respecto al xito de esta campaa. Esti-
4-3. El fabricante de un tnico para el cabello man que hay 0.4 de probabilidad de que la
quiere producir un nuevo producto. Los bene- compaa capte una cuota considerable de
ficios incremntales son de 10 dlares por mercado y una probabilidad de 0.6 de que se
unidad (sobre la base del valor neto actual) y obtenga slo una cuota moderada.
la inversin en equipo necesario es de 500 Se requiere una planta grande si se consi-
000 dlares. La estimacin de la demanda es gue una cuota considerable de mercado. Una
la que sigue: planta pequea bastar para el caso modera-
do. El costo de la planta grande es de ocho
millones de dlares; el costo de la planta pe-
Demanda quea es de cinco millones de dlares.
(unidades) Probabilidad Si logran obtener la cuota considerable de
mercado, el valor actual estimado de los bene-
30 000 0.05 ficios que se obtendran (excluyendo el costo
40 000 0.10 de la planta) es de 13 millones de dlares; si la
50 000 0.20 cuota es moderada, el valor actual de los be-
60 000 0.30 neficios (una vez ms, sin incluir el costo de la
70 000 0.35 planta) es de ocho millones de dlares.
1.00 El gerente tiene otra alternativa: construir
una planta pequea, ver qu sucede como re-
sultado de la campaa de promocin y luego
ampliar la planta, de ser conveniente. Costara
a. Qu cantidad de nuevo producto debe
4.5 millones de dlares ampliar la planta
producir? Cul es el beneficio neto
pequea para que tenga la capacidad de una
esperado?
grande.
b. Cul es el valor esperado de la informa a. Elabore un rbol de decisin para este
cin perfecta? problema.
c. Cmo cambiara el valor esperado de la b. Qu decisin debe tomar la compaa y
informacin perfecta si la probabilidad de cul es el valor esperado?
30 000 unidades fuera 0.10 y la probabi- 4-6. Usted est a cargo del control de inventarios
lidad de 70 000 fuera 0.30? en la compaa Volant. Usted piensa que hay
4-4. Cooper Cola Company (CCC) debe decidir una probabilidad de 0.4 de que exista una re-
cul de tres productos introducir, ya que cesin el prximo ao. Si se presenta la rece-
debido a la escasez de capital de trabajo slo sin, debe vender el modelo AE4 al precio de
pueden introducir uno. El gerente de merca- oferta de un milln de dlares, ya que slo
dotecnia elabor el rbol de decisin que se podra obtener 800 000 dlares en un ao de
presenta en la figura 4-12. Suponga usted que recesin. Estas cantidades se recibiran en un
es una representacin razonable del problema ao. Sin embargo, el agente de compras de
de decisin de CCC y que la compaa est una compaa le ha prometido comprar el mo-
dispuesta a usar el VME como criterio de de- delo AE4 por 1.3 millones de dlares si no
cisin. hay recesin (cantidad pagadera dentro de un
Cul es la estrategia ptima para CCC y ao). Despus de efectuar algunos clculos
cules son los beneficios esperados de esta preliminares, an no decide qu hacer con
estrategia? respecto a las ventas y decide obtener pruebas
4-5. Una compaa intenta decidir cul ser el acerca de la probabilidad de que exista una
tamao de una planta que construir en Atlan- recesin el ao entrante. Usted descubre
ta. La compaa no vende mucho actualmen-
Captulo 4 Toma de decisiones en condiciones de incertidumbre 117
que en fechas recientes ha aumentado la can- sin dentro de un ao. Tambin, descubre
tidad de cuentas incobrables. Despus de in- que en 10 aos normales seleccionados al
vestigar un poco averigua que en ocho de las azar se presentaron aumentos en el nmero
ltimas diez recesiones el nmero de cuentas de cuentas incobrables en tres ocasiones. Por
incobrables comenz a aumentar aproximada- lo tanto, toma el valor de 0.3 como estima-
mente un ao antes. Usted est dispuesto a cin de:
aceptar la cifra de 0.8 como estimacin de la
probabilidad de que aumenten las cuentas P(aumento en cuentas incobrables | no hay
incobrables supuesto que ocurra una rece- recesin el ao entrante)
118 Parte II Anlisis de decisiones
Problemas
4-10. El anlisis y el pronstico de las ventas del pierde su valor (las unidades sobrantes no va-
prximo mes dan como resultado la siguiente len nada).
distribucin de probabilidades: a. Calcule las ventas esperadas (media) para
el mes.
b. Prepare una tabla de valores condicionales
Suceso: para las distintas acciones posibles.
c. Prepare una tabla de valores monetarios
Demanda Probabilidad
esperados e indique la accin ptima.
10 unidades 0.10 4-11. (Continuacin del problema 4-10)
11 unidades 0.70 a. Prepare una tabla de prdidas de oportuni-
12 unidades 0.20 dad condicionales.
1.00 b. Prepare una tabla de prdidas de oportuni-
dad esperadas.
c. Indique la accin ptima.
d. Clasifique las acciones. Muestre las dife-
Los beneficios por unidad son de cinco d- rencias entre las prdidas de oportunidad
lares y el costo del producto es de seis dla- esperadas de cada accin y las POE de la
res. Si el producto no se vende en el mes accin ptima.
Captulo 4 Toma de decisiones en condiciones de incertidumbre 119
e. Clasifique las acciones utilizando los valo- una cuota de los beneficios. Si la gasolinera
res esperados. Muestre las diferencias entre tiene xito, se estima que el valor actual del
el VME de cada accin y el VME de la alquiler futuro es de un milln de dlares; si
accin ptima. Compare estos resultados no tiene xito, el valor actual del alquiler fu-
con los de (d). turo ser de 200 000 dlares. La compaa pe-
4-12. Remtase al problema 4-10. trolera ofreci al inversor 600 000 dlares
a. Presente la tabla de valores condicionales para comprar la propiedad. Con base en el va-
suponiendo que se dispone de un pronsti- lor monetario esperado, qu probabilidad de-
co perfecto. be asignarse al "xito" para que al inversor le
b. Calcule el valor esperado suponiendo que sea indiferente vender o no vender?
se dispone de un pronstico perfecto. 4-15. Un mayorista de artculos deportivos tiene la
c. Calcule el valor esperado de la informa- oportunidad de comprar 500 pares de esqus
cin perfecta. que el gobierno declar como excedentes. El
4-13. Un fabricante de artculos deportivos tiene la mayorista pagara cinco dlares por par y po-
demanda y las probabilidades siguientes para dra obtener 10 dlares por cada par al ven-
una gua anual de pesca: derlos a los minoristas. El precio est bien
establecido, pero el mayorista tiene dudas
acerca de la cantidad de pares que podr ven-
Suceso: Probabilidad der. Los esqus que sobren se pueden vender a
Demanda del suceso las tiendas de descuento a dos dlares el par.
Despus de estudiar con cuidado los datos
100 000 0.20 histricos, el mayorista asigna las siguientes
200 000 0.20 probabilidades a la demanda:
300 000 0.20
400 000 0.20
500 000 0.20 Demanda de
1.00 minoristas Probabilidad
0.60
1 000 pares 0.30
3 000 pares 0.10
Los costos incremntales de produccin son 5 000 pares
de cuatro dlares por millar; el precio de venta 1.00
es de cinco dlares por millar; y el valor de
recuperacin de las revistas que no se vendan a. Calcule el valor monetario
es cero. condicional de
a. El razonamiento del fabricante es el si- los diversos niveles de demanda.
guiente: b. Calcule los valores monetarios esperados.
"Puesto que hay la misma probabilidad de c. Calcule los beneficios esperados supo-
que la demanda sea mayor o menor que niendo que se dispone de un pronstico
300 000, producir la cantidad ms posi- perfecto.
ble, 300 000". Est usted de acuerdo? Si d. Calcule el valor esperado de la informa-
no lo est, por qu? cin perfecta.
b. Cul es el valor esperado de un pronsti- 4-16. El dueo de una librera puede comprar
co perfecto? 20 000 sobrantes de una editorial a 50 centavos
c. Demuestre que el VME de cada accin el ejemplar. l espera vender cada ejemplar a
ms la POE de cada accin es igual a los dos dlares si se anuncia en un peridico de
beneficios esperados con un pronstico distribucin nacional. Los libros sobrantes
perfecto. pueden venderse a 20 centavos el ejemplar a
4-14. Un inversor en bienes races es dueo de una otros minoristas. Su estimacin de la demanda
gasolinera que alquila a una compaa petro- es:
lera, a una tarifa de alquiler que se basa en
120 Parte II Anlisis de decisiones
Probabilidad
Necesidad Probabilidad
Demanda de la demanda
Poca 0.2
5000 0.10 Media 0.7
10 000 0.50 Mucha 0.1
20 000 0.40 1.0
1.00
4-19. Una compaa es duea de un contrato que le res por el alquiler; sin embargo, a la fuerza
permite explorar una propiedad en busca de de trabajo de esta planta se le pagara salario
petrleo. La compaa puede vender el con- regular y podra producir un mximo de 20
trato por 15 000 dlares o perforar para ex- 000 cajas anuales.
traer el petrleo. A continuacin se presentan La compaa estima que la demanda adicio-
los cuatro resultados posibles de la perfora- nal (por encima de o que puede producir en
cin, as como las probabilidades de ocurren- su planta actual con tiempo regular) puede to-
cia y las consecuencias monetarias: mar los siguientes valores, con sus probabi-
lidades correspondientes:
Resultado posible Probabilidad Consecuencias
Demanda adicional Probabilidad
Pozo seco 0.16 -$100 000 (cajas por ao)
Pozo slo con gas 0.40 50 000
Combinacin de gas 5000 0.3
y petrleo 0.24 100 000 10 000 0.5
Pozo petrolero 0.20 200 000 15 000 0.2
Elabore un rbol de decisin para este proble- a. Elabore un rbol de decisin para este pro-
ma y calcule el valor monetario esperado pa- blema y encuentre la decisin ptima para
ra la accin "perforar". La compaa debe minimizar los costos esperados.
perforar o vender el contrato? b. Suponga que una compaa de investiga
4-20. La compaa de promociones ABC tiene la cin de mercados ofrece realizar un estu-
oportunidad de llevar a cabo una competencia dio para determinar la cantidad exacta de
atltica muy lucrativa. Sin embargo, el en- la demanda adicional. Debera pagar la
cuentro no puede realizarse si llueve. De compaa mil dlares por este estudio per-
realizarse el juego, la empresa obtendr bene- fecto? Por qu? Cul es la prdida de
ficios netos de dos millones de dlares, pero oportunidad esperada (POE) de la mejor
si llueve perder un milln de dlares de su decisin en ()?
propio dinero (no es una prdida de oportuni- 4-22. La compaa QPC decide acerca de poner a la
dad). La probabilidad de lluvia es de 0.2. La venta el producto A o el producto B. La de-
empresa quiere saber si debe comprar un se- cisin depende de la rapidez con la cual los
guro contra lluvia. distribuidores acepten el producto y el tipo de
Elabore un rbol de decisin. Cunto po- estrategia de mercadotecnia (promocin o
dra pagar la empresa por un seguro para cu- publicidad) que emplee QPC. La compaa ha
brir la prdida de un milln de dlares y no elaborado un diagrama de su problema de
quedar en una situacin peor, desde el punto decisin, el cual se muestra en la figura 4-13.
de vista del valor esperado, que si no hubiera Los flujos de efectivo relacionados con las
comprado el seguro? Debe comprar el segu- decisiones y sucesos se presentan al final de
ro a ese precio? las ramas del rbol. Suponga que QPC est
4-21. Una compaa de produccin de plsticos ne- dispuesta a usar el VME para tomar esta
cesita ampliar su capacidad productiva, lo decisin.
cual puede hacer de dos maneras: utilizar a. Cul es la estrategia ptima para QPC y
tiempo extra en su planta actual o alquilar otra
cul es el flujo de efectivo esperado para
planta. El tiempo extra cuesta por caja de
esta estrategia?
producto tres dlares ms que el tiempo re-
gular y slo puede aplicarse a un mximo de b. Suponga que QPC tiene que tomar una de
15 000 cajas por ao. El alquiler de otra planta cisin acerca de la estrategia de mercado-
implica un costo fijo anual de 25 000 dla- tecnia (promocin o publicidad) antes de
saber acerca de la rapidez de aceptacin
Parte II Anlisis de decisiones
de los distribuidores. Tendra esto alguna cin para cada modelo? Cules son los
importancia y se reducira el flujo de efec- VME ptimos?
tivo ptimo esperado? Por qu? Respon- 4-24. (Continuacin del problema 4-23)
da sin dibujar de nuevo el rbol. Suponga ahora que, por restricciones en la
4-23. Un fabricante de cmaras fotogrficas produ- capacidad, la produccin total se limita a 10
ce dos modelos (el normal y el de lujo). Al 000 cmaras. Elabore un rbol de decisin
hacer los preparativos para la temporada navi- para esta situacin y analcelo para deter-
dea, en la cual crecen las ventas, hay que minar las cantidades ptimas de produccin.
decidir cules sern los volmenes de pro- Cul es el VME de la accin ptima?
duccin. El costo variable de la cmara nor- 4-25. (Continuacin del problema 4-23)
mal es de 10 dlares y su precio de venta es Suponga ahora que la produccin est limita-
de 20 dlares; el costo variable del modelo da a 10 000 cmaras pero el fabricante cree
de lujo es de 20 dlares y se vende a 35 dla- que las probabilidades de las demandas de
res. La estimacin de la demanda es la si- los dos modelos ya no son independientes.
guiente: Especficamente, las probabilidades de las de-
mandas son las que se describen en la tabla
anexa de probabilidades conjuntas.
Elabore un rbol de decisin para esta situa-
cin y encuentre la accin ptima y su VME.
4-26. La compaa Oxenol utiliza gas natural en
sus operaciones de produccin y procesa-
miento. Algunas compaas vecinas en el es-
tado de Nueva York han perforado pozos de
gas con xito en sus propiedades, por lo que
Las cmaras que no se vendan durante la Oxenol piensa seguir sus pasos. El gasto ini-
temporada navidea se venden a precio de de- cial correspondera a la perforacin, la cual
secho de cinco dlares para el modelo normal y costara 40 000 dlares. Si encuentran gas,
diez dlares para el modelo de lujo. El fa- tendran que gastar otros 30 000 dlares para
bricante cree que sern distintos segmentos del captar las salidas del pozo y proveer la in-
mercado los que compren los dos modelos; por fraestructura y el equipo de control necesa-
lo tanto, las probabilidades de ventas que se rios. Dado el precio actual del gas, el valor
mencionaron son independientes. del pozo sera de 150 000 dlares si tuviera
Suponga que la capacidad de produccin es xito; sin embargo, si el precio del gas au-
ilimitada; entonces, se pueden tomar las dos menta al doble de su valor actual, un pozo
decisiones en forma independiente. Cules son exitoso valdra 300 000 dlares. La compaa
las cantidades ptimas de produc- considera que su probabilidad de encontrar
gas es de un 30%; tambin opina que hay una d. Suponga que tiene la opcin de jugar o no
probabilidad del 50% de que se duplique el jugar (antes de efectuar los lanzamientos
precio del gas. experimentales). Jugara? Cul sera el
a. Elabore un rbol de decisin para este pro beneficio esperado de jugar?
blema, indicando las probabilidades y los 4-28. La compaa musical UVW fabrica cajas de
valores. msica para diversos juguetes y productos.
b. Complete el rbol calculando los VME. UVW garantiza sus cajas musicales contra
Qu debe hacer la compaa? desperfectos en un periodo de un ao.
4-27. Usted debe apostar al lanzamiento de una mo- El gerente de ventas est preocupado por la
neda de caractersticas fsicas desconocidas; cantidad de cajas musicales que han devuelto
una mquina lanza la moneda y usted tiene bajo garanta y piensa que si el nmero de
que decidir si apuesta a cara o cruz. Suponga cajas musicales con defectos es grande puede
que los pagos sern los que se indican en la daarse la imagen de calidad de producto que
tabla: UVW trata de lograr. Al revisar las cifras
detect que aproximadamente un 5% de las
cajas en un ao eran devueltas para re-
Usted apuesta a: paracin.
Resultado real Cara Cruz El gerente de produccin afirm que en casi
todos los casos el problema se deba a una
Cara + 100 -100
Cruz avera en un mecanismo de resorte fundamen-
-400 + 100 tal. UVW tena problemas para conseguir un
resorte que fuera plenamente satisfactorio; sin
embargo, exista una aleacin especial que po-
Su juicio a priori indica que posiblemente dra usarse en el resorte y que garantizara una
exista un 50% de probabilidad de que la mo- escasa cantidad de defectos. Un resorte fabri-
neda sea legtima (es decir, la probabilidad cado en la aleacin especial costara dos dla-
que caiga cara es 0.5 y la probabilidad de que res, en comparacin con los 20 centavos del
sea cruz tambin es 0.5); adems, usted cree resorte que se usa actualmente. El gerente de
que hay un cuarto de probabilidad de que la produccin no consideraba que la presencia
moneda tenga dos caras (no puede salir cruz); de un defecto en 20 cajas mereciera el uso de
y, por ltimo, piensa que hay un cuarto de una parte 10 veces ms costosa.
probabilidad de que la moneda tenga dos cru- El gerente de produccin agreg que se
ces (no puede salir cara). usaba un resorte de aleacin especial en las
Se le da la oportunidad de efectuar un expe- cajas musicales que se devolvan para repara-
rimento antes de apostar, con dos lanza- cin por causa de un resorte roto; por lo tanto,
mientos de la moneda. Despus de observar era muy poco probable que ocurriera una
los resultados se le exigir que apueste a cara segunda avera. Adems, el costo de manejo y
o cruz en el siguiente lanzamiento. reparacin de una caja musical con resorte
a. Suponga que en los dos lanzamientos ex- roto era de 13 dlares ms dos dlares por el
perimentales cay cara. Qu decisin to- resorte de aleacin especial.
mara (o sea, a qu apostara en el El gerente de ventas plante que debera
siguiente lanzamiento)? Cul es el benefi- usarse el resorte de aleacin especial en cada
cio esperado? una de las cajas de msica. l pensaba que,
b. Suponga que en los dos lanzamientos ex adems del costo directo de la reparacin de
perimentales cayeron una cara y una cruz. la caja, se presentaba un costo de mala volun-
Cul sera su decisin? Cul es el bene- tad de unos cinco dlares cada vez que fallaba
ficio esperado? la caja de msica de un cliente.
c. Suponga que cayeron dos cruces. Cul se La decisin no era trivial, ya que UVW ha-
ra su decisin? Cul es el beneficio espe- ba estimado vender 20 000 cajas musicales
rado? en el prximo ao.
Captulo 4 Toma de decisiones en condiciones de incertidumbre 125
Problemas ms difciles
4-34. Durante varios aos, Wheeling Steel Corpora- que acudiran al estadio y la cantidad de co-
tion ha tenido una poltica PMP (precio al mida que compraran.
momento del pedido). Una empresa poda pe- Sin embargo, un fin de semana de noviem-
dir acero para entrega futura y pagar el precio bre, cuando Wombat tena que jugar con su
vigente en el momento de hacer el pedido, no eterno rival, Carbunkle University, presenta-
en el momento de la entrega. Comente acerca ba un problema especial para el concesiona-
de esta poltica de precios. rio. Ambos equipos estaban invictos y lo ms
4-35. Football Concessions posea la franquicia para probable era que el ganador pudiera jugar en
vender helado, refrescos, salchichas y otros el campeonato. Las ventas anticipadas de los
productos durante los encuentros locales de boletos indicaban que, si el clima era bueno,
ftbol de Wombat University. Era un negocio se poda esperar una multitud de ms de
rentable, ya que se poda estimar con bastante 80 000 personas. Por otra parte, el viernes llo-
precisin la cantidad de aficionados va y el pronstico meteorolgico indicaba la
128 Parte II Anlisis de decisiones
posibilidad de lluvia el sbado, el da del jue- anteriores PPP ha comprado la mitad de sus
go. Si la lluvia era intensa, era posible que s- patatas con contratos de pretemporada y la
lo acudieran al juego 20 000 personas. otra mitad en el mercado libre.
El concesionario tena que pedir su comida El presidente de PPP no sabe si la decisin
el viernes. Por lo general efectuaba su pedido anterior es la correcta. Piensa que el precio de
sobre la base de 50 centavos por persona, lo cuatro dlares del contrato de pretemporada
cual haba sido bastante preciso en ocasiones es demasiado alto y que hay % de probabi-
anteriores. Su margen de beneficio era del lidad de que el precio de mercado sea menor o
100% (es decir, el precio de venta era el doble igual que cuatro dlares. Es ms, ha evaluado
del precio de compra). Por lo general poda cuidadosamente la distribucin de probabi-
recuperar un 20% del valor (costo) de lo que lidades de los posibles precios de las patatas
sobrara. en el mercado libre:
El concesionario asign las siguientes pro-
babilidades a los distintos nmeros de espec-
tadores. En trminos generales crea que Precio en el
mejorara el clima y acudira una gran multi- mercado libre
tud, o bien que llovera y seran pocas las ($ por quintal) Probabilidad
personas presentes. Lo menos probable,
pensaba, era un nmero medio. $2.50 0.02
3.00 0.10
3.50 0.40
Nmero de Probabilidad 4.00 0.20
espectadores 4.50 0.12
5.00 0.06
20 000 0.30
40 000 0.20 5.50 0.04
60 000 0.10 6.00 0.03
80 000 0.40 6.50 0.02
7.00 0.01
1.00
1.00
Cunta comida debe pedir el concesionario? Debido a otras necesidades, (como espacio
4-36. Pocatello Potato Products (PPP) compra pata- de almacenamiento), PPP no quiere que
tas frescas y las procesa para producir patatas menos del 30% ni ms del 70% de sus nece-
fritas congeladas y otros productos. PPP com- sidades se obtengan con contratos de pretem-
pra sus patatas en dos formas: por medio de porada. El prximo ao PPP necesitar dos
un contrato de pretemporada y en el mercado millones de quintales de patatas para procesa-
libre. En el contrato de pretemporada, el cual miento. Suponiendo que PPP quiere minimi-
se establece antes de plantar las patatas, el zar el costo esperado de las compras de
procesador (PPP) est de acuerdo en comprar patatas, cunto deben comprar con contrato
la cosecha del granjero a un precio acordado de pretemporada? qu recomendara al presi-
por quintal de patatas. El precio de contrato dente de PPP?
de pretemporada actual es de cuatro dlares 4-37. Una compaa de productos qumicos cons-
por quintal. Por otra parte, PPP puede esperar truye una planta para la produccin de Agri-
hasta que se hayan cosechado las patatas y xon, una sustancia qumica que se usa
comprar las cantidades que necesita en el principalmente en la agricultura. La empre-
mercado libre, al precio existente. El precio sa no est segura de la demanda de Agrixon
de las patatas en el mercado libre ha variado en el primer ao de ventas; sin embargo, se
considerablemente en los ltimos aos, entre evalu la siguiente distribucin de probabi-
dos y ocho dlares por quintal. En ocasiones lidades:
Captulo 4 Toma de decisiones en condiciones de incertidumbre 129
se reciben al trmino del ao 2 valen 0.76 que hay que efectuar la prueba antes de pre-
dlares actuales. sentar la cotizacin, ya que puede influir en
4-41. En el ejemplo de las pginas 101-111 se us el precio de concurso de FMS.
una situacin tpica de los gerentes. Qu di- Qu acciones debe emprender FMS?
ficultades existen al aplicar el modelo a una Cul es el beneficio esperado?
situacin empresarial normal?
4-42. Artex Computers va a comprar 10 000 unida- Probabilidades de diversos costos estimados
des de una pieza que debe incorporar a los
productos de la compaa. El pedido se har Costo estimado Costo real por unidad
al proveedor que ofrezca la cotizacin ms por el supervisor $9 $10 $11
baja y que entregue mil unidades por mes en
los prximos 10 meses. $9 0.8 0.1 0.1
Frank Machine Shop (FMS) quiere concur- 10 0.1 0.8 0.1
sar para obtener este pedido. Hay dos facto- 11 0.1 0.1 0.8
res que intrigan al seor Frank en su intento 1.0 1.0 1.0
por establecer el precio. El primero tiene que
ver con la probabilidad que tiene FMS de ga-
nar. El seor Frank decide considerar slo 4-43. La compaa Breezy Breakfast Foods Com-
dos propuestas: 12 dlares por unidad o 13 pany quiere vender un nuevo cereal para el
dlares por unidad. l estima que tiene 2/3 de desayuno. Si el nuevo cereal tiene xito, re-
probabilidad de ganar con el primer precio y presentara beneficios de 10 millones de dla-
1
/3 de ganar con el segundo. res (valor actual) durante la vida del producto.
El segundo factor de la decisin es el costo Si fracasa, se incurrira en una prdida de dos
de manufactura unitario para FMS. Hay dos millones de dlares. La gerencia opina que
procesos de produccin disponibles. El prime- hay un 50% de probabilidad de que el
ro, el proceso A, cuesta 10 dlares por uni- producto tenga xito.
dad; el segundo, el proceso B, nunca se ha Dos empresas de investigacin de mercados
usado en FMS. El jefe de supervisores dice han propuesto a Breezy que obtenga ms
que hay un cuarto de probabilidad de que el informacin. Una de ellas, Attitude Surveys,
costo unitario sea de nueve dlares; un me- recopila datos acerca de la opinin de los
dio de que sea de 10 dlares y un cuarto de clientes con respecto a las caractersticas es-
que el costo sea de 11 dlares, si usan el pro- pecficas del producto, como seran la dulzu-
ceso B. ra, el contenido de caloras, el valor nutritivo,
El jefe de supervisores ha propuesto llevar etc., para producir un pronstico de "xito" o
a cabo un experimento con el nuevo proceso "fracaso". La experiencia de la compaa en
(B). Se produciran 10 o 15 unidades y, a par- sus 50 estudios ms recientes de productos si-
tir de los resultados, se podra estimar "bas- milares es la que se presenta a continuacin:
tante bien" el costo unitario. El costo de la
prueba sera de 500 dlares. Cuando se le pi- Experiencia de Attitude Surveys
di al jefe que fuera ms especfico con res-
pecto a la precisin de la estimacin del
costo, present la tabla que se muestra ms
adelante.
El seor Frank no est seguro de que esta
informacin sea relevante. El controlador ha
declarado que la prueba propuesta puede ser
provechosa, pero debe llevarse a cabo des-
pus de obtener el contrato. De lo contrario, Otra compaa, Market Competition Inc.,
declara, la empresa puede gastar 500 dlares realiza sus anlisis en forma completamente
y no recibir el contrato. El supervisor cree diferente e independiente. Esta empresa lleva
132 Parte II Anlisis de decisiones
a cabo un extenso anlisis de los productos garra. La pelcula tiene el potencial para ser
competitivos y presenta una recomendacin un xito financiero, pero los ejecutivos no
de "xito" o "fracaso" con base en la canti- estn seguros, pues es un tema controvertido;
dad y la calidad anticipada de los productos adems, han visto que algunas pelculas
competitivos. Su experiencia en 50 estudios anunciadas como "xitos" se han convertido
ha sido: en fracasos, con terribles consecuencias
financieras.
Experiencia de Market Competition MBA necesita decidir si debe presentar La
garra en forma limitada al principio. Esto sig-
nifica que la pelcula slo se proyectara en
unos cuantos cines en los primeros seis me-
ses; despus de este periodo se distribuira en
forma general. Este mtodo es el mejor si la
pelcula es un xito, ya que los estudios obtie-
nen mejores beneficios de estos cines.
La otra alternativa es distribuir de inme-
Attitude Surveys cobra 100 000 dlares por diato la pelcula a todos los lugares donde
estudio y Market Competition cobra 150 000. sea posible.
a. Considere slo Attitude Surveys. Use un Los beneficios de las dos alternativas se
rbol de decisin para decidir si Breezy presentan en la tabla de la pgina adyacente,
debe comprar este estudio. clasificados en funcin del "xito", del resul-
b. Considere slo Market Competition. Use tado "regular" o del "fracaso" de la pelcula.
un rbol de decisin para decidir si En MBA se discute mucho acerca del po-
Breezy debe comprar este estudio. tencial de La garra. La gerencia finalmente
4-44. Los estudios cinematogrficos MBA intentan ha logrado ponerse de acuerdo con respecto a
decidir cmo distribuir su nueva pelcula, La las probabilidades de la tabla, pero an no sa-
fracaso. Para apoyar su punto de vista, elabo- b. Calcule las probabilidades a posteriori de
raron la siguiente tabla que describe la expe- "xito", "regular" y "fracaso" con base en
riencia anterior de la compaa con la las reacciones del pblico.
reaccin del pblico en 40 proyecciones ade- c. Suponga que MBA est dispuesto a basar
lantadas. su decisin en el valor monetario espera
a. Elabore el rbol de decisin para este pro- do. Qu decisin debe tomar con respec
blema. to a la pelcula La garra?
Caso 4-45 Susan Parks, jefe de analistas del Departamento Estatal de Bosques, elabora una
recomendacin para el gobernador con respecto al rea de esqu propuesta para
Wabash. El departamento propuso inicialmente un centro de esqu de gran tamao,
pero la escasez de gasolina, la inflacin y otros factores han puesto en duda las
estimaciones originales acerca del nmero de personas que usaran el centro. Se
han propuesto otras dos alternativas: una es construir instalaciones ms pequeas
y ampliarlas dentro de dos aos si lo justifica la demanda; la otra es posponer el
proyecto dos aos. La seora Parks ha recopilado estimaciones de costos, ingresos
y probabilidades relacionadas con las diversas alternativas.
Costar 15 millones de dlares construir un centro de gran tamao. Si se
construyen instalaciones ms pequeas y se amplan despus, el costo sera de
doce millones de dlares para la parte inicial y de seis millones para la ampliacin.
Parks ha decidido usar tres niveles de demanda potencial de esquiadores para
Wabash: alto, medio y bajo. Los costos y los ingresos para estos casos se presentan
en la tabla de estimaciones de la pgina 132. El Departamento de Bosques utiliza
una medida de los beneficios al evaluar este tipo de proyectos, la cual incluye
los ingresos y los costos monetarios, pero adems incorpora un valor para los
beneficios de recreacin que ofrece el centro (a razn de un dlar diario por
visitante).
Despus de consultar con sus colegas, la seora Parks estima que hay 0.10 de
probabilidad de que la demanda de los prximos dos aos sea alta, 0.60 de que
sea media y 0.30 de que sea baja. La demanda que exista despus del segundo ao
depender de lo que ocurra en los dos primeros aos. Estas probabilidades tambin
se han evaluado y se muestran en la tabla de la siguiente pgina.
Considere un periodo de 15 aos para evaluar este proyecto y calcule los
beneficios netos totales de los 15 aos. No incluya ninguna previsin para la
inflacin, descuentos o crecimiento en la demanda, nada que no est indicado en
la tabla. Suponga que al trmino de dos aos, el Departamento de Bosques podr
evaluar con certeza la demanda de los 13 aos siguientes. Por ltimo, suponga
que el departamento est dispuesto a usar los beneficios netos esperados como
criterio para presentar su recomendacin al gobernador.
Los beneficios netos ponderados incluyen los ingresos monetarios y los visitantes valorados en un dlar por da.
Probabilidades de la demanda en
el centro Wabash despus del segundo ao
Demanda Demanda Probabilidad
hasta el despus del
ao 2 ao 2
Alta Alta 1.0
Media Alta
Media
Baja
Baja Alta
Media
Baja
Caso 4-46 Es junio de 1992 y el director general de Particular Motors, fabricante australia-
no de automviles, considera el futuro del modelo Torana. Actualmente, el Torana
se ofrece con la opcin de un motor L4 (de cuatro cilindros, importado de
Alemania), o un motor L6 o V8, ambos fabricados en Australia. Se ha programado
un cambio radical del modelo que se presentar al pblico en febrero de 1995.
Hay un punto an por decidirse: si Particular Motors debe fabricar en Australia
su propio motor L4.
Australia, al igual que otros lugares, se enfrenta a una crisis energtica. El
gobierno central de Canberra considera seriamente la posibilidad de aprobar una
ley que aumentara notablemente el precio de la gasolina y el aumento dara lugar
a mayores ventas del Torana con motor L4, ms pequeo, y la reduccin en la
venta de los Torana con motores L6 y V8. El gobierno puede establecer tres
Captulo 4 Toma de decisiones en condiciones de incertidumbre 135
precios posibles para la gasolina: 1.10, 1.35 o 1.60 dlares por litro. El departa-
mento de ventas estima que las ventas de los tres modelos en el periodo 1995-1997
es el siguiente (despus de 1997 habr nuevos cambios en el Torana):
Contribucin
por automvil
Modelo a los beneficios
Torana con motor L4 importado $100
Torana con motor L4 australiano 300
Torana con motor L6 350
Torana con motor V8 400
Precio de la gasolina
(dlares por litro) Probabilidad
$1.10 0.10
1.35 0.50
1.60 0.40
1.00
Caso 4-47 Usted es el gerente de una planta de montaje de automviles; slo ha transcurrido
una hora del turno de da cuando el supervisor de control de materiales le informa
de un posible problema. El supervisor le indica que en la hora 4 la lnea de montaje
quedar sin dispositivos de apertura del cofre, por causa de retrasos en las
entregas. Hay dos pedidos de dispositivos en camino y el supervisor los ha
rastreado; basta que llegue uno de los dos para resolver el problema. Hay cierta
probabilidad (2 sobre 10) de que el primer pedido llegue en la hora 5; de lo
contrario, llegar despus de que termine el turno. La probabilidad de que el
segundo pedido llegue hoy es "buena" (6 sobre 10 de que llegue en la hora 6); de
lo contrario, tambin llegar despus de concluir el turno. Sin embargo, las
probabilidades de llegada de los dos pedidos no son independientes, ya que el
clima afecta a los dos. Usted estima que si el primer pedido llega a tiempo (en
la hora 5), la probabilidad de que el segundo pedido tambin llegue a tiempo
(en la hora 6) es de 0.9.
Usted debe tomar la decisin acerca de lo que debe hacerse cuando ocurra la
escasez. Tiene tres opciones: (1) detener la lnea y mandar a los trabajadores a
casa; (2) sustituir una pieza similar de otro modelo; (3) montar los automviles
sin el dispositivo de apertura del cofre y montarlo maana fuera de la lnea. Cada
una de estas opciones tiene sus costos. Si detiene la lnea perder la produccin
Captulo 4 Toma de decisiones en condiciones de incertidumbre 137
Caso 4-48 Son las 7:00 P.M. del 24 de diciembre; el lugar es el centro de control de emergencia
de Telco, la compaa telefnica del rea de la baha de San Francisco. Larry
Nettles, el director en turno, ha recibido varios informes del rea de servicios de
operacin de que los clientes han tenido problemas para efectuar llamadas fuera
de sus reas locales. Al revisar los informes de diagnstico de las oficinas de
138 Parte II Anlisis de decisiones
Probabilidad
Cable Ubicacin de averas
Prdida de ingresos
(miles de dlares
Cable por hora)
Cable 1 $ 28
Cable 2 90
Cable 3 120
Teora de la decisin
La teora de la decisin tiene que ver principalmente con la forma de ayudar a las
personas (o a las organizaciones) a tomar decisiones y a mejorar el proceso de
toma de decisiones en condiciones de incertidumbre. La teora de la decisin
permite que el decisor analice un conjunto de situaciones complejas con varias
alternativas y distintas consecuencias. El objetivo principal es identificar un curso
de accin que sea consistente con las cuestiones econmicas y los deseos psico-
lgicos del decisor. En el captulo 4 tambin se analiz la teora de la decisin,
pero no se consideraron criterios de decisin distintos del criterio de maximiza-
cin del valor monetario esperado.
Los gerentes empresariales muchas veces tratan las decisiones complicadas
suponiendo que hay certidumbre. Es decir, suponen que los datos que usan en los
clculos son conocidos y no hay dudas al respecto; a lo mucho, hacen una
declaracin justificadora, como: "por supuesto, no siempre se conocen los datos
con certeza". Este mtodo es razonable para muchas decisiones. La toma de
decisiones puede ser compleja, incluso en condiciones de certidumbre. En oca-
siones puede ser conveniente partir de una situacin en la que se supone que se
conocen los hechos. Muchas soluciones convencionales que se ofrecen para
problemas como los de control de inventarios, decisiones de fabricar o comprar,
presupuestos y precios, suponen que hay certidumbre.
En este captulo continuar el anlisis del arte de tomar decisiones en condi-
ciones de incertidumbre. El punto focal ser el criterio de decisin que se utilice:
es decir, cmo debe seleccionarse la mejor accin. En el captulo 4 supusimos que
el criterio adecuado era el valor esperado. En este captulo y los que siguen se
considerarn otros criterios y resultar evidente que es difcil encontrar respuestas
absolutamente correctas cuando el futuro es incierto; sin embargo, hay mtodos
razonables para esta clase de problemas de decisin que deben comprender los
gerentes.
140
Captulo 5 Teora de la decisin 141
El problema de decisin
En este captulo se considerar un tipo de decisin bastante comn. Hay varias
acciones y varios estados de la naturaleza posibles. Por ejemplo, las acciones
pueden ser:
1. Decidir cul es el nmero de unidades de inventario que hay que pedir.
2. Comprar o no un seguro contra incendios.
3. Fabricar o comprar un producto.
4. Invertir o no en equipo.
5. Ampliar o no una lnea de productos.
6. Cambiar o no el precio de un producto (y, de cambiarlo, cunto).
Los estados de la naturaleza son los sucesos posibles que pueden ocurrir. Uno
de los estados es el verdadero, pero no se sabe cul. A continuacin se presentan
posibles estados o sucesos de las acciones anteriores:
1. La demanda del producto puede ser 0, 1, 2, 3, . . ., 50.
2. Puede ocurrir un incendio o puede no ocurrir.
3. Si se fabrica el producto, el costo sera 10 centavos, 11 centavos, . . .,
50 centavos.
4. Si se invierte en el equipo, el ahorro en costo por hora puede ser 1.00, 1.01,
1.02,. .., 2.50 dlares.
5. Si se ampla una lnea de productos, las ventas pueden ser de un milln de
dlares, dos millones, etctera.
6. Si el precio se modifica, las ventas pueden ser 0, 1, 2, 3,. . ., 10 000 unidades.
Al no saber cul de los estados es el verdadero, se asigna una distribucin de
probabilidad a la posible ocurrencia de cada suceso (la divisin de los estados
posibles puede ser tan fina como se desee). La distribucin de probabilidad puede
basarse en pruebas objetivas del pasado, si el decisor considera que se mantie-
nen las mismas fuerzas en el futuro. Sin embargo, no estamos restringidos a
usar probabilidades objetivas. En algunos casos puede ser razonable asignar las
probabilidades que el decisor se considere adecuadas para los estados posibles,
de manera que la accin que se elija sea consistente con lo que se cree acerca de
los sucesos posibles y sus consecuencias econmicas. Las pruebas objetivas deben
proporcionarse, en la medida de lo posible, para ayudar al decisor a mejorar la
asignacin de probabilidades.
Tabla 5-1
estados de la naturaleza posibles son que la demanda ser cero, una o dos unidades.
El primer paso para obtener una solucin es preparar una tabla (vase Tabla 5-2)
que muestre los beneficios que se obtendran de cada combinacin de accin y
estado de la naturaleza; a esta tabla la hemos llamado tabla de pagos o de
beneficios condicionales. Los beneficios dependen de la eleccin de una accin
especfica y de la ocurrencia de un estado; la representacin simblica de un
pago es R(q, dj). As, R(q2, d3) representara el beneficio de la decisin d3 si el
estado es q2. En este caso, R(q2, d3) = -1.
Hay que decidir si se piden cero, una o dos unidades. No es obvio cuntas hay
que pedir. La solucin de este problema relativamente sencillo es complejo; es
ms, ni siquiera est claro cul "debera" ser la respuesta. Presentaremos ahora
para ello, distintos criterios de decisin posibles.
Criterios de decisin
A continuacin se presentan algunos criterios de decisin posibles:
Los primeros cuatro criterios de la lista son menos deseables; dentro de poco
veremos por qu. Los tres ltimos criterios son razonables; la eleccin de uno de
ellos depende de las circunstancias. En este captulo se analizarn los seis
primeros criterios; el criterio de la utilidad esperada es el tema del captulo 6.
El tipo de decisin que se estudia en este captulo puede considerarse como un
juego contra la naturaleza. Hay que recordar que la naturaleza no piensa ni elabora
planes contra su oponente. Los criterios que pueden ser completamente razona-
bles en situaciones competitivas (como el criterio minimax) son menos razonables
en un juego contra la naturaleza. Esta diferencia es importante, ya que el anlisis
que se presenta a continuacin slo se aplica a decisiones que comprenden a la
naturaleza, no a decisiones en las que participa un oponente que piensa.
En todo el captulo se supondr que el decisor est dispuesto a usar el
dinero para medir los resultados. Por supuesto, esto no ocurre en muchas situa-
ciones. Por ejemplo, al decidir qu empleo debe aceptarse, es probable que
adems del salario se considere si el puesto es un reto. ste es un ejemplo
de problema de decisin con varios atributos y los problemas de este tipo se
analizan en el captulo 6.
Igualmente probable
suponer que existe una probabilidad de ocurrencia igual para cada uno de los
sucesos.
Cuando se considere que es adecuado usar probabilidades y no haya una razn
para suponer que las probabilidades de los estados sean iguales, entonces deber
usarse la mejor estimacin de las probabilidades, en lugar de la hiptesis de
"igualmente probables".
Maximax
El criterio maximax propone que el decisor debe buscar los mayores beneficios
posibles para cada accin y escoger la accin que tenga mayores beneficios. Esta
estrategia slo contempla el mayor beneficio posible e ignora las probabilidades y
consecuencias de los otros sucesos que pueden ocurrir. En el ejemplo (Tabla 5-2),
el criterio maximax elegira la accin "comprar 2", ya que ofrece beneficios
posibles de cuatro dlares; sin embargo, ignora la posibilidad de que pueda
generar prdidas por seis dlares.
El criterio maximax no es una regla de decisin prudente. Hay algunas circuns-
tancias en las que se desea tomar riesgos prudentes, pero debe hacerse tomando
en cuenta las probabilidades y las consecuencias de lo que puede suceder. El
mtodo de la utilidad esperada, que se aborda en el siguiente captulo, s incluye
estos factores al tomar una decisin.
Minimax
q1 $100 $101
q2 100 1
Probabilidad mxima
Dominacin
Existen varios mtodos en los cuales se toma una decisin con base en la
dominacin. El caso ms sencillo se llama dominacin de resultados, en el cual
el peor resultado en cuanto al beneficio de una accin es por lo menos tan bueno
como el mejor resultado de una segunda accin. Por ejemplo, considere las
acciones d1 y d2 de la tabla 5-5.
El resultado con peor beneficio para la accin d1 es 0 (cuando ocurre q3); el
mejor beneficio para la accin d2 es tambin 0 (cuando ocurre q2). Por lo tanto,
la accin d1 domina a la accin d2. Uno est seguro de con d1 los resultados sern
iguales o mejores, sin importar lo que suceda.
Otra forma de dominacin se denomina dominacin de sucesos; ocurre si una
accin tiene beneficios mejores o iguales que las de otra accin para cada suceso.
Considere las accin dx y d3 de la tabla 5-5. Para cada suceso (es decir, cada
estado), los beneficios condicionales de d1 son mayores que las de la accin rf3.
Entonces, d1 domina a d3 por dominacin de sucesos. No importa qu suceso
ocurra, d1 es mejor que d3. Observe que d1 tambin domina a d2 por dominacin de
sucesos.
Una tercera forma de dominacin se denomina dominacin probabilstica o
de probabilidad.1 Para demostrarlo, es necesario reorganizar la informacin de
la tabla 5-5 como se muestra en la tabla 5-6. Aqu, los sucesos se definen en
funcin de los beneficios condicionales y se ordenan de menor (-1) a mayor (2).
Las probabilidades de cada uno de los beneficios se presentan en las columnas
P(X). Las columnas P(X o ms) muestran la probabilidad de obtener beneficios de
X dlares o ms. Considere la accin d1: Hay seguridad (la probabilidad es 1.0)
de obtener beneficios de -1 o ms y tambin de cero o ms. La probabilidad de
obtener 1 o ms es de 0.5 y de 0.3 de obtener 2 o ms. Las probabilidades como
P(X o ms) se llaman probabilidades acumuladas y se analizan con mayor detalle
en el captulo 7.
Una accin domina probabilsticamente a otra si la P(X o ms) de la prime-
ra es mayor o igual que la P(X o ms) de la segunda para todos los valores de
1
Tambin conocido como dominacin estocstica. Aqu slo se considera la dominacin estocstica de primer
orden. Existen formas ms complejas (de segundo y tercer orden) que dependen de las caractersticas de la funcin
de utilidad de la persona que toma la decisin. Vase Derek W. Bunn, Applied Decision Analysis, Nueva York,
McGraw-Hill, 1984, Cap. 4.
148 Parte II Anlisis de decisiones
X. Compare las acciones d1 y d4 de la tabla 5-6. Observe que para cada valor de X,
la P(X o ms) de la accin d4 siempre es mayor o igual que la de la accin d1. Por
lo tanto, d4 domina a d1 por dominacin de probabilidades.
Considere una cantidad fija de dinero. Obviamente, usted preferir la alterna-
tiva que tenga mayor probabilidad de obtener esa cantidad o ms. Si, para una
cantidad cualquiera, hay una alternativa que tenga igual o mejor probabilidad de
obtener dicha cantidad o ms, entonces esa alternativa domina en probabilidad.
De las tres formas de dominacin, la de resultados es la ms fuerte, sigue la de
sucesos y la de probabilidad es la ms dbil. Si la accin Adomina por dominacin
de resultados, tambin dominar por sucesos y por probabilidad; sin embargo, no
sucede lo mismo a la inversa. Por ejemplo, la accin d4 domina a d1 estocstica-
mente pero, como ya se mostr, no domina ni por sucesos ni por resultados.2
Es muy sensato usar el criterio de dominacin para elegir entre alternativas de
decisin. La dificultad estriba en que posiblemente no exista una alternativa que
domine a las dems. De hecho, es lo ms usual. Considere el ejemplo original de
la tabla 5-2; ninguna de las acciones domina a las otras en ninguna de las formas
de dominacin propuestas. Por lo tanto, el criterio de dominacin no seleccionara
la accin que debe tomarse. sta es la mayor limitacin de la dominacin; sin
embargo, puede servir para eliminar algunas alternativas y reducir en consecuen-
cia el proceso de decisin.
El criterio de dominacin est relacionado con el valor esperado en cuanto a
que si una primera accin domina a una segunda, esto implica que el valor
esperado de la primera accin es mayor que el valor esperado de la segunda. Sin
embargo, lo contario no sucede.
que en los dos enunciados de las estrategias se describen todas las decisiones que
deben tomarse en todas las circunstancias. Si el producto se abandona, entonces
ya no hay ms decisiones, pero de introducirse hay que especificar una decisin
"Siga" o "Pare", dependiendo de la aceptacin rpida o lenta. Al determinar si el
enunciado de la estrategia est completo, pregntese si contendra instrucciones
suficientes para que un asistente pueda tomar la decisin si usted no est presente.
Si no es as, el enunciado no especifica una estrategia completa.
Hay otras tres estrategias posibles, adems de la estrategia de abandono y de
la Siga/Siga:
Estrategia Siga/Pare: "Introducir el producto; si la aceptacin es rpida, Siga;
si es lenta, Pare".
Estrategia Pare/Siga: "Introducir el producto; si la aceptacin es rpida, Pare;
si es lenta, Siga".
Estrategia Pare/Pare: "Introducir el producto; si la aceptacin es rpida, Pare;
si es lenta, Pare".
Una estrategia determina todas las decisiones, por lo que slo quedan suce-
sos. Podemos elaborar de nuevo el diagrama de rbol para cada estrategia; en la
figura 5-2 se muestra el rbol para la estrategia Siga/Siga. Las probabilidades de
Captulo 5 Teora de la decisin 151
RESUMEN Si la actitud hacia el riesgo del decisor no es un factor importante del problema
de decisin, por lo general es preferible usar la regla de decisin del valor esperado
en vez de otro criterio de decisin, ya que es la nica que utiliza toda la
informacin disponible y asegura una eleccin definitiva entre las alternativas.
Incluso si existe riesgo, el valor monetario esperado es til como primer paso.
Con el uso de los criterios de dominacin, en ocasiones es posible eliminar
algunas de las alternativas inferiores de un problema de decisin.
Funciones lineales
En el captulo 3 se present el concepto de variable aleatoria. Recuerde que si la
variable aleatoria X se multiplica por la constante c, el valor esperado del producto
cX puede expresarse como la constante multiplicada por el valor esperado de X
(vase Ecuacin 3-7). Es decir:
P=a+bX
Captulo 5 Teora de la decisin 153
Observe que lo anterior simplifica los clculos. En vez de tener que calcular
los beneficios condicionales para cada estado de la naturaleza (o sea, para cada
valor de X) y despus calcular los beneficios esperados, se puede introducir
el valor esperado de X (es decir, el estado promedio) en la ecuacin del beneficio.
Como ejemplo, suponga que los costos mensuales de un departamento son
10 000 dlares, ms cinco dlares por cada unidad que se produzca. Es decir:
C = 10 000 + 5X
Ejemplo Suponga que el beneficio P es igual al beneficio por unidad multiplicado por el
nmero de unidades vendidas. Se considerarn tres casos. La letra b representar
el beneficio por unidad vendida y la letra q ser el nmero de unidades vendidas.
Si se usan las letras maysculas B y Q, se considerar que son variables aleatorias;
cuando las letras sean minsculas, b y q, se tomarn como constantes y conocidas.
En el primer caso, se sabe que el beneficio por unidad es 1.50 dlares y no se
conoce con certeza el nmero de unidades vendidas, siendo la distribucin de
probabilidad de stas, la que se muestra en la tabla 5-8.
La ecuacin bsica del beneficio es:
P = bQ
Tabla 5-8
Valores de Q Probabilidad
9 0.4
10 0.5
11 0.1
E(P) = qE(B)
Tabla 5-9
Valores de B Probabilidad
$1.50 0.20
1.60 0.70
1.70 0.10
RESUMEN Cuando los beneficios se pueden expresar como una funcin lineal de las variables
desconocidas, es posible simplificar el clculo del valor esperado con las ecua-
ciones 5-2 y 5-3, sin que se pierda informacin (si se acepta el criterio de decisin
del valor esperado).
Conclusin
La teora de la decisin se refiere a la eleccin de la mejor opcin de un conjunto de
acciones posibles, supuesto que hay incertidumbre acerca del estado de la natu-
raleza que existe. Al usar la regla de decisin del valor esperado, la eleccin se
puede lograr de manera consistente con las creencias de la persona que decide,
incluso si no hay probabilidades objetivas que puedan aplicarse a los estados de
la naturaleza.
El aporte principal de este procedimiento es que centra la atencin en todos los
sucesos posibles y requiere el clculo de las consecuencias de cada accin y cada
estado de la naturaleza posible. Incluso si el anlisis se detiene en la tabla
de valores condicionales o en el rbol de decisin, sera una contribucin a la
toma de decisiones. Sin embargo, es posible llegar ms lejos si se usa la regla de
decisin del valor esperado. No se justifica que el decisor se detenga despus
de realizar un solo clculo con el suceso ms probable, en vista de las tcnicas dis-
ponibles para incorporar la incertidumbre al anlisis.
La utilizacin de la regla de decisin del valor esperado implica relaciones
medibles de la utilidad. Los datos de entrada que existen para las decisiones del
156 Parte II Anlisis de decisiones
Bibliografa
Bell, D., H. Raiffa y A. Tversky, editores, Decision Samson, D., Managerial Decision Analysis, Home-
Making: Deschptive, Nonnative and Prescripti- wood, 111., Richard D. Irwin, 1988.
ve Interaction, Cambridge, Cambridge Univer- Weiss, L., Statistical Decision Theory, Nueva
sity Press, 1988. York, McGraw-Hill, 1961.
Bunn, D. W., Applied Decision Analysis, Nueva Winkler, R. L., Introduction to Bayesian Inference
York, McGraw-Hill, 1984. and Decision, Nueva York, Holt, Rinehart &
Chernoff, H. y L. E. Moses, Elementary Decision Winston, 1972.
Theory, Nueva York, John Wiley & Sons, 1959.
5-1. Considere las acciones cuyos beneficios se c. Cules acciones participan en la domina-
presentan en la tabla siguiente. Indique cul cin estocstica?
accin o cules acciones son las mejores con d. Cules acciones no estn dominadas por
base en los siguiente criterios. ningn tipo de dominacin?
a. Sucesos igualmente probables. 5-3. El costo total de un producto es igual a:
b. Minimax. T= 10 000 + BQ
c. Probabilidad mxima.
d. Valor esperado Los ingresos totales son R = 20Q. El costo va-
5-2. Remtase al problema 5-1. riable por unidad en el siguiente periodo es
a. Cules acciones participan en la domina- una variable aleatoria con la distribucin de
cin de resultados? probabilidad que se presenta en la pgina que
b. Cules acciones participan en la domina- sigue.
cin de sucesos?
q1 0.2 0 0 -4 5 -1 5
q2 0.2 0 5 -4 0 2 5
q3 0.4 0 2 3 3 5 0
q4 0.2 0 -3 6 6 3 5
Captulo 5 Teora de la decisin 157
Problemas
5-6. Considere una decisin empresarial con la procedimiento que garantice la decisin co-
que est familiarizado. Defina las acciones y rrecta? Explique.
los estados y haga estimaciones aproximadas 5-9. En el captulo se mencionaron seis criterios
de los beneficios condicionales. Qu criterio de decisin; cules son consistentes con los
usara para tomar la decisin? Considere las individuos que compran billetes de lotera?
ventajas relativas de la hiptesis de sucesos 5-10. Una persona tiene tres alternativas de inver-
igualmente probables, minimax, probabilidad sin con los rendimientos y las probabi-
mxima, dominacin y regla de decisin del lidades que se presentan en la pgina
valor esperado. siguiente.
5-7. En el texto se ha mencionado que las decisio- a. Compare las alternativas con base en el
nes no siempre pueden basarse en clculos criterio de dominacin. Puede encontrar
que slo impliquen expresiones monetarias una alternativa que sea mejor? Qu tipo
de las consecuencias. Describa algunas situa- de dominacin us para seleccionarla?
ciones empresariales donde son ms impor- b. Si usa el criterio del valor esperado, cul
tantes los factores no monetarios. sera su eleccin?
5-8. Al tomar decisiones en condiciones de incer- 5-11. Un gerente requiere una pieza para cierto
tidumbre, podra un experto desarrollar un equipo. Puede comprar una pieza nueva o
158 Parte II Anlisis de decisiones
Probabilidades de rendimiento te. Usted debe elaborar planes con vistas a es-
Rendi- de inversiones tos estados posibles. Sus alternativas son: (a)
miento Continuar con la fabricacin de aviones, con
Inversin Inversin B versin C
($000) lo que obtendra beneficios por 10 millones
A
de dlares, sin importar la decisin acerca de
Marte, (b) Disear el sistema de carga para el
-50 0.4 0.2 0.2
viaje a Marte (si no se aprueba el programa,
0 0.0 0.0 0.1 perder 30 millones de dlares; si lo aprue-
50 0.4 0.2 0.1 ban, sus beneficios sern de 40 millones de
100 0.2 0.4 0.6 dlares, participen o no los rusos), (c) Dise-
150 0.0 0.2 0.0 ar el sistema de propulsin. Si el programa
fracasa, usted perder 100 millones de dla-
usada; la pieza nueva cuesta ms que la usada, res. En cambio, de aprobarse el programa y
pero es ms probable que funcione sin viajar con los rusos, lo ms probable es que
problemas, algo que es de importancia vital. se use el sistema de propulsin ruso y sus be-
De los seis criterios de decisin que se pre- neficios sern de 20 millones de dlares. Si
sentaron en este captulo, cul parece ser el los rusos no van, sus beneficios sern 80 mi-
ms adecuado? Por qu? llones de dlares. Base su decisin en los be-
5-12. Las siguientes probabilidades se asignan a los neficios monetarios.
valores posibles de la fraccin de piezas a. Cul es la mejor accin con la hiptesis
defectuosas en un proceso de manufactura: de estados igualmente probables
b. Cul es la accin minimax?
c. Cul es la accin de probabilidad
Suceso Probabilidad mxima?
del suceso d. Hay acciones dominadas?
e. Cul es la accin que maximiza el valor
0.01 defectuoso 0.10 esperado?
0.02 defectuoso 0.15 f. Qu decisin prefiere usted? Una
0.03 defectuoso 0.20 5-14. compaa piensa efectuar una campaa
publicitaria para aumentar las ventas de
0.04 defectuoso 0.30
0.05 defectuoso 0.20 Gadgeto, el producto principal de la com-
paa. Para el prximo ao se ha propuesto un
0.10 defectuoso 0.03
presupuesto de 300 000 dlares para
0.15 defectuoso 0.02
publicidad.
1.00 El gerente de ventas y el presidente de la
compaa estn de acuerdo en la distribucin
Suponga que hay un lote de 50 000 piezas
y cada defectuosa cuesta 25 centavos por Aumento en Probabilidad
concepto de trabajo adicional. Cul es el ventas
costo esperado del trabajo adicional? Sera (unidades)
ms barato inspeccionar todo el lote si la ins-
peccin cuesta tres centavos por pieza (supo- 150 000 0.05
niendo que la inspeccin elimina todos los 200 000 0.25
defectos)? 250 000 0.30
5-13. Usted es el presidente de una corporacin es- 300 000 0.20
tadounidense que fabrica aeronaves. En Was- 350 000 0.10
hington se ha hablado mucho de (a) ir a 400 000 0.05
Marte, (b) no ir a Marte y (c) ir a Marte con 450 000 0.05
los rusos. En su opinin, la probabilidad de 1.00
estos estados es 0.5, 0.4 y 0.1, respectivamen-
Captulo 5 Teora de la decisin 159
de probabilidad (la cual se muestra en la ta- da del camin) ocurrieron 20 incendios (de
bla anterior) para el efecto de la campaa de un total de 1000 llamadas a la estacin de
publicidad en las ventas de Gadgeto. bomberos), en los cuales la presencia de un
La compaa obtiene 1.20 dlares de bene- segundo camin hubiera permitido que los
ficio por cada Gadgeto que venda. Cules bomberos realizarn mejor su trabajo. La
son los beneficios incremntales esperados si propuesta fue rechazada en la votacin.
se lleva a cabo la campaa publicitaria? Dos a. Con base en el criterio del valor esperado,
5-15. estudiantes pretenden usar el criterio de cul es el beneficio monetario mximo
igualdad de probabilidad en relacin con los por incendio (de 20 casos) que se obtiene
posibles resultados de dos lanzamientos de al comprar otro camin), si los votantes si-
una moneda. El estudiante A dice que para l guieran ese criterio?
los tres resultados siguientes tienen igual pro- b. Suponga ahora que se informa a los votan
babilidad: tes que-el valor de contar con el segundo
camin es 750 dlares por cada incendio
Cero caras en dos lanzamientos. en el cual se use (o podra usarse), pero
Una cara en dos lanzamientos. aun as rechazan la propuesta. Qu crite-
Dos caras en dos lanzamientos. rios de decisin son consistentes con su
eleccin? Desarrolle la tabla de costos
El estudiante B afirma que para l tienen la condicionales.
misma probabilidad los resultados siguientes: 5-19. Un fabricante de automviles ha descubierto
HH, HT, TH, TT (H = cara, T = cruz). que si cambia el diseo del tanque de combus-
Si la moneda fuera legtima, que afirma- tible reducira el riesgo de incendio en caso de
cin preferira? Por qu? Remtase al un golpe en la parte posterior del automvil.
5-16. problema 4-19. La compaa estima que el beneficio total para
a. Prepare una tabla de valores condicionales la sociedad es 25 millones de dlares. El costo
para las dos acciones (vender el contrato o adicional de los cambios en el diseo sera 40
perforar) y los cuatro resultados posibles. millones de dlares. La probabilidad de que un
b. Cul es la mejor accin con el criterio de automvil sea golpeado en la parte trasera por
igual probabilidad? otro vehculo es del 1 %.
c. Cul es la mejor accin minimax? a. Con base en el criterio VME, debera im-
d. Cul es la mejor accin con el criterio de plantar el diseo el fabricante?
mayor probabilidad? b. Desde el punto de vista del conductor,
e. Cul es la mejor accin para maximizar aplicando el VME, preferira el autom-
el valor esperado? vil rediseado (a un costo ms alto)?
5-17. Un director debe llevar consigo 500 dlares c. Qu criterio dara lugar a que el conductor
en muestras de mercanca en un viaje al ex- prefiriera el tanque rediseado, entre los cri-
tranjero. l estima que la probabilidad de per- terios que se analizaron en el captulo?
der la mercanca es de 0.05. Le ofrecen una 5-20. Remtase a la figura 4-10 de la pgina 112.
pliza de seguro de cobertura amplia por slo a. Indique cules son las estrategias disponi
55 dlares, la cual cubrira la prdida, y deci- bles en este rbol de decisin. Incluya to
de comprarla. das las estrategias, incluso las que puedan
a. Desarrolle la tabla de costos condicionales. parecerle ridiculas.
b. Cul de los criterios de decisin que se b. Encuentre por lo menos dos estrategias
presentaron en el captulo es consistente que estn dominadas por otras. Muestra
con su decisin? las loteras de beneficios (perfiles de ries-
Los habitantes de una comunidad suburbana re- go) de las estrategias dominadas y de las
5-18.
alizaron una votacin acerca de asignar 10 000 estrategias dominantes.
dlares a la compra de un segundo camin de c. Algunas de las estrategias en (a) parecen
bomberos. Los proponentes de la accin afirma- ridiculas o irracionales. Por qu le pare-
ron que en los ltimos 10 aos (la vida espera- cen ridiculas?
160 Parte II Anlisis de decisiones
Problemas ms difciles
5-21. esta deficiencia en la comunicacin direc-
A continuacin se presenta una carta escrita ta, en Yalta, Estados Unidos propuso a Ru-
al editor de The New York Times3 el 28 de fe- sia que participara en el ataque a Japn,
brero de 1971. con graves consecuencias para el futuro de
la situacin poltica en el Lejano Oriente.
Yalta: Falta de comunicacin con Suponga que hubiera existido buena co-
respecto a la bomba municacin; debera haber actuado el
Seor editor: gobierno de Estados Unidos con base en la
En al artculo "The Truth About Yalta" probabilidad del 90% de xito en el desa-
(La verdad acerca de Yalta), del 14 de fe- rrollo? En mi opinin, por supuesto que s.
brero, C. L. Sulzberger analiza la declara- Una vez ms, en 1958 tuvimos la opor-
cin que realiz el embajador Charles tunidad de establecer una prohibicin de
Bphlen de los problemas principales a los las pruebas de armas nucleares, en una eta-
que se enfrentaron el presidente Roosevelt pa cuando Estados Unidos llevaba ventaja
y la delegacin estadounidense durante la a la Unin Sovitica en lo referente al di-
Conferencia de Yalta, en febrero de 1945. seo de armamento. Sin embargo, nos
El tercer prrafo de la declaracin incluye preocup la posibilidad de pruebas subte-
lo siguiente: rrneas clandestinas soviticas de armas
"Aunque Roosevelt y algunos de sus nucleares pequeas, por lo cual insistimos
consejeros saban del Proyecto Manhattan, en condiciones rigurosas de seguridad. La
nadie saba con certeza si la bomba Unin Sovitica no las acept y no se lleg
atmica realmente explotara ni cul sera a ningn acuerdo hasta 1961.
su efectividad como arma". En 1961, los rusos llevaron a cabo una
El problema se vea distinto desde el serie de pruebas de armas nucleares en las
punto de vista del laboratorio cientfico cuales lograron igualar, en los aspectos
Los Alamos, responsables del desarrollo ms importantes, el rendimiento de las ar-
de la bomba. En febrero de 1945, a m y a mas termonucleares estadounidenses. Una
otros cientficos con conocimiento del tema vez ms, por insistir en la certidumbre, Es-
nos pareca que la probabilidad de que la tados Unidos volvi a perder una ventaja
bomba atmica explotara era del 90%; que clara.
en realidad sera un arma efectiva y que El propsito de esta carta no es indicar
habra material suficiente para construir que nuestra poltica externa se deba centrar
varias bombas en los meses siguientes. en las ventajas sobre la Unin Sovitica. Lo
Incluso si hubiera fracasado la primera nico que deseo es plantear que al buscar
bomba, el proyecto triunfara en poco esta ventaja como parte de la poltica,
tiempo. En la guerra, menos aun en la pol- debemos actuar con base en probabilidades
tica, son pocas las cosas que tienen una tcnicas altas, en vez de requerir la certeza,
probabilidad tan buena como un 90%. y tambin que sea fcil la comunicacin
La razn por la cual esta certidumbre de entre las personas que conocen el asunto y
los cientficos no se transmiti a los deci- los decisores.
sores fue una deficiencia en la comunica-
cin: el exceso de sigilo y la falta de lazos Hans Bethe
directos entre los cientficos y los funcio- Ithaca, Nueva York, 16 de febrero de 1971
narios superiores del gobierno. Debido a
El autor, Premio Nobel de fsica en 1967,
3 1972 The New York Times. Reimpreso con autorizacin. fue jefe de las divisiones tericas del labora-
Captulo 5 Teora de la decisin 161
torio cientfico Los Alamos, de abril de 1943 5-22. Muchas veces se ha discutido que el gobier-
a enero de 1946. no de Estados Unidos debe alentar el uso de
otras fuentes de energa (por medio de subsi-
Comente esta carta, en especial los siguien- dios, garantas y prstamos directos), aun
tes puntos: cuando las alternativas energticas pueden
a. El criterio de decisin que al parecer ser ms costosas que el petrleo. Trate de
se utiliz en los altos niveles guberna- evaluar este problema utilizando un mtodo
mentales. de la teora de la decisin; es decir, defina las
b. El criterio de decisin que propone el au- alternativas, sucesos, beneficios y probabi-
tor de la carta. lidades y recomiende una alternativa.
CAPTULO
Ejemplo Suponga que usted tiene una opcin en cada uno de los siguientes pares de
alternativas. Puede seleccionar una de las opciones/l, una de las opciones B o una
de las opciones C. Escriba una nota con respecto al conjunto de alternativas que
escoja.
El hecho de que ninguna persona prudente preferira este juego frente a una
cantidad cierta de dinero modesta, forma la base de la famosa paradoja de San
Petersburgo. Esta paradoja condujo a Daniel Bernoulli a sus primeras investiga-
ciones de la utilidad como base para la toma de decisiones en vez del valor
monetario esperado.
Utilidad
Puesto que la mayora de las personas elegira A1 B1 y Cl en vez de las alternativas
con mayor expectativa monetaria, parece razonable concluir que las personas no
siempre toman decisiones para maximizar el valor monetario esperado. Entonces,
cul es el criterio alternativo para la toma de decisiones? Von Neumann y
Morgenstern elaboraron un marco consistente con las decisiones del tipo de A1
B1 y C1.1 Ellos plantearon que las decisiones se tomaban para maximizar la
utilidad esperada en vez del valor monetario esperado. Si usted selecciona A1 en
lugar de A2, entonces llegaramos a la conclusin de que la alternativa A1 tiene
1
J. von Neumann y O. Morgenstern, Theory ofGames and Economic Behavior, Princeton, Princeton Uni versity
Press, 1944.
164 Parte II Anlisis de decisiones
para usted ms utilidad que la alternativa A2. Si usted fuera indiferente ante las
dos alternativas, digamos B1 y B2, la conclusin sera que cada una le ofrece la
misma utilidad esperada. La indiferencia puede definirse como su aceptacin de
cualquier resultado al azar o como el permiso para que alguna persona extraa
decida por usted. Es posible generalizar la funcin de utilidad de un bien (por lo
general el dinero) para un persona, de manera que sea consistente con la lgica y
la observacin de decisiones repetitivas. De ello se desprende que es razonable
suponer que las personas toman decisiones para maximizar la utilidad esperada,
ms que el valor esperado. Pero el uso de la utilidad esperada no es una eleccin
gratuita, en tanto que el valor monetario esperado es un concepto sin ambigeda-
des y relativamente fcil de calcular. Sera conveniente que se pudieran relacionar
los distintos resultados monetarios con ndices de las preferencias del decisor. As
se podra transformar un conjunto complejo de alternativas en medidas de la
utilidad a fin de tomar una decisin. Nuestro propsito en este captulo es
relacionar el dinero y un ndice de utilidad, y obtener generalizaciones acerca de
esta relacin en situaciones de riesgo.
Medida de la utilidad
Es posible medir la utilidad del dinero? Para tratar de responder esta pregunta,
se considerarn tres escalas de medicin distintas:
1. Escala nominal o de clasificacin.
2. Escala ordinal o de categoras.
3. Escala cardinal o de intervalos.
Una escala nominal asigna una descripcin a un conjunto de elementos. Estos
elementos pueden ser una unidad fsica o una condicin, mientras que la descrip-
cin puede ser un nmero (como en un sistema de numeracin de jugadores de
ftbol), o una palabra, (como cuando un nio dice que tiene hambre o que no
tiene hambre). En ocasiones una escala nominal puede ser til para el anlisis de
decisiones. Por ejemplo, un conjunto de resultados puede dividirse en subconjun-
tos o clasificaciones de "satisfactorio" y "no satisfactorio". Las inversiones se
pueden clasificar en dos clases, "aceptables" e "inaceptables", en una escala
nominal. Una forma de calificar podra asignar dos calificaciones, "aprobado" o
"suspendido". Es fcil concebir medidas nominales de la utilidad. Por ejemplo,
las acciones se podran clasificar como "las que tienen utilidad negativa" (desu-
tilidad) o "positiva". Sin embargo, una escala nominal que no contiene orden o
clasificacin puede resultar intil en el anlisis de decisiones.
Una medida ordinal aade el concepto de orden relativo o clasificacin. Unos
objetos son "ms" o "menos" que otros objetos. Una persona puede afirmar que
un sonido es ms fuerte que otro. Varias fuentes luminosas pueden clasificarse
por su intensidad, sin requerir una medicin numrica de la cantidad de luz. Sin
un cronmetro se puede determinar quin es el ganador de una carrera. Tambin
se podra intentar clasificar todas las inversiones de acuerdo con su deseabilidad
relativa (aunque puede ser ms fcil describir que lograr este proceso).
Captulo 6 La utilidad como base para la toma de decisiones 165
Hiptesis psicolgicas
El uso de la utilidad en la toma de decisiones implica exigir ciertas hiptesis acerca
de cmo reacciona un individuo ante los resultados. Como lo que pretendemos es
medir las actitudes con respecto a situaciones inciertas, es importante que el
modelo utilizado para tomar la decisin sea consistente con las caractersticas
psicolgicas de las personas.
Se harn las siguientes siete hiptesis:
4. Si dos loteras tienen los dos mismos resultados posibles, pero estos resultados
tienen probabilidades distintas, entonces la lotera con mayor probabilidad para
el resultado ms favorable es la lotera preferida.2
Ejemplo Considere las dos loteras que se muestran en la tabla 6-1. Debe preferirse la lotera
A a la B.
Ejemplo Sea:
A = $1000
B = $400
C = $0
Construiremos una lotera que comprenda a A con probabilidad p, y a C con
probabilidad (1 - p). El valor monetario esperado de la lotera ser:
2
Esta es una forma de la dominacin de probabilidades que se analiz en el captulo 5.
Captulo 6 La utilidad como base para la toma de decisiones 167
Tabla 6-1
Probabilidades de los
resultados de la lotera
Resultados posibles A B
A = $1000
B = $400
C = $0
3
Para una demostracin, vase R. Dorfman, P. A. Samuelson y R. M. Solow, Linear Programming andEconomic
Analysis, Nueva York, McGraw-Hill, 1958, pgs. 465-469.
168 Parte II Anlisis de decisiones
Tabla 6-2
Cambio de escala
4
El sentido en que Von Neumann y Morgenstern emplean el trmino utilidad es ligeramente distinto al de su
aplicacin tradicional en la economa. En el sentido de Von Neumann, la utilidad se relaciona con elecciones en
las que hay incertidumbre; en la versin econmica, ms antigua, la utilidad representaba la satisfaccin intrnseca
que se obtena con un bien. En el anlisis posterior se har ms clara esta diferencia. En algunos libros recientes
se ha empleado el trmino preferencia en vez de utilidad, para evitar esta confusin.
Captulo 6 La utilidad como base para la toma de decisiones 169
Tabla 6-3
alternativas, A1 y A2. Supongamos que escoge A2, o los 25 000 dlares seguros;
entonces, se infiere que:
o U($25 000) > U (+$10 000) + U($100 000) = 0.5; es decir, la utilidad de
25 000 dlares es mayor que Vi. Ya que 25 000 dlares es preferida a A1 se llega
a la conclusin de que el ndice de utilidad de A2 es mayor que . Luego suponga
que le ofrecen 5000 dlares seguros (A3) y descubre que prefiere A1 en lugar de A3.
sto implicara que el ndice de utilidad de los 5000 dlares sera menor que .
Si tuviera la paciencia suficiente, podra seguir proponiendo acciones alternativas
que generaran cantidades ciertas de dinero, hasta descubrir una que tuviera
el mismo atractivo que A1. Suponga que esta oferta es la cantidad de 15 000
dlares, de lo cual se podra inferir que le es indiferente tener 15 000 dlares
seguros o la propuesta original. Entonces, la asignacin de utilidad a 15 000
debe ser:
Ahora se tienen tres puntos por los cuales pasa la funcin de utilidad. Es posible
efectuar otras evaluaciones anlogas de la utilidad. Por ejemplo, proponga una
alternativa que ofrezca 0.5 de probabilidad de obtener 15 000 dlares y 0.5 de
obtener 100 000 dlares. Luego encuentre la cantidad que deben ofrecerle con
certeza para que le sea indiferente a la oportunidad con riesgo. Digamos que esta
cantidad es 47 000 dlares. Entonces, se podra concluir que la asignacin de
utilidad apropiada para los 47 000 dlares es:
U($47 000) = U($15 000) + U($100 000)
= (0.5) + (1) = 0.75
Despus proponga una alternativa con 0.5 de probabilidad de obtener 15 000
dlares y 0.5 de que sean -10 000 dlares. Usted puede considerar que esta
alternativa no es favorable y est dispuesto a pagar cierta cantidad para deshacerse
de ella (de la misma manera en que una persona compra un seguro para cubrir el
riesgo). Suponga que le son indiferentes -2500 dlares (es decir, un pago de 2500
dlares) y la oportunidad con riesgo; entonces:
U (-$2500) = U(-$10 000) + U($15 000)
= (0) + (0.5) = 0.25
Ahora cuenta con cinco puntos de la funcin de utilidad que se presenta en la
tabla 6-4 y en la figura 6-3. Estos puntos se pueden unir por medio de una curva
suave para dar una aproximacin de la funcin de utilidad en todo el intervalo:
-10 000 dlares a 100 000 dlares.
Observe que:
U($15 000)=0.5
Captulo 6 La utilidad como base para la toma de decisiones 173
y que:
Por lo tanto, como revisin final de sus asignaciones, le debe ser indiferente
tener 15 000 dlares seguros o una alternativa que implica una probabilidad del
50% de -2500 dlares y del 50 % de obtener 47 000 dlares. Si lo anterior no es
verdadero, sus evaluaciones no son consistentes y deben modificarse.
Otro procedimiento para construir la funcin de utilidad es escoger un valor
monetario cierto y determinar a continuacin las probabilidades que haran que
una apuesta con los valores mnimo y mximo fuera equivalente a la cantidad
cierta. Por ejemplo, si se eligiera la cantidad segura L, se formulara la ecuacin:
y se encontrara la probabilidad p que hace que el decisor sea indiferente entre los
dos lados de la ecuacin. Como ejemplo, si L fuera 25 000 dlares, el decisor
tendra que asignar una probabilidad p tal que le fuera indiferente tener 25 000
dlares seguros, o una probabilidad p de 100 000 dlares y una probabilidad
(1 - p) de -10 000 dlares. En este caso p podra ser 0.60; entonces:
(porque se estableci U($ 100 000) = 1.0 y U(-$ 10 000) = 0, U(L) =p). Para obtener
otros valores de la curva de utilidad se seleccionaran otros valores de L y se
determinara la probabilidad p. De esta manera se podra obtener una curva
semejante a la de la figura 6-3.
Ejemplo Suponga que una persona debe escoger una de dos alternativas. La alternativa A
comprende un contrato en el que la compaa obtendra con seguridad beneficios
de 20 000 dlares. La alternativa B, por otra parte, es la introduccin de un
producto nuevo y se desconocen las ventas que lograra el producto y, por
consiguiente, los beneficios. La gerencia asign las probabilidades que se mues-
tran en la tabla 6-5 a las diversas posibilidades de obtencin de beneficios.
El valor monetario esperado de la alternativa B es 25 000 dlares. Con base
en ello, se preferira B en lugar de A; sin embargo, si la persona fuera adversa
al riesgo, podra cambiar la preferencia. Observe que en la alternativa B hay
un 30% de probabilidad de no obtener beneficios y un 10% de perder dinero.
Si el decisor tuviera la funcin de utilidad que se muestra en la figura 6-3,
se evaluara esta alternativa con base en los valores de utilidad, en vez de
los valores monetarios. Los valores de utilidad relacionados con cada uno de los
beneficios se podran obtener por interpolacin en la figura 6-3; estos valo-
res se presentan en la tabla 6-5. Despus se usaran las probabilidades de la
misma tabla para calcular la utilidad esperada (multiplicando las probabilidades
por las cantidades de utilidad, y sumando). La utilidad esperada calculada es
0.524. Observe que la utilidad de los 20 000 dlares es de 0.55 en la tabla 6-5.
Por lo tanto, la utilidad esperada de la alternativa B es menor que la utilidad del
contrato que representa 20 000 dlares seguros y debe aceptarse el contrato
seguro.
Captulo 6 La utilidad como base para la toma de decisiones 175
Equivalentes ciertos
Ejemplo Una empresa concursa para obtener un contrato para proveer mil unidades de un
componente electrnico y tiene que decidir cul ser su precio de oferta. Un factor
incierto en el proceso de decisin es la posibilidad de que sus trabajadores inicien
una huelga. Si ocurre la huelga, habr demoras y multas por incumplimiento de
las fechas establecidas en el contrato. Para que el anlisis de la decisin sea ms
sencillo, podemos preguntar al fabricante cunto estara dispuesto a pagar por un
seguro contra las prdidas que pudieran ocurrir debido a la huelga. La respuesta
podra ser, por ejemplo, 3000 dlares. Esta cantidad es un equivalente cierto de
la situacin incierta relacionada con la huelga (los resultados monetarios con la
huelga y sin ella y las probabilidades asociadas). Es probable que el decisor no
pueda comprar un seguro de este tipo, pero el equivalente cierto proporciona una
cifra que puede usarse en el anlisis para determinar la cotizacin apropiada que
debe presentar el fabricante.
Primas de riesgo
Suponga que un individuo tiene una funcin de utilidad U(I) como la que se
muestra en la figura 6-4. Considere primero una apuesta que otorga una probabi-
lidad de para la cantidad I1 y de para la cantidad I3. El valor monetario
esperado (VME) de esta apuesta es I2. El equivalente cierto de la apuesta es I*, la
cantidad cierta que tiene utilidad igual a la utilidad esperada de la apuesta [es
Captulo 6 La utilidad como base para la toma de decisiones 177
Ejemplo Considere un empresario cuya tabla de utilidad contiene los valores de la tabla 6-6
y suponga que existen dos decisiones: (a) Es deseable pagar una prima de
5
La conjetura original se debe a Friedman y Savage, "The Utility Analysis of Choices Involving Risk", Journal of
Political Economy, agosto de 1948, apoyada por las observaciones empricas de que muchas personas estaban
dispuestas a aceptar operaciones de riesgo (es decir, loteras) en las que puede darse un "muy buen" resultado
con baja probabilidad al mismo tiempo que se aseguraban contra prdidas cuantiosas. Con posterioridad a esta
idea, se ha obtenido apoyo experimental que confirma esta perspectiva.
178 Parte II Anlisis de decisiones
100 dlares para asegurarse contra la posibilidad de una prdida de 10 000 dlares
por incendio si la posibilidad de un incendio en la propiedad del empresario es de
1 en 200? (b) Es deseable invertir 100 dlares en un proyecto de perforacin para
buscar petrleo, en el cual un gelogo indica que slo hay una posibilidad en 200
de encontrar petrleo (con la expectativa de 10 000 dlares de beneficio) y
199/200 de probabilidad de perder la inversin de 100 dlares? Analicemos estas
decisiones en funcin de las expectativas que se calculan a partir de las medidas
de la utilidad. En la tabla 6-7 se describe la decisin de asegurar o no asegurar.
En la tabla 6-7, la utilidad esperada de la accin 1 es menor que la utilidad
esperada de la accin 2; el empresario maximiza la utilidad si elige la accin 2
(asegurar).
Tabla 6-6
M U(M)
-$10 000 -800
-200 -2
-100 -1
0 0
10 000 250
Captulo 6 La utilidad como base para la toma de decisiones 179
ejemplo anterior. El siguiente paso sera buscar las alternativas dominadas. Una
alternativa dominada es aquella cuyos resultados son todos inferiores o iguales
a los resultados de otra alternativa. Si revisa la tabla 6-9, puede observar que la
alternativa E es dominada por la alternativa A, la cual tiene la misma reduccin
en el nmero de fallecimientos y un resultado ms favorable en lo que se refiere
a daos a propiedades. Entonces, se puede eliminar la alternativa E.
Si las alternativas de decisin no son mutuamente excluyentes y se pueden usar
dos o ms en cualquier proporcin, entonces es conveniente buscar una domina-
cin ponderada. En el ejemplo, esto se obtiene elaborando el grfico de las cuatro
alternativas restantes (vase Fig. 6-6). Se pueden unir los resultados de la
figura 6-6 que ofrezcan la mayor cantidad de un atributo con respecto a otro; as,
los resultados B, C y D se unen por medio de lneas. Estas lneas representan una
frontera eficiente. Con base en las cuatro alternativas y la oportunidad de aplicar
ms de una de ellas en combinacin, el punto ptimo debe estar sobre la frontera
eficiente.
Observe la posicin de la alternativa ,4 con respecto a la frontera eficiente; est
debajo de la lnea que une las alternativas C y B. Esto significa que una mixtura
o media ponderada de B y C superara a A, por lo cual A es dominada por las
alternativas B y C. Para verlo, considere una ponderacin de I/3 para B y % para
C; esto correspondera a invertir una tercera parte del presupuesto en la alternativa
B y dos terceras partes en C. El resultado medio ponderado sera:
Reduccin en fallecimientos
Reduccin en daos a propiedades
Para escoger uno de los puntos de la frontera eficiente, se pide al decisor que
especifique puntos de indiferencia entre diversos resultados. Considere la figura
6-7, donde los atributos se representan en los ejes. Suponga que se presenta un
resultado especfico X (100 fallecimientos y 40 millones de dlares en daos a
propiedades) al decisor. Luego se escoge otro resultado, F(con 125 fallecimientos
y 35 millones de dlares en daos) y se pregunta "Son iguales los resultados X
e y?" Si Y es preferido a X, se crea un resultado Z con 125 fallecimientos y
20 millones de dlares en daos. Suponga que X es preferido a Z. Al variar la
cantidad de daos a propiedades con los 125 fallecimientos, se puede llegar
a determinar un punto de indiferencia en el cual el decisor considera que los
dos resultados tienen el mismo valor. Suponga que con el resultado W (125 falle-
cimientos, 30 millones de dlares en daos), el decisor es indiferente entre Wy
X; se podra dibujar una curva de indiferencia entre estos dos puntos. Si se
continuara con una serie de preguntas similares, se podran establecer conjuntos
de curvas de indiferencia, como las que se observan en la figura 6-7.
Una vez que se ha obtenido un conjunto de curvas de indiferencia, se puede
combinar con la frontera eficiente de la figura 6-6 para obtener una decisin
ptima. La figura 6-8 contiene las curvas de indiferencia y la frontera eficiente.
Captulo 6 La utilidad como base para la toma de decisiones 183
Anlisis conjunto
Para construir las curvas de indiferencia entre ms de dos atributos, es comn una
tcnica estadstica llamada anlisis conjunto. Esta tcnica es cada vez ms popular
entre los gerentes de mercadotecnia que necesitan evaluar la utilidad relativa de
diversos atributos de productos para los consumidores actuales y potenciales.
Aunque los detalles estadsticos del anlisis conjunto estn fuera del alcance de
este libro, el resultado del anlisis sera un conjunto de ponderaciones de impor-
tancia para cada atributo. Por ejemplo, los pesos promedio de la importancia de
los atributos de un automvil podran ser los de la tabla 6-11. Los gerentes
de mercadotecnia pueden obtener estos datos para otros segmentos de la pobla-
cin de posibles compradores y disear productos con combinaciones de atributos
que sean atractivos para distintos sectores del mercado.
RESUMEN En situaciones sin riesgo con varios atributos, primero se intenta descubrir las
transferencias o intercambios entre atributos que permitiran reducir el problema
a un solo atributo, como sera el dinero. Si no puede lograrse un acuerdo con
respecto a tal intercambio, se busca la eliminacin de las alternativas dominadas
184 Parte II Anlisis de decisiones
Resultados en riesgo
Hemos visto que el anlisis de un problema de decisin con varios atributos es
bastante complejo, incluso si los resultados no son inciertos. El anlisis del problema
general con resultados inciertos es un problema muy complejo. Aunque, en teora,
el mtodo de deteccin de los puntos de indiferencia puede aplicarse al caso que
implica riesgo, en la prctica es un procedimiento muy complicado y tedioso.
Alternativa B
70 fallecimientos menos
0.67 Reduccin de 35 millones de dlares
en daos a propiedades
Alternativa C
85 fallecimientos menos
Reduccin de 50 millones de dlares en
daos a propiedades
Hay una versin del problema de riesgo que es bastante fcil de analizar: la
situacin en la cual el riesgo de los atributos se trata en forma independiente.
La independencia de los atributos en riesgo no significa que los atributos no se
relacionen; quiere decir que las preferencias de aversin al riesgo con respecto a
un atributo no son una funcin del nivel de riesgo del otro atributo. Lo anterior
quedar ms claro con un ejemplo.
Ejemplo Considere el ejemplo anterior, pero ahora suponga que slo hay dos alternativas,
B y C, y que los resultados de stas son inciertos. La figura 6-9 describe los
resultados y sus probabilidades.
Digamos que el decisor determina dos funciones de utilidad distintas para la
reduccin en el nmero de fallecimientos y la reduccin en daos a propiedades
y est de acuerdo en que la utilidad total es la suma de las dos funciones de utilidad.
Si la utilidad total se puede separar en dos funciones de utilidad aditivas, entonces
el problema puede analizarse de manera bastante directa.
Por ejemplo, suponga que el decisor tiene una funcin de utilidad U1 para la
reduccin en el nmero de fallecimientos, que se presenta en la figura 6-10, y una
funcin de utilidad correspondiente U2 para la reduccin en los daos a propie-
dades, que se muestra en la figura 6-11.
Ahora las funciones de utilidad se pueden usar con resultados en riesgo para
determinar la utilidad de cada alternativa, si las funciones de utilidad son aditivas.
Para la alternativa B:
186 Parte II Anlisis de decisiones
Para la alternativa C:
RESUMEN Los problemas de riesgo con varios atributos se pueden resolver con funciones
de utilidad si la utilidad de los resultados se puede representar con funciones de
utilidad aditivas para cada atributo.
6
Vase C. A. Holloway, Decisin Making undcr Uncertainty: Models and Choices, Englewood Cliffs, N.J.,
Prentice Hall, 1979, capitulo 20.
Captulo 6 La utilidad como base para la toma de decisiones 187
A $4 000 0.8
0 0.2
B 3000 1.0
7
D. Kahneman y A. Tversky, "Prospect Theory: An Analysis of Decisin under Risk", Econometrica, pgs.
263-291, marzo de 1979. Tambin, Kahneman y Tversky, "The Framing of Decisions and the Psychology of
Choice", Science, pgs. 453-458, enero de 1981.
188 Parte II Anlisis de decisiones
C $4 000 0.2
0 0.8
D 3000 0.25
0 0.75
Resultado Probabilidad
3 000 0.25
0 0.75
lo cual es la lotera D.
Captulo 6 La utilidad como base para la toma de decisiones 189
Figura 6-12
Resultado Probabilidad
4 000 0.20
0 0.80
Bibliografa
Bunn, D. W., Applied Decisin Analysis, Nueva Kahneman, D. y A. Tversky, "The Framing of Deci-
York, McGraw-HM, 1984. Edwards, W. y A. sions and the Psychology of Choice", Science,
Tversky, editores, Decisin Ma- pgs. 453-458, enero de 1981.
king, Baltimore, Penguin Books, 1967. Keeney, R. L. y H. Raiffa, Decisions with Mltiple
Fishburn, P. C, Utility Theoryfor Decisin Ma- Objectives, Nueva York, John Wiley & Sons, 1976.
king, Nueva York, John Wiley & Sons, 1970. Pratt, J. W., H. Raiffa y R. Schlaifer, "The Founda-
Friedman, M. y L. J. Savage, "The Utility Analysis tions of Decisin under Uncertainty: An Elemen-
of Choices Involving Risk", Journal ofPolitical tary Exposition", Journal ofthe American
Economy, agosto de 1948. Green, P. E. y Y. Statistical Association, junio de 1964.
Wind, Multiattribute Decisions in Savage, L. J., The Foundations of Statistics, Nueva
Marketing, Hinsdale, 111., Dryden Press, 1973. York, John Wiley & Sons, 1954.
Holloway, C. A., Decisin Making under Uncer- Schlaifer, R., Analysis of Decisions under Uncer-
tainty: Models and Choices, Englewood Cliffs, tainty, Nueva York, McGraw-Hill, 1969.
N. J., Prentice Hall, 1979 IEEE Transactions on Swalm, R. O., "Utility Theory-Insights into Risk
Systems Science and Cy- Taking", Harvard Business Review, noviembre-
bernetics (edicin especial sobre el anlisis diciembre de 1966.
de decisiones), vol. SSC-4, nm. 3, septiembre de Von Neumann, J. y O. Morgenstem, Theory of Ga-
1968. Kahneman, D. y A. Tversky, "Prospect ntes and Econoinic Behavior, Princeton, Prince-
Theory: An ton University Press, 1944.
Analysis of Decisin under Risk", Econometri- Zeleny, M., Mltiple Criterio Decisin Making,
ca, pgs. 263-291, marzo de 1979. Nueva York, McGraw-Hill, 1982.
6-1. El empresario W tiene un ndice de utilidad de 6-4. Usted tiene una cita para el baile de anlisis
5 para una prdida de 1000 dlares y de 12 cuantitativo; la admisin cuesta 10 dlares,
para un beneficio de 3000 dlares. El em- que usted no tiene. El da del baile, su instruc-
presario afirma que es indiferente entre 10 tor de psicologa le ofrece ocho dlares cier-
dlares seguros y la siguiente lotera: probabi- tos o un 50% de probabilidad de no obtener
lidad de 0.4 de perder 1000 dlares y 0.6 de nada o ganar 12 dlares. Que elegira, supo-
ganar 3000 dlares. Cul es su ndice de uti- niendo que no tiene otra fuente de financia-
lidad para diez dlares? miento o de crdito? Por qu? Si la utilidad
6-2. El empresario X tiene un ndice de utilidad de de ocho dlares es 20 y la utilidad de cero d-
0.50 para -2 dlares y afirma que es indife- lares es 0, qu implica acerca de la utilidad
rente entre 500 dlares seguros y una lotera de 12 dlares?
con 0.8 de probabilidad de -2 dlares y 0.2 de 6-5. Suponga que Smith tiene una funcin de utili-
ganar 20 000 dlares. Cul es su ndice de dad U(x) =x2li, donde x est en dlares (0 < x <
utilidad para 20 000 dlares? El empresario 1000). A Smith le presentan las siguientes
6-3. W tiene un ndice de utilidad de 5 para una opciones:
prdida de mil dlares y un ndice de utilidad A: Ocho dlares seguros B: Una lotera con la
de 6 para una prdida de 500 dlares. Cul misma probabilidad de
es la pendiente de su funcin de utilidad entre obtener 64 dlares o no obtener nada.
los dos puntos? Qu lotera pronosticara usted que escoger
Smith?
Captulo 6 La utilidad como base para la toma de decisiones 191
Producto A
Beneficio: $5000
Duracin 7
Producto B
es lo mejor). La compaa opina que la utili- funcin de utilidad para la duracin es U2(d)
dad total es la suma de la utilidad de los bene- = d113, donde d = escala de duracin.
ficios y de la duracin. Para los beneficios, la
funcin de utilidad es /i(p) = p2'3, donde p a. Es dominada alguna de las alternativas?
equivale a miles de dlares de beneficio. La b. Evale las dos alternativas. Cul prefiere?
Problemas
Equivalente
cierto Al preguntarle acerca de las preferencias
_________ Apuesta ___________ determinado de aversin al riesgo, se obtuvo la siguiente
funcin de utilidad
1. Probabilidad de Vi para -$100 000 y
de 1/2 para $200 000 $ 10 000 Dlares Utilidad
2. Probabilidad de Vi para $10 000 y
de Vi para $200 000 100 000 -$10 000 0.000
3. Probabilidad de Vi para $10 000 y
-4000 0.300
de Vi para -$100 000 -55 000 0 0.490
1 000 0.537
a. Elabore un grfico con los puntos de utili 3000 0.620
dad que se relacionan con las apuestas an
teriores y dibuje una curva de utilidad
suave uniendo los puntos. El tesorero debe aumentar el deduci-
b. A partir de la curva, encuentre el equiva ble? Por qu?
lente cierto de la siguiente apuesta:
6-17. Remtase al problema 4-22 y al rbol de deci-
sin de la figura 4-13. Suponga que QPC de-
termina los siguientes puntos de su funcin
Probabilidad de utilidad:
-$80 000 0.2
0 0.4 Millones
80 000 0.2 de dlares Utilidad
160 000 0.2 -4.00 0.0
-3.50 0.2
6-16. El tesorero de una corporacin considera una -2.00 0.4
decisin para aumentar la cantidad deducible 0.75 0.6
del seguro contra incendio de la compaa, de 5.00 0.8
2000 dlares por ocurrencia a 5000 dlares 10.00 1.0
(lo que significa que la pliza no reembolsar
los primeros 5000 dlares de las prdidas del
incendio). Este aumento en el deducible redu- Elabore un grfico con estos puntos y dibuje
cira la prima anual del seguro, de 2500 dla- una curva suave que pase por ellos. Luego
res a 1400. Con base en los datos histricos, use la curva para determinar la decisin que
el tesorero estima la probabilidad de incendio debe tomar QPC en el rbol de decisin de la
como indica la siguiente tabla. Si ocurre un figura 4-13.
incendio es seguro que la prdida sea mayor 6-18. Remtase al problema 6-17. Suponga que
de 5000 dlares, por el tipo de producto que QPC tiene otro proyecto que supone una pro-
se fabrica. babilidad de 0.50 de ganar 10 millones de d-
194 Parte II Anlisis de decisiones
lares y una probabilidad de 0.5 de perder cua- Las alternativas no son mutuamente exclu-
tro millones de dlares. Use la curva de utili- yentes.
dad que pasa por los puntos proporcionados a. Hay alternativas dominadas? Cules son
en el problema 6-17. y por qu estn dominadas?
Varios inversores ofrecen asociarse con b. Elabore un grfico de las alternativas res
QPC para el proyecto. Especficamente, el in- tantes y muestre la frontera eficiente.
versor A ofrece compartir con QPC la mitad c. Suponga ahora que la gerencia decide que
de los beneficios o las prdidas. El inversor B el criterio 1 es dos veces ms importante
ofrece aceptar el 40% de las prdidas a cam- que el criterio 2, de manera que una uni
bio del 30% de los beneficios. El inversor C dad del criterio 1 es igual a dos unidades
ofrece pagar a QPC dos millones de dlares a del criterio 2. Dibuje un conjunto de cur
cambio de la mitad de los beneficios, pero no vas de indiferencia en su diagrama e indi
compartira las prdidas. Cul de estas ofer- que la solucin ptima.
tas debe aceptar QPC, si es que debe aceptar d. Ahora suponga que la gerencia decide que
alguna? las alternativas son mutuamente excluyen-
6-19. Considere la figura 6-6 de este captulo. Su- tes (slo puede seleccionarse una). Cul
ponga ahora que las alternativas son mutua- es la opcin ptima?
mente excluyentes; es decir, slo se puede 6-21. Una compaa de semiconductores tiene un
escoger una. producto nuevo, pero debe decidir cundo
a. Dibuje la frontera eficiente para esta situa introducirlo. La rentabilidad ser mayor si se
cin. introduce de inmediato, pero la calidad del
b. Use las curvas de indiferencia de la figura producto (la cual se mide en una escala de 1 a
6-8 y los resultados de la figura 6-6 y de 10, donde 10 es lo mejor) ser mayor si se
termine cul es la mejor opcin. pospone la introduccin. As mismo, cada
Hay cuatro alternativas de inversin, as como uno de los criterios tiene resultados en riesgo,
6-20.
dos criterios con los siguientes resultados como se muestra en el diagrama de la
(para ambos criterios, es mejor una cantidad siguiente pgina.
mayor): La utilidad que tiene la compaa para los
beneficios que se mencionan es lineal [/(M)
= M\\ sin embargo, lo que le preocupa a la
Alternativa Criterio 1 Criterio 2
compaa es el riesgo de que la calidad sea
baja y la funcin de utilidad para la calidad es
1 30 10
U(q) = 100<7w, donde q = ndice de calidad.
2 5 40 La utilidad total de la compaa es la suma de
3 10 20 las utilidades de los dos criterios.
4 20 25 a. Hay una alternativa dominada?
b. Evale ambas alternativas. Cul es
preferible?
Problemas ms difciles
6-22. Remtase al problema 4-19. Suponga que la b. Suponga que, antes de que la compaa co-
funcin de utilidad del dinero del problema mience a perforar, otra empresa le ofrece
de perforacin es la misma que se determin comprar el contrato. Cul es el precio m-
en el problema 6-15. nimo que debe aceptar la compaa?
a. La compaa, debe perforar o vender el c. Suponga que, antes de que comenzara la
contrato? perforacin, un grupo de inversores exter-
Captulo 6 La utilidad como base para la toma de decisiones 195
Introduccin inmediata
Beneficios: $200
Calidad 7
Beneficios: $150
Calidad 8
Introduccin diferida
Beneficios: $75
Calidad 8
nos present la siguiente propuesta: El grupo a. Con base en estos valores, dibuje una fun
pagara 20 000 dlares a la compaa a cin de utilidad para el concesionario.
cambio del 50% de los costos e ingresos b. Cuntos alimentos debe pedir el con
relacionados con la perforacin (es decir, los cesionario para ser consistente con este
ingresos para la compaa seran 20 000 conjunto de evaluaciones de la utilidad?
dlares ms la mitad de los valores que se 6-24. Remtase al problema 4-38. Suponga que
presentan en el problema 4-19). Deben Littie Electronics, despus de estudiarlo con
aceptar la propuesta? Remtase al problema cuidado, determina su funcin de utilidad pa-
6-23. 4-35. Suponga que el concesionario del ra los flujos de efectivo que se obtienen de la
problema presenta los siguientes equivalentes querella legal descrita en el problema. La fun-
ciertos para las apuestas que se indican en la cin de utilidad U(X) se puede describir con
tabla. la siguiente funcin:
Equivalente
cierto
Apuesta determinado
donde X es el flujo de efectivo (en millones
1. Probabilidad para -$20 000 y de dlares) que se obtiene de la accin legal.
de para $40 000 $-5 000 Desarrolle el rbol de decisin para el pro-
2. Probabilidad de para -$5000 y blema de decisin de Littie. Coloque los valo-
de para $40 000 13 000 res de utilidad en lugar de los flujos de
3. Probabilidad de para -$5000 y efectivo al final del rbol. Analice el rbol
con los valores de utilidad para determinar la
de para -$20 000 -16 000
decisin que debe tomar Littie.
7
CAPTULO
Distribucin de probabilidad
normal y valor de la
informacin
Distribuciones de probabilidad
Las distribuciones de probabilidad pueden ser discretas o continuas. Una funcin
discreta se denomina funcin de masa de probabilidad y una funcin continua
de probabilidades se denomina funcin de densidad de probabilidad. En una
funcin de masa de probabilidades (distribucin discreta), la variable aleatoria
puede tomar slo valores seleccionados (por ejemplo, 0.1,0.2 o 0.3, pero no 0.11,
0.21 o 0.31).
Como ejemplo se podra indicar la proporcin de familias que tienen X
miembros. Una familia puede tener 4 miembros, pero no 4.2 miembros; por lo
tanto, X debe ser entero. En ocasiones se clasifican los datos para que pueda
usarse una distribucin discreta de probabilidad en casos en los que se podra usar
una distribucin continua. Por ejemplo, es posible que la demanda de un producto
sea cualquier cantidad, pero se puede clasificar la demanda del da como dcimos
de tonelada (es decir, 0.1, 0.2, etctera).
La distribucin binomial, que se describi en el captulo 3, es otro ejemplo de
una distribucin discreta de probabilidad. La variable aleatoria, el nmero de xi-
tos, slo puede tomar el valor cero y los valores de los nmeros enteros positivos
de uno a n (el nmero de ensayos).
Una funcin de densidad de probabilidad continua representa una distribu-
cin en la cual el valor de la variable aleatoria puede ser cualquier nmero dentro
196
Captulo 7 Distribucin de probabilidad normal y valor de la informacin 197
El rea debajo de
toda la curva suma 1
Tabla 7-1
s P(S = s)
0 0.00
1 0.20
2 0.40
3 0.30
4 0.10
1.00
Tabla 7-2
S P<S = s) P(S < s)
0 0.00 0.00
1 0.20 0.20
2 0.40 0.60
3 0.30 0.90
4 0.10 1.00
Captulo 7 Distribucin de probabilidad normal y valor de la informacin 199
Figura 7-4
Figura 7-5
Captulo 7 Distribucin de probabilidad normal y valor de la informacin 201
Figura 7-6
Desviacin
Funcin de densidad estndar
de probabilidad normal
Media
Figura 7-7
Figura 7-8
Figura 7-9
Figura 7-10
Ahora se presenta un smbolo nuevo, GN, que se define como el rea debajo de
la cola derecha de una funcin de densidad de probabilidad normal. En la figura
7-10, el rea no sombreada es la cola derecha de una curva normal; es decir,GN{b).
204 Parte II Anlisis de decisiones
de manera que:
y
Captulo 7 Distribucin de probabilidad normal y valor de la informacin 205
Ejemplo 1 Lo primero que debe hacerse es estandarizar la variable aleatoria X para el valor
X - 10:
Figura 7-11
Suponga que una compaa tiene la oportunidad de comprar una mquina por
17 200 dlares. La mquina, si tiene xito, ahorrar horas de trabajo en un proceso
de produccin que actualmente requiere mucha mano de obra. La vida fsica de
la mquina es un ao. Suponga que el costo incremental de una hora de trabajo
para la compaa es ocho dlares; entonces, si la mquina ahorrara ms de
2150 horas de trabajo ($17 200/$8 = 2150), la compaa obtendr un beneficio
del uso de la mquina.
Supongamos que el ingeniero de produccin opina que en promedio se ahorra-
rn 2300 horas y que hay un 50% de probabilidad de que las horas reales que se
ahorren sean menos de 2100 o ms de 2500 horas en el ao.
Con esta descripcin de la opinin del ingeniero es posible suponer que una
distribucin normal especfica se ajustar a las expectativas previas. La media de
la distribucin es 2300 y, si es posible determinar la desviacin normal, se habr
descrito la distribucin normal de probabilidad a priori.
En la distribucin normal, ms o menos la mitad del rea (por lo tanto, la mitad
de la probabilidad) se encuentra a 0.67 unidades de desviacin estndar de la
media. La figura 7-12 aproxima el ajuste de una distribucin normal a las
estimaciones del ingeniero. El ingeniero ha estimado una media de 2300 horas y
ha considerado que el valor real estar entre 2100 y 2500 horas, con probabilidad
de 0.50. Entonces, la mitad del rea debe estar fuera de estos lmites, 0.25 del lado
izquierdo y 0.25 del lado derecho. La figura 7-12 muestra que si se desplaza en
la direccin positiva de 200 unidades, se mover 0.67 a. Esta relacin se puede
usar para determinar la desviacin estndar:
Figura 7-12
donde X es el nmero real de horas ahorradas. Como se trata de una funcin lineal,
el beneficio esperado se puede determinar reemplazando X por su valor esperado.3
Cuando la estimacin de la media de los ahorros est por encima del punto de
equilibrio, los beneficios esperados son positivos y la mquina debe comprarse
(suponga que estamos dispuestos a comprar la mquina sobre la base del equili-
brio; es decir, en este captulo se omitirn los aspectos relacionados con la utilidad
y el rendimiento de intereses requeridos para las inversiones aceptables). Aunque
la distribucin de probabilidad a priori del ingeniero es bastante estrecha (la
desviacin estndar, = 300, es relativamente pequea en comparacin con el
tamao de la media, por lo que el ingeniero est bastante seguro de la estimacin
de la media), quizs est dispuesto a obtener ms informacin antes de actuar. Por
lo tanto, es de inters el valor esperado de la informacin perfecta (VEIP).
Definamos primero la prdida de oportunidad condicional. La accin ptima,
con base en el valor esperado, es comprar la mquina. Suponga que se compra la
mquina y que los ahorros reales son menores de 2150 horas. En este caso, cunto
se pierde? Si Xb representa la cantidad de equilibrio de 2150 horas, la prdida
condicional aumentar ocho dlares por cada hora que falte para llegar al punto
de equilibrio. Si X es mayor que Xb, la prdida de oportunidad es cero si se compra
el equipo. Por lo tanto, la prdida de oportunidad condicional (suponiendo que se
compra el equipo) sera:
3
Vase Cap. 5.
Captulo 7 Distribucin de probabilidad normal y valor de la informacin 209
Figura 7-13
Figura 7-14
Figura 7-15
4
Vase R. Schlaifer, Probabiltry and Statistics for Business Decisions, Nueva York, McGraw-Hill, 1959,
pgs. 452-455.
212 Parte II Anlisis de decisiones
Figura 7-16
5
N(D) se define como sigue:
RESUMEN Cuando (a) la incertidumbre con respecto a una variable desconocida se puede
representar con una distribucin normal, (b) la decisin implica seleccionar una
de dos alternativas, y (c) los beneficios o las prdidas se pueden expresar como
una funcin lineal de la variable desconocida, entonces el valor esperado de
la informacin perfecta se puede determinar fcilmente con la ecuacin 7-4 y la
tabla del apndice.
Bibliografa
Schlaifer, R., Probability and Statistics for Busi- Vase tambin la bibliografa de los captulos 3,
ness Decisions, Nueva York, McGraw-Hill, 4 y 8.
1959.
Winkler, R. L., Introduction to Business Inference
and Decisin, Nueva York, Holt, Rinehart &
Winston, 1972.
7-1. Suponga una distribucin normal con media 7-3. En los casos siguientes se considera una dis-
de 12 y desviacin estndar de 4. Calcule lo tribucin normal como buena distribucin de
siguiente: probabilidad a priori. Determine para cada
a. P(X > 15). uno el valor esperado de la informacin per-
b. P(X < 10). fecta (VEIP).
c. P(IO<X< 15). a. La media es 100 unidades; la desviacin
d. P(X > 17). estndar es 20 unidades; C, la constante
e. P(15<X< 17). de prdidas, es 2000 dlares por unidad;
7-2. Si existe una variable X normalmente distri- el punto de equilibrio es 80 unidades.
buida con media 15 y desviacin estndar 3, b. La media es 100 unidades; la desviacin
determine el valor de en cada uno de los ca- estndar es 30 unidades; C, la constante
sos siguientes: de prdidas, es 20 000 dlares por unidad;
a. P{x < X) = 0.8413 el punto de equilibrio es 80 unidades.
b. P(X > x) - 0.2946. 7-4. Se sabe que las ventas diarias de un producto
c. P(X > x) - 0.02275. tienen una distribucin normal de 20 unida-
214 Parte II Anlisis de decisiones
des por da con desviacin estndar de seis ducto se vender a cuatro dlares por unidad
unidades diarias. y los costos variables son 1.50 dlares. Se es-
a. Cul es la probabilidad de vender menos pera la venta de mil unidades, pero la deman-
de 16 unidades en un da cualquiera? da tiene una distribucin normal de
b. Cul es la probabilidad de vender entre probabilidad con igual a 150.
15 y 25 unidades en un da? a. Cuntas unidades hay que vender para lo
c. Cuntas unidades tendran que estar dis grar el equilibrio?
ponibles al comenzar el da para que la b. Cul es el beneficio esperado si se pone
probabilidad de que se agoten sea menor a la venta el producto?
del 10%? c. Cul es el valor esperado de la informa
7-5. La compaa ABC considera la venta de un cin perfecta si se pone a la venta el pro
producto nuevo. Los costos fijos relaciona- ducto?
dos con el proyecto son 1750 dlares. El pro-
Problemas
7-9. Se sabe que la demanda de un producto se ventas sea menos de cinco unidades o ms de
distribuye normalmente con media de 240 siete.
unidades por semana y desviacin estndar de a. Ajuste una distribucin normal a la situa
40 unidades. Cuntas unidades debe al- cin anterior.
macenar un minorista para asegurar que la po- b. Calcule el beneficio esperado de la mejor
sibilidad de agotar las existencias en una accin. Debe realizarse la inversin?
semana sea del 5% o menos? Las c. Calcule el VEIP.
7-10. calificaciones de un examen semestral se 7-13. Suponga, en la situacin del problema 7-12,
distribuyeron normalmente con media de 72 y que el gerente de ventas cree que la media de
desviacin estndar de 10. El estudiante las ventas por tienda ser seis unidades pero
Wright obtuvo una calificacin que estaba que hay un 50% de probabilidad de que la
dentro del 10% ms alto. media real sea menos de cuatro unidades o
a. Cul es la calificacin mnima que pudo ms de ocho. Calcule el VEIP y explique por
recibir Wright? qu es mayor que el del problema 7-12. En
b. El examen final tambin tuvo distribucin 7-14. cada una de las situaciones siguientes se
normal, pero la media fue de 150 y la des considera que una distribucin normal es una
viacin estndar de 15. Cul es la califi buena distribucin de las probabilidad a prio-
cacin mnima que debi obtener Wright ri. Sin embargo, en cada caso se suponen di-
para mantener su mismo nivel (es decir, ferentes caractersticas de la distribucin.
para estar en el 10% superior)? a. Calcule el VEIP.
7-11. Un inversor quiere invertir en uno de dos pro- b. Explique la diferencia entre el VEIP de ca
yectos. En ambos proyectos el rendimiento es da situacin y el de la situacin (1).
incierto y la distribucin de probabilidad de (1) Media: 10 unidades.
los rendimientos se puede expresar como una Valor de equilibrio: 7 unidades.
distribucin normal para cada caso. El pro- Desviacin estndar: 2 unidades. C, la
yecto A tiene un rendimiento medio de 240 constante de prdidas: $5000 por
000 dlares con desviacin estndar de 20 unidad.
000 dlares; el proyecto B tiene rendimiento (2) Media: 10 unidades.
medio de 250 000 dlares con desviacin Valor de equilibrio: 7 unidades.
estndar de 40 000. Desviacin estndar: 5 unidades. C, la
a. Considere un rendimiento de 280 000 d constante de prdidas: $5000 por
lares. Qu proyecto tiene mayor posibili unidad.
dad de generar esta cantidad o ms? (3) Media: 10 unidades.
b. Considere un rendimiento de 220 000 d Valor de equilibrio: 9 unidades.
lares. Qu proyecto tiene mayor posibili Desviacin estndar: 2 unidades. C, la
dad de generar esta cantidad o ms? constante de prdidas: $5000 por
7-12.
Un fabricante quiere efectuar una modifica- unidad.
cin en un producto, para lo cual requiere una (4) Media: 10 unidades.
inversin de 100 000 dlares. El producto Valor de equilibrio: 7 unidades.
genera beneficios incremntales de cinco Desviacin estndar: 2 unidades.
dlares por unidad sobre la base del valor ac- C, la constante de prdidas: $10 000
tual. El aumento en ventas que se obtendr de por unidad.
la modificacin del producto proviene de la Un fabricante considera una inversin de ca-
atraccin del producto para 5000 nuevas 7-15.
pital necesaria para ingresar en un nuevo seg-
tiendas minoristas; si no se lleva a cabo la mento del mercado. La inversin que requiere
modificacin, estas tiendas no manejarn el es de 100 000 dlares y el fabricante cree que
producto. El gerente de ventas cree que la el valor actual de la media del flujo de
media de las ventas en cada tienda nueva ser efectivo es 150 000 dlares. Sin embargo,
de unas seis unidades y que hay un 50% de tambin opina que hay un 50% de probabi-
probabilidad de que la media de las lidad de que el valor actual real sea menos de
216 Parte II Anlisis de decisiones
Problemas ms difciles
7-19. Una empresa de ventas por correo pretende logos en blanco y negro son de seis dlares.
incluir anuncios a color en su catlogo, el La gerencia opina que con el catlogo a color
cual se enva a 100 000 clientes. Las compras es muy probable que las ventas aumenten a
actuales por cada cliente que recibe los cat- siete dlares por cliente. Sin embargo, hay
Captulo 7 Distribucin de probabilidad normal y valor de la informacin 217
7-25. Un empresario ha decidido fabricar un pro- 7-26. El agente de compras de una cadena de pana-
ducto nuevo, para lo cual puede alquilar una deras quiere determinar cul es la mejor ma-
de dos mquinas disponibles. La mquina A nera de comprar los sacos de trigo que la
tiene un costo de alquiler de 100 000 dlares compaa necesitar en septiembre. Una alter-
y un costo unitario de produccin de dos d- nativa es pagar el trigo en el mercado actual
lares; la mquina B se alquila por 200 000 d- al precio de 3.28 dlares por saco, para que lo
lares pero el costo unitario de produccin es entreguen en septiembre. Este precio con-
de slo un dlar. El empresario cree que la cuerda con las expectativas del agente de
demanda anual del producto ser "aproxima- compras en lo que se refiere al precio del trigo
damente 150 000 unidades" y que hay alrede- que se compre en el mercado libre en el mes
dor de 2/3 de probabilidad de que la demanda de septiembre (la otra alternativa). La ex-
est entre 100 000 y 200 000 unidades. periencia indica que el precio del mercado li-
a. Calcule el valor de equilibrio para la de bre puede variar considerablemente en
manda (es decir, el valor de la demanda septiembre y que la probabilidad de que el
necesario para que al empresario le sean precio en dicho mes est 25 centavos por en-
indistintas las dos mquinas). cima o por debajo del precio de 3.28 dlares
b. Cul mquina debe alquilar el empresa (por saco) es de 2/3.
rio? Por qu? Cul es el ahorro en los a. Si el agente tiene aversin al riesgo, qu
costos esperados de la opcin correcta, alternativa escogera: Comprarlo ahora en
comparado con la opcin incorrecta? el mercado para entrega a futuro o com
c. Cul es el VCIP? prarlo en el mercado libre en septiembre?
d. Cul es el VEIP? b. Cul es el VEIP?
CAPTULO
8
Modificacin de
probabilidades normales
por muestreo
Distribuciones de probabilidad
En el anlisis se usarn cinco distribuciones de probabilidad:
1
En este libro slo se har nfasis en el error de muestreo. Si desea conocer un anlisis ms detallado del
procedimiento para tratar algunas de las formas de sesgo, vea R. Schlaifer, Probability and Statisticsfor Business
Decisions, Nueva York, McGraw-Hill, 1959, Cap. 31.
Captulo 8 Modificacin de probabilidades normales por muestreo 221
2
Un estadstico de una muestra es insesgado si el valor esperado del estadstico es igual al parmetro correspon
diente de la poblacin. En particular, La media de la muestra es insesgada, ya que, en
promedio, ser igual a la media de la poblacin.
3
En este libro se llamar como se defini antes, a la varianza de la muestra, aunque otros autores pueden
usar el trmino para referirse a la frmula anterior sustituyendo n - 1 por n. Al usar n, la varianza de la muestra
no es una estimacin insesgada de la varianza de la poblacin
222 Parte II Anlisis de decisiones
4
Esto es resultado del teorema central del lmite. Vase cualquier libro sobre teora estadstica, como los que se
presentan en la bibliografa, al final del captulo.
5
La determinacin del tamao de muestra necesario para asegurar la normalidad de la distribucin de muestreo
de no es sencilla. Si la poblacin es simtrica, son adecuadas las muestras muy pequeas. Si las distribuciones
presentan mucha inclinacin, entonces se requieren muestras muy grandes. Para fines prcticos se consideran
adecuadas las muestras de 30 a 50 elementos. Vase Schlaifer, Probability and Statistics, Cap. 17, para conocer
ms al respecto.
Captulo 8 Modificacin de probabilidades normales por muestreo 223
Las ecuaciones 8-8 y 8-10 (en la pgina 225), para las distribuciones normal a
priori y de la muestra, son equivalentes al procedimiento de modificacin de
probabilidad del captulo 3: determinan la media y la desviacin estndar de la
distribucin normal a posteriori.
Ejemplo Nuestra empresa, que quiere introducir un producto nuevo, posee una distribucin
a priori normal de las ventas medias del producto por tienda con media
unidades y desviacin estndar de = 30 unidades. Hay 5000 tiendas y se
selecciona al azar una muestra de 100 tiendas. El producto se entrega a las 100
tiendas y se mantiene un registro de las ventas. Las ventas promedio por tienda,
en las 100 tiendas, son de 420 unidades; es decir, (la media de la muestra) =
420. La desviacin estndar de la muestra es 200 unidades; o sea,
Si se usa como estimacin de la desviacin estndar de la
poblacin, se puede estimar con la ecuacin 8-4:
224 Parte II Anlisis de decisiones
Beneficio
RESUMEN
La distribucin normal a posteriori se puede usar como cualquier otra distribucin
normal para tomar decisiones y para determinar el valor esperado de la informa-
cin perfecta.
Decisin de muestrear
Veamos ahora si es apropiado el muestreo y cul debe ser el tamao de la muestra.
El anlisis de esta seccin difiere del de la seccin anterior, por ser anterior a la
muestra, no posterior.
Situacin inicial
Distribucin
Funcin de a priori
densidad
normal
C = pendiente
donde:
VEIP =
Entonces, estaramos dispuestos a pagar hasta 7076 dlares por la informacin
perfecta acerca del verdadero nivel de las ventas promedio por tienda para el
nuevo producto.
de manera que:
El valor econmico de una muestra resulta del hecho de que reduce la prdida
esperada a posteriori. En otras palabras, la muestra, al proporcionar informacin
adicional, reduce la probabilidad de tomar una decisin errnea. El valor esperado
de la informacin de la muestra (VEIM) se calcula en forma anloga al VEIP, con
como desviacin estndar. Entonces:
VEIM
donde:
Decisin de muestrear
= 24.9 (aproximadamente)
De la ecuacin 8-14
VEIM
Captulo 8 Modificacin de probabilidades normales por muestreo 231
Segundo Suponga ahora que el nmero de unidades equilibrio es 402 (antes era 416; ahora
ejemplo es ms fcil tomar la decisin incorrecta). El valor esperado de la informacin
perfecta, con la ecuacin 8-11, es ahora:
De la
tamao
Si el costo del muestreo de 100 unidades es menor que 11211 dlares, entonces
es deseable.
El valor esperado de la informacin de muestreo ha aumentado conside-
rablemente en este segundo ejemplo al reducir la diferencia entre el nmero
esperado de unidades y el nmero de unidades de equilibrio. El valor esperado de
la informacin de la muestra tambin habra aumentado si a0 hubiera sido mayor
(o sea, mayor incertidumbre acerca de la JJ verdadera), con lo que aumentara la
posibilidad de tomar la decisin equivocada.
El VEIM es ahora mucho mayor que en los dos ejemplos anteriores. El valor
de 150 para implica eran cantidad de incertidumbre acerca de la estimacin a
pnon La muestra reduce notablemente esta incertidumbre y, por lo tanto,
tiene gran valor.
Si fuera menor que 200 unidades, la muestra proporcionara mas informa-
cin, ya que los elementos escogidos perteneceran a una poblacin menos
dispersa; aumentara. Con esto, habra una tendencia a aumentar el VEIM.
Adems, el valor de D* disminuira y el trmino N(D*) aumentara, con lo que
tambin aumenta el valor esperado de la informacin de la muestra.
En muchas situaciones no se conocer el valor de Se puede obtener una
estimacin del valor tomando una pequea muestra preliminar y usando la
relacin:
Un ejemplo integral
Suponga que un fabricante de juguetes considera la produccin de un juguete
nuevo. La inversin necesaria para llevar a cabo la produccin del juguete es de
500 000 dlares en el primer ao. Los beneficios incremntales (precio de venta
menos costo variable) son de un dlar por juguete. Para que la empresa no tenga
prdidas, debe vender por lo menos 500 000 unidades en un ao.
El producto se vender a 50 000 tiendas minoristas a las cuales la compaa
vende actualmente sus productos. El punto de equilibrio de las ventas, es 10
unidades por tienda (500 000 -s- 50 000). Despus de pensarlo con cuidado, el
fabricante supone que las ventas medias por tienda sern de 12 unidades (es decir,
= 12) y asigna una probabilidad del 50% de que las ventas medias por tienda
6
En algunas circunstancias se puede reducir la determinacin del tamao ptimo de la muestra a una frmula
matemtica. Vase, por ejemplo, R. Schlaifer, Probability and Statistics for Business Decisions, Nueva York,
McGraw-Hill, 1959, Cap. 34. En este captulo se determinar por tanteo un valor ptimo aproximado.
234 Parte II Anlisis de decisiones
Figura 8-5 Distribucin subjetiva a priori de las ventas medias por tienda
sean menor que 8 o mayor que 16. Si se acepta una distribucin normal como
indicacin de las probabilidades subjetivas a priori, la distribucin se podra
ajustar como se muestra en la figura 8-5.
La media de la distribucin, es igual a 12 unidades y la desviacin
estndar, 0, es de seis unidades. Es una distribucin que muestra la
probabilidad de distintos valores de las ventas medias por tienda.
Con base en los datos anteriores, la mejor accin es introducir el juguete. Esto
se debe a que las ventas por tienda necesarias para lograr el equilibrio,
son menores que la estimacin de la media, 12. El costo de la incertidumbre, o
VEIP, es de 76 650 dlares:
C = 1 juguete x 50 000 tiendas $1 por juguete
= $50 000
VEIP
Hay que determinar si vale la pena efectuar el muestreo y, de ser as, cul deber
ser el tamao de la muestra.
Consideremos primero si la accin cambiar despus de obtener la informacin
de la muestra. Si se toma una muestra y se observa la media, se modificar
entonces la media de la distribucin subjetiva a priori. Si la media modificada es
mayor que 10 (la media de equilibrio), se mantendr la decisin de vender el
Captulo 8 Modificacin de probabilidades normales por muestreo 235
Figura 8-6
Pendiente
$50 000
Ventas medias
Figura 8-7
la media
y;
VEIM GNE
Varianza
de las medias
Tamao de de la muestra (VEIM
la muestra Costo de costo de
la muestra la muestra)
RESUMEN El tamao ptimo de una muestra es el que produce la mayor ganancia neta
esperada (GNE), es decir, la mayor diferencia entre el VEIM y el costo de la
muestra.
238 Parte II Anlisis de decisiones
Conclusin
Este captulo y el anterior han contemplado la toma de decisiones con probabi-
lidades normales y funciones de prdida lineales. Estas hiptesis de normalidad
y linealidad implican que se ha considerado un caso especial, pero en realidad son
muchas las aplicaciones. Se han desarrollado otros mtodos para distribuciones
y funciones de prdida diferentes; sin embargo, estos mtodos quedan fuera del
alcance de este libro. El caso de la distribucin normal y la funcin de prdida
lineal ilustran correctamente los conceptos que forman parte de la toma de
decisiones en condiciones de incertidumbre.
Bibliografa
Jones, J. M., Introduction to Decisin Theory, Ho- Schlaifer, R., Probability and Statistics for Business
mewood, 111., Richard D. Irwin, 1977. Decisions, Nueva York, McGraw-Hill, 1959.
Pratt, J. W., H. Raiffa y R. Schlaifer, Introduction to Spurr, W. A. y C. P. Bonini, Statistical Analysis for
Statistical Decisin Theory, Nueva York, Business Decisions, Homewood, 111., Richard D.
McGraw-Hill, 1965. Irwin, 1973.
Raiffa, H. y R. Schlaifer, Applied Statistical Deci- Winkler, R. L., Introduction to Bayesian Inference
sin Theory, Boston, Divisin of Research, Har- and Decisin, Nueva York, Holt, Rinehart &
vard Business School, 1961. Winston, 1972.
8-1. Sea una distribucin normal a priori con vs de 5000 mayoristas independientes. La
y 0 = 2. Se toma una muestra de gerencia expres una opinin anterior acerca
tamao n = 36, Calcu- de las ventas promedio por mayorista en fun-
le la media y la desviacin estndar de la cin de una distribucin normal con media
distribucin a posterior!. Un auditor cree que cajas por mes y desviacin estndar
8-2. el saldo pendiente promedio de las tarjetas de cajas por mes.
crdito es superior a 10 dlares. Para ser ms Se llev a cabo un lanzamiento experimen-
especfico, cree que se puede representar el tal del nuevo producto y despus se solicit a
saldo promedio con una distribucin normal 36 de los 5000 mayoristas que probaran el
con media de 12 y desviacin estndar de 2. producto. Se omitieron las ventas del mes en
Se selecciona al azar una muestra de 25 el cual se introdujo el producto, pero se regis-
cuentas y el saldo promedio de estas cuentas traron con cuidado las del segundo mes. La
es de nueve dlares. La desviacin estndar de opinin era que las ventas repetidas (es decir,
los saldos de la muestra es de cinco dlares. las ventas del segundo mes) seran un buen
Cul debe ser la distribucin a posteriori del indicador de las ventas futuras.
auditor? Qu probabilidad debe asignar a la El promedio de ventas por mayorista en la
posibilidad de que el saldo promedio sea muestra de 36 fue 3.6 cajas en el segundo mes,
menor de 10 dlares? Una empresa se haba con desviacin estndar de 2.4 cajas por mes.
8-3. propuesto introducir un producto al mercado, a. Qu distribucin a posteriori, despus de
y distribuirlo a tra- la muestra, debe asignar la gerencia
Captulo 8 Modificacin de probabilidades normales por muestreo 239
al promedio de ventas por mes de cada ma- 8-5. Remtase al problema 8-3. Suponga que la
yorista? empresa an no toma la muestra. Sin embargo,
b. Suponga que para introducir el producto a con base en su juicio y en su experiencia, la
todo el mercado se requieren 200 000 d- desviacin estndar de las ventas mensuales
lares para comprar equipo y para la publi- por mayorista se estima en 2.5 cajas por mes.
cidad. Debido a ciertos aspectos a. Calcule el VEIM de una muestra de 36
financieros, la gerencia no quiere llevar a mayoristas.
cabo la introduccin del producto si los be- b. Suponga que cuesta 2500 dlares fabricar,
neficios no recuperan el costo de 200 000 con procesos especiales, el producto que
dlares en el primer ao. La empresa ob- se usar en la prueba de muestreo y otros
tendr un dlar de beneficio por cada caja mil dlares en costos fijos. El costo varia
que venda. Qu decisin se debe tomar ble es de 100 dlares por mayorista de la
despus de la muestra? Cul es el VEIP a muestra. Deben realizar el muestreo?
posteriori? Cul es la GNE?
8-4. Suponga una distribucin normal con 0 = 20 c. Cul es la GNE de una muestra de 50 ma
y 0 - 10 y que ap = 20. El costo de una yoristas?
muestra de tamao es 10 + 2n, - 15 y C - d. Cul es la GNE de una muestra de 75 ma
100 dlares. yoristas?
a. Calcule el VEIP antes de la muestra. e. Con base en (t), (c) y (d), cul es el tama
b. Calcule el VEIM para - 10, - 25 y o ptimo aproximado de la muestra?
-50.
c. Cul es el tamao ptimo de muestra de
las tres opciones anteriores y cul es la
GNE?
Problemas
8-6. Sea una distribucin normal a priori con "porcentaje de beneficios promedio" con una
Se toma una muestra de media del 15% y desviacin estndar del 2%.
tamao Cal- Se seleccion al azar una muestra de 50 tra-
cule la media y la desviacin estndar de la bajos; en la muestra, el beneficio promedio
distribucin a posteriori. Cul de las muestras era del 10% y la desviacin estndar era del
8-7. siguientes contiene ms informacin: 5%. Calcule la distribucin normal apropiada
a. Una muestra de tamao 100 de una pobla a posteriori de la muestra. Remtase al
cin con desviacin estndar de 50. 8-9. problema 7-16. Suponga ahora que el gerente
b. Una muestra de tamao 64 de una pobla pudiera efectuar una muestra de 10
cin con desviacin estndar de 40. Expli instalaciones donde se usa la mquina de
que su respuesta. escribir inteligente. El costo del muestreo es
El controlalor del taller ABC se quejaba de de 10 dlares por observacin (100 dlares
8-8. que los vendedores de la compaa hacan pe- para la muestra de 10). Suponga que
didos que no eran rentables. La gerencia supe- - 400 horas.
rior crea que un margen de beneficio a. Cul es el VEIM?
razonable era el 15% del monto total de la b. Cul es la GNE?
factura. La queja del controlalor confundi a c. Qu debe hacer el gerente?
la gerencia, ya que stos crean que estaban 8-10. Remtase al problema 7-19. Suponga que an
cerca de su objetivo de 15%. Especficamente, tes de decidir qu catlogo se usar, se impri
tenan una distribucin normal para el men 100 catlogos en color y se envan a una
muestra de 100 clientes. El promedio de las
240 Parte II Anlisis de decisiones
ventas a estos clientes fue de 7.40 dlares, tro de tabla. Deber comprar CPN el terreno
con desviacin estndar de cinco dlares. Con del proveedor a 1030 dlares la hectrea? La
base en esta informacin y las probabilidad a 8-14. compaa de manufactura ACM se propone
priori del problema 7-19, qu decisin debe implantar un procedimiento de control de
tomarse? Cul es el VEIP a posteriori? inventarios ms elaborado para sus 10 000
Remtase a los problemas 7-19 y 8-10. Supon- artculos diferentes. La gerencia estima que el
8-11. ga que no se ha llevado a cabo la muestra que porcentaje promedio de ahorro en costo con
se mencion en el problema 8-10 y que la em- los nuevos mtodos ser del 20%. Tambin
presa de ventas por correo puede imprimir cree que una distribucin a priori normal con
unos cuantos catlogos a color y enviarlos a media del 20% y desviacin estndar del 8%
una muestra de clientes. Entonces, las com- describe de manera adecuada su opinin
pras de estos clientes se podran medir y sera acerca de los ahorros en costo que se
posible obtener informacin acerca del efecto obtendrn realmente.
del catlogo a color. Por la experiencia de la Los analistas de la compaa han estudiado
empresa, se sabe que la desviacin estndar los ahorros en costo de una muestra aleatoria
aproximada de las compras de los clientes es de 100 artculos del inventario. El promedio
de cinco dlares. Suponga que el costo del de ahorro en costo en la muestra fue del 15%,
muestreo es de 500 dlares ms cinco dlares con desviacin estndar de 12%.
por cada elemento de la muestra. Cul es el a. Qu distribucin a posteriori debe asig
tamao ptimo de la muestra? Para que el nar la gerencia al porcentaje promedio de
problema sea ms sencillo, considere ahorro en costo despus de la muestra?
nicamente los siguientes valores de : - 0 b. Suponga que el nuevo procedimiento cos
(no hay muestra), = 64, = 100 y - 225. tar aproximadamente un 5% de los cos
Remtase a los problemas 7-19, 8-10 y 8-11. tos anuales relacionados con el inventario.
Considere slo una muestra de tamao = Deber implantarse el nuevo procedi
100. La diferencia entre el VEIP a priori de la miento?
8-12.
muestra (problema 7-19) y el VEIP a c. Cul es el VEIP de la distribucin a priori?
posteriori a la muestra (problema 8-10) es d. Cul es el VEIP de la distribucin a pos
igual al valor esperado de la informacin de la teriori?
muestra (VEIM del problema 8-11)? De- Remtase al problema 8-14. Suponga ahora
beran ser iguales? Explique su respuesta. La 8-15.
que el costo para obtener el equilibrio es el
Compaa Papelera Nacional (CPN) compra 14%, en lugar del 5%.
madera a productores independientes. Sus a. Debe implantarse ahora el nuevo procedi
compradores tienen una distribucin a priori miento? Por qu?
8-13. de la produccin por hectrea de pino con b. Cul es el VEIP de la distribucin a prio
media = 100 000 metros de tabla y desviacin ri?
estndar = 10 000 metros de tabla. Uno de los c. Cul es el VEIP de la distribucin a pos
proveedores ha argumentado que su madera teriori?
es mejor que el promedio; un estudio Considere el problema 7-18. Suponga que el
independiente de 25 hectreas de su pro- 8-16. contratista puede hacer una estimacin deta-
piedad seleccionadas al azar indica un llada de los costos antes de presentar la oferta.
promedio de produccin de 110 000 metros El costo de la estimacin detallada es de 18
de tabla con desviacin estndar de 5000 me- 000 dlares. Con base en la experiencia en
tros. El proveedor potencial vendera todo su estas estimaciones detalladas, hay una pro-
terreno a CPN por 1080 dlares la hectrea. babilidad de % de que una estimacin est
El precio normal que paga CPN es de 1000 dentro del 3% del costo real.
dlares por hectrea, con lo que compra la Debe realizar la estimacin detallada?
madera a un promedio de un centavo por me- Cul es la GNE?
Recomendacin: Considere (0.03)(7.80) -
0.234 como y luego calcule el VEIM.
Captulo 8 Modificacin de probabilidades normales por muestreo 241
Problemas ms difciles
8-17. Una compaa que fabrica herramientas espe- personas cuyos nombres aparecan en el di-
ciales pretende introducir un producto nuevo. rectorio de la revista. El directorio no slo in-
La gerencia cree que cada uno de los mil cen- clua a los suscriptores, sino tambin a
tros de distribucin de la compaa podra personas consideradas como posibles suscrip-
vender un promedio de 150 unidades; as tores. La gerencia crea que se podan vender
mismo, hay una probabilidad de Vi de que las gran cantidad de ejemplares, por la reputa-
ventas promedio estn entre 100 y 200 cin de la revista y las excelentes crticas que
unidades. haban recibido las secciones fotogrficas
La herramienta nueva se vendera a cinco cuando se publicaron por primera vez en la
dlares cada una. La mquina A tiene un costo revista. Es ms, muchas personas haban en-
de alquiler de 100 000 dlares y un costo viado cartas para proponer que se presentara
unitario de produccin de dos dlares; la m- una edicin de este tipo.
quina se alquila por 200 000 dlares y su Ya se haba invertido dinero en la edicin
costo unitario de produccin es de un dlar. cuando se prepararon las fotografas y el tex-
En un intento por estimar la demanda con to para la revista. Sin embargo, se estimaba
mayor precisin, el fabricante envi prototi- que e gastaran otros 10 000 dlares. Ade-
pos de la herramienta a 50 centros de distribu- ms, se consideraba que el costo del diseo y
cin. El promedio de las ventas en cada la impresin del material publicitario y del
centro fue de slo 90 unidades, con desvia- envo por correo sera de 250 000 dlares. El
cin estndar de 60. directorio de la revista inclua cerca de dos
a. Antes de recopilar la informacin de la millones de nombres (algunos de los cuales,
muestra, cul era la mejor decisin que por supuesto, estaban duplicados). Se propu-
poda tomar el fabricante? Cul era el so hacer dos envos, con un costo por nombre
VEIP? de cinco centavos por concepto de correo.
b. Cul es la distribucin a posteriori, des Tambin se invertiran unos 50 000 dlares
pus de la muestra, de la demanda prome para el desarrollo del material publicitario.
dio por centro de distribucin? Cul es El costo variable de manufactura del libro
la mejor accin? Cul es el VEIP sera de dos dlares por ejemplar. El precio
posterior? de venta se fijara en tres dlares.
c. Cul era el VEIM antes de llevar a cabo La gerencia aun no decida acerca del pro-
la muestra? yecto editorial, por los altos costos iniciales.
Suponga que el costo total de tomar una Las mejores estimaciones giraban alrededor
8-18.
muestra de cualquier tamao es una cantidad de 250 000 ejemplares vendidos. La gerencia
fija, K. Cul sera el tamao ptimo de la opinaba que haba Vi de probabilidad de que
muestra? las ventas estuvieran entre 200 000 y 300 000
El VEIP del ejemplo de las pginas 229-230 ejemplares.
8-19.
es de 7076 dlares (antes del muestreo); el La gerencia se opona a abandonar el pro-
VEIM es de 4918 dlares; pero, como se cal- yecto, ya que la edicin podra tener un alto
cul en la pgina 227, el VEIP a posteriori pa- valor en cuanto a prestigio. Por ello, se consi-
ra una muestra de tamao - 100 es 7000 der la posibilidad de realizar un estudio de
dlares. Resuelva la paradoja aparente de este mercado antes de tomar la decisin final. Se-
caso. ra bastante sencillo seleccionar una muestra
El editor de una revista deseaba publicar una de personas del directorio de la revista y eva-
8-20. luar la aceptacin de la edicin.
edicin en pasta dura de una seleccin de fo-
tografas de su revista. La edicin fotogrfica Los costos de correo y otros costos varia-
se vendera principalmente por correo a las bles sumaban 25 centavos por individuo de la
242 Parte II Anlisis de decisiones
muestra. Sin embargo, era necesario imprimir Los funcionarios de la STBM estiman que
material publicitario especial, a un costo de del total de 100 000 personas que viajan dia-
13 000 dlares, sin importar el nmero de riamente del rea en cuestin a la ciudad de
personas de la muestra. Se consider ade- Boston, aproximadamente el 12% (12 000)
cuada una muestra de 2000 personas. Los usara la nueva va; sin embargo, no estn
especialistas en estadstica de la compaa muy seguros de su estimacin del nmero de
estimaron que el error estndar de la muestra viajeros, por lo que consideran que una distri-
de 2000 personas sera 10 000 libros (o sea, bucin a priori con 0 = 0.12 y 0 = 0.04 des-
- = 10 000). cribe en forma adecuada lo que saben.
a. Con base en la informacin anterior, cu La STBM piensa tomar muestras de la po-
les son los beneficios esperados de la pu blacin de viajeros para obtener mejor infor-
blicacin de este libro? Si no toma en macin. Las muestras se toman en grupos de
cuenta beneficios adicionales, como el va 100 y la desviacin estndar de las proporcio-
lor del prestigio, debe publicarse el li nes mustrales se han estimado como =
bro? Cul es el valor esperado de la 0.08 para cada grupo de 100; por ejemplo, si
informacin perfecta (VEIP)? se hacen 16 muestras de grupos de 100, la -;
b. Cul es el valor esperado de la informa apropiada sera - .8//7 = 0.08/4 = 0.02.
cin de la muestra (VEIM)? Cul es la El costo de entrevistar a cada grupo de cien
ganancia neta esperada del muestreo viajeros es de 900 dlares.
(VEIM costo del muestreo)? Debe lle a. Si no toma en cuenta la ley estatal contra
varse a cabo el muestreo? las prdidas y supone que hay que tomar
c. Suponga que la inversin de 13 000 dla de inmediato una decisin (no puede efec
res en material publicitario reducir el tuarse el muestreo), deber la STBM
costo estimado del desarrollo de 50 000 a construir la va? Cul es la prdida de
40 000 dlares, si se lleva a cabo el envo oportunidad esperada de la mejor accin?
completo (es decir, pueden recuperarse b. Considere una muestra de 16 grupos (de
10 000 de los 13 000 dlares si se publica 100 viajeros cada uno). Cul es el VEIM
el libro). El punto de equilibrio es ahora antes de tomar la muestra?
250 000 libros. Cul es el VEIM de este c. Calcule la GNE para (b).
caso? Cul es la ganancia neta del mues d. Considere ahora los siguientes tamaos de
treo? Recomendacin: Observe que si se muestras (todos se refieren a grupos de
toma la muestra, cambia la funcin de be 100): 1, 9, 16. Calcule el VEIM y la GNE.
neficios a posteriori y por lo tanto tambin Cul de los tamaos anteriores es el pti
vara el punto de equilibrio a posteriori. mo para la muestra?
La Superintendencia de Trnsito de la Baha e. Si se usa el tamao ptimo de la muestra,
8-21. de Massachusetts (STBM) ha sido autorizada se asegurar que de construirse la va,
por la legislatura estatal para construir una no operar con prdidas? Comente acerca
va de circulacin rpida entre la ruta 128 y el del efecto de la ley estatal sobre este tipo
centro de la ciudad de Boston, pasando por de decisin?
Cambridge. La legislatura ha ofrecido subsi- Remtase al problema 8-21. Suponga que las
diar los costos de construccin y operacin 8-22. entrevistas mustrales se realizan secuencial-
de la va, pero las leyes estatales exigen que mente a grupos de 100 personas y que la
la va no incurra en prdidas (tomando en STBM puede detener las entrevistas en cual-
cuenta el subsidio). La STBM ha calculado quier momento. Para ser ms especficos, su-
que si 10 000 viajeros utilizaran la va cada ponga que se entrevist a los primeros cuatro
da hbil (viaje de ida y vuelta), lograran el grupos y que el promedio de viajeros de los
equilibrio, si hay subsidio. La variacin en el cuatro grupos es el 20% (0.20). a. Cules
valor actual de los ingresos es de 150 dlares son los parmetros de la distribucin a
por cada viajero por encima o debajo del pun- posteriori de la fraccin de viajeros?
to de equilibrio.
Captulo 8 Modificacin de probabilidades normales por muestreo 243
b. Con base en la distribucin a posteriori, econmico que la STBM cancelara las en-
cul es el VEIP? trevistas siguientes y tomara en este mo-
c. Compare el VEIP actual (de b) con el mento la decisin?
costo de entrevistar a los siguientes d. Calcule ahora el VEIM del siguiente gru-
100 viajeros. No efecte los clculos po de 100 viajeros. Es mayor o menor
del VEIM; puede "adivinar" si sera que el costo del muestreo?
9
CAPTULO
Teora de juegos
1
J. von Neuman y O. Morgenstem, Theory of Games and Economic Behavior, Princeton, Princeton University
Press, 1944.
244
Captulo 9 Teora de juegos 245
Estrategia 2 7 12 7
Mximo de la columna 10 14
246 Parte II Anlisis de decisiones
menor de los mximos de las columnas (la estrategia 1). Puesto que el mximo
iguala al minimax (los dos valen 10), hay un equilibrio y se dice que estos valores
son un par "de equilibrio". Si uno de los jugadores trata de salir del equilibrio sin
que el otro cambie de posicin, el que se mueve pasar a una posicin inferior.
Una estrategia pura (es decir, que cada uno de los jugadores elija slo una
estrategia) lleva a un juego estrictamente determinado en el cual el valor mximo
de los mnimos de las filas es igual al mnimo de los mximos de las columnas.2
Al valor 10 se le llama punto de silla.
Hay que observar que los mrgenes de la tabla 9-1 indican el beneficio mnimo
garantizado del jugador I o los costos mximos garantizados del jugador II. Puesto
que los valores de la tabla pueden ser expectativas, stas pueden ser valores
esperados.
Ejemplo: Dentro de poco tiempo vencer el contrato entre su compaa y el sindicato, por
Compaa lo cual hay que negociar uno nuevo, preferentemente antes de que concluya el
contra otro. Usted forma parte del grupo de gerentes que est a cargo de seleccionar a
sindicato los representantes de la compaa y determinar la estrategia que deben seguir
durante las negociaciones. Despus de considerar la experiencia en otros aos, el
grupo est de acuerdo en que las estrategias factibles para la compaa son:
Cj = Ataque sin miramientos; negociaciones agresivas
C2 = Mtodo lgico, de razonamiento C3 = Estrategia
legalista C4 = Estrategia conciliatoria
Cul es la mejor estrategia para la compaa? La respuesta depende de la
estrategia que elija el sindicato, la cual no se conoce. Pero se puede suponer, por
los antecedentes del sindicato, que puede usar uno de los siguientes procedi-
mientos:
/i = Ataque sin miramientos; negociaciones agresivas
U2 = Mtodo lgico, de razonamiento /3 = Estrategia
legalista /4 = Estrategia conciliatoria
Ahora hay que considerar las consecuencias de cada una de las estrategias, con-
dicionadas por el hecho de que el sindicato adopte una de sus estrategias posibles.
Con la ayuda de un mediador externo, se construye la tabla 9-2.
2
Este enunciado es vlido mientras las estrategias del decisor, cuyas ganancias positivas se describen en la matriz
de pagos, se indiquen en la columna de la matriz; de lo contrario se tendr que modificar la descripcin de un
juego estrictamente determinado por estrategias puras.
Captulo 9 Teora de juegos 247
Estrategias de la compaa
Estrategias Mnimos
del sindicato de las filas
3
Por lo general, ste no ser el caso, a menos que los costos totales sean una parte relativamente sin importancia
de los costos totales de la compaa y las negociaciones no tengan mucha importancia emotiva o simblica. Es
probable que no sea as cuando la compaa y el sindicato sean grandes; en este caso hay que cambiar las posibles
modificaciones en salarios a trminos de utilidad.
248 Parte II Anlisis de decisiones
miento (C2) que slo genere dos centavos para el sindicato. Es obvio que el
sindicato nunca seguir la estrategia conciliadora (/4), ya que siempre ganara
ms con Uu sin importar la estrategia que use la compaa. Puede decirse que Ux
domina a la estrategia U4.
La estrategia minimax es una regla que pueden seguir los participantes en esta
situacin. La compaa podra adoptar la estrategia que minimice el mayor
aumento de salarios que tendra que otorgar, sin importar la accin del sindicato.
Si el sindicato sigue esta regla, escogera la estrategia que maximizara el aumento
mnimo de los salarios. En el ejemplo, la estrategia minimax para la compaa es
C3, con aumento de salarios mximo de 12 centavos; para el sindicato sera Uu
con aumento mnimo de 12 centavos. En la tabla 9-2, los 12 centavos son el
mximo de la columna C3 y el mnimo de la fila /1; por lo que es la solucin de
equilibrio para esta situacin. En trminos de la teora de juegos, 12 es el valor
del juego. Las estrategias puras (/,, C3) proporcionan el equilibrio de este caso,
ya que si la compaa usa C3, la mejor defensa del sindicato es U; si el sindicato
escoge Ux, C3 es la mejor defensa de la compaa.4
Estrategias mixtas
No todas las situaciones de conflicto tienen un equilibrio minimax que puede
lograrse con estrategias puras. Podemos modificar la tabla 9-2 a este caso con slo
cambiar una de las cantidades. Si la interseccin de C3 y /3 fuese ahora +19
centavos, en lugar de +10 centavos, +12 centavos ya no sera el mximo de la
columna, como se muestra en la tabla 9-3. Ahora C2 es la estrategia que minimiza
la prdida mxima de la compaa; el mximo del sindicato es an Ux. Sin
embargo, la interseccin de estas estrategias no es un punto de equilibrio, porque
+15 centavos no es el mximo de la columna y el mnimo de la fila. Si el sindicato
adoptara la estrategia {/,, la compaa preferira la estrategia C3, no C2. Pero, si
la compaa escoge la estrategia C3, al sindicato le gustara ms U3 que U1 Si el
sindicato selecciona /3, la estrategia ptima de la compaa ser C2, pero C2 es la
opcin contra la cual el sindicato usara Uu como se seal al principio. Se ha
cerrado el crculo. Las estrategias puras (Uu C2) ya no son un par de equilibrio;
no son las mejores contra la otra.
Reduzcamos la tabla 9-3 a las estrategias que se muestran en la tabla 9-4. Esto
se hace por medio de la eliminacin sucesiva de las estrategias dominadas. La
estrategia /4 del sindicato es dominada por Uu por lo cual U4 puede eliminarse.
La estrategia C, de la compaa es dominada por C2 o C3; por lo tanto, tambin C{
puede eliminarse. Con lo anterior, queda la estrategia U2 del sindicato, dominada
por Uu y las nicas estrategias que quedan para el sindicato son U, y U3. Al llegar
a este punto, la estrategia C2 domina a C4 y las nicas estrategias para la compaa
son C2 y C3.
4
Un juego con suma cero puede tener ms de un par de equilibrio; no obstante, todos los pares de equilibrio
tendrn el mismo valor y los jugadores sern indiferentes ante ellos.
Captulo 9 Teora de juegos 249
Compaa
Estrategias
del sindicato
Ambas opciones son preferibles para la compaa a los +15 centavos que indica
la regla minimax. Por supuesto, el sindicato tambin puede adoptar una estrategia
mixta. Una de las grandes aportaciones de Von Neumann fue la demostracin de
que todo juego de dos personas con suma cero tiene un valor de equilibrio nico,
cualquiera que sea el nmero de estrategias disponibles para los participantes. En
un caso especial, la solucin comprender estrategias puras, como ocurri al
principio; si no sucede as, se sabe que existe el equilibrio para algn par de
estrategias mixtas.
Solucin grfica
Un mtodo sencillo e instructivo para encontrar la solucin del caso de dos
personas y dos estrategias es el mtodo geomtrico propuesto por Luce y Raif-
250 Parte II Anlisis de decisiones
Figura 9-1
5
R. D. Luce y H. Raiffa, Games and Decisions, Nueva York, John Wiley & Sons, 1957.
Captulo 9 Teora de juegos 251
Figura 9-2
sindicato se relaciona con la estrategia t/3. Las lneas punteadas en la figura 9-2
indican el conjunto de aumentos mximos que la compaa tendra que otorgar,
suponiendo que el sindicato siempre adopte la estrategia ms favorable como
respuesta a una estrategia mixta de la compaa. Si la compaa siguiera la regla
de minimizacin del mximo aumento que ofrecera, adoptara la estrategia mixta
(0.35C2, 0.65C3) y dara al sindicato un aumento de .35(15) + 0.65(12) =
13.05 si el sindicato escogiera Uu o de 0.35(2) + 0.65(19) = 13.05 si la
opcin del sindicato fuera U3. Cualquiera que sea la accin del sindicato, no
puede obtener ms de 13.05 centavos de aumento salarial por hora (es decir, el
mejor aumento promedio es de 13.05 centavos).
Qu estrategia se espera que siga el sindicato? Segn la filosofa minimax, el
sindicato supondr que la compaa erigir la defensa ms slida posible contra
la estrategia que seleccione el sindicato. En la figura 9-3 se muestran las estrate-
gias disponibles para el sindicato y el conjunto de aumentos mnimos que se
relacionan con ellas. Si la compaa adopta la estrategia C3, los aumentos que
obtiene el sindicato para las distintas estrategias mixtas se indican con la lnea
que une 12 centavos con 19 centavos. Esta lnea indicara el aumento mnimo para
las estrategias entre (1.0Uu 0/3) y (0.15 Uu 0.15t/3). La lnea que une 15 centavos
con 2 centavos define los aumentos que se obtendran como respuesta a varias
estrategias mixtas del sindicato si la compaa elige la estrategia C2. Esta estra-
tegia ofrece el menor aumento de salarios para una accin del sindicato en el
intervalo (0.85 U1, O.15U3 ) a (0. Uu 1.0U3 ). Si el sindicato quiere maximizar
el aumento mnimo, adoptar la estrategia (0.85U1 , 0.15U3), con lo que obtiene
un aumento esperado de:
0.85(15) + 0.15(2) = 13.05
252 Parte II Anlisis de decisiones
Figura 9-3
Solucin algebraica
Se puede obtener una solucin algebraica, en vez de grfica, para determinar la
probabilidad que dar lugar a que la utilidad esperada, desde el punto de vista del
Captulo 9 Teora de juegos 253
Este valor esperado es mayor que los valores mnimos que se obtendran al
seguir una estrategia pura.
Al resolver el mismo problema desde el punto de vista de la compaa, sea
ahora la probabilidad de que la compaa escoja la estrategia C2. Los costos
esperados para las dos estrategias del sindicato son:
Tabla 9-5 Tabla de resultados que presenta las ganancias de las dos empresas
estrategia que puede usar su oponente para explotarle o hacerle dao. A la estra-
tegia mixta se le puede considerar como un medio de compromiso o de precaucin
contra la explotacin.
del juego. Tambin supone que es un juego nico y que las partes no pueden tener
un proceso de aprendizaje. Es posible que las empresas I y II aprendan de la
desafortunada experiencia de su primer juego y cooperen en un juego posterior,
incluso si no hubiera comunicacin.
Este ejemplo ilustra un juego de dos personas con suma distinta de cero.
Aunque existe un tipo de solucin, porque la decisin de anunciarse domina a la
de no anunciarse, no es una solucin satisfactoria. Un par de jugadores no
racionales podran llegar a la solucin ms deseable en la cual ninguno se anuncia.
Los juegos con suma distinta de cero muchas veces no tienen soluciones satisfac-
torias tan fciles de determinar.
Resultados inciertos
En el ejemplo anterior los resultados eran cantidades seguras, pero es posible que
los resultados de un juego estn sujetos a distribuciones de probabilidad. Por
ejemplo, en vez de que la empresa II sepa que perdera 10 si las dos empresas se
anuncian, se podra decir que el resultado sera una prdida de 40 con probabilidad
de 0.5 o una ganancia de 20 con probabilidad de 0.5. El valor esperado es:
0.5(-40) + 0.5(20) = -10
Cuando los resultados se obtienen de procesos probabilsticos se requiere un
clculo adicional. Antes de analizar las decisiones posibles, el valor esperado de
cada par de decisiones se calcula y se introduce en la tabla. Hay que recordar que
se usan valores medios de utilidad y no valores monetarios esperados.
6
Para conocer el anlisis terico, vse J. H. Kagel y D. Levin, "The Sinner's Curse and Public Information in
Common Valu Auctions", The American Economic Review, pgs. 894-920, diciembre de 1986.
Captulo 9 Teora de juegos 257
del bien que se subasta. Por esta razn, muchas compaas petroleras se unirn
para presentar ofertas conjuntas, en vez de que cada empresa compita por su
cuenta. As reducen en un 50 a 75% el nmero de ofertas.
Otra estrategia que se sigue es determinar un valor estimado y luego establecer
el monto inicial de las ofertas muy por debajo del valor esperado. Aunque la
probabilidad de ganar se reduce, s aumenta la probabilidad de estar satisfecho si
se gana (y se obtiene una ganancia neta). El objetivo debe ser obtener una ganancia
econmica, no ganar la subasta.
Algunas de las empresas que participan en negocios de compras y fusiones de
empresas no participan en situaciones de ofertas competitivas. Si una compaa
se interesa por vender sus acciones, esta empresa presentar lo que considera una
oferta justa slo si la compaa en venta est de acuerdo en aceptar o rechazar
la oferta antes de buscar una segunda. Naturalmente, la compaa que vende
quizs ya tenga informacin acerca de la poblacin de posibles compradores y
sus probables precios de oferta; sin embargo, deber decidir acerca de la oferta
sin buscar (o aceptar) otras ofertas. Si el comprador potencial sabe que otros
compradores ya han efectuado ofertas, deber reducir la cantidad que est dis-
puesta a ofrecer.
La maldicin del ganador se presenta en muchas situaciones. Por ejemplo, en
un mercado inmobiliario de mucho movimiento, si una casa ha estado en el
mercado por ms de un ao, habra que suponer que muchos compradores han
rechazado el precio que solicitan por la casa. Una forma de la maldicin del
ganador sera comprar la casa al precio solicitado, dado el gran nmero de
compradores que la han rechazado. Es posible que sea una casa nica y justo lo
que usted desea y que a los otros compradores no les gusten las caractersticas
exclusivas; tambin es posible que los compradores potenciales que la rechazaron
supieran lo que estaban haciendo.
Conclusiones
El lector debe considerar si en la realidad existen situaciones en las cuales
compiten dos o ms partes y las ganancias se aproximan a una suma cero (lo que
pierde uno es lo que gana el otro) o tienen suma distinta de cero. Son beneficiosos
para la sociedad los resultados de estos juegos?
Los ejemplos de "juegos" de la vida real van desde guerras (donde slo puede
ganar uno a expensas del otro y donde es muy probable que ambos pierdan) hasta
la industria de los automviles y los juegos colegiales de ftbol, donde la
escalacin en los gastos "para vender" muchas veces dan como resultado que
todas las partes se hallen en una situacin peor de la que estaran con estrategias
diferentes.
Es posible que en la realidad no puedan aplicarse las soluciones exactas a las
situaciones de juego, por lo cual no pueden aplicarse con precisin las teoras.
Por otra parte, la teora de juegos ayuda a aprender cmo enfrentar una situacin
de conflicto y comprenderla, adems de cmo mejorar el proceso de toma de
decisiones.
258 Parte II Anlisis de decisiones
RESUMEN Todos los juegos de dos personas con suma cero tienen una solucin de equilibrio
minimax, la cual ser un par de estrategias puras o un par de estrategias mixtas.
Los juegos con suma distinta de cero pueden llegar a soluciones de equilibrio que
no son satisfactorias.
La maldicin del ganador propone que, cuando no hay certeza acerca del valor
de un artculo, es posible que la persona que presenta la oferta ms alta exceda el
valor del artculo, y que el monto de la sobreoferta es una funcin creciente del
nmero de personas que realizan ofertas.
Bibliografa
Davis, M. D., Game Theory, a Nontechnical Intro- Shubik, M, editor, Game Theory and Related Ap-
duction, Nueva York, Basic Books, 1970. proaches to Social Behavior, Nueva York, John
Englebrecht-Wiggans, R., "Auctions and Bidding Wiley & Sons, 1964.
Models: A Survey",Management Science, febrero Shubik, M., Game Theory in the Social Sciences:
de 1980. Concepts and Solutions, Cambridge, Mass., MIT
Englebrecht-Wiggans, R., P. R. Milgrom y R. J. We- Press, 1983.
ber, "Competitive Bidding and Proprietary Infor- Vickrey, W., "Counterspeculation, Auctions, and
mation", Journal of Mathematical Economics Competitive Sealed Tenders", The Journal ofFi-
11, 1983. nance, marzo de 1961.
Kagel, J. H. y D. Levin, "The Winner's Curse and Von Neumann, J. y O. Morgenstern, Theory of Ga-
Public Information in Common Valu Auctions", mes and Econontic Behavior, Princeton, Prince-
The American Econontic Review, diciembre de ton University Press, 1944.
1986. Williams, J. D., The Compleat Strategyst, edicin
Luce, R. D. y H. Raiffa, Games and Decisions, modificada, Nueva York, McGraw-Hill, 1966.
Nueva York, John Wiley & Sons, 1957. Wilson, R. B., "Competitive Bidding with Disparate
McDonald, J., The Game of Business, Garden City, Information", Management Science, marzo de
N.Y., Doubleday, 1975. 1969; y "Competitive Bidding with Asymmetri-
Owen, G., Game Theory, Filadelfia, W. B. Saun- cal Information", Management Science, julio de
ders, 1968. 1967.
b. Qu estrategia seguira B?
c. Cul es el "valor" del juego?
d. Elabore un grfico de los pagos de estas
estrategias, desde el punto de vista del ju
gador A.
9-5. Suponga que la siguiente matriz de resultados
es adecuada para las estrategias de merca-
dotecnia de dos oponentes:
a. Qu estrategia seguira A? Por qu?
b. Qu estrategia seguira B? Por qu?
c. Qu resultado pronosticara para esta si
tuacin?
Problemas
cios de XYZ descendern a cuatro millones 9-11. Realice el siguiente experimento: Tome un
de dlares. Si XYZ construye una planta y frasco con monedas y pida a dos personas
ABC no la construye, l prev que los benefi- (por separado) que hagan una estimacin del
cios sern de 38 millones de dlares y que los valor de las monedas. Luego haga la misma
beneficios de ABC bajarn a cuatro millones pregunta a otras cuatro personas. Cmo se
de dlares. compara la estimacin ms alta de la primera
Si las dos compaas construyeran plantas, se muestra (rc = 2) con la de la segunda (n = 4)?
espera que ambas ganen cinco millones de Su experimento apoya o contradice la maldi-
dlares por ao. Qu deben hacer las compa- cin del ganador?
as?
Problemas ms difciles
9-12. Dos fabricantes de computadores, A y B, 9-13. Remtase al problema 9-12. Suponga que el
quieren vender sistemas de computacin a banco 1 comprar dos sistemas de computa-
dos bancos, 1 y 2. La compaa A tiene cuatro cin y que el banco 2 slo comprar uno. En
vendedores y la compaa slo dispone de este caso, cul es la estrategia ptima para la
tres. Las compaas de computacin deben compaa A? Cul para la compaa B?
decidir cuntos vendedores asignar para Cul es el valor del juego? Remtase al
atender a cada banco. As, la compaa A pue- 9-14. problema 9-12. Suponga que los bancos
de asignar cuatro vendedores al banco 1 y comprarn el sistema de computacin a la
ninguno al banco 2, o tres al banco 1 y dos al compaa que enve el mayor nmero de
banco 2, etctera. vendedores. Si las dos compaas envan el
Cada banco comprar un sistema de com- mismo nmero, la decisin se tomar lanzan-
putacin. La probabilidad de que el banco do una moneda legtima. En este caso, cul
compre a una compaa en particular se rela- es la estrategia ptima para la compaa A?
ciona directamente con el nmero de vende- Para la compaa B? Cul es el valor del
dores de esa compaa que atienden al banco, juego?
con respecto al nmero total de vendedores. 9-15. Las empresas I y II compiten por hacer nego-
Por ejemplo, si la compaa A asignara tres cios. Lo que gana I es lo que pierde II. La
personas al banco 1 y la compaa asignara tabla de la siguiente pgina muestra los bene-
dos, la probabilidad de que el banco 1 compre ficios de la empresa I para distintas cuotas del
el sistema de computacin de la compaa A mercado (suponga que el juego tiene suma ce-
es de tres en cinco. Como caso especial, si no ro). Encuentre una solucin de equilibrio. Las
acude ningn vendedor de ambas compaas, 9-16. compaas A y estn en competencia
la probabilidad de que compre el sistema de directa y cada una tiene cuatro alternativas de
computacin de una compaa o de la otra es campaas publicitarias; la tabla de la si-
del 50%. guiente pgina muestra la ganancia para la
Puede considerarse que el resultado ser el compaa A para cada par de campaas que
nmero medio de sistemas de computacin se elijan. Como es una situacin con suma ce-
que venda la compaa A. Entonces, el nme- ro, las ganancias para la compaa son el ne-
ro esperado de ventas de la compaa es gativo de las ganancias de la compaa A.
dos menos este resultado. Encuentre una solucin de equilibrio. En un
Qu estrategia debe usar la compaa A 9-17. juego de dos persona con suma cero, Xj
para asignar sus vendedores? Cul debe usar representa el resultado para el jugador I,
la compaa B? Cul es el valor del juego donde i representa la estrategia del jugador I
para la compaa A? Cul es el significado y y representa la estrategia del jugador II. Su-
del valor del juego en este problema? ponga que cada jugador tiene tres estrategias,
Captulo 9 Teora de juegos 261
ninguna de las cuales est dominada. Si p re- ro sabe que si rehsa a confesar y su socio
presenta la probabilidad de la estrategia mixta testifica contra l, recibir una sentencia
ptima de que el jugador I use la estrategia i, dura, ya que el juez interpretar el rechazo
escriba tres ecuaciones que comprendan />,, a la confesin como una prueba de que es
PiyPy un criminal incorregible. Si los dos pri-
9-18. El nombre "dilema del prisionero" que se da sioneros confiesan, ya no tendrn que tes-
a una clase de problemas de la teora de jue- tificar contra el otro y ambos recibirn
gos, proviene de la siguiente historia: sentencias regulares. Si ninguno confiesa,
el fiscal podr condenarlos por cargos tc-
Dos prisioneros son arrestados por un cri- nicos y los dos recibirn sentencias leves.
men que cometieron juntos. Sin embargo,
las pruebas contra ellos no son muy sli- Elabore la tabla de resultados de cada pri-
das, por lo que el fiscal separa a los prisio- sionero. Qu debe hacer cada uno, suponien-
neros y ofrece a cada uno un trato: do que no pueden colaborar? Qu pasara si
confiese y acceda a testificar en contra de pudieran colaborar?
su socio y usted quedar libre. El prisione-
PARTE
Programacin matemtica
CAPTULO
Introduccin a la
programacin lineal
Como se describi en los captulos anteriores de este libro, los gerentes construyen
modelos como instrumentos de ayuda para resolver problemas de decisin.
Un modelo de programacin lineal es un tipo especial de modelo matemtico en
el cual las relaciones entre variables son lineales y donde hay un solo objetivo o
medida del rendimiento. Una ventaja de este tipo de modelo es que existe una
tcnica matemtica, llamada programacin lineal, que puede determinar la
decisin ptima o mejor, incluso si existen miles de variables y relaciones. En
este captulo se considera la formulacin de modelos de programacin lineal; en
los captulos posteriores se tratan la resolucin de los problemas y la interpreta-
cin de resultados.
En el modelo de programacin lineal hay un conjunto de variables de decisin,
, X2, XN- El modelo de programacin lineal est diseado para maximizar (o
minimizar) una funcin objetivo de la forma:
Tabla 10-1
Una empresa de manufactura fabrica dos productos, A y B, cada uno de los cuales
debe procesarse en dos mquinas diferentes. Una mquina tiene 24 horas de
capacidad disponibles y la otra slo tiene 16 horas. Cada unidad del producto A
requiere dos horas en cada mquina, mientras que una unidad del producto
necesita tres horas en la primera mquina y una hora en la segunda. Los beneficios
marginales son de seis dlares por unidad del producto A y siete dlares por unidad
del producto y la empresa puede vender todas las unidades que puede fabricar
de los dos productos.
268 Parte III Programacin matemtica
Formulacin. Sea:
Esta ecuacin establece que los beneficios totales de la empresa se forman con
los beneficios del producto A (seis dlares multiplicados por el nmero de
unidades vendidas) ms los beneficios del producto (siete dlares multiplicados
por el nmero de unidades vendidas).
La primer restriccin se refiere a la disponibilidad de tiempo en la primera
mquina. Esto se puede expresar como sigue:
Cada unidad del producto A utiliza dos horas de esta mquina y cada unidad del
producto emplea tres horas. Por lo tanto, el total de horas utilizadas se expresa
con el primer miembro de la expresin anterior y debe ser igual o menor que el
total de horas disponibles de la primera mquina (24). Para la segunda mquina
hay una restriccin similar:
Ventas anuales
Ubicacin del almacn (miles de cajas)
Nueva York 50
Boston 10
Chicago 60
Los ngeles 30
Dallas 20
Total 170
A
De Nueva York Boston Chicago Los ngeles Dallas
Cincinnati $120 $150 $ 80 $250 $180
Denver 210 220 150 100 110
Atlanta 150 170 150 240 200
El costo total es la suma de los productos, para cada ruta de envo posible (de
la fbrica al almacn), del costo de envo de la tabla 10-3 multiplicado por el
nmero de millares de cajas que se envan.
Hay dos conjuntos de restricciones para este problema. El primero garantiza
que se cumplirn las necesidades del almacn, Entonces, para Nueva York:
Lo anterior estipula que la suma de las cajas que se envan a Nueva York de la
primera fbrica (Cincinnati), la segunda (Denver) y la tercera (Atlanta) debe ser
50 000 cajas, el requerimiento de ventas de Nueva York. Para los otros almacenes
se tiene:
Boston :
Chicago :
Los ngeles :
Dallas :
El segundo conjunto de restricciones garantiza que las fbricas no excedan sus
capacidades de produccin. De esta manera, para la fbrica de Cincinnati:
Sujeto a:
Restricciones de
requerimientos
de almacenes
Restricciones
de capacidad
de fbricas
y presin de vapor de 7:
Formulacin. Sea:
Maximizar:
X1 + X3 < 30 000
X2 + X4 < 70 000
Otro conjunto de restricciones tiene que ver con el octanaje de las gasolinas
finales. Recuerde que la cantidad total de la gasolina para aviacin es Xx + X2 y
su octanaje estar definido por las cantidades relativas de X, + X2, de acuerdo con
la siguiente frmula:
Las cifras 104 y 94 provienen de la tabla 10-4 y son los octanajes de las
gasolinas para mezcla 1 y 2, respectivamente. En la tabla 10-5 se observa que el
octanaje de la gasolina para aviacin debe ser por lo menos 102, por lo cual se
tiene la siguiente restriccin:
o
274 Parte III Programacin matemtica
El ltimo conjunto de restricciones tiene que ver con los requisitos de presin
de vapor de las gasolinas finales. En el caso de la gasolina para aviacin, la
restriccin es:
Restricciones de disponibilidad
de gasolina para mezclas
Restricciones de octanaje
Restricciones de presin de vapor
1
La programacin dinmica tambin trata los problemas dinmicos (vase Cap. 22). En ocasiones es posible
formular una situacin como un problema de programacin lineal y de programacin dinmica. Vase los
ejercicios al final del captulo 22.
276 Parte III Programacin matemtica
Para el mes 2:
Captulo 10 Introduccin a la programacin lineal 277
Mes 3:
Mes 4:
Mes 5:
Mes 6:
Puesto que el inventario final debe ser cero, la ltima restriccin es:
Minimizar:
Sujeto a:
Restricciones
de balance de
inventario
Restricciones Restricciones
de produccin de produccin
en tiempo normal en tiempo extra
Este ejemplo tiene que ver con la formulacin de un modelo a gran escala o de
sistema, diseado principalmente para planificar las actividades integradas de un
empresa. El ejemplo, cuyo diagrama se muestra en la figura 10-1, est muy
simplificado e incluye slo dos especies de rboles, dos productos de tablas y
madera contrachapada y slo algunas de las restricciones tecnolgicas que com-
278 Parte III Programacin matemtica
Y as para todos los productos. Observe que al especificar los valores para todas
las X, define de hecho la mezcla de productos.
Otro mtodo que en ocasiones sirve para definir las variables de decisin es
dibujar un diagrama de flujo que muestre cmo se relacionan las diversas partes del
problema; la figura 10-1 es un ejemplo de este mtodo. Despus se definen las
variables que representen el flujo de los bienes, de los materiales, etc., entre las di-
versas partes. Observe que las variables de la tabla 10-7 estn asociadas con las
flechas de la figura 10-1. Por ejemplo, una flecha muestra el flujo de los troncos
al aserradero de madera contrachapada, y las variable Xg (MPT de abeto al aserradero
de madera contrachapada) y Xi0 (MPT de pino al aserradero de madera contrachapa-
da) son las variables de decisin que corresponden a este flujo de madera.
5. Defina especficamente las restricciones, con base en las variables de deci
sin. Tome la lista de restricciones que defini en el paso 3 y use las variables de
decisin del paso 4 para obtener restricciones detalladas. El resultado es un
conjunto de restricciones como las que se ilustraron en los cinco ejemplos del
captulo.
6. Defina con detalle la funcin objetivo. Hay que definir un coeficiente de costo
o de beneficio para cada variable de decisin del paso 4. Es importante incluir
slo los costos o los beneficios que varen con las decisiones que se consideran.
Siempre hay que excluir los costos fijos.
Por ejemplo, el costo de mano de obra por unidad puede parecer razonable para
incluirse en la formulacin de programacin lineal que define la mezcla de
productos que debe producir una empresa. Sin embargo, si la empresa tiene una
poltica de pagar a sus empleados por tiempo completo, sin importar el tiempo
real que se utilice, entonces el costo de mano de obra es fijo. No vara con la
decisin de mezcla de productos y debe excluirse de la funcin objetivo.
Aunque estos seis pasos son un esquema general para formular modelos
lineales, no son un sustituto de la prctica y la experiencia. Usted debe probar
varios de los ejercicios al final del captulo para aumentar su habilidad para
formular modelos.
En un modelo de programacin lineal hay una funcin objetivo lineal que debe
maximizarse o minimizarse, sujeta a un conjunto de restricciones lineales. Todas
las variables de decisin son no negativas. La formulacin de un modelo de
programacin lineal consiste en traducir un problema de decisin empresarial a
terminologa de programacin lineal, definiendo variables, especificando una
funcin objetivo y escribiendo todas las restricciones como desigualdades o
RESUMEN igualdades. Los ejemplos y pasos que se proporcionaron antes estn diseados
para ayudarle a formular problemas de programacin lineal.
Bibliografa
Baumol, W. J., Economic Theory and Operations Eppen, G. D., F. J. Gould y C. Schmidt, Quantitati-
Analysis, cuarta edicin, Englewood Cliffs, N. ve Concepts for Management, tercera edicin,
J,, Prentice Hall, 1977. Bradley, S. P., A. C. Hax Englewood Cliffs, N. J., Prentice Hall, 1988.
y T. L. Magnanti, Applied Geoffrion, Arthur M., "Better Distribution Plan-
Mathematical Prograinming, Reading, Mass., ning with Computer Models", Harvard Business
Addison-Wesley Publishing, 1977. Chames, A. Review, julio-agosto de 1976.
y W. W. Cooper, Management Models Hillier, F. y G. J. Lieberman, Introduction to Opera-
and Industrial Applications of Linear Program- tions Research, quinta edicin, Nueva York,
ming, dos vols., Nueva York, John Wiley & McGraw-Hill, 1990.
Sons, 1963. Dantzig, G. B., Linear Savage, Sam L., What's Best, Oakland, Calif., Hol-
Prograinming and Exten- den-Day, 1986.
sions, Princeton, N. J., Princeton University Schrage, L., Linear, Integer and Quadratic Pro-
Press, 1963. grainming with LINDO, cuarta edicin, South
San Francisco, Calif., Scientific Press, 1989.
Captulo 10 Introduccin a la programacin lineal 283
Shapiro, R. O., Optimizationfor Planning and Wagner, H., Principies of Operations Research, se-
Allocation: Text and Cases in Mathematical gunda edicin, Englewood Cliffs, N. J., Prentice
Programming, Nueva York, John Wiley and Hall, 1975.
Sons, 1984.
10-1. Un empresa fabrica cuatro productos: A, B, C cantidades que pueden entregarse en los dis-
y D. Cada unidad del producto A requiere dos tintos tipos de prstamos.
horas de fresado, una hora de montaje y 10
dlares de inventario en proceso. Cada unidad Rendimiento anual
del producto necesita una hora de fresado,
tres horas de montaje y un costo de cinco Tipo de prstamo (porcentaje)
dlares de proceso de inventariado. Una Prstamos personales 15
unidad del producto C requiere 2Vi horas de
fresado, 2 Vi horas de montaje y dos dlares de Prstamos para muebles 12
proceso de inventariado. Por ltimo, cada Prestamos para automviles 9
unidad del producto D requiere cinco horas de Segunda hipoteca de casa 10
fresado, no necesita montaje y cuesta 12 Primera hipoteca de casa 7
dlares de proceso de inventariado.
La empresa tiene 120 horas de fresado y Los prstamos personales no pueden exce-
160 horas de montaje disponibles. Adems, no der el 10% de la cantidad total de los prsta-
puede disponer de ms de mil dlares para mos. La cantidad de prstamos personales y
proceso de inventario. para muebles, en conjunto, no debe ser mayor
Cada unidad del producto A genera un be- del 20%. Las primeras hipotecas deben
neficio de 40 dlares; una unidad del producto constituir por los menos el 40% de todas las
genera un beneficio de 24 dlares; las hipotecas y por lo menos el 20% del total de
unidades del producto C generan 36 dlares y prstamos. Las segundas hipotecas no pueden
las del producto D, 23 dlares. No se pueden exceder el 25% del total de prstamos.
vender ms de 20 unidades del producto A, ni La compaa desea maximizar los ingresos
ms de 16 unidades del producto C; puede de los intereses de los prstamos, sujetndose
venderse cualquier nmero de unidades de los a las restricciones anteriores. La empresa
productos y D. Sin embargo, hay que puede prestar como mximo 1.5 millones de
producir y vender por lo menos 10 unidades dlares.
del producto D para satisfacer un requisito Formule este problema como uno de pro-
contractual. gramacin lineal. No lo resuelva. Una
Formule el problema anterior como un pro-
blema de programacin lineal. El objetivo de 10-3. compaa vende dos productos diferentes, A y B.
La informacin del precio de venta y de los
la empresa es maximizar los beneficios que costos unitarios es la siguiente:
resultan de la venta de los cuatro productos.
No intente resolver el problema. La compaa
de prstamos U-Save planifica sus Producto A Producto
10-2. operaciones para el ao entrante. Ofrece cinco
tipos de prstamos, descritos a continuacin, Precio de venta $60 $40
junto con el rendimiento anual (porcentaje) Costo unitario 30 10
para la compaa. Beneficios unitarios $30 $30
Los requisitos legales y la poltica de la
compaa imponen los siguiente lmites a las
284 Parte III Programacin matemtica
Tabla 10-8
es
Ene. Feb. Mar. Abr. Mayo Jun.
Pedidos (unidades) Costo por
unidad con tiempo regular 58 36 34 69 72 43
(miles de dlares) Costo por
unidad con tiempo extra $18.0 17.0 17.0 18.5 19.0 19.0
(miles de dlares)
$20.0 19.0 19.0 21.0 22.0 22.0
Tabla 10-9
Costos de
Capacidad tratamiento Grado Recuento de
(m3 de tierra (rands por (quilates gemas (nmero
Mina procesada)* m3) por m3) de piedras por m3)
Planta 1 83 000 R0.60 0.36 0.58
Planta 2 310 000 R0.36 0.22 0.26
Planta 3 190 000 R0.50 0.263 0.21
Los dos productos se fabrican en un proceso trabajo. La compaa puede producir hasta 50
de produccin comn y se venden a dos mer- unidades al mes con tiempo normal y hasta 20
cados distintos. El proceso de produccin tie- unidades adicionales si utiliza tiempo extra.
ne capacidad de 30 000 horas de trabajo. Se En la tabla 10-8 se muestran los costos del
requieren tres hor- s para producir una unidad tiempo normal y los del tiempo extra.
A y una hora para producir una unidad B. El El costo de almacenamiento en inventarios
mercado se ha estudiado y los funcionarios de de los transformadores que no se vendan es
la compaa consideran que el nmero m- 500 dlares por mes. Al 10 de enero, la com-
ximo de unidades de A que pueden vender es paa tiene 15 transformadores en existencias
8000; el mximo de es 12 000 unidades. y desea tener no menos de cinco en existen-
Los productos se pueden vender en cualquier cias para el 30 de junio.
combinacin, con las limitaciones anteriores. Formule un problema de programacin li-
Formule el problema anterior como un pro- neal para determinar el programa de produc-
blema de programacin lineal; es decir, escri- cin ptimo para MEPCO. La compaa de
ba las ecuaciones apropiadas. Mangus 10-5. diamantes Transvaal extrae diamantes de tres
10-4. Electric Products Co. (MEPCO) produce minas de Sudfrica. Las tres difieren en
grandes transformadores elctricos para la cuanto a capacidad, nmero, peso de las
industria elctrica. La compaa tiene pedidos gemas y costos; estos datos se presentan en la
(Tabla 10-8) para los prximos seis meses. Se tabla 10-9.
espera que el costo de manufactura de un Segn las consideraciones de mercadotec-
transformador vare un poco en los prximos nia, se requiere una produccin mensual exac-
meses, por cambios esperados en los costos de ta de 148 000 gemas, mientras que otro
los materiales y en las tarifas de requisito exige por los menos 130 000 quila-
Captulo 10 Introduccin a la programacin lineal 285
tes (as, el tamao promedio de las gemas es, Formule un modelo de programacin lineal
por lo menos, de 130/148 = 0.88 quilates). para determinar cunto debe extraerse de ca-
El problema para el gerente de la compaa da mina. No resuelva el problema.
es cumplir con las exigencias de mercadotec-
nia al menor costo.
Problemas
Queremos seleccionar una estrategia de publi- mezcla de ingredientes que usa SSC para
cidad para llegar a dos tipos de clientes: amas fabricar salchichas.
de casa de familias con ingresos anuales La fabricacin de salchichas debe cumplir
superiores a 10 000 dlares y amas de casa de con dos requisitos clave para el producto. El
familias con ingresos anuales inferiores a 10 porcentaje de protena en peso debe ser por lo
000 dlares.2 Consideramos que las personas menos del 15% y el porcentaje de grasas en
del primer grupo comprarn dos veces ms peso no puede exceder el 30% (el peso restante
nuestro producto que las personas del segundo es de relleno). SSC dispone de las cuatro
grupo, y nuestro objetivo es maximi-zar las materias primas siguientes para sus mezclas,
compras. Podemos anunciar el producto en con las caractersticas que se indican:
televisin o en una revista; una unidad de
publicidad en televisin cuesta 20 000 dlares
y llega a aproximadamente 2000 personas del Porcentaje Porcentaje Costo por
de
primer grupo y a 8000 del segundo. Una
Ingredient protena de grasas kilogramo
unidad de publicidad en la revista cuesta 12
000 dlares y llega a 6000 personas del primer A 40 10 $1.80
grupo y a 3000 del segundo.3 Hay que usar por 20 15 0.75
lo menos seis unidades de publicidad en C 10 35 0.40
televisin y no podemos usar ms de 12 D 5 40 0.15
unidades de publicidad en la revista, por
cuestiones de poltica. El presupuesto para
publicidad es de 180 000 dlares.
Formule este problema como un problema Formule un modelo de programacin lineal
de programacin lineal, definiendo todas las que ayude a SSC a determinar el programa de
variables que utilice. En fechas recientes, mezclas ms deseable. No resuelva el
10-7. Super Sausage Com-pany (SSC) ha problema.
experimentado cambios radicales en los 10-8. Remtase al ejemplo 1 de este captulo. Su-
precios de las materias primas, y el gerente ha ponga que la empresa tiene un tercer producto,
dado instrucciones a un analista para que C, que puede producirse en la primera o en la
examine las proporciones de segunda mquina. Si se produce en la primera
mquina se requiere una hora; si se hace en la
segunda mquina, se necesitan dos horas. El
producto C tiene beneficios marginales de
nueve dlares por unidad.
2
Este problema es una adaptacin de F. M. Bass y R. T. Modifique la formulacin del ejemplo 1 para
Lonsdale, "An Exploration of Linear Programming in Media incluir el producto C. El Consejo de Seguridad
Selection", Journal ofMarketing Research 3, 1966. 10-9. de Estados Unidos debe asignar su presupuesto
3
En este problema se supone que no se sobreponen el pblico
para los prxi-
lector de la revista y el pblico espectador de la televisin.
286 Parte III Programacin matemtica
mos tres aos. Ya se han tornado decisiones ductos se han separado en dos categoras
irrevocables con respecto a varias "reas principales, con el fin de planificar la pro-
programadas" y a su financiamiento total; duccin: helados (varios sabores y tamaos)
por ejemplo, se ha asignado un total de 110 y especialidades (helado en palito,
000 dlares a la prevencin de falleci- emparedados de helado, conos de helado,
mientos y a la reduccin en daos a propie- etctera). Cada clase de producto tiene su
dades por accidentes automovilsticos. Pero propio equipo de empaquetado, pero ambas
hay que tomar decisiones detalladas acerca usan una misma mquina de fabricacin de
de los proyectos especficos para alcanzar helado; tambin emplean el mismo grupo de
los objetivos de los programas. En el caso trabajadores para producir y empaquetar
de la prevencin de fallecimientos y de la cada clase de producto.
reduccin en daos a propiedades, la tabla Los helados requieren dos horas de la m-
10-10 contiene los proyectos que recomen- quina de fabricacin de helados, una hora en
daron los analistas del consejo, junto con los su propia lnea de empaquetado y tres horas
datos apropiados. Los miembros del consejo de trabajo para producir 4000 litros de
quieren que usted los ayude a tomar las producto terminado.
decisiones sobre la asignacin del presu- Las especialidades requieren una hora de
puesto ( o sobre la eleccin y la magnitud de la mquina de fabricacin de helado, una
los proyectos). Al preguntarles cul de los hora en su propia lnea de empaquetado y
objetivos especficos es ms importante, seis horas de trabajo para producir el equi-
dijeron: "Es una pregunta difcil! Por una valente de 4000 litros de producto termina-
parte, la vida humana es sagrada y no puede do. DD puede vender 4000 litros de helado
comprarse con ninguna cantidad de dinero. en 300 dlares, y 4000 litros de especialida-
Por otra parte, si hay dos maneras de ahorrar des en 500 dlares. Los costos de materias
el mismo nmero de vidas, obviamente primas son aproximadamente iguales para
preferiramos el proyecto que d como ambas clases de productos.
resultado la menor cantidad de daos a En la actualidad, la compaa tiene un
propiedades". turno de trabajo (40 horas por semana) y
Al preguntarles en forma especfica cul emplea tres trabajadores de tiempo completo
sera la "compensacin" entre vidas salvadas y un empleado de 3/4 de tiempo, para un total
y daos a propiedades que les sera indi- de 120 + 30 = 150 horas de trabajo a la
ferente, su respuesta fue: "Esta pregunta es semana.
an ms difcil! Sin embargo, somos cons- Formule un modelo de programacin li-
cientes de que un organismo de gobierno ha neal para la planificacin de la produccin
establecido, para fines internos de asignacin de Delight Dairy.
de recursos, un valor monetario implcito de 10-11. Empire Abrasive Company (EAC) produce
300 000 dlares por una vida humana que se polvo de xido de aluminio que utiliza en
salve (creemos que otro organismo tambin sus afiladoras y en sus abrasivos. Hay dos ti-
usa esta cifra para tomar decisiones acerca de pos de producto terminado: polvo fino y
la incorporacin de caractersticas de polvo grueso. Existen adems dos tipos de
seguridad adicionales en su equipo)". insumos, llamados crudo de Surinam y cru-
Formule un modelo de programacin li- do chino (segn el pas de donde proviene la
neal cuya solucin represente una asignacin bauxita de la cual se obtiene el crudo). Por
ptima del presupuesto de 110 000 dlares, ltimo, hay dos modos de procesamiento,
con base en la informacin anterior. llamados rpido y lento, que pueden
Asegrese de definir todas las variables que aplicarse a cualquiera de los materiales de
utilice. No tiene que resolver el problema entrada para producir diversos porcentajes
formulado. de los productos terminados. La tabla 10-11
10-10. Delight Dairy Company (DD) produce una describe los porcentajes de cada producto
amplia gama de productos lcteos. Los pro- terminado que se obtienen de las posibles
Captulo 10 Introduccin a la programacin lineal 287
Tabla 10-10
Prdidas en la produccin 5 5 5 0
Tabla 10-12
Capacidad
Costo operativo (toneladas-
Costo (tonelada- kilmetro
Tipo de compra kilmetro) por mes)
Remolque $15 000 $0 28 10
Mediano 8 000 0 32 (XX)
Camioneta 5 000 0.40 8 000
6 000
Tabla 10-13
Modelo Regular Especial De lujo
Precio de venta por unidad Costo de materias primas por $7 $15 $25
unidad Horas de trabajo necesarias para el montaje, para $3 $6 $10
el acabado y para el empaquetado por unidad* Lmite
0.1 0.2 0.
superior de la demanda para las ventas semanales
1 000 800 5
300
ejemplo, si la oficina del aeropuerto de Chi- que los dficits se compensan con los
cago tiene 67 automviles en este momento excedentes.
y el objetivo es 80, tiene un dficit de 13 au- a. Formule un modelo de programacin
tomviles). lineal para resolver este problema.
Cada semana, el gerente debe determinar b. El gerente de operaciones de Allegory
cmo reasignar los automviles de las ciu- Airlines (AA) tiene un problema seme
dades con excedentes a las ciudades con d- jante al de reubicacin de automviles
ficit. Aunque el nmero objetivo no vara de de Hervs. Cada noche, las aeronaves
una semana a la otra, el problema cambia DC-9 de AA terminan sus operaciones
cada semana, debido a los patrones agre- de transporte de pasajeros en distintas
gados, aproximadamente aleatorios, de ciudades; los DC-9 se requieren cada
comportamiento del alquiler. Por ejemplo, maana en varias ciudades para iniciar
en una semana Chicago puede tener un dfi- los vuelos del da siguiente. Por des
cit de 13 automviles, como sucedi antes; gracia, en ocasiones los DC-9 llegan
pero la siguiente semana puede tener un en la noche a ciudades que no los re
excedente de ocho vehculos. (88 auto- quieren en la maana siguiente, mien
mviles). tras que sucede lo contrario en otras
El mtodo que se utiliza actualmente para ciudades. El programa de vuelos de
resolver este problema consiste en comenzar AA no vara durante la semana; es
por la costa occidental y cubrir el dficit con ms, por lo general no cambia en
los excedentes de las ciudades ms tres o cuatro meses. As, el problema
cercanas, siempre y cuando el gerente no de AA es idntico todas las noches; por
haya asignado esos automviles a otra ejemplo, si Chicago tiene un excedente
ciudad. De cualquier manera, el gerente de dos DC-9 esta noche, tendr un
cree que debe existir un procedimiento ms excedente de dos DC-9 todas las
sistemtico para atacar el problema. La noches hasta que se produzca el
situacin de cada ciudad (excedente o dficit siguiente cambio en el programa de
en el nmero de automviles) se conoce al vuelos.
inicio de la semana; el gerente tambin sabe AA ha determinado el costo del
cul es el costo de reasignar un automvil de vuelo de un avin de la ciudad i a la
la ciudad i a la ciudad y, lo cual se representa ciudad j, incluyendo aspectos comple-
con Cy. Hervs tiene oficinas en 100 jos como el costo de transporte de la
ciudades de todo el pas, con una flotilla tripulacin del avin de la ciudad j a su
total de 10 000 automviles. La suma de las ciudad de origen (por lo general, otra
cantidades objetivo tambin es 10 000 ciudad); este costo se representa con
vehculos, por lo C,y.
Captulo 10 Introduccin a la programacin lineal 291
Problemas ms difciles
Tabla 10-14
Mtodo de corte
Anchura
60 centmetros
50 centmetros
30 centmetros
20 centmetros
Desperdicio
(centmetros)
292 Parte III Programacin matemtica
Tabla 10-15 Caractersticas de las plantas elctricas por unidad (mil millones de kilowatts-hora)
de suministro anual
Suministro Suministro Costo de la Costo total
garantizado mximo inversin actualizado
(millones de (millones (miles de (miles de
Tipo kilo-watts) de kilowatts) dlares) dlares)
Vapor 0.15 0.20 $30 $65
Tabla 10-16
Oct. Nov. Dic. Ene. Feb. Mar.
Automviles necesarios 380 360 300 360 330 340
tipo de planta que debe construir. El objetivo de alquiler para los prximos seis meses, co-
es minimizar el costo total actualizado, pero mo se presenta en la tabla 10-16.
existe la restriccin de que no puede invertir La compaa obtiene sus vehculos por
ms de 350 millones de dlares en plantas arrendamiento de un fabricante de autom-
en los prximos diez aos. viles. Hay tres planes de arrendamiento dis-
Formule el problema como un modelo de ponibles, con duracin de tres, cuatro o
programacin lineal. cinco meses. Los automviles se arriendan
10-23. En los modelos de programacin lineal, por al comenzar el primer da de cada mes y se
lo general se supone que la demanda de un devuelven al fabricante el ltimo da del mes
producto es algo conocido, cuando en la en el cual concluye el periodo de arren-
prctica esta demanda es incierta. Con fre- damiento. Los costos de arrendamiento se
cuencia se puede incorporar esta demanda muestran en la tabla 10-17.
incierta a un modelo de programacin lineal, Estos costos incluyen el pago por arrenda-
como se ilustra en este ejercicio. miento al fabricante y los gastos normales
Remtase al problema 10-1 y a la solucin de mantenimiento y reparacin. El arrenda-
que se presenta al final del libro. Considere miento se puede obtener en cualquier mes.
el producto A, para cuya demanda se supone El fabricante tiene ciertas restricciones: por
que existe un lmite superior de 20 unidades. lo menos el 60% de los automviles deben
Suponga aliora que el lmite superior para la arrendarse a cinco meses, y no ms del 20%
demanda del producto A es incierta pero se pueden estar en arrendamiento a tres meses.
asigna una probabilidad de 0.4 de que se La flotilla est compuesta, al 30 de sep-
vendan 10 unidades como mximo, y de 0.6 tiembre, por 300 automviles. Para 100 de
de que se vendan 20 como mximo. ellos, el arrendamiento vence al trmino de
Suponga tambin que si se producen ms de octubre; para otros 100, vence al final de
10 unidades y el lmite superior de la noviembre y para los 100 restantes vence al
demanda resulta ser slo 10 unidades, se concluir diciembre. Premier desea tener
puede vender el excedente a un precio re- entre 300 y 350 automviles en la flotilla al
ducido que slo ofrecer un beneficio de 10 terminar marzo (despus de devolver los
dlares por unidad. Su objetivo es maximi- automviles cuyo arrendamiento vence ese
zar el beneficio esperado. Cmo modifica- mes).
ra la formulacin del problema 10-1 para Premier quiere tambin minimizar sus
lograrlo? costos de arrendamiento. Formule un pro-
Recomendacin: Defina una nueva blema de programacin lineal para resolver
variable como el exceso de produccin del el problema de planificacin de la flotilla.
producto A, por encima de 10 unidades, y Precisin Pencil Company (PPC) produce
10-25. lpices de madera y el grafito de los lpices.
considere los ingresos esperados que se
obtendran de la venta de estas unidades. Hay dos clases principales de sus productos:
La compaa de alquiler de automviles Pre- lpices regulares y de dibujo. La produccin
mier tiene una flotilla en una ciudad grande del grafito para las dos clases utiliza las
10-24. mismas instalaciones, pero en el caso del de
de la parte occidental del pas. La compaa
ha pronosticado la demanda de automviles mayor calidad para dibujo, las operaciones
del departamento requieren ca-
296 Parte III Programacin matemtica
Tabla 10-17
Tipo de arrendamiento
Tres meses Cuatro meses Cinco meses
Tabla 10-18 Requisitos y lmites de combustible (miles de litros, a menos que se especifique
lo contrario)
Combustible adicional
Consumo consumido por litro de
normal combustible
Combustible Combustible de combustiblt almacenado en el
si se carga el tanque (es decir, Precio por
Nmero mnimo mximo
Secuenci combustible combustible por encima litro
de ciudad a de requerido permitido mnimo del mnimo; en litros) (centavos)
Caso 10-28 Impala Gold Company operaba una mina de oro en el Estado Libre de Orange,
Sudfrica. La operacin consista en minera subterrnea, a una profundidad de
1400 metros, para la extraccin de mineral de oro. Las rocas se transportaban por
los tneles de la mina a un molino que trituraba la roca y extraa el oro.
La mina Impala tena tres tneles. La informacin acerca de estos tneles se
presenta en la tabla adjunta. Observe que el mineral que se obtiene de cada una
de las reas de los tneles tiene diferente contenido de oro y distinto costo.
Las rocas que se extraan de los tres tneles se enviaban al molino para ser
trituradas y refinadas. La capacidad del molino dependa de la finura del molido
de las rocas. Si las rocas se molan finamente, la capacidad del molino era de
240 000 toneladas mensuales y se recuperaba el 95% del oro en la operacin. Las
rocas de cada tnel se podan moler por separado. El costo de molido fino de una
tonelada de roca era 1.12 rands por tonelada. Si el molido de las rocas era grueso,
la capacidad del molino era de 250 000 toneladas, pero la recuperacin de oro
bajaba al 90%. El costo de molido grueso de una tonelada de roca era de 0.85
rands. La mina poda vender todo el oro que produjera, a 0.80 rands el gramo.
El gerente de la mina estaba preocupado por la cantidad de mineral que deba
extraer de cada una de las reas de los tneles. Haba observado que la capacidad
del molino no era suficiente para manejar todos los tneles si stos operaban a
toda su capacidad. El problema se complicaba an ms por el requisito legal de
que la mina no poda operar "por encima del grado promedio" de las reservas
de mineral. En la mina Impala este grado promedio era de 20 gramos por tonelada.
Por lo tanto, exista la restriccin legal de que la mezcla de rocas de los tres tneles
no poda exceder un promedio de 20 gramos de oro por tonelada de mineral.
Formule un modelo de programacin lineal para maximizar los beneficios de
la operacin de la mina.
Captulo 10 Introduccin a la programacin lineal 299
Capacidad de transporte del tnel (toneladas por mes) 85 000 90 000 20 95 000
Grado del mineral (gramos de oro por tonelada de roca) 25 6 5 15
Costo variable de la extraccin de roca (rands por tonelada) 4
Caso 10-29 El tesorero de los grandes almacenes Racy's lleva a cabo su planificacin
financiera para los prximos seis meses (septiembre a febrero).7 Se aproxima la
temporada navidea, por lo que Racy's necesita grandes cantidades de efectivo,
sobre todo en los meses de noviembre y diciembre; en enero y febrero ingresa
gran cantidad de efectivo, cuando los clientes pagan sus cuentas navideas. Estas
condiciones se resumen en la tabla 10-19 (en miles de dlares).
El tesorero tiene tres fuentes de financiamiento a corto plazo para satisfacer las
necesidades de Racy's. Estas fuentes son:
7
Este problema se basa en A. A. Robicheck, D. Teichroew y J. M. Jones, "Optimal Short-Term Financing
Decisions", Management Science, septiembre de 1965.
300 Parte III Programacin matemtica
Tabla 10-19
Sept. Oct. Nov. Dic. Ene. Feb.
Saldo de cuentas por cobrar
(al iniciar el mes) $70 $50 $70 $120 $100 $ 50
Pagos planificados de compras
(suponiendo que se aplica
el descuento) 80 90 100 60 40 50
Necesidades de efectivo para
las operaciones 30 60 90
Excedente de efectivo de las
operaciones 20 30 150
Caso 10-30 Daguscahonda Mines Company (DMC) explota minas de carbn a cielo abierto
en la parte occidental de Pennsylvania. Actualmente trabaja en tres minas, A, y
C, cada una de las cuales produce carbn con distinto contenido de azufre y ceniza.
El carbn de las tres minas se transporta a un molino comn que muele el carbn
para obtener una mezcla ms fina. El carbn se "lava" despus para eliminar parte
del azufre y la ceniza. En el proceso de lavado se vaca el carbn molido en un
tanque de gran tamao que contiene un fluido. El carbn ms limpio flota y se
retira para venderlo. El carbn con mayor concentracin de impurezas se hunde
en el fondo del tanque y se desecha.
Se puede controlar la cantidad de impurezas que se eliminan utilizando fluidos
de lavado de distintas densidades (de pesos especficos diferentes). Actualmente
se usan tres fluidos: ligero, mediano y pesado. Con el fluido pesado se recupera
(es decir, flota) mayor cantidad de carbn, pero se elimina menor cantidad de
impurezas (vase Tabla 10-20).
Si el carbn de la mina A se lava slo con fluido ligero, nicamente se
recupera el 40% del carbn para la venta. Este carbn contiene un 0.62% de azufre
y un 1.6% de cenizas. Por otra parte, si se usa el fluido pesado, el rendimiento
aumenta al 55%, pero el carbn recuperado contiene 1.04% de azufre y 2.1% de
cenizas.
La operacin de molido y lavado se configura de manera que se puede usar
cualquier combinacin de carbn de las minas con cualquiera de los fluidos.
Despus del lavado, se combina todo el carbn para formar una sola mezcla, que
DMC pone a la venta. Los requerimientos ambientales limitan la mezcla a un
mximo de 0.5% de azufre y de 2.0% de cenizas.
Hay otras restricciones. El equipo disponible limita la cantidad que puede pro-
ducirse en cada mina (vase Tabla 10-21). El molino puede manejar un mximo
de 8000 toneladas de carbn no lavado por semana, con tiempo normal, pero con
tiempo extra la capacidad puede aumentar a 12 000 toneladas. El costo de la
operacin de molido es de cinco dlares por tonelada de carbn no lavado en
tiempo normal y de 7.50 dlares por tonelada en tiempo extra. El tanque de lavado
puede manejar hasta 6000 toneladas de carbn recuperado en tiempo normal y
otras 3000 toneladas ms en tiempo extra. El costo de lavado es de 10 dlares por
tonelada de carbn recuperado en tiempo normal y de 15 dlares en tiempo extra.
Captulo 10 Introduccin a la programacin lineal 301
Resolucin de problemas de
programacin lineal
Solucin grfica
En la mayora de los casos no es posible resolver grficamente los problemas de
programacin lineal, por nuestra incapacidad para visualizar ms de tres dimen-
siones espaciales. Sin embargo, es conveniente ver cmo se puede resolver un
problema sencillo en forma grfica, ya que los problemas de mayor dimensin
tienen soluciones semejantes.
Situacin. Una empresa fabrica dos productos, A y B. Cada uno requiere tiempo
en dos mquinas. La primera mquina tiene 24 horas disponibles y la segunda
302
Captulo 11 Resolucin de problemas de programacin lineal 303
tiene 16. Cada unidad del producto A requiere dos horas en ambas mquinas y
cada unidad del producto necesita tres horas en la primera mquina y una hora
en la segunda. Los beneficios son de seis dlares por unidad de Ay de siete dlares
por unidad de B, y la empresa puede vender todas las unidades que fabrique de
ambos productos.
Esta lnea contiene varios puntos factibles (puntos en ACDE), todos los cuales
generaran 42 dlares de beneficio. Pero la lnea = 54 es mejor que = 42, pues
contiene puntos factibles con beneficio de 54 dlares. Observe que la lnea de
beneficio = 54 es paralela a la lnea = 42; en los problemas de programacin
lineal todas las lneas de beneficios sern paralelas. Continuamos considerando
Ms adelante se ver que dos o ms vrtices adyacentes pueden ser soluciones ptimas alternativas.
Captulo 11 Resolucin de problemas de programacin lineal 305
las lneas paralelas a la lnea = 42 hasta llegar a la lnea - 64. Aqu slo hay
un punto en la regin ACDE, D, y D (que es X1 = 6 y X2 = 4) es la solucin ptima.
No hay puntos en la regin factible para valores de mayores.
El vrtice especfico que ser la solucin depender de la pendiente de la
funcin de beneficio, es decir, de la rentabilidad relativa de los productos A y B.
Si, por ejemplo, el producto A fuera mucho ms rentable que el producto
B, digamos ocho dlares por unidad de A y dos dlares por unidad de B, entonces
la funcin objetivo sera:
SX 1 + 2X 2
ptimas. Los vrtices C y D son puntos ptimos con beneficio de 64 dlares, pero
tambin lo son todos los puntos sobre la lnea CD de la figura 11-4.
Ms dimensiones. Visualice la extensin del problema de programacin lineal a
tres dimensiones, como se muestra en la figura 11-5. Las restricciones repre-
Captulo 11 Resolucin de problemas de programacin lineal 307
Maximizar:
Sujeto a:
Precios duales
-(0.25)$6 + (0.50)$7 = $2
2
Esta solucin tambin se puede encontrar resolviendo en forma simultnea las dos ecuaciones, 2X + - 16
y 2X + 3^2 " 25. Observe que no es una solucin entera, pero las X se pueden interpretar como tasas de
produccin.
3
Otra manera de verlo consiste en colocar los nuevos valores en la funcin objetivo 6X + 2, con lo cual se
obtienen beneficios de 66 dlares, en vez de los 64 dlares anteriores (un aumento de dos dlares).
310 Parte III Programacin matemtica
ptima requera slo cuatro unidades del producto B, por lo cual no importa el
lmite de seis unidades que impone el mercado. Por lo tanto, el precio dual es cero.
De hecho, el precio dual de cualquier restriccin no efectiva siempre es cero.
Costos reducidos: Precios duales para restricciones de no negatividad. Tam-
bin es posible determinar los valores marginales asociados a introducir al menos
una unidad de una variable decisin en la solucin. Recuerde que las restricciones
de no negatividad son El incluir una unidad en la solucin implica
modificar una restriccin de no negatividad a Los valores
marginales de hacer esto se denominan costos reducidos.
Considere de nuevo el problema bsico cuya grfica se presenta en la figura
11-9. La solucin ptima requiere Xx = 6 y X2 = 4. Los dos son valores positivos
y, por lo tanto, ninguna de las restricciones de no negatividad es efectiva.
Entonces, el valor marginal (es decir, el costo reducido) asociado a su modifica-
cin es cero, al igual que para las dems restricciones no efectivas.
Suponga ahora que la funcin objetivo es = 10X1 + 3X2, como se muestra en
la figura 11-10. El punto C es la solucin ptima, con Xx = 8 y X2 = 0 y beneficio
de 80 dlares. Observe que X2 = 0, por lo cual la restriccin de no negatividad
X2 < 0 es efectiva. Suponga ahora que debe producirse por lo menos una unidad
del producto B, debido a un compromiso con un cliente, por lo cual se cambia la
restriccin de no negatividad a X2 > 1. Con esto cambia la solucin ptima de
la figura 11-10 a C", con X, = 7.5, X2 = 1 y beneficio de 78 dlares, una reduccin
de dos dlares con respecto al nivel anterior. En este caso el costo reducido o valor
marginal asociado con la restriccin de no negatividad de X2 es de dos dlares, lo
cual representa el costo de conservar al cliente.
Captulo 11 Resolucin de problemas de programacin lineal 313
RESUMEN Un precio dual representa el valor marginal asociado con un cambio unitario en
el trmino independiente de una restriccin. Un costo reducido representa el valor
marginal de introducir en la solucin una unidad de una variable de decisin. Los
costos reducidos se pueden considerar como precios duales de las restricciones
de no negatividad. Si una restriccin no es efectiva, su precio dual es cero.
Horas de la mquina 1 24 $2 4 8
Horas de la mquina 2 16 $1 8 4
Demanda del producto 6 0 Infinito 2
RESUMEN Los precios duales expresan el valor marginal del cambio del trmino indepen-
diente de una restriccin, pero estos valores slo se mantienen en ciertos intervalos.
dlar. Una unidad del producto C requiere cuatro y tres horas en las dos mquinas,
respectivamente. Entonces, el costo de oportunidad de una unidad del produc-
to C es:
o sea
por unidad del producto aumenta a ocho dlares, nueve dlares y luego a diez.
Cuando el coeficiente de X2 en la funcin objetivo es $8 (es decir, beneficio de
ocho dlares por unidad del producto B), la funcin de beneficio es = 6XX + SX2
y el punto D es an la solucin ptima. Si el coeficiente de X2 aumenta a $9,
la pendiente de la funcin de beneficio es idntica a la pendiente de la restriccin
de la mquina 1 y cae exactamente sobre la lnea de restriccin. Por lo tanto hay
varias soluciones ptimas alternativas (vase pg. 305) y tanto D como son
vrtices ptimos. Suponga que el coeficiente de X2 aumenta ms, hasta 10 dlares
por unidad, de manera que la funcin de beneficio es = 6X + 10X2, como
se muestra en la figura 11-13. Observe que en la regin factible hay puntos
por encima de la lnea (es decir, con mayores beneficios), por lo cual el punto D
ya no es el ptimo. Ahora el punto es la nica solucin ptima. En otras
palabras, si el coeficiente de X2 excede nueve dlares, el punto ptimo pasa del
punto D al H.
El anlisis es el mismo si se reduce el coeficiente de X2. La figura 11-14 muestra
la funcin de beneficio para valores de $5, $3 y $1 del coeficiente de X2. Con un
coeficiente de 3, la funcin de beneficio es = 6XX + 3X2, la funcin de beneficio
coincide con la restriccin de la mquina 2 y los puntos C y D son ptimos. Si el
coeficiente se reduce ms, a 1, el punto ptimo se desplaza a C.
Se puede aplicar el mismo anlisis para los beneficios de A, manteniendo
constante el coeficiente de X2 y modificando el de Xx. Aunque no se muestra el
anlisis grfico, los resultados indican que el coeficiente de X] puede disminuir
de 6 a 4.67 antes de que el punto ptimo cambie a H. Por otra parte, el coeficiente
puede aumentar de 6 a 14 antes de que el punto ptimo se desplace a C.4 Estos
resultados se pueden resumir como sigue:
Intervalos de los coeficientes de la funcin
objetivo (intervalo en el cual no cambia la
solucin ptima bsica)
Coeficiente Aumento Reduccin
Variable actual permitido permitida
Producto A 6 8 1.33
Producto 7 2 4
Figura 11-13 Anlisis de sensibilidad: Aumento en el beneficio por unidad del producto
unidades del producto A y cuatro unidades del producto B. Fuera del intervalo, la
solucin ptima cambia abruptamente a otro vrtice. Por supuesto, los beneficios
totales varan de acuerdo con los cambios en los coeficientes, pero, una vez ms,
la solucin no vara dentro de los intervalos.
Por otra parte, en los intervalos del trmino independiente la solucin cambia,
ya que el punto ptimo se desplaza sobre una de las lneas de restriccin. En
nuestro ejemplo se producen diferentes cantidades de los productos A y al
moverse el punto ptimo. Al llegar al lmite del intervalo, un nuevo vrtice se
convierte en la solucin ptima.5
RESUMEN Los intervalos, tanto para los coeficiente del trmino independiente como para los
de la funcin objetivo, proporcionan informacin importante en la interpreta-
cin de la solucin de un programa lineal. Los intervalos del trmino indepen-
diente determinan los lmites dentro de los cuales se mantiene el precio dual para
cada restriccin. Los intervalos de los coeficientes de la funcin objetivo deter-
minan los lmites dentro de los cuales la solucin es la misma.
Minimizacin
Hasta ahora nuestro ejemplo ha supuesto la maximizacin de la funcin objetivo.
La minimizacin es similar.
5
En trminos de la formulacin algebraica que se analizar dentro de poco, las variables bsicas permanecen sin
cambio dentro del intervalo. El conjunto de variables bsicas cambia en el lmite.
Captulo 11 Resolucin de problemas de programacin lineal 319
Figura 11-14 Anlisis de sensibilidad: Reduccin del beneficio por unidad del producto
Ejemplo Una compaa tiene dos talleres. Las variables de decisin son el nmero de horas
por semana que opera cada uno. El primer taller puede operar un mximo de
40 horas y el segundo un mximo de 60 por semana. Cada hora de produccin en
el primer taller da como resultado tres toneladas de producto terminado; cada
hora en el segundo taller produce cuatro toneladas de producto terminado. La
compaa tiene compromisos con los clientes para vender por lo menos 175
toneladas de producto terminado. La hora de operacin del primer taller cuesta
20 000 dlares, mientras que para el segundo taller el costo por hora es de 40 000
dlares. La compaa quiere mantener los costos en lo mnimo posible. Por
razones de poltica, la compaa quiere operar al menos el mismo nmero de horas
en el segundo taller que en el primero. La formulacin del programa lineal es:
Funcin objetivo:
Mtodo algebraico
En el captulo 10 se consider la formulacin de los problemas de programacin
lineal en trminos algebraicos. En esta seccin se ampliar el mtodo algebraico
para demostrar algunos de los conceptos importantes de la programacin lineal.
Considere el problema de maximizacin original que se resolvi al principio de
este captulo. Recuerde que se tena:
Maximizar:
Sujeto a:
6
Para este fin no se consideran las restricciones de no negatividad.
322 Parte III Programacin matemtica
o sea
o sea
7
Linus Schrage, Users Manual for LINDO, Palo Alto, Calif., The Scientific Press, 1984.
326 Parte III Programacin matemtica
Usaremos este ejemplo para repasar algunos de los aspectos que se destacaron
en este captulo. En primer lugar, observe que hay cuatro restricciones, por lo que
debe haber cuatro variables bsicas en la solucin. De hecho, all estn: TALLER 1
y TALLER2, cada una con valor 25, y adems 15 y 35 horas de holgura en las
restricciones de las capacidades de cada taller (renglones 2 y 3). En segundo lugar,
observe el precio dual (-$8.57) de la restriccin que requiere la produccin de
175 toneladas para satisfacer las exigencias del cliente. ste es el costo marginal
de la produccin de una tonelada adicional; la produccin de 176 toneladas
costara 8570 dlares ms que el costo de produccin de 175 toneladas. Observe
tambin que este costo marginal se mantiene desde la exigencia actual de 175
toneladas hasta 105 toneladas adicionales, para un total de 280 toneladas (vanse
los intervalos del trmino independiente de la tabla 11-3).
Programacin paramtrica
El anlisis de sensibilidad del trmino independiente permite la definicin de un
intervalo de valores de la solucin ptima en el cual no cambian los precios duales.
En ocasiones es de inters examinar las variaciones en la solucin de progra-
8
Sam L. Savage, Whal's Best, Oakland, Calif., Holden-Day, 1986.
9
Borland International, Quattro Pro, Scotts Valley, Calif., Borland, 1989.
10
Lotus Developinent Corp., Lotus 1-2-3/G, Cambridge, Mass., Lotus, 1990.
1
' De hecho, What's Best utiliza una versin de LINDO para resolver el problema de programacin lineal.
Captulo 11 Resolucin de problemas de programacin lineal 327
12
En este captulo slo nos interesa la variacin de una variable cada vez. Esta tcnica se. puede ampliar para
considerar los cambios de diversas variables al mismo tiempo, en proporciones fijas entre s. Vase Harvey M.
Wagner, Principies of Operations Research, edicin revisada, Englewood Cliffs, N. J., Prentice Hall, 1975.
328 Parte III Programacin matemtica
Figura 11-17
Maximizar:
Sujeto a:
Lo anterior establece que la cantidad total de capital de trabajo debe ser menor
que una cantidad no especificada, K. Nos interesa conocer cmo cambia la
solucin del problema al variar de cero en adelante.
Si = 0, la nica solucin es no producir nada y = X2 = 0. Si aumenta a 1,
el primer dlar de capital de trabajo se usa para producir una unidad de X2, porque
ste es el producto ms rentable. Entonces, en esta etapa, cada unidad de (es
decir, cada dlar de capital de trabajo) produce ocho dlares de beneficio. Esta
condicin se mantiene hasta llegar a la situacin que se presenta en la figura 11-18.
En la figura 11-18 hay tres unidades de disponibles y todas se usan para
producir unidades de X2. Sin embargo, en este punto la restriccin de mercado
(X2 < 3) es efectiva y ya no pueden producirse ms unidades de X2. Las unidades
Captulo 11 Resolucin de problemas de programacin lineal 329
Figura 11-
18
Figura 11-19
Un anlisis de este tipo sera importante para una empresa que quiere decidir
cunto capital de trabajo invertir en esta operacin de produccin. Es obvio que
no invertira ms de ocho dlares. Sin embargo, podra invertir menos si tuviera
alternativas ms rentables para sus fondos. Por ejemplo, si pudiera usar el capital
de trabajo en otro lugar que rindiera cuatro dlares por unidad, entonces no
invertira ms de seis unidades en esta operacin. Si pudiera obtener un rendi-
miento de seis dlares por unidad en otra parte, no empleara ms de tres unidades
en esta operacin.
Al construir un modelo de programacin lineal de sistemas empresariales
muchas veces se detecta que una operacin es una restriccin efectiva, un cuello
de botella. La gerencia puede aadir capacidad, pero surge la pregunta: cunta
capacidad adicional debe obtenerse? La programacin paramtrica puede servir
para obtener una respuesta parcial a la pregunta, y muestra cules seran los
ingresos o ahorros adicionales que se obtendran de la adicin de distintas
cantidades de capacidad y, al determinar los costos de la adicin de esta capacidad,
se puede obtener la respuesta.
El anlisis paramtrico tambin puede aplicarse a la funcin objetivo para
estudiar el efecto de los cambios en el precio de un producto o en el costo de una
materia prima.
Figura 11-20
Figura 11-21
332 Parte III Programacin matemtica
13
Los indicadores de una solucin ptima alternativa son:
Una variable de decisin tiene valor cero y el costo reducido tambin es cero, o
Una variable de holgura o excedente tiene valor cero (la restriccin es limitante) y el precio dual es cero.
Captulo 11 Resolucin de problemas de programacin lineal 333
Observe que las primeras 900 unidades adicionales (de 600 a 1500) tienen
precio dual de 6.67 dlares y que las 100 unidades siguientes tienen valor (precio
dual) de 3.33. Por lo tanto, el valor total de las 1000 unidades es (900 $6.67) +
(100 x $3.33) = $6333. Como esta cifra es mayor que el costo de 5000 dlares,
hay que comprar la madera.
RESUMEN Este captulo present las ideas bsicas de la solucin de problemas de progra-
macin lineal, primero en forma de soluciones grficas y luego como resultados
de programas de computacin.
La solucin ptima de un problema de programacin lineal es un vrtice de la
regin factible, el cual corresponde, en trminos algebraicos, a una solucin
bsica factible que contiene m variables bsicas (donde m es el nmero de
restricciones).
El anlisis de sensibilidad de las restricciones implica primero encontrar
el precio dual, valor marginal de un cambio unitario en el trmino independiente
de la restriccin, y despus encontrar el intervalo de valores en el cual se mantiene
el precio dual (los intervalos del trmino independiente).
El costo reducido es un valor marginal anlogo, asociado a la introduccin de
una unidad de una variable de decisin en la solucin ptima.
Los intervalos de coeficientes de la funcin objetivo proporcionan anlisis de
sensibilidad adicionales. Estos intervalos indican los cambios en los coeficientes
de la funcin objetivo que no alteran la solucin ptima.
El anlisis paramtrico examina los cambios en la solucin y en el precio dual al
variar el trmino independiente de una restriccin dentro de un intervalo amplio.
Hay varios programas de computacin para la resolucin de problemas de
programacin lineal, incluyendo algunos existentes dentro de hojas de clculo. El
paquete LINDO se presenta como ejemplo en este captulo, pero las salidas de
otros programas son semejantes.
es daino (es decir, reduce los beneficios o aumenta los costos), mientras que la
ampliacin de una restriccin ayuda (aumenta los beneficios o reduce los costos).
En el caso de las restricciones de igualdad, a veces no queda claro si la restriccin
se hace ms estricta o ms holgada. La siguiente tabla debe servir para su
interpretacin.
Degeneracin
Recuerde que en la formulacin algebraica de este captulo se mencion que, en
un problema de programacin lineal con m restricciones, la solucin bsica tendr
exactamente m variables bsicas o de solucin. En las salidas de LINDO se pueden
determinar las bsicas con slo identificar las variables de decisin o las variables
de holgura o excedentes que sean distintas de cero. En ocasiones (de hecho, con
frecuencia en problemas de programacin lineal de gran magnitud) sucede que
hay menos de m variables distintas de cero en la solucin ptima. Esto quiere
decir que por lo menos una de las variables bsicas es cero, situacin que se conoce
como degeneracin.
Por lo general, la degeneracin no es un problema, pero hay que tener cuidado
en la interpretacin de algunos de los precios duales. Especficamente, al exami-
nar los intervalos del trmino independiente, un precio dual puede tener un valor
cero como aumento permitido, una reduccin permitida de cero, o ambos. En otras
palabras, el precio dual se mantendr slo en un intervalo limitado o quizs no
exista tal intervalo. La degeneracin no ser un problema si se toma en cuenta
esta situacin al interpretar los resultados de la programacin lineal.
Soluciones alternativas
En ocasiones un problema de programacin lineal puede tener ms de una solucin
ptima (vase pg. 305 y Fig. 11-4.). Es fcil detectar estos casos en los resultados
de LINDO si la solucin no presenta degeneracin. Si hay una variable de deci-
sin que tenga valor cero y tambin un costo reducido de cero, esto indica que
Captulo 11 Resolucin de problemas de programacin lineal 337
existe una solucin alternativa. Adems, una restriccin con holgura (o excedente)
igual cero y con precio dual de cero tambin indica una solucin alternativa.
Si la solucin ptima presenta degeneracin, entonces no es fcil determinar
en los resultados de LINDO si existen soluciones alternativas; este caso no se
analizar aqu.
Bibliografa
Schrage, Linus, Linear, Integer and Quadratic Pro- Rubin, D. y H. Wagner, "Shadow Prices: Tips and
gramming with LINDO, cuarta edicin, South Traps for Managers and Instructors", Interfaces,
San Francisco, Calif. Scientific Press, 1989. pgs.
Vase 150-157,
tambin julio-agostodel
la bibliografa decaptulo
1990. 10.
11-1. Resuelva grficamente el siguiente problema: d. Suponga que hay 31 000 horas de trabajo
Maximizar: disponibles, en lugar de las 30 000 del ca
Sujeto a: so base. Cul es el efecto en el proble
ma? Cul es el efecto en los beneficios?
Cul es el precio dual de la restriccin
del nmero de horas de trabajo?
e. Remtase a los apartados (b), (c) y (d) an
teriores. Determine en forma grfica los
intervalos del trmino independiente en
Remtase al problema 10-3 al final del captulo
los cuales se mantienen los precios duales
10.
de las tres restricciones.
a. Resuelva el problema en forma grfica pa Remtase al problema 10-1, al final del cap-
ra encontrar la combinacin ptima de pro 11-3.
tulo 10. La formulacin del problema se pre-
ductos. senta al final del libro, en las respuestas a los
11-2. Para los apartados (b) a (d) de este pro- problemas del captulo 10. Si usted dispone
blema, considere cada caso por separado. de un programa de computacin para progra-
Convierta adems a millares todas las uni- macin lineal, resuelva el problema; de lo
dades y resuelva grficamente. contrario, consulte los resultados del progra-
b. Suponga que el nmero mximo de unida ma LINDO que se presentan al final del libro
des del producto A que pueden venderse en las respuestas a los problemas de este cap-
es 9000 (en lugar de 8000, como en el ca tulo. Responda las siguientes preguntas:
so base). Cul es el efecto en la solu a. Cul es la solucin del problema? Cun
cin? Cul es el efecto en los beneficios? tas unidades de cada producto se fabrican
Cul es el precio dual para la restriccin y en cules restricciones hay holgura o ex
que limita las ventas del producto A? cedentes? Cul es el beneficio ptimo?
c. Suponga que el nmero mximo de unida b. Cul es el valor de una hora adicional
des de producto que pueden venderse es de fresado? El de una hora adicional de
13 000 (y no 12 000, como en el caso ba montaje? El de un dlar adicional
se). Cul es el efecto en la solucin? de capital de trabajo para el proceso de
Cul es el efecto en los beneficios? inventario?
Cul es el precio dual para la restriccin
que limita las ventas del producto B?
338 Parte III Programacin matemtica
c. Suponga que la compaa puede invertir problemas del captulo 10. Si tiene acceso a
dinero en publicidad y que el efecto sera un programa de computacin para progra-
un incremento en el lmite de la demanda macin lineal, resuelva el problema. De lo
del producto A o del producto C. Cunto contrario, consulte las salidas de LINDO que
debe estar dispuesta a pagar la compaa se muestran en las respuestas correspondientes
para aumentar la demanda del producto A a este captulo, al final del libro, y despus
en una unidad? Cunto para aumentar la responda las siguientes preguntas.
demanda del producto C en una unidad? a. Cul es la solucin del problema? Cun
d. Suponga que el contrato del producto D re tos prstamos de cada tipo debe tener la
quiere 13 unidades (en lugar de 10). Qu empresa? Cul es el rendimiento espera
efecto tendra esto en los beneficios? do de estos prstamos?
e. Suponga que el beneficio por unidad del b. Si la compaa pudiera juntar 1.5 millones
producto C fuera de 46 dlares (y no de de dlares adicionales para prestarlos,
36) Cmo cambiara la solucin (es cul sera el rendimiento de cada dlar
decir, cuntas unidades de cada producto adicional? En qu intervalo se manten
habra que producir)? Cunto cambia dra este valor?
ran los beneficios? c. Suponga que el rendimiento anual de las
/ Se piensa fabricar otro producto, E, que re- segundas hipotecas aumenta del 10 al
quiere dos horas de fresado, cinco horas de 12%. Cul sera el efecto en la solucin
montajes y 20 dlares de capital de trabajo. del problema (es decir, en la cartera de
El beneficio por unidad es de 50 dlares. prstamos)? Cul sera el efecto en el ren
Cuntas unidades de deben producirse? dimiento total? Suponga que la tasa de las
Remtase al problema 10-2, al final del cap- segundas hipotecas fuera del 14%. Cul
11-4. tulo 10. La formulacin del problema se in- sera el efecto? Cunto tendra que subir
cluye al final del libro, en las respuestas a los la tasa de las segundas hipotecas para que
tuviera efecto en la cartera de prstamos?
Problemas
11-5. Resuelva en forma grfica el siguiente proble Calcule el precio dual por hora de trabajo
ma de minimizacin: adicional.
Minimizar: C = 4X, + 2X2 c. Cuntas horas de trabajo adicional pue
Sujeto a: X, > 6 den aadirse antes de que cambie el pre
Xi + X2> 10 cio dual que calcul en (b)l Muestre el
X,, X2 > 0 resultado en forma grfica.
11-6. Remtase al problema 10-6 del final del cap- d. Remtase al caso base que se describe en
tulo 10. Resuelva el problema en forma grfi- (a). Suponga que la competencia ha hecho
ca para encontrar la estrategia de publicidad que el precio del helado baje de 300 a 200
ptima. dlares por cada 4000 litros. Cambiara
11-7. Remtase al problema 10-10 del final del ca- esto el plan de produccin de DD? De ser
ptulo 10 (el problema de la compaa De- as, cul sera el nuevo plan?
light Dairy). 11-8. Remtase al problema de mezcla de gasoli-
a. Resuelva grficamente el problema. nas, ejemplo 3, pginas 271 a 275 del captulo
b. Suponga que se podran obtener 10 horas 10. En la tabla 11-5 se presenta la solucin de
de trabajo adicionales (convirtiendo la po LINDO para este problema. La codificacin
sicin de % de tiempo en tiempo comple de las variables es la siguiente: GAS1AV,
to). Cul es el efecto en la solucin? barriles de gasolina para mezcla 1 utilizados
Muestre el resultado de manera grfica. en gasolina para aviacin;
Captulo 11 Resolucin de problemas de programacin lineal 339
Tabla 11-5 Resultado del programa de computacin LINDO para el problema de mezcla
de gasolinas (problema 11-8)
340 Parte III Programacin matemtica
GAS2AV, barriles de gasolina para mezcla 2 b. Suponga que, por razones de poltica,
utilizados en gasolina para aviacin; la compaa quiere enviar por lo menos
GAS1MOT, barriles de gasolina para mezcla 1000 cajas de Cincinnati a Dallas. Au
1 utilizados en gasolina para motores; mentara el costo? Cunto aumentara?
GAS2MOT, barriles de gasolina para mezcla c. Suponga que la empresa considera un
2 utilizados en gasolina para motores. programa de mercadotecnia para au
a. Cul es la solucin ptima de este mentar las ventas en las regiones de los
problema? almacenes. Si todo lo dems permane
b. Hay soluciones ptimas alternativas? ce igual (con excepcin de los costos
Cmo lo sabe? de envo), qu regin generara mayo
c. Cules de las restricciones del octanaje y res beneficios? Cul generara el me
de la presin de vapor son efectivas? nor beneficio?
d. Suponga que la compaa puede comprar d. Suponga que la capacidad de la planta
5000 barriles adicionales de gasolina para de Cincinnati puede crecer un 10% si
mezcla 1, a un precio de 200 000 dlares. se usa tiempo extra, a un costo de 1000
Deben efectuar la compra? Por qu? dlares. Debe hacerse? Por qu?
e. Se propone un producto nuevo que requie e. En el plan ptimo, la planta de Cincin
re mezclar exactamente las mismas canti nati no enva jabn al almacn de Da
dades de gasolina para mezcla 1 y 2. llas. Suponga que el departamento de
Suponga que el precio de venta de esta envos logr obtener una tarifa muy fa
nueva mezcla es de 40 dlares por barril. vorable, de 90 dlares por cada mil ca
Debe fabricarse la mezcla? Suponga que jas, para la ruta Cincinnati-Dallas.
el precio es de 35 dlares por barril. De Cmo cambiara el plan de envos p
be fabricarse la mezcla? timo? Cmo lo sabe?
Remtase al problema de transporte, ejemplo 11-10. Un fabricante de televisores fabrica cuatro
11-9.
2, pginas 269 a 271 del captulo 10. En la ta- modelos: (1) un televisor porttil, blanco y
bla 11-6 se presentan los resultados de LIN- negro, llamado Deportista, (2) un televisor
DO para este problema. La variable de comn, blanco y negro, llamado Normal,
decisin CNY es el nmero de cajas de jabn (3) un televisor porttil, a colores, llamado
(en miles) que se envan de la planta de Cin- Viajero y (4) un modelo normal, a colores,
cinnati al almacn de Nueva York, la variable llamado Super. Cada televisor requiere
DB es la cantidad de cajas (en miles) que se
tiempo para montaje y pruebas. En la tabla
envan de la planta de Denver al almacn de
anexa se indican los requisitos de montaje y
Boston, etc. La primera letra se refiere a la
pruebas para cada modelo, as como la
planta y la segunda (y la tercera) al almacn.
cantidad de tiempo disponible para cada
Utilice los resultados de la tabla 11-6 para
operacin. Adems, por causa de una
responder las siguientes preguntas. a. Cuales
huelga, hay una escasez de cinescopios y el
son la produccin y el plan de envos ptimos
proveedor indica que no podr proporcionar
para esta compaa?
ms de 180 cinescopios el prximo
(para el problema 11-10)
Modelo Modelo Modelo Modelo Total
Deportista Normal Viajero Super disponible
Tabla 11-6 Resultados de LINDO para el problema de transporte (problema 11-9) (contina)
342 Parte III Programacin matemtica
mes y, de stos, como mximo 100 podrn qu intervalo es vlido este valor
ser de color. marginal?
El problema se formula y se resuelve en c. Suponga que se pueden obtener 80 ho
la tabla 11-7. Las variables de decisin, DE- ras adicionales de tiempo de pruebas a
PORTISTA, NORMAL, VIAJERO y SU- un costo de cuatro dlares por hora.
PER representan el nmero de unidades Debe hacerse? Cul sera el incre
producidas para el modelo. mento en los beneficios?
Responda las siguientes preguntas con ba- d. Cul es el valor marginal de una hora
se en los resultados de LINDO de la tabla adicional de tiempo de pruebas? En
11-7. qu intervalo es vlido este valor?
a. Cul es el programa de produccin p e. Suponga que se instituye un cambio de
timo para el fabricante de televisores? precio que modifica el beneficio margi
Hay programas ptimos alternativos? nal del modelo Deportista, de 40 a 45
b. Cul es el valor marginal de una hora dlares. Cambiara esto el plan ptimo
adicional de tiempo de montaje? En de la produccin? Suponga que el pre-
Captulo 11 Resolucin de problemas de programacin lineal 343
Tabla 11-7 Resultados de LINDO para el problema del fabricante de televisores (problema 11-10)
344 Parte III Programacin matemtica
Problemas ms difciles
maz y trigo en sus terrenos. Los costos de de terreno y consume 80 bushels de maz
semillas y de las labores de cultivo son de durante el engorde. El maz para las reses se
100 dlares por hectrea de maz y de 120 puede cultivar en la granja, si hay suficiente,
por hectrea de trigo. El maz requiere 10 o se puede comprar a un costo de 4.50
horas de trabajo por hectrea y el trigo dlares el bushel.
requiere ocho horas por hectrea. La cose- La granja puede emplear estudiantes co-
cha a final del ao es de 120 bushels de mo mano de obra, con un costo de seis dla-
maz por hectrea y 100 de trigo. La granja res la hora, o granjeros experimentados a
puede cultivar cualquier combinacin de los diez dlares la hora. Cada hora de un estu-
dos cultivos. La granja recibe 4.25 dlares diante requiere nueve minutos (0.15 horas)
por cada bushel de maz que venda y 5.25 de supervisin y los trabajadores experi-
por bushel de trigo. La cadena de tiendas mentados necesitan tres minutos (0.05 ho-
puede comprar, a lo sumo, 100 000 bushels ras) de supervisin por hora. Hay 2000
de maz y 175 000 de trigo. horas de supervisin disponibles.
La granja considera la posibilidad de criar La granja cuenta con 200 000 dlares para
hasta 2000 reses para la venta de carne a las financiar sus operaciones. Formul sus
tiendas de la cadena. Para lograrlo, se puede opciones como un programa lineal para lle-
dedicar parte de la tierra que se consideraba var a cabo de manera eficiente sus operacio-
para el cultivo de maz o trigo como pastizal nes, con las siguientes definiciones de
para la crianza de las reses y su ali- variables:
mentacin durante un ao. Las reses cuestan
= Hectreas sembradas de maz
150 dlares y se venden a 800 dlares
= Hectreas sembradas de trigo
despus de alimentarlas un ao. Cada res re-
R = Reses compradas y vendidas
quiere 20 horas de trabajo, media hectrea
TES = Horas de trabajo de estudiantes
348 Parte III Programacin matemtica
Captulo 11 Resolucin de problemas de programacin lineal 349
350 Parte III Programacin matemtica
Programacin lineal
Mtodo smplex
Formulacin algebraica
La formulacin algebraica se present en el captulo 11 (pgs. 320 a 324), y se
deber repasar dicho anlisis antes de continuar. Consideremos el mismo proble-
ma que se formul en forma algebraica y se resolvi grficamente:
Maximizar:
Sujeto a:
Maximizar:
Sujeto a:
En este problema hay ahora cuatro variables y dos restricciones, sin contar las
restricciones de no negatividad. En un problema general de programacin lineal
con m restricciones, habr ms de m variables despus de aadir las variables de
holgura o de excedente. Recuerde que si se selecciona un conjunto de las m
variables, las dems se hacen iguales a cero y despus se resuelve el problema
para estas m variables entonces se obtiene una solucin bsica. Las variables que
se seleccionan se denominan variables de solucin y las variables iguales a cero
son las variables externas. En el captulo anterior se encontraron todas las
soluciones bsicas del problema y se mostr su relacin con los vrtices de
la solucin grfica (vanse Tabla 11-1 y Fig. 11-6). Recuerde que algunas de las
soluciones bsicas no son factibles, ya que contienen valores negativos para una
variable o ms.
Como ejemplo, una de las soluciones bsicas implica la seleccin de y X2
como variables de solucin y la asignacin de cero a X3 y X4 (las variables
externas). Al resolver la ecuacin anterior se obtiene Xj = 6, X2 = 4 y beneficio
= 64, lo cual es la solucin ptima. Otra solucin bsica selecciona X3 y X4 como
variables de solucin y X, = X2 = 0, con beneficio = 0.
Mtodo smplex
El mtodo smplex es un procedimiento que comienza con una solucin bsica
factible y luego avanza, paso por paso, a soluciones consecutivas, cada una de las
cuales presenta las siguientes caractersticas: (1) es una solucin bsica factible,
y (2) tiene beneficio mayor que el de la solucin anterior.1 Por ltimo se obtiene
una solucin que no es posible mejorar y se ha encontrado la solucin ptima.
1
En algunos casos es posible que el beneficio sea igual en un paso que en el siguiente, pero no puede disminuir.
Captulo 12 Programacin lineal 353
Tabla smplex
Solucin inicial
La solucin bsica inicial de la tabla 12-1 se forma con las variables de holgura
X3 y X4 como variables de solucin y X1 y X2 como externas. Esta solucin no es
muy rentable, ya que el beneficio es de = 0 y requiere que no se produzca nada
del producto A y nada del producto B. Los trminos X3 y X4 se registran en la tabla
smplex en la columna "Variables de solucin" y sus beneficios por unidad (CJ)
se marcan en la primera columna, bajo el encabezamiento C (vase Tabla 12-2).
Las variables de solucin pueden identificarse como aquellas cuyas columnas
contienen un elemento con +1 y los dems elementos son 0. De esta manera, la
columna X3 es y la columna X4 es . Adems, el 1 debe estar en una fila
distinta del 1 de cualquier otra columna. As, Xj tiene un 1 en la primera fila y X4
tiene un 1 en la segunda. Observe que esto equivale a decir que se han resuelto
las ecuaciones de restriccin en funcin deX3 y X4:
354 Parte III Programacin matemtica
Tabla 12-3
Bajo cada una de las columnas de la tabla 12-2 hay un total Z (el subndice y
se refiere a la columna que se totaliza). El total Z de una columna es la cantidad
de beneficios que se pierde al reemplazar parte de la combinacin de solucin con
una unidad del elemento que encabeza la columna. Este valor se determina
multiplicando cada C de la fila por el nmero de la fila y la columna j (el
coeficiente de sustitucin), y sumando todos los resultados. Los clculos de las
Zj de la tabla 12-2 son:
Z3 = 1(0) + 0(0) = 0
Z4 = 0(0)+ 1(0) = 0
Z, = 2(0) + 2(0) = 0
Z2 = 3(0) + 1(0) = 0
Tambin se puede calcular un valor para la columna "Valores de solucin"
(a partir de ahora se har referencia a esta columna como la columna 0):
Zo = 24(0) + 16(0) = 0
Zo representa el beneficio de la solucin actual.
Debajo de la fila Zy hay una fila con denominacin C1 Z1. AI restar el total Z1
a la cantidad C1 de la parte superior de la columna, se encuentra el beneficio neto
que agrega una unidad del producto (si C1 - Z1 es positivo) o el beneficio que se
pierde (si C, - Z1 es negativo). De esta manera, si se aade a la solucin una unidad
de X2 (reemplazando algunas cantidades de X3 y X4) aumentar en siete dlares el
beneficio neto.
La fila C1 - Z1 es en realidad una ecuacin, como las otras filas de la tabla de
programacin lineal, y expresa el beneficio en esa etapa de los clculos, en funcin
de las variables externas. Por lo tanto, la fila C1 Z1 equivale a:
Beneficio = 0X, + 0X4 + 6Xt + 7X2
El mtodo smplex encuentra una nueva solucin sustituyendo una de las variables
de solucin por una de las variables externas. Este procedimiento se lleva a cabo
en tres pasos:
Variable de entrada. Determine la variable que tiene mayor beneficio neto por
unidad. Esta variable es la que tenga el mayor valor positivo en la fila C1 - Z1 de
la parte inferior de la tabla. La variable X2 (producto B) contribuye con siete
dlares por unidad, ms que cualquier otra variable. Por ello, X2 es la variable que
356 Parte III Programacin matemtica
El nmero menor que se obtiene con este clculo indica el nmero mximo de
unidades de X2, 8, que puede introducirse en la solucin sin que alguna variable
de solucin llegue a ser negativa. Si alguna de las cantidades que se calculan con
la divisin es negativa, entonces no deben tomarse en cuenta; en otro caso, la
cantidad menor, como se calcul antes, determina la variable de salida. En este
caso, la fila X3 tiene el nmero menor (8) y X3 es la variable de salida. La fila X3
se seala con una flecha en la tabla 12-2.
Observe lo que se ha hecho hasta ahora en el procedimiento smplex. Primero
se identific una variable que aumentar la rentabilidad y se indic que deba
incluirse en la siguiente solucin. Despus se garantiz que la siguiente solucin
sera una solucin bsica factible, identificando una variable que se eliminara de
la solucin, de forma que todos los valores de las variables fueran no negativos.
El tercer paso es determinar la nueva solucin.
Tabla 12-5
Por ltimo, Zo = 7(8) + 0(8) = 56. Esta cifra representa el beneficio asociado
con la solucin actual (la segunda). Es una mejora con respecto a la solucin
anterior.
Clculo de las C1 - Z1. Una vez que se han determinado los valores Z1 es posible
calcular las C1 - Z1 restando las Z1 a los valores C1 de la parte superior de la tabla.
Por ejemplo, en la tabla 12-6, en la columna
positiva indica que se puede incluir en forma rentable cierta
cantidad de una variable en la solucin; un valor negativo indica que la inclusin
de la variable reducira el beneficio. Por ello, es posible mejorar an ms la
solucin, aadiendo el producto A (es decir, X1), aumentando el beneficio en
4
/3 = 1.33 dlares por cada unidad que se agregue.
Hay otro mtodo para calcular directamente los valores Cy - Z1 sin tener que
calcular antes las Z1. Recuerde que la fila C1 - Z1 de la tabla representa la ecuacin
de beneficio, as como las otras filas de la tabla representan ecuaciones de
restriccin. Entonces se pueden aplicar a la fila C1 - Z1 las mismas operaciones
que se usaron con las dems filas. La tabla 12-7 es la segunda solucin antes de
calcular las nuevas filas Z, y C1 - Z1.
Lo que queremos hacer es que el coeficiente C2 - Z2 (encerrado en un crculo
en la Tabla 12-7) sea igual a cero. El proceso para hacerlo se muestra en la
tabla 12-8 y es similar a los clculos que se efectuaron en la tabla 12-5.
Observe que son exactamente los mismos valores C1 - Z1 que se obtuvieron
antes. Si hay muchas restricciones, este mtodo requiere menos esfuerzo que
calcular primero las Z1.
Tercera solucin
Variables Valores
de solucin de solucin
Tabla 12-8
Vieja fila Elemento de la vieja Nueva Valores de la nueva
Para la fila
Revisin de optimalidad
Tabla 12-11
Observe que una de las desigualdades tiene la forma de una variable mayor o igual
que una constante.
Problema. Cunta materia de cada tipo se debe usar para fabricar una unidad
de producto final si deseamos minimizar los costos?
C = 2X, + 8X2
5X, + 10X2 =150 (el peso total debe ser igual a 150 kilogramos)
< 20 (no se pueden usar ms de 20 unidades de A)
X2 ^ 14 (hay que usar por lo menos 14 unidades de B)
> 0 (la cantidad de A que se use no puede ser negativa)
Figura 12-1
Captulo 12 Programacin lineal 365
La columna con mayor valor negativo (C, - Zj) de la tabla 12-16 es X{ (X3 es
no negativo, ya que es un valor muy grande). La variable de salida es X5.
2
En este punto podramos ahorrar varios pasos si reemplazramos la fila X$ con la variable X\. El ahorro total
de usar Xx es mayor que el ahorro total al usar X, pero el mtodo smplex basa su eleccin de la variable de
entrada en los costos unitarios. Si no se desarrolla el problema no se sabe que X es una opcin mejor; por lo
tanto , el uso del mtodo smplex siempre lleva a la solucin correcta, pero no simpre por la ruta ms corta.
368 Parte III Programacin matemtica
* Observe que en este punto las variables artificiales X yX6 ya no se encuentran en la solucin. Podran eliminarse de las tablas posteriores.
Con la tabla 12-17 hemos llegado a una solucin ptima, ya que todos los
valores de la fila C, - Z son positivos o cero.
Captulo 12 Programacin lineal 369
7.* Calcular las Zj. Para la columna y": para cada fila, multiplique los coeficientes
de sustitucin por el valor de C para esa fila y luego sume. El total es Zj.
Repita este paso para todas las columnas.
8.* Calcular las C - Z. Reste los valores Z a los coeficientes de la funcin
objetivo original (CJ) de la parte superior de la tabla.
9. Regrese al paso 3.
Situaciones especiales
A continuacin presentaremos algunas situaciones poco comunes que pueden
causar algunas confusiones. Cada situacin se presentar con un ejemplo.
Ejemplo 3: En algunos casos es posible que un problema de programacin lineal no tenga una
Problema solucin finita. Por ejemplo, suponga que la tercera tabla smplex del ejemplo 2
con solucin (Tabla 12-16), aparece como se muestra en la tabla 12-18.
infinita La variable Xx es la de entrada. La columna Xx se ha cambiado para que todos
sus coeficientes sean negativos, no slo (C, - ZJ) (como sucedi en la Tabla 12-16).
En esta situacin no hay una solucin ptima finita. Si se maximizaran los
beneficios se presentara una situacin anloga si el total (C - ZJ) fuera positivo
y todos los coeficientes de la columna fueran negativos.
La (C, - Zj) negativa de la tabla 12-18 indica que se ahorran 12 dlares de
costos por cada unidad de X, que se introduzca en la solucin. Sin embargo, los
coeficientes negativos de -V2, -1 y -V2 indican que por cada unidad de Xx que se
introduzca en la solucin, digamos como sustituto de X5, aumentar la capacidad
de introducir unidades adicionales. Entonces, la accin deseable sera continuar
aadiendo unidades de Xx. Cuanto ms Xx se use, ms bajos son los costos; el
problema no tiene una solucin ptima finita, ya que no hay restriccin para Xx.
Si surge la situacin anterior, lo ms probable es que se deba a una restriccin
mal planteada o a datos incorrectos. Las situaciones empresariales correctamente
descritas, pocas veces darn como resultado una solucin infinita como la que se
acaba de presentar.
Ejemplo 4: Un problema de programacin lineal puede tener ms de una solucin ptima. En
Soluciones este caso, dos (o ms) soluciones bsicas3 tendrn el mismo beneficio (o costo).
mltiples Modifiquemos de nuevo el problema del ejemplo 2 para ilustrar esta situacin.
Suponga que el costo unitario de la materia prima A es cuatro dlares, en lugar
de dos dlares. Entonces, la tabla 12-16 (con la modificacin y excluyendo las
variables artificiales X3 y X(,) aparecera como se muestra en la tabla 12-19.
Ninguno de los valores Cj - Z es negativo, lo cual indica que se ha llegado a
una solucin ptima. Pero debe observarse que la variable X no es una variable de
solucin y que C - Z, = 0. Esto indica que la variable X, se puede incorporar a
la solucin sin aumentar o reducir el costo. Si se incorpora, el resultado es el
mismo que se present en la tabla 12-17 (excepto que el costo total es de 120
dlares, ya que X\ ahora cuesta cuatro dlares por unidad). Las dos soluciones son:
Solucin 1 Solucin 2
Materia prima A 0 2
Materia prima 15 14
Costo Total $120 $120
Degeneracin
3
Adems, cualquier combinacin convexa de estos vrtices es una solucin ptima.
372 Parte III Programacin matemtica
Esta situacin es una degeneracin. Se dice que hay degeneracin cuando hay
menos de m variables de solucin distintas de cero para m ecuaciones de restric-
cin, e indica que por lo menos una de las ecuaciones de restriccin es redundante
para la solucin dada.
La degeneracin se presenta cuando se unen dos variables o ms en la seleccin
de la variable de salida durante el procedimiento smplex. La degeneracin es
un problema potencial, ya que en teora es posible que el procedimiento smplex
produzca ciclos y regrese a soluciones anteriores, sin llegar nunca a la ptima. En
la prctica pocas veces se presenta este ciclo y los programas de computacin casi
nunca tienen dificultades para llegar a la solucin ptima incluso si hay degene-
racin. Durante la ejecucin manual del procedimiento smplex, si hay un empate
en la definicin de la variable de salida, escoja cualquiera en forma arbitraria. Si
se presenta un ciclo y reaparece una solucin en las tablas, regrese al punto en el
cual se present el empate y seleccione otra de las variables.
La degeneracin tambin causa otros problemas en la interpretacin de los
resultados de programacin lineal (vase el apndice del captulo 11 para conocer
ms al respecto).
Ejemplo 5: Es posible que las ecuaciones de restriccin no sean consistentes con las solucio-
No hay solu- nes factibles. Por ejemplo, suponga que se tiene:
cin factible
Soluciones infinitas, en las cuales no hay lmite para una variable de entrada
y por lo tanto hay rentabilidad ilimitada.
Captulo 12 Programacin lineal 373
Inexistencia de una solucin factible, cuando las condiciones son tan restric-
tivas que no hay manera de satisfacerlas.
Anlisis de sensibilidad
Los modelos de programacin lineal no slo ofrecen a los gerentes una solucin
ptima, sino tambin una amplia gama de informacin que puede proporcionar
conocimiento adiciona] acerca del problema que se resuelve. A este anlisis se le
llama anlisis de sensibilidad y se estudi con detalle en el captulo 11. Volvemos
a tocar este tema para mostrar cmo se obtiene la informacin del procedimiento
smplex.
4
El anlisis grfico y la solucin de computador del captulo 11 se efectuaron con una versin modificada del
ejemplo 1, en la cual se incluy una restriccin adicional para la demanda del producto B. Por ello los resultados
del anlisis de sensibilidad efectuado en este capitulo no son totalmente comparables.
Captulo 12 Programacin lineal 375
Aqu, la fila X2 es la nica con valor positivo y por lo tanto es tambin el menor
valor no negativo. Esto quiere decir que se pueden introducir ocho unidades de
X3 antes de que la variable X2 salga de la solucin. En trminos del problema,
significa que se puede recortar un mximo de ocho horas de las disponibles en la
mquina 1 antes de que se detenga la produccin de A.
Tambin se puede considerar la adicin de una Xj negativa, lo cual equivale a
tener ms horas disponibles en la mquina 1. Para considerar la introduccin de
una X3 negativa en la tabla, se puede proceder igual que antes, pero hay que
multiplicar todos los valores de la columna X3 por -1 antes de continuar con el
siguiente paso del procedimiento smplex. Entonces, se tendra:
Para esta regla se considera positiva una razn de cero dividido entre un nmero positivo, y negativa una de
cero dividido entre un nmero negativo.
376 Parte III Programacin matemtica
Tabla 12-21 Anlisis de sensibilidad para el primer ejemplo: Intervalos del termino
independiente
Intervalo en el cual
Restriccin original es vlido el precio dual
del recurso (horas- Precio Lmite Lmite
Recurso mquina disponibles) dual inferior superior
Mquina 1 24 $2 16 48
Mquina 2 16 $1 8 24
Captulo 12 Programacin lineal 377
6
Esto se aplica al maximizar. Tratndose de una minimizacin, la variable entrar en la solucin si el costo es
menor que Z.
7
Obsrvese que la asociacin entre una razn no positiva y una reduccin y entre una razn no negativa y un
aumento , es lo opuesto a lo que se us para los intervalos del trmino independiente. Esto se debe a la manera
en que hemos establecido la fila C - Z en las tablas.
378 Parte III Programacin matemtica
Ejemplo integral
Los ejemplos anteriores de este captulo han comprendido slo dos dimensiones.
Para ilustrar la formulacin y la solucin smplex de un problema de programacin
lineal con varias dimensiones se proporciona el siguiente ejemplo.
Una empresa de manufactura fabrica un equipo que utiliza varios componentes.
La empresa lleva a cabo el montaje y las pruebas de la unidad completa, pero no
tiene la capacidad, el personal tcnico ni los fondos suficientes para producir todos
los componentes en sus propias plantas. Por lo tanto, debe comprar varios
componentes a proveedores externos. En la tabla 12-24, de la pgina 381, se
muestran siete de estos componentes y sus requerimientos.
A partir de la tabla 12-24 se puede ver que las partes requieren distintas
cantidades de recursos y tienen costos de adquisicin diferentes. La pregunta es:
Cules de estos componentes (y cuntas unidades) deben fabricarse internamente
y cules deben comprarse fuera?
Esta situacin se puede expresar como un problema de programacin lineal en
el cual se maximicen los ahorros de la manufactura interna, sujeto a restricciones
de capacidad, personal y fondos. Supongamos que se cuenta con los recursos de
380 Parte III Programacin matemtica
Sujeto a:
y:
Variable
de holgura Cantidad Significado
La fila inferior (Cj - Zj) de la tabla 12-26 presenta los precios duales asociados
con las restricciones (es decir, con las variables de holgura) y los costos reducidos
relacionados con las variables de decisin. Las variables X8 a X12 son las variables de
holgura que se relacionan con las restricciones de recursos (horas de capacidad,
personal y fondos). Cuando estas variables de holgura tienen precio dual nulo
(como es el caso de X10, X11 y X12), no se pueden aumentar los beneficios por medio de
la obtencin de ms recursos. Los recursos no se utilizan por completo en la
solucin ptima (por ejemplo, hay X10 =117 horas de prueba no utilizadas). Por
otra parte, los precios duales que se relacionan con X8 y X9 indican el aumento en
los beneficios que se obtiene de contar con una unidad ms de estos recursos. Por
ejemplo, los beneficios podran aumentar casi en 21 dlares si se cuenta con una
hora ms de tiempo de montaje (o sea, C9 Z9 = -20%). Los beneficios disminui-
ran 205/6 dlares si se reduce una unidad de tiempo de montaje.
Las variables X13 a Xl9 son las variables de holgura asociadas con los lmites
superiores de los requerimientos de produccin. Los precios duales representan
los ahorros adicionales (de la manufactura interna) si los requerimientos aumen-
tan en una unidad. Si, por ejemplo, se requiere una unidad ms del componente
284 (X5), los ahorros de la manufactura interna aumentarn en 29.16 dlares (la
variable de holgura para el componente 284 es X17 y C17 - Z17 = -291/6). Por el
contrario, si se necesitaran slo nueve unidades del componente 284, en
lugar de diez, entonces los ahorros por la manufactura interna bajaran 29.16
dlares. Si todas las unidades requeridas de un componente se fabrican fuera
y aumentan las necesidades de este componente, slo aumentar el nmero de
unidades que se compran fuera de la empresa, sin afectar los ahorros de la
manufactura interna. Adems, los requerimientos de un componente pueden
disminuir sin afectar los ahorros (nicamente se reducira la cantidad que se
compra fuera de la empresa). En el ejemplo, X4, el componente 197, requiere
25 unidades y, de stas, slo nueve se producirn internamente y C16 - Z16 = 0.
Los ahorros, como se miden en el modelo de programacin lineal, no se veran
afectados por un cambio pequeo en las necesidades de X4.
Los valores Cj - Zj para X1 a X7 son los costos reducidos e indican la prdida de
oportunidad si hay que incluir en la solucin una unidad de un componente. Las
prdidas de oportunidad son cero para X2 a X7 y cada una de estas variables est
en la solucin. C1 Z1 = -541/6 indica que la gerencia reducira en esta cantidad
su beneficio si tiene que producir internamente una unidad de X1 (componente
182).
384 Parte III Programacin matemtica
Los precios duales, que indican el valor del cambio de una restriccin, slo se
mantienen en un intervalo limitado; el procedimiento para determinar estos
valores se mostr antes. Ilustremos de nuevo el procedimiento con el problema
cuya tabla final se presenta en la tabla 12-26. Como ejemplo, los intervalos
relacionados con la variable X9 (tiempo de montaje no utilizado) se determinan
en la tabla 12-29.
El menor valor no negativo de la cuarta columna de la tabla 12-29 es 12 y est
asociado a la variable X3. Por lo tanto es posible reducir en 12 horas el tiempo de
Tabla 12-27
Tabla 12-30
Cantidad
Intervalo en el cual
Variable de utilizada en es vlido el precio dual
Nombre de holgura Cantidad la solucin Precio Lmite Lmite
la variable asociada disponible ptima dual inferior superior
Restricciones de recursos:
Tiempo de mquina X8 90 90 $16.67 63 138
Tiempo de montaje X9 97 97 20.83 85 205
Tiempo de pruebas X10 200 83 0.00 83 Ninguno
Tiempo de supervisin X11 150 87 0.00 87 Ninguno
Capital de trabajo X12 250 147 0.00 147 Ninguno
Restricciones de necesidades:
Componente 182 X13 10 0 0.00 0 Ninguno
Componente 184 X14 5 5 45.83 0 17
Componente 193 X15 50 3 0.00 3 Ninguno
Componente 197 X16 25 9 0.00 9 Ninguno
Componente 284 X17 10 10 29.17 0 12.4
Componente 629 X18 5 5 58.33 0 11
Componente 845 X19 20 20 5.83 0 32
388 Parte III Programacin matemtica
8
U1 y U2 son mediciones de costo de oportunidad y no se relacionan con los costos contables convencionales.
390 Parte III Programacin matemtica
Variables Valores
de solucin de solucin
Considere ahora las variables de holgura duales, U3 y U4. Estas variables miden
la prdida de oportunidad de la produccin de la variable primal correspondiente.
Como U3 es la variable de holgura de la primera restriccin dual, corresponde a
XY en el problema primal. Adems, U4 corresponde a X2. U4 tiene valor de cuatro
dlares; esto quiere decir que el costo de introducir en la solucin una unidad de
X2 es de cuatro dlares.9 U3 tiene un valor de cero, lo que significa que no hay
prdida de oportunidad con la produccin de X1. Por ello se produce una cantidad
positiva de X1 en la solucin ptima y no se produce X2. Si hay una prdida de
oportunidad positiva relacionada con una variable, tendr valor de cero en la
solucin ptima; a la inversa, si la prdida de oportunidad asociada a una variable
es cero en la solucin ptima, la variable tendr un valor positivo en la solucin.
En el captulo 11 se emple el trmino costos reducidos para hacer referencia a
las variables de solucin dual.
Observe que los valores de cuatro para U1 y U4 son iguales (excepto por el
signo), lo mismo que los valores Cj - Zj de X3 y X2 de la tabla 12-31. Esto no es
una coincidencia. Los valores U de la solucin dual son los valores Cj - Zj de las
variables correspondientes en la solucin primal. Por variables correspondientes
se debe entender que las variable duales ordinarias (U1 y U2) se relacionan con
variables de holgura primales (X3 y X4, respectivamente), y que las variables de
holgura duales (U3 y U4) estn asociadas con variables ordinarias primales (X1 y
X2, respectivamente). Esta relacin tiene sentido, ya que la variable ordinaria dual
U1 mide el costo de oportunidad por hora de la utilizacin de la mquina 1 y la
variable de holgura primal X3 representa la cantidad de capacidad no utilizada en
la mquina 1. As mismo, los valores Cj - Zj del dual proporcionan los valores de
las variables correspondientes de la solucin primal. Por lo tanto, la tabla smplex
para la solucin primal presenta tanto la solucin primal como los valores de las
variables duales (a travs de los valores Cj - Zj).
Con base en este anlisis, se puede establecer que los siguientes productos
siempre sern cero:
Los primeros productos son los de una variable de holgura primal y los de la
variable ordinaria dual correspondiente. Si una restriccin es efectiva, la variable
de holgura primal ser cero (como lo es X3 en el ejemplo), y si una restriccin no
es efectiva, entonces el precio dual de esa restriccin (U2 en el ejemplo) ser cero.
Los segundos productos incluyen una variable ordinaria primal y la variable de
holgura dual correspondiente. Si una variable ordinaria primal (X1 en este caso)
es positiva, la prdida de oportunidad (U3 en el ejemplo) asociada con el producto
9
Si incluimos la produccin de una unidad de X2, la restriccin que representa las horas en la mquina 1 nos
obligara a reducir la produccin de X a cuatro tercios de unidad. El beneficio sera entonces 12 (4/3) + 4( 1) = $20,
una reduccin de cuatro dlares con respecto al beneficio ptimo de 24 dlares. Por consiguiente, U4 es
cuatro dlares.
394 Parte III Programacin matemtica
ser cero. Si la prdida de oportunidad es positiva (/4 en este caso), entonces ser
cero la variable ordinaria primal que le corresponde (X2). Estas relaciones siempre
se mantienen en la solucin ptima.
Bibliografa
Algunos de los problemas que se presentan a conti- b. Determine las variables de entrada y
nuacin estn diseados para que usted practique el salida.
mtodo smplex. El clculo de una tabla smplex c. Resuelva de nuevo para obtener la si-
requiere muchas operaciones aritmticas y, como los guiente tabla smplex.
errores son acumulativos, debe comparar sus respues- d. Revise si la solucin es ptima.
tas con las que se presentan al final del libro cuando e. Determine las siguientes variables de
termine cada parte de la pregunta. Haga las correc- entrada y salida.
ciones necesarias y luego contine con la siguiente f. Resuelva de nuevo para obtener la
parte. Una calculadora de bolsillo le ser til para este tercera tabla smplex.
trabajo. g. Revise para ver si la solucin es pti-
12-1. Suponga que se fabrican dos productos, A y ma. Cul es la solucin?
B, en dos mquinas, 1 y 2. El producto A re- 12-2. Remtase al problema 12-1 y a la tabla pti-
quiere cuatro horas en la mquina 1 y dos ma que se presenta al final del libro como
horas en la mquina 2; el producto B necesita respuesta de (/).
dos horas en la mquina 1 y 8/3 de hora en la a. Cul es el precio dual asociado con la
mquina 2. Hay 10 horas de capacidad mquina 1? En qu intervalo de horas
disponible en la mquina 1 y ocho horas en es vlido?
la mquina 2. Adems, hay un lmite de ven- b. Cul es el precio dual asociado con la
tas de seis unidades del producto A. El pro- mquina 2? En qu intervalo es vlido?
ducto A tiene beneficio marginal de cuatro c. Cul es el precio dual relacionado con
dlares por unidad y el producto B genera el lmite de ventas del producto A? En
tres dlares por unidad. Si se usa Xi para las qu intervalo es vlido?
del producto A y Xz para las unidades del 12-3. Remtase al problema 12-1 y a la tabla pti-
producto B, el problema se formula de la si- ma que se presenta al final del libro como
guiente manera: respuesta de (f).
a. Cunto tendra que cambiar el benefi-
Maximizar: cio por unidad del producto A para que
Sujeto a: vare la solucin ptima? Remtase al
12-4. problema 12-1 y a la tabla ptima que se
presenta al final del libro como respuesta de
(f). Suponga que se considera un nuevo
producto que requerira dos horas en cada
Use el mtodo smplex para encontrar los
mquina. El beneficio por unidad de este
valores de X1 y X2 que maximicen P.
producto es de tres dlares. Debe
a. Elabore la primera tabla smplex fabricarse?
Captulo 12 Programacin lineal 395
Problemas
12-8. Resuelva el siguiente problema con el mto- mnimos de los grupos de altos y bajos in-
do smplex. gresos. Se consideran dos alternativas: tele-
visin y revistas. La publicidad en revistas
Maximizar: tiene un factor de exposicin del 2% por p-
Sujeto a: gina para el grupo de altos ingresos, pero s-
lo del 1 % para el grupo de ingresos bajos.
La televisin, por otra parte, tiene un factor
de exposicin del 3 % por programa para el
12-9. La compaa ABC tiene la opcin de fabri- grupo de ingresos bajos y del 1 % para el de
car dos productos durante los periodos de ingresos altos.
poca actividad. La produccin de la prxima La publicidad en revistas cuesta 1000 d-
semana se ha programado de manera que la lares por pgina; la de televisin, 4000 dla-
mquina fresadora est libre durante 10 res por programa. Si la empresa quiere una
horas y la fuerza de trabajo calificada tenga exposicin mnima del 50% del grupo de in-
ocho horas disponibles. gresos altos y del 30% del grupo de ingresos
El producto A requiere cuatro horas de bajos, qu estrategia debe usar para
tiempo de mquina y dos horas de trabajo minimizar el costo de la publicidad? Nota:
por unidad. El producto B requiere dos Si una persona ve dos veces un programa o
horas de tiempo de mquina y dos horas de lee dos veces un anuncio, se considera que
trabajo. hay doble exposicin; por lo tanto, es posi-
El producto A contribuye con cinco dla- ble obtener una exposicin mayor del 100%.
res por unidad a los beneficios y el producto Formule el caso anterior como un proble-
B aporta tres dlares por unidad (sin incluir ma de programacin lineal y obtenga la so-
el costo de tiempo de mquina o de mano de lucin con el mtodo smplex.
obra). 12-12. La compaa de madera contrachapada
Use el mtodo smplex para encontrar las Ajax revisa el programa de produccin para
cantidades de los productos A y B que de- el prximo mes. Ajax produce tres tipos de
ben producirse. tableros de madera contrachapada. Los ta-
12-10. La compaa Z combina los factores A y B bleros A y B se pueden producir en dos for-
para formar un producto que debe pesar mas, las cuales requieren distintas
50 kilogramos. No se pueden usar menos de cantidades de pino, abeto y picea. Las canti-
20 kilogramos de A ni ms de 40 kilo- dades disponibles de estas maderas son limi-
gramos de B. El producto A cuesta 25 dla- tadas. Ajax tiene tambin capacidad limitada
res por kilogramos y B, 10 dlares por para secar el recubrimiento de los tableros.
kilogramo. Existe una limitacin de 10 000 tableros
Use el mtodo smplex para encontrar las como capacidad mxima del aserradero
cantidades de los factores A y B que deben Ajax. Estos requisitos se presentan en la
usarse. tabla 12-36.
12-11. El departamento de publicidad de una em- Ajax quiere maximizar la contribucin to-
presa quiere planificar su estrategia publici- tal al beneficio. Se aaden las siguientes va-
taria para llegar a ciertos porcentajes riables de holgura:
398 Parte III Programacin matemtica
Variables Valores
de solucin de solucin
riables X5, X6, X7 y X8 que representan las va- tabla 11-7. Use la tabla smplex para
riables de holgura. verificar estos resultados.
a. Compare la solucin con la que se 12-16. Los siguientes problemas de los captulos
obtuvo en las salidas de LINDO de 10 y 11 son de tamao moderado y pueden
la tabla 11-7. Son iguales? Debe resolverse a mano con el mtodo smplex.
ran serlo? a. Problema 10-3.
b. Los intervalos del trmino indepen- b. Problema 10-8.
diente y los intervalos de coeficientes c. Problema 10-10.
de la funcin objetivo se muestran en la d. Problema 11-1.
Problemas ms difciles
12-17. La compaa de nueces Ajax vende mezclas Cmo deben mezclarse las nueces? Es
de nueces de dos niveles de calidad. La decir, cuntos kilogramos de la mezcla A
mezcla ms costosa tiene mayor proporcin se deben producir (y cul debe ser su com-
de almendras, y la ms barata contiene ms posicin) y cuntos kilogramos de la mezcla
man (cacahuate). B (y su composicin)? Formule la tabla
El precio de las nueces que compra Ajax smplex y resuelva.
es: avellanas, un dlar por kilogramo; man, 12-18. Paul Bunyan Lumber Company produce ta-
40 centavos por kilogramo. Las dos mez- blas de madera de pino y abeto y dos tipos
clas que vende Ajax y sus precios son: mez- de madera contrachapada. La compaa tie-
cla A, 1.60 dlares el kilogramo; mezcla B, ne una contribucin al beneficio de cuatro
80 centavos por kilogramo. Ajax puede ven- centavos por metro de tabla (m) de pino y de
der cualquier cantidad de estas mezclas pe- seis centavos por m de abeto. La madera
ro, debido a la escasez de nueces, no puede contrachapada de tipo 1 contribuye con 1.20
obtener ms de 100 kilogramos de avellana dlares por tablero y la del tipo 2 obtiene
ni ms de 200 kilogramos de man. 1.50 dlares por tablero.
La gerencia ha decidido que la mezcla A La compaa tiene 2580 millares de me-
no debe contener ms del 25% de man ni tros de tabla (MMT) de pino para el mes de
menos del 40% de avellanas. La mezcla B diciembre, los cuales puede usar para tablas
no debe tener ms del 60% de man ni me- o madera contrachapada; tambin hay 2040
nos del 20% de avellanas. MMT de abeto. Un tablero de madera con-
402 Parte III Programacin matemtica
Tabla 12-44 Paul Bunyan Lumber Co.: Tabla inicial (para el problema 12-18)
trachapada de tipo 1 requiere 16 m de pino vender a un mximo de 120 000; para el tipo
y 8 m de abeto. Un tablero de tipo 2 requiere 2 el lmite es de 100 000 tableros. Se puede
12 m de cada especie. vender cualquier cantidad de tablas de
Las tablas de madera estn limitadas slo madera. La compaa formul un modelo de
por la capacidad de la sierra maestra. Esta programacin lineal para sus operaciones, de
sierra puede manejar 400 MMT de cual- la siguiente manera: Sea:
quier especie en un mes.
P = Contribucin al benficio, en miles
El aserradero de madera contrachapada
puede estar restringido por la mquina des- de dlares
cortezadora o por la secadora. En un mes no X1 = Ventas de MMT de madera de pino
se pueden descortezar ms de 250 000 ta- X2 = Ventas de MMT de madera de abeto
bleros y hay slo 920 000 minutos de tiem- X3 = Ventas de millares de tableros de
po de secado disponible. Cada tablero de madera contrachapada de tipo 1
tipo 1 requiere cuatro minutos de secado; los X4 = Ventas de millares de tableros de
tableros de tipo 2 requieren seis minutos madera contrachapada de tipo 2
cada uno. Maximizar.
Las condiciones del mercado limitan el P = 0.04*, + 0.06X, + 1.20*3 + 1-50*4
nmero de tableros de tipo 1 que se pueden
Sujeto a:
(disponibilidad de pino)
(disponibilidad de abeto)
(capacidad del aserradero)
(capacidad de la descortezadora)
(capacidad de secado) (demanda
del mercado, madera
contrachapada de tipo 1)
(demanda del mercado, madera
contrachapada de tipo 2)
La primera tabla smplex que se obtiene des- a. Cul es la solucin en la segunda ta-
pus de agregar las variables de holgura es bla? Es la ptima? Cules son los be-
la 12-44. Despus de varias iteraciones se neficios totales? Hay soluciones
obtiene la tabla 12-45. ptimas alternativas?
Captulo 12 Programacin lineal 403
Tabla 12-45 Paul Bunyan Lumber Co.: Tabla final (para el problema 12-18)
CAPTULO
Programacin lineal
Temas especiales
Problema de transporte
Hay un tipo de problema de programacin lineal que se puede resolver con una
versin simplificada de la tcnica smplex.1 Como su aplicacin principal en la
resolucin de problemas comprende varias fuentes de productos y varios destinos
para ellos, es frecuente que a este tipo de problema se le denomine problema de
transporte. Aunque la formacin se puede usar para representar problemas ms
generales de asignacin y programacin, adems de problemas de transporte y
distribucin, lo ilustraremos con un ejemplo que implica la distribucin de
productos de fbricas a almacenes.
Ejemplo Suponga que hay tres fbricas (F1, F2 y F3) que abastecen a tres almacenes
(W1, W2 y W3). En la tabla 13-1 se proporcionan las capacidades de las fbricas
y los requisitos de los almacenes; en el cuerpo de la tabla 13-2 se indican los
costos de envo de cada fbrica a cada destino. En los mrgenes de esta tabla es-
tn las cantidades disponibles en las fbricas y los requerimientos de los alma-
cenes.
Es necesario preparar una solucin inicial factible y existen varias maneras de
hacerlo; el nico requisito es que hay que satisfacer las necesidades del almacn
1
Los coeficientes de todas las variables de las ecuaciones de restriccin son 0 o 1 y siguen un patrn especfico.
Vase el apndice de este captulo.
404
Captulo 13 Programacin lineal 405
F1 20 W1 5
F2 15 W2 20
F3 10 W3 20
Total 45 Total 45
2
F3 W2 indica que la fbrica 3 abastece al almacn 2.
406 Parte III Programacin matemtica
3
Hay F ecuaciones para las capacidades de las fbricas, y Inecuaciones para la demanda de los almacenes; sin
embargo, la suma de las capacidades de las fbricas debe ser igual a la suma de las demandas de los almacenes,
por lo que una de estas ecuaciones es redundante y el nmero de ecuaciones independientes es F + W - 1.
Captulo 13 Programacin lineal 407
Ahora tenemos que probar si es posible reducir los costos con un reacomodo
de las rutas. A partir de la tabla 13-3, los costos totales de envo de la primera
solucin son:
5(0.90) + 10(1.00) + 10(0.80) + 5(1.30) + 15(1.00) = $44
Procederemos a evaluar la ventaja relativa de las rutas alternativas en cuanto a
costo. Considere una ruta que no se usa, por ejemplo, el envo de la fbrica 1 al
almacn 2 (es decir, la casilla F2W\ tiene cero en la esquina inferior derecha). El costo
"directo" de usar esta ruta es la cantidad de la esquina superior izquierda de la
casilla: un dlar; esta cantidad se compara con los costos actuales de una ruta
indirecta de F2 a W1. La ruta indirecta es la que tendra que seguir una unidad de
una fbrica a un almacn nicamente por canales establecidos (es decir, el envo debe
evitar las casillas con ceros; de lo contrario, se hace un envo de una casilla que no
tiene unidades o se introducen dos casillas en la solucin en lugar de una).
Los costos indirectos se obtienen trazando una ruta indirecta y sumando los
costos. Si se considera la casilla F2W1 la ruta indirecta es: + F2W3 F1W3 + F1 W1
Esto significa que se podra enviar una unidad de F2 a W3, reducir en una unidad
el envo actual de F1 a W3 y enviar la unidad F1 que no se utiliza de F1 a W3. El
resultado neto de estas transacciones es que an se cumplen todos los suministros
y requerimientos. El costo indirecto es:
Tabla 13-4
Ruta no Costo de la Costo de la
utilizada ruta directa ruta indirecta
F2W1 $1.00 $0.60
F3W1 1.00 0.70
F2W2 1.40 0.70
F3W3 0.80 1.10
cantidad es menor que el costo del envo directo (1.40 dlares) y se seguira la
ruta indirecta. La casilla F3 W1 tambin tiene un costo de 70 centavos para el envo
indirecto y, una vez ms, es menor que el costo de la ruta directa (un dlar). Sin
embargo, al evaluar la ltima ruta no utilizada, F3W3, el costo que se obtiene para
la ruta indirecta es:
$0.80-$1.00+ $1.30 = $1.10
lo cual es mayor que el costo de 80 centavos de la ruta directa. En este caso hay
que usar la ruta directa F3W3 en lugar de la ruta indirecta
F3W2-FlW2 + FlW3
Soluciones enteras
Degeneracin
4
Por ejemplo, puede presentarse la degeneracin si una fbrica enva toda su produccin a un almacn y satisface
todos los requerimientos de ste.
410 Parte III Programacin matemtica
Tabla 13-6
Interpretaciones econmicas
Costos de rutas indirectas
Los costos de las rutas indirectas son equivalentes a los valores Zj (vase Cap. 12) de
la programacin lineal normal y se pueden usar de la misma manera.5 Suponga,
5
Los valores Cj - Zj, que representan los costos reducidos, son la diferencia entre los costos de las rutas
directas e indirectas.
Captulo 13 Programacin lineal 411
por ejemplo, que despus de concluir el anlisis de las tablas 13-5 y 13-6 se nos
informa que las necesidades de W2 aumentaron en una unidad y que se ampliara
la capacidad de F2 para manejar este aumento. Cul sera el costo incremental
de los costos de envo?
El costo de la ruta indirecta F2W2 nos proporciona la respuesta de inmediato.
La ruta directa costara 1.40 dlares y la indirecta slo representa un dlar. Por
consiguiente, el costo incremental del envo de esta unidad es un dlar. La tabla
13-7 muestra cmo se modificara la solucin original. Observe que se pueden
enviar hasta cinco unidades con esta ruta indirecta.
Ventajas de la ubicacin
Suponga que se agrega una unidad a la demanda de Wl (de cinco unidades a seis).
Qu fbrica debe ampliarse para satisfacer esta necesidad? Utilizando el mtodo
que se present antes, se puede determinar el costo de cada fbrica para entregar
una unidad a W1.
412 Parte III Programacin matemtica
Observe que cuesta 20 centavos menos (considerando slo los costos de envo)
enviar la unidad adicional desde F3 en lugar de F{ o F2. Existe una ventaja de
ubicacin de 20 centavos para F3. De hecho, esta ventaja se mantiene incluso si
se requiere la unidad adicional para W2 o W3.6
El mismo mtodo se puede aplicar para revisar las ventajas de ubicacin de los
almacenes. Suponga que la fbrica F1 contara con una unidad ms de capacidad
y que se realizara una campaa de ventas en una de las regiones de los almacenes
para aumentar la demanda en una unidad. Si slo se consideran los costos de
transporte, en qu regin debe realizarse la campaa? Los costos para suministrar
a los almacenes desde F1 son:
Esto demuestra que W1 tiene una ventaja de ubicacin de 10 centavos con respecto
a los otros dos almacenes, lo cual significa que costara 10 centavos menos cubrir
la demanda de una unidad adicional en la regin W1 que en las dems.
El conocimiento de estas ventajas de la ubicacin puede ser muy til para
decisiones empresariales acerca de la expansin de una planta o de las regiones
donde debe intentarse aumentar las ventas.
6
As como sucede con los precios duales en la programacin lineal, la ventaja de la ubicacin es un valor
marginal. Se mantiene slo dentro de un intervalo limitado de variaciones en la capacidad o en las demandas.
Captulo 13 Programacin lineal 413
Cada una de estas actividades tiene un costo y requiere mano de obra. Adems,
cada una produce beneficios (quizs negativos) en funcin del crecimiento de
rboles y del refugio para animales.
Como se presenta en la tabla 13-8, la limpieza cuesta 500 dlares por hectrea,
requiere 150 horas de trabajo por hectrea y el resultado es 10 unidades de
crecimiento de rboles, pero reduce el refugio para animales en 10 unidades por
cada hectrea que se limpie. Las brechas contra incendio cuestan 500 dlares
por kilmetro, se requieren 50 horas de trabajo por kilmetro, el crecimiento de
los rboles se reduce en 5 unidades por cada kilmetro que se corte y el refugio
para animales aumenta en 60 unidades por kilmetro de brecha.
El problema de decisin para el gerente del bosque es determinar X1 y X2, es
decir, cuntas hectreas limpiar y cuntos kilmetros de brechas cortar. El gerente
slo dispone de 90 000 horas de trabajo. Adems, las condiciones del bosque
limitan la apertura de brechas contra incendio a un mximo de 303 kilmetros. El
gerente tiene una restriccin de presupuesto de 350 000 dlares
Las restricciones de este problema se pueden expresar de la siguiente manera:
414 Parte III Programacin matemtica
Hay que cumplir con tres objetivos al mismo tiempo. El gerente debe lograr el
mayor crecimiento posible de los rboles, proporcionar todo el refugio que pueda
a los animales y reducir los costos todo lo posible dentro del presupuesto. Hay
varias estrategias para incorporar estos objetivos mltiples, que se describen a
continuacin.
El gerente puede decidir que un objetivo tiene tanta importancia que se impone a
los dems. stos se pueden incorporar como restricciones con un nivel mnimo.
As, el caso se convierte en un problema normal de programacin lineal de
maximizacin de una funcin objetivo sujeta a restricciones.
El gerente puede decidir, por ejemplo, que lo ms importante es el crecimiento
de los rboles. Entonces, el objetivo se convierte en:
Maximizar: 10X1 - 5X2
donde los coeficientes 10 y -5 de la tabla 13-8 son el efecto de la limpieza y de
las brechas contra incendio en el crecimiento de la madera. Aqu se aplicaran las
restricciones de horas de trabajo, de brechas contra incendio y de presupuesto que
se mencionaron antes. El gerente tambin podra especificar que deben existir por
lo menos mil unidades de refugio para animales, con la restriccin adicional:
-10X1 + 60X2 1000
donde los coeficientes de -10 y 60 representan el efecto de la limpieza y de las
brechas contra incendio en el refugio para animales (vase Tabla 13-8).
La figura 13-1 representa grficamente este problema. La regin sombreada es
la regin factible que satisface todas las restricciones, incluyendo la del refugio
para animales. El objetivo de maximizar el crecimiento de rboles se obtiene en
el punto X1 - 563 y X2 - 111, con crecimiento de 5080 unidades de rboles
(vase el punto A de la figura 13-1).
Tambin sera posible que el gerente prefiriera maximizar el refugio para
animales y establecer como restriccin un nivel mnimo para el crecimiento
de rboles. Otra posibilidad sera especificar niveles mnimos para el refugio de
animales y el crecimiento de rboles y minimizar el costo. La mayor dificultad
de este mtodo es que no incorpora un equilibrio o compensacin entre los
diversos objetivos. El gerente puede estar ms satisfecho si hubiera ms refugio
para animales y menos crecimiento de rboles, pero no hay manera directa de
lograrlo. Podra probar diferentes conjuntos de restricciones hasta obtener una
solucin satisfactoria, pero ste sera un mtodo muy poco prctico.
Uno de los mtodos del captulo 6 para los problemas con objetivos mltiples era
especificar las compensaciones entre los objetivos. En este ejemplo se especifi-
cara cunto vale una unidad de crecimiento de madera y cunto una unidad de
Captulo 13 Programacin lineal 415
Figura 13-1 Solucin del ejemplo de la maximizacin del objetivo de crecimiento de rboles.
Maximizar:
Sujeto a:
rboles:
Refugio para animales:
Costo:
Fuerza de trabajo:
Brechas contra incendio:
Las variables U1 y U2 representan las diferencias entre el plan y el logro de
la meta de 5000 unidades de rboles y la meta de 6000 unidades de refugio
para animales. Por lo tanto, se pueden considerar como la carencia (o faltante). La
variable U3 representa los ahorros, en dlares, por debajo del nivel del presupuesto.
Las variables E1; E2 y E3 representan las cantidades en que se exceden las metas
especificadas, es decir, el excedente.
Un mtodo para formar la funcin objetivo en la programacin por me-
tas es minimizar las carencias. De esta manera, el objetivo sera minimizar (U1 +
U2 - U3), con lo cual se minimizaran las cantidades que faltan para cumplir con
las metas de rboles y refugio para animales y maximizar la carencia de costo (por
medio de la minimizacin del negativo de U3), todo ello sujeto a las-restricciones
antes mencionadas. La sencillez de este mtodo es muy atractiva, pero existe una
hiptesis fundamental: un ahorro unitario en dlares tiene el mismo valor que
la carencia de una unidad de rboles y de una unidad de refugio para animales.
La funcin objetivo otorga el mismo peso a todos.
Captulo 13 Programacin lineal 417
el orden en que debe satisfacerse cada uno. Por ejemplo, suponga que se especi-
fican las siguientes restricciones de metas:
Crecimiento de rboles:
Refugio para animales:
Costo:
El gerente elabora la siguiente lista de prioridades:
1. Minimizar la carencia de crecimiento de rboles (U1).
2. Minimizar la carencia de refugio para animales (U2).
3. Minimizar el excedente del presupuesto (E3).
4. Maximizar el excedente de crecimiento de rboles (E4).
Captulo 13 Programacin lineal 419
RESUMEN
APNDICE
5. Maximizar el excedente de refugio de animales (E2).
6. Maximizar los ahorros presupuestarios (U3).
El mtodo de programacin por prioridades intenta alcanzar los objetivos en secuencia, en vez
de hacerlo al mismo tiempo. Ilustraremos este mtodo en forma grfica.
Considere la figura 13-2. El cuadro A muestra la regin factible y slo considera las restricciones
de fuerza de trabajo y el lmite de brechas contra incendio. La primera prioridad del gerente es
minimizar la carencia de crecimiento de rboles, lo cual se minimiza en el cuadro B hasta que no
haya carencia; la regin factible se indica con el rea sombreada. Si no quedara ninguna regin
factible, se detendra el proceso de programacin por prioridades y slo se obtendra lo ms
posible de la meta con mayor prioridad.
Pero, an queda una regin factible, por lo que se considera la siguiente prioridad ms alta, o
sea, la minimizacin de la carencia de refugio para animales. Esto se presenta en el cuadro C y
tambin puede minimizarse hasta que no haya carencia; la regin factible restante se muestra
sombreada.
La meta con la tercera prioridad, minimizar el excedente del presupuesto, se muestra en el
cuadro D. Esta meta tambin se puede cubrir totalmente. Por ltimo se pretende la cuarta meta:
maximizacin del crecimiento de rboles. Con esto se obtiene la solucin, la cual se indica como
el punto A del cuadro D, correspondiente a la limpieza de 563 hectreas (X,) y a 111 kilmetros
de brechas contra incendio (X2). Como ya no queda regin factible, no es posible continuar con las
metas con quinta y sexta prioridad.
Se han desarrollado programas de computacin especiales para la programacin por
prioridades. Por supuesto, si el problema tiene dos variables, se puede resolver en forma grfica;
pero, como ya se ha visto, los problemas reales comprenden varias dimensiones y no es posible la
solucin grfica. El lector que se interese por el algoritmo de programacin por prioridades puede
consultar las referencias que se presentan al final del captulo.
Hay varios mtodos para incorporar objetivos mltiples en problemas de programacin lineal. Los
mtodo ms sencillos implican la conversin en una funcin de un solo objetivo, ya sea
ponderando los objetivos o incorporando los objetivos secundarios como restricciones. La
programacin por metas comprende la definicin de metas y la inclusin de diversas variables
correspondientes a las desviaciones con respecto a estas metas (ya sean carencias o excedentes).
La funcin objetivo se define para minimizar las desviaciones (las cuales pueden estar
ponderadas). La programacin por prioridades define en forma parecida las restricciones de las
metas, pero implica satisfacer las metas secuencialmente en vez de hacerlo al mismo tiempo.
Problema de transporte expresado en forma convencional de programacin lineal
En este apndice se presenta el problema de transporte con la notacin normal de programacin
lineal.
420 Parte III Programacin matemtica
Toda Xj > 0. Observe que los coeficientes de todas las Xj en las ecuaciones de
restriccin sern 0 o 1 y forman un patrn distintivo. Si todas las variables y
las restricciones de un problema de programacin lineal se ajustan al patrn
anterior, entonces es un problema de transporte y se puede usar el procedimiento
especial de este captulo para resolverlo (no es necesario que el problema tenga
que ver con transporte o distribucin).
Bibliografa
Ignizio, J. P., Goal Programming and Extensions, Lee, S. M., Goal Programming for Decision Analy-
Lexington, Mass., Lexington Books, 1976. sis, Nueva York, Van Nostrand Reinhold, 1973.
Ignizio, J. R, Linear Programming in Single and Vase tambin la bibliografa que aparece al final
Multiple Objective Systems, Englewood Cliffs, del captulo 10.
N.J., Prentice Hall, 1982.
Primera solucin
Producto A Producto B
Los costos unitarios de envo son: Contribucin al beneficio
(dlares por unidad) 15 10
Utilizacin de recursos:
Tiempo de mquina
(horas por unidad) 4 5
Materia prima
(toneladas por unidad) 5 4
Mano de obra calificada
(horas por unidad) 1 5
Mano de obra no calificada
13-3. Use el mtodo de transporte para tratar de
(horas por unidad) 2 0
elaborar una tabla de asignacin ptima
de envos de las fbricas a los almacenes.
Use los datos y la solucin inicial que se
La empresa dispone de un mximo de 100
presentan a continuacin.
horas de tiempo de maquina y 30 horas de
mano de obra no calificada.
422 Parte III Programacin matemtica
Hay escasez de materia prima. Las ofici- la asignacin) tiene un valor de cinco
nas centrales asignaron 100 toneladas, con dlares por tonelada. Un dlar de bene-
instrucciones de usar lo menos posible y de- ficio tiene el mismo valor, sin importar
volver todo el excedente para usarlo en otras si se excede o no la meta de beneficios.
divisiones. Se pueden obtener ms de las Formule la funcin objetivo de pro-
100 toneladas asignadas, pero slo si es gramacin por metas.
"absolutamente necesario". d. Antes de proseguir con esta parte, veri-
La empresa tiene mano de obra calificada fique que su formulacin est correcta
con 75 horas disponibles en tiempo regular. (vea las respuestas al final del libro).
A estos trabajadores calificados no les gusta Represente grficamente el problema
trabajar tiempo extra, pero lo harn si se de decisin. Primero incluya las restric-
requiere. La gerencia quiere aprovechar al ciones de mano de obra no calificada y
mximo el tiempo regular de estos tiempo de mquina. Luego incluya las
trabajadores calificados. lneas que representan las metas de ma-
La empresa tiene un objetivo de benefi- no de obra calificada y materia prima.
cios de 300 dlares, meta que espera alcanzar Por ltimo, dibuje la meta de los
o superar. beneficios.
a. Defina las variables de decisin y las e. Evale los siguientes puntos de solu-
restricciones de tiempo de mquina y cin posibles. Encuentre cada punto en
mano de obra no calificada. su grfico y sustituya en las ecuaciones
b. Formule las restricciones de metas de de metas para determinar la carencia o
la mano de obra calificada, las materias el excedente. Luego sustituya estos va-
primas y los beneficios. Tome en cuen- lores en las funciones objetivo de (c).
ta las carencias y los excedentes en es Encuentre la solucin ptima (con el
tas restricciones. menor valor). Los puntos son:
c. Suponga que la gerencia asigna costos (1) Producto A = 8.33 unidades;
de 15 dlares por tonelada que se use producto B = 13.33 unidades.
por encima de la asignacin, 10 dlares (2) Producto A = 11.11 unidades;
por hora de tiempo extra de los trabaja- producto B = 11.11 unidades.
dores calificados y cinco dlares por (3) Producto A = 15 unidades;
hora de tiempo de inactividad de los tra- producto B = 8 unidades.
bajadores calificados. Adems, la mate- (4) Producto A = 15 unidades;
ria prima que no se use (por debajo de producto B = 6.25 unidades.
Problemas
Problemas ms difciles
f. Suponga que las nuevas estimaciones b. Suponga que la demanda del destino
indican que los requerimientos de W2 W1 aumenta en dos unidades. Qu f-
sern 25, en lugar de los 20 que se esti- brica suministrara las unidades adicio-
maron originalmente. Diga cul sera el nales? Cul es el costo adicional de
costo adicional total si: transporte en el sistema? Cul es la
(1) No se ampliara ninguna de las nueva solucin?
plantas. c. Suponga que el destino W3 requiere 15
(2) Se ampliara F3 en cinco unidades unidades adicionales. Cules son las
para cumplir con los requerimientos fbricas que proporcionaran las unida
adicionales. des adicionales? Cules seran los cos
g. Se va a iniciar un programa para au- tos adicionales de transporte del
mentar las ventas en uno de los distri- sistema?
tos de los almacenes. Si la efectividad d. Cules seran los ahorros en el costo
del programa fuera la misma en todos de transporte si la capacidad de F3 au-
los distritos, cul propondra para lle- mentara 10 unidades?
var a cabo el programa? Por qu? Su- e. Suponga que el costo de transporte de
ponga que el precio de venta es el la fuente F, al destino W3 baja a dos
mismo en todos los distritos. dlares, en lugar de ser cuatro. Cam-
13-14. Una compaa tiene tres fbricas que abaste- biara la solucin? Cul sera la reduc-
cen a tres reas de mercado. Los costos de cin en costos del sistema?
transporte de las fbricas a los almacenes se 13-15. Una empresa fabrica cuatro productos, A,
presentan en la esquina superior izquierda de B, C y D. El comit ejecutivo se rene para
las casillas de la tabla adjunta. En el margen tratar de decidir cul ser la combinacin de
de la tabla se presentan las capacidades de las productos. El controlador quiere la
fbricas y los requerimientos de las reas de combinacin que obtenga mayor beneficio;
mercado. el gerente de ventas quiere obtener la mayor
Despus de varias iteraciones se obtiene la cuota de mercado; y el gerente de
solucin que se muestra (la solucin se indica produccin quiere equilibrar las instalacio-
en crculo con pantalla). Responda las nes productivas. El presidente debe prome-
siguientes preguntas en forma independiente. diar estos objetivos potencialmente
a. Hay alguna solucin que sea igual o conflictivos.
mejor que la que se exhibe en la tabla? De La informacin de los cuatro productos se
ser as, encuntrela. presenta en la tabla 13-9.
Captulo 13 Programacin lineal 427
La tabla muestra las horas por unidad de vale a una cuota del 0.01 %. El objetivo del
producto que se requieren para montaje, gerente de mercadotecnia es 800 puntos (o
pruebas y tiempo de mquina, as como el sea, el 8% del mercado total).
tiempo en los departamentos 1 y 2. El gerente de produccin seala que la
El beneficio por unidad de producto se empresa dispone de 3000 horas de montaje,
muestra tambin en la tabla 13-9. El contro- 1000 horas para pruebas y 7500 horas de
lador cree que la empresa debe dar mayor tiempo de mquina. No hay lmites para los
realce a los productos B y C, ya que gene- departamentos 1 y 2, pero le preocupa el
ran mayor beneficio por unidad. El contro- equilibrio de las horas que se trabajan en los
lador desea que la empresa tenga beneficios dos departamentos y quisiera que el nmero
de 10 000 dlares. de horas de trabajo en los departamentos 1 y
El gerente de mercadotecnia considera a 2 fuera lo ms parecido posible.
cada producto como una venta y, como tal, El presidente ha decidido asignar ponde-
cuenta como un punto de la cuota del merca- raciones a cada objetivo. Un dlar de bene-
do. Un punto de la cuota de mercado equi- ficio vale lo mismo, si est por encima o
Recursos:
Tiempo de montaje (horas) 4 15 5 2
Tiempo de pruebas (horas) 2 2 2 1
Tiempo de mquina (horas) 6 2 10 12
Departamento 1 (horas) 1 2 1 *
Departamento 2 (horas) 1 2 *
Metas:
Beneficio (dlares) 10 50 20 5
Cuota de mercado (puntos) 1 1 1 1
Programacin entera y
procedimientos de
ramificacin y acotamiento1
1
Deben estudiarse los captulos 10 y 11 , que abarcan la programacin lineal, antes de estudiar este captulo.
2
Una excepcin importante es la resolucin de problemas de redes por programacin lineal, en la que s se
obtienen soluciones de enteros. El problema de transporte y el problema de la ruta crtica son ejemplos de estos
problemas de redes, los cuales se analizan en los captulos 13 y 20, respectivamente.
429
430 Parte III Programacin matemtica
Maximizar:
Sujeto a:
Figura 14-1
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 431
Algunas veces, en una situacin de decisin, hay que mantener una restriccin u
otra, pero no ambas. Por ejemplo:
Para cada proyecto se define una variable binaria Yi, donde Yi = 1 si se lleva a
cabo el isimo proyecto y Yi = 0 si no se efecta. Ahora se puede formular este
ejemplo de presupuesto de capital como un problema de programacin entera, de
la siguiente manera:
Maximizar el valor actual neto total que se obtenga:
Sujeto a:
Capital disponible para inversin:
3
Para calcular el valor neto actual, los fondos que se reciben en el futuro se descuentan con una tasa de inters
apropiada. La determinacin de esta tasa no es un problema trivial. Vase el apndice del captulo 2.
434 Parte III Programacin matemtica
Pero si tuviera que incluir por lo menos uno de los proyectos (posiblemente los
dos), la restriccin sera entonces:
Observe que Yi puede asumir valores de 0 y 1; sin embargo, Y6 slo puede ser 1
si Y5 tambin es 1. Entonces, se cumplen las condiciones requeridas.
La resolucin de este problema de programacin entera dara como resultado
un subconjunto de variables Y iguales a 1. Los proyectos asociados con estas
4
Es necesario hacer una advertencia. Con frecuencia es fcil formular este tipo de restricciones con expresiones
como Y3 Y4 - 0, lo que requerira que Y3 = 0 o Y4 = 0 o ambos. Sin embargo, esta restriccin no es lineal porque
comprende el producto de dos variables. La programacin lineal entera requiere restricciones lineales y una
funcin objetivo lineal.
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 435
Minimizar:
Suponga que una empresa introduce un producto nuevo y debe decidir cul ser
la ubicacin y el tamao de las fbricas que elaborarn el producto. La empresa
quiere minimizar los costos de manufactura y distribucin as como los costos de
construccin y operacin de las instalaciones.
Hay tres lugares disponibles, en los cuales puede construirse una fbrica
pequea o una grande. En uno de los lugares es posible construir una fbrica enor-
me. La tabla 14-1 muestra los costos y capacidades de estas alternativas. El costo
anual de la tabla 14-1 incluye los costos adicionales de la instalacin as como el
costo anualizado de la construccin.
La empresa debe distribuir su producto en cuatro regiones. El costo de distri-
bucin desde cada lugar de las fbricas a cada regin y los requerimientos de las
regiones se muestran en la tabla 14-2.
El problema de la empresa es decidir cules lugares usar, cul debe ser el
tamao de la fbrica que construya en los lugares elegidos y cunto debe enviar
cada fbrica a cada regin.
Las variables se pueden definir como:
Al = Envos (en miles de unidades) del lugar A a la regin 1
A2 = Envos (en miles de unidades) del lugar A a la regin 2
PCL = Produccin (en miles de unidades) de una planta grande (L) en el lugar C
YAS = Variable binaria que es igual a 1 si se construye una planta pequea
(S) en el lugar A y 0 en caso contrario.
YAL = Variable binaria que es igual a 1 si se construye una planta grande (L)
en el lugar A y 0 en caso contrario.
YCL = Variable binaria que es igual a 1 si se construye una planta grande (L) en
el lugar C y 0 en caso contrario.
La formulacin de este modelo se presenta en la figura 14-2 con el paquete
LINDO que se describi en el captulo 10.5 LINDO es un producto de software
disponible para microcomputadores y computadores de gran tamao para resolver
problemas de programacin lineal y entera binaria. La resolucin de este problema
se ilustrar en una seccin posterior del captulo.
La funcin objetivo que se pretende minimizar contiene el costo anual multi-
plicado por las variables binarias (por ejemplo, 1000 YAS), los costos de distri-
bucin multiplicados por el nmero de unidades enviadas por la ruta dada (por
ejemplo, 2 A2) y el costo de manufactura multiplicado por las unidades fabricadas
(por ejemplo, 5 PAS). El primer conjunto de restricciones (nmeros 2 a 5 en la
figura 14-2) garantiza que se cumplan las demandas regionales. Por ejemplo:
A1 + B1 +C1 =500
requiere que los envos a la regin 1 desde los lugares A, y C cumplan con la
demanda de 500 unidades de dicha regin.
El segundo conjunto de restricciones (6 a 12) limita la ca ^acidad de produccin.
Por ejemplo la restriccin 6 se obtiene de:
5
Vase Linus Sclirage, Linear, Integer, and Quadratic Programming with LINDO, cuarta edicin, South San
Francisco, Calif., Scientific Press, 1989.
438 Parte III Programacin matemtica
Requerimientos de
la regin (miles
de unidades)
sea
-600 YAS + PAS 0
Esto garantiza que la produccin en el lugar A con una fbrica pequea no
exceder 600 unidades si YAS = 1 (es decir, si se construye una fbrica pequea
en el lugar A) y que sea 0 si YAS = 0.
El siguiente conjunto de restricciones (13 a 15) comprende restricciones de
equilibrio. Por ejemplo:
Al + A2 + A3 + A4 PAS + PAL o
sea
Al + A2 + A3 + A4 - PAS - PAL 0
requiere que los envos totales del lugar A (es decir, Al + A2 + A3 + A4) sean
menores o iguales que la produccin de una instalacin ya sea pequea o grande
(PAS + PAL).
El ltimo conjunto de restricciones (16 a 18) limita cada lugar a una sola
instalacin. Por ejemplo:
YBS + YBL + YBH 1
requiere que a lo sumo una de las tres variables sea 1. En otras palabras, en el
lugar se puede construir una planta pequea, una grande o una enorme, o
ninguna.
LINDO reorganiza la funcin objetivo y las restricciones para que las variables
binarias (cero/uno) sean las primeras (es decir, las de la izquierda). El ltimo
enunciado de la figura 14-2, el cual indica que hay siete variables enteras, implica
que las primeras siete variables (las variables Y) son las enteras.
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 439
RESUMEN Un modelo de programacin lineal entera requiere que algunas o todas las
variables sean enteras. La formulacin de un modelo de programacin lineal
entera es similar a la de los modelos normales de programacin lineal, pero la
restriccin de enteros permite incluir cargos fijos, restricciones mutuamente
excluyentes y conceptos relacionados.
6
Vase H. Crowder, E. L. Johnson y M. Padberg, "Solving Large-Scale Zero-One Linear Programming
Problems" Operations Research, septiembre-octubre de 1983.
Figura 14-3 rbol que muestra todas las soluciones enteras posibles para
442 Parte III Programacin matemtica
X1 = 1, X2 = 0, X3 = 3.33, X4 = 0.89
7
Para verlo, considere un problema con 10 variables enteras, cada una de las cuales puede tener cinco valores
enteros (0, 1, 2, 3 o 4). El nmero de soluciones posibles es 510 - 9 765 625. La enumeracin y evaluacin de
todas estas posibilidades sera un camino largo y tedioso. Por lo tanto, se requiere una forma de limitar la bsqueda
a un conjunto ms pequeo de soluciones posibles.
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 443
Ronda 2
Paso 1. Empezar La solucin entera factible inicial es
con beneficio = 0.
Paso 2. Ramificar Ahora hay que seleccionar una variable y construir ramas.
La variable a seleccionar es arbitraria. Un procedimiento que parece til consiste
en ramificar a partir de variables que no son enteras en la etapa actual. En la ronda
1, las variables X3 y X4 no son enteras y se escoge arbitrariamente X4 para la
ramificacin. En la solucin anterior X4 = 0.89. Por lo tanto, un par de ramas
razonables seran X4 = 0 o X4 1. Observe que esta ramificacin divide todas las
soluciones posibles en dos grupos: aquellas donde X4 = 0 y aquellas para las cuales
X4 1; corno X4 tiene que ser un entero, no es posible que est entre 0 y 1. El
procedimiento define el primer par de ramas que se muestran en la figura 14-4.
Seleccionamos en forma arbitraria la rama X4 = 0 para la investigacin inicial. Para
representar esta rama, reemplazamos la ltima restriccin en el problema
del ejemplo por la restriccin X4 = 0. El problema se convierte ahora en:
8
El problema ordinario de programacin lineal ha "relajado" u omitido las restricciones relativas a los
valores enteros de las variables; a esto se le conoce en ocasiones como relajamiento del problema de progra-
macin entera.
444 Parte III Programacin matemtica
Figura 14-4 Resumen de los pasos de la solucin del primer problema ejemplo
Maximizar:
Sujeto a:
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 445
Paso 4. Comparar Este lmite es menor que el mejor que se tiene hasta ahora
(P 10, de la ronda 3, paso 3). Por lo tanto, se puede eliminar toda la rama de las
investigaciones posteriores. No puede contener una solucin entera con beneficio
mayor que 10, pues la mejor solucin sin restricciones slo tiene beneficio
de 9.33.
Ronda 5
Paso 2. Ramificar Regrese por el rbol hasta la rama X4 1 que se cre en la
ronda 2, paso 3 (vase Fig. 14-4).
Paso 3. Acotar Se resuelve el mismo problema de programacin lineal que en
el paso 2 de la ronda 2, sustituyendo la restriccin X4 = 0 con X4 1. La solucin
es X1 = 1, X2 - 0, X3 = 3, X4 = 1 y el beneficio es = 11. Una vez ms se trata de
una solucin entera.
Paso 4. Comparar La solucin anterior es entera y es mejor que la mejor
solucin previa. Por lo tanto se convierte en la nueva mejor solucin de apoyo.
Es una cota para todas las soluciones situadas debajo de la rama (X4 > 1) y ya no
hay que investigar ms esta rama.
Paso 5. Conclusin Se han investigado todas las ramas y, en consecuencia, la
mejor solucin de apoyo, la cual se obtuvo en el paso 3 de la ronda 5, es la solucin
entera ptima, con beneficio = 11.
Ha concluido el problema ejemplo. Como se han investigado todas las ramas,
la solucin ptima es la mejor solucin de apoyo:
RESUMEN 1. Inicio. Encuentre una solucin entera factible inicial (si es difcil encontrar
una solucin inicial se puede omitir este paso).
2. Ramificacin. Seleccione una variable y divida las soluciones posibles en dos
grupos. Seleccione una rama, es decir, uno de los grupos, para investigacin.
3. Acotamiento. Encuentre una cota o lmite para el problema que define la rama
que seleccion. En nuestro caso se us como cota la solucin de programacin
lineal del problema entero. Observe que la cota representa el lmite superior
para todas las soluciones posibles de una rama.
4. Comparacin. Compare la cota que obtuvo para la rama que investiga con la
mejor solucin de apoyo de las ramas que haya examinado anteriormente. Si
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 447
la cota es menor que la mejor detectada hasta el momento, elimine toda la rama
nueva y prosiga con ramas que an no haya evaluado.9
Si la cota de la nueva rama es mayor que la mejor solucin de apoyo y adems
la solucin es entera, se convierte en la nueva mejor solucin de apoyo; luego
contine con la revisin de otras ramas que no haya considerado.
Si la cota de la nueva rama es mayor que la mejor solucin de apoyo, pero la
solucin no es entera, es posible que existan mejores soluciones ms abajo, en
el rbol. Por lo tanto, avance un nivel en el rbol y la rama (es decir, contine
en el paso 2).
5. Conclusin. Cuando haya terminado de revisar todas las ramas, la mejor
solucin de apoyo es la solucin ptima.
Discusin
9
Es posible que el problema de programacin lineal que forma una rama no tenga solucin factible. En este caso
se puede eliminar la rama, ya que es obvio que no contiene soluciones, ni enteras ni fraccionarias.
10
Los programas de computacin que se usan para problemas reales cuentan con heurstica (reglas empricas)
compleja acerca de cmo desarrollar el rbol y cules ramas deben investigarse en primer lugar.
448 Parte III Programacin matemtica
Discusin
(contina)
450 Parte III Programacin matemtica
(contina)
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 451
Una empresa tiene cuatro plantas y cuatro almacenes. A cada planta se le debe
Ejemplo:
Problema de asignar un solo almacn y viceversa. La relacin directa (o asignacin) de las
asignacin11 plantas a los almacenes afectar los costos totales de envo y la meta es obtener
la asignacin con menor costo total. La tabla 14-3 contiene los costos anuales de
envo para cada combinacin posible de una planta y un almacn.
Este problema es combinatorio porque hay varias soluciones posibles y cada
una implica una respuesta afirmativa o negativa a la pregunta "Se asigna la planta
i al almacn _j?" Hay cuatro maneras de asignar la planta A; si ya hay una
asignacin para A, hay tres posibilidades de asignacin para la planta B; luego
dos para C, y D se asigna al almacn sobrante. De esta manera, el nmero
de asignaciones posibles es N! = (4)(3)(2)(1) = 4! = 24. Aunque 24 no es un
nmero muy grande, el mismo problema con 12 plantas y 12 almacenes tendra
12! = 479 001 600 soluciones posibles. Lo anterior es una caracterstica funda-
mental de los problemas combinatorios: incluso un problema relativamente pe-
queo (12 plantas y 12 almacenes) tiene gran nmero de soluciones posibles.
11
Se usar como ejemplo un problema de asignacin, aunque existen procedimientos ms especializados y
eficientes para tratar este problema combinatorio en particular. Vase F. Hillier y G. J. Lieberman, Introduction
to Operations Research, quinta edicin, Nueva York, McGraw-Hill, 1990.
454 Parte III Programacin matemtica
Procedimiento de acotamiento
Ahora se necesita una manera de determinar un lmite inferior del costo (es decir,
una cota) para todas las soluciones. Una manera sencilla de hacerlo es asignar a
cada almacn la planta con menor costo de envo para dicho almacn. As, para
el primer almacn de la tabla 14-3, el envo cuesta menos desde la planta A; para el
segundo, el envo ms barato se hace de la planta B; para el tercer almacn la
planta menos costosa es la D; y para el cuarto almacn es A. Observe que no es
una asignacin factible, ya que se asigna la planta A a los almacenes 1 y 4 y se
requiere una asignacin nica de planta a almacenes. No obstante, el proce-
dimiento sirve para obtener un lmite inferior, ya que el costo de cualquier
asignacin factible no puede ser menor que el costo que se obtuvo con este
procedimiento. Adems, si la asignacin que se obtiene con este procedimiento
es factible (es decir, si se logra una asignacin nica de plantas a almacenes),
entonces es la ptima.
Desde el punto de vista mecnico, el procedimiento consiste en encontrar el
mnimo de cada columna. Los nmeros de cada columna se presentan en un
crculo en la tabla 14-4.
El total de los mnimos de las columnas es 96 dlares, lo cual representa la cota
inferior del costo.12 No existe una asignacin factible que cueste menos de 96
dlares.
Primera ramificacin
Considere el ejemplo con los datos de costo de la tabla 14-3. Hay 24 soluciones
posibles. Suponga que en forma arbitraria se decide usar como punto de partida
12
Un procedimiento de acotamiento mejor sera calcular los mnimos de las filas adems de los mnimos de las
columnas y despus establecer la cota inferior como el mximo de la suma de los mnimos de las columnas y la
suma de los mnimos de las filas. No se us este procedimiento para que el ejemplo fuera lo ms claro posible.
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 455
Cotas inferiores
Ahora hay que acotar cada categora; es decir, se debe calcular un lmite inferior
para los costos de las soluciones de las categoras. Considere la categora asociada
a la asignacin (A,1). El costo de esta asignacin es de 10 dlares ms el costo de
las restantes asignaciones planta-almacn. Para encontrar una cota, suponga que
se eliminan la primera fila de la tabla 14-3 (pues ya se asign la planta A) y la
primera columna (ya se asign el almacn 1). La nueva tabla de costos se
reproduce en la tabla 14-5.
Lo que se busca ahora es calcular una cota inferior para la asignacin de las
dems plantas, B, C y D, a los otros almacenes, 2, 3 y 4. Para ello se calculan los
mnimos de las columnas de la misma manera que antes (los mnimos se presentan
en un crculo en la Tabla 14-5). El total de estos mnimos es 93 dlares, que
sumados al costo de 10 dlares de la asignacin 04,1) dan un costo total de
103 dlares. Esta es la cota inferior del costo de esta rama. Observe que la solucin
que indican los mnimos de las columnas de la tabla 14-5 no es factible, porque
la planta D se asigna a los almacenes 3 y 4.
Segunda ramificacin
almacn 2, representada por (B,2). De los seis casos con (A,1), dos se relacionan
con la asignacin de (5,2) y los otros cuatro con el caso donde no se asigna al
almacn 2; es decir Esta ramificacin se muestra en la figura 14-8.
Ahora se calcula la cota inferior de la rama (B,2). Como antes, se eliminan las
columnas y las filas de las plantas y de los almacenes que ya se asignaron. Por lo
tanto, las filas A y y las columnas 1 y 2 desaparecen de la tabla 14-3, para
producir la tabla 14-6.
La cota inferior de esta rama es la suma del costo de 10 dlares de la asignacin
04,1), el costo de 17 dlares de la asignacin (B,2) y el total de los mnimos de
las columnas de la tabla 14-6, siendo un total de 103 dlares. Observe que tampoco
es una solucin factible, ya que la planta D se asigna a los almacenes 3 y 4.
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 457
Tabla 14-6 Costos de envo restantes, dadas las asignaciones (A,1) y (B,2)
Tercera ramificacin
Tabla 14-7 Costos de envo restantes, dadas las asignaciones (A,1) y (B,2)
Regresamos por el rbol hasta la nica rama que falta investigar, la que tiene 18
soluciones que excluyen la asignacin de A al almacn 1. Se elabora nuevamente
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 459
una tabla de costos para este caso (Tabla 14-8) con un asterisco en la fila A,
columna 1. La cota inferior se obtiene con la suma de los mnimos de las columnas
siendo un total de 108 dlares. Por lo tanto, ninguna de las 18 soluciones de la
rama tiene costo inferior a 108 dlares. Como la solucin de apoyo actual tiene
costo de 105 dlares, se puede eliminar toda la rama y sus 18 soluciones.
Como no hay ms ramas por investigar, la solucin ptima es la mejor solucin
de apoyo: A-1, B-2, C-4, D-3, con costo de 105 dlares.
RESUMEN La aplicacin del procedimiento de ramificacin y acotamiento a un problema
combinatorio general es similar su utilizacin en problemas de programacin
lineal entera. Sin embargo, hay que determinar la manera de calcular las cotas
para cada aplicacin especfica y el proceso de ramificacin se puede definir en
forma distinta.
Bibliografa
Wagner, . , Principies ofOperations Research, Zionts, S., Linear and Integer Programming, Engle-
segunda edicin, Englewood Cliffs, N. J., Prenti- wood Cliffs, N. J., Prentice Hall, 1974.
ceHall, 1975.
14-1. Un estudio de cine quiere producir cinco pe- use la rama que se indica en las res-
lculas en los prximos tres aos. Defina puestas.
una variable Yit, en la cual el subndice i se b. Defina el problema de programacin li-
refiera a la pelcula (i = 1, 2, 3, 4, 5) y el neal que tiene que resolverse a conti-
subndice t se refiera al ao (f = 1,2, 3,). Yit nuacin y verifique las respuestas de la
es una variable binaria que tiene valor 1 si solucin del problema de programacin
se produce la pelcula i en el ao t y valor 0 lineal.
en caso contrario. Considere en forma in- c. Determine si ha llegado a un ptimo.
dependiente cada una de las siguientes situa- De no ser as, regrese a (a) y defina la
ciones y formule una o ms restricciones siguiente rama, y as sucesivamente.
enteras que satisfagan la condicin que se 14-3. El gerente de investigaciones de la Funda-
establece. cin Cientfica Federal quiere decidir qu
a. No se puede producir ms de una pe- proyectos recibirn financiacin el ao en-
lcula en el primer ao. trante. Ha recibido ocho propuestas que se
b. La pelcula 2 no puede producirse antes mencionan en seguida. Despus de un cui-
que la pelcula 3, pero s pueden produ- dadoso estudio, efecta una estimacin sub-
jetiva del valor de cada proyecto, con una
cirse la dos en el mismo ao.
escala de 0 a 100. El gerente de investiga-
c. Hay que producir por lo menos una pe-
ciones quiere encontrar la combinacin de
lcula cada ao.
proyectos que tenga el mayor valor total,
d. La pelcula 4 no puede producirse des- pero hay varias limitaciones. Primero, el
pus del ao 2. presupuesto es de 320 000 dlares. Segun-
e. Las pelculas 1 y 5 no se pueden produ- do, tiene que aceptar o rechazar un proyecto
cir en el mismo ao. (es decir, no hay financiacin parcial).
14-2. Utilice el procedimiento de ramificacin y Tercero, algunos proyectos estn relaciona-
acotamiento para resolver el siguiente pro- dos: no quiere financiar los proyectos G y
blema: al mismo tiempo y el proyecto D no debe
financiarse si el proyecto A no recibe fon-
dos (pero el proyecto A puede financiarse
sin hacer lo mismo con D).
Formule este caso como un problema de
programacin lineal entera.
Todas las variables 1, 2, 3, X4 son
binarias. Costo (miles
La solucin del problema de progra- Propuesta de dlares) Valor
macin lineal correspondiente es:
A $ 80 40
X1 = 0; X2 = 0.86; X3 = 0.86; X4 = 1 15 10
con valor = 7.3 para la funcin objetivo. C 120 80
Al resolver el problema, haga lo siguiente: D 65 50
a. Defina las ramas posibles y luego com- 20 20
pare su respuesta con la que se presenta F 10 5
al final del libro. Si hay varias ramas G 60 80
posibles (como sucede con frecuencia) 100 100
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 461
14-4. La compaa Bendigo fabrica tres 1000 unidades. Hay una cantidad ili-
productos: ANZA, BOZO y KARMA. mitada de materia prima disponible
Ha formulado parcialmente su problema para cualquier semana, pero no puede
de combinacin de productos como un almacenarse de una semana a la si-
problema de programacin lineal, de la guiente.
siguiente manera: c. El ingreso por ventas de KARMA de
pende de la cantidad que se compre.
Bendigo recibe 100 dlares por las pri-
meras 20 unidades que produce, 150 d-
Maximizar: 100A + 120B lares por las siguientes 50 unidades y
Sujeto a: 120 dlares por cada unidad adicional
3 + 7 + 2 1000 que produzca, hasta un mximo de 200
(tiempo de mquina disponible) unidades.
A + 1.55+ 2#< 300 d. El departamento de ventas estima que
(horas de trabajo disponibles) las ventas mximas son de 100 unida-
23A + 185 + 25K = MPUSADA des de ANZA y de 120 unidades de BO-
(materia prima usada) ZO. Sin embargo, para cada producto
se puede iniciar una campaa de ventas
con costo de 5000 dlares. La campaa
de ventas aumentara en 50 unidades
la demanda del producto seleccionado,
pero debido a las limitaciones de la
donde A, 5 y se refieren a las unidades de fuerza de trabajo de ventas, slo se
puede aplicar la campaa a los ANZA o
ANZA, BOZO y KARMA que se producen
a los BOZO, pero no a los dos pro-
cada semana. Al llegar a este punto, Bendi-
ductos.
go tuvo problemas y le pidi a usted que le
14-5. (Nota: Este problema requiere la tcnica de
ayudara a completar la formulacin. solucin que se analiz en el apndice del
Para cada uno de los siguientes puntos, captulo). Una empresa tiene cuatro plantas
ample o modifique la formulacin para que deben asignarse en forma nica a un al-
incorporar la situacin que se describe. macn (y viceversa). La asignacin de plan-
Formule el problema como un caso de tas a almacenes afectar los costos totales de
programacin entera utilizando variables envo y la meta es obtener la asignacin con
enteras (incluso binarias) segn se requiera. menor costo de envo. La tabla siguiente
En cada uno de los casos, defina las varia- contiene los costos anuales de envo para
bles nuevas, las restricciones nuevas o mo- cada combinacin posible de planta y
dificadas y las adiciones o modificaciones a almacn.
la funcin objetivo. Trate cada punto en for-
ma independiente.
a. Los KARMA se estampan en una m- Costos anuales de envo (miles de dlares)
quina especial que se alquila del fabri-
cante. Se pueden estampar hasta 200
KARMA en una semana. El alquiler
comprende una tarifa fija de 800 dla-
res semanales si se producen unidades
de KARMA; no hay cargo si la mqui-
na no se usa en la semana.
b. El costo de la materia prima es de 25
centavos por unidad si se compran me-
nos de 1000 unidades, y de 20 centavos
por unidad si las compras superan las
462 Parte III Programacin matemtica
Problemas
14-6. Considere el siguiente problema: 14-9. El jefe del departamento de polica de Punx-
Minimizar: sutawney intentaba elaborar su presupuesto
Sujeto a: para el ao siguiente. Un elemento clave
era el nmero de personal de polica que ne-
cesitara para las patrullas. El jefe acababa
de recibir un estudio (vase Tabla adjunta)
donde X1 y X2 son enteros. donde se estim.-ba cuntas patrullas se nece-
a. En una hoja de papel para grficos, re sitaran en las calles de Punxsutawney en
presente las restricciones y observe los cada periodo de cuatro horas.
puntos enteros. Represente tambin la Estas estimaciones se basaban en la expe-
funcin objetivo para un valor de y riencia con las solicitudes de investigacin
observe su pendiente. de crmenes y en las necesidades para un
b. Use el procedimiento de ramificacin y nuevo programa de prevencin de crme-
acotamiento para resolver el problema. nes. El nuevo programa haca hincapi en
Defina las cotas y resuelva cada proble- la visibilidad de las patrullas en las calles
ma de programacin lineal inspeccio- durante las horas de mayor posibilidad de
nando el grfico. Ramifique primero a crmenes.
14-7. partir de X2. El problema del jefe surgi porque tena
Utilice el procedimiento de ramificacin que programar su personal en turnos de
y acotamiento para resolver el siguiente ocho horas, no en segmentos de cuatro ho-
problema: ras como se muestra en la tabla. El departa-
mento operaba con los seis turnos
escalonados de ocho horas que se indican
en la tabla siguiente y el jefe quera seguir
esta poltica.
Todas las variables son enteras. Use el Necesidades estimadas de patrullas policacas
14-8. procedimiento de ramificacin y en los das entre semana, por hora del da
acotamiento para resolver el siguiente
problema: Periodo Patrullas requeridas
10 P.M. a 2 A.M. 13
2 A.M. a 6 A.M. 1
6 A.M. a 10 A.M. 7
10 A.M. a 2 P.M. 6
2 P.M. a 6 P.M. 6
6 P.M. a 10 P.M. 17
donde las variables 1, 2 y X3 no tienen Total 50
que ser enteros, pero Y1 y Y2 son variables
binarias y Y3 3 tambin es entera.
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 463
Polica de Punxsutawney: Turnos escalonados Snohomish tiene hasta 400 horas de traba-
jo disponibles en sus operaciones del pri-
Turno Hora de inicio Hora de terminacin
mer turno (en el trimestre) y el contrato de
trabajo permite esta cantidad de horas a
1 10P.M. 6 A.M.
10 dlares la hora. La materia prima (resina
2 2 A.M. 10 A.M.
6 A.M. 2 P.M.
regular) cuesta dos dlares por kilogramo y
3
se pueden comprar hasta 20 toneladas. La
4 10 A.M. 6 P.M.
energa cuesta tres centavos por kwh y se
5 2 P.M. IOP.M. puede obtener cualquier cantidad.
6 6 P.M. 2 A.M.
Snohomish ha formulado el problema de
programacin lineal de la siguiente manera:
El problema del jefe era decidir cul sera
el mnimo de personas necesarias para cum-
plir con los requerimientos. Suponga que ca-
da patrulla est formada slo por un
patrullero. Tambin considere el problema
slo para los das entre semana. Formule un
problema de programacin lineal entera pa-
ra resolver el problema del jefe.
14-10. Remtase al ejemplo del problema de tama-
o y ubicacin de fbricas de este captulo.
La formulacin que se presenta permite
que dos o ms lugares cubran parcialmen-
te las necesidades de cada regin. Suponga A = Nmero de alfas producidos
que se desea que una regin sea abastecida = Nmero de betas producidos
por una sola fbrica. Cmo formulara este C = Nmero de gamas producidos
problema? FSH = Nmero de horas de trabajo usadas
14-11. La compaa Snohomish planifica su
en las operaciones del primer turno
programa de produccin para el siguien- RMR = Kilogramos de materia prima
te trimestre. Snohomish fabrica tres pro- (resina regular)
ductos: alfas, betas y gamas. Los factores
PA = kwh de energa utilizada, a
principales que se emplean en la manufac-
0.03 dlares
tura de estos productos son horas de traba-
jo, materia prima y energa elctrica; a
Los incisos (a), (b) y (c) que se presentan
continuacin se presentan los requeri-
a continuacin proponen modificaciones al
mientos de cada uno:
programa lineal anterior. Usted debe defi-
nir cules son las variables nuevas que se
Alfas Betas Gamas necesitan, incluyendo variables enteras o
binarias. Adems, debe indicar cmo mo-
Horas de trabajo 5 2 1 dificara las restricciones y la funcin
objetivo. Trate cada punto en forma
Materia prima independiente de los dems.
(kilogramos) 10 13 8 a. Es posible implantar un segundo turno
Energa (kwh) 300 180 120 de operaciones. Este turno permitira
Contribucin por unidad disponer de 2000 horas de trabajo adi-
(dlares), excluyendo cionales a un costo de 12 dlares por
el costo de la fuerza de hora. As mismo, si opera el segundo
trabajo, la materia turno, incurrira en gastos de 900 dla-
prima y la energa 170 240 120 res (supervisin, gastos administrati-
vos, etctera).
464 Parte III Programacin matemtica
do de un cliente no se puede asignar a dos ubicacin de las plantas (una o ms) donde
camiones. Los camiones disponibles y sus producir los neumticos radiales. Suponga
capacidades son: que conoce los siguientes datos:
Cantidad Pi = Costo unitario de produccin en la
Cliente (toneladas) planta i (sin incluir el costo del alquiler)
A Cij = Costo unitario de envo de la planta i al
almacn j.
C 1 Dj = Demanda anual (en unidades) en el
D almacn j
= Capacidad anual (en unidades) para
F 1 cada alquiler de equipo de produccin
(Nota: es mayor que de la suma de
la demanda de todo el pas).
Los costos relacionados con la entrega de
cada camin a un cliente se indican en la ta- a. Formule un modelo de programacin
bla siguiente: entera para este problema utilizando
variables binarias y ordinarias (no
Costo (en dlares) de entrega de enteras).
pedidos a los clientes b. Describa textualmente la forma en que
podra usar el concepto de ramificacin
y acotamiento junto con el concepto de
programacin lineal para obtener una
solucin de este modelo.
14-15. Durante la minimizacin de un problema de
costo que se resuelve por ramificacin y
acotamiento, la mejor "solucin de apoyo"
cuesta 65 dlares. Se acaba de evaluar un
subconjunto de soluciones utilizando dos
procedimientos distintos para obtener las
cotas inferiores: las cotas que se obtuvieron
son 50 dlares (esta solucin no es factible)
Adems de estos costos, hay un costo y 70 dlares (esta solucin es factible).
fijo de 10 dlares para los camiones 1, 3 y a. Es posible eliminar el subconjunto de
soluciones de la evaluacin adicional
5 y de 15 dlares para los camiones 2 y 4.
(es decir, cortarla)? Explique su res-
Por ltimo, existe la restriccin de que el
puesta.
mismo camin no puede efectuar las entre-
b. Cambiara su respuesta en (a) si la so-
gas a los clientes A y B.
lucin de 70 dlares no fuera factible?
Formule lo anterior como un problema de
Explique su respuesta.
programacin entera.
14-14. Una compaa de neumticos tiene cuatro 14-16. El problema del vendedor viajero requiere
una ruta especfica con la cual slo visite una
plantas en distintos lugares del pas. Hace vez cada una de las n ciudades y se mi-
poco, la compaa decidi fabricar neumti- nimice la distancia total del recorrido. Este
cos radiales. El equipo de produccin nece- problema se puede considerar como un pro-
sario para los nuevos neumticos tiene un blema de asignacin en el cual no se puede
costo de alquiler anual de 200 000 dlares asignar un elemento a s mismo y no se per-
para cada lugar donde la compaa desee miten visitas adicionales. Suponga, por
producir neumticos radiales. La compaa ejemplo, que la distancia entre ciudades es
enva sus neumticos a 15 almacenes de to- la siguiente:
do el pas y debe decidir la cantidad y la
466 Parte III Programacin matemtica
Problemas ms difciles
14-20. La oficina de San Francisco del Grupo de La oficina de San Francisco tiene cuatro
Consultora MBA quiere programar sus con- consultores de planta. La gerencia de la
sultores para las prximas cuatro semanas. sucursal vio de inmediato que con este
MBA ha aceptado cuatro trabajos de consul- personal no podra cubrir los requeri-
tora que deben terminarse en dicho lapso. mientos. Es posible obtener consultores
En la pgina siguiente se indican los traba- adicionales de la oficina nacional, ubicada
jos, el nmero de consultores requerido y en Nueva York, pero esta oficina slo asig-
los requisitos de tiempo. MBA tiene la pol- na consultores por periodos de un mes (o
tica de que una vez que se ha asignado un sea, cuatro semanas). Por lo tanto, todo con-
consultor a un trabajo, debe permanecer en sultor que se agregue permanecer las cua-
l hasta su conclusin. As mismo, si ya co- tro semanas. Como a la sucursal se le cobra
menz un trabajo, debe continuar hasta su por estos consultores de la oficina nacional,
conclusin, sin interrupciones. el gerente quiere minimizar el nmero nece-
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 467
sario y cumplir con los requerimientos de La compaa opera las dos cadenas de res-
trabajo. taurantes vendiendo las franquicias para una
Formule este caso como un problema li- regin. De acuerdo con los trminos del
neal entero. (Recomendacin: Sea Y, una acuerdo de franquicia de Piazo Pizza, la
variable binaria igual a 1 si el trabajo i inicia franquicia tiene derechos exclusivos en un
en el periodo f y a 0 en caso contrario.) radio de dos kilmetros del restaurante. Esto
quiere decir que los lugares que se elijan para
Trabajos de consultora (para el las pizzeras deben estar por lo menos a
problema 14-20) cuatro kilmetros de distancia. En los con-
tratos de las franquicias de Fisher Fish hay un
Semanas requeridas Consultores requeridos acuerdo similar, pero ahora se garantizan los
Trabajo para el trabajo cada semana derechos exclusivos en un radio de 2.5
kilmetros; es decir, los restaurantes deben
1 3 2 estar separados por lo menos cinco kilme-
2 2 3 tros. No hay restricciones en cuanto a la ubi-
3 1 5 cacin de dos locales de las dos cadenas (por
4 1 4 ejemplo, una pizzera podra estar al lado de
un restaurante Fisher Fish). Ms adelante se
14-21.
presenta una tabla de las distancias entre los
La compaa Franchise Food Products ope- lugares.
ra dos cadenas de tiendas de comida prepa- Cada uno de los diez lugares posibles pue-
rada: Piazo Pizza y Fisher Fish and Chips. de desarrollarse como parte de la cadena
La empresa ampliar sus operaciones al con- Piazo Pizza o Fisher Fish, pero no como parte
dado de Santa Clara y busca lugares para de ambas. Por supuesto, existe la posibilidad
abrir tiendas nuevas. Se han identificado de que no se desarrolle nada.
diez lugares posibles y se han estimado los Formule lo anterior como un problema de
ingresos netos (en trminos de valor actual) programacin entera para maximizar los in-
correspondientes al establecimiento de Pia- gresos netos de la compaa Franchise Food
zo Pizza o de Fisher Fish and Chips. Sea Products.
Pj (j = 1,2,.. ., 10) los ingresos netos de un 14-22. La compaa de manufactura Ininob fabrica
local de Piazo Pizza y Fj (j = 1, 2, . . ., 10) tres productos: artilugios, yamis y zots. La
los ingresos del mismo lugar como sede de compaa quiere determinar su programa de
Fisher Fish.
Distancia (kilmetros) entre los lugares posibles para restaurantes (para el problema 14-21)
A
De 2 3 4 5 6 7 8 9 10
produccin de los tres productos para los una mquina zoteadora. Cuesta 500 dlares
prximos tres meses. Los artilugios se ven- preparar la mquina y 10 dlares el proceso
den a 50 dlares cada uno y los zots a 40 d- de acabado de un zot. Por supuesto, si no se
lares. A estos precios se pueden vender producen zots no hay costo de preparacin
hasta 200 artilugios y 30 zots. An no se ha de la mquina.
determinado el precio de los yamis. Se con- El acabado de los artilugios y los yamis
sideran dos precios: 50 y 60 dlares. Se pue- se lleva a cabo en una mquina artilgi-
den vender hasta 100 unidades a 50 dlares; ca, con costo de preparacin de mil dla-
si el precio es de 60 dlares, el mximo es res. Sin embargo, una vez configurada, la
60 unidades. mquina puede efectuar el acabado de arti-
Ininob compra a una sola empresa la ma- lugios, yamis o ambos. No se incurre en es-
teria prima que usa para fabricar los tres te costo si no se producen artilugios ni
productos. Los artilugios requieren 0.1 tone- yamis. El costo variable de la operacin
ladas de materia prima por unidad; los yamis de la mquina es 10 dlares por yami o
necesitan 0.2 toneladas por unidad y los zots artilugio.
requieren 0.3 toneladas. Debido a una Ininob ha decidido programar su pro-
escasez, slo hay 50 toneladas disponibles duccin de los tres productos y establecer
para los tres productos. El costo de la materia el precio de los yamis al iniciar el prxi-
prima es de 20 dlares por tonelada. mo mes.
El primer paso en el proceso de produccin Formule el problema como uno de progra-
de los tres productos es una operacin de macin lineal entera.
moldeado y calentamiento, para lo cual se 14-23. Una empresa tiene tres fbricas que abaste-
requiere una mquina especial con un cen a cinco regiones de ventas. En la tabla
mximo de 400 horas disponibles. No es po- 14-9 se presentan los costos de transporte y
sible obtener horas adicionales, ya que la los requisitos de ventas.
mquina est en funcionamiento los tres tur- Cada fbrica puede operar en uno o dos
nos. El costo variable de operacin de la turnos; los costos y las capacidades corres-
mquina es de ocho dlares por hora. Un ar- pondiente se indican en la tabla 14-10.
tilugio requiere una hora en la mquina; cada Observe que los costos fijos del primer
yami necesita dos horas; y un zot requiere turno son mayores porque se incluyen los
media hora. gastos adicionales generales de la fbrica, a
Despus de la operacin de moldeado y la vez que los costos fijos del segundo tur-
calentamiento, se realiza el acabado del pro- no slo incluyen los costos relacionados
ducto. El acabado de los zots se efecta en con la operacin de dicho turno.
Tabla 14-9 Costos de envo de las fbricas a las regiones de ventas (para el problema 14-23)
5 Requisito total
1 2 3 4 de ventas
1 $1 $1 $6 $3 $5
2 2 1 4 1 6
3 4 3 1 3 4
Requisitos de ventas 100 200 200 400 100 1000
(unidades)
Captulo 14 Programacin entera y procedimientos de ramificacin y acotamiento 469
Tabla 14-10 Costos operativos y capacidades de las fbricas (para el problema 14-23)
Caso 14-25 Alien Company participa en el desarrollo de una propiedad residencial. La figura
muestra un mapa del proyecto de vivienda en las etapas de planificacin.
I A,
II A, B, C
III A, D
IV A, D,
V A, D, F
Caso 14-26 Jane Rodney, presidente de Rodney Development Company, trataba de decidir
qu tipo de tiendas incluir en su nuevo centro comercial Puyallup. Ya haba
contratado un supermercado, una farmacia y otras tiendas que consideraba bsi-
cas. Pero an quedaban 1600 metros cuadrados de espacio por asignar. Elabor
una lista de 15 tipos de tiendas para su consideracin (Tabla 14-11), incluyendo
el espacio que requera cada tipo. Rodney no pens que tuviera problemas para
encontrar ocupantes de alguno de los tipos de tiendas.
Los contratos de alquiler que Rodney usaba en sus proyectos incluan dos tipos
de pago. La tienda tena que pagar un alquiler anual, dependiendo del tama-
o y del tipo de tienda. Adems, Rodney reciba un pequeo porcentaje de las
ventas de la tienda si stas excedan una cantidad mnima especfica. La cantidad
del alquiler anual de cada tienda se muestra en la segunda columna de la
tabla 14-11. Para poder estimar la rentabilidad de cada tipo de tienda, Rodney
calcul el valor actual del los alquileres futuros y los pagos por porcentaje
de ventas; estas cifras se incluyen en la tercera columna. Rodney quiere obtener
el mayor valor actual total del conjunto de tiendas que elija. Pero no poda
simplemente seleccionar las tiendas con mayor valor actual, pues existan varias
restricciones, la primera de las cuales era, por supuesto, que slo dispona de
1600 metros cuadrados.
Adems, una condicin del la financiacin del proyecto requera que el alquiler
anual fuera por lo menos igual al costo fijo anual (impuestos, tarifas administra-
tivas, servicio de la deuda, etctera). Los costos anuales para esta parte del
proyecto eran de 150 000 dlares. Por ltimo, los fondos totales disponibles para
la construccin de esta parte del proyecto eran 700 000 dlares y cada tipo de
tienda requera distintos costos de construccin, dependiendo del tamao y
del tipo de la tienda (cuarta columna de la tabla).
Adems, Rodney tena sus propias exigencias en cuanto a la mejor combinacin
de tiendas. Quera por lo menos una tienda de cada categora (Ropa, Bienes y
Varios) y por lo menos dos Restaurantes. No quera ms de dos tiendas de Ropa.
Adems, el nmero de tiendas del grupo Varios no debera exceder el total de
tiendas de los grupos de Ropa y Bienes, combinados.
Formule el caso de Rodney como un problema de programacin lineal entera.
Modelos deterministas y
probabilsticos
CAPTULO
1
Si hay inventario en pedido, entonces se compara la suma del inventario disponible y el inventario en pedido
con el punto de pedido.
477
478 Parte IV Modelos deterministas y probabilsticos
Anlisis ABC
Todo inventario de importancia se compone de ms de un tipo de artculos. Cada
artculo requiere un anlisis para calcular su tamao de pedido y el punto de
pedido, pero es conveniente reconocer desde el principio que no todos los artculos
tienen la misma importancia para la organizacin. El anlisis ABC es una forma
de clasificar los artculos con base en una medida de su importancia, la cual, con
frecuencia, es el importe monetario de las ventas anuales del artculo.
La figura 15-1 ilustra una curva ABC tpica que se obtiene clasificando cada grupo
de artculos de acuerdo con sus ventas en dlares (en orden descendente)
La figura 15-1 muestra estas tres regiones para el ejemplo. Hay que subrayar que
estas divisiones no son rgidas; algunas compaas dividen su inventario en cuatro
grupos (ABCD) y otras emplean lmites distintos para las regiones. El punto
clave es que, sin importar cules sean las definiciones, el artculo A tpico
generalmente es mucho ms importante que el B, el cual es, a su vez, mucho ms
importante que el artculo C tpico.
De acuerdo con los objetivos de la gerencia, los artculos A deben recibir ms
anlisis, supervisin y revisin, ya que tienen la clasificacin ms alta segn la
medida de la importancia. Los artculos deben recibir algo de atencin, pero
menos que los artculos A. Los artculos C representan muchos artculos diferen-
tes, pero las ventas de cada artculo C son tan bajas que se pueden manejar de
manera menos rigurosa, con una tendencia a niveles de inventario "altos", ya que
no implican demasiado dinero. Si una compaa implanta una mejora del control
de inventarios, su punto focal inicial deben ser los artculos A, ya que es all donde
pueden obtener mayor efecto.
entonces, se clasificara como artculo cualquiera con ventas menores que 8500
dlares pero superiores a 1000 dlares. Los artculos C seran los que tuvieran
ventas inferiores a mil dlares. De esta manera se puede aplicar la informacin
que se obtuvo de la muestra de 200 artculos a los 20 000 artculos del inventario
y es probable que el "error" de la muestra imperfecta sea pequeo.
Hay dos aspectos que pueden presentar problemas en el anlisis ABC. El primero
tiene que ver con la medida del rendimiento. Aunque es comn usar los ingre-
sos por ventas como medida del rendimiento, esto se debe muchas veces a
que estos datos estn disponibles en el computador. No se debe seleccionar
cualquier medida de rendimiento simplemente porque est disponible; es preciso
que represente, segn la decisin que se tomar, la escala que sea la mejor medida
de importancia disponible para la decisin. Por ejemplo, si nos preocupan las
decisiones acerca de la inversin en inventario, es probable que la medida de
ventas en dlares sea la adecuada; pero si la decisin afectara la capacidad de la
compaa para satisfacer sin demoras los pedidos del cliente, entonces ser ms
deseable una medida de la rentabilidad (mejor que de las ventas).
El segundo problema es que con frecuencia las compaas tienen artculos que
se clasificaran como artculos C en una escala de medida de ventas de dlares,
pero que son muy importantes para los clientes de la compaa. Un ejemplo seran
las piezas de repuesto para maquinaria compleja. El valor monetario de las ventas
de estas piezas puede ser bajo si se compara con las ventas de la maquinaria nueva,
pero las piezas de repuesto son un factor crtico para el funcionamiento de la
maquinaria que ya se vendi, y los resultados deficientes en la satisfaccin de los
pedidos de piezas de repuesto pueden tener consecuencias muy desagradables
sobre las ventas futuras de la maquinaria. Por lo tanto, hay que considerar con
cuidado los dems atributos de los artculos C que puedan requerir una adminis-
tracin ms cuidadosa, como la que se lleva a cabo con los artculos y A.
RESUMEN El anlisis ABC clasifica los artculos con base en una medida de importancia. La
gerencia puede centrar la mayor parte de su atencin en los artculos A e invertir
menos esfuerzo en los artculos y C. Muchas veces, la forma ms sencilla de
efectuar un anlisis ABC es la utilizacin de una muestra aleatoria de 100 o 200
artculos.
Esta cifra no da margen para errores, pero es consistente con las suposiciones de
demanda y tiempo de entrega conocidos. La figura 15-3 ilustra el comportamien-
to del inventario del sistema con base en la suposicin de tasa de demanda y
tiempo de entrega conocidos y constantes.
El tamao ptimo de pedido se determina con el anlisis de los costos totales.
El costo total (TC) para un periodo ser igual a la suma de los costos de pedido
(o costos de preparacin) ms los costos de mantenimiento de inventario durante
el periodo.2 Suponga que todas las unidades se recibirn al mismo tiempo.
Sea:
=Costo de formulacin de un pedido (o de establecimiento de la produccin)
kc =Costo anual de mantenimiento de una unidad de inventario.
D =Uso total anual (demanda), en unidades
Q =Tamao ptimo de pedido, en unidades (el factor desconocido)
Observe que el nmero anual de pedidos depende de D y Q:
Nmero anual de pedidos
Tambin:
Inventario promedio (suponiendo utilizacin lineal)
Entonces:
2
No es necesario considerar los costos de escasez, ya que las suposiciones de demanda conocida y tiempo de
entrega conocido implican que no se producirn escaseces. En el siguiente captulo se abandonar la suposicin
de demanda conocida.
Captulo 15 Control de inventarios con demanda constante 483
Figura 15-4
3
Esta frmula tambin se puede obtener usando clculo diferencial para minimizar el costo total con respecto a Q.
Obtenga la primera derivada de la ecuacin 15-1 con respecto a Q, igulela a cero y resuelva para Q.
Resolviendo:
o sea:
de forma que:
Es posible usar el modelo de costo de la ecuacin 15-1 para demostrar que los
costos totales de este modelo no son muy sensibles a los errores en la determina-
cin de Q. Por ejemplo, suponga que en el ejemplo anterior se estableci de
manera incorrecta la demanda en 4500 unidades en lugar de 3000 (un excedente
del 50%). Entonces al usar la frmula de Q ptima se obtendra la siguiente can-
tidad de pedido (incorrecta):
Captulo 15 Control de inventarios con demanda constante 485
Observe que, por la raz cuadrada de la frmula, un error del 50% en la estimacin
de la demanda slo produce un error del 23% en el tamao de pedido, comparado
con la cantidad ptima Q = 100. Pero, la prueba real del error es cunto cuesta.
Si sustituye Q = 123 en la ecuacin 15-1 de costo total, se obtiene:
Al comparar este costo total con el costo total de la cantidad ptima de pedido
que se obtuvo antes (TC = 300), se observa que el aumento porcentual en costo,
el precio que hay que pagar por el error, es slo 6.5/300 = 2.2%. Este mismo
razonamiento se aplica a un error del 50% en el costo de procesamiento del pedido
o en el costo de mantenimiento de inventario. Por lo tanto, probablemente no sea
mucha la ganancia debida a la determinacin de estimaciones ms precisas si se
estimaron razonablemente los costos y la tasa de demanda.
El beneficio neto incremental es $3000 - $1250 + $135 = $1885. Como este valor
Ejemplo 2 es positivo, hay que aprovechar el descuento.
La demanda anual de un artculo es de mil unidades. El artculo cuesta 10 dlares
por unidad y el cargo anual de almacenamiento en inventario es el 25% del costo
del artculo. El costo de procesamiento de un pedido es de 50 dlares. Si se piden
al mismo tiempo 500 unidades o ms se aplicar un descuento de 40 centavos por
unidad. Cul debe ser la cantidad ptima de pedido?
Primero se calcula la cantidad econmica de pedido con la ecuacin 15-2,
sealando que el costo de almacenamiento kc = 0.25($10) = $2.50:
Figura 15-5
pudo haber optado por el descuento, sin tener que calcular el beneficio de la
reduccin de pedidos.
Pedidos permanentes
en el instante Q/p.
La produccin ptima de una sesin es:4
Ejemplo 3 Cuesta 50 dlares preparar la lnea de produccin para un producto del cual se
venden 100 000 unidades anuales. El costo de almacenamiento por unidad es de
cinco dlares por ao y la tasa de produccin es de 200 000 unidades al ao. Cul
debe ser el tamao de la sesin de produccin? A partir de la ecuacin 15-3:
Al efectuar este tipo de clculos hay que verificar que las unidades sean
compatibles. Por ejemplo, si se nos dijera que la produccin por da es de 800
unidades, no se podra hacer p igual a 800 y usar la misma tasa de demanda de
100 000 unidades por ao y el costo de almacenamiento de cinco dlares anuales.
En este caso se convertiran las 800 unidades diarias en un equivalente anual,
multiplicando dicha cantidad por el nmero de das de trabajo en el ao (digamos
que hay 250; entonces la tasa anual equivalente sera 200 000 unidades).
Adems, este modelo supone que todos los costos de almacenamiento de
inventario siguen el patrn de la figura 15-5. No obstante, si el costo de la materia
prima fuera una porcin considerable del costo total del producto y no pudiera
comprarse una unidad de materia prima cada vez, la figura 15-3 representara
mejor la situacin y se usara la ecuacin 15-2.
4
Vase el apndice de este captulo para conocer la obtencin de esta frmula.
Captulo 15 Control de inventarios con demanda constante 489
Ejemplo 4 Considere el ejemplo 1, pero suponga que la empresa puede reducir su costo de
formulacin de pedido de cinco dlares a 1.25 dlares por pedido si se inscribe
en un club de compras por grupo. La cuota anual de pertenencia al club es de 50
dlares. Debe unirse la empresa al club y, de ser as, qu cantidades debe pedir?
En primer lugar, suponga que la empresa se une al club. Entonces:
D = 3000 unidades
kc = 3 dlares por unidad por ao
= 1.25 dlares por pedido
De la ecuacin 15-2:
En el ejemplo 3 se calcul el costo total anterior (con cinco dlares por pedido)
como 300 dlares, por lo que el ahorro total en costo es $300 - $150 = $150. Como
este ahorro excede el costo de inscripcin de 50 dlares, la empresa debe unirse
al club de compras y comprar en cantidades de Q = 50.
Rotacin de inventarios
Ejemplo 5 Considere el ejemplo de descuento por volumen que se bas en el ejemplo 1, con
D = 3000 unidades. Calculemos la rotacin de inventario antes y despus de
considerar el descuento por volumen.
Antes del descuento, Q = 100. Con la ecuacin 15-4:
valor ptimo preciso. A los descuentos por volumen se les debe aplicar el anlisis
incremental. Cuando hay un flujo continuo de producto se aplica una frmula
modificada. Los conceptos de inventario justo a tiempo tienen que considerar los
costos fundamentales del inventario: formulacin de pedidos y almacenamiento.
La rotacin de inventario puede ser una medida de rendimiento engaosa, ya que
slo trata uno de los costos (el de almacenamiento).
Cuntas unidades hay que producir en una sesin de produccin? Este modelo
supone que las unidades se producen con una tasa y se usan con una tasa D
(vase Figura 15-5).
Tiempo de ciclo
Inventario promedio
Bibliografa
Brown, R. G., Decision Rules for Inventory Mana- da edicin, Englewood Cliffs, N. J., Prentice
gement, Nueva York, Holt, Rinehart & Winston, Hall, 1985.
1967. Nahmias, S., Production and Operations Analysis,
Brown, R. G., Materials Management Systems, Homewood, 111., Richard D. Irwin, 1989.
Nueva York, John Wiley & Sons, 1977. Schonberger, J., Japanese Manufacturing Techni-
Buffa, E. S. y J. G. Miller, Production-Inventory ques, Nueva York, The Free Press, 1982.
Systems, Homewood, 111., Richard D. Irwin, Silver, E. A. y R. Peterson, Decision Systems for In-
1979. ventory Management and Production Planning,
Hall, R. W., Zero Inventories, Homewood, 111., segunda edicin, Nueva York, John Wiley &
Dow Jones-Irwin, 1983. Sons, 1985.
Hillier, F. y G. J. Lieberman, Introduction to Opera- Tersine, R. J., Principles of Inventory and Materials
tions Research, quinta edicin, Nueva York, Management, segunda edicin, Nueva York,
McGraw-Hill, 1990. Elsevier North-Holland, 1982.
McClain, J. O. y L. J. Thomas, Operations Manage- Wagner, . ., Principles of Operations Research,
ment: Production of Goods and Services, segun- segunda edicin, Englewood Cliffs, N. J., Prenti-
ce Hall, 1975.
15-1. Remtase a la figura 15-1. de las ventas, que los artculos C corres-
a. Cul es el porcentaje de artculos que pondan al ltimo 50% de los artculos y
representa el 40% de las ventas? que los artculos sean todos los
b. Cul es el porcentaje de artculos que dems. Qu cifras monetarias de ven-
representa el 20% de las ventas? tas usara para separar los intervalos A,
c. Qu porcentaje de ventas representa el y C?
primer 50% de los artculos? 15-3. El costo de formulacin de un pedido es de
d. Qu porcentaje de ventas representa el seis dlares y se estima que se usarn 1000
primer 10% de los artculos? unidades en los prximos 12 meses. El cos-
15-2. Se ha tomado una muestra aleatoria de 10 to anual de almacenamiento por unidad es
artculos de un inventario con 20 000 artcu- de 30 dlares. Calcule el tamao ptimo de
los (una muestra de diez es muy pequea, pedido.
pero son ms fciles las operaciones). Las 15-4. La compaa ABC usa 100 000 unidades de
cantidades monetarias de las ventas de los un producto cada ao. El costo de almacena-
diez artculos son: 170, 320, 49, 94, 530, miento por unidad es tres dlares anuales y
125,2,70,225,30. el costo de efectuar el pedido de un lote es
a. Represente grficamente los datos clasi- de 60 dlares.
ficados en una curva ABC. a. Cul es el tamao ptimo de pedido?
b. Con base en su muestra, cul es el por- b. Si los costos de formulacin fueran de
centaje de ventas totales del inventario 60 centavos por pedido, cuntas unida
de 20 000 artculos que representan los des se deberan pedir cada ocasin?
primeros 4000 artculos? 15-5. Suponga que la situacin es la misma que se
c. Qu porcentaje de ventas representa el presenta en (a) del problema 15-4, con la
primer 50% de los artculos? informacin adicional de que se puede redu-
d. Suponga que la gerencia quiere que los cir el costo de formulacin de pedido de 60
artculos A representen el primer 50% a 15 dlares por lote si la compaa se une
Captulo 15 Control de inventarios con demanda constante 493
a una organizacin cooperativa de compras cule el tamao de lote ptimo para una se-
con cuota de membreca anual de 2000 sin de produccin.
dlares. 15-7. Remtase al problema 15-3. Suponga que el
a. Cul sera el tamao ptimo de pedi- costo anual de almacenamiento de inventa-
do si la compaa decidiera unirse a la rio de 30 dlares est compuesto por una ta-
organizacin cooperativa de compras? sa del 20% del valor en inventario en el
b. Debe unirse la compaa a la coopera- ao, multiplicado por un costo variable por
tiva? unidad de 150 dlares. Suponga ahora que
15-6. La compaa XYZ puede generar 14 000 la compaa puede comprar unidades a 148
unidades diarias de un producto. La utiliza- dlares cada una si piden lotes de 100
cin es de 4000 unidades por da y el costo unidades. Calcule los costos variables
de preparacin para la produccin es de totales en el ao que se relacionan con la
1500 dlares. En un ao se emplean 1 440 cantidad de pedido original y la propuesta
000 unidades. El costo anual de alma- (asegrese de incluir el efecto del precio
cenamiento de una unidad es de 28 dlares. menor). Deben comprar lotes de 20 o de
Suponga que el ao tiene en 360 das y cal- 100 unidades?
Problemas
macenamiento por unidad es de 18 centavos. o que puede contener hasta 2000 kilo-
Suponga que el ao tiene en 360 das y gramos de galletas al mismo tiempo. La
calcule el tamao ptimo de lote para la se- demanda anual es constante: 200 000 kilo-
sin de produccin. gramos; el costo variable es de 25 centavos
15-13. Una compaa utiliza cierto componente en el por kilogramo. Cada vez que se hornea un
montaje de equipo electrnico, a una tasa de lote, ya sea de 2000 kilogramos o menos, es
8000 por ao. Cada componente vale 18 necesario limpiar el horno; esta limpieza re-
dlares y la compaa estima que el costo quiere una hora de trabajo de cuatro emplea-
anual de almacenamiento en inventario es el dos, cada uno de los cuales recibe siete
20% del valor del artculo. dlares por hora. El costo de almacenamiento
La compaa puede producir el compo- de inventario es del 20% por dlar cada ao;
nente en una de dos mquinas. La mquina A las galletas son inservibles si se almacenan
tiene costo de preparacin de 200 dlares y la ms de 12 meses. Hay una subutiliza-
mquina tiene costo de preparacin de slo cin considerable de la capacidad del horno.
100 dlares. Sin embargo, cuesta 10 centavos Qu cantidad de galletas se debe producir?
ms por unidad producir en la mquina que Por qu?
en la A. 15-17. Un artculo se consume con una tasa de 100
Qu mquina debe usar la compaa? unidades anuales; los costos de formulacin
Cul es el tamao ptimo de lote? son de 20 dlares por pedido y los costos de
15-14. A un gerente de inventarios de ingreso re- almacenamiento son del 25% al ao. El costo
ciente se le proporcion la siguiente infor- de compra de las unidades es una funcin de
macin acerca de un artculo: la cantidad que se compre a la vez, como
sigue:
Uso anual, en dolares = $100 000
Costo de procesamiento de pedidos = $25
Costo anual de almacenamiento por dlar Cantidad Costo unitario
= 0.20
1-100 $10.00
Al pedirle que calculara una cantidad ptima 101-200 9.75
de compras para el artculo, el gerente se Ms de 200 9.50
quej diciendo que no le haban informado
del valor unitario. Puede usted calcular la
cantidad ptima de compra para el artculo Qu cantidad de compra se debe usar pa-
con base en los datos que se indican? Si ra el artculo? Remtase al problema 15-7.
puede, hgalo; de lo contrario, explique por 15-18. a. Calcule la rotacin de inventario antes
qu. de ofrecerse el descuento.
Remtase al inciso (a) del problema 15-4. b. Calcule la rotacin si se acepta el des
15-15. cuento.
Suponga que el proveedor ofrece a la com-
paa ABC un descuento de 12 centavos por c. A partir de sus respuestas a (a) y (b),
unidad si se le piden lotes de 10 000 unida- puede decidir si debe aceptarse el des
des. Se debe aceptar el descuento? cuento? Explquelo.
15-16. Father's Cookies produce galletas con chispas
de chocolate en un horno de gran tama-
Problemas ms difciles
15-19. Considere la ecuacin 15-1, costo total error en la recopilacin de datos genera una
anual, y la ecuacin 15-2, frmula de canti- Q errnea un 20% menor que la Q" "verda-
dad econmica de pedido. Suponga que un dera" (es decir, Qerror = 0.80 Q'). Sustituya
Captulo 15 Control de inventarios con demanda constante 495
este error en la ecuacin 15-1 y encuentre la Los costos son los siguientes (se omiten los
diferencia porcentual en costo que se debe al costos de tipografa, los de distribucin y otros
error del 20% en Q. Recomendacin1: Utilice que no son afectados por esta decisin):
el hecho de que con la Q* ptima los dos
trminos de la ecuacin 15-1 son iguales y E
que cada uno es la mitad del costo total Impresin n
anual ptimo (mnimo). cuader-
15-20. Una compaa utiliza 2000 unidades de un nacin
producto cada ao (uso constante). El pro-
Costo de preparacin $5 000 $1000
ducto se compra a un proveedor con costo
de cuatro dlares por unidad; sin embargo, Costo variable por unidad 4 2
la compaa debe pagar el flete desde la
planta del proveedor. Cada unidad pesa cin-
co kilogramos y el costo de envo es de 20 Bancroft considera que el inventario cuesta
centavos por kilogramo. La compaa esti- un 25% anual por dlar.
ma que el costo de procesamiento de pedi- a. Si se encuaderna todo el lote al momen-
dos es de 25 dlares y que los costos de to de la impresin, cul es la cantidad
almacenamiento de inventario son el 20% ptima de pedido? Cules son los cos-
anual por dlar. tos anuales totales?
a. Encuentre la cantidad ptima de pedido. b. Si slo se encuaderna la mitad del lote,
b. Suponga que en el caso de envos de cul es la cantidad ptima para la im-
ms de 300 kilogramos, pero menores presin? Cules son los costos totales
de 10 000 kilogramos, se cobra una tari- anuales?
fa fija de 50 dlares por envo (no por 15-22. ACME Dairy produce 15 sabores de helado,
kilogramo), mientras que en los envos cada uno de los cuales se empaqueta en
de menos de 300 kilogramos se mantie- unidades de medio litro, un litro y dos litros.
ne el costo de 20 centavos por kilogra- El tiempo de cambio de configuracin para el
mo. Cul es ahora la cantidad de tamao del paquete es de dos horas y el costo
pedido que se debe emplear para mini- variable asociado con el cambio es de 80
mizar la suma de todos los costos varia dlares. La limpieza para cambiar de un sabor
bles relevantes? a otro requiere 30 minutos y su costo variable
Bancroft Press publica varios libros. Una de es de 20 dlares. La cantidad de helado que se
15-21. produce y empaqueta en una hora de
sus publicaciones de ventas constantes es
Cocina imaginativa, que ahora se encuentra produccin es aproximadamente 4000 litros
en su cuarta edicin. Bancroft espera que la (no importa el sabor o el tamao del paquete)
nueva edicin del libro venda aproximada- y el costo variable que se asocia a esta
mente 12 500 ejemplares anuales en los pr- cantidad de producto (materiales ms mano de
ximos aos. obra directa) es de 500 dlares. El costo de
En los aos anteriores, Bancroft ha impre- almacenamiento de inventario es el 25% anual
so y encuadernado un suministro de un ao por dlar.
para este tipo de libro. Sin embargo, en fe- a. Qu debe hacer ACM? Producir to-
chas recientes se han presentado aumentos dos los tamaos de un sabor antes de
en los costos de inventario que han obligado pasar al siguiente o producir todos los
a considerar de nuevo esta poltica. sabores en un tamao antes de cambiar
Especficamente, Bancroft quiere encua- de tamao? Por qu?
dernar slo la mitad del volumen al b. Suponga que la demanda en litros para
momento de la impresin y mantener el resto cada combinacin de sabor y tamao
como existencias sin encuadernar. La mitad (45 productos) es idntica: 160 000 li-
restante se encuadernara cuando fuera tros anuales para cada una. Suponga
necesario. que la compaa opera 2200 horas anua
les. Cul es el tamao econmico de
496 Parte IV Modelos deterministas y probabilsticos
lote para la fabricacin de todos los pro- con el montaje, debido al fenmeno de cur-
ductos? va de aprendizaje por el cual cada librera
c. El sindicato acaba de negociar un nue- se monta en menor tiempo que la anterior.
vo contrato con ACM, el cual limita las l estima que este efecto se puede repre-
horas de operacin a 1940 anuales (no se sentar con un cargo de 50 dlares de prepa-
permite tiempo extra). Cul ser el racin para montaje. Una vez que inicia el
efecto de esta restriccin en su respuesta proceso de montaje de las libreras, la tasa
a (b)? Cul sera el costo de la es de 100 libreras diarias; el costo de la li-
restriccin para ACME? brera terminada es de 15 dlares (lo que in-
15-23. Ace Airlines necesita 100 asistentes de vue- cluye los cinco dlares de las piezas
lo nuevos cada mes para sustituir a aquellos cortadas).
que dejan la compaa. Los nuevos sobre- La demanda anual de las libreras es cons-
cargos pasan por un curso de capacitacin tante: 2500 unidades. El costo de almacena-
de cuatro semanas. El costo fijo de un curso miento es el 20% anual por dlar.
de capacitacin es de 15 000 dlares. En un a. Suponga que se separa el departamento
ao se puede efectuar cualquier numero de de corte del departamento de montaje y
cursos, pero deben programarse de manera que las finanzas de cada uno se contro-
que la lnea area siempre tenga suficientes lan por separado. Si usted estableciera
sobrecargos. El costo del excedente de el tamao de sesin de produccin para
sobrecargos no es ms que el salario que re- la cortadora, sin tomar en cuenta que
ciben (1500 dlares por mes). Cuntos cur- el producto slo es intermedio, cmo
sos de capacitacin debe efectuar Ace cada lo establecera?
mes y cuntos sobrecargos debe haber en ca- b. Si fuera a determinar el tamao de lote
da curso? de montaje sin considerar el departa-
En una costosa mquina cortadora automti- mento de corte, cmo lo hara?
15-24.
ca se producen piezas de madera complejas c. El supervisor ha dicho, "Las piezas
para formar una librera (librero). La prepa- sin montar no sirven de nada. Siempre
racin de la mquina para producir las pie- que se opera la mquina cortadora
zas cuesta 500 dlares y, una vez preparada, hay que pasar todas las piezas por la
puede producir las piezas para 200 libreras etapa de montaje para obtener un in
cada da, a un costo de cinco dlares (inclu- ventario de productos terminados que
yendo materia prima) por librera. Despus s nos sirvan". Con base en esta pol-
de fabricar las piezas hay que montarlas. El tica, cul es la cantidad econmica
supervisor de primera lnea cree que hay para la produccin de piezas y libreras
cierto tiempo de "preparacin" relacionado montadas?
CAPTULO
Control de inventarios
con reorden y demanda
incierta
material requirements planning).1 Los modelos de este captulo slo deben utili-
zarse en situaciones con demanda independiente.
Ahora queremos dividir el inventario en dos tipos: existencias de ciclo y
existencias de seguridad. Las existencias de ciclo corresponden al inventario que
se analiz en el captulo 15: Q/2 como promedio. Es el inventario que debe tenerse
como funcin del tamao de pedido (Q). Las existencias de seguridad son la
diferencia entre el punto de pedido (R) y la demanda promedio durante el tiempo
de entrega del reabastecimiento (vase Fig. 16-2). Cuanto mayores son las
existencias de seguridad (y el punto de pedido correspondiente), menor es la
posibilidad de que se produzcan inexistencias, y viceversa.
Al llegar a este punto es interesante ver la interaccin entre los diversos costos
y las dos variables (punto de pedido y tamao de pedido) que se presentan en la
tabla 16-1.
1
Para un anlisis detallado del MRP, vase J. A. Orlicky, Material Reqi/irernents Planning, Nueva York,
McGraw-HM, 1975.
Captulo 16 Control de inventarios con reorden y demanda incierta 499
Figura 16-2 Existencias de ciclo y existencias de seguridad con tasa de demanda promedio
Accin Resultado
Reducir el punto de pedido (es decir, Reduccin en los costos de almacenamiento de las existencias
formular el pedido cuando existan de seguridad y aumento en el costo de escasez.
menos unidades disponibles)
Reducir el tamao de pedido. Reduccin en los costos de almacenamiento de las existencias de ciclo
(Q/2) y aumento en los costos de escasez y de formulacin de pedidos.
Aumentar el punto de pedido. Aumento en los costos de almacenamiento de existencias de seguridad
y reduccin en el costo de escasez.
Aumentar el tamao de pedido. Aumento en los costos de almacenamiento de existencias de ciclo y
reduccin en los costos de escasez y de formulacin de pedidos.
Hiptesis
Se supondr primero que el tiempo de reabastecimiento es conocido y constan-
te. Segundo, se supone que el costo de escasez es un costo unitario, independiente
de la duracin de la situacin de inexistencias.2 La tercera suposicin es que M,
la demanda durante el tiempo de entrega, tiene una distribucin normal. Esta
ltima es la menos indispensable de las suposiciones y puede cambiarse; se escoge
para simplificar los clculos. A continuacin, se supone que el punto ptimo de
pedido R es mayor que la demanda promedio durante el tiempo de entrega, M,
para que las existencias de seguridad correspondientes (R - M) sean positivas. Por
ltimo se supondr que, en promedio, el inventario siempre contar con existen-
cias de seguridad. Lo que queremos determinar es cunto pedir (Q) y cundo
pedirlo (R).
Modelo
Sea:
R = Punto de pedido (el nmero total de unidades disponibles y en pedido
que activa el nuevo pedido)
Q = Cantidad de pedido (nmero de unidades pedidas al mismo tiempo)
D = Demanda anual promedio
= Costo de formulacin de un pedido
kc = Costo de almacenamiento de una unidad en inventario durante un ao
ku = Costo adicional por la inexistencia de una unidad (costo de escasez)
= Nmero de unidades de demanda durante el tiempo de entrega de
reabastecimiento (una variable aleatoria)
2
Esta medicin de la escasez es la ms adecuada cuando se pierden ventas si no hay inventario disponible. En
este caso, el costo de la escasez representar el costo de oportunidad de la venta perdida ms los costos de reaccin
negativa.
Captulo 16 Control de inventarios con reorden y demanda incierta 501
Hay dos razones por las cuales se hace esta recomendacin. Primero, como se
mostr en el captulo 15, la suma de los costos anuales de procesamiento de
pedidos ms los costos anuales de almacenamiento de inventario no es muy
sensible a los errores moderados en Q; mientras la cantidad de pedido est
razonablemente cerca del valor ptimo, no se requiere demasiada precisin.
Segundo, varios estudios han indicado que, aunque en teora Q y R se deben
determinar en forma simultnea, en la mayora de las situaciones prcticas no hay
consecuencias de costo serias si Q se determina independientemente con la
frmula CEP de raz cuadrada de la ecuacin 16-1. Por lo tanto, se utilizar
la ecuacin 16-1 como la frmula bsica para Q, incluso si la demanda es
probabilistica.3
Despus de escoger Q, es importante tener en cuenta su valor al determinar R,
ya que el tamao de Q influye directamente en el nmero de veces por ao que
se estar expuesto a la posibilidad de inexistencias.
entrega, multiplicada por el costo unitario de inexistencias ku, todo ello multipli-
cado por el nmero de ciclos de inventario en el ao (D/Q):
o sea:
de manera que:
Figura 16-3
Figura 16-4
6
Vase el captulo 7 para la discusin de este tipo de clculo.
504 Parte IV Modelos deterministas y probabilsticos
Ejemplo 2
durante el
30 unidades y distribucin normal.
El costo de escasez es de cinco dlares por unidad (esto es
Se puede determinar Q a partir de la ecuacin 16-1:
De la ecuacin 16-2 se obtiene:
Captulo 16 Control de inventarios con reorden y demanda incierta 505
Por lo tanto:
de manera que:
Suponga que la demanda semanal de un artculo tiene una media de 100 unidades
Ejemplo y desviacin estndar de 10 unidades (1 = 10). Si el tiempo de entrega es cuatro
semanas, cul es la media y la desviacin estndar (M) de la demanda
durante el tiempo de entrega?
506 Parte IV Modelos deterministas y probabilsticos
7
Vase el apndice al final del capitulo para conocer la obtencin de la frmula.
Captulo 16 Control de inventarios con reorden y demanda incierta 507
s
Vase el apndice al final del captulo para la obtencin de la frmula.
508 Parte IV Modelos deterministas y probabilsticos
3. A partir de la tabla de prdida unitaria normal N(Z) (Tabla del apndice final
del libro), encuentre el valor de que satisface la ecuacin 16-8.9
4. Entonces
Ejemplo 3 Considere el ejemplo 1 anterior, pero en lugar de un costo de escasez de 80 dlares
por unidad faltante, suponga que la gerencia desea satisfacer el 97% de la demanda
a partir de las existencias (P = 0.97). De la ecuacin 16-8:
Adems del costo monetario por unidad carente y el porcentaje establecido para
el servicio, se han formulado otras medidas de la aparicin de escasez y se han
"resuelto" para las frmulas correspondientes de punto ptimo de pedido. El lector
puede consultar la bibliografa final del captulo para obtener informacin adicio-
nal al respecto.
9
Si el valor de la ecuacin 16-8 excede el valor ms alto de la tabla (0.3989), se hace igual a cero y el nivel de
servicio actual exceder el valor especificado. Esta situacin se debe a un gran valor de Q con respecto a M.
Captulo 16 Control de inventarios con reorden y demanda incierta 509
El costo total de una poltica que supone un punto de pedido especfico, R, y una
cantidad de pedido especfica, Q, es igual a la suma de los costos de formula-
cin de pedido, los costos de inexistencias y los costos de almacenamiento de
inventario:
Costo total
Costo total
11
Tambin hay que revisar las condiciones de segundo grado.
512 Parte IV Modelos deterministas y probabilsticos
Observe que R est en la frmula anterior (ecuacin 16-10) para Q y que Q est
en la ecuacin 16-12 para R. En teora, debe ser posible resolver las dos ecuacio-
nes en forma simultnea, lo cual puede lograrse con un procedimiento iterativo
que comienza con una estimacin de Q, se resuelve para R, luego se resuelve para
una nueva Q y se repite el proceso hasta encontrar una Q y una R que satisfagan
ambas ecuaciones. A efectos prcticos, basta determinar el valor de Q con la
frmula del captulo anterior, en la cual se supona demanda cierta:
Bibliografa
Problemas
16-5. Un vendedor al por menor presiente que la es de cinco dlares, el costo de formula-
demanda media de un artculo de su inventa- cin de un pedido es de diez dlares y el
rio en el prximo ao ser de 1800 unida- costo de almacenamiento de una unidad
des. El tiempo de entrega de los pedidos es en inventario durante un ao es de 50
de 20 das y la demanda promedio en dicho centavos.
periodo es de 100 unidades. Se supone que a. Calcule la estimacin de Q por raz
la demanda durante el tiempo de entrega tie- cuadrada.
ne una distribucin normal con = 30 (hay b. Calcule el punto de pedido.
un 50% de posibilidad de que la demanda c. Calcule el tamao ptimo de pedido
durante el tiempo de entrega sea menor de despus de la iteracin (vase el apndi-
80 unidades o mayor de 120 unidades). El ce al final del captulo).
costo por unidad de ventas perdidas es de d. Calcule el costo total del tamao inicial
cinco dlares, el costo de formulacin de un de pedido y el punto de reorden.
pedido es de 10 dlares y el costo de alma- e. Calcule el costo total del tamao pti-
cenamiento de una unidad en inventario mo de pedido y el punto de reorden.
durante un ao es de 50 dlares. 16-7. El costo de procesamiento de pedidos de un
a. Calcule el tamao ptimo de pedido artculo es de 50 dlares. La demanda anual
aproximado (redondee a la unidad ente- es 10 000 unidades. El costo unitario del ar-
ra ms prxima). tculo es de cinco dlares; el costo de alma-
b. Calcule el punto ptimo de pedido apro- cenamiento en inventario es del 20% anual
ximado. por dlar.
16-6. La demanda media en el prximo ao para a. Calcule la cantidad econmica de pedi-
un artculo en inventario es 4000 unidades. do en unidades.
El tiempo de entrega de los pedidos es 10 b. Suponga que el tiempo de entrega de re
das. La demanda del producto durante el abastecimiento es dos semanas. La de
tiempo de entrega tiene una distribucin manda semanal es, en promedio, 200
normal con desviacin estndar de 30 unida- unidades (suponga 50 semanas al ao)
des. El costo por unidad de ventas perdidas con desviacin estndar de 41 unida-
514 Parte IV Modelos deterministas y probabilsticos
des; suponga tambin que las deman- del costo de escasez, por lo que la razn
das semanales tienen distribucin nor- es errnea.
mal y son independientes entre s. La a. Suponga que la razn errnea es
gerencia ha determinado que una uni- 1.0 en lugar del valor verdadero de un
dad que no se suministre a partir de la medio. Calcule la probabilidad de que
existencias representa un costo adicio- no se produzcan inexistencias durante
nal de tres dlares. Determine el punto el tiempo de entrega y el punto de pedi-
ptimo de reorden (R). do asociado.
c. Una analista que ya no trabaja para la b. Suponga que la razn errnea es
compaa recomend un punto de reor- VA. Una vez ms, calcule la probabi-
den de 603 unidades. Cul es el costo lidad de no tener inexistencias y el pun-
por unidad faltante (ku) que supone dicho to de pedido.
punto de reorden? c. Comente acerca de la sensibilidad rela-
16-8. Un artculo se reabastece un promedio de tiva de la cantidad de pedido con res-
10 veces por ao. El costo anual de almace- pecto al punto de pedido.
namiento es la mitad del costo unitario de 16-10. La demanda promedio anual de un artculo
escasez. La demanda semanal se distribuye es 2400 unidades.
normalmente con media de 100 y desviacin El tiempo de entrega es un mes; la desvia-
estndar de 20. cin estndar de la demanda mensual es 50
a. Calcule la probabilidad deseada de no unidades. La cantidad de pedido es 300 uni-
tener inexistencias durante el tiempo de dades y la gerencia quiere que el 99% de la
entrega. demanda se cubra con las existencias.
b. Suponga que el tiempo de reabasteci- a. Cul es el punto de pedido ptimo?
miento es cuatro semanas. Calcule el ta- b. Suponga que la gerencia quiere un ni-
mao ptimo de pedido. vel de servicio del 98%. Cul es el
16-9. Remtase al problema 16-8. Suponga que se punto de pedido ptimo?
cometi un error al estimar uno de los valo- c. Si la gerencia estuviera satisfecha con
res que se usaron para calcular el punto de un nivel del servicio del 90%, cul se
pedido. Especficamente, suponga que se ra el punto ptimo de pedido?
cometi un error del 50% en la estimacin
Problemas ms difciles
16-11. Una empresa tiene la opcin de fabricar una miento de una unidad en inventario es de
pieza o comprarla a un proveedor externo. dos dlares por ao. El costo de escasez de
El costo variable por unidad es el mismo en una unidad es de 18 dlares (esto es ku). Las
ambos casos. Sin embargo, si la pieza se fa- necesidades anuales de esta pieza es 1000
brica internamente hay un costo de prepara- unidades.
cin de 100 dlares y si se compra fuera Debe fabricarse esta pieza o comprarse
hay un costo fijo de pedido de 20 dlares. por fuera? Qu otros aspectos, adems de
Si la compaa fabrica la pieza, el tiempo los costos de inventario, involucrara una
de entrega es cero; si se obtiene del provee- decisin de este tipo?
dor externo, el tiempo de entrega es de 25 16-12. La compaa ABC tiene una mquina que
das (la utilizacin durante el tiempo de en- requiere la reposicin de una pieza a inter-
trega se distribuye normalmente con media valos aleatorios, cada vez que se rompe la
de 100 unidades y desviacin estndar de pieza. El tiempo de entrega de las piezas de
20 unidades). El costo anual de manteni- recambio es un mes. El nmero de desper-
Captulo 16 Control de inventarios con reorden y demanda incierta 515
fectos promedio es uno por mes y la geren- nimice los costos totales de preparacin,
cia acepta la premisa de que la avera de la almacenamiento y desperdicio).
pieza es consistente con las caractersticas c. Suponga ahora que la demanda media
de una distribucin de Poisson.12 de la compaa es 100 unidades por mes,
a. La poltica actual es pedir cinco unida pero ya no es constante. La demanda se
des de una pieza cada vez que se efec- distribuye normalmente con desviacin
ta un pedido de reabastecimiento. Si estndar de 20. El costo unitario de
la gerencia requiere una probabilidad escasez es de 640 dlares (beneficios
no menor que 0.99 de que haya existen perdidos ms reaccin negativa). Si se
cias de la parte durante el tiempo de en- ignora el problema de vida til de (b),
trega, cul deber ser el punto de cul es la poltica ptima para el
pedido? inventario?
b. Si los costos de formulacin de pedido 16-14. Considere el ejemplo 2 del captulo. Supon-
son de 10 dlares y el costo de almace- ga que hay un descuento por volumen de
namiento por unidad es de 2.40 dlares 0.20 dlares por artculo si se compran mil
al ao, cul debe ser la cantidad pti- artculos o ms. Debe aprovecharse el des-
ma de pedido? cuento?
c. Si cambia la cantidad de pedido, es ne- 16-15. Aggregated Air Lines (AAL) mantiene pie-
cesario revisar el objetivo de la geren- zas de recambio para reparar los motores de
cia de la probabilidad mnima de 0.99 sus aviones, los cuales fallan en forma alea-
de servicio durante el tiempo de entre- toria. Considere, como ejemplo, la pieza
ga? Cmo debe establecerse este obje- #7654, que se encuentra en cada uno de los
tivo? Qu informacin requiere para motores de un Boeing 747. Cuando los mo-
tomar la decisin? tores llegan a la base de mantenimiento para
16-13. Una vacuna fabricada por una compaa far- desmontaje, diagnstico y reparacin, se
macutica tiene una demanda constante y examina con cuidado esta pieza y se deter-
conocida de 1200 unidades al ao (o 100 al mina si es necesaria la reparacin. Las ave-
mes). El costo de produccin es de 120 d- ras de esta pieza ocurren en un mes de
lares por unidad, el costo de preparacin es acuerdo con una distribucin normal con
de 400 dlares por lote y el costo de almace- media de 5 y desviacin estndar de 1.5.
namiento de inventario es el 20% anual. El El tiempo de preparacin para la repara-
tiempo de entrega de la produccin es cons- cin es muy pequeo en comparacin con el
tante y conocido (un mes). valor de la pieza, por lo que cada vez que
a. Cul es la cantidad econmica de pro requiere reparacin se enva al taller (es
duccin por lote? decir, no se forman lotes). Suponga que el
b. La compaa acaba de descubrir que la taller necesita tres meses para reparar la
vacuna slo puede almacenarse 1.5 me- pieza y que la lnea area tiene un inventario
ses sin perder calidad. Determine la es- objetivo de 30 piezas de recambio; por lo
trategia de produccin de menor costo tanto, las 30 piezas deben ser suficientes
para esta situacin (es decir, la que mi- para cubrir la demanda aleatoria durante un
ciclo de reabastecimiento de tres meses o de
lo contrario se presentarn inexistencias.
AAL ha determinado que el costo de
12
Si es una distribucin de Poisson, entonces la probabilidad de k escasez es de 50 dlares (el costo de acelerar
ocurrencias en un intervalo de tiempo es: la entrega de una pieza de recambio de
Boeing). Se le pide a usted que revise el n-
mero objetivo de 30 piezas de recambio.
Cmo determinara la cantidad objetivo p-
donde es la media o nmero esperado de ocurrencias por tima si las piezas cuestan 125 dlares cada
unidad de tiempo y la varianza del nmero de ocurrencias
por unidad de tiempo. Vase el apndice 1 del captulo 18.
516 Parte IV Modelos deterministas y probabilsticos
Ejemplo 1 Supongamos que se sabe que la demanda de un producto tiene la distribucin que
se muestra en la tabla 17-1. Suponga que las unidades cuestan 25 dlares cada
una y que los sobrantes se pueden vender como desechos a cinco dlares. El
precio de venta es de 55 dlares por unidad. Se conoce la distribucin de proba-
bilidad de la demanda del producto, pero no se sabe cul ser la demanda para el
periodo. En este caso, cuntas unidades hay que pedir?
517
518 Parte IV Modelos deterministas y probabilsticos
Una posibilidad sera calcular los beneficios que se obtendran con diferentes
planes de pedido; ste es el procedimiento que se sigue en el captulo 4. La tabla
17-2 presenta los clculos correspondientes. Recuerde que si no se compran
unidades, no se puede vender ninguna; si se compra una unidad, no puede
venderse ms que una, incluso si la cantidad de la demanda es mayor.
Con base en el beneficio esperado, la accin ptima es pedir dos unidades, ya
que el beneficio esperado de 35 dlares es mayor que el beneficio esperado de
cualquier otra estrategia.
Mtodo marginal
En el anlisis anterior se calcularon los beneficios esperados con distintas polticas
de pedido. Una solucin ms sencilla para los clculos es utilizar un mtodo
marginal, calculando el efecto sobre el beneficio de aadir una unidad ms al
tamao de pedido.
Sea p la probabilidad de vender una unidad adicional (o ms); entonces, (1 - p)
es la probabilidad de no vender la unidad adicional (o ms). En la tabla 17-3 se
muestran los valores de p del ejemplo.
La columna titulada "Probabilidades acumuladas" es p, ya que indica la
probabilidad de vender cero unidades o ms (1.00), una unidad o ms (0.90) dos
Captulo 17 Control de inventarios con incertidumbre y sin reorden 519
Tabla 17-3
Demanda Probabilidad Probabilidades
de la demanda acumuladas (p)
0 0.10 1.00
1 0.30 0.90
2 0.40 0.60
3 0.20 0.20
1.00
Por ejemplo, considere pedir inicialmente cero unidades y que la accin "pedir"
represente el pedido de una unidad. Entonces:
520 Parte IV Modelos deterministas y probabilsticos
Tabla 17-5
() (2) (3) (4)
Poltica: Costo esperado Costo esperado de Costo incremental
Pedir de pedir la no pedir la neto del
desde el siguiente unidad: siguiente unidad: pedido:
pedido p (1 - p)c o pcu (2) - (3)
y:
Costo esperado (pedir) = (1 - p)c0 = (0.1)($20) = $2
El costo esperado de pedir es menor que el costo esperado de no pedir, por lo que
debe pedirse la unidad. Se efecta la misma comparacin para ver si debe pedirse
la segunda unidad, etctera. La tabla 17-5 y la figura 17-1 ilustran estos clculos.
Un costo negativo en la columna 4 de la tabla 17-5 es un beneficio neto
esperado. El pedido de la primera unidad aumenta el beneficio en 25 dlares; el
pedido de la segunda unidad aumenta el beneficio en 10 dlares (a 35 dlares); y
el pedido de la tercera unidad reduce el beneficio en 10 dlares (a 25 dlares). No
sera deseable tener tres unidades en existencias, ya que hay un costo marginal
esperado de 10 dlares asociado al almacenamiento de la tercera unidad.
Al usar esta regla, el decisor agregar unidades hasta que el costo de "pedir"
sea igual o mayor que el costo de "no pedir". Recuerde que al aadir unidades se
Captulo 17 Control de inventarios con incertidumbre y sin reorden 521
o sea:
Remtase a la tabla 17-3, y observe que el decisor pedira dos unidades (porque
p = 0.60 para la segunda unidad y esto es mayor que pc = 0.40), pero no pedira
la tercera unidad (ya que p = 0.20 y esto es menor que 0.40).
Observe que el modelo de inventario que se desarroll supone la linealidad en
los costos de excedentes y faltantes. Es decir, se ha supuesto que los costos
unitarios son iguales para todas las unidades. En algunos casos estas hiptesis no
son realistas y se pueden usar funciones ms apropiadas, pero ms complejas,
para los costos marginales.
puede ser un proceso muy difcil. Un mtodo consiste en suponer que pudiera
comprar una varita mgica y usarla para evitar una unidad de inexistencias,
cunto estara dispuesto a pagar por ella? En cualquier caso, es necesario estimar
este factor en funcin del valor actual de los beneficios futuros que se perderan
por el faltante de una unidad. Esta cantidad se puede incluir para determinar la
razn crtica y as establecer la poltica de pedidos ptima.
Continuando con el ejemplo 1 de este captulo, supongamos que la reaccin
negativa costara 7.50 dlares por cada unidad de la demanda que no se satisfaga
debido a una escasez de inventario. Considere las siguientes definiciones y datos:
co = Costo unitario de los excedentes = 20 dlares. Los 20 dlares son la
diferencia entre el costo por unidad (25 dlares) y el precio de desecho
(cinco dlares).
cu = Costo unitario de las carencias = 37.50 dlares. Esta cifra equivale a la
suma de los beneficios que se pierden por una demanda no satisfecha
($55 - $25 = $30) y el costo de la reaccin negativa (7.50 dlares) por
cada unidad carente; es decir, cuando hay demanda y no hay unidades
que vender.
La definicin del costo de faltantes se ha modificado para incluir los efectos
de la reaccin negativa; sin embargo, an se aplica la ecuacin de la razn crtica
(Ecuacin 17-1):
En el ejemplo modificado:
El precio adicional que hay que pagar por no cumplir con un pedido tiene el mismo
efecto que un aumento en el margen de beneficios (es decir, un aumento en las
consecuencias de no tener una unidad disponible cuando hay demanda por ella)
y tender a aumentar el tamao del pedido al reducir pc.
Figura 17-2
Figura 17-3
= 1 10 = 10 unidades
Como pc < 0.50, para obtener Q, el tamao ptimo de pedido, hay que sumar
10 unidades a la media de las ventas. Se puede escribir la siguiente ecuacin:
Q = Media de las ventas =
40 + 10 = 50
El signo ser positivo si pc < 0.50 y negativo si pc > 0.50.
Ejemplo 3 Suponga que la demanda tiene la misma distribucin normal que en el ejemplo 2
y tambin que se ha calculado pc = 0.25. La figura 17-3 ilustra esta situacin.
El complemento de cola izquierda de una cola derecha de 0.25 es 0.75; la
tabla A indica que el valor de que corresponde a F(Z) = 0.75 es aproximadamente
= 0.67. Entonces, el tamao ptimo de pedido es:
Q = Media de las ventas + =
40+ 0.67(10) = 46.7 = 47
Ejemplo 4 Considere el mismo problema del ejemplo 3, pero suponga ahora que el pronstico
de las ventas es ms incierto; la desviacin estndar de la distribucin a priori es
25, en lugar de 10.
En el ejemplo 3, la razn crtica pc era 0.25 y el valor de correspondiente era
aproximadamente = 0.67. Con el aumento en la desviacin estndar, el tamao
ptimo de pedido es:
Q = Media de las ventas + =
40 + 0.67(25) = 56.75 = 57
Es interesante comparar este resultado con el del ejemplo 3, donde la desviacin
estndar de las ventas era 10. Observe que al aumentar la incertidumbre del
pronstico (cuando aumenta la desviacin estndar) lo ptimo es alejarse del pro-
nstico de 40 unidades de media de las ventas. A primera vista quizs no parezca
Capitulo 17 Control de inventarios con incertidumbre y sin reorden 525
obvio, pero es una consecuencia directa de que la razn crtica considere correc-
tamente los costos de excedentes y carencias. Si queremos tener una probabilidad
de carencias de 0.25, la mayor desviacin estndar requiere que se almacene un
inventario ms grande.
Costos relevantes
Bibliografa
Problemas
Los calendarios se venden a 100 dlares el a. Si se ignoran los costos de reaccin ne-
millar y el costo incremental de compra es gativa por inexistencias, cul es el ta-
de 70 dlares. El costo incremental de las mao ptimo de pedido?
ventas (comisiones) es de cinco dlares por b. Qu costo de reaccin negativa por
millar. inexistencias justificara un tamao de
a. Use el anlisis estudio en este captulo pedido de 11 500 unidades?
para determinar cuntos calendarios 17-10. Tail Ski Company vende esqus a 50 dla-
hay que pedir. res el par durante la temporada de esqu. Los
b. Revise este clculo elaborando la tabla esqus que no venda en la temporada pueden
de valores condicionales y esperados y venderse a travs de tiendas especiales a
calculando los valores esperados para 1 0 dlares el par o bien almacenarse en
cada accin. inventario hasta la siguiente temporada,
c. Cul tendra que ser el costo de reac- para venderlos a 15 dlares el par. Ambas
cin negativa para justificar un pedido opciones pueden absorber grandes cantida-
de 400 000 calendarios? des de esqus sin afectar la demanda normal.
17-7. La demanda de un producto es aproximada- El costo de manufactura de un par de es-
mente normal con media de 40 unidades y qus es el siguiente:
desviacin estndar de 12 unidades. El pro-
ducto cuesta dos dlares por unidad y se
vende a cinco dlares. Las unidades que no Materiales directos $10
se vendan no valen nada.
Mano de obra directa 5
a. Si supone que no hay prdidas por reac
Gastos adicionales 10
cin negativa si no se cubre la deman
asignados $25
da, cul es el tamao ptimo de
pedido?
b. Suponga que el gerente a cargo del pro
ducto ha pedido habitualmente 60 uni La compaa tiene un cargo del 20%
dades y defiende su poltica sobre la anual por dlar para el almacenamiento en
base de que s hay una prdida por reac inventario. La demanda durante la tempora-
cin negativa del cliente si no se cubre da de ventas es normal, con media de 10 000
la demanda. Cul es la prdida implci y desviacin estndar de 2000 pares. La
ta por reaccin negativa de la poltica compaa debe determinar su produccin
del gerente? antes de la temporada de ventas, debido a su
Indique dos situaciones de inventario que capacidad productiva limitada.
17-8.
representara correctamente el modelo de es-
Qu nivel de produccin es el ms
te captulo. Describa para cada uno los fac-
deseable?
tores que comprendera el costo de
17-11. Green Garden Store debe pedir su lote de
excedentes, el costo de faltantes y la prdida
por reaccin negativa. plantas antes del 23 de marzo (no puede
Un fabricante de cmaras fotogrficas reali- efectuar pedidos despus de esa fecha). Por
17-9. za la mayora de sus ventas durante la tem- la persistente sequa, Green Garden ha redu-
porada navidea. Por cada unidad que venda cido su pronstico de ventas y ahora espera
obtiene un beneficio de 20 dlares; si la vender unos 100 000 dlares de plantas (al
cmara no se vende en la temporada, en- por menor); la desviacin estndar del error
tonces hay que venderla a un costo rebajado, de este pronstico es el 15% (es decir, 15
cinco dlares menos que el costo variable de 000 dlares). Suponga que los errores de
manufactura. El fabricante estima que la pronstico se distribuyen normalmente.
demanda tiene una distribucin normal con De cada dlar por ventas al por menor, la
media de 10 000 unidades y desviacin tienda paga 30 centavos por las plantas que
estndar de 1000 unidades. compra al por mayor. Las plantas que sobren
al final de la temporada no pueden ven-
528 Parte IV Modelos deterministas y probabilsticos
derse; es ms, Green Garden tiene que pa- zas que sobren despus de la noche de bru-
gar para que se las lleven, a un costo de cin- jas se pueden vender a un promedio de 20
co centavos por cada dlar de precio de centavos el kilogramo, sin lmites en lo refe-
venta al por menor. Los dems costos opera- rente a volumen. Se suponen que se pierden
tivos de la tienda no estn afectados por el los pedidos que no se puedan cubrir.
volumen de ventas real. a. Qu cantidad de calabazas debe pedir
Cuntos dlares (al por menor) de plan- PPS el primero de septiembre?
tas debe pedir la tienda? b. Suponga que PPS ha encontrado un pro
17-12. Pennsula Pumpkin Store (PPS) compra ca- veedor de respaldo que puede surtir de
labazas para revenderlas antes de la noche inmediato pedidos de reabastecimiento
de brujas. PPS vende las calabazas a 50 cen- posteriores, por lo que si PPS agota sus
tavos el kilogramo y su costo de compra al existencias de calabazas puede pedir
por mayor es de 30 centavos el kilogramo. las pequeas cantidades adicionales
Sus proveedores requieren pedidos en firme que requiera al segundo proveedor
antes del primero de septiembre, por lo que (PPS contina con el proveedor origi-
PPS debe comprometerse antes de conocer nal para su pedido inicial). El nuevo
la demanda. El pronstico de la demanda de proveedor cobra 42 centavos por kilo-
PPS al primero de septiembre es 10 000 ki- gramos para este servicio expedito y ga-
logramos; su error de pronstico se distribu- rantiza la entrega.
ye en forma normal con desviacin estndar Cul es ahora el pedido inicial de-
igual al 15% de su pronstico. Sin embargo, seado para el primero de septiembre?
los pronsticos no tienen sesgo. Las calaba-
Problemas ms difciles
17-13. La compaa ACM produce acondiciona- de los modelos, las demandas son indepen-
dores de aire. Por su capacidad productiva dientes.
limitada y el deseo de mantener empleos es- a. Sin tomar en cuanta los costos por reac-
tables durante el ao, la produccin de cier- cin negativa, calcule los volmenes
tos modelos se debe determinar antes de la de produccin ptimos para los dos
fuerte temporada de ventas de la poca de modelos.
calor. La produccin del modelo pequeo b. Suponga que las demandas no son inde-
cuesta 60 dlares (costo incremental) y se pendientes. Como caso extremo, supon-
vende a 100 dlares; para el modelo grande, ga que el nmero de unidades vendidas
el costo de produccin es de 120 dlares y del modelo grande es el 60% del nme-
se vende a 210 dlares. Las unidades que ro de unidades vendidas del modelo pe-
no se vendan al final de la temporada deben queo. Suponga adems que la media
venderse a precio de oferta, a un 80% del de las ventas del modelo pequeo es
costo incremental de produccin. 10 000, con desviacin de 3000 (ignore
Se estima que la demanda durante la tem- la otra media y desviacin estndar).
porada para el modelo pequeo es normal, Calcule ahora el tamao de pedido pti-
con media de 10 000 y desviacin estndar mo. Sugerencia: Dada la suposicin de
de 3000; para el modelo grande, la demanda una dependencia estricta, considere un
estimada ss normal con media de 6000 y producto compuesto que contiene una
desviacin estndar de 2000. La compaa unidad del modelo pequeo y 0.6 unida-
considera que, por la diferencia en precios des del modelo grande.
Captulo 17 Concrol de inventarios con incertidumbre y sin reorden 529
17-14. Cox Photo Company es una empresa de pe- estndar de 40, pero no pudo responder a la
didos por correo que se especializa en servi- pregunta de cuntas personas deban
cio de 24 horas de revelado de negativos e emplearse.
impresiones. La poltica general es que los a. Cuntos tcnicos debe emplear Cox?
pedidos que llegan en el correo matutino de- Cul es el costo esperado?
ben terminarse y enviarse por correo antes b. Qu factores adicionales se deben in-
de la media noche. Por lo general no se han cluir al tomar la decisin?
presentado problemas para hacerlo. Hay seis 17-15. ABC Office Supply Company tiene un
tcnicos de tiempo completo que trabajan almacn de piezas de recambio en Alaska
ocho horas al da, desde las 8 A.M. a las 5 para apoyar sus necesidades de manteni-
P.M. y reciben como pago ocho dlares por miento de equipo para oficinas. Cada seis
hora (incluyendo prestaciones). Estos meses llega un envo considerable de piezas
tcnicos pueden procesar un promedio de de reabastecimiento. Entre estas entregas
cinco pedidos por hora. Cuando ocasional- programadas se requieren envos areos de
mente llegan ms de 240 pedidos en un da, emergencia para reabastecer las piezas de
por lo menos uno de los tcnicos trabaja ho- recambio si el inventario no es suficiente
ras extra a 12 dlares la hora. para cubrir la demanda.
Hace poco, Cox Photo compr a un com- ABC debe determinar el nivel ptimo de
petidor su empresa en la misma comunidad su inventario de piezas de recambio. Como
y piensa consolidar las operaciones. Sin em- ejemplo, en los ltimos intervalos de seis
bargo, el seor Cox an no decide cuntos meses, la pieza #123456 ha presentado una
tcnicos agregar a los seis que tiene. Al su- demanda normalmente distribuida con me-
mar los datos de pedidos anteriores de su dia de 100 y desviacin estndar de 10. El
competidor a los suyos, el seor Cox tiene costo por unidad excedente (que representa
que considerar los siguientes datos de fre- el costo de almacenamiento de la pieza no
cuencia: requerida durante seis meses) es de cinco
dlares; el costo incremental del costo de
produccin y envo del artculo es 40 dla-
res por unidad.
ABC tiene problemas para determinar el
costo por unidad faltante, por dos razones.
Primero, el precio que asigna a las piezas
de recambio es su costo, sin aumentarle na-
da. Segundo, siempre satisfar la demanda,
utilizando los envos areos de emergencia
para reabastecerse si la demanda excede el
inventario. Los envos areos de emergen-
cia tienen un costo unitario 25 dlares ma-
yor que los envos normales.
Cul debe ser el inventario ptimo para
esta pieza?
Usted est a cargo del banquete anual del
17-16. club Football Boosters de su universidad.
Aunque se esperan muchos comensales, no
sabr cuntas cenas tendr que servir hasta
Uno de los tcnicos de Cox Photo tomaba la noche del banquete. Su convenio con el
un curso nocturno de estadstica en una uni- hotel donde tendr lugar el banquete esta-
versidad de la localidad e intent analizar blece que usted debe determinar el nmero
los datos anteriores. Le dijo al seor Cox de comensales una semana antes del ban-
que los datos se aproximaban a una distribu- quete. El precio de la cena es de siete dla-
cin normal con media de 300 y desviacin
530 Parte IV Modelos deterministas y probabilsticos
17-19. Alpine Valley Ski rea (AVSA) debe errores de pronstico se distribuyen nor-
decidir todos los das, a las 5 P.M., si debe malmente con desviacin estndar de 4
llamar a los equipos para fabricar nieve. grados.
La fabricacin de la nieve comienza a las Qu temperatura debe utilizar AVSA
11 P.M. y contina hasta las 3 A.M. Sin a las 5 P.M. como marca para tomar su
embargo, para fabricar la nieve, la tempe- decisin?
ratura no debe ser superior a -9 grados Recomendacin: Encuentre la probabi-
centgrados. Si a las 11 P.M. la temperatura lidad deseada (es decir, la apuesta ptima)
es superior a -9 grados, AVSA debe pagar de que no se llame a los equipos cuando
a los equipos pero no fabricar nieve; el podran fabricar nieve.
costo del equipo es de 1000 dlares por 17-20. Una lnea area ha encontrado que el n-
noche. Si a las 5 P.M. AVSA decide que no mero de personas que no se presentan pa-
fabricar nieve, pero la temperatura a las ra un vuelo tiene una distribucin normal
11 P.M. es inferior a -9 grados, AVSA con media de 20 y desviacin estndar de
reconoce que ha perdido la oportunidad de 10. La lnea area estima que el costo de
fabricar nieve esa noche, lo cual tiene un oportunidad de un asiento vaco es de 100
costo bruto estimado de 4000 dlares y va- dlares; se estima que la reaccin
lor neto (despus de pagar a los equipos) negativa y los costos adicionales aso-
de 3000 dlares. ciados al hecho de que un pasajero con
AVSA utiliza la siguiente regla de pro- reserva confirmada no pueda subir al
nsticos. La temperatura pronosticada para avin ascienden a 400 dlares.
las 11 P.M. es igual a la de las 5 P.M. La lnea area quiere establecer un lmi-
menos cinco grados. Una comparacin his- te de "sobrecupo" para el vuelo. Hay 150
trica de las temperaturas reales y pronos- asientos. Cul debe ser el lmite superior
ticadas para las 11 P.M. indica que estas para las reservas confirmadas? Por qu?
temperaturas no tienen sesgo y que los
CAPTULO
Colas de espera
Teora de colas
Las colas o filas de espera son muy comunes en la vida cotidiana. Son pocos los
individuos de una sociedad moderna que no hayan tenido que esperar en una
fila para subir al autobs o al taxi, para entrar al cine, para pagar en el supermer-
cado, para cortarse el cabello o para inscribirse al iniciar el ao escolar. La mayora
de nosotros consideramos las colas como una parte inevitable de la vida civilizada
y las aceptamos, con mejor o peor cara. En ocasiones, la longitud de la cola que
encontramos nos desalienta y abandonamos el proyecto, con lo cual se pierde
una venta. Este captulo se relaciona con el proceso de toma de decisiones de una
empresa (o una institucin de gobierno) que est a cargo de la operacin y que
toma decisiones con respecto al nmero y a la capacidad de las instalaciones de
servicio.
La teora de colas o filas de espera tiene que ver principalmente con los
procesos caracterizados por llegadas aleatorias (es decir, llegadas a intervalos
aleatorios); el servicio al cliente tambin es un proceso aleatorio. Si se supone que
hay costos relacionados con la espera en la fila y que hay costos para aadir ms
canales (es decir, agregar ms instalaciones de servicio), lo que se busca es
minimizar la suma de los costos de espera y los costos derivados de proveer
instalaciones de servicio. De los clculos resultarn medidas como el nmero
esperado de personas en la fila, el tiempo de espera estimado para las llegadas y
el porcentaje esperado de utilizacin de las instalaciones de servicio. Estas
medidas se pueden emplear en los clculos de costo para determinar el nmero y
la capacidad deseables para las instalaciones de servicio.
La teora de colas se puede usar para determinar el nmero ptimo de:
Casetas de cobro en un puente o camino de peaje
Doctores disponibles para consultas en una clnica
Mecnicos para atender mquinas
Pistas de aterrizaje para aviones
Muelles para barcos
532
Captulo 18 Colas de espera 533
Experiencia y colas
donde:
1
Vase el apndice 2 al final de este captulo para conocer la obtencin de la ecuacin 18-2.
Captulo 18 Colas de espera 537
horas
Hay un costo relacionado con estas 76.8 horas. Suponga que el costo para la
compaa es de 20 dlares por hora que espera un trabajador. El costo promedio
diario de la espera sera:
538 Parte IV Modelos deterministas y probabilsticos
Tabla 18-1
2
Al dividir entre el numerador y el denominador de la ecuacin 18-4, se puede obtener L como una funcin
de la utilizacin, (/):
540 Parte IV Modelos deterministas y probar
"excesiva" (mucho menos del 100% de utilizacin) para evitar las esperas
excesivas.
Aunque la figura 18-1 slo puede aplicarse directamente a las suposiciones que
se establecieron, es sorprendente la cantidad de situaciones empresariales que se
comportan en una forma cualitativamente parecida cuando cambia la utilizacin.
Incluso en instalaciones de produccin complejas, con varias mquinas y rutas
alternativas para las piezas, se ha observado con frecuencia que cuando un
aumento en la demanda da lugar a un aumento en la utilizacin del taller, hay
un aumento mayor en el tiempo que pasa un pedido en el taller (tiempo de espera
ms tiempo de procesamiento), lo cual se ajusta al patrn general de la figura 18-1.
En la mayora de las organizaciones existe una presin para ser eficientes y
reducir todo lo posible el tiempo de inactividad. A los gerentes no les gusta ver
que el personal o el equipo estn sin trabajar. Pero con las llegadas y los tiempos
de servicio aleatorios, surge la necesidad de tener capacidad excesiva para evitar
largas colas y tiempos de espera para los clientes. Este aspecto es muy importante
en los sistemas de colas y no siempre es evidente para algunas personas.
Ejemplo 2 Considere un sistema con un solo punto de servicio, como en el ejemplo 1, con
tasa promedio de llegadas de cuatro por hora y tasa promedio de servicio de cinco
por hora. Observe que una tasa inedia de servicio de cinco por hora equivale a un
Captulo 18 Colas de espera 541
y esta ecuacin se puede usar con las ecuaciones 18-10 a 18-12 para calcular
medidas del rendimiento para el modelo M/D/1.
Ejemplo 3 Considere los ejemplos 1 y 2, pero suponga ahora que el tiempo de servicio es
exactamente 12 minutos ( = 5/hora, = 0). A partir de la ecuacin 18-13:
De la ecuacin 18-11:
3
Vase el apndice 1 para conocer los detalles. Observe que al introducir la varianza de la distribucin de Markov en
la ecuacin 18- se puede obtener la ecuacin 18-6.
542 Parte IV Modelos deterministas y probabilsticos
cin estndar del tiempo de servicio es igual a la media del tiempo de servicio.
Es decir, = 1/ = Vs = 0.20.
De esta manera se puede ver que una reduccin en la variacin del tiempo de
servicio del caso exponencial produce mejoras considerables en el rendimiento
del sistema.
EL papel de la variabilidad
Si:
544 Parte IV Modelos deterministas y probabilsticos
entonces la cola de espera se hace cada vez ms larga; es decir, n se hace infinito
si el proceso dura lo suficiente.
Cuando c = 1 (hay una instalacin de servicio), las ecuaciones 18-15 y 18-16
se reducen a la ecuacin 18-2. De la ecuacin 18-15 se tiene:
Tabla 18-2 Mltiplo del tiempo de espera (WTM) para colas M/M/C
Utilizacin
de la capacidad Nmero de canales de servicio
c = 1 c = 2 c = 3 c = 4 c = 5 c = 10
y:
4
El mltiplo del tiempo de espera es el tiempo medio de espera medido en unidades de tiempo de servicio
esperado:
WTM = Wq
Captulo 18 Colas de espera 547
WTM = 1.9694 = W q
Wq = 1.9694/ = 1.9694/2.5 = 0.78 minutos
Por lo tanto, el tiempo de espera promedio en la cola es de 0.78 minutos (47
segundos). De la ecuacin 18-19:
o sea:
Instalaciones agrupadas
El trmino agrupamiento se refiere a la combinacin de sistemas separados para
formar un grupo comn. Suponga que hay dos sistemas de cola, cada uno con un
punto de servicio (es decir, dos sistemas M/M/1) y colas de espera separadas. Qu
sucede si se combinan los dos flujos de llegadas para formar uno solo y as tratar
el sistema como si fuera M/M/2?
La figura 18-3 ilustra la forma en que queda afectado el mltiplo del tiempo
de espera (WTM) con el agrupamiento de dos unidades independientes para
formar un punto de servicio "agrupado" de dos estaciones. En un nivel cualquiera
de utilizacin de la capacidad, el WTM es mucho ms pequeo con el agrupa-
miento. Intuitivamente, al agrupar los sistemas se evita que el sistema Atenga una
cola de espera y el sistema est vaco.
Al ampliar ms el agrupamiento se obtienen mejores resultados. La figura 18-4
ilustra el efecto de agrupar cinco sistemas separados para formar uno agrupado;
observe la notable reduccin en el WTM, sobre todo con niveles mayores de
utilizacin de la capacidad.
Ejemplo 6 Remtase al ejemplo del consultorio mdico que se analiz en los ejemplos 1 y 4.
Suponga que se agrega un segundo consultorio, pero en un lugar distinto del
primero, de manera que cada uno tenga su propia cola de espera. Suponga adems
que cada consultorio atender aproximadamente la mitad de los clientes y que las
llegadas son aleatorias, como antes. Ahora hay dos sistemas de cola M/M/l
independientes, cada uno con:
= 2.0
= 5.0
A partir de la tabla 18-2 se puede ver que para c = 1 y / = 0.40, WTM = 0.6667.
Entonces:
Wq = WTM/ = 0.1333 horas
548 Parte IV Modelos deterministas y probabilsticos
Compare esto con el tiempo de espera para la instalacin agrupada del ejemplo
4, donde el tiempo de espera era 0.038 horas. En este caso, el agrupamiento reduce
el tiempo de espera en casi dos terceras partes.
Antes de determinar que el agrupamiento siempre es benfico, hay que tener
presentes algunos de los costos de los sistemas agrupados. Pueden existir cargas
administrativas, aumento en el tiempo de viaje de los clientes y prdida de control
en la organizacin. Como muestra, en el ejemplo, si la planta abarcara varios
edificios y los consultorios independientes estuvieran ubicados en forma conve-
niente, se podra compensar el tiempo de espera adicional con el ahorro en tiempo
de desplazamiento de los trabajadores al consultorio. Observe tambin que la
mayora de los ejecutivos prefieren tener su propia secretaria en lugar de que
exista un grupo secretarial.
Conclusin
Existen varios modelos ms complejos para situaciones de colas que no se ajustan
a las hiptesis anteriores. Pero no todas las suposiciones se pueden manipular en
forma analtica y resolverse para obtener la informacin que nos interesa. En una
situacin tpica puede ser ms fcil usar la tcnica de simulacin (descrita en el
Captulo 18 Colas de espera 549
RESUMEN Para una instalacin de un solo canal hay frmulas que permiten determinar
medidas importantes del rendimiento, como la media del tiempo de espera, el
nmero promedio en cola y la utilizacin del sistema. Para el caso de varios
canales se proporcionan tablas. La simulacin debe considerarse como alternativa
si las hiptesis de la cola no son apropiadas.
Hay tres aspectos de gestin importantes con respecto a los sistemas de colas:
Distribucin exponencial
Con relacin al proceso de Poisson se analiz la distribucin de probabilidad de
Poisson, la cual da la probabilidad del nmero de ocurrencias de un suceso, dada
Captulo 18 Colas de espera 551
Es decir, la probabilidad de que el tiempo entre sucesos (llegadas) sea mayor que
T, es Observe que ste es tambin el valor de la funcin de masa de
provabilidad de Poisson para cero sucesos (llegadas) en el periodo T.1
donde entonces:
Suponga que las llegadas y los servicios ocurren de acuerdo con un proceso de
Poisson. Hay una instalacin de servicio con una cola "primero en llegar primero
en salir". Sea:
= Nmero promedio de llegadas en una unidad de tiempo
= Nmero promedio de llegadas que la instalacin puede atender
en una unidad de tiempo
n = Nmero de unidades en el sistema, ya estn en servicio o en espera
= Probabilidad de tener n unidades en el sistema en el instante t
pn, = Probabilidad de tener n unidades en el sistema, suponiendo que
hay equilibrio
h = Probabilidad de una llegada durante el periodo h, cuando h es muy
pequeo
h = Probabilidad de que concluya un servicio durante el periodo h
Podemos suponer que la probabilidad de que ocurra ms de un cambio durante
el periodo h es muy cercana a cero. Para hacer ms sencillo el desarrollo,
supondremos que es cero (es decir, la probabilidad de dos o ms servicios o
llegadas o un servicio y una llegada es cero en un intervalo de tiempo muy
pequeo). Entonces:
= Probabilidad de que no haya cambios
Se puede llegar al estado n (es decir, n unidades en el sistema) a travs de uno
de cuatro sucesos, que ocurren de la siguiente manera:
En equilibrio:
y se obtiene:
Sustituyendo
554 Parte IV Modelos deterministas y probabilsticos
Bibliografa
Feller, W.,An Introduction to Probability Theory Lee, A. M, Applied Queueing Theory, Nueva
and Its Applications, vol. 1, tercera edicin, York, Macmillan, 1966.
Nueva York, John Wiley & Sons, 1968. Newell, G. F., Applications of Queueing Theory, se-
Feller, W., An Introduction to Probability Theory gunda edicin, Londres, Chapman & Hall, 1982.
and Its Applications, vol. 2, Nueva York, John Prabhu, N. U., Queues and Inventories, Nueva
Wiley & Sons, 1966. York, John Wiley & Sons, 1965.
Gross, D. y C. M. Harris, Fundamentals of Wagner, . ., Principles of Operations Research,
Queueing Theory, segunda edicin, Nueva segunda edicin, Englewood Cliffs, N. J., Prenti-
York, John Wiley & Sons, 1985. ceHall, 1975.
Hillier, F. y G. J. Lieberman, Introduction to Opera- Wolff, R. W., Stochastic Modeling and the Theory
tions Research, quinta edicin, Nueva York, of Queues, Englewood Cliffs, N. J., Prentice
McGraw-Hill, 1990. Hall, 1989.
18-1. En un instante cualquiera, Ace Airline tiene b. Cul es el tiempo promedio que tiene
en servicio un agente de reservas que mane- que esperar un cliente para comunicar
ja informacin acerca de los itinerarios de se con el agente de reservas?
vuelo y hace reservas. Un operador respon- c. Cul es el tiempo promedio para que
de todas las llamadas a Ace Airline; si la un cliente concluya su llamada (tiempo
persona que llama requiere informacin o de espera ms tiempo de servicio)?
necesita una reserva, el operador transfiere 18-2. Remtase al problema 18-1. Suponga que el
la llamada al agente de reservas. Si el gerente de Ace Airline desea instalar un
agente est ocupado, el operador solicita a equipo de cmputo y un nuevo sistema de
la persona que espere; cuando el agente se reservas. Uno de los beneficios de este
desocupa, el operador transfiere la llamada sistema es que reducir de cuatro a tres mi-
de la persona que tiene ms tiempo en nutos el tiempo promedio para atender una
espera. llamada.
Suponga que las llegadas y los servicios a, Cul sera el nmero promedio de lla
siguen un proceso de Poisson. Las llamadas madas en espera de conectarse con el
llegan a una tasa de 10 por hora y el agente agente de reservas si se instala el nuevo
de reservas puede atender una llamada en sistema?
cuatro minutos en promedio (es decir, = b. Cul sera el tiempo medio de espera
15 por hora). para que un cliente se comunique con el
a. Cul es el nmero promedio de llama- agente de reservas en el nuevo sistema?
das en espera de ser conectadas con el 18-3. Remtase a los problemas 18-1 y 18-2. Su-
agente de reservas? ponga que en lugar de reducir el tiempo pro-
Captulo 18 Colas de espera 555
-
medio para atender una llamada, el nuevo manera, el operador del telfono podra
sistema reducir la variabilidad del tiempo transferir las llamadas al agente libre.
de servicio. La distribucin del tiempo de a. Cul sera el nmero promedio de lla-
servicio tendr una media de cuatro minutos madas en espera de comunicarse con
(igual que antes), pero ahora una desviacin un agente de reservas?
estndar de dos minutos. b. Cul sera el tiempo medio de espera
a. Cul es el nmero promedio de llama para que un cliente se comunique con
das en espera de ser conectadas con el un agente de reservas?
agente de reservas? 18-5. Remtase al problema 18-4. Suponga que el
b. Cul es el tiempo promedio que debe costo de funcionamiento de la estacin adi-
esperar un cliente para comunicarse cional fuera de 50 dlares diarios. Ace Airli-
con el agente de reservas? ne an no sabe si debe realizar este gasto.
c. Suponga que el nuevo sistema pudiera a. Si el costo de buena voluntad de que
reducir por completo la variabilidad en un cliente espere es de 10 centavos por
los tiempos de servicio, de manera que minuto (antes de comunicarse con el
todas las llamadas se puedan atender agente), se debe aadir el segundo
exactamente en cuatro minutos. Res- agente?
ponda (a) y (b) para este caso. b. Con cul costo le sera indiferente a
18-4. Remtase a los problemas 18-1 y 18-2. Su- Ace Airline aadir o no aadir el segun-
ponga que en lugar de instalar un nuevo sis- do agente?
tema de reservas, Ace Airline quiere c. Qu hiptesis hay que hacer acerca
contratar otro agente de reservas. De esta del nmero esperado de llamadas en ca-
da hora del da?
Problemas
18-6. Dos mecangrafas tienen puestos idnticos. 18-7. Una compaa petrolera quiere ampliar las
Ambas escriben las cartas que les dicta un instalaciones de descarga de su refinera de
gerente. Suponga que las cartas que deben Australia. Debido a las variaciones aleato-
mecanografiarse llegan en forma aleatoria rias del clima, de las demoras de descarga y
(siguiendo un proceso de Poisson) a una ta- de otros factores, los buques llegan a la refi-
sa de tres por hora para cada mecangrafa. nera para descargar crudo segn una distri-
Suponga que cada mecangrafa puede escri- bucin de Poisson con tasa promedio = 5
bir cuatro cartas por hora en promedio (tam- buques por semana. El tiempo de servicio
bin es un proceso de Poisson). tambin es de Poisson, con tasa de servicio
a. Suponiendo que cada mecangrafa efec- promedio = 10 buques por semana.
ta su propio trabajo, cul es el tiem- a. Cul es la cantidad promedio de
po medio de espera para una carta (el buques en espera de entregar petr
tiempo que transcurre antes de que co- leo crudo?
miencen a trabajar con la carta)? b. Cul es el tiempo promedio que debe
b. Suponga que se "agrupan" las dos me esperar un buque para comenzar la en
cangrafas; es decir, las cartas se en trega de su carga a la refinera?
van a las dos y las escribe quien est c. Cul es el tiempo total promedio (es
libre, segn el orden de llegada. Cul pera ms entrega) de permanencia de
es el tiempo medio de espera para una un buque en la refinera?
carta con esta disposicin? 18-8. Remtase al problema 18-7. La compaa
c. Comente acerca de este, ejemplo. quiere utilizar otro muelle de descarga, el
556 Parte IV Modelos deterministas y probabilsticos
-
cual se puede alquilar por 5000 dlares se- a. Calcule el nuevo nmero promedio de
manales. El tiempo de servicio para este buques en espera si se instala el dis-
muelle tambin tendra distribucin de Pois- positivo.
son, con la misma tasa = 10 del muelle de b. Calcule el nuevo tiempo medio de espe-
la compaa. La compaa pierde 20 000 d- ra para los buques.
lares por cada semana que un buque est c. El beneficio de la reduccin en los
inactivo en la cola de espera. tiempos de espera (en dlares) justifica
a. Si se alquila el segundo muelle, cul el costo del alquiler del dispositivo?
sera el nmero promedio de buques 18-10. Remtase a los problemas 18-8 y 18-9. Un
en espera? analista de la compaa, despus de estudiar
b. Cul sera el tiempo promedio de espe- los costos y los beneficios de las dos modifi-
ra de un buque? caciones propuestas, recomienda lo siguien-
c. El beneficio de la reduccin en los te: "En cada caso, el beneficio excede el
tiempos de espera (en dlares) justifi- costo; dispongamos entonces tanto de la ins-
ca el costo del alquiler del segundo talacin del dispositivo de descarga rpida
muelle? en nuestro muelle como del alquiler del se-
18-9. Remtase al problema 18-7. Una alternativa gundo muelle". Por desgracia, en este cap-
para mejorar las instalaciones de descarga tulo no hay frmulas apropiadas para una
es que la compaa alquile un dispositivo de cola de dos canales con tasas de servicio di-
descarga de alta velocidad. Con este dis- ferentes (1= 15, 2 = 10). Encuentre una
positivo, la tasa de servicio sera de Poisson manera de calcular un lmite superior para
con media ' = 15 buques por semana. El los ahorros potenciales que se obtendran de
costo semanal del alquiler del dispositivo es evitar las demoras por espera y utilice este
de 5000 dlares. lmite para comentar acerca de la reco-
mendacin del analista.
Problemas ms difciles
18-11. Considere una cola de un solo canal con lle- m unidades en el sistema no depende del
gadas ( = 4) y servicio ( = 5) de Poisson. momento t considerado.
La tabla 18-1 de este captulo presenta las 18-12. El director de obras pblicas de la ciudad
probabilidades de que el nmero de unida- estudia la solicitud para un nuevo puesto de
des en el sistema sea mayor que k, para dis- inspector de construccin. La solicitud
tintos valores de k. indica que se espera un aumento en las
Suponga ahora que se evala un sistema inspecciones de construccin de 118 a 154
en el cual llegan camiones a una zona de por mes, un aumento del 30% (suponga que
descarga donde el espacio slo permite que hay 22 das de trabajo en el mes). El
un camin est en servicio y dos estn en es- departamento tiene en la actualidad cuatro
pera. Si llega otro camin, tendr que esta- inspectores y la propuesta solicita uno
cionarse en doble fila en la calle y un oficial ms, "un aumento de slo el 25% que per-
de polica multar al conductor (sin importar mitir al departamento mantener su poltica
cunto tiempo permanezca). Puede utilizar de un tiempo de espera menor que un da
los datos de la tabla 18-1 para estimar el para las solicitudes de servicios de inspec-
nmero promedio de multas por hora? cin". El director sabe que en promedio se
Recomendacin: Considere llegadas requiere medio da para que un inspector
aleatorias al sistema cuando est en "estado lleve a cabo una inspeccin y elabore su
estable", es decir cuando la probabilidad de informe.
Captulo 18 Colas de espera 557
Suponiendo que las solicitudes de inspec- 18-15. Suponga que en un sistema de cola con un
cin y los servicios (inspecciones termina- servidor se redefine la unidad de tiempo para
das) tienen una distribucin de Poisson, es que sea igual a la media del tiempo
necesaria la otra persona para cumplir con de servicio (l/). Con base en esta defini-
la poltica del departamento? cin, elabore un grfico del tiempo medio
18-13. En aos recientes, muchos bancos y ofici- de espera en la cola (Wq) en relacin con
nas de correo han cambiado de un sistema la utilizacin (/). Compare su grfico
en el cual hay una fila para cada cajero o con la figura 18-1. Por qu deben ser
punto de servicio a una sola cola de espera similares?
acordonada. Analice este cambio conside- 18-16. El aeropuerto internacional O'Hare de
rando los dos casos siguientes: Chicago utiliza dos pistas cuando hay mucha
a. Caso 1. Los clientes llegan al banco a demanda. Suponga que una de las pistas se
una tasa media de 80 por hora y se for dedica exclusivamente a despegues y la otra
man en una sola fila. Hay cinco cajas y slo a aterrizajes. Con este mtodo de
la tasa promedio de servicio es de 20 operacin, los "tiempos de servicio" se
por hora para cada caja. Suponiendo distribuyen exponencialmente con media de
que las llegadas y los servicios tienen dos minutos por solicitud en cada una de las
distribucin de Poisson, cul es la es pistas. Suponga que no hay interferencia
pera promedio en la cola? entre una pista y la otra, de manera que pue-
b. Caso 2. Los clientes llegan a la venta dan operar en forma independiente. Suponga
nilla de servicio a una tasa de 16 por que las solicitudes de despegue tienen
hora (hay cinco ventanillas, por lo distribucin de Poisson con tasa de 25 por
que hay un total de 80 llegadas por hora, y que las solicitudes de aterrizaje tam-
hora). Hay una fila independiente para bin siguen una distribucin de Poisson con
cada ventanilla (no se permite que haya tasa de 25 por hora.
cambios de una fila a otra). Al igual a. Calcule el nmero promedio de minu-
que en el caso 1, la tasa de servicio pa tos de espera para atender una solicitud
ra cada ventanilla es de 20 por hora. de despegue o aterrizaje.
Cul es la espera promedio en la fila? b. Suponga ahora que los controladores
c. Comente acerca de los resultados de de O'Hare pueden usar las dos pistas
los casos 1 y 2. Qu otros factores po para ambos propsitos. Sin embargo,
dran afectar los tiempos de espera en los requisitos de seguridad para este
una situacin bancaria real? modo de operacin prolongan el tiem-
El almacn de herramientas de una fbrica po promedio de servicio de 2 a 2.16 mi
18-14. nutos por solicitud (los tiempos de
es una sala donde se almacenan herramien-
tas especiales, guas y otro equipo que utili- servicio reales estn distribuidos expo-
zan los mecnicos. Un encargado registra la nencialmente, con media = 2.16 minu-
entrada y la salida de equipo cuando lo soli- tos). El agrupamiento de los dos flujos
citan o lo devuelven los mecnicos. de llegada de solicitudes (despegues y
Suponga que los mecnicos llegan al al- aterrizajes) da como resultado llegadas
macn a una tasa de 60 por hora y el encar- de Poisson con tasa de 50 por hora.
gado requiere un promedio de 2.5 minutos Calcule ahora el tiempo de espera
para localizar y registrar la salida del equipo promedio por solicitud. Cul es la me-
(o su llegada). A los mecnicos se les pagan jor disposicin: sistemas separados o
16 dlares por hora y el encargado recibe un sistema agrupado?
10 dlares por hora (incluyendo pres- Santa Clon Transit System (SCTS) tiene 380
taciones). Cuntos encargados hay que 18-17. autobuses. En promedio, cada autobs
contratar para hacerse cargo del almacn? requiere mantenimiento (programado y no
Suponga que las llegadas y los servicios tie- programado) una vez por mes. El tiempo de
nen distribucin de Poisson. mantenimiento promedio es de dos horas.
558 Parte IV Modelos deterministas y probabilsticos
SCTS tiene cinco mecnicos para efectuar ecuacin 18-9 equivale a la ecuacin
el mantenimiento, cada uno de los cuales 18-6 para el caso de los servicios de
trabaja 160 horas al mes. Suponga que las Poisson.
llegadas (es decir, la necesidad de manteni- b. Remtase al problema 18-7. Suponga
miento) y los servicios son procesos de que la tasa promedio de servicio es an
Poisson. de 10 por semana, pero que no hay va
a. Cul es el tiempo promedio que tiene riacin en el tiempo de servicio; es de
que esperar un autobs para que co cir, se requieren exactamente 0.10
mience su mantenimiento? semanas para descargar cada buque.
b. Cul es el nmero promedio de auto Determine la espera promedio de un
buses que estn fuera de servicio en un buque y el nmero promedio de bu-
instante determinado (es decir, en espe ques en espera.
ra o en servicio)? c. Remtase de nuevo al problema 18-7.
c. Suponga que un analista observa al Suponga ahora que el tiempo de ser
azar el nmero de autobuses fuera de vicio para descargar un buque tiene
servicio y este nmero es 95. A qu una distribucin normal con tiempo
podra deberse la discrepancia entre es medio de servicio de 0.10 semanas y
ta observacin y su respuesta de (b)? desviacin estndar de 0.05 semanas.
18-18. Considere la cola M/G/1. Calcule el tiempo de espera promedio
a. Cuando los servicios son de Poisson, la y la longitud promedio de la cola para
desviacin estndar de la distribucin este caso.
de los tiempos de servicio es (l/). Use d. Compare los resultados de (b) y (c) con
esto para demostrar que la lo que obtuvo en el problema 18-7.
CAPTULO
Simulacin
En los ltimos aos se han desarrollado tcnicas para probar los resultados de
algunas decisiones empresariales antes de que se pongan en prctica, a travs de la
simulacin en un computador de los procesos empresariales reales que se antici-
pan. Los computadores tienen la ventaja de que pueden manipular grandes
cantidades de datos con rapidez; sin embargo, el procedimiento bsico de una
simulacin es independiente de la manera como se realicen los clculos.
En trminos generales, cualquier modelo de un problema de decisin empre-
sarial podra denominarse un modelo de simulacin, ya que representa o simula
algunos aspectos del problema real. Por ejemplo, se podra disear un modelo de
programacin lineal para que represente un problema de composicin de produc-
tos o un problema de planificacin de transporte. A los modelos del captulo 2 y
los que se presentan en este captulo los denominaremos modelos de simulacin
y estos modelos difieren en dos aspectos de los que se consideraron en otras partes
del libro:
1. Los modelos de simulacin normalmente no se disean para encontrar solucio-
nes ptimas o mejores, como se hace en la programacin lineal y en el anlisis
de decisiones. En su lugar, se evalan diversas alternativas propuestas y se
toma una decisin con base en la comparacin de los resultados. En otras
palabras, se evala el rendimiento de un sistema previamente especificado.
2. Los modelos de simulacin generalmente se centran en las operaciones deta-
lladas, ya sean fsicas o financieras, del sistema. El sistema se estudia mientras
opera durante el tiempo y se incluyen los efectos de los resultados de un periodo
en el siguiente.
Simulacin probabilistica
En muchas situaciones la incertidumbre es un factor clave en las operaciones del
sistema y es importante tener presente esta aleatoriedad en el modelo. Los
problemas de cola de espera, como los que se presentaron en el captulo anterior,
pueden analizarse con la construccin de uno de estos modelos de simulacin.
Cuando es posible, es preferible resolver el modelo con mtodos matemticos.
Sin embargo, hay muchas situaciones de colas (y otras) que no se pueden resolver
matemticamente con facilidad y, por ello, se acude a la simulacin.
Ejemplo 1 Considere un almacn con un andn para descargar vagones de ferrocarril. Los
vagones de carga llegan al almacn durante la noche. Se requiere exactamente
medio da para descargar un vagn. Si hay ms de dos vagones en espera de
descarga, se pospone la descarga de algunos hasta el da siguiente.
La experiencia anterior indica que el nmero de vagones que llega durante la
noche tiene las frecuencias que se muestran en la tabla 19-1. Adems, no hay un
patrn aparente, por lo que el nmero que llega una noche es independiente del
nmero que llega en otra.
Se trata de un problema de colas de un canal con tasa promedio de servicio
de dos por da y tasa promedio de llegadas de 1.5 por da. Sin embargo, se puede
ver que las llegadas no siguen una distribucin de Poisson; por lo tanto, no se
Tabla 19-1
Nmero de vagones Frecuencia
que llegan relativa
0 0.23
1 0.30
2 0.30
3 0.10
4 0.05
5 0.02
6 o ms 0.00
1.00
Promedio = 1.5 vagones por noche
Captulo 19 Simulacin 561
97 95 12 11 90 49 57 13 86 81
02 92 75 91 24 58 39 22 13 02
80 67 14 99 16 89 96 63 67 60
66 24 72 57 32 15 49 63 00 04
96 76 20 28 72 12 77 23 79 46
55 64 82 61 73 94 26 18 37 31
50 02 74 70 16 85 95 32 85 67
29 53 08 33 81 34 30 21 24 25
58 16 01 91 70 07 50 13 18 24
51 16 69 67 16 53 11 06 36 10
04 55 36 97 30 99 80 10 52 40
86 54 35 61 59 89 64 97 16 02
24 23 52 11 59 10 88 68 17 39
39 36 99 50 74 27 69 48 32 68
47 44 41 86 83 50 24 51 02 08
60 71 41 25 90 93 07 24 29 59
65 88 48 06 68 92 70 97 02 66
44 74 11 60 14 57 08 54 12 90
93 10 95 80 32 50 40 44 08 12
20 46 36 19 47 78 16 90 59 64
86 54 24 88 94 14 58 49 80 79
12 88 12 25 19 70 40 06 40 31
42 00 50 24 60 90 69 60 07 86
29 98 81 68 61 24 90 92 32 68
36 63 02 37 89 40 81 77 74 82
01 77 82 78 20 72 35 38 56 89
41 69 43 37 41 21 36 39 57 80
54 40 76 04 05 01 45 84 55 11
68 03 82 32 22 80 92 47 77 62
21 31 77 75 43 13 83 43 70 16
53 64 54 21 04 23 85 44 81 36
91 66 21 47 95 69 58 91 47 59
48 72 74 40 97 92 05 01 61 18
36 21 47 71 84 46 09 85 32 82
55 95 24 85 84 51 61 60 62 13
70 27 01 88 84 85 77 94 67 35
38 13 66 15 38 54 43 64 25 43
36 80 25 24 92 98 35 12 17 62
98 10 91 61 04 90 05 22 75 20
50 54 29 19 26 26 87 94 27 73
Captulo 19 Simulacin 563
Tabla 19-3
Nmero Nmero
total Nmero demorado
Nmero Nmero Nmero para de vagones hasta el da
de da aleatorio de llegadas descarga descargados siguiente
X 97 4 4 2 2
X 02 0 2 2 0
X 80 2 2 2 0
1 66 2 2 2 0
2 96 4 4 2 2
3 55 2 4 2 2
4 50 1 3 2 1
5 29 1 2 2 0
6 58 2 2 2 0
7 51 1 1 1 0
8 04 0 0 0 0
9 86 3 3 2 1
10 24 1 2 2 0
11 39 1 1 1 0
12 47 1 1 1 0
13 60 2 2 2 0
14 65 2 2 2 0
15 44 1 1 1 0
16 93 4 4 2 2
17 20 0 2 2 0
18 86 3 3 2 1
19 12 0 1 1 0
20 42 1 1 1 0
21 29 1 1 1 0
22 36 1 1 1 0
23 01 0 0 0 0
(contina)
564 Parte IV Modelos deterministas y probabilsticos
24 41 1 1 1 0
25 54 2 2 2 0
26 68 2 2 2 0
27 21 0 0 0 0
28 53 2 2 2 0
29 91 3 3 2 1
30 48 1 2 2 0
31 36 1 1 1 0
32 55 2 2 -> 0
33 70 2 2 2 0
34 38 1 1 1 0
35 36 1 1 1 0
36 98 5 5 2 3
37 50 1 4 2 2
38 95 4 6 2 4
39 92 3 7 2 5
40 67 2 7 2 5
41 24 1 6 2 4
42 76 2 6 2 4
43 64 2 6 2 4
44 02 0 4 2 2
45 53 2 4 2 2
46 16 0 2 2 0
47 16 0 0 0 0
48 55 2 2 2 0
49 54 2 2 2 0
50 23 1 1 1 0
Totales 79 45
Promedio 1.58 0.90
Simulacin y computadores
Los clculos de la tabla 19-4 son tediosos y en una aplicacin real se llevaran a
cabo en un computador. La implantacin ms sencilla en un computador se
realizara con una hoja de clculo; muchos de estos programas tienen la capacidad
de generar nmeros aleatorios. El apndice 2 de este captulo muestra algunas
tcnicas de simulacin para hojas de clculo; adems, hay programas complemen-
tarios a las hojas de clculo que facilitan la simulacin de Montecarlo.1 Tambin
1
Vase, por ejemplo, el programa ORISK (Newfield, N. Y., Palisade Corp., 1990).
Captulo 19 Simulacin 565
2 0.20 00 a 19
3 0.60 20 a 79
4 0.20 80 a 99
1.00
566 Parte IV Modelos deterministas y probabilsticos
X 9 51 2 7
X 7 68 2 5 15 45 3
X 5 83 3 2
X 2 56 2 0
0 15 15 11 1 14
1 14 91 3 11
2 11 99 3 8
3 8 57 2 6
4 6 28 1 5 15 61 3
5 5 70 2 3
6 3 33 1 2
7 15 17 91 3 14
8 14 67 2 12
9 12 97 3 9
10 9 61 2 7
11 7 11 1 6
12 6 50 2 4 15 86 4
13 4 25 1 3
14 3 06 0 3
15 3 60 2 1
16 15 16 80 3 13
17 13 19 1 12
18 12 88 3 9
19 9 25 1 8
20 8 24 1 7
21 7 68 2 5 15 37 3
22 5 78 2 3
23 3 37 1 2
24 15 17 04 0 17
25 17 32 1 16
26 16 75 2 14
27 14 21 1 13
28 13 47 1 12
29 12 40 1 11
30 11 71 2 9
31 9 85 3 6
32 6 88 3 3 15 15 2
33 3 24 1 2
34 15 17 61 2 15
35 15 19 1 14
36 14 90 3 11
Captulo 19 Simulacin 567
Nmero Numero de
de semana Ventas Ventas Nmero semanas para
Recep Inventaro Nmero Inventario
(uni- perdidas aleatorio para que llegue el
ciones inicial aleatorio dades) final (escasez) Pedidos pedidos
pedido
37 11 24 1 10
38 10 16 1 9
39 9 32 1 8
40 8 72 2 6
Totales 412 0
Promedio 10.3
Anlisis de riesgo
Considere la decisin acerca de invertir capital de gran magnitud, como sera la
introduccin de un producto nuevo. La rentabilidad de la inversin depende de
varios factores que por lo general son inciertos. Las estimaciones del mercado
total para el producto, la cuota de mercado que puede obtener la empresa, el
crecimiento del mercado, el costo de produccin del producto, el precio de venta,
568 Parte IV Modelos deterministas y probabilsticos
la vida del producto, e incluso el costo del equipo necesario, generalmente estn
sujetos a un alto grado de incertidumbre.
Un mtodo comn consiste en hacer "mejores estimaciones" puntuales para
cada uno de los factores de incertidumbre y luego calcular una medida de la
rentabilidad. Este procedimiento tiene dos inconvenientes:
1. No hay garanta de que las "mejores estimaciones" proporcionen la verdadera
rentabilidad esperada del proyecto.
2. No hay forma de medir el riesgo asociado con la inversin. En particular, el
gerente no puede determinar la probabilidad de perder dinero o la de obtener
grandes beneficios. Por ejemplo, si se emplea el mtodo de un solo nmero
como estimacin, un gerente no podra distinguir los dos proyectos que se
muestran en la figura 19-1. Pero esta informacin es necesaria si se aplican
tcnicas relacionadas con el riesgo, como las medidas de la utilidad del
captulo 6.
El anlisis de riesgo es una tcnica diseada para eliminar estos inconvenien-
tes. El mtodo general consiste en asignar una distribucin de probabilidad
subjetiva a cada factor desconocido y combinarlos por medio del mtodo de
Montecarlo, para formar una distribucin de probabilidad para la rentabilidad del
proyecto global. Este procedimiento se puede ilustrar con un ejemplo sencillo.
Ejemplo 3 Suponga que se lanza al mercado un producto nuevo. La inversin que se requiere
es de 5000 dlares y hay tres factores inciertos: precio de venta, costo variable y
volumen anual de ventas. El producto tiene una vida de solamente un ao. La tabla
19-8 contiene los distintos niveles posibles para estos factores, as como una
estimacin de la probabilidad de cada uno. Supondremos que los factores de la
2
En este caso, como los factores son independientes y se relacionan con multiplicaciones y sumas, se puede
calcular el beneficio esperado a partir de los valores esperados del precio, del costo y del volumen (vase Cap. 4).
Pero si estos elementos no se relacionaran en forma lineal ni fueran independientes, habra que evaluar todo el
conjunto de ramas del rbol de probabilidades.
572 Parte IV Modelos deterministas y probabilsticos
Mtodo grfico
3
Este ejemplo es una adaptacin de G. G. O'Brien y R. R. Crane, "The Scheduling of a Barge Line", Operations
Research 7, 1959, pgs. 561-570.
Captulo 19 Simulacin 575
a otro de acuerdo con las distancias (por ejemplo, cuatro das de Pittsburgh a
Cincinnati); y realizar otras funciones.
Una vez que se desarrolla un modelo de simulacin de este tipo, la gerencia
puede utilizarlo para ensayar polticas alternativas. Entre las reglas de progra-
macin que podran probarse estn:
1. Que un remolcador salga de Pittsburgh a intervalos fijos (cada 8 o 10 das) sin
importar cuntos remolques tenga.
2. Que un remolcador salga cuando tenga por lo menos cierta cantidad de
remolques, por ejemplo 16.
Por supuesto, es posible utilizar otras polticas de programacin. Adems, la
compaa podra examinar el efecto de equipo adicional sobre el sistema, como
seran ms remolques o remolcadores, o remolcadores ms rpidos.
El modelo de simulacin permite que la compaa experimente con stos y
otros cambios sin tener que probarlos en el sistema real. Adems del costo del
cambio, en el que podra incurrir, es difcil evaluar los resultados de un experi-
mento en la realidad porque hay factores externos que cambian constantemente.
Es difcil saber si los resultados se deben a los factores externos o a los cambios
en el sistema. Este problema no se presenta en los modelos de simulacin, ya que
se pueden controlar los factores externos.
La simulacin se ha utilizado mucho para tratar diversos tipos de problemas.
Hay modelos de simulacin para sistemas de transporte, para fbricas y para
operaciones de aeropuertos; para el procesamiento de juicios, para servicios de
ambulancias y bomberos, para sistemas de computacin y comunicaciones, y para
estudiar el crecimiento econmico y el de poblacin a nivel urbano y mundial.
Aunque los modelos de simulacin de sistemas complejos pueden ser muy
valiosos, tienen algunos inconvenientes. Su construccin tiende a ser costosa. Tam-
bin puede ser difcil validar una simulacin compleja (es decir, asegurar que
el modelo deseado sea una representacin adecuada sin error en la lgica o en el
programa de computacin). Por otra parte, hay que determinar un periodo de
inicializacin apropiado y la duracin de la simulacin. Los mtodos estadsticos
pueden ser convenientes para determinar cul debe ser la duracin de la simulacin
y as saber si un resultado se debe a causas fortuitas o es sistemtico. Por supuesto,
como sucede con todos los modelos, la simulacin es una simplificacin de la realidad
y quizs no represente en forma adecuada los elementos o las relaciones importantes.
RESUMEN Una aplicacin importante de la simulacin es el estudio de sistemas operativos
complejos que no pueden analizarse por optimizacin u otros mtodos matemticos.
Como el decimal aleatorio est entre 0 y 1, tambin lo est 1 - R.D.; por lo tanto,
esta cantidad (1 - R.D.) se puede considerar directamente como decimal aleatorio.
Por ello, se puede definir:
o sea:
La ecuacin 19-6 se puede usar en forma directa para generar valores a partir
de una distribucin exponencial con parmetro . Primero, se obtiene un decimal
aleatorio (R.D.) de una tabla de nmeros aleatorios, como la tabla 19-2, luego se
sustituye el valor especfico que se obtuvo en el segundo miembro de la ecuacin
19-6 y se resuelve para producir un valor especfico de t. El valor que se obtenga
ser un valor aleatorio de una distribucin exponencial con parmetro A.
Por ejemplo, si = 5 y el decimal aleatorio es R.D. = 0.475, entonces, de las
tablas de logaritmos naturales, loge (0.475) = -0.744 y t = -(1/5) (-0.744) = 0.1488.
APNDICE ste sera un valor aleatorio de una distribucin exponencial con parmetro
2 = 5 (media 1/ = 1/5).
Simulacin de Montecarlo en hojas de clculo
Los programas de hojas de clculo son bastante flexibles. Es fcil utilizarlos para
efectuar simulaciones como las descritas en este captulo, pero con frecuencia los
manuales no lo indican. Este apndice es un breve curso introductorio para la
construccin de estos modelos en Lotus 1-2-3 y hojas de clculo compatibles,
4
Vase el pie de pgina 6 del capitulo 18.
578 Parte IV Modelos deterministas y probabilsticos
0 0.23 0
1 0.30 0.23
2 0.30 0.53
3 0.10 0.83
4 0.05 0.93
5 0.02 0.98
6 o ms 0 1.00
Haga una pausa al llegar a este punto para revisar lo que ha hecho: crear el
primer da del modelo. Asegrese de comprenderlo. Oprima la tecla Cale unas
cuantas veces y observe los resultados.
Lo siguiente es copiar 500 veces el modelo del primer da para simular 500
das de operacin:
Para que los resultados sean tiles, hay que hacer un resumen. Calcularemos el
nmero promedio de vagones demorados y se determinar el costo de esta demora.
Tambin sera conveniente elaborar una distribucin que muestre la frecuencia
de demora de cada nmero de vagones. Es fcil producir esta distribucin de
frecuencias con la instruccin de Datos/Distribucin de 1-2-3, como se ver ms
adelante, pero antes:
1. Pase a la celda L1 y escriba los encabezamientos y la informacin que se
presenta en la figura 19-7.
2. Pase a la celda N1 y marque:
@AVG(F8.F507)
100*365*N1
Esto calcula el costo anual (365 das) que se debe a los vagones demorados,
suponiendo que cuesta 100 dlares diarios la demora de cada vagn.
4. En la columna L, filas 7 a 27, marque los valores:
0, 1,2,3, ...hasta 20
A stos se les llama "receptculos" de datos.
(Nota: La instruccin Data/Fill es una manera fcil de hacerlo.)
5. Escriba: / D D (instruccin, Datos, Distribucin)
El computador pide el intervalo de datos. Se trata del intervalo que contiene
los valores que queremos tabular, la columna F del modelo. Entonces:
6. Especifique el intervalo escribiendo F8.F507 y luego oprima: Retorno.
El computador despus pide el intervalo para los receptculos.
7. Especifique este intervalo escribiendo: L7.L27 y luego oprima: Retorno.
Despus de que el computador termina los clculos, la distribucin de
valores aparece en la tabla. All se muestra el nmero de das en los cuales no
Captulo 19 Simulacin 583
Cambio de la capacidad
3. Oprima: Retorno
El programa pide que especifique el intervalo de datos; entonces:
4. Escriba: G4.G103 (el intervalo que contiene los resultados de los beneficios)
y oprima: Retorno
Vuelve a aparecer el men de clasificacin. Despus hay que especificar la
clave primaria (no es necesario que sepa exactamente qu significa). Para
responder:
5. Escriba: P (para la clave primaria)
6. Escriba: G3 y oprima: Retorno
El programa solicita ahora el orden de la clasificacin. Se desea que los
beneficios vayan de mayor a menor (orden descendente); entonces:
7. Escriba: D y oprima: Retorno
El programa regresa al men de clasificaciones y estamos listos para llevar
a cabo la clasificacin; entonces:
8. Escriba: G (para iniciar)
Observe que la celda G4 contiene el mayor beneficio (ms positivo) de los
100 ensayos y que la celda G103 contiene el menor. stos son los valores que
deseamos representar.
Ahora se tiene que definir la escala de probabilidad, de 0 a 1.0, en unidades
de 0.01 (fueron 100 ensayos). Colocaremos esta escala en la columna H, con
la instruccin Data/Fill (datos/relleno).
9. Pase a la celda H4.
10. Escriba: / D F (instruccin, Datos, Relleno)
11. Escriba: H4.H103 (intervalo que se llenar) luego oprima: Retorno
Deseamos comenzar con 0 y el programa lo propone; entonces:
12. Oprima: Retorno (para iniciar a partir de 0)
13. Escriba: .01 (para el incremento)
y oprima: Retorno
14. Escriba: 1.0 (para el fin)
La columna H debe contener ahora los valores 0,0.01,0.02, etc., hasta 0.99.
El siguiente paso es crear el grfico:
15. Escriba: / G (instruccin, Grfico)
Aparece el men de grficos.
16. Escriba: T X (tipo de grfico, tipo XY)
17. Escriba: X G4.G103 (para especificar el intervalo de datos para la
variable X)
y oprima: Retorno
18. Escriba: A H4.H103 (para especificar el intervalo de datos para la varia
ble Y o A)
y oprima: Retorno
19. Escriba: O F A L Q (Opciones, Formato, Datos A, Lnea, Salir)
Este paso indica a Lotus que deseamos representar los datos como una serie
de lneas conectadas.
20. Escriba: Q (una vez ms, para salir del men de opciones)
Reaparece el men de grficos. Ya terminamos de especificar el grfico;
entonces:
Captulo 19 Simulacin 587
5
Por ejemplo, @RISK (vese pie de pgina 1).
Bibliografa
Bonini, C. P., Building Monte Cario Simulation Mo- Maisel, H. y G. Gnugnoli, Simulation of Discrete
dels Using Lotus 1-2-3, Informe tcnico nm. Stochastic Systems, Chicago, Science Research
19, Stanford University Graduate School of Bu- Associates, 1972.
siness Computer Facility, 1985. Meier, R. C, W. T. Newell y H. L. Pazer, Simulation
Boulden, J. B., Computer-Assisted Planning in Business and Economics, Englewood Cliffs,
Systems, Nueva York, McGraw-Hill, 1975. N. J., Prentice Hall, 1969.
Bratley, P., B. L. Fox y L. E. Schrage, A Guide to Naylor, T. H., Corporate Planning Models, Re-
Simulation, Nueva York, Springer-Verlag, 1983. ading, Mass., Addison-Wesley Publishing,,
Gordon, G., Systems Simulation, segunda edicin, 1979.
Englewood Cliffs, N. J., Prentice Hall, 1978. Pritsker, A. A. B., Introduction to Simulation and
Hertz, D. B. y H. Thomas, Risk Analysis and Its Ap- SLAMII, tercera edicin, Nueva York, John Wi-
plications, Nueva York, John Wiley & Sons, ley & Sons, Halstead Press, 1986.
1983. Shannon, R. E., Systems Simulation, Englewood
Hertz, D. B. y H. Thomas, Practical Risk Analysis, Cliffs, N. J., Prentice Hall, 1975.
Nueva York, John Wiley & Sons, 1984. Wagner, H. M. Principles of Operations Research,
Hillier, F. y G. J. Lieberman, Introduction to Opera- segunda edicin, Englewood Cliffs, N. J., Prenti-
tions Research, quinta edicin, Nueva York, ce Hall, 1975.
McGraw-Hill, 1990. Watson, H. S., Computer Simulation in Business,
Nueva York, John Wiley & Sons, 1981.
Problemas
19-4. Extienda la tabla 19-7 a 100 periodos utili- y compare el costo de su regla con el costo
zando nmeros aleatorios de la tabla 19-2. del problema 19-4.
Estime el costo anual total (1 ao = 50 se- 19-6. Remtase al problema 18-7 del captulo 18.
manas) si el costo de formulacin de pedido Suponga que ahora las llegadas siguen una
es de 10 dlares, el costo de almacenamiento distribucin de Poison con tasa media = 5
de una unidad de inventario es de 50 cen- buques por semana, pero que los tiempos
tavos por ao y el costo de escasez es de tres de servicio son constantes de 0.1 semanas.
dlares por unidad de ventas perdidas Simule dos semanas de operacin, ras-
(utilice el inventario inicial promedio para treando el tiempo de espera de cada buque.
determinar el costo del almacenamiento de Recomendacin: Los tiempos entre llega-
inventario). das son variables aleatorias exponenciales
19-5. Escoja una regla de inventario que considere con parmetro = 5. Inicie a partir de cero
buena para la situacin que se describe en el y genere tiempos aleatorios entre llegadas
problema 19-4 (es decir, elija un nmero Q y como se describi en el apndice 1 de este
un nmero R). Simule 100 periodos captulo.
Captulo 19 Simulacin 589
Rendimiento
Precio (quintales por Costo (por
(por quintal) Probabilidad hectrea) Probabilidad hectrea) Probabilidad
$2 0.10 210 0.10 $400 0.70
3 0.20 220 0.10 500 0.20
4 0.50 230 0.40 600 0.10
5 0.10 240 0.30 1.00
6 0.05 250 0.10
7 0.05 1.00
1.00
19-7. Remtase al problema 17-9. Describa los pa- rea y con los costos (de fertilizante, agua,
sos necesarios para obtener nmeros aleato- semillas y mano de obra) por hectrea.
rios, para generar demandas aleatorias de El beneficio por hectrea es (Precio
acuerdo con la distribucin de probabilidad Rendimiento) - Costo. Suponga que todas
especificada y para evaluar los costos para las probabilidades son independientes. Use
la poltica Q = 10 000 unidades de pedido. el mtodo de Montecarlo para 25 ensayos y
19-8. Un granjero de Idaho estudia los riesgos estime el beneficio esperado por hectrea y
asociados a su cultivo de patatas. Con base la distribucin de probabilidad de los
en su experiencia, determina que existen las beneficios por hectrea. Cul es la
probabilidades de la tabla superior asocia- probabilidad estimada de que el granjero
das con el precio de las patatas por quintal, obtenga menos de 100 dlares por hectrea
con el rendimiento en quintales por hect- en su cultivo?
Problemas ms difciles
PERT: Tcnica de
evaluacin y revisin
de programas
592
Captulo 20 PERT: Tcnica de evaluacin y revisin de programas 593
Requisitos de informacin
En el uso del PERT se requieren dos tipos de informacin para cada actividad del
proyecto.' Es necesario conocer las condiciones de secuencia de la actividad; por
ejemplo, hay que saber qu conjunto de actividades debe terminar antes de iniciar
una actividad especfica. Tambin se necesita una estimacin del tiempo que
requiere cada actividad.
Diagrama de red
Ejemplo La tabla 20-1 contiene una lista de seis actividades que constituyen un proyecto,
as como los requisitos de secuencia y los tiempos estimados para cada actividad.
Tabla 20-1
Tiempo
Predecesores estimado
Actividad inmediatos (das)
A Ninguno 2
B A 3
C A 4
D B, C 6
E Ninguno 2
F E 8
1
Tambin existe un procedimiento estrechamente relacionado que se llama CPM (Critical Path Method,
mtodo de la ruta crtica). En este captulo se emplea la terminologa del PERT, aunque el procedimiento de
diagrama de red sigue la convencin del CPM.
2
En PERT, las flechas se usan para representar actividades; sin embargo, la convencin de CPM que se usa aqu
es ms fcil de comprender.
594 Parte IV Modelos deterministas y probabilsticos
Ruta crtica
donde el mayor tiempo de terminacin para una actividad es el mayor tiempo que
puede requerir una actividad para su conclusin sin afectar la fecha lmite del
proyecto, suponiendo que todas las actividades posteriores se llevan a cabo segn
lo planificado. El mayor tiempo de inicio para una actividad es la diferencia entre
el mayor tiempo de terminacin y el tiempo estimado para realizar la actividad.
Para obtener el LS y el LF de cada actividad, se comienza por el final del
diagrama de red y se asigna al LF de la ltima actividad el mismo valor que el EF
de dicha actividad.3 Despus se resta el tiempo estimado para realizar la ltima
actividad para obtener el LS. Considere ahora cualquier actividad para la cual
todos sus sucesores tengan valores LS y LF. El valor LF de dicha actividad es
igual al menor de los valores LS de sus sucesores inmediatos. El LS se obtiene
3
En la prctica, el LF de la ltima actividad es igual a la fecha lmite del proyecto. Sin embargo, tambin es til asignar
al LF de la ltima actividad el mismo valor de su tiempo EF, de manera que la ruta crtica no tenga holgura.
Captulo 20 PERT: Tcnica de evaluacin y revisin de programas 597
La holgura es el nmero de das que puede demorarse una actividad sin que el
proyecto se extienda ms all de su fecha lmite. Despus de calcular ES, EF, LS
y LF para cada una de las actividades del proyecto, se calcula la holgura de cada
actividad como la diferencia entre el LS y el ES de la actividad (o, lo que es lo
mismo, la diferencia entre el LF y el EF). En el ejemplo se especific que el lmite
para el proyecto era la longitud de la ruta crtica: 12 das. Por lo tanto, la holgura
ser cero para las actividades de la ruta crtica. La tabla 20-2 presenta la holgura
para cada una de las actividades del ejemplo. La actividad B tiene holgura de un
da; las actividades E y F tienen dos das de holgura; y las actividades A, C y D
598 Parte IV Modelos deterministas y probabilsticos
A 0 0 0
B 3 2 1
C 2 2 0
D 6 6 0
E 2 0 2
F 4 2 2
A 2 $ 100 $ 150
B 3 2 200 250
C 4 3 300 375
D 6 4 500 740
E 2 1 180 210
F 8 5 1 000 1 200
$2 280 $2 925
4
Observe que ahora se supone que los tiempos de actividades son controlables pero an son deterministas, es
decir, no tienen componentes aleatorios. El segundo caso considerar la situacin en la cual los tiempos de
actividad son variables aleatorias.
5
Aqu se supondr que una actividad se realiza en forma urgente o normal. La urgencia de una actividad puede
realizarse en forma proporcional (por ejemplo, un esfuerzo de urgencia del 40%) y es entonces posible formular
el problema determinista de compensacin entre tiempo y costo (caso I) como un problema de programacin
lineal; vase J. O. McClain y L. J. Thomas, Operations Management: Production of Goods and Services, segunda
edicin (Englewood Cliffs, N. J., Prentice Hall, 1985), cap. 3.
600 Parte IV Modelos deterministas y probabilsticos
y ABD, son ahora crticas, ambas con longitud de 11 das. El costo de este
programa urgente es de 2355 dlares; los 75 dlares adicionales corresponden al
costo incremental de poner la actividad C en un programa urgente.
Si el gerente deseara reducir ms el tiempo de terminacin del proyecto, puede
colocar ms actividades sobre una base urgente. Las actividades crticas son ahora
A, B, C y D. La actividad C no puede reducirse ms. Si se reduce B, la ruta ABD
sera ms breve, pero la ruta ACD no tendra cambios y seguira con longitud de
11 das, con lo cual no se reduce el tiempo total del proyecto. La nica manera
de reducir el tiempo del proyecto sera a travs de la reduccin de las actividades
A o D. En la tabla 20-4 se observa que la actividad A es la menos costosa. La
reduccin asciende a medio da, con costo adicional de 50 dlares, con lo cual el
costo se eleva a 2405 dlares. Las dos reducciones se resumen en la segunda y en
la tercera columnas de la tabla 20-5.
Si el gerente quisiera reducir ms el tiempo del proyecto, la actividad D se hara
en forma urgente. Pero con esto se eliminara la necesidad de que tanto A como
C fueran urgentes, ya que la ruta crtica cambiara a EF; la ruta EF requiere 10
das, mientras que si se efectan A, C y D en forma urgente, la ruta ACD slo
necesita nueve das. Por ello, despus de decidir llevar a cabo urgentemente la
actividad D para reducir el tiempo del proyecto a menos de 10 das, el gerente
debe revisar las actividades urgentes A y C para determinar cules deben regresar
al programa normal.
Suponiendo que D y C se realizan de manera urgente (pero no A), la ruta ACD
requiere 9 das y la ruta EF con 10 das es la ruta crtica; el costo de realizar D
y C de manera urgente es $2280 + $75 + $240 = $2595. Suponga que D y A se
hacen en forma urgente y C se restringe al programa normal; entonces, la ruta
ACD requiere 10 das y hay dos rutas crticas: ACD y EF. El costo del progra-
ma urgente para A y D es $2280 + $50 + $240 = $2570. Por lo tanto, para un
objetivo de 10 das de proyecto, esta alternativa lo cumple con menor costo. Este
ejemplo ilustra la complejidad de determinar las compensaciones ptimas entre
tiempo y costo.
Como ahora hay dos rutas crticas (ACD y EF), el gerente debe reducir al
mismo tiempo ambas rutas para reducir aun ms el tiempo del proyecto. Consi-
602 Parte IV Modelos deterministas y probabilsticos
dere las rutas una por una. Para la ruta EF, la actividad E se puede reducir en
medio da a un costo de 60 dlares por da; o bien, se puede reducir F en 2 das
a un costo de 80 dlares por da. La actividad E es la menos costosa y el gerente,
tentativamente, considera colocar la actividad E en un programa urgente. Como
esto reduce la ruta EF a 9 das, el gerente considera la manera de reducir la
mtaACD a 9 Vi das (o menos). La ruta ACD requerir exactamente 9 das si
las actividades C y D se efectan en forma urgente. Ahora hay que revisar
si alguna otra ruta resulta ahora crtica. Si las actividades C, D y E se colocan
en un programa urgente, entonces la ruta ABD resulta crtica con un tiempo de
9 Vi das. La quinta columna de la tabla 20-5 muestra esta situacin. Ahora las tres
rutas son crticas; de el tiempo total del proyecto es 9 das y el costo total es de
2625 dlares.
Para reducir ms el tiempo del proyecto, es necesario reducir simultnea-
mente las tres rutas crticas. Esto se puede lograr si las actividades A y F se
realizan en forma urgente. Observe que una vez que se reduce la actividad
F, la actividad E puede regresar al programa regular. La sexta lnea de la tabla
20-5 indica esta situacin. El tiempo total del proyecto es de nueve das, con
costo total de 2845 dlares. Ya no es posible reducir ms el tiempo del proyec-
to. Las actividades B y E estn en programas regulares; todas las dems son
urgentes.
La figura 20-5 resume los resultados del anlisis. La curva se puede llamar
curva de compensaciones entre tiempo y costo, ya que indica que el gerente
Captulo 20 PERT: Tcnica de evaluacin y revisin de programas 603
RESUMEN La gerencia puede asignar recursos e incurrir en gastos adicionales para reducir
el tiempo total del proyecto. Al reducir selectivamente el tiempo de las actividades
de la ruta crtica con el menor costo incremental, se puede desarrollar la funcin
ptima de compensacin que relaciona el tiempo y el costo del proyecto.
En lugar de pedir directamente una estimacin del tiempo esperado para una
actividad, se solicitan tres estimaciones, de la siguiente manera:
ai = Tiempo ms optimista para la actividad i
bi = Tiempo ms pesimista para la actividad i
mi = Tiempo ms probable para la actividad i (es decir, la moda)
Despus se usa la ecuacin 20-1 para estimar el tiempo esperado (media) para la
actividad:
6
Con la hiptesis de que una actividad est en un programa urgente o en uno normal, las nicas alternativas
factibles son los puntos que se indican en la figura 20-5. Las lneas que unen los puntos se representan nicamente
para dar un efecto adecuado al grfico.
604 Parte IV Modelos deterministas y probabilsticos
7
Sasieni demostr hace poco que la conocida frmula de la ecuacin 20-1 no puede derivarse en forma general
de la distribucin beta; vase M. W. Sasieni, "A Note on PERT Times", Management Science 32, nm. 12,
diciembre de 1986, pgs. 1652-1653. Por lo tanto, la ecuacin 20-1 debe interpretarse como un modo razonable de
estimar el tiempo de actividad esperado a partir de tres estimaciones distintas, a 1 , b 1 , y m 1 .
Captulo 20 PERT: Tcnica de evaluacin y revisin de programas 605
Pero hay un grave problema al efectuar este tipo de anlisis en la ruta crtica.
Adems de las dificultades que se presentan al suponer que todos los tiempos de
8
La varianza de una suma de variables aleatorias equivale a la suma de las variables de cada variable aleatoria,
si dichas variables son independientes. Vase captulo 3.
9
La suma de n variables aleatorias independientes con media y varianza finitas tiende a la normalidad por el
teorema central del lmite cuando n tiene a infinito. Vase captulo 3.
10
Vase el captulo 7 para una revisin de la variable normal estandarizada:
606 Parte IV Modelos deterministas y probabilsticos
Hay que concluir la ruta ACD y la ruta EF en 14 das para que el proyecto con-
cluya en 14 das, ya que el proyecto no termina hasta completar todas las activi-
dades. La probabilidad de que las dos rutas (ACD y EF) concluyan en 14 das es:
(0.977)(0.955) = 0.933
Si slo hubiramos considerado la ruta crtica, la probabilidad de no terminar el
proyecto en 14 das habra sido 1 - 0.977 = 0.023. Despus de considerar la ruta
EF, la probabilidad de no concluir el proyecto en 14 das es 1 - 0.933 = 0.067, lo
cual representa casi tres veces la probabilidad de que la ruta crtica no termine en
dicho periodo. Otra manera de describir la situacin es decir que si el proyecto
tarda ms de 14 das, la ruta EF tiene mayor probabilidad de ser la causante de la
demora que la ruta ACD.
Hay otra dificultad. La ruta ABD podra tambin ser la ms restrictiva y se
podra calcular su varianza, como se hizo con las rutas ACD y EF. Pero hay dos
actividades comunes en las rutas ABD y ACD (las actividades A y D) y por lo
tanto las longitudes de ambas no son variables independientes. Para poder calcular
la probabilidad de que ABD y ACD terminen en menos de 14 das hay que
considerar la probabilidad conjunta de sucesos dependientes, lo cual est fuera
del alcance de los mtodos de clculo que se presentan en este captulo. Los
problemas que han surgido en un ejemplo de proyecto con seis actividades
aumentan considerablemente si se considera un proyecto real con cientos de
actividades. En consecuencia, hay peligro al usar la media y la varianza de la
longitud de la ruta crtica para estimar la probabilidad de que el proyecto termine
en un periodo de tiempo especfico. Debido a la posibilidad de que algunas rutas
"no crticas" sean restrictivas, la estimacin media del tiempo de terminacin del
proyecto que se obtiene al estudiar nicamente la ruta crtica es demasiado
optimista; tiene sesgo y siempre tiende a subestimar el tiempo promedio de
conclusin del proyecto.
Aunque el clculo analtico de la distribucin del tiempo de terminacin de
proyecto es muy difcil en una red de tamao real, es bastante fcil usar la tcnica
Captulo 20 PERT: Tcnica de evaluacin y revisin de programas 607
Tabla 20-7 Porcentaje del tiempo en el cual las actividades fueron crticas
A 71%
5
C 66
D 71
30
F 30
Tabla 20-8 Porcentaje del tiempo en el cual las actividades fueron crticas, dada una duracin
de proyecto mayor de 12 das
A 49%
3
C 46
D 49
54
F 54
mente para decidir cmo reducir las actividades de forma que se acelere el
proyecto. Para ello, la simulacin puede registrar el porcentaje de veces que cada
actividad estuvo en la ruta crtica expost (es decir, la ruta que ciertamente result
crtica en una sesin de simulacin). La tabla 20-7 es un ejemplo de este registro.
Las actividades y F constituyen un ruta crtica potencial y, por consiguiente,
tienen porcentajes idnticos en la tabla 20-7. Las actividades A y D estn en serie
en dos rutas (ABD y ACD), por lo que tambin tienen porcentajes idnticos. Las
actividades y C estn en paralelo y, por lo tanto, la suma de sus porcentajes (5%
+ 66%) debe dar 71%, el porcentaje de las actividades A y D en serie con el enlace
paralelo B-C.11
La tabla 20-7 se calcul con los resultados de toda la simulacin. Al decidir
cules actividades deben realizarse en forma urgente para reducir el tiempo de
terminacin del proyecto, tiene sentido considerar nicamente los resultados
de la simulacin para los que el proyecto se retras ms all de la meta deseada.
Si se consideran 12 das (la longitud esperada de la "ruta crtica") como objetivo,
la tabla 20-8 contiene datos ilustrativos del porcentaje de tiempo en el que cada
actividad fue crtica, si el proyecto requiri ms de 12 das para terminar. Observe
que estos porcentajes sern diferentes de los de la tabla 20-7. Como no interesa
reducir un proyecto si termina antes de la fecha esperada, los resultados de la tabla
20-8 seran ms tiles para determinar cules actividades se podran colocar en
programas urgentes para obtener la mayor reduccin en las demoras que supera-
sen los 12 das.
11
Esta situacin slo es verdadera si no es posible que ambas rutas, ABD y ACD, sean crticas.
Captulo 20 PERT: Tcnica de evaluacin y revisin de programas 609
En el caso de una red de gran tamao, una simulacin del programa normal
producira un histograma como el de la figura 20-6. Si fuera necesario mejorar
el rendimiento del proyecto, el estudio de una tabla semejante a la 20-8 indica-
ra el conjunto de actividades que, en promedio, ocasionan demoras en diversos
porcentajes del tiempo. Entonces, despus de reducir algunas de las "actividades
crticas", se podra repetir la simulacin para ver si ha mejorado lo suficiente el
rendimiento del proyecto.
RESUMEN Si los tiempos de actividad de una red PERT son inciertos, la longitud de la ruta
crtica calculada con estimaciones deterministas subestimar el tiempo esperado
verdadero del proyecto. Mediante la simulacin se pueden obtener la distribucin
de probabilidad del tiempo real del proyecto y la probabilidad de que cada
actividad est en la ruta crtica real ex post. Si se condiciona al retraso del
proyecto, la simulacin tambin puede indicar el porcentaje del tiempo que cada
actividad estuvo en la ruta crtica real.
Evaluacin de PERT
Bibliografa
Cleland, D. I. y W. R. King, editores, Project Mana- da edicin, Englewood Cliffs, N. J., Prentice
gement Handbook, Nueva York, Van Nostrand Hall, 1985.
Reinhold, 1983. Moder, J., C. R. Phillips y E. W. Davis, Project Ma-
Elmaghraby, S. E., Activity Networks: Project Plan- nagement with CPM, PERT, and PRECEDEN-
iiing and Control by Network Flows, Nueva CE Diagramming, tercera edicin, Nueva York,
York, John Wiley & Sons, 1977. Van Nostrand Reinhold, 1983.
McClain, J. O. y L. J. Thomas, Operations Manage- Wiest, J. D. y F. K. Levy, A Management Guide to
ment: Production ofGoods and Services, segun- PERT/CPM, segunda edicin, Englewood Cliffs,
N. J., Prentice Hall, 1977.
20-1. Considere los siguientes datos para las acti- c. Elabore una lista de las actividades que
vidades de un proyecto: se encuentran en la ruta crtica.
20-2. Considere los datos del problema 20-1, pero
suponga ahora que la actividad C requiere nueve
Actividad Predecesores Tiempo das en lugar de siete.
inmediatos estimado (das) a. Cambia la ruta crtica?
b. Si la actividad C requiriera 11 das para
A 5 terminar, cambiara la ruta crtica?
A 4 20-3. Usted recibe los siguientes datos que se re-
C 7 lacionan con las actividades de un proyecto (los
D B, C 3 nmeros se refieren a das):
4
F D, 2 Actividad ai bi mi
Predecesor
inmediato
Problemas
20-4. La tabla siguiente contiene una lista de las 20-5. Considere los siguientes datos para un
actividades y los requisitos de secuencia, proyecto:
las cuales comprenden las actividades nece-
sarias para la elaboracin de una tesis.
a. Dibuje un diagrama de red que ilustre
los requisitos de secuencia para el con Predecesor
junto de actividades de la tabla. Aseg- Actividad inmediato ti (das) i
rese de representar las actividades con
crculos y los requisitos de secuencia A - 4.0 0
con flechas. A 6.0 1.0
b. Calcule ES, EF, LS y LF de cada activi- C A 3.0 0
dad, suponiendo que el EF y el LF de D C 7.0 1.0
la ltima actividad con iguales. Cul B, C 2.0 2.0
es el tiempo mnimo para concluir el
proyecto?
c. Indique cules son las actividades que
se encuentran en la ruta crtica. a. Dibuje un diagrama de red para el
proyecto.
(para el problema 20-4)
Actividad previa Tiempo
Actividad Descripcin requerida esperado (semanas)
Problemas ms difciles
20-8. Ocean Hardware Company era una cadena nmina y contabilidad. Sin embargo, se con-
de tiendas de ferretera y artculos domsti- tratara una empresa de consultora externa
cos al por menor. La compaa quera intro- para elaborar el programa de control de in-
ducir un nuevo sistema de computacin ventarios. Algunos aspectos del programa de
para elaborar la nmina de la compaa, pa- control de inventarios dependan del pro-
ra realizar la contabilidad de ventas (pago grama de contabilidad y, por lo tanto, tena
de compras y envo de facturas) y el control que desarrollarse despus de completar el
de inventarios. El controlador de la compa- programa de contabilidad.
a trataba de establecer un programa para Para concluir un programa se requera
las diversas tareas necesarias para poner en trabajo preliminar, trabajo final, pruebas,
marcha el nuevo sistema de computacin. revisin, elaboracin de manuales e im-
La compaa pensaba contratar progra- plantacin. El nuevo gerente de operaciones
madores para desarrollar los programas de de cmputo identific la lista de tareas
Procesos de Markov
Ejemplo 1 Una mquina que produce piezas puede estar ajustada o desajustada. Si est
ajustada, suponga que la probabilidad de que est ajustada al da siguiente es de
0.7 y que la probabilidad de que no lo est es 0.3. Si la mquina est desajustada,
la probabilidad de que est ajustada el da siguiente es 0.6 y la probabilidad de
que no lo est es de 0.4.! Si el estado 1 representa la situacin en que la mquina
est ajustada y el estado 2 representa el caso en que est desajustada, las
probabilidades de cambio son las que se indican en la tabla 21-1. Observe que la
suma de probabilidades de una fila es igual a 1.
El proceso se representa en la figura 21-1 con dos rboles de probabilidades,
cuyas ramas ascendentes indican el paso al estado 1 y la ramas inferiores el cambio
al estado 2.
1
Suponga que la mquina tine un mecanismo de ajuste automtico que no funciona correctamente.
617
618 Parte IV Modelos deterministas y probabilsticos
Ajustada No ajustada
(estado 1) (estado 2)
Ajustada (estado 1) 0.7 0.3
Figura 21-1
Captulo 21 Procesos de Markov 619
y:
se obtiene:
Figura 21-2
Tabla 21-2
Probabilidad de que la mquina est en el estado I
Nmero de da en un da futuro, si comenz en el estado 1 el da 1
1 1.0
2 0.7
3 0.67
4 0.667
5 0.6667
6 0.66667
7 0.666667
8 0.6666667
Las tablas 21-2 y 21-3 muestran que la probabilidad de que la mquina est en
el estado 1 en un da futuro tiende a 2/3, sin importar el estado inicial de la
mquina el da 1. sta se denomina probabilidad a largo plazo o de estado
622 Parte IV Modelos deterministas y probabilsticos
Tabla 21-3
Probabilidad de que la mquina est en el estado 1
Nmero de da en un da futuro, si inici en el estado 2 el da 1
1 0.0
2 0.6
3 0.66
4 0.666
5 0.6666
6 0.66666
7 0.666666
8 0.6666666
* N. de la R.T: Debe distinguirse entre estado estacionario, caracterizado porque la probabilidad de hallarse en
l despus de un nmero de transiciones tiende a un valor constante, cualquiera que sea la distribucin inicial de
probabilidad definida sobre los estados, y proceso estacionario, en el que las probabilidades de transicin entre
estados son constantes e iguales en todo tiempo. Si un proceso posee probabilidad lmite o de estado estacionario,
para todo estado posible, recibe el nombre de proceso ergdico.
Captulo 21 Procesos de Markov 623
Al resolver:
Al resolver:
y as consecutivamente.
2
Suponemos que no hay "estados absorbentes", donde la probabilidad de quedar en el mismo estado es 1. En un
estado absorbente, el estado inicial puede ser importante. As mismo, suponemos que el proceso no es cclico.
Un ejemplo de un proceso cclico es:
Observe que en esta caso el proceso alterna regularmente entre el estado 1 y el estado 2.
Captulo 21 Procesos de Markov 625
Las ecuaciones 21-14 y 21-15 son las frmulas generales para las probabilidades
de estado estacionario de un proceso de Markov de dos estados.
Ejemplo Considere el ejemplo 1 (al inicio del captulo), en el que se considera una mquina
que puede estar ajustada (estado 1) o desajustada (estado 2). Las probabilidades
de cambio de un estado a otro se indicaron en la tabla 21-1. Si se sustituyen estos
626 Parte IV Modelos deterministas y probabilsticos
Para el estado 2:
5
/7 de estar ajustada en el estado estacionario, mientras que la mquina A tiene
probabilidad de 2/3, por lo cual escogeramos la mquina (0.714 es mayor
que 0.667).
Ejemplo 2 Suponga que un fabricante quiere emprender una gran campaa publicitaria para
que los consumidores prueben su marca de caf. A partir de los datos obtenidos
en la investigacin de mercado, la empresa pudo estimar las probabilidades
actuales de que los consumidores cambien de "Nuestra marca" a "Otra marca" y
viceversa, como se indica en la tabla 21-5. Suponga adems que los investigadores
de mercado han estimado las probabilidades correspondientes que existirn
despus de realizar la campaa publicitaria y de considerar cualquier reaccin
competitiva esperada (vase Tabla 21-6). Observe que la probabilidad de que los
clientes cambien de "Otra marca" a "Nuestra marca" ha aumentado de 0.2 a 0.3,
pero no ha cambiado la probabilidad de conservar nuestros clientes.
Suponga que la campaa publicitaria costar 12 millones de dlares anuales y
que hay 50 millones de compradores de caf en el mercado. El beneficio promedio
anual por cliente, antes de pagar impuestos, es de dos dlares. Debe realizarse
la campaa publicitaria?
Para resolver este problema de decisin, lo primero es calcular las probabi-
lidades de estado estacionario de que un cliente compre nuestra marca en las
condiciones actuales (sin la campaa publicitaria). Si el estado 1 representa
nuestra marca y el estado 2 representa las dems, con base en la tabla 21-5 y en
la ecuacin 21-14 se calculan las probabilidades de estado estacionario sin
publicidad de la siguiente manera:
3
Hay un problema al decidir con qu rapidez tendr efecto la campaa. Aqu supondremos que el cambio es
instantneo; pero si las decisiones de compra se hacen una vez por mes, se podran requerir tres o cuatro meses
de "transicin" antes de acercamos al nuevo estado estacionario. Los clculos se podran modificar para
considerar esta complejidad (vanse tablas 21-2 y 21-3 como ejemplos de cmo calcular las probabilidades de
transicin a corto plazo).
Captulo 21 Procesos de Markov 629
Estos dos estados abarcan las alternativas factibles si la empresa sigue su poltica
de pedidos; nunca tendra cero unidades en pedido si el inventario fuera cero y
nunca tendra ms de una unidad disponible. Ahora, al usar las probabilidades de
la demanda que se indican en la tabla 21-8, supongamos que almacena el producto.
Entonces, las probabilidades de cambiar de un estado a otro de una semana a la
siguiente son las que se incluyen en la tabla 21-9. El lector debe estudiar las
probabilidades de la tabla 21-9 y determinar cmo se calculan. Por ejemplo, si
estamos en el estado 1 (cero disponibles y una en pedido) y la demanda es de cero
unidades (probabilidad 0.8), se tendr una unidad disponible y cero unidades en
pedido una semana despus (estado 2). As, la probabilidad de pasar del estado 1
al estado 2 es de 0.8. Si la demanda es de una unidad (probabilidad 0.1), entonces
se usar la unidad en pedido para satisfacer la demanda y no habr unidades
Tabla 21-8
630 Parte IV Modelos deterministas y probabilsticos
Estado 1 Estado 2
(0,1) (1,0)
Estado 1 (0, 1) 0.2 0.8
4
Como se muestra en la tabla 21 -9, las probabilidades de pasar al estado 1 y de pasar al estado 2 son las mismas
en cada fila. Por lo tanto, estas probabilidades deben ser las probabilidades de estado estacionario. Cuando todas
las filas de una tabla de probabilidades de transicin sean iguales, se pueden obtener por inspeccin las
probabilidades de estado estacionario.
Captulo 21 Procesos de Markov 631
problemas con tres estados o ms. La nica complicacin es que en lugar de tener
una sola ecuacin como la 21-14, en los problemas mayores habr dos o ms
ecuaciones lineales simultneas que, al resolverse, facilitarn las probabilidades
de estado estacionario.5
Ejemplo 4 Considere el proceso de Markov cuyas probabilidades de cambio se recogen en
la tabla 21-10.
Se trata de un proceso de tres estados; para encontrar las probabilidades de
estado estacionario, se escriben dos ecuaciones similares a la ecuacin 21-7:
5
El numero de ecuaciones simultneas que habr que resolver siempre ser igula al nmero de estados menos
uno, ya que las probabilidades de estado suman la unidad y, por lo tanto, una de las probabilidades de estado
desconocidas siempre podr escribirse como I menos la suma de las dems.
632 Parte IV Modelos deterministas y probabilsticos
o sea:
o sea:
de manera que:
Bibliografa
Cinlar, E., Introduction to Stochastic Processes, Applications, 2da. ed., Englewood Cliffs, N. J.,
Englewood Cliffs, N. J., Prentice Hall, 1975. Prentice Hall, 1972.
Howard, R. ., Dynamic Probabilistic Systems, dos Ross, S., An Introduction to Probability Models,
vols., Nueva York, John Wiley & Sons, 1971. 3ra. ed., Nueva York, Academic Press, 1985.
Karlin, S. y H. Talyor, A First Course in Stochastic Taylor, H. y S. Karlin, An Introduction to Stochas-
Processes, ed. rev., Nueva York, Academic tic Modeling, Nueva York, Academic Press,
Press, 1975. 1984.
Kemeny, J. G., A. Schleifer, Jr., J. L. Snell y G. L. Wolff, R. W., Stochastic Modeling and the Theory
Thompson,Finite Mathematics with Business of Queues, Englewood, Cliffs, N. J., Prentice
Hall, 1989.
21-1. Hay dos mquinas, A y B, que pueden alqui- una tienda de departamentos con respecto al
larse. Tienen distintas probabilidades de pago de sus facturas mensuales.
cambiar de un estado de desajuste (estado 1) a. Cules son las probabilidades de estado
a uno de desajuste (estado 2), como se estacionario?
indica a continuacin.
Obtenga las probabilidades de estado esta- Pag No pag
cionario para cada mquina. Cul sera ms (estado 1) (estado 2)
deseable alquilar? La tabla de probabilidades Pag (estado 1) 0.95 0.05
21-2. de transicin que se presenta en la siguiente
columna representa el comportamiento de No pag (estado 2) 0.95 0.05
los clientes de
Ajustada Desajustada
(estado 2)
(estado 1)
Ajustada 0.9 0.1
(estado 1)
Desajustada 0.6 0.4
(estado 2)
634 Parte IV Modelos deterministas y probabilsticos
Ajustada Desajustada
(estado 1) (estado 2)
Ajustada 0.8 0.2
(estado 1)
of Adjustment (state 0.7 0.3
2)
Problemas
21-5. El centro de esqu ABC ha descubierto que 21-6. La tabla de la columna izquierda contiene
despus de un da soleado la probabilidad las probabilidades de que un director se
de mal tiempo es de 0.3, mientras que la desplace entre los tres pisos de una tienda
probabilidad de buen tiempo despus de de departamentos. Calcule las proba-
mal tiempo es de 0.8. Escriba la tabla de bilidades de estado estacionario. La
probabilidades de transicin. Cules son 21-7. compaa Acm ha obtenido la siguiente
las probabilidades de estado estacionario tabla de probabilidades de transicin para
para los das buenos y malos? los clientes de alquiler de automviles:
Problemas ms difciles
21-12. Remtase al problema 21-2. Suponga a. Cules son las probabilidades de esta
que un conjunto de clientes (llamados do estacionario para los clientes previsi-
"imprevisibles") tiene la tabla de proba- bles? Cmo se comparan con las de
bilidades de transicin de este problema, los clientes imprevisibles?
y otro conjunto (llamado "previsibles") b. Suponga ahora que la tienda de departa
tiene la tabla de la siguiente pgina: mentos ha determinado que "hay equili-
636 Parte IV Modelos deterministas y probabilsticos
Programacin dinmica
Ao 1 2 3 4 5
Precio
$5 9 2 4 5 8
$6 1 4 8 2 1
$7 6 5 9 6 4
$8 8 7 1 7 3
639
640 Parte IV Modelos deterministas y probabilsticos
Conceptos bsicos
Los tres conceptos bsicos que se usan en la programacin dinmica son:
1. El problema global se divide en varios subproblemas.
2. Se resuelve cada subproblema, comenzando por el fin natural del problema.
3. Despus de resolver cada subproblema, se registra la respuesta, as como los
resultados (beneficio, costo, etctera) a partir de esa etapa hasta el final del
problema.
1
Este ejemplo es muy sencillo y el lector podra obtener la respuesta correcta si estudia la tabla 22-1. Para ilustrar
la complejidad de un problema tan pequeo como este, considere cmo cambia la solucin si los beneficios en
el ao 2 con precio de seis dlares fueran 6 en lugar de 4; si los beneficios del ao 4 con precio de cinco dlares
fueran 7 en lugar de 5; o si el resultado del ao tres con precio de cinco dlares fuera 7 en lugar de 4. Es difcil
determinar la consecuencia de estos cambios sin usar el mtodo de programacin dinmica.
Captulo 22 Programacin dinmica 541
Tabla 22-2
Tabla 22-3
Principio de optimalidad
El principio subyacente en el desarrollo de la tcnica de programacin dinmica se
denomina principio de optimalidad:
2
R. E. Bellman, Dynamic Programining, Princeton, Princetoii University Press, 1957, pg. 83.
644 Parte IV Modelos deterministas y probabilsticos
Unidades
Periodo requeridas
n Dn
1 2
2 3
3 2
4 4
Ejemplo 2: Suponga que una empresa se enfrenta a la demanda de su producto durante cuatro
Prohlema periodos que se presenta en la tabla 22-4. Debe decidir acerca de un programa de
de produccin que permita cumplir con esta demanda. En un periodo cualquiera, el
inventario costo de produccin es un dlar por unidad ms un costo de preparacin de tres
y dlares. No se presenta el costo de preparacin si no se producen unidades. No
produccin es posible producir ms de seis unidades en un periodo. Los requerimientos se
pueden resumir como sigue:
Por ltimo, sea la representacin del costo ptimo (mnimo) del nsimo
periodo hasta el final, dado un inventario / al iniciar el periodo n. Por ejemplo,
f2(3) sera el costo del programa ptimo de la produccin del segundo al cuarto
periodo, con inventario inicial de tres unidades en el periodo 2. A esta funcin
se le llama funcin de beneficios.
Ahora se puede escribir una serie de ecuaciones que defina la funcin de
beneficios para cada periodo. Comencemos por el ltimo periodo del proceso
(n = 4):
dicho periodo ms los costos de los periodos posteriores. Esto se ajusta al principio
de optimalidad que se indic antes. Para cada etapa hay que encontrar un valor
ptimo de Xn para cada In
Para encontrar la solucin numrica real para el problema, comenzamos con
el periodo 4. Como la empresa no quiere tener inventario al final del periodo, es
fcil determinar las cantidades de produccin (Tabla 22-5). Recuerde que la
demanda en el periodo 4 es cuatro unidades, por lo cual slo hay que producir lo
suficiente para satisfacer esta demanda. No es necesario considerar los valores de
inventario inicial mayores que cuatro.
Pasamos ahora al periodo 3. El inventario inicial en el periodo tres puede estar
entre cero y seis unidades disponibles. Ms de seis unidades sera un exceso,
ya que la demanda en los periodos 3 y 4 suma seis unidades. Se elabora la tabla
22-6, que contiene todos los planes de produccin factibles.
Observe que en la tabla 22-6 se marca la cantidad ptima de produccin con *
para cada nivel de inventario inicial. Los costos en la columna "Costos posterio-
res" se obtienen de la tabla 22-5.
Los resultados del anlisis de la tabla 22-6 se pueden resumir en la tabla 22-7.
As, se ha determinado el programa de produccin ptimo de los periodos 3 y 4
para cualquier inventario inicial.
Pasamos ahora al periodo 2. El inventario inicial puede estar entre cero y cuatro
unidades. El lmite superior de cuatro se debe a que, a lo sumo, se pueden producir
seis unidades en el periodo 1 y dos de esas unidades deben usarse para satisfacer
la demanda del periodo 1. El anlisis para el periodo 2 se muestra en la tabla 22-8.
Observe que los valores en la columna "Costos posteriores" son los costos de los
periodos 3 y 4 y se obtienen de la tabla 22-7. En la tabla 22-9 se proporciona un
resumen del periodo 2.
Por ltimo llegamos al periodo 1. El anlisis para este periodo se muestra en
la tabla 22-10. Es una tabla breve, ya que se sabe que el inventario inicial es de
cero unidades.
A partir de la tabla 22-10 se puede ver que la produccin ptima en el periodo
1 es de cinco unidades y que el costo total de los cuatro periodos es de 20.5 dlares.
El programa ptimo para los periodos 2, 3 y 4 se puede determinar con base en
las tablas 22-9, 22-7 y 22-5:
Inventario final =
Inventario Produccin inventario inicial
Periodo inicial ptima del siguiente periodo
1 0 5 3
2 3 0 0
3 0 6 4
4 4 0 0
Inventario Costo
inicial Produccin ptima total
I4 Costo Produccin Inventario
0 4 $7 $0 $7.0
1 3 6 0.5 6.5
2 2 5 1.0 6.0
3 1 4 1.5 5.5
4 0 0 2.0 2.0
Suponga que el ganadero piensa vender todo el hato dentro de 10 aos y jubilarse,
y que el comprador del ganado pagar 150 dlares por cabeza en ese momento.
650 Parte IV Modelos deterministas y probabilsticos
Formulacin
Figura 22-2
Solucin
o sea:
Al simplificar se obtiene:
de manera que:
Poi lo tanto, el ganadero debe vender 50 cabezas de ganado y criar las dems en
el ao 9.4 El beneficio mximo del ao 9 al ao 10 se puede calcular sustituyendo
el valor de la decisin ptima en la ecuacin 22-11:
3
Tambin se podra hacer por tanteo, pero el clculo es mucho ms eficiente para este problema en particular.
4
Observe que en este ejemplo la decisin ptima en el ao 9 no es una funcin del tamao del hato si X 50.
Los ingresos marginales de la venta del quincuagsimo animal son de 180.20 dlares. El beneficio incrementa!
de no venderlo en el periodo 9 es de 180 dlares (es decir, 1.4 $ 150 - $30). Si X9 < 50, entonces Y9* = X9;o sea,
hay que vender todo el ganado en el ao 9 si hay menos de 50 cabezas.
Captulo 22 Programacin dinmica 653
o sea:
Al simplificar se obtiene:
Una vez ms, el valor de Ys que maximiza el beneficio se obtiene al igualar a cero la
derivada del trmino que aparece entre llaves en la ecuacin 22-20 y resolver para
determinar
de manera que:
La razn por la cual no se deben vender reses a 200 dlares es que cualquier
animal que se retenga dar lugar a 1.96 animales en dos periodos, que al venderse
5
Estrictamente, la ecuacin 22-16 slo es vlida para X9 50. Si X9 es menor que 50, lo ptimo es hacer Y9 =X9
y se podra escribir la funcin de beneficios para ese intervalo. Se obtiene la misma solucin para Y8 que en la
ecuacin 22-22.
654 Parte IV Modelos deterministas y probabilsticos
generarn 294 dlares (es decir, 1.96 $150). El costo de mantener el animal
durante el primer periodo es de 30 dlares y el mantenimiento de 1.4 animales en
el segundo periodo es de 42 dlares. Por lo tanto, el beneficio de no vender ahora
es $294 - $72 = $222, comparado con los 200 dlares que se obtienen de la venta
en este momento.
El proceso de solucin podra continuar para el ao 7 y los anteriores, obte-
niendo cada vez la decisin ptima Yn*. As se obtendra la poltica ptima o el
conjunto de reglas de decisin. En este ejemplo, la poltica ptima comprende
criar todo el hato cada ao hasta el ao 9 y vender entonces 50 cabezas. El valor
de f1(X1) para X1 igual a 200 indicara el beneficio mximo para el ganadero,
suponiendo que se sigue la poltica ptima en los 10 aos.
6
La variable de estado puede ser ms de una variable, pero si su dimensionalidad excede dos o tres, es muy difcil
obtener soluciones numricas.
Captulo 22 Programacin dinmica 655
Ejemplo 4: Una empresa debe obtener materia prima en cinco semanas. El precio de la materia
Problema de prima vara cada semana, de acuerdo con las probabilidades de la siguiente tabla,
compras siendo el precio en una semana independiente del precio en las dems. Si la
empresa decide comprar la materia prima al final de la semana, paga el precio que
prevalece en la semana.
Precio Probabilidad
$500 0.3
600 0.3
700 0.4
Formulacin
Solucin
Figura 22-3
Una vez ms, se encuentra el valor de equilibrio para X3, representado con X36, en el
cual las dos alternativas tienen el mismo valor:
En la semana 2:
Por lo tanto:
y:
Por lo tanto:
y:
RESUMEN La programacin dinmica se puede emplear para resolver problemas que com-
prenden secuencias de decisiones relacionadas. La formulacin de un problema
de programacin dinmica requiere la definicin de etapas, variables de estado,
funciones de beneficios y reglas de decisin ptima. Se trabaja hacia atrs, se
resuelve cada etapa y se registra el resultado y la decisin ptima. La tcnica
tambin se puede aplicar a problemas que implican incertidumbre.
Captulo 22 Programacin dinmica 659
Tabla 22-11
Ajustada Desajustada
(estado 1) (estado 2)
7
Antes de estudiar este captulo hay que leer el captulo 21 acerca de los procesos de Markov.
660 Parte IV Modelos deterministas y probabilsticos
Tabla 22-12
Ajustada Desajustada
(estado 1) (estado 2)
Ajustada (estado 1) 0.9 0.1
Sea:
Nmero de da; n = 1, 2, . . ., 5 (el nmero de etapa)
Variable de estado que indica el estado del proceso (1 o 2) en el da n
Beneficio mximo que se obtiene del da n al da 5 cuando el proceso
est en el estado Xn en el da n y se toman las decisiones ptimas desde
el da n hasta el da 5 (la funcin de beneficios)
Captulo 22 Programacin dinmica 661
En el da 5:
Es decir, no se repara en el da 5.
Trabajando hacia atrs, en el da cuatro se escribe:
Reparar No reparar
Observe que la decisin de reparar la mquina cuando est fuera de ajuste no era
deseable en el da 5, pero s lo es el da 4. Para el da 3:
Reparar No reparar
662 Parte IV Modelos deterministas y probabilstic
y:
Para el da 2:
Reparar No reparar
y:
Reparar No reparar
y:
Discusin
Bibliografa
22-1. Un director debe decidir acerca de una pol- niveles de precio: 12, 14, 16, 18 y 20 dla-
tica de precios para un nuevo producto en res por unidad. Despus de evaluar los posi-
los prximos cuatro aos. Considera cinco bles movimientos de precio de sus
664 Parte IV Modelos deterministas y probabilsticos
-
competidores, construye la siguiente tabla de ahora y cra las dems (400 - Y). Sim-
resultados, la cual relaciona su precio en un plifique su expresin todo lo posible.
ao con el valor actual del beneficio esperado d. Sustituya en la expresin de beneficio
en dicho ao. que obtuvo en (c) el valor Y = 50 y cal-
cule el beneficio que obtendr si vende
50 reses ahora.
Tabla de resultados e. Tome la derivada de su expresin en
(c) con respecto a Y e iguale a cero. Ve-
1 2 3 4 rifique que el nmero ptimo de reses
que debe venderse ahora sea 50.
$12 3 9 3 7 f. Este problema es otra versin del pro-
blema de crianza de ganado de 10 aos
$14 2 1 2 2 que se analiz en este captulo. La ecua-
cin 22-16 representa el beneficio m-
$16 7 4 8 1 ximo total cuando falta un ao, como en
$18 9 2 6 4 nuestro caso:
$20 5 5 3 1
donde X9 representa el tamao del hato.
Sustituya el tamao de hato de 400 en
la ecuacin 22-16 y calcule el beneficio
a. Si no hay restricciones en los cambios total mximo para este problema. Su
de precio de un ao a otro, indique cul respuesta debe ser idntica a la respuesta
sera la estrategia de precios ptima y en (d).
calcule el beneficio total mximo. g. Utilice la ecuacin 22-16 para calcular
b. Suponga ahora que el director quiere el beneficio total mximo de un hato
evitar los cambios de precio de ms de de 200.
dos dlares de un ao al siguiente. En Considere un problema de inventario como
22-3. el que se present en el ejemplo 2 de este
cuentre la poltica ptima y calcule el
beneficio total mximo. captulo. Suponga que la demanda es la si-
22-2. Un ganadero tiene un hato de 400 reses. Piensa guiente:
vender todo el hato dentro de un ao, a 150
dlares la cabeza. Puede vender el ganado
ahora a un precio por animal que depende del
nmero de reses que decida vender. Si y
representa el nmero que vende ahora,
entonces el precio que obtendr por cabeza
ser:
cedimiento de prueba que da como resulta- d. Utilice su resultado en (c) para establecer
do una calificacin numrica para cada soli- la regla de decisin ptima para el da 3.
citante. Suponga que la mejor calificacin Resuelva de nuevo el problema 22-4, utili-
diaria vara de acuerdo con las probabi- 22-5. zando la siguiente notacin:
lidades de la siguiente tabla:
Nmero de da; = 1, 2,. . ., 5 (el nmero de
etapa) Mejor calificacin en el da (la variable
de estado) Calificacin mxima esperada si la
mejor calificacin que se observa en el da ;/
es X,, y se sigue la poltica ptima del da
hasta el final del proceso (la funcin
de beneficios).
Problemas
22-6. Suponga que el ganadero del problema 22-2 a. Calcule el valor actual de su beneficio
tiene la oportunidad de invertir el dinero si no vende ninguna res ahora. Suponga
que obtiene de la venta de ganado a una ta- que incurre de inmediato en los costos
sa de inters del 10% anual. de crianza y que sus beneficios de la
666 Parte IV Modelos deterministas y probabilsticos
venta de todo el hato se obtienen den- surge una nueva oportunidad de inversin; el
tro de un ao. rendimiento que promete cada inversin es
b. Escriba de nuevo su expresin general una variable aleatoria distribuida de acuerdo
de (c) del problema 22-2 para incluir el con las probabilidades de la siguiente tabla:
efecto del tiempo sobre el valor del di-
nero. Simplifique su expresin.
c. Tome ahora la derivada de su expresin
en (b) con respecto a Ye iguale a cero.
Verifique que al sumar el valor tempo
ral del dinero al anlisis aumenta el n-
mero ptimo de reses para venta.
22-7. Un ganadero comienza con un hato de 100
reses y piensa vender todo su ganado dentro
de cinco aos, a 300 dlares la cabeza. Si
las reses se venden en el mercado, el precio Al principio de cada mes se presenta una
es el siguiente: oportunidad de inversin con un rendimiento
real que se basa en las probabilidades de la ta-
= 500 - 0.1 Y, 0 Y 5000
bla. El inversionista debe aceptar la oportunidad
donde y representa el nmero de reses que o rechazarla. Si rechaza la oportunidad, esta
se venden en un ao determinado. Si cra el desaparece. Si el inversionista no ha invertido
ganado, el costo es de 50 dlares por cabeza dinero antes del quinto mes, tendr que
y la tasa de reproduccin es aproximada- invertirlo con el rendimiento disponible en el
mente 1.8. quinto mes. Sea:
a. Escriba la expresin para la funcin de
Rendimiento disponible en el mes n
beneficios fn(Xn) para el ao 5.
Rendimiento mximo esperado si
b. Escriba una expresin para la funcin
existe, un rendimiento de Xn en el
de beneficios del ao 4,f4(X4), utilizan-
do para representar el nmero de re- mes n y se toman las decisiones
ses que se vendan en el mercado en el ptimas desde el mes n hasta el mes
ao 4. Simplifique su ecuacin sustitu- 5.
yendo la expresin de f5(X5) que obtuvo a. Escriba la ecuacin para el rendimiento
en (a). en el quinto mes,
c. Lleve a cabo la maximizacin que se re b. Considere ahora la situacin en el
quiere en la ecuacin (b) tomando una mes 4 y escriba una ecuacin para
derivada e igualando a cero. Observe que es igual al
d. Use la decisin ptima del ao 4 que mayor de los rendimientos esperados
obtuvo en (c) para reescribir el valor de de las dos alternativas: "actuar" y
la funcin de beneficios f4(X4) slo en "esperar".
funcin de X4. c. Iguale los dos beneficios esperados de
e. Considere ahora el ao 3 y escriba la (b) para encontrar el valor de equilibrio
funcin de beneficios f3(X3). Simplifi- de X4, representado con Despus
que su ecuacin sustituyendo en ella la determine la regla de decisin ptima
expresin para f4(X4) que obtuvo en (d). para el mes 4.
Observe que puede repetir su secuencia de d. Utilice la regla de decisin ptima para
pasos de (c) y (d) para cada uno de los aos el mes 4 y escriba una ecuacin para
anteriores; as puede resolver completamente
el problema. e. Efecte (c) y (d) alternativamente para
22-8. Un inversionista tiene 10 millones de dla- obtener Si el rendimien-
res para invertir en cualquier momento den- to disponible en el mes 1 es del 30%,
tro de los cinco meses siguientes. Cada mes deber invertir en el mes 1? Cul es
Captulo 22 Programacin dinmica 667
22-11. Una sala de conciertos est al final de una efectivo (despus de impuestos) que se indi-
calle sin salida de 10 cuadras (manzanas) de can en la primera columna de la tabla adjun-
longitud. El estacionamiento de la sala cuesta ta. Si decide vender el edificio en un ao
10 dlares; sin embargo, cuando llega el profe- cualquiera, tendr el flujo de efectivo adi-
sor H., la probabilidad de encontrar un lugar cional por la venta (despus de impuestos)
en la calle es la que se presenta en la tabla de que se muestra en la segunda columna. Por
arriba. supuesto, los flujos de efectivo cesan des-
El profesor H. estima que cada cuadra que pus de vender el edificio.
camine le cuesta un dlar; por ejemplo, si
encuentra un lugar en la cuadra 7, tendr que
caminar tres cuadras con un costo asignado de Flujo de efectivo
tres dlares. No es posible regresar y ocupar Flujo de a fin de ao
un lugar previamente detectado; as mismo, si efectivo del por la venta,
el profesor H. no ha encontrado un lugar en la alquiler, menos despus de
calle al llegar a la cuadra 10, tendr que pagar Ao gastos e impuestos pagar impuestos
10 dlares por estacionarse en la sala de
conciertos. 1 $90 000 $200 000
2 80 000 260 000
El profesor H. necesita una regla de decisin
3 80 000 320 000
que le ayude con las decisiones de esta-
4 70 000 340 000
cionamiento cada noche de concierto. En
palabras del profesor: "Si estoy en la cuadra i 5 60 000 340 000
y veo un lugar disponible, debo estacionarme 6 50 000 300 000
o continuar con la esperanza de encontrar algo 7 40 000 250 000
ms cercano?" 8 30 000 200 000
9 10 000 180 000
El profesor ya aprendi, por experiencia,
pasar por alto los lugares en las cuadras 1 y 2 10 10 000 160 000
y ocupar un lugar en la cuadra 8 o 9, si est
disponible; sin embargo, requiere ayuda para a.
determinar lo que debe hacer en los dems Suponga que desea maximizar el flujo
casos. de efectivo total por tener el edificio.
a. Formule el problema como uno de pro- En qu ao debe venderlo? Ignore los
gramacin dinmica, definiendo las eta- descuentos; es decir, considere los dla-
pas, la variable de estado y la funcin res de todos los aos con el mismo valor
de beneficios. actual. Formule este problema como un
b. Resuelva su formulacin. Cul es la modelo de programacin dinmica y
primera cuadra con lugar disponible resulvalo.
que deber ocupar? b. Suponga que desea tener en cuenta el
22-12. Usted acaba de comprar un edificio de apar- valor del dinero en el tiempo. Supon-
tamentos. Despus de las deducciones por ga que un dlar que recibe en un ao
depreciacin, pago de intereses y otros gastos, slo vale actualmente 90 centavos; un
usted recibir cada ao los flujos de dlar que reciba en dos aos tiene valor
actual de 0.9 0.9 = 0.81 dlares,
etctera. El factor 0.9 es el factor de
Captulo 22 Programacin dinmica 669
descuento. Utilice el factor de descuento pus de cada visita para minimizar su costo
para obtener el equivalente de los d- esperado de encontrar y comprar una casa
lares en trminos de valor actual, aceptable. Aplique despus su estrategia p-
formule y resuelva un modelo de pro- tima al caso en el cual acaba de terminar su
gramacin dinmica para decidir cundo primera visita y ha encontrado una casa
debe vender el edificio. aceptable que cuesta 140 000 dlares. De-
22-13. Usted va a mudarse y slo puede hacer tres be comprarla o seguir buscando?
visitas en busca de su nueva casa, con ocho
semanas de diferencia. Usted ha decidido
que la probabilidad de encontrar una casa Probabilidad
"aceptable" es la que se muestra en la tabla Probabilidad acumulada
adjunta. Tiene que comprar la casa antes de
mudarse. Ha estimado en dos mil dlares de encontrar de encontrar
(no reembolsables por su patrn) el costo de una casa una casa
un viaje en bsqueda de casa. Usted aceptable aceptable con este
considera que el intervalo de ocho semanas Precio con este precio precio o menos
entre viajes es suficiente para que los $130 000 0.5 0.5
resultados de los tres viajes tengan proba-
bilidades independientes. 140 000 0.3 0.8
Utilice los conceptos de la programacin 160 000 0.2 1.0
dinmica para obtener una estrategia ptima Suma = 1.0
completa que le indique qu hacer des-
Problemas ms difciles
como uno de programacin dinmica y re- Recomendacin: En realidad slo hay dos
sulvalo. posibilidades: un almacn lleno o uno vaco al
22-17. Al iniciar cada mes, una empresa hace los trmino de cada periodo.
pedidos de un producto en particular, el cual
se entrega al finalizar el mes. La empresa
vende parte de su producto durante el mes a Precios de compra y venta
partir de su inventario disponible, pedido en Precio de compra Precio de venta
los meses anteriores, porque la cantidad que Mes (inicio del mes) (durante el mes)
se pide al iniciar el mes no llegar hasta el Enero $50 __
final del mes. La empresa puede vender
cualquier nmero de unidades en un mes. Febrero 50 $60
Los precios de compra y venta varan de Marzo 40 40
un mes a otro. La tabla que se presenta ms Abril 60 50
adelante indica cules son los precios pro- Mayo 50 60
yectados para los prximos seis meses. Las Junio --- 70
operaciones de la empresa estn limitadas
por el tamao de su almacn, el cual slo
puede almacenar un mximo de 100 unida- 22-18. Formule el problema 22-10 (el problema
des de producto. de carga) de manera que X represente el
El problema de la empresa es determinar nmero de toneladas disponibles y f(X) el
el nmero de unidades que comprar y ven- beneficio mximo que se puede obtener de los
der cada mes, para obtener el mayor bene- tres tipos de carga si se toman las decisiones
ficio. La empresa no tiene unidades ptimas. Si definimos f(0) = 0 y f(X) = 0 para
disponibles al comenzar enero y no quiere toda X < 0, verifique que sea correcta la
que queden unidades al final de junio. For- siguiente ecuacin funcional:
mule lo anterior como un problema de pro-
gramacin dinmica y resulvalo.
Captulo 22 Programacin dinmica 671
22-19. En algunos problemas de programacin di- b. Aplique su ecuacin recursiva a los da-
nmica se puede usar un algoritmo hacia tos del caso anterior (M = 5 compuestos,
adelante para resolver el problema, en lugar =3 meses).
del algoritmo hacia atrs que se describi en 22-21. Una empresa utiliza una mquina excavado-
este captulo. En un algoritmo hacia ade- ra para extraer carbn de una mina. La mina
lante, la funcin de beneficios representara tiene vida de 10 aos. La compaa utiliza
el beneficio mximo (o el costo mnimo) actualmente una excavadora de dos aos de
que se obtendra desde el inicio del proceso edad. Una excavadora nueva cuesta 150 000
hasta la etapa n. El algoritmo comenzara dlares. Los costos de mantenimiento,
por el principio y avanzara hasta el fin del inactividad y otros varan con la edad de la
problema. mquina, como se indica en la tabla adjunta.
a. Remtase al problema 22-1. Describa Una mquina se puede reconstruir en
cmo se usara un algoritmo hacia ade- cualquier instante. Esta reconstruccin equi-
lante con este problema y utilice el al- vale a contar con una mquina de dos aos
goritmo para resolverlo. de edad, en lo que se refiere a costos de
b. Cree usted que un algoritmo hacia ade- mantenimiento, etctera. El costo de una re-
lante servira para resolver problemas construccin es de 60 000 dlares. La em-
de programacin dinmica con varia- presa quiere encontrar una poltica ptima
bles aleatorias? Por qu? (que minimice los costos de mantenimiento
22-20. Una empresa farmacutica intenta desarro- y equipo) para el reemplazo y la reconstruc-
llar la cura para una enfermedad. Se consi- cin de equipo en el periodo de diez aos.
deran cinco compuestos y se piensa que Suponga que el equipo no tiene valor al
cada uno de los compuestos tiene una posi- finalizar los 10 aos. Observe que la em-
bilidad de 1/10 de servir como cura (es decir, presa tiene tres opciones en un ao: (1)
1
/10 de posibilidad de xito). Para probar cada conservar la excavadora un ao ms; (2)
compuesto se requiere de un mes y el costo reconstruir la excavadora; (3) reemplazar la
es de 10 000 dlares. La empresa far- mquina con una nueva.
macutica tiene tres meses para probar los
cinco compuestos.
Edad de la
El problema es desarrollar una estrategia
de pruebas. Un estrategia comprende deter- mquina Costo de mante-
minar cuntos compuestos se probarn cada al iniciar nimiento, etctera,
mes. Por ejemplo, una estrategia es: Probar el ao durante el ao
un compuesto en el mes 1; si no hay xito,
probar otro en el segundo mes; si an no Nueva $ 0
hay xito, probar los tres restantes en el lti- 1 ao 10 000
mo mes. Observe que las pruebas en secuen- 2 20 000
cia de los compuestos reducen el costo 3 30 000
esperado, pues disminuye la probabilidad de 4 50 000
que se tengan que probar los cinco com- 5 70 000
puestos entes de encontrar la cura. 6 90 000
Suponga que las probabilidades son inde- 7 120 000
pendientes. Observe que si se prueban k com- 8 150 000
puestos en un mes, la probabilidad de que por 9 180 000
lo menos uno sea exitoso es [1 - (0.9)k]
a. Formule una ecuacin recursiva gene
ral dinmica para la prueba de perio- a. Formule la ecuacin recursiva dinmi-
dos y compuestos. El objetivo es ca para este problema.
minimizar el costo esperado de tener b. Resuelva el problema.
xito.
672 Parte IV Modelos deterministas y probabilsticos
Considere, por ejemplo, la probabilidad de dos caras o ms en tres lanzamientos de una moneda con (cara) - 0.60; esto es idntico a uno menos
la probabilidad de dos o ms cruces en tres lanzamientos, con (cruz) - 0.4, o 1 - 0.3520 - 0.6480.
* Con autorizacin de R. Schlaifer, Probability and Statistics for Business Decisions, Nueva York, McGraw-Hill, 1959.
676 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 677
Tabla C (continuacin)
678 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 679
Tabla C (continuacin)
680 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 681
Tabla C (continuacin)
682 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 683
Tabla C (continuacin)
684 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 685
Tabla C (continuacin)
686 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 687
Tabla C (continuacin)
688 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 689
Tabla C (continuacin)
690 Apndice de tablas
Tabla C (continuacin)
Apndice de tablas 691
Tabla C (conclusin)
Solucin de problemas
seleccionados
Captulo 1
1-1. a. Asigne 1000 = (1 - 0.40) y resuelva para X: X = 1000/0.60 = 1667 unidades
b. Costo total = $5000 + $30(1667) = $5000 + $50 000 = $55 000
c. Como los ingresos slo son de 50 000 dlares, en estas circunstancias se debe
rechazar el contrato (el resultado de la aceptacin del contrato sera una prdida de
5000 dlares).
1-2. a. El ahorro anual del engranaje de plstico es (50 (80 000 unidades) = $40 000.
Como el costo anual de la conversin es slo de 20 000 dlares, la compaa deber
hacer la conversin al engranaje de plstico.
b. Los costos adicionales del engranaje de plstico debidos al aumento en el nmero
de averas son ($40) (2/1000) (80 000) = $6400. Por lo tanto, los costos totales son
$20 000 + $6400 = $26 400. Esta cantidad es menor que el ahorro de $40 000, por
lo cual la compaa debe hacer la conversin al plstico.
Captulo 2
2-1. a. Variable de decisin: PRECIO.
Variables exgenas: VENTAS UNITARIAS, COSTOS FIJOS (manufactura y mer-
cadotecnia), COSTO VARIABLE POR UNIDAD.
Medicin del rendimiento: BENEFICIO.
Variables intermedias: VENTAS (dlares), COSTO DE MANUFACTURA, COSTO
DE MERCADOTECNIA, BENEFICIO BRUTO (opcional). Polticas y restricciones:
Ninguna. b. Relaciones:
VENTAS (dlares) = VENTAS UNITARIAS * PRECIO COSTO DE
MANUFACTURA = 80 000 + 300 * VENTAS UNITARIAS BENEFICIO
BRUTO = VENTAS (dlares) - COSTO DE MANUFACTURA COSTO DE
MERCADOTECNIA = 10 000 + 0.10 * VENTAS (dlares)
693
694 Solucin de problemas seleccionados
Captulo 3
3-1. Los resultados posibles son: (los resultados son independientes)
Solucin de problemas seleccionados 695
c. P(una o ms cruces):
3-7.
3-8.
698 Solucin de problemas seleccionados
Captulo 4
4-1. a. Valor monetario esperado
Suceso P(suceso) Accin 1 Accin 2 Accin 3
* Accin ptima
* Accin ptima
Valor condicional en
Suceso condiciones de certeza
Valor
esperado en
Valor condiciones
Suceso P(suceso) condicional de certeza
Solucin de problemas seleccionados 699
Acciones: Almacenar
Suceso
Demanda
c. 2.23 dlares.
4-3. a. Tabla de valor esperado
Acciones
No
Introducir introducir
Suceso P(suceso)
Demanda 30 000
Demanda 40 000
Demanda 50 000
Demanda 60 000
Demanda 70 000
* Clculo de VC:
30 000 $10 - 500 000 = (200000)
40 000 $10 - 500 000 = (100000)
50 000 $10 - 500 000 = 0
60 000 $10 - 500 000 = 100 000
70 000 $10 - 500 000 = 200 000
Demanda 30 000
Demanda 40 000
Demanda 50 000
Demanda 60 000
Demanda 70 000
4-5. a.
* Aqu, la suposicin es que, si no hay ampliacin, la empresa slo puede mantener una cuota moderada
del mercado.
4-7. La probabilidad del resultado de las pruebas (los dos lanzamiento sin que apareciera
un 7 o un 11) es 5/9 5/9 si los dados estn cargados y 7/9 7/9 si no lo estn. Llame S al
resultado de la prueba y p al estado (cargados o no cargados). Entonces:
Cargados
No cargados
de lo contrario,
No juegue.
No debe efectuarse el estudio, ya que el valor neto es negativo (-0.122). Por lo tanto,
el costo del estudio (0.2 millones de dlares) excede el valor esperado (0.2 - 0.122 =
0.078 millones de dlares).
4-9. La tabla de probabilidades conjuntas es:
Nivel
Pronstico del estudio
potencial Probabilidad
de ventas xito No concluyente Fracaso marginal
Alto Bajo
Probabilidad marginal
El rbol es entonces:
a. Observe la parte superior del rbol. Si no hay estudio se debe introducir el producto.
El beneficio esperado es de un milln de dlares.
b. Cero. Como se puede ver, el estudio nunca cambia la decisin de introducir el
producto (en el caso del pronstico de fracaso, las dos acciones tienen el mismo
valor esperado). Por ello, el estudio no tiene valor. La compaa desperdiciara el
costo de 0.2 millones de dlares.
Captulo 5
5-1. a. La accin d6, con valor calculado de 3.75.
b. Las acciones d1, d4 y d6, todas con beneficio mnimo de cero.
c. La accin d5, para la cual el valor es 5 (relacionado con el suceso q3).
d. La accin d4, con valor esperado de 3.4.
5-2. a. Tanto d4 como d6 dominan a d1 por dominacin de resultados.
b. La accin d4 domina a d3, por dominacin de sucesos. Adems, d4 y d6 dominan a
d1 por dominacin de sucesos, pues dominan por resultados.
c. Para investigar la dominacin en probabilidad, es necesario acomodar la informa
cin como se presenta ms adelante. No es necesario considerar las acciones d1 y
d1, pues ya encontramos que estn dominadas por dominacin de sucesos o por
resultados. Las acciones d4, d5 y d6 dominan a d2, por dominacin en probabilidad.
As mismo, la accin d4 domina a d5.
d. As, las acciones d4 y d6 no estn dominadas y los criterios de dominacin no
establecen cmo elegir entre ellas.
Solucin de problemas seleccionados 705
Acciones
Beneficio
Beneficio
(miles de Estrategia 2 Estrategia 3 Estrategia 4
dlares)
X P(X) P(X o ms) P(X) P(X o ms) P(X) P(X o ms)
Captulo 6
6-1. 0.4(5)+ 0.6(12) = 2+ 7.2 = 9.2 6-2. 0.60 = 0.2* + 0.8(50); = 1.0
6-3.
6-4. La mayora de los sujetos tomaran la lotera, lo cual implica que su utilidad por 12
dlares es mayor que el doble de la de ocho dlares. La utilidad de 12 dlares es 40 o
ms:
6-5.
Por lo tanto, la alternativa A (los ocho dlares seguros) es menos preferible que la lotera.
6-6. a. Alternativa 1: No concursar.
U($0) = -170
Alternativa 2: Concursar
U(concursar) =
Para el producto B:
Captulo 7
7-1.
708 Solucin de problemas seleccionados
7-2.
7-3.
7-4. Nota: No se efecta ningn ajuste en los clculos para considerar el hecho de que slo
pueden venderse unidades enteras. Con esta interpretacin, sera adecuado escribir la
probabilidad de las ventas menores que 16 como
Captulo 8
Solucin de problemas seleccionados 709
8-2.
8-3.
Distribucin normal con media de 3.63 cajas y desviacin estndar de 0.38 cajas.
es el punto de equilibrio;
8-4.
710 Solucin de problemas seleccionados
Tamao de Costo
la muestra de la
muestra
N(D*) = N(0.465) = 0.209; VEIM = (60 000) (1.44) (0.209) = $18 000
b. Costo de la muestra = $3500 + 100/1 = 3500 + 100(36) = $7100
GNE = $18 000-$7100 = $10 900
S, hay que tomar la muestra.
c y d.
Captulo 9
9-1.
Jugador 2
Jugador 1
Solucin de problemas seleccionados 711
Los jugadores tienen funciones de utilidad lineales para el dinero, por lo menos para
el intervalo relevante.
9-2. No. La estrategia minimax sera seleccionar caras al azar la mitad del tiempo y cruces
la otra mitad, centavos.
9-3. a. A seguir la estrategia A1, pues sta le ofrece ms que A2, sin importar cul sea la
9-4. estrategia de B.
b. seguir la estrategia B2, ya que con ella perder menos.
c. El valor del juego para A es 6; para es -6.
d.
Captulo 10
10-1. Sea:
Nmero de unidades producidas del producto A
Nmero de unidades producidas del producto
Nmero de unidades producidas del producto C
Nmero de unidades producidas del producto D
Maximizar
Sujeto a: (restriccin de fresado)
(restriccin de montaje)
(restriccin de inventario en proceso)
(demanda del producto A)
(demanda del producto C)
(requisitos de contrato para el producto D)
Solucin:
712 Solucin de problemas seleccionados
10-2. Sea:
Fondos en prstamos personales
Fondos en prstamos para muebles
Fondos en prstamos para automviles
Fondos de segunda hipoteca de casa
Fondos de primera hipoteca de casa
Maximizar:
Sujeto a: (fondos totales disponibles)
Solucin:
10-3. Maximizar:
Sujeto a:
10-4. Sea:
Nmero de transformadores producidos cada mes en tiempo
normal
Nmero de transformadores producidos cada mes en tiempo
extra
Nmero de transformadores en existencias a] final de cada
mes
Restricciones:
Capacidad:
Definicin de inventario:
Inventario final:
Solucin de problemas seleccionados 713
Funcin objetivo:
Minimizar:
Solucin:
Produccin Produccin en
Mes normal tiempo extra Inventario
Enero
Febrero
Marzo
Abril
Mayo
Junio
Minimizar C =
Sujeto a:
(restricciones de capacidad)
Solucin:
Costo mnimo = C = 223 880 rands
714 Solucin de problemas seleccionados
Captulo 11
11-1. Vase el grfico siguiente. La solucin es X1 = 4, X2 = 4, y = 28.
Solucin de problemas seleccionados 715
11-2. a. Vase el grfico que se presenta a continuacin. La solucin ptima es seis mil
unidades de producto A y 12 mil unidades de B, con beneficio de 540 000 dlares.
716 Solucin de problemas seleccionados
e. Lmite de ventas del producto A: Remtase al grfico de (>). El precio dual de esta
restriccin es cero. Observe que el aumento en el lmite del producto A no tendr
ningn efecto; por lo tanto, no hay lmite superior. La solucin ptima incluye seis
mil unidades de producto A. Una reduccin en el lmite de ventas por debajo de esa
cifra s afectar la solucin ptima. Por ello, el intervalo es de seis mil en adelante
(sin lmite superior) y en este intervalo se mantiene el precio dual de cero.
Lmite de ventas del producto B: Remtase al grfico de la siguiente pgina.
Observe que al producir unidades adicionales de B, el ptimo se traslada hasta el
punto {A = 0, = 30). Ms all de este punto, no es posible fabricar unidades
adicionales de B, por las horas de trabajo. Por consiguiente, el lmite superior es 30
mil unidades. Al reducir el lmite de ventas de hasta seis mil unidades, se llega al
vrtice (A = 8, = 6). La solucin cambia al pasar de este punto. Por lo tanto, el
lmite inferior es seis mil unidades. En resumen, el precio dual de 20 dlares por
unidad de se mantiene en el intervalo de 6000 a 30 000 del lmite de ventas del
producto B.
718 Solucin de problemas seleccionados
11-3. En la tabla siguiente se presentan los resultados de LINDO para este problema.
PRODA, PRODB, etc., son los nombres de variable para las unidades de producto A,
unidades de producto B, etctera. Vase la formulacin del problema en la primera
parte de la tabla de los resultados o remtase a la respuesta del problema 10-1.
a. La solucin requiere 10 unidades de producto A, 50 unidades de producto B, ninguna
unidad de C y 10 unidades de D, con beneficio de 1830 dlares. Observe tambin que
hay 530 dlares de capital de trabajo no utilizado, 10 unidades de demanda no usada de
producto A y 16 unidades de demanda no empleada de producto B. Observe que hay
seis restricciones en el problema y exactamente seis variables de solucin distintas de
cero. Vea tambin que no hay soluciones ptimas alternativas, ya que (1) ninguna de las
variables de holgura tiene un valor de solucin cero y precio dual cero y (2) PRODC
(la nica variable de decisin con cero unidades) no tiene costo reducido de cero.
b. Observe los precios duales de las filas 2), 3) y 4). El precio dual de una hora de
fresado es 19.20 dlares; para una hora de montaje es 1.60 dlares y el precio dual
de capital adicional es cero.
c. Ninguna de estas restricciones es efectiva y, por tanto, los precios duales son cero.
La compaa no debe gastar nada para aumentar la demanda de ninguno de los
productos.
d. Observe que esta restriccin (fila 7) es efectiva, con precio dual de -73 dlares. Un
cambio en la restriccin para conseguir 13 unidades representa un aumento en el
beneficio de tres unidades. Al revisar los intervalos del trmino independiente se
observa que este aumento est dentro del intervalo donde se mantienen los precios
duales. Por lo tanto, un cambio en el requisito de contrato de D le costara 3 73 =
219 dlares.
720 Solucin de problemas seleccionados
Tiempo de fresado
Tiempo de montaje
Capital de trabajo
Costo de oportunidad
11-4. Los resultados de LINDO se muestran en la tabla adjunta. Las variables se denominan
PRESTPERS, PRESTMOB, PRESTAUTO, SEGHIPOTECAy PRIMHIPOTECApara
los fondos (en millones de dlares) correspondiente a prstamos personales, prstamos
para muebles, etctera. La formulacin se encuentra en los resultados LINDO.
a. La solucin requiere 0.15 millones de dlares en prstamos personales, 0.15
millones de dlares en prstamos para muebles, 0.525 millones de dlares en
prstamos para automviles, 0.375 millones de dolares en segundas hipotecas y
0.300 millones de dlares en primeras hipotecas. El rendimiento total es 0.146
millones de dlares.
b. Observe el precio dual de la restriccin del total de fondos disponibles (fila 2). Es
0.0975 y corresponde al rendimiento por cada dlar adicional. No hay lmite para
el aumento y el lmite para la reduccin es de 1.5 millones (vanse los intervalos
del trmino independiente). Esto significa que el rendimiento incremental es de
0.975 por dlares de cero en adelante, sin lmite. Esto puede parecer extrao a
primera vista, pero note que todas las restricciones, con excepcin de la correspon-
diente al total de fondos disponibles, son relativas y limitan porcentajes de la cartera.
Por consiguiente, una vez que se obtiene la composicin ptima, el rendimiento que
genera slo est limitado por el total de fondos disponibles.
c. Observe que no hay lmite en el aumento del rendimiento de SEGHIPOTECA
(vanse intervalos de los coeficientes de la funcin objetivo). Por lo tanto, un
aumento del 10 al 12% no afectar la solucin. Sin embargo, el rendimiento total
aumentara en 0.02 0.375 = 0.0075 millones. Es decir, los 0.375 millones en
segundas hipotecas ganaran el 2% ms. Como no hay lmite para el aumento, un
incremento al 14% (o cualquier otro) no afectara la solucin excepto por el aumento
en el rendimiento total.
722 Solucin de problemas seleccionados
Captulo 12
Variables Valores
de solucin de solucin
Variables Valores
de solucin de solucin
d. No ptima.
e. Entra X2; sale X4.
724 Solucin de problemas seleccionados
Valores Valores
de de solucin
Valores Columna
de solucin Razn
Valores Columna
de Razn
Variables Valores
de solucin de solucin
726 Solucin de problemas seleccionados
Variables Valores
de solucin de solucin
Variables Valores
de solucin de solucin
Todas las son no negativas; por lo tanto hay una solucin ptima (mnima):
y el costo mnimo es 24.
d. La solucin es ptima, ya que todos los valores son cero o positivos. No hay
soluciones ptimas alternativas, ya que todas las variables que estn fuera de la base
tienen valores positivos.
12-6. a. es la variable que entra Sale la variable
b. La tabla smplex siguiente es:
Variables Valores
de solucin de solucin
Solucin de problemas seleccionados 727
d. La solucin es ptima ya que todos los valores C - Z son cero o positivos. No hay
soluciones ptimas alternativas, ya que todas las variables que estn fuera de la base
tienen valores C - Z negativos.
12-7. a.0.12 dlares por kilogramo; mximo de 5000 kilogramos (utilice la variable X6).
b. 0.12 dlares por kilogramo; de 0 a 80 000 (use la variable ).
c. S. Cada kilogramo vale 0.03 dlares (vase C4 - Z4). Este valor es vlido en el
intervalo +26.25 toneladas por encima de 180. El aumento total en el beneficio es
(0.03)(20) = 600 dlares.
d. No hay efecto. No se satisface la demanda actual.
e. No hay lmite en el aumento; hay una baja de 0.03 dlares en la reduccin.
f. S. El costo de oportunidad es 0.50(0.12) + 0.5(0.12) = 0.12. Esto es menor que
el beneficio de 0.14 dlares.
Captulo 13
13-1. Un mtodo posible para llegar a una solucin es el siguiente:
Primera Solucin
El costo de la ruta directa (1.05 dlares) es menor que el costo de la ruta indirecta
(1.15 dlares), por lo cual se debe usar la ruta F3W1.
El nmero mximo de unidades que se pueden desplazar de F3W3 a F3W1 y de F2W1 a
F2W3 es dos. La nueva tabla de unidades enviadas es ahora:
Ahora hay que probar cada una de las casillas con valor de cero.
Todas las rutas directas son inferiores a las indirectas, lo cual indica que es una solu-
cin ptima. A continuacin se presenta un mtodo para llegar a la solucin:
13-2.
Primera solucin: Unidades
Solucin de problemas seleccionados 729
El costo de la ruta directa F1 W2 es menor que el costo de la ruta indirecta. Por lo tanto,
debe utilizarse la ruta directa. El nmero mximo de unidades que se pueden
transferir es 10.
A continuacin se presenta la segunda solucin:
Los costos de las rutas directas son iguales o mayores que los costos de las rutas in-
directas, por lo cual se ha llegado a una solucin ptima. No sera deseable seguir
ninguna de las rutas directas que no se utilizan actualmente. Sin embargo, que hay
una solucin ptima alternativa con F2W2.
730 Solucin de problemas seleccionados
13-3. La primera solucin es degenerada (10 es la nica cantidad que est en una fila y en
una columna). Suponga que hay una pequea cantidad, d, en la casilla F1W2 y prosiga
probando las casillas con valor cero.
El costo de la ruta directa F2W3 es menor que el costo de la ruta indirecta; por lo tanto,
hay que usar la ruta F2W3. Se pueden transferir 20 unidades.
Segunda solucin
Captulo 14
14-1
14-3. Sean X1 a X8 variables binarias con valor 1 si se financia el proyecto y con valor 0 si
no se financia. Entonces:
Maximizar:
Sujeto a: (restric-
cin de fondos); (no se pueden financiar los proyectos G y al mismo
tiempo);. (no se financia el proyecto D a menos que se financie tambin A).
La solucin requiere la financiacin de A, C, y H.
el valor total es 240 unidades y se utiliza por completo el total de 320 000 dlares
de fondos.
14-4. a. Sea Y1 una variable binaria, tal que Y1 = 1 si se usa la mquina de estampado y 0 en
caso contrario. Se aade una restriccin y se agrega -800Y1 a la funcin
objetivo.
b. Sea Y2 una variable binaria, tal que Y2 = 1 si se compran 1000 unidades o ms y 0
en caso contrario. Sea R1 la materia prima que se compra al precio de 25 centavos
734 Solucin de problemas seleccionados
17
C 29
D 27
Suma = 73 (no factible)
Solucin de problemas seleccionados 735
Solucin completa*
Despus calcule los mnimos de las columnas, considerando los almacenes no asig-
nados. Si existe la asignacin A-l, los mnimos de las columnas son:
Al continuar con este mtodo se obtiene la asignacin (A,1), (B,2), (C,4), (D,3) co-
mo asignacin ptima, con costo de 95.
Captulo 15
15-1. a. Aproximadamente el 7.5%
b. Aproximadamente el 3%
c. Aproximadamente el 95.5%
d. Aproximadamente el 53%
736 Solucin de problemas seleccionados
15-2. a. Los datos clasificados son: 530, 320, 225, 170, 125, 94, 70, 49, 30, 2. Los datos
acumulados son: 530, 850, 1075, 1245, 1370, 1464, 1534, 1583, 1613, 1615. Vase
el grfico de los datos acumulados en la figura adjunta.
Nota: Despus de representar los datos totales de ventas acumuladas por 1615
dlares, se puede considerar la escala del lado derecho con 100% y luego dividirla
en porcentajes, como se muestra.
b. 4000/20 000 = 20% de los artculos; esto representa 850/1615 = 52.6% de la ventas
de la muestra.
c. Alrededor del 85% de las ventas en dlares.
d. En la curva ABC de la muestra, el punto que representa el 50% de las ventas
est entre los artculos con ventas de 530 y 320, pero se aproxima ms al segundo
valor. Por lo tanto, podemos decir que un artculo con ventas superiores a 350 se
clasificara como artculo A. As mismo, podramos sealar que en el punto corres-
pondiente al 50% en la escala de artculos, la tasa de ventas es 125 y usar este valor
como lmite superior para los artculos C, aunque un mtodo ms preciso sera
promediar los puntos de datos (125, 94) como estimacin de la mediana de la tasa
de ventas de la muestra; este promedio produce un valor de 109.5 como lmite
superior para los artculos C. Los artculos estaran entre los dos valores.
Solucin de problemas seleccionados 737
unidades
unidades
unidades
Nota: La utilizacin diaria es 100 000/360 = 277 unidades diarias. Deben pedirse
200, 277 o ms?
b. El costo total utilizando el costo original de pedido es, con base en la ecuacin 15-1:
La reduccin en costos es 6000 - 3000 = 3000 dlares; como esta reduccin excede
el costo de inscripcin de 2000 dlares, la compaa debe unirse a la cooperativa y
pedir lotes de Q = 1000 unidades.
12 000 unidades
15-7. Recuerde que en el problema 15-4 se estableci la Q ptima = 20 unidades. Los costos
anuales totales para Q = 20 son: TC(Q) = 20) = (20/2)($30) + (1000/20)($6) = $300 +
$300 = $600
Si los artculos se compran en lotes de 100 se obtendra un ahorro de $150 - $148,
o dos dlares, por el cambio de precio, que multiplicado por mil unidades representa
dos mil dlares al ao. As mismo, el costo de almacenamiento se reducira, ligeramen-
te, de 0.20(150) = $30 a 0.20(148) = $29.60. El costo neto de Q = 100 es entonces:
TC(Q = 100) = -$2 000 + (100/2)($29.60) + ($1 000/100)($6)
= -$2 000 + $1 480 + $60 = -$460
Esto se compara con + $600 para TC(Q = 20) resultando un cambio neto de 1060 d-
lares (una mejora). Por lo tanto hay que aprovechar el cambio en precio.
738 Solucin de problemas seleccionados
Captulo 16
c. Costo total
As, despus de la iteracin, los valores reales son Q = 1760 y R = 4000 + (2.38)(500)
= 5190. Entonces, al usar la ecuacin 16-5 para el costo total,
de la tabla ,
b. En forma anloga, de la tabla , por lo que
c. De manera anloga,
Esto excede el lmite superior de la tabla (0.3989), lo que significa que = 0 y R se
hace igual a de 100. De hecho se superar el nivel de servicio establecido, debido
al tamao de la cantidad de pedido.
Captulo 17
17-1.
Hay que pedir tres unidades: pc = 0.20 > 0.15; pc = 0.20 < 0.50, donde 0.15 es la
probabilidad de que la demanda sea de cuatro unidades o ms y 0.50 es la probabi-
lidad de que la demanda sea de tres unidades o ms.
740 Solucin de problemas seleccionados
Hay que pedir cuatro unidades: pc = 0.14 < 0.15; pc 0.14 > 0.05
17-2. Las pc son probabilidades acumuladas. Primero hay que determinar Z, el nmero de
desviaciones estndar necesarias para alejarse de la media para que la probabilidad de
vender la siguiente unidad sea menor o igual a pc. Segundo, es necesario convertir el
nmero de desviaciones estndar a nmero de unidades. El tercer paso es sumar o restar
el nmero de unidades a la meda. Esta es la cantidad de pedido ptima para cada pc.
Los valores pc son las probabilidades de que las ventas sean mayores o iguales que una cantidad
crtica. Cuanto ms alto sea pc, menor ser la cantidad de pedido ptima.
17-4. 140 + 0.44(50) = 140 + 22 = 162, cantidad ptima de pedido. Observe que el aumento
en el tamao de la cantidad ptima de pedido se debe al aumento en la desviacin
estndar de la distribucin de ventas. Vase el problema 17-5 para otra comparacin.
17-5.
a. = 0.18; 140-0.18(20) = 140-3.6= 136.4
b. 140 - 0.18(50) = 140 - 9 = 131.0
Observe que en este problema, la mayor desviacin estndar redujo el tamao de
pedido; en los problemas 17-3 y 17-4, la mayor desviacin caus un aumento en el
tamao de pedido. El efecto depende de si pc > 0.50 o pc < 0.50.
Captulo 18
Solucin de problemas seleccionados 741
De la ecuacin 18-9:
horas
llamadas
horas o cinco minutos
Utilice la frmula para
horas o cuatro minutos (tiempo de espera promedio)
0.667 llamadas (longitud promedio de la cola)
donde
Aqu
Este resultado
1920 - 120 = 1800 minutos de tiempo del cliente. A diez centavos el minuto, esto
equivale a 180 dlares diarios. Por lo tanto hay que utilizar el segundo empleado
(costo: 50 dlares por da).
b. Costo de equilibrio de la buena voluntad = en dlares por minuto; 1800x = $50;
x = 50/1800 = 0.028 o tres centavos por minutos de espera.
c. Se supone que el nmero esperado de llamadas es el mismo para cada hora.
Captulo 19
19-1. a. El nmero total demorado para el da siguiente es 6 (un promedio de 0.12 por da).
b. El costo de la espera con tasa de servicio de 2 es $20(0.90)(250) = $4500
El costo de la espera con tasa de servicio 3 es $20(0.12)(250) = $600
Ahorros = $4500 - 600 = $3900 por ao (se suponen 250 das de trabajo por ao).
19-2. Los resultados dependern de los nmeros aleatorios que se extraigan. Como se
mencion en el captulo, el beneficio esperado es 2140 dlares. Se obtiene adems un
beneficio negativo cuando precio = cuatro dlares y costo = cuatro dlares (sin importar
el volumen) y la probabilidad de una prdida es 0.3 0.3 = 0.09. As mismo, hay una
prdida si el costo es cuatro dlares, el precio es cinco dlares y el volumen es 3000 o
4000. Probabilidad = 0.3 0.5 0.6 = 0.09. Adems, si el precio es cuatro dlares y el
costo es tres dlares y el volumen es 3000 o 4000. Probabilidad = 0.3 0.6 0.6 = 0.108.
La probabilidad total es 0.09 + 0.09 + 0.108 = 0.288.
a. Como el precio ms alto est asociado al volumen menor y viceversa, esto indica
que los beneficios sern ms bajos si se produce un precio ms elevado; si el precio
es ms bajo, los mrgenes de beneficio bajos (o mrgenes negativos) se multiplica-
rn por los volmenes mayores. El efecto general debe ser reducir el beneficio
esperado.
b. Utilice la siguiente tabla:
Volumen
(nmeros aleatorios)
c, d y e son resultados directos, con base en (b). Los resultados dependen de los n-
meros aleatorios que se extraigan.
Solucin de problemas seleccionados 743
Captulo 20
Actividad
Actividad
744 Solucin de problemas seleccionados
Captulo 21
21-1.
Para la mquina A:
Para la mquina B:
de manera que:
Solucin de problemas seleccionados 745
Tambin:
o sea:
de manera que:
Entonces:
Captulo 22
22-1. a. Estrategia de precio ptima: P1 = 18, P2 = 12, P3 = 16, P4 = 12
Beneficio mximo esperado = 9 + 9 + 8 + 7 = 33
746 Solucin de problemas seleccionados
Los clculos se pueden efectuar como se hizo en el ejemplo 2 del texto. Hay varias
alternativas de programas de produccin ptimos, todas con costo de 31 dlares: