UNIDAD 1 TOMA DE DECISIONES

La Investigación de Operaciones hace uso de métodos cuantitativos como herramienta

de apoyo para el proceso de toma de decisiones. En cualquier ámbito de la actividad
humana se deben tomar decisiones de distinta índole y la forma en cómo éstas se
toman se pueden basar en una perspectiva cualitativa o cuantitativa. En el ambiente
actual donde la complejidad de los problemas es creciente, debido a un ambiente más
globalizado y competitivo, la Investigación de Operaciones ha permitido abordar de
forma eficiente modelos que responden a distintas problemáticas, superando
ampliamente los procedimientos cualitativos. La Investigación de Operaciones es una
disciplina donde las primeras actividades formales se dieron en Inglaterra en la
Segunda Guerra Mundial, cuando se encarga a un grupo de científicos ingleses el
diseño de herramientas cuantitativas para el apoyo a la toma de decisiones acerca de
la mejor utilización de materiales bélicos. Se presume que el nombre de Investigación
de Operaciones fue dado aparentemente porque el equipo de científicos estaba
llevando a cabo la actividad de Investigar Operaciones (militares). Una vez terminada
la guerra las ideas utilizadas con fines bélicos fueron adaptadas para mejorar la
eficiencia y la productividad del sector civil. Una de las áreas principales de la
Investigación de Operaciones es la Optimización o Programación Matemática. La
Optimización se relaciona con problemas de minimizar o maximizar una función
(objetivo) de una o varias variables, cuyos valores usualmente están restringidos por
ecuaciones y/o desigualdades. Hoy en día el uso de modelos de optimización es cada
vez más frecuente en la toma de decisiones. Este mayor uso se explica,
principalmente, por un mejor conocimiento de estas metodologías en las diferentes
disciplinas, la creciente complejidad de los problemas que se desea resolver, la mayor
disponibilidad de software y el desarrollo de nuevos y mejores algoritmos de solución.
Un modelo de Investigación de Operaciones requiere necesariamente de una
abstracción de la realidad, además de identificar los factores dominantes que
determinan el comportamiento del sistema en estudio. En este sentido, un modelo es
una representación idealizada de una situación real o un objeto concreto.
1.1 AMBIENTES Y CRITERIOS PARA LA TOMA DE DECISIONES
La toma de decisiones se define como la selección de un curso de acciones entre
alternativas, es decir que existe un plan un compromiso de recursos de dirección o
reputación.
En ocasiones los ingenieros consideran la toma de decisiones como su trabajo
principal ya que tienen que seleccionar constantemente qué se hace, quien lo hace y
cuándo, dónde e incluso como se hará. Sin embargo la toma de decisiones es sólo un
paso de la planeación ya que forma la parte esencial de los procesos que se siguen
para elaboración de los objetivos o metas trazadas a seguir. Rara vez se puede juzgar
sólo un curso de acción, porque prácticamente cada decisión tiene que estar
engranada con otros planes.
El proceso que conduce a la toma de decisión:
Elaboración de premisas
Identificación de alternativas
Evaluación de las alternativas, en términos de metas que se desea alcanzar
Selección de una alternativa, es decir tomar una decisión
RACIONALIDAD EN LA TOMA DE DECISIONES
Las personas que actúan o deciden racionalmente están intentando alcanzar alguna
meta que no se puede lograr sin acción. Necesitan comprender en forma clara los
cursos alternativos mediante los cuales se puede alcanzar una meta de acuerdo a las
circunstancias y limitaciones existentes. Se necesita también la información y la
capacidad para analizar y evaluar las alternativas de acuerdo con la meta deseada.
Por último, necesitan tener el deseo de llegar a la mejor solución mediante la selección
de la alternativa que satisfaga de un modo más efectivo el logro de la meta.
Es raro que las personas logren una racionalidad completa, en particular en la
administración como en la ingeniería.
En primer lugar, como nadie puede tomar decisiones que afecten el pasado, las
decisiones tienen que operar para el futuro.
Es difícil reconocer todas las alternativas que se pudieran seguir para alcanzar una
meta; esto es cierto cuando en especial la toma de decisiones incluye oportunidades
de hacer algo que no se ha hecho antes. Es más, en la mayor parte de los casos no se
pueden analizar todas las alternativas e incluso con las técnicas analíticas y las
computadoras masa modernas disponibles. Ej.: Las decisiones gerenciales se toman
con el deseo de “resolver” en una forma tan segura como sea posible, la mayoría de
los gerentes sí intentan tomar las mejores decisiones que puedan dentro de los límites
de la racionalidad y de acuerdo al tamaño y la naturaleza de los riesgos involucrados.
EVALUACION DE ALTERNATIVAS
Una vez encontrada la alternativa apropiada, el siguiente paso es evaluar y
seleccionar aquellas que contribuirán mejor al logro de la meta.
FACTORES CUANTITATIVOS: Son factores que se pueden medir en términos
numéricos, como es el tiempo, o los diversos costos fijos o de operación.
FACTORES CUALITATIVOS: Son difíciles de medir numéricamente. Como la calidad
de las relaciones de trabajo, el riesgo del cambio tecnológico o el clima político
internacional.
Para evaluar y comparar los factores se debe reconocer el problema y luego analizar
que factor se le aplica ya se cuantitativo o cualitativo o ambos, clasificar los términos
de importancia, comparar su probable influencia sobre el resultado y tomar una
decisión.
DECISIONES PROGRAMADAS Y NO PROGRAMADAS: Una decisión programada se
aplica a problemas estructurados o de rutina. Los operadores de tomos tienen
especificaciones y reglas que les señalan si la pieza que han hecho es aceptable, si
tiene que desecharse o si se tiene que procesar de nuevo. Las decisiones no
programadas se usan para situaciones no programadas, nuevas y mal definidas, de
naturaleza no repetitivas. Ej.: el lanzamiento de la computadora Macintosh por Apple
Computer.
En realidad las decisiones estratégicas son, en general, decisiones no programadas,
puesto que requieren juicios subjetivos.
La mayoría de las decisiones no son ni completamente programadas ni
completamente no programadas; son una combinación de ambas. La mayor parte de
las decisiones no programadas las toman los gerentes del nivel más alto, esto es
porque los gerentes de ese nivel tienen que hacer frente a los problemas no
estructurados.
ENFOQUES MODERNOS EN LA TOMA DE DECISIONES BAJO CONDICIONES DE
INCERTIBUMBRE: Análisis De Riesgo prácticamente cada decisión se basa en la
interacción de variables importantes, muchas de las cuales tienen un elemento de
incertidumbre pero quizás un grado bastante alto de probabilidad. Por lo tanto, la
sensatez de lanzar un nuevo producto podría desprenderse de varias variables
críticas: el costo de producto, la inversión del capital, el precio que se puede fijar, el
tamaño del mercado potencial y la participación del mercado total.
Árboles de Decisión presentan los puntos de decisión, los acontecimientos fortuitos y
las probabilidades existentes en los diversos cursos que se podrían seguir. El enfoque
del árbol de decisión hace posible observar, al menos las principales alternativas y el
hecho de que las decisiones posteriormente dependan de acontecimientos en el
futuro.
Ej.: Los gerentes también pueden comprender la verdadera probabilidad de una
decisión que conduzca a los resultados deseados.
Una cosa es cierta los árboles de decisión y técnicas similares de decisión reubican
criterios amplios con un centro de atención sobre los elementos importantes de una
decisión, hacen resaltar premisas que con frecuencia están escondidas y muestran el
proceso de razonamiento mediante el cual se toman las decisiones bajo incertidumbre.
Teorías De La Referencia se basa en las ideas de que las actitudes de las personas
hacia el riesgo variaran.
La probabilidad puramente estadística, como se aplica a la toma de decisiones,
descansa sobre la suposición de que los encargados de tomar las decisiones las
seguirán. Podría parecer razonable que si existiera una posibilidad del 60% de que la
decisión sea cierta, una persona la tomaría. Sin embargo esto no es necesariamente
cierto, pues el riesgo de estar equivocados es del 40%, quizás la persona no desee
correr este riesgo.
CREATIVIDAD E INNOVACION: La creatividad suele entenderse la capacidad de
desarrollar nuevas ideas. Por el contrario e innovación significa el uso de esas ideas.
Por supuesto que las organizaciones no solo generan nuevas ideas, sino que además
las convierte en aplicaciones prácticas.
PROCESO CREATIVO: Está compuesta por 4 fases interactuantes entre sí:
Exploración inconsciente
Intuición
El discernimiento
La formulación o verificación lógica
SISTEMAS DE APOYO A LAS DECISIONES: (SAD) usan computadoras para facilitar
el proceso de toma de decisiones de tareas semiestructuradas. Estos sistemas están
diseñados no para reemplazar el criterio administrativo, sino para apoyarlo y hacer
más efectivo el proceso de toma de decisiones. Los sistemas de respaldo a las
decisiones ayudan también a los gerentes a reaccionar rápidamente a los cambios de
necesidades. Por lo tanto, queda claro que el diseño de un sistema efectivo requiere
de un conocimiento profundo de cómo los gerentes toman las decisiones.
ENFOQUE DE SISTEMAS A LA TOMA DE DECISIONES: Por lo general no se puede
tomar decisiones en un ambiente de sistema cerrado. Además, cada departamento o
sección de una empresa; los gerentes de estas unidades organizacionales tiene que
ser sensibles a las políticas y programas de otras unidades organizacionales y de toda
la empresa. Más aún, las personas dentro de la empresa son parte del sistema social
y sus pensamientos y actitudes se tienen que tomar en cuenta cada vez que un
gerente toma una decisión.
Los gerentes para solucionar sus problemas toman en cuenta los diversos elementos
del ambiente del sistema, esto no significa que renuncien a su papel como tomadores
de decisiones. Alguien tiene que seleccionar un curso de acción entre diversas
alternativas, tomando en cuenta los acontecimientos y fuerzas en el ambiente de una
decisión.
1.2 TOMA DE DECISIONES BAJO MODELOS DE CERTIDUMBRE,
INCERTIDUMBRE Y RIESGO.
Continuidad de Incertidumbre Pura y de Certidumbre: El dominio de los modelos de
análisis de decisiones está entre los siguientes dos casos extremos, dependiendo del
grado de conocimiento que tenemos sobre el resultado de nuestras acciones, como se
muestra a continuación:

Ignorancia Situación de riesgoConocimiento

completo
_______________________________________________________________
Modelo de Modelo probabilístico Modelo determinista
incertidumbre pura probabilístico determinista

Uno de los "polos" de esta escala es determinista, el "polo" opuesto es la

incertidumbre pura. Entre estos dos hay problemas con riesgo. La idea principal, aquí,
es que para un problema dado, el grado de certidumbre varía según el gerente,
dependiendo de la cantidad de conocimiento que cada gerente tenga sobre el mismo
problema y refleja la solución diferente que cada persona recomienda. La probabilidad
es un instrumento para medir los chances de que un evento ocurra. Cuando se usa
probabilidad se expresa la incertidumbre, el lado determinista tiene una probabilidad
de 1 (o cero), mientras que el otro extremo tiene una probabilidad plana (todas
igualmente probables). Por ejemplo, si usted tiene certidumbre de la ocurrencia (o no
ocurrencia) de un evento, usa una probabilidad de uno (o cero). Si usted tiene
incertidumbre, entonces usa la expresión "En realidad no sé", por lo tanto, puede o no
ocurrir con una probabilidad del 50%. Esta es la noción de Bayes de que la evaluación
de la probabilidad siempre es subjetiva. Es decir, la probabilidad siempre depende de
cuánto conoce el decisor. Si sabe todo lo que puede saber, la probabilidad pasará a
ser 1 o 0.
Las situaciones de decisión con incertidumbre plena presentan el riesgo más grande.
Para fines de simplicidad, considere el caso en que hay sólo dos resultados con una
probabilidad de p. Así, la variación en los estados de la naturaleza es p (1-p). Esta
variación es la mayor si definimos p = 50%. Es decir, igual chance para cada
resultado. En tal caso, la calidad de la información está en su nivel más bajo. Una
variación mayor de los datos implica una disminución en la calidad de los datos (es
decir, de la información).
La información relevante para resolver un problema de decisión achica nuestra
probabilidad plena. La información de utilidad desplaza la ubicación de un problema
desde el "polo" de la pura incertidumbre hacia el "polo" determinista. La información
relevante y útil achica la incertidumbre: La evaluación de la probabilidad no es más
que la cuantificación de la incertidumbre. En otras palabras, la cuantificación de la
incertidumbre permite comunicar la incertidumbre entre las personas, como la
incertidumbre entre eventos, estados del mundo, creencias, etc. La probabilidad es la
herramienta para comunicar la incertidumbre y para manejar la incertidumbre (domar
el cambio).
Existen tipos diferentes de modelos de decisión que ayudan a analizar distintos
escenarios, dependiendo de la cantidad y el grado de conocimiento que tengamos.
Los tres tipos más ampliamente utilizados son:
Decisión tomada con pura incertidumbre,
Decisión tomada con riesgo * Decisión tomada comprando información (empujando el
problema hacia el "polo" determinista)
En las decisiones tomadas con pura incertidumbre, el decisor no tiene ningún
conocimiento, ni siquiera de la probabilidad de ocurrencia de cualquier estado de la
naturaleza. En estas situaciones, el comportamiento del decisor se basa puramente en
su actitud hacia la incógnita. Algunos de estos comportamientos son los optimistas, los
pesimistas y los de arrepentimiento, entre otros.
Optimista: El vaso está medio lleno.
Pesimista: El vaso está medio vacío.
Gerente: El vaso es el doble de grande de lo necesario.
Observe que esta categoría de problemas (es decir, los problemas con pura
incertidumbre) resultan apropiados sólo para la toma de decisiones en la vida privada.
No obstante, la persona pública (es decir, el gerente) tiene que tener cierto
conocimiento de los estados de la naturaleza, para poder predecir las probabilidades
de cada estado. De lo contrario no podrá tomar una buena decisión que sea razonable
y defendible.
Siempre que un decisor tiene cierto conocimiento sobre los estados de la naturaleza
puede asignar una probabilidad subjetiva a la ocurrencia de cada estado. Y cuando lo
hace, el problema se clasifica como toma de decisiones bajo riesgo. En muchos casos,
el decisor puede necesitar la opinión de un especialista para limitar sus incertidumbres
con respecto a la probabilidad de cada estado de la naturaleza. En tal caso, el decisor
puede comprar información relevante a especialistas, para poder tomar una mejor
decisión. El procedimiento para incorporar el asesoramiento de un experto en las
incertidumbres del decisor se conoce como el abordaje de Bayes.
Por ejemplo, en una situación donde se debe tomar una decisión de inversión, se debe
responder la siguiente pregunta: ¿En qué estado estará la economía el año próximo?

Supongamos que limitamos las posibilidades a: Crecimiento (G), Igualdad (S), o

Declinación (D); entonces, una representación típica de nuestra incertidumbre podría
ilustrarse de la siguiente manera:
Toma de decisiones con pura incertidumbre: Cuando las decisiones se toman con pura
incertidumbre, el decisor no tiene conocimiento de los resultados de ninguno de los
estados de la naturaleza y/o es costoso obtener la información necesaria. En tal caso,
la decisión depende meramente del tipo de personalidad que tenga el decisor.
Comportamiento según los tipos de personalidad y la toma de decisiones con pura
incertidumbre:
Pesimismo, o Conservador (Maxi min). Hipótesis de mínima. Las cosas malas siempre
me suceden a mí.
B
3
a) Escriba el número mínimo en cada fila de acción.
S -2
b) Elija el número máximo y realice esa acción.
D 7*
Optimismo, Agresivo (Maximax). Las cosas buenas siempre me suceden a mí.
B 12
a) Escriba el número máximo en cada fila de acción.
S 15 *
b) Elija el número máximo y realice esa acción.
D 7
Coeficiente de Optimismo (Índice de Hurwicz),). A mitad de camino: Ni demasiado
optimista ni demasiado pesimista:
a) Elija a entre 0 y 1, 1 significa optimista y 0 significa pesimista,
b) Elija los números más alto y más bajo para cada acción,
c) Multiplique el beneficio más alto (en el sentido de las filas) por a y el más bajo por
(1-a),
d) Opte por el curso de acción que da la suma más alta.
Por ejemplo, para a = 0,7, tenemos:
B
(0,7*12)+ (0,3*3)=9,3
S
(0,7*15)+ (0,3*-2)=9,9 *
D
(0,7*7)+ (0,3*7)=7
Mínimo arrepentimiento: (Pérdida de Oportunidad de Savag). Odio las lamentaciones.
Debo minimizar las situaciones deplorables. Mi decisión debe ser tal que valga la pena
repetirla. Sólo debería hacer las cosas que ciento que podría repetir con placer.
El arrepentimiento es el beneficio o rédito de la que hubiera sido la mejor decisión,
dadas las circunstancias, menos el beneficio de la decisión tomada concretamente,
dadas las circunstancias.
a) Configure una tabla de arrepentimiento: Tome el número más alto de cada una de
las columnas correspondientes a los estados de la naturaleza (por ejemplo, L) y
réstele todos los números de dicha columna, es decir, L - Xi, j.
La Matriz de Arrepentimiento
C CM SC B
Paso b
Bonos
(15-12) (8-8) (7-6) (7-3) 4*
Acciones
(15-15) (8-7) (7-3) (7+2) 9
Depósito
(15-7) (8-7) (7-7) (7-7) 8
b) Elija el número máximo de cada acción, c) Elija el número mínimo en Paso b, y
adopte esa acción.
Toma de decisiones con pura incertidumbre. JavaScript E-lab
Limitaciones de la Toma de Decisiones bajo Pura Incertidumbre:
1. En general el análisis de decisión se asume que el tomador de decisiones se
enfrenta un problema donde él o ella debe escoger una opción del grupo de opciones.
En algunos casos estas limitaciones pueden ser superadas mediante la formulación de
una toma de decisión bajo incertidumbre como un juego suma cero de dos personas.
2. En la toma de decisiones bajo incertidumbre pura, el tomador de decisiones no tiene
conocimientos sobre cual estado de la naturaleza es más “probable” que ocurra. Él o
ella probablemente ignora los estados de la naturaleza por lo tanto no podría estar
pesimista u optimista. En tal caso, el tomador de decisiones emboca las condiciones
de seguridad.
3. Note que cualquier técnica utilizada en la toma de decisiones bajo incertidumbre
pura, es solo apropiada para las decisiones de la vida privada. Adicionalmente, una
persona pública (por ejemplo, el gerente) debe tener algunos conocimientos sobre el
estado de la naturaleza tal que prediga las probabilidades de varios estados de la
naturaleza. De lo contrario, el tomador de decisiones no es capaz de proporcionar una
decisión razonable y defendible. A usted podría gustarle utilizar el JavaScript E-lab de
Toma de Decisiones Bajo Pura Incertidumbre para comprobar sus cálculos y realizar
experimentaciones numéricas para una comprensión más profunda y un análisis de
estabilidad más de sus decisiones mediante la alteración de los parámetros del
problema. Toma de Decisiones Bajo Riesgo: El riesgo implica cierto grado de
incertidumbre y la habilidad para controlar plenamente los resultados o consecuencias
de dichas acciones. El riesgo o la eliminación del mismo es un esfuerzo que los
gerentes deben realizar. Sin embrago, en algunos casos la eliminación de cierto riesgo
podría incrementar riesgos de otra índole. El manejo efectivo del riesgo requiere la
evaluación y el análisis del impacto subsiguiente del proceso de decisión. Este
proceso permite al tomador de decisiones evaluar las estrategias alternativas antes de
tomar cualquier decisión. El proceso de decisión se describe a continuación:
1. El problema está definido y todas las alternativas confiables han sido consideradas.
Los resultados posibles para cada alternativa son evaluados.
2. Los resultados son discutidos de acuerdo a su reembolso monetario o de acuerdo a
la ganancia neta en activos o con respecto al tiempo.
3. Varios valores inciertos son cuantificados en términos de probabilidad.
4. La calidad de la estrategia óptima depende de la calidad con que se juzgue. El
tomador de decisiones deberá examinar e identificar la sensibilidad de la estrategia
optima con respecto a los factores cruciales.
Cuando el decisor posee algún conocimiento sobre los estados de la naturaleza puede
asignarle a la ocurrencia de cada estado alguna estimación subjetiva de probabilidad.
En estos casos, el problema se clasifica como de toma de decisiones con riesgo. El
decisor puede asignar probabilidades a la ocurrencia de los estados de la naturaleza.
El proceso de toma de decisión con riesgo es el siguiente: a) Use la información que
tenga para asignar su parecer personal (llamado probabilidades subjetivas) sobre el
estado de la naturaleza, p(s);
b) Cada curso de acción tiene asociado un determinado beneficio con cada uno de los
estados de la naturaleza, X(a, s);
c) Calculamos el beneficio esperado, también llamado riesgo o R, correspondiente a
cada curso de acción como R(a) = Sumas de [X(a, s) p(s)];
d) Aceptamos el principio que dice que deberíamos actuar para minimizar (o
maximizar) el beneficio esperado;
e) Ejecute la acción que minimice R(a).
1.3 ENFOQUE CUANTITATIVO PARA LA TOMA DE DECISIONES Características
generales:
1.- Antecedentes: La escuela cuantitativa también se conoce con el nombre de
escuela matemática o escuela cuántica. Se considera que esta escuela se inició en los
años 40's, pero que las verdaderas contribuciones a soluciones empresariales han
sido en los últimos treinta años.
Actualmente muchos de los problemas empresariales se resuelven por medio de
modelos matemáticos que prestan especial atención a la toma de decisiones. Proceso
de decisiones: Se considera como una serie de etapas que forman una decisión. La
toma de decisiones es un proceso que lleva a cabo todo administrador y es
considerado como una tarea central de la administración.
A la toma de decisiones se le define como la selección basada en cierto criterio de la
conducta alternativa entre dos o más caminos, cursos de acción o alternativas.
Tipos de decisiones: En la empresa existen dos:
1) Las programadas, en las que los datos son adecuados y repetitivos, hay certeza y
las condiciones en muchas ocasiones son estáticas.
2) Las no programadas, en las que los datos son inadecuados, hay incertidumbre y las
condiciones son dinámicas y se utilizan técnicas de planteamiento y control.
Modelos y técnicas matemáticas:
Investigación de Operación: Se define como la aplicación de la Lógica matemática y el
Método Científico con la finalidad de solucionar problemas administrativos que se
representan por medio de modelos matemáticos que se resuelven por medio de
ecuaciones algebraicas. La Investigación de Operaciones se basa en las siguientes
teorías matemáticas:
1.-Teoría de juegos: En esta teoría se analizan los conflictos. En él intervienen dos o
más personas; a cada una se le da un número limitado de estrategias las cuáles
reflejarán el resultado de cada uno de los cursos de acción. Los resultados son
calculados preferentemente por medio de una matriz.
2.-Teoría de Colas: Su objetivo es optimizar distribuciones en condiciones de
aglomeraciones. Se encarga de eliminar los tiempos de espera o demoras
innecesarias y los puntos de interés son el tiempo de espera y el número de clientes
(las uní filas de los bancos son una solución por éste medio). 3.-Teoría de decisiones:
Este se resuelve en base a los siguientes pasos:
a) Definición del problema.
b) Desarrollo de alternativas.
c) Construcción del modelo.
d) Probar el modelo.
e) Implementar el modelo.
4.- Programa de actividades: Esta se desarrolla por medio de los sistemas CPM, Pert ,
por medio de diagramas de flechas y red de actividades; tiene como objetivo encontrar
el camino crítico por medio de una secuencia de actividades y operaciones que
permitan el mejor aprovechamiento de los recursos en un tiempo óptimo. 5.-
Programación lineal: Este procedimiento tiene como objetivo, minimizar los costos y
maximizar la eficiencia mediante ciertos límites y obligaciones. Un requisito
indispensable es que exista una localización de planta y hay que tomar en cuenta
ciertas variables de materia prima, lugar de venta, etc.
6.- Probabilidad y estadística matemáticas: Es un sistema que se utiliza cuando los
datos son difíciles de obtener. El sistema estadístico muestra las características que
debe que debe tener una alternativa para que pueda ser elegida. Este sistema se
utiliza mucho en control de calidad, créditos, seguros, etc. Este sistema permite
conocer la probabilidad de éxito que tiene una alternativa. 7.- Programación dinámica:
Este tipo de programación se utiliza cuando antes de llegar al objetivo final tenemos
que pasar por ciertas fases intermedias, pero relacionadas y que si una de ellas no se
logra adecuadamente se afecta el objetivo final. Ejemplo: vendedores que tienen
programadas una serie de visitas a sus clientes.
1.4 TEORIA DE LA UTILIDAD
Es un auxiliar en la toma de decisiones bajo incertidumbre: Consiste en aplicar 4
axiomas de la "racionalidad" de tal manera que cualquier agente de satisfacer los
axiomas tiene una función de utilidad. Todas las preferencias del agente se
caracterizan por maximizar el valor esperado.
VON NEUMANN-MORGENSTERN UTILIDAD TEOREMA: Von Neumann y
Morgentern demostraron que si las preferencias de una persona satisfacen los
axiomas siguientes, entonces se debe elegir entre las loterías usando un criterio de la
utilidad esperada.
AXIOMA 1: de ordenación completa. Para dos recompensas r1 y r2, uno de los
siguientes enunciados debe ser cierto: la persona que toma la decisión (1) prefiere r1 a
r2 (2) prefiere r2 a r1 o (3) es indiferente entre r1 y r2. es decir la persona prefiere r1 a
r3. Utilizamos el axioma de ordenación completa para determinar los resultados más y
menos favorables.
AXIOMA 2: de continuidad. La continuidad da por supuesto que hay un "punto de
inflexión" entre el ser y el mejor que peor que una opción intermedia dado: Si,
Entonces existe una probabilidad de tal manera que: si r1pr2 y r2pr3 entonces existe c
tal que (1, r2) i(c, r1; 1-c, r3)
AXIOMA 3: de independencia. Suponga que quien toma la decisión no tiene
preferencia entre las recompensas r1 y r2. sea r3 cualquier recompensa. Entonces
para cualquier c (0<c<1)
AXIOMA 4: de probabilidad desigual. Si las dos loterías tienen solo r1 y r2 como
resultados posibles, la persona prefiere la lotería con la mayor probabilidad de obtener
r1.
Se utiliza este axioma cuando se incluye por ejemplo, que se prefiere L1 en vez de L2
(debido a que L1 tenía la probabilidad de .90 en $30,000 y L2 tenía solo una
probabilidad de .80 en $30,000).
1.5 OBTENCION DE DATOS PARA LA TOMA DE DECISIONES
¿Que son los Datos? Son hechos o conceptos conocidos o supuestos y generalmente
se expresan en forma numérica, reflejan lo que sucedió en el pasado y lo que está
sucediendo. Son una base parcial que ayudan a describir los sistemas del mundo real
sobre los cuales se toman decisiones, es el paso más costoso y laborioso al aplicar
métodos cuantitativos.
¿Cómo se clasifican?
* Datos de transacciones: Son registros diarios de las transacciones de una
organización. * Datos internos: Estos se generan al interior de la empresa.
* Datos externos y del medio ambiente: Se generan en el medio que opera la
organización.
* Datos objetivos: reflejan hechos o conceptos que no requieren subjetividad en su
interpretación.
* Datos subjetivos: reflejan creencias subjetivas
¿Para qué sirven? Sirven para la toma de decisiones para el control operativo, control
administrativo, se llevan a cabo de manera eficaz y eficiente. * En los equipos de
trabajo en común I.O. pasen mucho tiempo en la recolección de datos relevantes del
problema.
* Se necesitan muchos datos para lograr la comprensión exacta del problema y así
proporcionar el insumo adecuado para el modelo matemático.
* Con frecuencia, al inicio de este no se dispone de muchos datos necesarios, ya sea
porque nunca se guardó la información o porque lo guardado cayó en la obsolescencia
o se guardó de forma incorrecta.
* Muchas veces se debe instalar un nuevo sistema de información general para reunir
los datos sobre la marcha y en la forma adecuada.
* El equipo de I.O. debe destinar un tiempo considerable para recabar la ayuda de
otros miembros que serán clave en la organización, entre ellos especialistas en T.I. *
Con todo ese esfuerzo mucho datos pueden ser blandos, es decir, estimaciones
burdas basadas solo en juicios personales, el equipo de I.O. debe utilizar una gran
cantidad de tiempo para mejorar la precisión de los datos y al final tendrá que trabajar
con lo mejor que pudo obtener.
* Debido a la expansión del uso de bases de datos y el crecimiento explosivo de su
tamaño en los años recientes, en la actualidad los equipos de I.O. a menudo se
encuentran con que su problema más grande con los datos es que existen
demasiados. * Una de las herramientas más modernas de los equipos de I.O. que
abordan este problema es una técnica denominada extracción de datos.
* Los métodos para aplicarla tratan de descubrir patrones interesantes dentro de las
grandes fuentes de información que puedan conducir a una toma de decisiones útiles.
Ejemplo: A finales de la década de los 90’s, las compañías de servicios financieros
generales sufrieron el ataque de la firmas de correduría electrónica que ofrecían
costos de compra-venta financiera muy bajos. Merrill Lynch respondió con la
realización de una gran estudio de I.O. que recomendó la revisión completa de la
manera en que cobraba sus servicios, desde una opción basada en activos de servicio
completo – cargo de un porcentaje fijo del valor de los activos en vez de hacerlo por
transferencias individuales – hasta una opción de bajo costo para los clientes que
deseaban invertir en línea de manera directa. La recolección y el procesamiento de
datos tuvieron un papel fundamental en el estudio. Para analizar el efecto del
comportamiento de cada uno de los clientes en respuesta a diferentes opciones, el
equipo decidió montar una base de datos de clientes con una capacidad de 200
gigabytes, la cual debía contener 5 millones de clientes, 10 millones de cuentas, 100
millones de registros de transacciones y 250 millones de registros contables. Este
objetivo requerido combinar, reconciliar, filtrar y limpiar daros procedentes de muchas
bases de datos.
1.6 ÁRBOL DE DECISIONES
El árbol de decisiones es una representación cronológica del proceso de decisión,
mediante una red que utiliza dos tipos de nodos: los nodos de decisión, representados
por medio de una forma cuadrada (el nodo de elección), y los nodos de estados de la
naturaleza, representados por círculos (el nodo de probabilidad).
Usted puede imaginarse el conducir de su coche, el comenzar en el pie del árbol de la
decisión y el trasladarse a la derecha a lo largo de las ramificaciones. En cada nodo
cuadrado usted tiene control, puede tomar una decisión, y da vuelta a la rueda de su
coche. En cada nodo del círculo la señora Fortuna asume el control la rueda, y usted
es impotente.
UNIDAD II programación lineal
2.1 Formulación y aplicación de modelos de programación lineal
En todos los problemas aplicados a la programación lineal hay una estructura común:
se quiere optimizar un objetivo sujeto a una serie de restricciones; por supuesto todas
estas condiciones se deben poder expresar linealmente. Esta estructura común es
precisamente el modelo de la programación lineal. La forma del modelo es la
siguiente:
2.2 Método gráfico y programación lineal.
2.5 Método dual-simplex.
Programación lineal.
La programación lineal (PL) es una de las técnicas de modelación dentro de la
investigación de operaciones, especialmente utilizada para la planeación óptima y para
la toma de decisiones. Se emplea para problemas de planeación de la producción
dentro de la industria; la optimización en el uso de los recursos humanos y materiales
de las organizaciones o instituciones; planear dietas, recorridos, carteras de
inversiones, inventarios, y un sinnúmero de aplicaciones en distintas áreas. Para
comprender lo que es la Programación Lineal es importante entender los siguientes
conceptos básicos:
• Variables de Decisión:
Con las variables de decisión nos referimos al conjunto de variables cuya magnitud
deseamos determinar resolviendo el modelo de programación lineal.
• Restricciones:
Están constituidas por el conjunto de desigualdades que limitan los valores que
puedan tomar las variables de decisión en la solución.
• Función Objetivo:

Es la función matemática que relaciona las variables de decisión.

• Linealidad:

Se refiere a que las relaciones entre las variables, tanto en la función objetivo como en
las restricciones deben ser lineales.
• Desigualdades:
Las desigualdades utilizadas para representar las restricciones deben ser cerradas o
flexibles, es decir, menor - igual (<=) o mayor – igual (>=). No se permiten
desigualdades de los tipos menor- estrictamente o mayor – estrictamente, o abiertas.
• Condición de no – negatividad:
En la programación lineal las variables de decisión sólo pueden tomar valores de cero
a positivos. No se permiten valores negativos.

2.3 Método simplex.

2.4 Método dual.
2.3.1 Método algebraico de programación lineal.
2.3.2 La tabla simples.
2.6 Análisis de resultados.
El concepto de dualidad indica que para cada problema de PL hay una asociación y
una relación muy importante con otro problema de programación lineal, llamado
precisamente dual.
La relación entre el problema dual y su asociado, es decir el problema original llamado
primal, presenta varias utilidades:
Aporta elementos que aumentan sustancialmente la compresión de la PL.
El análisis de dualidad es una herramienta útil en la solución de problemas de PL, por
ejemplo: más restricciones que variables.
El problema dual tiene interpretaciones e informaciones importantes que muestran que
los análisis marginales están siempre involucrados implícitamente al buscar la solución
óptima a un problema de PL.
La forma estándar general del primal se defina como; para maximizar o minimizar.

• El número de variables que presenta el problema dual se ve determinado por el

número de restricciones que presenta el problema primal.
• El número de restricciones que presenta el problema dual se ve determinado por el
número de variables que presenta el problema primal.
• Los coeficientes de la función objetivo en el problema dual corresponden a los
términos independientes de las restricciones (RHS), que se ubican del otro lado de las
variables.
• Los términos independientes de las restricciones (RHS) en el problema dual
corresponden a los coeficientes de la función objetivo en el problema primal.
• La matriz que determina los coeficientes técnicos de cada variable en cada
restricción corresponde a la transpuesta de la matriz de coeficientes técnicos del
problema primal.

Relaciones entre problemas primales y duales.

El sentido de las igualdades y desigualdades se comporta según la tabla de TUCKER,
presentada a continuación.
Importancia de la dualidad en programación lineal.
La resolución de los problemas duales respecto a los primales se justifica dada la
facilidad que se presenta dados problemas donde el número de restricciones supere al
número de variables. Además de tener gran aplicación en el análisis económico del
problema.
Otra de las ventajas que presenta es que dado a que el número de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver gráficamente
problemas que presenten dos restricciones sin importar el número de variables.

El Método Simplex es un método iterativo que permite ir mejorando la solución en

cada paso. La razón matemática de esta mejora radica en que el método consiste en
caminar del vértice de un poliedro a un vértice vecino de manera que aumente o
disminuya (según el contexto de la función objetivo, sea maximizar o minimizar), dado
que el número de vértices que presenta un poliedro solución es finito siempre se
hallará solución.
Este famosísimo método fue creado en el año de 1947 por el estadounidense George
Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el ánimo de crear un
algoritmo capaz de solucionar problemas de m restricciones y n variables.

El método algebraico es una forma de trabajar con el método simplex pero sin usar las
tablas, utiliza únicamente álgebra y lógica matemática para hallar la solución óptima.
Consta de los siguientes pasos:

1. Determinar si existe una básica factible inicial.

2. Determinar si existe una solución básica factible mejor. Si es así realizar el siguiente
paso, de otro modo, la solución actual es óptima.
3. Pasar a la siguiente solución básica factible, cambiando una variable básica por una
no básica, haciendo que todas las variables sean no negativas y regresamos al paso
2.Este método es poco aplicado porque llega a ser muy tardado y poco práctico, a
diferencia del simplex donde toda la información se almacena en tablas y las
operaciones de estas tablas son rápidas. Pero este método trabaja muy rápido cuando
los sistemas de restricciones son muy pequeño y no hay que hacer tantos
movimientos entre los extremos de la región factible.

Este método se aplica a problemas óptimos, pero infactibles. En este caso, las
restricciones se expresan en forma canónica (restricciones).
La función objetivo puede estar en la forma de maximización o de minimización.
Después de agregar las variables de holgura y de poner el problema en la tabla, si
algún elemento de la parte derecha es negativo y si la condición de optimidad está
satisfecha, el problema puede resolverse por el método dual simplex. Note que un
elemento negativo en el lado derecho significa que el problema comienza óptimo, pero
infactible como se requiere en el método dual simplex. En la iteración donde la
solución básica llega a ser factible esta será la solución óptima del problema.

CONDICION DE FACTIBILIDAD.
La variable que sale es la variable básica que tiene el valor más negativo (los empates
se rompen arbitrariamente si todas las variables básicas son no negativas, el proceso
termina y esta última tabla es la solución óptima factible).
CONDICION DE OPTIMIDAD.

La variable que entra se elige entre las variables no básicas como sigue. Tome los
cocientes de los coeficientes de la función objetivo entre los coeficientes
correspondientes a la ecuación asociada a la variable que sale. Ignore los cocientes
asociados a denominadores positivos o cero. La variable que entra es aquella con el
cociente más pequeño si el problema es de minimizar o el valor absoluto más pequeño
si el problema es de maximización (rompa los empates arbitrariamente). Si los
denominadores son ceros o positivos el problema no tiene ninguna solución factible.

Este método consiste en representar geométricamente las restricciones, variables y

función objetivo.
El método gráfico se emplea para resolver problemas que presentan sólo 2 variables
de decisión. El procedimiento consiste en trazar las ecuaciones de las restricciones en
un eje de coordenadas X1, X2 para tratar de identificar el área de soluciones factibles
(soluciones que cumplen con todas las restricciones).
La solución óptima del problema se encuentra en uno de los vértices de esta área de
soluciones creada, por lo que se buscará en estos datos el valor mínimo o máximo del
problema.

Los pasos necesarios para realizar el método son:

1. Hallar las Restricciones, Función Objetivo y las Variables del problema.
2. Sustituir ≥ y ≤ por (=)
para cada restricción, con lo cual se produce la ecuación de una línea recta.
3. Trazar la línea recta correspondiente a cada restricción en el plano.
La región en cual se encuentra cada restricción, el área correspondiente a cada
restricción lo define el signo correspondiente a cada restricción (≥ ó ≤).
4. El espacio en el cual se satisfacen las tres restricciones es el área factible.
Cada punto situado en la frontera del espacio del área factible, es decir que satisfacen
todas las restricciones, representa un punto factible.
5. Las líneas paralelas que representan la función objetivo se trazan mediante la
asignación de valores arbitrarios a fin de determinar la pendiente y la dirección en la
cual crece o decrece el valor de la función objetivo.
6. La solución óptima puede determinarse al observar la dirección en la cual aumenta
la función objetivo, se procede a graficar la función objetivo, si es un problema de
minimización la solución óptima es el primer punto factible que toque la función Z, y si
por lo contrario es un problema de maximización, será entonces el último de los puntos
factibles que toque la función Z.

La Programación Lineal no solo radica en el procedimiento matemático, sino en la

herramienta financiera que sirve de soporte para la toma de decisiones
en cualquier organización. Adicionalmente, vale la pena resaltar que, para el
Administrador de Empresas, el Economista, el contador, el Gerente, el financiero, y
para el empresario en general, es vital manejar adecuadamente esta herramienta que
es aplicable a todas las áreas que componen una organización empresarial y que
permiten la asignación eficiente de los recursos, además de la ayuda que presta para
globalizar la información. La Programación Lineal busca la asignación eficiente de los
recursos asignados, que permite maximizar las utilidades y minimizar los costos. Por lo
tanto, Programación Lineal comprende la planificación de actividades, es decir un
resultado que alcance la meta en la mejor forma teniendo en cuenta las restricciones
propias de cada actividad.
La Economía de negocios, donde se busca determinar el precio de los productos, el
análisis del punto muerto, el cálculo de costo de productos y la sustitución de equipos.
Las Finanzas, que evalúan las empresas, planeando las finanzas personales,
comercio de divisas y administración de efectivo, análisis de inversión y control de
presupuestos de un proyecto entre otros.
Las Operaciones en la Producción. Donde se evalúan decisiones sobre fuentes de
aprovisionamiento, mezclas de productos, control de inventarios, planeación de
personal y de producción y pronóstico de ventas.
Importancia de la programación lineal.
¿Cómo se aplica la programación lineal en áreas empresariales?
Pasos:
1.-Realizar un cambio de variables y normalizar el signo de los términos
independientes.
2.- Normalizar las restricciones.
3.-Igualar la función objetivo a cero.
4.-Escribir la tabla inicial del método Simplex.
5.- Condición de parada.
6.-Elección de la variable entrante y saliente de la base.
7.- Actualizar la tabla.
8.- Al comprobar la condición de parada se observa que no se cumple ya que entre los
elementos de la última fila hay uno negativo, -1. Se continúa iterando nuevamente los
pasos 6 y 7.
9.- Una nueva comprobación de la condición de parada revela que entre los elementos
de la fila indicadora vuelve a haber uno negativo, -1. Significa que aún no se ha
llegado a la solución óptima y hay que seguir iterando (pasos 6 y 7).
10.- Fin del algoritmo.
La importancia de este método radica en que gracias a su existencia se pueden
resolver problemas complejos. Este método conforma la base de la programación
lineal y es debido a que facilita la toma de decisiones en casos complejos ya que
permite solucionar sistemas donde en número de variables supera el número de
ecuaciones, ha resultado ser muy eficiente en la práctica.

Ventajas
Es un Método heurístico. Se basa en consideraciones geométricas y no requiere el
uso de derivadas de la función objetivo.
Es de gran eficiencia incluso para ajustar gran número de parámetros.
Se puede usar con funciones objetivo muy sinuosas pues en las primeras iteraciones
busca el mínimo más ampliamente y evita caer en mínimos locales fácilmente.
Es fácil implementar y usar, y sin embargo tiene una alta eficacia.

Desventajas
Converge más lentamente que otros métodos, pues requiere más número de
iteraciones.
En el caso de que la función tenga todas sus variables básicas positivas, y además las
restricciones sean de desigualdad "≤", al hacer el cambio se quedan negativas y en la
fila del valor de la función objetivo se quedan positivos, por lo que se cumple la
condición de parada, y por defecto el valor óptimo que se obtendría es 0.

Las tablas simples es matemáticamente equivalente a la forma algebraica, nada más

que en lugar de escribir cada conjunto de ecuaciones con todo detalle, se usa una
tabla símplex para registrar sólo la información esencial, a saber:
1. los coeficientes de las variables
2. Las constantes del lado derecho de las ecuaciones
3. las variables básicas que aparecen en cada ecuación

Importancia
• Las tablas simples te ayudará a encontrar la solución de cualquier problema usando
únicamente los coeficientes de las ecuaciones, los cuales se colocan en una tabla,
siguiendo el mismo formato del sistema de una tabla, siguiendo el mismo formato del
sistema de ecuaciones original.
Ventaja
• Este método lo puedes aplicar para dos o más variables
• simplifica las operaciones y cálculos que tienes que realizar

BIBLIOGRAFIA:
Handy a. Taha - investigación de operaciones – Editorial Pearson
Anand, Paul. Fundamentos de la elección racional bajo riesgo de Oxford, Oxford
University Press. Reimpreso 1993, 1995, 2002.
Fishburn, Peter C. Teoría de la Utilidad para la toma de decisiones. Huntington, NY.
Robert E. Krieger Publishing Co. 1970. ISBN 978-0471260608
ENLACES DE INTERNET:
http://home.ubalt.edu/ntsbarsh/opre640s/spanishp.htm#rdmupu
http://www.tuobra.unam.mx/obrasPDF/publicadas/040924182324.html
http://usuarios.multimania.es/montoya/admonver8.html