Está en la página 1de 21

226

CAPÍTULO X

TEORÍA DE DECISIONES

El poder sólo debería concedérsele


a hombres que no lo adoran
Platón

Introducción
El hombre debe diariamente tomar numerosas decisiones sobre diversos aspectos que tienen que ver con su
vida. Muchas de estas decisiones son tomadas en forma rutinaria, quizás basado en sus hábitos y no de una
manera racional, debido principalmente a que son asuntos triviales. Sin embargo, hay ocasiones en las cuales
se tiene que tomar una decisión importante para la que deben evaluarse cuidadosamente tanto la información
disponible, como los riesgos que implica cada una de las alternativas con las que se cuenta.

En el ámbito actual de los negocios, con una economía globalizada y donde las empresas de servicios son
las que han tenido un mayor auge, muchas de las decisiones que deben tomarse dejan de ser apoyadas en
números duros y estáticos y por el contrario, cada vez se basan más en cuestiones subjetivas y en el criterio de
quien debe tomarlas.

Por esto la Investigación de Operaciones se ha movido para tratar de adaptarse a estos cambios, lo que ha
traído consigo que se utilicen cada vez más herramientas probabilísticas y estadísticas para apoyar al
administrador en la toma de decisiones.

En este capítulo se presentan varios de los modelos más usuales que se han empleado en la Investigación
de Operaciones para la toma de decisiones, donde en primer lugar se trata la terminología propia de la teoría
de decisiones, luego se presentarán algunos modelos de decisión de criterios ingenuos, posteriormente se verá
un modelo utilizado para distribuciones de probabilidad discretas, como es el análisis bayesiano con el
Criterio A Priori, comparando sus resultados con el valor esperado en el caso hipotético de contar con la
información perfecta, también se definirá el concepto de utilidad, que trae consigo aspectos de subjetividad,
luego se estudia la forma de tomar una decisión cuando se tiene una distribución de probabilidad continua,
que en este caso es la curva normal, la que resulta muy familiar en el ámbito de la estadística y finalmente se
presenta el método del Análisis Marginal para tomar decisiones, que es con mucho el mejor de todos.
.
Para tratar lo antes señalado, lo primero que se hará será presentar un caso base, que servirá para ilustrar
los diferentes métodos y conceptos que se irán manejando a lo largo del capítulo.

Caso Base
Tortas «El Tigre»
El señor José Sánchez tiene un carrito donde vende tortas en la plazoleta principal de Rioverde y está
buscando la forma de hacer más eficiente su trabajo, pues se ha dado cuenta que preparar las tortas hasta que
el cliente llega al carrito, le ha comenzado a generar problemas, pues es frecuente que se le junte un número
considerable de personas que llegan a pedirle una torta y como no tiene en esos momentos nada preparado,
debe hacerlo hasta que le hacen el pedido, con la consiguiente espera por parte del cliente. El Sr. Sánchez ha
notado que hay clientes que se disgustan por una espera prolongada y de plano mejor se van del lugar. Ante
esto, ha pensado en preparar las tortas desde ese mismo día por la mañana y llegar con ellas ya listas para la
venta, sólo que ahora el riesgo es que prepare tortas en mayor cantidad a las que le son demandadas, pues por
las características de las tortas, como los ingredientes que llevan, al día siguiente ya no están en las mismas
condiciones. Ante esta situación, ha llevado una estadística de los últimos 100 días de ventas, que es la
siguiente:
227

Tabla X.1. Estadística de ventas de tortas.


Ventas de Tortas Frecuencia observada,
Número de días
520 13
540 21
560 29
580 22
600 15
Total 100

El costo de cada torta para el Sr. Sánchez es de 7.20 pesos, mientras que su precio unitario de venta es de
13 pesos. Además ha hecho un arreglo con el Hospital Regional, que para su albergue necesita comida. El
arreglo consiste en que lo que haya preparado y a media tarde no haya vendido, lo tomará el Hospital, sólo
que a un precio de 4 pesos por cada torta.

Ante esta situación ¿Cuántas tortas debería preparar el Sr. Sánchez?

Terminología de Decisiones
Se presentan ahora varios de los términos más usados en la teoría de decisiones y sus definiciones, como es el
caso de decisiones alternativas, estados de la naturaleza, resultados de una decisión, matriz de pagos y árboles
de decisión, los que son de gran utilidad para una mejor comprensión del texto.

Decisión alternativa
Es cada una de las posibles opciones que puede elegir la persona que toma una decisión. También se les
conoce como estrategias y se denotan en este capítulo como Di, siendo i el subíndice correspondiente a cada
posibilidad, así para el caso base de las tortas, hay 5 decisiones alternativas posibles, que son las cantidades de
tortas que el Sr. Sánchez puede preparar, siendo éstas D1= 520, D2=540, D3 = 560, D4 = 580 y D5 = 600 tortas.

Estados de la naturaleza
Estos son las acciones externas que están fuera del control de la persona que toma las decisiones, que para el
caso base serían las demandas de tortas, habiendo según la estadística respectiva, 5 diferentes estados de la
naturaleza, que son las posibles demandas de tortas que puede haber. Se representan como Ej, siendo j cada
posible estado, es decir, E1 = 520, E2 = 540, E3 = 560, E4 = 580 y E5 = 600 tortas.

Resultado de una decisión


Este es el valor numérico con el que se cuantifica cada decisión para un estado de la naturaleza dado,
normalmente se expresa en unidades monetarias. Así para el caso base del expendio de tortas, el resultado de
elegir por ejemplo la primera decisión, es decir preparar 520 tortas ante la situación de que la demanda sea de
520 tortas (el estado de la naturaleza respectivo), será de 520 tortas x 5.80 $/torta, o sea 3,016 pesos. El valor
de 5.80 es el margen de ganancia por torta que obtiene el Sr. Sánchez.

Matriz de pagos
Esta es la tabla que contiene los resultados de tomar cada una de las posibles decisiones alternativas ante cada
estado de la naturaleza que puede acontecer. También suele denominársele como tabla de resultados o de
ganancias condicionales, puesto que representa las ganancias que pueden lograrse por elegir una decisión
cualquiera Di, dada la condición de que suceda el estado Ej. En dicha tabla los las opciones de decisión van en
los renglones y los estados de la naturaleza en las columnas.

Árboles de decisión
Un árbol de decisión es una representación gráfica del proceso que se lleva a cabo para tomar una decisión.
Cada autor representa un árbol bajo determinados convencionalismos, por lo cual ahora se explicará la forma
como se presentan en este texto.
228

Todo árbol de decisión consta de dos partes fundamentales: nodos y ramas. Los nodos pueden ser de
dos tipos básicos: nodos de decisión, que representan los eventos en los que se tiene que tomar una decisión y
se denotan en este texto por cuadros; y nodos de probabilidad, los que indican estados de la naturaleza y su
probabilidad de que ocurran, ilustrándose por medio de círculos. Cada nodo independientemente del tipo que
sea, deberá tener un resultado asociado a él.

Las ramas por su parte, muestran las diferentes posibilidades de decisión o de los estados de la
naturaleza, dependiendo del tipo de nodo del que parten, por lo tanto partirán tantas ramas desde un nodo de
probabilidad como estados de la naturaleza haya y desde un nodo de decisión como alternativas de decisión
existan. Todas las ramas inician desde un nodo que puede ser de cualquiera de los dos tipos y llegan a otro,
con la excepción de las ramas terminales, las que siempre inician partiendo de un nodo de probabilidad y no
finalizan en un nodo, sólo llevan señalado su resultado correspondiente. Las ramas que inician en un nodo de
decisión y que no son elegidas en el proceso de toma de decisiones, se marcan con una cruz en el esquema del
árbol.

A continuación se presentan dos ejemplos para ilustrar parte de la terminología comentada.

Ejemplo X.1.- Para el caso base generar su matriz de pagos.

Solución:
La matriz de pagos contiene para el caso base 5 renglones, pues hay este número de decisiones
alternativas para el Sr. Sánchez, que son las tortas que deberá preparar cada mañana y dada la estadística con
que cuenta, hay 5 posibilidades, que son 520, 540, 560, 580 y 600 tortas.

Por su parte, los estados de la naturaleza son las posibles demandas de tortas por parte de los clientes, que
según la estadística son los 5 valores de la misma. En la matriz cada estado se coloca en una columna.

Lo que sigue es calcular los elementos de la matriz, que serán los pagos o resultados de la misma, donde
cada uno de ellos será la ganancia condicional que obtendría el Sr. Sánchez por preparar el número de tortas
correspondiente al renglón donde esté ubicado el elemento, si se presenta una demanda igual al estado de la
naturaleza de la columna donde esté dicho elemento.

Para el cálculo de estos elementos de la matriz se necesitan conocer dos variables: la ganancia y la
pérdida marginal. La primera de ellas es el margen de ganancia por preparar una torta y venderla, que en el
caso base será de 13.00 – 7.20 = 5.80 pesos, mientras que la pérdida marginal es lo que perdería por preparar
una torta y que no se venda, que en este caso es la diferencia entre el costo y el precio de recuperación por la
venta de tortas sobrantes al Hospital, es decir 7.20 – 4.00 = 3.20 pesos. (En caso de no haber recuperación
como sucede en el caso base, la pérdida marginal es igual al costo).

A manera de ejemplo, se ilustra la forma de calcular los elementos del tercer renglón, o sea el caso de la
decisión alternativa de preparar 560 tortas.

Así para el caso del primer estado de la naturaleza, que la demanda sea de 520 tortas, se venden 520
tortas con una ganancia marginal de 5.80 pesos cada una y las 40 restantes se venden al hospital, con una
pérdida marginal de 3.20 pesos cada una, para dar el resultado neto siguiente:

Elemento = (520)(5.80) – (40)(3.20) = 3016.0 – 128.0 = 2888.0 $/torta

El segundo elemento del renglón será el que corresponde a una demanda de 540 tortas, por lo que el
resultado es el siguiente:

Elemento = (540)(5.80) – (20)(3.20) = 3132.0 – 64.0 = 3068.0 $/torta


229

El tercer elemento será el de una demanda igual al número de tortas preparadas, es decir 560, por lo que
el resultado es:
Elemento = (560)(5.80) = 3248 $/torta

Para el cuarto y quinto elementos, que sería el caso de una demanda de tortas mayor al número preparado
de éstas, la ganancia es igual a la última calculada, sólo con la situación de dejar de vender por falta de tortas,
lo que no se considera numéricamente en el cálculo de estos elementos.

Procediendo de manera análoga se obtiene la matriz de pagos siguiente:

Tabla X.2. Matriz de pagos del caso base.


Estado 520 540 560 580 600
Decisión
520 3016 3016 3016 3016 3016
540 2952 3132 3132 3132 3132
560 2888 3068 3248 3248 3248
580 2824 3004 3184 3364 3364
600 2760 2940 3120 3300 3480

Ahora se presenta otro ejercicio para ilustrar el planteamiento del mismo, su matriz de pagos y el árbol de
decisión respectivo.

Ejemplo X.2.- Un agricultor ejidal de El Refugio está considerando plantar en esta temporada de invierno un
predio agrícola con chile serrano. El agricultor sabe que existe la posibilidad de que se presente una helada, lo
que le haría perder la cantidad de $ 30,000, que es el monto de los gastos en los que incurriría por el cultivo
del producto, pero en caso de que la helada no suceda, considera que puede cosechar hasta 25 toneladas, cuyo
precio estimado es de 4 pesos el kilogramo. Conforme a datos del meteorológico, la probabilidad de que este
año hiele es de un 60%. Ante esta situación, constrúyase la matriz de pagos y el árbol de decisión del proceso.

Solución:
En este caso hay dos decisiones alternativas para el agricultor: sembrar o no sembrar. Por su parte, los
estados de la naturaleza son dos: que hiele o que no hiele.

Ante esto, la matriz de pagos deberá incluir dos renglones y dos columnas y es la siguiente:

Tabla X.3. Matriz de pagos del ejemplo X.2.


Estado Helada No helada
Decisión
Sembrar (30,000) 70,000
No sembrar 0 0

Donde el pago correspondiente al primer renglón y segunda columna se obtiene de evaluar los ingresos,
que serían 25,000 kilogramos vendidos a 4 pesos por kilogramo, lo que hace un monto de $ 100,000, a los que
hay que restarles los gastos en los que se incurre, que son los $ 30,000.

Por su parte el árbol de decisión es el que se presenta en la figura X.1:


230

Figura X.1. Árbol de Decisión


del ejemplo X.2. E1 (30,000)

B
D1
E2 70,000

E1
A 0

D2 C

0
E2

Donde puede verse que el nodo A es de decisión y los nodos B y C son de probabilidad, mostrándose las
ramas que parten de estos nodos con su respectivo resultado al final de las mismas.

En esta figura no se señala ninguna rama con una cruz, dado que en este momento no se sabe qué
decisión debe tomarse.

Modelos de Decisión de Criterios Ingenuos


Estos modelos son llamados de criterios ingenuos porque no toman en cuenta las probabilidades que tiene
cada estado de la naturaleza de suceder, por lo que también suele conocérseles como modelos de decisión sin
datos previos.

En este texto se presentan 3 modelos de este tipo, aún cuando hay más. Dichos modelos son: (a) Modelo
Minimax, (b) Modelo Optimista y (c) Modelo de Maximización del Pago Promedio.

Modelo Minimax
Este modelo también es conocido como pesimista y como criterio de decisión de Wald (Hillier y Lieberman,
1991). Se basa en suponer que la naturaleza es un contrincante muy inteligente y hará acontecer el estado
menos conveniente para el tomador de la decisión, o lo que es lo mismo, que sucederá lo peor para quien
toma las decisiones. Consiste de las siguientes etapas:

1.-Para cada posible decisión Di, deberá tomarse el peor resultado, es decir, el valor mínimo.
2.-Con los resultados del paso anterior, se debe seleccionar aquella decisión correspondiente al valor
máximo.

Esto explica el nombre de este modelo, pues se está tomando de la matriz de pagos el valor máximo de
los mínimos.

Modelo Optimista
Este modelo también es conocido como Criterio de decisión de Hurwicz y es exactamente lo contrario al
anterior, ya que considera que la naturaleza siempre jugará a favor del tomador de decisiones (Davis y
McKeown, 1986). Consiste en los pasos siguientes:
231

1.-Para cada posible decisión Di, tomar su mejor resultado, es decir el valor máximo.
2.-De los resultados del paso anterior, elegir aquella opción que tenga el valor máximo.

Modelo de Maximización del Pago Promedio


Este modelo también es conocido como Criterio de decisión de Laplace y consiste básicamente en las
siguientes etapas (Davis y McKeown, 1986):

1.-Para cada decisión Di, hallar el pago promedio, el cual se obtiene al dividir la suma de todos los
elementos del renglón i en la matriz de pagos, entre el número de ellos.
2.-Se elige aquella decisión que tenga el valor máximo del pago promedio.

A continuación se presenta un ejemplo para ilustrar la aplicación de estos modelos.

Ejemplo X.3.- Aplicar cada uno de los modelos de criterios ingenuos al caso base.

Solución:
Se aplicará la metodología de cada modelo a la matriz de pagos del caso base.

(a) Modelo Minimax:


Conforme al paso 1 de este modelo, se listará para cada decisión de la matriz de pagos su valor mínimo.
Los valores mínimos se listan a continuación:

Decisión, Tortas por preparar Valor mínimo del renglón


520 3016
540 2952
560 2888
580 2824
600 2760

Entonces según el paso 2, la decisión que debe tomarse es la primera de ellas, es decir, preparar 3016
tortas, lo que hace sentido con el criterio pesimista, que indicaría que la demanda que se va a presenta es la
mínima de cuantas son posibles.

(b) Modelo Optimista:


De acuerdo al primer paso de este modelo, se listan los mejores resultados para cada posible decisión, los
que son los siguientes:

Decisión, Tortas por preparar Valor máximo del renglón


520 3016
540 3132
560 3248
580 3364
600 3480

Ahora conforme al segundo paso, el valor mayor de la lista es 3480, que corresponde a la decisión de
preparar 600 tortas y hace sentido con el optimismo al indicar que la demanda será la máxima de cuantas son
posibles.

(c) Modelo de Maximización del Pago Promedio:


Según el paso 1, se listan los pagos promedio de cada renglón, que son:
232

Decisión, Tortas por preparar Valor promedio del renglón


520 3016
540 3096
560 3140
580 3148
600 3120

Por tanto la decisión que debe tomarse conforme al segundo paso es la del valor mayor de los listados,
que fue 3148 y corresponde a la decisión de preparar 580 tortas.

De estos resultados los dos primeros modelos se van a los extremos opuestos y el tercero adopta una
postura intermedia, que quizás sea más sensata, pero la realidad es que ninguno de los modelos de criterios
ingenuos sea bueno, pues no toman en cuenta las probabilidades de los estados de la naturaleza, en el caso
base serían las demandas de las tortas, para lo que hay información disponible al respecto.

Hay otros modelos de criterios ingenuos, como el de minimización del arrepentimiento o el de


maximización del punto medio, pero no se presentan en este capítulo.

Modelos para Distribución de Probabilidad Discreta


Estos modelos se utilizan cuando se tienen datos previos acerca de las probabilidades que tienen los diferentes
estados de la naturaleza de suceder y resultan especialmente adecuados cuando la cantidad de alternativas
posibles de decisión no es elevada. Por el hecho de tomar en cuenta las probabilidades de los estados de la
naturaleza, son mejores que los modelos de criterios ingenuos vistos anteriormente.

Dentro de estos métodos está el Análisis de Bayes, que tiene dos opciones: el Criterio A Priori y el A
posteriori. En este capítulo sólo se presenta el primero de ellos, pues es mucho más simple que el segundo,
requiere de menor cantidad de información y conduce al mismo resultado sobre cuál debe ser la decisión
seleccionada.

Análisis de Bayes Criterio A Priori


Este es un método muy popular para tomar decisiones cuando el número de opciones alternativas no es alto.

También suele conocérsele como Método de las Ganancias Esperadas, en condiciones de incertidumbre,
o Método del Valor Esperado (Gallagher y Watson, 1992).

Consiste en calcular la ganancia esperada para cada una de las posibles decisiones alternativas y elegir la
que sea máxima.

La ganancia esperada se obtiene por medio de la siguiente ecuación:

n
GEi   p(
j 1
Ej ).Oij Ec.(X.1)

Donde:
GEi = Ganancia esperada para la decisión i
p(Ej) = Probabilidad del estado de la naturaleza j
Oij = Pago o resultado obtenido cuando se toma la decisión i y sucede el estado de la
naturaleza j
n =Número de estados de la naturaleza posibles

Como se puede observar de esta ecuación, los valores Oij son los elementos de la matriz de pagos.

A continuación se ilustra esta metodología al aplicarla al caso base.


233

Ejemplo X.4.- ¿Cuántas tortas debe preparar el Sr. José Sánchez bajo el criterio A Priori?

Solución:
En el caso base hay 5 posibles decisiones y 5 estados de la naturaleza, por lo que n es 5.

La matriz de pagos se ha obtenido en la resolución del ejemplo X.1, mientras que las probabilidades de
cada estado de la naturaleza se obtienen de manera sencilla, al dividir el número de días en que sucedió cada
demanda de tortas entre el total de los días tomados para la estadística, que fueron 100, por lo que dichas
probabilidades son: 0.13, 0.21, 0.29, 0.22 y 0.15.

Entonces lo que debe hacerse es aplicar la ecuación (X.1) a cada posible decisión, lo que se hace ahora.

Para la decisión 1:

GE1 = p(E1) O11 + p(E2) O12 + p(E3) O13 + p(E4) O14 + p(E5) O15
= (0.13) (3016) + (0.21) (3016) + (0.29) (3016) + (0.22) (3016) + (0.15) (3016)
= 3016.0

Para la decisión 2:

GE2 = p(E1) O21 + p(E2) O22 + p(E3) O23 + p(E4) O24 + p(E5) O25
= (0.13) (2952) + (0.21) (3132) + (0.29) (3132) + (0.22) (3132) + (0.15) (3132)
= 3108.6

Para la decisión 3:

GE3 = p(E1) O21 + p(E2) O22 + p(E3) O23 + p(E4) O24 + p(E5) O25
= (0.13) (2888) + (0.21) (3068) + (0.29) (3248) + (0.22) (3248) + (0.15) (3248)
= 3163.4

Para la decisión 4:

GE4 = p(E1) O21 + p(E2) O22 + p(E3) O23 + p(E4) O24 + p(E5) O25
= (0.13) (2824) + (0.21) (3004) + (0.29) (3184) + (0.22) (3364) + (0.15) (3364)
= 3166.0

Para la decisión 5:

GE5 = p(E1) O21 + p(E2) O22 + p(E3) O23 + p(E4) O24 + p(E5) O25
= (0.13) (2760) + (0.21) (2940) + (0.29) (3120) + (0.22) (3300) + (0.15) (3480)
= 3129.0

Por lo que la mejor decisión es la cuarta, es decir preparar 580 tortas, para obtener una ganancia de 3166
pesos diarios en promedio.

Es importante aclarar este último comentario, pues si el Sr. José Sánchez prepara cada día 580 tortas, de
hecho ningún día va a ganar 3166 pesos, sino que habrá días en que le demanden 520 tortas y en esos días
ganará 2824 pesos, como habrá días en que le demanden 580 o 600 tortas, en los que ganará 3364 pesos, por
lo que el valor calculado con la fórmula viene siendo un promedio.

El presente método ha tomado en cuenta las probabilidades de cada demanda de tortas y por mera
coincidencia el resultado obtenido ha sido el mismo que el del criterio ingenuo de maximización del pago
promedio, que viene siendo un promedio de los pagos de cada renglón, lo que supone que cada estado de la
naturaleza es igualmente probable.
234

Una desventaja del presente método es cuando aparecen una gran cantidad de datos, simplemente
imagine si en lugar de 5 diferentes demandas de tortas, hubieran sido 20, que quizás aún es un número
pequeño: se habría tenido que generar una matriz de pagos de 20 renglones y 20 columnas, con un total de 20
x 20 = 400 elementos, luego para aplicar la metodología de Bayes, se hubieran tenido que calcular 20
ganancias esperadas, cada una sumando 20 términos. Esto nos da una idea de lo impráctico del presente
método para casos con muchos datos.

Ganancias esperadas con la información perfecta


La información perfecta podría hipotéticamente lograrse si el nivel de demanda manejado por quien toma las
decisiones fuese exactamente igual al estado de la naturaleza que sucediese en todas las ocasiones (Thierauf y
Grosse, 1990), lo que equivaldría a que el tomador de decisiones tuviera una bola de cristal que le adivinase
cada día las tortas que le van a ser demandadas. Aunque esta situación no es posible en la realidad, puesto que
no les ha sido dado a los humanos predecir el futuro, es útil obtener la ganancia hipotética esperada en estas
condiciones, pues esto dará una clara idea de lo que se deja de ganar por la imperfección de la información
con la que se toman las decisiones, así como saber cuánto se podría pagar en el caso utópico que alguien nos
pudiese proporcionar tal información.

La ganancia esperada con la información perfecta puede estimarse con la fórmula (X.1), pero para cada
estado de la naturaleza, debe tomarse el valor máximo de la columna en la matriz de pagos, denotado por O Pj,
con lo que la ecuación es ahora:

n
GEP   p(
j 1
Ej ).OPj Ec.(X.2)

Esta fórmula implica que quien toma la decisión siempre elige lo mejor, en el caso de las tortas esto
equivaldría en el caso base, a preparar las mismas tortas que van a ser demandadas cada día.

A continuación se aplica esto al caso base.

Ejemplo X.5.- Obtener para el caso base la ganancia esperada con la información perfecta.

Solución:
Para el caso base con 5 niveles de demanda, para cada demanda de tortas, se prepara igual número de
ellas, esto sería tomar para cada decisión el valor de la matriz de pagos ubicado en la diagonal, o sea donde i =
j, con lo que se tendrá:

GEP = p(E1) O11 + p(E2) O22 + p(E3) O33 + p(E4) O44 + p(E5) O55
= (0.13) (3016) + (0.21) (3132) + (0.29) (3248) + (0.22) (3364) + (0.15) (3480)
= 3253.80

La que da una diferencia respecto a la mejor decisión de 87.80 pesos diarios, que sería la cantidad
máxima que se podría pagar por contar con la información perfecta.

A continuación se presenta la resolución del ejemplo X.2.

Ejemplo X.6.- Para el caso del agricultor del ejemplo X.2, obtenga la decisión que debe tomar bajo el criterio
A Priori y compare este resultado con el que obtendría si tuviese la información perfecta.

Solución:
Lo primero será determinar la decisión a tomar mediante la fórmula dada por la ecuación (X.1).

Entonces para la primera decisión:


235

GE1 = p(E1) O11 + p(E2) O12


= (0.60) (-30,000) + (0.40) (70,000) = - 18,000 + 28,000
= 10,000
Mientras que para la segunda decisión:

GE2 = p(E1) O21 + p(E2) O22


= (0.60) (0) + (0.40) (0) = 0

Por lo que la mejor decisión es la primera para obtener una ganancia esperada de $ 10,000.

Ahora para obtener la ganancia con la información perfecta, para el caso que se presente helada, la mejor
decisión es no sembrar, mientras que si aquella no se presenta, lo mejor será sembrar, por lo que al aplicar la
ecuación (X.2), se tiene:

GEP = (0.60) (0) + (0.40) (70,000) = 28,000

Que es un valor notoriamente mayor al de la mejor decisión., lo que da una idea que en un caso como el
presente, el riesgo es mayor.

Utilidad
En el ámbito de la teoría de decisiones la utilidad podría definirse como un valor numérico, no monetario, que
el tomador de decisiones asigna a cada posible resultado, basado en su criterio, su experiencia, o algunas
veces simplemente en su intuición, lo que le dará a dichas asignaciones un carácter de alta subjetividad.

Aún cuando esto pudiera parecer no muy conveniente, es muy usual en la vida real que los
administradores de empresas e instituciones utilicen criterios subjetivos para tomar decisiones en múltiples
aspectos de su gestión, hay numerosos autores que han dedicado mucho tiempo y esfuerzo a estudiar cómo los
administradores exitosos toman decisiones y muchas veces las conclusiones son que no siempre cuentan con
toda la información al respecto y siempre están presentes en mayor o menor medida, las preferencias
personales del tomador de la decisión.

Además hay que considerar que no siempre la bondad de la decisión lleva al mejor resultado, lo que
quiere decir que no por apegarse a alguna metodología particular para tomar aquella alternativa de decisión,
va a resultar la más conveniente, pues muchos de los aspectos implícitos en la decisión pueden cambiar y
tomar otro curso de acción.

Otras veces puede ser que la decisión con el mayor valor de ganancia esperada, no sea la más adecuada,
debido a otros factores como pueden ser las políticas de la empresa o la institución.

En este apartado se introduce un nuevo término: La Utilidad Esperada, que debe obtenerse para cada
alternativa de decisión tomando como base los valores que el tomador de decisiones haya asignado para cada
resultado (Bronson, 1992), según la fórmula siguiente:

n
UEi   p(
j 1
Ej ).Uij Ec.(X.3)

Donde:
UEi = Utilidad esperada para la decisión i
p(Ej) = Probabilidad del estado de la naturaleza j
Uij = Utilidad obtenida cuando se toma la decisión i y sucede el estado de la naturaleza j
n = Número de estados de la naturaleza
236

Esta ecuación es muy similar a la (X.1), con la modificación de que se han reemplazado los pagos por las
utilidades.

Bajo este criterio la decisión que debe tomarse será aquella que resulte con la máxima utilidad esperada.

Para aclarar lo señalado, se presenta un ejemplo.

Ejemplo X.7.- El agricultor del ejemplo X.2 está considerando la decisión que deberá tomar respecto a
sembrar o no hacerlo. Dada su matriz de pagos, él sabe que si llegara a perder los $ 30,000 sería catastrófico,
puesto que esta cantidad significan sus ahorros de varios años de trabajo, por esto ha decidido asignar valores
numéricos a cada posible resultado, basado en lo que cada uno de ellos representa para él.

Dichas asignaciones las ha incluido en la tabla X.4, que es la siguiente:

Tabla X.4. Matriz de utilidades del agricultor.


Estado Helada No helada
Decisión
Sembrar - 20 20
No sembrar 10 -5

Ante esto, ¿Qué decisión deberá tomar?

Solución:
Para solucionar este problema simplemente se aplica la fórmula (X.3) al caso de cada alternativa.

Así para la primera decisión, se tiene:

UE1 = p(E1) U11 + p(E2) U12


= (0.60) (-20) + (0.40) (20) = - 12 + 8 = - 4

Por su parte, para la segunda decisión:

UE2 = p(E1) U21 + p(E2) U22


= (0.60) (10) + (0.40) (-5) = 6 – 2 = 4

Ahora la mejor decisión es la segunda, o sea no sembrar, dados los valores que el agricultor le ha dado a
cada utilidad, lo que ya en parte se había comentado, por el alto riesgo implicado en el caso.

Modelos para Distribución de Probabilidad Continua


Los modelos vistos hasta ahora son aplicables para tomar decisiones cuando el número de opciones
alternativas es limitado. En la vida real no sucede así, puesto que por lo general, el número de elecciones
posibles es muy alto. Así por ejemplo para el caso base, sería poco factible creer que el Sr. Sánchez sólo
tuviera cinco distintas demandas de tortas; por el contrario, lo más probable sería que éstas fueran diferentes
día a día, lo que hace poco prácticos los métodos vistos anteriormente para la solución de un problema dado
en estas circunstancias.

Es por ello que en este inciso se presenta un método que resulta adecuado cuando el número de
alternativas es elevado. A estos modelos se les conoce como Modelos de Distribución de Probabilidad
Continua, puesto que suponen que los datos de las posibles demandas de mercancías se ajustan a una curva
conocida de distribución probabilística continua.

En este texto se presenta el caso de la curva normal, dado que muchas de las situaciones que aparecen en
el mundo de los negocios se comportan de acuerdo a ella. Esto significa que al utilizarla se estará suponiendo
que la información manejada se ajusta a dicha distribución (Thierauf y Grosse, 1990).
237

La metodología dividida en pasos es la siguiente:

1.- Hallar el valor de la probabilidad de que el tener en existencia una unidad adicional del producto
pueda tener demanda, la que se denota por m y se calcula con la fórmula siguiente:

PM
m Ec.(X.4)
PM  GM

Donde:
PM = Pérdida marginal de una unidad del producto
GM = Ganancia marginal de una unidad del producto

Esta m representa la base de la metodología del Análisis Marginal que se trata más adelante en este
mismo capítulo. Para este modelo, esta m viene siendo la fracción del área bajo la curva normal
medida desde su extremo derecho.
2.- Para los datos de demandas de artículos con los que se cuenta, hallar la media X m y la desviación
estándar σ, por medio de las fórmulas típicas para ello:

X i

Xm  i 1
Ec.(X.5)
n

(X m  Xi ) 2
  i 1
Ec.(X.6)
n
Donde:
Xi = Valor del dato i
n = Número total de datos

3.- Hallar de tablas del área bajo la curva normal, a cuántas desviaciones estándar de la media está
situada m. Es importante aclarar en este punto que algunas de estas tablas presentan como valores
mínimos del área citada 0.500, tal es el caso de la tabla que se incluye en este libro en el apéndice
respectivo. Por esta razón cuando el valor de m sea menor a 0.500, deberá buscarse en dichas tablas
con el valor de (1-m). Al valor leído en ellas correspondiente al número de desviaciones estándar, se
le denomina Z, que viene siendo la desviación estándar normalizada.
4.- Obtener el número de unidades de mercancía X0, para el cual se cumpla la igualdad entre la
ganancia y la pérdida marginal, el que se calcula con la siguiente ecuación:

X 0  Xm  Z  Ec.(X.7)

En esta ecuación se utilizará el signo positivo (+), para aquellos casos en los que m haya sido menor
o igual a 0.500; en caso contrario, deberá utilizarse el signo negativo (-).
5.- El valor de X0 es el punto donde la ganancia y la pérdida marginal son iguales, por lo tanto la
decisión que deberá tomarse será el valor inmediato inferior a X0.

Se presentan ahora dos ejemplos de la aplicación de esta metodología.


238

Ejemplo X.8.- De un nuevo estudio estadístico sugerido al Sr. Sánchez, se han colectado datos de 60 días de
venta de tortas, cuyos resultados han sido los siguientes:

540 550 550 540 560 540


550 540 580 520 530 560
530 550 550 570 540 550
560 560 590 550 570 570
520 530 510 580 550 560
570 540 540 550 550 530
550 570 530 570 560 530
550 560 560 550 520 550
590 550 550 560 550 540
550 580 570 540 540 520

Ante esta situación ¿Cuántas tortas deberá preparar, a fin de maximizar sus ganancias?

Solución:
De acuerdo a la metodología, el primer paso será obtener la m mediante la ecuación respectiva, para la
cual la pérdida marginal es de 3.20 y la ganancia marginal de 5.80 pesos por torta, con esto la m resulta:

PM 3.20
m   0.3556
PM  GM 3.20  5.80

Luego conforme al segundo paso, se ordenan los datos, cuyas frecuencias se presentan en la tabla X.5:

Tabla X.5. Tabla de frecuencias de las demandas de tortas.


Demanda de Tortas Frecuencias
510 1
520 4
530 6
540 10
550 18
560 9
570 7
580 3
590 2
Total 60

De estos datos la media es 550.33 y la desviación estándar de 17.41 tortas.

Una gráfica de los datos se presenta en la figura X.2, en la que puede apreciarse que la distribución de los
datos se asemeja a la curva normal de probabilidad.
239

Ahora conforme al tercer paso, se busca en este caso con el valor de (1 – m) = 0.6444 como el área bajo
la curva normal, el respectivo valor de Z, que es 0.37.

Con esto, se calcula ahora el valor de X0, de acuerdo al cuarto paso:

X 0  Xm  Z  550.33  (0.37)(17.41)  556.77

Por lo que la decisión que debe tomarse conforme al presente modelo es la del valor inmediato inferior a
X0, es decir, preparar 550 tortas.

Enseguida se presenta otro ejemplo con los mismos datos del caso anterior.

Ejemplo X.9.- El Contador Público Héctor López es amigo personal del Sr. Sánchez y le ha hecho un estudio
de costos, indicándole que su costo unitario es de $ 9.50 por torta y no de $ 7.20 como se venía suponiendo.
Ante esta nueva situación, ¿Cuál será ahora la decisión que deberá tomarse en cuanto al número de tortas por
preparar?

Solución:
Si ahora el costo por torta es de 9.50 $, si el precio sigue siendo de 13.00 pesos por unidad, entonces la
ganancia marginal será de de 4.50 pesos por torta y la pérdida marginal de 5.50 pesos por torta. Con esto la m
será ahora:
PM 5.50
m   0.6111
PM  GM 5.50  3.50

Este valor es el área bajo la curva, que corresponde a 0.28 desviaciones estándar a la derecha de la media,
por lo que éste viene siendo el valor de Z. Con esto, la nueva X0 será:

X 0  Xm  Z  550.33  (0.28)(17.41)  545.46

Por lo que la decisión que tiene que tomarse es la de preparar 540 tortas.

Este ejemplo muestra cómo al disminuir la ganancia marginal y elevarse la pérdida marginal, la decisión
óptima en cuanto al número de tortas por preparar disminuye, dado que ahora es más lo que se puede perder
comparado con lo que se puede ganar por preparar más tortas.
240

Análisis Marginal
Finalmente se presenta este método, el que es con mucho el mejor de todos, pues reúne varias ventajas a la
vez, como son el que no requiere de gran cantidad de trabajo, tampoco necesita de muchos datos y además, se
aplica para cualquier distribución de probabilidad que sigan los datos de ventas, por lo que el hecho que no se
apeguen a una determinada distribución no es ningún inconveniente.

Consiste básicamente en que será recomendable tener una unidad adicional de mercancía si la ganancia
marginal probable que pueda obtenerse supera a la pérdida marginal probable en la que puede incurrirse por
no vender dicha unidad (Thierauf y Grosse, 1990).

Se parte del hecho de igualar la ganancia marginal y la pérdida marginal probables, cuya ecuación
descriptiva es la siguiente:
GM .m  PM (1  m) Ec.(X.8)

Donde GM, PM y m son las mismas variables que fueron presentadas en el inciso anterior. De hecho de
esta última ecuación si se despeja a m, se obtiene la fórmula dada por la ecuación (X.4).

Entonces la metodología del Análisis Marginal dividida en etapas es la siguiente:

1.- Obtener m para el problema planteado.


2.- Preparar una tabla que contenga para cada demanda, la probabilidad de vender un nivel de
artículos igual al valor de dicha demanda o uno mayor.
3.- Recorriendo la tabla de abajo hacia arriba, el primer valor de la probabilidad acumulada del paso
anterior que supere a m, será el renglón correspondiente de la mejor decisión.

Esta metodología se ilustra con el siguiente ejemplo.

Ejemplo X.10.- Para el caso del ejemplo X.8, obtenga la mejor decisión por medio del Análisis Marginal y
compárela con la solución de dicho ejemplo. También calcule el monto de la ganancia esperada.

Solución:
La m para el caso es la misma, es decir 0.3556, por lo que conforme al segundo paso de la metodología
del Análisis Marginal, hay que generar la tabla de las probabilidades de vender un volumen de productos igual
al del nivel del renglón o uno mayor. Dicha tabla para el caso del ejemplo X.8 es:

Tabla X.6. Probabilidades acumuladas para el Análisis Marginal.


Probabilidad
Demanda de Frecuencias Probabilidad acumulada de vender
Tortas individual este nivel o más
510 1 0.0167 1.0000
520 4 0.0667 0.9833
530 6 0.1000 0.9166
540 10 0.1667 0.8166
550 18 0.3000 0.6500
560 9 0.1500 0.3500
570 7 0.1167 0.2000
580 3 0.0500 0.0833
590 2 0.0333 0.0333
Total 60 1.0000 -
241

El primer nivel de demanda (valor del renglón) que supera a m, es el correspondiente a la decisión de
preparar 550 tortas, por lo que de acuerdo al Análisis Marginal, ésta será la decisión que deberá tomarse, la
que coincide con la respuesta del ejemplo X.8.

Dicha respuesta coincide por el hecho de que los datos del problema se comportan conforme a la curva
normal de probabilidad. En caso que esto no se cumpliera, será preferible la metodología del Análisis
Marginal.

De hecho, si se analiza lo que se ha hecho en uno y otro caso, se ve que el método presente reúne a la vez
todas las ventajas deseables para el tomador de la decisión, sin compartir las desventajas, lo que lo hace un
modelo sumamente atractivo para quien deba evaluar cualquier situación numéricamente para tomar una
decisión al respecto.

Ahora para calcular la ganancia esperada, lo que debe hacerse es calcular las ganancias condicionales por
preparar 550 tortas y tener una demanda de cualquier número de tortas, esto es el equivalente a obtener el
renglón de la matriz de pagos para el valor de 550 tortas. Esto se presenta en la tabla X.7:

Tabla X.7. Ganancias condicionales para la mejor decisión.

Demanda de Probabilidad Ganancia condicional,


Tortas individual $/día
510 0.0167 2830
520 0.0667 2920
530 0.1000 3010
540 0.1667 3100
550 0.3000 3190
560 0.1500 3190
570 0.1167 3190
580 0.0500 3190
590 0.0333 3190
Total 1.0000 -

Finalmente se calcula la ganancia esperada mediante la sumatoria de cada ganancia condicional


multiplicada por su probabilidad individual:

Ganancia esperada = (0.0167)(2830)+(0.0667)(2920)+(0.1)(3010)+(0.1667)(3100)+(0.65)(3190)


= 3,133.0 $/día

En el caso del último pago se tomó la probabilidad acumulada, es decir 0.65, dado que dicho pago se
repetía para demandas de 550 tortas o mayores y su probabilidad acumulada de tener una demanda así es de
0.65.
242

BIBLIOGRAFÍA

Bronson, Richard, Investigación de Operaciones, McGraw Hill, 1992.

Davis, K. Roscoe, y McKeown, Patrick G., Modelos Cuantitativos para Administración, Grupo Editorial
Iberoamérica, 1986.

Gallagher, Charles A., y Watson, Hugh J., Métodos Cuantitativos para la Toma de Decisiones, McGraw Hill,
1992.

Hillier, Frederick S., y Lieberman, Gerald J., Introducción a la Investigación de Operaciones, 5a Edición, Mc
Graw Hill, 1991.

Thierauf, Robert J., y Grosse, Richard A., Toma de Decisiones por medio de Investigación de Operaciones,
Editorial Limusa, 1990.
243

PROBLEMAS PROPUESTOS

X.1.- La panadería “Dulce Pan” produce pan de diversos tipos, los que vende al público a un precio de $0.80
cada pieza. Su costo es de 0.60 $/unidad y las piezas que no vende el mismo día que son producidas, las
rebaja al día siguiente a $0.40 cada una. De estadísticas con las que cuenta, sus ventas han sido de 300, 310,
320, 330 y 340 piezas diarias. ¿Cuál de estas cantidades deberá preparar? Resuelva según los siguientes
criterios: (a) Modelo Minimax; (b) Modelo Optimista; y (c) Modelo de Maximización del Pago Promedio.

X.2.- La taquería “La Guadalupana” ofrece a sus clientes deliciosos tacos al pastor, que vende a $1.30 cada
uno. Si su costo de cada taco es de $0.95 y los que no vende debe darlos a $0.80. ¿Cuál deberá ser la cantidad
de tacos a preparar? Se sabe que las ventas varían desde 100 hasta 130 tacos diarios en rangos de 10.
Solucionar conforme a los mismos criterios del problema anterior.

X.3.- La compañía Agrol le ofrece al Sr. Juan Ledezma rentarle sus tierras, las que no disponen de agua, por
lo que será necesario perforar un pozo para poder utilizarlas con fines agrícolas. Agrol le ha propuesto al Sr.
Ledezma hacer la perforación y en caso de que se obtenga agua, le pagará $ 100,000, en caso contrario
solamente $ 20,000. Si el Sr. Ledezma hace la perforación por su cuenta, ésta le costará $60,000.00, pero si
saca agua, espera poder obtener hasta $ 200,000 trabajando él mismo sus tierras. Una tercera opción del Sr.
Ledezma es no hacer ninguna de las opciones anteriores. Se sabe que la compañía perforadora ha obtenido
agua en la región en un 65% de las ocasiones.

¿Cuál deberá ser la decisión del Sr. Ledezma y cuánta su ganancia esperada bajo el criterio A Priori?

X.4.- La empresa “Minas Potosinas” le propone al municipio de Rioverde alquilarle un terreno, ya que es
factible que éste contenga minerales de estaño. La compañía debe hacer un estudio geológico exploratorio, el
que si resulta afirmativo, implicará pagarle al Municipio $ 350,000, en caso contrario le pagará únicamente $
50,000. Si el Municipio hace los trabajos de extracción de minerales por cuenta propia puede lograr hasta $
500,000, pero el estudio exploratorio le costaría $ 60,000. La tercera opción del Municipio es ni rentar ni
trabajar el terreno, sino dejarlo para otros fines posteriormente.

¿Cuál debe ser su decisión y cuánta su ganancia esperada bajo el criterio A Priori?

El instituto Universitario Rioverdense le ha dado al Municipio el dato de la probabilidad de que en el


municipio haya estaño, la cual es de un 54%.

X.5.- Un muchacho está pensando en poner un carrito en la plaza de armas, para vender algo, lo que aún no
tiene definido, pues ha considerado 4 posibilidades: vender café, aguas preparadas, helados y jugos naturales.
Por su parte la venta dependerá del tipo de clima que se presente, pues el muchacho está consciente que el
café se venderá más en días fríos, mientras que los helados en días calurosos. Por esto ha preparado una tabla
de ganancias condicionales para cada posibilidad de venta y cada tipo de clima, que es la siguiente:

Clima Cálido Frío Lluvioso Airoso


Venta
Café (200) 1300 700 500
Aguas preparadas 500 350 400 450
Helados 1000 (500) 300 600
Jugos naturales 400 400 400 400

De una estadística climática, se sabe que en el lugar los días calurosos son el 45%, los días fríos el 20%,
los días lluviosos el 15% y los días con aire el 20%.
244

Determine mediante el Criterio A Priori: (a) ¿Qué producto le conviene vender? (b) ¿Cuánta será su ganancia
esperada? (c) ¿Cuál sería su ganancia si tuviera la información perfecta?

X.6.- El Sr. José Martínez vende yogurt en envases de galón y tiene la siguiente estadística de ventas diarias:

Venta, galones Frecuencias


280 4
283 6
287 12
290 28
293 11
298 9
300 7
304 3

Si el yogurt le cuesta 15 pesos el galón, lo vende a 24 pesos y lo que no se vende al final del día no lo
recupera, pues se echa a perder, determine por el Análisis Marginal: (a) ¿Cuánto deberá tener en existencia?
(b) ¿Cuál será su ganancia esperada promedio? (c) ¿Cuánto ganaría si tuviera la información perfecta?

X.7.- El Sr. José Sánchez vende leche en envases de litro y tiene la siguiente estadística de ventas de varios
días pasados:

Venta, litros Frecuencias


360 2
363 6
367 10
370 32
373 13
378 9
380 6
384 2

Si la leche le cuesta 5 pesos el litro, lo vende a 8.50 pesos y lo que no se vende al final del día no lo
recupera, pues se echa a perder, se pide encontrar mediante el modelo de distribución de probabilidad
continua, lo siguiente: (a) ¿Cuánto deberá tener en existencia? (b) ¿Cuál será su ganancia esperada promedio?
(c) ¿Cuánto ganaría si tuviera la información perfecta?

X.8.- En el otoño a un granjero le ofrecen por su producción de naranjas $50,000, la que se cosechará al inicio
del presente año. Si el granjero no acepta la oferta, deberá vender sus naranjas en el mercado libre luego de
cosecharlas, ante lo cual puede recibir hasta $75,000, si no se presenta una helada, en caso contrario, sólo
obtendría $15,000, si la helada es leve y no obtendrá nada si la helada es fuerte. De una estadística de los
últimos 30 años, se han presentado heladas fuertes en 6 años y leves en 8. ¿Cuál será le decisión que deberá
tomar?

X.9.- “Hilos del Centro” maneja fibra corta para la industria confeccionadora de ropa casual. Tiene la
siguiente estadística de ventas mensuales en kilogramos durante los últimos 15 años:
245

Venta 1500 2000 2500 3000 3500 4000 4500 5000


Probabilidad 0.02 0.06 0.10 0.18 0.32 0.16 0.10 0.06

Si su costo actualmente es de $120 por kilogramo, su precio de venta de $160 y su precio de remate de
$100, mediante el Análisis Marginal determine: (a) ¿Cuál debe ser su decisión en cuanto a la cantidad de fibra
a manejar? (b) ¿Cuánta será su ganancia esperada? (c) ¿Cuál sería su ganancia en el caso de contar con la
información perfecta?

X.10.- Un empresario debe seleccionar su mejor opción de inversión, para lo cual tiene 4 opciones de Bancos,
cuyos resultados ante las posibilidades de riesgo se presentan en la siguiente tabla:

Riesgo Alto Mediano Bajo


Banco
Bansur (30,000) 15,000 45,000
Banco Bueno (12,500) 10,000 57,500
Bancamexi 0 0 10,000
Banca ZM 0 5,800 27,650

En el pasado se muestra una estadística que de cada 120 ocasiones, 33 han sido de alto riesgo, 45 de
mediano riesgo y el resto de bajo riesgo. Ante esto ¿Qué decisión deberá tomarse y cuál sería la ganancia
esperada?

X.11.- Al Lic. Saúl Rodríguez le propone un amigo que compre dólares, ya que se escuchan varios rumores de
que habrá una devaluación del peso. El Lic. Rodríguez ha hecho una estimación burda de lo que podría
invertir y de las posibilidades de que los rumores se hagan realidad y en base a ello ha elaborado una tabla de
valores que a su juicio aplican a su situación personal:

Opción Valor subjetivo


Comprar dólares y Devaluación +40
Comprar dólares y No Devaluación -20
No comprar dólares y Devaluación -30
No comprar dólares y No Devaluación +10

Según los analistas financieros y economistas la probabilidad de que haya una devaluación es del 48%
¿Cuál deberá ser la decisión del Lic. Rodríguez?

X.12.- “Jugos, S.A.” tiene la estadística de venta de naranjas para jugo de los últimos 50 días de operación, las
cuales ofrece en costales de 30 kilos:

42 40 44 40 41 50 40 39 50 34
38 43 40 39 38 37 41 42 46 33
46 37 42 36 32 36 41 38 42 38
47 46 38 42 31 47 40 42 40 42
40 41 39 40 49 40 39 40 35 43

Si al negocio le cuesta cada costal $15.00, los vende a $22.50 y lo que no vende lo rebaja a $12.00 a
partir del día siguiente, ¿Cuál debe ser el nivel óptimo de costales a manejar y cuánto su ganancia esperada?
Resuélvase por medio del Modelo para Distribución de Probabilidad Continua.
246

X.13.- “Petróleos Diáfanos” tiene el siguiente registro de ventas de petróleo, que abarca los pasados 120 días
trabajados:
Venta, litros Frecuencias
120 9
130 22
140 30
150 28
160 20
170 11
Total 120

Si para cada litro de petróleo su costo es de $1.10, su precio de venta es de $1.60 y su precio de remate es
$0.90, ¿Cuánto deberá tener cada día y cuál será su ganancia esperada? Use el Modelo de Distribución de
Probabilidad Continua.

X.14.- Si para el problema anterior el costo del petróleo aumentara a $1.30 por litro sin incrementar los
precios, ¿Cuáles serían ahora los resultados?

X.15.- La fábrica “Envases del Potosí” produce botellas de plástico de 2 litros, las cuales vende a $2.50 cada
una a 3 distribuidores exclusivos. El costo de materiales directos (costo variable) de la fábrica es de $1.10 por
botella y tiene costos fijos por $50,000 mensuales. Sus ventas el año pasado en botellas mensuales fueron las
siguientes:

Venta 45000 50000 55000 60000 65000


Frecuencias 2 4 3 2 1

Si las piezas que no vende de inmediato las rebaja a $1.80 cada una, ¿Qué nivel de producción le
optimizará su ganancia y cuál será el monto de ésta?

X.16.- El Restaurante Rivera elabora comidas corridas las cuales vende a $15.00, su costo unitario es de $
11.50 y lo que no vende ese día lo pasa al asilo de ancianos de la localidad quienes se lo pagan a sólo $ 10.00
por cada comida. Su estadística de ventas de los pasados 90 días es:

Ventas,
No. Comidas 60 65 70 75 80
Frecuencias 22 20 18 16 14

¿Cuántas comidas corridas deberá preparar para optimizar su ganancia esperada y cuánto será ésta?

Resolver mediante: (a) Análisis Marginal (b) Modelo de Distribución de Probabilidad Continua (c)
Explique la diferencia entre los 2 incisos anteriores.

También podría gustarte