Documentos de Académico
Documentos de Profesional
Documentos de Cultura
G. ANEXOS:
LISTAS DE ASISTENCIA.
UNIDAD TEMÁTICA
1. TOMA DE DECISIONES.
Ejemplo 15.1-1
Martin Hans, un brillante estudiante del último año de la preparatoria, recibió ofertas de
becas académicas completas de tres instituciones: U de A, U de B y U de C. Martin
fundamenta su elección en dos criterios: la ubicación y la reputación académica. Para él, la
reputación académica es cinco veces más importante que la ubicación, y asigna un peso de
aproximadamente 83% a la reputación y un 17% a la ubicación (17% X 5 = 85%). Luego
utiliza un proceso sistemático para calificar las tres universidades desde el punto de vista de
la ubicación y la reputación, como se muestra en la tabla siguiente:
La estructura del problema de decisión se resume en la figura 15.1.
El problema implica una sola jerarquía (nivel) con dos criterios (ubicación y reputación) y
tres alternativas de decisión (U de A, U de B y U de C).
La calificación de cada universidad se basa en los siguientes pesos compuestos:
Calificación de universidad =
Basado en estos cálculos, Martin elige la U de A porque tiene el peso compuesto más
alto.
La toma de decisiones bajo incertidumbre, así como bajo riesgo, implica acciones
alternativas cuyas retribuciones dependen de los estados de la naturaleza
(aleatorios). Específicamente, la matriz de retribución de un problema de decisión
con m acciones alternativas y n estados de la naturaleza puede representarse como
El elemento ai representa la acción i y el elemento s, representa el estado de la
naturaleza j. La retribución o resultado asociado con la acción ai y el estado sj es
v(ai, sj).
1. Laplace
2. Minimax
3. Savage
4. Hurwicz
= (para cada columna de pérdida) - (para cada renglón el menor de las pérdidas)
Para demostrar por qué el criterio de Savage modera el criterio minimax (maxi-
min), considere la siguiente matriz de pérdida:
La aplicación del criterio minimax muestra que a2, con una pérdida definida de
$10,000, es la alternativa preferida. Sin embargo, puede ser mejor elegir a1 porque
hay una probabilidad de limitar la pérdida a $90 sólo si s2 ocurre. Éste suele ser el
caso cuando se utiliza la matriz de lamento:
El último criterio, Hurwicz, está diseñado para representar diferentes actitudes de
decisión que van desde la más optimista hasta la más pesimista. Defina 0 ≤ α ≤ 1. La
acción seleccionada debe asociarse con
Ejemplo 15.3-1
National Outdoors School (NOS) está preparando un sitio para acampar en el verano en el
corazón de Alaska para enseñar técnicas de sobrevivencia en áreas salvajes. NOS estima
que la asistencia puede caer dentro de una de cuatro categorías: 200, 250, 300 y 350
personas. El costo del campamento será mínimo cuando su tamaño satisfaga la demanda
con exactitud. Las desviaciones por encima y por debajo de los niveles de demanda ideales
incurren en costos adicionales por construir más capacidad que la necesaria o por perder
oportunidades de ingresos cuando la demanda no se satisface. Si a1 a a4 representan los
tamaños de los campamentos (200, 250, 300 y 350 personas) y s1 a s4 el nivel de asistencia,
la siguiente tabla resume la matriz de costos (en miles de dólares) para la situación.
Hurwicz.
Estas herramientas ayudan a aplicar el pensamiento racional para que guíe, ayude
y automatice las decisiones y sirvan al gerente a descubrir la solución deseada al
problema de la mejor forma, mediante la división de problemas en fragmentos
menores, lo cual facilita el diagnóstico.
Funciones de utilidad.
Observe que los altos valores de p con la misma lotería reflejan la búsqueda del
riesgo (en oposición a la aversión al riesgo). Por ejemplo, con p = 0.2,
Los datos son una base parcial sobre la que se toman las decisiones. Los datos
ayudan a describir los sistemas del mundo real. Todas estas perspectivas son correctas
y útiles para entender el papel de los datos.
DATOS: son hechos o conceptos conocidos o supuestos y generalmente se expresan
en forma numérica. Ejemplo: la tasa de arrendamiento, el número de unidades
producidas en el periodo anterior, los salarios para los nuevos vendedores, etc.…
Debido a esta posibilidad, otra compañía petrolera ha ofrecido comprar las tierras en
90 000 dólares. Sin embargo, la Goferbroke considera conservarlas para perforar
ella misma. El costo de la perforación es de 100 000 dólares. Si encuentra petróleo,
el ingreso esperado será de 800 000 dólares; así, la ganancia esperada para la
compañía (después de deducir el costo de la perforación) será de 700 000 dólares. Se
incurrirá en una pérdida de 100 000 dólares (el costo de barrenar) si no se encuentra
petróleo.
En la tabla 15.1 se resumen estos datos. La sección 15.2 estudia cómo abordar la
decisión de si se debe perforar o vender con base sólo en estos datos. (Éste será el
primer problema de Goferbroke Co.)
Sin embargo, antes de decidir entre perforar o vender, otra opción es llevar a cabo
una exploración sismológica detallada en el área para obtener una mejor estimación
de la probabilidad de encontrar petróleo. (Este proceso de decisión se conoce con el
nombre de problema de Goferbroke completo.) En la sección 15.3 se presenta este
caso de toma de decisiones con experimentación, momento en el cual se
proporcionarán los datos adicionales necesarios.
Esta compañía opera sin mucho capital por lo que una pérdida de 100 000 dólares
sería bastante seria.
Como se mencionó al final de la sección 15.1, una opción disponible antes de tomar
una decisión es llevar a cabo una exploración sismológica del terreno para obtener
una mejor estimación de la probabilidad de que haya petróleo. El costo es de 30 000
dólares.
Un nodo de decisión, representado por un cuadrado, indica que en ese punto del
proceso debe tomarse una decisión. Un nodo de probabilidad, representado por un
círculo, indica que en ese punto ocurre un evento aleatorio.
Observe que la trayectoria seguida para llegar a cualquier pago (excepto la inferior)
está determinada tanto por la decisión tomada como por los eventos aleatorios que
están fuera del control del tomador de decisiones. Ésta es una característica de los
problemas que se estudia en el análisis de decisiones.
Los números abajo y arriba de las ramas que no están entre paréntesis son flujos de
efectivo (en miles de dólares) que ocurren en esas ramas. En el caso de cada
trayectoria a través del árbol desde el nodo a hasta las ramas terminales, estos
números se suman para obtener el pago total que resulta, que se muestra en negritas
a la derecha de cada rama. El último conjunto de números es el de las probabilidades
de los eventos. En particular, como cada rama que sale de un nodo de probabilidad
representa un evento aleatorio posible, la probabilidad de este evento que ocurre a
partir de él se encuentra entre paréntesis junto con esta rama. En el nodo de
probabilidad h, las probabilidades son las probabilidades a priori de los estados de
la naturaleza, puesto que en este caso no se ha realizado un sondeo sísmico para
obtener más información. Sin embargo, los nodos f y g salen de una decisión de
explorar (y después perforar). Entonces, las probabilidades de estos nodos son las
probabilidades a posteriori de los estados de la naturaleza, dados los resultados del
estudio, y los números se dan en las figuras 15.2
Y FIGURA 15.3
Por último, se tienen dos ramas que salen del nodo de probabilidad b. Los números
son las probabilidades de los resultados del estudio, Favorable (SSF) o Desfavorable
(SSD), como se presentan abajo del diagrama del árbol de probabilidad en la figura
15.2 o en las celdas C15:C16 de la figura 15.3.
Una vez construido el árbol de decisión, con sus números, se puede analizar el
problema con el siguiente procedimiento:
Después, el proceso se mueve una columna más hacia la izquierda hasta el nodo b.
Como es un nodo de probabilidad, debe aplicarse el paso 2 del procedimiento. El
pago esperado de cada rama se registra arriba del nodo de decisión que sigue. Por lo
tanto, el pago esperado es
Política óptima:
Es evidente que esta solución óptima (única) es la misma que la que se obtuvo en la
sección anterior sin el beneficio de un árbol de decisión.
Para cualquier árbol de decisión, este procedimiento de inducción hacia atrás
siempre conducirá a la política óptima (o políticas óptimas) después de calcular las
probabilidades de las ramas que salen de un nodo de probabilidad.
2. PROGRAMACIÓN LINEAL.
El método consiste en :
Generar una solución básica posible
Evaluar si la solución básica es óptima
En caso que no lo es, generar una nueva solución
básica posible, tal que
El análisis de sensibilidad o postoptimal para los modelos de Programación Lineal, tiene por objetivo identificar el
impacto que resulta en los resultados del problema original luego de determinadas variaciones en los
parámetros, variables o restricciones del modelo, sin que esto pase por resolver el problema
nuevamente.
Es decir, ya sea si resolvemos nuestro modelo gráficamente o utilizando el Método Simplex, lo que se busca es que
estas variaciones o sensibilidad hagan uso de la solución y valor óptimo actual, sin tener la necesidad de resolver para
cada variación un nuevo problema. En especial nos concentraremos en el análisis de sensibilidad o postoptimal que
hace uso de la tabla final del Método Simplex.
3. ASIGNACIÓN Y TRANSPORTE.