 El principal objetivo de esta área de

conocimientos consiste en formular y resolver

diversos problemas orientados a la toma de
decisiones.
 Plantear la relación entre el trabajo de
dirección y la toma de decisiones.

 Comprender el proceso de la toma de

decisiones

 Conocer las técnicas y herramientas

mecánicas básicas en la toma de decisiones
 HISTORIA DE LA INVESTIGACIÓN DE
OPERACIONES

Los inicios que hoy se conoce como IO, se remonta a

los años 1759 cuando el economista Quesnay
empieza a utilizar modelos primitivos de
programación matemática. Más tarde, otro
economista de nombre Walras, hace uso en 1874, de
técnicas similares. Los modelos lineales de la IO,
tiene como precursores a Jordan en 1873, Minkowsky
en 1896 y a Farkas en 1903. Los modelos dinámicos
probabilísticos tienen su origen con Markov a fines
del siglo pasado.
 HISTORIA DE LA INVESTIGACIÓN DE
OPERACIONES

Los modelos matemáticos de la IO que

utilizan estos precursores, estaban
basados en el cálculo diferencial e integral
(Newton, Lagrange, Laplace, Lebesgue,
Leibinitz, Reimman, Stiegles, por
mencionar algunos), la probabilidad y la
estadística (Bernoulli, Poisson, Gauss,
Bayes, Gosset, Snedecor, etc.).
 HISTORIA DE LA INVESTIGACIÓN DE
OPERACIONES
Pero fue hasta la segunda guerra mundial, cuando la IO empezó a
tomar auge. Primero se le utilizó en la logística estratégica para
vencer al enemigo y más tarde al finalizar la guerra, para la logística
de distribución de todos los aliados repartidos por todo el mundo.

En 1947 el doctor George Dantzig, resumiendo el trabajo de

sus antecesores, inventa el método simplex, con lo cual dio
inicio a la programación lineal.
 HISTORIA DE LA INVESTIGACIÓN DE
OPERACIONES

Actualmente, la IO no solo se aplica

en el sector privado, sino también
en el sector público, tanto en los
países desarrollados como en los
países tercermundistas.
¿QUÉ ES LA INVESTIGACIÓN DE
OPERACIONES?
En el libro de Shamblin y Stevens llamado Investigación de
Operaciones.
Un Enfoque Fundamental de la editorial Mc Graw Hill impreso en
México, 1991.

La Investigación Operacional es un enfoque científico de

la toma de decisiones

En el libro de Ackoff y Sasieni llamado Fundamentos de

Investigación de Operaciones de la editorial Limusa impreso en
México en 1994.

La Investigación de Operaciones es: La aplicación del

método científico, por equipos interdisciplinarios, a
problemas que comprenden el control de sistemas
organizados hombre-máquina, para dar soluciones que
sirvan mejor a los propósitos de la organización como un
todo.
En el libro de Thierauf y Grosse llamado Toma de decisiones por
medio de Investigación de Operaciones de la editorial Limusa
impreso en México en 1977.

La investigación de operaciones utiliza el enfoque planeado

(método científico) y un grupo interdisciplinario, a fin de
representar las complicadas relaciones funcionales en
modelos matemáticos para suministrar una base
cuantitativa para la toma de decisiones, y descubrir nuevos
problemas para su análisis cuantitativo.

En el libro de Winston llamado Investigación de Operaciones.

Aplicaciones y Algoritmos 2ª edición. Grupo Editorial Iberoamérica
impreso en México en 1994.

Planteamiento científico a la toma de decisiones, que busca

determinar cómo diseñar y operar mejor un sistema,
normalmente bajo condiciones que requieren la asignación
de recursos escasos.
a) Una organización se puede interpretar como un
sistema: pues así se facilita su entrenamiento. Todo
sistema tiene componentes e interacciones. Algunas
interacciones son controlables, mientras que otras no
lo son.

b) Todo sistema es una estructura que funciona: la

información es el elemento que convierte a una
estructura en un sistema. En toda estructura existen
componentes y canales que comunican a éstas. A
través de los canales fluye la información, al fluir la
información las componentes interaccionan de una
forma determinada. Los objetivos de la organización
(sistemas) se refiere, a la eficiencia y efectividad con
que las diferentes componentes del mismo pueden
controlarse y/o modificarse.
c) La IO es la aplicación de la metodología científica a
través de modelos, primero para representar al
problema real que se quiere resolver en un sistema y
segundo para resolverlo. Los modelos que utiliza la IO
son modelos matemáticos en forma de ecuaciones.
PROGRAMA RESUMIDO:

1. CARACTERÍSTICAS DE LAS DECISIONES

2. PROCESOS DE TOMA DE DECISIONES
3. CONSTRUCCIÓN DE MODELOS Y
METODOLOGÍA DE LAS DECISIONES
4. ANÁLISIS DEL PUNTO DE EQUILIBRIO
5. ÁRBOL DE DECISIONES
“La indecisión es un veneno lento,
nada produce, en cambio, puede
convertirse en hábito; más vale
fracasar por haber tomado una
decisión errónea, que por no haber
tomado ninguna”
 Pasamos de una toma de decisiones instintivas, a
procesos que deben estar conducidos por un
pensamiento racional.
 La Teoría de la Decisión trata del estudio de los
procesos de toma de decisiones desde una
perspectiva racional.
 La decisión es un verdadero proceso de reflexión
y, como tal, racional y consciente, deliberado y
deliberativo.
“La decisión consiste en el proceso
deliberado (y deliberativo) que lleva a la
selección de una acción (acto, curso de
acción) determinado entre un conjunto de
acciones alternativas. La decisión es un
proceso previo a la acción”.

Pedro Pavesi, “La Decisión”

Moigne define el término decidir como identificar y resolver los
problemas que se presente en un organización. Por lo tanto, el
desencadenante del proceso de toma de decisiones es la existencia
de un problema,
DECISIÓN

INFORMACIÓN ACCIÓN

Fed-back

Menguzzato y Renau, ( 1991, pag. 94

En sentido restrictivo, decidir es seleccionar,
entre varias, una y sólo una entidad
alternativa. Hay decisión cuando, siendo
posible varias respuestas, un sujeto elige
una de ellas.

En sentido amplio, decidir es llevar a cabo

un proceso completo por el cual se
establecen, analizan y evalúan alternativas a
fin de seleccionar una y sólo una.
 • Elección entre dos o
más líneas de acción
diferentes.
• El estudio de la teoría
La de la decisión provee
DECISIÓN: de herramientas para
la toma de decisiones.
• El objeto de la teoría
de la decisión es
racionalizar dicha
elección.
Existen cinco características de las
decisiones:

1. Efectos futuros.
2. Reversibilidad.
3. Impacto.
4. Calidad.
5. Periodicidad.
El proceso de toma de decisiones
corresponde a todas aquellas actividades
estructuradas en pasos para llegar a la
decisión.
El proceso de • Definición del Problema
• Generación de la Solución del
toma de problema
decisiones • Pasaje de las ideas a la acción
utilizado • Planificación de la
implementación de la solución
generalmente • Planificación de la evaluación de
es el de seis la solución
• Evaluación del Resultado y del
fases: proceso
 Clasificación de los Procesos de Decisión
Decisiones No Estructuradas: contexto de
incertidumbre total y se cuenta con muy
poca información. Son, principalmente,
decisiones políticas y estratégicas. Se
requiere de un alto poder de negociación
Decisiones Poco Estructuradas: contexto
intermedio, es decir, no nos encontramos en
certeza ni en incertidumbre total.
 Clasificación de los Procesos de Decisión

Decisiones Estructuradas: contexto de

casi-certeza, donde existe poca
complejidad. La mayoría de estas
situaciones son abarcadas por los Métodos
de Investigación de Operaciones. Son
decisiones que pueden programarse por ser
repetitivas y rutinarias.
 Proporcionan una estructura para examinar el
proceso de toma de decisiones.
 Pueden utilizarse para evitar decisiones arbitrarias o
inconsistentes que no se basen en todos los datos
disponibles.
 Si utilizáramos estos modelos en todas las
decisiones, no podríamos asegurar que el resultado
fuera siempre favorable. (Las buenas decisiones no
garantizan buenos resultados)
En cuanto a decisión se refiere, existen dos
enfoques sobresalientes:
 La teoría de la elección racional (Simon): desde una
perspectiva descriptiva, nos cuenta CÓMO SON los procesos
decisorios en las organizaciones. Los hombres aplican su
propia racionalidad limitada por su singular visión de la
realidad.
 La teoría de la decisión: es una metodología prescriptiva o
normativa que indica CÓMO SE DEBE DECIDIR para ser
consecuentes con los objetivos, preferencias y ciertos
principios impuestos por la teoría. (cómo se debe decidir,
pero no que decidir).
 La teoría de la decisión es prescriptiva porque
obliga al TD a proceder de una determinada
manera si quiere ser coherente con las premisas
definidas.
 La teoría de la decisión es subjetiva porque, al
prescribir, tiene en cuenta las preferencias, las
valoraciones, las vivencias y la visión del TD.
 1. Definición del 2. Formulación de
problema de interés un modelo que 3. Solución del
y recolección de los represente el modelo
datos relevantes problema

5. Preparación para
4 . Prueba del
6. Puesta en marcha la aplicación del
modelo
modelo
 Categorías Consecuencias

Certidumbre Deterministas

Riesgo Probabilísticas

Incertidumbre Desconocidas
Influidas por un
Conflicto
oponente
 •Puede darse el caso de tener que
basarnos en hechos que nos influyen o
Modelos de los que no disponemos de un modelo
objetivo.
objetivos y •En ocasiones los sucesos no se pueden
experimentar objetivamente, y no existen
subjetivos. métodos formales para su estudio, por lo
que los modelos han de ser informales,
subjetivos y basarse en la intuición.
 • Los modelos analíticos: disponemos de

Modelos un modelo matemático construido con la

información disponible y del que
analíticos y queremos conocer la mejor opción.
• Los modelos de simulación son
de representaciones simplificadas de la
realidad sobre las que se opera para
simulación. estudiar los efectos de las distintas
alternativas de actuación.
 • Los modelos estáticos son
aquellos que no utilizan la
Modelos variable tiempo, en tanto que
estáticos y los dinámicos son aquellos
que incorporan el tiempo
dinámicos. como variable o como
parámetro fundamental.
 • En los modelos deterministas se
suponen conocidos con certeza
Modelos todos los datos de la realidad que
representan. Si uno o varios datos
deterministas y
se conocen sólo en términos de
probabilísticos. probabilidades, el modelo se
denomina probabilístico, aleatorio
o estocástico
 Modelización Mecánica.
 Herramientas para la decisión con
certeza.
 Criterios de decisión en
incertidumbre.
◦ Nos enfrentamos a la naturaleza.
◦ Nos enfrentamos a otro jugador.

3. La Toma de Decisiones 39
 Reuniremos en un modelo los siguientes
elementos básicos de una decisión:

◦ Estrategias, cursos de acción con variables

controlables.
◦ Estados de la naturaleza.
◦ Resultados que se obtendrán en un caso dado.
◦ Probabilidad de que se produzca un estado de la
naturaleza.
◦ Criterio de decisión, ¿Cómo actuamos?

3. La Toma de Decisiones 40
Sucesos 1 2 … N
Estados Naturaleza N1 N2 … Nn
Probabilidad P1 P2 … Pn
Estrategia 1 R11 R12 … R1n
Estrategia 2 R21 R22 … R2n
…
Estrategia m Rm1 Rm2 … Rmn

3. La Toma de Decisiones 41
 En la decisión con certeza, lo que se hace es
obtener el resultado esperado para cada
alternativa y seleccionar aquel que optimiza
nuestra función objetivo.

Coste de vender la
Ptas. unidad N

Ingreso por
la unidad N

Número de unidades vendidas

3. La Toma de Decisiones 42
MODELO ETAPAS

Detectar los síntomas del problema.

Identificar el problema en particular que se debe

resolver o la meta que se desea alcanzar.

Economista Desarrollo del modelo de decisión para fines de

evaluación.
Desarrollar y anotar todas las alternativas de solución.

Evaluación de las alternativas de solución.

Seleccionar el mejor curso de acción. Implementar la

decisión.
MODELO ETAPAS

Reconozca la Necesidad de Tomar una Decisión.

Identifique los criterios de decisión.

Asigne una ponderación a esos criterios

Para Optimizar la Toma de
Decisiones
Desarrolle las alternativas.

Seleccione la mejor alternativa.

MODELO ETAPAS
Identificación del problema a resolver o el objetivo meta que se persigue.

Determinación del nivel mínimo o estándar que deberán satisfacer todas las
alternativas aceptables.

Elección de una alternativa factible que resuelva el problema planteado.

De Racionalidad Limitada
Evaluación de la alternativa.

Se determina si satisface los niveles mínimos que se

establecieron.

Si la alternativa no es aceptable, se busca otra y se le somete a evaluación.

Si la alternativa es aceptable, se pone en práctica.

Después de que se puso en acción se determina la facilidad o dificultad

conque se identificaron alternativas factibles, y se utiliza esta información
para elevar o reducir el nivel mínimo de aceptabilidad en problemas futuros
similares.
Cuando se compara este modelo con los anteriores aparentemente el
Modelo de Racionalidad Limitada parece ser un punto de vista más realista
de la Toma de Decisiones.
 Con poca información hace acto de
presencia la subjetividad.
◦ Si estamos en una situación no
estructurada, la herramienta es la
pura intuición.
◦ Si la incertidumbre esta estructurada
la persona optara por diferentes
opciones según su optimismo o
pesimismo.
46
 Modelo de Laplace
 Optimista
 Pesimista
 Hurwicz
 Savage

3. La Toma de Decisiones 47
 Desconocemos las probabilidades de
cada estado de la naturaleza.
 Asumimos que todas las alternativas
posibles son equiprobables.
 Calculamos las medias aritméticas de
cada alternativa y elegimos aquella
con valor medio más favorable.

48
 El decisor piensa que con la
alternativa que tome, sucederá lo
mejor para él.
 Se determina el resultado más
favorable con cada estrategia. Se
selecciona la estrategia que ofrece el
más favorable de todos.
 También se le llama maxi-max ó
mini-min según el caso.
3. La Toma de Decisiones 49
 El decisor piensa que tome la alternativa
que tome, sucederá lo peor para él.
 Se determina el resultado más desfavorable
con cada estrategia. Se selecciona la
estrategia que ofrece el más favorable de
todos los determinados.
 También se le llama maxi-min ó mini-max
según el caso.

3. La Toma de Decisiones 50
 Se basa en los resultados de los criterios
optimista y pesimista.
 Introduce un coeficiente de optimismo ””
comprendido entre 0 y 1.
 El coeficiente de pesimismo es ”1-”.
 Para cada alternativa se calcula:
◦ Hi =  * Mejori + (1-) * Peori
 Se toma la alternativa con Hi más favorable.

3. La Toma de Decisiones 51
 Se estima la probabilidad para cada estado de la
naturaleza
 Se usa la «Regla de decisión del Valor Esperado
 El valor esperado de una alternativa se encuentra
ponderando cada beneficio con su probabilidad
asociada y su mando despues de los puntajes de
los beneficios ponderados
 Se elije la alternativa que tenga el mejor valor
esperado (el mas alto si se trata de utilides y el
mas bajo si se trata de costos).

3. La Toma de Decisiones 52
 Un gerente tiene que decidir si conviene construir una
instalación pequeña o una grande. Mucho depende de la
futura demanda que la instalación tenga que atender, y
dicha demanda puede se grande o pequeña. El gerente
conoce con certeza los beneficios que producirá cada
alternativa, que se muestra la siguiente tabla de
beneficios. Los beneficios en ($000) son los valores
presentes de los ingresos futuros menos los costos que
corresponden a cada alternativa, en cada uno de los
acontecimientos:
Posible demanda Futura
Alternativa Baja Alta
Instalación pequeña 200 270
Instalación Grande 160 800
No hacer nada 0 0
 SOLUCIÓN – BAJO CERTIDUMBRE
◦ Nos preguntamos cual es la mejor opción si la demanda
futura va a ser baja?

◦ La mejor opción es la que produce el beneficio mas

grande. Si el gerente sabe que la demanda futura va a
ser baja, la compañía debe construir una instalación
pequeña y disfrutar de un beneficio de $ 200.000.
 PUNTO DE DECISION.- Si la gerencia conoce la
realidad la demanda futura, construir la
instalación pequeña si la demanda va a ser baja,
y la instalación grande si la demanda va a ser
alta.
◦ SOLUCIÓN MAX-MIN.- El
peor beneficio de una Peor
alternativa es el número Beneficio
más bajo que aparece en la Alternativa Baja
fila respectiva de la matriz Instalación 200
de beneficios, porque los pequeña
beneficios son utilidades. Instalación 160
Grande

◦ PUNTO DE DECISION.- El
mejor de esos números
peores es 200.000
 ◦ SOLUCIÓN MAXI-MAX.- El
mejor beneficio de una
Mejor
alternativa es el número Beneficio
más alto que aparece en la
Alternativa
fila respectiva de la matriz
de beneficios: Instalación 270
pequeña
 PUNTO DE DECISION.- El Instalación 800
mejor de esos números Grande
es 800.000, por lo cual el
optimista decide
construir la instalación
grande
 ◦ SOLUCIÓN LAPLACE.- Si se
trata de dos
Mejor
acontecimientos, Beneficio
asignamos a cada uno una
Alternativa
probabilidad de 0.5:
Instalación 0.5(200)+0.5(2
 PUNTO DE DECISION.- El pequeña 70)= 235
mejor de esos beneficios Instalación 0.5(160)+0.5(8
ponderados es 480.000, Grande 00)=480
por lo cual una persona
realista optimista optaría
por construir una
instalación grande
El PUNTO DE EQUILIBRIO: de una Organización es aquel donde
sus INGRESOS totales igualan a sus COSTOS totales

Con este concepto se simula situaciones (variación de ventas y

costos) y se toman acciones correctivas para llevar a la zona de
ganancias. ES BUENA HERRAMIENTA DE TOMA DE DECISIONES.

Con el análisis del punto de equilibrio" se puede minimizar los

costos y maximizar las ganancias.
El cálculo del P.E. puede ser:

Monoproducto:
•En unidades
•En valor monetario

Multiproducto:

En unidades homogéneas
•En valor monetario
 Costo Fijo (CF): es la parte del costo total (CT)
que la empresa tendrá independientemente de su
nivel de actividad.
Los costos fijos los tendrá la empresa aunque no
produzca nada. Entre estos podemos mencionar: el
alquiler, los impuestos, los sueldos
administrativos, entre otros.
Costo variable (CV): es la parte del costo total
que está en función de la cantidad (Q) de
unidades producidas o de los servicios
prestados. Es decir, a mayor nivel de actividad,
mayor costo variable.
Costo variable unitario (c): es el costo, por cada
unidad producida o por cada servicio prestado,
de las materias primas, materiales, mano de
obra, etc. El costo variable unitario puede
suponerse constante para cada unidad
independientemente de la cantidad producida.
Costo Total (CT):
CT = CF + CV
CT = CF + c . Q (1)
Ingreso Total (IT): está dado por el
producto de la cantidad (Q) por el
precio unitario (p) (bajo el supuesto de
que todo lo producido es vendido).
IT = p . Q (2)
5. PUNTO DE EQUILIBRIO
$

IT

CT

CV

CF

QPE Nivel de actividad

 Una empresa fabrica y vende un solo artículo cuyo precio de
venta unitario es de $20, el costo variable es de $10 y el costo
fijo total es de $100.000. ¿Cuántas unidades debe vender para
lograr el punto de equilibrio?

 SOLUCION:

 Cálculo del margen de contribución (utilidad)

Precio de venta por unidad $ 20
Menos
El costo variable por unidad 10
Margen de contribución $ 10
 Punto de equilibrio: Costo fijo/margen de contribución
100.000/10 = 10.000 unidades es el punto de equilibrio
Si vende más de 10.000 unidades tiene utilidad.

65
 Una empresa fabrica y vende un solo artículo cuyo precio de venta unitario es
de $20, el costo variable unitario es de $10 y el costo fijo total es de
$100.000.

Si la empresa vende 22.000 unidades. ¿Cuál es la utilidad?

 SOLUCION
 Margen de contribución $20-10 = 10)
 Aumento de unidades vendidas (22.000-10.000 = 12.000)
 12.000 X $10 (margen contribución) = $120.000

 DETALLE:

 Ventas (22.000 x $20) $440.000

 Menos costo variable (22.000 x $10) $220.000
 Margen de contribución $220.000
 Menos costo fijo $100.000
 Utilidad antes de impuestos $120.000

66
Es un esquema con nodos y ramas,
donde se ordenan en forma
cronológica todos los momentos en
que debe tomarse una decisión o
acontece un evento aleatorio,
indicando al final los resultados de
una decisión.
67
 Nodos de decisión

 Nodos de acontecimiento

 Resultados

68
 Nodos de decisión: representan las situaciones
de decisión que se enfrentan.

 Nodos de acontecimiento: indican la existencia

de variables no controlables que afectan a las
distintas alternativas.

 Resultados: muestran los resultados asociados a

cada curso de acción.

69
REPRESENTACIÓN GRÁFICA

S1

S2

S3

70
 Las ramas que nacen de un nodo de
decisión representan las alternativas.
 Habrá tantas ramas como alternativas
haya.
 Pueden existir varios momentos de
decisión en cada árbol.
 De cada nodo de decisión deben salir
como mínimo dos ramas.

71
 Pueden existir varios nodos de
decisión consecutivos.
 Al resolver, por cualquiera de los
criterios conocidos, quien decide es el
decisor y por lo tanto siempre elige la
mejor alternativa.

72
REPRESENTACIÓN GRAFICA

N1

N2

N3

73
 Después de cada rama, que representa
a una alternativa, habrá un nodo de
acontecimiento, si dicho curso de
acción está afectado por una variable
no controlable.
 Cada nodo indicará la existencia de una
variable no controlable.
 De cada nodo deberán salir como
mínimo dos ramas.

74
 Las ramas que nacen de un nodo
aleatorio muestran los distintos
comportamientos que puede exhibir
una variable no controlable.

 En un árbol pueden presentarse varios

nodos aleatorios en forma sucesiva.

75
 Se desarrolla de izquierda a derecha indicando
en forma secuencial todos los momentos de
decisión y los momentos de acontecimiento de
un evento aleatorio.
 A cada nodo, tanto de decisión como aleatorio,
debe llegar una sola rama.
 De cada nodo, tanto de decisión como
aleatorio, deben salir como mínimo dos ramas.
 Luego, se colocan al final de las ramas los
resultados acumulados después de sortear
todas las vicisitudes desde el inicio del
proceso.

76
 Se evalúa de atrás hacia delante, teniendo en
cuenta la influencia de las decisiones y
eventos aleatorios últimos sobre los
primeros.
 En los nodos de decisión se elige la mejor
alternativa.
 En los eventos aleatorios se indica el criterio
usado para evaluar los resultados posteriores
(valor esperado, minimax, etc.).

77
 Existe una empresa que está por construir una
planta de producción para los próximos 10 años.
 La opción es construir una planta grande para
enfrentar una demanda sostenidamente alta o
una planta pequeña y a los dos años ampliarla si
la demanda fuese alta.
 Si al inicio la demanda es baja seguirá así en el
futuro. Pero puede ser alta en los primeros dos
años y luego reducirse por efecto de la
competencia.
 La planta grande demanda más inversión inicial y
posee más costos de mantenimiento que la
pequeña.

78
 Ventas sostenidamente altas R1
Ventas iniciales altas y luego bajas
R2
Planta
Ventas sostenidamente bajas
grande R3

Vtas. altas
R4
Ampliar

Vtas. bajas R5
Planta Venta inicial
pequeña alta No Vtas. altas R6
ampliar

Vtas. bajas R7
Venta
inicial baja
R8

79
 Probabilidades: luego de desarrollar el
árbol se colocan las probabilidades de
los estados en los casos en que se
conozcan.
 Se calculan los resultados acumulados:
los ingresos son mayores cuando se
acierta con la dimensión de la planta y
también si es mayor su nivel de
producción, pero hay más costos de
inversión y mantenimiento cuanto mayor
es la misma.

80
 0,60 - Ventas sostenidamente altas
70
0,20 - Vtas. iniciales altas y luego bajas
0
Planta
0,20 - Ventas sostenidamente bajas
grande - 20

0,75 - altas
60
Ampliar
0,80 - Vta. 0,25 - bajas - 10
Planta
inicial alta
pequeña No 0,75 - altas 40
ampliar
0,20 - Vta. 0,25 - bajas 20
inicial baja
10

Hebe Alicia Cadaval 81

Resolución del árbol
 Se comienzan a resolver los nodos más
cercanos a los resultados finales.
 En el caso de eventos aleatorios al
conocerse la probabilidad se aplica el
criterio del valor esperado.
 En el caso de los nodos de decisión se elige
el mejor resultado (o mejor valor esperado).
 Se llega al principio donde queda en claro
cuál es la mejor alternativa inicial, la que
debe elegirse.

82
 0,60 - Ventas sostenidamente altas
70
0,20 - Vtas. iniciales altas y luego bajas
38 10
Planta
0,20 - Ventas sostenidamente bajas
grande - 30
0,75 - altas
60
38 Ampliar 40
0,80 - Vta. - 20
Planta 0,25 - bajas
inicial 40
pequeña alta No 0,75 - altas
40
34 ampliar 35
0,25 - bajas 20
0,20 - Vta.
inicial
10
baja

Hebe Alicia Cadaval 83

VENTAJAS
 Refleja mejor las situaciones con decisiones
secuenciales (con más de un momento de
decisión).

DESVENTAJAS
 No permite analizar los casos de dominancia.
 Cuando una misma VNC afecta a distintas
alternativas, figura como si fuese otra VNC.

84
 Hiller Frederick y Lieberinan Gerald, "Introducción
a la investigación de operaciones". Editorial Mc
Graw Hill, 2011, México.
 KRAJEWSKI, LEE, RITZMAN, LARRI,
"Administración de Operaciones, Editorial
Prentice Hall, México, 2008
 HAMDY A. TAHA, "Investigación de Operaciones,
Editorial Prentice Hall, México, 2009
 RENDER BARRI, "Principios de Administración de
Operaciones", Editorial Prentice Hall, México,
2009