Está en la página 1de 27

El Rol de los Modelos

La “modelación matemática” es la creación de representaciones


matemáticas de problemas administrativos y de organizaciones a fin de
determinar respuestas a cursos de acción propuestos.

Reconocemos a los modelos por lo que son –representaciones


artificiales de cosas de la realidad. Como tales, no pueden duplicar
completamente a sus contrapartes del mundo real. Esta falencia de los
modelos no es algo negativo, ya que elimina elementos extraños y se
concentra en el meollo del problema.

El proceso de la modelación puede darnos una versión simplificada de


la situación en la cual todas las consideraciones despreciables han sido
apartadas, para que los factores importantes puedan verse claramente.
Tipos de Modelos
 (x  )2
Verbales y=
1
e 2 2
  x  
2
Esquemáticos
Icónicos
Matemáticos
 Algoritmos de Optimización
 Algoritmos heurísticos.

(x  0.5)  np
Z
npq
Beneficios del Modelamiento

La aplicación de modelos requiere de suposiciones que pueden ser


cuestionables, costos y otros datos que son difíciles de obtener, y
predicciones de eventos futuros que no son fácilmente recopilados. A
pesar de eso los modelos sirven a los gerentes para:

Reconocer un problema de un área y decidir qué tipo de decisiones


realizar. Simplemente reconociendo los puntos de decisión puede
constituir un paso gigante en muchas situaciones.
Reconocer los factores involucrados en el problema y determinen qué
variables pueden ser controladas para afectar el rendimiento.
Reconocer costos relevantes y ganar algún conocimiento sobre sus
magnitudes.
Identificar las relaciones de costo de las variables de decisión,
reconocer importantes aspectos entre los costos y ganar conocimiento
de la interacción total de variables y costos.
Teoría de la decisión

Es un enfoque sistemático y analítico para la


toma de decisiones.
Lógica Favorable

Datos disponibles
Buena
Alternativas Resultado
Decisión Modelo
Desfavorable

Mala Todo lo contrario


Teoría de la Decisión

Los seis pasos para realizar buenas decisiones son:

Definir claramente el problema.


Enlistar las posibles alternativas.
Identificar los posibles resultados.
Enlistar los beneficios de cada combinación de
alternativas y resultados.
Seleccionar un modelo matemático de la teoría de
decisiones.
Aplicar el modelo y realizar la decisión.
Conceptos importantes

Alternativa: Curso de acción o estrategia escogida (error: omitir


alguna)

Estados de la naturaleza: resultados en los cuales el decisor


tiene poco control (error: optimistas ignoran malos resultados y
pesimistas, viceversa)

Valores condicionales: beneficio (no solo basado en el dinero)


resultante de cada posible combinación entre alternativas y
resultados.

Tabla de decisión: muestra los beneficios o valores


condicionales de cada combinación.
Clasificación de Problemas de Decisión

Por el grado de incertidumbre de las respuestas y el


entorno:
 Certeza (100% de probabilidad)

 Riesgo (probabilidad variable) (Valor monetario, EMV


o costo de oportunidad esperado, EOL)
 Incertidumbre (no se conoce la probabilidad)
(Maximax, Maximin, equiprobable, realismo, minimax).

Por el grado de interdependencia sobre las decisiones


 Estado simple o estático

 Multiestado.
Tipos de decisiones

Decisión en condiciones de certeza

Los tomadores de la decisión conocen con certeza las consecuencias de cada


alternativa. Se escoge la alternativa que maximice el beneficio. Pocas veces
se tiene información completa de los estados de la naturaleza.

Decisión en condiciones de riesgo


Los tomadores de la decisión conocen la probabilidad de ocurrencia de cada
resultado y pretenden maximizar el bienestar esperado. Se emplea dos
criterios: EMV y EOL.

Decisión en condiciones de incertidumbre


Los tomadores de la decisión no conocen la probabilidad de ocurrencia de
cada resultado.
Condiciones de Riesgo

EMV para cada alternativa es la suma de las recompensas


posibles de la alternativa, ponderadas por la probabilidad de
que cada recompensa ocurra.
EVPI, es la respuesta esperada con información perfecta, menos
el resultado esperado sin información perfecta (máximo EMV).
Lo máximo que se debe pagar en información por pasar de un
entorno bajo riesgo a uno de certeza.
El valor esperado con información perfecta es el rendimiento
esperado en el largo plazo, si tenemos información perfecta
antes de realizar la decisión. Se escoge la mejor alternativa para
cada estado de la naturaleza y se multiplica estos valores por la
probabilidad de ocurrencia de cada estado de la naturaleza.

EVPI = Valor esperado con información perfecta – máximo EMV


Costos de oportunidad

El costo de oportunidad, es la cantidad perdida por no elegir la


mejor alternativa, es decir la diferencia entre el beneficio
óptimo y el beneficio actual recibido.
Es un enfoque alternativo al EMV, es el de minimizar el costo
de oportunidad esperado EOL.
El EOL se calcula multiplicando la probabilidad de cada estado
de la naturaleza por su costo de oportunidad (sustracción de
cada resultado por el mejor resultado).
Ambos enfoques dan el mismo resultado, y se cumple también
que:
EVPI = Mínimo EOL
Condiciones de incertidumbre

Maximax (optimista): maximiza el máximo resultado de cada


alternativa.
Maximin (pesimista): maximiza el mínimo resultado de cada
alternativa.
Equiprobabilidad (indiferente): encuentra la alternativa con el
más alto resultado promedio.
Realismo (acuerdo entre optimista y pesimista): Se selecciona el
coeficiente de realismo y:
Criterio de realismo   (máximo de fila   (1  )(mínimo de fila )

Minimax: Minimiza el máximo costo de oportunidad entre cada


alternativa.
Ejemplo

María Rojas está considerando la posibilidad de abrir una


pequeña tienda de ropas sobre la avenida Fairbanks, a pocas
cuadras de la universidad. Está ubicada en un buen mall que
atrae a los estudiantes. Sus opciones son abrir una pequeña
tienda, una tienda de tamaño mediano, o no abrir nada. El
mercado para una tienda para ropa puede ser favorable o
desfavorable. Las probabilidades para las dos posibilidades son
0.5 para un mercado bueno y 0.5 para un mercado malo. La
ganancia o pérdida neta para una tienda pequeña y mediana para
las varias condiciones del mercado están dadas en la siguiente
tabla. ¿Cuál es su recomendación para María Rojas?
Mercado
Alternativa Favorable Desfavorable
Pequeña 75000 -40000
Mediana 100000 -60000
No hacer nada 0 0
0.5 0.5

Realice un árbol de decisiones apropiado y recomiende lo que


debería hacer María.
Análisis Marginal
¿Qué pasa cuando tenemos un gran número de alternativas y estados
de la naturaleza? Requeriría una tabla de decisión muy grande. Cuando
podemos identificar una pérdida y beneficio marginal, es posible usar el
análisis marginal para obtener la mejor decisión mediante:

Distribuciones discretas
Distribuciones continuas (Normal)
ML
si la probabilidad de vender una unidad más es mayor o igual a ,
MP  ML
podemos colocar en inventario la unidad adicional.

Análisis marginal con distribuciones discretas


1. Determine el valor de P para el problema.
2. Construya un diagrama de probabilidad y añada la columna de
probabilidad acumulativa.
3. Elija la orden de inventario de manera que la probabilidad de vender
al menos una unidad adicional sea más grande que P.
Ejemplo

Café du Pont es un popular punto de encuentro nocturno de New Orleans en


el barrio Francés. Su especialidad es café y donuts; compra los donuts
frescos diariamente de una gran panadería industrial. El café paga 4 $ para
cada paquete (que contiene 2 docenas de donuts) entregado cada mañana.
Cualquier paquete no vendido hasta el final del día es desechado, ya que ya
no son lo suficientemente frescos para los estándares del café. Si es vendido
un paquete de donuts, el ingreso total es de 6 $. Por lo tanto el beneficio por
paquete de donuts es:
MP  beneficio m arg inal  6  4  2 $
La pérdida marginal es de 4 $, puesto que los donuts no pueden ser salvados
al final del día.
De ventas pasadas, el administrador del café estima que las ventas diarias
seguirán la distribución de probabilidad mostrada en la tabla. ¿Cuál es el
número óptimo de paquetes de donuts que deben ordenar cada día?.
Ventas diarias Probabilidad de Probabilidad
(paquetes de donuts) ventas acumulada
4 0.05 1.00
5 0.15 0.95
6 0.15 0.80
7 0.20 0.65
8 0.25 0.45
9 0.10 0.20
10 0.10 0.10
1.00

ML 4
P   0.66
ML  MP 4  2

La decisión óptima es ordenar 6 paquetes de donuts diarios.


Análisis marginal con la distribución normal

Primero, necesitamos encontrar 4 valores:


 Ventas medias del producto, 
 Desviación estándar de las ventas, 
 Beneficio marginal para el producto, MP
 Pérdida marginal para el producto, ML
Una vez que conocemos esos valores, el proceso de encontrar la
mejor política de stock es similar al análisis marginal con
distribuciones discretas.
ML
1. Determinar el valor de P. P
ML  MP
2. Localizar P sobre la distribución normal. Para un área dada bajo la
curva, podemos encontrar z de la tabla normal estándar. Luego
usando la relación: x 
z

despejamos x, que es la política óptima de inventario.
Ejemplo

La demanda de copias del periódico Chicago Tribune en el puesto de Joe


está normalmente distribuida y tiene un promedio de 50 periódicos por día,
con una desviación estándar de 10 periódicos. Con una pérdida marginal de 4
centavos y un beneficio marginal de 6 centavos, que política diaria de
inventario debería seguir Joe?

ML 4  = 10
P   0.40
ML  MP 4  6
0.40

 =50 z=0.25 x
x  10(0.25)  50  52.5

Joe entonces deberá ordenar cada día 53 Chicago Tribunes.


Teoría de la Decisión mediante ÁRBOLES de probabilidades

Cualquier problema que puede ser presentado en una tabla de


decisión, también puede ser ilustrado gráficamente en un árbol de
decisión.

Valor esperado de la información muestral

 valor esperado de la mejor   Valor esperado 


   
 decisión con inf ormación   de la mejor 
EVSI   
muestral asumiendo   decisión sin 
   
   
 que no hay cos to   inf ormación muestral 
Ejemplo

Ahora, digamos que María Rojas tiene que realizar dos decisiones y la segunda
depende del resultado de la primera. Antes de decidir si abrir una nueva tienda, María
tiene la opción de llevar a cabo su propio estudio de investigación de mercado, a un
costo de 10000 $. La información de su estudio podría ayudarla a decidir si abrir la
tienda o no hacer nada. Ella reconoce que este estudio de mercado no le proveerá una
información perfecta, pero puede ayudarla un poco de cualquier manera.
De discusiones con especialistas en investigación de mercados de una universidad
local, María sabe que las encuestas especiales, tal como es la suya, puede ser positiva
(es decir, predecir un mercado favorable) o negativa (predecir un mercado
desfavorable). Los expertos le han dicho a María que, estadísticamente, de todos los
nuevos negocios que tienen mercado favorable (MF), las encuestas de mercado son
positivas y predicen éxito correctamente un 70% de las veces. 30% de las veces las
encuestas predicen falsamente resultados negativos o un mercado desfavorable.
(MD). Por otro lado, cuando había un mercado desfavorable para un nuevo negocio,
80% de las encuestas predecían correctamente resultados negativos. Las encuestas
predecían incorrectamente resultados positivos el restante 20% de las veces.
¿Qué debería hacer María? ¿Debería realizar su propio estudio de mercado? ¿Debería
abrir una tienda, y si se decide por hacerlo, de qué tamaño?
Teoría de la decisión y la normal

Una empresa enfrenta dos alternativas de decisión bajo


condiciones de numerosos estados de la naturaleza. La
distribución de probabilidad normal, es usada para describir los
estados de la naturaleza.

El análisis del punto de equilibrio

¿En qué punto se alcanza el equilibrio, o cuando los ingresos


igualan a los costos?

a) Decisión de un nuevo producto en Barclay Brothers

La compañía Barclay Brothers es un gran productor de juegos


de salón para adultos. Su vicepresidente de marketing, Rudy
Barclay, debe tomar la decisión de introducir o no un nuevo
juego llamado “estrategia” al mercado competitivo.
Rudy identifica los siguientes costos relevantes:

Costos fijos  36000 $ Costo var iable unitario  4 $


Pr ecio  10 $
El punto de equilibrio es:

Costos fijos CF 36000


P.E.(q)   P.E.   6000
precio  cos to var iable unitario p  CVu 10  4

Si la demanda es de 11000 juegos, el beneficio será:

U  (p  CVu ) q  CF  (10  4) (11000)  36000  30000

La actual demanda todavía no es conocida. Rudy decide


emplear una distribución de probabilidad para estimar la
demanda.
b) Distribución de probabilidad para la demanda

La demanda actual para “Estrategia” puede estar en cualquier


nivel: 0, 1, 2, 3, algunos miles de unidades. Rudy necesita
establecer la probabilidad de varios niveles de demanda.
Podría pensar que la figura más común de las ventas sería
8000, y que la demanda podría llegar tan bajo como 5000 o tan
alto como 11000. Las ventas posiblemente podrían ir más lejos
de estos límites; es decir, hay un 15% de probabilidad de que
sean menos de 5000 y otro 15% de que sean más de 11000.

X   11000  8000
15% 15%    2885
Z 1.04

5000 8000 11000 X

La demanda de Barclay parece estar normalmente distribuida,


con una media de 8000 y una desviación estándar de 2885
juegos.
¿Cuál es la probabilidad del punto de equilibrio?

6000  8000
24.51% 75.59% Z  0.69
2885

6000 8000 X

P(pérdida)  P(demanda  P.E.)  24.51%


P(ganancia )  P(demanda  P.E.)  75.49%

c) Uso del EMV para la toma de decisiones

EMV  (p  CVu )(demanda media )  CF


EMV  (10  4)(8000)  36000  12000
Existe una probabilidad del 75% de estar por encima del punto
de equilibrio y lograr un valor monetario esperado de 12000 $.
(prefiere realizar una investigación de mercado antes de hacer
la decisión – EVPI).
EVPI y la distribución normal

a) Función de costo de oportunidad

Se siguen los siguientes pasos:


Determinar la función de costo de oportunidad.
Usar la función de costo de oportunidad y la unidad normal
integral de pérdida para encontrar EOL (igual que el EVPI).

El costo de oportunidad es el dinero perdido si la demanda es


menor que el P.E.; por ejemplo, si la demanda es de 5999
juegos, Barclay pierde 6 $. Con una pérdida de 6 $ por cada
unidad vendida menor a la del P.E., la pérdida de oportunidad
total es 6 multiplicada por el número de unidades menores a
6000.
K(P.E.  X) X  P.E.
Pérdida de opotunidad  
0 X  P.E.

6(6000  X) X  6000
Pérdida de opotunidad  
0 X  6000
b) Costo de oportunidad esperado

EOL  K  N(D)
donde:
EOL = Costo de oportunidad esperado
K = Costo por unidad cuando las ventas son menores al P.E.
 = Desviación estándar de la distribución
  P.E.
D

N(D) = Valor de unidad normal integral de pérdida, dado un valor de D.

Rudy puede calcular el EOL como sigue:


8000  6000
D  0.69
2885
N(0.69)  0.1453
EOL  (6)(2885)(0.1453)  2515.14
La relación entre la función de costo de oportunidad y la
distribución normal se muestra en la figura. Este gráfico
muestra los costos de oportunidad y la normal con una media
de 8000 juegos y una desviación estándar de 2885. A la
derecha del punto de equilibrio notamos que la función de costo
es 0. A la izquierda del P.E. la función de costo de oportunidad
se incrementa con una pendiente de 6 $ por unidad.

Costo ($)
Función de costo

m = -6

6000 8000 X (demanda)