República Bolivariana de Venezuela.

Ministerio del Poder Populara para la Defensa.

Universidad Nacional Experimental Politecnica de la Fuerza Armanda
Nacional Bolivariana (UNEFANB).
UNEFA. Nucleo Delta Amacuro. Tucupita.

TOMA DE
DECISIONES BAJO
CERTIDUMBRE Y
BAJO RIESGO
Facilitador: Estudiante:
Ing. Luisa Rendayyo Bastardo Jehan C.I: 26157294
Martínez Karlenys C.I: 27162913

Ing. De Sistemas 8° Semestre.

Noviembre de 2020
 ÍNDICE.

INTRODUCCIÓN..............................................................................................3
Decisiones bajo certidumbre.........................................................................4
Criterios de Maximización y Minimización................................................4
Modelos matemáticos asociados...............................................................4
Programación Lineal...................................................................................5
TOMA DE DECISIONES...............................................................................8
Método Analítico de Jerarquía.......................................................................8
Decisiones Bajo Riesgo...............................................................................12
Criterio de valor esperado............................................................................13
Arboles de Decisión......................................................................................15
CONCLUSIÓN................................................................................................17
BIBLIOGRAFÍA..............................................................................................18
 INTRODUCCIÓN.

La resolución de problemas en el ámbito organizacional parte de la

detección de los mismos por medio de un diagnóstico, en el cual se
establecen las posibles alternativas que podrían dar solución a estos. El
proceso conocido como toma de decisiones es definido como el proceso que
permite seleccionar el mejor camino entre lo que es hoy y lo que será
mañana, el método que ayudará a asignar, eficientemente, los siempre
escasos recursos de toda empresa. Este proceso involucra un esfuerzo
(pensar ordenadamente), correr un riesgo (fruto de la incertidumbre),
asignación apropiada de recursos (tiempo, capital y gente) y el manejo de
conceptos claros basados en hechos y no en apariencias (para así poder
definir objetivos y seleccionar alternativas) que permitan resolver los
problemas presentes o futuros, de forma adecuada.

Las decisiones que hoy se toman, tanto en el sector público como en

el sector privado, están relacionadas con una serie de variables
relativamente manejables, pues son más o menos conocidas y relacionadas
con lo que hoy existe, como serían, por ejemplo, los clientes que sirven, los
precios y los costos, la capacidad de producción, la tecnología que usan, los
suplidores, la calidad y cantidad de sus competidores y sus productos, la
calidad y cantidad de empleados, trabajadores disponibles en el mercado
laboral, y las leyes y reglamentos que definen las relaciones económicas.
Pero ¿qué sucederá mañana con estas variables hoy conocidas? Lo único
que hoy es seguro es que los negocios del mañana serán diferentes, pues
esas y otras variables están, indefectiblemente, sujetas al cambio.
 Decisiones bajo certidumbre.

Se tiene conocimiento total sobre el problema, las alternativas de

solución que se planteen van a causar siempre resultados conocidos e
invariables. Al tomar la decisión solo se debe pensar en la alternativa que
genere mayor beneficio. La información con la que se cuenta para solucionar
el problema es completa, es decir, se conoce el problema, se conocen las
posibles soluciones, pero no se conoce con certeza los resultados que
pueden arrojar.

En este tipo de decisiones, las posibles alternativas de solución tienen

cierta probabilidad conocida de generar un resultado. Se pueden usar
modelos matemáticos o también se puede hacer uso de la probabilidad
objetiva o subjetiva para estimar el posible resultado. La probabilidad objetiva
se basa en hechos concretos y la probabilidad subjetiva se basa en
opiniones o juicios personales.
Criterios de Maximización y Minimización.
La optimización, sirve para encontrar la respuesta que proporciona el
mejor resultado, la que logra mayores ganancias, mayor producción o
felicidad o la que logra el menor costo, desperdicio o malestar. Con
frecuencia, estos problemas implican utilizar de la manera más eficiente los
recursos, tales como dinero, tiempo, maquinaria, personal, existencias, entre
otros.

Modelos matemáticos asociados.

Análisis de punto de equilibrio.
Programación lineal.
 La programación lineal, aborda el problema de determinar
asignaciones óptimas de recursos limitados para cumplir un objetivo dado. El
objetivo debe representar la meta del decisor. Los recursos pueden
corresponder, por ejemplo, a personas, materiales, dinero o terrenos. Entre
todas las asignaciones de recursos admisibles, queremos encontrar las que
maximizan o minimizan alguna cantidad numérica tal como ganancias o
costos.

Programación Lineal.

Se refiere a una técnica matemática que permite asignar recursos

limitados. Es un método de resolución de problemas destinado a la
asignación eficiente de recursos limitados en actividades conocidas para
maximizar beneficios o minimizar costos, como es el caso de la formulación
de raciones. La característica distintiva de los modelos de PL es que las
funciones que representan el objetivo y las restricciones son lineales.

La Programación Lineal se considera como un método determinístico

que busca captar todas las actividades intervinientes en una situación de
decisión y formular un modelo cuantitativo que genere criterios de decisión.

Seleccionar una alternativa conlleva a analizar diferentes criterios al

mismo tiempo.

Ejemplo:

Compra de apartamento: espacio, distribución, área, ubicación,

decoración, costo.
 Estos criterios se pueden dividir en dos categorías: Restricciones y
Función Objetivo. Las restricciones son las condiciones que debe satisfacer
una solución que está bajo consideración. Si más de una alternativa satisface
todas las restricciones, el objetivo se usa para seleccionar entre todas las
alternativas factibles. Existen muchos problemas administrativos que se
ajustan a este modelo de tratar de minimizar o maximizar un objetivo que
está sujeto a una lista de restricciones.

Ejemplo 1:

Decidir cuántas unidades se deben fabricar para una línea de

productos de una empresa está restringido por la disponibilidad de horas de
mano de obra y máquinas. Se quiere, por tanto, maximizar o minimizar una
cantidad de función objetivo sujeta a las limitaciones de recursos con
restricciones.

La presencia de restricciones limita el grado en que podemos

perseguir el objetivo. Por ejemplo, decidir cuántas unidades se deben
fabricar para una línea de productos de una empresa está restringido por la
disponibilidad de horas de mano de obra y máquinas. Se quiere, por tanto,
maximizar o minimizar una cantidad de una función objetivo sujeta a las
limitaciones de recursos con restricciones.

Ejemplo 2:

Si el empresario por restricción económica decide hacer solo un

modelo de bicicleta. ¿Cuál modelo debe elegir? ¿Por qué?

Las alternativas de fabricación se desarrollan en las restricciones del

Modelo matemático; y la toma de decisiones se determina evaluando en la
Función objetivo las alternativas obtenidas.
 La decisión a tomar, por restricción económica, es producir un solo
modelo de bicicleta que genere mayor beneficio al empresario. Luego
desarrollamos las alternativas evaluando en las restricciones del modelo:

Alternativa 1: Producir solo bicicletas de paseo y no producir

bicicletas de montaña, significa hallar X1 haciendo x2 = 0

Tomamos el valor de X1 que cumpla en ambas restricciones, y debe ser el

mínimo de los valores obtenidos: Min (80,40) = 40; o sea: X1= 40

Alternativa 2: Producir solo bicicletas de montaña y no producir

bicicletas de paseo, significa hallar X2 haciendo X1=0.

Seguimos el mismo procedimiento realizado en el punto anterior,

evaluando en las restricciones del modelo y hallamos: x 2 = 40.

La toma de decisiones se realiza evaluando en la función objetivo las

alternativas de fabricación obtenidas por modelo de bicicleta. A continuación
se muestra el procedimiento a realizar.

Beneficio económico de fabricar solo bicicletas de paseo y no

fabricar bicicletas de montaña:
 Beneficio económico de fabricar solo bicicletas de montaña y no
fabricar bicicletas de paseo:

TOMA DE DECISIONES

Como la función objetivo es maximizar el beneficio económico,

generado por las ventas, tomamos la decisión de fabricar solo bicicletas de
paseo, por ser el modelo que va generar mayor ganancia, equivalente a S/.
8,000.

Un error en la formulación del modelo, nos puede llevar a tomar una

decisión equivocada que puede generar graves consecuencias para la
empresa u organización.

Método Analítico de Jerarquía.

El método de jerarquización analítica como herramienta gerencial para

la toma de decisiones, fue desarrollado durante los años setenta en la
Universidad de Pensylvania por el Dr. Thomas L. Saaty, al buscar elaborar
un instrumento formal para la evaluación y selección de alternativas, que
tuviera las características de ser sólido en sus fundamentos matemáticos, útil
en la toma de decisiones y sencillo en su aplicación (Sánchez, 2003).

El proceso de jerarquía analítica según Polanco (2010), es un método

que permite consolidar las opiniones de uno o varios expertos cuando se
está en la disyuntiva de escoger entre varias opciones, que no son fáciles de
evaluar por el gran número de categorías implícitas. Según Sánchez (2003),
Saaty consideró que para la solución de un problema el decisor transita por
tres etapas: inicia con la formulación del problema, luego realiza una
evaluación, y finalmente selecciona el mejor curso de acción que contribuya
al logro del objetivo. Este método puede ser realizado en grupo o de manera
individual, aplicándose preferentemente a problemas complejos.

Este método selecciona alternativas en función de una serie de

criterios o variables, normalmente jerarquizados, los cuales suelen entrar en
conflicto. En esta estructura jerárquica, el objetivo final se encuentra en el
nivel más elevado, y los criterios y subcriterios en los niveles inferiores. Para
que el método sea eficaz, es fundamental elegir bien los criterios y
subcriterios, los cuales deben estar muy bien definidos, ser relevantes y
mutuamente excluyentes (independencia entre ellos). Es importante que el
número de criterios y subcriterios en cada nivel no sea superior a 7, para
evitar excesivas comparaciones a pares.

Una vez definida la estructura jerárquica, se comparan los criterios de

cada grupo del mismo nivel jerárquico y la comparación directa por pares de
las alternativas respecto a los criterios del nivel inferior. Para ello se utilizan
matrices de comparación pareadas usando una Escala Fundamental. Esta es
la clave del método, usar una escala de comparación por pares, puesto que
el cerebro humano está especialmente bien diseñado para comparar dos
criterios o alternativas entre sí, pero menos cuando tiene que hacer
comparaciones conjuntas.

En efecto, la Ley de Weber-Fechner establece que el menor cambio

discernible en la magnitud de un estímulo es proporcional a la magnitud de
dicho estímulo. Como la relación entre el estímulo y la percepción
corresponde a una escala logarítmica, si un estímulo crece en progresión
geométrica, la percepción evolucionará como una progresión aritmética. Es
por ello que AHP utiliza una escala fundamental del 1 al 9 que ha sido
satisfactoria en comprobaciones empíricas realizadas en situaciones reales
muy diversas.

Tabla 1.

La comparación de las diferentes alternativas respecto al criterio del

nivel inferior de la estructura jerárquica, como la comparación de los
diferentes criterios de un mismo nivel jerárquico dan lugar a una
matriz cuadrada denominada matriz de decisión. Esta matriz cumple con las
propiedades de reciprocidad (si aij=x, entonces aji=1/x), homogeneidad (si i
y j son igualmente importantes, aij=aji=1, y, además, aii= 1 para todo i), y
consistencia (la matriz no debe contener contradicciones en la valoración
realizada).

La consistencia se obtiene mediante el índice de consistencia

(Consistency Index, CI) donde λmax es el máximo autovalor y n es la
dimensión de la matriz de decisión. Un índice de consistencia igual a cero
significa que la consistencia es completa. Una vez obtenido CI, se obtiene la
proporción de consistencia (Consistency Ratio, CR) siendo aceptado siempre
que no supere los valores indicados en la Tabla 3. Si en una matriz se
supera el CR máximo, hay que revisar las ponderaciones.

Donde RI es el índice aleatorio, que indica la consistencia de una

matriz aleatoria (Tabla 2):

Tabla 2.
 Tabla 3.

Una vez verificada la consistencia, se obtienen los pesos, que

representan la importancia relativa de cada criterio o las prioridades de las
diferentes alternativas respecto a un determinado criterio. Para ello, el
método de jerarquía analítica original utiliza el método de los autovalores,
donde hay que resolver la siguiente ecuación:

Donde A representa la matriz de comparación, w el autovector o

vector de preferencia, y λmax el autovalor.

Decisiones Bajo Riesgo.

Las decisiones bajo riesgo son una clase de modelos de decisión para
la cual hay más de un estado de la naturaleza y para la cual suponemos que
quien toma la decisión puede llegar a una estimación de probabilidades de la
ocurrencia de cada uno de los estados de la naturaleza.

En la toma de decisiones bajo riesgo la preocupación no radica

solamente en los resultados, sino también en la cantidad de riesgo que cada
una de las decisiones acarrea. Las acciones están basadas en los resultados
esperados y el que toma las decisiones tiene una cierta información que
tener en cuenta sobre la posibilidad de los estados de la naturaleza, para que
después esto se traduzca en una distribución de probabilidad, siendo el
estado de la naturaleza una variable aleatoria.

Se basan en el criterio del valor esperado, en el que las alternativas de

decisión se comparan en base a la maximización de la utilidad esperada o la
minimización del costo esperado. Se sabe que una falta de certidumbre
respecto a futuros eventos es una característica de la mayoría de los
modelos de decisiones administrativas. Es obvio que muchas de las
decisiones que se toman cambiarían completamente si se pudiera saber
exactamente lo que ocurrirá.

Supongamos, por ejemplo, que hay m > 1 estados de la naturaleza y

que “pj” será la probabilidad estimada de que ocurra el estado “j”.
Generalmente estimaremos esa probabilidad utilizando frecuencias
históricas, investigando a lo largo de la historia y registraremos el porcentaje
de tiempo que ese estado “j” realmente ocurrió en todas nuestras
observaciones. Cuando esos datos históricos no están disponibles o el
administrador siente que no son relevantes, éste debe hacer estimaciones
subjetivas de estas probabilidades.

Dado que a los diferentes rendimientos se asocian diferentes estados

de la naturaleza, el rendimiento asociado con la decisión “i” es la suma, en
todos los estados “j” posibles, de términos de la forma: (rendimiento en el
estado “j” cuando la decisión es “i”) multiplicado por (la probabilidad de
ocurrencia de estado “j”), o Rij Pj. Entonces podemos utilizar la siguiente
ecuación para calcular ERi, el rendimiento esperado seleccionando la
decisión “i”:

Criterio de valor esperado.

Es el criterio que se usa con más frecuencia y se nutre de las

probabilidades previas de los posibles estados de la naturaleza que se
puedan dar.

En cada alternativa de decisión, se calcula el promedio ponderado de

sus pagos multiplicando cada pago por la probabilidad previa del estado de
la naturaleza correspondiente, y después sumando estos productos.
Estadísticamente hablando, este promedio ponderado se conoce como pago
esperado (PE) para cada alternativa de decisión. La alternativa con el mayor
pago esperado será la elegida.

PE1 = (R1a x Pa) + (R1b x Pb)

Donde

 PE1 es el pago esperado de la alternativa 1.

 R1a es la estimación del resultado de la alternativa 1 si ocurre el

estado de la naturaleza a.

 Pa es la probabilidad previa de que ocurra el estado de la naturaleza

a.
  R1b es la estimación del resultado de la alternativa 1 si ocurre el
estado de la naturaleza b.

 Pb es la probabilidad previa de que ocurra el estado de la naturaleza

b.

La gran ventaja de este criterio es que incorpora toda la información

disponible, incluyendo todos los pagos y las mejores estimaciones
disponibles de las probabilidades de los respectivos estados de la
naturaleza.

El pago esperado de una alternativa de decisión especifica que se

puede interpretar como cuál sería el resultado promedio si la misma situación
se repitiera muchas veces. Por lo tanto, en promedio, usar repetidamente la
regla de decisión de Bayes para tomar decisiones llevará a pagos más
grandes en el largo plazo que cualquier otro criterio (suponiendo que las
probabilidades previas son válidas). (Hillier, 2008).

Las principales críticas de este criterio son:

- En general hay una incertidumbre considerable al asignar valores a las

probabilidades previas, por lo que no se revelará el conjunto real de
resultados posibles.

- Las probabilidades previas son en gran parte subjetivas, mientras que la

toma de decisiones sólida debe basarse en datos y procedimientos objetivos.

- Al enfocarse en resultados promedio, los pagos esperados ignoran el

efecto que debe tener la variabilidad en los resultados posibles sobre la toma
de decisiones.
Arboles de Decisión.

Un árbol de decisión es un modelo gráfico del proceso de las

decisiones bajo riesgo que está representado cronológicamente. Con él
podemos introducir probabilidades al análisis de decisiones complejas que
involucran muchas opciones y condiciones futuras que no se conocen. Tanto
las decisiones como las probabilidades de los estados de la naturaleza están
definidos.

Los árboles de decisión fueron diseñados para utilizarse en modelos

en los que hay una secuencia de decisiones, cada una de las cuales podría
llevarnos a uno de varios resultados inciertos.

El término “árbol de decisiones” se debe a la apariencia física de la

representación gráfica usual de esta técnica. Un árbol de decisiones no sólo
contiene las probabilidades de los resultados, sino también los valores
monetarios de cada uno de ellos. Por ello, podemos usar estos árboles para
indicar los valores esperados de las diferentes acciones que podamos llevar
a cabo. Un árbol de decisiones puede ser muy útil para visualizar y analizar
un problema.

Los árboles de decisión se representan mediante una red que utiliza

dos tipos de nodos:

 Los nodos de decisión: representados por medio de una forma

cuadrada que simboliza puntos de decisión, donde el tomador de
decisiones debe elegir varias acciones posibles.

 Los nodos de evento: representados por un círculo que simboliza

que ocurre algún estado de la naturaleza. Estos eventos aleatorios no
están bajo el control de quien toma las decisiones.
Podemos observar aquí un modelo general de un árbol de decisión:
 CONCLUSIÓN.

La toma de decisiones adquiere grande importancia porque

mediante el empleo de un buen juicio nos indica que un problema o situación
es valorado y considerado profundamente para elegir el mejor camino a
seguir según las diferentes alternativas y operaciones. Contribuye a
mantener la armonía y coherencia del grupo, y por ende su eficiencia. En la
Toma de Decisiones, considerar un problema y llegar a una conclusión
válida, significa que se han examinado todas las alternativas y que la
elección ha sido correcta. Dicho pensamiento lógico aumentará la confianza
en la capacidad para juzgar y controlar situaciones.

La toma de decisiones, se considera como parte importante del

proceso de planeación cuando ya se conoce una oportunidad y una meta, el
núcleo de la planeación es realmente el proceso de decisión.

La certidumbre es la condición en que los individuos son plenamente

informados sobre un problema, las soluciones alternativas son obvias, y son
claros los posibles resultados de cada decisión. En condiciones de
certidumbre, la gente puede al menos prever (si no es que controlar) los
hechos y sus resultados.

Por otor lado, la toma de decisión en ambiente de riesgo se basan en

que el decisor no sabe con certeza qué estados de la naturaleza se
presentarán, pero si conoce cuales pueden presentarse y la probabilidad que
tiene cada uno de ellos.

El principal beneficio de la jerarquía analítica, como herramienta para

la toma de decisiones grupales en la gestión pública, es que favorece el
consenso entre los diferentes decisores que se encuentren en conflicto de
posiciones ante las múltiples alternativas existentes.

BIBLIOGRAFÍA.

Alternativas de Decisión Relacionados con Funciones Lineales

Matemáticas:

https://es.scribd.com/doc/183961164/Alternativas-de-Decision-
Relacionados-con-Funciones-Lineales-Matematicas

Alternativas de Decisión Relacionados Con Funciones Lineales

Matemáticas:

https://dokumen.tips/documents/alternativas-de-decision-relacionados-con-
funciones-lineales-matematicas.html

Teoría de Decisiones. Condiciones de certidumbre:

https://core.ac.uk/download/pdf/80531698.pdf

MÉTODO DE JERARQUIZACIÓN ANALÍTICA | JVGotopo:

https://jvgotopo.wordpress.com/2016/03/29/jerarq-analitica/

Toma de decisiones bajo riesgo. Decisiones secuenciales. Ejemplos

de aplicación en la gestión de empresas.pdf

https://addi.ehu.es/bitstream/handle/10810/33174/Toma%20de
%20decisiones%20bajo%20riesgo.%20Decisiones%20secuenciales.
%20Ejemplos%20de%20aplicaci%C3%B3n%20en%20la%20gesti%C3%B3n
%20de%20empresas.pdf?sequence=1&isAllowed=y
 Unidad IV Decisiones Bajo Riesgo | Toma de decisiones |
Probabilidad:

https://es.scribd.com/document/378962907/Unidad-IV-Decisiones-Bajo-
Riesgo

Proceso Analítico Jerárquico (Analytic Hierarchy Process, AHP) – El

blog de Víctor Yepesvi:

https://victoryepes.blogs.upv.es/2018/11/27/proceso-analitico-jerarquico-ahp/

ECONOMIA 39.indd:

http://iies.faces.ula.ve/Revista/Articulos/Revista_39/Pdf/Rev39Mejias.pdf

Árbol de decisión - Wikipedia, la enciclopedia libre:

https://es.wikipedia.org/wiki/%C3%81rbol_de_decisi%C3%B3n

Toma de decisiones bajo Riesgo | ANÁLISIS DE DECISIONES BAJO

CERTIDUMBRE, RIESGO E INCERTIDUMBRE Wiki | Fandom:

https://analisis-certidumbre-riesgo-
incertidumbre.fandom.com/es/wiki/Toma_de_decisiones_bajo_Riesgo#:~:text
=Los%20procesos%20de%20decisi%C3%B3n%20en,proceso%20de
%20toma%20de%20decisiones.