Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FORMAR
www.unab.cl TRANSFORMAR
Criterios
de
selección
y
ponderación
del
sesgo
y
la
dispersión
La
toma
acertada
de
decisiones
ha
sido
siempre
una
necesidad
para
las
empresas.
En
los
tiempos
modernos
los
ejecutivos
exitosos
se
caracterizan
por
asumir
esta
responsabilidad,
sin
embargo
la
velocidad
de
los
cambios
en
los
mercados
y
la
excesiva
información
disponible
-‐
a
veces
-‐
como
la
falta
de
información
en
otros
casos,
dificulta
esta
tarea.
Las
decisiones
deben
ser
tomadas
en
forma
oportuna
y
no
siempre
con
el
tiempo
necesario
para
analizar
todas
las
opciones
factibles,
lo
que
obliga
a
actuar
bajo
un
escenario
de
incertidumbre.
Si
la
decisión
está
asociada
a
un
solo
criterio
de
rendimiento,
un
solo
factor
crítico
de
éxito
o
un
solo
objetivo,
presenta
un
grado
de
complejidad
menor
que
cuando
se
necesita
que
la
decisión
o
solución
satisfagan
simultáneamente
más
de
un
criterio
u
objetivo,
más
aún
cuando
los
objetivos
son
satisfechos
en
forma
distinta
por
cada
una
de
las
decisiones
o
soluciones
posibles.
Es
claro
que
en
el
ambiente
competitivo
actual,
las
organizaciones
enfrentan
diariamente
la
toma
de
decisiones
tanto
en
el
nivel
estratégico,
como
en
el
táctico,
siendo
muchas
veces
de
consecuencias
fundamentales
para
la
supervivencia
de
las
mismas.
Cuando
se
enfrenta
el
proceso
de
toma
de
decisiones
o
selección
de
alternativas,
generalmente
se
tienen
múltiples
objetivos
que
se
contraponen
entre
ellos,
haciendo
más
complejo
este
proceso
y
generándose
entonces
la
necesidad
de
una
herramienta
o
un
método
que
permita
comparar
esos
múltiples
criterios
frente
a
la
gama
de
alternativas
posibles.
La
toma
de
decisiones
multi-‐criterio
es
un
problema
clave
de
la
vida
real.
Cualquier
actividad
involucra,
de
una
u
otra
manera,
la
evaluación
de
un
conjunto
de
alternativas
en
términos
de
un
conjunto
de
criterios
de
decisión,
donde
muy
frecuentemente
estos
criterios
están
en
conflicto
unos
con
otros.
Es
claro
que
este
se
encuentra
influenciado
por
sus
patrones
o
modelos
mentales,
y
por
quienes
se
encuentran
en
una
posición
jerárquica
superior
o
inferior,
incluyéndose
también
el
estado
de
ánimo
y
sus
relaciones
familiares
y
sociales,
lo
cual
determina
las
prioridades
al
momento
de
abordar
el
problema
y
añaden
desde
luego,
mayores
elementos
de
complejidad.
Dentro
de
este
marco,
es
vital
contar
con
la
información
adecuada
para
tomar
la
mejor
decisión,
la
cual
se
determinará
dentro
de
un
conjunto
de
posibles
alternativas,
las
cuales
deben
ser
evaluadas
frente
a
múltiples
criterios
que
se
definan
para
este
propósito.
El
resultado
entonces,
es
un
proceso
complejo
y
delicado
en
el
cual
la
subjetividad
y
la
dependencia
de
la
información
juegan
un
papel
preponderante.
Por
esta
razón
es
necesario
contar
con
herramientas
que
apoyen
este
proceso
y
permitan
un
análisis
más
científico
de
las
alternativas.
Esta
complejidad
ha
llevado
al
desarrollo
de
modelos
de
preferencia,
es
decir,
herramientas
que
permiten
abordar
el
problema
de
decisión
multi-‐criterio
de
una
forma
sistemática
y
científica,
buscando
favorecer
el
proceso
y
ayudar
a
quien
toma
la
decisión.
El
proceso
de
análisis
jerárquico
propuesto
por
Thomas
Saaty
en
1980,
fue
diseñado
para
cuantificar
las
opiniones
gerenciales
donde
participan
diferentes
criterios
que
complican
1
la
toma
de
decisiones,
y
corresponden
a
los
modelos
de
análisis
multi-‐criterio
o
multi-‐objetivo,
donde
también
se
encuentran
el
método
del
Scoring,
la
utilidad
multi-‐atributo
y
las
relaciones
de
causa-‐efecto.
Muchas
de
las
técnicas
y
herramientas
relativas
a
la
toma
de
decisiones
necesitan
una
serie
de
datos
y
definiciones
de
las
organizaciones,
además
de
un
arduo
tratamiento
de
estos
y
la
información
disponible.
Generalmente
los
output
de
estas
herramientas
entregan
a
los
tomadores
de
decisiones
un
abanico
de
opciones,
ante
las
cuales
decidir
y
ponderar
las
implicancias
y
riesgos
asociados.
Así,
una
herramienta
rápida,
fácil
de
utilizar
y
efectiva
es
de
un
beneficio
incuestionable.
El
“Método
Normalizador
MAG”
es
una
herramienta
desarrollada
y
en
proceso
de
publicación
(2013).
De
fácil
utilización
y
comprensión,
tiene
un
amplio
campo
de
uso,
sin
embargo
para
facilitar
su
puesta
en
práctica,
será
descrita
y
aplicada
en
el
contexto
de
decidir
cuál
método
de
pronóstico
sería
el
que
mejor
represente
los
objetivos
de
una
organización.
2
Caso
1:
Aplicación
de
selección
tradicional.
La
tradición
de
la
literatura
indica
que
se
deben
realizar
selecciones
secuenciales;
esto
es,
para
cada
método
aplicado,
seleccione
el
pronóstico
cuyos
parámetros
representan
de
mejor
manera
los
criterios
de
la
organización.
Posteriormente
y
una
vez
reducidos
los
métodos
participantes,
genere
la
elección
final.
En
particular
en
este
ejemplo,
se
decidirá
primero
entre
los
pronósticos
obtenidos
al
aplicar
el
método
de
“Promedios
móviles
simple”
con
n=3
vs
con
n=6.
Para
esto
analice
los
valores
de
la
medición
de
los
errores
practicados:
Tabla
Nº
2:
Medición
de
errores
Método
“Promedios
Móviles
Simple”
Método CFE MAD
Promedio
Móvil
Simple
Tres
Semanas
(n=3)
23,1 17,1
Seis
Semanas
(n=6)
69,8 15,5
Si
el
criterio
fuera
minimizar
el
error
de
sesgo,
la
elección
favorecería
a
PMS
con
n=3,
por
el
contrario
si
el
criterio
fuera
minimizar
la
dispersión,
la
elección
sería
PMS
con
n=6.
Como
la
empresa
asigna
la
misma
importancia
a
ambos
criterios,
se
debe
analizar
la
magnitud
de
los
cambios
de
los
indicadores
o
errores;
si
se
observa
el
error
de
sesgo,
este
se
triplica
al
preferir
n=6
en
lugar
de
n=3,
por
otro
lado,
el
error
de
dispersión
solo
aumenta
en
una
pequeña
magnitud
(cercana
al
10%)
al
preferir
n=3
en
lugar
de
n=5.
En
consecuencia
la
elección
es
n=3
dado
que
presenta
un
sesgo
muy
bajo
y
una
dispersión
leventemente
superior
en
relación
con
n=6.
Ahora
se
seleccionará
el
mejor
pronóstico
al
aplicar
el
método
“Suavización
Exponencial
Simple”
con
α
=
0,1
vs
α
=
0,2.
Tabla
Nº
3:
Medición
de
Errores
Método
“Suavización
Exponencial
Simple”
Método CFE MAD
Suavización
Exponencial
Simple
α = 0,1 65,6 14,8
α = 0,2 41,0 15,3
Al
igual
que
en
el
caso
anterior,
aquí
se
enfrenta
una
decisión
en
la
cual
se
deben
ponderar
los
incrementos
en
los
indicadores
(errores).
Al
preferir
en
pronóstico
obtenido
con
α
=
0,1
el
error
de
sesgo
se
incrementa
en
un
60%;
en
el
caso
contario,
al
preferir
el
pronóstico
obtenido
con
α
=
0,2
la
dispersión
sólo
se
incrementa
en
cerca
de
un
3%.
En
consecuencia
la
elección
favorece
a
α
=
0,2,
dado
que
el
sesgo
es
mucho
menor
y
la
dispersión
levemente
superior.
3
Finalmente,
ahora
se
ha
reducido
a
tres
métodos
la
decisión,
y
los
datos
son
los
siguientes:
Tabla
Nº
4:
Medición
de
Errores
Métodos
Finalistas
Método CFE MAD
Promedio
Móvil
Simple
Tres
Semanas
(n=3)
23,1 17,1
Promedio
Móvil
Ponderado
0,7
;
0,2
;
0,1
14,0 18,4
Suavización
Exponencial
Simple
α = 0,2 41,0 15,3
Ahora
se
debe
analizar
y
ponderar
las
variaciones
de
los
tres
métodos
en
competencia.
El
que
presenta
el
mejor
comportamiento
frente
al
sesgo
es
PMP
y
frente
a
dispersión
es
SES.
Es
claro
deducir
que
la
elección
será
PMP,
dado
que
presenta
el
menor
sesgo
y
una
dispersión
levemente
superior
a
los
otros
dos
competidores.
Como
se
puede
apreciar,
el
análisis
tradicional
corresponde
a
una
comparación
entre
métodos,
a
través
de
una
evaluación
de
las
variaciones
en
los
indicadores
que
representan
los
criterios
de
la
empresa
u
organización.
Si
bien
este
tipo
de
análisis
es
simple
y
requiere
de
concentración,
es
lento
y
se
vuelve
bastante
engorroso
cuando
los
métodos
que
compiten
son
numerosos.
En
todo
caso
no
asegura
que
la
selección
sea
la
mejor,
más
aún
cuando
la
empresa
u
organización
quiere
asignar
importancias
distintas
a
cada
criterio,
y
resulta
imposible
cuando
los
criterios
implicados
son
más
de
dos.
Para
estos
casos
se
presenta
el
método
“Normalizador
MAG”,
desarrollado
para
tomar
decisiones
multi-‐criterios.
4
originales,
la
normalización
obtenida,
con
el
“Método
MAG”,
permite
comparar
los
rendimientos,
asignando
el
mismo
peso
a
cada
indicador
en
relación
a
los
otros
criterios.
Caso
2:
Aplicación
de
selección
utilizando
el
“Método
Normalizador
MAG”.
El
Método
indica
que
primero
se
debe
seleccionar
uno
de
los
métodos
y
asignar
a
ellos
el
valor
unitario.
Para
este
desarrollo
se
seleccionará
el
PMS
n=3
como
“conjunto
normalizador”.
Seguidamente
se
dividirán
los
valores
de
sesgo
del
resto
de
los
métodos
en
23,1.
Paralelamente
los
valores
de
dispersión
serán
divididos
en
17,1.
Ambos
valores
corresponden
al
sesgo
(CFE)
y
dispersión
(MAD)
del
método
perteneciente
al
conjunto
normalizador,
seleccionado
en
el
paso
primero.
Finalmente
calcule
el
promedio
de
los
valores
normalizados
obtenidos
para
cada
método.
El
promedio
menor
corresponderá
al
método
que
mejor
representa
los
criterios,
que
en
este
caso
corresponde
a
asignar
el
mismo
peso
a
cada
criterio
(sesgo
y
dispersión).
Tabla
Nº
5:
Criterio
Normalizar
PMS
“n=
3”
y
Selección
Método CFE MAD Promedio Método
Promedio
Móvil
Simple
Tres
Semanas
(n=3)
1,00 1,00 1,00 Normalizador
Seis
Semanas
(n=6)
3,02 0,91 1,96
Promedio
Móvil
Ponderado
0,7
;
0,2
;
0,1
0,61 1,08 0,84 Selección
Suavización
Exponencial
Simple
α = 0,1 2,84 0,87 1,85
α = 0,2 1,77 0,89 1,33
Claramente
la
decisión
es
coincidente
con
la
obtenida
con
el
método
tradicional,
pero
en
este
caso
está
validada
matemáticamente.
A
continuación
se
presenta
el
resultado
obtenido
si
la
selección
del
conjunto
normalizador
elegido
es
suavización
exponencial
simple
con
α
=
0,1.
Tabla
Nº
6:
Criterio
Normalizador
SES
“α
=
0,1”
y
Selección
Método CFE MAD Promedio Método
Promedio
Móvil
Simple
Tres
Semanas
(n=3)
0,35 1,16 0,75
Seis
Semanas
(n=6)
1,06 1,05 1,06
Promedio
Móvil
Ponderado
0,7
;
0,2
;
0,1
0,21 1,24 0,73 Selección
Suavización
Exponencial
Simple
α = 0,1 1,00 1,00 1,00 Normalizador
α = 0,2 0,63 1,03 0,83
5
Como
se
aprecia,
aun
cuando
los
valores
son
distintos,
la
selección
es
la
misma,
y
esta
es
una
de
las
características
del
método.
Consideraciones
especiales
del
método
normalizador:
Pueden
incluirse
el
número
de
criterios
que
la
empresa
desee.
Los
resultados
siempre
entregarán
la
mejor
decisión
perseguida
por
las
organizaciones,
y
su
validez
dependerá
sólo
de
la
calidad
de
los
indicadores
y
criterios
establecidos.
Este
método
permite
tomar
decisiones,
asignando
diferentes
ponderaciones
o
pesos
a
los
criterios.
En
estos
casos,
en
lugar
de
calcular
el
promedio,
se
deberá
calcular
la
suma
ponderada
en
relación
a
los
pesos
asignados
a
los
distintos
criterios.
Para
aplicar
el
método
a
la
selección
de
métodos
de
pronósticos,
se
deben
respetar
las
siguientes
condiciones:
1.-‐
Al
momento
de
calcular
la
relación
de
los
indicadores,
se
debe
inscribir
el
valor
positivo
resultante
de
la
división,
es
decir
si
un
valor
del
error
de
sesgo
es
negativo
(pronóstico
tiende
a
sobreestimar
la
demanda)
debe
ser
registrado
el
valor
absoluto
de
la
división.
2.-‐
Sólo
puede
incluir
un
indicador
por
criterio,
es
decir
sólo
uno
de
sesgo
y
sólo
uno
de
dispersión.
6