República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación

Superior
Universidad Panamericana del Puerto
UNIPAP-CUAM

LOS MODELOS DE TOMA DE DECISIONES

Profesor: Autor(a):
Lcda. Lilian Hernández Mariangel Briceño
V- 26.948.786

Valencia, Octubre 2020.

 MODELO RACIONAL

El modelo racional es una de las primeras aproximaciones del hombre para

aprehender su realidad se sustenta en la observación de ciertas regularidades que se
presentan en la naturaleza.

Este enfoque exige del individuo decisor un conocimiento claro acerca de:

1) su sistema de preferencias (sustentado en criterios, códigos axiológicos, ontológicos

y experiencias);

2) las alternativas, los eventos incontrolables, los resultados;

3) el comportamiento de los elementos del universo que hacen a esos conceptos;

4) una forma de medir esos elementos y sus preferencias;

5) una metodología suficientemente rigurosa para llegar a apreciaciones razonablemente

aceptables y suficientemente flexibles para abarcar la tremenda complejidad que el
proceso decisorio implica.

6) una cantidad adicional de variables, elementos, funciones y métodos -que no se

detallaran aquí

El decisor, contempla el universo desde dos perspectivas distintas, una visión a priori
y una a posteriori. En la visión a priori, se analiza el universo existente en ese momento
y/o en cualquier momento posterior (futuro). En la perspectiva a posteriori, se cuestiona
el universo existente en ese momento y/o en cualquier momento anterior (pasado).
Todos los elementos anteriores, requieren la construcción de un modelo simplificador
de la realidad o en palabras de Pedro Pavesi, un modelo de la situación. Este modelo
cuenta entre sus elementos principales los que a continuación se relacionan:

1) el sistema-objeto

2) el sistema-sujeto

3) los objetivos y su grado de obtención o realización que forman los resultados

4) los cursos de acción o las alternativas, esto es, un mapeo de las alternativas de
comportamiento.
5) los estados de los universos inciertos que condicionan los resultados y su grado de
eventualidad

6) los decidores oponentes o cooperativos y sus propios cursos de acción

7) las restricciones impuestas al comportamiento de esos elementos

Con estos supuestos se busca la optimalidad, el máximo beneficio o la máxima

gratificación. Para esta visión, el tiempo tiene una doble dimensión, un doble
calendario. El tiempo del observador y el tiempo del Universo.

El estado del universo debe definirse con respecto a dos dimensiones temporales:

1) los momentos de observación

2) el aquí y ahora.

De esta forma, el objetivo es definido y los momentos de referencia correspondientes

a los estados de tiempo asignados al Universo. Esta visión del tiempo, tiene como
premisa que todo pensamiento analítico se desarrolla en el presente. Dentro del modelo
racional la decisión colectiva, es tan sólo una sumatoria de las decisiones individuales.
Esto se logra a través de un criterio de mixtura determinado, donde se transforman las
preferencias individuales en colectivas. Como se observa este modelo responde a una
racionalidad tradicional donde los medios y los fines están establecidos de una manera
clara y transparente. Ninguno de los elementos de decisión es cuestionado por el que
decide. La complejidad de la realidad, se hace inteligible para el individuo, a través `de
la aplicación de su raciocinio y de metodologías que reducen el universo a una serie de
alternativas perfectamente delimitadas, y por lo tanto, mesurables. Esta capacidad de
racionalidad ilimitada que el modelo confiere a los decisores, permite la concepción de
todos los posibles caminos e impactos generados por las diversas alternativas
disponibles.

Este modelo, es muy criticado desde diversas ópticas (por caracterizar a los seres
humanos con una racionalidad ilimitada). El argumento fundamental esgrimido por los
críticos, es que este modelo sólo se cumpliría sí todos los individuos tuviesen una visión
homogénea del mundo. Y esto sólo sería plausible si todos los individuos compartieran
los mismos códigos de valores. El crítico que ubica en el centro del debate al modelo
racional es Herbert Simón quien enfatiza sus observaciones en torno al concepto clásico
de la racionalidad que exige severas demandas al tomador de decisiones. Simón opina al
respecto, este organismo decisor debe ser capaz de asignar a cada posible resultado un
pago y también comprenderlos de manera suficiente para no dejar ningún espacio al
surgimiento de consecuencias no-anticipadas. A pesar de todas estas críticas se puede
decir que éste modelo es la base y sostén de todos los modelos posteriores. También es
necesario destacar que algunos autores racionalistas, han recuperado estas críticas
flexibilizando sus modelos y admitiendo las limitaciones a las cuales se enfrentan en
una realidad ambigua y cambiante.

El modelo racional.: Prescribe una serie de pasos (proceso) que deben seguir los
individuos o equipos para incrementar la probabilidad de que sus decisiones sean
lógicas y estén bien fundamentadas. Una decisión racional permite el logro máximo de
metas dentro de las limitaciones de la situación. Esta definición se refiere a la
racionalidad de los medios (cómo alcanzar mejor una meta), no de los fines (es decir,
las metas). Tomando en consideración más la eficiencia que la eficacia. Los modelos
racionales para tomar decisiones requieren un proceso cognitivo dónde cada paso sigue
al siguiente en un orden lógico. Por cognitivo, nos referimos a que está basado en el
pensamiento y sopesa las alternativas para alcanzar el mejor resultado potencial.

Proceso del modelo racional de toma de decisiones, se hace evidente que debe
poseer unos pasos a seguir; entre los que encontramos siete pasos a saber:

 Paso 1: Definición y diagnóstico del problema: Si administradores, equipos o

empleados en lo individual desconocen los problemas verdaderos y sus posibles
causas, es imposible que se dé una toma de decisiones eficaz. La definición y
diagnóstico de problemas supone tres habilidades de conceptualización:
percepción, interpretación e incorporación.
 Paso 2: Establecimiento de metas: Una vez que individuos o equipos han
definido un problema, pueden establecer metas específicas para su eliminación.
 Paso 3: Búsqueda de soluciones alternativas: Los individuos o equipos deben
buscar medios alternativos para el logro de una meta. Este paso podría suponer
la búsqueda de información adicional, la reflexión creativa, la consulta a
expertos, la realización de investigaciones u acciones similares. No obstante,
cuando aparentemente no existe una solución factible para el cumplimiento de
una meta, quizá sea preciso modificarla.
  Paso 4: Comparación y evaluación de soluciones alternativas: Luego de que los
individuos o equipos han identificado las soluciones alternativas, deben
compararlas y evaluarlas. En este paso se subrayan los resultados esperados y la
determinación del costo relativo de cada alternativa.
 Paso 5: Selección entre soluciones alternativas: La toma de decisiones suele
asociarse con la realización de una elección final. La selección de una solución,
sin embargo, es sólo uno más de los pasos del proceso de toma de decisiones
racionales.
 Paso 6: Implementación de la solución seleccionada: El hecho de que la
selección de una solución se haya realizado en forma correcta no significa
necesariamente que su ejecución vaya a ser exitosa. Una decisión técnicamente
correcta tiene que ser aceptada y apoyada por quienes serán los responsables de
ponerla en práctica si efectivamente se desea que la decisión se eficaz. Si la
solución seleccionada no puede ser puesta en práctica por alguna razón, se debe
considerar otra.
 Paso 7: Seguimiento y control: La sola implementación de la solución preferida
no garantiza automáticamente el cumplimiento de la meta deseada. Los
individuos o equipos deben controlar las actividades de implementación y
mantener su seguimiento mediante la evaluación de los resultados. Si la
implementación no produce resultados satisfactorios, será necesario emprender
acciones correctivas.

Dado que las fuerzas del entorno que influyen en las decisiones cambian
constantemente, el seguimiento y control puede indicar la necesidad de redefinir el
problema o de revisar la meta original. La retroalimentación derivada de este paso
podría apuntar incluso a la necesidad de comenzar de nuevo y repetir en su totalidad el
proceso de toma de decisiones.

MODELO CUBO DE BASURA

El modelo del bote de basura es un modelo de comportamiento organizacional

desarrollado por Michael Cohen, que describe el comportamiento de las instituciones
como anarquías organizadas.

Desarrollo: El modelo fue desarrollado para explicar la forma de tomar decisiones

que se lleva a cabo en las organizaciones que experimentan niveles altos de
incertidumbre, lo que se describe como anarquía organizada. Esto se debe a tres cosas:
preferencias problemáticas, tecnología incierta y mal entendida y una alta rotación de
las posiciones de la organización.

Secuencia de eventos: El modelo del bote de basura no ve el proceso de la toma de

decisiones como una secuencia de pasos que comienza con un problema y termina con
una solución. En cambio, las decisiones son el resultado de secuencias independientes
de eventos dentro de una organización. Estos son los puntos con problemas, soluciones
potenciales, los participantes y las oportunidades de elección. La organización es un
"bote basura", donde estas secuencias son agitadas.

Consecuencias: Sugiere cuatro consecuencias que se derivan del proceso de la toma

de decisiones: las soluciones pueden ser propuestas, aun cuando los problemas no
existan, las selecciones se realizan sin solucionar dichos problemas, pueden persistir sin
resolverse, algunos problemas son resueltos.

TÉCNICAS DE TORMENTA DE IDEAS

La técnica, “Brainstorming”, puede ser empleada a través de 3 diferentes maneras:

No estructurado (flujo libre)

 Escoger a alguien para que sea el facilitador y apunte las ideas.

 Escribir en un rota folio o en un tablero una frase que represente el problema y el
asunto de discusión.
 Escribir cada idea en el menor número de palabras posible.
 Verificar con la persona que hizo la contribución cuando se esté repitiendo la
idea.
 No interpretar o cambiar las ideas.
 Establecer un tiempo límite (aproximadamente 25 minutos)
 Fomentar la creatividad
 Construir sobre las ideas de otros.
 Los miembros del grupo de “lluvia de ideas” y el facilitador nunca deben criticar
las ideas.
 Revisar la lista para verificar su comprensión.
 Eliminar las duplicaciones, problemas no importantes y aspectos no negociables.
  Llegar a un consenso sobre los problemas que parecen redundantes o no
importantes.

Estructurado (en círculo): Tiene las mismas metas que la lluvia de ideas no
estructurada. La diferencia consiste en que cada miembro del equipo presenta sus ideas
en un formato ordenado (ej: de izquierda a derecha). No hay problema si un miembro
del equipo cede su turno si no tiene una idea en ese instante.

Silenciosa (lluvia de ideas escritas): Es similar a la lluvia de ideas, los participantes

piensan las ideas pero registran en papel sus ideas en silencio. Cada participante pone su
hoja en la mesa y la cambia por otra hoja de papel. Cada participante puede entonces
agregar otras ideas relacionadas o pensar en nuevas ideas. Este proceso continua por
cerca de 30 minutos y permite a los participantes construir sobre las ideas de otros y
evitar conflictos o intimidaciones por parte de los miembros dominantes.

TÉCNICAS DE GRUPO NOMINAL

La Técnica de Grupo Nominal fue introducida por Delbecq y Van de Ven (Delbecq y
Van de Ven, 1971) y desarrollada posteriormente por los mismos autores . Es una
técnica creativa empleada para facilitar la generación de ideas y el análisis de
problemas. Este análisis se lleva a cabo de un modo altamente estructurado, permitiendo
que al final de la reunión se alcancen un buen número de conclusiones sobre las
cuestiones planteadas. La Técnica de Grupo Nominal hace posible alcanzar un consenso
rápido con relación a cuestiones, problemas, soluciones o proyectos, haciendo posible
generar y priorizar un amplio número de elementos, evitando los términos de
“perdedores” y “ganadores” entre los miembros del grupo.

Son tres los objetivos centrales de esta técnica:

 Asegurar diferentes procesos en la aplicación de cada fase de la técnica.

 Equilibrar la participación entre las personas participantes.
 Incorporar técnicas matemáticas de votación en el proceso de decisión del grupo.

Los grupos que participan en una técnica de grupo nominal son especialmente
eficaces en la generación de ideas, ya que cada participante tiene la obligación de
reflexionar individualmente sobre el problema y registrar sus pensamientos de forma
independiente.
Desarrollo de la Técnica de Grupo Nominal, La aplicación de la Técnica de Grupo
Nominal se lleva a cabo en las fases siguientes:

1. Definir la tarea: En forma de pregunta, por escrito de manera visible para el grupo,
asegurando que la cuestión sea comprendida por todos.

2. Generar ideas: Trabajando en silencio, los miembros del equipo escriben sus ideas en
tarjetas, a razón de 1 idea por tarjeta, durante un tiempo limitado (para conocer
dinámicas que generan ideas hace clic aquí).

3. Registrar ideas: Una vez finalizada la fase anterior, el facilitador de la técnica recoge
las tarjetas y lee cada una de las ideas aportadas. Cada idea se escribe en una pizarra u
otro dispositivo

4. Clarificar ideas: Se da oportunidad a los participantes de explicar las ideas aportadas

y de solicitar aclaraciones sobre aquellas expresadas por otros miembros del grupo.

TÉCNICA DELPHI

Lo definimos como un proceso donde convergen una serie de personas considerados

expertos con el fin de obtener un consenso frente a una temática o problemática en
común. Generalmente se consulta a personas con experiencia, diferente formación y/o
jerarquía. Es iterativo y estructurado al considerar una serie de etapas que tiene como
objetivo alcanzar un consenso entre los asistentes a la reunión.

Ventajas:

 Es flexible al captar diversidad de opiniones, las cuales son entregadas de forma

anónima y confidencial.
 El consenso logrado presenta alto grado de confiabilidad.
 Permite el involucramiento de los expertos con el problema, permitiendo su
relacionamiento de forma anónima con otros expertos, lo que aporta al flujo de
información.
 Evita el protagonismo de uno o más expertos sobre otros, garantizando igual
participación.
 Finalmente, permite encontrar la formación de un criterio con un alto nivel de
objetividad.
Desventajas:

 Al involucrar y comunicar a diversos actores, el tiempo que se puede tomar la

aplicación del método puede ser más del esperado.
 Requiere de expertos. Si, esto podría ser una desventaja dependiendo de la
temática a abordar.
 Requiere disponibilidad de los expertos y canales de comunicación para asegurar
el flujo de información.
 El cuestionario es vital para el éxito en la aplicación del método. De la
pertinencia de las preguntas dependerán las conclusiones. Mal cuestionario,
malas conclusiones.
 Es costoso. Las comunicaciones, los expertos, el papeleo, etc.

Para aplicar el método Delphi, inicialmente debes definir el tema, problemática o

contexto a abordar y el tiempo de aplicación del método. En el siguiente paso elaboras
el cuestionario. Debe ser afín con el propósito del método. Quien elabora el cuestionario
y lo distribuye a los expertos recibe el nombre de moderador. Ahora defines el panel de
expertos. Considera una serie de características asociadas a su competencia,
experiencia, capacidad de análisis y disponibilidad. En ocasiones se aplica un filtro para
pre-definir a expertos por medio de criterios adicionales, en donde se tiene un numero
de posibles candidatos, que se ve reducido con los candidatos definitivos. Es
recomendable que informes a los expertos definitivos cuál es el objetivo del método,
cuántas veces estimas le pedirás su participación y que consigas su compromiso de
colaboración. Distribuyes el cuestionario e inicia la primera vuelta. Obtenidas las
respuestas, las tabulas y empleas estadística según tus necesidades (promedio, rango,
desviación estándar, máximos, mínimos, etc) para luego socializar y comparar los
resultados de la primera vuelta.

Segunda vuelta, distribuyes y obtienes las respuestas. Me vale aclarar que en esta
segunda vuelta, puedes elegir elaborar y aplicar un nuevo cuestionario más específico
basado en las respuestas de la primera vuelta o enfrentar directamente las respuestas
hechas entre los expertos. Las alternativas son varias y depende de lo que tú como
moderador según tus objetivos desees lograr. De acuerdo a la complejidad del
cuestionario, puede ser necesario el uso de técnicas y métodos para valorar el consenso
de los expertos.
 Tercera fase. ¿Es necesario? Normalmente el método Delphi consta de 2 a 3 vueltas.
La necesidad de hacer o no más vueltas la detectas con base en el grado de acuerdo
entre los participantes. ¿Cuánto tiempo es necesario? Depende del número de
participantes y de la rapidez con que respondan.

¿Cuántos participantes son necesarios? Depende de los objetivos del estudio. Puede
estar desde 5 a 30 participantes para un asunto de empresa como estimación de la
demanda, de 20 a 50 para una investigación de mercado de una empresa a nivel nacional
o elevarse a 100 o más para un asunto de estado. Claro está que entre más participantes,
mayor será el tiempo de aplicación y el costo.

TEORÍA BAYESIANA

La estadística bayesiana es, básicamente, una respuesta a las tres grandes críticas que
se han realizado a la inferencia estadística clásica o frecuentista. Las pruebas de
significación dependen del tamaño de la muestra: una muestra reducida probablemente
no será estadísticamente significativa; en cambio, una muestra de gran tamaño no tendrá
muchos problemas en representar estadísticamente el universo al cual pertenece. De esto
se deduce que los resultados obtenidos dependen, más que del propio objeto de estudio,
de los recursos económicos disponibles para llevar a cabo el proyecto. La estadística
bayesiana, sin embargo, no depende del tamaño muestral, aunque una muestra más
grande nos permitirá valorar mejor la adecuación de las conclusiones a la realidad.

En segundo lugar, también se ha criticado que las pruebas de hipótesis sirven sólo
para tomar decisiones dicotómicas (o se refuta la hipótesis nula o la alternativa), en
lugar de poner el acento en la credibilidad de la adecuación de la hipótesis
provisionalmente aceptada a la realidad empírica. De otro lado, la estadística bayesana
tiene un enfoque más rico, no fundamentado en el tener que escoger entre dos hipótesis
sino que lo que busca es valorar la credibilidad de éstas.

La tercera de las críticas que ha recibido la estadística clásica reside en el hecho que
no contempla el cuerpo de información disponible previo a la adquisición de los datos
sobre los que se fundamenta un estudio. Lo único en lo que se centra la estadística
clásica es la refutación ya sea de la hipótesis nula o de la hipótesis alternativa basándose
en los datos presentes; de este modo, se desprecia toda la infomación, ya sea a nivel
teórico o a nivel empírico, que se ha originado en el pasado. La estadística bayesiana, en
cambio, no actúa en el vacío: el conocimiento previo se tiene en cuenta formal y
explícitamente. Este último punto es la base sobre la que se sientan los fundamentos de
la estadística bayesiana, y el que explica la gran diferencia que enfrenta la estadística
clásica con la bayesiana. Ésta última incorpora las probabilidades subjetivas, es decir,
las que emergen de la propia intuición del investigador, de que el resultado de un
determinado experimento presente los resultados esperados. Estas probabilidades
subjetivas no tienen por qué estar ancladas en razones puramente intuitivas, sino que los
resultados obtenidos en experimentos en estudio previos se puede tomar como punto de
partida para acercarse al objeto de estudio.

Uno de los ámbitos en los que mejor puede funcionar la estadística bayesiana es en
la reducción del tamaño de la muestra necesaria para llevar a cabo un estudio
poblacional. Desde una perspectiva estadística clásica, se da por descontado que el
tamaño de la muestra se tiene que escoger en base a la regla de la máxima
indeterminación (esto es, que hay un total desconocimiento sobre cuáles van a ser las
distribuciones de una variable concreta), con lo que la probabilidad que se produzca P o
Q va a ser del 50%. No obstante esto, si aplicamos principios bayesianos, veríamos que
no sería necesario partir del supuesto P=Q=0,5 (siempre en el caso de tener
conocimientos previos sobre una materia), ya que dispondríamos del valor al que se
acerca P. Si sabemos que aproximadamente, en una población determinada, hay un 30%
de cabezones… ¿por qué partir del supuesto P=Q=0,5, si sabemos que P se acercará a
0,3? La aplicación de esta filosofía permite, pues, reducir el tamaño de la muestra. Esta
diferencia entre los dos paradigmas estadísticos no es puramente matemática, sino que
se acerca más a diferentes filosofías de comprensión del mundo. Según una perspectiva
clásica, las hipótesis se contrastan de una manera deductiva: a partir de una teoría previa
se elaboran hipótesis acerca de cómo se comportarán los datos si dicha teoría es cierta
(proceso up-bottom). De esta manera, el no cumplimiento de una hipótesis es una razón
suficiente como para poder admitir que la teoría de la que se parte no es cierta, aunque
lo que se obtenga sean conclusiones, en un principio, contraintuitivas. Es decir, se
deducen los resultados empíricos que se debería esperar en caso que la teoría de la que
se parte fuera cierta. De otro lado, la estadística bayesiana opera de un modo mucho
más inductivo y cercano a la manera de razonar de los humanos. A partir de los datos de
un determinado estudio se elabora una teoría (proceso bottom-up), que es la base para
posteriores desarrollos del mismo campo de estudio. Los descubrimientos aislados que
pudieran refutar las hipótesis, y que resultan ser contraintuitivos, no tienen por qué
llevar necesariamente a la refutación de todo el cuerpo teórico, sino que sirven para
actualizar el conocimiento que ya se tenía de una materia. La base de la estadística
bayesiana se encuentra en el hecho que el investigador incorpora sus expectativas acerca
de cómo se comporta la realidad a su análisis estadístico.

La gran ventaja de la estadística bayesiana es que no opera en el vacío, que se basa

en conocimiento previo y que proporciona un marco de análisis mucho más rico en
tanto en cuanto deja mucha más libertad al investigador para que este pueda valorar
hasta qué punto es probable que se produzcan determinados resultados en sus
experimentos. Sin embargo, estas mismas ventajas también se pueden convertir en
críticas: deja a la subjetividad del investigador algo que, como siempre se ha dicho de la
ciencia, debería ser objetivo. Además, el rechazo de la estadística bayesiana a las
pruebas de significación es un rechazo frontal al falsacionismo de Karl Popper, teoría
filosófico-lógica sobre cómo tiene que ser el método científico. Según el falsacionismo,
cuando los datos contradicen una teoría, ésta se tiene que dejar de lado. Así, pues, del
mismo hecho se pueden deducir ventajas y desventajas. No es que la estadística
bayesiana sea buena o mala por definición, sino que depende de la manera en que ésta
se use. Los métodos no pueden juzgarse per se, sino por la manera según la que éstos se
aplican.