Uso de la lógica difusa como herramienta para evaluar programas

gubernamentales y políticas públicas

Julián Herrera Jiménez1

Resumen

El objetivo de este artículo es contribuir a que los estudiantes y profesores de

finanzas públicas y políticas públicas comprendan el funcionamiento de la lógica
difusa tal y como opera en el programa computacional MATLAB. Para lograrlo, se
realizó la evaluación del impacto de cuatro programas de financiamiento público
que han operado en México en años recientes.

Palabras clave: evaluación, programas gubernamentales, políticas públicas, lógica

difusa, MATLAB.

Introducción

La lógica difusa se originó a partir de la teoría de los conjuntos difusos propuesta

por Zadeh (1965), y es una ampliación de la teoría de conjuntos de George
Cantor. La teoría difusa afirma que todo es cuestión de grado a diferencia de la
lógica aristotélica que sostiene que todo es verdadero o falso.

En la década de 1920 Heisenberg postuló que, en física cuántica, cuando se

intentan medir algunas cosas de forma precisa otras pierden precisión. Este
problema fue definido como el principio de insertidumbre; según este principio, la
lógica bivalente no aplica para las cosas imprecisas. Por esta razón, un grupo de
lógicos propusieron la lógica trivaluada donde los enunciados pueden ser
calificados como verdaderos, falsos o indeterminados (Kosko, 1994).

1 Doctor en Finanzas Públicas por la Universidad Veracruzana.

Posteriormente, el lógico Jan Lukasiewicz dividió el concepto de indeterminación
asignándole valores en el intervalo [01]. Este hecho dio origen a lógica
multivaluada (Cejas-Montero, 2011).

En 1937 Max Black propuso la teoría de los conjuntos vagos (Mallo, y otros, 1999);
sin embargo, en aquella época, tal aportación no resultó trascendente. Y fue hasta
1995 —a partir de que Zadé publicó el artículo Conjuntos Difusos— que el tema
empezó a difundirse.

Aún durante la décadas de 1970 y 1980 los científicos —especialmente los

norteamericanos— se encontraban renuentes a aceptar la metodología propuesta
por Zadeh puesto que la tachaban de probabilidad disfrazada (Kosko, 1994).

Para la década de 1990 la metodología difusa ya era ampliamente aceptada, en

parte, gracias a las aportaciones de Bart Kosko quien realizó una serie de
publicaciones orientadas a explicar las potencialidades de esta herramienta.

Actualmente, la metodología difusa es utilizada, principalmente, en el campo de la

ingeniería. Los países asiáticos fueron los primeros en aplicarla para crear las
llamadas máquinas inteligentes.

Asimismo, esta técnica ha trascendido el área de las ciencias exactas y está

siendo empleada para modelar problemas relacionados con las ciencias sociales.
Entre otros: la evaluación de programas públicos (Flores & García, 2013), la
evaluación del desempeño de las administradoras de fondos de pensiones (Rojas,
López, & Rincón, 2012), la evaluación del impacto de la capacitación (Esquivel,
Félix, & Bello, 2014).

El objetivo de este artículo es explicar el funcionamiento de la lógica difusa tal y

como se muestra en el programa computacional MATLAB. Para tal efecto, se
recurrió a la evaluación de cuatro programas de financiamiento público que han
operado en México en años recientes. Los mencionados programas son: Fondo de
Fomento a la Integración de Cadenas Productivas (FIDECAP); Fondo de Apoyo
para la Micro, Pequeña y Mediana Empresa (FONDO PYME); Fondo Nacional de
Apoyo para las Empresas de Solidaridad (FONAES); y Fideicomiso para el
Desarrollo de la Pequeña y Mediana Empresa (FIDEPYME).

Definiciones y ejemplos

Definición 1.- Universo del Discurso: se define como el dominio que contiene la
totalidad de variables acerca de lo que se habla. Usualmente, los universos se
representan con las últimas letras, mayúsculas, del alfabeto: X, Y, Z.

Ejemplo 1.- se presenta el universo del discurso X, en el que se habla del

beneficio social que han generado los programas de financiamiento público. El
universo X está integrado por variables que describen X descripciones de
beneficio social: X1 = Intrascendente, X2 = Notorio, X3 = Destacado. En este
sentido, cada variable representa un conjunto que puede estar vacío o bien puede
contener uno o más elementos.

Definición 2.- Conjunto clásico: se define como una colección de objetos. Como se
vio en el Ejemplo 1, los conjuntos se representan con cualquier letra mayúscula y
un subíndice; en este sentido, el conjunto será X n, si es una variable definida en el
universo del discurso X.

Ejemplo 2: si el conjunto X 3 está integrado por los programas de financiamiento

público que han generado un beneficio social destacado y se sabe que tales
programas son: FIDECAP y FINAPYME; entonces, el conjunto se define de la
siguiente forma:

X3 = {FIDECAP, FINAPYME}
Definición 3.- Elementos: son los miembros que se incorporan dentro de los
conjuntos de un determinado universo del discurso. Los elementos se representan
con una letra minúscula. Hay que tener en cuenta que dicha letra representa a
todos los miembros del universo; por esta razón, cuando es necesario definir algún
elemento en específico éste debe ser llamado por su nombre.

Ejemplo 3: x representa a todos los elementos incorporados en los conjuntos X1,

X2, X3 del universo del discurso X, los cuales son : FIDECAP, FINAPYME,
FONAES y FONDO PYME.

Definición 4.- Conjuntos Difusos: son una extensión de los conjuntos clásicos, la
diferencia radica en que en la teoría difusa los elementos pueden ser miembros de
uno, dos o más conjuntos en el mismo universo del discurso; por esta razón, cada
elemento se acompaña de una función que indica su grado de pertenencia a los
conjuntos.

Definición 5.- Función de Pertenencia: la lógica difusa afirma que la pertenencia de

un elemento a un conjunto es una cuestión de grado; ésto, significa que un
elemento puede pertenecer a un conjunto de forma absoluta o bien de forma
parcial. Lo anterior se expresa como sigue:

Xn = {(x, μA(x)│x ∈ X}

La fórmula indica que el conjunto Xn contiene uno o varios elementos x, que cada
miembro va a compañado de una función de pertenencia μA(x) y que cada x debe
ser un elemento del universo X.

La función de pertenencia μA(x) debe establecerse en el intervalo [0,1]. Lo cual se

expresa formalmente como sigue:

μA(x) → [0,1]
Ejemplo 4: si el conjunto X 3 se encuentra integrado por los programas que han
generado beneficio social destacado; si, además, se conoce que tales programas
son FIDECAP y FIDEPYME; y si se sabe que sus funciónes de pertenencia son 1
y 0.4 respectivamente; entonces, el conjunto puede representarse como sigue:

Forma típica:
X3 = {(FIDECAP, 1) + (FINAPYME, 0.4)}

Forma propuesta por Zadeh:

X3 = {1/FIDECAP + 0.4/FINAPYME}

Donde los signos + y / son una enumeración.

Ejemplo 5: en la Figura 1 se grafica el conjunto X 3 perteneciente al universo del

discurso X. Se indica el grado de pertenencia que tienen los elementos FONDO
PYME, FINAPYME, FONAES y FIDECAP en el conjunto.

Figura 1 Conjunto definido en el universo del discurso X

Fuente: elaboración propia.

En el eje de las ordenadas se muestran las funciones de pertenencia al conjunto,
tales funciones indican que el elemento (FONDO PYME, 0) está fuera del
conjunto, que el (FINAPYME, 0.4) y el (FONAES, 0.8) mantienen una pertenencia
parcial y que el (FIDECAP, 1) pertenece de forma absoluta. En el eje de las
abscisas se muestran las calificaciones que los expertos han otorgado a cada
programa.

Definición 6.- Los Expertos: son investigadores, académicos, personas clave o

público, que tienen amplio dominio sobre el universo del discurso. Ellos son los
responsables de asignar una calificación válida para cada elemento; además,
deben participar en la formulación de los conjuntos difusos.

Definición 7.- Formulación de los Conjuntos Difusos: se trata del establecimiento

de los límites que tendrá cada conjunto dentro del universo del discurso. Resulta
conveniente definir los conjuntos difusos con ayuda de alguna fórmula.

Ejemplo 6: el conjunto de la Figura 1 se expresa como sigue:

30 80 100
Conjunto = ∫ 0 0 + ∫ 30 ( X/50 – 0.6 ) + ∫ 80 1

La fórmula indica que el universo del discurso se define en una escala que va del
0 al 100. Asimismo, determina los siguientes límites para el conjunto:
calificaciones del 0 al 30 indican una función de pertenencia de 0; entre 30 y 80 la
función de pertenencia incrementa de 0 a 1; y por último, del 80 al 100 la función
de pertenencia es 1. Regularmente, los universos del discurso contienen más de
un conjunto.
Ejemplo 7: se representa el universo del discurso X con tres conjuntos difusos: X 1,
X2, X3. Se describe unicamente al elemento FONAES.

Figura 2 Conjuntos X 1, X2 y X3 definidos en el universo del discurso X

Fuente: elaboración propia.

Los conjuntos difusos pueden ser representados de forma gausiana, triangular o

trapezoidal. En la Figura 2, los expertos, en promedio, han otorgado una
calificación de 80 al elemento FONAES; lo cual, indica que pertenece de forma
simultanea tanto a X 2 como a X3. Estos fenómenos dan origen a las operaciones
entre conjuntos difusos.

Definición 8.- Operaciones entre Conjuntos Difusos: son Intersección (Norma-t),

Unión (Norma-s) y Complemento.

Definición 9.- Intersección o Norma triangular (Norma-t): para todo elemento x

definido en el universo del discurso X, la intersección o Norma-t de dos conjuntos
será el valor mínimo de las funciones de pertenencia. Lo cual, se representa como
sigue:
Intersección = ∀x ∈ X: μA∩B(x) = Mín(μA(x), μB(x))

Norma-t = μA∩B(x) = t(μA(x), μB(x))

Ejemplo 8: en la Figura 2, la intersección de los conjuntos involucrados es:

Intersección = μB∩C(FONAES) = Mín(0.6, 0.25) = 0.25/FONAES

Norma-t = μA∩B(FONAES) = t(0.6, 0.25) = 0.25/FONAES

Definición 10.- Unión o Conorma triangular (Norma-s): para todo elemento x

definido en el universo del discurso X, la unión o Norma-s de dos conjuntos será el
valor máximo de las funciones de pertenencia. Como se indica a continuación:

Unión = ∀x ∈ X: μAUB(x) = Máx(μA(x), μb(x))

Norma-s = μAUB(x) = s(μA(x), μb(x))

Ejemplo 9: en la Figura 2, la unión se expresa como sigue:

Unión = μAUB(FONAES) = Máx(0.6, 0.25) = 0.6/FONAES

Norma s = μAUB(FONAES) = s(0.6, 0.25) = 0.6/FONAES

Definición 11.- Complemento: se define como la diferencia que existe entre la

unidad y la función de pertenencia:

∀x ∈ X: μᾹ(x) = 1 - μA(x)

Ejemplo 10: en la Figura 2, el complemento del conjunto difuso X 2 es igual a la

unidad menos la función de pertenencia del FONAES:
∀x ∈ X: μB(x) = 1 – 0.25 = 0.75/NO FONAES

Se aplica el mismo procedimiento para calcular el complemento del conjunto

difuso X3.

∀x ∈ X: μC(x) = 1 – 0.6 = 0.4/NO FONAES

Como se ha observado, la Intersección (Norma-t), Unión (Norma-s) y

Complemento son operaciones que involucran un solo universo del discurso. Sin
embargo, en lógica difusa, resulta necesario establecer relaciones entre diferentes
universos.

Definición 12.- Operaciones entre Universos del Discurso: un solo universo del
discurso sirve, únicamente, para describir las funciones de pertenencia de los
elementos contenidos en sus conjuntos o variables; sin embargo, para realizar
análisis inferenciales, se requiere la interacción entre dos o más universos. Al
anális que involucra diferentes universos del discurso se le conoce como Sistema
de Inferencia Difusa.

Definición 13.- Sistema de Inferencia Difusa: se compone de uno o más universos

llamados conjuntos de entrada y un o o más universos denominados conjuntos de
salida. La inferencia difusa funciona de la misma forma que un argumento lógico,
donde las premisas corresponden a los conjuntos de entrada y la conclusión
corresponde a los conjuntos de salida.

Ejemplo 12: para concluir el nivel de impacto que han tenido los programas de
financiamiento (elementos): FONAES, FIDEPYME, FIDECAP y FONDO PYME, se
han considerado dos conjuntos de entrada: (1) el universo del discurso X =
Beneficio Social; y, (2) el universo del discurso Y = Beneficio Económico.
Definición 14.- Conjuntos de entrada: son todas las variables contenidas en los
universos del discurso.

Figura 3 Conjuntos de entrada X = Beneficio Social

Fuente: elaboración propia.

Figura 4 Conjuntos de entrada Y = Beneficio Económico

Fuente: elaboración propia.

Como puede observarse en las Figuras 3 y 4, el universo del discurso X =
Beneficio Social, contiene las variables: X1 = Intrascendente, X2 = Notorio y X3 =
Destacado, mientras que el universo del discurso Y = Beneficio Económico
contiene las variables: Y1 = Irrelevante, Y2 = Considerable y Y3 = Significativo.
Tanto X como Y se encuentran definidos en una escala que va del 0 al 100. Todos
los conjuntos se han delimitado a partir de formulaciones que proyectan formas
trapezoidales.

Definición 15.- Conjuntos de Salida: son las variables contenidas en uno o más
universos finales del discurso. Los conjuntos de estos universos representan las
inferencias válidas que el investigador extrae a partir de las operaciones
realizadas entre los conjuntos de entrada.

Ejemplo 13: para evaluar el nivel de impacto que han tenido los programas de
financiamiento se presenta el siguiente universo final:

Figura 5 Conjuntos de salida Z = Impacto

Fuente: elaboración propia.

Los conjuntos de salida se estructuran bajo los mismos principios que se aplican a
los conjuntos de entrada. En la Figura 5, se definen cinco conjuntos difusos con
forma trapezoidal.

Una vez definidos los conjuntos de entrada y salida, se sigue con el proceso de
inferencia difusa el cual se descompone en dos etapas: primera, se relacionan los
conjuntos de entrada utilizando la técnica del producto cartesiano; y segunda, se
establecen las reglas de inferencia que vinculan las n -tuplas resultantes (del
producto cartesiano) con los conjuntos de salida.

Primera etapa. Para realizar las operaciones entre los conjuntos de entrada debe
efectuarse el producto cartesiano.

Definición 16.- Producto cartesiano: dados los conjuntos X n , Yn pertenecientes a

los universos del discurso X, Y; el producto cartesiano X n xYn , es la serie de duplas
(x, y) que pueden formarse. Lo dicho se expresa de la siguiente manera:

Xn xYn = {(x, y): x ∈ X, y ∈ Y}

Ejemplo 14: sean los conjuntos de entrada X = Beneficio Social y Y = Beneficio

Económico:

X = {X1, X2, X3}

Y = {Y1, Y2, Y3}

Su producto cartesiano es:

Y3 (X1, Y3) (X2, Y3) (X3, Y3)

Y2 (X1, Y2) (X2, Y2) (X3, Y2)
Y1 (X1, Y1) (X2, Y1) (X3, Y1)
Xn xYn X1 X2 X3
Xn xYn = {(X1, Y1), (X1, Y2), (X1, Y3), (X2, Y1), (X2, Y2), (X2, Y3), (X3, Y1), (X3, Y2), (X3,
Y3)}

El producto cartesiano muestra todas las combinaciones posibles entre los

conjuntos de entrada. Hay que considerar que este procedimiento se extiende a
los elementos contenidos en cada variable. Es decir, todos los elementos x
contenidos en X 1, X2, X3, deberán asociarse con cada uno de los elementos y
contenidos en Y 1, Y2, Y3, obteniendo con esto los pares (x, y) contenidos en (X 1,
Y1), los pares (x, y) contenidos en (X 1, Y2), los pares (x, y) contenidos en (X 1, Y3),
los pares (x, y) contenidos en (X 2, Y1), y así sucesivamente.

Al producto cartesiano de dos o más conjuntos de entrada se le denomina relación

difusa.

Definición 17.- Relación Difusa: se trata del producto cartesiano que incluye la
función de pertenencia más baja de cada pareja de elementos. Formalmente se
expresa como sigue:

R = {(μR (x∩y)/(x, y))│(x, y) ∈ Xn xYn }

Ejemplo 15: se presenta la relación difusa R de los universos del discurso X =

Beneficio Social, y Y = Beneficio económico.

Partimos del universo del discurso X Beneficio Social, que se encuentra

particionado en: X 1 = Intrascendente, X 2 = Notorio y X3 = Destacado. Se pretende
ubicar a los elementos: FIDECAP, FONDO PYME, FONAES y FIDEPYME en los
mencionados conjuntos.

Los expertos han calificado el beneficio social que cada programa ha generado;
dichas calificaciones se muestran en el eje de las abscisas de la Figura 6, y se
encuentran inversa o directamente relacionadas con las funciones de pertenencia
mostradas en el eje de las ordenadas.

Figura 6 Universo del discurso X Beneficio Social

Fuente: elaboración propia.

La calificación que cada elemento ha recibido, determina el conjunto en el que

debe ser ubicado y la función de pertenencia que tiene en el mismo. Puede
observarse que el FONAES Y FIDEPYME pertenecen al conjunto denominado
Destacado, que el FIDECAP pertenece de forma simultánea a Intrascendente y a
Notorio, y que el FONDO PYME pertenece tanto a Notorio como a Destacado.

Las fórmulas que se muestran en la parte inferior izquierda de la figura, definen a

los conjuntos de forma numérica; con ellas, son calculadas las funciones de
pertenencia de todas las evaluaciones posibles.

De acuerdo con las calificaciones asignadas, los elementos se clasifican dentro de

los conjuntos de la forma siguiente:
Beneficio Social:
Intrascendente = {0.4/FIDECAP}
Notorio = {0.3/FIDECAP + 0.6/FONDO PYME}
Destacado = {0.2/FONDO PYME + 0.7/FONAES + 0.8/FIDEPYME}

Se continúa con el análisis de los elementos FIDECAP, FONDO PYME, FONAES

y FIDEPYME, pero ahora, clasificados en los conjuntos definidos en el universo
del discurso Y = Beneficio Económico.

Figura 7 Universo del discurso Y Beneficio Económico

Fuente: elaboración propia.

De acuerdo con las calificaciones otorgadas por los expertos, los elementos se
clasifican de la forma siguiente:

Beneficio Económico:
Irrelevante = {1/FIDECAP + 0.4/FONAES}
Considerable = {0.3/FONAES + 1/FIDEPYME}
Significativo = {0.9/FONDO PYME}

Una vez ubicados los elementos dentro de los conjuntos comprendidos en los
universos X y Y, se procede con la relación difusa:

R = {(X1, Y1), (X1, Y2), (X1, Y3), (X2, Y1), (X2, Y2), (X2, Y3), (X3, Y1), (X3, Y2), (X3, Y3)}

Los elementos x se han clasificado en los conjuntos del universo X como sigue:
X1 = {0.4/FIDECAP}
X2 = {0.3/FIDECAP + 0.6/FONDO PYME}
X3 = {0.2/FONDO PYME + 0.7/FONAES + 0.8/FIDEPYME}

Los elementos y se han clasificado en los conjuntos del universo Y como sigue:
Y1 = {1/FIDECAP + 0.4/FONAES}
Y2 = {0.3/FONAES + 1/FIDEPYME}
Y3 = {0.9/FONDO PYME}

Combinaciones posibles:
(X1, Y1) = {(0.4/FIDECAP, 0.3/FIDECAP)+(0.4/FIDECAP, 0.4/FONAES)}
(X1, Y2) = {(0.4/FIDECAP, 0.3/FONAES)+(0.4/FIDECAP, 1/FIDEPYME)}
(X1, Y3) = {(0.4/FIDECAP, 0.9/FONDO PYME)}
(X2, Y1) = {(0.3/FIDECAP, 1/FIDECAP)+(0.3/FIDECAP, 0.4/FONAES)+
(0.6/FONDO PYME, 1/FIDECAP)+( 0.6/FONDO PYME, 0.4/FONAES)}
(X2, Y2) = {(0.3/FIDECAP, 0.3/FONAES)+(0.3/FIDECAP, 1/FIDEPYME)+
(0.6/FONDO PYME, 0.3/FONAES)+(0.6/FONDO PYME, 1/FIDEPYME)}
(X2, Y3) = {(0.3/FIDECAP, 0.9/FONDO PYME)+
(0.6/FONDO PYME, 0.9/FONDO PYME)}
(X3, Y1) = {(0.2/FONDO PYME, 1/FIDECAP)+(0.2/FONDO PYME, 0.4/FONAES)+
(0.7/FONAES, 1/FIDECAP)+(0.7/FONAES, 0.4/FONAES)+
(0.8/FIDEPYME,1/FIDECAP) +(0.8/FIDEPYME, 0.4/FONAES)}
(X3, Y2) = {(0.2/FONDO PYME, 0.3/FONAES)+(0.2/FONDO PYME, 1/FIDEPYME)
+(0.7/FONAES, 0.3/FONAES)+(0.7/FONAES, 1/FIDEPYME)+
(0.8/FIDEPYME, 0.3/FONAES)+(0.8/FIDEPYME, 1/FIDEPYME)}
(X3, Y3) = {(0.2/FONDO PYME, 0.9/FONDO PYME)+
(0.7/FONAES, 0.9/FONDO PYME)+(0.8/FIDEPYME, 0.9/FONDO PYME)}

Se aplica la intersección (Norma-t) para conservar la función de pertenencia más

baja:
(X1, Y1) = {(0.4∩0.3/FIDECAP, FIDECAP)+(0.4∩0.4/FIDECAP, FONAES)}
(X1, Y2) = {(0.4∩0.3/FIDECAP, FONAES)+(0.4∩1/FIDECAP, FIDEPYME)}
(X1, Y3) = {(0.4∩0.9/FIDECAP, FONDO PYME)}
(X2, Y1) = {(0.3∩1/FIDECAP, FIDECAP)+(0.3∩0.4/FIDECAP, FONAES)+
(0.6∩1/FONDO PYME, FIDECAP)+( 0.6∩0.4/FONDO PYME, FONAES)}
(X2, Y2) = {(0.3∩0.3/FIDECAP, FONAES) + (0.3∩1FIDECAP, FIDEPYME)+
(0.6∩0.3/FONDO PYME, FONAES)+(0.6∩1/FONDO PYME, FIDEPYME)}
(X2, Y3) = {(0.3∩0.9/FIDECAP, FONDO PYME)+
(0.6∩0.9/FONDO PYME, FONDO PYME)}
(X3, Y1) = {(0.2∩1/FONDO PYME, FIDECAP)+(0.2∩0.4/FONDO PYME, FONAES)
+(0.7∩1/FONAES, FIDECAP)+(0.7∩0.4/FONAES, FONAES)+
(0.8∩1FIDEPYME, FIDECAP)+(0.8∩0.4/FIDEPYME, FONAES)}
(X3, Y2) = {(0.2∩0.3/FONDO PYME, FONAES)+
(0.2∩1/FONDO PYME, FIDEPYME)+(0.7∩0.3/FONAES, FONAES)+
(0.7∩1/FONAES, FIDEPYME)+
(0.8∩0.3/FIDEPYME, FONAES)+(0.8∩1/FIDEPYME, FIDEPYME)}
(X3, Y3) = {(0.2∩0.9/FONDO PYME, FONDO PYME)+
(0.7∩0.9/FONAES, FONDO PYME)+(0.8∩0.9/FIDEPYME, FONDO PYME)}

Relación difusa resultante (R):

(X1, Y1) = {(0.3/FIDECAP, FIDECAP)+(0.4/FIDECAP, FONAES)}
(X1, Y2) = {(0.3/FIDECAP, FONAES)+(0.4/FIDECAP, FIDEPYME)}
(X1, Y3) = {(0.4/FIDECAP, FONDO PYME)}
(X2, Y1) = {(0.3/FIDECAP, FIDECAP)+(0.3/FIDECAP, FONAES)+
(0.6/FONDO PYME, FIDECAP)+(0.4/FONDO PYME, FONAES)}
(X2, Y2) = {(0.3/FIDECAP, FONAES)+(0.3/FIDECAP, FIDEPYME)+
(0.3/FONDO PYME, FONAES)+(0.6/FONDO PYME, FIDEPYME)}
(X2, Y3) = {(0.3/FIDECAP, FONDO PYME)+(0.6/FONDO PYME, FONDO PYME)}
(X3, Y1) = {(0.2/FONDO PYME, FIDECAP)+(0.2/FONDO PYME, FONAES)+
(0.7/FONAES, FIDECAP)+(0.4/FONAES, FONAES)+(0.8/FIDEPYME, FIDECAP)+
(0.4/FIDEPYME, FONAES)}
(X3, Y2) = {0.2/FONDO PYME, FONAES)+(0.2/FONDO PYME, FIDEPYME)+
(0.3/FONAES, FONAES)+(0.7/FONAES, FIDEPYME)+(0.3/FIDEPYME, FONAES)
+(0.8/FIDEPYME, FIDEPYME)}
(X3, Y3) = {(0.2/FONDO PYME, FONDO PYME)+(0.7/FONAES, FONDO PYME)+
(0.8/FIDEPYME, FONDO PYME)}

Definición 18.- Parejas de interés: corresponden a las parejas de R que contienen

elementos repetidos (es preciso seleccionar tan solo a las parejas de interés para
proceder con el análisis).

Ejemplo 16: se muestran las parejas de interés extraidas de R.

Pareja 1.- (X1, Y1) = (0.3/FIDECAP, FIDECAP)

Pareja 2.- (X2, Y1) = (0.3/FIDECAP, FIDECAP)
Pareja 3.- (X2, Y3) = (0.6/FONDO PYME, FONDO PYME)
Pareja 4.- (X3, Y1) = (0.4/FONAES, FONAES)
Pareja 5.- (X3, Y2) = (0.3/FONAES, FONAES)
Pareja 6.- (X3, Y2) = (0.8/FIDEPYME, FIDEPYME)
Pareja 7.- (X3, Y3) = (0.2/FONDO PYME, FONDO PYME)

Segunda etapa. Para que las parejas de interés puedan ser clasificadas en los
conjuntos de salida deben formularse las reglas de inferencia difusa.
Definición 19.- Reglas de Inferencia Difusa: son las relaciones del tipo Si…
Entonces…, que vinculan a los conjuntos de entrada X, Y, con los conjuntos de
salida Z.

Las reglas difusas se representan formalmente como sigue:

Si X es Xn , Si Y es Yn ; Entonces, Z es Z n

Ejemplo 17: Se presetan las reglas de inferencia difusa que vinculan a los
cunjuntos de entrada X Beneficio Social y Y Beneficio Económico, con los
conjuntos de salida Z Impacto.

Regla 1
Si el Beneficio Social (X) es Intrascendente (X 1);
Si el Beneficio Económico (Y) es Irrelevante (Y 1);
Entonces, el Impacto (Z) es Nulo (Z 1).

Regla 2
Si el Beneficio Social (X) es Intrascendente (X 1);
Si el Beneficio Económico (Y) es Considerable (Y 2);
Entonces, el Impacto (Z) es bajo (Z 2).

Regla 3
Si el Beneficio Social (X) es Intrascendente (X 1);
Si el Beneficio Económico (Y) es Significativo (Y 3);
Entonces, el Impacto (Z) es Medio (Z 3).

Regla 4
Si el Beneficio Social (X) es Notorio (X 2);
Si el Beneficio Económico (Y) es Irrelevante (Y 1);
Entonces, el Impacto (Z) es bajo (Z 2).
Regla 5
Si el Beneficio Social (X) es Notorio (X 2);
Si el Beneficio Económico (Y) es Considerable (Y 2);
Entonces, el Impacto (Z) es Medio (Z 3).

Regla 6
Si el Beneficio Social (X) es Notorio (X 2);
Si el Beneficio Económico (Y) es Significativo (Y 3);
Entonces, el Impacto (Z) es Alto (Z 4).

Regla 7
Si el Beneficio Social (X) es Destacado (X 3);
Si el Beneficio Económico (Y) es Irrelevante (Y 1);
Entonces, el Impacto (Z) es Medio (Z 3).

Regla 8
Si el Beneficio Social (X) es Destacado (X 3);
Si el Beneficio Económico (Y) es Considerable (Y 2);
Entonces, el Impacto (Z) es Alto (Z 4).

Regla 9
Si el Beneficio Social (X) es Destacado (X 3);
Si el Beneficio Económico (Y) es Significativo (Y 3);
Entonces, el Impacto (Z) es Muy Alto (Z 5).

Las reglas de inferencia difusa también pueden ser expresadas a partir de las
parejas formadas en la relación difusa.
Ejemplo: 18.- Reglas de inferencia difusa expresadas con R.

Regla 1
Si R es (X 1, Y1); Entonces, el Impacto es Nulo (Z 1).

Regla 2
Si R es (X 1, Y2); Entonces, el Impacto es Bajo (Z 2).

Regla 3
Si R es (X 1, Y3); Entonces, el Impacto es Medio (Z 3).

Regla 4
Si R es (X 2, Y1); Entonces, el Impacto es Bajo (Z 2).

Regla 5
Si R es (X 2, Y2); Entonces, el Impacto es Medio (Z 3).

Regla 6
Si R es (X 2, Y3); Entonces, el Impacto es Alto (Z 4).

Regla 7
Si R es (X 3, Y1); Entonces, el Impacto es Medio (Z 3).

Regla 8
Si R es (X 3, Y2); Entonces, el Impacto es Alto (Z 4).

Regla 9
Si R es (X 3,Y3); Entonces, el Impacto es Muy Alto (Z 5).
Resulta conveniente expresar las reglas de inferencia difusa en un lenguaje más
corto:

Ejemplo 19: se presentan las reglas de inferencia difusa en el lenguaje de la lógica

simbólica.

Predicados simples:
Conjuntos de entrada X Beneficio Social
X1 = Beneficio Social Intrascendente
X2 = Beneficio Social Notorio
X3 = Beneficio Social Destacado

Conjuntos de entrada Y Beneficio Económico

Y1 = Beneficio Económico Irrelevante
Y2 = Beneficio Económico Considerabe
Y3 = Beneficio Económico Significativo

Predicados compuestos:
Conjuntos de salida Z Impacto:
Z1 = Impacto Nulo
Z2 = Impacto Bajo
Z3 = Impacto Medio
z4 = Impacto Alto
z5 = Impacto Muy Alto

Reglas de inferencia difusa:

Z1 = (X1∩Y1)
Z2 = (X1∩Y2)U(X2∩Y1)
Z3 = (X1∩Y3)U(X2∩Y2)U(X3∩Y1)
Z4 = (X2∩Y3)U(X3∩Y2)
Z5 = (X3∩Y3)
Basados en las reglas de inferencia difusa expresadas en el lenguaje de la lógica
simbólica, se puede observar que los conjuntos X, Y, han sido distribuidos en Z
como sigue:

Z1 = {(X1, Y1)}
Z2 = {(X1, Y2), (X2, Y1)}
Z3 = {(X1, Y3), (X2, Y2), (X3, Y1)}
Z4 = {(X2, Y3), (X3, Y2)}
Z5 = {(X3, Y3)}

O bien:

Z1 = (Regla 1)
Z2 = (Regla 2), (Regla 4)
Z3 = (Regla 3), (Regla 5), (Regla 7)
Z4 = (Regla 6), (Regla 8)
Z5 = (Regla 9)

Definición 20.- Clasificación de las Parejas de Interés: las parejas de la relación

difusa que presentaron elementos repetidos, deben ser ubicadas en los conjuntos
de salida Z.

Ejemplo 20: se presenta la clasificación de las parejas de interés en los conjuntos

de Z = Impacto. Asimismo, se indica la regla que cumple cada pareja.

Pareja 1 = (X1, Y1) = (0.3/FIDECAP, FIDECAP).- En Z1 por la Regla 1

Pareja 2 = (X 2, Y1) = (0.3/FIDECAP, FIDECAP).- En Z2 por la Regla 4
Pareja 3 = (X 2, Y3) = (0.6/FONDO PYME, FONDO PYME).- En Z4 por la Regla 6
Pareja 4 = (X 3, Y1) = (0.4/FONAES, FONAES).- En Z3 por la Regla 7
Pareja 5 = (X 3, Y2) = (0.3/FONAES, FONAES).- En Z4 por la Regla 8
Pareja 6 = (X 3, Y2) = (0.8/FIDEPYME, FIDEPYME).- En Z4 por la Regla 8
Pareja 7 = (X 3, Y3) = (0.2/FONDO PYME, FONDO PYME).- En Z5 por la Regla 9

Una vez que las parejas de interés han sido clasificadas y que se han identificado
las reglas que se cumplen, es posible iniciar el proceso de inferencia difusa.

Definición 21.- Inferencia Difusa.- Es el mecanismo deductivo que permite

clasificar las parejas de interés extraidas de la relación difusa dentro de los
conjuntos de salida. La función de pertenencia de cada pareja de interés delimita
un área dentro de uno o varios conjuntos de salida, dicha área corresponde a la
salida final de cada pareja de elementos.
Ejemplo 21: se presenta la inferencia difusa de cada una de las parejas de interés:

Figura 8 Inferencia difusa del FIDECAP

Fuente: elaboración propia.

En la Figura 8, se observa que la pareja 1 habilita los conjuntos de entrada
intrascendente e irrelevante, que tales conjuntos se vinculan con el conjunto de
salida Nulo según la regla de inferencia 1, y que la función de pertenencia de la
pareja indica el área del conjunto Z 1 que debe sombrearse. Asimismo, se observa
que la pareja 2 habilita a los conjuntos de entrada Notorio e Irrelevante, que tales
conjuntos se vinculan con el conjunto de salida Bajo según la regla de inferencia 4,
y que la función de pertenencia de la pareja indica el área del conjunto Z 2 que
debe sombrearse. La unión de las áreas sombreadas en Z, integra una forma
geométrica llamada salida; de tal forma se desprende la conclusión de la
inferencia difusa.

Figura 9 Inferencia difusa del FONDO PYME

Fuente: elaboración propia.

Figura 10 Inferencia difusa del FONAES

Fuente: elaboración propia.

Figura 11 Inferencia difusa del FIDEPYME

Fuente: elaboración propia.

Una vez obtenidas las formas sombreadas correspondientes a las salidas finales
de las inferencias difusas, es posible determinar una calificación final para cada
elemento.
Definición 22.- Salida final: es el valor en el eje de las abscisas que se encuentra
determinado por el centroide de la forma geométrica de salida obtenida en la
inferencia difusa. El valor resultante corresponde a la calificación final que recibe
el elemento que esté siendo analizado.

Ejemplo 22.- se muestra el proceso que debe seguirse para calcular la calificación
final del programa FONAES. Posteriormente se muestran las calificaciones finales
del resto de los elementos.

Lo que primero debe hacerse, es calcular el área de la figura geométrica de salida.

Para lograrlo, dicha figura se subdivide en triángulos y rectángulos perfectos. Tal
como se muestra en la Figura 12.

Figura 12 Calificación final del FONAES

Fuente: elaboración propia.

En la Figura 12 puede observarse que la forma geométrica de salida se ha
subdividido en cinco partes: tres triángulos y dos rectángulos. Se procede con el
cálculo del área de cada una de las figuras.

El área de los triángulos se calcula multiplicando la base por la altura y dividiendo

el resultado entre 2. Dado que la base de la figura 1 es 34 – 30 = 4 y la altura es
0.4, se realiza la multiplicación de 4 * 0.4 = 1.6, el resultado se divide entre 2. Por
lo tanto, el área de la figura 1 es A 1 = 0.8.

El área de los rectángulos se calcula multiplicando la base por la altura. Dado que
la base de la figura 2 es 66 – 34 = 32 y la altura es 0.4, se realiza la multiplicación
32 * 0.4 = 12.8. Por lo tanto, el área de la figura 2 es A 2 = 12.8.

Una vez que se tienen todas las áreas, se procede con el cálculo de los centroides
de cada figura:

Para calcular los centroides X de los triángulos, se divide la base de la figura entre
3. Dado que la base de la figura 1 es 34 – 30 = 4, se divide 4/3 dando como
resultado Cx1 = 1.33.

Para calcular los centroides X de los rectángulos, se divide la base de la figura

entre 2. Dado que la base de la figura 2 es 66 - 34 = 32, se divide 32/2 dando
como resultado Cx2 = 16.

Para calcular los centroides Y de los triángulos, se divide la altura de la figura

entre 3. Dado que la altura de la figura 1 es 0.4, se divide 0.4/3 dando como
resultado Cy1 = 0.13.
Para calcular los centroides Y de los rectángulos, se divide la altura de la figura
entre 2. Dado que la altura de la figura 2 es 0.4, se divide 0.4/2 dando como
resultado Cy2 = 0.2.

Cuando se han obtenido todos los centroides, tanto X como Y, de las 5 figuras
geométricas, se procede con el cálculo del centroide total.

El centroide total X se encuentra en pocos pasos: primero, debe calcularse la

distancia que existe entre el origen y el centroide X de cada figura. Esto se logra si
al punto de inicio de cada figura se le suma su centroide. La f orma geométrica 1
inicia en el punto 30, si se suma el valor de su centroide 1.33, se concluye que la
distancia entre el origen y su centroide es 31.33.

El segundo paso es multiplicar la distancia X de cada forma por su área. La

distancia X de la forma geométrica 1 es 31.33, multiplicada por su área 0.8, se
tiene como resultado el producto 25.064. Siguiendo el mismo procedimiento, se
tiene que el producto de la forma 2 es 640, el producto de la forma 3 es 3.3165, el
de la forma 4 es 481.95 y el de la forma 5 es 39.6.

Se suman todos los productos: 25.064 + 640 + 3.3165 + 481.95 + 39.6 obtieniendo
como resultado: 1189.9305.

Finalmente el resultado 1189.9305 se divide entre la sumatoria de las áreas 0.8 +

12.8 + 0.05 + 6.4 + 0.45 = 20.4.

Por lo tanto, el centroide X es igual a 58.33

El centroide tolal Y se obtiene de forma similar. La diferencia radica en que, en

este caso, debe calcularse la distancia existente entre el origen y el centroide Y de
cada forma. Los pasos restantes son exactamente los mismos. Es importante
señalar que para efectos de la lógica difusa basta con calcular los centroides X
puesto que éstos corresponden con los resultados que arroja el programa
computacional MATLAB.

Figura 13 Calificación final del FIDECAP

Fuente: elaboración propia.

 Figura 14 Calificación final del FONDO PYME

Fuente: elaboración propia.

Figura 15 Calificación final del FIDEPYME

Fuente: elaboración propia.

Conclusiones

Como resultado de la evaluación, se han calculado diferentes niveles de impacto

para cada uno de los programas de financiamiento público evaluados. Se observa
que a cada calificación resultante corresponde una etiqueta lingüística que la
describe.

FONAES = 58.33 “Impacto Medio”

FIDECAP = 17.81 “Impacto Bajo”
FONDO PYME = 77.23 “Impacto Alto”
FIDEPYME = 75 “Impacto Alto”

El estudiante o profesor interesado en el uso del programa MATLAB podrá

corroborar que tanto los gráficos como los resultados que aquí se obtuvieron de
forma manual corresponden exactamente con los que arroja el mencionado
programa computacional. De esta manera, se espera que se haya comprendido el
uso y la utilidad de la lógica difusa y que, además, se pueda extrapolar el ejemplo
mostrado en este documento a una gran diversidad de problemas relacionados
con programas gubernamentales y políticas públicas.

Bibliografía
Al-Hadithi, B. M., & Díaz, J. M. (2010). Fuzzy logic. Glossarium BITri, 1-17.
Cejas-Montero, J. (2011). La lógica difusa compensatoria. Ingeniería Industrial,
157-161.
Esquivel, R., Félix, B. G., & Bello, R. (2014). Evaluación del impacto de la
capacitación con lógica difusa. Revista chilena de ingeniería, 41-52.
Flores, L., & García, M. L. (2013). Evaluación de programas públicos mediante
lógica difusa: el caso del programa Hábitad. Política y Cultura, 231-255.
Kosko, B. (1994). Pensamiento borroso. Los Ángeles : Hyperion.
Mallo, P. E., Artola, M. A., García , M., D´Amico, F. O., Garrós, J. J., Martínez, D.,
y otros. (1999). Introducción a la matemática borrosa. Faces, 7-16.
Rojas, M., López, D., & Rincón, C. (2012). Aplicación del método cybersin con
lógica difusa en un sistema de control de gestión. Revista Ingenierías
Universidad de Medellín, 153-164.
Zadeh, L. A. (1965). Fuzzy Sets. Department of Electrical Enginnering and
Electronics Research Laboratory, University of California , 338-353.