Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCION
Introducción
Conjunto de conocimientos
Solución de Problemas y Toma de Decisiones
Análisis Cuantitativo y Toma de Decisiones
Análisis Cuantitativo
Modelos de Costo, Ingresos y Ganancias
Métodos Cuantitativos en la práctica
Conjunto de
Conocimientos
El conjunto de conocimientos que implican enfoques
cuantitativos en la toma de decisiones que se conocen
como
Ciencia de la Administración ó Gestión
Investigaciones Operativas
Ciencia de la Decisión
Tuvo sus primeras raíces en la Segunda Guerra Mundial y
está floreciendo en los negocios y la industria debido, en
parte a:
numerosos desarrollos metodológicos (por ejemplo, métodos
sencillos para resolver problemas de programación lineal)
una virtual explosión en la potencia de las computadoras
Solución de Problemas y
Toma de Decisiones
7 pasos en la Solución de Problemas
Los primeros 5 pasos son el proceso de toma de decisión
Análisis
cualitativo
Definir Identificar Determinar Resumen Toma
de
el los y Deci-
problema alternativas criterios evaluación siones
Análisis
cuantitativo
Análisis Cuantitativo y Toma
de Decisiones
Fase de análisis de la toma de decisión.
Análisis Cualitativo
Basado ampliamente en el juicio y experiencia
del gerente
Incluye la “sensación” intuitiva del gerente por
el problema
Es más un arte que una ciencia
Análisis Cuantitativo y
Toma de Decisiones
Fase de análisis de la toma de decisión
Análisis Cuantitativo
El analista se concentrará en los hechos o
datos cuantitativos relacionados con el
problema
El analista desarrollará expresiones
matemáticas que describen los objetivos,
restricciones y otras relaciones que existen en
el problema
El analista usará uno ó más métodos
cuantitativos para hacer recomendaciones
Análisis Cuantitativo y
Toma de Decisiones
Posibles razones para un análisis cuantitativo
Acercamiento a la Toma de Decisión
El problema es complejo
El problema es muy importante
El problema es nuevo
El problema es repetitivo
Análisis Cuantitativo
Entradas
Modelo Salidas
Controlables
Matemático (resultados
(variables de
Proyectados)
Decisión)
Análisis cuantitativo
Insumos incontrolables
Utilidades de $ 10 por unidad
5 horas de mano de obra por unidad
40 horas de mano de obra para la capacidad de producción
Max 10 (8)
Valor de la cantidad de Utilidad = 80
S. A. 5 (8) ≤ 40
producción (x = 8) Tiempo empleado = 40
8≥0
Modelo
Insumo controlable
matemático
Salida
Preparación de Datos
Qe en unidades
Qe en % de cap. *100
C
CF
Qe en % de cap. *100
C P CV
Punto de equilibrio no lineal
CF
Qe en UM
1 CV
P
• El denominador demuestra el % de contribución de cada UM
vendida para cubrir los costos fijos, entonces lo que se requiere es
un % de contribución ponderado.
• Esto puede determinarse multiplicando el % de contribucion para
cada producto por su % de UM vendidas.
Aplicaciones
200 000
Qe en $ $ 615,384.62
0.325
• Con los datos de capacidad de producción es posible calcular las ganancias para
varios porcentajes de capacidad de planta, así para un 70 % las ganancias serán:
Util. = IT – CT = IT – CF - CVQ
• Util = 0.70 (1’000,000) – 200,000 – (1-0.325)(0.70)(1’000,000)
• Util = $ 27,500
Aplicaciones
Sillas 150 80 70 40
restricciones
Max p1x1 + p2x2
Función s.a. a1x1 + a2 x2 ≤ b
objetivo
x1 ≥m
x2 ≤ u
“Sujeto a” x2 ≥ 0
Ejemplo: Iron Works, Inc.
Pregunta
Suponer b=2000, a1=2, a2=3, m=60, u=720,
p1=100, p2=200. Replantear el modelo con estos
valores específicos para las entradas no
controlables.
Ejemplo: Iron Works, Inc.
Respuesta
Sustituyendo, el modelo es:
Pregunta:
La solución optima para el modelo actual es x1=60 y
x2=626 2/3. Si el producto fueran motores, explicar por
qué esto no es una optima solución para el problema en
la “vida real”.
Respuesta
Nos e puede producir ni vender 2/3 de un motor. La
restricción del problema es que tanto x1 como x2 deber
ser números enteros. Podrían mantenerse como
fracciones si se asume que estas fracciones son trabajo
en progreso para ser completado el siguiente mes.
Ejemplo: Iron Works, Inc.
Entradas no controlables
$100 ganancia por unidad Prod. 1
$200 ganancia por unidad Prod. 2
2 libras acero por unidad Prod. 1
3 libras acero por unidad Prod. 2
2000 libras acero asignadas
60 unidades minimo Prod. 1
720 unidades maximo Prod 2
0 unidades minimo Prod. 2
Modelo matemático
Ejemplo: Ponderosa
Development Corp.
Pregunta:
Escriba el costo mensual función c (x), función de
ingreso R (x), y el beneficio función p (x).
Respuesta:
c (x) = costo variable + costo fijo = 105,000x +
40,000
r (x) = 115,000x
p (x) = r (x) - c (x) = 10,000x - 40,000
Ejemplo: Ponderosa
Development Corp.
Pregunta:
¿Cuál es el punto de equilibrio de las ventas
mensuales de las casas?
Respuesta:
r (x ) = c (x )
115,000x = 105,000x + 40,000
Solving, x = 4.
Ejemplo: Ponderosa
Development Corp.
Pregunta:
¿Cuál es el beneficio mensual si 12 casas al mes se
construyen y se venden?
Respuesta:
p (12) = 10,000(12) - 40,000 = $80,000 ganancia
mensual
Ejemplo: Ponderosa
Development Corp.
1200
Ingresos totales =
1000 115,000x
Miles de Dólares
800
600
Costo total=
400 40,000 + 105,000x
200
Punto de Equilibrio = 4 Casas
0
0 1 2 3 4 5 6 7 8 9 10
Número de viviendas vendidas (x)
Uso de Excel para el análisis
del punto de equilibrio
A B
1 PROBLEM DATA
2 Fixed Cost $40,000
3 Variable Cost Per Unit $105,000
4 Selling Price Per Unit $115,000
5 MODEL
6 Sales Volume
7 Total Revenue =B4*B6
8 Total Cost =B2+B3*B6
9 Total Profit (Loss) =B7-B8
Ejemplo: Ponderosa
Development Corp.
Pregunta
A B
1 PROBLEM DATA
2 Fixed Cost $40,000
3 Variable Cost Per Unit $105,000
4 Selling Price Per Unit $115,000
5 MODEL
6 Sales Volume 12
7 Total Revenue $1,380,000
8 Total Cost $1,300,000
9 Total Profit (Loss) $80,000
Ejemplo: Ponderosa Development
Corp.
Pregunta:
¿Cuál es el punto de equilibrio de las ventas
mensuales de las casas?
Hoja de cálculo Solución:
Una forma de determinar el punto de equilibrio
utilizando una hoja de cálculo es utilizar la herramienta
Buscar objetivo.
El objetivo de Microsoft Excel 's Seek herramienta
permite al usuario determinar el valor de una celda de
entrada que hará que la salida de la célula para igualar
algún valor especificado.
En nuestro caso, el objetivo es establecer beneficio
total a cero mediante la búsqueda de un valor
adecuado para el volumen de ventas.
Ejemplo: Ponderosa
Development Corp.
Solución de cálculo: Buscar objetivo Enfoque
Usando Excel 's Seek Tool
Paso 1: Seleccione el menú Herramientas
Paso 2: Seleccione la opción Buscar objetivo
Paso 3: Cuando la búsqueda de objetivos cuadro
de diálogo :
Ingrese B9 en el cuadro Definir la celda
Escriba 0 en el cuadro de valor a
Ingrese B6 en el cuadro celda cambiando
Haga clic en Aceptar
Ejemplo: Ponderosa Development
Corp.
Solución de cálculo: Buscar objetivo Enfoque
El objetivo es completar el cuadro
Ejemplo: Ponderosa
Development Corp.
A B
1 PROBLEM DATA
2 Fixed Cost $40,000
3 Variable Cost Per Unit $105,000
4 Selling Price Per Unit $115,000
5 MODEL
6 Sales Volume 4
7 Total Revenue $460,000
8 Total Cost $460,000
9 Total Profit (Loss) $0
Métodos cuantitativos en la práctica
12 Modulos
Fin del Capitulo 1
Contenidos
• Introducción
• Las fases en el proceso de toma de decisiones
• Toma de decisiones sin probabilidades
• Toma de decisiones con probabilidades
• AnálisisProbabilidad
de Riesgos y medida
como una Análisis deDeSensibilidad
numérica.
la probabilidad de ocurrencia
• Análisis de decisiones con la información de
muestral
• Calculo de probabilidades con teorema de
Bayes.
• Aplicaciones.
Análisis de decisiones
Decisión
oportunidad Demanda para el
consecuencia Condominio
Complejo
Beneficio
tamaño
Tabla de resultados
Demanda de Docenas 3 4 5 6
Decision Ingreso
maximax maxima
x
Enfoque conservador
Maximo
Desicion
Arrepentimiento
d1 12
d2 6
d3 16
Decisión Arrepentimien
Minimax to Minimax
Toma de decisiones bajo
riesgo
N
EV( d i ) P( s j )Vij
j 1
donde:
n = el número de estados de la naturaleza
P(sj ) = la probabilidad del estado de naturaleza sj
Vij = el pago correspondiente a la alternativa de
decisión di y al estado de la naturaleza sj
Enfoque de valor esperado
Pagos
s1 0.8
$8
2 s2 0.2
d1 $7
s1 0.8
d2 $14
1 3 s2 0.2
d3 $5
s1 0.8
$20
4 s2 0.2
-$9
El valor estimado para cada
decisión
Mediano, d2
1 3 VME = .8 (14) .2 de + (5) = $12.2
Cálculo VEIP
Paso 1:
Determinar el rendimiento óptimo correspondiente a
cada estado de la naturaleza.
Paso 2:
Calcule el valor esperado de estos rendimientos
óptimos.
Paso 3:
Restar el EV de la decisión óptima de la cantidad
determinada en el paso (2).
El valor estimado de la
información perfecta
1.00
.80
Probabilidad
.60
.40
.20
-10 -5 0 5 10 15 20
Análisis de sensibilidad
Estudio de Tamaño de
Beneficio
mercado complejo
Información muestral
1.00
.80 .72
Probabilidad
.60
.40
.20 .15
.05 .08
-10 -5 0 5 10 15 20
El valor esperado de la
información muestral
= 54.1%
Investigación de mercado
Estado de la Informe Informe
naturaleza Favorable Desfavorable
La demanda fuerte, S1 P ( IF| S1 ) =.90 P ( ID/ S1 ) = .10
Poca demanda, S2 P ( IF| S2 ) =.25 P ( ID/ S2 ) = .75
Probabilidades de rama de
informática
Rama(posterior) probabilidades de calculo
• Paso 1:
• Paso 2:
Sume estas probabilidades conjuntas en todos los
estados - esto da la probabilidad marginal para el
indicador.
• Paso 3:
Para cada estado, divida su probabilidad conjunta
de la probabilidad marginal para el indicador - esto da
la distribución de probabilidad posterior.
El teorema de las bayes y
probabilidades posteriores
Conocimiento de la muestra (encuesta) la información
puede ser utilizada para revisar la probabilidad de las
estimaciones para los estados de la naturaleza.
Antes de obtener esta información, la estimaciones de
probabilidad para los estados de la naturaleza se
denominan probabilidades a priori.
Con el conocimiento de las probabilidades condicionales
para los resultados o indicadores de la información de la
muestra o de la encuesta, estas probabilidades a priori
puede ser revisado al emplear el teorema de Bayes.
Los resultados de este análisis se denomina posterior
probabilidades o probabilidades de rama de árboles de
decisión.
Probabilidades posteriores
Informe favorable
Estado de la
naturaleza Probabilidad Probabilidad Probabilidad Probabilidad
previa condicional conjunta posterior
Informe desfavorable
Estado de la
naturaleza Probabilidad
Probabilidad Probabilidad Probabilidad
posterior
previa condicional conjunta
P(sj |U)
sj P(sj) P(U|sj) P(U I sj)
0.35
s1 0.8 0.10 0.08
0.65
s2 0.2 0.75 0.15
Estados de la naturaleza
d3 = no invertir 0 0 0
Caso Swofford
Utilidad
Resultado monetario
Evasores de riesgos frente a
tomadores de riesgos
• Para un evasor de riesgos, la función de utilidad del
dinero muestra una disminución en el rendimiento
marginal para el dinero, por ejemplo el incremento en la
utilidad que va de -$30000 a $ 0 es 7,5 – 4,0 = 3,5 ,
mientras el incremento en la utilidad que va de $0 a
$30000 solo es de 9,5 – 7,5 = 2,0; Para un tomador de
riesgos, la función es contraria a la anterior, pues
muestra un incremento en el rendimiento marginal para el
dinero, por ejemplo, el incremento en la utilidad que va de
-$30000 a 0 es 2,5 – 1,0 = 1,5, mientras el incremento en
la utilidad que va de $0 a $30000 es 5,0 – 2,5 = 2,5, note
que la función de utilidad siempre esta en aumento.
• Cuando el rendimiento marginal del dinero ni disminuye ni
aumenta sino que permanece constante, la función de
utilidad describe el comportamiento de un tomador de
decisiones que es neutral respecto al riesgo.
VME vs. UE
En muchos problemas el VME y la UE conducen a recomendaciones
idénticas. Este resultado siempre será verdadero si el tomador de
decisiones es neutral respecto al riesgo.
En general si el tomador de decisiones es casi neutral respecto al riesgo
a lo largo del rango de resultados (del menor al mayor) para un problema
particular, la alternativa de decisión con el mejor VME conduce a la
selección de la alternativa de decisión preferida. El hecho esta en saber
reconocer el rango de valores monetarios sobre el cual la función de
utilidad de un tomador de decisiones es neutral respecto al riesgo.
En general cuando los resultados caen en un rango razonable, el mejor
no es demasiado bueno y el peor no es demasiado malo, los tomadores
de decisiones tienden a expresar preferencias de acuerdo con el enfoque
del VME
Se sugiere pedir al tomador de decisiones que considere el mejor y el
peor de los resultados posibles. Si el tomador de decisiones cree que
están en un rango razonable, puede usarse la alternativa de decisión con
el mejor VME , pero si los resultados parecen irracionalmente grandes o
pequeños y si el tomador de decisiones cree que los valores monetarios
no reflejan sus preferencias debe considerar se el analisis de utilidad.
Introducción a Teoría de
Juego
En el análisis de decisión, el encargado de
tomar decisiones solo busca seleccionar una
alternativa óptima.
En la teoría de juegos, hay dos o más
tomadores de decisiones, son llamados
jugadores , que compiten como adversarios
entre sí.
Se supone que cada jugador tiene la misma
información y se seleccionará la estrategia que
proporciona el mejor resultado posible desde
su punto de vista.
Continúa
Introducción a Teoría de
Juegos
Cada jugador elige una estrategia
independiente, sin conocer de antemano la
estrategia del otro jugador (s).
La combinación de las estrategias que
compiten proporciona el valor del juego para
los jugadores.
Entre los ejemplos de jugadores que compiten
son los equipos, ejércitos, empresas,
candidatos políticos, y los licitadores de
contratos.
Dos-Personas Juego de Suma
Cero
jugador B
Jugador A Reemb. Equipamien- 0%
efectivo b 1 to Libre b2 Préstamo b3
Reemb. efect. a1 2 2 1
Equip. libre a2 -3 3 -1
Préstamo 0 % a3 3 -2 0
Dos-Personas Juego de Suma Cero
Ejemplo
Jugador B
Reembolso Equipamiento 0%
Jugador A Mínimo de fila
efectivo Libre Préstamo
b1 b2 b3
Reemb. efect. a1
2 2 1 1
Equip. libre a2
-3 3 -1 -3
Préstamo 0 % a3
3 -2 0 0
Mejor estrategia Resultado
Para Jugador A maximin
Dos-Persona Juego de Suma Cero
Ejemplo
Jugador B
Reemb.
Jugador A Equip. Libre Préstamo 0%
efectivo
b2 b3
b1
Reemb. efectivo a1 2 2 1
Equip. libres a2 -3 3 -1
Préstamo 0 % a3 3 -2 -1
Máximo de columna 3 3 11
Mejor estrategia Para
Resultado
Jugador B
minimax
Estrategia pura
Jugador B
Reemb. Equip. Libre Préstamo mínimo de fila
Jugador A efectivo b2 0%
b1 b3
Reemb. efectivo a1 2 2 1 1
1
Equip. libre a2 3 3 -1 -3
Préstamo 0 % a3 3 -2 0 -2
Máximo de columna 3 3 1 11
Punto de
silla
Ejemplo de Estrategia pura
Jugador B
Jugador A Mínimo de fila
b1 b2
a1
4 8 4
a2
11 5 5
Máximo de
columna 11 8
Maximin
Minimax
Ejemplo de Estrategia mixta
EV = 4p + 11(1 – p)
EV = 8p + 5(1 – p)
Ejemplo de Estrategia mixta
EV = 4q + 8(1 – q)
EV = 11q + 5(1 – q)
Ejemplo de Estrategia mixta
Para Jugador A:
EV = 4p + 11(1 – p) = 4(.6) + 11(.4) = 6.8
Para Jugador B:
Pérdida esperada
Por juego
Para Jugador B
Dominó Ejemplo de Estrategias
Supone que la tabla de resultados para un dos-persona EL
Juego de suma cero es el siguiente. Aquí no hay estrategia
pura optima
a1 6 5 -2 -2
a2 1 0 3 0
a3 3 4 -3 -3
Max. De
6 5 3
columna
Minimax
Dominó Ejemplo de Estrategias
Jugador B
Jugador A b1 b3
a1 6 -2
a2 1 3
Otros Modelos de Teoría del
Juego
Juegos de Suma Constante para dos personas
(La suma del resultados es una constante diferente a
cero.)
Juegos de Suma variable
(La suma del resultados es variable.)
Juegos para n-personas
(Un juego implica más de dos jugadores.)
Juegos cooperativos
(Los jugadores pueden tener comunicaciones pre juego)
Juegos de Estrategias infinitas
(Un número infinito de estrategias esta disponible para
los jugadores.)