DECISIONES GERENCIALES (2022-

23-13224)
Mó dulo 3: Decisiones Bajo Certeza y
Riesgo
En este módulo comenzamos a aplicar todos los conceptos teóricos que hemos desarrollado
en los anteriores, comenzando por aquellas Decisiones Bajo Certeza pasando de la
administración de proyectos, utilizando técnicas basadas en la Teoría de Redes, hasta la
Programación Lineal con sus distintos métodos de resolución de problemas en ese estado de
certeza.

El otro tema destacado, saliendo de la certeza, son las Decisiones Bajo Riesgo con la
incorporación de las probabilidades y la utilización para la toma de decisión de modelos como
el Valor Esperado y Arboles de Decisión. También destacamos la incorporación para el análisis
las probabilidades objetivas y subjetivas reflejadas en la Decisiones Bayesianas.

Objetivos del módulo

Llegar al plano práctico de las decisiones en condición de riesgo y certeza, mediante diferentes
herramientas que ayudan en la toma de decisión.

Decisiones en condicion de certeza

En el siguiente cuadro se simplifican algunos de las herramientas gráficas que que podemos
utilizar para la toma de decisiones relacionadas a la administración y gestión de proyectos.
UNIDAD 5: DECISIONES BAJO CERTEZA
El núcleo temático de la Unidad está dado en los problemas de decisión que enfrentan las
personas, cuando las alternativas de los mismos son combinaciones.

Esto es así, pues eligiendo cualquiera de las alternativas reveladas alcanzaríamos un resultado
favorable pero quizás no sea el mejor de todos los posibles.

Afortunadamente se cuenta con varias herramientas que ayudan a los administradores a

tomar decisiones más eficaces, por lo que en este caso se trata de dar al alumno una visión
más pragmática, con conocimientos tradicionales desarrollados por la Teoría de la Decisión.

Ya se habían señalado en otros apartados del curso el concepto de Decisiones Bajo Certeza y
sus características distintivas, dentro de la clasificación de Ámbitos de Decisión.

Para darle consistencia al conocimiento, utilizaremos métodos matemáticos como es la

Programación Lineal.

Pero hay que destacar, que no todas las situaciones en que se presenten este tipo de
problemas se pueden resolver por la Programación Lineal. Para ello, deben cumplirse algunas
condiciones como es la clara definición de un objetivo a alcanzar, dimensionado como
beneficio o costo, el cual debe ser susceptible de poderse optimizar (alcanzar el máximo nivel
posible).

También debe contar con restricciones o condiciones de cumplimiento, y que forman parte de
un sistema integrado y relacionado con el objetivo que se quiere maximizar.

Tanto el objetivo como las restricciones deben, a su vez, ser posibles de representarse en
inecuaciones, ecuaciones, y por supuesto cumpliendo la función lineal.

Estas condiciones determinan también, el concepto de “linealidad” y de “aditividad” que se

explican bien en el material de lectura e incluso con ejemplos muy fáciles de entender.

En el punto 5.3 de esta unidad (Modelos de Optimización. Programación lineal) se desarrollan

dos ejercicios prácticos que aportan mayor claridad para su comprensión. Uno está
relacionado con la Formulación de un Problema de Maximización con Restricciones del Tipo
“Menor o Igual”, y el otro, corresponde a la Formulación de un Problema de Minimización con
Restricciones del Tipo “Mayor o Igual”.

En estos dos ejercicios, el alumno pude visualizar la solución de los mismos por dos métodos:
Resolución Gráfica y por el Simplex.

En el foro de la unidad podrán ver que se presenta ejercitación como es la interpretación del
último cuadro del Método Simplex.

El desarrollo del curso también nos va a llevar a tratar otros temas en la unidad, como es el
caso de las “Técnicas de Administración de Proyectos”.
Se deberá diferenciar al respecto, dos técnicas muy comunes para desarrollar proyectos a gran
escala como es el Diagrama de Gantt, y las técnicas basadas en la Teoría de Redes como es el
CPM o Camino Crítico y el PERT.

El Diagrama de Gantt que es un diagrama de barras, es pionero como técnica de

administración de proyectos; mientras que el método del camino crítico utiliza en un diagrama
de redes las actividades y sus tiempos en forma determinística. Por su parte el PERT, también
utiliza un diagrama de redes, pero los tiempos de las actividades lo consigna en forma
probabilística.

El alumno encontrará en la Actividad de la unidad una aplicación práctica relacionada con el

Camino Crítico (CPM).

Finalmente, habrá que indicar que se ha incluido como Elemento Motivador un gráfico que en
forma sintética expone los puntos más destacados de esta unidad.

Tema 1: Decisiones bajo certeza

Habíamos nombrado en las primeras clases los Distintos Ámbitos de Decisión, clasificándolos
en dos grandes grupos (Enfrentamiento con Estados Naturales y Enfrentamiento con
Oponentes Racionales).

Cuando nos referimos “En Condiciones de Certeza”, estamos estableciendo la condición de

que hay un único futuro (F) posible cuya probabilidad es P = 1. La Teoría de las Decisiones
aborda estos problemas mediante la programación matemática (Programación Lineal).

Son muy comunes los problemas de decisión bajo certeza en los que la mera enumeración de
todas las alternativas posibles y sus respectivos resultados para construir la matriz de
ganancias o costos resulta por su dimensión muy engorrosa o prácticamente imposible.

Precisamente es esa la causa por la cual la toma de decisión bajo condiciones de certeza puede
constituir un problema: el enorme número de alternativas posibles, aun conociendo con toda
certidumbre sus respectivos resultados, dificulta la selección de la estrategia óptima, haciendo
necesario acudir a métodos de resolución más elaborados.

Un ejemplo típico estaría dado por una empresa que fabrique más de un producto y que
pretenda elegir la combinación óptima de cantidades a fabricar de cada uno. Puede suceder
que el producto que tenga el mayor margen de beneficio, y que por los tanto sería “a priori” el
que habría que fabricar la mayor cantidad posible compatible con la capacidad de producción,
no convenga en la práctica producirlo en grandes cantidades, debido a que sus necesidades de
producción crean embotellamientos en un sector fabril o en una máquina determinada,
limitando con ello desproporcionadamente la producción de otros artículos. En tal caso, la
producción de artículos aparentemente de menor margen puede representar un mayor aporte
a los beneficios globales.
En otras palabras, estamos ante un problema en el que se procura hallar la combinación de
productos y cantidades que asegure el máximo beneficio global, con sujeción a diversas
restricciones (capacidad productiva de las máquinas, disponibilidad de mano de obra,
disponibilidades financieras, etc.) problema éste que puede ser muy complejo en la medida
que haya una gran variedad de productos, modelos, estilos, máquinas y elementos de
producción.

Afortunadamente, se han desarrollado nuevas técnicas matemáticas que permiten simplificar

grandemente el trabajo, sobre todo cuando se usan en combinación con programas de
computadora. Entre dichas técnicas la que ha tenido mayor difusión es la Programación Lineal,
que analizaremos en detalle en los puntos siguientes.

Es necesario destacar que, si bien la Programación Lineal es un instrumento muy potente y

eficaz para analizar la complejidad económica de la empresa, sería erróneo creer que todo
problema de gestión puede ser resuelto mediante esta técnica.

En términos generales, la aplicabilidad de la programación lineal se constriñe a los problemas

de decisión que cumplen las siguientes condiciones:

 Debe existir un objetivo, tal como beneficio, costo o rendimiento, que se pretende
optimizar y que pueda ser expresado o representado por una función lineal.
 Debe haber restricciones en cuanto a la cantidad o extensión en que puede ser
alcanzado el objetivo, y dichas restricciones deben ser susceptibles de expresarse por
un sistema de ecuaciones y/o inecuaciones lineales.

La condición impuesta de que tanto el objetivo como las restricciones sean representables por
expresiones lineales implica a su vez dos hipótesis básicas:

Linealidad

Que se refiere por ejemplo a la conclusión de que la venta de 1 tonelada de producto significa
un beneficio de $ 10.000,00, la venta de 2 toneladas significará un beneficio de $ 20.000,00.

Aditividad

Si se fabrican varios productos simultáneamente, los beneficios y los insumos totales se deben
poder obtener por adición los beneficios e insumos parciales de cada producto

Es fácil ver que en muchos casos la linealidad requerida para aplicar esta técnica no expresará
rigurosamente la realidad económica del problema a tratar. Por ejemplo no siempre es cierto
decir que la fabricación de 1 tonelada de producto dado cuesta $ 10.000,00, si la fabricación de
1 kilogramo de mismo producto cuesta $ 10,00. La contabilidad de una fábrica o taller hará
aparecer gastos proporcionales a las cantidades fabricadas, pero también gastos constantes
independientes de esas cantidades. Es evidente que si no se toman las precauciones
adecuadas, la hipótesis de linealidad requerida para el buen empleo de la programación lineal
será únicamente una aproximación relativamente buena del punto de vista económico.
Lo que resulta aún más importante, es asegurar que se verifique la hipótesis de aditividad,
puesto que de lo contrario pierde todo sentido la aplicación de ésta técnica. Tal es lo que
sucedería por ejemplo si se está analizando un problema de distribución de varios productos
en el que se quiere minimizar el costo total del transporte: si el flete pagado depende solo de
la cantidad de camiones usados para el transporte en lugar de depender del peso
transportado, y las cantidades de cada producto normalmente no implican despachar
camiones completos, agregar otro producto en un viaje no significará aumentar el costo de
transporte.

Dresdner, E.C., Evelson, A.R., Dresdner M.O. & Dreyfus M. (1998. PP. 387, 388 y 389)

Tema 2: Administración de proyectos

Si bien la Teoría de la Decisión no los ha incorporado dentro de su estudio, algunos autores
incorporan en la clasificación de este tipos de problemas la administración de proyectos como
el Método del Camino Critico o CPM (Crítical Path Method) y la Técnica de Evaluación y
Revisión de Proyectos o PERT (Program Evaluation and Review Technique), que
desarrollaremos a continuación.

La administración eficiente de un proyecto implica la utilización de procesos de gestión

específicos para cada una de las etapas del mismo: inicio, planificación, ejecución, control y
cierre.

Si bien actualmente existen innumerables software informáticos para el desarrollo de

proyectos como: MS Project (de Microsoft), Primavera Project Planner, SAP RPM (Resource
and Portfolio Management) y Microsoft Project Server entre otros; una de las herramientas
más tradicionales es la utilización la teoría de redes (conocida más genéricamente como teoría
de grafos), donde se desprenden las técnicas de CPM Y PERT, que desarrollaremos en el tema
5.2.

Es justo también destacar, entre los primeros en el desarrollo y administración de proyecto al

Diagrama de Gantt. Es una herramienta básica que se utiliza para realizar la planificación del
trabajo de un proyecto.

Muestra en un diagrama de barras el origen y el final de las diferentes unidades mínimas de

trabajo, y los grupos de tareas así como las dependencias entre unidades mínimas de trabajo
(pueden ser fin-comienzo, fin-fin, comienzo-fin, comienzo-comienzo). A continuación
exponemos un modelo como ejemplo:
Tema 3: Técnicas de administración basada en redes: CPM/PERT.
La administración de proyectos ha evolucionado como un nuevo campo con el desarrollo de
dos técnicas analíticas para la planificación, programación y control de proyectos: el Método
de Ruta Crítica o CPM (Crítical Path Method) y la Técnica de Evaluación y Revisión de Proyectos
o PERT (Program Evaluation and Review Technique).

La principal diferencia entre PERT y CPM es la manera en que se realizan los estimados de
tiempo.

PERT :Supone que el tiempo para realizar cada una de las actividades es una variable aleatoria
descripta por una distribución de probabilidad.

CPM :Infiere que los tiempos de las actividades se conocen en forma determinísticas y se
pueden variar cambiando el nivel de recursos utilizados.

La programación de proyectos por PERT-CPM consiste en tres fases básicas: Planificación,

Programación y Control.

Dentro del ámbito aplicación, el método se ha estado usando para la planificación y control de
diversas actividades, tales como construcción de presas, apertura de caminos, pavimentación,
construcción de casas y edificios, reparación de barcos, investigación de mercados,
movimientos de colonización, estudios económicos regionales, auditorías, planificación de
carreras universitarias, distribución de tiempos de salas de operaciones, ampliaciones de
fábrica, planificación de itinerarios para cobranzas, planes de venta, censos de población, etc.

Nudo, suceso o acontecimiento

Es el comienzo a término de un trabajo. No es la ejecución real de un trabajo. Por ejemplo

escribir un informe no es un nudo, en cambio comenzar o terminar un informe sí es un nudo.
Todo nudo viene caracterizado por qué debe representar un punto significativo del proyecto,
es el comienzo o el término de una tarea y no consume tiempo ni recursos.

Los nudos o sucesos deben tener lugar de una manera lógica y por tanto mantienen un orden
dentro del grafo y por tanto se numerarán cada uno de ellos según la secuencia temporal. Se
dibujan mediante un círculo (que posteriormente veremos cómo se completa). (Fuente: (s/d))
Actividad

Es la ejecución real de una tarea. Recordamos que un acontecimiento sólo era el comienzo o
final de una tarea, no su ejecución. Lo representaremos por un flecha, en dónde colocaremos
el nombre de la actividad y el coste de tiempo que supone:

En este ejemplo se ha dibujado la actividad A que consume 5 minutos o días de tiempo. Las
actividades sí que consumen tiempo, por tanto requieren mano de obra, material,
instalaciones, etc. Es decir, las actividades precisan dotarse de recursos para poder ser
realizadas.

Cada actividad reside entre dos nudos. Al primero le denominaremos nudo o acontecimiento
antecedente y al segundo precedente. Siempre la relación deberá ser directa, sin
acontecimientos intermedios. Al primer nudo de una red PERT le denominaremos iniciador, y
al último finalizador.

CPM

Para explicarlo de manera práctica, vamos a dar un ejemplo y lo desarrollaremos. Imaginemos

que tenemos que planificar un proyecto (por ejemplo la introducción en el mercado japonés
de nuestros productos). Para ello sabemos que tenemos las siguientes fases, con la siguiente
duración en meses:

En este ejemplo se ha dibujado la actividad A que consume 5 minutos o días de tiempo. Las
actividades sí que consumen tiempo, por tanto requieren mano de obra, material,
instalaciones, etc. Es decir, las actividades precisan dotarse de recursos para poder ser
realizadas.

Cada actividad reside entre dos nudos. Al primero le denominaremos nudo o acontecimiento
antecedente y al segundo precedente. Siempre la relación deberá ser directa, sin
acontecimientos intermedios. Al primer nudo de una red PERT le denominaremos iniciador, y
al último finalizador.
CPM
Para explicarlo de manera práctica, vamos a dar un ejemplo y lo desarrollaremos. Imaginemos
que tenemos que planificar un proyecto (por ejemplo la introducción en el mercado japonés
de nuestros productos). Para ello sabemos que tenemos las siguientes fases, con la siguiente
duración en meses:

Si hacemos una etapa detrás de la otra, necesitaremos 20 meses para acabar el proyecto (casi
dos años) para implantarnos en Japón. Existe la posibilidad de hacer actividades en paralelo y
así conseguir acabar antes el proyecto. Realizando un estudio de las actividades que se pueden
hacer en paralelo y el orden de cada una de las etapas o actividades obtendríamos la siguiente
tabla:

De esta tabla podemos concluir que la actividad A, B y C no necesitan antecedentes, es decir,

que se pueden hacer de forma paralela y a la vez; la actividad D, no podrá empezar hasta que
la actividad A esté acabada y la E, sucederá lo mismo con la E, que no empezará hasta que la B
no esté acabada. Para empezar la realización de la F necesitamos que la C esté acabada y para
empezar la G, necesitamos que D y E, se hayan concluido.

Si ahora traspasamos este razonamiento a un grafo PERT (recordar que las actividades se
representan por flechas que consumen recursos y que además les tenemos que dibujar un
nudo de inicio y un final) obtendríamos:

A continuación pasamos a numerar los nudos:

Una vez dibujado el grafo PERT se debe calcular el tiempo necesario para acabar el proyecto.
Para realizar este cálculo se necesita saber el tiempo early y el last.

Tiempo early (TE ) de un acontecimiento representa el tiempo más breve en el que puede
llevarse a cabo un acontecimiento. Viene representado por el camino de mayor consumo de
tiempo.
Es el tiempo que como máximo se necesita para realizar las actividades que tenemos por la
izquierda de este nudo. Se empieza a calcular desde el primer nudo hasta el último y se sitúa
en la cuadrícula izquierda de cada nudo. El tiempo early del primer nudo es cero y los
posteriores se calculan sumando el tiempo early del nudo anterior más la actividad que hay
entre los nudos.

Veamos cómo se calcula con nuestro ejemplo anterior.

El siguiente paso es determinar los tiempos máximos permitidos para lograr cada
acontecimiento, que denominaremos tiempo last (TL). Los calcularemos siguiendo el sentido
contrario de la red PERT, es decir:

Empezaremos por el último acontecimiento y terminaremos por el primero. Si no nos dicen los
contrario, por construcción del grafo PERT, el tiempo last del último nudo será igual que su
tiempo early.

Para calcular el TL de un acontecimiento se resta el valor Te del valor TL del acontecimiento

sucesor. Si se obtiene más de un valor TL se elige el mínimo valor.

En nuestro ejemplo tendremos los siguientes cálculos:

Con este grafo podemos concluir que planificando correctamente cada una de estas
actividades y con el tiempo que tenemos de cada una de ellas, el proyecto se puede acabar en
menos de un año, exactamente en 10,5 meses. Si lo comparamos con la duración inicial, se
observa que hemos ganado 10,5 meses (que es la diferencia entre 20 meses que es lo que
tardaba anteriormente el proyecto a ahora que somos capaces de hacerlo en 10,5 meses).

El último concepto que nos queda por explicar a la hora de construir un grafo Pert, es el
camino crítico. A la diferencia entre los tiempos last y early de cada acontecimiento le
denominamos holgura. La existencia de holguras puede indicar posible exceso de recursos,
que un buen planificador debe minimizar.

Las holguras de cada actividad se calculan de la siguiente manera, se resta del tiempo last del
nudo final, el tiempo early del nudo inicial y el tiempo de la actividad. Con esto conseguiremos
obtener el tiempo sobrante que tenemos los recursos parados y por tanto tiempo que se ha de
intentar minimizar. Matemáticamente tenemos:

Hx,y = TLy - (TEx + duración de actividadx,y)

En ejemplo que estamos utilizando para la explicación obtendríamos las siguientes holguras:

HA = TL2 - (TE1 + duración actividadA ) = 8 - (0 + 2) = 6

HB = TL3 - (TE1 + duración actividadB ) = 6 - (0 + 1) = 5

HC = TL4 - (TE1 + duración actividadC ) = 1,5 - (0 + 1,5) = 0

HD = TL5 - (TE2 + duración actividadD ) = 10 - (2 + 2) = 6

HE = TL5 - (TE3 + duración actividadE ) = 10 - (1+ 4) = 5

HF = TL6 - (TE4 + duración actividadF ) = 10,5 - (1,5 + 9) = 0

HG = TL6 - (TE5 + duración actividadG ) = 10,5 - (5 + 0,5) = 5

El conjunto de acontecimientos que minimizan las holguras forman un camino crítico, por el
que puede recorrerse el proyecto, es decir, el camino crítico es aquel camino con una holgura
mínima (recordando siempre que el camino crítico va desde el nudo inicial hasta el final).

El camino crítico es el que requiere el máximo tiempo para llegar al final del proyecto. Un
retraso en el camino crítico equivale a un retraso en el acontecimiento final.

Por ejemplo, si se retrasa la actividad A, es decir, en lugar de hacerla en 2 meses al final surgen
problemas y se retrasa y acaba realizándose en 3 meses, como la actividad A no forma parte
del camino crítico la duración total del proyecto no se verá modificada, seguiremos acabándolo
en 10,5 meses. Lo vemos:

La holgura no es más que un colchón de recursos por si surgiera un retraso, esto significa que
las actividades de holgura cero, se han de controlar al máximo, ya que un retraso en una de
ellas significará el retraso total del proyecto en la misma duración. De tal manera que si en
lugar de retrasarse un mes la actividad A es la F la que se retrasa tendríamos:
Como observamos en el grafo anterior la duración total del proyecto ha aumentado, se ha
retrasado, en la misma duración que el aumento o retraso de la actividad crítica.

PERT
El método denominado PERT "Program Evaluation and Review Technique" puede ser
catalogado como un método cuantitativo de planificación. Sencillo, pero completo, conduce a
la correcta toma de decisiones por parte de los directivos de la empresa.

Una red PERT no tiene una única solución, dependerá de las prioridades que el directivo asigne
a cada uno de los acontecimientos que intervienen.

Su construcción es muy similar a la herramienta CPM. Sin embargo, a la hora de construir un

grafo PERT no tenemos la seguridad, ni la certeza del tiempo de cada actividad, sino que para
cada asignación de tiempos se hace una triple distinción:

Tiempo optimista: Mínimo periodo de tiempo posible que es necesario para realizar una
actividad.

Tiempo más probable: Es la mejor estimación de tiempo necesario para realizar una actividad.

Tiempo Pesimista: Máximo tiempo que se tardaría en realizar una actividad.

Las estimaciones son sobre las actividades, no sobre los acontecimientos. Con estas
estimaciones podemos determinar un tiempo medio -que simbolizaremos como Te- y que
recogerá el valor promedio de las tres estimaciones con una ponderación determinada. Es
decir, si ocurriera muchas veces cabría esperar que Te tomara un valor tal como:

Es importante recordar que un acontecimiento no se considerará finalizado si todas las

actividades que conducen a él no han sido terminadas.
Igual que en el caso anterior vamos a realizar la explicación basándonos en un ejemplo. En este
caso, el grafo PERT tiene los siguientes acontecimientos y sus respectivos tiempos.

Construimos la red o el grafo PERT:

Una vez construido el grafo Pert, vamos a calcular los tiempos, holguras y averiguar cuál es el
camino crítico. El primer problema que nos surge es ¿qué tiempo debemos utilizar para
calcular el tiempo early y el last? Como directores del proyecto sabemos que la actividad A en
el mejor de los tiempos puede tardar 4 semanas, lo más normal y lo lógico serían que tardase 6
pero puede que todo vaya mal y llegue a tardar hasta 7 semana. ¿Qué hacemos? El Pert
propone utilizar un tiempo medio ponderado, al que llamaremos tiempo esperado, (Te). Este
tiempo se calcula para cada actividad y es una media a la que se le da cuatro veces más
importancia el tiempo normal que al tiempo pesimista o al optimista.

Utilizando la fórmula, ya vista anteriormente en (1)

Con el cálculo del tiempo esperado ya podemos calcular el tiempo early, el tiempo last y
obtener cuál es el camino crítico.

Una vez calculado el camino crítico sabemos que la duración mínima para realizar el proyecto
es de 23,5 semanas, que antes es imposible acabarlo. De la misma manera sabemos que las
actividades críticas, aquellas que deberemos destinar más recursos a controlar ya que un
retraso de ellas nos retrasaran todo el proyecto, son A, C, E y G.

El PERT no sólo ordena y prioriza las actividades de un proyecto, sino que también tiene en
cuenta la incertidumbre en los plazos de realización, es decir, calcula la probabilidad de que un
acontecimiento se cumpla en la fecha prevista. Para que averiguar esta información debemos
estudiar la varianza y su distribución estadística.

La varianza nos da el grado de dispersión que tiene cada acontecimiento, es decir, la diferencia
entre su tiempo pesimista, normal u optimista.

Su formulación es la siguiente:

Cada triplete de números (optimista, más probable y pesimista) tiene una incertidumbre
asociada a su distribución que puede actuar más -o menos- en función de cómo incidan
diversas circunstancias. Esta incertidumbre viene reflejada por la varianza ( ). Cuanto mayor
sea la varianza de una actividad mayor será la incertidumbre para cumplir los plazos
establecidos. Veamos un ejemplo sencillo:

Ejemplo: Si una actividad tiene la siguiente tripleta de tiempo pesimista, normal y optimista: 3,
6 y 8. La dispersión es 0,69 evidentemente tiene mayor dispersión que si los tiempos fueran 5,
6 y 7, cuya varianza es de 0,11. Que la primera tripleta tenga mayor dispersión significa que los
tiempos están más alejados de la media esperada que es de 5,66 mientras que en el segundo
caso, la media esperada es de 6 y por tanto los tiempos están más cerca de la media.

En nuestro ejemplo tenemos los siguientes cálculos de la varianza:

Tema 4: Modelos de Optimización. Programación lineal

Al inicio de la Unidad, en el punto de inicio (Decisiones bajo certeza), nos habíamos referido a
la programación lineal, para construir modelos para resolución de estos tipos de problemas.

A continuación, vamos a dar dos ejercicios prácticos para la comprensión del tema. El primer
está referido a la maximización del resultado, con restricciones de tipo “menor o igual”, y el
segundo ejercicio se relaciona con la formulación de un problema de minimización con
restricciones del tipo “mayor o igual”:

Formulación de un Problema de Maximización con Restricciones del Tipo “Menor o Igual”:

En una planta industrial se elaboran dos modelos diferentes de productos (P1 y P2) utilizando
cantidades prefijadas de materia prima, mano de obra y equipos.

El producto P1 insume por unidad 1 kg. de materia prima, 1 hora de mano de obra y 2 horas de
máquina, mientras que el producto P2 insume por unidad 2 kg. De materia prima, 4 hora de
mano de obra y 1 hora de máquina.

Se desea determinar las cantidades de P1 y de P2 que se deben producir por mes para obtener
el máximo beneficio, sabiendo que la venta del producto P1 permite obtener un beneficio
unitario de $ 3 y el producto P2 un beneficio unitario de $ 5.

Si el problema estuviera planteado simplemente en estos términos, es evidente que carecería

de sentido, ya que si cada producto nos da un determinado beneficio y no existe en principio
ninguna limitación en cuanto a las cantidades disponibles de los recursos, la cantidad óptima a
producir sería infinita, pues permitiría obtener un beneficio total infinito.

Esta solución resulta obviamente irrealizable puesto que en la práctica todos los recursos están
sujetos a restricciones. Así por ejemplo:

Las condiciones del mercado pueden en ciertos casos impedir que la empresa adquiera más
que una determinada cantidad de materia prima.
Con respecto a la mano de obra la política de utilización del personal de la empresa pude
significar una limitación de la cantidad total de horas/hombre disponible.

En relación a los equipos, la estructura productiva de la empresa puede fijar las horas máximas
de horas/máquina disponible.

Todas estas restricciones en las cantidades disponibles de los recursos se traducen en

limitaciones de las cantidades a producir, determinadas por la demanda máxima que cada
producto tiene en el mercado, así como restricciones financieras de la propia empresa.

Supondremos entonces para este problema que las restricciones de materia prima son 500 kg
por mes, la mano de obra 800 horas por mes, y las de equipo 300 horas por mes.

Si llamamos x1 y x2 "el numero de unidades" a fabricar de los productos P1 y P2

respectivamente, podremos expresar matemáticamente las restricciones dadas. Como el
insumo de materia prima por unidad es de 1kg para el producto P1, si se elaboran x1 unidades
de este modelo la La Tabla 10.1 resume todos estos datos.

Insumo total será x1 kgr. Además para el producto P2 es de 2 kg por unidad, el respectivo
consumo ascenderá a 2 . x2 kgr. Luego, el consumo total mensual de materia prima disponible
por mes es de 500 kgr, por lo que podemos expresar en una inecuación como:

1 . x1 + 2 . x2 ≤ 500

Realizando un análisis similar para la mano de obra, tendremos:

1 . x1 + 4 . x2 ≤ 800

y repetimos el análisis para los equipos:

2 . x1 + 1 x2 ≤ 300
Además, de la naturaleza física de las variables, nunca x1 ni x2 pueden ser menor a cero (no se
puede fabricar cantidades negativas), o dicho de otra forma siempre:

x1 ≥ 0 y x2 ≥ 0

Tenemos así planteadas todas las inecuaciones que representan las restricciones del problema,
restándonos plantear la función que expresa el beneficio, que recibe el nombre de “ecuación
funcional o función objetivo”.

El beneficio que puede obtener la empresa se compone de dos partes: el beneficio parcial 3 .
x1 correspondiente a la producción de P1, y el beneficio parcial 5 . x2 que corresponde a la
producción P2.

Entonces si llamamos Z al beneficio total tendremos:

Z = 3 . x1 + 5. x2 (que toma valores diversos al variar x1 y x2)

De este modo el problema queda planteado en los siguientes términos: Determinar las
cantidades de x1 y x2 que satisfacen las restricciones:

y maximizar el valor del funcional: Z = 3x1 + 5x2 [máx.]

Resolució n grá fica e interpretació n

Trataremos de expresar gráficamente las expresiones anteriores. Comencemos por ver cuál es
la representación en coordenadas cartesianas de una expresión del tipo:

a1 . x1 + a2 . x2 ≤ B

La igualdad

a1 . x1 + a2 . x2 = B

Representa una recta en el par de ejes x1, x2, que puede ubicarse fácilmente calculando las
coordenadas de dos de sus puntos:

Para x1 = 0 ⟶ x2 = B/a2

Para x2 = 0 ⟶ x1 = B/a1

A continuación mostramos dicha recta, trazando además, un vector con origen en 0 y

componentes sobre x1 y x2 respectivamente iguales a a1 y a2, vector este que resulta muy útil
para representar la desigualdad tal como veremos a continuación:
Los puntos de la recta satisfacen la relación:

a1 . x1 + a2 . x2 = B

Mientras que la relación: a1 . x1 + a2 . x2 ≤ B, es satisfecha por el conjunto de puntos que

forman el semiplano que se encuentra a la izquierda de la recta (zona rayada).

Veamos ahora como se pude representar gráficamente el funcional:

Z = C1 . x1 + C2 . x2

Para cada valor fijo que se le asigne a Z, es obvio que la representación de la expresión anterior
en el par de ejes x1, x2 es una recta cuya pendiente queda perfectamente definida por los
coeficientes C1 y C 2.

Por ejemplo, para un valor de Z1 del funcional, la correspondiente recta puede representarse
determinando las coordenadas de dos de sus puntos:

1-Para x1 = 0, x2 = Z1/C2

2-Para x2 = 0, x1 =Z1/C1
Si ahora hacemos Z= Z2 > Z1, tendremos:

1- Para x1 = 0, x2 = Z2/C2 > Z1/C2

2- Para x2 = 0, x1 = Z2/C1 > Z1/C1,

que define otra recta paralela a la anterior y también perpendicular al vector, tal como se
muestra a continuación:
Por todo esto, surge que la pendiente de la recta depende únicamente de C1 y C2, que son
valores constantes.

Luego el funcional: Z = C1 . x1 + C2 . x2 representa todas las rectas paralelas de pendiente –

C1/C2.

Las pendientes de estas rectas pueden determinarse fácilmente con el valor de x2 en función
de x1 y de Z:

Z = C1. x1 + C2 . x2

Despejo el valor de x2:

Z - C1 .x1 = C2 . x2 ⟶ - C1 . x1 + Z = x2

C2 C2

Por lo tanto, todas las rectas perpendiculares al vector de componentes iguales (o

proporcionales) a C1 y C2.

Además vemos que al ir aumentando el valor del funcional, las rectas se van desplazando hacia
la derecha, es decir alejándose del origen de coordenadas en el sentido del vector, y por el
contrario, al ir disminuyendo se van desplazando hacia la izquierda.
Así el vector de origen en 0 y componentes C1 y C2 no solo nos define la dirección de las rectas
sino también el sentido de crecimiento del funcional.

Con todos estos elementos que nos ayudan al conocimiento podemos proceder a graficar las
restricciones y el funcional del problema numérico que estábamos tratando:

La primera restricción satisface todos los puntos del semiplano que está a la izquierda de la
recta r1; la segunda restricción por todos los puntos pertenecientes al semiplano que está a la
izquierda de r2, y la tercera restricción por todos los puntos pertenecientes la semiplano que
está a la izquierda de r3.

Las dos últimas restricciones (condición de no negatividad de las variables) indican que los
puntos deben estar ubicados en el primer cuadrante.

Quiere decir entonces que tal como se señaló anteriormente, cada restricción determina una
semiplano, y como en el problema se debe cumplir todas las restricciones simultáneamente,
solo podrán ser soluciones del mismo los pares de valores x1 ; x2 que definan puntos del plano
que cumplan la condición de pertenecer a todos los semiplanos anteriormente dichos.
El conjunto de esos puntos comunes a todos los semiplanos determina una zona que nuestro
ejemplo es la figura que se forma con los puntos OABC, denominada Poliedro Convexo de
Soluciones, que en este caso particulares un polígono por tratase de un espacio de dos
dimensiones (x1 y x2).

Todos los puntos pertenecientes al polígono OABC, incluidos los del contorno y los vértices,
son entonces puntos que representan los pares de valores x1 ; x2 que pueden ser soluciones
del problema, o en otras palabras son soluciones factibles, entendiéndose como tales las que
no violan ninguna restricción.

En nuestro problema serían todas las combinaciones de cantidades que se puede fabricar de
los productos P1 y P2, dentro de las limitaciones impuestas por la materia prima, mano de
obra y equipo disponible.

Debemos ahora seleccionar de todas estas soluciones factibles aquella que asegure el máximo
valor del funcional (Z = 3x1 + 5x2), es decir el punto del polígono o Poliedro Convexo de
Soluciones, para el cual se maximicen los beneficios.

Para ello nos bastará representar sobre el mismo gráfico las rectas “r” correspondientes al
funcional, cuya dirección puede obtenerse de acuerdo a lo explicado anteriormente, dibujando
el vector de componentes iguales o proporcionales a los coeficientes del funcional (por
ejemplo de componentes 100 y 166(*), que son proporcionales a 3 y 5).

Todas las rectas “r” perpendiculares a dicho vector son representativas del funcional para
distintos valores de Z, crecientes en el sentido del vector.

Luego como se busca que Z sea máximo, ello se conseguirá teniendo en cuenta que su valor va
creciendo a medida que la recta “r” (manteniéndose paralela a si misma) se va desplazando
hacia la derecha. Si se efectúa ese desplazamiento a los largo del polígono OABC, vemos
gráficamente que el punto del polígono que permite alcanzar el máximo valore de Z es el
vértice B.

Las coordenadas de ese punto son :

x1 = 57,14

x2 = 185,72

y constituye la solución óptima del problema analizado. La interpretación de ésta solución es

entonces que si se desea maximizar el beneficio deberán fabricarse 57,14 unidades del
producto P1 por mes ,y 185,72 unidades del producto P2 por mes, lo que implica pleno empleo
de las disponibilidades de mano de obra y equipo (ya que el punto B está sobre la intersección
de las rectas r2 y r3, que respectivamente son las restricciones de mano de obra y equipo). No
obstante el gráfico nos ayuda a observar que la recta r1, está por encima del punto óptimo,
pero como es una restricción de ≤ un punto del semiplano que forma también satisface la
solución óptima.
Se alcanza así un “Beneficio Máximo”:

Z = 3 . 57,14 + 5 . 185,72 = 1.100 $/mes.

El hecho que la solución que asegura el máximo valor del funcional se haya alcanzado sobre un
vértice del polígono, no es accidental. Un simple análisis del procedimiento seguido muestra
que la solución óptima se obtendrá siempre sobre un vértice o, en casos muy particulares,
sobre un lado del polígono.

(*) Se observa la proporción cuando 3/5 = 0,6 y 100/166 = 0,6

El número de incógnitas que estamos tratando, permite un análisis gráfico bidimensional (en
un eje cartesiano de dos dimensiones), pero es evidente que ello no es factible si aumenta el
número de incógnitas a xi > 2 (en cuyo caso el polígono convexo pasaría a ser un poliedro
convexo en el espacio “n” dimensional).

Por esta razón es necesario emplear métodos de cálculo numérico que permitan resolver
convenientemente el problema, teniendo presente que será imposible aplicar los métodos
comúnmente utilizados para resolver sistemas de ecuaciones lineales con igual número de
ecuaciones que de incógnitas, ya que por lo general en los problemas de programación lineal
hay más restricciones que incógnitas.

Resolució n por el método simplex

El Método Simplex, puede ayudarnos a facilitar los procedimientos para llegar a la solución
óptima. Este método que es un algoritmo fue desarrollado por el matemático norteamericano
George Dantzig en 1947, está basado en el mismo concepto (calculando el funcional
únicamente en los vértices del poliedro de soluciones), pero utilizando en forma sistemática
planillas de cálculo, que permite obtener con mayor seguridad y rapidez el desarrollo del
proceso numérico.

Con el mismo problema que venimos desarrolla en la Resolución Gráfica, abordaremos este
método:

Z = 3x1 + 5x2 + 0λ1 + 0λ2+ 0λ3 [máx]

El método Simplex comienza por expresar las ecuaciones y el funcional tal como se indica en la
planilla siguiente:
Los valores de Cj consignados en la tabla superior son, como es fácil ver, los coeficientes de las
variables Xj en el funcional, es decir C1 = 3 es el coeficiente de x1, C2 = 5 el de x2, los demás
coeficientes de la fila que son iguales a 0 corresponde a las variables de holgura o slacks (λ1,
λ2, λ3).

En las columnas xj y λj van los coeficientes de cada variable x y λ en las ecuaciones del sistema:
en la columna X1 los coeficientes de x1 en el sistema de ecuaciones, en la X2 los de x2, etc.

En la segunda columna se han indicado con el subíndice k las variables que son distintas de
cero, y que para la primera solución son como hemos visto λ1, λ2, λ3; en la primera columna
están los respectivos valores del funcional; y en la tercera columna los valores de dicha
variable, que en la primera solución coinciden, como sabemos, con el valor de la
disponibilidades de cada recurso:

λ 1 500

λ 2 800

λ 3 300

Para completar la tabla nos resta hallar los valores de última fila.

El primer valor de dicha fila, es decir el correspondiente a la columna B, es el valor del

funcional, que puede obtenerse sumando los productos del valor de cada variable por su
respectivo coeficiente en el funcional (en otras palabras sumando los productos de cada valor
de la columna Ck por el valor de la columna B que está en su misma fila):

Z = 0 . 500 + 0 . 800 + 0 .300 = 0

Los restantes valores de dicha fila se obtienen para cada columna Xj y λj sumando los
productos de cada coeficiente de la columna Ck por el coeficiente de la columna Xj o λj (según
corresponda y que esté en la misma fila) y restando a dicha suma el correspondiente valor de
Cj. Concretamente para cada columna será:

Para x1 = Z1 – C1 = 0 . 1 + 0 . 1 + 0 . 2 – 3 = -3

Para x2 = Z2 – C2 = 0 . 2 + 0 . 4 + 0 . 1 – 5 = -5

Para λ1 = Z3 – C3 = 0 . 1 + 0 . 0 + 0 . 0 – 0 = 0

Para λ2 = Z4 – C4 = 0 . 0 + 0 . 1 + 0 . 0 – 0 = 0

Para λ3 = Z5 – C5 = 0 . 0 + 0 . 0 + 0 . 1 – 0 = 0
Con estos valores podemos completar la planilla que habíamos comenzando anteriormente:

Es necesario puntualizar que los valores de Zj – Cj correspondiente a las columnas de las

variables que aparecen en la solución (variables no nulas) son siempre iguales a cero; en este
caso los de las columnas λ1, λ2 y λ3. Ello se debe a que los valores de Zj – Cj no son otra cosa
que los coeficientes de contribución marginal al beneficio de cada variable es decir, los
coeficientes que tienen en el funcional cambiados de signo.

La última fila o tabla, representa al funcional de la siguiente manera:

0 = Z – 3 . x1 – 5 . x2 – 0 . λ1 - 0 . λ2 – 0 . λ3

Esto se compadece con lo visto que en cada paso del proceso iterativo, las variables que
forman la solución básica factible tienen coeficientes nulos en el funcional.

Es también importante tener presente que las columnas correspondientes a dichas variables
están siempre formadas por un “1” en las respectiva fila y “0” en las restantes filas (por
ejemplo, en la columna λ1 hay 1 en la fila correspondientes a λ1, y sendos ceros las otras dos
filas).

El Método Simplex consiste en modificar esta tabla en forma iterativa, introduciendo otras
variables en la solución de tal manera que el funcional Z se vaya incrementando hasta llegar al
valor óptimo.

La variable a introducir en la solución en cada paso es aquella para la cual el correspondiente

valor de Zj – Cj es el mayor negativo…

Luego en esta etapa del proceso la variable a introducir es x2 ya que para ella es:

Zj – Cj = -5

Definida la variable a introducir, debemos determinar que variable debe salir de la solución.
Para ello si llamamos q (Thíta) al máximo valor que puede tomar la variable x2 sin violar la
condición de no negatividad de las restantes variables, dicho valor será el menor de los
siguientes cocientes:

Para λ1: q = 500/2 = 250

Para λ2: q = 800/4 = 200 (Mínimo)

Para λ3: q = 300/1 = 300

Vale decir que tomando x2 = 200 se anula λ2, manteniéndose λ1 y λ3 positivas. Esto indica
entonces que al entrar en la solución la variable x2, la variable que sale es λ2.
La regla que podemos enunciar es por consiguiente que para determinar la variable que debe
salir de la solución cuando entra otra variable, habrá que dividir cada coeficiente de la columna
B por los coeficientes de la columna de la variable que ingresó y que están en su misma fila; el
menor de dichos cocientes nos da el valor con que entra la nueva variable, y además nos indica
cuál es la variable a eliminar.

Ahora bien, como debe cumplirse que xj ≥ 0 y λj ≥ 0, es fácil ver que si al calcular los distintos
cocientes aparece un valor q < 0, la variable correspondiente no puede salir de la solución, ya
que para que se anulara sería necesario que la variable que entra tome el valor negativo, lo
cual es imposible.

Por lo tanto, para determinar la variable que sale habrá que considerar solamente aquellas
variables para las cuales el cociente q tiene valores positivos, o en otras palabras, aquellas
variables a las que corresponde un coeficiente positivo en la columna de la variable que entra,
ya que los coeficientes de la columna B son todos no negativos, y q, como hemos dicho es el
cociente de ambos.

Una vez determinada las variables a introducir y a eliminar, nos queda definida en la
intersección de la respectiva columna y fila un coeficiente que constituye el pivote de la
iteración.

En la TABLA 2 vemos que el valor del pivote es 4, en base al cual se puede calcular los
coeficientes correspondientes al segundo paso de la iteración, que se muestra en la tabla
siguiente:

Para construirla hemos partido de la TABLA 2, al entrar la variable x2 y salir la λ2, la solución
pasa a estar integrada por las variables λ1, x2 y λ3, que son las que aparecen en la columna Xk.
En la columna Ck vemos que la única modificación es que, en correspondencia con x2 aparece
el valor 5, que es el coeficiente de esta variable en el funcional.

Asimismo, y tal como lo habíamos señalado, en las columnas correspondientes a las variables
que están en la solución (es decir x2, λ1 y λ3) aparece un 1 en correspondencia con la fila de la
respectiva variable, y 0, en correspondencia con las demás filas, incluso en la fila Zj – Cj:

Z2 – C2 = 0 Z3 – C3 = 0 Z5 – C5 = 0

Minuciosamente veremos cómo pasamos de la TABLA 2 a la TABLA 3.

Para que en la columna X2 aparezca un 1 en la fila correspondiente a x2 (TABLA 3), como en
esa posición en la TABLA 2 estaba el pivote, es necesario dividir todos los coeficientes de esa
fila en la TABLA 2 por el valor del pivote:

Además debemos lograr que los coeficientes de la columna X2, sean nulos en la TABLA 3.

Para conseguirlo por ejemplo en la primera fila de la TABLA 2 el producto de todos los
coeficientes de la fila antes obtenida (es decir la correspondiente a x2 en la TABLA 3) por el
coeficiente de la columna X2 en dicha primera fila, es decir:

Repitiendo el cálculo para las restantes filas, podemos completar la TABLA 3.

En la práctica, para agilizar el proceso de cálculo y hacerlo más automático se razona del
siguiente modo:

Los coeficientes que tienen en la nueva tabla la fila de la variable que sale, se determinan
dividiendo los coeficientes de esa fila en la tabla anterior por el pivote; y los coeficientes que
forman la columna de la variable que entró en la nueva tabla, son todos ceros excepto el que
está en lugar del pivote, que vale 1.

En cuanto a los restantes coeficientes de la nueva tabla se determinan a partir de los

correspondientes coeficientes de la anterior tabla, teniendo en cuenta que cada uno de éstos
forma con el pivote la diagonal de un rectángulo cuyos otros dos vértices deben multiplicarse
entre sí, y luego dividirse por el pivote, para finalmente restar del coeficiente en cuestión el
valor que así resulta. Por ejemplo, si queremos hallar el coeficiente de la columna B y la fila λ1
de la TABLA 3, hay que considerar los siguientes coeficientes de la tabla anterior:

con ello operar del siguiente modo:

Cierre de la unidad

UNIDAD 6: DECISIONES BAJO RIESGO

Tema 1: Decisiones bajo riesgo

Tema 2: Concepto de riesgo. Riesgo y rentabilidad

Tema 3: Medición del riesgo

Tema 4: Teoría de la probabilidad

Tema 5: Herramientas de la decisión: árboles y matrices de decisión

Tema 6: Decisiones Bayesianas

Cierre de la unidad