República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Superior.

Universidad Nacional Experimental Rafael María Baralt.

Cabimas- Estado Zulia.

Unidades II y III:

Toma de decisiones en condiciones de certeza y

de riesgo.

Realizado por:

Luis Villarroel.

C.I: 28.128.615.
 Índice.

1. Portada.
2. Índice.
3. Introducción.
4. Desarrollo:
 Toma de decisiones en condición de certeza.
 Toma de decisiones en condición de riesgo.
5. Conclusión.
 Introducción.

A diario, los gerentes y cabezas de organización se encuentran con diversos

casos planteados de manera distinta y en diferentes escenarios o contextos. Este
tipo de personas, deben ser capaces de asumir el rol de trabajar bajo presión y
poder tomar decisiones tanto en condiciones óptimas y certeras, como en
condiciones de riesgo.

La recompensa será la ganancia empresarial si la decisión ha sido la correcta o

pérdida empresarial si la decisión fue errónea.
 Desarrollo

Parte 1: Toma de decisiones en condiciones de certeza.

1. Características de los problemas de decisiones en contextos ciertos.

Sucede cuando el decisor se enfrenta a una situación en la que existen cursos de

acción alternativos, cada uno de los cuales arroja un resultado único
perfectamente conocido de antemano. Esto sucede en virtud de que se conoce
con exactitud el estado natural que ocurrirá.

Para este tipo de problemas las Matrices de Decisión tienen tantas filas como
cursos de acción disponibles y una columna de resultados correspondientes al
único estado natural existente.

2. Uso de la programación lineal.

Algunos problemas que se desenvuelven en condiciones de certeza, son

susceptibles son el uso de la programación lineal. Esto sucede cuando dichos
problemas apuntan hacia un objetivo o meta cuyo alcance está sujeto a una serie
de restricciones que implican relaciones entre variables que pueden ser
representadas a través de un sistema de ecuaciones e inecuaciones lineales. Una
vez representado el problema según un modelo matemático de tales
características, se procede a darle solución por medio de algún método inherente
a este tipo de programación dependiendo de la naturaleza del modelo. De acuerdo
a lo dicho, la programación lineal busca representar problemas reales a través de
modelos matemáticos con el propósito posterior de darles solución.

3. Modelos de programación lineal.

 Método gráfico: es un procedimiento de solución de problemas de
programación lineal muy limitado en cuanto al número de variables (2 si es un
gráfico 2D y 3 si es 3D) pero muy rico en materia de interpretación de
resultados, e incluso, análisis de sensibilidad. Este consiste en representar
cada una de las restricciones y encontrar en la medida de lo posible el polígono
(poliedro) factible, comúnmente llamado el conjunto solución o región factible,
en el cual, por razones trigonométricas, en uno de sus vértices, se encuentra la
mejor respuesta (solución óptima). Ejemplo:
 Método simplex: es un método analítico de solución de problemas de
programación lineal, capaz de resolver modelos más complejos que los
resueltos mediante el método grafico sin restricción en el número de variables.

El método simplex es un método iterativo que permite ir mejorando la solución en

cada paso. La razón matemática de esta mejora radica en que el método consiste
en caminar del vértice de un poliedro a un vértice cecino de manera que aumente
o disminuya (según el contexto de la función objetivo, sea maximizar o minimizar)
dado que el número de vértices que presenta un poliedro solución es finito
siempre se hallara solución.

Este popular método fue creado en el año de 1947 por el estadounidense George
Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el ánimo de crear un
algoritmo capaz de solucionar problemas de m restricciones y n variables.
 Método de las 2 fases: Es una variante del Algoritmo simplex, que es usado
como alternativa al Método de la gran M, donde se evita el uso de la constante
M para las variables artificiales. Se puede resumir así:

Fase 1: Minimizar la suma delas variables artificiales del modelo. Si el valor de la z

óptima es 0, se puede proseguir a la fase 2, de lo contrario, el problema no tiene
solución.

Fase 2: Con base en la tabla reclinable de la fase 1, se elimina de las restricciones

las variables artificiales y se reemplaza la función objetivo por la función objetivo
original y se resuelve a partir de la resultante, con el método simplex tradicional.

 Método de transporte: Es una técnica cuantitativa creada para minimizar los

costos asociados a la distribución de un bien o servicio desde diferentes
orígenes hasta diferentes destinos. Las condiciones de linealidad están
presentes, como en cualquier técnica de programación lineal. Debido al éxito
alcanzado en los sistemas de transporte, esta técnica se utilizó posteriormente
en otros sistemas. En ellos, el problema no implica transporte físico de bienes,
pero existen relaciones lineales, y el modelo formulado tiene las características
de un modelo de transporte. El modelo usado en esta técnica es un modelo
lineal, con características especiales, llamado modelo lineal de transporte. Las
características que hacen del modelo lineal de transporte un modelo de
programación lineal especial son: a) los coeficientes de las variables, en las
restricciones, son 1 o 0 y b) las cantidades demandadas deben ser iguales a
las cantidades ofrecidas para poder solucionar el modelo.
 Método de asignación: El problema de asignación es un tipo especial de
programación línea en el que los asignados son recursos destinados a la
realización de tareas. Por ejemplo, los asignados pueden ser empleados a
quienes se tiene que dar trabajo. La asignación de personas a trabajos es una
aplicación común del problema de asignación. Sin embargo los asignados no
tienen que ser personas. También pueden ser maquinas, vehículos o plantas.

En definitiva, la formulación de un problema de asignación puede considerarse

como un caso especial del modelo de transporte.

Unidad II.

Parte 2: Toma de decisiones en condiciones de riesgo.

1. Características de los problemas de decisiones en contextos de riesgo o

incertidumbre parcial: La toma de decisiones en condiciones de riesgo,
sucede cuando el decisor se enfrenta a una situación de decisiones en
la que uno o más estados de la naturaleza son relevantes, cuando se
pueden identificar todos los estados naturales pertinentes y se pueden
asignar probabilidades de ocurrencias a cada uno de los mismos. Las
probabilidades pueden calcularse con base en criterios matemáticos o
subjetivos.
Para este tipo de problemas, las Matrices de Decisión tienen tantas filas como
cursos de acción disponibles y tantas columnas como estados naturales
existentes con probabilidad de ocurrencia diferente de 0.

Estos problemas se presentan con frecuencia en los niveles de gerencia media

y alta de la organización.

Existen algunos criterios que pueden utilizarse para tomar decisiones en

condiciones de riesgo, entre ellos, el del Valor Monetario Esperado, el
Bayesiano y el de Utilidad Esperado. Para comprenderlos y aplicarlos se
requiere el dominio de algunos conceptos estadísticos básicos, razón por la
cual, a continuación, pasamos a revisar algunos.

2. Conceptos estadísticos básicos:

 El cálculo de las probabilidades puede definirse como el modelo
matemático de las regularidades que se observan en las series de
frecuencias correspondientes a los fenómenos aleatorios.
 Un experimento aleatorio es cualquier acción bien definida mediante la cual
observamos o medimos un fenómeno real de interés. Desde el punto de
vista de la Teoría de Probabilidades, los resultados que se producen a partir
de un experimento aleatorio están totalmente sujetos al azar.
 Un suceso aleatorio es cada uno de los resultados posibles de un
experimento aleatorio.
 Los eventos elementales son los resultados de un experimento aleatorio
que no se pueden expresar en términos de otros resultados más sencillos.
Cada evento elemental, designa un resultado simple del experimento
aleatorio considerado, y cada resultado simple se representa por un solo
evento elemental.
 El espacio de eventos o espacio muestral es aquel que se forma por el
conjunto de eventos elementales del experimento aleatorio considerado, los
cuales deben ser mutuamente excluyentes y totalmente exhaustivo. El
espacio de eventos es comúnmente denotado con la letra “S”.
  Los eventos compuestos o derivados de otros eventos se obtienen sobre
una base de combinaciones de los eventos elementales. Por lo tanto, un
evento compuesto es un subconjunto del espacio de eventos.
3. Criterio de decisión del valor monetario esperado: En la aplicación del
modelo del valor esperado de una variable aleatoria a cada una de las
estrategias de una matriz de decisiones especifica en donde los
resultados representan valores monetarios y cuyos estados naturales
tienen asignada una probabilidad de ocurrencia determinada. El
resultado obtenido para cada estrategia es el valor monetario de la
misma, en consecuencia, la estrategia que deberá seguir el decisor será
aquella que reporte el resultado esperado óptimo según el criterio de
decisión elegido.

En resumen, el criterio del valor monetario esperado consiste en seleccionar el

curso de acción que reporta el resultado esperado óptimo dependiendo del criterio
de decisión utilizado.

El procedimiento a seguir para aplicar este criterio es el siguiente:

 Construir la matriz de decisiones respectiva.

 Calcular el valor monetario esperado para cada estrategia de la matriz según la
formula VME (Ai)= £Rij x P (Ej).
 Seleccionar la estrategia que reporte el mayor VME si se está maximizando
beneficios o la estrategia que reporte el menor VME si se está minimizando
costos.
4. Sistema de decisión Bayesiano: Es muy parecido al criterio de decisión
del Valor Monetario Esperado con la diferencia de que las
probabilidades de los estados naturales se asignan de forma subjetiva.
5. Criterio de utilidad esperada: Como puede apreciarse en el ejercicio
anterior, el criterio del VME o Bayesiano puede conllevar a tomar
decisiones que optimizan consecuencias monetarias, pero no toman en
cuenta otras consideraciones de carácter subjetivo (actitud hacia el
riesgo, posibilidad de bancarrota, prestigio personal, contribución de la
organización a la comunidad, entre otros) que con frecuencia
determinan los resultados preferibles y por ende la selección del curso
de acción que los contiene. El Criterio de la Utilidad Esperada pretende
incluir estos factores en el análisis de decisiones a través de la
asignación de un índice de utilidad o preferencias a cada uno de los
resultados asociados a una matriz de decisiones (el basamento teórico
de esta asignación lo encontramos en la Teoría Estadística de las
Loterías).luego se pondera cada estrategia multiplicando la probabilidad
de sus resultados por los índices de utilidad correspondientes y se
selecciona aquella que resulte en una mayor utilidad esperada. Es
importante destacar que los índices de utilidad asignados a cada
resultado indican la preferencia que se tiene por cada uno de ellos, no
se refieren a la ganancia contable que pudiesen arrojar como
comúnmente se entiende.
 Conclusión.

El rumbo, éxito y declive de una empresa pende de un hilo de los agentes

decisores. Estos, bajo condiciones de riesgo o incertidumbre deberán tomar
medias y métodos bajo los cuales basarse y posteriormente hacer lo que
consideren conveniente. Por ellos, más allá del raciocinio, el tomar decisiones es
una ciencia compleja o muy simple desde donde se vea, la cual debe ser
profundizada y puesta en práctica de manera correcta.