MBA MÉTODOS CUANTITATIVOS PARA LA GESTIÓN

UNIDAD 1:

DETERMINISMO V/S ALEATORIEDAD

Alumna: Karen Franco Manriquez.

Docente: Marjorie Daphne Caldera Calvert.

Santiago, Julio del 2023

I. Introducción

El determinismo y la aleatoriedad son conceptos fundamentales en la modelización y la

comprensión de los fenómenos naturales y sociales. El determinismo es una teoría filosófica
que afirma que todos los hechos y acciones humanas están condicionados antes de que
estos sean ejecutados. Según la corriente determinista, todas las acciones que llevan a cabo
los seres humanos están basadas en una relación causa – efecto. Efecto que es
relativamente previsible, puesto que no es fruto del azar, sino que es un determinado hecho
(causa) quien lo motiva.1, por tanto, se puede inferir que el determinismo sostiene que todos
los eventos están determinados por causas anteriores, lo que implica que, dadas las mismas
condiciones iniciales, los resultados serán siempre los mismos. Por otro lado, empezaré
definiendo el término Aleatorio que se refiere a una característica que presenta todo aquello
que depende del azar, en otras palabras, es algo que no es certero, sino que presenta una
probabilidad de que lo sea2, con esto quiero decir que la aleatoriedad introduce la idea de
que existen elementos impredecibles y no determinados en los sistemas, lo que genera
incertidumbre en los resultados.

En el ámbito de los modelos matemáticos, es importante distinguir entre un modelo

matemático y un modelo determinístico. Un modelo matemático es una representación
simplificada de un fenómeno o sistema utilizando conceptos y relaciones matemáticas, éste
puede ser determinista o estocástico (que involucra aleatoriedad). Un modelo determinista
es un modelo matemático en el que dado un conjunto de parámetros y variables de entrada
va a producir siempre el mismo conjunto de variables de salida 3, es decir todas las variables
y parámetros están completamente definidos y no hay lugar para la incertidumbre o el azar
en el proceso. En tanto en el caso de un modelo estocástico los valores de las variables de
salida van a variar de unas ejecuciones del modelo a otras ya que se deja intervenir al azar.

En resumen, este trabajo tiene como objetivo comprender la diferencia entre el modelo
matemático y el modelo determinístico, así como la importancia de la aleatoriedad en la
construcción de modelos de negocios, aplicando estos modelos a un problema práctico de
nuestra elección y evaluando cómo cambiarían los resultados al introducir la aleatoriedad en
las variables involucradas.

II. Desarrollo

1.- Investigar dos modelos de concepción determinista (sugeridos, idealmente

programación lineal y modelo de punto de equilibrio, aunque pueden ser otros),
trabajar sus supuestos y aplicarlos a un problema practico elegido por usted.

Un modelo de programación lineal es una herramienta matemática para resolver

problemas de optimización, que se utiliza en diversos campos, como la economía, la
logística y la ingeniería, para tomar decisiones eficientes y maximizar los recursos
disponibles de programación matemática, siendo posible su aplicación en problemas
empresariales, como la asignación de recursos, la planificación de producción y la gestión de
inventario. Este modelo tiene las características que a continuación se indican:
a) Las variables de decisión son no negativas.
b) Las restricciones gi son una función afín de dichas variables.
c) La función objetivo es una función afín de las mismas variables.

1
Marín A. Economipedia (2021) “Determinismo”, fuente: https://economipedia.com/definiciones/
determinismo.html#:~:text=El%20determinismo%20es%20una%20teor%C3%ADa,en%20una%20relaci
%C3%B3n%20causa%20%E2%80%93%20efecto.
2
Westreicher G. Economipedia (2021) fuente: https://economipedia.com/definiciones/aleatorio.html#:
~:text=Aleatorio%20es%20una%20caracter%C3%ADstica%20que,ser%20usado%20en%20distintos
%20contextos.
3
“Modelos y modelización”. (Pag. 44) Recuperado: https://www.um.es/documents/4874468/10375216/ msa-
cap-04.pdf/7e53a0b7-fd27-4b11-ae0b-c26edbbf8c1e
2
 Cuando las características del modelo exigen que todas las variables de decisión sean
enteras, tenemos un modelo de programación (lineal) entera. Si sólo una parte de las
variables han de ser enteras, se trata de un modelo de programación (lineal) mixta.4

Este tipo de modelos se compone de tres elementos principales

a) Las variables que pueden ser variables de decisión que representan las magnitudes
que queremos optimizar o las magnitudes sobre las cuales podemos tomar decisiones
o las variables auxiliares que dependen de las variables de decisión y representan
magnitudes relevantes para el problema.
b) La función objetivo que es una expresión lineal que relaciona las variables definidas
con el valor que queremos optimizar (denotado como "z"). Cada variable tiene un
coeficiente asociado, que indica cómo varía el valor óptimo "z" por cada unidad de
incremento en la variable correspondiente, dependiendo del problema, se puede
maximizar o minimizar la función objetivo.
c) Las restricciones que son expresiones lineales que establecen limitaciones, entre
las variables, determinando el conjunto de valores posibles para éstas y se representa
como la región factible, pudiendo expresarse en ecuaciones o desigualdades.

El modelo determinista de programación lineal se basa en una serie de supuestos que

simplifican la realidad y permiten su aplicación siendo los más comunes los siguientes:
a) Proporcionalidad: Se asume que las relaciones entre las variables del problema son
lineales y proporcionales, esto implica que los cambios en las variables tienen un
impacto constante en las restricciones y en la función objetivo.
b) Aditividad: Se asume que las contribuciones individuales de las variables se pueden
sumar para obtener el resultado total, lo que implica que las restricciones y la función
objetivo se pueden expresar como combinaciones lineales de las variables.
c) Divisibilidad: Se asume que las variables pueden tomar cualquier valor real dentro
de un rango continuo, donde no se consideran restricciones de tipo discreto o de no-
negatividad estricta.
d) Certidumbre: Se asume que los datos y parámetros del problema son conocidos con
certeza y no están sujetos a variabilidad o incertidumbre.
e) Propiedad de optimalidad: Se asume que existe una solución óptima única para el
problema, es decir, una combinación específica de valores de las variables que
maximiza o minimiza la función objetivo sujeta a las restricciones.

Supongamos que una empresa fabrica dos productos: A y B. La empresa tiene

disponibles 120 horas de producción y 200 unidades de materia prima. Para producir un
producto A se requieren 3 horas de producción y 5 unidades de materia prima, mientras que
para producir un producto B se necesitan 4 horas de producción y 4 unidades de materia
prima. El producto A genera una ganancia de $8 por unidad, y el producto B genera una
ganancia de $10 por unidad.

El objetivo de la empresa es maximizar su ganancia total. Para modelar este problema en

programación lineal, definimos las variables de decisión:
x1 (cantidad de productos A producidos)
x2 (cantidad de productos B producidos).

La función objetivo sería: maximizar 8x1 + 10x2 (ganancia total)

Las restricciones serían:

- 3x1 + 4x2 ≤ 120 (restricción de horas de producción)
- 5x1 + 4x2 ≤ 200 (restricción de unidades de materia prima)
- x1 ≥ 0 (restricción de no negatividad para el producto A)
4
Suñé, A. Fonollosa, J. B. y Fernández, V. (2016). Programación lineal: métodos cuantitativos para la toma de
decisiones. Barcelona, Spain: Universitat Politècnica de Catalunya. Recuperado de
https://elibro.net/es/ereader/uniacc/61485?page=27.

3
- x2 ≥ 0 (restricción de no negatividad para el producto B)

Al resolver este modelo de programación lineal, se obtendría la cantidad óptima de

productos A y B que la empresa debería producir para maximizar su ganancia, sujeto a las
restricciones de tiempo y materia prima disponibles. En este caso se podrían graficar las
restricciones donde la restricción de horas de producción estaría dada por 3x1 + 4x2 ≤ 120
se puede representar en un plano cartesiano como una línea recta. Tomando dos puntos
extremos (0,30) y (40,0), podemos trazar la línea y la restricción de unidades de materia
prima: 5x1 + 4x2 ≤ 200 también se representa como una línea recta. Tomando dos puntos
extremos (0,50) y (40,0), trazamos la línea.

De igual forma se puede emplear el método de sustitución, donde primero se plantean

las restricciones:

1) Restricción de horas de producción: 3x1 + 4x2 ≤ 120

2) Restricción de unidades de materia prima: 5x1 + 4x2 ≤ 200

A continuación, sustituiremos una de las restricciones en la otra para encontrar el

valor de una variable en términos de la otra, despejando despejar x1 en términos de x2:

3x1 + 4x2 = 120

x1 = (120 - 4x2) / 3

Luego, sustituimos esta expresión en la otra restricción:

5((120 - 4x2) / 3) + 4x2 ≤ 200

(600 - 20x2 + 12x2) / 3 ≤ 200
(600 - 8x2) / 3 ≤ 200
(600 - 8x2) ≤ 200x3
- 8x2 ≤ 600 - 600
-8x2 ≤ 0

Dividimos ambos lados por -8 y cambiamos el signo de la desigualdad:

x2 ≥ 0

Ahora tenemos las restricciones para x1 y x2:

x1 = (120 - 4x2) / 3
x2 ≥ 0

Ahora podemos maximizar la función objetivo: 8x1 + 10x2 y sustituimos x1 en términos de x2

en la función objetivo:

8((120 - 4x2) / 3) + 10x2

(960 - 32x2 + 30x2) / 3
(960 - 2x2) / 3

Para maximizar la función objetivo, debemos encontrar el valor máximo de (960 - 2x2) / 3
sujeto a la restricción x2 ≥ 0. Observamos que a medida que x2 aumenta, el valor de la
función objetivo disminuye. Por lo tanto, para maximizar la función objetivo, debemos
seleccionar el valor máximo posible para x2 que aún cumpla la restricción x2 ≥ 0. En este
caso, el valor máximo posible para x2 es 0, ya que no hay restricción superior para esta
variable.

Sustituyendo x2 = 0 en la expresión (960 - 2x2) / 3, obtenemos:

4
(960 - 2(0)) / 3
(960-0)/3
320

Por lo tanto, la ganancia total máxima posible es de aproximadamente $106.67. En este

caso, la empresa debería producir 0 unidades del producto B y utilizar todas las 120 horas
de producción y 200 unidades de materia prima disponibles en la producción del producto A
para alcanzar la ganancia máxima. En este ejemplo, la empresa busca tomar decisiones
óptimas sobre la cantidad de productos A y B a producir para maximizar sus ganancias,
considerando las limitaciones de recursos. La programación lineal proporciona una
metodología estructurada y cuantitativa para abordar este tipo de problemas de optimización
en la toma de decisiones empresariales.

Por otro lado, el modelo de punto de equilibrio también conocido como análisis de
punto de equilibrio o análisis de costo-volumen-utilidad, es una herramienta utilizada en la
gestión empresarial para determinar el nivel de ventas necesario para cubrir todos los costos
y alcanzar el punto en el que los ingresos son iguales a los costos. El modelo de punto de
equilibrio se aplica en diversas industrias y sectores empresariales para evaluar la viabilidad
de un negocio, determinar los niveles de producción y ventas necesarios, tomar decisiones
estratégicas relacionadas con precios, costos y volúmenes, y evaluar el impacto de cambios
en los costos o precios en la rentabilidad.

Según Horngren, et al. (2018), el punto de equilibrio se define como el nivel de ventas
donde los ingresos totales son iguales a los costos totales. 5 Esto implicaría que no se
generan ganancias ni pérdidas, siendo un punto crítico en el cual la empresa cubre todos
sus gastos, tanto los costos fijos como los costos variables, pero no obtiene beneficios.

El análisis de punto de equilibrio se basa en la relación entre los ingresos, los costos y el
volumen de ventas, utilizando la fórmula del punto de equilibrio en unidades, que permite
calcular la cantidad de unidades que deben venderse para alcanzar el punto de equilibrio.

Punto de Equilibrio en Unidades = Costos Fijos / (Precio de Venta por Unidad -

Costo Variable por Unidad)

Los supuestos más comunes del modelo de punto de equilibrio son los siguientes:

a) Costos fijos: Se asume que existen costos que no varían con el nivel de producción
o ventas, que incluyen elementos como el alquiler, salarios fijos, gastos de
mantenimiento, entre otros.
b) Costos variables: Se asume que existen costos que varían directamente con el nivel
de producción o ventas, estando relacionados con la producción de bienes o servicios
y pueden incluir materias primas, mano de obra directa, energía, entre otros.
c) Volumen de ventas: Se asume que el volumen de ventas es la variable clave que
afecta los ingresos y los costos, considerando que el precio de venta unitario es
constante.
d) Homogeneidad del producto: Se asume que todos los productos vendidos son
idénticos y se venden al mismo precio. No se considera la existencia de diferentes
productos o segmentos de mercado con precios variables.

5
Horngren, C. T., Datar, S. M., Rajan, M. V., Beaubien, S. E., Graham, J. R., & Srikant, D. (2018). Cost
Accounting: A Managerial Emphasis. Pearson.

5
 e) Comportamiento lineal: Se asume que los costos fijos y variables varían de manera
lineal con el nivel de producción o ventas, lo que implica que los costos totales
pueden representarse mediante una función lineal.

Supongamos que tenemos un negocio de venta de camisetas en Chile. Los costos fijos
mensuales del negocio son de $200.000 pesos chilenos, que incluyen el alquiler del local y
los gastos de mantenimiento. El costo variable por camiseta es de $500 pesos, que incluye
el costo de producción y los materiales. El precio de venta por camiseta es de $1.500 pesos.
Para determinar el punto de equilibrio en unidades, utilizaremos la fórmula antes indicada:

$200.000 / ($1.500 - $500)

$200,000 / $1,000
200 unidades

Esto significa que se deben vender al menos 200 camisetas para cubrir todos los
costos y alcanzar el punto de equilibrio. Si se venden menos de 200 camisetas, se estará
operando en pérdida, ya que los ingresos no serán suficientes para cubrir todos tus costos.
Por otro lado, si se venden más de 200 camisetas, se estarán generando ganancias, ya que
los ingresos superarán los costos. El modelo de punto de equilibrio te proporciona
información importante para la toma de decisiones en tu negocio. Te permite evaluar la
rentabilidad y determinar cuántas unidades debes vender para alcanzar tus objetivos
financieros. Además, te ayuda a identificar oportunidades para reducir costos, aumentar el
precio de venta o ajustar tu estrategia de producción.

2. Evaluar como cambiarían sus resultados al agregar un comportamiento aleatorio

para cada una de las variables (x1, x2,….xn), que en ellos intervienen. Para realizar su
trabajo, realice todos los supuestos necesarios para su respuesta

La aleatoriedad puede surgir debido a factores externos, como la demanda fluctuante, la

incertidumbre en los precios de los insumos o la variabilidad en la oferta. Al agregar
comportamientos aleatorios a las variables, podremos obtener una visión más realista de las
posibles fluctuaciones y riesgos asociados al problema.

En el caso de la fábrica dos productos: A y B en la programación lineal, si se introduce un

comportamiento aleatorio en las variables x1 y x2, es decir, si se considera que estas
variables son variables estocásticas en lugar de valores deterministas, los resultados del
problema de optimización pueden cambiar significativamente al considerar diferentes
escenarios posibles y tener en cuenta la incertidumbre asociada a las variables, debiéndose
evaluar la distribución de probabilidad de los posibles valores que pueden tomar, para lo cual
se deberían realizar supuestos adicionales, como especificar la distribución de probabilidad
de las variables y determinar parámetros como la media y la desviación estándar.

En el supuesto de distribuciones de probabilidad de las variables, se deben especificar

las distribuciones de probabilidad para las variables x1 y x2, así, por ejemplo, se podría
suponer que siguen una distribución uniforme o una distribución normal. En tanto en el
supuesto de estimación de parámetros se puede utilizar una distribución de probabilidad
específica, estimando los parámetros correspondientes a partir de datos históricos o
conocimientos expertos. Otro supuesto aplicable es la independencia, donde se supone que
las variables x1 y x2 son independientes entre sí, es decir, el valor que toma una variable no
afecta la distribución de la otra variable. Una vez establecidos estos supuestos, se puede
proceder a realizar análisis de riesgo y simulaciones para evaluar el impacto de la
aleatoriedad en los resultados, para evaluar las posibles consecuencias y la probabilidad de
que ocurran ciertos escenarios.

Una vez que se establecidos los supuestos de distribución de probabilidad, se puede

usar técnicas de programación estocástica, como son la programación estocástica robusta o
la programación estocástica basada en escenarios, para resolver el problema. Además, el

6
análisis de riesgo se vuelve importante en este caso, ya que permite Se pueden utilizar
técnicas como el análisis de sensibilidad o la simulación Monte Carlo para explorar
diferentes combinaciones de valores y determinar cómo afectan la ganancia total.

En el caso de las camisetas en el punto de equilibrio si se agrega un comportamiento

aleatorio a las variables que intervienen en este ejemplo, los resultados podrían cambiar de
la siguiente manera:

a) Costos fijos: Si se introduce aleatoriedad en los costos fijos, esto podría implicar
fluctuaciones en el alquiler del local y los gastos de mantenimiento. En cada período,
los costos fijos podrían variar aleatoriamente dentro de un rango determinado, esto
significa que cada vez que se realiza el cálculo del punto de equilibrio, los costos fijos
podrían tomar diferentes valores.
b) Costo variable por unidad: Si se introduce aleatoriedad en el costo variable por
camiseta, esto podría deberse a variaciones en el costo de producción y los precios
de los materiales, porr ejemplo, el costo de producción podría verse afectado por
cambios en los precios de los insumos o por fluctuaciones en la eficiencia del proceso
productivo. En cada período, el costo variable por unidad podría tomar diferentes
valores aleatorios.
c) Precio de venta por unidad: Si se introduce aleatoriedad en el precio de venta por
camiseta, esto podría deberse a factores como la demanda del mercado, la
competencia o cambios en las preferencias de los clientes, en cada período, el precio
de venta por unidad podría variar aleatoriamente dentro de un rango determinado.

Al agregar comportamiento aleatorio a estas variables, los resultados del punto de

equilibrio también serán afectados, ya que cada vez que se realice el cálculo del punto de
equilibrio, se obtendrá un valor diferente debido a las variaciones aleatorias en los costos
fijos, el costo variable por unidad y el precio de venta por unidad, lo que implicaría que el
punto de equilibrio no será un valor fijo, sino que se volverá un concepto más dinámico y
sujeto a la incertidumbre, siendo necesario utilizar técnicas de análisis de riesgo o
simulación para evaluar la variabilidad de los resultados y tomar decisiones basadas en
escenarios probabilísticos.

III. Conclusiones:

Al considerar la aleatoriedad en nuestros modelos, estaremos mejor equipados para

tomar decisiones informadas y desarrollar estrategias empresariales más resilientes y
flexibles. La incorporación de la incertidumbre nos permitirá evaluar los riesgos, identificar
oportunidades y adaptarnos a cambios imprevistos en el entorno empresarial.

IV. Referencias:
 Brigham, E. F., & Houston, J. F. (2018). Fundamentos de administración financiera.
Cengage Learning.

 Hillier, F. S., & Lieberman, G. J. (2014). Introduction to Operations Research.

McGraw-Hill Education.

 Horngren, C. T., Datar, S. M., Rajan, M. V., Beaubien, S. E., Graham, J. R., & Srikant,
D. (2018). Contabilidad de costos: Un enfoque gerencial. Pearson.

7
 Marín A. Economipedia (2021) “Determinismo”, fuente:
https://economipedia.com/definiciones/determinismo.html#:~:text=El%20determinismo
%20es%20una%20teor%C3%ADa,en%20una%20relaci%C3%B3n%20causa
%20%E2%80%93%20efecto.

 “Modelos y modelización”. (Pág. 44) Recuperado:

https://www.um.es/documents/4874468/10375216/ msa-cap-04.pdf/7e53a0b7-fd27-
4b11-ae0b-c26edbbf8c1e

 Suñé, A. B. Fonollosa, J. y Fernández, V. (2016). Programación matemática y

programación lineal. En Programación lineal: métodos cuantitativos para la toma de
decisiones (pp.25-33). Universitat Politècnica de Catalunya.

 Taha, H. A. (2011). Operations Research: An Introduction. Pearson Education.

 Westreicher G. Economipedia (2021) fuente:

https://economipedia.com/definiciones/aleatorio.html#: ~:text=Aleatorio%20es%20una
%20caracter%C3%ADstica%20que,ser%20usado%20en%20distintos%20contextos.