MTODOS CUANTITATIVOS DE

NEGOCIOS
SEMANA 01 Y 02

METODOS
CUANTITATIVOS
Los Mtodos
Cuantitativos
construyen modelos de
sistemas reales
tratando de llegar a
unos resultados
cuantitativos que
sirvan de base a
decisiones
econmicas, tcnicas,
sociales y militares

METODOS CUANTITATIVOS
La premisa principal de los Mtodos Cuantitativos es que
la toma de decisiones, sin hacer caso de la situacin en
concreto, pueda considerarse como un proceso
sistemtico en general con los siguientes pasos
principales:
1. Definicin del problema.
2. Bsqueda de diferentes alternativas de accin.
3. Evaluacin de alternativas.
4. Seleccin de una alternativa.

METODOS CUANTITATIVOS
Los Mtodos Cuantitativos se aplican a problemas
que se refieren a la conduccin y coordinacin de
operaciones o actividades dentro de una
organizacin de tipo ejecutivo .
La naturaleza de la organizacin es esencialmente
inmaterial y, de hecho, los mtodos se han
aplicado en los negocios, la industria, la milicia, el
gobierno, los hospitales, etc. As, la gama de
aplicaciones es extraordinariamente amplia.

CONOCIMIENTO Y TOMA DE
DECISIONES

La situacin econmica y social que caracteriza a

la sociedad moderna, genera profundos cambios
en las organizaciones, las cuales se estn
preparando para ser ms flexibles y establecer
estrategias que les permitan adaptarse al
entorno altamente turbulento en el que
desarrollan sus acciones.

CONOCIMIENTO Y TOMA DE
DECISIONES
Ante ambientes tan inestables como los que estamos
viviendo y debido a la imposibilidad de actuar a ciegas,
los miembros de la organizacin y, en particular, su alta
gerencia, necesitan manipular grandes volmenes de
informacin para cumplir sus funciones esenciales.
Esto conlleva a la necesidad de implementar nuevas
prcticas administrativas dirigidas a garantizar el xito
organizacional, y entre ellas, la toma de decisiones
soportada en el anlisis de informacin, resulta
vital para los intereses de cualquier
organizacin.

INFORMACION EN LAS
ORGANIZACIONES
La segunda mitad del siglo XX fue testigo de algunos
hechos concretos que propiciaron grandes cambios,
entre ellos: la aparicin de las computadoras, el
crecimiento acelerado de su velocidad de
procesamiento
y
la
capacidad
para
el
almacenamiento de datos, la facilidad de
interconexin y la aparicin de la gran red de
redes: Internet.

INFORMACION EN LAS
ORGANIZACIONES
Sin duda, ello ha posibilitado disponer de servicios de
acceso en lnea a bases de datos y ha provocado una
gran explosin de informacin que rebasa la
capacidad de procesamiento de las organizaciones,
obligando a la bsqueda de herramientas para el
manejo de grandes volmenes de informacin.

TOMA DE DECISIONES Y
RACIONALIDAD

La toma de decisiones es
el campo de mayor
trascendencia para el ser
humano. Es una ciencia
aplicada que ha
adquirido notable
importancia y es
fundamental en los
negocios.

TOMA DE DECISIONES Y
La toma de decisiones
RACIONALIDAD

puede
conceptualizarse,
entonces,
como
una
actividad imprescindible
en las organizaciones,
con un significado especial
para todos sus niveles,
porque
es
parte
fundamental e inherente a
todas
las
dems

TOMA DE DECISIONES Y
Sabido es queRACIONALIDAD
actualmente, en el marco de las
organizaciones, muchas decisiones se toman
sin considerar explcitamente las etapas de ese
proceso o los mtodos cuantitativos y
cualitativos existentes en las distintas ramas, y
que las tradiciones, los hbitos, la propia
intuicin y la experiencia de un directivo,
desempean una funcin importante en la
forma en que se pretende solucionar los
problemas.

TOMA DE DECISIONES Y
En el procesoRACIONALIDAD
de toma de decisiones no

siempre se dispone, en el momento preciso, de

toda la informacin requerida, y mientras ms
compleja sea la decisin, ms difcil resultar
conocer todas las alternativas. Adems, aunque
quien tome la decisin trate de ser objetivo, no
siempre ser posible lograrlo. Debido a ello, no
se puede esperar que las personas acten en
forma completa y estrictamente racional,
cuando se enfrentan a la ineludible necesidad

TOMA DE DECISIONES Y
La mayora deRACIONALIDAD
los que tienen esta
responsabilidad, intentan tomar sus
decisiones dentro del marco de la
racionalidad, aunque no siempre
esto es posible debido a que se
enfrentan a un mundo real, muy
complejo, en el que las limitaciones
de informacin, tiempo e
incertidumbre, limitan
considerablemente el uso de la

TOMA DE DECISIONES Y
RACIONALIDAD
Un elemento importante
que debe ser considerado en
este proceso, es el hecho de que el decisor se comporta
racionalmente, slo en funcin de aquellos aspectos de la
situacin que logra percibir y conocer, por lo que aquellas
variables no advertidas o de las que no se ha percatado,
aunque influyan en el resultado, no son consideradas en
el proceso decisional. Por otro lado, mientras mayor sea
la calidad de la informacin que se disponga, mayor ser
tambin el aporte de elementos de juicio sobre el
problema a resolver, lo que incrementa la probabilidad de
que la decisin sea ms racional y saludable para el logro
del objetivo deseado.

TOMA DE DECISIONES Y
RACIONALIDAD
Adicionalmente, es necesario considerar que las
personas que toman decisiones, poseen
preferencias, prejuicios, predisposiciones, gustos y
desagrados que, sin nimo de disertar sobre la
psicologa del ser humano, deben reconocerse
como caractersticas intrnsecas del individuo, por
lo que la persona que realmente desee tomar una
decisin acertada requiere: a) conocer todas las
alternativas; b) ser objetivo; y c) estar informado.

TOMA DE DECISIONES Y
RACIONALIDAD

En consecuencia, los datos, la

informacin y el conocimiento son
elementos fundamentales para la
toma de decisiones en las
organizaciones. Estos tres elementos
forman un sistema jerrquico, siendo
importante establecer cmo se
relacionan y los aspectos que los
diferencian.

TOMA DE DECISIONES Y
RACIONALIDAD
Los datos como ingredientes
en bruto, sin significado y
desvinculados de la realidad,
resultan incapaces de
esclarecer cualquier estado
de incertidumbre,
constituyen la materia prima
de la informacin.

TOMA DE DECISIONES Y
RACIONALIDAD

Los datos se vinculan con los registros

estructurados de hechos significativos que,
analizados y convertidos en informacin,
representan actividades comerciales,
oportunidades de compra/venta, informacin
sobre el mercado, sobre los competidores,
etctera. Es decir, son la principal fuente para la
obtencin de informacin valiosa para el
proceso de toma de decisiones.

TOMA DE DECISIONES Y
RACIONALIDAD
La informacin est
representada por los
datos que adquieren un
mayor significado luego
de que se codifican y se
transmiten, en un
lenguaje comprensible
para el usuario.

TOMA DE DECISIONES Y
RACIONALIDAD
La informacin se considera, entonces, como el
conjunto de datos que se han procesado,
automtica o manualmente, y que estn
provistos de un significado (relevancia y
propsito) que los convierte en tiles para quien
debe decidir.

TOMA DE DECISIONES Y
RACIONALIDAD
La calidad de la informacin depende de la
calidad de los datos y de la capacidad de quien
la procese. Para la toma de decisiones, la
informacin estima y reduce la incertidumbre,
puede sugerir otras alternativas de decisin y
eliminar otras; estimula la accin y anticipa sus
consecuencias.

TOMA DE DECISIONES Y
RACIONALIDAD
La informacin es un agente
importante en la
modificacin de las
conductas existentes en la
organizacin y un recurso
vital para el desarrollo de la
organizacin.

TOMA DE DECISIONES Y
RACIONALIDAD

Su correcta gestin es una herramienta fundamental

para la toma de decisiones, la informacin del
personal, la evaluacin de los productos, la
determinacin de los errores y el control de los
procesos.
La informacin es un recurso, un valor y un activo,
igual que cualquier otro; y como recurso, tiene
caractersticas que lo hacen similar a los dems, es
decir, que se adquiere a un costo, posee un valor,
requiere del control de sus costos y tiene un ciclo de
vida.

ORGANIZACIN: GESTION Y
PROCESOS DE DECISION
El trabajo profesional vinculado a la informacin en
cualquier organizacin, exige el dominio de un
conjunto de variables que estn presentes en su
tratamiento. Asimismo. el dominio de las funciones
de gestin y de algunas de las principales
herramientas que han sido desarrolladas en las
ltimas dcadas, no deviene en mero elemento
cultural del profesional que maneja informacin,
sino en una imperiosa necesidad.

ORGANIZACIN: GESTION Y
PROCESOS DE DECISION
El acceso rpido y eficiente a una informacin
confiable y precisa, permite adoptar una
posicin adecuada a la hora de tomar una
decisin para solucionar un problema con un
menor costo.

ORGANIZACIN: GESTION Y
PROCESOS DE DECISION
Las organizaciones precisan gerenciar
inteligentemente todos sus procesos y recursos.
Por esto, debe hacerse una eficaz y efectiva
gestin de la informacin y del conocimiento, de
modo que propicie una adecuada toma de
decisiones.

ORGANIZACIN: GESTION Y
PROCESOS DE DECISION

"...As la eficiencia est dirigida hacia la mejor

manera por la cual las cosas deben hacerse o
ejecutarse (mtodos), a fin de que los recursos
(personas, mquinas, materias primas) se
empleen de la forma ms racional posible La
eficiencia se preocupa por los mtodos y
procedimientos ms indicados que necesitan
planearse y organizarse adecuadamente con el
fin de asegurar el perfeccionamiento del uso de
los recursos disponibles".

ORGANIZACIN: GESTION Y
PROCESOS DE DECISION

En este mismo orden de ideas, cabe sealar

que toda organizacin que se proponga
alcanzar
la
eficacia
y
la
eficiencia
organizacionales necesarias, debe desarrollar
un fuerte proceso decisorio.

ANALISIS DE LA INFORMACION

El anlisis de la informacin puede definirse

como un proceso mediante el cual se define
las necesidades del estudio, se busca
informacin, se validan las fuentes, se procesa
la informacin, se integra y se presenta
resultado.

ANALISIS DE LA INFORMACION

El anlisis de informacin es el mtodo de

investigacin que registra lo que contienen y
descubre su significado profundo tras la forma
en que se presentan, para contribuir a la toma
de decisiones.

ANALISIS DE LA INFORMACION

De forma general, el anlisis de la informacin es un

proceso de carcter continuo y sistmico de
transformacin de la informacin en conocimiento y
de este ltimo, en decisiones estratgicas. En otras
palabras, buscan extraer conocimiento por medio de
mtodos y tcnicas, tanto cuantitativos como
cualitativas, para proporcionar informacin til y
valiosa al primer nivel de direccin, para la oportuna
toma de decisiones y, consecuentemente, para la
obtencin de ventajas competitivas.

ANALISIS DE LA INFORMACION

La toma de decisiones est basada en el anlisis de los datos y la

informacin, por lo que deben asumirse ciertas consideraciones
claves:
Para tomar decisiones acertadas, es mejor basarse en la frialdad y
objetividad de los datos ms que en intuiciones, deseos y esperanzas.
Los datos plantean varios problemas tales como el modo de
obtenerlos, su fiabilidad y la necesidad de darles una interpretacin
adecuada.
Un sistema de gestin de calidad mejora la calidad de la informacin
obtenida y mejora los cauces para obtencin. Con buena informacin,
se pueden hacer estudios y anlisis de futuro.
Los datos son fros y basados en hechos reales; por lo tanto son
objetivos, aunque no sean aceptados por los miembros de la
organizacin.
La informacin es la herramienta fundamental en la toma de
decisiones de la empresa. A mayor calidad de la informacin, mejor

CONTRIBUCION DEL ENFOQUE DE

LOS METODOS CUANTITATIVOS

La contribucin del enfoque de los mtodos proviene principalmente

de:
1. La estructuracin de una situacin de la vida real como un modelo
matemtico, logrando una abstraccin de los elementos esenciales
para que pueda buscarse una solucin que concuerde con los
objetivos del tomador de decisiones. Esto implica tomar en cuenta el
problema dentro del contexto del sistema completo.
2. El anlisis de la estructura de tales soluciones y el desarrollo de
procedimientos sistemticos para obtenerlas.
3. El desarrollo de una solucin, incluyendo la teora matemtica si es
necesario, que lleva al valor ptimo de la medida de lo que se espera
del sistema (o quiz que compare los cursos de accin opcionales
evaluando esta medida para cada uno).

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS
a. Definicin del problema a estudiar.
Como en cualquier otro mtodo de investigacin, se
ha de comenzar aqu por reunir y analizar los datos
que afectan al problema que tratamos de estudiar,
eliminando aquellos que no son relevantes, y
tratando de expresar cuantitativamente todos los
que sea posible, de forma que quede el problema
perfectamente definido.

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS
b. Confeccin del modelo cientfico, por lo general
matemtico que representa el problema.
Puede
adoptar formas muy variadas, pero
generalmente consiste en un conjunto de funciones
(curvas, ecuaciones, inecuaciones, etc.), que
expresan cuantitativamente las diversas relaciones
existentes entre el objetivo y las variables que
afectan
al
problema.
La
dificultad
del
establecimiento
de
algunos
modelos
deriva
precisamente de esta estimacin cuantitativa.

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS
c. Clculo de la solucin del modelo
Aplicando esencialmente el mtodo matemtico
deductivo, se resuelve simblicamente el problema,
bastando despus con sustituir los smbolos por
nmeros, para tener la solucin concreta del caso
estudiado.

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS

d. Verificacin del modelo y de la solucin.

Primero se probara el modelo y la solucin.-El grado

de bondad con que un modelo representa la realidad
de un problema, puede ser comprobado contrastando
los resultados de la experiencia pasada con las
soluciones que en esas circunstancias aporta el
modelo.

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS

Despus se estableceran controles sobre la

solucin. Aun en el supuesto de que, hecha esta
comprobacin, el modelo se demuestre vlido, la
validez slo se mantiene en la medida en que las
variables no influenciables y las relaciones entre los
factores permanecen constantes. Si se da un cambio
significativo, ha de corregirse la solucin o crear un
modelo nuevo, recomenzando el proceso de anlisis

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS

Tercero se lleva la solucin a la prctica.- Adems,

los Mtodos Cuantitativos no son un proceso
automtico de decisiones, sino una metodologa que
permite al responsable conocer y valorar claramente
las consecuencias de su decisin.

PROCESO DE MODELAMIENTO DE
METODOS CUANTITATIVOS
CONCLUSION:
El campo de aplicacin de los Mtodos Cuantitativos
es amplsimo. En realidad, se agrupan bajo ese
nombre tcnicas muy diversas que a veces slo
tienen en comn el objetivo perseguido y el apoyo
general sobre una instrumentacin estadsticomatemtica muy avanzada.

METODOS CUANTITATIVOS:
ENFOQUE SISTEMICO Y
MODELIZACION

El anlisis para toma de decisiones puede

asumir dos formas bsicas:
Cualitativa
Cuantitativa.

METODOS CUANTITATIVOS:
ENFOQUE SISTEMICO Y
anlisis cualitativo
se basa primordialmente
MODELIZACION

El
en el
razonamiento y la experiencia del administrador;
incluye la impresin intuitiva que el administrador
tiene del problema, y constituye una faceta que puede
ser identificada con el arte de la toma de
decisiones. Sin embargo, si el administrador ha tenido
poca experiencia con problemas similares, o si el
problema es lo suficientemente complejo, entonces
puede ser muy importante en la decisin final del
administrador considerar otros puntos de vista y
analizar desde una perspectiva diferente.

METODOS CUANTITATIVOS:
ENFOQUE SISTEMICO Y
MODELIZACION
enfoque cuantitativo, el analista se concentra

El
en
los hechos o los datos cuantitativos asociados al
problema y desarrolla expresiones matemticas que
describen los objetivos, las restricciones y las
relaciones existentes en el mismo. Despus, utilizando
uno o ms mtodos cuantitativos, el analista ofrece
una recomendacin con base en los aspectos
cuantitativos planteados; para esto recurre a la
aplicacin del mtodo cientfico como procedimiento
de anlisis y resolucin del problema complejo.

METODOS CUANTITATIVOS:
ENFOQUE SISTEMICO Y
MODELIZACION
Al aplicar mtodos enrolados en el enfoque
cuantitativo se busca eliminar conjeturas improvisadas
y los razonamientos intuitivos y escasamente
justificados que son frecuentemente aplicados en la
toma de decisiones frente a problemas complejos.

MODELIZACION: CONCEPTO Y TIPOS

Si se toma o define un problema errneamente todos

los esfuerzos posteriores se concentrarn en resolver
algo que no funciona correctamente. Es por eso
que, una vez que el problema ha quedado bien
definido, el cientfico de administracin comenzar a
desarrollar el problema en trminos matemticos.

MODELIZACION: CONCEPTO

Los modelos son representaciones de

objetos
o
situaciones
reales;
representaciones
ms
o
menos
simplificadas que permiten aprehender
una realidad an cuando no se la est
observando directamente.

MODELIZACION: TIPOS

Modelos
icnicos:
son
tambin
conocidos como modelos fsicos, y
estn constituidos por rplicas fsicas de
la realidad que representan. En esta
clase se encuentran las maquetas de
construcciones de ingeniera y los
juguetes a escala.

MODELIZACION: TIPOS
Modelos analgicos, que son de forma fsica pero no
tienen el mismo aspecto fsico del objeto que representan.
Las relaciones entre los objetos y variables estn
representadas
en
un
medio
diferente
al
real,
comportndose en forma anloga a tal realidad. Es decir
que su comprensin requiere de un nivel de abstraccin
mayor que en el modelo ionico, y un conocimiento previo
de los conceptos y relaciones involucrados en la realidad
modelada. Tal el caso del velocmetro de un automvil, el
marcador de una balanza, un grfico de sectores circulares
o de lneas de tendencia representando las ventas de una
empresa, etc.

MODELIZACION: TIPOS
Modelos matemticos, representan una situacin

mediante smbolos y relaciones o expresiones

matemticas.
Son parte crucial de cualquier enfoque cuantitativo.
Para su comprensin es necesario un nivel de
abstraccin mayor an que en los modelos
analgicos. En contrapartida son ms adaptables
que los otros dos tipos a distintas situaciones en las
que pueden aplicarse.

MODELIZACION: TIPOS

Cuentan con variables cuantitativamente definidas y

relaciones matemticas, como, por ejemplo, los modelos del
universo astronmico que construyen los fsicos (rbitas de
desplazamiento de cuerpos celestes y satlites artificiales,
etc.), y los modelos con que los economistas representan
las relaciones entre los diversos mercados y factores que
intervienen en una Economa.

VENTAJAS DE MODELAR
La importancia del desarrollo de un modelo radica en que
permite, a quien lo observa, figurarse cmo es una realidad,
a partir de:
1. Representar un problema que puede presentarse
complejo para su comprensin;
2. Analizar distintas soluciones alternativas antes de
enfrentar la realidad para cambiarla;
3. Extraer conclusiones anticipadamente, sin llegar a alterar
la realidad para ver qu ocurre.

VENTAJAS DE MODELAR
La importancia del desarrollo de un modelo radica en que
permite, a quien lo observa, figurarse cmo es una realidad, a
partir de:
4. Experimentar en menos tiempo y sin necesidad de
involucrarse en cambios que, efectuados directamente sobre
la situacin real, pueden derivar en situaciones irreversibles y
de complejas e inesperadas consecuencias.
5. Experimentar sin incurrir en los costos que supondra
hacerlo con objetos y situaciones reales.
De manera tal que, considerando lo citado precedentemente,
sin llevar adelante (por ejemplo) un proceso de produccin se
puede determinar si es rentable o no.

VENTAJAS DE MODELAR
El xito del modelo matemtico y el
enfoque cuantitativo dependen en gran
medida de la precisin con la que puedan
expresarse, en trminos de ecuaciones o
relaciones matemticas, las distintas
relaciones observadas que se quiere
representar.

MODELOS MATEMATICOS
Al momento de desarrollar un modelo se deber tener en
cuenta que existen factores del entorno que no estn bajo
el control del administrador o del decisor, a los que se
denomina insumos incontrolables del modelo.
A aquellos que son determinados o controlados por quien
toma las decisiones en la realidad representada por el
modelo se los denomina insumos controlables del
mismo.
Entre estos insumos estn las alternativas de decisin
que el administrador especifica y, por ello, se las vincula
a las variables de decisin del modelo.

PROCESO DE CONSTRUCCION DE UN
MODELO

TEORIA NORMATIVA
Indica el como debera ser, recomendando qu decisin
tomar para llegar al ptimo si en la realidad se repite la
situacin modelada.
La Teora Normativa es prescriptiva: partiendo del
ofrecimiento de todos los elementos al alcance, el que toma
la decisin debe actuar.
Los modelos normativos (tambin llamados de decisin, o
de optimizacin) se apoyan en esta teora aportando
recomendaciones sobre la forma de comportarse para
conseguir lo mximo (o lo mnimo) establecido como
objetivo.

TEORIA NORMATIVA
Tal objetivo es representado por una expresin matemtica
que lo describe y se la denomina funcin objetivo, la cual,
siendo medida de desempeo del modelo, depende en su
valor de aquellos que adopten las variables de decisin.
A esta funcin objetivo le acompaan funciones de
restriccin, las que indican condiciones o limitantes en los
modelos que se evalan. Finalmente, se puede identificar un
conjunto de datos incontrolables, pero que deben tenerse en
cuenta por ser importantes para el modelo y su solucin, y
se consignan como parmetros; o sea, variables que, para
determinadas circunstancias y situaciones de la realidad,
adoptan valores que se mantendrn fijos durante el anlisis.

TEORIA DESCRIPTIVA
Por otra parte, la llamada TEORIA DESCRIPTIVA (o
Teora Positiva) se basa en estudios que tratan de
decir cmo se acta y, adems, de "predecir" ese
comportamiento. Un modelo descriptivo explica la
realidad en base a los datos. En este caso no existen
una funcin objetivo ni restricciones, pero s se da
una medicin del desempeo por medio de
variables a definir, as como existen datos
incontrolables (observados o supuestos) del modelo
que se expresan mediante los parmetros.

MODELO DETERMINISTICO
Existe una tipologa adicional que es conveniente tener
presente al momento de distinguir la clase de modelo
con la que se debe tratar, basada en la certeza que se
tiene sobre los datos y relaciones aplicados, ya que
pueden conocerse con exactitud o ser inciertos y estar
sujetos a variaciones.
Si en un modelo los datos son conocidos y no puedan
variar en relacin con el momento de aplicacin real
del modelo -o sea, al analizar el problema se cuenta en
forma cierta con toda la informacin necesaria para la
toma de decisiones-, se lo denomina modelo
determinstico.

MODELO ESTOCASTICO O
PROBABILISTICO
Cuando algunos de los insumos incontrolables
-parmetros o variables de estado- son
inciertos o estn sujetos a variaciones
importantes, y su valor no podr ser estimado
con precisin con anterioridad a la toma de la
decisin, se est en presencia de un modelo
estocstico o probabilstico, ya que
incorpora el desconocimiento mencionado
mediante alguna medida de tal probabilidad.

OPTIMIZACION O PROGRAMACION
MATEMATICA
La optimizacin, tambin denominada Programacin
Matemtica, sirve para encontrar la respuesta que
proporciona el mejor resultado: la que logra mayores
ganancias, mayor produccin o felicidad o la que logra
el menor costo, desperdicio o malestar.
La Programacin Matemtica, en general, aborda el
problema de determinar asignaciones ptimas de
recursos limitados para cumplir un objetivo dado. El
objetivo debe representar la meta del decisor.

MODELOS
DETERMINISTICOS
Y
PROBABILISTICOS
MODELOS
NORMATIVOS

a. Programacin Lineal: es un procedimiento

matemtico para determinar la asignacin ptima
de recursos escasos. Encuentra su aplicacin
prctica en casi todas las facetas de los negocios,
desde la publicidad hasta la planificacin de la
produccin. Problemas de transporte, distribucin, y
planificacin global de la produccin son los objetos
ms comunes del anlisis como programas lineales.

MODELOS
DETERMINISTICOS
Y
PROBABILISTICOS
MODELOS
NORMATIVOS

Cualquier problema de PL consta de una funcin

objetivo y un conjunto de restricciones todas
expresadas mediante funciones de primer grado. En la
mayora de los casos, las restricciones provienen del
entorno en el cual se trabaja. Cuando se quiere lograr el
objetivo deseado, se puede observar que el entorno fija
ciertas restricciones (es decir, dificultades, limitaciones)
para cumplir con lo deseado (vale decir, el objetivo).

MODELOS
DETERMINISTICOS
Y
PROBABILISTICOS
MODELOS
NORMATIVOS
Dentro de la Programacin Lineal se distinguen, a su
vez, el problema general y los casos especiales como
son los problemas de Transporte y Asignacin; a la
vez que, como extensin debida al tipo de variables
que se manejan, se tienen la Programacin Lineal
Entera y Programacin Lineal Mixta, con la
incorporacin de variables que no admiten
fraccionamiento en los valores que se les asignen.

MODELOS
DETERMINISTICOS
Y
PROBABILISTICOS
MODELOS
NORMATIVOS
b. Programacin Dinmica: en este caso, el
tiempo es variable explcita (o la situacin es
asimilable a una donde transcurra el tiempo),
existen
decisiones
secuenciales
interrelacionadas,
y
el
problema
puede
fraccionarse en etapas para su ejecucin sobre
la realidad.

MODELOS
DETERMINISTICOS
Y
PROBABILISTICOS
MODELOS
NORMATIVOS
c. Otras situaciones se presentan en la realidad de las
organizaciones y han motivado la creacin de modelos
especficos tales como: Teora de los Juegos, la Teora de
Redes (de mxima capacidad, mnima distancia, rboles
de extensin mnima, y administracin de proyectos por
camino crtico), Programacin No Lineal, Teora de
Administracin de Inventarios, Tcnicas de Apoyo
Multicriterio a la Decisin, Teora de la Decisin.

MODELOS
DETERMINISTICOS
Y
PROBABILISTICOS
MODELOS
DESCRIPTIVOS

Son menores las oportunidades de encontrar modelos que

adopten la caracterstica de meramente describir la
realidad. Sin embargo, una forma de ver la Teora de las
Colas de Espera est dada por la de mostrar nicamente
medidas de comportamiento de un sistema; aunque, con
el agregado de parmetros representativos de costos
involucrados, se puede transformar en un modelo
normativo tendiente a minimizar los costos totales del
sistema.

CONSTRUCCION
DE
METODOLOGIA
Y
DATOS:FORMAS Y FUENTES

MODELOS:
ETAPAS.

La construccin de un modelo requiere de

una buena dosis de arte e imaginacin,
adems de la pizca de conocimientos
tcnicos y cientficos necesarios para
mejorar las opiniones intuitivas

CONSTRUCCION
DE
METODOLOGIA
Y
DATOS:FORMAS Y FUENTES

MODELOS:
ETAPAS.

En la medida que la construccin de modelos es un arte, sus

fundamentos pueden ensearse igual que los del arte. Por
otro lado, en un ambiente de negocios, el desarrollo de
modelos cuantitativos requiere que se especifiquen las
interacciones de muchas variables. Para que sea
cuantificado, el problema debe expresarse en trminos
matemticos provenientes de un adecuado anlisis y
rigurosa metodologa que ser provista por un profundo
conocimiento de las teoras cientficas que sea necesario
aplicar.

PROCESO DE CONSTRUCCION DE
MODELOS

1. Estudiar el ambiente de la
situacin administrativa: una vez ms
la Teora General de Sistemas y la
Dinmica de Sistemas hacen su aporte en
apoyo
a
la
toma
de
decisiones
gerenciales, mediante su aplicacin en los
hechos y relaciones que se pretende
modelar.

PROCESO DE CONSTRUCCION DE
MODELOS
Dentro de la administracin se le suele restar importancia a
estudiar el ambiente existente dentro de la organizacin. Por
ejemplo, en muchos casos el problema se deriva de malas
relaciones entre integrantes de la organizacin, lo cual deja
un ambiente no propicio para el desarrollo de los negocios.
Ignorar tales circunstancias al modelar, contribuye a
favorecer la no comprensin de la situacin en forma clara y,
por consiguiente, a adoptar decisiones incorrectas.
En funcin de lo citado, debe tenerse en cuenta que
corresponder interiorizarse profundamente de la situacin
real, para su correcta representacin en el modelo.

PROCESO DE CONSTRUCCION DE
MODELOS

2. Formular una representacin selectiva

de la situacin: si bien conviene tener una
visin holstica de la situacin, es necesario
limitar el alcance de la representacin. Tambin
existirn aspectos no relevados pero que pueden
tener incidencia en los anlisis y conclusiones a
que se arribe, los cuales se registrarn mediante
suposiciones y simplificaciones (que deben
explicitarse debidamente).

PROCESO DE CONSTRUCCION DE
MODELOS

Aqu se deber focalizar en los aspectos

centrales excluyendo del ambiente los
perifricos. Los objetivos y decisiones
deben ser identificados y definidos
explcitamente. Otra cuestin es que los
objetivos se deben consignar de la forma
ms clara posible, pudiendo ser ms de
uno.

PROCESO DE CONSTRUCCION DE
MODELOS

3. Construir y analizar un modelo

simblico (cuantitativo): en esta
instancia se recurrir a las clasificaciones
detalladas en ttulos anteriores, para
definir si se trata de modelo determinista
o probabilstico. Tambin se debe acudir a
la obtencin de datos y fuentes que
posibiliten las tareas de esta etapa.

PROCESO DE CONSTRUCCION DE
En gran parte la decisiones
MODELOS

administrativas se basan en la evaluacin

e interpretacin de datos, siendo, por lo
tanto, muy necesarios para construir
modelos eficaces.
Los modelos simblicos brindan una forma
de evaluar e interpretar datos de manera
sistmica y con ms atencin a los
detalles de lo que es posible con modelos
mentales.

DESARROLLO DE MODELOS
PREPARACION, METODOS Y RESOLUCION
Para llevar adelante la preparacin de un modelo y su
clculo de resolucin corresponde partir de un punto que es
bsico, y es el referido a qu tipo de modelo es el que se
est trabajando. Entre todas las clasificaciones mencionadas
se trata aqu de definir si es determinista o probabilstico.
Un modelo puede considerarse como una entidad que
captura la esencia de la realidad sin la presencia de la
misma. Una fotografa es un modelo de la realidad ilustrada
en la imagen.

DESARROLLO DE MODELOS
PREPARACION, METODOS Y RESOLUCION
Un
modelo
slo
captura
determinados
aspectos de la realidad, tal como se consign
anteriormente su xito depender de la
precisin con que adhiere a la situacin y
objetos modelados. Adicionalmente, su uso
puede no ser apropiado en una aplicacin en
particular si no captura los elementos correctos
que le corresponde representar.

DESARROLLO DE MODELOS
PREPARACION, METODOS Y RESOLUCION
Un modelo matemtico es una ecuacin,
desigualdad o sistema de ecuaciones o
desigualdades,
que
incluye
algunos
determinados aspectos de la realidad que est
representando, sus interacciones y relaciones.
Los modelos de este tipo se utilizan en gran
medida en las ciencias fsicas, en el campo de
la ingeniera, los negocios y la economa.

DESARROLLO DE MODELOS
PREPARACION, METODOS Y RESOLUCION
A fin de definir las condiciones que procurarn
aportar una solucin al problema, el analista
primero debe identificar un criterio segn el
cual se podr medir el sistema. Este criterio a
menudo se denomina medida del rendimiento
del sistema o medida de efectividad.

DESARROLLO DE MODELOS
PREPARACION, METODOS Y RESOLUCION

En modelos matemticos normativos la medida de

efectividad se representa mediante una expresin
denomina funcin objetivo.
Conseguir lo deseado de manera "determinstica"
(es decir, libre de riesgo) o probabilstica
depende de la influencia que puedan tener los
factores no controlables en la determinacin de los
resultados de una decisin, y tambin en la
cantidad de informacin que el tomador de decisin
tiene para estimar el comportamiento de dichos
factores.

DESARROLLO DE MODELOS
PREPARACION, METODOS Y RESOLUCION

Generalmente,

los
gerentes
buscan
simplemente que la resolucin del modelo
aporte alguna mejora en el nivel de
rendimiento; es decir, un problema de
"bsqueda de objetivo" en el marco de la
contribucin que el modelo puede hacer al
buen juicio e intuicin del decisor.

PROCESO DE FORMULACION DE UN
PROBLEMA DE OPTIMIZACION

Para formular un modelo normativo las

propuestas varan segn los autores que
se refieran a dicho procedimiento.
En primer lugar se recomienda leer con
atencin varias veces el enunciado del
problema, derivado de la observacin de
la realidad (es decir, formular un Modelo
Mental

PROCESO DE FORMULACION DE UN
PROBLEMA DE OPTIMIZACION
A continuacin, y a modo de lineamientos
generales, se sugieren las siguientes etapas,
adecuadas fundamentalmente para aquellos
que al tomar decisiones estn acostumbrados
a pensar en trminos de objetivos y medidas
de desempeo. Por ser modelo normativo es
factible identificar cuatro partes: un conjunto
de variables de decisin, los parmetros, la
funcin objetivo y un conjunto de restricciones.

PROCESO DE FORMULACION DE UN
PROBLEMA DE OPTIMIZACION
Definir objetivos y medidas de desempeo.
Identificar entradas del modelo, que afectan a
lo definido en 1. Esto lleva a definir variables
de decisin y parmetros.
Consignar las restricciones que ponen lmite a
las variables de decisin y a las medidas de
desempeo

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
La programacin
lineal
es una herramienta
MODELOS
DETERMINISTICO
poderosa para seleccionar alternativas en un
problema de decisin y por consiguiente se
aplica a problemas en una gran variedad de
entornos. La cantidad de aplicaciones es tan alta
que sera imposible enumerarlas todas. A
continuacin se indican algunas de las
principales aplicaciones que cubren las reas
funcionales ms importantes de una organizacin
empresarial.

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
Finanzas: el
problema del
inversor podra ser un
MODELOS
DETERMINISTICO
problema de seleccin del mix de su cartera de
inversiones. En general, la variedad de carteras puede
ser importante y requerir el agregado de muchas
restricciones. Otro problema de decisin implica
determinar la combinacin de mtodos de financiacin
para una cantidad de productos cuando existe ms de
un mtodo de financiacin disponible. El objetivo puede
ser maximizar las ganancias totales cuando las
ganancias de un producto determinado dependen del
mtodo de financiacin.

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
MODELOS
DETERMINISTICO
Por ejemplo, se puede financiar con fondos internos, con deuda a
corto plazo o con financiacin intermedia (crditos amortizados).
Puede haber limitaciones con respecto a la disponibilidad de cada
una de las opciones de financiacin, as como tambin restricciones
financieras que exijan determinadas relaciones entre las opciones
de financiacin a los efectos de satisfacer los trminos y
condiciones de los prstamos bancarios o financiacin intermedia, o
bien exigencias sobre ratios extrados de los estados contables de la
organizacin. Tambin puede haber lmites con respecto a la
capacidad de produccin de los productos. Las variables de decisin
seran la cantidad de unidades que deben ser financiadas por cada
opcin de financiacin.

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
MODELOS DETERMINISTICO
Administracin de Produccin y Operaciones: muchas veces en las
industrias de proceso una materia prima en particular puede
transformarse en una gran variedad de productos. Por ejemplo, en la
industria petrolera, el crudo puede refinarse para producir nafta, kerosn,
aceite para calefaccionar y distintas clases de aceite para motor. Segn el
precio de cada producto, el problema es determinar la cantidad que se
debera fabricar de cada producto. Esta decisin est sujeta a numerosas
restricciones tales como lmites de las capacidades de diversas
operaciones de refinado, rendimiento de subproductos segn el tipo de
crudo refinado, disponibilidad y costos de materia prima, demandas de
cada producto y polticas gubernamentales con respecto a la fabricacin
de determinados productos. En la industria de productos qumicos y de
procesamiento de alimentos existen problemas similares.

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
MODELOS DETERMINISTICO
Recursos Humanos: los problemas de planificacin de
personal tambin se pueden analizar con programacin
lineal. Por ejemplo, en la industria telefnica, la
demanda
de
servicios
de
personal
de
instalacin/reparacin es estacional. Otro caso tpico lo
constituye la organizacin de guardias en turnos
rotativos que deben cubrir necesidades mnimas con
fluctuaciones horarias (durante el da) o diarias
(durante una semana).

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
MODELOS PROBABILISTICOS
En los problemas de toma de decisiones
arriesgadas son fuentes importantes de errores:
las presunciones falsas, no tener una estimacin
exacta de las probabilidades, depender de las
expectativas, la existencia de dificultades para
medir la funcin de utilidad, y los errores de
pronstico.

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
MODELOS PROBABILISTICOS
El dominio de los modelos de anlisis de
decisiones est entre dos casos extremos,
dependiendo del grado de conocimiento que se
tenga sobre el resultado de las acciones. La
probabilidad es un instrumento para medir las
chances de que un evento ocurra, y expresa el
grado de incertidumbre.

OTRAS
APLICACIONES
DE
MODELOS
MATEMATICOS.
El lado determinista
MODELOS
PROBABILISTICOS
tiene
una probabilidad de 1 (o cero),

mientras que el otro extremo tiene una probabilidad plana

(todas igualmente probables). Por ejemplo, si se tiene
certidumbre de la ocurrencia (o no ocurrencia) de un evento,
se usa una probabilidad de uno (o cero). Si se tiene
incertidumbre, entonces se aplica la expresin "En realidad no
s; por lo tanto, puede o no ocurrir con probabilidad 0,50,
evaluando as en forma subjetiva la probabilidad (nocin de
Bayes).
De lo expuesto se infiere que la probabilidad siempre
depende de cunto conoce el decisor. Si sabe todo lo que
puede saber, consignar probabilidades 1 o 0.