Unidad 1:Teoría de redes

Objetivo: Aplicar la Teoría de redes en problemas de la vida

real
Temas de Investigación de operaciones 2
Optimización de Redes
Teoría de Decisión
Teoría de Juegos (Decisiones bajo conflicto)
Cadenas de Markov (Procesos Estocásticos)
Teoría de Espera

Docente:
Msc. Mercedes Guillermina Godoy Barbosa
Email: mercedesgodoybarbosa@gmail.com
Blog: mgodoy
Celular:83721801
 Sistema de evaluación
Tipo de evaluación Tema Evaluación
A. Actividades prácticas   40
1. Evaluación corta escrita Teoria de decision 20
2. Laboratorio Problema de la ruta mas 10
corta y flujo máximo
3. Evaluación corta escrita Teoría de juegos 10
B. Tareas Extra clase Optimización de redes 10
C. Revisiones y análisis
bibliográficos Cadenas de markov 10
D. Participación en actividades En cada encuentro 10
docentes
Evaluación Final 30
Calificación final   100
Importancia de Investigación de
operaciones
•  IO es la aplicación del método científico a problemas reales,
relacionados con problemas organizacionales, con el
objetivo de producir soluciones que nos ayuden a satisfacer
a los clientes para: maximizar las ganancias, utilidades,
minimizar costos, distancias y tiempos con la finalidad de.
(Juan, 2004).
 Grafos
• Los grafos son estructuras de datos, utilizadas comúnmente
en el manejo de redes, en la construcción de circuitos
eléctricos, en la estrategia de ventas y en muchas otras
áreas del conocimiento
• Un grafo es una estructura de datos compuesta por vértices
y arcos.
• V = {A, B, C, D, E}
• Un arco une dos vértices adyacentes
Red

• Red: Es una grafo con algún tipo de flujo en sus ramales.

Ejemplo: Eléctrica, transporte.
• Nodo fuente: Aquel en el cual todos sus ramales están
orientados hacia afuera. Ejemplo:
• 1

• Nodo receptor: Aquel en el cual todos sus ramales están

orientados hacia él.

• Ejemplo 9
 Grafo

• Grafo dirigido o Dígrafo: Es un grafo en el que los

arcos tienen una orientación
• Incidencia de los arcos: Un arco es incidente en un
vértice, si una de sus puntas llega a ese vértice
• Un grafo está débilmente conectado, si por lo menos
desde un vértice no se puede llegar a los demás
• Un grafo está fuertemente conectado si desde
cualquier vértice se puede llegar a todos los demás
Grafo Euleriano

• Un grafo es Euleriano si partiendo de algún

vértice, se pueden recorrer todos los arcos
llegando de nuevo al vértice de origen.
• Se pueden visitar los vértices cuantas veces
sea necesario, pero los arcos se pueden
repetir solo una vez
Grafo es Hamiltoniano
• Un grafo es Hamiltoniano si partiendo de algún
vértice se pueden recorrer todos los vértices sin
repetir ninguno y finalmente se puede llegar al
vértice de origen. Los arcos se pueden recorrer
una o mas veces
Grado de un vértice
• El grado de un vértice es el número de arcos que
inciden en ese vértice
• El grado de A es 2
• El grado de G es 4
Matriz de adyacencia
 Importancia de los grafos
• Gracias a la teoría de grafos se pueden resolver diversos problemas :
• Síntesis de circuito secuenciales, contadores o sistemas de apertura.
• Modelar trayectos como el de una línea de autobús a través de las calles de una
ciudad, en el que podemos obtener caminos óptimos.
• Para la administración de proyectos como técnica de revisión y evaluación de
programas  (PERT)
• Para las ciencias sociales, en especial para desarrollar un concepto no
metafórico de red social que sustituye los nodos por los actores sociales y
verifica la posición, centralidad e importancia de cada actor dentro de la red.
• Para proyectar redes de ordenadores, para diseñar módulos electrónicos
modernos y proyectar sistemas físicos con parámetros localizados (mecánicos,
acústicos y eléctricos).
• Para la solución de problemas de genética y problemas de automatización de la
proyección (SAPR). Apoyo matemático de los sistemas modernos para el
procesamiento de la información. Acude en las investigaciones nucleares
(técnica de diagramas de Feynman).4
Algoritmo

• Definición de algoritmo: es un conjunto de reglas

que permiten obtener un resultado determinado a
partir de ciertas reglas definidas.
• Definición de algoritmo: es una secuencia finita de
instrucciones, cada una de las cuales tiene un
significado preciso y puede ejecutarse con una
cantidad finita de esfuerzo en un tiempo finito.
• Todo algoritmo ha de tener las siguientes
características: legible, correcto, modular, eficiente,
estructurado, no ambiguo y a ser posible se ha de
desarrollar en el menor tiempo posible.)
Algoritmo de caminos mínimos

A principios de la década de los 60, Dijkstra aplicó la idea de la exclusión mutua

a las comunicaciones entre una computadora y su teclado. Su solución de
exclusión mutua ha sido usada por muchos procesadores modernos y tarjetas
de memoria desde 1964, cuando IBM la utilizó por primera vez en la
arquitectura del IBM 360.
El algoritmo de Dijkstra para ruta más corta, en términos generales,
encuentran la ruta más corta entre dos nodos, inicial a y final z, de la
siguiente manera
Los nodos de la red son etiquetados con números. Al principio, todos tienen la
etiqueta 00 excepto el nodo inicial a que tiene la etiqueta 0. Los arcos tienen
un peso dij que representa la distancia del enclace (i, j).
El algoritmo de Dijkstra renumeran los nodos, de manera que cuando el nodo
z tiene una etiqueta permanente, se ha obtenido la solución final.
 Ruta más corta: Reparto de Aarón

• Una distribuidora reparte vino a 7 localidades diferentes.

• El objetivo es encontrar la trayectoria mas corta (tiempo,
economía o distancia) entre un nodo especifico a los
demás nodos.
• OjO = Los nodos no están orientados por lo que el flujo
se permite en cualquier dirección.
• Aarón piensa minimizar la totalidad de sus costos
asegurándose cualquier reparto futuro a cualquiera de
las localidades.
Solución del problema de la ruta más corta
• Método a utilizar es Dijkstra.
• Para el algoritmo se trabajan con 2 clases de
etiquetas:
• Permanentes
• Temporales
• (0,H) donde 0 es la distancia recorrida y H es el nodo
antecesor.
La red es
 Primera iteración
(8,H)
• Se etiqueta permanente el
1
(0,H) 8 A
nodo de origen lo que da
H 7
2 F paso a etiquetar
B
4
3
temporalmente los nodos
(7,H)
2
adyacentes a ese nodo
2
G
los cuales son A, B, C
4
1
C • Después se elige entre
D
1 1 las etiquetas temporales a
(4,H) 6
E la etiqueta que contenga
el menor número y se
convierte en permanente.
En este caso se convierte
permanente el nodo D
con un costo de $ 4
 Segunda iteración

1
• Para los nodos C y E están
(0,H) 8 A
sus etiquetas temporales y
H 7
2 F se escogen las menores
4 para C es (5, D) y para E es
B 3
(6, C) que se convierten en
2 2 permanentes.
4 G
C (5,D)
1 (11,D)
1 1
D
E
(4,H) 6
(6,C)
(10,D)
 Tercera Iteración
(8,H)
(9,B)
8 A 1
(0,H)

7
2 F • Las etiquetas
H
B
4 Temporales de A y B se
3
(7,H) escogen las menores
(7,C) 2 2 que son (8,H) y (7,C)
4
C (5,D)
G
quedando como
1 permanentes.
1 1
D
E
(4,H) 6
(6,C)
 Cuarta iteración
(8,B) (9,A) (12,F)
(10,B)
(0,H)
8 A 1
(11,B) • Para F de todas las
2 etiquetas temporales la
7 F
H
4 menor es (9,A).
B 3
(7,C)
• Para G quedaría como
2 2 etiqueta temporal (7,E)
4 G
C (5,D)
1 (7,E)
1 1
D (9,B)
E
(4,H) 6 (12,F)
(6,C)
La Ruta más corta a todos los sitios

No Ruta más Costo de la

do corta desde Distancia
el nodo H

A H-A $8
B H-D-C-B $7
C H-D-C $5
D H-D $4
E H-D-C-E $6
F H-A-F $9
G H-D-C-E-G $7
Para convertir a Programación Lineal
• Min: Z= 8 XHA+ 7XHb+ 4XHd+ 2XAB+ 1XAF + 2XBC + 4XBF +
2XBG+1XCD + 1XCE + 6XDE+ 1XEG + 3XFg
S.A.:
H: XHA+ XHB+ XHD = 1
A: - XHA +XAF + XAB = 0
B: - XHB - XAB - XCB + XBF + XBG =
0
C: - XDC +XCE +XCB = 0
D: - XHD +XDC +XDE = 0
E: - XDE -XCE +XEG = 0
F: -XAF – XBF +XFG = 0
G: - XBG – XEG +XFG =1
La Ruta más corta, convertir a PL, Trayectoria
corto de llegada a cada nodo y matriz

• María quiere salir de vacaciones en su camioneta hasta

Puerto Cabeza e ir descansando y conociendo lugares, su
dinero es escaso por lo que han decidido pasar la noche en
hospedaje económicos.

1 horas,
2 horas,
15min
20min 1.5 horas,
44 Km
2horas Matagalpa Waslala 96 Km 75 Km
30min,
170 Km Siuna Rosita
Managua 45 min,
2 horas, 3 horas
15 Km
119 Km 10 min
1 horas 160 Km
50min
88 Km Boaco Muy muy Rio Blanco Puerto
60 min, 60 min, Cabeza
46 Km 25 Km
La Ruta más corta, convertir a PL,
Trayectoria corto de llegada a cada nodo y
matriz
Muchas Gracias por su atención
Encuentro 2: Teoría de Redes
 Teoría de red: Árbol
mínimo de expansión
Objetivo: Aplicar el algoritmo de PRIM y
Kruskal para resolver redes de
comunicación

Docente: Ms. Mercedes Guillermina Godoy Barbosa

 ROBERT PRIM
• Nació en 1921, Sweetwater, (Estados Unidos) es
un matemático e ingeniero informático.
• Robert Prim en 1957 descubrió un algoritmo para la
resolución del problema del Árbol de coste total
mínimo(mínimum spanning tree - MST). 
• Este problema es un problema típico de optimización
combinatoria, que fue considerado originalmente por
Otakar Boruvka en 1926 mientras estudiaba la necesidad
de electrificación rural en el sur de Moravia en
Checoslovaquia. Este problema también fue resuelto
por Joseph B. Kruskal en 1956.
Joseph B. Kruskal
• Joseph B. Kruskal investigador del Math Center (Bell-
Labs), que en 1956 descubrió su algoritmo para la
resolución del problema del Árbol de coste total
mínimo (minimum spanning tree - MST) también
llamado árbol recubridor euclídeo mínimo.
• El objetivo del algoritmo de Kruskal es construir un
árbol (subgrafo sin ciclos) formado por arcos
sucesivamente seleccionados de mínimo peso a partir
de un grafo con pesos en los arcos.
 El algoritmo de Kruskal
• El AK permite hallar el árbol mínimo de cualquier grafo valorado. Hay
que seguir los siguientes pasos:
1. Se marca la arista con menor valor. Si hay más de una, se elige
cualquiera de ellas.
2. De las aristas restantes, se marca la que tenga menor valor, si hay
más de una, se elige cualquiera de ellas.
3. Repetir el paso 2 siempre que la arista elegida no forme un ciclo con
las ya marcadas.
4. El proceso termina cuando se tiene todos los nodos del grafo en
alguna de las aristas marcadas, es decir, cuando se llega a n-1 arcos,
siendo n el número de nodos del grafo,
Algoritmo de Kruskal
Algoritmo de PRIM
• La idea básica consiste en añadir, en cada paso, una
arista de peso mínimo a un árbol previamente
construido. Más explícitamente:
• Paso 1. Se elige un vértice u de G y se considera el
árbol S={u}
• Paso 2. Se considera la arista e de mínimo peso que
une un vértice de S y un vértice que no es de S, y se
hace S=S+e
• Paso 3. Si el nº de aristas de T es n-1 el algoritmo
termina. En caso contrario se vuelve al paso 2
Algoritmo de PRIM
 Ejemplo 1
• Dada la siguiente
red:

Solución de la
red:

Árbol de
expansión
mínima =
200+224+300+28
3+200+400 =
1607
Matriz de adyacencia
Cuadro Resumen
Problema 1
• La siguiente red representa una serie de nuevas colonias que se
han establecido en una localidad, la compañía de Luz desea
suministrar el servicio correspondiente, para ello se requiere
instalar el cableado eléctrico. Determine la cantidad de km de
cable mínimo que debe de instalarse de tal forma que se
proporcione el servicio a todas las colonias
 Problema 2
• La siguiente red representa una serie de poblados que se
encuentran comunicados a través de caminos rurales o
empedrados. El Gobernador del Estado al que pertenecen ha
aprobado se pavimenten los caminos que permitan unir a
todos los poblados, buscando que la distancia a pavimentar
sea la mínima posible. ¿Cuáles caminos son los que se deben
de pavimentar?
Flujo máximo
• Existe un flujo que viaja desde un único lugar de origen hacia un único
lugar de destino a través de arcos que conectan nodos intermediarios.
• Los arcos tienen una capacidad máxima de flujo y se trata de enviar
desde la fuente al destino la mayor cantidad posible de flujo.
Utilidad
• Hay problemas donde lo importante es la cantidad de flujo que pasa a
través de la red como por ejemplo:
1. En las líneas de oleoductos,
2. Redes eléctricas o de transmisión de datos. 
• Por esta razón en dichos problemas se determina el flujo máximo que
pasa a través de una red.
 Definiciones básicas
•Flujo: Circulación de unidades homogéneas de un lugar a
otro.

•Capacidad de flujo: es la capacidad de unidades que pueden

entrar por el nodo fuente y salir por el nodo destino.

•Origen o fuente de flujo: nodo por el cual el flujo ingresa.

•Destino o Sumidero de flujo: nodo por el cual el flujo sale.

•Capacidades residuales: capacidades restantes unas vez que

el flujo pasa el arco.
 Ford Fulkerson

• Para la resolución de problemas de flujo máximo 

se requiere el uso del método Ford Fulkerson.
• Este método propone buscar caminos en los que se
pueda aumentar el flujo hasta que se alcance el
flujo máximo, la idea es encontrar una  ruta de
penetración con un flujo positivo neto que una los
nodos de origen y destino.
• El flujo es siempre positivo y con unidades enteras.
• El flujo a través de un arco es menor o igual que la
capacidad.
• El flujo que entra en un nodo es igual al que sale de
él.
 Procedimiento para resolver
• Primer paso: Elegir una ruta arbitraria.
• Segundo paso: En dicha ruta escoger aquel ramal de menor
flujo en ese sentido y transportar por esa ruta la cantidad
escogida.
• Hacer esto repetitivamente hasta que no sea posible
encontrar una ruta con capacidad de flujo.
 Ejemplo
5

0 5
5 1
5 A B E G
6
3+5 0 4
2
A B C G 8

8+4 11 0
A C G 12
1
1
16 12+1 10 5 9
5 0
A C F G 13
2 0
5 5 13+3 0 1 6
7 7
0 14 A C D F G 16

2 5 7
0 1 5 16+1 2 0 5
A D F G 17
6 13
4
0
 5
8 3
3
17 5 17
8 7
1
3 5
1
4

Según las ramas el proceso tenia

capacidad de 28 unidades, sin
embargo por algunos cuello de
botellas en algunas partes del
proceso se reduce a 17 unidades.

5
Problema 1
Problema 2
Continuación del problema 2
Thank you for your attention.
Questions¿?
It uses applause
Universidad de Managua
Unidad 2:Toma de decisiones
(primera parte)

MsC. Ing. Mercedes Guillermina Godoy Barbosa

 Importancia de la Toma de decisiones

• De ellas depende el éxito o el fracaso de nuestra organización

• Las decisiones realmente importantes son difíciles y complejas y no se
les da una solución fácil y obvia.
• El éxito en todos los papeles que se desempeña gira en torno a las
decisiones que se toma.
• La capacidad de tomar decisiones acertadas es una destreza
fundamental en la vida
El Proceso Racional de Toma de Decisiones
Enfoque Sistémico
El Análisis cuantitativo
Definición de Toma de decisión
 Características del proceso de decisión

• • Existen al menos dos posibles formas de actuar, llamaremos

alternativas o acciones, excluyentes entre sí, de manera que la
actuación según una de ellas imposibilita cualquiera de las restantes.
• • Mediante un proceso de decisión se elige una alternativa que es la
que se lleva a cabo.
• •La elección de una alternativa ha de realizarse de modo que cumpla
un fin determinado.
 Fase del proceso de decisión

• 1. Predicción de las consecuencias de cada actuación. Esta

predicción deberá basarse en la experiencia y se obtiene por
inducción sobre un conjunto de datos.
• 2. Valoración de las consecuencias de acuerdo con una escala
de bondad de ajuste o deseabilidad.
• 3. Elección de la alternativa mediante un criterio de decisión
adecuado.
Las etapas que permiten llegar a la resolución de un
problema son:
• 1. identificación, observación y planteamiento del
problema.
• 2. construcción del modelo.
• 3. Generación de la solución.
Los 6 pasos en la teoría de decisión
• 1. Defina claramente el problema.
• 2. Liste las posibles alternativas.
• 3. Identifique los posibles resultados.
• 4. Liste el costo o la utilidad de cada combinación de alternativas y
resultados.
• 5. Seleccione uno de los modelos matemáticos de la teoría de
decisiones.
• 6. Aplique el modelo y tome su decisión.
 Clasificación de los problemas de decisión
• Los procesos de decisión se
clasifican según el grado de
conocimientos que se tenga sobre el
conjunto de factores o variables no
controladas por el decisor y que
pueden tener influencia sobre el
resultado final. A esto se le conoce
como ambiente o contexto.
Problemas de Decisión
 Componentes de un problema de decisión
• El decisor (TD): Es el encargado de realizar la selección de alternativas
de la mejor manera, en función de sus objetivos.
• Las alternativas o cursos de acción: son las diferentes formas de actuar
posibles: el TD deberá seleccionar una de ellas. Es importante tener en
cuenta que estas alternativas deben ser excluyentes entre sí.
• Los estados de la naturaleza: son las variables no controlables por el TD.
Son eventos futuros que influyen en el proceso de decisión, pero que no
pueden ser controladas ni previstas, en su comportamiento, por el TD.
• Los resultados: es lo que se obtiene ante la selección (la opción) de una
alternativa determinada cuando se presenta uno de los posibles estados
de la naturaleza.
Componentes de un problema de decisión
• La tablas de decisión (o matriz de resultados): sirven para tratar
muchos problemas de decisión y poseen los siguiente elementos:
• • Los diferentes estados de la naturaleza sj (s1 , s2 , …, sn ).
• • Las distintas alternativas o cursos de acción, entre los cuales el TD
deberá seleccionar uno aj (a1 , a2 , …, am ).
• •Los resultados Rij que surgen de la elección de la alternativa ai
cuando se presenta el estado sj
Tabla de decisión o matriz de resultados
 Ejemplo: Observemos el siguiente ejemplo hipotético
con dos estados futuros de la naturaleza y tres posibles
acciones o alternativas
• S1 : que aumente la demanda de
un producto.
• S2 : que la demanda no aumente
Posibles acciones:
• A1 : Comprar nueva maquinaria
• A2 : Refaccionar la máquinas
actuales
• A3 : Mantener las máquinas
actuales
 Criterios de decisión en condiciones de riesgo
• Se caracterizan por que puede asociarse una probabilidad de ocurrencia a cada
estado de la naturaleza.
• Criterio del Valor Monetario Esperado(VME), es el que se usa para la toma de
decisiones en condiciones de riesgo.
• Ejemplo: suponga que los estados naturales de tiempo son tres: Tiempo bueno,
tiempo variable y tiempo lluvioso con probabilidades de 0.1, 0.6 y 0.3
respectivamente.
• El comerciante conoce estas probabilidades por pronósticos meteorológicos.
Conoce también las posibles ganancias que pueden reportar los dos productos bajo
los estados del tiempo por ventas anteriores.
 Estado de la naturaleza

Bueno, Variable, Lluvioso,

Alternativas P1= 0.1 P2= 0.6 P3= 0.3 VME

Helados 7000 2000 500 2050

Pasteles 4000 3000 1200 2560

VME = Helado= ´+(7000*0.1) ´+(2000*0.6) ´+(500*0.3)= 2050

VME, Pasteles = ´+(4000*0.1) ´+(3000*0.6) ´+(1000*0.3) = 2560

 Stock con demanda aleatoria:

• Uno de los problemas comunes de decisión bajo condiciones

de riesgo es el de decidir el nivel de Stock a mantener para un
artículo de demanda aleatoria cuando, por cualquier razón,
solo puede realizarse una única orden o pedido, cabe
mencionar, que en el caso de existir faltantes no se puede
volver a ordenar o pedir.
 Ejemplo (Stock)
• El propietario de artículos varios tiene que decidir cuántas
calculadoras debe pedir para la época de clase.
• • Para un tipo particular de Casio debe pedir en lotes de 12
unidades.
 Si pide 12 unidades, su costo es $ 8.75 por unidad.
 Si pide 24 unidades, su costo es de $ 8.5 por unidad.
 Si pide 36 unidades o más su costo es $8.
 Precio de la calculadora es de $11
 Demanda y costo de perdida por existencia.
• La demanda de este tipo de calculadora es de 150, 300 ó 450 unidades a las
cuales ha asignado por experiencia de los años anteriores las probabilidades de
0.2, 0.7 y 0.1 respectivamente. Si no se vende en la temporada de clase entonces
al final de temporada de clase las calculadoras sobrantes se le hace un descuento
del 35%.
• Si se queda corto en las unidades adquiridas hay una pérdida de cliente que se
estima de U$ 0.5 por cada calculadora que se deje de vender por falta de
existencia.
• Se pide:
• 1) encontrar la ecuación de utilidad.
• 2) Elaborar una matriz de resultados y seleccionar la alternativa que brinde la
mayor ganancia esperada utilizando el criterio de VME.
 La ecuación dependerá de la Demanda
Descripción D>S D=S D<S

Ingresos por ventas de 11S 11S 11D

articulos
Costo de los articulos CUS CUS CUS
vendidos

Valor de recuperación     ´11*(1-0.35)(S-D)

de existencia
Perdidas de pretigio 0.5(D-S)    
´11S-CuS-0.5(D-S) ´11S-CuS ´11D-CuS+11*(1-0.35)(S-D)
Ecuación de Utilidad
 Calculo de la matriz

Alternativas P=0.2 P= 0.7 P= 0.1

´11S-CuS ´11S-CuS-0.5(D-S) ´11S-CuS-0.5(D-S)
S= 144 324 246 171

´11D-CuS+11*(1-0.35) ´11S-CuS-0.5(D-S) ´11S-CuS-0.5(D-S)

S= 288 (S-D)= 188.7 714 639

11D-CuS+11*(1-0.35)(S- ´11D-CuS +11*(1-0.35) ´11S-CuS-0.5(D-S)

S= 432
D) = 1296 (S-D) = 1860.3 1287
 La solución de la matriz con criterio VME

Demanda D= 150 D= 300 D= 450 Vme

Alternativas P=0.2 P= 0.7 P= 0.1 $

S= 144 324 246 171 254
S= 288 188.7 714 639 601
S= 432 1296 1860.3 1287 1690
Con este criterio VME el mejor resultado sería comprar 36 unidades cada
mes o sea la compra en el año sería 432 unidades.
Criterios de decisión en condiciones de riesgo:
• Hay 5 métodos para esta situación:
• 1 - Criterio de decisión de HURWICZ: Máximax
• 2- Criterio de decisión de WALD: Maxmin
• 3- Criterio Intermedio
• 4 - Criterio de decisión de SAVAGE: Minimax
• 5 - Criterio de LAPLACE: principios de razón Insuficiente.
2 - Criterio de Wald: Maximin
• Wald sugiere que el decisor debe elegir aquella alternativa
que le proporcione el mayor nivel de seguridad posible. Este
criterio recibe el nombre de criterio Maximin y corresponde a
un pensamiento pesimista.
• El criterio de Wald exige que se escoja la estrategia con el
mayor de los pagos mínimos que genera cada alternativa (el
máximos de los mínimos).
 1- Criterio de decisión de HURWICZ: Máximax

• El criterio Máximax consiste en elegir aquella alternativa que

proporcione el mayor nivel de optimismo posible, lo que esta
directamente relacionado con el mayor pago que se puede obtener al
elegir una de las alternativas, ese pago se llama Máximax (máximo de
los máximos) o sea el mayor de los máximos para cada estrategia.
• Al utilizar el criterio Máximax las pérdidas pueden ser elevadas, si no
se presenta el estado de la naturaleza adecuado. Además, en ocasiones
puede conducir a decisiones pobres o poco convenientes.
 5 - Criterio de Laplace:

• Este criterio propuesto por Laplace, en 1825, está basado.

• En el principio de razón insuficiente: como a priori no existe ninguna razón para suponer que
un estado se puede presentar antes que los demás, podemos considerar que todos los estados
tienen la misma probabilidad de ocurrencia, es decir, la ausencia de conocimiento sobre el
estado de la naturaleza equivale a afirmar que todos los estados son equiprobables.
• Así, para un problema de decisión con n posibles estados de la naturaleza, asignaremos
probabilidad 1/n a c/u. de ellos.
• La regla de Laplace selecciona como alternativa óptima aquella que proporciona un mayor
resultado esperado: Elegir la alternativa Ak , tal que:
3 - Criterio Intermedio:

• Se trata de un criterio intermedio entre el criterio de Wald y el criterio máximax.

• Dado que muy pocas personas son tan extremadamente pesimistas u optimistas como
sugieren dichos criterios, Hurwicz considera que el decisor debe ordenar las alternativas de
acuerdo con una media ponderada de los niveles de seguridad y optimismo.
• Donde α (coeficiente de optimismo) es un valor especifico elegido por el decisor y aplicable
a cualquier problema de decisión abordado por él.
• El pago esperado de cada alternativa es igual al coeficiente de optimismo multiplicado por
el pago máximo que genera la alternativa más el coeficiente de pesimismo multiplicado por
el pago mínimo que genera la alternativa.
 Elección de α:

• Es preciso determinar el valor de α (coeficiente optimismo) valor

propio de cada decisor.
• Un valor de α >0.5 indica que el tomador de decisiones es más
optimista que pesimista y entre más cerca de 1 esté ese valor, mayor
será la tendencia a percibir un resultado optimista, en caso contrario si
α < 0.5 esto indicará que quien toma las decisiones tiene una mayor
tendencia al pesimismo y entre más cercano a 0 esté este valor más
pesimistas serán las expectativas del decisor
Tarea 1:Encuentre la expresión de utilidad para dicha situación.
Realice la matriz y aplique los criterios de decisión.

• 1. Una floristería vende orquídeas a un costo de $10 cada una, sí la orquídea es del
día, y a $7.00 si es del día siguiente. Cada orquídea cuesta $4.00 para pedidos de
hasta 30 unidades y de $3.50 para pedidos de más de 30 orquídeas. Cada orquídea
se da al cliente en una caja de lujo que cuesta $2.00. El vendedor recibe una
comisión de $1.00 por cada orquídea que venda en el día y $0.50 por las vendidas
al día siguiente a precio de recupere. Los costos fijos del negocio ascienden a $30
diarios. Las probabilidades son 0.3, 0.25. 0.45 para demandas de 100, 350 y 600.
•
Con los criterios conocidos determine el
pedido que debe hacer la vendedora.
• Una vendedora de revistas tiene ingresos de 25 C$/cada periódico, gasta C$ 10 de
transporte diario y por comida C$ 95 en su lugar de trabajo. Si ella no los logra
vender los vende en reciclaje a C$ 7 /cada periódico una vez al mes y gasta por
transporte para llevarlos al lugar de reciclado C$ 25 a un carretonero. Su
demanda mensual en Sábado y domingo es 200, de lunes a viernes es de 300 y los
días de pago 500. Las probabilidades de venta son 0.2, 0.5,0.3.
 ¿Cuál es la acción óptima utilizando los diversos criterios
de elección no probabilísticos? Y VME con 0.3,0.2, 0.5
• Un inversionista tiene el objetivo de lograr la máxima tasa posible de retorno. Suponiendo que
solamente tiene tres inversiones posibles: Acciones especulativas, acciones de alto grado o
bonos. También suponga que solamente pueden ocurrir tres estados posibles de la naturaleza:
guerra, paz y depresión.
• Ignore todos los problemas de ganancia de capital, impuestos etc. y suponga que el
inversionista ha determinado sus tasas de retorno en porcentaje para cada uno de las nueve
combinaciones acción-estado como se muestra en la siguiente tabla.
• 
Aplique el siguiente criterio de elección no probabilístico para seleccionar una acción óptima:
Dominación, Máximax, Maximin, Hurwicz con coeficiente de optimismo del 0.70, Minimax y
Laplace. Y para VME 0.15,0.25, 0.30, 0.18, 0.12

• Se da la siguiente matriz de pago:

• 
• 
•

• 
Gracias por su Atención
Oración del día:
Que este día, Dios libre a
Nicaragua de cualquier
catástrofe, que las naciones se
amen y no haya guerras, que
triunfe siempre el amor, la paz
y la justicia. Amén
 Unidad 2: Toma de Decisión
(Segunda parte)

Objetivo: Aplicar los criterios de la toma

de decisión en ejercicios

Msc. Mercedes Guillermina Godoy Barbosa

Problema del Voceador

• Utilidad = 25 S- 10 S Decisión comprar 2

• Matriz de utilidades periódicos.

Estado de la Naturaleza, demanda

Decisión 0 1 2 3 VME
0.1 0.3 0.4 0.2
0 0 0 0 0 0

1 -10 15 15 15 12.5
2 -20 5 30 30 17.5
3 -30 -5 20 45 12.5
 Tabla de arrepentimiento
Estado de la Naturaleza,
Decisión demanda VME
0 1 2 3
0 0 15 30 45 25.5
1 10 0 15 30 13
2 20 10 0 15 8
3 30 20 10 0 13

Nuevo dato = máximo de la columna – cada dato de la

columna
Nuevo dato para R11= 0-(-10)
Pena Máxima
Pena
Decisión
Maxima
0 45
La decisión sería
1 30
comprar 2 periódicos
2 para vender.
20
3 30
Valor esperado de la información perfecta

La ganancia que se espera obtener al conocer con certeza

la ocurrencia de ciertos estados de la naturaleza se le
denomina: Valor esperado de la información Perfecta.

“Por lo tanto VEIP corresponde al costo de oportunidad

de la decisión seleccionada usando el criterio de la
ganancia esperada”.

Esta decisión es la que genera una menor perdida para el

tomador de decisión
VEIP = 25.5 -17.5 = 8
Árbol de Decisión
Ventajas del Árbol de decisión
Partes del Árbol
 Planificación de la capacidad con árbol de decisión
• El dueño de Hackers considera lo que va hacer con su negocio
en los próximos tres años. En los últimos dos años
el crecimiento de las ventas ha sido bueno, pero podría
aumentar más si se construye en su área una importante
empresa de electrónica como se espera.
• El dueño ve tres opciones: la primera es ampliar su tienda
actual, la segunda es ubicarla en un nuevo lugar y la tercera es
esperar y no hacer nada.
• Tardarían poco tiempo en realizarse la ampliación o la
mudanza, por lo que la tienda no perdería ingresos.
• Si no hiciera nada el primer año y se presentara un fuerte
crecimiento,entonces estudiaría de nuevo la decisión de
ampliar la tienda.
• Si esperara más de un año la competencia entraría en el juego
y ya no seria factible la ampliación.
 Las suposiciones y condiciones son: 
1. Hay una probabilidad del 55 % de que se presente un fuerte
crecimiento por el aumento de aficionados a la computación de la
empresa de electrónica.
2. Si hay un fuerte crecimiento y se ubica en un nuevo lugar, el
rendimiento anual seria de 195 000 dólares. Si el crecimiento es débil
y se ubica en un nuevo lugar, el rendimiento anual seria de 115 000
dólares.
3. Si amplía la tienda y hay fuerte crecimiento, el rendimiento anual seria
de 190 000 dólares con la ampliación y el crecimiento débil, el
rendimiento anual seria de 100 000 dólares.
4. En la tienda actual, si no hay cambios, el rendimiento seria de 170 000
dólares por año durante un periodo de crecimiento fuerte y de 105 000
dólares si es débil 
5. El costo de la ampliación de la tienda actual seria de 87000 dólares.
6. El costo de trasladarse a otro sitio seria de 210000 dólares.
7. Si el crecimiento es fuerte y se ampliara la tienda actual en el segundo
año, el costo seria el mismo: 87 000 dólares.
8. Los costos de funcionamiento son iguales para todas las operaciones.
Solución
Ejercicio 1
Ejercicio 2: Elabore un árbol de decisión y concluya
Ejercicio 3Construya un árbol de decisión que ayude a Expando a tomar la mejor decisión.

• Expando, Inc., está considerando la posibilidad de construir una fábrica

adicional que produciría una nueva adición a su línea de productos. En la
actualidad, la compañía está considerando dos opciones.
• La primera es una instalación pequeña cuya edificación costaría 6 millones
de dólares. Si la demanda de los nuevos productos es floja, la compañía
espera recibir 10 millones de dólares en forma de ingresos descontados
(valor presente de ingresos futuros) con la fábrica pequeña.
• Por otro lado, si la demanda es mucha, espera 12 millones de dólares por
concepto de ingresos descontados utilizando la fábrica pequeña. La segunda
opción es construir una fábrica grande con un costo de 9 millones de dólares.
• Si la demanda fuera poca, la compañía esperaría 10 millones de dólares de
ingresos descontados con la planta grande. Si la demanda es mucha, la
compañía estima que los ingresos descontados sumarían 14 millones de
dólares. En los dos casos, la probabilidad de que la demanda sea mucha es
0.40 y la probabilidad de que sea poca es 0.60.
• El hecho de no construir una nueva fábrica daría por resultado que no se
generaran ingresos adicionales porque las fábricas existentes no podrían
producir estos nuevos productos.
 Unidad 3, Teoría de Juego

• Objetivo:
• Mostrar las diferentes aplicaciones prácticas de la Teoría de los Juegos
en la economía y los negocios; Planteando aspectos en que su
aplicación ayuda a comprender las reglas de decisión que deben
emplearse en situaciones conflictivas.
 Teoría de juego

• La teoría de juegos es un área de la matemática aplicada que utiliza

modelos para estudiar interacciones en estructuras formalizadas de
incentivos.
Los llamados juegos y llevar a cabo procesos de decisión.
Sus investigadores estudian:
1. Las estrategias,
2. Comportamiento previsto y observado de individuos en juegos.
Los tipos de interacción aparentemente distintos pueden, en
realidad, presentar estructura de incentivo similar y, por lo tanto,
se puede representar mil veces conjuntamente un mismo juego.
 Teoría de Juego
• Trata de la toma de decisiones bajo conflicto, un juego
incluye dos o más tomadores de decisiones que buscan
maximizar su propio bienestar, es decir, ganar.
• Matriz de Pago
Tabla que se utiliza para describir las estrategias y los pagos en
un juego en el que participan dos o más jugadores. Las
utilidades o ganancias de los distintos jugadores son los pagos.
 Guerra de los sexos

Las utilidades o ganancias de los distintos jugadores son los

pagos.
Ejemplo
Jugador 1
En el boulevard fuerzas
armadas de Tegucigalpa,
se encuentran dos gasolineras
una frente a otra.

El precio de los combustibles

es regulado por el Estado,
sin embargo la competencia
entre las mismas se realiza
en cuanto a otras estrategias.
 Jugadores
TEXACO
1. Venta de combustibles
2. Personal de servicio

• Construcción de la matriz
 Métodos para ganar un juego

• Estrategia Pura
Es aquel en que cada jugador tiene una y solo una estrategia optima.

• Estrategia Mixta
Si un juego no tiene silla de montar, se llama juego de estrategia
mixta.
 Silla de montar
• Cuando hay dos jugadores en Suma cero el juego definido en
un espacio continuo, el punto del equilibrio es un punto de la
silla de montar.
• Un punto de la silla de montar es un elemento de la matriz que
es el elemento más pequeño de su columna y el elemento más
grande de su fila.

Estrategia Dominante
Situación en la cual uno de los jugadores tiene la mejor estrategia,
independientemente de cual sea la que elija el otro.

Cuando los dos jugadores o todos en caso de más de dos jugadores tienen
una estrategia dominante, decimos que el resultado es un Equilibrio
Dominante.
 • Equilibrio Dominante
• Cuando los dos jugadores o todos en caso de más de dos
jugadores tienen una estrategia dominante
Aplicación en la vida real
Se requiere construir modelos simplificados de la realidad. Se tendrá que
representar a cada jugador con sus respectivas formas de conducta.

Cuando se trata de dos jugadores, normalmente conocemos perfectamente cuál es

nuestra forma de actuar, pero sólo conocemos en parte la de nuestro rival u
oponente.

Por esto se hace más fácil representar simplificadamente nuestra conducta que
representar la conducta del rival. Por esto se hace más fácil representar simplificada
mente nuestra conducta que representar la conducta del rival.
 Aplicación de Teoría de Juegos a la
vida real.
Se requiere representar adecuadamente las conductas de los dos (o
más) jugadores.

Nuestra conducta será conocida con certidumbre, mientras que la del

rival sólo en forma probable.

A veces se necesitará plantear dos o más representaciones de la

conducta probable del rival.

Cada representación recibe el nombre de escenario.

Cada escenario es un juego simple.
El conjunto de dos o más escenarios es un juego compuesto.
Aplicación de Teoría de Juegos a la Economía

Las ideas de la Teoría de Juegos pueden explicar las

guerras comerciales, así como las guerras de precios y
cualquier otra situación en que dos o más individuos
requieran interactuar a fines de obtener ganancias
económicas.
Aplicación de Teoría de Juegos a la Economía

• Contratos
• Guerras militares
• Guerras comerciales
• Marketing para la competencia en los mercados
• Negociaciones domésticas
• Negociaciones comerciales
• Negociaciones colectivas
• Alianzas
Conclusión
La Teoría de Juegos estudia la elección de la conducta óptima
cuando los costes y los beneficios de cada opción no están
fijados de antemano, sino que dependen de las elecciones de
otros individuos.
Sin embargo no hay que ver la teoría de juegos como una herramienta
que predice la conducta de los seres humanos, sino como una
sugerencia sobre cómo deberían comportarse. Dado que el equilibrio
de Nash constituye la mejor respuesta a las acciones de otros
jugadores, seguir una estrategia que es parte del equilibrio de Nash
parece lo más apropiado.
MUCHAS GRACIAS
 Unidad 3: Cadena de Markov

Objetivo:
Aplicar la teoría de cadena de Markov para
resolver ejercicios

Docente: Msc. Mercedes Guillermina Godoy Barbosa

Las cadenas de markov
• Las cadenas de markov son modelos probabilísticos que se
usan para predecir la evolución y el comportamiento a corto
y a largo plazo de determinados sistemas.
• Ejemplos: reparto del mercado entre marcas; dinámica de
las averías de máquinas para decidir política de
mantenimiento; evolución de una enfermedad,…
Definición de cadena de Markov
Una Cadena de Markov (CM) es:
• Un proceso estocástico
• Con un número finito de estados (M)
• Con probabilidades de transición
estacionarias
• Que tiene la propiedad markoviana
Ejemplos de procesos estocásticos:

1.Serie mensual de ventas de un producto

2. Estado de una máquina al final de cada semana
(funciona/averiada)
3. Nº de clientes esperando en una cola cada 30
segundos
4. Marca de detergente que compra un consumidor cada
vez que hace la compra. Se supone que existen 7
marcas diferentes
5. Nº de unidades en almacén al finalizar la semana
Elementos de una cadena de markov

• Un conjunto finito de M estados, exhaustivos

y mutuamente excluyentes (ejemplo: estados
de la enfermedad)
• Ciclo de markov (“paso”) : periodo de
tiempo que sirve de base para examinar las
transiciones entre estados (ejemplo, un mes)
• Probabilidades de transición entre estados,
en un ciclo (matriz P)
• Distribución inicial del sistema entre los M
estados posibles
 MATRIZ DE TRANSICIÓN:
• Una matriz de transición para una cadena de Markov de n
estado es una matriz de n X n con todos los registros no
negativos y con la propiedad adicional de que la suma de
los registros de cada columna (o fila) es 1.
Por ejemplo: las siguientes son matrices de transición.
Representación grafica de una matriz  de transición:
• Es el arreglo numérico donde se
condensa las probabilidades de un
estado a otro.
• A través de una grafica de matriz de
transición se puede observar el
comportamiento estacionario
representado por una cadena de
Markov tal que los estados
representan la categoría en que se
encuentre clasificado.
• Como se aprecia a continuación:
 Propiedad Markoviana

• Un proceso estocástico tiene la propiedad markoviana si

las probabilidades de transición en un paso sólo dependen
del estado del sistema en el período anterior (memoria
limitada).
Propiedad Markoviana

P(n) es la matriz de transición en n pasos, de orden (M+1)x(M+1)

Propiedad Markoviana
 Tipos de modelos de Markov:

• Procesos de Markov (Modelos semi-markovianos):

Las probabilidades de transición entre estados pueden
variar a medida que transcurren más ciclos
• Ejemplo: para modelizar la esperanza de vida,
el riesgo de muerte aumenta con la edad
• Cadenas de Markov: Las probabilidades de transición
se suponen constantes a lo largo del tiempo
• Propiedad markoviana

• Comportamiento (sube/baja) del precio de las acciones

hoy depende de lo ocurrido ayer

• Elección de marca: Con qué línea aérea volar a Madrid?

 Matriz de transición del proceso
1 2 3 4 5
1 0.2 0.5 0.3
2 0.2 0.5 0.3
3 0.2 0.5 0.3
4 0.2 0.5 0.3
5 0.2 0.5 0.3

P22,3 = Probabilidad de que el sistema pase

del estado 2 al 3 en dos pasos.

P22,3 =
0.2*0.3+0.5*0.3+0.3*0.5+0*0.2+0*0.
3 = 0.36
 Actividad: De la matriz anterior determinar:

• P21,3 P21,2 P21,4 P24,3

• P22,4 P22,1 P23,4 P23,3

De la matriz:

1 2
1 0.8 0.2
2 0.3 0.7 Determinar :
P21,2 P21,1
P22,2 P22,1
Problema 1
La ciudad de Nueva York produce 1000 toneladas de aire
contaminado por día, la ciudad de Jersey 100 toneladas
y Newark 50 toneladas. Todos los días, los vientos
arrastran 1/3 de la contaminación de Nueva York a
Newark, 1/3 se disipa y el otro tercio permanece en
Nueva York. Cada día el viento se lleva a Nueva York 1/3
de la contaminación de la ciudad de Jersey, 1/3 se queda
en Jersey y 1/3 se va Newark. Todos los días, 1/3 de la
contaminación de Newark permanece allí y el resto se va
con el viento a la ciudad de Jersey.
¿En un día representativo cual ciudad será la más
contaminada?
 Problema 2
• Suponga que toda la industria de refresco produce
dos colas: Coca Cola y Pepsi Cola. Cuando una
persona ha comprado Coca Cola hay una
probabilidad de 90% de que siga comprándola la
vez siguiente. Si una persona compró Pepsi, hay
80% de que repita la vez siguiente. Se pide:
• Si en la actualidad una persona es comprador de
Coca Cola. ¿Cuál es la probabilidad de que compre
Coca Cola pasadas tres compras a partir de ahora?
• Suponga que el 60% de toda la gente toma hoy
Coca Cola y el 40% Pepsi. A tres compras a partir de
ahora, ¿Qué fracción de los compradores estará
tomando Coca Cola. Determinar la matriz de Markov
estable.
Unidad 3 Cadena de markov
Objetivo: Aplicar las cadenas markov a
ejercicios de forma correcta

Msc Mercedes Guillermina Godoy Barbosa

Probabilidades de Transición
Absolutas y de n pasos.

• a(1) = a(0) P
• a(2) = a(1) P= a(0) PP = a(0) P(2)
• a(3) = a(2) P = a(0) P(2) P = a(0) P(3)
 Ejemplo: Un profesor de Ingeniería adquiere una computadora nueva cada
dos anos . El profesor puede elegir entre tres modelos M1, M2, M3. Si el
modelo actual es M1, la siguiente puede ser M2 con probabilidad de 0.2 o
M3 con probabilidad 0.15. Si el modelo actual es M2 las probabilidades de
cambian a M1 y M3 son 0.6 y 0.25 respectivamente.
Pero si el modelo es M3 entonces la probabilidad de comprar M2 y M1 es
0.5 y 0.1 respectivamente. Represente la situación como una cadena de
Markov. Determine la probabilidad de que el profesor compre el modelo
actual en 4 años. • (4)
a = a(3) P = a(0) P(4) Planteando:

0.65 0.2 0.15

a(1) = (1 0 0)
0.6 0.15 0.25

0.5 0.1 0.4

Solución
 Problema del jardinero con fertilizantes
0.3 0.6 0.1
0.1 0.6 0.3
0.05 0.4 0.55

Determine a8 y a 16
Las probabilidades encontradas se llaman probabilidades de estado Estable
 Probabilidad de estado estable y Tiempos de
retorno
• Revisemos la probabilidad de estado estable del
problema del jardinero
0.3 0.6 0.1
(P1, P2, P3) = (P1, P2, P3) * 0.1 0.6 0.3
0.05 0.4 0.55
• Un subproducto directo de las probabilidades de estado estable es la
determinación del numero esperado de transición antes de que el
sistema regrese a un estado por primera vez. Esto se conoce como
tiempo medio del primer retorno o tiempo medio de recurrencia. µjj =
1/pj donde P1 = 0.1017, P2= 0.5254 y P3= 0.3729.
• La condición de la tierra será buena 10%, regular 52% y mala 37% del
tiempo.
• Se requerirán aprox. 10 temporada de siembra para que la tierra
regrese a un buen estado, 2 estados para que regresen a un estado
bueno y 3 temporada para que regresen a un estado malo.
 Modelo de Costo
• El jardín necesita 2 sacos de fertilizantes si la tierra es buena. La cantidad se
incrementa en 25% si la tierra es regular y 60% si la tierra es mala. El costo
del fertilizante es de $50 por saco. El jardinero estima un rendimiento anual
de $250 si no se utiliza fertilizante, y de $420 si se aplica el fertilizante. Es
redituable utilizar fertilizante?
• Costo del fertilizante anual esperado
• Tierra buena = 2 * 50 * P1
• Tierra regular= 1.25 * 2 * 50 *P2
• Tierra mala = 1.6 * 2 * 50 * P3
• Costo Total = $ 135.51
• Rendimiento aplicando fertilizante = 420 – 135.5 = $ 284.5
• Conclusión: Usar fertilizantes.
Gracias por su Atención