TECNOLOGICO NACIONAL DE MEXICO

INSTITUTOTECNOLGICO DE CERRO AZUL

ING.INDUSTRIAL

INVESTIGACIN DE
OPERACIONES II
TRABAJO: UNIDAD 3 TEORIA DE DECISIONES
CATEDRATICO: ING. JOS GUADALUPE BASILIO RAMIREZ

PRESENTA:

GUADALUPE HERNANDEZ JORGE EDUARDO

NUMERO DE CONTROL: 13500079

CERRO AZUL, VER A 21 OCTUBRE DEL 2015

UNIDAD 3 TEORIA DE DECISIONES

3.1 Caractersticas generales
3.1 CARACTERISTICAS GENERALES
La decisin consiste en el proceso deliberado que lleva a la seleccin de
una accin (acto, curso de accin) determinado entre un conjunto de
acciones alternativas. La decisin es un proceso previo a la accin
TEORIA DE LA DECISION
La teora de la decisin es un rea interdisciplinaria de estudio,
relacionada con casi todos los participantes en ramas de la ciencia,
ingeniera .Concierne a la forma y al estudio del comportamiento y
fenmenos de aquellos que toman las decisiones (reales o ficticios), as
como las condiciones por las que deben ser tomadas las decisiones
ptimas.
La Teora de la Decisin trata del estudio de los procesos de toma de
decisiones desde una
perspectiva racional.
En cuanto a decisin se refiere, existen dos enfoques sobresalientes:
La teora de la eleccin racional
La teora de la decisin

La teora de la eleccin racional: desde una perspectiva descriptiva, nos

cuenta CMO SON los procesos decisorios en las organizaciones. Los
hombres aplican su propia racionalidad limitada por su singular visin de
la realidad.
La teora de la eleccin racional, tambin conocida como teora de
eleccin o teora de la accin racional, es un marco terico que es
utilizado para entender y modelar formalmente el comportamiento
social y econmico. Es la principal corriente terica en la microeconoma
y supone que el individuo o agente tiende a maximizar su utilidadbeneficio y a reducir los costos o riesgos. Los individuos prefieren ms
de lo bueno y menos de lo que les cause mal.

La teora de la decisin: es una metodologa prescriptiva o normativa

que indica CMO SE DEBE decidir para ser consecuentes con los
objetivos, preferencias y ciertos principios impuestos por la teora.
(Cmo se debe decidir, pero no que decidir).
La teora de la decisin es prescriptiva porque obliga al TD a proceder de
una determinada manera si quiere ser coherente con las premisas
definidas.
La teora de la decisin es subjetiva porque, al prescribir, tiene en
cuenta las preferencias, las valoraciones, las vivencias y la visin del TD.
La teora de decisiones se ocupa de decisiones contra la naturaleza. Esta
fase se refiere a una situacin donde el resultado (rendimiento) de una
decisin individual depende de la accin de otro agente (naturaleza)
sobre el cual no se tiene control. Es importante observar que en este
modelo los rendimientos afectan nicamente a quien toma la decisin. A
la naturaleza no le importa cual es el resultado.
Elementos de un Proceso de Decisin
El decisor (TD): Es el encargado de realizar la seleccin de alternativas
de la mejor manera, en funcin de sus objetivos
Las alternativas o cursos de accin: son las diferentes formas de actuar
posibles: el TD deber seleccionar una de ellas. Es importante tener en
cuenta que estas alternativas deben ser excluyentes entre s.
Los estados de la naturaleza: son las variables no controlables por el TD.
Son eventos futuros que influyen en el proceso de decisin, pero que no
pueden ser controladas ni previstas, en su comportamiento, por el TD.
Los resultados: es lo que se obtiene ante la seleccin (la opcin) de una
alternativa determinada cuando se presenta uno de los posibles estados
de la naturaleza.

PROCESO DE TOMA DE DESICIONES

El proceso de toma de decisiones no ocurre de manera continua, sino

que est formado por diversas actividades que ocurren en momentos
diferentes, la existencia de diferentes etapas y los diferentes requisitos
en cada una de ellas, indican que los sistemas deben tener capacidades
internas mltiples y deben ser flexibles y fciles de usar
En lneas generales, tomar una decisin implica definir el propsito,
listar las opciones disponibles, evaluar las opciones, escoger entre las
opciones disponibles y convertir la opcin seleccionada en accin.
Elementos en el proceso de decisiones
Toda decisin viene motivada en origen por la existencia de un problema
que se ha detectado y que se pretende solucionar. Decidir consiste en la
eleccin de una posible solucin entre varios recursos de accin
alternativos. Por tanto, no se puede hablar de toma de decisiones ante
una situacin problemtica para lo que no existe ms que una
alternativa. Cuando existe una solucin posible del problema, no hay
capacidad de eleccin y por tanto, no hay decisin.
Aun en el caso de contar con varias alternativas posibles, para poder
hablar de decisin es necesario que el decisor est capacitado y
dispuesto a dedicar cierto tiempo y recursos a analizar el problema y sus
posibles soluciones.
La toma de decisiones est basada en cinco elementos bsicos:
Informacin:
Estas se recogen tanto para los aspectos que estn a favor como en
contra del problema, con el fin de definir sus limitaciones. Sin embargo
si la informacin no puede obtenerse, la decisin entonces debe basarse
en los datos disponibles, los cuales caen en la categora de informacin
general.
Conocimientos:
Si quien toma la decisin tiene conocimientos, ya sea de las
circunstancias que rodean el problema o de una situacin similar,
entonces estos pueden utilizarse para seleccionar un curso de accin
favorable. En caso de carecer de conocimientos, es necesario buscar
consejo en quienes estn informados.
Experiencia:

Cuando un individuo soluciona un problema en forma particular, ya sea

con resultados buenos o malos, esta experiencia le proporciona
informacin para la solucin del prximo problema similar. Si ha
encontrado una solucin aceptable, con mayor razn tender a repetirla
cuando surja un problema parecido. Si carecemos de experiencia
entonces tendremos que experimentar; pero slo en el caso en que las
consecuencias de un mal experimento no sean desastrosas. Por lo
tanto, los problemas ms importantes no pueden solucionarse con
experimentos.

Anlisis:
No puede hablarse de un mtodo en particular para analizar un
problema, debe existir un complemento, pero no un reemplazo de los
otros ingredientes.
En ausencia de un mtodo para analizar
matemticamente un problema es posible estudiarlo con otros mtodos
diferentes. Si estos otros mtodos tambin fallan, entonces debe
confiarse en la intuicin. Algunas personas se ren de la intuicin, pero
si los otros ingredientes de la toma de decisiones no sealan un camino
que tomar, entonces sta es la nica opcin disponible.
JUICIO
El juicio es necesario para combinar la informacin, los conocimientos, la
experiencia y el anlisis, con el fin de seleccionar el curso de accin
apropiado. No existen substitutos para el buen juicio

ETAPAS QUE CONFORMAR EL PROCESO DE TOMA DE DECISIONES:

1. Identificacin y diagnstico del problema:
Reconocemos en la fase inicial el problema que deseamos solucionar,
teniendo en cuenta el estado actual con respecto al estado deseado.

Una vez que el problema es identificado se debe realizar el diagnstico y

luego de esto podremos desarrollar las medidas correctivas.

2. Generacin de soluciones alternativas:

La solucin de los problemas puede lograrse por varios caminos y no
slo seleccionar entre dos alternativas, se pueden formular hiptesis ya
que con la alternativa hay incertidumbres.
3. Evaluacin de alternativas:
La tercera etapa implica la determinacin del valor o la adecuacin de
las alternativas que se generaron. Cul solucin ser la mejor?
Los gerentes deben considerar distintos tipos de consecuencia. Por
supuesto que deben intentar predecir los efectos sobre las medidas
financieras u otras medidas de desarrollo. Pero tambin existen otras
consecuencias menos definidas que hay que atender. Las decisiones
establecen un precedente y hay que determinar si este ser una ayuda o
un obstculo en el futuro.
Por supuesto, no es posible predecir los resultados con toda precisin.
Entonces pueden generar planes de contingencia, esto es, curso
alternativo de accin que se pueden implantar con base en el desarrollo
de los acontecimientos.
4. Seleccin de la mejor alternativa:
Cuando el administrador ha considerado las posibles consecuencias de
sus opciones, ya est en condiciones de tomar la decisin.
5. Implementacin de la decisin:
El proceso no finaliza cuando la decisin se toma; esta debe ser
implementada. Bien puede ser que quienes participen en la eleccin de
una decisin sean quienes procedan a implementarla, como en otras
ocasiones delegan dicha responsabilidad en otras personas. Debe existir
la comprensin total sobre la eleccin de la toma de decisin en s, las
razones que la motivan y sobre todo debe existir el compromiso de su
implementacin exitosa. Para tal fin, las personas que participan en esta
fase del proceso, deberan estar involucradas desde las primeras etapas
que anteriormente hemos mencionado.

A continuacin citaremos los pasos que los gerentes deben considerar

durante la planeacin de su ejecucin:
Determinar cmo se vern las cosas una vez que la decisin est
funcionando completamente.
Orden cronolgico (de ser posible con un diagrama de flujo) de los pasos
para lograr una decisin totalmente operativa.
Considerar recursos disponibles y actividades necesarias para poner
cada paso en prctica.
Considerar el tiempo que tomar cada una de las etapas.
Asignacin de responsabilidades a personas especficas para cada etapa.
Podemos estar seguros de que cuando una toma de decisin es tomada,
sta probablemente generar ciertos problemas durante su ejecucin,
por lo tanto los gerente deben dedicar el tiempo suficiente al
reconocimiento de los inconvenientes que se pueden presentar as como
tambin ver la oportunidad potencial que estos pueden representar. De
esta manera, podramos decir que es fundamental que los gerentes se
pregunten:
Qu problemas podra causar esta accin, y qu podramos hacer para
impedirlo?
Qu beneficios u oportunidades no intencionales podran surgir?
Cmo podremos asegurarnos de que sucedan?
Cmo podemos estar preparados para actuar cuando se presenten las
oportunidades?

6. Evaluacin de la decisin:
Evaluar la decisin, forma parte de la etapa final de este proceso. Se
recopila toda la informacin que nos indique la forma como funciona una
decisin, es decir, es un proceso de retroalimentacin que podra ser
positiva o negativa. Si la retroalimentacin es positiva, pues entonces
nos indica que podemos continuar sin problemas y que incluso se podra

aplicar la misma decisin a otras reas de la organizacin.

contrario, la retroalimentacin es negativa, podra ser que:

Si por el

Tal vez la implementacin requiera de ms tiempo, recursos, esfuerzos o

pensamiento o Nos puede indicar que la decisin fue equivocada, para
lo cual debemos volver al principio del proceso definicin del problema.
Si esto ocurriera, sin duda tendramos ms informacin y probablemente
sugerencias que nos ayudaran a evitar los errores cometidos en el
primer intento.

Clasificacin de los Procesos de Decisin

Segn las caractersticas del contexto, podemos decir que el proceso de
decisin se realiza bajo certidumbre, bajo riesgo o bajo incertidumbre.
En funcin de esta distincin podemos identificar tres grandes grupos:
Decisiones No Estructuradas: este tipo de decisiones se toman
cuando estamos en un contexto de incertidumbre total y se cuenta con
muy poca informacin. Son, principalmente, decisiones polticas y
estratgicas. Se requiere de un alto poder de negociacin.
Decisiones Poco Estructuradas: este tipo de decisiones se toman cuando
estamos en un contexto intermedio, es decir, no nos encontramos en
certeza ni en incertidumbre total.
Decisiones Estructuradas: este tipo de decisiones se toman cuando
estamos en un contexto de casi-certeza, donde existe poca complejidad.
La mayora de estas situaciones son abarcadas por los Mtodos de
Investigacin de Operaciones. Son decisiones que pueden programarse
por ser repetitivas y rutinarias.

3.2
CRITERIOS
DE
Y PROBABILSTICAS

DECISIN

DETERMINISTICOS

Modelos Probabilsticos: De los Datos a un Conocimiento Decisivo

El conocimiento es lo que sabemos. La informacin es la comunicacin

de conocimientos. En cada intercambio de conocimientos, hay un
remitente y un receptor. El remitente hace comn lo que es privado,
hace la informacin, la comunicacin. La informacin se puede clasificar
como formas explcitas y tcitas. La informacin explcita se puede
explicar de forma estructurada, mientras que la informacin tcita es
inconsistente e imprecisa de explicar.
Los datos son conocidos como informacin cruda y no como
conocimientos en s. La secuencia que va desde los datos hasta el
conocimiento es (observe el siguiente cuadro): de los Datos (Data) a la
Informacin (Information), de la Informacin (Information) a los Hechos
(Facts), y finalmente, de los Hechos (Facts) al Conocimiento
(Knowledge). Los datos se convierten en informacin, cuando se hacen
relevantes para la toma de decisin a un problema. La informacin se
convierte en hecho, cuando es respaldada por los datos. Los hechos son
lo que los datos revelan. Sin embargo el conocimiento instrumental es
expresado junto con un cierto grado estadstico de confianza
Proceso de Toma de Decisiones Estadsticas
A diferencia de los procesos de toma de decisiones determinsticas tal
como, optimizacin lineal resuelto mediante sistema de ecuaciones,
sistemas paramtricos de ecuaciones y en la toma de decisin bajo pura
incertidumbre, las variables son normalmente ms numerosos y por lo
tanto ms difciles de medir y controlar. Sin embargo, los pasos para
resolverlos son los mismos. Estos son:
1. Simplificar
2. Construir un modelo de decisin
3. Probar el modelo
4. Usando el modelo para encontrar soluciones:

El modelo es una representacin simplificada de la situacin real

No necesita estar completo o exacto en todas las relaciones

Se concentra en las relaciones fundamentales e ignora las

irrelevantes.

Este es entendido con mayor facilidad que un suceso emprico

(observado), por lo tanto permite que el problema sea resuelto con
mayor facilidad y con un mnimo de esfuerzo y prdida de tiempo.

El modelo puede ser usado repetidas veces para problemas similares, y

adems puede ser ajustado y modificado
El anlisis de decisiones es la disciplina que consiste en evaluar
alternativas complejas en trminos de valores (habitualmente en $
porque es lo que a los gerentes les importa) y de incertidumbre (lo que
no conocemos). El anlisis de decisiones brinda informacin sobre las
diferencias entre las alternativas definidas, y genera sugerencias de
nuevas y mejores alternativas. Usamos nmeros para cuantificar valores
e incertidumbres subjetivas, lo cual nos permite comprender la situacin
de decisin. Los resultados numricos deben reconvertirse para generar
informacin cualitativa.
Los seres humanos pueden comprender, comparar y manipular
nmeros. Por lo tanto, para crear un modelo de anlisis de decisiones es
necesario crear la estructura del modelo y asignar las probabilidades y
los valores para poblar el modelo de computacin. Aqu se incluyen los
valores para las probabilidades, las funciones de valor para evaluar
alternativas, las ponderaciones de valor para medir la concesin que se
debe hacer entre los objetivos, y la preferencia de riesgo.

Teora de juegos
La Teora de Juegos es una teora matemtica que estudia las
caractersticas generales de las situaciones competitivas de manera
formal y abstracta.

La Teora de Juegos es til para tomar decisiones en casos donde dos o

ms personas que deciden se enfrentan en un conflicto de intereses.
Estudia la toma de decisiones en interaccin (ejemplos: el juego de
ajedrez, la negociacin poltica, las estrategias militares).Dnde se
utiliza?: estrategias de conflicto, guerras de precios, decisiones de
cartel, relaciones sindicato empresa, acuerdos y negociaciones polticas,
econmicas, militares, etc.
Criterios de eleccin:

Maximin (pesimista): Para cada accin es posible determinar la

peor situacin (beneficio mnimo). El criterio Maximin selecciona la
mejor opcin entre las peores situaciones.

Maximax (optimista): Para cada accin se determina el retorno

mximo (mayor beneficio). El criterio Maximax escoge la accin de
mayor retorno.

Minimax (arrepentimiento): es un mtodo de decisin

para minimizar la prdida mxima esperada en juegos con
adversario y con informacin perfecta. El funcionamiento de
Minimax puede resumirse como elegir el mejor movimiento para ti
mismo suponiendo que tu contrincante escoger el peor para ti.

Valor esperado: como la ganancia promedio a largo plazo a la

que llegaramos con cada alternativa despus de repetir la
decisin muchas veces.

Valor esperado con informacin perfecta: es la cantidad en la

que se podra mejorar el rdito esperado si la persona supiera de
antemano cul es el evento que va a ocurrir

Problemas Estocsticos
Los procesos estocsticos son bsicamente fenmenos cuyo
comportamiento se desarrolla en el tiempo y se rige por las leyes de las
probabilidades.
Ejemplos de tales fenmenos son: el movimiento browniano de una
partcula, el crecimiento de una poblacin tal como una colonia bacteria,

el tamao de una cola en una estacin cliente/servidor, la recepcin de

una seal en presencia de ruido o perturbaciones, los precios de un bien
en un lapso de tiempo, las fluctuaciones de fortuna en un juego de azar,
etc.
Existen caracterizaciones de procesos estocsticos cuya variable no es
el tiempo, sino la ubicacin espacial.
Ejemplos de estos procesos estocsticos espaciales son la distribucin
geografica de especies de plantas o animales y es estudio de epidemias,
donde el contagio de una enfermedad en un sitio depende de su
proximidad con otros sitios infectados.
Para efectos matemticos, un proceso estocstico es una sucesin de
variables aleatorias, cada una de las cuales describe el estado
del sistema en un instante de tiempo dado. Esta denticin es adecuada
porque abarca los siguientes aspectos:
1) el estado del sistema en un tiempo determinado es variable, y su
variabilidad se debe a mecanismos aleatorios.
2) la variable aleatoria del estado del sistema es una funcin
que depende del tiempo y en consecuencia, su distribucin est
determinada por el instante de tiempo que se considere.
3) si se consideran los estados de un sistema en distintos instantes de
tiempo conjuntamente, se puede conceptuar un proceso estocstico
como un vector aleatorio n-dimensional.

3.3.- VALOR DE LA INFORMACION PERFECTA

El valor de la informacin perfecta es la cantidad en la que se podra
mejorar el rdito esperado si la persona supiera de antemano cul es el
evento que va a ocurrir.
Dicho valor se calcula mediante el siguiente procedimiento:

1- Identificar el mejor rdito para cada evento (si es ganancia, se

elige el nmero ms alto; si es costo, tmese el menor nmero)

2- Calcular el valor esperado de esos mejores rditos multiplicando

el mejor rdito para cada evento por la probabilidad de que ese
evento ocurra.

3- Restar del valor esperado del rdito obtenido con informacin

perfecta del valor esperado del rdito obtenido sin informacin
perfecta. Esta diferencia es el valor de la informacin perfecta

Formula:
VALOR DE LA INFORMACION PERFECTA= VALOR OBTENIDO CON
INFORMACION PERFECTA VALOR OBTENIDO SIN INFORMACION
PERFECTA
VIP=VOCIP-VOSIP
Ejemplo de aplicacin:
MODELO DEL REPARTIDOR DE PERIODICOS
Un repartidor de peridicos puede comprar el WALL STREECT JOURNAL a
40 centavos cada uno y venderlo a 75 centavos. Sin embargo, debe
adquirir los peridicos antes de saber cuntos puede vender realmente.
Si compra ms peridicos de los que puede vender, simplemente
desechara el excedente sin costo adicional. Si no compra suficientes
peridicos, pierde ventas potenciales ahora y posiblemente en el futuro
(los clientes disgustados podran ya no comprarle. Suponga por el
momento, que esta prdida de ventas futuras es representada por un
costo de prdida del buen nombre estimado en 50 centavos por cliente
insatisfecho. Con propsitos ilustrativos y para facilitar el clculo,
tambin suponga que la distribucin de la demanda que enfrenta es:

P0 = Prob (demanda = 0) = 0.1

P1 = Prob (demanda = 1) = 0.3

P2 = Prob (demanda = 2) = 0.4

P3 = Prob (demanda = 3) = 0.2

En este modelo, cada uno de los 4 diferentes valores de la demanda es

un estado de la naturaleza diferente, y el nmero de peridicos
ordenado es la decisin. Los rendimientos o retribuciones para este
modelo se muestran en la siguiente tabla.

Las entradas de esta tabla representan el flujo de efectivo neto asociado

con cada combinacin de cantidad ordenada y cantidad solicitada,
menos el costo por la prdida de la buena reputacin comercial (PBRC o
tambin llamada del buen nombre) cuando la cantidad ordenada no es
suficiente para satisfacer la demanda. Estas entradas se calculan
mediante la expresin:

Retribucin = 75 (nmero de peridicos vendidos) 40 (nmero de

peridicos ordenados) 50 (demanda no satisfecha)

Donde el precio de venta por peridico es de 75 centavos, el costo de

comprar un peridico es de 40 centavos y el costo por desilusionar a un
cliente (el costo PBRC) es de 50 centavos.

Tabla de retribuciones
ESTADO DE LA NATURALEZA (DEMANDA)
DECISION

-50

-100

-150

-40

35

-15

-65

-80

-5

70

20

-120

-45

30

105

Una vez que estn todos los datos reunidos en la tabla, el proceso para
encontrar la decisin optima es estrictamente mecnico. Utilizando la
siguiente ecuacin:

Haciendo los clculos tenemos:

ER0= 0(0.1) 50(0.3) 100(O.4) 150(0.2) = -85
ER1= -40(O.1) +35(0.3) 15(O.4) -65(0.2) = -12.5
ER2= -80(0.1) -5(O.3) + 70(0.4) + 20(O.2) = 22.5
ER3= -120(0.1) 45(0.3) + 30(0.4) + 105(0.2) = 7.5

Dado que ER2 es el mayor de estos 4 valores, la decisin ptima es

ordenar dos peridicos.
Recordando que la poltica optima es ordenar dos peridicos y que el
rendimiento esperado es de 22.5, ahora introduciremos el concepto de
valor de la informacin perfecta.
En particular, vamos a suponer que la secuencia de sucesos durante un
da del repartidor de peridicos (la secuencia actual de los sucesos) es
como sigue:
1. Un genio, partiendo de la distribucin de la demanda de los
peridicos, determina el nmero de peridicos que sern
solicitados.
2. El repartidor de peridicos, ignorante de la cantidad solicitada,
pero conociendo la distribucin de la demanda, ordena o pide
los peridicos.
3. La demanda le es entonces revelada al repartidor de peridicos
y l consigue un rendimiento real (en contraste con el
esperado) determinado en funcin de su decisin sobre el
tamao del pedido y de la demanda.
Ahora imagine un nuevo escenario. El repartidor de peridicos tiene la
oportunidad de negociar con el genio. Bajo este nuevo arreglo la
secuencia de eventos es como sigue:
1. El repartidor de peridicos le paga al genio una cuota.
2. El genio determina la demanda igual que antes Es importante
sealar que el genio no puede hacer que una demanda en
particular se convierta en cierta; el simplemente tiene el
conocimiento perfecto de lo que suceder y est dispuesto a
vender ese conocimiento o informacin.
3. El genio le dice l repartidor de peridicos a cunto ascender la
demanda.
4. El repartidor de peridicos ordena sus peridicos.
5. El repartidor de peridicos recibe el rendimiento determinado
por la demanda y el nmero de peridicos que ordeno.
La pregunta es, Cul es la cuota ms alta que el repartidor de
peridicos debera estar dispuesto a pagar en el paso 1? Esta cuota se

conoce como el valor de la informacin perfecta. En trminos

generales,
Cuota= (rendimiento esperado con el nuevo trato) (rendimiento
esperado con la secuencia actual de los eventos [sin trato o arreglo])
VALOR DE LA INFORMACION PERFECTA= VALOR OBTENIDO CON
INFORMACION PERFECTA VALOR OBTENIDO SIN INFORMACION
PERFECTA
Con el nuevo trato el repartidor de peridicos, en el paso 4, siempre
ordenara o pedir el nmero de peridicos que le darn el rendimiento
mximo para el estado de la naturaleza que va a ocurrir. Sin embargo, el
pago en el paso 1 debe ser hecho antes de saber cul ser la demanda
reemitindonos a la tabla anterior, vemos que si hay una demanda de 0
peridicos, el ordenara 0 peridicos y disfrutara de un mximo
rendimiento de 0. Dado que el genio parte de la distribucin de la
demanda hay una probabilidad de 0.1 de que el repartidor de peridicos
sabr por medio del genio que la demanda ser efectivamente de 0. De
manera similar, sabr con una probabilidad de 0.3 que habr una
demanda de 1 peridico. Si esto ocurre, ordenara 1 peridico y
disfrutara un mximo rendimiento de 35. Siguiendo este razonamiento,
su rendimiento esperado (RE) bajo el nuevo trato ser
RE (nuevo) = 0(0.1) + 35(0.3) + 70(0.4) + 105(0.2) = 59.5
Vemos que en ausencia de la informacin perfecta su decisin optima
(ordenar 2 peridicos) da un rendimiento esperado de 22.5. Por lo tanto,
podemos calcular el valor de la informacin perfecta (VIP) como
sigue:
VIP= 59.5 22.5 = 37.0 centavos
Esta es la cantidad mxima que nuestro vendedor deber estar
dispuesto a pagar en el paso 1 para el trato con el genio.
3.4 ARBOLES DE DECISIN

RBOL DE DECISIN
Un rbol de decisin es un modelo de prediccin utilizado en el mbito de
la inteligencia artificial. Dada una base de datos se construyen diagramas de

construcciones lgicas, muy similares a los sistemas de prediccin basados en

reglas, que sirven para representar y categorizar una serie de condiciones que
ocurren de forma sucesiva, para la resolucin de un problema.
Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una
situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve
una respuesta la cual en ltimas es una decisin que es tomada a partir de las
entradas. Los valores que pueden tomar las entradas y las salidas pueden ser
valores discretos o continuos. Se utilizan ms los valores discretos por simplicidad,
cuando se utilizan valores discretos en las funciones de una aplicacin se
denomina clasificacin y cuando se utilizan los continuos se denomina regresin.
Un rbol de decisin lleva a cabo un test a medida que este se recorre hacia las
hojas para alcanzar as una decisin. El rbol de decisin suele contener nodos
internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un
test sobre algn valor de una de las propiedades. Un nodo de probabilidad indica
que debe ocurrir un evento aleatorio de acuerdo a la naturaleza del problema, este
tipo de nodos es redondo, los dems son cuadrados. Un nodo hoja representa el
valor que devolver el rbol de decisin y finalmente las ramas brindan los
posibles caminos que se tienen de acuerdo a la decisin tomada.

VENTAJAS:

Resume los ejemplos de partida, permitiendo la clasificacin de nuevos

casos siempre y cuando no existan modificaciones sustanciales en las
condiciones bajo las cuales bajo las cuales se generaron los ejemplos que
sirvieron para su construccin.

Facilita la interpretacin de la decisin adoptada.

Proporciona un alto grado de comprensin del conocimiento utilizado en la

toma de decisiones.

Explica el comportamiento respecto a una determinada tarea de decisin.

Reduce el nmero de variables independientes.

Es una magnifica herramienta para el control de la gestin empresarial.

PROCEDIMIENTO:

Definir el problema.

Estructurar y dibujar el rbol de decisin

Asignar probabilidades a los estados de la naturaleza.

Resolver el problema mediante el clculo de los valores monetarios

esperados de cada nodo de estado de naturaleza.

PROBLEMA:
La empresa SEOR DE LOS MILAGROS, esta interesado en abrir un nuevo local para la
venta de los populares panes.
La empresa tiene 3 ubicaciones posibles para la instalacin del nuevo local.
Estos locales se encuentran en distintos puntos de la ciudad siendo estos en Yarina, centro
de Pucallpa y plaza de Manantay.
La empresa tiene los siguientes costos y beneficios por abrir un local en cada ubicacin.

RESPUESTA: La mejor respuesta es en el centro de Pucalllpa, es la mejor decisin ya que

debemos seleccionar aquella opcin que nos proporcione un valor esperado alto.

3.5 TEORAS DE LA UTILIDAD

La teora de la utilidad trata de explicar el comportamiento del consumidor. Desde
esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. As un bien es ms til en la medida que satisfaga mejor una
necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y
temporal (se refiere al momento en que se satisface la necesidad).
Esta teora parte de varios supuestos:

El ingreso del consumidor por unidad de tiempo es limitado.

Las caractersticas del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.

El consumidor busca maximizar su satisfaccin total (utilidad total), y por

tanto gasta todo su ingreso.

El consumidor posee informacin perfecta, es decir, conoce los bienes (sus

caractersticas y precios).

El consumidor es racional, esto quiere decir que busca lograr sus objetivos,
en este caso trata de alcanzar la mayor satisfaccin posible. Esto quiere
decir que el consumidor es capaz de determinar sus preferencias y ser
consistente en relacin con sus preferencias. As, si el consumidor prefiere
el bien A sobre el bien B y prefiere el bien B sobre el bien C, entonces
preferir el bien A sobre el bien C (transitividad).

La teora econmica del comportamiento del consumidor se topa con un problema

importante (llamado el problema central de la teora del consumidor), el cual es la
imposibilidad de cuantificar el grado de satisfaccin o utilidad que el consumidor
obtiene de los bienes. No existe una unidad de medida objetiva de la satisfaccin.
Este problema se ha enfrentado a travs de dos enfoques distintos:

Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si se

dispone de una unidad de medida de la satisfaccin.

Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, slo

establece combinaciones de bienes que prefiere o le son indiferentes con
respecto a otras combinaciones de bienes.

Enfoque cardinal:
A partir de los supuestos y conceptos mencionados se definen dos conceptos de
utilidad o satisfaccin:

Utilidad Total: es la satisfaccin total de consumir una cierta cantidad de un

bien.

Utilidad Marginal: es la satisfaccin extra de una unidad de consumo

adicional.

UT

UM

18

10

26

32

36

38

38

36

-2

En los datos anteriores se observa que se satisface la ley de la utilidad marginal

decreciente, es decir, la satisfaccin adicional del consumidor disminuye a medida
que se consume una mayor cantidad del bien. Observe que hay un punto de
inflexin, a partir del cual la utilidad marginal (um) se vuelve decreciente:

3.6 ANALISIS DE LA SENSIBILIDAD

Anlisis de Sensibilidad
El anlisis de sensibilidad busca determinar los efectos que se producen en
la solucin ptima al realizar cambios en cualquiera de los parmetros del modelo

de programacin lineal planteado inicialmente. Entre los cambios que se

investigan estn:

los

la funcin objetivo

cambios

tanto

para

en

los

coeficientes

de

variables bsicas como

las variables

para

las

en

variables

no bsicas, cambios en los recursos disponibles de las restricciones, variacin de

los

coeficientes

de utilizacin en

las

restricciones

e introduccin de

una

nueva restriccin.

El objetivo principal del anlisis de sensibilidad es identificar el intervalo permisible

de variacin en los cuales las variables o parmetros pueden fluctuar sin que
cambie

la solucin ptima. Sin

embargo, as mismo

se

identifica

aquellos parmetros sensibles, es decir, los parmetros cuyos valores no pueden

cambiar sin que cambie la solucin ptima. Los investigadores de operaciones
tienden a prestar bastante atencin a aquellos parmetros con holguras reducidas
en cuanto a los cambios que pueden presentar, de forma que se vigile su
comportamiento para realizar los ajustes adecuados segn corresponda y evitar
que estas fluctuaciones pueden desembocar en una solucin no factible.
A

modo

general,

una solucin ptima

cuando
se

se

debe

realiza
verificar

un anlisis de

sensibilidad

cada parmetro de

forma

individual, dgase los coeficientes de la funcin objetivo y los lmites de cada una
de las restricciones. En ese sentido se plantea el siguiente procedimiento:

1. Revisin del modelo: se realizan los cambios que se desean investigar en el

modelo.
2. Revisin de la tabla final Smplex: se aplica el criterio adecuado para
determinar los cambios que resultan en la tabla final Smplex.

3. Conversin a la forma apropiada de eliminacin Gauss: se convierta la tabla

en la forma apropiada para identificar y evaluar la solucin bsica actual,
para lo cual se aplica la metodologa de eliminacin Gauss si es necesario.
4. Prueba de factibilidad: se prueba la factibilidad de esta solucin mediante
la verificacin de que todas las variables bsicas de la columna del lado
derecho aun tengan valores no negativos.
5. Prueba de optimalidad: se verifica si esta solucin es optima y factible,
mediante la comprobacin de que todos lo coeficientes de las variables
no bsicas del regln Z permanecen no negativos.
6. Reoptimizacin: si esta solucin no pasa una de las pruebas indicadas en
los puntos 4 y 5 anteriores, se procede a buscar la nueva solucin optima a
partir de la tabla actual como tabla Smplex inicial, luego de aplicadas las
conversiones de lugar, ya sea con el mtodo Smplex o el Smplex Dual.

El anlisis de sensibilidad es una de las partes ms importantes en la

programacin lineal, Sobre todo para la toma de decisiones; pues permite
determinar cuando una solucin sigue Siendo ptima, dados algunos cambios ya
sea en el entorno del problema, en la empresa o en

los datos del problema

mismo.
Este anlisis consiste en determinar que tan sensible es la respuesta ptima del
Mtodo

Simplex, al cambio de algunos datos como las ganancias o costos

unitarios (coeficientes de la funcin objetivo) o la disponibilidad de los recursos

(trminos independientes de las restricciones) La variacin en estos datos del
problema se analizar individualmente, es decir, se analiza la sensibilidad de la
solucin debido a la modificacin de un dato a la vez, asumiendo que todos los
dems permanecen sin alteracin alguna.
Esto es importante porque estamos hablando de que la sensibilidad es esttica y
no dinmica, pues solo contempla el cambio de un dato a la vez y no el de varios
Objetivo Principal del Anlisis de Sensibilidad
Establecer un intervalo de nmeros reales en el cual el dato que se analiza puede
estar contenido, de tal manera que la solucin sigue siendo ptima siempre que el
dato pertenezca a dicho intervalo
Los anlisis ms importantes son;
1. Los coeficientes de la funcin objetivo; y
2. Los trminos independientes de las restricciones y se pueden abordar por
medio del Mtodo Grfico o del Mtodo Simplex

Anlisis de sensibilidad grfico

Abordaremos primero el anlisis de sensibilidad de manera grfica.
Partamos del siguiente modelo de programacin lineal

Max z 34x + 2y
s/a 5x + 8y40
20x+10y100
x0;y

Cuya solucin es la siguiente:

Recordemos que nuestro objetivo es mantener la solucin ptima que hemos

encontrado
x =3.6 y=2.7
Esto lo conseguiremos siempre y cuando la recta de isoutilidad (recta roja)
Pase por el punto (3.6 , 2.7) y no exista rea de regin factible por encima de ella.
Anlisis de sensibilidad grfico para los coeficientes de la funcin objetivo
Todas las lneas rojas mantienen

la solucin ptima pero las lneas

azules

generan una nueva solucin ptima pues existe un rea de la regin factible
sobre ellas, lo cual indica que la funcin no ha sido optimizada en el punto que
analizamos (3.6,2.7) Ahora si observamos bien la grfica podemos notar que las
lneas rojas, que son las que nos interesan, siempre estn comprendidas entre las
dos restricciones o desigualdades que definen el vrtice ptimo (aquellas que
simultaneamos para encontrar la solucin)
Las lneas de las restricciones son las siguientes con sus respectivas primeras
derivadas y por consiguiente sus pendientes
5x + 8 y =40

20x +10y=100

8y=40 -5x

10y=100 -20 x

Ym2= -2
De estas pendientes la menor es -2