2012

Investigacin de
Operaciones
Anlisis de decisiones y Modelos para la
toma de decisiones
A continuacin se mostrara un breve reporte de los temas de de anlisis de
decisiones y modelos para la toma de decisiones, con este tambin se presenta la
aplicacin de algn modelo probabilstico o estadstico en el diseo y planeacin
de sistemas productivos.

Beatriz Ramrez Aldana

Universidad Tecnolgica Tula- Tepeji
16/08/2012
 OBJETIVO

Ser capaces de formular decisiones operativas considerando las bases del anlisis de
toma de decisiones, los mtodos probabilsticos y estadsticos asistidos por la simulacin
por la computadora para el diseo y planeacin de sistemas productivos.

INTRODUCCIN

l estudio se enfocar a la toma de decisiones frente a la incertidumbre en un

E contexto diferente. En lugar de tomar decisiones en periodo largo, la preocupacin

ahora se refiere a tomar quiz una sola decisin (o a lo ms una secuencia de
unas cuantas decisiones) sobre qu hacer en un futuro inmediato. No obstante,
todava se tienen factores aleatorios fuera de nuestro control que crea cierta
incertidumbre sobre el resultado de cada uno de los diferentes cursos de accin.

El anlisis de decisiones proporciona un marco conceptual y una metodologa para la

toma de decisiones racional de este contexto.

Una pregunta que surge con frecuencia es si tomar la decisin necesaria en este
momento o primero hacer algunas pruebas (con algn costo) para reducir el nivel de
incertidumbre sobre el resultado de la decisin. Por ejemplo, la prueba puede ser realizar
una promocin de prueba de un nuevo producto para ver la relacin del consumidor antes
de tomar la decisin de proceder o no con la produccin y comercializacin a gran escala
del producto. Se hace referencia a estas pruebas como realizar experimentacin.
Entonces, el anlisis de decisiones divide la toma de decisiones en los casos sin
experimentacin y con experimentacin.

Toma de decisiones sin experimentacin

Antes de tomar una solucin al problema de la Goferbroke, se formular un marco de

referencia general para la toma de decisiones.

En trminos generales debe elegir una accin a de un conjunto de acciones posibles. El

conjunto contiene todas las alternativas factibles bajo consideracin para las distintas
formas de proceder en el problema en cuestin.

Toma de decisiones con pura incertidumbre

Cuando las decisiones se toman con pura incertidumbre, el decisor no tiene conocimiento
de los resultados de ninguno de los estados de la naturaleza y/o es costoso obtener la
informacin necesaria. En tal caso, la decisin depende meramente del tipo de
personalidad que tenga el decisor.

Limitaciones de la Toma de Decisiones bajo Pura Incertidumbre

1. En general el anlisis de decisin se asume que el tomador de decisiones se

enfrenta un problema donde l o ella debe escoger por lo menos y como mximo
 una opcin del grupo de opciones. En algunos casos estas limitaciones pueden
ser superados mediante la formulacin de una toma de decisin bajo
incertidumbre como un juego suma cero de dos personas.
2. En la toma de decisiones bajo incertidumbre pura, el tomador de decisiones no
tiene conocimientos sobre cual estado de la naturaleza es ms probable que
ocurra. l o ella probablemente ignora los estados de la naturaleza por lo tanto no
podra estar pesimista u optimista. En tal caso, el tomador de decisiones emboca
las condiciones de seguridad.
3. Note que cualquier tcnica utilizada en la toma de decisiones bajo incertidumbre
pura, es solo apropiada para las decisiones de la vida privada. Adicionalmente,
una persona pblica (por ejemplo, se gerente) debe tener algunos conocimientos
sobre el estado de la naturaleza tal que prediga las probabilidades de varios
estados de la naturaleza. De lo contrario, el tomador de decisiones no es capaz de
proporcionar una decisin razonable y defendible.

Toma de Decisiones Bajo Riesgo

El riesgo implica cierto grado de incertidumbre y la habilidad para controlar plenamente

los resultados o consecuencias de dichas acciones. El riesgo o la eliminacin del mismo
es un esfuerzo que los gerentes deben realizar. Sin embrago, en algunos casos la
eliminacin de cierto riesgo podra incrementar riesgos de otra ndole. El manejo efectivo
del riesgo requiere la evaluacin y el anlisis del impacto subsiguiente del proceso de
decisin. Este proceso permite al tomador de decisiones evaluar las estrategias
alternativas antes de tomar cualquier decisin. El proceso de decisin se describe a
continuacin:

1. El problema est definido y todas las alternativas confiables han sido

consideradas. Los resultados posibles para cada alternativa son evaluados.
2. Los resultados son discutidos de acuerdo a su reembolso monetario o de acuerdo
a la ganancia neta en activos o con respecto al tiempo.
3. Varios valores inciertos son cuantificados en trminos de probabilidad.
4. La calidad de la estrategia ptima depende de la calidad con que se juzgue. El
tomador de decisiones deber examinar e identificar la sensitividad de la
estrategia optima con respecto a los factores cruciales.

DESARROLLO

CONCEPTOS

VEE: Valor esperado de la experimentacin, se calcula como

VEE= pago esperado con experimentacin- pago esperado sin experimentacin.

Entonces VEE identifica el valor potencial de la experimentacin.

ETAPAS
 1. Simplificar
2. Construir un modelo de decisin
3. Probar el modelo
4. Usando el modelo para encontrar soluciones:
o El modelo es una representacin simplificada de la situacin real
o No necesita estar completo o exacto en todas las relaciones
o Se concentra en las relaciones fundamentales e ignora las irrelevantes.
o 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.
5. El modelo puede ser usado repetidas veces para problemas similares, y adems
puede ser ajustado y modificado.

PROCESO

Enmarcamiento de la Situacin. Determinar cul es el problema, identificar elementos

relevantes y determinar qu se debe incluir en el anlisis.

Determinacin de Objetivos y Preferencias. Determinar lo que es importante para el

decisor y lo que desea lograr.

Identificacin y Medicin de Incertidumbre. Identificar los eventos no totalmente

controlables y asignarles probabilidades de acuerdo al conocimiento disponible.

Evaluacin de Alternativas. Seleccionar la alternativa que optimiza el logro de los

objetivos.

MODELOS

El modelo.

Es una representacin o abstraccin de una situacin u objetos reales, que muestra las
relaciones (directas e indirectas) y las interrelaciones de la accin y la reaccin en
trminos de causa y efecto. Como un modelo es una abstraccin de la realidad, puede
parecer menos complicado que la misma. Para que sea completo, el modelo debe ser
representativo de aquellos aspectos de la realidad que estn investigndose.

Modelos Icnicos: Un modelo icnico es una representacin fsica de algunos objetos,

ya sea en forma idealizada o en escala distinta.
Modelos analgicos: Una segunda clasificacin incluye aquellos que tienen una forma
real, pero no la misma apariencia fsica del objeto que se est modelando.

Los modelos simblicos: Que son las representaciones de la realidad y toman la forma
de cifras, smbolos y matemticas.

Modelos matemticos cuantitativos y cualitativos: La mayor parte del pensamiento

relacionado con los problemas de negocios comienza con los modelos cualitativos y llega
gradualmente hasta un punto donde pueden usarse modelos cuantitativos.

Modelos estndar y hecho a la medida: Se usan modelos estndar para describir las
tcnicas que han llegado a asociarse con la investigacin de operaciones.

Modelo de rbol: Un rbol de decisin proporciona un forma para desplegar visualmente

el problema y despus organizar el trabajo de clculos que se describi anteriormente.
Estos rboles son especialmente tiles cuando debe tomarse una serie de decisiones.

APLICACIONES

Afortunadamente, los mtodos probabilsticos y estadsticos para el anlisis de toma de

decisiones bajo incertidumbre son ms numerosos y mucho ms poderosos que nunca.
Las computadoras hacen disponible muchos usos prcticos. Algunos de los ejemplos
de aplicaciones para negocios son los siguientes:

Un auditor puede utilizar tcnicas de muestreo aleatorio para auditar las cuentas
por cobrar de un cliente.
Un gerente de planta puede utilizar tcnicas estadsticas de control de calidad para
asegurar la calidad de los productos con mnima inspeccin y menor nmero de
pruebas.
Un analista financiero podra usar mtodos de regresin y correlacin para
entender mejor la analoga entre los indicadores financieros y un conjunto de otras
variables de negocio.
Un analista de mercadeo podra usar pruebas de significancia para aceptar o
rechazar una hiptesis sobre un grupo de posibles compradores a los cuales la
compaa est interesada en vender sus productos.
Un gerente de ventas podra usar tcnicas estadsticas para predecir las ventas de
los prximos periodos.

ANLISIS DE CASOS PRCTICOS

Problema 1

La compaa Hit- and Miss produce artculos que tienen una probabilidad p de salir
defectuosos. Se forman lotes de 150 artculos con ellos. La experiencia indica que el
valor de p es 0.05 o 0.25 y que en el 80% de los lotes producidos p es igual a 0.05 (de
manera que p es igual a 0.25 en 20% de los lotes). Estos artculos se utilizan despus en
un ensamble y en ltima instancia, su calidad determina antes de que el producto final
salga de la planta. En principio el fabricante puede ya sea inspeccionar cada artculo del
lote con un costo de $10 por artculo y remplazar los defectuosos, o bien utilizarlos sin
inspeccin. Si se elige esta accin, el costo al tener que volver a hacer el ensamble es
$100 por artculo defectuoso. Como la inspeccin requiere programar inspectores y
equipo, la decisin de realizarla o no debe tomarse 2 das antes. Sin embargo, se puede
tomar un artculo de un lote e inspeccionarlo; su calidad (defectuoso o aceptable) se
informa antes de tomar la decisin de inspeccionar o no. El costo de esta inspeccin
inicial es $125.

a) Desarrolle una formulacin para el anlisis de decisin de este problema

identificando las acciones alternativas, los estados de la naturaleza y la matriz de
pagos si no se inspecciona un artculo de antemano.

Alternativa P= 0.05 P= 0.25

Inspeccionar -1500 -1500
No inspeccionar -750 -3750
Probabilidad 0.8 0.2

b) Suponga que no se inspecciona un artculo de antemano, use la regla de decisin de

Bayes para determinar qu alternativa debe elegirse.

VEI= -1500 x 0.8 1500 x 0.2 = -1500

VENI= -750 x 0.8 3750 x 0.2 = -1350 -> No inspeccionar

c) Encuentre el VEIP. Indica esta respuesta que debe considerarse inspeccionar el

artculo de antemano?

VEIP= Pago esperado con informacin perfecta pago esperado sin experimentacin.

Pago Esperado con Inf. Perfecta= -750 x 0.8- 1500 x 0.2= -900

VEIP= -900 (-1350) = $450 -> Se puede considerar inspeccionar el artculo de

antemano, porque el costo de la inspeccin es menor que el obtenido.

d) Suponga que se inspecciona el artculo de antemano. Encuentre las probabilidades a

posteriori de los respectivos estados de la naturaleza para los dos resultados posibles de
esta inspeccin.
e) Encuentre VEE Vale la pena inspeccionar el artculo?

Determine la poltica ptima

1. Si se encuentra defectuosa:

VEI= -1500 x 0.444 - 1500 x 0.556 - 125= -1625

VENI= -750 x 0.444 3750 x 0.556 - 125= -2543

2. Si se encuentra no defectuosa:

VEI= -1500 x 0.835 1500 x 0.165 - 125= -1625

VENI= -750 x 0.835 3750 x 0.165 - 125= -1370

La poltica ptima es inspeccionar si se encuentra defectuosa y no inspeccionar si se

encuentra no defectuosa.

VEE= Pago esperado de la experimentacin Pago esperado sin experimentacin.

Pago esperado de la exp.= -1625 x 0.09 -1370 x 0.91 = -1392.95

VEE= -1392.95 (-1350) = - 42.95

Como VEE es menor que el costo de la inspeccin ($125), entonces la experimentacin

no se debe realizar.

Problema 2

Vincent Cuomo es el gerente de crdito de Fine Fabrics Mill se enfrenta al problema de

extender un crdito de $100.000 a uno de sus nuevos clientes, un fabricante de vestidos.
Vincent clasifica a sus clientes en tres categoras: riesgo malo, riesgo promedio y riesgo
bueno, pero no sabe en qu categora est este nuevo cliente. Su experiencia indica que
20% de las compaas semejantes se consideran riesgo malo, 50% son riesgo promedio y
30% son riesgo bueno. Si se extiende el crdito, la ganancia esperada para las de riesgo
malo es - $15000, para las de riesgo promedio es $10000 y para las de riesgo bueno es $
20000. Si no se extiende el crdito, el fabricante de vestidos se ir con otro fabricante
textil. La fbrica puede consultar a una organizacin dedicada a la clasificacin de
crditos con un costo de $5000 por compaa evaluada.

Para las compaas con crditos vigentes, la siguiente tabla muestra los porcentajes
dadas cada una de las posibles evaluaciones por la organizacin:

Evaluacin de crditos Malo Promedio Bueno

a) Desarrolle una formulacin para el anlisis de decisiones de este problema mediante la

identificacin de las acciones posibles y los estados de la naturaleza y despus construya
la matriz de pagos.

b) Cul es la accin ptima segn la regla de decisin de Bayes si se supone que no se

consulta a la organizacin de evaluacin de crditos?

VEEx= -15000 x 0.2 + 10000 x 0.5 + 20000 x 0.3 =8000 -> Extender crdito

VENE= 0

c) Encuentre el VEIP. Indica esta respuesta que debe considerarse usar a la

organizacin de evaluacin?

Pago esperado con informacin perfecta = 0 x 0.20 + 10000 x 0.50 + 20000 x 0.3 = 11000

VEIP= 11000 8000 = 3000

No debe usarse a la organizacin de evaluacin.

d)

f) Pago esperado si el resultado es malo

VEE = -15000 x 0.28 + 10000 x 0.56 + 20000 x 0.17 5000= - 200

VENE= 0 5000 = - 5000

Pago esperado si el resultado es promedio

VEE= -15000 x 0.18 + 10000 x 0.56 + 20000 x 0.27 5000= 3300

VENE= 0 -5000 = - 5000

Pago esperado si el resultado es bueno

VEE= -15000 x 0.11 + 10000 x 0.26 + 20000 x 0.63 5000 = 8550

VENE= 0 -5000 = - 5000

CONCLUSIONES

El anlisis de decisiones se ha convertido en una tcnica importante para la toma de

decisiones bajo incertidumbre. Se caracteriza por la enumeracin de todos los cursos de
accin disponibles, identificando los pagos para todos los resultados posibles. Cuando se
cuentan con estos datos, el anlisis de decisin se convierte en una herramienta
poderosa el curso de accin ptima.

Por lo cual concluimos que determinados mtodos solo son funcionales para ciertos
problemas, lo cual nos limita de cierto modo, sin embargo como ya se menciono es
importante destacar que la teora de utilidad proporciona una manera de incorporar al
anlisis de actitud del tomador de decisiones frente al riesgo.

BIBLIOGRAFA

Introduccin a la investigacin de operaciones

(Cuarta edicin en espaol)

Autor (es). Frederick S. Hillier y Gerald J. Lieberman

Ao 1997

Editorial Mc Graw Hill

Pg. 864- 883