1. Introduccin a la Teora de Decisiones La mayora de las decisiones administrativas complejas se toman bajo incertidumbre.

Los gerentes autorizan inversiones sustanciales de capital con un conocimiento que no es completo acerca de la demanda del producto. Los funcionarios gubernamentales toman decisiones importantes acerca del medio ambiente que afectara nuestras vidas por muchos aos, sin embargo ellos no tienen disponible un conocimiento preciso sobre el futuro. El presidente de una gran compaa de electricidad, debe decidir si construir una planta de generacin nuclear de $5 000 millones, enfrentndose a la incertidumbre extrema sobre demanda futura de electricidad, reglamentaciones gubernamentales y el impacto ambiental. Cada una de estas personas debe tomar decisiones futuras inciertas, en estos y otros contextos, la teora de decisiones proporciona un mtodo racional para la eleccin. 2. Fases en el Enfoque de la Teora de Decisiones El enfoque de la teora de decisiones generalmente involucra tres fases; presentaremos estas mediante el ejemplo de un fabricante de cintas y discos que esta considerando varios mtodos alternativos de expandir su produccin para adecuar una demanda creciente para sus productos. Fase 1 La primera accin que debe considerar e que va a tomar las decisiones es listar todas las alternativas viables que se deben contemplar en la decisin. En el caso de nuestro fabricante de cintas y discos los de planeacin de la compaa indican que solo hay tres opciones viables a la compaa: 1. Expander la planta actual. 2. Construir una nueva planta. 3. Subcontratar la produccin extra a otros fabricantes de cintas y discos. Fase 2 Habiendo identificado todas las alternativas viables, el tomador de decisiones deben ahora listar los eventos futuros que pueden ocurrir. Generalmente, los que toman las decisiones estn en condiciones de identificar la mayora de los eventos futuros que pueden ocurrir; la dificultad esta en identificar que evento en particular ocurrir. Estos eventos futuros (que no estn bajo control del que toma la decisin) se llaman estados de la naturaleza en la literatura de la teora de decisiones.

En este listado incluimos todo lo que puede suceder: tambin suponemos que los estados de la naturaleza se definen de tal modo que solo uno de ellos puede ocurrir. En el caso de nuestro fabricante de cintas y discos la mayor incertidumbre se asigna la demanda futura del producto. Los eventos futuros relacionados con la demanda se listan como: 1. Alta demanda (que resulta de una alta aceptacin del producto). 2. Demanda moderada (que resulta de una aceptacin razonable del producto con fuerte respuesta competitiva). 3. Poca demanda (que resulta de poca aceptacin del producto). 4. Falla (no hay aceptacin del producto). Al definir esto estados de la naturaleza, sera muy usual para el que toma la decisin asignarles un valor monetario o de unidad de volumen para cada uno de los cuatro para definirlos mas precisamente.

Fase 3 El tomador de decisiones construye ahora una tabla de beneficios una tabla que muestra los beneficios (expresado en utilidades o en cualquier otra medida que sea apropiada a la situacin) que resultara de cada posible combinacin de alternativa de decisin y estado de la naturaleza. La tabla 5-1 ilustra los 12 beneficios posibles en la decisin de expansin de la compaa de discos y cintas.

3. Los Diferentes Ambientes en que se Toman las Decisiones. Los que toman las decisiones deben funcionar en tres tipos de ambientes. En cada uno de estos ambientes, el conocimiento sobre los estados de la naturaleza es distinto. Tabla 5-1 tabla de beneficios para la decisin de expansin de la compaa de cintas y discos (beneficios expresados en utilidades obtenidas en los siguientes 5 aos).

Estados de la naturaleza (demanda) Alta Moderada Baja Falla

Expander

$ 500 000 $ 250 000 -$ 250 000 -$ 450 000

Alternativas del tomador de Decisiones. Construir $ 700 000 $ 300 000 -$ 400 000 -$ 800 000

Subcontratar $ 300 000 $ 150 000 -$ 10 000 -$ 100 000

1. La toma de decisiones bajo condiciones de certeza: En este ambiente, slo existe un estado de la naturaleza: esto es, hay certidumbre completa acerca del futuro. Aunque este ambiente a veces existe, esta usualmente asociado con decisiones muy rutinarias que involucran asuntos sin importancia. Aun en estos casos, es usualmente imposible garantizar certeza completa sobre el futuro. 2. La toma de decisiones bajo condiciones de incertidumbre: En este caso, existe ms de un estado de la naturaleza, pero el que toma las decisiones no tiene conocimiento sobre los diversos estados, ni aun suficiente conocimiento para permitir la asignacin de probabilidades a los estados de la naturaleza. 3. La toma de decisiones bajo condiciones de riesgo: En esta situacin, existe ms de un estado de la naturaleza, pero el tomador de decisiones tiene informacin que soportara la asignacin de valores de probabilidades a cada uno de los estados posibles. Bajo condiciones de certeza completa, es fcil analizar la situacin y tomar buenas decisiones. Puesto que la certeza involucra solo un estado de la naturaleza, el tomador de decisiones simplemente escoge el mejor beneficio en esa columna nica y selecciona la alternativa asociada con ese beneficio. En la tabla 51, por ejemplo, si John Gwin, el presidente de la compaa supiera que la demanda iba a ser moderada, escogera la alternativa construir, puesto que le resulta en el

beneficio mximo. En forma semejante, si el supiera que la demanda iba a ser baja, escogera la alternativa ``subcontratar``, puesto que aunque genera una perdida, aun es su mejor alternativa dado el estado de la naturaleza. En cualquier evento, muy pocos llegan a tener el lujo de tener informacin completa sobre el futuro, y as la toma de decisiones bajo certidumbre no es de mucho inters para nosotros. 4. Los criterios para la toma de decisiones bajo incertidumbre. En el caso de la toma de decisiones bajo incertidumbre, John Gwin, quiz las decisiones, sabe que estado de la naturaleza pueden ocurrir, pero no tiene informacin que le permita especificar la probabilidad con que ocurrirn estos estados. En esta situacin, hay cuatro criterios que John puede usar; examinaremos brevemente cada uno de ellos. Tabla 5-2. Tabla de beneficios para la decisin de expansin de la compaa de cintas y discos (beneficios expresados en utilidades obtenidas en los siguientes 5 aos).

Estados de la naturaleza (demanda) Alta Moderada Baja Falla

Expander

$ 500 000 $ 250 000 -$ 250 000 -$ 450 000

Alternativas del tomador de decisiones. Construir $ 700 000 $ 300 000 -$ 400 000 -$ 800 000

Subcontratar $ 300 000 $ 150 000 -$ 10 000 -$ 100 000

Criterio Mximax: El criterio mximax para tomar decisiones bajo incertidumbre le proporciona a John un criterio optimista. Si quisiera usar este criterio, seleccionara la alternativa de decisin que maximizara si beneficio mximo. En nuestro problema ilustrado 5-1, John selecciona primero el beneficio mximo posible para cada alternativa de decisin, despus selecciona la alternativa que le proporciona el beneficio mximo dentro de este grupo, la tabla 5-2, una repeticin de la tabla 51, ilustra este mtodo. En la tabla 5-2, John ha encerrado en un crculo el beneficio mximo posible para cada una de las tres alternativas de decisin. La alternativa dentro de este grupo de tres que proporciona el mximo es ``construir``, con un beneficio asociado sobre los 5 aos de $700 000. Criterio Maximin:El criterio maximin para la toma de decisiones bajo incertidumbre de un criterio pesimista. Para usar este mtodo, John intenta maximizas sus beneficios mnimos posibles. Empieza listando el beneficio mnimo que es posible para cada alternativa de decisin; despus seleccionara la alternativa dentro de este grupo de tres que resulta en el beneficio mximo. La tabla 5-3 repite la tabla 51. En la tabla 5-3, John ha encerrado en un crculo el beneficio mnimo que es posible para cada una de las tres alternativas de decisin. La alternativa de decisin dentro de este grupo de tres que proporciona el beneficio mximo es la alternativa ``Subcontratar``, con un beneficio asociado de -$ 100 000 sobre los prximos 5 aos.
Tabla 5-3. Tabla de beneficios para la decisin de expansin de la compaa de cintas y discos (beneficios expresados en utilidades obtenidas en los siguientes 5 aos).

Estados de la naturaleza (demanda) Alta Moderada Baja Falla

Expander

$ 500 000 $ 250 000 -$ 250 000 -$ 450 000

Alternativas del tomador de Decisiones. Construir $ 700 000 $ 300 000 -$ 400 000 -$ 800 000

Subcontratar $ 300 000 $ 150 000 -$ 10 000 -$ 100 000

El Criterio de Arrepentimiento Mnimax Para presentar este criterio, supongamos que John puede ir al futuro por un minuto y mirar al pasado. Supongamos que inicialmente tomo la decisin de subcontratar la produccin de discos y cintas (basado en la informacin que tenia en ese entonces) y resulta que la demanda es alta. La utilidad que tendra al subcontratar con demanda alta es $ 300 000; pero si John hubiese sabido que la demanda iba a ser alta, no habra subcontratado sino habra escogido construir con una utilidad de $700 00. La diferencia entre $700 000 (el beneficio ptimo si l hubiese sabido) y $300 000 (el beneficio efectivamente realizado de la subcontratacin) es $400 000 y es conocido como el arrepentimiento resultante de su decisin. Veamos el clculo de un valor adicional de arrepentimiento. Supongamos que hubiese escogido la alternativa construir, y la demanda hubiese resultado ser moderada. En este caso no habra arrepentimiento por que, segn resulto, la alternativa de decisin construir es optima cuando la demanda es moderada y $300 000 es el beneficio mximo posible. La tabla 5-4 mostramos el arrepentimiento mximo asociado para cada alternativa de decisin y estado de la naturaleza. Estos valores de arrepentimiento se obtienen al restar cada asiento en la tabla de beneficios (tabla 5-1) del mximo asiento en su columna, para aplicar el criterio de arrepentimiento de Mnimax se requiere que John indique el arrepentimiento mximo para cada alternativa de decisin. Tabla 5-4. Arrepentimiento para cada una de las 12 combinaciones de alternativa de decisin y estado de naturaleza para la compaa de discos y cintas. Estados de la naturaleza (demanda) Alta Moderada Baja Falla

Expander

$ 200 000 $ 50 000

-$ 240 000 -$ 350 000

Alternativas del tomador de Decisiones. Construir 0 -$ 390 000 -$ 700 000

Subcontratar $ 400 000 $ 150 000

Esto al encerrar en un crculo el arrepentimiento mximo para las tres alternativas de decisin en la tabla 5-4. Finalmente, el escoge el mnimo de estos tres valores de arrepentimiento ($350 000, $700 000 y $400 000); en este caso, $350 000 es el valor de arrepentimiento mnimo y su arrepentimiento asociado con la alternativa de decisin expander. El Criterio de Realismo Este criterio para la toma de decisiones bajo incertidumbre es un criterio intermedio entre el Maximax y el Maximin esto es, entre el optimismo y el pesimismo. Este compromiso requiere que el presidente de John Gwin, especifique un coeficiente o ndice de optimismo, simbolizado por est entre el valor 0 y 1. Cuando le asigna a un valor de 0, John est expresando pesimismo sobre la naturaleza; un de 1 indica el optimismo de John sobre la naturaleza. Para aplicar este criterio a su decisin sobre la expansin de la compaa de discos y cintas, John primero determina tanto el beneficio mximo para cada decisin est encerrado en un circulo de color y el beneficio mnimo en negro. Entonces, para cada alternativa de decisin, John calcula este valor: MEDIDA DE REALISMO = (beneficio mximo)+ (1-) (beneficio mnimo) Tabla 5-5 Beneficios mximo y mnimo para cada alternativa de decisin para la compaa de discos y cintas (circulo color = mximo; circulo negro = mnimo) Estados de la Naturaleza (Demanda) Alternativas del tomador de decisiones Expander Construir Subcontratar alta $500 000 $700 000 $300 000 moderada baja falla $250 000 -$250 000 -$450 000 $300 000 -$400 000 -$800 000 $150 000 -$10 000 -$100 000
Ejemplo de la aplicacin del Criterio de Realismo Criterio de Realismo, un criterio intermedio

Supongamos en este ejemplo que el presidente de la compaa se siente bastante optimista y le asigna un valor de .7 a .Bajo estas condiciones los valores de la media de realismo para las tres alternativas de decisin son: Expandir .7 (500 000)+.3 (-450 000)= 215 000 Construir .7 (700 000))+.3 (-800 000)= 250 000 Subcontratar .7 (300 000))+.3 (-100 000)= 180 000 La aplicacin del criterio de realismo en este caso sugiere que John escoja la alternativa construir. La ventaja de usar el criterio de realismo es que John puede introducir sus propios sentimientos personales de pesimismo u optimismo relativos en el proceso de decisin.
Ventaja del Criterio de Realismo

5. LA TOMA DE DESICIONES BAJO CONDICIONES DE RIESGO: VARIABLES ALEATORIAS DISCRETAS Cuando tomamos decisiones bajo condiciones de riesgo, necesitamos informacin que nos permita proporcionar probabilidades para los diversos estados posibles de la naturaleza. Esta informacin pueden ser los registros previos o simplemente el juicio subjetivo del que toma la decisin; la fuente no tiene importancia mientras esta informacin nos permita iluminar en qu estado creemos se encuentra el ambiente. Hay tres criterios para la toma de decisin bajo riesgo, los cuales estudiaremos, en orden ellos son: valor esperado (a menudo llamado criterio de bayes), el criterio de racionalidad (tambin llamado el principio de razn insuficiente) y el criterio de la mxima verosimilitud. EL CRITERIO DE VALOR ESPERADO Este criterio requiere que el tomador de decisiones calcule el valor esperado para cada alternativa de decisin (la suma de los beneficios ponderados para cada alternativa, donde los pesos son los valores de probabilidad asignados por el tomador de decisiones a los estados de la naturaleza que pueden presentarse). Esta idea parece muy alarmante no es en realidad difcil y de hecho ya la hemos usado en la pg. 101 cap. 3 cuando expusimos el problema que involucra hojas de triplay. Presentmoslo formalmente como el ejemplo de Beth Perry, quien vende fresas en un ambiente de competencia en el que las ventas de fresas de maana es una variable aleatoria discreta. Ms tarde presentaremos mtodos que son tiles cuando la demanda es una variable aleatoria distribuida continuamente. Beth compra fresas de a $3 la caja y las vende a $8 la caja. Este margen relativamente alto refleja lo perecedero del artculo y el gran riesgo de almacenarlo; el producto no tiene ningn valor despus del primer da en que se ofrece a la venta. Beth Perry se enfrenta al problema de cuanto ordenar hoy para los negocios de maana. Tabla 5-6 cajas vendidas durante 90 das Ventas Diarias 10 11 12 13 # de das con esta Venta 18 36 27 9 90 Probabilidad de que se venda cada numero 0.20 0.40 0.30 0.10 1.00
Tres criterios para la toma de decisiones bajo riesgo

Ejemplo del uso del criterio de valor esperado

Informacin de costo y precio

Una observacin de ventas pasadas por 90 das nos da la informacin mostrada en la tabla 5-6. Las probabilidades se obtienen al normalizar la distribucin. Las ventas fueron 10 cajas en 18 de los 90 das; esto es 18/90= 2/10 =.20 veces. Esta distribucin tambin es discreta y aleatoria. Solo hay cuatro valores posibles para el volumen de ventas y no hay patrn discernible en la secuencia en que ocurren estos cuatro valores. Si suponemos que Beth no tenga argumento para creer que el volumen de ventas se comportara en forma diferente en el futuro, su problema es determinar cuntas cajas debe comprar hoy para el negocio de maana. Si maana los clientes solicitan mas cajas de las que hay almacenadas, las utilidades de Beth disminuyen en $5(precio de venta menos costo) por cada venta que no pueda hacer. Por otra parte hay otros costos que resultan de almacenar demasiadas unidades en cualquier da. Suponga que un da dado Beth tiene 13 cajas pero solo vende 10. Tiene una utilidad de $ 50, $5 por caja, en d10 cajas. Pero esto debe reducirse por $9 el costo de 3 cajas no vendidas y sin valor. El clculo de utilidades condicionales: una forma de ilustrar el problema de Beth es construir una tabla que muestre los resultados en dinero de todas las posibles combinaciones de compras y ventas. Los nicos valores para compras y ventas que tienen significado para nosotros son 10, 11, 12,13 cajas. Estas fueron las magnitudes de las ventas. No hay motivo para que ella considere comprar menos de 10 o ms de 13 cajas. La tabla 5-7 llamada una tabla de utilidades condicionales muestra la utilidad resultante de cualquier combinacin posible de oferta y demanda. Las utilidades pueden ser positivas o negativas y son de almacenamiento especifico (ordenar 10, 11, 12,13 cajas) y tener ventas de un numero especifico de cajas (10, 11,12 o 13 cajas). La tabla 5-7 refleja las prdidas que ocurren cuando el inventario no se ha vendido al final del da. No refleja utilidades no realizadas por Beth a causa de su incapacidad de satisfacer la solicitud de un comprador esto es a causa de una condicin de falta de inventario.
Tabla 5-7 Tabla de utilidades condicionales

Enunciado del problema

Tabla de utilidades condicionales

Demanda posible (ventas) cajas 10 11 12 13

Acciones de almacenamiento posibles 10 cajas $ 50 $ 50 $ 50 $ 50 11 cajas $ 47 $ 55 $ 55 $ 55 12 cajas $ 44 $ 52 $ 60 $ 60 13 cajas $ 41 $ 49 $ 57 $ 65

Ntese que el almacenar 10 cajas al da, siempre resultara en una utilidad de $50. Aun cuando los compradores quieran 13 cajas en algunos das Beth solo puede vender 10. Cuando Beth almacena 11 cajas, su utilidad ser $55 en los das que los compradores soliciten 11, 12 o 13 cajas. Pero en los das en que ella tenga 11 cajas en almacn y los compradores soliciten solo 10 cajas, su utilidad cae en $47. La utilidad de $50 en las 10 cajas vendida debe reducirse en $3 el costo de las cajas no vendidas. Un inventario de 12 cajas, aumentara las utilidades diarias en $60 pero solo en aquellos das en los que los compradores quieran 12 o 13 cajas. Si los compradores quisieran solo 10 cajas, la utilidad se reduce a $44; la utilidad de $50 en la venta de 10 cajas es reducida en $6 pesos, el costo de 2 cajas no vendidas. El almacenar 13 cajas resultara en una utilidad de $65 cuando hay demanda para 13 cajas habr una utilidad de $5 en cada caja vendida, sin cajas sin vender. Cuando los compradores compren menos de 13 cajas, tal accin de almacenaje resultara en utilidades de menos de $65. Por ejemplo, con un inventario de 13 cajas y ventas de solo 11 cajas, la utilidad es $49; la utilidad en 11 cajas $55, se reduce en el costo de 2 cajas no vendidas. Tal tabla de utilidades condicionales no le dice a Beth que numero de cajas debe almacenar cada da para maximizar sus utilidades. Solo le muestra cual ser el resultado si un numero especifico de cajas almacena y un numero especifico de cajas se venden. Bajo condiciones de riesgo, ella no sabe por anticipado el tamao de la demanda de un da dado, pero aun debe decidir que numero de cajas, almacenadas consistentemente maximizara, la utilidades sobre un periodo largo. Determinacin de la utilidad esperada: el siguiente paso para determinar el mejor nmero de cajas a almacenar es asignar probabilidades en los resultados posibles o utilidades. Vimos en la tabla 5-6 que las probabilidades para las ventas eran como siguen: Cajas 10 11 12 13 Probabilidad 0.2 0.4 0.3 0.1

Derivacin de los asientos para la tabla de utilidades condicionales

Valor de la tabla de utilidades condicionales

Usando esta probabilidad y la informacin contenida de la tabla 5-7 Beth puede ahora calcular la utilidad esperada en cada accin posible de almacenamiento. Antes se anuncio que podamos calcular el valor esperado de una variable aleatoria al ponderar cada valor posible que la variable puede tomar por la probabilidad de este valor. Usando este procedimiento, Beth puede calcular la utilidad esperada diariamente al almacenar 10 cajas al da, como en la tabla 5-8. Las figuras como la columna 4 de la tabla 5-8 se obtiene al ponderar la utilidad condicional de cada volumen de ventas posibles (columna 2) por la probabilidad de que ocurra cada utilidad condicional (columna 3).

Utilidad esperada

Calculo de la utilidad esperada para las cuatro alternativas de decisin

La suma en la ltima columna es la utilidad esperada que resulta de almacenar 10 cajas cada da no es de sorprenderse que esta utilidad esperada sea de $50 sin importar si los compradores quera 10, 11, 12 o 13 cajas. El mismo clculo para un inventario diario de 11 unidades puede hacerse, como lo hemos hecho en la tabla 5-9. Esto nos dice que si Beth almacena 11 cajas al da su utilidad esperada con el tiempo ser de $53.40 por da. El 80% del tiempo la utilidad ser $55; en estos das los compradores piden 11,12 o 13 cajas sin embargo, la columna 3 nos dice que el 20% del tiempo, el mercado solo tomara 10 cajas resultando de la utilidad de solo $47. Es este hecho lo que reduce la utilidad diaria esperada a $53.40. Para 12 y 13 unidades, la utilidad diaria esperada se calcula como se muestra en las tablas 5-10 y 511 respectivamente, hemos ahora calculado la utilidad esperada de cada una de las cuatro acciones de almacenamiento abiertas a Beth. Para sumarizar estas utilidades esperadas son como sigue: Si se almacenan 10 cajas al da la utilidad esperada al da es $50.00
Tabla 5-8 Utilidad esperada de almacenar 10 cajas

(1) tamao del mercado, cajas

(2) Utilidad condicional

(3) Probabilidad de tamao del mercado

(4) Utilidad esperada

10 11 12 13

$ 50 $ 50 $ 50 $ 50

x x x x

0.20 0.40 0.30 0.10 1.00

= = = =

$ 10 $ 20 $ 15 $5 $ 50

Tabla 5-9. Utilidad esperada de almacenar 11 cajas

(1) Tamao del mercado, cajas 10 11 12 13

(2) Utilidad condicional $47 55 55 55 x x x x

(3) Probabilidad de tamao del mercado 0.20 0.40 0.30 0.10 1 = = = =

(4) Utilidad esperada $9.40 22.00 16.50 5.50 $53.40

Si se almacenan 11 cajas al da, la utilidad esperada al da es de $53.40. Si se almacenan 12 cajas al da, la utilidad esperada al da es de $53.60. Si se almacenan 13 cajas al da, la utilidad esperada al da es de $51.40.

La accin de almacenamiento ptima es aquella que resulta en la utilidad esperada ms grande. Es la accin que resultara en el mayor promedio diario de utilidades y as maximizara las utilidades totales sobre un periodo. En este ejemplo, el nmero apropiado de almacenar cada da es 12 cajas, ya que esta cantidad dar el mayor promedio diario de utilidades bajo las condiciones dadas. No hemos introducido certidumbre en el problema a que se enfrenta Beth Perry. Ms bien, hemos usado su experiencia pasada para determinar la mejor accin de almacenamiento disponible a ella. Todava no sabe cuantas cajas sern solicitadas en un da dado. No hay garanta que har utilidad de $53.60 maana. Sin embargo, si almacena 12 unidades al da bajo las condiciones dadas, promediara utilidades de 53.60 por da. Esto es lo mejor que puede hacer por que la eleccin de cualquier otra de las tres posibles acciones de almacenamiento, resultara en una utilidad promedio menor al da. Utilidad esperada con informacin perfecta. Ahora, supongamos por un momento que nuestro detallista de fresas, Beth Perry, pudiera desaparecer toda incertidumbre de su problema al tener informacin adicional.
Tabla 5-10. Utilidad esperada de almacenar 12 cajas

Accin de almacenamiento ptimo

Interpretacin de esta alternativa de decisin

Informacin Perfecta

(1) Tamao del mercado, cajas 10 11 12 13

(2) Utilidad condicional $44 52 60 60

(3) Probabilidad de del mercado tamao x .20 x .40 x .30 x .10 1.00

= = = =

(4) Utilidad Esperada $8.80 20.80 18.00 6.00 $53.60

Tabla 5-11. Utilidad esperada de almacenar 13 cajas (1) Tamao del mercado, cajas 10 11 12 13 (2) Utilidad condicional $41 49 57 65 (3) Probabilidad de del mercado tamao x .20 x .40 x .30 x .10 1.00 (4) Utilidad Esperada $8.20 19.60 17.10 6.50 $51.40

= = = =

Informacin completa y exacta sobre el futuro, conocida como informacin perfecta, quitara toda la incertidumbre del problema. Esto no significa que las ventas no varan de 10 a 13 cajas al da. Las ventas todava serian 10 cajas al da. El 20% del tiempo, 11 cajas 40% del tiempo, 12 cajas 30% del tiempo y 13 cajas, 10% del tiempo. Sin embargo, con informacin perfecta Beth sabra por anticipado cuantas cajas se iban a pedir para cada da. Bajo estas circunstancias, Beth almacenara ahora el da numero exacto de cajas que los compradores querrn maana. Para la venta de 10 cajas, almacenaran 10 cajas y obtendran una utilidad de $50. Cuando las ventas se consideran, seria de 11 cajas, ella almacenara exactamente 11 cajas obteniendo as una utilidad de $55. La tabla 5-12 muestra los valores de utilidad condicional que son aplicables al problema de Beth si ella tuviera informacin perfecta. Dado el tamao del mercado por anticipado para un da cualquiera ella escoge la accin de almacenamiento que maximizara sus utilidades. Esto significa que comprara y almacenara lo que necesita para evitar toda prdida de inventario obsoleto as como todas las prdidas de oportunidad que reflejan las utilidades prdidas en solicitudes de mercancas no satisfechas.

Clculo de la utilidad esperada con informacin perfecta

Tabla 5-12 Utilidades condicionales bajo certeza

Ventas posibles

Acciones posibles de almacenamiento 13 cajas

cajas 10 11 12 13

10 cajas 11 cajas $50 $55

12 cajas

$60 $65

Ahora, ella puede proceder al clculo de la utilidad esperada con informacin perfecta. Esto se muestra en la tabla 5-13; el procedimiento es el mismo que ya se ha utilizado. Sin embargo, notara que las cifras de unidades condicionales en la columna 2 de la tabla 5-13 son mximas utilidades posibles para cada volumen de ventas.

Significado de la utilidad esperada con informacin perfecta

Por ejemplo, cuando los compradores adquieren 12 cajas, Beth siempre har una utilidad de $60 bajo certeza, por que habr almacenado 12 cajas exactamente. Con informacin perfecta, entonces, podra contar con obtener una utilidad promedio de $56.50 al da. Esta es una cifra importante puesto que es la mxima utilidad posible.

Tabla 5-13. Utilidad esperada con informacin perfecta

(1) Tamao del mercado, cajas 10 11 12 13

(2) Utilidad condicional bajo certeza $50 55 60 65

(3) Probabilidad de del mercado tamao x 0.20 x 0.40 x 0.30 x 0.10 1

= = = =

(4) Utilidad informacion esperada con $10.00 perfecta 22.00 18.00 6.50 $56.50

Un enfoque alterno: Minimizacin de prdidas. Acabamos de resolver el problema de Beth Perry al maximizar su ganancia diaria esperada hay otro enfoque para este mismo problema. Podemos calcularlas cantidades con las que se reducirn las mximas utilidades posibles ($56.50) bajo varias acciones del almacenamiento; entonces podemos elegir aquel curso de accin que minimizara estas reducciones o perdidas. Estn involucrados dos tipos de perdidas: (1) perdidas por obsolescencia son aquellas causadas al almacenar demasiadas unidades; (2) perdidas de oportunidad son las causadas al no tener inventario cuando los compradores quieren comprar. La tabla 5-14 es una tabla de prdidas condicionales para Beth. Cada valor de la tabla est condicionado a que se almacene un nmero especfico de cajas y se solicite tambin un nmero especfico. Los valores incluyen no solo aquellas prdidas de inventario obsoleto cuando el nmero de cajas almacenadas excede el nmero que los compradores desean sino tambin aquellas prdidas de oportunidad que resultan de las ventas cuando el mercado habra aceptado ms que el nmero almacenado. Ninguna de estas prdidas se incurre cuando el nmero almacenado en un da cualquiera es el mismo que el nmero solicitado. Esta condicin produce en la diagonal puros ceros. Cifras de dinero arriba de cualquier creo representan las prdidas que resultan del inventario obsoleto; en cada caso el numero almacenado

Enfoque para resolver este problema

Tipo de prdidas

Interpretacin de la tabla de prdidas condicionales.

es mayor que el numero vendido. Por ejemplo si se almacenan 3 cajas y se venden 10, hay una perdida resultante por el costo de 3 cajas vendidas. Los valores debajo de la diagonal de ceros representan prdidas de oportunidad que resultan de solicitudes que no se pueden satisfacer. Por ejemplo, si solo se almacenan 10 cajas pero se solicitan 13 cajas, hay una prdida de oportunidad de $15. Esto representa la utilidad desperdiciada de $5 por caja sobre las 3 cajas solicitadas pero no disponibles. El siguiente paso es asignar probabilidades a las cantidades que los compradores van a querer.

La tabla 5-6 dio estas probabilidades como. Cajas Probabilidad 10 20 11 40 12 30 13 10 Al aplicar estas probabilidades a la informacin en la tabla 5-14 podemos calcular la perdida esperada (reduccin de la mxima utilidad posible de $56.50) de cada accin posible al almacenamiento. Hacemos esto ponderando cada una de las cuatro cifras de prdidas posibles de cada columna de la Tabla 5-14 por las probabilidades de la Tabla 5-6. Para una accin de almacenar 10 cajas, la perdida esperada se calcula como en la Tabla 5-15.

Tabla 5-14 Perdidas condicionales

Ventas posibles cajas 10 11 12 13

Acciones posibles de almacenamiento 10 cajas $0 5 10 15 11 cajas $3 0 5 10 12 cajas $6 3 0 5 13 cajas $9 6 3 0

Las perdidas condicionales en la Tabla 5-15 se toman de la Tabla 5-14 para una accin de almacenar 10 cajas. La suma de la ltima columna nos indica que si se almacenara 10 cajas al da, sobre un periodo largo, la perdida promedio o esperada ser de $6.50 al da. No hay garanta de que la perdida de maana ser exactamente de $6.50. Las tablas 5-16 a 5-18 muestran los clculos de la perdida esperada de decisiones de almacenar 11,12 o 13 cajas, respectivamente. La accin ptima de almacenamiento es aquella que maximizara las perdidas esperadas; esta accin pierde el almacenamiento de 12 cajas cada da, en cuyo punto la perdida esperada se minimiza en $2.90. Tabla 5-1. Perdida esperada al almacenar 10 cajas Tamao del mercado, cajas 10 11 12 13 Perdida condicional $0 5 10 15 Probabilidad de del mercado tamao x 0.20 x 0.40 x 0.30 x 0.10 1 Perdida esperada $0.00 2.00 3.00 1.50 $6.50

= = = =

Tabla 5-1. Perdida esperada al almacenar 11 cajas Tamao del mercado, cajas 10 11 12 13 Perdida condicional $3 0 5 10 Probabilidad de del mercado tamao x 0.20 x 0.40 x 0.30 x 0.10 1 Perdida esperada $0.60 0.00 1.50 1.00 $3.10

= = = =

Beth puede enfocar la determinacin de la accin de almacenamiento optima desde cualquier punto de vista, maximizar las utilidades esperadas o minimizar las perdidas esperadas; ambos enfoques llegan a la misma conclusin. En la Tabla 519 mostramos que las utilidades son maximizadas y las perdidas esperadas son minimizadas cuando Beth Perry almacena 12 unidades diariamente.

Valor esperado de la informacin perfecta. Suponiendo que Beth pudiera obtener un pronstico perfecto de la demanda futura, Cul sera el valor de tal pronosticador para ella? Debe comprar lo que le cueste a ella tal informacin adicional con la utilidad adicional que obtendra como resultado de tener la informacin.
Tabla 5-17 Prdidas esperada al almacenar 12 cajas

El valor esperado de la informacin perfecta

Tamao del Mercado, cajas 10 11 12 13

Perdida condicional $ 3 0 5 10

Probabilidad de tamao de mercad .20 .40 .30 .10 1.00

Perdida esperada $ 1.20 1.20 .00 .50 2.90 accin optima de almacenamiento

Beth puede ganar utilidades diarias promedio de $56.50 si tiene informacin perfecta sobre el futuro (ver tabla 5-13). Su mejor utilidad diaria esperada sin el pronosticar es solo $53.60 (ver tabla 5-8). Tabla 5-18 Perdida esperada al almacenar 13 cajas Tamao del Mercado, cajas 10 11 12 13 Perdida condicional $ 9 6 3 0 Probabilidad de tamao de mercad .20 .40 .30 .10 1.00 Perdida esperada $ 1.80 2.40 .90 .00 5.10

Tabla 5-19 Utilidad esperada y perdida esperada 10 Cajas Utilidad Esperada Perdida esperada $ 50.00 6.50 ACCION DE ALMACENAMIENTO 11 Cajas 12 Cajas 13 Cajas

$ 53-40 3.10

$ 53. 60 2.90 optima

$ 51.40 5.10

5-11) la diferencia de $ 2.90 es la cantidad mxima que estara dispuesta a pagar, por da, por un pronosticador perfecto, por que esta es la cantidad mxima en l a que puede incrementar su ganancia diaria esperada. Esta diferencia es el valor esperado de la informacin perfecta y se conoce como VEIP. No tiene sentido pagar ms de $ 2.90 por el pronosticador, el hacerlo bajara la utilidad diaria esperada. Al terminar que informacin adicional es valiosa en el proceso de toma de decisiones, es un problema serio para los gerentes. En nuestro ejemplo, encontramos que Beth pagara $2.90 al da por un pronosticador perfecto. Al generalizar, a partir de este ejemplo, podemos decir que el valor esperado de la informacin perfecta es igual a la prdida mnima esperada. Sin embargo, no es a menudo que no sea lo suficiente afortunado de poder obtener un pronosticador perfecto; as, en la mayora de las situaciones de toma de decisin, los gerentes estn realmente intentando evaluar el valor de la informacin que les permitir tomar una mejor decisin en vez de una perfecta. Artculos que tienen un valor de recuperacin. En el ejemplo previo, supusimos que el producto que se esta vendiendo se considera intil si no se venda al siguiente da de la entrega, o sea el da de venta. Por supuesto, esta suposicin de que no tiene valor de recuperacin no es siempre realista. Si el producto tiene algn valor de recuperacin, entonces esta cantidad se debe considerar al calcular las utilidades condicionales para accin de almacenamiento. Considere el caso de los arandanos frescos, los que ordenan por el detallista y se reciben el da anterior al da de venta. Cuestan $5 por caja y se venden a $8 por caja; cualquier remanente no vendido al final del da, se puede salir de l al precio de recuperacin de $2 por caja. La observacin nos muestra que las ventas pasadas han variado de 15 a 18 cajas por da; no hay razn para creer que el volumen de ventas tomar cualquier otra magnitud en el futuro. Al usar los mismo procedimientos que en la Tabla 5-6, establecemos estas probabilidades para los valores que tomaran las ventas. La tabla de utilidades condicionales que resulta de los datos anteriores es la Tabla 5-20 un inventario de 15 cajas cada da resultara en una utilidad diaria de $45 sin importar la demanda es para 15, 16, 17, 18 cajas. Las 15 cajas almacenadas siempre se vendern, pero no se puede ms en cualquier da. Tamao del mercado 15 16 17 18 Probabilidad de tamao de mercado .10 .20 .40 .30 1.00
Ejemplo de toma de decisin con valor de recuperacin El valor esperado de la informacin perfecta es igual a la perdida mnima esperada

Valor de recuperacin

Un inventario de 17 cajas al da resultara en una utilidad de $51, en aquellos das en que a demanda sea 17 o 18 cajas. Hasta ahora, el clculo de las utilidades condicionales es el mismo que en todos nuestros ejemplos previos. Sin embargo, en cualquier momento en que el nmero almacenado exceda a la demanda del da de venta, el clculo de la utilidad condicional debe tomar un valor de recuperacin en consideracin. Esto sucede, por ejemplo, cuando 17 cajas se almacenan pero solo se venden 15 cajas. La utilidad condicional en este evento se calcula como sigue: Utilidad de 15 cajas vendidas $45

Calculo de utilidades condicionales

Menos costo de 2 cajas no vendidas -10 $35 Ms valor de recuperacin de 2 cajas + 4 Utilidad condicional $39

Los valores de recuperacin tambin se pueden considerar como una reduccin en el costo de las cajas no vendidas. En nuestro ejemplo, el costo neto de cada caja no vendida es $3, o sea el costo original es de $5 menos el valor de recuperacin de $2. As, cuando se almacenan 18 cajas pero solo se venden 16, la utilidad condicional es de $42; esto s, $3 por caja en las 16 vendidas menos $6, el costo total de as 2 no vendidas. Tabla 5-20 utilidades condicionales Demanda posible venta (caja) 15 16 17 18 Acciones de almacenamiento posibles (cajas) 15 16 17 18

$45 45 45 45

$42 48 48 48

$39 45 51 51

$36 42 48 54

La presencia del valor de recuperacin en un problema de inventarios, no altera la aplicacin de cualquier principio explicado anteriormente en este capitulo. Simplemente significa que debemos considerar su efecto sobre utilidades y prdidas condicionales. Acabamos de ver que el valor de recuperacin aumenta las utilidades condicionales por que reduce la perdida causada por el almacenamiento en exceso. Procedemos como antes al determinar la accin optima de almacenamiento a tomar. El siguiente paso es determinar la utilidad esperada para cada una de las cuatro acciones posibles de almacenamiento. Esto involucra ponderar las cifras de utilidades condicionales para cada accin de almacenamiento por la probabilidad de que cada una ocurrir, y despus sumar los resultados para cada accin de almacenamiento.

La tabla 5-21 presenta las cifras de utilidades esperadas resultantes; el almacenamiento de 17 cajas al da es la accin de almacenamiento ptima. Con el tiempo, podemos obtener mayores utilidades promedio y totales al almacenar 17 cajas cada da, aun cuando algunos das la demanda ser para 15, 16 o 18. En muchos casos, el valor de recuperacin de un articulo no vendido puede tomar mas de un valor, dependiendo de la antigedad de ese articulo; no es raro, por ejemplo, que el pan fresco tenga un precio en el supermercado; que el pan del da anterior se venda a un precio algo mas bajo y que el pan de mas de 4 das ni tenga prcticamente valor. En algunos casos como ste y en situaciones con valores de recuperacin mas complicados, las soluciones tabulares al problema se vuelven mas complicadas e incomodas. En la mayora de tales situaciones, los investigadores de operaciones prefieren usar mtodos ms eficientes que el enfoque tabular. Examinemos uno de esos ahora. En muchos problemas, el uso de tablas de utilidades condicionales y utilidades esperadas, seria difcil debido al nmero de clculos requeridos. La tabla 5-21 mostr 4 acciones de almacenamiento posible y 4 niveles de venta posible, lo que resulta en una tabla de utilidad condicional que contiene 16 posibilidades para utilidades condicionales. Suponga que hubiera habido 200 valores posibles para los volmenes de venta y un nmero igual de acciones de almacenamiento posibles. Habra habido un nmero muy alto de clculos al determinar la utilidad condicional y esperada de cada combinacin posible. El enfoque marginal evita este problema de exceso de trabajo computacional; la unidad ser o no ser vendida. La suma de las probabilidades de estos dos eventos debe ser igual a 1. Por ejemplo, si la probabilidad de vender la unidad adicional es 4, entonces la probabilidad de no venderla debe ser 6 la suma? 1. Hagamos que p presente la probabilidad de vender una unidad adicional, entonces 1-p debe ser la probabilidad de no venderla.

Ms de un valor de recuperacin

Problemas con Demasiadas utilidades condicionales

Probabilidad de vender y no

CUESTIONARIO SOBRE TEORA DE DECISIONES. Instrucciones: Organizarse en parejas para contestar las siguientes preguntas y entregar un reporte por pareja. 1. Cul es la importancia del estudio de la teora de decisiones? 2. Explique cada una de las fases en la teora de decisiones. 3. Explique los diferentes ambientes bajo los que se toman decisiones. 4. Explique con sus propias palabras los criterios mximax, maximin y el de arrepentimiento minimax 5. Qu representa en el criterio de realismo? 6. En qu consiste el valor esperado de la informacin perfecta?
Para la siguiente tabla de beneficios: Estados de la naturaleza Alta Moderada $ 800 $400 $900 $450 Baja -$400 -$500 Falla -$650 -$1000

Alternativas

Expander Construir

Subcontratar $500 $250 -$150 -$500 Aplique los criterios: a)Mximax , b)Maximin, c)De Arrepentimiento Minimax y d)De realismo con = 0.6, para tomar la mejor decisin. Considere un producto X, que se compra a $ 25, se vende a $ 40 y al final del da tiene un valor de recuperacin de $ 15. Utilizando el criterio del valor esperado y la siguiente tabla, seleccione la mejor opcin de almacenamiento. Ventas diarias (piezas) No. De das con esa venta 20 9 21 12 22 10 23 8 24 6 25 5

Resuelva el siguiente problema: Considere un producto , que se compra a $ 200, se vende a $ 280 y al final del da tiene un valor de recuperacin de $ 160. Calcule el valor esperado de la utilidad utilizando informacin perfecta, as como el enfoque de minimizacin de prdidas y la siguiente tabla, seleccione la mejor opcin de almacenamiento para cada enfoque. Ventas diarias (piezas) No. De das con esa venta 15 8 16 11 17 14 18 7 19 6 20 4