Investigación de Operaciones II

INVESTIGACION OPERATIVA II
UNIVERSIDAD NACIONAL DE COLOMBIA

S E D E
M A N I Z A L E S
GUILLERMO JIMNEZ LOZANO
I N V E S T I G A C I N OPERATIVA II
rcom
21
UN/VEFS/DAD
818'
NACIONAL
DB
COLOMB'A
SF:'":?
E F.
VA C MTPAL
No
fe J o o l o ^
c
Cowp
Proveedor
UNIVERSIDAD NACIONAL DE COLOMBIA

SEDE MANIZALES
33647
- 0'ij,
C;,CC
I.S.B.N 958-9322-74-3
2002 UNIVERSIDAD NACIONAL
DE COLOMBIA SEDE MANEALES
AUTOR:
GUILLERMO JIMNEZ LOZANO

Administrador de Empresas
Esp. Estadstica
Esp. Administracin de Sistemas Informticos
Profesor Asociado
Universidad Nacional de Colombia
Sede Manizales
REVISADO:
HENRY SANTANA FANDO
Ingeniero Industrial
Ms.Sc. en Administracin
Profesor Asociado
Sede Manizales
JAIME AI BERTO GIR.AI.DO GARCA
Ingeniero Industrial
Esp. Administracin e Sistemas
Esp. Alta Gerencia con nfasis en calidad
Profesor Asociado
Sede Maiza los
L u i s FERNANDO MOTATO ROJAS
Ingeniero Industiial
Esp Admlnisti acin de Sistemas Informticos
nstnictor Asociado
Sede Manizales
I.M 'RESO-
Centro de Publicaciones
Sede Manizales
Abril de 200?
Primcia Edicin
Dedicatoria
Martha
Jos
Luca
Fernando
Albanery
Xiomara
Alexandra
Anglica
CONTENIDO
INTRODUCCIN
CAPITULO I
TEORA DE DECISIONES
Buenas vs. Malas decisiones
Los seis pasos en la teora de decisiones
Problema potencial en el uso de los resultados de una investigacin
Teora de la utilidad
Medida de la utilidad y construccin de una curva de utilidad
Toma de decisiones
El proceso de evaluacin de varios factores
El proceso de jerarqua analtica
Tipos de decisin
Decisin creada bajo riesgo
Valor monetario esperado (V.M.E)
In formacin perfecta del valor esperado
Informacin perfecta con el valor esperado-el mximo V.M.E
Oportunidad perdida
Fundamentos de la teora de decisiones
Maximn
Igualdad de probabilidad
Criterio de realismo (Criterio de Hurwicz)
Minimax
Usando el computador para resolver la decisin de problemas tericos
Arbol de decisin y teora de la utilidad
Probabilidades condicionales
Determinando otro valor de utilidad
Utilidad como un criterio de toma de decisin
Determinando la utilidad esperada
Dec siones tomadas bajo incertidumbre
Valores expectados con sistema de informacin
Como se estiman los valores de probabilidad del anlisis Bayesiano
Caso de estudio
Sumario
Glosario
Ecuaciones claves
Ecuaciones
11
11
12
13
14
14
15
16
18
19
20
21
22
23
24
25
25
26
27
27
27
29
30
35
36
38
38
39
40
40
44
44
46
47
CAPITULO II
INTRODUCCIN A LA TEORA DE COLAS
Caractersticas fundamentales
Patrn de llegada de los clientes
Patrn de atencin de los servidores
Disciplina de la cola
Capacidad del sistema
Nmero de canales de servicio
Nmero de etapas en el servicio
Medidas de eficiencia en un sistema
Modelo de teora de colas
Teorema
Modelo M/M/1
Medidas de eficiencia
Proceso puro de nacimiento
Casos especiales
Proceso puro de muerte
Proceso de nacimiento y muerte
Distribuciones lmites
Inferencia estadstica
Distribucin del tiempo de espera
Relacin entre longitud esperada de la cola y el tiempo medio de espera
Explicacin intuitiva
Colas con canales paralelos M/M/C
Ejercicios
49
49
49
50
50
51
51
52
52
52
53
54
56
59
60
61
62
63
67
71
73
74
78
92
CAPITULO III
MODELOS DE INVENTARIOS
Inventarios
Situacin ideal
Compras en grandes cantidades
Diagrama de flujo
Existencias de seguridad (Z)
Objetivos de control de produccin y stocks
La evolucin del control de produccin y los stocks
El control de produccin en la actualidad
Relacin entre el control de stock y el control de la produccin
Poltica de direccin y control de produccin
Distribucin en funcin del valor
Sistemas de control de inventario ABC
Anlisis ABC
!
Planeacin de requerimiento de materiales MRP I
Definicin de MRP I
Mecnica del MRP 1
Caractersticas del MRP 1
101
101
101
104
110
113
114
115
115
116
116
116
116
118
120
120
120
120
Planeacin de los recursos de fabricacin MRP II

Definicin MRP II
Breve descripcin del MRP II: Flujograma
Caractersticas del MRP II
Curvas de intercambio
CAPITULO IV
MODELOS (TEORA) DE REDES
Problema de la ruta ms corta
Problema del rbol del mnimo recorrido
Problema del PERT / CPM / LPU / ROY / RAMPS
Problema PERT/CPM
121
121
122
123
123
127
131
132
134
135
CAPITULO V
PROGRAMACIN NO LINEAL
Programacin cuadrtica
Programacin separable
Programacin Geomtrica
Algunos programas de computadora
145
154
157
160
164
CAPTULO VI
SIMULACIN
Introduccin
*
Tipos de simulacin
Ventajas y desventajas de la simulacin
Generacin de aleatorios
Mtodos para la generacin de nmeros pseudoaleatorios
1. Contrastes empricos
2. Generadores congruenciales lineales
Generadores paralelos de nmeros aleatorios
Generadores comerciales
Lenguajes y/o paquetes de simulacin
Un ejemplo de simulacin discreta
Un ejemplo de simulacin continua
Distribuciones estadsticas de probabilidad continuas
Distribuciones estadsticas de probabilidad discutas
167
167
169
170
171
173
173
175
178
178
178
180
183
185
189
BIBLIOGRAFA
196
INTRODUCCIN
El presente escrito " Investigacin Operativa II" tiene como objetivo principal proporcionar
a los estudiantes de la Universidad Nacional de Colombia, Sede Manizales, una herramienta que
facilite el aprendizaje de conceptos y prcticas inherentes aplicables a la realidad. A manera de
motivacin se ha planteado un problema antes de comenzar cada captulo, lo cual puede considerarse
una forma amena para cambiar de tema.
De otra parte se pretende proporcionar una secuencia lgica de los captulos correspondientes
al curso regularmente orientado por la Universidad. Esta aproximacin a un libro no busca ser un
recetario ni un tratado sobre Investigacin de Operaciones; por el contrario trata de analizar y
sintetizar otros aportes de autores que han trasegado el campo de la Investigacin de Operaciones.
Tampoco es propsito el quedarse en asuntos matemticos de Investigacin Operacional, ms
bien es preparar y desarrollar en Administradores de Empresas, Ingenieros Industriales y
Administradores de Sistemas Informticos: habilidades, destrezas, actitudes y aptitudes para
identificar problemas, buscar soluciones y estimularlos a trabajar en investigacin posteriormente.
N o quisiera terminar este texto, sin antes agradecer en primera instancia a los docentes de
Investigacin de Operaciones, como tambin a mis estudiantes de la Universidad Nacional de
Colombia Sede Manizales, tanto de Pregrado como de Posgrado.
Por ltimo y de manera muy sincera quedo en deuda con Albanery (quien siempre me ha
perdonado mi inclinacin por la Investigacin Operacional), Xiomara Alexandra y Anglica. Sin
su dedicacin, entendimiento y persistencia no hubiera podido publicar este texto.
Guillermo Jimnez Lozano
LAS C U A T R O F U G A S
Se dice que cuatro parejas se fugaron, pero al llevar a cabo sus planes se vieron
forzados a cruzar un ro en un bote que solo poda llevar dos personas cada vez. En
el medio del ro, haba una pequea isla; los jvenes eran tan celosos que ninguno
de ellos permita que su futura esposa permaneciera ni un segundo en compaa de
otro hombre a menos que tambin l estuviera presente.
Tampoco ninguno de ellos se aventuraba a embarcarse solo en el bote cuando hubiera
una muchacha sola, en la isla o en la costa, a menos que fuera su prometida.
Supongamos que el ro tiene doscientos metros de ancho y una isla en medio en la
que pueden permanecer todos. Cuntos viajes debe hacer el bote para cruzar a
todas las parejas segn las condiciones impuestas?
CAPTULO I
TEORA DE D E C I S I O N E S
La humanidad
no puede soportar mucha
realidad.
T. S. Eliot
Para una persona o un grupo que toma decisiones, es difcil tener en cuenta todos los factores que
inciden en la decisin, por tanto, es indispensable encontrar alguna manera de descomponer estos
factores, de tal forma que le permita al tomador de decisiones, pensar en las implicaciones de cada
factor, de una manera racional. Cualquier problema de decisin, tiene ciertas caractersticas que
describen su naturaleza y adems pueden proporcionar alternativas para su solucin. Quien toma
decisiones debe especificar y describir los factores que tendr en cuenta para tomar una decisin,
acorde con sus expectativas.
La teora de decisiones es una aproximacin analtica y sistemtica para estudiar dichas
determinaciones.
Por lo tanto, este escrito pretende presentar algunos modelos matemticos utilizados como ayuda
a los empresarios para tomar ptimas decisiones.
BUENAS VS. MALAS DECISIONES
Q u hace la diferencia entre u n a b u e n a y u n a m a l a decisin?

Una buena decisin esta basada en la lgica, considera todos los datos obtenidos y las posibles
alternativas y aplica las aproximaciones cuantitativas a cerca de lo que se describe. Ocasionalmente,
una buena decisin resulta de un inesperado o desfavorable resultado. Pero si esto se hace con propiedad,
puede ser una buena decisin.
Una mala decisin es la que no est basada en la lgica, no usa toda la informacin obtenida, no
considera todas las alternativas y no emplea apropiadamente las tcnicas cuantitativas. Si usted toma
una mala decisin, pero sta es favorable, usted ha hecho una mala decisin.
Un empresario tiene que tomar muchas decisiones. Aunque ocasionalmente buenas decisiones
pueden producir malos resultados, en un largo recorrido, se puede llegar a un resultado afortunado.
11
LOS SEIS PASOS EN LA TEORA DE DECISIONES

Ya sea que usted est decidiendo acerca de lograr un corte de cabello de moda, construyendo una
fbrica multimillonaria o comprando una cmara nueva, los pasos para tomar una buena decisin son
bsicamente iguales. Estos pasos son:
1. Definir claramente el problema.
2. Listar las posibles alternativas.
3. Identificar los posibles resultados.
4. Listar el costo o la utilidad de cada combinacin de alternativas y resultados.
5. Seleccionar uno de los modelos matemticos de la teora de decisiones.
6. Aplicar el modelo y tomar la decisin.
Pedro Pataquiva Piraquive es el fundador y presidente de la compaa Cafetera, una lucrativa

firma situada en Manizales (Caldas). Es de advertir que todos los datos estn en miles de pesos ($000).
PASO 1:
El p r o b l e m a que la Cafetera identifica en este paso, est en la expansin de su lnea de
productos por la manufactura y el mercadeo de un nuevo producto, que se debe almacenar en el
patio interior del galpn.
PASO 2:
El segundo paso de la Cafetera es la generacin de las alternativas disponibles para el problema.
En teora de decisin, una alternativa es definida como un camino o curso de acciones o de estrategias
para poder escoger la fabricacin de la decisin.
La Cafetera decide que sus alternativas son para construir:
U n galpn de almacenaje para la nueva planta de manufactura.
" Una planta pequea.
N o toda la planta (esto es, l tiene la opcin de no desarrollar la nueva lnea de productos).
Uno de los ms grandes errores en la toma de decisiones es dejar por fuera alternativas importantes.
Aunque una alternativa en particular pueda parecer inapropiada o de poco valor, esto puede dar un
giro a la mejor seleccin.
PASO 3:
El tercer paso comprende la identificacin de los resultados posibles segn las diferentes
alternativas. Los criterios de accin son establecidos en el tiempo. La Cafetera determina que all
solo son dos posibles resultados: el mercado para el galpn de almacenaje puede ser favorable,
significando esto una alta demanda del producto, o puede ser desfavorable, significando una baja
demanda en el galpn.
12
Un error comn es olvidar alguno de los posibles resultados. La decisin del fabricante optimista
debe cuidarse de ignorar decisiones malas, mientras que el pesimista puede descontar un resultado
favorable. Si usted no puede considerar todas las posibilidades, no puede obtener una decisin lgica
y los resultados pueden ser indeseables. Si usted no piensa que lo peor puede pasar, usted puede
disear otro automvil. En la teora de decisiones, esos resultados sobre cual es la decisin a tomar
tuvo pequeos o ningn control, es llamado "Estado Natural".
PASO 4:
En este paso, la Cafetera expresa el costo de los resultados de las combinaciones posibles de
alternativas y resultados. Puesto que en este caso la Cafetera quiere maximizar su utilidad, el puede
aprovecharla para evaluar cada consecuencia. No todas las decisiones, por supuesto, se pueden basar
en solo dinero. Cualquier significado apto de medicin benfica es aceptable. En teora de decisin
nosotros llamamos costos semejantes a valores condicionales de la utilidad. La Compaa viene evaluado
el potencial de la utilidad, asociado al costo de diferentes resultados. Con un mercado favorable, l
piensa en una facilidad duradera con un resultado neto de $ 200.000 hasta su estabilidad. Esos
$200.000 son un valor condicional porque el dinero recibido por la empresa sobre el edificio de la
industria es condicional si tiene un buen mercado.
El valor condicional del mercado es desfavorable si hay una prdida neta de $180.000. Una
pequea planta resulta con una utilidad neta de $ 100.000 en un mercado favorable, pero una prdida
neta de $20.000 ocurre si el mercado es desfavorable. Finalmente, ninguna accin resulta en una
utilidad de $ 0 en uno u otro mercado.
La va ms fcil para presentar los valores es construyendo una tabla de decisiones, algunas
veces llamada tabla de costos. Todas las alternativas son listadas al lado izquierdo de la tabla y todos
los posibles resultados o estados naturales son listados hasta el tope. El cuerpo de la tabla contiene los
costos actuales.
PASOS 5 Y 6:
Los dos ltimos pasos son la seleccin del modelo de teora de decisiones y aplicarlo a los datos
para ayudar a obtener la decisin. La seleccin del modelo depende del ambiente en el cual usted este
operando.
Como usted sabe la probabilidad de xito de la Compaa sin una investigacin de mercados era
nicamente 0,50 , ahora l esta atento a que la probabilidad de xito sea de 0,78 si la investigacin de
mercados muestra unos resultados positivos. Su oportunidad de xito cae a un 27% si el reporte de la
investigacin es negativo esta es la apreciable informacin que se maneja, como veremos posteriormente
en el anlisis de los rboles de decisin.
PROBLEMA POTENCIAL EN EL USO DE LOS RESULTADOS DE UNA INVESTIGACIN

En muchos problemas de toma de decisiones, resultados de investigaciones o estudios pilotos
son realizados antes de que una decisin sea hecha, como por ejemplo: construir una nueva planta o
13
tomar el curso particular de una accin. El anlisis de Bayes es usado para ayudar a determinar las
correctas probabilidades condicionales que son necesitadas para resolver este tipo de problemas tericos
de decisin. En el cmputo de estas probabilidades condicionales, nosotros necesitamos tener datos
acerca de las investigaciones y su exactitud. Si una decisin para construir una planta o para tomar
otro curso de una accin es actualmente hecho, nosotros no podemos obtener ningn dato acerca de
estas situaciones donde la decisin no es construir una planta o no tomar algn curso de una accin. De
esta manera, cuando nosotros usamos los resultados de investigaciones, nosotros estamos basando
nuestras probabilidades en los casos donde una decisin de construir una planta o tomar el curso de
alguna accin es actualmente hecha. Esta significa que la informacin de probabilidades condicionales
no es tan exacta como nosotros queremos. No obstante, calcular las probabilidades condicionales nos
ayuda a afirmar el proceso de toma de decisiones y el general a hacer mejores decisiones.
TEORA DE LA UTILIDAD
De alguna manera nosotros hemos usado el valor monetario esperado (V.M.E.) para tomar decisiones.
Sin embargo, en la prctica, el uso del V.M.E., puede conducir a malas decisiones en muchos casos. Por
ejemplo: supngase que usted es el afortunado poseedor de un billete de lotera. Dentro de cinco minutos
una moneda ser lanzada y si ella cae sello usted ganar $ 5 '000.000 y si cae caras usted no ganar nada.
Hace unos momentos un individuo le ofreci $ 2'000.000 por el billete. Asumamos que usted no
tiene ninguna duda acerca de la oferta. El le entregar un cheque certificado por toda la cantidad y
usted esta seguro de que el cheque es bueno.
El V.M.E. indica que usted mejor mantiene el billete, pero qu har usted?, mejor mantiene el
billete. Solamente piense $ 2'000.000 por un 50% de oportunidad de nada. Suponga que usted esta
completamente seguro y sostiene el tiquete y despus pierde. Cmo explicara usted esto a sus amigos?
N o eran mejor $2'000.000 que nada?.
La mayora de la gente lo vendera por $2'000.000 en realidad lo vendera por menos, el total de
la venta es un problema de preferencia personal. La gente tiene diferentes sentimientos acerca de la
forma de afrontar el riesgo. El V.M.E. no es una buena forma para tomar este tipo de decisiones.
Una forma de incorporar sus aptitudes para afrontar el riesgo es mostrado en la teora de utilidad.
La siguiente seccin primero explora como medir la utilidad y luego como tomar decisiones.
MEDIDA DE LA UTILIDAD Y CONSTRUCCIN DE UNA CURVA DE UTILIDAD

La tasa de la utilidad comienza con la asignacin para el peor resultado y/o para el mejor resultado
una utilidad de 1. Todos los otros resultados tendrn un valor entre 0 y 1. En la determinacin de las
utilidades de todos los resultados, otros diferentes del mejor y el peor resultado, un estndar de partida
es considerado.
A continuacin se muestra que P es la probabilidad de obtener el mejor resultado y (1 - P) la
probabilidad de obtener el peor resultado. Midiendo la tasa utilidad de cualquier otro resultado involucra
14
la determinacin de la probabilidad, P, que te hace indiferente entre la alternativa 1, el cual es la

prdida entre el mejor y el peor resultado y la alternativa 2 que la obtiene del otro resultado. Por
seguridad, cuando usted es indiferente entre la alternativa 1 y 2 despus la utilidad esperada para estas
2 alternativas deber ser igual. Esta relacin se muestra a continuacin:
- Utilidad esperada alternativa 2 = Utilidad esperada alternativa 1.
- Utilidad de otros resultados = ( P ) (utilidad del mejor resultado, la cual es 1) + (1 - P) (utilidad
del peor resultado, la cual es 0).
- Utilidad de otros resultados = ( P ) ( 1 ) + ( 1 - P ) ( 0 ) = P.
Ahora, todo lo que usted tiene que hacer es determinar el valor de la probabilidad ( P ) que te
hace indiferente entre la alternativa 1 y 2. En el establecimiento de la probabilidad, usted mejor est
atento a que la tasa de la utilidad sea completamente subjetiva. Es un valor establecido por el que hace
la decisin y no puede ser medido en una escala objetiva. Tomemos vistazo a un ejemplo.
Pablo Petrel Petuma le gustara construir una curva de utilidad que le revele su preferencia por el
dinero entre 0 - $ 10.000. El puede invertir en una cuenta bancaria o puede invertir su dinero en un negocio.
Si el dinero es invertido en el banco, en tres aos Pablo tendr $5.000, y si se invierte en un
negocio en tres aos $ 10.000 o nada. Pablo, sin embargo es muy conservador, a menos de que haya un
80 % de oportunidad de obtener $10.000 del negocio, Pablo preferira tener el dinero en el banco
donde esta seguro. Lo que Pablo ha hecho ac es medir su utilidad $5.000. Cuando hay un 80 % de
oportunidad ( Esto significa que P es 0.80 ) de obtener $10.000, Pablo es indiferente entre colocar su
dinero en estado real ( n e g o c i o ) o colocarlo en el banco. La utilidad de Pablo de $5.000 es de alguna
manera igual a 0.8, el cual es el mismo que el valor de P, lo cual es equivalente a la tasa de utilidad.
TOMA DE DECISIONES
Varios factores en la toma de decisiones
Muchos problemas en la toma de decisiones, envuelven un nmero de factores. Por ejemplo si
usted esta considerando un nuevo trabajo, los factores pueden incluir un salario inicial, oportunidades
de progreso en la carrera, la ubicacin del trabajo, las personas con las que estar en el trabajo, el tipo
de trabajo que estar realizando y la variedad de beneficios adicionales.
Si usted est considerando la compra de un computador personal, hay un importante nmero de
factores que se deben considerar muy bien. Entre stos factores se puede incluir el precio, la capacidad
de memoria, la compatibilidad con otros computadores, flexibilidad, nombre de la marca, viabilidad
del software, la existencia de algunos clubes o grupos de usuarios y la garanta de los fabricantes del
computador y el local del almacn de los computadores.
En la compra de un carro nuevo o usado, factores como el color, el estilo, fbrica y modelo, ao,
nmero de kilmetros, si es un carro usado, precio, la institucin o individuo de quien usted esta
adquiriendo el carro, las garantas y el costo del seguro, pueden ser factores importantes a considerar.
15
En la toma de decisiones de varios factores, muchos individuos subjetiva e intuitivamente

consideran la variedad de factores para hacer su seleccin. Para decisiones difciles se recomienda
una aproximacin cuantitativa. Todos- los factores importantes pueden entonces dar consideraciones
apropiadas y cada alternativa, tal como un carro, un computador o un prospecto de un nuevo trabajo,
pueden ser evaluados en trminos de estos factores. Esta aproximacin es llamada proceso de evaluacin
de varios factores.
En otros casos no nos es posible cuantificar nuestras preferencias por varios factores y alternativas.
Nosotros entonces usamos el Proceso de Jerarqua Analtica. Este proceso utiliza dos modos de
comparacin computando el peso de los factores considerados y las evaluaciones para nosotros.
Empezamos con una discusin del proceso de evaluacin de varios factores.
El proceso de evaluacin de varios factores

Con el proceso de evaluacin de varias alternativas, comenzamos por listar los factores y su
relativa importancia, en una escala del 0 al 1.
Vamos a considerar un ejemplo. Sal Saray Saraza, un estudiante del bachillerato especializado
en negocios, est buscando diferentes oportunidades de trabajo, despus de discutir la situacin con su
consejero acadmico y con el director del centro de empleos, Sal ha determinado que los tres nicos
factores importantes para l son el salario, las oportunidades de progresar en su carrera y la ubicacin
del nuevo trabajo. Adems Sal ha decidido que las oportunidades de progreso en su carrera, son lo
ms importante para l.
El le ha dado a ste un peso en importancia de 0,6. Sal ha situado su prximo salario con un
peso de 0,3. Finalmente Sal le ha dado un peso en importancia a la ubicacin de 0,1. Como en
cualquier problema, en el proceso de evaluacin de varios factores, los conceptos de importancia para
cada factor deben sumar 1. (Tabla N l )
TABLA NL.
FACTOR
FACTOR PESO
IMPORTANCIA
Salario
0.3
Progreso de carrera
0.6
Ubicacin
0.1
En este tiempo Sal se siente confiado, de que l tendr un ofrecimiento de la compaa AA Com,
EDS Ltda y la PWW. Para cada uno de estos trabajos Sal ha evaluado o porcentualizado los diferentes
factores. Esto se hizo en una escala de 0 a 1. Para la compaa AA, Sal ha dado una evaluacin del
salario de 0,7, a la promocin de la carrera una evaluacin de 0,9, y a la ubicacin una evaluacin de 0,6.
16
Para EDS Ltda., Sal evalu el salario como 0,8, la promocin de la carrera como 0,7, y la
ubicacin como 0,8. Para PWW. Sal le dio al salario un peso de 0.9, al progreso en la carrera una
evaluacin de 0.6 y a la ubicacin una evaluacin de 0.9, los resultados se muestran en la tabla siguiente:
(Tabla N 2).
TABLA N2. FACTOR
FACTOR
EVALUACIN
AA Com
EDS Ltda
PWW
Salario
0.7
0.8
0.9
Progreso de carrera
0.9
0.7
0.6
Ubicacin
0.6
0.8
0.9
Dada sta informacin, Sal puede determinar el peso total de evaluacin, para cada una de las
alternativas o posibilidades de trabajo. Cada compaa ofrece un factor de evaluacin para los tres
factores; entonces los pesos de los factores son multiplicados por la evaluacin del factor y son sumadas
para obtener una evaluacin total del peso para cada Compaa. Como se puede observar en la tabla la
compaa AA Com, ha recibido un peso de evaluacin de 0.81. El mismo tipo de anlisis est hecho,
para EDS Ltda y PW, en las tablas 4 y 5 como usted puede ver la Compaa AA Com, en el anlisis ha
recibido el ms alto peso total de evaluacin, la EDS Ltda fue la siguiente con un peso de evaluacin
total de 0.74, y la PW fue la ltima, con un peso total de evaluacin de 0.72. Usando el proceso de
evaluacin de varios factores, la decisin de Sal, fue ir con la compaa AA Com, ya que obtuvo el
ms alto total en el peso de evaluacin.
TABLA N3. E V A L U A C I N DE LA C O M P A A A A C O M
Factor
Factor Peso
Factor Evaluacin
Peso de Evaluacin
Salario
0.3
0.7
0.21
Progreso de carrera
0.6
0.9
0.54
Ubicacin
0.1
0.6
0.06
Total
0.81
17
TABLA N4. EVALUACIN DE EDS LTDA
Factor
Factor Peso
Factor Evaluacin
Peso de Evaluacin
Salario
0.3
0.8
0.24
Progreso de carrera
0.6
0.7
0.42
Ubicacin
0.1
0.8
0.08
Total
0.74
TABLA N5. EVALUACIN DE P W W
Factor
Factor Peso
Factor Evaluacin
Peso de Evaluacin
Salario
0.3
0.9
0.27
Progreso de carrera
0.6
0.6
0.36
Ubicacin
0.1
0.9
0.09
Total
0.72
El Proceso d e J e r a r q u a Analtica
En situaciones donde nosotros podemos asignar evaluaciones y pesos a varios factores de decisin,
el proceso de evaluacin de factores varios, descrito en la seccin anterior, trabaja bien. En otros
casos tomar una decisin puede tener dificultades, en la correcta determinacin de los distintos pesos
y evaluaciones de factor. En este caso el Proceso de Jerarqua Analtica, puede ser usado. El Proceso
de Jerarqua Analtica, fue desarrollado por Thomas L. Saaty y publicado en su libro "El Proceso de
Jerarqua Analtica", en 1980.
Este proceso incluye parejas de comparacin. La toma de una decisin empieza por trazar la
jerarqua ms alta de la decisin. Esta jerarqua revela los factores a ser considerados, as como las
distintas alternativas en la decisin.
De este modo varias parejas de comparaciones, estn ya resueltas. Estas parejas de comparaciones
se obtienen en la resolucin de factores de pesos y de evaluacin. Los tipos de peso y de evaluacin
tratados en la seccin anterior, son los mismos que se utilizan aqu y que adems se han mostrado, en
las tablas anteriores. Como antes la alternativa con ms alto peso total registrado, es seleccionada
como la mejor opcin.
18
Como un ejemplo de estos procesos, tomamos el caso de Judith Jafet Jacome, quien est
investigando un nuevo sistema de computacin para la pequea empresa. Ella ha determinado que la
mayor importancia sobre los factores, son, el hardware, software y sustentacin del vendedor, adems
Judith ha limitado sus alternativas bajo tres posibles sistemas de computacin. Ella ha llamado estos
sistemas como sistema 1, sistema 2 y sistema 3.
Judith ha empezado a tener en cuenta estas alternativas y factores dentro de la jerarqua de
decisiones. Ver figura 1 la jerarqua de decisin para la seleccin de computadores, tiene tres niveles
diferentes.
El nivel ms alto describe la mejor decisin. Como usted puede ver en la figura 1 la mejor
decisin es la seleccin del mejor sistema de computacin.
El nivel medio en la jerarqua, describe los factores a considerar, hardware, software y sustentacin
del vendedor, Judith puede decidir utilizar un nmero adicional de alternativas, pero para este ejemplo,
hasta mostrarle los tipos de operaciones que estn en funcionamiento.
El bajo nivel de la jerarqua de decisiones, revela las alternativas (stas tienen tambin los llamados
artculos de sistema).
A medida que usted pueda observar las alternativas, incluye tres diferentes sistemas de
computacin, llamados sistema 1, sistema 2 y sistema 3.
FIGURA 1. JERARQUA DE D E C I S I N PARA SELECCIN DE SISTEMAS DE C O M P U T A C I N
TIPOS DE DECISIN
Los tipos de decisin que toma la gente dependen de cuanto saben o de la informacin que tienen
acerca de la decisin. Tres decisiones son definidas y explicadas a continuacin:
19
Tipo 1: Decisin t o m a d a b a j o hechos ciertos

En este ambiente, quienes toman la decisin saben con certeza la consecuencia de cada alternativa
o decisin a seguir. Naturalmente, ellos escogen la alternativa que maximizar su buen comienzo o
con la que se obtendrn mejores resultados. Por ejemplo, usted tiene $1.000 para invertir en un
perodo de un ao. Una alternativa es abrir una cuenta pagando el 6 % de inters, y otra alternativa es
invertir en un bono de la tesorera de gobierno pagando el 10 % de inters. Si ambas inversiones son
seguras y garantizadas, entonces con certeza la mejor inversin ser la del bono de la tesorera. Un
ao despus, estar con un inters de $100.
Tipo 2: Decisin t o m a d a b a j o riesgos
Aqu, la decisin tomada conoce la probabilidad de ocurrencia de cada resultado. Nosotros sabemos
por ejemplo, que la probabilidad de existencia de un club es de 0,25.
En decisiones tomadas bajo riesgo, la decisin tentativa maximizar su bienestar. Los modelos
de teora de decisiones para problemas de negocios se emplean en este ambiente tpico con dos criterios
equivalentes:
- Maximizacin de la espera del valor monetario.
- Maximizacin de esperar una prdida.
Tipo 3: Decisin t o m a d a b a j o hechos inciertos
En esta categora, las decisiones tomadas no son uniformes en las probabilidades de las variaciones
de los resultados. Por ejemplo, la probabilidad de que un conservador llegue a ser presidente de
Colombia en 25 aos, no se sabe. Algunas veces esto es imposible adicionarlo a la probabilidad de
que suceda una nueva empresa o producto.
Vase como la decisin del tipo 1 pudo afectar a la Cafetera. Aqu nosotros asumimos que la
Compaa saba exactamente que le pasara en el futuro. Al volver atrs, el sabe con certeza que el
mercado para el galpn de almacenaje ser favorable, qu hara l? .
Mire de nuevo la tabla de valores de la Cafetera porqu el mercado es favorable, l pudo construir
una planta larga, con una utilidad de $200.000. Pocos empresarios tienen la suficiente suerte para
tener completa informacin y saber acerca de los estados naturales sobre lo que se est considerando.
La decisin tomada bajo riesgos ser discutida prximamente. Esta es ms realista en las situaciones
y un poco ms complicada.
DECISIN CREADA BAJO RIESGO
La decisin creada bajo riesgo es una decisin probabilstica de situacin, varias clases de
posibilidad de esta ndole pueden ocurrir, cada uno con una probabilidad de suceder. En esta parte,
nosotros vamos a considerar uno de los mas populares mtodos de crear decisiones bajo riesgo,
seleccionando la alternativa que nos d el ms alto valor monetario. Nosotros tambin miramos los
conceptos de informacin perfecta y de prdida de oportunidades.
20
VALOR MONETARIO ESPERADO (V.M.E.)

Dada la decisin en el cuadro con valores condicionales (resultado final) y una probabilidad de
tasas para todos los estados de esta ndole. Es posible que para contar con un valor monetario esperado
(V.M.E.) para cada alternativa, la decisin puede ser repetida a lo largo de cierto nmero de veces.
El valor monetario esperado es justamente la suma de los resultados finales de la alternativa, es
decir, cada ponderado por la probabilidad de que ocurra un resultado final.
V.M.E. (ALTERNATIVA i )
Resultado final del primer estado de
naturaleza.
(Probabilidad del primer estado de
naturaleza).
(Resultado final del segundo estado de

naturaleza).
(Probabilidad del segundo estado de

naturaleza).
. . . + (Resultado final del ltimo estado de

naturaleza ).
(Probabilidad del ltimo estado de
naturaleza).
Suponga que la Cafetera ahora cree que la probabilidad de un mercado favorable es exactamente
la misma, como la probabilidad de un mercado no favorable, que es cada estado de naturaleza con una
oportunidad de 0,50.
Cualquier alternativa podr dar la mejor expectativa del valor unitario?. Para determinar esto, la
Cafetera tuvo que contar con una tabla de decisiones como nos muestra a continuacin:
TABLA N6.
DECISIONES C O N PROBABILIDADES Y VALOR M O N E T A R I O ESPERADO (VME)

PARA LA CAFETERA
ESTADO DE NATURALEZA
MERCADO
FAVORABLE
MERCADO NO
FAVORABLE
VME
CALCULADO
($)
($)
($)
Amplia Facilidad
200.000
-180.000
10.000
Pequea Facilidad
100.000
-20.000
40.000
Sin Facilidades
Probabilidades
.50
.50
ALTERNATIVAS
21
Los clculos son:

VME (amplia facilidad)
(.50) ($200.000) + (.50) (-$180.000)
VME (pequea facilidad)
(.50) ($100.000) + (.50) (-$20.000)
$10.000
$40.000
VME (sin facilidades)
(.50) ($0) + (.50) ($0)

$0
La ms larga supone el valor de los resultados de la segunda alternativa, edificando una pequea
factora. De esta manera, la Cafetera podr avanzar con el proyecto y poner sobre la pequea planta de
manufacturas el almacenamiento de los desperdicios.
El valor monetario esperado para la planta grande y para no hacerlo son de $10.000 y $0
respectivamente.
Informacin perfecta del valor e s p e r a d o

La Cafetera ha estado asesorada por "Mercadeo Cientfico", una firma que propone ayudar a La
Cafetera a tomar una decisin acerca de que cualquiera o ningn edificio de la planta produzca esos
desperdicios y los almacene.
"Mercadeo Cientfico" afirma que ese anlisis tcnico podr decirle a la Cafetera con certeza que
cualquiera o ningn mercado es favorable para este producto propuesto. En otras palabras si yo voy a
cambiar este ambiente de una decisin de mercadeo bajo un riesgo a una decisin de mercado bajo
seguridad.
Esta decisin puede prevenir a la Cafetera de cometer un gran error. "Mercadeo Cientfico"
podr cobrarle a la Empresa $65.000 por el trabajo y la informacin.
-
Qu podr usted recomendarle a la Cafetera?
Podr l emplear la firma para le estudio de mercadeo?
An si la informacin del estudio de mercadeo es perfectamente precisa, vale la pena gastar

$65.000?.
Podr servir de algo?.
A travs de algunas de estas preguntas que son difciles de responder, determinando el valor de
esta "Informacin Perfecta" podr ser til. En esta seccin, dos trminos relativos son investigados
"La informacin perfecta del valor esperado" (IPVE) y la Informacin Perfecta con el valor esperado),
esas tcnicas pueden ayudar a la Cafetera a resolver esta situacin que es la de alquilar los servicios de
consultora de mercadeo.
22
El valor supuesto con la informacin perfecta es la suposicin o promedio de volverse a lo largo

del camino, si nosotros tenemos una informacin perfecta antes de tomar una decisin, en orden para
calcular este valor, nosotros escogemos la mejor alternativa para cada estado de naturaleza y
multiplicamos este resultado final las veces que ocurra la probabilidad de suceder el estado de naturaleza.
Informacin perfecta con el valor e s p e r a d o - el m x i m o V.M.E.
=
*
+
*
+
*
(Mejor resultado o consecuencia para el

primer estado de naturaleza).
( Probabilidad del primer estado de
naturaleza).
( Mejor resultado para el primer estado de
naturaleza).
(Probabilidad del segundo estado de
naturaleza).
. . . + (Mejor resultado para el ltimo estado
de naturaleza).
(Probabilidad del ltimo estado de
naturaleza).
La informacin perfecta del valor esperado IPVE, es el resultado esperado con la informacin
perfecta menos el resultado esperado sin la informacin perfecta es decir, el mximo VME.
IPVE = INFORMACIN PERFECTA CON EL VALOR ESPERADO - EL MXIMO VME.
Para referencia vuelva a la tabla anterior, la Cafetera puede calcular lo mximo que el podr
pagar por la informacin, que es, la informacin perfecta del valor esperado o IPVE. El sigue dos
etapas para el proceso. Primero que todo, la informacin perfecta con el valor esperado es computada,
luego usando esta informacin el IPVE es calculado. El procedimiento es resumido a continuacin.
1. El mejor resultado para el estado de naturaleza "Mercado Favorable" es construir una amplia
facilidad con un resultado de $200.000. El mejor resultado para el estado de naturaleza "Mercado
N o Favorable" es no hacerlo con un resultado final de $0.
La informacin perfecta con el valor esperado - ($200.000) (,50) + ($0) (,50) = 100.000. De esta
manera si nosotros tenemos la informacin perfecta, podremos esperar en promedio $100.000 si la
decisin puede ser repetida algunas veces.
2. El mximo de VME es de $ 40.000 el cual es el resultado final esperado sin informacin
perfecta.
IP VE= INFORMACIN PERFECTA CON EL VALOR ESPERADO - EL MXIMO DE VME.
= $100.000 - $40.000 = $60.000
23
As, que lo mejor que La Cafetera puede hacer es pagar por esa informacin perfecta los $60.000.
Esto por supuesto, es basado otra vez en la suposicin de que la probabilidad de cada estado de
naturaleza es de ,50.
OPORTUNIDAD PERDIDA
Una alternativa aproximada para maximizar el valor monetario esperado (VME) es minimizar la
prdida de la oportunidad esperada (POE) la oportunidad perdida algunas veces llamada de
arrepentimiento se refiere a la diferencia entre el beneficio ptimo y el actual resultado recibido, en
otras palabras es la cantidad perdida por no seleccionar la mejor alternativa.
Lo mnimo de la prdida de la oportunidad esperada consiste en fundamentar la construccin de
una tabla de oportunidad perdida y computar la prdida de la oportunidad esperada para cada alternativa.
Vamos a ver como se procede para el caso de la Cafetera.
PASOl:
El primer paso para crear la tabla de la prdida de la oportunidad esperada, es hacerla para determinar
la prdida de la oportunidad por no escoger la mejor alternativa para cada estado de naturaleza. La
prdida de la oportunidad para ningn estado de naturaleza o ninguna columna del mejor resultado en la
misma columna para un mercado favorable el mejor resultado final es de $200.000 como el resultado
para la primera alternativa, edificando una amplia facilidad. Para un mercado no favorable el mejor
resultado final es de $0. Como el resultado para la tercera alternativa, ningn hecho.
La prxima tabla ilustra estas comparaciones.
PASO 2:
POE es computado por la multiplicacin de la probabilidad de cada estado de naturaleza adecuado
al valor de la oportunidad perdida.
POE ( A M P L I A FACILIDAD EDIFICADA)
( , 5 ) ( $0 ) + ( , 5 ) ( $180.000 ) = $90.000.
POE ( P E Q U E A FACILIDAD EDIFICADA )
( ,5 ) ( $100.000 ) + ( ,5 ) ( $20.000 ) = $60.000.
POE ( SIN FACILIDADES )
( ,5 ) ( $200.000 ) + ( ,5 ) ( $0 ) = $ 100.000.
Usando el mnimo de POE como criterio de decisin, la mejor decisin puede ser la segunda
alternativa, elaborando una pequea facilidad.
Es importante anotar que el mnimo de POE podr siempre resultar la misma decisin con el
mximo V M E y que el siguiente vnculo siempre posee a IPVE = al mnimo de POE, refirindose al
caso de la Cafetera, IPVE = 4 60.000 = al mnimo de POE.
24
TABLA N 7. O P O R T U N I D A D E S PERDIDAS DETERMINADAS POR LA CAFETERA
MERCADO FAVORABLE
MERCADO NO FAVORABLE
$200.000 - $200.000
$0-(-$180.000)
$200.000-$100.000
$0 - (-$20.000)
$ 2 0 0 . 0 0 0 - $0
$0-$0
TABLA N 8.
O P O R T U N I D A D E S PARA LA CAFETERA ESTADO DE NATURALEZA
MERCADO FAVORABLE
MERCADO NO FAVORABLE
($)
{$)
Amplia Facilidad
200.000
180.000
Pequea Facilidad
100.000
20.000
Sin Facilidades
Probabilidades
,50
,50
ALTERNATIVAS
FUNDAMENTOS DE LA TEORA DE DECISIONES
M a x i m n
Este criterio encuentra la alternativa que maximiza la mnima oportunidad o consecuencia para
cada alternativa. Usted primero ubica la mnima oportunidad entre cada alternativa y entonces se
escoge la alternativa con el nmero mximo. Desde que este criterio de decisin ubica la alternativa
que tuvo la mnima probabilidad de prdida, ste ha sido llamado el criterio de decisin pesimista.
La eleccin maximn de la Cafetera de hacer nada, se muestra en la tabla, ste es el mximo del
mnimo nmero entre cada hilera o alternativa.
25
I g u a l d a d de P r o b a b i l i d a d
El criterio de decisin de igualdad de probabilidad encuentra esa alternativa con la ms alta
oportunidad promedio, usted primero calcula la oportunidad promedio para cada alternativa, las cuales
las suma de todas las oportunidades dividido por el nmero de oportunidades, entonces se escoge esa
alternativa con el nmero mximo. La aproximacin de igualdad de proximidad asume que todas las
probabilidades de acontecimiento para las situaciones de naturaleza son iguales, cada naturaleza de la
situacin es una igualdad de probabilidad.
La eleccin de igualdad de probabilidad para la Cafetera es la segunda alternativa para edificar
una pequea planta. Esta estrategia mostrada en la tabla adjunta es el mximo de la oportunidad promedio
de cada alternativa.
TABLA N 9. LA D E C I S I N DE I G U A L D A D DE PROBABILIDAD DE LA CAFETERA NATURALEZA DE LA S I T U A C I N
NATURALEZA DE LA SITUACIN
MERCADO
FAVORABLE
MERCADO NO
FAVORABLE
PROMEDIO
DE FILA
($)
($)
($)
Construir una gran planta
200.000
-180.000
10.000
Construir una pequea planta
100.000
-20.000
40.000
Igualdad de prob.
ALTERNATIVAS
No hacerlo
TABLA N 1 0 .
LA D E C I S I O N DEL CRITERIO DE REALISMO DE LA CAFETERA

( LLAMADA TAMBIN CRITERIO DE H U R W I C Z )
CRITERIO DE REALISMO
ALTERNATIVAS
Construir una gran planta
Construir una pequea planta
No hacerlo
26
MERCADO
FAVORABLE
MERCADO NO
FAVORABLE
PROMEDIO
PONDERADO
(alfa=0.8)
($)
($)
($)
200.000
-180.000
124.000
10.000
-20.000
76.000
Criterio de Realismo (Criterio de Hurwicz)

A menudo llamado promedio ponderado, este criterio es un compromiso entre la decisin optimista
y pesimista. Para comenzar se selecciona un coeficiente de realismo X, este coeficiente est entre 0 y
1, cuando X est cerca de uno, la toma de decisin es ptima acerca del futuro, cuando X est cerca de
cero, la decisin es pesimista con respecto al futuro. El promedio de esta aproximacin es lo que nos
permite construir la toma de decisin en los sentimientos de las personas acerca del relativo optimismo
y pesimismo, la frmula es la siguiente:
Criterio de realismo = (alfa) ( mximo en la fila) + ( 1 - alfa) ( mnimo en la fila ).
Si nosotros consideramos que la Cafetera establece su coeficiente de realismo alfa en 0,8 , la
mejor decisin podra ser construir una gran planta, como se ve en la Tabla 10 esta alternativa tiene el
ms alto promedio ponderado .
$124.000 = (0.8 ) ( 200.000 ) + ( 0.2 ) ( - 1 8 0 . 0 0 0 ).
Minimax
El ltimo criterio de decisin que discutiremos est basado en la oportunidad de prdida. Minimax
encuentra la alternativa que minimiza la mxima oportunidad de prdida entre cada alternativa, usted
primero encuentra la mxima oportunidad de prdida entre cada alternativa, luego selecciona la
alternativa con el mnimo nmero.
La oportunidad de prdida de eventos se encuentra en la Tabla 8, podemos ver que la eleccin
minimax es la segunda alternativa, construir una pequea facilidad haciendo tan mnima la mxima
oportunidad de prdida.
USANDO EL COMPUTADOR PARA RESOLVER LA DECISIN DE PROBLEMAS

TERICOS
Cuando se considera un gran nmero de alternativas, tomar una decisin puede ser difcil y
complicado, para facilitar la carga puede ser usando para resolver el valor monetario esperado para
cada alternativa tambin como el valor esperado con una informacin perfecta y el valor esperado de
la informacin perfecta. El computador puede ser usado para determinar la alternativa con el mximo
valor monetario esperado, el cual es a menudo empleado para seleccionar la mejor alternativa.
En esta seccin, mostramos cmo nuestro paquete de software de microcomputador, puede ser
usado en la decisin de problemas tericos. Para hacer esto nosotros tomamos como ejemplo la
compaa la Cafetera, en este ejemplo la decisin tiene que ser hecha para construir una gran planta,
para construir una pequea planta o no hacerlo. Los datos para este problema estn mostrados
anteriormente, note que como todos los programas de microcomputador, las respuestas que usted est
por hacer han estado ocultas. Usted puede desear tratar con varios valores por este problema para ver
cmo podrn ellos cambiar los valores monetarios esperados para cada alternativa, el mximo valor
27
monetario esperado, el valor esperado con una perfecta informacin y el valor esperado de la perfecta
informacin.
El programa 1, ilustra el funcionamiento completo del computador.
PROGRAMA 1 VALOR MONETARIO ESPERADO PARA LA CAFETERA
*** VALOR MONETARIO ESPERADO ***
COMAND
INFO
*** VALOR MONETARIO ESPERADO ***
- INFORMACION El criterio de valor monetario esperado computa el valor monetario esperado o fuera de poco
asociado con cada alternativa de decisin y la incontrolable naturaleza de la situacin. La salida
presenta el mximo valor monetario esperado, el valor esperado con informacin perfecta y el valor de
la informacin perfecta. Este programa puede tomar problemas con tablas fuera de pago de ms de 50
alternativas y 50 de la naturaleza de la situacin.
*** FORMATO DE DATOS DE ENTRADA ***
ENTRE LOS DATOS EN EL SIGUIENTE ORDEN.
1. Titulo del programa.
2. Numero de alternativas.
3. Nmero de naturalezas de la situacin.
4. Probabilidad de cada situacin de naturaleza.
5. El resultado de cada alternativa y naturaleza de cada situacin.
COMAND
->
ENTER
*** ENTRADA DEL TECLADO ***
Entre el ttulo del problema? La Cafetera.
Entre el nmero de alternativas a analizar? 3.
Entre el nmero de naturaleza de situacin? 2
Entre la probabilidad de sucesos de naturaleza de situacin #1 ? 5.
Entre la probabilidad de sucesos de naturaleza de situacin #2 ? 5.
Entre resultado
Entre resultado
Entre resultado
Entre resultado
Entre resultado
Entre resultado
Comand
para
para
para
para
para
para
la alternativa # 1 y
Ron.
SALIDA DEL PROGRAMA
28
la
la
la
la
la
la
naturaleza
naturaleza
naturaleza
naturaleza
naturaleza
naturaleza
de
de
de
de
de
de
situacin
situacin
situacin
situacin
situacin
situacin
1.
2.
1.
2.
1.
2.
TABLA N 11. FUERA DE P A G O
ALTERNATIVAS
SI
S2
EMV
DI
200.000
-180.000
10.000
D2
10.000
-20.000
40.000
D3
0.50
0.50
Probabilidades
De acuerdo a la Tabla N 11:

La mejor alternativa es D2.
El mximo VME = 40.000
El valor esperado con informacin perfecta es = 10.000
El valor esperado de informacin perfecta = 60.000
RBOL DE DECISIN Y TEORA DE LA UTILIDAD

Cuando una secuencia de decisiones necesita ser tomada, los rboles de decisin son una herramienta
ms poderosa que las tablas de decisin. Decimos que la Cafetera tiene dos decisiones a tomar, con la
segunda decisin dependiendo del resultado de la primera. Antes de decidirse por una nueva planta, la
Cafetera tiene la opcin de conducir su propia inspeccin de la investigacin del mercado, con un costo
de $ 10.000. La informacin de su inspeccin puede llevarlo a decidir si construir una planta larga, una
planta pequea o no construir nada. La Cafetera reconoce, que una inspeccin general del mercado no le
proveera la informacin perfecta, pero puede ayudar no obstante un poco.
"Todos los resultados y alternativas deben ser considerados"
La nueva decisin del rbol est representada en la Figura 5. Miremos cuidadosamente este rbol
ms complejo. Se nota que todas las posibles soluciones y alternativas estn incluidas en su secuencia
lgica. Esta es una de las ventajas de usar el rbol de decisin en la toma de decisiones. El usuario es
forzado a examinar todos los resultado posibles, incluyendo los desfavorables. El o ella son forzados
a hacer decisiones de una manera lgica y secuencial. Examinando el rbol, vemos que la primera
decisin de la Cafetera es conducir o no las $10.000 de la inspeccin del mercado. Si l escoge no
hacer el estudio (la parte de abajo del rbol), l puede entonces construir una planta larga, una pequea
o no construir. Este es el segundo punto de decisin. El mercado as puede ser favorable (50 % de
probabilidad) o desfavorable (50 % de probabilidad), si l construye. El pago adecuado de cada una
de las consecuencias posibles estn al lado derecho. De hecho su baja porcin del rbol de la Cafetera
es idntica a la ms simple decisin del rbol mostrado en la Figura 5. Por qu es as?.
29
La parte superior de la segunda Figura 5 refleja la decisin de conducir la supervisin del mercado.
El estado de naturaleza del nodo nmero uno tiene dos ramas que salen de l. Hay un 45% de chance
que el resultado del estudio indicara un mercado favorable por cubrimiento del almacenamiento.
Nosotros notamos tambin que la probabilidad es de 55% de que el resultado de estudio sea negativo.
"Probabilidades
condicionales"
El resto de las probabilidades muestra en parntesis en la Figura 5 que son probabilidades

condicionales. Por ejemplo, 0.78 es la probabilidad de un mercado favorable dado que el cubrimiento
da un resultado favorable del estudio del mercado, por supuesto, usted esperara encontrar una
probabilidad alta de un mercado favorable dado que la bsqueda indic que el mercado es bueno. No
olvidemos, sin embargo que hay un chance de que los $ 10.000 de la Cafetera del estudio del mercado
no resulta de una perfecta o tal vez confiable informacin. Cualquier investigacin del estudio del
mercado est sujeta a error. En este caso, hay un 22 % de chance que el resultado del estudio es
positivo.
Notamos que hay un 27% de chance que el mercado por cubrimientos no sea favorable dado que
el estudio de Amazonas result ser negativo. La probabilidad es ms alta, del 0.73% que el mercado
sea desfavorable dado que el estudio sea negativo.
Finalmente, cuando miramos a la columna de pagos que debe hacerse en la Figura 5 vemos que
los $ 10.000, el costo del estudio del mercado debe ser sustrado a cada uno de los brazos del rbol. De
este modo, una planta larga con un mercado favorable normalmente da un neto de $200.000 de ganancia.
Pero a causa de que el estudio del mercado fue conducido, esta figura es reducida de $ 10.000 a $ 190.000.
En el caso desfavorable, la prdida de $180.000 se incrementara a $190.000. Similarmente,
conduciendo la inspeccin y construccin de ninguna planta ahora resulta en $10.000 de pago que se
debe hacer o liquidar.
Con todas las probabilidades y liquidaciones especificadas podemos empezar a calcular el valor
monetario esperado de cada uno de los brazos. Empezamos desde el lado final al lado de la mano
derecha del rbol de decisin y nos devolvemos hasta el origen. Cuando terminamos, la mejor decisin
ser conocida.
1. Dando favorables resultados de inspeccin.
VME ( nodo 2 ) = VME (planta larga / supervisin positiva).
= (.78) ($190.000) + (0.22) ( - $ 1 9 0 . 0 0 0 ) .
= $ 106.400.
VME ( nodo 3 ) = VME (planta pequea / supervisin positiva ).
= ( .78 ) ( $ 90.000 ) 4- ( 0.22 ) ( - $ 30.000 ).
= $ 63.500
El VME de no hacer la planta es este caso es de - $10.000. Casi el resultado de supervisin es
favorable, una planta larga debe ser construida.
30
Por lo tanto, la alternativa 1 es la mejor estrategia usando la utilidad como un criterio de decisin.
Si VME ha sido usado, la alternativa 2 sera la mejor estrategia. La curva de utilidad es un buen
buscador de riesgo de la curva de utilidad, y la escogencia de jugar el juego realmente refleja su
preferencia por el riesgo.
Caer chinches
PUNTOS ENCIMA (0,45)
Utilidad
,30
Caer chinches
PUNTOS ABAJO (0,55)
50
NO JUGAR
iva 2
'15
biblioteca
FIGURA N 2. U S A N D O I A UTILIDAD ESPERADA EN T O M A DE DECISIONES
Cualquier problema que pueda ser presentado en una tabla de decisin, tambin puede ser ilustrado
grficamente en un rbol de decisin.
Retomemos el caso de la compaa la Cafetera. Un rbol de decisin simple para representar la
decisin de la Cafetera se muestra en la Figura 3. Obsrvese que en el rbol se presenta la decisin y
resultados en un orden secuencial.
Primero la Cafetera decide si construye una planta grande, pequea o no la construye. Una vez
que la decisin es tomada, los posibles resultados (favorable y desfavorable mercado ) podrn ocurrir.
Todos los rboles de decisin son similares en que ellos contienen puntos de decisin y puntos
donde el rbol de divide. Estos smbolos son:
Punto de decisin de donde algunas alternativas deben ser adoptadas.
Punto de condiciones naturales donde alguna condicin natural puede ocurrir.
Analizando problemas con rboles de decisin envuelven 5 pasos:

1. Definir el problema.
2. Disear el rbol de decisin.
3. Asignar probabilidades a las condiciones naturales.
4. Estimar los resultados para cada combinacin posible de alternativas y condiciones naturales.
5. Resolver el problema computando los valores monetarios esperados para cada punto de
condiciones naturales. Esto se realiza trabajando hacia atrs, esto es, empezando a la derecha
del rbol e ir avanzando hacia atrs en los puntos de decisin en la izquierda.
31
Por medio del rbol de decisin completo y resuelto para la Cafetera se puede observar que los
gastos estn ubicados al lado derecho de las ramas del rbol. Las probabilidades (usadas por la Cafetera)
son ubicados en parntesis al lado de cada condicin natural. Los valores monetarios esperados para
cada condicin natural son despus calculados y ubicados en sus respectivos puntos. El valor monetario
esperado para el primer punto es $10.000.
Estos representan las ramas de los puntos de decisin para construir una planta grande. El valor
monetario esperado, para construir una planta pequea $40.000.
No construir una planta o no hacer nada, por supuesto el gasto es 0. El brazo que tiene el punto
con el ms alto valor monetario esperado debera ser escogido. En el caso de la Cafetera, a una planta
pequea debe ser construida.
Punto de decisin
donde algunas
alternativas deben
ser adoptadas
Punto de condiciones naturales

donde alguna condicin natural
puede ocurrir
FIGURA N3. RBOL DE D E C I S I N
V M E por decisin 2
= $10.000
=(,5)
($200.000) + (.5) ( - $ 180.000)
Mercado favorable
Construir una planta pequea
N o Construir
(,5)
Mercado no favorable (,5)
-$180.000
Mercado favorable
(,5)
$100.000
Mercado no favorable (,5)
-$20.000
V M E por decisin 2
= $40.000 = (.5) ($100.000) + (.5) ( - $ 2 0 . 0 0 0 )
FIGURA N4. ARBOL DE D E C I S I N C O M P L E T O Y RESUELTO
32
$200.000
Primer punto de
decisin
Segundo punto de
decisin
Pagos
Larga planta
'equea planta
Larga planta
Mercado favorable (0.78)
$190.000
Mercado desfavorable (0.22)
-SI 90.000
$90.000
-$30.000
No planta
-$10.000
$190.000
^Mercado desfavorable (0.73)

'equea planta

^Mercado desfavorable (0.73)
No planta
Pequea planta
-$190.000
$90.000
-S30.000
-$10.000
$200.000
-$180.000
$100.000
-$20.000
No planta
FIGURA N 5. ARBOL DE LARGA D E C I S I N C O N L I Q U I D A C I O N E S Y PROBABILIDADES POR LA CAFETERA.
33
Primer punto de
decisin
Segundo punto d e
decisin
SI 06.400
Planta grande
pequea
Mercado favorable
SI 90.000
Mercado desfavorable
-$190.000
Mercado favorable
S90.000
-30.QPP
Sin planta
-S10.000
$190.000
-$190.000
$90.000
-$30.000
S49.200
'equefla planta
(0.73)
Sin planta
Larga Planta

^ClO/fy
-$10.000
$200.000
-$180.000
S 100.000
-S20.000
No planta
WUOTECA
FIGURA N 6. ARBOL DE D E C I S I O N DE LA CAFETERA C O N MUESTRAS DEL VME
Que una particular alternativa es la ms profunda de todas las dems consideraciones. Esto es
porque su VME es ms baja que la mejor alternativa.
Una vez, usted haya considerado varias decisiones del rbol de problemas, usted puede encontrar
la facilidad para hacer todos sus clculos sobre el rbol de diagramas.
(ELIMINANDO ALTERNATIVAS).
34
Determinado otro valor de utilidad

Otro valor de utilidad puede ser valorado de la misma manera. Por ejemplo: Cual es la utilidad
de Judith por $ 7.000?. Qu valor de P tomara Judith indiferente de estos $7.000 y el riesgo que
resultara entre $10.000 o $0?. Para Judith debera haber un 90% de chance de obtener $10.000. Por
otro lado, ella preferira los $7.000 por asegurar. As, su utilidad por los $7.000 es de 0.90.
La utilidad de Judith por los $3.000 puede ser determinada de la misma manera. Si hay un 50%
de chance de obtener los $10.000, Judith sera indiferente entre tener $3.000 por asegurar y tomar el
riesgo de ganar los $10.000 o no obtener nada. As, la utilidad de $3.000 para Judith es 0.5, por
supuesto este proceso puede ser continuado hasta que Judith tenga valorada su utilidad por los valores
monetarios que ella quiera. Estos valores, sin embargo son suficientes para tener una idea del sentimiento
de Judith hacia el riesgo Figura 7. De hecho podemos argumentar estos puntos en una llamada Curva
de utilidad como tenemos en la figura correspondiente, la utilidad valorada son los puntos de $3.000,
$5.000 y $ 7.000, mostrados por puntos y el resto de la curva es mirada dentro.
La utilidad de Judith es tpica de alguien adverso al riesgo. Un adverso al riesgo es una decisin
hecha por alguien que obtiene menos utilidad o gusto por un riesgo grande y tiende a evitar situaciones
donde grandes prdidas pueden ocurrir. Como valores monetarios crecientes son su curva de utilidad,
la utilidad crece a una tasa lenta.
U ( $ 10.000) = 1.0
$1.000
$3.000
$5.000
$7.000
$10.000
VALOR MONETARIO
FIGURA N7 CURVAS DE UTILIDAD POR JUDITH JAFET J A C O M E
35
La Figura 8 ilustra lo que un individuo quien es un buscador de riesgo, tiene la forma opuesta de
la curva de utilidad. Con esta decisin se consigue obtener ms utilidad de un gran riesgo y altsimo
potencial de pago. As como el valor monetario se incrementa sobre su propia curva de utilidad, la
utilidad se incrementa a una tasa determinada. Una persona que es indiferente al riesgo tiene una curva
de utilidad que va en lnea recta.
La forma de una curva de utilidad de una persona depende de la decisin especfica siendo
considerada al cuadro psicolgico de la persona y como la persona siente el futuro. Esto bien puede
ser que usted tiene una curva de utilidad por algunas situaciones, usted enfrenta y complementa curvas
diferentes por otras.
"Utilidad como un criterio de toma de decisin"
Despus de haber determinado una curva de utilidad, los valores de utilidad de la curva son
usados en la toma de decisiones. Resultados monetarios son reemplazados con los valores apropiados
de utilidad y despus el anlisis de decisin es puesto en marcha como es usual. Miremos un ejemplo
donde un rbol de decisin es usado y los valores de utilidad esperados son computados en la seleccin
de la mejor alternativa.
U
T
I
L
I
D
D
Resultados monetarios
Preferencias por el riesgo
FIGURA N 8 CURVA DE UTILIDAD
36
ALTERNATIVA 1
FIGURA N 9.
Caer chinches
PUNTOS ENCIMA (0,45)
$ 10.000
PUNTOS DEBAJO (0,55)
-$10.000
M A R C O N O JUEGA
$0
LA D E C I S I N FRENTE A M A R C O M R Q U E Z
Marco Mrquez ama el riesgo. El decide jugar un extrao juego nuevo que supone tirar chinches
en el aire. Si el punto sobre el chinche cae hacia arriba, Marco gana $10.000. Si el punto del chinche
cae hacia abajo, Marco pierde $10.000. Debe Marco jugar el juego, alternativa 1; o debe no jugarlo,
alternativa 21.
La alternativa 1 y 2 son mostradas en el rbol de la Figura 2 como puede ser visto la alternativa
1 es jugar el juego, Marco cree que hay un 45% de chance de ganar los $ 10.000 y un 55% de chance
de tener una prdida de $ 10.000.
La alternativa 2 es no arriesgarse. Qu debe hacer Marco? Por supuesto, esto depende de la
utilidad de Marco por el dinero. Como un estado previo a l le gusta el riesgo. Usando el procedimiento
justo trazado, Marco fue capaz de construir una curva de utilidad mostrando su preferencia por el
dinero. Esta curva aparece en la Figura 10.
Vemos que la utilidad de Marco por los - $10.000 es 0.05, su utilidad por no jugar ($0) es 0.15
y su utilidad por los $10.000 es 0,30. Estos valores pueden ahora ser usados en el rbol de decisin.
El objetivo de Marco es maximizar su utilidad esperada. Esto puede ser dado como sigue:
PASO 1:
U ( - $ 10.000)
= 0.05
U($0)
= 0.15
U ( $ 10.000)
= 0.30
PASO 2:
Reemplazar los valores monetarios con valores de utilidad. Referidos en la figura siguiente.
Aqu estn las utilidades para las alternativas 1,2.
37
Determinando
la utilidad
esperada
E (alternativa 1, jugar el juego) =

=
E (alternativa 2, no jugar)
=
( 0.45 ) ( 0.30 ) + ( 0 . 5 5 ) ( 0 . 0 5 ).
0.135 + 0.027
0.1625.
0.15
FIGURA N 10. CURVA DE UTILIDAD POR M A R C O M R Q U E Z .
Decisiones t o m a d a s b a j o incertidumbre
Cuando las probabilidades de ocurrencia de cada condicin natural pueden ser evaluadas, el
E M V o E O L son usualmente apropiados. Cuando un director no puede evaluar la probabilidad de los
resultados con confianza o cuando virtualmente ningn dato esta a la disposicin, otros criterios de
decisin son requeridos. Este tipo de problema ha sido llamado como una decisin tomada bajo
incertidumbre.
Los criterios que sern tratados en esta seccin son:
1. Maximizar.
2. Maximn.
3. Equality Likely.
38
4. Criterio de realismo.
5. Minimizar.
Las primeras cuatro pueden ser computadas directamente de la tabla de decisin, mientras que el
criterio de minimizar requiere del uso de la tabla de prdida de oportunidades. Observemos cada uno
de los cinco modelos y apliqumoslo a la Cafetera.
Ahora conocemos que ninguna informacin de las probabilidades de los dos resultados est al
alcance de la Cafetera.
Maximizar:
El criterio mximo alcanza la alternativa que maximiza el mximo resultado o la consecuencia
para cada alternativa. Usted primero localiza el mximo resultado dentro de todas las alternativas, y
luego toma la alternativa con el mximo nmero. Desde que este criterio de decisin localiza la
alternativa con la ms alta posibilidad de ganancia, esta siendo llamado criterio de decisin optimista.
En la tabla siguiente nosotros vemos que la eleccin mxima de la Cafetera es la primera alternativa,
para construir unas instalaciones grandes. Este es el mximo de los nmeros mximos dentro de cada
columna o alternativa.
Circunstancias Naturales
TABLA N12
1. MERCADO
FAVORABLE
($)
2. MERCADO
DESFAVORABLE
($)
3. MAXIMO
COLUMNA
($)
Construir planta grande
200.000
-180.000
200.000 maximizar
Construir planta pequea
100.000
-200.000
100.000
ALTERNATIVAS
No construir nada
Valores expectados con sistema de informacin

Con el registro de los mercados que intenta manejar, la Cafetera, sabe que sus mejores decisiones
seran construir una gran planta si el registro es favorable o una pequea planta si el registro de los
resultados es desfavorable. Pero la Cafetera, tambin es consiente que la manipulacin de investigacin
de mercadeo no es gratuita. A l le gustara conocer en un archivo el valor actual de la construccin.
Una forma de medir el valor de la informacin de mercadeo, es computando la expectativa de' valor de
un modelo de informacin (VESI).
39
VESI =
Valor de expectativa de
mejor decisin con
modelo de informacin
no asumiendo el costo
conjunto.
Valor de expectativa
de mejor decisin
sin modelo de informacin.
En el caso de la Cafetera, su V M E sera $ 59.200 si no ha deducido los $10.000 de costo de

estudio de cada pago. (Ve usted por qu esto?. Si no, adicione los anteriores $10.000 a cada pago,
como en el caso original de la Cafetera y realice nuevamente el computo del VME del manejo del
estudio de mercado).
De la rama inferior de la Figura 6, vemos que el VME de la diferencia del modelo de informacin
en $40.000. As,
VESI =
$59.200 - $ 40.000 = $ 19.200
Lo que quiere decir que la Cafetera podra pagar $19.200 por un estudio de mercadeo y llegar a
la meta. Si el costo es de slo $ 10.000, el registro bien vale la pena.
C o m o se estiman los valores de probabilidades del anlisis Bayesiano

Hay muchas formas de obtener la base de probabilidades para un problema como el de la Cafetera.
Los nmeros (tales como 0,78, 0,22, 0,27, 0,73 en la Figura 2) pueden asociarse para un manejo
basado en la intuicin y la experiencia. Pueden derivarse de una base histrica, ellos pueden ser
computados de otros datos viables usando el teorema de Bayes. Expondremos sobre esta ltima opcin
en sta seccin.
El teorema de Bayes reorganiza lo que el hacedor de decisiones
el estado natural ocurrir.
no sabe con certeza lo que en
Caso de estudio: el ejecutivo que le gustaba la pesca
Nacianceno Nicn Nader, un director de nivel medio de la compaa El Molusco, no haba podido
recordar nunca por qu el tena una pasin tan grande por la pesca. Sin embargo esto se deba a que
cuando el era joven l pasaba gran parte de su tiempo pescando en un lago que estaba ubicado muy
cerca de su casa. Sin embargo, su gran pasin por la pesca fue un directo resultado del estilo de vida
de su familia. Cuando Nacianceno fue creciendo, sus padres eran propietarios y atendan una pequea
panadera. La familia viva en el segundo piso, mientras que la panadera estaba ubicada en el primer
piso. El negocio de la panadera era duro y l exiga que la familia trabajara hasta altas horas de la
noche, preparando panes y pasteles frescos para el da siguiente. Como resultado, la familia de
40
Nacianceno deba trabajar hasta tarde en la noche, pero en las maanas podan dormir hasta tarde.
Cuando Nacianceno regresaba a la casa del colegio, sus padres estaban completamente descansados
que estaban listos para recrearse. La recreacin era casi siempre ir a pescar al lago que estaba cerca de
su casa. Mientras que los negocios de la familia iban cambiando con los aos, de la pastelera al
negocio de venta de bienes, Nacianceno mantuvo sus hbitos de trabajar duro en las noches y su amor
puro por la pesca.
Su amor por la pesca le creo a l un complejo de culpa.
Mientras l se desempeaba como un ejecutivo exitoso en la compaa El Molusco, su verdadero
inters estaba en la pesca. Lea en algunas ocasiones cuando se diriga al trabajo y cuidadosamente
esconden su mejor equipo de pesca en la parte de atrs de su carro. Desafortunadamente, de los
ejecutivos de El Molusco siempre se esperaba un rendimiento del 110%. Cualquier inters o actividad
que pudiera quitarles tiempo y concentracin para lograr los propsitos de la empresa, podra significar
un desastre para la carrera de un ejecutivo.
Estos eran unos tiempos muy difciles para Nacianceno. El en verdad prefera pescar y pensar en
los fundamentos de la pesca y haba perdido inters en los negocios de la empresa, l ni siquiera
trataba de sacar nuevas campaas de publicidad para la compaa. Fue durante estos tiempos difciles
que Nacianceno decidi tomar un movimiento riesgoso. El poda obtener excelentes beneficios, (un
salario relativamente alto y el confort de corporaciones, clubes) para estar en lo que realmente a l le
gustaba hacer.
Con dinero suficiente para alimentar su familia por ao y medio y con un capital para arriesgar
de unos amigos de la familia, Nacianceno decidi terminar su trabajo en la compaa y empezar un
negocio en el cual l pudiera hacer lo que deseaba. Durante los tres primeros meses, Nacianceno se
movi de un lado a otro para conseguir fondos adicionales para su pequea compaa mientras l
finalizaba los planes para el nuevo producto que deba desarrollar. Despus de tres meses Nacianceno
tena ambos, la financiacin necesaria y la idea que l crea que era la mejor. Nacianceno tambin
haba encontrado el nombre perfecto para su compaa " El ejecutivo pescador".
El producto principal que el ejecutivo pescador poda producir por el primer ao era la vara y
aspa de mejor calidad y otros equipos de adquisicin en el mercado. Adems, los negocios de la pesca
podan ser enfocados a los ejecutivos o al mercado de la clase alta. El ejecutivo pescador podr ser un
paquete completo de pesca. Adems, todo el equipo podr ser doblado y eficientemente convertido en
un hermoso maletn ejecutivo. El maletn podra ser comercializado con unos compartimientos de
espuma y algodn que podran servir para colocar los equipos de pesca, los anzuelos, las aspas y los
otros elementos necesarios por los pescadores. Como complemento los compartimientos pueden ser
fcilmente removidos como una unidad, para hacer un maletn ms cmodo para llevar reportes, papeles,
lapiceros, lpices y otros de los objetos utilizados por los ejecutivos.
El propsito doble del maletn era el motivo de orgullo del diseo de Nacianceno. En poco
tiempo los ejecutivos no tendran que sentirse culpables por su pasin por la pesca. En la mayora de
los das, los ejecutivos podran usar su maletn para sus propsitos de negocios normales. Despus,
otros das, los ejecutivos podran insertar todos los comportamientos los contenedores y todo el equipo
para tomar un momento para ir a pescar al pozo ms cercano. Adems, El Ejecutivo Pescador puede
41
ser fcilmente transportado en avin, en carro o en tren. Este era excelente por un viaje y el equipo en
si mismo era de la mejor calidad.
El costo del maletn con todos los compartimientos y los implementos de espuma y algodn
podan ser comprados en $75000. El equipo de pesca podra tener un precio de $50000 comprado slo.
Por esta razn, el precio total del equipo era de $125000. Cuando el equipo era comprado completo, El
Ejecutivo Pescador tendra un precio de $ 100000.
Nacianceno estaba convencido que El Ejecutivo Pescador sera un xito completo. Sin embargo,
aos en la empresa del cuero le haba enseado importantes lecciones. El saba que antes de que l
invirtiera mucha cantidad de dinero en el Ejecutivo Pescador, l primero deba hacer su trabajo. El
decidi que lo mejor era contratar un grupo de investigadores que le ayudaran a determinar se el
proyecto era exitoso o no antes de que l invirtiera todo su capital. Nacianceno estimaba que el costo
aproximado para desarrollar el equipo necesario para producir el Ejecutivo Pescador sera de
$50'000.000. El consideraba que si la inversin era exitosa esto generara $10'000.000. En la opinin
de Nacianceno haba un 60% de oportunidades de xito en la inversin. Nacianceno estaba convencido
que si la inversin era exitosa, las ganancias, despus de deducir el costo del equipo, podra ser de
$15'000.000. De otro lado, un fracaso significaba un costo de $50'000.000.
Nacianceno y sus fiadores decidieron contratar algunas agencias de mercadeo para que hicieran
sus propias estimaciones. Dos firmas se mostraron particularmente interesadas. Grupo Mercadeo
Incorporado (GMI) cobrara $1'000.000 para realizar una encuesta. Este era un gran equipo con una
gran experiencia que haba demostrado un buen desempeo. El rcord de desempeo para GMI se
muestra en la siguiente tabla. Esta muestra el resultado de las ltimas 100 encuestas de mercadeo
realizadas por ellos.
TABLA N 13
RESULTADOS DE LAS ENCUESTAS

RESULTADO
FAVORABLE
DESFAVORABLE
TOTALES
Inversin exitosa
35
20
55
Inversin no exitosa
15
30
45
Como vimos en la Tabla N 13, 55 de las firmas a las que GMI les prest ayuda, actualmente
tienen xito en su inversin o proyecto. 35 de estas firmas tuvieron unos resultados favorables en las
encuestas, mientras que solamente 20 tuvieron resultados desfavorables. Las 45 compaas restantes
asistidas por G M I tuvieron inversiones desfavorables; 15 de estas 45 firmas tuvieron encuestas con
resultados favorables, mientras que 30 de estas firmas tuvieron unos resultados desfavorables en las
encuestas.
42
Master Marketing Incorporado (MMI) era otra firma especializada en realizar investigaciones de
mercadeo. El costo por realizar el estudio sera de $3'000.000. Esta firma tambin tena un interesante
rcord. La oportunidad de obtener un resultado favorable de una investigacin de mercados era del
90%. De otro lado, la semejanza de tener un resultado desfavorable de la investigacin dando una no
exitosa inversin era de 80%.
Por vez primera Nacianceno se senta confuso y con incertidumbre. El no saba si seguir adelante
con El Ejecutivo Pescador, si detener todo el proceso y buscar empleo, si contratar la firma GMI o
contratar la firma MMI para obtener ms informacin.
Preguntas de discusin
1. Debe Nacianceno contratar GMI o MMI para realizar una investigacin de mercados para
obtener ms informacin acerca de las oportunidades de xito del Ejecutivo Pescador?.
2. Si usted estuviera en la posicin de Nacianceno, qu hara usted?.
Caso de estudio: Paciente de 66 aos con hernia
Un hombre de 66 aos tiene hernia inguinal por lo cual ha solicitado una ciruga a su staff para
que le realicen una operacin.
Hace dos aos l sufri un ataque cardaco, lo cual lo hace a l un paciente con alto grado de
riesgo de morir durante la ciruga. El ha tenido la hernia desde hace un ao, el mdico internista
dice que l poda usar un sostn que le sostendra la hernia y tambin evitara la operacin. El ha
estado utilizando el sostn. Este no es incmodo, ni produce dolor pero cuando l va a las
piscinas con sus amigos l se siente afligido por el sostn. Para evitarle esta pena l ha sido
admitido para ciruga.
El anestesilogo le explic el riesgo a l de la siguiente manera: Si l usa el sostn, hay un
97% de oportunidades de que l viva el resto de su vida sin que la hernia se le estrangule. Hay
un 3% de o p o r t u n i d a d e s de que la hernia se estrangule. Si la estrangulacin ocurre, habr una
operacin de emergencia que tiene un 15 % de riesgo de muerte. El paciente tiene una esperanza
de vida de 8 aos. Este riesgo de muerte de la operacin puede en p r o m e d i o reducirle su vida
a 4 aos. (Esto es porque se asume que la estrangulacin ocurra en la mitad de su vida promedio
esperada).
Si l escoge la ciruga hoy, l enfrenta un 5% de riesgo de muerte en la operacin y una prdida
de 8 aos de vida, un 95 % de oportunidades de sobrevivir a la operacin y vivir sus 8 aos restantes.
La operacin tiene un costo de $1'500.000 Atento a estos riesgos, l ha escogido la ciruga ahora.
Preguntas de Discusin
1. Usted cree que el paciente debe hacerse la operacin ahora?.
2. Qu otros factores deben tenerse en cuenta?.
SUMARIO
El rbol de decisin es particularmente til cuando hay decisiones secuenciales que deben ser
tomadas. La teora de la utilidad colabora a la toma decisiones en incorporar factores tales como
valores monetarios dentro del proceso de decisin. El anlisis marginal puede ser usado para simplificar
de otra manera los complejos problemas de toma de decisiones que envuelve continuamente las
distribuciones probabilidad de los estados de la naturaleza.
GLOSARIO
Alternativa: Un curso de accin o una estrategia que debe ser tomada por una toma de
decisin.
Valor condicional (liquidacin): Una consecuencia o resultado, normalmente expresado en
valores monetarios; esto ocurre como un resultado de una alternativa particular y estado de la
naturaleza.
Estado de la naturaleza: LTna respuesta o ocurrencia sobre el cual la toma de decisiones
tiene poco o ningn control.
Decisin hecha bajo certeza: Un medio ambiente de toma de decisin donde los futuros
resultados o etados de naturaleza son conocidos.
Decisin hecha bajo riesgo: Un medio ambiente de toma de decisin donde algunos resultados
o estados de naturaleza pueden ocurrir como un resultado de una decisin o alternativa. Las
probabilidades del resultados de una decisin o estados de naturaleza son desconocidos.
Decisin hecha bajo incertidumbre: Es una toma de decisiones en un medio donde algunos
resultados o estados de naturaleza pueden ocurrir. Las probabilidades de estos resultados sin
embargo son desconocidos.
Valor monetario esperado: (VME). El promedio o el resultado monetario esperado de una
decisin si esto puede ser repetido varias veces. Este es determinado por la multiplicacin de los
resultados monetarios por sus probabilidades respectivas. Los resultados son entonces sumados
hasta llegar al VME.
Valor esperado con informacin perfecta: (VEIP). Este es el promedio valor esperado de la
informacin si este fuera completamente exacto, la informacin es perfecta.
44
Oportunidad perdida: La cantidad que usted podra perder por no elegir la mejor alternativa.
Por cualquier estado de la naturaleza, esa es la diferencia entre las consecuencias de cualquier
alternativa y la mejor alternativa posible.
Maximax: un optimista criterio de toma de decisiones: Esta es la alternativa con el ms alto
regreso posible.
Maximn. Un pesimista criterio de toma de decisin: Esta alternativa maximiza el resultado
mnimo. Este es el mejor de los peores resultados posibles.
Iguales probabilidades: Este es un criterio que coloca en igual tamao sobre todo a los estados
de la naturaleza.
Coeficiente de realismo ( ): Este es un nmero de cero a uno cuando el coeficiente esta
cercano a uno, el criterio de decisin es optimista. Cuando el coeficiente es cercano a cero el
criterio de decisin es pesimista.
Minimax: Este criterio minimiza la mxima prdida de oportunidad.
Decisin secuencial: Donde el resultado de una decisin influye en las otras.
Teora de la utilidad: Una teora que permite al artfice de decisiones, asociar riesgos y otros
factores en el proceso de toma de decisiones.
C o n t r i b u c i n de la u t i l i d a d : En el p r o c e s o de d e t e r m i n a r la utilidad
de varios resultados. Este normalmente se hace utilizando un juego standard entre los resultados
seguros, los peores y los mejores.
Curva de utilidad: Una grfica o curva revela la relacin entre la utilidad y el valor monetario.
De otro lado esta curva puede ser construida para valorar la utilidad y tambin en el proceso de
toma de decisiones.
Buscar riesgo: Un individuo busca el riesgo. Sobre una curva de utilidad, como en incrementos
de valor monetario en la utilidad de incrementos y decrementos del porcentaje. El artfice de la
decisin consigue placer ante el inminente riesgo y el alto potencial de tener que retornar.
Evitar el riesgo: Este es un individuo que evita el riesgo, sobre la curva de la utilidad, en los
incrementos del valor monetario, en la utilidad del incremento y decremento del porcentaje.
Este artfice de decisiones se encuentra con menos riesgo y alto potencial de retornar.
Mltiples factores en la toma de decisiones: En nuestro medio para la toma de decisiones
deben considerarse mltiples factores para la seleccin final.
Multi - factor valuativo del proceso (MFVP): Un multi - factor es el problema de toma de
decisiones en donde el factor ponderado y el factor valuativo pueden ser determinados y usados
en el proceso de toma de decisiones.
45
Anlisis del proceso de Jerarqua (APJ): Es un proceso que usa una determinada comparacin
del factor ponderado en un multi - factor de toma de decisiones.
Factor Valuativo: Estas son valuaciones en escala del (0) al (1) que indica la preferencia por
un factor particular, una alternativa particular o un item.
Factor ponderado: Estas son ponderaciones del rango del (0) al (1) que dan relativa
importancia mas a un factor que a otro. El factor ponderado en un multi - factor de toma de
decisiones debe sumar (1).
ECUACIONES CLAVES
1. Constar con el valor de la muestra de informacin (EVSI) =
Considerar el valor de la
Mejor decisin con pruebas
De informacin.
Considerar el valor
de la mejor decisin
Sin pruebas de informacin.
P (B/A). P (A)
2.
P (A/B) =
P (B/A) . P(A) + P (B/A). P (A)
Teorema de Bayes: Este da el valor del evento (A) condicionado a la ocurrencia del evento (B).
3. Utilidad de otro resultado = P (1) + ( 1 - P) (0) = P
La ecuacin determina la utilidad de una respuesta intermedia.
A-n
4. JC
ndice de consistencia.
n 1
5. CR=~ consistencia del radio donde

IF
Donde:
IF =
Indice fortuito.
X =
Promedio de ponderar la suma del vector dividido entre el

factor de valuacin.
46
Nmero de alternativas o items.
ECUACIONES
1.VME (Alternativa i) = (Pago por primer estado de naturaleza) * (Su probabilidad) + (Pago
del segundo estado de naturaleza) * (Su probabilidad) + ... + (Pago del ltimo estado de naturaleza)
* Su probabilidad).
Esta ecuacin computa los valores monetarios esperados.
2. Valor esperado con informacin perfecta = (Mejor resultado del primer estado de naturaleza )
* (Su probabilidad) + (Mejor resultado del segundo estado de naturaleza) * (Su probabilidad) +...+
(Mejor resultado del ltimo estado de naturaleza) * (Su probabilidad).
3. VEIP = Valor esperado con informacin perfecta - mximo VME.

Esta ecuacin calcula el valor esperado de la informacin perfecta.
47
LOS V E C I N O S B E L I C O S O S
Se dice que tres vecinos que compartan un pequeo parque, como se ve en la
ilustracin, tuvieron una ria. El dueo de la casa grande, quejndose de que los
pollos de su vecino lo molestaban les propuso a sus vecinos que cada uno construyera
un camino hacia el exterior.
El problema consiste en construir los caminos sin que se cruce ninguno de ellos.
CAPTULO II
I N T R O D U C C I N A LA TEORA DE C O L A S
La ciencia es una coleccin de recetas
eficaces.
P. Valry
Un sistema de Colas se puede describir como un sistema en el cual llegan "clientes", esperan para
ser atendidos, si no es inmediato y si tienen que esperar para el servicio parten del sistema despus de
haber sido atendidos.
Clientes que llegan
Clientes atendidos que salen
OOOOOO
000
w
O
O
1'
SERVICIO
Clientes
descontentos
que parten
FIGURA N1
CARACTERSTICAS FUNDAMENTALES
Hay seis caractersticas bsicas en un proceso de teora de colas:
1. Patrn de llegada de los clientes.
2.
3.
4.
5.
6.
Patrn de atencin del servicio.

Disciplina de la cola.
Capacidad del sistema.
Nmero de canales de servicio.
Nmero de etapas en cada servicio.
Ahora se presenta una breve descripcin de cada uno de ellos:

Patrn d e l l e g a d a de los clientes
Es el ingreso al sistema (INPUT) y se mide en trminos del nmero promedio de llegadas por
alguna unidad de tiempo (RATA MEDIA DE L L E G A D A S ) o tambin por el tiempo promedio entre
llegadas sucesivas (TIEMPO M E D I O E N T R E L L E G A D A S ) . Cuando el proceso de llegada es
49
determinstico entonces el patrn de llegada es completamente definido por cualquiera de las dos
medidas anteriores.
Cuando hay incertidumbre en el patrn de llegada se usan naturalmente distribuciones de probabilidad
para su conocimiento y las medias expresadas anteriormente solo indican la tendencia para el proceso de
llegadas y un mejor conocimiento requiere de una profimdizacin de los modelos probabilsticos.
Otro factor en el proceso de llegada es la posibilidad de que los clientes lleguen en grupos
simultneos en cambios de uno a uno. En este caso se dice que las llegadas ocurren en masa y pueden
ocurrir en el mismo instante.
Tambin el ingreso al sistema depende de la reaccin del cliente para entrar al mismo. Un cliente
puede llegar a la cola y de acuerdo al tamao de esta decidir si entra a la fila y espera el servicio o se
va sin hacer la cola y entrar al sistema. En esta ltima situacin se tienen clientes frustrados. Tambin
puede suceder que a pesar de estar en la cola se impaciente y salga de la cola antes de entrar al servicio,
se llama cliente renegado cuando la distribucin de llegada no depende del tiempo en que llegan los
clientes se dice que es estacionaria en caso contrario no estacionaria.
Patrn d e atencin de los servidores
Es muy parecido a los modelos de llegadas anteriormente expuesto. El modelo de atencin se

puede describir por el nmero de clientes atendidos por unidad de tiempo, llamada RATA DE SERVICIO,
ella esta condicionada al hecho de que el sistema no este vaco o sea que alguien espere ser atendido.
Si el sistema esta vaco el servicio est ocioso.
El servicio tambin puede modelarse determinstica o probabilsticamente.
La atencin a los clientes puede ser uno a uno o por grupos por un mismo servidor y tambin la
rata de servicio puede depender del nmero de clientes en la cola en cuyo caso se dice que el servicio
es dependiente del estado de la cola. Tambin anlogo a las llegadas el modelo de servicio puede ser
estacionario o no estacionario. Por ltimo lo ms comn es asumir independencia entre los procesos
de llegadas y de servicios aunque no es necesario.
Disciplina d e la cola
Esto se refiere a la manera como los clientes son elegidos en la cola para ser atendidos por el
servidor. Lo ms comn es primero que llega primero que se atiende o FIRST IN FIRST OUT que
utiliza la sigla Inglesa FIFO para la disciplina de la cola o en espaol la sigla es PEPS (primeros en
llegar primeros en ser atendidos).
Otra disciplina puede ser ltimo que llega primero que se atiende o LAST IN FIRST OUT cuya
sigla es LIFO utilizada en modelos de inventarios o en espaol UEPS (ltimos en llegar primeros en
50
ser atendidos). Otra puede ser seleccionar al azar el cliente a ser atendido o SERVICE IN RANDO$f\
ORDER cuya sigla es SIRO o en espaol SEOA (servicio en orden aleatorio).
Las siglas FIFO (PEPS), LIFO (UEPS) y SIRO (SEOA) fueron recomendadas en 1971 por la
QUEUINGESTNDARDIZATIONCONFERENCEREPORT porque poseen pronunciacin inglesa
para referirse a la disciplina en la cola aunque no son las nicas.
Tambin se tiene por ejemplo clientes en prioridad la cual debe especificarse completamente; se
utiliza la sigla PRI.
Capacidad del sistema

En algunos procesos de espera hay limitaciones fsicas en la cantidad de clientes que pueden
esperar o sea cuando las lneas de espera pueden tener a lo ms cierta longitud respecto al nmero de
clientes. Hay mximos en el tamao de la cola, en estos casos hay prdida de clientes o deben esperar
hasta que disminuya la cola para poder ingresar al sistema (doble cola).
Nmero de canales de servicio
Se refiere al nmero de servicios en paralelo, los cuales pueden atender clientes simultneamente
y se pueden esquematizar as:
OOO
Varias colas varios servicios

Seleccin de la cola
Una cola varios servicios

Seleccin del servicio
FIGURA N2
51
N m e r o d e etapas en el servicio
U n Sistema de Colas con varias etapas en el servicio o atenciones en serie tambin se estudian en
la teora de colas.
FIGURA N3
En el diagrama se tiene un sistema con tres servicios en serie como por ejemplo en un examen
mdico completo con varias etapas o exmenes parciales y reciclaje cuando se requiere mayor
profundizacin en un examen.
Las caractersticas anteriores son suficientes para describir un sistema en estudio.
MEDIDAS DE EFICIENCIA DE UN SISTEMA

Generalmente se observan tres medidas.
a. El tiempo que se espera debe permanecer un cliente en la cola antes de ser atendido. Se supone
que entre ms corta esta medida, el sistema es ms eficiente.
b. Una indicacin de la manera como los clientes se van acumulando.
c. El tiempo ocioso de los servidores.
Se debe buscar un punto ptimo de tal manera que el sistema brinde apropiadamente y no se
pierdan clientes por exceso en las colas, por lento el servicio o por pocos canales de servicio etc. De tal
forma que se ajuste a los centros de funcionamiento y se adecen a limitaciones fsicas etc.
MODELO DE TEORA DE COLAS

Llegadas: N (t) = nmero de llegadas durante el intervalo ( O, t ] en N ( 0 ) = 0
Se asumen ahora los mismos postulados de un proceso de nacimiento donde h es la constante de
llegada independiente de N ( t ) .
Se recuerda que se llega a:
52
P 0 (t + A t ) - Po (t) = - A. P o (t) At + a (At).

P n (t + At ) - Pn (t) = - X Pn (t) At + X Pn l (t) A t + a (At)
n > 1.
Lo cual implica las ecuaciones diferenciales:

P'(t)=
-XP(t)
P;(t)=-^P(t)HP,(t)
n>l
Con las condiciones iniciales conocidas se tiene que:

p.
<>)-?'
- n!^
Conocido como proceso de Poisson para las llegadas.
Ahora si consideramos el tiempo entre llegadas sabemos que dicha variable es exponencial con
parmetro X, con media 1 / X. Lo anterior corresponde...
a la suma de variables de variables exponenciales idnticas e independientes y se obtiene una
distribucin T
( N / t ) <J n = r ^ - e ^ d x
'
n!
Que corresponde a la distribucin ERLANG una distribucin gamma con parmetros X y n + 1

(segn Mood, Graybill and Boes).
TEOREMA
Suponga que las llegadas se comportan como un proceso de Poisson. Dadas K llegadas durante
el intervalo [ o , t ] en las fechas i , < x2 <...< xk entonces las llegadas se distribuyen con las
estadsticas de orden de K variables con distribucin uniforme sobre [ o,t ].
53
Sea Fr (t/k) = fT
{t,,t2,..., tk llegadas en \o,t\)
La funcin de densidad conjunta de x ^ x , , . . . ^ con decimal a las K llegadas en [0,t ].

De acuerdo a la definicin de funcin de densidad condicional se tiene
D o n d e / ( x , k ) es la funcin de densidad conjunta de x y k y f2 (k) es la probabilidad de que k

llegadas ocurran en el intervalo [0,t]
A e
F j ( J / k )=
Ar
' A e
Xr,
(A t y e
...A
XT
AKe
e
/K!
=
AT
{A t y e -
/K!~
kj_
tK
Que es idntica a la obtenida con las estadsticas de orden conjuntamente de una uniforme sobre
[ O, t ]. Este resultado es de gran importancia en la SIMULACIN DE LOS PROCESOS por la
facilidad en su generacin.
Modelo M / M / 1
Se utiliza este caso para explicar la metodologa usada en el anlisis de la Teora de Colas. Se
siguen los siguientes pasos:
PASO 1: Enunciar las ecuaciones de diferencia para Pn ( t ) .
PASO 2: Enunciar las ecuaciones diferenciales para Pn ( t ).
PASO 3: Explorar las soluciones para Pn ( t ) .
PASO 4: Establecer el sistema para distribucin lmite y explorar su solucin 7tr. En el modelo
M / M / 1 se tiene que:
Distribucin
Llegadas
Servicio
54
a(t)=Aex'
= M e"'
A > 0
/u > 0
t > 0
t > 0
Rata de llegadas
Rata de servicios
1/X
1/ p
Para la mayora de los modelos se supone que X < 4, en caso contrario se dice que la cola explota
(el nmero de personas en lnea de espera aumentar sin lmite).
PASO 1: Ecuaciones de diferencia.
P n ( t + At ) = Pn ( t ) [1 - X At - p At + a (A t)] + Pn+1 (t) p At + P n , (t) X At + a (At) n > 1
Es la misma ecuacin del proceso de nacimiento y muerte como era de esperarse.

Para n = 0 se hacen las restricciones conocidas y en resumen se tiene.
' P 0 (t + At) = P o (t) [1 - X At] + P, (t) p At + a (At)
1
P n (t + At) = Pn (t) [\-X At - (i At ]+ pn+i (t) pAt + P n_, (t) X At + a (AT) n > 1.
V.
PASO 2: Ecuaciones diferenciales.

P ' ( t ) = - A. P 0 (t) + p P, (t).
1
P n '(t) =
- (X + p ) Pn (t) + p P n+| (t) + X Pn., (t)
n > 1.
V.
PASO 3: Establecer una solucin

- X n o + u" n,1 - v(X + u) n n + Xn n+1
J_. + Xn
n-1 ,
PASO 4: Establecer la ecuacin para Ttn

0 = - A , 7 l o +U7T,
^ 1
0 = - (A, + p ) 7Tn + p7i n + 1
x
= Lmite
P (t)
nv '
n
t
+Xnnl
OC
La solucin por recurrencia nos lleva a:
55
n0
71.
n> p
1
rM)
y "
n=0
cuando
7 T
0
= l - y
/ n
^
X
, v,
(a///)"
1
1
/(i-A//l)
< 1
V
/ v
se define p W
/ V
7t
~u
" n=0
" A / )
( l
<1
factor de utilizacin
p )
n =
0,1,2,...
que corresponde a una distribucin geomtrica con parmetro p
Su valor esperado ser:
P
1-p
P
Su varianza es:
(i-pY
MEDIDAS DE EFICIENCIA
Dado que n n = Limite Pn (t)

t-> oc
Se tiene que n n es la probabilidad de que haya n clientes en l. Entonces el valor esperado
(1 - p)/p en el nmero esperado de clientes en el sistema llmelo L.
L =
P
1-p
p-X
Ahora sea Nq = el nmero de clientes en la cola y sea Lq = E [Nq] entonces
56
Lq =E[Nq]=O7r0
l - p
+Yj{n-iy
n=I
l - p
nn n -
JT, =L-(l-xe)
p{ju-X)
Tambin de inters el valor esperado de la cola, dado que el sistema no est vaco.
L = E [Nq / Nq * 0]
a
n=l
, ,
donde
n~2
_ (Tr
,
n , = Pr [Haya n en el sistema
P (haya n en el sistema
/ n> 2)- ^
Pr (n >2)
yn>2)
-
n>2
2 > .
de d o n d e
l-n0-K1
. 1
l-p
L =
y(n-i)
ti
%
p'
L-*-{l-*o-*)z
pr
M
p-
Ejemplo
Suponga que usted observa una peluquera los sbados en la maana y encuentra que los clientes
aparecen como un proceso de Poisson y que la rata de llegada es de 5 por hora. Adems que todos los
clientes que llegan esperarn hasta ser atendidos. Suponga ahora que la atencin en la peluquera por
tiempo es aproximadamente exponencial y en promedio dura 10 minutos cada corte de pelo etc.
Al modelar la anterior informacin como M / M / 1 se tiene que:
A, = 5 clientes por hora,
p = 6 clientes por hora. C o / ,
fcWV
57
Lo anterior nos da p = 5/6 y de acuerdo con la teora
7-p
7-5/
<5
Es el nmero esperado de clientes en la peluquera incluyendo el que esta en la silla.

v*-
1C
l -
6(6-5)
pe
_ = 4 1/
/ 6
6
clientes. Es el nmero de clientes esperando sentados para ser

peluqueados (por ejemplo).
Lq
i- p
=6
clientes. Es el nmero esperado de clientes en la cola dado que la
7"
peluquera est vaca.
Ahora no= 1 - p = 1/6 que es aproximadamente 16,7 % significa que el 16,7 % del tiempo
permanece ocioso el sistema o que un cliente que llegue encuentre vaca la peluquera.
1 - 7io = 0,833 representa que el 83.3 % de los clientes deben esperar antes de ser atendidos por el
peluquero.
Supongamos ahora que en la peluquera hay solo 4 asientos para espera cual es la posibilidad de
que un cliente que llegue deba esperar de pie.
Pt.{N>6)=l-no-n-n2-n-n4-Ji5
=i-{i-P)~
p ( I - P ) -
\ i -
\ i -
-p\i-P)-P\I-P)
=i-{I-P\I-p-P>-p>-p<-p>]=1A1-p)(1-P2)=
: 0,335
V^y
58
f -
JN
Lo que quiere decir que el 33,5% de los clientes que llegan deben esperar de pie por falta de sillas
para esperar sentado.
Otro problema que se pueda considerar es encontrar la distribucin del tiempo necesario para
que ocurran un nmero de veces del evento dado sea Y n la variable aleatoria que mide el tiempo
transcurrido hasta la n - sima ocurrencia de un evento Poisson.
De acuerdo a las definiciones anteriores
Yn =Z, +Z2 +... + Zn
d o n d e {Z,,Z2,...}
son v a r i a b l e s a l e a t o r i a s d i s t r i b u i d a s c o m o
exponencial.
La funcin de densidad de 7 es gamma con parmetros n y X .
F(y) =
" y"r" i
y > o
01-1)/
0 en otro caso
PROCESO PURO DE NACIMIENTO

Es muy similar al proceso de Poisson, la diferencia esencial es que el parmetro A, del proceso de
Poisson en el proceso de nacimiento es variable y depende de n (.J.
Similarmente al proceso de Poisson los axiomas de ocurrencia seran:
Probabilidad de que un evento suceda en At es Xn At + a ( At) que no suceda 1 - A,n At +CT(At)
que sucedan ms de una vez a (At)
Sea Pn (t) la probabilidad de que n eventos ocurran en el intervalo (0,t]. Anlogamente usando
la ecuacin de C H A P M A N - K O L M O G O R O V para transiciones en los intervalos (0,t] y (t, t + At]
podemos escribir
P o ( t + At) = P o ( t ) [ l - \ A t ] + a (At).
P n (t + At) = Pn (t) [ 1 - \
At] + P n ., (t) > V | At + a (At)
Esto cuando At
p-
P0'(t)=
"A.
Pa
(t)
Pn'(t)=
-Xm
Pn
(0+
^n-l
n>0
a es equivalente a :
Pn-t)
n > 0
59
Lo cual constituye un sistema de ecuaciones diferenciales cuya solucin general ya no es tan

fcil por la variabilidad de A, .
La respuesta es de la forma:
Pn
()=
An
k=0
^e-1'*
n > 0
Donde
A n
( k )
- K ) \\-i
(o - K
toc
y se tiene
n =0
- K \\+i
- K ) {K - K)
k=0
Casos especiales
Proceso de Yule
An = nA
P'(t)= -nA P (t) + (n- l)A Pn_, () asumiendo P (o) = 1 y Pt (p) = 0

de acuerdo a lo anterior no habra A0
(/ - k){2 - k \ . ( k - l - k ) { k + l - k \ . ( - k)
_(-/)/(- i r
~ (k-l)!{n-k)!~{
y por tanto
p(t)=e"
,r>
'
f ""'l (
e"(l
Usando el binomio de Newton obsrvese adems que

Pn (?) es una distribucin geomtrica con p=e",y,q
60
= l-e -Al
-e'"]"'
i>l
Si el nmero donde inicia la poblacin no es 1 si i >1 entonces es fcil ver que

'-A
vnij
Que corresponde a una distribucin binomial negativa
E [x (t)]
= i e x'
V[x(t)]= i e
( e
x t
1)
PROCESO PURO DE MUERTE
Sea i > 0 la poblacin inicial y supongamos que los miembros de ella solo mueren.
Sea (i n la tasa de mortalidad cuando hay n individuos (observe que
depende de n).
axiomas siguen siendo muy parecidos a los de Poisson pero para definiciones.
Los
Los axiomas se pueden resumir en:

Pi(t + At)=Pl
Pn (t + At)=Pn
(t\l
(t\l
- /u At + S{At))
-MAt+
S(At))+
Mn+1At
Pn + 1 (t)+ (At)
1 <n <i
Lo cual equivale a:
Pt'if)
= -M,
Pt)
Pn'{t) = ~MnPt)+^+,
KM
con las condiciones iniciales P.(o) = l

si n^
Pn (0) = 0
Anlogo al proceso de Yule se puede considerar //
que es una distribucin binomial
61

Investigación de Operaciones II

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Investigación de Operaciones II

Diunggah oleh

Hak Cipta:

Format Tersedia

INVESTIGACION OPERATIVA II

UNIVERSIDAD NACIONAL DE COLOMBIA

GUILLERMO JIMNEZ LOZANO

UNIVERSIDAD NACIONAL DE COLOMBIA

GUILLERMO JIMNEZ LOZANO

Planeacin de los recursos de fabricacin MRP II

Guillermo Jimnez Lozano

no puede soportar mucha

BUENAS VS. MALAS DECISIONES

Q u hace la diferencia entre u n a b u e n a y u n a m a l a decisin?

LOS SEIS PASOS EN LA TEORA DE DECISIONES

Pedro Pataquiva Piraquive es el fundador y presidente de la compaa Cafetera, una lucrativa

PROBLEMA POTENCIAL EN EL USO DE LOS RESULTADOS DE UNA INVESTIGACIN

MEDIDA DE LA UTILIDAD Y CONSTRUCCIN DE UNA CURVA DE UTILIDAD

la determinacin de la probabilidad, P, que te hace indiferente entre la alternativa 1, el cual es la

En la toma de decisiones de varios factores, muchos individuos subjetiva e intuitivamente

El proceso de evaluacin de varios factores

TABLA N2. FACTOR

TABLA N4. EVALUACIN DE EDS LTDA

TABLA N5. EVALUACIN DE P W W

FIGURA 1. JERARQUA DE D E C I S I N PARA SELECCIN DE SISTEMAS DE C O M P U T A C I N

Tipo 1: Decisin t o m a d a b a j o hechos ciertos

VALOR MONETARIO ESPERADO (V.M.E.)

Resultado final del primer estado de

(Resultado final del segundo estado de

(Probabilidad del segundo estado de

. . . + (Resultado final del ltimo estado de

DECISIONES C O N PROBABILIDADES Y VALOR M O N E T A R I O ESPERADO (VME)

Los clculos son:

(.50) ($200.000) + (.50) (-$180.000)

VME (pequea facilidad)

(.50) ($100.000) + (.50) (-$20.000)

(.50) ($0) + (.50) ($0)

Informacin perfecta del valor e s p e r a d o

Qu podr usted recomendarle a la Cafetera?

Podr l emplear la firma para le estudio de mercadeo?

An si la informacin del estudio de mercadeo es perfectamente precisa, vale la pena gastar

Podr servir de algo?.

El valor supuesto con la informacin perfecta es la suposicin o promedio de volverse a lo largo

(Mejor resultado o consecuencia para el

TABLA N 7. O P O R T U N I D A D E S PERDIDAS DETERMINADAS POR LA CAFETERA

O P O R T U N I D A D E S PARA LA CAFETERA ESTADO DE NATURALEZA

FUNDAMENTOS DE LA TEORA DE DECISIONES

TABLA N 9. LA D E C I S I N DE I G U A L D A D DE PROBABILIDAD DE LA CAFETERA NATURALEZA DE LA S I T U A C I N

Construir una gran planta

Construir una pequea planta

LA D E C I S I O N DEL CRITERIO DE REALISMO DE LA CAFETERA

Criterio de Realismo (Criterio de Hurwicz)

USANDO EL COMPUTADOR PARA RESOLVER LA DECISIN DE PROBLEMAS

SALIDA DEL PROGRAMA

TABLA N 11. FUERA DE P A G O

De acuerdo a la Tabla N 11:

RBOL DE DECISIN Y TEORA DE LA UTILIDAD

El resto de las probabilidades muestra en parntesis en la Figura 5 que son probabilidades

FIGURA N 2. U S A N D O I A UTILIDAD ESPERADA EN T O M A DE DECISIONES

Punto de decisin de donde algunas alternativas deben ser adoptadas.

Punto de condiciones naturales donde alguna condicin natural puede ocurrir.

Analizando problemas con rboles de decisin envuelven 5 pasos:

Punto de condiciones naturales

FIGURA N3. RBOL DE D E C I S I N

($200.000) + (.5) ( - $ 180.000)

Construir una planta pequea

Mercado no favorable (,5)

Mercado no favorable (,5)