Universidad Nacional

José Faustino Sánchez Carrión

E.A.P. Ingeniería de Sistemas

INVESTIGACIÓN DE
OPERACIONES II

Modelo de Toma de Decisiones

Alumnos :
- Castillo Mandamiento, José
- Chirinos Luna, Jonathan
- Kaiser Mejía, Joel
- Palma Márquez, Iván
- Saldaña Tinedo, Abdón
 MODELO DE TOMA DE DESICIONES

La información fundamental para los problemas en teoría de decisión se encuentra

representada en una matriz de ganancias (perdidas).

Los valores rij son las ganancias (o perdidas) para cada posible combinación de
decisión con respecto al estado de la naturaleza.

CRITERIOS DE DECISIÓN

TOMA DE DESICIONES SIN PROBABILIDADES

Este criterio es apropiado cuando el que decide tiene poca confianza en su actitud
para evaluar la probabilidad de los estados de la naturaleza.

1. EL MÉTODO OPTIMISTA
Se evalúa cada alternativa de decisión, en término del mejor resultado que puede
ocurrir. La alternativa de decisión que se recomienda es la que ofrece la mejor
consecuencia posible.
Para un problema en el que se desea maximizar utilidades, la alternativa elegida
corresponde aquella que brinda las utilidades más altas.
Para un problema en el que se desea minimizar, la alternativa elegida corresponde
aquella que brinde el menor resultado.

2. EL MÉTODO CONSERVADOR
 Para un problema de maximización le corresponde el max (min)
 Para un problema de minimización le corresponde el min (max)

3. EL MÉTODO DE LA DEPLORACIÓN

Para un problema de maximización

Se identifica los máximos valores para cada alternativa en la matríz de costo de
oportunidad. Se elige la mejor decisión aplicando el min (max) a los valores obtenidos.

Para un problema de minimización Se identifica los mínimos valores para cada

alternativa en la matríz de costo de oportunidad. Se elige la mejor decisión aplicando
el max(min) a los valores obtenidos.

TOMA DE DECISIONES CON PROBABILIDADES A PRIORI

1. CRITERIO DE PROBABILIDAD MÁXIMA

Se centra en el estado de la naturaleza con mayor probabilidad.
Procedimiento:
 a. Identificar el estado Sj con la probabilidad a priori p(Sj) mayor.
b. Elegir la alternativa de decisión que tiene el mayor pago para este estado de la
naturaleza.

2. CRITERIO DE IGUAL PROBABILIDAD

Por lo general es difícil tener mucha fe en las probabilidades a priori; por lo tanto se
asume igual p(Sj) a cada estado del modelo.
Procedimiento:
a. Para cada alternativa de decisión calcule el promedio de sus pagos sobre
todos los estados de la naturaleza.
b. Seleccione la alternativa con el mayor pago promedio.

3. REGLA DE DECISIÓN DE BAYES

a. Para cada alternativa de decisión calcule el valor esperado VE(di).

n
VE( di ) = 
j 1
p(Sj) V ( di , Sj )

Donde: n es el número de posibles estados de la naturaleza

 p( Sj) es la probabilidad de ocurrencia del estado de la naturaleza Sj.
 Las probabilidades correspondientes deben satisfacer las siguientes
condiciones:
 p( Sj )  0 para todos los estados de la naturaleza.

b. Seleccione la alternativa con el mayor valor esperado

METODO VALOR ESPARADO

El Valor Esperado de una alternativa de solución es la suma de resultados ponderados

para la alternativa de solución. El peso para un resultado es la probabilidad del estado
de la naturaleza asociado y, por consiguiente, la probabilidad de que ocurrirá el
resultado.

VALOR ESPERADO DE LA INFORMACION PERFECTA (VEdeIP)

Si existe la posibilidad de llevar a cabo un estudio de investigación de mercado para

obtener la información perfecta, se puede realizar siempre en cuando no supera el
valor de la información perfecta.

VEdeIP = VEconIP - VE* ; VE*: Mejor valor esperado

n
VEconIP = 
j 1
p(Sj) - ( mejor valor en Sj)

ANALISIS DE SENSIBILIDAD

Para evaluar el efecto de posibles inexactitudes en las posibilidades a priori, suele ser
útil realizar un análisis de sensibilidad. El análisis de sensibilidad puede ayudar a
decidir si es conveniente invertir más dinero y tiempo a fin de obtener estimaciones de
probabilidad más precisas.
 CASO PRÁCTICO

La panadería y pastelería Martiza se encuentra ubicada en la Av. 28 de Julio Nº 157,

actualmente es una de las empresas que lidera este tipo de negocio. Esta desea
producir kekes y tiene como opciones las siguientes cantidades 50, 80 y 135 unidades
de kekes. Analizando las demandas promedios de 90 y 130 unidades vendidas en
años anteriores con una ocurrencia probabilística de X=0.75 e Y=0.25
respectivamente.

Producto: KEKES
Costo unitario: S/. 8.20
Precio de Venta x unidad: S/. 12.00

S1(90) S2(130)

D1(50) V(D1,S1) V(D1,S2)

D2(80) V(D2,S1) V(D2,S2)

D3(135) V(D3,S1) V(D3,S2)

Probabilidades 0.75 0.25

VENTAS HISTORICAS DE LA EMPRESA PANIFICADORA

MESES VENTAS >90

NOVIEMBRE 2009 84 MENOR
DICIEMBRE 2009 120 MAYOR
ENERO 2010 82 MENOR
FEBRERO 2010 75 MENOR
MARZO 2010 88 MENOR
ABRIL 2010 99 MAYOR
MAYO 2010 89 MENOR
JUNIO 2010 85 MENOR
JULIO 2010 112 MAYOR
AGOSTO 2010 81 MENOR
SETIEMBRE 2010 82 MENOR
OCTUBRE 2010 85 MENOR
9/12 = 0.75
ANALISIS DE DATOS 1082/12 = 90.17
3/12 = 0.25

Hallando el promedio de venta mensual nos da 90.17 Kekes y utilizamos el promedio

de venta para hallar la probabilidad de que se vendió más o menos durante los meses
que vienen.

Criterios para tomar en cuenta en el desarrollo del caso práctico:

o La panadería considera una pérdida del 8% del Precio de venta de la cantidad

faltante para cubrir la demanda esperada.

o Si existiese una sobreproducción, la cantidad de productos que sobran se

venderán a un 70% de su Precio de Venta.

EN EL CASO DE QUE LA DEMANDA EXCEDA A LA PRODUCCIÓN, tenemos las

utilidades los siguientes V (Di, Sj):

V (D1, S1) = (50*12 - 50*8.20) - (40*0.08*12) = 151.6

V (D1, S2) = (50*12 - 50*8.20) - (80*0.08*12) = 113.2
V (D2, S1) = (80*12 - 80*8.20) - (10*0.08*12) = 294.4
V (D2, S2) = (80*12 - 80*8.20) - (50*0.08*12) = 256

Entonces tenemos:

S1(90) S2(130)

D1(50) 151.6 113.2

D2(80) 294.4 256

D3(135) V(D3,S1) V(D3,S2)

Probabilidades 0.75 0.25

EN EL CASO DE QUE LA PRODUCCIÓN EXCEDA A LA DEMANDA, tenemos las
utilidades los siguientes V (Di, Sj):

V (D3, S1) = (90*12 - 90*8.20) + (45*0.7*12 – 45*8.20) =342+9 =351

V (D3, S2) = (130*12 - 130*8.20) + (5*0.7*12–5*8.20) =494+1=495

FINALMENTE TENEMOS:

S1(90) S2(130)

D1(50) 151.6 113.2

D2(80) 294.4 256

D3(135) 351 495

Probabilidades 0.75 0.25

1) TOMA DE DECISIÓN SIN CONSIDERAR PROBABILIDADES

a) Método Optimista

Mayor V (Di, Sj) de

S1(90) S2(130)
cada fila
D1(50) 151.6 113.2 151.6

D2(80) 294.4 256 294.4

D3(135) 351 495 495

Probabilidades 0.75 0.25

Conclusión: Tomamos la alternativa D3 que es producir 135 unidades de kekes, en el mejor de

los casos de producción.

b) Método conservador:

Mínimo V (Di, Sj) de

S1(90) S2(130)
cada fila

D1(50) 151.6 113.2 113.2

D2(80) 294.4 256 256
D3(135) 351 495 351
Probabilidades 0.75 0.25

Max (min)= V (Di, Sj)=351

Conclusión: Tomamos la alternativa D3 que es producir 135 unidades de kekes como mejor de
las peores decisiones tomadas.

c) Método Deplorable:

Max V (Di, Sj) de cada

S1(90) S2(130)
fila

D1(50) 199.6 381.8 381.8

D2(80) 56.6 239 289
D3(135) 0 0 0
Probabilidades 0.75 0.35

Min (max)= V (Di, Sj)=0

Conclusiones: La decisión a tomar es D3 ya que es la que ofrece menor costo de

oportunidad.

2) TOMA DE DECISIONES CONSIDERANDO PROBABILIDADES

Probabilidad Máxima

Hallamos la mejor decisión escogiendo la columna que tenga mayor probabilidad y

luego escogemos la fila de decisión que muestre el mejor valor.

S1(90) S2(130)

D1(50) 151.6 113.2

D2(80) 294.4 256

D3(135) 351 495

Probabilidades 0.75 0.25

Conclusión: Considerando el mayor valor probabilístico obtenemos que D3 nos

ofrece la mejor utilidad produciendo 135 unidades de kekes.
Probabilidad Iguales

Obtenemos el promedio de cada fila y se escoge el mayor valor.

Promedio de cada
S1(90) S2(130)
fila
D1(50) 151.6 113.2 132.4

D2(80) 294.4 256 275.2

D3(135) 351 495 423

Probabilidades 0.75 0.25

Conclusión: Asumiendo una igualdad de probabilidad obtenemos el mayor valor en D3, por lo
tanto esta será nuestra decisión a tomar.

3) VALOR ESPERADO

n
VE ( di ) = 
j 1
p(Sj) V ( di , Sj )

VE (D1) =P (S1)*V (D1, S1) + P (S2)*V (D1, S2) = 0.75(151.6) + 0.25(113.2) =142
VE (D2) =P (S1)*V (D2, S1) + P (S2)*V (D2, S2) = 0.75(294.2) + 0.25(256) =284.65
VE (D3) =P (S1)*V (D3, S1) + P (S2)*V (D3, S2) = 0.75(351) + 0.25(495) =387

4) ARBOL DE DECISIÓN

Para hallar los 3 valores esperados también se puede aplicar este método.

P (S1) 0.75
V (D1, S1) = 151.6
D1
VE (D1) = 142
P (S1) 0.25
V (D1, S2) = 113.2
P (S1) 0.75
V (D2, S1) = 294.4
D2
VE (D2) = 284.8
P (S1) 0.25
V (D2, S2) = 256
P (S1) 0.75
V (D3, S1) = 351
D3
VE (D3) = 387
P (S1) 0.25
V (D3, S2) = 495
Encontramos los 3 valores esperados:

VE (D1) = S/. 142

VE (D2) = S/. 284.8

VE (D3) = S/. 387

Tomamos el mayor valor que es S/. 387 soles para poder hallar el valor esperado de
información perfecta.

5) HALLAR VALOR ESPERADO CON INFORMACION PERFECTA (VE con IP)

n
VEconIP = 
j 1
p (Sj). (Mejor valor en Sj)

S1 S2
90 130
D1(50) 151.6 113.2
D2(80) 294.4 256
D3(135) 351 495
Probabilidades 0.75 0.25

VEconIP = 0.75 (351) + 0.25 (495) = 387

6) HALLAR VALOR ESPERADO DE INFORMACION PERFECTA (VE de IP)

VEdeIP = VEconIP - VE*

VEdeIP = 387– 387= 0

Conclusión: Quiere decir que ya no podemos ganar más de lo que estamos ganando
de acuerdo a la toma de decisión que estamos haciendo.

7) ANALISIS DE SENSIBILIDAD

S1(90) S2(130)

D1(50) 151.6 113.2

D2(80) 294.4 256

D3(135) 351 495

Probabilidades 0.75 0.25

P(S1)= P P(S2)= 1-P

 V.E(D1)=P(S1)*V(D1, S1) + P(S2)*V(D1, S2) = 151.6*P + 113.2*(1-P)
= 151.6*P + 113.2 -113.2*P = 38.4*P + 113.2

V.E(D2)=P(S1)*V(D2, S1) + P(S2)*V(D2, S2) = 294.4*P + 256*(1-P)

= 294.4*P + 256 – 256*P = 38.4*P + 256

V.E(D3)=P(S1)*V(D3, S1) + P(S2)*V(D3, S2) = 351*P + 495*(1-P)

= 351*P + 495 – 495*P= -144*P + 495

Ahora dandole el valor de p= 0 ^ p= 1 en todas las ecuaciones:

V.E( D1(50) )= 38.4*P + 113.2 V.E( D2(80) )= 38.4*P + 256 V.E( D3(135) ) = -144*P + 495
P=0 P=1 P=0 P=1 P=0 P=1
38.4*1 + 38.4*0 +
38.4*0 + 113.2 38.4*1 + 256 -144*0 + 495 -144*1 + 495
113.2 256
113.2 294.4 495 351
151.6 256

GRAFICANDO LAS ECUACIONES:

USANDO EL SOFTWARE MATH CAD

V.E( D1(50) )= 38.4*P + 113.2 V.E( D2(80) )= 38.4*P + 256 V.E( D3(135) ) = -144*P + 495
 USANDO EXCEL

P V.E(d1) V.E(d2) V.E(d3)

0 113.2 256 495
0.1 117.04 259.84 480.6
0.2 120.88 263.68 466.2
0.3 124.72 267.52 451.8
0.4 128.56 271.36 437.4
0.5 132.4 275.2 423
0.6 136.24 279.04 408.6
0.7 140.08 282.88 394.2
0.8 143.92 286.72 379.8
0.9 147.76 290.56 365.4

D3 pertenece al intervalo <0,1>

CONCLUSION

Si variamos el parámetro de la probabilidad (<0,1>) en que se vendan 90 o 130 Kekes

vemos que no afecta en ninguna parte la trayectoria de mi función, quiere decir que la
decisión (d3) se mantiene como la mejor decisión. Tomando en cuenta estos datos la
panificadora tendría que producir 135 kekes.
 CONCLUSIONES

 El modelo de toma de desiciones busca plantear con estos procedimientos

metodologías que apoyen el proceso racional de la toma de decisiones.

 Dependiendo de nuestro objetivo a evaluar dentro de una empresa o

institución, basaremos el desarrollo de nuestra matriz en utilidades o costos.

 Los datos históricos de experiencias pasadas nos ayudaran a maneja mejor

nuestra probabilidad a la hora de analizar los estados a los que estén sujetos
nuestras posibles decisiones, tendrán que representar en conjunto la unidad,
colocando a nuestra consideración la probabilidad respectiva a cada estado de
la naturaleza.

BIBLIOGRAFIA – WEBGRAFÍA

 Libro de Prentice Hall. Hamdy A. Taha 5 edicion

 http://www.investigacion-operaciones.com/
 http://www.investigaciondeoperaciones.net/
 http://www.monografias.com
 http://www.wikipdia.com