UNIVERSIDAD NACIONAL DE SAN AGUSTIN

FACULTAD DE ADMINISTRACIÓN
ESCUELA ACADÉMICO PROFESIONAL DE ADMINISTRACIÓN

CURSO: TEORÍA DE LAS DECISIONES

TRABAJO DE INVESTIGACIÓN
TEMA: “LAS DECISIONES DE INVERSIÓN”

INTEGRANTES:
- Perez Huamaní Nohelia Soleily
- Velasquez Colquehuanca, Edgardo Gary

DOCENTE:
César Augusto Martínez Concha

GRADO Y SECCIÓN:
3RO “C”

AREQUIPA-PERÚ
2019
INDICE

INTRODUCCIÓN ......................................................................................................................................I

CAPITULO 1: TEORÍA DE JUEGOS ............................................................................................................ 1

1.1. ¿QUE ES LA TEORIA DE JUEGOS? ....................................................................................................... 1

1.2. APLICACIONES ................................................................................................................................... 2
1.3. METODO DE TEORIA DE JUEGOS ....................................................................................................... 3

CAPITULO 2: PROGRAMACION LINEAL ................................................................................................... 4

2.1. HISTORIA DE LA PROGRAMACIÓN LINEAL ......................................................................................... 4

2.2. DEFINICIÓN DE PROGRAMACIÓN LINEAL .......................................................................................... 5
2.3. PASOS PARA RESOLVER ..................................................................................................................... 5
2.4. PROCESO DE FORMULACIÓN DE UN PROBLEMA ............................................................................... 6
2.5. MÉTODO GRÁFICO ............................................................................................................................ 7
2.6. DETERMINACIÓN DE LA REGIÓN FACTIBLE. ....................................................................................... 8
2.7. MÉTODO SIMPLEX ............................................................................................................................. 9
2.8. EJEMPLO .......................................................................................................................................... 10
2.8.1. RESOLUCIÓN MEDIANTE TORA, MÉTODO GRÁFICO ................................................................ 11
2.8.2. RESOLUCIÓN MEDIANTE POM FOR WINDOWS, MÉTODO SIMPLEX ....................................... 12

CAPITULO 3: LA GRAN RELACIÓN: LA TEORÍA DE JUEGOS Y LA PROGRAMACIÓN LINEAL ..................... 14

3.1. LA GRAN RELACIÓN: LA TEORÍA DE JUEGOS Y LA PROGRAMACIÓN LINEAL ..................................... 14

3.2. JUEGOS DE SUMA CERO PARA DOS JUGADORES CON ESTRATEGIAS ALEATORIZADAS ................... 16
3.3. SOLUCIÓN CON PROGRAMACIÓN LINEAL ....................................................................................... 16
EJEMPLO APLICATIVO 1: (SOLUCIÓN DE JUEGOS CON PROGRAMACIÓN LINEAL) ............................ 17
EJEMPLO APLICATIVO 2: (SOLUCIÓN DE JUEGOS CON PROGRAMACIÓN LINEAL) ............................ 20

CAPITULO 4: APLICACIÓN DE SOFTWARE ............................................................................................. 21

4.1. PROBLEMA APLICATIVO .................................................................................................................. 21

CONCLUSIONES .................................................................................................................................... 28

BIBLIOGRAFIA ...................................................................................................................................... 29
INTRODUCCIÓN

I
CAPITULO 1: TEORÍA DE JUEGOS
1.1. ¿QUE ES LA TEORIA DE JUEGOS?

La teoría de juegos es una rama de la economía que estudia las decisiones en las que para que
un individuo tenga éxito tiene que tener en cuenta las decisiones tomadas por el resto de los
agentes que intervienen en la situación.
La teoría de juegos como estudio matemático no se ha utilizado exclusivamente en la economía,
sino en la gestión, estrategia, psicología o incluso en biología.
En teoría de juegos no tenemos que preguntarnos qué vamos a hacer, tenemos que
preguntarnos qué vamos a hacer teniendo en cuenta lo que pensamos que harán los demás,
ellos actuarán pensando según crean que van a ser nuestras actuaciones.
La teoría de juegos ha sido utilizada en muchas decisiones empresariales, económicas, políticas
o incluso para ganar jugando al póker.

MARCO CONCEPTUAL: la teoría de juegos es un área de la matemática aplicada que utiliza

modelos para estudiar interacciones en estructuras formalizadas de incentivos (los llamados
«juegos»). La teoría de juegos se ha convertido en una herramienta sumamente importante para
la teoría económica y ha contribuido a comprender más adecuadamente la conducta humana
frente a la toma de decisiones. Sus investigadores estudian las estrategias óptimas, así como el
comportamiento previsto y observado de individuos en juegos. Tipos de interacción
aparentemente distintos pueden en realidad presentar una estructura de incentivo similar y,
por lo tanto, se puede representar mil veces conjuntamente un mismo juego.

1
Desarrollada en sus comienzos como una herramienta para entender el comportamiento de la
economía, la teoría de juegos se usa actualmente en muchos campos, como en la biología,
sociología, politología, psicología, filosofía y ciencias de la computación.

Experimentó un crecimiento sustancial y se formalizó por primera vez a partir de los trabajos de
John von Neumann y Oskar Morgenstern, antes y durante la Guerra Fría, debido sobre todo a su
aplicación a la estrategia militar, en particular a causa del concepto de destrucción mutua
garantizada.
Desde los setenta, la teoría de juegos se ha aplicado a la conducta animal, incluyendo el
desarrollo de las especies por la selección natural. A raíz de juegos como el dilema del prisionero,
en los que el egoísmo generalizado perjudica a los jugadores, la teoría de juegos ha atraído
también la atención de los investigadores en informática, usándose en inteligencia artificial y
cibernética.

1.2. APLICACIONES
1. Economía y negocios
2. Biología
3. Informática y lógica
4. Ciencia política
5. Filosofía

La Teoría de los Juegos revolucionó el estudio de la economía.

Desde licitaciones para proyectos de infraestructura, campeonatos de fútbol, hasta aplicaciones
de citas románticas por internet dependen de ella.
Las firmas que venden bienes a los consumidores usan la Teoría de los Juegos para predecir
cómo reaccionará la competencia –y los clientes- ante una guerra de precios.
Uno de los primeros usos codificados de esta teoría fue en la guerra. Los ejércitos
estadounidense y británico utilizaron las primeras computadoras para probar modelos que
utilizaban Teoría de los Juegos para ayudar a los comandantes a decidir si debían atacar al
enemigo, dónde y cuándo.
Sun-Tzu
“Si conoces a los demás y te conoces a ti mismo, ni en cien batallas correrás peligro; si no conoces
a los demás, pero te conoces a ti mismo, perderás una batalla y ganarás otra; si no conoces a los
demás ni te conoces a ti mismo, correrás peligro en cada batalla” (El Arte De La Guerra).

2
1.3. METODO DE TEORIA DE JUEGOS
EL DILEMA DE MONTY HALL
El dilema de Monty Hall es uno en el que el presentador de un programa de televisión ofrece al
concursante elegir un premio que se encuentra tras una de las tres puertas.
Dos de ellas contienen cabras y una de ellas un automóvil.
El jugador elige una puerta, supongamos la primera y el presentador (Monty) abre la puerta
número tres enseñando una cabra.
Acto seguido nos ofrece cambiar la puerta ¿qué es mejor teniendo en cuenta que el presentador
sabe que hay detrás de cada puerta?
La respuesta es que es mejor cambiar de puerta.
Guiándonos por la estadística el presentador al abrir una puerta cerrada ha incrementado las
posibilidades que tenemos de llevarnos el premio, pasamos de jugar con 33% de posibilidades
al 66% porque en realidad el presentador aumenta nuestras posibilidades al 66% si cambiamos
de puerta.
Si permanecemos con la elegida nuestras posibilidades se mantienen en un 33%.

3
CAPITULO 2: PROGRAMACION LINEAL
2.1. HISTORIA DE LA PROGRAMACIÓN LINEAL
La programación lineal es un conjunto de técnicas racionales de análisis y de resolución de
problemas que tiene por objeto ayudar a los responsables en las decisiones sobre asuntos en
los que interviene un gran número de variables.
El nombre de programación lineal no procede de la creación de programas de ordenador, sino
de un término militar, programar, que significa realizar planes o propuestas de tiempo para el
entrenamiento, la logística o el despliegue de las unidades de combate.
En los siglos XVII y XVIII, grandes matemáticos como Newton, Leibnitz, Bernouilli y,
sobre todo, Lagrange, que tanto habían contribuido al desarrollo del cálculo infinitesimal,
se ocuparon de obtener máximosy mínimos condicionados de determinadas funciones.
Posteriormente el matemático francés Jean Baptiste-Joseph Fourier (1768-1830) fue el
primero en intuir, aunque de forma imprecisa, los métodos de lo que actualmente
llamamos programación lineal y la potencialidad que de ellos se deriva.
Si exceptuamos al matemático Gaspar Monge (1746-1818), quien en 1776 se interesó por
problemas de este género, debemos remontarnos al año 1939 para encontrar nuevos
estudios relacionados con los métodos de la actual programación lineal. En este año, el
matemático ruso Leonidas Vitalyevich Kantarovitch publica una extensa monografía
titulada: Métodos matemáticos de organización y planificación de la producción en la que
por primera vez se hace corresponder a una extensa gama de problemas una teoría
matemática precisa y bien definida llamada, hoy en día, programación lineal.
En 1941-1942 se formula por primera vez el problema de transporte, estudiado
independientemente por Koopmans y Kantarovitch, razón por la cual se suele conocer

4
con el nombre de problema de Koopmans-Kantarovitch. Tres años más tarde, G. Stigler
plantea otro problema particular conocido con el nombre de régimen alimenticio óptimo.
En estos años posteriores a la Segunda Guerra Mundial, en Estados Unidos se asumió que
la eficaz coordinación de todas las energías y recursos de la nación era un problema de
tal complejidad, que su resolución y simplificación pasaba necesariamente por los
modelos de optimización que resuelve la programación lineal. Paralelamente a los hechos
descritos se desarrollan las técnicas de computación y las computadoras, instrumentos
que harían posible la resolución y simplificación de los problemas que se estaban
gestando.

Los fundamentos matemáticos de la programación lineal se deben al matemático

norteamericano de origen húngaro Janos von Neuman (1903-1957), quien en 1928
publicó su famoso trabajo Teoría de Juegos. En 1947 conjetura la equivalencia de los
problemas de programación lineal y la teoría de matrices desarrollada en sus trabajos. La
influencia de este respetado matemático, discípulo de David Hilbert en Gotinga y, desde
1930, catedrático de la Universidad de Princenton de Estados Unidos, hace que otros
investigadores se interesaran paulatinamente por el desarrollo riguroso de esta disciplina.

2.2. DEFINICIÓN DE PROGRAMACIÓN LINEAL

Es una técnica matemática de análisis que permite determinar cuál es la asignación más eficiente
de los recursos limitados en actividades que desarrolla la empresa con el propósito de optimizar
los objetivos de la organización, esto es, maximizar beneficios o minimizar costos.

2.3. PASOS PARA RESOLVER

Paso 1º: Leer detenidamente el enunciado: determinar el objetivo, definir las variables y
escribir la función objetivo.

Paso 2º: Reordenar los datos del problema y a partir de las cantidades decididas, x e y,
escribir el sistema de inecuaciones que determinan las restricciones.

Paso 3º: Expresar el problema en la forma estándar.

5
Paso 4º: Representar gráficamente las restricciones y marcar claramente la región factible

Paso 5º: Hallar las coordenadas de los vértices del polígono obtenido.

Paso 6º: Sustituir las coordenadas de esos puntos en la función objetivo y hallar el valor
máximo o mínimo.

Paso 7º: También es conveniente representar las rectas de nivel para comprobar que la
solución gráfica coincide con la encontrada. Esta conveniencia se convierte en necesidad
cuando la región factible es no acotada.

Paso 8º: Por último, como en la resolución de todo problema es necesario validar la
solución: cerciorarse de que la solución hallada es lógica y correcta.

2.4. PROCESO DE FORMULACIÓN DE UN PROBLEMA

Todo programa lineal consta de cuatro partes: un conjunto de variables de decisión, los
parámetros, la función objetivo y un conjunto de restricciones. Al formular un determinado
problema de decisión en forma matemática, debe practicar la comprensión del problema (es
decir, formular un Modelo Mental) leyendo detenidamente una y otra vez el enunciado del
problema. Mientras trata de comprender el problema, formúlese las siguientes preguntas
generales:

1. ¿Cuáles son las variables de decisión? Es decir, ¿cuáles con las entradas controlables? Defina
las variables de decisión con precisión utilizando nombres descriptivos. Recuerde que las
entradas controlables también se conocen como actividades controlables, variables de decisión
y actividades de decisión.

2. Cuáles son los parámetros? Vale decir ¿cuáles son las entradas no controlables? Por lo
general, son los valores numéricos constantes dados. Defina los parámetros con precisión
utilizando nombres descriptivos.

3. ¿Cuál es el objetivo? ¿Cuál es la función objetivo? Es decir, ¿qué quiere el dueño del
problema? ¿De qué manera se relaciona el objetivo con las variables de decisión del dueño del

6
problema? ¿Es un problema de maximización o minimización? El objetivo debe representar la
meta del decisor.

4. ¿Cuáles son las restricciones? Es decir, ¿qué requerimientos se deben cumplir? ¿Debería
utilizar un tipo de restricción de desigualdad o igualdad? ¿Cuáles son las conexiones entre las
variables? Escríbalas con palabras antes de volcarlas en forma matemática.

La región factible tiene poco o nada que ver con la función objetivo (minim. o maxim.). Estas dos
partes en cualquier formulación de PL generalmente provienen de dos fuentes distintas. La
función objetivo se establece para cumplir con el deseo (objetivo) del decisor mientras que las
restricciones que forman la región factible generalmente provienen del entorno del decisor que
fija algunas limitaciones / condiciones para lograr su objetivo.
A continuación, se incluye un problema ilustrativo muy sencillo. Sin embargo, el abordaje del
problema es igual para una gran variedad de problemas de toma de decisión, mientras que el
tamaño o la complejidad pueden variar.

2.5. MÉTODO GRÁFICO

Un problema de programación lineal en dos variables, tiene la siguiente formulación estándar:

Maximizar Z= f(x,y) = ax +by +c

Sujeto a: a1 x + b1 y < c1
a2 x + b2 y < c2
an x +bn y < cn

pudiendo cambiarse maximizar por minimizar, y el sentido de las desigualdades. En un problema

de programación lineal intervienen:

La función f(x,y) = ax + by + c, llamada función objetivo y que es necesario optimizar. En esa

expresión x e y son las variables de decisión, mientras que a, b y c son constantes.

Las restricciones que deben ser inecuaciones lineales. Su número depende del problema en
cuestión. El carácter de desigualdad viene impuesto por las limitaciones, disponibilidades o
necesidades, que son: inferiores a ... (menores: < o); como mínimo de ... (mayores: > o). Tanto

7
si se trata de maximizar como de minimizar, las desigualdades pueden darse en cualquiera de
los dos sentidos.

Al conjunto de valores de x e y que verifican todas y cada una de las restricciones se lo denomina
conjunto (o región) factible. Todo punto de ese conjunto puede ser solución del problema; todo
punto no perteneciente a ese conjunto no puede ser solución. En el apartado siguiente veremos
cómo se determina la región factible.

La solución óptima del problema será un par de valores (x0, y0) del conjunto factible que haga
que f(x,y) tome el valor máximo o mínimo.

2.6. DETERMINACIÓN DE LA REGIÓN FACTIBLE.

La solución de un problema de programación lineal, en el supuesto de que exista una solución,

debe estar en la región determinada por las distintas desigualdades. Esta recibe el nombre de
región factible, y puede estar o no acotada.

Región factible acotada Región factible no acotada

La región factible incluye o no los lados y los vértices, según que las desigualdades sean en
sentido amplio (o) o en sentido estricto (< o >). Si la región factible está acotada, su
representación gráfica es un polígono convexo con un número de lados menor o igual que el
número de restricciones.

El procedimiento para determinar la región factible es el siguiente:

1) Se resuelve cada inecuación por separado, es decir, se encuentra el semiplano de soluciones

de cada una de las inecuaciones.

8
Se dibuja la recta asociada a la inecuación. Esta recta divide al plano en dos regiones o
semiplanos
Para averiguar cuál es la región válida, el procedimiento práctico consiste en elegir un punto,
por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las coordenadas satisfacen
o no la inecuación. Si lo hacen, la región en la que está ese punto es aquella cuyos puntos
verifican la inecuación; en caso contrario, la región válida es la otra.

2) La región factible está formada por la intersección o región común de las soluciones de todas
las inecuaciones.
Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones lineales
pueden presentar varias opciones respecto a sus soluciones: puede no existir solución y en el
caso de que exista el conjunto solución puede ser acotado o no.

2.7. MÉTODO SIMPLEX

Uno de los métodos más importantes para la resolución de la programación lineal es el método
Simplex. Si bien como se mencionó antes, este trabajo no está dirigido a matemáticos que deban
profundizar en las herramientas, es necesario conocer los fundamentos sobre los cuales este
método se apoya.

El método Simplex fue desarrollado por Dantzig en 1947 y es un método algebraico de conceptos
geométricos. Es un método iterativo (repite una serie de pasos fijos) que se inicia encontrando
una solución factible inicial. Esta solución factible inicial es un punto en los vértices del polígono
de soluciones factibles como se vio anteriormente en la solución grafica de la PL. El método
parte de esta solución factible inicial, se plantea si la misma es óptima y si no lo es busca otra
solución factible y así sucesivamente.

Para iniciar el método se elige el origen (todas las variables de decisión iguales a cero) y luego
escoge soluciones adyacentes a este punto. Esto es el método sigue una trayectoria a lo largo
de las aristas de la figura de la región factible. Para conocer su trayectoria el método evalúa en
cuanto cada potencial solución mejora la función objetivo(Z) y opta moverse por aquella que
tiene una mejor tasa de mejoramiento.

9
El método se inicia convirtiendo la desigualdad que tenemos en el sistema de ecuaciones
cambiando por restricciones de igualdad equivalentes. Para lograr esto se recurre a las variables
de holgura o slacks que veremos más adelante.

Para simplificación de la idea original se desarrolló una variante del método llamado Método
Simplex revisado que se acomoda a el procesamiento por medio de la computadora. Esta
variante utiliza operaciones con matrices La Programación Lineal en sus fundamentos tiene
principalmente cuatro supuestos:

Proporcionalidad, aditividad, divisibilidad y certidumbre. No hemos reparado en estas

propiedades o supuestos de la PL ya que en la realidad de los problemas estas no se cumplen. Si
bien es necesario para el método Simplex que no existan grandes desvíos de las mismas.
La tarea importante de la metodología Simplex es la obtención de las variables de holgura y los
A B C GANANCIA

FOCO AHORRADOR 20 15 26 8

FOCO NO AHORRADOR 22 19 16 10

DISPONIBILIDAD 1200 900 1000

denominados precios sombra que tienen una enorme importancia práctica.

2.8. EJEMPLO
Una empresa elabora focos para ello utiliza 3 materias primas para hacer focos ahorradores y
no ahorradores. Se sabe que de disponibilidad se tiene 1200 unidades de A, 900 unidades de B,
y 1000 unidades de C. Para los ahorradores se necesita 20 de A, 15 de B y 26 de C, para el no
ahorrador se necesita 22 unidades de A, 19 unidades de B y 16 de C
La ganancia asciende a S/ 8 por foco ahorrador y S/ 10 por foco no ahorrador

10
  VARIABLES
X= NUMERO DE FOCOS AHORRADORES A PRODUCIR
Y= NUMERO DE FOCOS NO AHORRADORES A PRODUCIR
 FUNCION OBJETIVO

Zmax= 8x + 10y

 RESTRICCIONES

o 20X + 22Y <=1200

o 15X+19Y <=900
o 26X + 16Y <=1000
o NO NEGATIVIDAD X, Y >= 0
2.8.1. RESOLUCIÓN MEDIANTE TORA, MÉTODO GRÁFICO

11
2.8.2. RESOLUCIÓN MEDIANTE POM FOR WINDOWS, MÉTODO SIMPLEX

12
RESPUESTA ÓPTIMA:
Para maximizar mis ganancias necesito producir 18 focos ahorradores y 33 focos no
ahorradores, de esa manera obtendré una ganancia de s/475.59

13
CAPITULO 3: LA GRAN RELACIÓN: LA TEORÍA DE JUEGOS Y LA PROGRAMACIÓN LINEAL
3.1. LA GRAN RELACIÓN: LA TEORÍA DE JUEGOS Y LA PROGRAMACIÓN LINEAL
La teoría de los juegos está muy relacionada con la programación lineal, en el sentido de que un
juego entre dos personas con suma cero se puede expresar como programa lineal, y viceversa.
De hecho, G. Dantzig dice que J. von Neumann, padre de la teoría de los juegos, al introducir por
primera vez el método símplex en 1947, reconoció de inmediato esta relación, y además señaló
y destacó el concepto de dualidad en la programación lineal.

Ahora bien, sea

La ecuación implica que

El problema del jugador A se puede escribir entonces como sigue:

14
Maximizar z = v
sujeta a

Observe que el valor del juego, v, no tiene restricción de signo.

Con un procedimiento parecido al del jugador A, el problema de B se reduce a

Minimizar w = v
Sujeta a:

Los dos problemas optimizan la misma variable v (sin restricción), el valor del juego. La razón es
que el problema de B es el dual del problema de A. Eso quiere decir que la solución óptima de
un problema produce en forma automática la solución óptima del otro.

15
3.2. JUEGOS DE SUMA CERO PARA DOS JUGADORES CON ESTRATEGIAS
ALEATORIZADAS
Se analizarán ahora aquellos juegos que no tienen punto silla, que de hecho son mucho más
frecuentes en la práctica. Para ello supongamos que dos personas van a jugar a pares o impares
solamente con la posibilidad de sacar uno o dos dedos cada uno. Si las sumas de ambos son par
el jugador A pagaría un euro al jugador B. En caso contrario será B el que pague a A. Por tanto,
la matriz de beneficios se puede expresar de la forma siguiente:

No hay punto silla. Eso significa que para cualquier decisión de estrategias hay un jugador que
puede beneficiarse cambiando de estrategia unilateralmente. Si por ejemplo los dos sacan dos
dedos el resultado sería par y ganaría B. Pero al cambiar A de estrategia pasaría a ganar A y por
tanto a perder B.
Se determinarán ahora estrategias optimas y el valor de este juego. Para ello se amplía el
conjunto de estrategias posibles. Hasta ahora se ha supuesto que cada vez que un jugador
participa en un juego utilizaría la misma estrategia. Ahora se permitiría que un jugador opte por
una estrategia concreta en una proporción determinada de casos, que llamaremos probabilidad.
Este tipo de estrategias se denominan estrategias aleatorizadas o mixturas.

3.3. SOLUCIÓN CON PROGRAMACIÓN LINEAL

En general podríamos dar el siguiente procedimiento de resolución:
1. Verificar si hay un punto silla. Si existe esa es la solución optima y hemos terminado. En caso
contrario se continuaría con el siguiente paso.
2. Eliminar las estrategias dominadas por el jugador fila. Una vez eliminadas las filas
correspondientes se eliminarán las estrategias dominadas por el jugador columna. De nuevo se
eliminarán las estrategias dominadas por el jugador fila y se continua el proceso hasta que no
queden estrategias dominadas.
3. Si la matriz de ganancias del juego es 2×2 se resolverá gráficamente. En caso contrario se
resolverá con programación lineal:

16
Observaciones:
1. El dual del problema de programación lineal del jugador fila es el problema del jugador
columna. El problema dual es una programación lineal definida en forma directa y sistemática a
partir del modelo original (o primal) de programación lineal. Los dos problemas están
relacionados en forma tan estrecha que la resolución óptima de un problema produce en forma
automática la resolución óptima del otro.
En la mayor parte de las presentaciones de programación lineal, el dual se define para varias
formas del primal, dependiendo del sentido de la optimización (maximización o minimización),
tipos de restricciones (≤, ≥ 𝑜 =), y la orientación de las variables (no negativa o no restringida).
2. El valor óptimo de ambos problemas es el mismo (Teorema del minimax) y es el valor del
juego.

EJEMPLO APLICATIVO 1: (SOLUCIÓN DE JUEGOS CON PROGRAMACIÓN LINEAL)

Resolver el siguiente juego con programación lineal.

17
Para resolver cualquier juego entre dos personas con suma cero se puede usar el programa
TORA:

18
U

Resultados del juego entre dos personas con suma cero, EJERCICIO APLICATIVO 1: (SOLUCIÓN
DE JUEGOS CON PROGRAMACIÓN LINEAL), obtenidos con TORA

19
EJEMPLO APLICATIVO 2: (SOLUCIÓN DE JUEGOS CON PROGRAMACIÓN LINEAL)
Supongamos que dos empresas concursan en la adjudicación de un proyecto de construcción.
Para ello cada una de ellas puede ofertar uno de tres tipos posibles P1, P2 y P3. La matriz de
ganancias se muestra a continuación. Obsérvese que la ganancia será 1 si su proyecto vence, -1
si pierde y 0 si resulta desierto y ha de repetirse la convocatoria.

Se aprecia claramente que uno es dual del otro.

La solución óptima será: v = 0, x1 =1/3, x2 = 1/3, x3 = 1/3 para el primero y w = 0, y1 = 1/3, y2 =
1/3, y3 = 1/3.

20
 CAPITULO 4: APLICACIÓN DE SOFTWARE
4.1. PROBLEMA APLICATIVO
En la ciudad de Arequipa hay diversas empresas dedicadas a fabricar calzado. LOS DÁVILA S.A es
una de ellas, este año bajo en sus ventas ya que apareció una nueva empresa llamada CALZADOS
AQP S.A esta empresa da a un menor precio y calidad sus productos en comparación con LOS
DÁVILA S.A. Aunque para el comprador es igual o bueno casi imperceptible a simple vista la
diferencia de calidad. Ahora, como ambos son grandes abastecedores de calzado, les llega una
cotización de tiendas Falabella con un pedido de 3700 pares de calzados (entre zapatillas,
zapatos y botas) con el tiempo de un mes para fabricarlos y se les pide que hagan una proforma
de los productos. Ellos ya sabían de antemano del pedido que haría dicha tienda y que ellos
serían los elegidos para llevar a cabo el pedido, debido a la cantidad de máquinas que tienen.
Que podría hacer la empresa LOS DÁVILAS S.A para ganar dicha competencia y posteriormente
hacerle frente en cuanto a precios de productos a la empresa Calzados AQ S.A.
Datos:
Empresa CALZADOS AQP S.A
Costo de la proforma: 4100
APLICANDO TEORIA DE JUEGOS
Jugadores
 Los Dávila S.A
 Calzados AQP S.A

Acciones
Lo que podrán hacer ambas empresas será subir o bajar el precio de sus productos.

21
Estrategias
Dado que la estrategia de ambos jugadores tendrá que ser dominante, independientemente de
la estrategia que opte el otro jugador, la estrategia óptima para cada uno de ellos es la de no
cooperar.
Si le colocáramos valores a cada posible escenario del ejemplo podría ser el siguiente:
1 = Resultado Positivo
-1= Resultado Negativo

Dado el siguiente cuadro hemos calculado el equilibrio de Nash al seleccionar la mejor estrategia
de cada jugador dada la del otro. El equilibrio de Nash como se puede observar es el de la mutua
defección, es decir en la que nadie copera. El dilema se plantea por consiguiente debido a que
si ambos cooperasen se encontrarían en la mejor situación colectiva, pero existe el miedo a
adoptar una estrategia cooperativa y perder la competencia como consecuencia de la traición
del otro si este no actúa de la misma manera.
Pagos
Ambos jugadores podrían mejorar sus ganancias si ambos individuos pudiesen cambiar su
estrategia y cooperasen, sin embargo, tratándosele de un equilibrio de Nash ninguno tiene
incentivos individualmente para realizar dicho cambio puesto que 0 es mayor que -1.
Decisión
Bajar el precio del producto

Proceso de reducción de costos:

Primeramente, iremos a la parte de la fabricación del producto
LOS DÁVILA S.A es una empresa dedicada a fabricar calzado, para esta temporada de verano
está planeando producir en el siguiente:
Tipo de calzado Zapatos Zapatillas Botas
N° de peticiones 2000 500 1200

El proceso de producción se realiza a través de tres máquinas. Todas son capaces de elaborar
cada uno de los tres tipos de productos. Sin embargo, los costos de producción varían

22
dependiendo de las máquinas empleadas. Las capacidades de producción para el mes siguiente
son:
Maquina I II III
Capacidad 1500 1500 1000

Los costos unitarios, se expresan de esta forma:

Zapato Zapatilla Bota
Maquina I 1 1.2 0.9
Maquina II 1.3 1.4 1.2
Maquina III 1.1 1 1.2

Lo que se necesita es crear un diseño de producción de costo mínimo para productos y

máquinas. Para esto se utilizará el software LINDO.
Definición de las variables:
X: Número de zapatos a producir

Y: Número de zapatillas a producir

Z: Número de botas a producir

Funcion Objetivo
ZMIN = X1 + 1.2 Y1 + 0.9 Z1 + 1.3 X2 + 1.4 Y2 + 1.2 Z2 + 1.1 X3 + Y3 + 1.2 Z3

Restricciones:
Capacidad de la Máquina I Para producir: X1 + Y1 + Z1 <= 1500
Capacidad de la Máquina II Para producir: X2 + Y2 + Z2 <= 1500
Capacidad de la Máquina III Para producir: X3 + Y3 + Z3 <= 1000
Peticiones de zapatos: X1 + X2 + X3 = 2000
Peticiones de zapatillas: Y1 + Y2 + Y3 = 500
Peticiones de botas: Z1 + Z2 + Z3 = 1200

Llevándolo al software LINDO - Resultado

23
24
Interpretando resultados:
Primera parte: (Valor Objetivo de la función)

De acuerdo con la salida que muestra el LINDO, la manera óptima de producción es la siguiente
manera:
 Máquina I: 300 pares de zapatos y 1200 pares de botas.
 Máquina II: 1200 pares de zapatos
 Máquina III: 500 pares de zapatos y 500 pares de zapatillas

Con un costo óptimo de 3990 soles.

Segunda parte: (Necesidad o abundancia – Precios duales)

2- Capacidad de la Máquina I Para producir:

o Holgura o excedente es igual a 0 (se está consumiendo toda la disponibilidad para producir de
la máquina I)
o Precio Dual es de S/ 0.300 (por cada unidad de disponibilidad adicional que la maquina tenga
el costo optimo disminuirá en S/ 0.300).
3- Capacidad de la Máquina II Para producir:
o Holgura o excedente es igual a 300 (no se está consumiendo toda la disponibilidad para
producir de la máquina II)
o Precio Dual es de S/ 0 (no genera ningún cambio porque no se está utilizando al 100% esta
máquina ya que tiene un excedente o una holgura).
4- Capacidad de la Máquina III Para producir:
o Holgura o excedente es igual a 0 (se está consumiendo toda la disponibilidad para producir de
la máquina III)

25
o Precio Dual es de S/ 0.200 (por cada unidad de disponibilidad adicional que la maquina tenga
el costo optimo disminuirá en S/ 0.200).
Tercera parte: (Gamas en las cuales la base no ha cambiado)

o X1 - # de pares de zapatos en la Maquina I SI se producen: Su costo se encuentra en el rango

1 + 0.3 y 1 – 0; [1.3,1] es el rango en que toda la solución óptima NO CAMBIA
o Y1 - # de pares de zapatillas en la Maquina I NO se producen: Su costo se encuentra en el
rango 1.2 + infinito y 1.2 – 0.3; [1.2 + ∞,0.9] es el rango en que toda la solución óptima NO
CAMBIA
o Z1 - # de pares de botas en la Maquina I SI se producen: Su costo se encuentra en el rango
0.9 + 0 y 0.9 – infinito; [0.9, 0.9- ∞] es el rango en que toda la solución óptima NO CAMBIA
o X2 - # de pares de zapatos en la Maquina II SI se producen: Su costo se encuentra en el rango
1.3 + 0y 1.3 – 0.2; [1.3,0.9] es el rango en que toda la solución óptima NO CAMBIA
o Y2- # de pares de zapatillas en la Maquina II NO se producen: Su costo se encuentra en el
rango 1.4 + infinito y 1.4 – 0.2; [1.4 + ∞,1.2] es el rango en que toda la solución óptima NO
CAMBIA
o Z2 - # de pares de botas en la Maquina II NO se producen: Su costo se encuentra en el rango
1.2 + infinito y 1.2 – 0; [1.2 + ∞,1.2] es el rango en que toda la solución óptima NO CAMBIA
o X3 - # de pares de zapatos en la Maquina I SI se producen: Su costo se encuentra en el rango
1.1 + 0.2 y 1.1 – 0.2; [1.3,0.9] es el rango en que toda la solución óptima NO CAMBIA
o Y3 - # de pares de zapatos en la Maquina I SI se producen: Su costo se encuentra en el rango
1 + 0.2 y 1 – infinito; [1.2,1- ∞] es el rango en que toda la solución óptima NO CAMBIA
o Z3- # de pares de zapatillas en la Maquina II NO se producen: Su costo se encuentra en el
rango 1.2 + infinito y 1.2 – 0.2; [1.2 + ∞,1] es el rango en que toda la solución óptima NO CAMBIA
Cuarta parte: (Rangos del lado derecho)

26
2- Capacidad de la Máquina I Para producir:
Se encuentra en el rango 1500 + 1200 y 1500 - 300; [2700, 1200] es el rango de disponibilidad
de la Maquina I para producir los calzados, sin afectar los Precios Duales.
3- Capacidad de la Máquina II Para producir:
Se encuentra en el rango 1500 + infinito y 1500 - 300; [infinito, 1200] es el rango de
disponibilidad de la Maquina II para producir los calzados, sin afectar los Precios Duales.
4- Capacidad de la Máquina III Para producir:
Se encuentra en el rango 1000 + 1200 y 1000 - 300; [2200, 700] es el rango de disponibilidad de
la Maquina III para producir los calzados, sin afectar los Precios Duales.

27
CONCLUSIONES

 Las matemáticas están presentes en muchas más situaciones de las que solemos pensar,
no solo en el ámbito económico o estratégico, sino también en nuestro día a día.
 Y es una ventaja para nosotros conocer esa vinculación con la programación lineal para
poder aplicarla maximizando con ello nuestros beneficios.
 La teoría de los juegos es solo un ejemplo más de cómo las matemáticas y la ciencia
económica nos ayudan en nuestras decisiones rutinarias.
 Podemos afirmar que la programación lineal es una herramienta muy útil, tanto para
personas con empresas independientes como para grandes compañías. Permite
administrar de la mejor manera los recursos con los que se cuenta para poder
aprovecharlos al máximo, como también ayuda a obtener mayores ganancias y a
minimizar los costos. La programación lineal es un procedimiento o algoritmo
matemático, mediante el cual se resuelve un problema indeterminado. La programación
lineal nos permite utilizar diferentes métodos los cuales nos permiten reducir costos y
obtener ganancias.
 Para aplicar el método de la programación lineal a una teoría de juegos es necesario
verificar si hay un punto silla. Si existe esa es la solución óptima y hemos terminado. En
caso contrario se continuaría con el siguiente paso.
 El dual del problema de programación lineal del jugador fila es el problema del jugador
columna. El problema dual es una programación lineal definida en forma directa y
sistemática a partir del modelo original (o primal) de programación lineal. Los dos
problemas están relacionados en forma tan estrecha que la resolución óptima de un
problema produce en forma automática la resolución óptima del otro.
 El valor óptimo de ambos problemas en un problema de teoría de juegos es el mismo
(Teorema del minimax) y es el valor del juego.

28
BIBLIOGRAFIA
LIBROS Y REVISTAS

Carro Paz, Roberto Investigación de operaciones en administración. - 1a ed. - Mar del Plata:
Universidad Nacional de Mar del Plata, 2014.

INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Novena edición Frederick S.

Hillier,Gerald J. Lieberman

PEARSON, Investigación de Operaciones en la Ciencia Administrativa QUINTA EDICIÓN

WEBGRAFÍA
- https://docplayer.es/335924-1-juegos-de-suma-cero-con-dos-jugadores.html
- https://es.slideshare.net/yojanntrejohuaman/tema-teoria-de-
juegos?from_action=save
- https://www.youtube.com/watch?v=hNsyW9dyixo video dilema del prisionero.
(duración 3:50min)
- https://www.youtube.com/watch?v=uz58hg0EJAY video Cambio de Variables.
(duración 3:14min)

29