Documente Academic
Documente Profesional
Documente Cultură
012
I. Conceptos Bsicos
1. El Problema
La gnesis de todo proceso decisorio hay que buscarla en la percepcin de
que algo anda mal y necesariamente debe ser resuelto; o al menos comprendido y
manejado hasta una eventual resolucin. Esto define que existe una situacin que
es insatisfactoria a los efectos de la organizacin y por ende a los fines del
gerente. Esta es bsicamente la definicin de un problema; una diferencia tangible
(en trminos prcticos) entre el estado de la situacin actual y el estado esperado,
aspirado o posible de la misma. Tangible por que debe ser susceptible de ser
descrita, y por ende medida, an cuando tal descripcin y medicin no sean
exhaustivas para su caracterizacin. Ms concretamente podemos observar el
siguiente patrn cuando enfrentamos un problema:
(i) La situacin no est definida ciento por ciento, hay un espacio entre la
realidad tal cual como es y nuestra percepcin de la misma. Sin entrar en mayores
profundidades, aceptaremos axiomticamente que nuestro conocimiento de la
realidad es, en el mejor de los casos limitado; pero consideraremos siempre el
conjunto de elementos que describe la situacin como contable y finito. Esto nos
permitir mantener el tratamiento matemtico del tema dentro de los fenmenos
discretos, que es donde pertenecen los casos prcticos de decisin que
discutiremos en nuestro curso.
(ii) La decisin es el vector de transformacin desde el estado actual hasta
la situacin deseada, sus componentes son los valores de cada uno de los
elementos que la definen; por ejemplo costos, inversiones, tiempo, entre otros.
En general es una accin que comprende y compromete un conjunto de recursos
y una actuacin determinada, definida dicha actuacin como la manera de utilizar
los recursos.
(iii) La definicin de la decisin comprende la caracterizacin y medicin de
la situacin observada y la definicin en los mismos trminos de la situacin
objetivo. Requiere de un esfuerzo por comprender la situacin en sus detalles
relevantes a los objetivos que se persiguen y en evidenciar aquellos elementos
que, por no ser obvios, deben ser descubiertos y descritos con un esfuerzo de
investigacin.
2. El proceso decisorio
En nuestro curso anterior de gerencia de la informtica definimos este
proceso, en general, como compuesto de las siguientes etapas:
A. Anlisis de la situacin. Durante la cual se define y describe el problema, los
factores relevantes al mismo, el contexto o premisas en las cuales se enmarcar
la accin y las relaciones causa-efecto determinantes. Este proceso debe
evidenciar la realidad (tanto la actual como la deseada) y debe mejorar nuestra
percepcin de ella lo ms posible. En este proceso la apreciacin objetiva es de
fines que perseguimos en este curso, sin apoyar una u otra posicin en el
escenario de la discusin acadmica. Podemos enfrentar una decisin trivial, es
decir, evidente, se presenta obvio lo que debemos hacer; si voy por una va y
observo que el indicador de gasolina est en E, es claro que mi decisin ser
abastecer combustible en la bomba ms cercana; es decir la que primero
aparezca. An cuando sepa que despus de esa hay otras en las podra
abastecer; por lo menos un cuarto de tanque debera hacerlo en esta. Y es
simplemente porque el beneficio de buscar una preferida (por la razn que sea) no
se justifica con el costo potencial de quedarme sin combustible antes de llegar a
ella. Esta es una decisin trivial, no hay que darle muchas vueltas al tema. En
condiciones ms formales, si deseo mezclar dos productos para producir un
tercero; en cierta proporcin variable y sujeto a un conjunto de condiciones
restrictivas para el proceso de produccin; me dirijo a un modelo de programacin
lineal que me permita definir cul es la combinacin ptima para maximizar el
beneficio o minimizar el costo. Ya Uds. han resuelto este tipo de problemas en su
curso de investigacin de operaciones. Lo relevante en el punto es que an
cuando el modelo acepte o prescriba ms de una solucin posible al problema,
slo hay una solucin ptima y por tanto el proceso de escogencia est vaco de
contenido. En ambos casos podemos establecer que el ambiente de decisin es
de certeza; sabemos cul es el problema; conocemos todos los elementos
intervinientes y podemos describir la situacin objetivo sin ninguna ambigedad o
duda; y podemos en consecuencia decir; prescribir, lo que se debe hacer, tambin
sin duda o ambigedad. Este tipo de temas se tocar en nuestro curso con
carcter complementario, y las referencias sern principalmente a la aplicacin de
decisiones basadas sobre modelos de distribucin estadstica y probabilstica
exigidas por el programa de la materia.
Tambin tenemos el ambiente de mltiples alternativas, en el cual alguna
metodologa aplicable para definir la solucin ptima se ve afectada por nuestro
conocimiento de la realidad. As, si conocemos los elementos y posibles
realidades futuras asociadas a cada opcin y adicionalmente podemos asignar
una probabilidad de ocurrencia a los eventos que nos llevan a esos futuros
Elementos
Decisores
Alternativas
Valor decisional
Resultados posibles
Probabilidades asociadas
Causas generatrices
Consecuencias de los resultados
Bien estructurado
uno / pocos
limitadas
consenso
conocidos
calculables
enumerables/conocidas
parcialmente conocidas
Estructura
Semi estructurado
uno / pocos
limitadas
consenso
parcialmente conocidos
incalculables
parcialmente conocidas
desconocidas
No estructurado
muchos
ilimitadas
conflicto
desconocidos
incalculables
desconocidas en general
desconocidas
decisin hay varios modelos que organizan la informacin, como por ejemplo la
matriz de decisin que discutiremos a continuacin, los modelos de utilidad
multiatributos (tambin en forma matricial); los modelos bayesianos, entre otros.
En resumen estos modelos permiten representar, organizar y operar sobre las
opciones o alternativas, sus descriptores y las consecuencias de cada una de las
acciones para evidenciar las relaciones que existen entre ellas y los mltiples
resultados de su combinacin.
La matriz de decisin
En este modelo tendremos tres clases de elementos para describir el
contexto de la decisin y la estructura del problema. En primer lugar los estados
del suceso; que comprende los elementos del conjunto numerable y no vaco de
situaciones dadas, mutuamente excluyentes, no controlables por el decisor. A este
conjunto se le denomina espacio de los sucesos (tambin se le conoce por
estados de la naturaleza), se le denota por ; y sus elementos por
j , 1 j n
ai , . 1 i m , m = 1, 2,
3 m
En tercer lugar, seleccionado un curso de accin ai perteneciente a A y
habindose verificado un estado de suceso
Matriz de decisin
1
......
......
a1
r11
r12
......
r1j
......
r1n
a2
r21
r22
......
r2j
......
r2n
.......
......
......
......
......
......
......
ai
ri1
ri2
......
rij
......
rin
........
......
......
......
......
......
am
rm1
rm2
......
rmj
......
rmn
Si, por ejemplo se afirma que a1 } a2, (donde } : preferido a); quiere decir que
r1j r2j
y que
10
11
12
13
desean alcanzar. Verificar los recursos disponibles o que se puedan acopiar para
emprender la solucin. Y a partir de ello formular las opciones (acciones) posibles
que permitan atacar el problema con suficiente posibilidad de xito.
En nuestro ejemplo el espacio de las acciones (los cursos de accin)
posibles, segn los factores que hemos determinado con anterioridad:
a1 : no introducir la novedad
a2 : Introducir la novedad usando la mquina estndar
a3 : Introducir la novedad usando la mquina automatizada
14
Los resultados
Los resultados provienen de intersectar las acciones con los sucesos, en
general a travs de una funcin claramente establecida definiendo una relacin
real y cuantificable. Esta relacin o funcin debe ser aplicable a todos los sucesos
sin condicionamientos diferenciadores o particularidades.
Los resultados se especifican en la matriz de decisin. Cada celda de la
matriz representa un punto nico en el futuro y para este punto podemos hacer un
anlisis condicional a fin de determinar la consecuencia.
En este ejemplo cada consecuencia es el resultado de considerar todos los
capitales involucrados y expresarlos en trminos de utilidades antes de impuestos,
o utilidad bruta:
+ Ingresos (precio de venta * cantidad de unidades)
- Costo variable (costo de produccin * cantidad de unidades)
- Costo de arrendamiento
= Utilidad Bruta o utilidad antes de impuestos
1.000
5.000
12.000
a1
No introducir la novedad
0,00
0,00
0,00
a2
-500,00
1.500,00
5.000,00
a3
-4.000,00
0,00
7.000,00
15
5.000
12.000
a1
No introducir la novedad
0,00
0,00
0,00
a2
-500,00
1.500,00
5.000,00
a3
-4.000,00
0,00
7.000,00
16
El centro del proceso decisorio es cmo definir las relaciones de dominio entre las
opciones, es decir bajo cuales argumentos puede el decisor diferenciar cuando
una accin domina a otra y en consecuencia establecer sus prioridades de
preferencia. Este es el papel del equivalente de certidumbre, entendido este como
la utilidad mnima necesaria para aceptar una accin y definir su preferencia con
respecto a las otras. As el decisor considera cada accin, sus consecuencias y
sus probabilidades para determinar el monto mnimo que aceptara para la opcin,
si ella fuese la nica disponible.
Por ejemplo, al considerar la opcin a 1 : no introducir la novedad, se hace
obvio que la utilidad mnima que aceptaremos ser cero. Si esta fuese la nica
accin disponible, cualquier utilidad mayor que cero sera mejor que ejecutar esta
opcin. Por el contrario esta sera preferida antes que aceptar una utilidad
negativa. En consecuencia asignamos a la accin no introducir la novedad (a 1) el
equivalente de certidumbre igual a cero.
El proceso se complica al tratar de asignar el exacto valor equivalente de
incertidumbre a las otras dos opciones. Si consideramos a2 : introducir la novedad
utilizando la mquina estndar lo peor que podra pasar sera perder Bs. 500, por
tanto resulta evidente que no sera razonable seleccionar como equivalente de
certidumbre una cantidad menor a Bs. 500, igualmente evidente es que nunca
puede esperarse obtener ms de Bs. 5.000, as que una cifra superior no sera
razonable como equivalente de certidumbre. As que a partir de estos lmites
podramos acotar; sera preferible aceptar Bs. 4.000 seguros o seleccionar la
opcin a2? Podra aceptarse los Bs. 4.000, pues como se observa slo hay una
posibilidad en cinco (20%) de obtener un mejor retorno seleccionando la opcin 2,
ms an en ese caso slo obtendra Bs. 5.000. Por otro lado, podemos
preguntarnos si aceptaramos Bs. 1.000 seguros, en lugar de optar por a2; este
caso sera favorable a la opcin a2, pues existe una probabilidad del 70% de
obtener mejores retornos, y en el peor de los casos slo perderamos Bs. 500.
Puede verse que en esta iteracin de reduccin del rango aceptable de utilidad
17
mx _ ai (rij * p j )
j 1
18
Valor Esperado
(Utilidad)
a1
No introducir la novedad
0,00
0,00
0,00
a2
-500,00
1.500,00
5.000,00
1.600,00
a3
-4.000,00
0,00
7.000,00
200,00
0,00
Se infiere que a2 } a3 } a1
En este procedimiento hemos asignado como valor para discriminar entre
las opciones el valor esperado, entendiendo ste como el equivalente de
certidumbre. Este no es ms que el promedio ponderado (por la probabilidad de
ocurrencia) de los retornos de cada opcin, representando la media de la utilidad
obtenida por cada accin considerando todos los sucesos posibles. Se basa en el
hecho que la esperanza matemtica de la utilidad ser estadsticamente hablando
el beneficio ms probable a obtener.
Hasta este punto si decidimos jugar a los promedios, la decisin ms
adecuada a nuestros fines es la de optar por a 2 que ofrece un equivalente de
certidumbre de Bs. 1.600. Ahora bien, el aceptar el valor o utilidad esperada como
equivalente de certidumbre es una alternativa del decisor, y se basar en el hecho
que ninguna de las consecuencias de las opciones de bajo retorno ser tan
desastrosamente mala como para que, si se presentase, le fuese imposible seguir
en el negocio.
19
El valor de la informacin.
En este punto cabe preguntarnos si es posible obtener informacin que nos
permita conocer de antemano, con suficiente seguridad qu es lo que pasar en el
futuro, en nuestro caso cul de los tres pronsticos de ventas ocurrir. Previsiones
y pronsticos, mientras ms acertados mejor, proveen esta informacin, ya sea
por la va de estudios de mercado,
20
5.000
12.000
Valor
Esperado
(Costo op.)
a1
No introducir la novedad
0,00
1.500,00
7.000,00
2.150,00
a2
500,00
0,00
2.000,00
550,00
4.000,00
1.500,00
0,00
a3
1.950,00
21
Sucesos + probabilidades
0,3
0,5
0,2
a1
a2
a3
No introducir la
novedad
Introducir la novedad.
Maq. Estndar
Introducir la novedad.
Maq. Automatizada
Valor
Esperado
(Utilidad)
1.000
5.000
12.000
0,00
0,00
0,00
-500,00
1.500,00
5.000,00
1.600,00
-4.000,00
0,00
7.000,00
200,00
750,00
1.400,00
2.150,00
1.600,00
Utilidad
Valor de la informacin
0,00
550,00
Criterio de Laplace.
Pierre Laplace propone considerar todos los posibles sucesos como
equiprobables, es decir de igual probabilidad, argumentando que estando los
sucesos posibles en el futuro no hay razn suficiente para suponer que alguno de
ellos ocurrir con preferencia a otros, siendo este el caso de perfecta
incertidumbre. En consecuencia para un problema de decisin con n posibles
sucesos, se asignar a cada suceso la probabilidad de 1/n y se seleccionar como
accin ptima aquella que presente el mejor resultado esperado.
22
n 1
mx _ ai ( rij )
j 1 n
Criterio de Laplace
Sucesos + probabilidades
0,3333
0,3333
0,3333
1.000
5.000
12.000
Valor Esperado
(Utilidad)
a1
No introducir la novedad
0,00
0,00
0,00
a2
-500,00
1.500,00
5.000,00
1.999,80
a3
-4.000,00
0,00
7.000,00
999,90
0,00
Se infiere que a2 } a3 } a1
En este caso observamos que el resultado es igual al obtenido por el criterio
del valor esperado mximo; es casualidad.
Como siempre las matemticas (rigurosamente ejecutadas) son un apoyo
para el sentido comn, as que debemos considerar las debilidades del criterio; en
primer lugar requiere de la enumeracin exhaustiva de los sucesos, tarea que de
ordinario es complicada. Por otra parte su estructura puede llevar a elegir acciones
matemticamente correctas pero con probabilidades de prdidas importantes,
como se sigue en la siguiente tabla:
Sucesos
2
Acciones
1
15.000,00 -5.000,00
a1
5.000,00 4.000,00
a2
Ve
5.000,00
4.500,00
23
rij
Espacio de
las
acciones
5.000
12.000
Peores
resultados
24
MIN-MAX
Mejores
resultados
accin1
0,00
0,00
0,00
0,00
0,00
accin2
-500,00
1.500,00
5.000,00
-500,00
5.000,00
accin3
-4.000,00
0,00
7.000,00
-4.000,00
7.000,00
Espacio de
las
acciones
5.000
12.000
Peores
resultados
MIN-MAX
Mejores
resultados
accin1
0,00
0,00
0,00
0,00
0,00
accin2
-500,00
1.500,00
5.000,00
1.500,00
5.000,00
accin3
-4.000,00
0,00
7.000,00
0,00
7.000,00
25
Puede observarse que el criterio debe ser aplicado con anlisis del contexto
del problema. De obtener slo retornos positivos la aplicacin rigurosa del criterio
Wald no arroja mayores complicaciones. De observarse slo retorno negativos,
tampoco, aunque siempre teniendo en cuenta que el objetivo del decisor ser
siempre minimizar las prdidas.
Como siempre confrontar la rigurosidad matemtica con el sentido comn y
observar que al igual que el anterior el criterio de Wald puede conducir a
decisiones poco adecuadas. Por ejemplo, consideremos la siguiente tabla de
decisin:
Sucesos
Acciones
Peores
resultados
a1
1.000,00
99,00
99,00
a2
100,00
100,00
100,00
Criterio de Savage.
Leonard Savage argumenta que al utilizar los valores rij para realizar la
eleccin, el decisor compara el resultado de una alternativa bajo un estado de la
naturaleza (j) con todos los dems resultados, independientemente del estado de
la naturaleza bajo el que ocurran. Sin embargo, el estado de la naturaleza no es
controlable por el decisor, por lo que el resultado de una alternativa slo
26
debera ser comparado con los resultados de las dems alternativas bajo el
mismo estado de la naturaleza.
Con este propsito Savage define el concepto de prdida relativa o prdida de
oportunidad cij asociada a un resultado rij como la diferencia entre el resultado de
la mejor alternativa dado que j es el verdadero estado de la naturaleza y el
resultado de la alternativa ai bajo el estado j:
ci max rij
1 j m
27
Criterio Savage
1.000
a1
No introducir la novedad
a2
a3
Pronstico de ventas
5.000
12.000
0,00
0,00
0,00
-500,00
1.500,00
5.000,00
-4.000,00
0,00
7.000,00
Mximos
Costos (cij)
a1
No introducir la novedad
0,00
1.500,00
7.000,00
7.000,00
a2
500,00
0,00
2.000,00
2.000,00
a3
4.000,00
1.500,00
0,00
4.000,00
Se infiere que a2 } a3 } a1
Criterio de Hurwicz.
Leonid Hurwicz se enfoca en valorizar los valores extremos a travs de
una funcin de utilidad que permite una suerte de anlisis de sensibilidad dada su
forma de combinacin lineal; toma el criterio de Wald de los peores resultados y
28
propone relacionarlos con los mejores retornos. Para ello define un coeficiente de
optimismo, generalmente simbolizado por que vara entre cero y uno, siendo 1,0
el valor de mximo optimismo y los valores menores a 0,5 indicativos de una
percepcin pesimista. A diferencia de Wald se clasifica a cada curso de accin con
dos vectores; uno correspondiente a los mejores resultados simbolizado con A i y
otro correspondiente a los peores resultados, simbolizado por a i (no confundir este
con el identificador de las acciones) y propone como criterio hallar la siguiente
combinacin lineal:
H = Ai + ai (1-)
Librando al decisor la fijacin del valor de . La seleccin recaer sobre la accin
que presente el mayor valor (equivalente de certidumbre) de los resultados de H;
es decir el mayor de los valores ponderados por el factor de optimismo.
5.000
12.000
Ai
ai
0,00
0,00
0,00
0,00
-500,00
2.250,00
a1
No introducir la novedad
0,00
0,00
a2
Introducir la novedad.
Maq. Estndar
-500,00
1.500,00
a3
Introducir la novedad.
Maq. Automatizada
-4.000,00
0,00
5.000,00 5.000,00
1.500,00
29
3. Arboles de Decisin
Los rboles de decisin es un esquema de organizar la informacin para
situaciones en las cules se debe optimizar una secuencia de decisiones.
Observen que en los modelos discutidos anteriormente un esquema de
informacin organizada se representa en una matriz nica (o en un slo rbol, si
hablamos de AHP); si a la decisin analizada sigue otra decisin esta ser tratada
de la misma manera, a travs de una matriz desarrollada ex professo para dicha
situacin. En el rbol de decisin tratamos de representar todas las posibles lneas
de accin con sus correspondientes consecuencias a lo largo de todo el proceso
decisorio. Todas las consideraciones que se han hecho en los otros modelos con
respecto a calidad de la informacin, a la extensividad de la enumeracin de
acciones y eventos, y a la obtencin de los resultados, son aplicables en este
modelo; el nico cambio ser en la forma de representar la informacin.
Componentes y estructura de un rbol de decisin.
En general es el mismo conjunto de informacin que se ha manejado en los
otros modelos; tendremos as:
.
30
31
32
33
34
Bibliografa
(1) Aguado Franco, Juan. Teora de la decisin y de los juegos. Delta,
Publicaciones Universitarias, 2.007
(2) Lazzari, Luisa, Machado, Emilio y Prez, Rodolfo. Teora de la decisin
fuzzy. Ediciones Macchi, 1.998.
(3) Christenson, Charles, Vancil, Richard y Marshall, Paul. Economa
administrativa. Ed. Continental, 1.979.
(4) Saaty, Thomas. Toma de decisiones para lderes. RWS Publications, 1.995.
(5) Huber, George. Toma de decisiones en la gerencia. Ed. Trillas, 2.008.
(6) Amaya, Jairo. Toma de decisiones gerenciales. Ecoe Ediciones, 2.003.
35
(7) Davis, Roscoe y McKeown, Patrick. Modelos cuantitativos para administracin. Gpo. Ed. Iberoamrica, 1.986.