INGENIERIA INDUSTRIAL

MI5

INVESTIGACION DE OPERACIONES 2

UC MEDINA SANTIAGO AARON

14470381

ING. JAVIER CHACHA COTO

UNIDAD III

TEORIA DE DECISIONES

5 DE DICIEMBRE DE 2019
UNIDAD III TEORIA DE DECISIONES

3.1 CARACTERISTICAS GENERALES

La Teoría de la Decisión trata del estudio de los procesos de toma de decisiones

desde una perspectiva racional.

En cuanto a decisión se refiere, existen dos enfoques sobresalientes:

La teoría de la elección racional (Simón): desde una perspectiva descriptiva, nos

cuenta cómo son los procesos decisorios en las organizaciones. Los hombres
aplican su propia racionalidad limitada por su singular visión de la realidad.

La teoría de la decisión: es una metodología prescriptiva o normativa que indica

cómo se debe decidir para ser consecuentes con los objetivos, preferencias y ciertos
principios impuestos por la teoría. (Cómo se debe decidir, pero no que decidir).

La teoría de la decisión es prescriptiva porque obliga al TD a proceder de una

determinada manera si quiere ser coherente con las premisas definidas.

La teoría de la decisión es subjetiva porque, al prescribir, tiene en cuenta las

preferencias, las valoraciones, las vivencias y la visión del TD.

La teoría de decisiones se ocupa de decisiones contra la naturaleza. Esta fase se

refiere a una situación donde el resultado (rendimiento) de una decisión individual
depende de la acción de otro agente (naturaleza) sobre el cual no se tiene control.
Es importante observar que en este modelo los rendimientos afectan únicamente a
quien toma la decisión. A la naturaleza no le importa cuál es el resultado.

Elementos de un Proceso de Decisión

El decisor (TD): Es el encargado de realizar la selección de alternativas de la mejor

manera, en función de sus objetivos

Las alternativas o cursos de acción: son las diferentes formas de actuar posibles: el
TD deberá seleccionar una de ellas. Es importante tener en cuenta que estas
alternativas deben ser excluyentes entre sí.

Los estados de la naturaleza: son las variables no controlables por el TD. Son
eventos futuros que influyen en el proceso de decisión, pero que no pueden ser
controladas ni previstas, en su comportamiento, por el TD.

Los resultados: es lo que se obtiene ante la selección (la opción) de una alternativa
determinada cuando se presenta uno de los posibles estados de la naturaleza.
La tabla de pagos (o tablas de decisión): sirven para tratar muchos problemas de
decisión y poseen los siguientes elementos:

Los diferentes estados de la naturaleza sj (s1, s2,…, sn).

Las distintas alternativas o cursos de acción, entre los cuales el TD deberá

seleccionar uno aj (a1, a2, …, am).

Los resultados Rij que surgen de la elección de la alternativa ai cuando se presenta

el estado sj

El criterio de decisión: es la especificación de un procedimiento para identificar la

mejor alternativa en un problema de decisión.

La descripción de los diferentes criterios de decisión que proporcionan la opción

óptima será realizada de acuerdo con el conocimiento que posea el TD acerca de
los estados de la naturaleza, es decir, atendiendo a la clasificación de los procesos
de decisión: certidumbre, riesgo e incertidumbre

Etapas del Proceso Decisorio

El TD debe identificar la existencia de un problema y poder definirlo.

El TD debe recopilar más información acerca del problema.

El TD debe poder especificar los objetivos. La decisión se basa en seleccionar la

mejor alternativa en función de ciertos objetivos.

El TD debe elaborar un modelo que describa el problema.

El TD debe generar soluciones alternativas al problema y evaluarlas en función de

sus preferencias (análisis cualitativo y análisis cuantitativo).

El TD debe determinar el criterio de decisión que optimice la situación.

El TD debe predecir las consecuencias de cada actuación.

El TD debe establecer un sistema de preferencias. Tiene que realizar una valoración

de las consecuencias de acuerdo con una escala de bondad o deseabilidad.

El TD debe elegir entre las soluciones alternativas. Es necesario que seleccione un

curso de acción. Esta elección debe darse mediante un criterio de decisión
adecuado.

El TD debe poner en práctica la solución seleccionada y evaluar los resultados. Lo

que modifica el universo, es la acción derivada de la decisión
Clasificación de los Procesos de Decisión

Según las características del contexto, podemos decir que el proceso de decisión
se realiza bajo certidumbre, bajo riesgo o bajo incertidumbre. En función de esta
distinción podemos identificar tres grandes grupos:

Decisiones No Estructuradas: este tipo de decisiones se toman cuando estamos en

un contexto de incertidumbre total y se cuenta con muy poca información. Son,
principalmente, decisiones políticas y estratégicas. Se requiere de un alto poder de
negociación

Decisiones Poco Estructuradas: este tipo de decisiones se toman cuando estamos

en un contexto intermedio, es decir, no nos encontramos en certeza ni en
incertidumbre total.

Decisiones Estructuradas: este tipo de decisiones se toman cuando estamos en un

contexto de casi-certeza, donde existe poca complejidad. La mayoría de estas
situaciones son abarcadas por los Métodos de Investigación de Operaciones. Son
decisiones que pueden programarse por ser repetitivas y rutinarias.

3.2 Criterios de decisión Determinísticos y Probabilísticas

El conocimiento es lo que sabemos. La información es la comunicación de

conocimientos. En cada intercambio de conocimientos, hay un remitente y un
receptor. El remitente hace común lo que es privado, hace la información, la
comunicación. La información se puede clasificar como formas explícitas y tácitas.
La información explícita se puede explicar de forma estructurada, mientras que la
información tácita es inconsistente e imprecisa de explicar.

Los datos son conocidos como información cruda y no como conocimientos en sí.
La secuencia que va desde los datos hasta el conocimiento es (observe el
siguiente cuadro): de los Datos (Data) a la Información (Information), de la
Información (Information) a los Hechos (Facts), y finalmente, de los Hechos
(Facts) al Conocimiento (Knowledge). Los datos se convierten en información,
cuando se hacen relevantes para la toma de decisión a un problema. La
información se convierte en hecho, cuando es respaldada por los datos. Los
hechos son lo que los datos revelan. Sin embargo, el conocimiento instrumental es
expresado junto con un cierto grado estadístico de confianza (gl).

Los hechos se convierten en conocimiento, cuando son utilizados en la

complementación exitosa de un proceso de decisión. Una vez que se tenga una
cantidad masiva de hechos integrados como conocimiento, entonces su mente
será sobrehumana en el mismo sentido en que, con la escritura, la humanidad es
sobrehumana comparada a la humanidad antes de escribir. La figura siguiente
ilustra el proceso de razonamiento estadístico basado en datos para construir los
modelos estadísticos para la toma de decisión bajo incertidumbre.

De donde:

Level of Exactness of Statistical Model = Nivel de Exactitud del Modelo Estadístico.

Level of improvements on decisión making = Nivel de Mejoramiento en la Toma de

Decisiones

La figura anterior representa el hecho que a medida que la exactitud de un modelo

estadístico aumenta, el nivel de mejoramiento en la toma de decisión aumenta.
Esta es la razón del porqué necesitamos la estadística de negocio. La estadística
se creó por la necesidad de poner conocimiento en una base sistemática de la
evidencia. Esto requirió un estudio de las leyes de la probabilidad, del desarrollo
de las propiedades de medición, relación de datos.

La inferencia estadística intenta determinar si alguna significancia estadística

puede ser adjunta luego que se permita una variación aleatoria como fuente de
error. Una inteligente y crítica inferencia no puede ser hecha por aquellos que no
entiendan el propósito, las condiciones, y la aplicabilidad de las de diversas
técnicas para juzgar el significado.

Considerando el ambiente de la incertidumbre, la posibilidad de que “las buenas

decisiones” sean tomadas incrementa con la disponibilidad “de la buena
información”. El chance de la disponibilidad de “la buena información” incrementa
con el nivel de estructuración del proceso de Dirección de Conocimiento. La figura
anterior también ilustra el hecho que mientras la exactitud de un modelo
estadístico aumenta, el nivel de mejora en la toma de decisiones aumenta.
El conocimiento es más que simplemente saber algo técnico.

por ejemplo, crea el software estadístico que es útil, más bien que técnicamente
brillante.

Proceso de Toma de Decisiones Estadísticas

A diferencia de los procesos de toma de decisiones determinísticas tal como,

optimización lineal resuelto mediante sistema de ecuaciones, sistemas
paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las
variables son normalmente más numerosas y por lo tanto más difíciles de medir y
controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:

Simplificar

Construir un modelo de decisión

Probar el modelo

Usando el modelo para encontrar soluciones:

El modelo es una representación simplificada de la situación real

No necesita estar completo o exacto en todas las relaciones

Se concentra en las relaciones fundamentales e ignora las irrelevantes.

Los métodos probabilísticos y estadísticos para el análisis de toma de decisiones

bajo incertidumbre son más numerosos y mucho más poderosos que nunca. Las
computadoras hacen disponible muchos usos prácticos. Algunos de los ejemplos
de aplicaciones para negocios son los siguientes:

Un auditor puede utilizar técnicas de muestreo aleatorio para auditar las cuentas
por cobrar de un cliente.

Un gerente de planta puede utilizar técnicas estadísticas de control de calidad

para asegurar la calidad de los productos con mínima inspección y menor número
de pruebas.

Método para tomar decisiones determinanticas con múltiples opciones y objetivos

Para resolver disyuntivas –esto es, para decidir ante dos opciones- Benjamín
Franklin escribía en un papel los factores que favorecían a una y otra, separados
por una línea vertical.
Luego buscaba en ambos lados, factores o grupos de factores que tuviesen –
según su apreciación- igual peso, y los eliminaba. Así iba simplificando el
problema hasta que los elementos no tachados indicaran el predominio de una
opción.

El procedimiento consiste en eliminar alternadamente opciones y objetivos. Para

ello se aplican dos principios lógicos irrebatibles:

Que si una opción X es superior a una opción Y en un objetivo y no es inferior a

esta en ninguno de los restantes (condición llamada de Dominio Absoluto),
entonces la opción Y se puede descartar

Crear una Tabla De Consecuencias

Una Tabla de Consecuencias representa en cada línea un objetivo y en cada

columna una opción o candidato. Las intersecciones son –naturalmente- las
calificaciones de los objetivos para cada candidato. Se verá mejor a través de un
ejemplo: supongamos que Juan quiere encontrar trabajo y sus objetivos son:

Sueldo

Flexibilidad de Horario

Prestaciones (como Salud, atención dental, etc.)

Distancia desde su casa y

Vacaciones

El sueldo se medirá en miles de pesos, la flexibilidad de horario en Alta (A),

Mediana (M), o Nula (N), la calidad y cantidad de prestaciones, mediante una nota
de 1 a 7, la distancia, en cantidad de Kilómetros y las vacaciones, en Días hábiles
por año.

Por otra parte, supondremos que ya tiene cinco ofertas: A, B, C, D y E.

Supongamos, además, que una vez hecha la evaluación de cada objetivo

individual, para cada oferta, se obtuvo la siguiente Tabla de Consecuencias:

Tabla de Consecuencias de Juan

 Objetivo A B C D E

Sueldo 500 600 700 550 450

Flexibilidad M N N M A

Prestaciones 6 5 5 6 4

Distancia 20 10 8 12 27

Vacaciones 15 20 19 15 15

En la tabla se puede apreciar que la opción D tiene dominio Absoluto sobre la

opción A, ya que el sueldo es más alto (550 contra 500) y es igual o superior en
los objetivos restantes.

Una vez eliminada A, la tabla queda:

Tabla de Consecuencias de Juan

Objetivo B C D E

Sueldo 600 700 550 450

Flexibilidad N N M A

Prestaciones 5 5 6 4

Distancia 10 8 12 27

Vacaciones 20 19 15 15

A veces no es fácil identificar situaciones de dominio por la sola observación de la

tabla de consecuencias. En tal caso se puede recurrir a una Tabla de
Clasificación, la que –en lugar de desplegar los valores- muestra la ubicación
relativa de cada opción en cada uno de los objetivos. En el caso de Juan, la Tabla
de Clasificación quedaría:
Tabla de Clasificación de Juan

Objetivo B C D E

Sueldo 2 1 3 4

Flexibilidad 3 (e) 3 (e) 2 1

Prestaciones 2 ( e) 2 (e) 1 4

Distancia 2 1 3 4

Vacaciones 1 2 3 (e) 3 (e)

Donde el símbolo (e) significa empate.

Se aprecia que ya no existen situaciones de dominio absoluto, pero la opción C es

superior a la B en casi todos los objetivos, excepto en el de las vacaciones (donde
pierde por sólo un día). Aquí, por supuesto, entra a tallar el criterio del decisor: ese
día de vacaciones ¿es tan importante como la diferencia en el sueldo o la mayor
distancia? Creemos que para la mayoría probablemente valga más que la
diferencia en distancia (2 km.) pero difícilmente puede compensar los cien mil
pesos de mayor sueldo que se obtienen con C. Se dice, en este caso, que C tiene
Dominio Relativo sobre B, circunstancia que permite eliminar a esta última.

Una vez descartada B, la tabla de consecuencias queda:

Tabla de Consecuencias de Juan

Objetivo C D E

Sueldo 700 550 450

Flexibilidad N M A

Prestaciones 5 6 4

Distancia 8 12 27

Vacaciones 19 15 15
3.3 VALOR DE LA INFORMACIÓN PERFECTA

Si se pudiera contar con un predictor perfecto, se podría seleccionar por

anticipado el curso de acción óptimo correspondiente a cada evento pronosticado.

Ponderando la utilidad correspondiente a cada curso de acción óptimo por la

probabilidad de ocurrencia de cada evento se obtiene la utilidad esperada
contando con información perfecta (UEIP).

El VEIP es la diferencia entre UEIP y VE. Refleja el aumento en la utilidad

esperada a partir de contar con un mecanismo de predicción perfecto.

INTERPRETACIÓN DEL VEIP

El VEIP puede considerarse como una medida general del impacto económico de
la incertidumbre en el problema de decisión.

Es un indicador del valor máximo que convendría pagar por conseguir información
adicional antes de actuar.

El VEIP también da una medida de las oportunidades perdidas. Si el VEIP es

grande, es una señal para que quien toma la decisión busque otra alternativa que
no se haya considerado hasta el momento

3.4 ÁRBOL DE DECISIÓN

Un árbol de decisión es un árbol orientado que representa un proceso de decisión.

Los nodos designan puntos en el tiempo en los cuales: i) debe tomarse una u otra
dedición, o ii) quien toma las decisiones se enfrenta a uno y otro estado de la
naturaleza. O iii) el proceso termina.

Saliendo de un nodo (i) hay una rama para cada posible decisión saliendo de un
nodo(ii) hay una rama para cada posible estado de la naturaleza. Bajo cada rama
se escribe la probabilidad del evento corresponde, cuando este definida.

Los árboles de decisión son útiles para determinar decisiones optimas en

procesos complicados.

Las técnicas consisten en iniciar con los nodos terminales y moverse secuenciales
hacia atrás a través de la red, calculando la ganancia esperada en los nodos
intermedios. Cada ganancia se escribe encima del nodo correspondiente. Una
decisión recomendada es aquella que lleva a una ganancia máxima esperada.
Aquellas decisiones que resultan no recomendables tienen las ramas
correspondientes marcadas con cruz.
Ejemplos:

Una gran compañía de energético ofrece al dueño de un terreno $60,000 por el

derecho de explotación de gas natural en un sitio determinado y la opción para un
desarrollo futuro. La opción si se ejerce vale $60,000 adicionales para el
propietario, pero esto ocurrirá solo si se descubre gas natural durante la etapa de
explotación. El propietario, considerando que el interés de la compañía es una
buena indicación de que existe gas, está tentando a desarrollar el mismo el
campo. Para hacer esto deberá contratar equipo locales con experiencia en
explotación y desarrollo. El costo inicial es de $100,000 los que se perderán si no
se encuentra gas. Sin embargo, si descubre gas, el propietario estima un
beneficio neto de 2millones de dólar.

Las decisiones para el propietario son D1 (acepta la oferta de la compañía de

energéticos) y D2 (explorar y desarrollar por su cuenta). Los estados de la
naturaleza son S1 (no hay gas en el sitio). Las ganancias (en miles de dólares)
para el propietario en cada combinación de evento se da en la tabla sig.

Estado de la
naturaleza

s1 s2

d1 60 660
Decisiones
d2 -100 200

La matriz de ganancia para este proceso se muestra en la tabla anterior. La

ganancia mínima para la decisión D1 es 60 mientras que para D2 es -100. Ya que
Max [60,-100]=60 es la ganancia asociada D1, D2 es la decisión recomendada
bajo el criterio minimax.

El valor mayor en la matriz es 2000, ganancia asociada a D2 por lo tanto D2 es la

decisión recomendada bajo el criterio optimista.

Los promedios de la ganancia máxima y mínima para D1 yD2 son

respectivamente
 200+(-
600+60 y 100)
= 360
= 950
2 2

Ya que max [360,950] = 950 está asociada con D1, D2 es la decisión

recomendada bajo el criterio del punto medio del camino.

Determinar la decisión recomendada bajo el criterio a priori para el proceso del

ejemplo anterior. Si el propietario estima que la probabilidad de encontrar gas de
0.6

Con p(s2) =0.6 entonces P(s1) =1-0.6=0.4 empleando los datos de la tabla se
calcula la ganancia esperada proveniente de D1 como:

E (G1) = (60) (0.4) + (660) (0.6) = 420

Y la ganancia para D2 como:

E (G2) = (-100) (0.4)+ (2000)(0.6)=1160

Ya que el máximo de esta dos cantidades, 1160 está asociada con D1 D2 es la

decisión recomendables bajo el criterio a priori. Este proceso está representado
por el árbol de decisión de la figura sig. La ganancia esperada del proceso 1160
en el nodo B proviene en sentido inverso del nodo D.
60

420 s1
C 0.4
s2
660 D1 F
1
0.6 E
D2
1
1160 -10 1160 G s1
B H Bibliografía:
D 0.4 Inv. Operaciones
s2 2000 Richard bronson
Pag.196 a 200.
3.5 TEORÍAS DE LA UTILIDAD

La teoría de la utilidad trata de explicar el comportamiento del consumidor. Desde

esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. Así un bien es más útil en la medida que satisfaga mejor una
necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y
temporal (se refiere al momento en que se satisface la necesidad).

Esta teoría parte de varios supuestos:

El ingreso del consumidor por unidad de tiempo es limitado.

Las características del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.

El consumidor busca maximizar su satisfacción total (utilidad total), y por tanto

gasta todo su ingreso.

El consumidor posee información perfecta, es decir, conoce los bienes (sus

características y precios).

El consumidor es racional, esto quiere decir que busca lograr sus objetivos, en
este caso trata de alcanzar la mayor satisfacción posible. Esto quiere decir que el
consumidor es capaz de determinar sus preferencias y ser consistente en relación
con sus preferencias. Así, si el consumidor prefiere el bien A sobre el bien B y
prefiere el bien B sobre el bien C, entonces preferirá el bien A sobre el bien C
(transitividad).

La teoría económica del comportamiento del consumidor se topa con un problema

importante (llamado el problema central de la teoría del consumidor), el cual es la
imposibilidad de cuantificar el grado de satisfacción o utilidad que el consumidor
obtiene de los bienes. No existe una unidad de medida objetiva de la satisfacción.
Este problema se ha enfrentado a través de dos enfoques distintos:

Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si se

dispone de una unidad de medida de la satisfacción.

Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, sólo establece

combinaciones de bienes que prefiere o le son indiferentes con respecto a otras
combinaciones de bienes.
Enfoque cardinal:

A partir de los supuestos y conceptos mencionados se definen dos conceptos de

utilidad o satisfacción:

Utilidad Total: es la satisfacción total de consumir una cierta cantidad de un bien.

Utilidad Marginal: es la satisfacción extra de una unidad de consumo adicional.

Q UT UM

0 0 -

1 8 8

2 18 10

3 26 8

4 32 6

5 36 4

6 38 2

7 38 0

8 36 -2
En los datos anteriores se observa que se satisface la LEY DE LA UTILIDAD
MARGINAL DECRECIENTE, es decir, la satisfacción adicional del consumidor
disminuye a medida que se consume una mayor cantidad del bien. Observe que
hay un punto de inflexión, a partir del cual la utilidad marginal (UM) se vuelve
decreciente:
3.6 Decisiones secuenciales

Son decisiones encadenadas entre sí que se presentan a lo largo del período de

estudio previamente seleccionado.

En Consecuencia, la decisión inicial se toma sobre la base de la consideración

explícita de otras decisiones futuras.

En muchas ocasiones, sobre todo en aquellos proyectos que abarcan varios años,
la decisión inicial puede someterse a sucesivas decisiones posteriores, como
consecuencia de ir acumulando información.

Así una decisión puede condicionar decisiones posteriores y a su vez ser

condicionada por decisiones tomadas con anterioridad a la misma.

El análisis del problema de decisión bajo el enfoque secuencial suele ser preferible
al enfoque estático, dado que es normal que una decisión tomada en el momento
inicial condicione decisiones en los momentos posteriores de tiempo.’‘

Plantear la relación entre el trabajo de dirección y la toma de decisiones.

Comprender el proceso de la toma de decisiones

Conocer las técnicas y herramientas mecánicas básicas en la toma de decisiones.

Repercusión de la decisión.

Planteamientos previos.

Ambiente de la decisión.

Decisión Programable/no programable.

Repercusión de la decisión

La decisión es fundamental en la empresa ya que según las decisiones que tome

ésta, se alcanzaran unos objetivos u otros.

Objetivos estratégicos

Largo plazo: Mercado en el que nos ubicamos

Objetivos tácticos

A medio plazo: Planes específicos, recursos asigna.

Objetivos operativos

Corto plazo: como sustituir a un operario con gripe.

Planteamientos previos.

La decisión puede platearse de forma:

Objetiva vs. Subjetiva

Analítica vs. Sistémica.

Estática vs. Dinámica.

Determinista vs. Probabilística

Según el planteamiento que hagamos obtendremos unos resultados diferentes en

la toma de decisión y sus consecuencias.

Objetiva vs. Subjetiva

Puede darse el caso de tener que basarnos en hechos que nos influyen o de los
que no disponemos de un modelo objetivo.

Analítica: Disponemos de un modelo matemático construido con la información

disponible y del que queremos conocer la mejor opción.
 Disponemos de un modelo construido a partir de una simplificación del problema
y que nos permite simular diferentes situaciones lo que nos lleva hacia una
solución.

Los modelos estáticos no tienen en cuenta la variable tiempo.

En los modelos dinámicos la variable tiempo es fundamental.

Determinista vs. Probabilística

Determinista: Conozco todos los datos necesarios de la realidad. Si tomo una

opción, se cuál será el resultado preciso.

En los modelos probabilísticos las variables son aleatorias y los resultados

también.

Ambiente de la decisión

Certeza

Conozco los estados de la naturaleza con total seguridad.

Riesgo

No sé qué estado de la naturaleza se dará, pero conozco sus probabilidades.

Incertidumbre estructurada conozco los estados, no la probabilidad. Incertidumbre

no estructurada

3.7 análisis de la sensibilidad

El análisis de sensibilidad es una de las partes más importantes en la

programación lineal, Sobre todo para la toma de decisiones; pues permite
determinar cuándo una solución sigue Siendo óptima, dados algunos cambios ya
sea en el entorno del problema, en la empresa o en los datos del problema mismo.

Este análisis consiste en determinar qué tan sensible es la respuesta óptima del
Método Simplex, al cambio de algunos datos como las ganancias o costos
unitarios (coeficientes de la función objetivo) o la disponibilidad de los recursos
(términos independientes de las restricciones) La variación en estos datos del
problema se analizará individualmente, es decir, se analiza la sensibilidad de la
solución debido a la modificación de un dato a la vez, asumiendo que todos los
demás permanecen sin alteración alguna.
Esto es importante porque estamos hablando de que la sensibilidad es estática y
no dinámica, pues solo contempla el cambio de un dato a la vez y no el de varios

Objetivo Principal del Análisis de Sensibilidad

Establecer un intervalo de números reales en el cual el dato que se analiza puede

estar contenido, de tal manera que la solución sigue siendo óptima siempre que el
dato pertenezca a dicho intervalo

Los análisis más importantes son;

1. Los coeficientes de la función objetivo; y

2. Los términos independientes de las restricciones y se pueden abordar por

medio del Método Gráfico o del Método Simplex

Análisis de sensibilidad gráfico

Abordaremos primero el análisis de sensibilidad de manera gráfica.

Partamos del siguiente modelo de programación lineal

Max z 34x + 2y

s/a 5x + 8y≤40

20x+10y≤100

x≥0;y ≥
Cuya solución es la siguiente:

Recordemos que nuestro objetivo es mantener la solución óptima que hemos

encontrado

x =3.6 y=2.7

Esto lo conseguiremos siempre y cuando la recta de isoutilidad (recta roja)

Pase por el punto (3.6 , 2.7) y no exista área de región factible por encima de ella.

Análisis de sensibilidad gráfico para los coeficientes de la función objetivo

Todas las líneas rojas mantienen la solución óptima pero las líneas azules
generan una nueva solución óptima pues existe un área de la región factible
sobre ellas, lo cual indica que la función no ha sido optimizada en el punto que
analizamos (3.6,2.7) Ahora si observamos bien la gráfica podemos notar que las
líneas rojas, que son las que nos interesan, siempre están comprendidas entre las
dos restricciones o desigualdades que definen el vértice óptimo (aquellas que
simultaneamos para encontrar la solución)

Las líneas de las restricciones son las siguientes con sus respectivas primeras
derivadas y por consiguiente sus pendientes

5x + 8 y =40 20x +10y=100

8y=40 -5x 10y=100 -20 x

Y´m2= -2

De estas pendientes la menor es -2

3.8 USO DE PROGRAMAS DE COMPUTACION

A.-) PROGRAMAS DE COMPUTACIÓN (Microsoft Adicional al programa

SOLVER, incluido en EXCEL-2000 de Microsoft (cuya explicación didáctica del
funcionamiento del programa Solver (445 kb), se incluye en este documento que
puede ser bajado por Usted), se incorporan otros programas que operan bajo
sistema Windows 98/ME/2000/XP, debiendo disponer de una computadora
actualizada con procesador Pentium II y superiores, memoria mínima de 256 kb y
capacidad de disco de 50 MB y los cuales pueden ser bajados a Chang y es
aplicable a todos los problemas de Investigación de Operaciones. Para conocer
sus usos y aplicaciones, se incorpora el MANUAL DE USO del WINQSB.

A.) El programa PrgLin, cuya propiedad es de la Universidad de Lisboa (Portugal),

el cual se aplica A.3) El programa Lingo, propiedad de Lindo Systems Inc (USA),
que dado su gran tamaño (18.9 Mb),

para soluciones gráficas de problemas de dos dimensiones.

A.) El programa InvOp (361 kb), desarrollado por la Universidad del Cuyo en
Argentina, se aplica para la solución de problemas relacionados con
transporte y redes.
Continuación:

A.1) El programa WinQSB (3.9 Mb), cuya propiedad intelectual es del Dr. Yih-Long

B.-) USO DEL PROGRAMA SOLVER DE EXCEL)

Para conocer la aplicación del método SOLVER de EXCEL (Microsoft), se utilizará

un ejemplo práctico:

Max Z=10 X1 + 8 X2
Sujeto a:
30X1 +20X2 <= 120
2X1 + 2X2 <= 9
4X1 + 6X2 <= 24

X1,X2 >=0

La única dificultad que tenemos es el de modelar el programa dentro del Excel, y

eso, es muy fácil. Por supuesto, hay infinidad de maneras de hacerlo, aquí
propongo una.

Se activa Excel y en una hoja...

Se ubican las celdas que se corresponderán con el valor de las variables de

decisión; en este caso, las celdas B6 y C6, se les da un formato para
diferenciarlas de las demás, aquí azul oscuro (ver captura abajo). Se ubica
también, las celdas que contendrán los coeficientes de las variables de decisión,
B4 y C4, y se llenan con sus respectivos valores, 10 y 8. Aunque éste último paso,
se podría omitir y dejar los coeficientes definidos en la celda de la función objetivo,
así es mejor para los análisis de sensibilidad y para que la hoja quede portable
para otro programa.

Se ubica la celda que se corresponderá con la función objetivo (celda objetivo), la

B3. En ella se escribe la función que sea, en este caso, será el coeficiente de X1
(en B4) por el valor actual de X1 (en B6) más el coeficiente de X2 (en C4) por el
valor actual de X2 (en C6) O sea: =$B$4*$B$6+$C$6*$C$4

Coeficientes para la primera restricción: los podemos escribir en la misma columna

de las variables de decisión; en las celdas B7 y C7, con los valores 30 y 20,
seguido del sentido de la desigualdad (<=) y de su correspondiente RHS: 120.
A la derecha ubicaremos el valor actual de consumo de la restricción, ella se
escribirá en función de las variables de decisión y de los coeficientes de la
restricción.

Esta celda, la utilizará Solver como la real restricción, cuando le digamos que el
valor de esta celda no pueda sobrepasar la de su correspondiente RHS. De nuevo
será el valor del coeficiente por el de la variable: =B7*$B$6+C7*$C$6.

Nótese que ahora B7 y C7 no tienen el signo $. Pues es que luego que se haya
escrito esta celda, se podrá arrastrar hacia abajo para que Excel escriba la fórmula
por mi pero tome los valores relativos a los coeficientes que le corresponda a los
mismos valores de las variables de decisión. Se repite los pasos anteriores para
las otras restricciones, pero ahora la fórmula será: =B8*$B$6+C8*$C$6 y
=B9*$B$6+C9*$C$6.

El resto del formato es para darle una presentación más bonita a la hoja. Ahora a
resolverlo Al hacer click en Herramientas, Solver se tendrá una pantalla como la
siguiente. Lo primero que hay que hacer es especificar la celda objetivo y el
propósito: maximizar. Se escribe B3 (o $B3 o B$3 o $B$3 como sea, da igual), en
el recuadro "cambiando las celdas", se hace un click en la flechita roja, para poder
barrer las celdas B6 y C6; lo mismo da si se escriben directamente los nombres.

Y ahora para las restricciones: se hace click en agregar...

En F7 está la primera restricción, como se puede ver en la captura. Se especifica

el sentido de la restricción <=, >= ó =. Aquí también se puede especificar el tipo de
variable, por defecto es continua, pero se puede escoger "Int" para entera o "Bin"
para binaria. En el recuadro de la derecha establecemos la cota.

Aquí podemos escribir 120 pero mejor escribimos $E$7 para que quede
direccionado a la celda que contiene el 120, y después lo podríamos cambiar y
volver a encontrar la respuesta a manera de análisis de sensibilidad.

La condición de no negatividad hay que incluirla manualmente, así:

El cuadro de diálogo debe lucir así:

¡Y listo! Se hace en resolver y ya. Parece un poco largo en comparación con los
otros paquetes de programación lineal, pero esto se hará sólo una vez, para los
próximos programas se podrá utilizar la misma hoja cambiando los coeficientes.
Sin embargo, como se puede notar, la flexibilidad de modelar es muy grande.