INVESTIGACIN DE

OPERACIONES 2
Facilitador: MII. Ing. Edgar Javier Silva R.
edgarjavier.silva@gmail.com

Forma de calificar:

Examen: 40%
Tareas, practicas 30%
Trabajo de aplicacin (proyecto)
entregar un avance semanal del proyecto: 20%
Asistencia 10%

Nota: tareas o trabajos entregados fuera

de fecha, se califican con 7 siete.

Libros recomendados
Investigacin de Operaciones
Autor: Winston
Editorial: Thomson
Investigacin de Operaciones
Autor: Hiller
Editorial: Mc Graw Hill

PROYECTO DE APLICACIN

PROYECTO DE INVENCIN PARA PATENTAR.

PROYECTOS A TRABAJAR EN EL PRIMER PARCIAL COMO TRABAJO DE EQUIPO.

20% DE LA CALIFICACIN
PARA EXPONERSE EN EL CONCURSO DE CREATIVIDAD E INNOVACIN
(Aplica 1 crdito de actividades extracurriculares)

Tareas:

1. Las tareas, se revisarn en clase, el da que se indique.

Usaremos varios software durante el transcurso del curso, por lo que
debers conseguirlos y aprenderlos a usar:
(El uso , manejo e instalacin , forma parte de la evaluacin de los
parciales)
POM QM
SCIENTIFIC WORK PLACE
EXCEL

Para el trabajo en clase, se requiere el apoyo de los apuntes de clase,

que son estas diapositivas, por lo que debers traerlas todas las clases
obligatoriamente, ya sea impresas o en formato electrnico en tu
laptop.
Cada vez que no lo traigas, tendrs cero en el da correspondiente y
eso se te registrar como tarea no hecha.
5

PROGRAMACIN DINAMICA
En esta parte del curso estudiaremos un modelo
dinmico que puede dar cabida a cambios de los
parmetros en el tiempo. La programacin
dinmica es un mtodo de optimizacin que
puede aplicarse a numerosos problemas. En
general, la programacin dinmica intenta
encontrar una solucin de un problema de
optimizacin en forma secuencial.

Acertijo

Suponga que hay 20 fichas sobre una mesa. Yo empiezo

eligiendo 1, 2 o 3 fichas. Luego mi contrincante debe
tomar 1, 2 o 3 fichas. As continuamos hasta que alguno
de los jugadores tome la ltima ficha (ficha roja). Este
jugador es el que pierde. Cmo puedo yo (primer
jugador) estar seguro de ganar el juego?

Fabrica de tortillas Mi
tierra

Leer hojas anexas. caso de la fabrica de tortillas mi

tierra

Mes
7

Mes
6

Demanda
200

Demanda
400

Alternativas
de
produccin
200

Alternativas
de
produccin
200
400

Utilidad
inmediata
$1,000

Utilidad
inmediata
$1,000
$2,500

Demanda
restante
0

Mayor utilidad
para la
demanda
Utilidad
restante
Total
0
$1000*

Mayor utilidad
para la
Demanda
demanda
Utilidad
restante
restante
Total
200
$1,000
$2,000
0
0
$2,500*

Mes
5

Mes
4

Demanda
600

Demanda
800

Alternativas
de
produccin
200
400
600

Alternativas
de
produccin
200
400
600
800

Utilidad
inmediata
$1,000
$2,500
$3,750

Utilidad
inmediata
$1,000
$2,500
$3,750
$4,750

Demanda
restante
400
200
0

Mayor utilidad
para la
demanda
Utilidad
restante
Total
$2,500
$3,500
$1,000
$3,500
0
$3,750*

Demanda
restante
600
400
200
0

Mayor utilidad
para la
demanda
Utilidad
restante
Total
$3,750
$4,750
$2,500
5000*
$1,000
$4,750
$0
$4,750

10

Mes
3

Demanda
1000

Alternativas
de
produccin
200
400
600
800

Utilidad
inmediata
$1,000
$2,500
$3,750
$4,750

Mayor utilidad
para la
Demanda
demanda
restante
restante
800
$5,000
600
$3,750
400
$2,500
200
$1,000

11

Utilidad
Total
$6,000
6250*
6250*
$5,750

Mes
2

Mes
1

Demanda
1200

Demanda
1400

Alternativas
de
produccin
200
400
600
800

Alternativas
de
produccin
200
400
600
800

Utilidad
inmediata
$1,000
$2,500
$3,750
$4,750

Utilidad
inmediata
$1,000
$2,500
$3,750
$4,750

Demanda
restante
1000
800
600
400

Mayor utilidad
para la
demanda
Utilidad
restante
Total
$6,250
$7,250
$5,000
7500*
$3,750
7500*
$2,500
$7,250

Demanda
restante
1200
1000
800
600

Mayor utilidad
para la
demanda
Utilidad
restante
Total
$7,500
$8,500
$6,250
8750*
$5,000
8750*
$3,750
$8,500
12

Descomposicin

La principal consideracin de la PD es que un

problema
grande
y
nico
puede
descomponerse o segmentarse en una
secuencia de sub-problemas ms pequeos y
fciles de resolver.
Tambin se encuentra implcito en el uso de la
descomposicin en la programacin dinmica
el concepto conocido como Principio de
Optimalidad de Bellman

Un conjunto ptimo de decisiones (una poltica) tiene la

propiedad de que, si una decisin determinada es ptima,
entonces todas las decisiones subsecuentes que dependen de
esa decisin especfica tambin deben ser ptimas.

13

d3=produccin
del mes 5

d2

d1

x3=x4-d4
Etapa 3

r3=utilidades
de d3 y x3
Mes 5

Etapa 2

Etapa 1

r2

Mes 6

Mes 7
14

Definicin de trminos:
Etapas, variables de estado, rendimientos,
decisiones y relaciones recurrentes.

Refirindonos al caso de Mi tierra, cada etapa es un

mes.

La variable de estado de cada etapa representa el total

de la demanda no satisfecha en una etapa previa, es
decir en un mes posterior.

15

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

16

Aplicaciones de la
programacin dinmica
Encontrar la ruta ms corta para llegar de Nueva
Orleans a Atlanta
Meridian

Birmingham

180

210

210

Nueva

180

210

315

192

Orleans
192
Mobile

Montgomery

17

Atlanta

Divisin por etapas

Meridian
210

Birmingham

180

180

1
210

Nueva
Orleans

210

315

192

192
Mobile
Etapa 3

Etapa 2

Montgomery
Etapa 1
18

Atlanta

Tabla de decisin de la etapa 1

Variable de
estado (X1)
4
5

Decisin
pasar a 6
pasar a 6

Meridian
210

Decisin ptima
pasar a 6
pasar a 6

Rendimiento
ptimo
192
180

Birmingham

180

180

1
210

Nueva
Orleans

210

315

192

192
Mobile
Etapa 3

Etapa 2

Montgomery
Etapa 1
19

Atlanta

Variable de estado
(X2)
2
3

Tabla de decisin de la etapa 2

Decisiones
Decisin
5
Optima
4
192+192
315+180
Pasar a 4
210+192
180+180
Pasar a 5

Meridian
210

Rendimiento
Optimo
384
360

Birmingham

180

180

1
210

Nueva
Orleans

210

315

192

192
Mobile
Etapa 3

Etapa 2

Montgomery
Etapa 1
20

Atlanta

Tabla de decisin de la etapa 3

Decisiones
Variable de
estado (X3)
1

2
210+384
Meridian

210

Decisin ptima Rendimiento ptimo

pasar a 3
570

3
210+360

Birmingham

180

180

1
210

Nueva
Orleans

210

315

192

192
Mobile
Etapa 3

Etapa 2

Montgomery
Etapa 1
21

Atlanta

Puedes usar el POM QM para comprobar tus resultados de la

ruta mas corta.

22

Escoge ruta mas corta

23

Aplicar programacin dinmica para hallar la distancia mas corta.

24

Problema de inventario

Se ilustra la manera en que se puede usar la programacin

dinmica para resolver un problema de inventario con las
caractersticas siguientes:

1.

El tiempo se divide en periodos, el periodo actual es el

periodo 1, el periodo siguiente es el 2 y el periodo final
es el periodo T. Se conoce la demanda durante cada
periodo al principio del periodo 1.

2.

La compaa debe determinar al principio de cada

periodo cuntas unidades debe fabricar. La capacidad de
produccin durante cada periodo es limitada.

3.

La demanda de cada periodo se debe cumplir a tiempo

con el inventario o con la produccin actual. Durante
cualquier periodo en el cual la produccin tiene lugar, se
generan un costo fijo de produccin, as como un costo
variable por unidad.
25

1.

La compaa tiene capacidad limitada de almacenamiento. Un

lmite sobre el inventario de fin de periodo refleja lo anterior. Se
genera un costo de almacenamiento por unidad sobre el
inventario final de cada periodo.

2.

El objetivo de la compaa es minimizar el costo total por

cumplir a tiempo con la demanda de los periodos 1, 2,,T

26

Programacin dinmica aplicada a Inventario

Una compaa sabe que la demanda de su producto durante cada uno
de los prximos cuatro meses es como se indica: mes 1, 1 unidad; mes
2, 3 unidades; mes 3, 2 unidades; mes 4, 4 unidades. La compaa
debe determinar cuntas unidades tiene que fabricar en el mes
corriente. Durante un mes en el cual se producen algunas unidades, se
incurre en un costo preliminar de 3 dlares. Adems, hay un costo
variable de 1 dlar por cada unidad que se fabrica. Al final de cada
mes, se genera un costo de almacenamiento de 50 centavos por cada
unidad disponible. Las limitaciones en la capacidad permiten producir
durante cada mes un mximo de 5 unidades. Las dimensiones de la
bodega de la compaa restringen el inventario final de cada mes a 4
unidades, cuando mucho.
La empresa desea determinar un plan de produccin que cumpla con
toda la demanda a tiempo y minimice la suma del costo de
produccin y del costo de almacenamiento durante cuatro meses.

27

Despus de leer el material , ahora contesta estas

preguntas:
1. Cuanto hay que surtir cada mes?
2. Cul es el costo de almacenamiento?
3. Cunto es el costo fijo?
4. Cunto es el costo variable?
5. Cunto es lo mximo que se puede almacenar ?
6. Cunto es lo mximo que se puede producir cada
mes?
7. Cul es el costo de hacer 3 unidades?
8. Cul es el costo de hacer 1 unidad?
9. Cul es el costo de hacer 0 unidades?
10.Cul es el significado de la formula i+x-2?
28

Solucin

Definimos a ft (i) como el costo mnimo de cumplir las demandas de los meses,
t+1,,4 si i unidades estn disponibles al inicio del mes t.

Definamos c(x) como el costo de produccin de x unidades durante un periodo.

Entonces c(x)=3+x

Definimos tambin xt (i)= como el nivel de produccin durante el mes t que

minimiza el costo total durante los meses t, t+1,,4 si i unidades est a la mano al
principio del mes t.

29

Clculos del mes 4

Durante el mes 4, la compaa produce justo las unidades suficientes para asegurar
que la demanda del mes 4, que es de cuatro unidades, se cumpla. Entonces.

f4 (0)= costo de produccin de 4 0 unidades

c(4) = 3+4= $7

f4 (0)= c(4)= $7
costo mnimo de produccin en el mes 4, cuando hay cero
unidades disponibles.

x4 (0)= 4 0=4 (nivel de produccin en el mes 4, si 0 unidades estn disponibles

al principio)

f4 (1)= costo de produccin de 4 1 unidades

c(3) = 3+3= $6

f4 (1)= c(3)= $6 costo mnimo de produccin en el mes 4, cuando hay 1 unidad

disponible.

x4 (1)= 4 1=3
30

Clculos del mes 4 (continuacin)

f4 (2)= costo de produccin de 4 2 unidades

c(2) = 3+2= $5

f4 (2)= c(2)= $5 costo mnimo de produccin en el mes 4 cuando tengo 2

unidades disponibles.

x4 (2)= 4 2=2

f4 (3)= costo de produccin de 4 3 unidades

c(1) = 3+1= $4

f4 (3)= c(1)= $ 4

x4 (3)= 4 3=1

f4 (4)= costo de produccin de 4 4 unidades

c(0) = 3+0= $3

f4 (4)=c(0)= $3

x4 (4)= 4 4=0
31

Clculos del mes 3

Cmo podemos determinar f3 (i) para i =0,1,2,3,4?

El costo f3 (i) es el costo mnimo que se genera en los meses 3 y 4 si el

inventario al principio del mes 3 es i.

Por cada nivel de produccin posible X durante el mes 3, el costo total

durante los meses 3 y 4 es:

Costo de
almacenamiento
0.5 por i
unidades que hay
mas x unidades a
producir menos 2
unidades de
demanda

0.5(i + x-2) + c(x) + f4 (i +x -2)

Costo de
produccin

Entramos al mes 4 con

i+x-2 unidades

32

Continuacin mes 3

Queremos elegir el nivel de produccin de mes 3 para minimizar lo

anterior:

f3(i) = min [ 0.5(i + x-2) + c(x) + f4 (i +x -2) ]

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

0 i +x -2 4 (Demanda mayor o igual a cero, capacidad no puede
exceder de 4 , de acuerdo al problema)

33

Si has ledo la informacin del problema de inventarios y le has entendido,

podrs contestar las siguientes preguntas:
Que significa lo siguiente:
f3(0) = costo mnimo de los meses 3 y 4, cuando el nivel de inventario es cero
c(4) = costo de producir 4 unidades
x4(1)= nivel de produccin en el mes cuatro, cuando tienes una unidad en
inventario.
f4(1) = ___________________________________________
c(3) = ____________________________________________
x4(1)=____________________________________________
Qu tal , ya le entendiste?
Cabez@n
34

Cmo completar la tabla del mes 3?

i

0
0

Los valores posibles para la columna de i, son: 0, 1, 2, 3, 4, entonces partes

de i=0 y resuelves la desigualdad
4 i+x-2 0
4 0+x-2 0
6 x 2 Esto quiere decir que la x, debo de empezar a completar mi tabla
a partir de 2, hasta 5, no hasta 6 porque el nivel de produccin esta limitado
_____________a 5
35

1
1

Y cuando la i=1? Qu pasa con la x?

4 i+x-2 0
4 1+x-2 0
5 x 1 Esto quiere decir que la x, debo de empezar a completar mi
tabla a partir de 1.
36

Queremos elegir el nivel de produccin de mes 3 para minimizar lo

anterior:

f3(i) = min [ 0.5(i + x-2) + c(x) + f4 (i +x -2) ]

0.5(i + x-2) + c(x)

f4 (i +x -2)

Costo total de
los meses 3,4

f3 (i)
x3 (i)

0+5=5

5+7=12*

f3 (0) =12
x3 (0)=2

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

37 capacidad no puede
4 i +x -2 0 (Demanda mayor o igual a cero,
exceder de 4 , de acuerdo al problema)

Queremos elegir el nivel de produccin de mes 3 para minimizar lo

anterior:

f3(i) = min [ 0.5(i + x-2) + c(x) + f4 (i +x -2) ]

0.5(i + x-2) + c(x)

f4 (i +x -2)

Costo total de
los meses 3,4

f3 (i)
x3 (i)

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

38 capacidad no puede
4 i +x -2 0 (Demanda mayor o igual a cero,
exceder de 4 , de acuerdo al problema)

Queremos elegir el nivel de produccin de mes 3 para minimizar lo

anterior:

f3(i) = min [ 0.5(i + x-2) + c(x) + f4 (i +x -2) ]

0.5(i + x-2) + c(x)

f4 (i +x -2)

Costo total de
los meses 3,4

f3 (i)
x3 (i)

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

4 i +x -2 0 (Demanda mayor o igual a cero, capacidad no puede
exceder de 4 , de acuerdo al problema)
39

Clculos del mes 2 , ahora ya podemos calcular f2 (i), el costo mnimo que se

genera durante los meses 2,3 y4, dado que al principio de mes 2 el inventario
disponible es i unidades. Suponga que la produccin del mes 2 =x. Puesto que la
demanda del mes 2 es 3 unidades, se genera un costo de almacenamiento de:

0.5(i + x-3) + c(x)

f3 (i +x -3)

Costo total de
los meses
2,3,4

f2 (i)
x2 (i)

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

40 capacidad no puede
4 i +x -3 0 (Demanda mayor o igual a cero,
exceder de 4 , de acuerdo al problema)

Queremos elegir el nivel de produccin de mes 2 para minimizar lo

anterior:

f2(i) = min [ 0.5(i + x-3) + c(x) + f3 (i +x -3) ]

0.5(i + x-3) + c(x)

f3 (i +x -3)

Costo total de
los meses 2,
3,4

f2 (i)
x2 (i)

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

41

4 i +x -2 0 (Demanda mayor o igual a cero, capacidad no puede exceder de 4 , de

acuerdo al problema)

Queremos elegir el nivel de produccin de mes 2 para minimizar lo

anterior:

f2(i) = min [ 0.5(i + x-3) + c(x) + f3 (i +x -3) ]

0.5(i + x-3) + c(x)

f3 (i +x -3)

Costo total de
los meses 2,
3,4

f2 (i)
x2 (i)

0+5=5

5+7=12*

f3 (0) =12
x3 (0)=2

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

4 i +x -3 0 (Demanda mayor o igual a cero, capacidad no puede
exceder de 4 , de acuerdo al problema)

42

Cmo completar la tabla del mes 1?

i

0
0

Los valores posibles para la columna de i, son: 0, 1, 2, 3, 4, entonces partes

de i=0 y resuelves la desigualdad
4 i+x-1 0
4 0+x-1 0
5 x 1 Esto quiere decir que la x, debo de empezar a completar mi tabla
a partir de 2, hasta 5.
43

1
1

Y cuando la i=1? Qu pasa con la x?

4 i+x-1 0
4 1+x-1 0
4 x 0 Esto quiere decir que la x, debo de empezar a completar mi
tabla a partir de 0.
44

La tabla siguiente no esta completa , debes de

completarla

Queremos elegir el nivel de produccin de mes 1 para minimizar lo anterior:

f1(i) = min [ 0.5(i + x-1) + c(x) + f2 (i +x -1) ]

0.5(i + x-1) + c(x)

f2 (i +x -1)

0+4=4

18

+ 5=11/2

15

Costo total de
los meses
1,2,3,4

f1 (i)
x1 (i)

14

x debe ser un elemento de [ 0,1,2,3,4,5] y x debe satisfacer

45

4 i +x -1 0 (Demanda mayor o igual a cero, capacidad no puede exceder de 4 , de

acuerdo al problema)

TEORIA DE COLAS

46

Aplicaciones
Las partes de un proceso de produccin llegan a una estacin de trabajo
particular desde diferentes estaciones, esperan en un compartimiento
para ser procesadas por una maquina, y luego enviadas a otra estacin de
trabajo.

47

48

Aplicacin:
Las llamadas telefnicas llegan a un centro de reservaciones de una
aerolnea esperan al agente de ventas disponible, son atendidas por ese
agente y dejan el sistema cuando el cliente sale.

49

50

51

Lnea de espera con un solo

canal
Se pueden usar las siguientes formulas para desarrollar las caractersticas

de operacin en estado estable de una lnea de espera de un solo canal,

con llegadas tipo Poissn y tiempos de servicio exponencial.

52

53

Utilidad de analizar las lneas de

espera

Estos se presentan cuando se esta interesado en saber si un sistema est

funcionando satisfactoriamente y se necesitan responder preguntas tales
como:

Cul es el promedio que un cliente tiene que esperar en la fila o en

procesar un producto?

54

Problemas de Anlisis

Qu fraccin del tiempo ocupan los servidores en

atender a un cliente o en procesar un producto?

Cul es el numero promedio y el mximo de clientes

que esperan en la fila?

55

Mejora en la operacin de
la lnea de espera.
Muy a menudo, las mejoras en la operacin de la lnea de espera se
enfocan a maneras de mejorar el la tasa de servicio. Generalmente, las
mejoras de servicio se hacen mediante lo siguiente:

Incrementar la tasa de media de servicio.

Agregar canales de servicio.

56

TEORIA DE COLAS

Las LINEAS DE ESPERA,FILAS DE ESPERA o COLAS, son realidades

cotidianas:
Personas

esperando para realizar sus transacciones ante una caja en un banco,

Estudiantes

esperando por obtener copias en la fotocopiadora,

Vehculos

esperando pagar ante una estacin de peaje o continuar su camino, ante

un semforo en rojo,
Mquinas

daadas a la espera de ser rehabilitadas.

Se forman debido a un desequilibrio temporal entre la demanda del servicio y la

capacidad del sistema para suministrarlo.

57

TEORIA DE COLAS

Los Modelos de Lneas de Espera son de gran utilidad tanto en las

reas de Manufactura como en las de Servicio.

Los Anlisis de Colas relacionan:

la longitud de la lnea de espera,

el

promedio de tiempo de espera

y otros factores como:

la conducta de los usuarios a la llegada y en la cola,

Los Anlisis de Colas ayudan a entender el comportamiento de estos

sistemas de servicio (la atencin de las cajeras de un banco, actividades de
mantenimiento y reparacin de maquinaria, el control de las operaciones
en planta, etc.).
58

TEORIA DE COLAS
Costos de Servicio y Costos de Espera

Los Administradores reconocen el equilibrio que debe haber entre el

COSTO DE proporcionar buen SERVICIO y el COSTO del tiempo DE
ESPERA del cliente o de la mquina que deben ser atendidos.

Los Administradores desean que las colas sean lo suficientemente cortas

con la finalidad de que los clientes no se irriten e incluso se retiren sin
llegar a utilizar el servicio o lo usen pero no retornen ms.

Sin embargo los Administradores contemplan tener una longitud de cola

razonable en espera, que sea balanceada, para obtener ahorros
significativos en el COSTO DEL SERVICIO

59

TEORIA DE COLAS
Equilibrio entre Costos de Espera y Costos de Servicio
Costo

La lnea roja es la suma de los

costos por servicio mas el costo
por tiempo de espera.

Costo
Total
Mnimo

COSTO TOTAL
ESPERADO

Para esta lnea, al

aumentar el nivel de
servicio, el costo
aumenta.

Costo por proporcionar

el SERVICIO

Costo por TIEMPO

DE ESPERA
Nivel ptimo de Servicio

Nivel de Servicio
Tiempo de espera

Para esta curva, al aumentar

el tiempo de espera,
disminuye el costo para quien
ofrece el servicio
60

TEORIA DE COLAS
Costos de Servicio vs Nivel de
Servicio
Los COSTOS DE SERVICIO se incrementan

si se mejora el NIVEL DE
SERVICIO. Los Administradores de ciertos centros de servicio pueden
variar su capacidad teniendo personal o mquinas adicionales que son
asignadas a incrementar la atencin cuando crecen excesivamente los
clientes.

En supermercados se habilitan cajas adicionales cuando es necesario.

En bancos y puntos de chequeo de aeropuertos, se contrata personal

adicional para atender en ciertas pocas del da o del ao.

61

TEORIA DE COLAS

Cuando el servicio mejora, disminuye el costo de tiempo perdido en las

lneas de espera.

Este costo puede reflejar prdida de productividad de los operarios que

estn esperando que compongan sus equipos o puede ser simplemente un
estimado de los clientes perdidos a causa de mal servicio y colas muy
largas.

62

TEORIA DE COLAS
COLAS MAS COMUNES
SITIO

ARRIBOS EN COLA

SERVICIO

Supermercado

Compradores

Pago en cajas

Peaje

Vehculos

Pago de peaje

Consultorio

Pacientes

Consulta

Sistema de Cmputo

Programas a ser
corridos

Proceso de datos

Compaa de telfonos Llamadas

Efectuar comunicacin

Banco

Clientes

Depsitos y Cobros

Mantenimiento

Mquinas daadas

Reparacin

Muelle

Barcos

Carga y descarga
63

TEORIA DE COLAS
Caractersticas de una LINEA DE ESPERA

Una cola de espera est compuesta de tres elementos:

1.

Arribos o ingresos al sistema

2.

Disciplina en la cola

3.

Servicio

Estos tres componentes tienen ciertas caractersticas

que deben ser examinadas antes de desarrollar el
aspecto matemtico de los modelos de cola.

64

TEORIA DE COLAS
Caractersticas de una LINEA DE ESPERA
CARACTERISTICAS DE ARRIBO:
La fuente de ingreso que genera los arribos o clientes para el
servicio tiene tres caractersticas principales:
a.

Tamao de la poblacin que arriba

b.

Patrn de llegada a la cola

c.

Comportamiento de las llegadas.

1.a.Tamao de la Poblacin:
El tamao de la poblacin puede ser:
infinito (ilimitado) o
limitado (finito).

65

TEORIA DE COLAS
Caractersticas de una LINEA DE ESPERA
1. CARACTERISTICAS DE ARRIBO:

1.a. Tamao de la Poblacin:

Infinito (ilimitado): Cuando el nmero de clientes o arribos en
un
momento
dado es una pequea parte de los arribos potenciales. Para propsitos prcticos
poblaciones ilimitadas pueden considerarse a los vehculos que se acercan a un
caseta de peaje, los aficionados a un partido del mundial de Ftbol, clientes en
un supermercado.

LA MAYORA DE LOS MODELOS ASUME ARRIBO INFINITO.

Poblacin de arribo limitada o finita: cuando se tienen muy pocos servidores
y el servicio es restringido. Ej.: los pacientes en un consultorio mdico

66

TEORIA DE COLAS
Caractersticas de una LINEA DE ESPERA
1. CARACTERISTICAS DE ARRIBO:

1.b. Patrn de arribo al sistema:

Los clientes arriban a ser atendidos de una manera programada (un paciente
cada 15 minutos) o de una manera aleatoria.

Se consideran que los arribos son aleatorios cuando stos son independientes
de otros y su ocurrencia no puede ser predicha exactamente.

Frecuentemente en problemas de colas, el nmero de arribos por unidad de

tiempo pueden ser estimados por medio de la Distribucin de Poisson que es
una distribucin discreta de probabilidad.

67

TEORIA DE COLAS
Caractersticas de una LINEA DE ESPERA
1. CARACTERISTICAS DE ARRIBO:

DISTRIBUCION DE POISSON:

e x
Px
para_ x 0,1,2,3,4,...
x!

P(x) = Probabilidad de x arribos

.x=

nmero de arribos por unidad de tiempo

razn promedio de arribo

e = 2.71828

68

TEORIA DE COLAS
DISTRIBUCION DE POISSON
DISTRIBUCION DE POISSON PARA TIEMPOS DE ARRIBO

=2

0.3000

PROBABILIDAD

0.2500
0.2000
0.1500

DISTRIBUCION

0.1000
0.0500
0.0000

DISTRIBUCION 0.1353

0.2707

0.2707

0.1804

0.0902

0.0361

0.0120

0.0034

0.0009

0.0002

ARRIBOS/UNIDAD DE TIEMPO
69

TEORIA DE COLAS
DISTRIBUCION DE POISSON
DISTRIBUCION DE POISSON PARA TIEMPOS DE ARRIBO
=4

0.2500

PROBABILIDAD

0.2000
0.1500
DISTRIBUCION
0.1000
0.0500
0.0000

DISTRIBUCION 0.0183 0.0733 0.1465 0.1954 0.1954 0.1563 0.1042 0.0595 0.0298 0.0132
ARRIBOS/UNIDAD DE TIEMPO

70

TEORIA DE COLAS
Caractersticas de una LINEA DE ESPERA
1. CARACTERISTICAS DE ARRIBO:
1.c. Comportamiento de los arribos:
La mayora de los modelos de colas asume que los clientes son pacientes
o sea que esperan en la cola hasta ser servidos y no se pasan entre
colas. Desafortunadamente, la vida es complicada y la gente reniega.
Aquellos que se impacientan por la espera, se retiran de la cola sin
completar su transaccin.
Esta situacin sirve para acentuar el estudio de la teora de colas y el
anlisis de las lneas de espera, ya que un cliente no servido es un cliente
perdido y hace mala propaganda de ese negocio.
71

TEORIA DE COLAS
2. CARACTERISTICAS DE LA LINEA DE
ESPERA:

La LINEA DE ESPERA es el segundo componente de un

sistema de colas. La longitud de la cola puede ser
tambin LIMITADA o ILIMITADA.

Cola LIMITADA es aquella que por aspectos fsicos no

puede incrementarse a tamaos infinitos. Puede ser el
caso de una peluquera que tiene pocos barberos y sillas
para atender.

Estudiaremos los modelos de colas asumiendo colas de

longitud infinita. Una cola es ILIMITADA cuando su tamao
no tiene restriccin como es el caso de una caseta de
peaje que sirve a los vehculos que arriban.

72

TEORIA DE COLAS
2. CARACTERISTICAS DE LA LINEA DE
ESPERA:

Una segunda caracterstica de las lneas de espera se

refiere a la DISCIPLINA EN LA COLA mediante la cual los
clientes reciben el servicio. La mayora de los sistemas
usan la regla Primero En Entrar Primero En Salir (First
In First Out) [PEPS (FIFO)]. Se denomina tambin FIFS
(First In First Served).

En las reas de emergencia de hospitales sin embargo se

omite esta regla dependiendo de la gravedad de las
lesiones de las personas que arriban por auxilio mdico.

En supermercados, personas con menos de 10 artculos

tienen la caja express que atiende a este tipo de
clientes. Pero en la cola se les atiende con la poltica
PEPS.
73

TEORIA DE COLAS
CARACTERISTICAS DE LA LINEA DE ESPERA

3. Caractersticas del Servicio

El tercer elemento de un sistema de colas es el SERVICIO. En
l son importantes dos propiedades bsicas:
1.

La configuracin del sistema de servicio.

2.

El patrn de tiempos de servicio

3.1. CONFIGURACIONES BASICAS PARA EL SERVICIO:

Los sistemas para el servicio son clasificados en funcin del
numero de canales (servidores) y el nmero de fases
(nmero de paradas que deben hacerse durante el
servicio).
Sistema de cola de un solo canal: tiene un solo servidor.
Ejemplos de ello son los cajeros para automovilistas o los
establecimientos de comida rpida.
74

TEORIA DE COLAS
CARACTERISTICAS DE LA LINEA DE ESPERA
3.1. Configuraciones bsicas para el Servicio

Sistema de cola multi-canal: Son principalmente los

cajeros de un banco en los cuales hay una sola cola y
varias personas atendiendo a los clientes en diversas
cajas.

Sistema de una sola fase: es aquel en el cual el cliente

recibe el servicio de una sola estacin y luego abandona
el sistema. Un restaurant de comida rpida en el cual la
persona que toma la orden tambin le entrega el alimento
y cobra, es un sistema de una sola fase

Sistema multifase: cuando se pone la orden en una

estacin, se paga en una segunda y se retira lo adquirido
en una tercera
75

TEORIA DE COLAS
Configuraciones Bsicas de Sistemas de Colas
3.1. Configuraciones bsicas para el Servicio

COLA
SERVIDOR

ARRIBOS

SALIDAS

SISTEMA UN CANAL, UNA FASE

COLA
ARRIBOS

SERVICIO
FASE 1

SERVICIO
FASE 2

UN SOLO CANAL, MULTIFASE

76

SALIDAS

TEORIA DE COLAS
Configuraciones Bsicas de Sistemas de Colas
3.1. Configuraciones bsicas para el Servicio

CANAL 1

COLA

CANAL 2

ARRIBOS

CANAL 3

SISTEMA MULTICANAL UNA FASE

77

SALIDAS

TEORIA DE COLAS
Configuraciones Bsicas de Sistemas de Colas
3.1. Configuraciones bsicas para el Servicio

FASE 1
CANAL 1

COLA

ARRIBOS

FASE 2
CANAL 1

SALIDAS
FASE 1
CANAL 2

FASE 2
CANAL 2

SISTEMA MULTICANAL MULTIFASE

78

TEORIA DE COLAS
Configuraciones Bsicas de Sistemas de Colas
3.2. Distribucin del Tiempo de Servicio

Los patrones de servicio son similares a los patrones

de llegada. Pueden ser constantes o aleatorios.
1.

Si el tiempo de servicio es constante, toma la misma

cantidad de tiempo atender a cada cliente. Es comn
con servicios dados por medio de mquinas (Lavadora
automtica de carros).

2.

Si el tiempo de servicio es distribuido aleatoriamente

que es el caso ms comn se lo representa por la
DISTRIBUCION
DE
PROBABILIDAD
EXPONENCIAL
-x
NEGATIVA de la forma e
para x 0. Esta es una
hiptesis matemtica muy conveniente, cuando los
arribos siguen la distribucin de Poisson.
79

TEORIA DE COLAS
Medicin del Rendimiento de las Colas

Los modelos de colas ayudan a los administradores a tomar decisiones

para balancear los costos de servicio deseables con los costos de
espera en la lnea.

Los principales factores que se evalan en estos modelos son:

1.

Tiempo promedio que cada cliente u objeto permanece en la cola

2.

Longitud de cola promedio

3.

Tiempo promedio que cada cliente permanece en el sistema

(tiempo de espera + tiempo de servicio).

4.

Nmero de clientes promedio en el sistema.

5.

Probabilidad de que el servicio se quede vaco

6.

Factor de utilizacin del sistema

7.

Probabilidad de la presencia de un especfico nmero

de clientes
80
en el sistema.

TEORIA DE COLAS
Notacin de los Modelos de Colas

Reconociendo la diversidad de los sistemas de colas,

Kendall (1953) propuso un sistema de notacin para
sistemas de servidores paralelos que ha sido adoptado
universalmente.

Una versin resumida de esta convencin est basada

en el formato A/B/c/N/K. Estas letras representan las
siguientes caractersticas del sistema:

A = Distribucin de tiempo entre arribos.

B = Distribucin del tiempo de servicio.

81

Los siguientes son smbolos comunes para A y B:

M = exponencial o Markov (1)
D = constante o determinstica
Ek = Erlang de orden k
P H = Tipo fase
H = Hiperexponencial
G = Arbitrario o general
GI = General independiente

82

TEORIA DE COLAS
Notacin de los Modelos de Colas

c = nmero de servidores paralelos

N = Capacidad del sistema

K = Tamao de la poblacin.

Nota(1): A causa de las suposiciones de distribucin exponencial en los procesos de

arribo, estos modelos son llamados MARKOVIANOS

83

TEORIA DE COLAS
Notacin de los Modelos de Colas

Por ejemplo: M/M/1// significa un solo servidor, capacidad de cola

ilimitada y poblacin infinita de arribos potenciales. Los tiempos entre
arribos y los tiempos de servicio son distribuidos exponencialmente.

Cuando N y K son infinitos, pueden ser descartados de la notacin.

M/M/1// es reducido a M/M/1.

84

TEORIA DE COLAS
Variedad de Modelos de Colas

Existe una cantidad enorme de Modelos de Colas que

pueden utilizarse. Nos vamos a concentrar en 4 de los
modelos ms usados. Modelos ms complejos pueden
ser desarrollados mediante el uso de la Simulacin y se
los encuentra en textos especializados sobre el tema.

Los 4 modelos de colas a estudiar asumen:

Arribos segn la Distribucin de Poisson

Disciplina PEPS

Una sola fase de servicio.

Modelo A: Un canal, Arribos segn la Distribucin de

Poisson; Tiempos de Servicio exponenciales

85

TEORIA DE COLAS
Variedad de Modelos de Colas

Modelo B: Multicanal

Modelo C: Tiempo de Servicio constante

Modelo D: Poblacin Limitada

Modelo A: Modelo de Colas de un solo canal, con

arribos que siguen la distribucin de Poisson y
Tiempos de Servicio Exponenciales: (Modelo M/M/1)

Los casos ms comunes de problemas de colas incluyen

la lnea de espera de canal nico o servidor nico. En
este caso los arribos crean una sola cola a ser servida
por una sola estacin.
86

TEORIA DE COLAS
Modelo A: M/M/1

Asumimos que existen las siguientes condiciones:

1.

Los clientes son servidos con una poltica PEPS y cada

arribo espera a ser servido sin importar la longitud de
la lnea o cola.

2.

Los arribos son independientes de arribos anteriores,

pero el promedio de arribos, no cambia con el tiempo.

3.

Los arribos son descritos mediante la distribucin de

probabilidad de Poisson y proceden de una poblacin
muy grande o infinita.

4.

Los tiempos de servicio varan de cliente a cliente y son

independientes entre s, pero su tiempo promedio es
conocido.

87

TEORIA DE COLAS
Modelo A: (M/M/1) Modelo B: (M/M/S)
5.

Los tiempos de servicio se representan mediante la distribucin de

probabilidad exponencial negativa.

6.

La razn de servicio es ms rpida que la razn de arribo. (o sea, lo forma

como se atiende es mas rpida de cmo llegan los clientes)

Modelo B: Modelo de cola multicanal (M/M/S)

Dos o ms servidores o canales estn disponibles para atender a los

clientes que arriban.

Los clientes forman una sola cola y se los atiende de acuerdo al

servidor que queda libre.

Asumimos que los arribos siguen la distribucin de probabilidad de

Poisson y los tiempos de servicio son distribuidos exponencialmente.

88

TEORIA DE COLAS

Los servicios se los hace de acuerdo a la poltica

primero en llegar primero en ser servido (PEPS) y
todos los servidores atienden a la misma razn.

Modelo C: Modelo de Tiempo de Servicio Constante

(M/D/1)

Algunos sistemas tienen tiempos de servicio constantes

en lugar de exponencialmente distribuidos. Cuando los
clientes son atendidos o equipos son procesados con un
ciclo fijo como es el caso de una lavadora de carros
automatizada o ciertos entretenimientos en los parques
de diversiones, el asumir servicio constante es
adecuado.
89

TEORIA DE COLAS
Modelo D: Poblacin limitada

Modelo D: Modelo de Poblacin limitada.

Este modelo puede ser usado por ejemplo si estamos

considerando reparaciones de equipo en una fbrica que
tiene 5 mquinas. Este modelo permite cualquier
nmero de reparadores a ser considerados.

La razn por la cual este modelo difiere de los otros tres

es que ahora hay una relacin de dependencia entre la
longitud de la cola y la tasa de arribo. La situacin
extrema sera si en la fbrica tenemos 5 mquinas,
todas se han daado y necesitan reparacin; siendo en
este caso la tasa de arribo CERO. En general, si la lnea
de espera crece, la tasa de llegada tiende a cero
90

RESUMEN DE LOS MODELOS

DE COLAS DESCRITOS
MODELO

NOMBRE

N DE
CANAL
ES

N DE
FASES

PATRN
DE
ARRIBO

PATRN
DE
SERVICIO

TAMAO DE
LA POBLACIN

DISCIPLINA
DE COLA

SIMPLE
M/M/1

UNO

UNA

POISSON

EXPONEN
CIAL

INFINITA

PEPS

MULTICANAL
M/M/S

MULTI
CANAL

UNA

POISSON

EXPONEN
CIAL

INFINITA

PEPS

SERVICIO
CONSTANTE
(M/D/1)

UNO

UNA

POISSON

CONSTAN
TE

INFINITA

PEPS

POBLACION
LIMITADA

UNO

UNA

POISSON

EXPONEN
CIAL

FINITA

PEPS

91

Trabajo de Clase:
Con la informacin que leste, elabora un mapa
conceptual con las ideas principales de lo que es la
teora de colas.
Tarea: Elaborar el mapa conceptual en Cmap y
enviarlo va correo electrnico.

92

Trabajo de Clase:
Realizar los ejercicios, del archivo Teora de colas- problemas

93

FRMULAS
PARA COLAS
MM1
MODELO A: SISTEMA SIMPLE O

M/M/1

Nmero promedio de arribos por perodo de tiempo

Nmero promedio de gente o cosas servidos por perodo de tiempo
n nmero de unidades en el sistema
LS Nmero promedio de unidades (clientes) en el sistema LS

Factor de utilizaci n del sistema

WS Tiempo promedio que una unidad permaneceen el sistema

(tiempo de espera tiempo de servicio)
1
WS

94

MM1
2
Lq Nmero promedio de unidades en la cola
LS

Wq Tiempo promedio que una unidad espera en la cola

WS

Pn Probabilid ad de que " n" clientes estn en el sistema
n

Pn 1 1 n

Po Probabilid ad de cero unidades en el sistema (la unidad de servicio est vaca)
Po 1

Pn k Probabilid ad de que ms de " k" unidades estn en el sistema

Pn k

k 1

95

FRMULAS
PARA COLAS
MMs
MODELO B: SISTEMA MULTICANAL O M/M/S
M nmero de canales abiertos
tasa promedio de arribo
tasa promedio de servicioen cada canal
Po Probabilidad de que existan CERO personas o unidades en el sistema
1
Po
para M
n
M
nM 1 1 1
M


n0 n ! M ! M
Ls nmero promedio de personas o unidades en el sistema :
M

LS
Po

M 1.!.M 2
96

FRMULAS PARA COLAS

MODELO B: SISTEMA MULTICANAL O M/M/S

MMs

Ws Tiempo promedio que una unidad permanece en el sistema,

(en la cola y siendo servida (atendida))
M

1 LS

WS
Po

2

M 1! M
Lq Nmero promedio de personas o unidades en la lnea o cola, en espera de servicio
Lq LS

LS

Wq Tiempo promedio que una persona o unidad se

tarda en la cola esperando por servicio
1 L
Wq WS q

97

FRMULAS PARA COLAS

MODELO B: SISTEMA MULTICANAL O M/M/S

M (M )
p(sistema, ocupado)
Po
M !(M )

Factor de
utilizacin:

98

n M 1 1 n

n 0 n !

99

FRMULAS PARA COLAS

MODELO C: SERVICIO CONSTANTE O MODELO
M/D/1
2
Longitud promedio de la cola,
Lq
2

Tiempo promedio de espera en la cola, Wq

2

Nmero promedio de clientes en el sistema, LS Lq

1
Tiempo promedio de espera en el sistema, WS Wq

100

FORMULAS PARA COLAS

MODELO D: POBLACIN LIMITADA
NOTACIN :
D Probabilidad de que una unidad tenga que esperar en la cola
F Factor de eficiencia
H Nmero promedio de unidades siendo servidas
J Nmero promedio de unidades que no estn en cola o en el sector de servicio
L Nmero promedio de unidades esperandoel servicio
M Nmero de canales de servicio
N Nmero de clientes potenciales
T Tiempo de serviciopromedio
U Tiempode servicioentre requerimientos de atencin a la unidad
W Tiempo promedio que una unidad espera en la cola
X Factor de servicio

101

FORMULAS PARA COLAS

MODELO D: POBLACIN LIMITADA

102

Solucin, del ejercicio de poisson

103

Aplicacin:
La compaa arrendadora de automviles Rosys Car opera su
propia instalacin de lavado y limpieza de automviles para
prepararlos para su renta. Los automviles llegan a la instalacin de
limpieza en forma aleatoria a una tasa de 5 por da. La compaa
arrendadora ha determinado que los automviles pueden limpiarse
a un ritmo de 2n por da, en donde n es el nmero de personas que
trabajan en un automvil. Por ejemplo si se encuentran 4 personas
trabajando la tasa de lavado es de 8 automviles por da. Se ha
determinado que este procedimiento de lavado se ajusta a la
distribucin exponencial negativa.
La compaa les paga a sus trabajadores $30 por da y ha
determinado que el costo de automvil que no este disponible para
rentarlo es de $25 por da (lo que se pierde por no tener disponible
el automvil).
Calcule el nmero de empleados que deben contratarse en la
instalacin de lavado, para que produzca el menor costo.
Calcule las caractersticas de operacin Ls, Lq, Ws, Wq para el
numero de empleados (3,4,5,6, )
104

n
3

10

12

Ls
Ws
Costo de los
operarios (30n)
Costo por no
tener
disponible la
unidad (25Ls)
Costo Total
30n+25Ls

Para el costo mas chico, determinar Ls, Ws, Lq, Wq

105

106

Aplicacin:
El centro de reparaciones de computadoras Gastn SA, maneja la
reparacin de las microcomputadoras que vende. Un problema comn de
reparacin es la alineacin de unidades de disco. Al llegar las
microcomputadoras al centro de reparacin se asigna en forma rotatoria
a uno de los tres tcnicos para que haga la alineacin. Por razones de
control de calidad, una vez que se asigna una microcomputadora a un
tcnico, no se asigna a otro. Suponiendo que las tasas de llegada y de
servicio son aleatorias y de 30 por mes y de 2 por da por cada tcnico
(20 das hbiles por mes), responda las siguientes preguntas:
a) Cul ser el tiempo promedio que una microcomputadora,
permanece en el centro de servicio?MM1
b) En promedio, en cualquier momento, cuantas micros estarn
esperando a cada tcnico para que les de servicio?MM1
c) Cmo respondera usted las preguntas anteriores si una
microcomputadora que llega pasara al primer tcnico disponible para
que le diera servicio, en vez que se asignara en forma rotatoria? (tipo
banco MMs)
107

=10 , ya que los treinta que llegan se reparten equitativamente entre

los tres tcnicos
= 40
a) W=
este caso es M/M/1
b) Lq=
c) =30 este caso es M/M/s
=40
s=3
Po=0.4706
P sistema ocupado=
Lq= 0.01470
Ls=
Ws=
Wq=

108

109

110

Aplicacin
El Padre George utiliza en la actualidad dos confesionarios con filas
separadas para atender las necesidades de sus feligreses. Se ha
observado que las llegadas son aleatorias, a un ritmo promedio de 30
personas por hora y el tiempo de servicio tiende a ser aleatorio tambin,
puesto que la cantidad de pecados por persona puede diferir en gran
medida. Se ha determinado que el tiempo promedio que se permanece
en el confesionario es de 3 minutos. Se ha obtenido tambin que las
llegadas se distribuyen en forma equitativa entre las dos lneas. El padre
Jorge, est considerando cambiar a un sistema en el que utilice una sola
fila que alimente ambos confesionarios. El padre desea saber qu
sistema (el actual o el propuesta , conducir a un tiempo mas breve en
la fila de pecadores que buscan la gracia del perdn y poder vivir
felices).

111

112

TRABAJO DE CAMPO (Tarea para el ________)

Nos dividiremos en equipos de 3 personas para hacer el trabajo de

campo
Escogeremos puntos de nuestra universidad o fuera de ella donde se
puedan aplicar lo investigado anteriormente, pueden ser los centros de
copiado, el cajero automtico, las computadoras de la biblioteca, la caja,
servicios escolares, cajeros de sper, alguna cola de tu trabajo.
Debers analizar el tipo del lnea de espera que es, el patrn de llegada,
el patrn de servicio, calcular los parmetros como son: tiempo promedio
de servicio, probabilidad de que la estacin de servicio este en servicio.
De ser posible, hay que anexar al reporte, fotos y videos.
Entregaremos el reporte del trabajo por escrito y lo presentaremos la
prxima clase.
Enviar, Todo en formato electrnico, cero papeles, mencionando los
nombres de los integrantes. Utiliza Excel para tu trabajo.
113

114

Tarea:
Revisar esta liga, donde viene informacin acerca de la teora de
lneas de espera, revisar la teora y realizar los ejercicios en una
hoja de Excel.

http://www.investigacion-operaciones.com/Teoria_colas_web.htm

115

Teora de decisiones
(bajo incertidumbre)
Todos hemos tenido que tomar decisiones importantes en situaciones
donde haba incertidumbre acerca de los factores pertinentes para las
decisiones.
Quien toma la decisin elige primero una accin ai de un conjunto A={a1,
a2, , ak} de acciones disponibles.

Luego observas el estado del mundo; con probabilidad pj , se observa

el estado del mundo como sj S={ s1 , s2 ,, sn} . Si se elige la accin
a1 y el estado del mundo es sj , quien toma la decisin recibe una
recompensa rij

116

Anlisis de las decisiones

El anlisis de decisiones puede usarse para desarrollar una

estrategia ptima cuando el tomador de decisiones se enfrenta con
varias alternativas de decisin y una incertidumbre o patrn de
eventos futuros lleno de riesgos.

117

Formulacin del problema

El primer paso en el proceso de anlisis de decisiones es la formulacin

del problema, comenzando con una declaracin verbal de ste.

Luego identificamos las alternativas de decisin, los eventos futuros

inciertos, conocidos como eventos fortuitos, y las consecuencias o
resultados asociados con cada alternativa de decisin y cada evento
fortuito.

Por ejemplo:

118

Aplicacin
Una constructora compr unos terrenos en los que se construir un nuevo
complejo de condominios de lujo. La ubicacin planea una vista espectacular y
la constructora planea fijar el precio de las unidades del condominio entre
$300,000 y $1400,000 cada una.
La constructora comisiono los bocetos arquitectnicos preliminares para tres
proyectos de diferente tamao; uno con 30 condominios, otro con 60 y uno ms
con 90. El xito financiero del proyecto depende del tamao del complejo de
condominios y el evento fortuito de la demanda que exista para los inmuebles.
El problema de decisin de la constructora es seleccionar el tamao del nuevo
proyecto que llevar a la mayor ganancia dada la incertidumbre en la demanda
de los condominios.
Dado el planteamiento del problema, es evidente que la decisin es seleccionar
el mejor tamao para el proyecto. La constructora tiene las siguientes
alternativas de decisin:
d1= un complejo pequeo con 30 condominios.
d2= un complejo mediano con 60 condominios.
d3= un complejo grande con 90 condominios.
119

Un factor en la seleccin de la mejor alternativa es la incertidumbre

asociada con la demanda de los condominios. Cuando se le pregunt sobre
la demanda probable, el presidente de del constructora reconoci una
amplia gama de posibilidades, pero decidi que sera adecuado considerar
dos resultados posibles para la misma: una demanda fuerte y una demanda
dbil.
En el anlisis de decisiones, los resultados posibles para un evento fortuito
se conocen como los estados de la naturaleza, mismos que se definen de
modo que pueda ocurrir uno y solo uno de todos los posibles. En el
problema de la constructora, el evento al azar concerniente a la demanda
para los condominios tiene dos estados de la naturaleza:
s1= demanda fuerte para los condominios.
s2= demanda dbil para los condominios.

120

Primero la administracin debe seleccionar una alternativa de decisin

(tamao del complejo), luego sigue un estado de la naturaleza (demanda
para los condominios) y por ltimo habr una consecuencia, en este caso
la ganancia.

121

Diagrama de influencia
Es una herramienta grfica que muestra las relaciones entre las
decisiones, los eventos al azar y las consecuencias para un problema
de decisin. Los nodos en un diagrama de influencia se usan para
representar las decisiones, los eventos fortuitos y las consecuencias. Se
emplean rectngulos o cuadrados para describir los nodos de decisin.
Crculos u valos para describir los nodos fortuitos y rombos para
describir los nodos de consecuencia.
Las lneas que conectan los nodos, llamadas arcos, muestran la
direccin de la influencia que tienen los nodos entre s.

122

Estados de la
naturaleza:
Fuerte (s1)
Dbil (s2)

Demanda

Tamao del
complejo

Alternativas de decisin
Complejo pequeo ( d1)
Complejo mediano (d2)
Complejo grande (d3)

Ganancia

Consecuencia
Ganancia

123

Tablas de resultados:
Dadas las tres alternativas de decisin y los dos estados de la
naturaleza, Qu tamao del complejo debera elegir la constructora?

Tabla de resultados para el proyecto de condominios de la

constructora (pagos en millones de dlares)
Estado de la Naturaleza
Alternativa de decisin

Demanda fuerte S1

Demanda dbil S2

Complejo pequeo, d1

Complejo mediano, d2

14

Complejo grande, d3

20

-9

124

rbol de decisin, para el proyecto de condominios:

Pequeo , d1

Mediano, d2

Grande, d6

Fuerte, s1

Dbil, s2

Fuerte, s1

14

Dbil, s2

Fuerte, s1

20

Dbil, s2

-9

125

Enfoque de arrepentimiento minimax:

El enfoque de arrepentimiento minimax para la toma de decisiones no es
puramente optimista ni puramente conservador.
Suponga que la constructora, construye un complejo de condominios
pequeo (d1) y la demanda resulta ser fuerte (s1).
La tabla anterior muestra que la ganancia resultante sera de 8 millones.
Sin embargo, dado que ha ocurrido el estado de la naturaleza de
demanda fuerte (s1), nos damos cuenta que la decisin de construir un
complejo de condominios grande (d3), que produce una ganancia de $20
millones, habra sido la mejor decisin.

La diferencia entre el resultado por la mejor alternativa de decisin (20

millones) y el pago por la decisin de construir un complejo de
condominios pequeo ($8 millones), es la prdida de oportunidad, o
arrepentimiento, asociado con la alternativa de decisin d1, cuando
ocurre el estado de la naturaleza S1.
Para este caso la perdida de oportunidad es de 20-8=12 millones.
126

Generalmente, la siguiente expresin representa la prdida de oportunidad o

arrepentimiento.

Rij = / Vj* - Vij /

Donde:
Rij = el arrepentimiento asociado con la alternativa de decisin di y estado
de la naturaleza sj
Vj* = el valor del resultado correspondiente a la mejor decisin para el
estado de la naturaleza sj
Vij = el resultado correspondiente a la alternativa de decisin di y el estado
de la naturaleza sj

127

Ejercicio:
Realizar la tabla de prdida de oportunidad, o arrepentimiento, para el
proyecto de condominio:

Estado de la Naturaleza
Alternativa de decisin

Demanda fuerte S1

Demanda dbil S2

Complejo pequeo, d1
Complejo mediano, d2
Complejo grande, d3

128

Estado de la Naturaleza
Alternativa de decisin

Demanda fuerte S1

Demanda dbil S2

Complejo pequeo, d1

Complejo mediano, d2

14

Complejo grande, d3

20

-9

Tabla de arrepentimiento
Estado de la Naturaleza
Alternativa de decisin

Demanda fuerte S1

Demanda dbil S2

Complejo pequeo, d1

12

Complejo mediano, d2

Complejo grande, d3

16

Ahora se toma el arrepentimiento mximo, de

cada alternativa.
129

Arrepentimiento mximo para cada alternativa de decisin

Analizamos las tres alternativas.
Alternativa de decisin

Arrepentimiento mximo

Complejo pequeo, d1

12

Complejo mediano, d2
Complejo grande, d3

(Mnimo del arrepentimiento mximo)

16
De los males, el mejor

130

Aplicaciones 1:
La siguiente tabla de resultados muestra las ganancias para un
problema de anlisis de decisiones con dos alternativas y tres estados
de la naturaleza.

Estado de la naturaleza
Alternativa de
decisin

s1

s2

s3

d1

250

100

25

d2

100

100

75

a.- Construya un rbol de decisin para este problema.

b.- Si el tomador de decisiones no sabe nada sobre las
probabilidades de los tres estados de la naturaleza, Cul es la
decisin recomendada usando el enfoque minimax?

Nota: usa las funciones de Excel =Min()

=Max()
131

Tabla de arrepentimiento o prdida de oportunidad

Decisin

s1

s2

s3

d1

50

d2

150

Nota: usa las funciones de Excel =Min()

=Max()
132

Aplicacin 2:
La decisin de una empresa de producir una lnea nueva de productos
recreativos ha dado como resultado la necesidad de construir ya sea una
planta pequea o una grande. La mejor seleccin del tamao de la planta
depende de cmo reaccione el mercado a la nueva lnea de produccin. Para
realizar un anlisis, la gerencia de mercadotecnia ha decidido calificar la
posible demanda a largo plazo como baja, media o alta, la siguiente tabla de
resultados muestra la ganancia proyectada en millones de dlares:
Demanda a largo plazo
Tamao de la planta

Baja

Media

Alta

Pequea

150

200

200

Grande

50

200

500

133

Toma de decisiones con probabilidades

En muchas situaciones de toma de decisiones podemos obtener
evaluaciones de probabilidad para los estados de la naturaleza.
Cuando estn disponibles dichas probabilidades podemos usar el
enfoque del valor esperado para identificar la mejor alternativa de
decisin
N= el nmero de estados de la naturaleza
P(sj) = la probabilidad del estado de la naturaleza sj
La probabilidades deben satisfacer dos condiciones:
P(sj) 0
P(sj) = P(s1) + P(s2) + +P(sN) =1
El valor esperado (VE) de una alternativa de decisin d1 se define
como sigue:
VE(di) = P(sj) Vij

134

Ahora el enfoque es usando el valor esperado,

cambia nuestra decisin? Veamos

Pequeo (d1)

Mediano (d2)

Grande (d3)

Fuerte (s1)
P(s1)=0.8

VE(d1)=0.8(8)+0.2(7)=$7.8

Dbil (s2)
P(s2)=0.2

Fuerte (s1)
P(s1)=0.8

14

Dbil (s2)
P(s2)=0.2

Fuerte (s1)
P(s1)=0.8

20

VE(d3)=0.8(20)+0.2(-9)=$14.2

Dbil (s2)
P(s2)=0.2

-9

RESULTADO, RECOMENDADO, LA
ALTERNATIVA 3

VE(d2)=0.8(14)+0.2(5)=$12.2

135

136

Aplicacin 2:
La siguiente tabla de ganancias se present en el problema1.
Suponga que el tomador de decisiones ha obtenido las evaluaciones
de probabilidad P(s1)=0.65, P(s2)=0.15 y P(s3)=0.20. Use el enfoque
del valor esperado para determinar la decisin ptima.

Estado de la Naturaleza
Alternativa de
decisin

s1

s2

s3

d1

250

100

25

d2

100

100

75

137

Preguntas:

a.
b.
c.
d.
e.

Cul es la decisin que se va ha tomar?

Cul es el evento fortuito para el problema ?
Construya un diagrama de influencia
Construya un rbol de decisin.
Recomiende una decisin basado en el enfoque minimax

138

Aplicacin 3:
Lorena Gonzlez esta interesada en alquilar un BMW nuevo y se ha
puesto en contacto con tres distribuidores de automviles para solicitar
informacin sobre sus precios, Cada uno ha ofrecido a Lorena un
arrendamiento a 36 meses sin pago inicial en el momento de la firma.
Cada arrendamiento incluye un cargo mensual por la renta y una
cantidad de kilmetros libres. Los kilmetros adicionales reciben un
cargo adicional. El costo mensual de la renta, el kilometraje incluido y
el costo por kilometraje adicional es como sigue:
Distribuidor

Costo mensual

kilometraje libre
(estos te los consumen
como quieras , en un
mes, o en un ao, tu
sabrs)

Costo por kilometro

adicional

Forano

$299

3600

$0.15

Midtown

$310

4500

$0.20

Hopkins

$325

5400

$0.15

139

Lorena ha decidido elegir la opcin de renta que minimice su costo total por
los 36 meses. La dificultad es que Lore no est segura de cuntos
kilmetros recorrer durante los siguientes tres aos. Para propsitos de
esta decisin ella cree que es razonable suponer que conducir ya sea
12,000 , 15,000 o 18,000 kilmetros anuales. Con esta suposicin Lore
ha estimado sus costos totales para las tres opciones de
arrendamiento.(realiza una tabla de costos, para un tiempo de 12 meses)
a. Cul es la decisin y cul es el evento fortuito?
b. Construya una tabla de resultados (utiliza costo fijo + costo variable)
para el problema de Lore.
c. Si Lore no tiene idea de cul de las tres suposiciones de kilometraje es
la ms apropiada, cual es la decisin recomendada usando minimax?
d. Suponga que las probabilidades de que Lore conduzca 12000 , 15000 y
18000 kilmetros anuales son 0.5, 0.4 y 0.1, respectivamente. Qu
opcin debera elegir Lore usando el enfoque del valor esperado?
e. Suponga que despus de ms consideracin, Lore concluye que las
probabilidades de que conducir 12000, 15000 y 18000 kilmetros
anuales son 0.3, 0.4 y 0.3 respectivamente. Qu decisin debera
tomar Lore, usando el enfoque de valor esperado?
140

141

Anlisis de riesgo y anlisis de sensibilidad.

El anlisis de riesgo ayuda al tomador de decisiones a reconocer la
diferencia entre el valor esperado de una alternativa de decisin y el
resultado que puede ocurrir en realidad. El anlisis de sensibilidad tambin
ayuda al tomador de decisiones describiendo cmo los cambios en las
probabilidades del estado de la naturaleza o los cambios en los resultados
o ambos afectan la alternativa de decisin tomada.

142

Anlisis de riesgo
Una alternativa de decisin y un estado de la naturaleza se combinan
para generar el resultado asociado con una decisin. El perfil de
riesgo para una alternativa de decisin muestra los resultados
posibles junto con sus probabilidades asociadas.
Usando el enfoque de valor esperado, identificamos el complejo de
condominios grande d3 como la mejor alternativa de decisin. El valor
esperado de $14.2 millones para d3 se basa en una probabilidad de
0.8 de obtener una ganancia de $20 millones y una probabilidad de 0.2
de obtener una perdida de $9 millones
Pequeo
(d1)

Del problema de los

condominios.

Mediano
(d2)

Grande
(d3)

Fuerte (s1)
P(s1)=0.8

VE(d1)=0.8(8)+0.2(7)=$7.8

Dbil (s2)
P(s2)=0.2

Fuerte (s1)
P(s1)=0.8

14

Dbil (s2)
P(s2)=0.2

Fuerte (s1)
P(s1)=0.8

20

VE(d3)=0.8(20)+0.2(9)=$14.2

Dbil (s2)
P(s2)=0.2

143
-9

RESULTADO,
RECOMENDADO, LA
ALTERNATIVA 3

VE(d2)=0.8(14)+0.2(5)=$12.2

La probabilidad de 0.8 para el resultado de $20 millones y la

probabilidad de 0.2 para el resultado de -$9 millones dan el perfil de
riesgo para la alternativa de decisin del complejo grande.

0.9

0.9

0.8

0.8

0.7

0.7

0.6

0.6

0.5

0.5

0.4

Series1

0.4

0.3

0.3

0.2

0.2

0.1

0.1

0
20

-9

Series1

14

144

En ocasiones, la revisin del perfil de riesgo asociado con una

alternativa de decisin ptima, puede causar que el tomador de
decisiones elija otra alternativa de decisin aunque el valor esperado de
la otra alternativa de decisin del complejo mediano d2 muestra una
probabilidad
de 0.8 para un resultado de $14 millones y una
probabilidad de 0.2 para un resultado de $5 millones.
Debido a que ninguna a que ninguna probabilidad de perdida se asocia
con la alternativa d2, la alternativa de decisin del complejo mediano,
se juzgara menos arriesgada.

145

Anlisis de sensibilidad
El anlisis de sensibilidad puede usarse para determinar cmo los
cambios en las probabilidades para los estados de la naturaleza o los
cambios en los resultados afectan la alternativa de decisin
recomendada.
En muchos casos, las probabilidades para los estados para los estados
de la naturaleza y los resultados se basan en afirmaciones subjetivas.
El anlisis de sensibilidad ayuda al tomador de decisiones a entender
cules de estas entradas son crticas para la eleccin de la mejor
alternativa de decisin.

146

Ejemplo:

Suponga que en el problema de los condominios, la probabilidad para

una demanda fuerte cambiar a 0.2 y la probabilidad para una
demanda dbil se cambiar a 0.8 cambiara la alternativa de decisin
recomendada?
VE(d1) = 0.2(8) + 0.8(7) = $7.2
VE(d2)= 0.2(14) + 0.8(5) = $6.8
VE(d3)= 0.2(20) + 0.8(-9) = $-3.2
Con estas evaluaciones de probabilidad, la alternativa de decisin
recomendada es construir un complejo pequeo de condominios.

Nota: Es obvio que podramos continuar modificando las probabilidades

de los estados de la naturaleza y aprender an mas acerca de cmo
afectan los cambios, el inconveniente son los numerosos clculos.

147

Para el caso particular de dos estados de la naturaleza:

Supongamos que p denota la probabilidad del estado de la naturaleza s1;
es decir P(s1)=p. Con solo dos estados de la naturaleza en el problema
de los condominios. P(s2) =1-p

VE(d1) =P(s1)(8)+ P(s2)(7)

=p(8) + (1-p)7
= p+7-----------------------Ecuacin (1)
VE(d2)=9p+5 ----------------------Ecuacin (2)

VE(d3)=29p -9---------------------Ecuacin (3)

Grafica las tres ecuaciones (Eje x probabilidades, Eje y Valor esperado),
encuentra los puntos de interseccin e interpreta.

148

149

150

151

152

VE(d)

Resuelve (1) y (2) Cul es el valor de p?

Resuelve (2) y (3) Cul es el valor de p?
Cmo , que ya no te acuerdas? Resulvelo por igualacin ,
sustitucin, gauss Jordn, el mtodo que quieras
153

Cuando p=0.25, las alternativas de decisin d1 y d2 proporcionan

el mismo valor esperado.
Cuando p=0.70, las alternativas de decisin d2 y d3 proporcionan
el mismo valor esperado.
Tambin podemos concluir que cuando la probabilidad es menor
de 0.25, la alternativa de decisin 1, es la que nos proporciona el
mayor valor esperado.
154

Aplicacin 2:
La tabla de resultados siguiente muestra la ganancia para un
problema de decisin con dos estados de la naturaleza dos
alternativas de decisin.
Estado de la Naturaleza
Alternativa de
decisin

s1

s2

d1

10

d2

a.- Use un anlisis de sensibilidad grfico, para determinar el rango de

probabilidades del estado de la naturaleza s1, para el cual cada una de
las alternativas de decisin tenga el mayor valor esperado.
b.- Realice un anlisis de sensibilidad de los resultados para la
alternativa de decisin d1, suponga que las probabilidades son como
se dan el inciso b.

155

Esta grafica es de ayuda, el valor de p,

resolviendo las ecuaciones es 0.25, tu debes
de hacer tus graficas, resolver tus ecuaciones
y hacer el anlisis de sensibilidad.

156

157

Aplicacin 3:
La compaa area Air Express ha decidido ofrecer servicio directo de
Cleveland a My Beach. La administracin debe decidir entre un servicio de
precio completo usando la nueva flota de jets de la compaa y un servicio con
descuento usando aviones de menor capacidad. Es claro que la mejor opcin
depende de la reaccin del mercado al servicio que ofrece Air Express. La
administracin ha desarrollado estimaciones de la contribucin a la utilidad
para cada tipo de servicio con base en dos niveles posibles de demanda para
el servicio a My Beach: fuerte y dbil. La siguiente tabla muestra las ganancias
trimestrales estimadas (en miles de dlares)

Demanda para el servicio

Servicio

Fuerte

Dbil

Precio completo

$960

-$490

Descuento

$670

$320

158

a.- Cules son las alternativas de decisin que se va ha tomar, cul es

el evento fortuito y cul es la consecuencia para este problema?
Cuntos resultados hay para el evento fortuito?
b.- Si no se sabe nada sobre las probabilidades de los resultados
fortuitos, cul es la decisin recomendada usando arrepentimiento
minimax?
c.- Suponga que la administracin de Air Express cree que la
probabilidad de una demanda fuerte es 0.7 y la probabilidad de una
demanda dbil es 0.3. Use el enfoque de valor esperado para
determinar una decisin ptima.
d.- Suponga que la probabilidad de una demanda fuerte es 0.8 y la
probabilidad de una demanda dbil es 0.2. Cul es la decisin ptima
usando el enfoque de valor esperado?
e.- Use un anlisis de sensibilidad grfico para determinar el rango de
probabilidades de demanda para la cual cada una de las alternativas de
decisin tiene mayor valor esperado.

159

25
20
15

10
5

Series1
Series2

-2.5

-2

-1.5

-1

-0.5

0.5

1.5

2.5

-5
-10
-15
-20

160

TABLAS DINMICAS PARA LA TOMA DE

DECISIONES

161

162

El significado de la utilidad
La utilidad es la medida del valor total de un resultado particular; refleja la
actitud del tomador de decisiones hacia una coleccin de factores como
ganancia, prdida y riesgo. Los investigadores han encontrado que en
tanto el valor monetario de los resultados permanezca dentro de un rango
que el tomador de decisiones considere razonable, seleccionar la
alternativa de decisin con el mejor valor monetario esperado por lo
general conduce a la seleccin de la alternativa que el decisor en realidad
prefiere.

163

Ejemplo:
De una situacin en la que la utilidad puede ayudar a seleccionar la mejor
alternativa de decisin, consideremos esta empresa que tiene dos
oportunidades de inversin que requieren mas o menos el mismo
desembolso en efectivo.
Estados de la naturaleza
Alternativa de
decisin

Aumento de
precios, s1

Precios estables,
s2

Disminucin de
precios, s3

Inversin A, d1

$30,000

$20,000

-$50,000

Inversin B, d2

$50,000

-$20,000

-$30,000

No, Invertir, d3

s1=los precios de los bienes races aumentan

s2=los precios de los bienes races permanecen estables.
s3=los precios de los bienes races disminuyen.
164

La mejor estimacin de la probabilidad de que los precios de los bienes

races aumentarn es 0.30; de que los precios permanezcan estables es
0.50; y de que los precios disminuirn es 0.20.
Por lo tanto los valores de esperados:
VE(d1) =0.3(30,000)+0.5(20,000)+0.2(-50,000)= 9,000
VE(d2)= -1000
VE(d3)= 0
Usando el enfoque del valor esperado, la decisin ptima es seleccionar
la inversin A, con un valor monetario de $9,000

165

Elaborar utilidades para resultados monetarios:

El procedimiento requiere que asignemos primero un valor de utilidad al
mejor y peor pagos posibles:
Utilidad de -$50,000= 0
Utilidad de $50,000=10 (estos valores, (0,10) son asignados de forma
arbitraria.)
Los valores de -50,000 y 50,000 salen de la tabla de resultados
donde se refleja el peor y el mejor valor en pagos.

Estados de la naturaleza
Alternativa de
decisin

Aumento de
precios, s1

Precios estables,
s2

Disminucin de
precios, s3

Inversin A, d1

$30,000

$20,000

-$50,000

Inversin B, d2

$50,000

-$20,000

-$30,000

No, Invertir, d3

Determinemos ahora la utilidad asociada con cada uno de los

otros resultados.
166

Considere el proceso de establecer la utilidad de un resultado de $30,000.

Primero pediremos al presidente de la empresa que establezca una
preferencia entre:
$30,000 garantizado
o
Lotera: la empresa obtiene un pago de $50,000 con una probabilidad de p
y un pago de -$50,000 con una probabilidad de 1-p
Qu prefieres, $30,000 garantizado o te juegas una lotera por 50,000
con una probabilidad de ganar 0.95?
Elijo lotera
Supongamos una probabilidad de p=0.95
U(30,000)=p * U(50,000) + (1-p) * U(-50,000)
=0.95*(10) +0.05*(0)
=9.5

Asignacin en forma
arbitraria
Utilidad de -$50,000= 0
Utilidad de $50,000= 10

167

AHORA PARA 20,000

$20,000 garantizado
o
Lotera: la empresa obtiene un pago de $50,000 con una probabilidad de p
y un pago de -$50,000 con una probabilidad de 1-p
Qu prefieres, $20,000 garantizado o lotera con una probabilidad de
0.90?
Elijo lotera
Asignacin en forma
arbitraria

U(20,000)= p* U(50,000) + (1-p) *U(-50,000)

= 0.90(10) + (1-0.90)(0)
=9

Utilidad de -$50,000= 0
Utilidad de $50,000= 10

U(0) = p* U(50,000) + (1-p) *U(-50,000)

0.75(10) + (1-0.75)(0)
=7.5
168

UTILIDAD DE LOS
RESULTADOS
MONETARIOS.

Este valor de la probabilidad de la indiferencia lo pone la persona

que toma la decisin, pero tu le tienes que preguntar e ir bajando
la probabilidad, hasta que el diga, me da lo mismo cualquiera de
las dos opciones, lo garantizado o la lotera.

Valor Monetario

Valor de indiferencia de p

Valor de utilidad

$50,000

No aplica

10

$30,000

0.95

9.5

$20,000

0.90

9.0

0.75

7.5

$-20,000

0.55

5.5

$-30,000

0.40

4.0

$-50,000

No aplica

Los valores de p, t los pones, puede

variar
de
persona
a
persona,
dependiendo si es una persona
conservadora, que no le gusta tomar
riesgos o es un tomador de riesgos.

169

Estados de la naturaleza
Alternativa de
decisin

Aumento de
precios, s1

Precios estables,
s2

Disminucin de
precios, s3

Inversin A, d1

$30,000

$20,000

-$50,000

Inversin B, d2

$50,000

-$20,000

-$30,000

No, Invertir, d3

Estados de la naturaleza
Alternativa de
decisin

Aumento de
precios, s1

Precios estables,
s2

Disminucin de
precios, s3

Inversin A, d1

9.5

Inversin B, d2

10

5.5

No, Invertir, d3

7.5

7.5

7.5

170

Enfoque de utilidad esperada:

La utilidad esperada para cada una de las alternativas de decisin
UE(d1)=0.3(9.5) + 0.5(9.0) + 0.2(0) =7.35
UE(d2)=0.3(10) + 0.5(5.5) +0.2(4) =6.55
UE(d3)=0.3(7.5) +0.5(7.5) + 0.2(7.5)=7.5 Mejor decisin , no invertir.

171

Aplicacin 2
Una firma tiene tres alternativas de inversin. Los resultados estn
en miles de dlares.
Condiciones econmicas
Alternativa de
decisin

Aumento s1

Estable s2

Disminucin s3

Inversin A, d1

100

25

Inversin B, d2

75

50

25

Inversin C, d3

50

50

50

Probabilidades

0.40

0.30

0.30

a.-)Usando el enfoque de valor esperado, Cul decisin se prefiere?

b.-)Para la lotera que tiene un resultado $100,000 con probabilidad de p y
de cero con probabilidad de (1-p), dos tomadores de decisiones expresaron
las siguientes probabilidades de indiferencia. Encuentre la decisin
preferida para cada tomador de decisiones usando el enfoque de la utilidad
esperada.
172

Nota, fjate en la siguiente diapositiva, vienen las

probabilidades de indiferencia.

Probabilidad de indiferencia
Ganancia

Tomador de
decisiones A

Tomador de
decisiones B

75

0.80

0.60

50

0.60

0.30

25

0.30

0.15

c.-)Por qu los tomadores de decisiones A y B no seleccionan la misma

alternativa de decisin?

173

Aplicacin 3

Seis hermanos(zapatera), esta considerando comprar una pliza de

seguros para su nuevo edificio, en Monterrey. La pliza tenia un costo anual
de $10,000. Si Seis hermanos no compra la pliza y ocurren daos
menores por incendio, se anticipa un costo de 100,000; si ocurre una
destruccin importante o total el costo es de 200,000. Los costos, incluyendo
las probabilidades del estado de la naturaleza, son como sigue.
Dao
Alternativa de
decisin

Ninguno s1

Menor s2

Mayor s3

Comprar seguro,
d1

10,000

10,000

10,000

No comprar seguro,
d2

100,000

200,000

Probabilidades

0.96

0.03

0.01

174

a.-) Usando el enfoque de valor esperado, Qu decisin recomendara?

b.-)Qu lotera usara para evaluar utilidades? Note que, debido a que los
datos son costos, el mejor resultado es $0)
c.-) Asuma que encuentra las siguientes probabilidades de indiferencia
para la lotera definida en el inciso b). Qu decisin recomendara?
Costo

Probabilidad de
indiferencia

10,000

p=0.99

100,000

p=0.60

d.-) Favorece usar el valor esperado o la utilidad esperada para este

problema de decisin? Por qu?

175

Tarea:
Del archivo Toma de decisiones pdf ( Libro Recurso del lder)
Realizar un Mapa Conceptual de cada capitulo, con esta informacin
Capitulo3: Toma de decisiones, Qu accin emprender?
Capitulo4: Anlisis del plan, Asegurar el xito
Capitulo5: Innovacin, Creacin de algo mejor

176

PROCESOS DE
MARKOV

177

Procesos de Markov
Los modelos de procesos de Markov son tiles para estudiar la evolucin
de sistemas a lo largo de ensayos repetidos los que, a menudo, son
periodos sucesivos donde el estado del sistema en cualquier periodo
particular no puede determinarse con certeza. Por ello, para describir la
manera en que el sistema cambia de un periodo al siguiente se emplean
probabilidades de transicin.
Por tanto, estamos interesados en la probabilidad de que el sistema est
en un estado particular en un periodo dado.

178

Los modelos de los procesos de Markov, tambin llamados markovianos,

pueden usarse para describir la probabilidad de que una maquina que esta
funcionando en un periodo continuara funcionando en el siguiente periodo
(o no se estropear).

Tambin pueden usarse los modelos para describir la probabilidad de que

un consumidor que compra la marca A en un periodo, compre la marca B
en el siguiente periodo.

179

Aplicacin 1, ejemplo:
Suponga que estamos interesados en analizar la participacin en el mercado y
lealtad del cliente para Oxxo y Seven Eleven, los dos nicos supermarket en un
poblado pequeo. Nos enfocamos en la secuencia de los viajes de compras de un
cliente, y suponemos que hace un viaje de compras cada semana, ya sea a Oxxo o
a Seven Eleven, pero no a ambos.
Usando la terminologa de los procesos de Markov, nos referimos a los periodos
semanales o viajes de compras como los ensayos del proceso. Por tanto, en cada
ensayo el cliente comprar ya sea en Oxxo o en Seven. La tienda particular
seleccionada en una semana dada se conoce como el estado del sistema en ese
periodo.
Debido a que el cliente tiene dos alternativas de compra en cada ensayo, decimos
que el sistema tiene dos estados:
Estado 1: El cliente compra en Oxxo
Estado 2: El cliente compra en Seven.
Si decimos que el sistema est en el estado 1 en el ensayo 3, slo estamos diciendo
que el cliente compra en Oxxo durante la tercera semana del periodo de compras.
Conforme continuamos el proceso del viaje de compras en el futuro, no podemos
precisar con certeza dnde comprar el cliente durante una semana o ensayo
dados.
180

Suponga que, como parte de un estudio de investigacin de mercados,

recopilemos datos de 100 compradores a lo largo de un periodo de 10
semanas. Suponga adems que estos datos muestran el patrn de
viajes de compras semanales de cada cliente en funcin de la
secuencia de visitas a Oxxo y Seven.
Al revisar los datos, suponga que encontramos que de todos los
clientes que compraron en Oxxo en una semana dada, 90% compro en
Oxxo la siguiente semana, mientras que 10% cambio a Seven.
Probabilidades de transicin para las tiendas de Oxxo y
Seven.
Siguiente periodo de compra semanal
Periodo de compra
semanal actual

Oxxo

Seven

Oxxo

0.9

0.1

Seven

0.2

0.8
181

=0.81

=0.09
=0.02

=0.08

182

Pij = probabilidad de hacer una transicin del estado i en un periodo dado al

estado j en el siguiente periodo.
Para el problema del supermercado Oxxo y Seven

p11
P
p21

p12 0.9 0.1

p22 0.2 0.8

Probabilidad de que el sistema est en el estado i en el periodo n

i n

(siguiente periodo) =(periodo actual)P

(n 1) (n) P
183

Calcular las probabilidades de estado para el periodo 1, considerando

la situacin, donde el cliente compro la ltima vez en Oxxo?

0.9 0.1
1 (1) 2 (1) 1 (0) 2 (0)

0
.
2
0
.
8

0.9 0.1
Aqu se multiplica el regln por
0
cada columna, de hecho es una 1

0
.
2
0
.
8
multiplicacin de matrices.

0.9 0.1

1x0.9+0x0.2= 0.9
1x0.1+0x0.8 = 0.1
184

185

0.9 0.1
1 (2) 2 (2) 1 (1) 2 (1)

0
.
2
0
.
8

0.9 0.1
0.9 0.1

0
.
2
0
.
8

0.83 0.17

Ejercicio: completa la siguiente tabla, fjate la

tendencia que tiene.
Periodo n
Probabilid
ad de
estado

1 (n)

0.9

0.83

0.781

2 (n)

0.1

0.17

186

Las probabilidades a las que nos aproximamos despus de una gran

cantidad de transiciones se conocen como probabilidades de estado
estable.
De acuerdo a lo anterior, conforme n se hace mas grande, la diferencia
entre las probabilidades de estado para el ensimo periodo y el
(n+1)simo periodo se vuelve cada vez mas pequea.

Debido a que para n suficientemente grande la diferencia entre:

(n 1)

(n)

La diferencia es despreciable.

2 1

p11 p12
2

p
p
22
21
0.9 0.1
2

0
.
2
0
.
8

187

Al resolver el sistema anterior, nos queda que

1= 2/3
2=1/3
Por lo tanto, si tenemos mil clientes en el sistema, el modelo de
procesos de Markov nos dice que a la larga, con probabilidades de
estado estable
2/3(1000)=667 clientes sern de Oxxo
1/3(1000=333 clientes sern de Seven.
La informacin de participacin en el mercado con frecuencia es
bastante valiosa en toma de decisiones.

188

Aplicacin 1
La administracin de New company cree que la probabilidad de que un
cliente compre Red Pop o la competencia principal de la compaa,
Sper Cola, se basa en la compra mas reciente del cliente. Suponga
que son apropiadas las siguientes probabilidades de transicin:
A

a.

b.
c.

De

Red Pop

Super Cola

Red Pop

0.9

0.1

Sper Cola

0.1

0.9

Muestre el diagrama de rbol de dos periodos para un cliente que compr Red Pop la
ltima vez. Cul es la probabilidad de que este cliente compre Red Pop en la segunda
compra?
Cul es la participacin en el mercado a largo plazo para cada uno de estos productos?
Se esta planeando una campaa publicitaria de Red Pop para aumentar la probabilidad
de atraer clientes de Sper Cola. La administracin cree que la nueva campaa
aumentar a 0.15 la probabilidad de que un cliente cambie de Sper Cola a Red Pop.
Cul es el efecto proyectado de la campaa publicitaria en las participaciones del
mercado?
189

Aplicacin 2

El centro de computo de una Universidad, ha estado experimentado tiempo

de bloqueo en las computadoras. Supongamos que los ensayos de un
proceso de Markov asociado se definen como periodos de una hora y que la
probabilidad de que el sistema est en un estado de funcionamiento, o en un
estado bloqueado, se basa en el estado del sistema en el periodo anterior.
Los datos histricos muestran las siguientes probabilidades de transicin.
A

De

Funcionando

Bloqueado

Funcionando

0.90

0.10

Bloqueado

0.30

0.70

a.- Si el sistema est funcionando al inicio, cul es la probabilidad de que

el sistema est bloqueado en la siguiente hora de operacin?
b.- Cules son las probabilidades de estado estable de que el sistema
est en el estado de funcionamiento y en el estado bloqueado?
190

191

Tarea( compran o no compran y fumadores)

Te recomiendo esta pagina de apoyo para el tercer parcial,
revsala, resuelve los ejercicios ah propuestos y encuentra la
solucin por tus propios medios, hazlo en una hoja de Cientific y
trelo a clase como tarea.
http://www.omerique.net/calcumat/estocasticas1.htm

192

Optimizacin de redes

193

Modelos de red
Una grfica, o red, se define mediante dos conjuntos de smbolos: nodos y
arcos

Un arco consiste en un par ordenado de puntos extremos y representa una

posible direccin de movimiento que podra ocurrir entre puntos extremos (o
vrtices)
194

Modelos de red
Una grfica, o red, se define mediante dos conjuntos de smbolos: nodos y
arcos

Un arco consiste en un par ordenado de puntos extremos y representa una

posible direccin de movimiento que podra ocurrir entre puntos extremos (o
vrtices)
Si una red contiene un arco (j,k), entonces el movimiento es posible del nodo
j al nodo k. Suponga que los nodos 1,2,3 y 4, representan ciudades y cada
arco representa una carretera (de un solo sentido) que enlaza dos
ciudades.
Para esta red V={1,2,3,4} y A={(1,2), (2,3),(3,4),(4,3),(4,1)}
Para el arco (j,k), va del nodo j al nodo k .

195

Camino Mnimo
Los problemas conocidos como problemas del camino mnimo o
camino ms corto, tratan como su nombre indica de hallar la
ruta mnima o ms corta entre dos puntos. Este mnimo puede
ser la distancia entre los puntos origen y destino o bien el
tiempo transcurrido para trasladarse desde un punto a otro. Se
aplica mucho para problemas de redes de comunicaciones.
Este tipo de problemas pueden ser resueltos por el mtodo del
Simplex, sin embargo existen otros mtodos ms eficientes
como por ejemplo el algoritmo de Dijkstra o el de Bellman-Ford.

196

197

198

199

Dnde lo
podemos aplicar?

200

Cmo llego del punto 1, al punto 4, con la ruta mas

201
corta.

202

Encontrar la distancia mas corta entre los vrtices 1 y 7

(0, - )(0)

Buscas los vrtices mas cercanos que tengan conexin directa con el primero, para asignarles
una etiqueta temporal, en la primera componente se suman las distancias acumuladas, en la
segunda componente, se pone de donde proviene, y en el nmero que se pone fuera , se
pone la interaccin
203

(0+3,1)(1) la segunda componente indica que proviene del

nodo 1, el nmero pequeo que esta fuera indica en este
caso que es la primera interaccin

(0+3,1)(1)

204

(3+2,4)(2)

(3+1,4)(2)

(3+3,4)(2)

Se toma la distancia acumulada, menor, en este caso como hay empate, se rompe
arbitrariamente, ya que en el vrtice 2 y 4, la distancia acumulada es 3. Tomamos el vrtice 4,
de ah nos vamos a los vrtices adyacentes, que tengan conexin directa y calculamos los
acumulados de los vrtices 3, 6, 7.
205

De los vrtices con etiquetas temporales(los que no estn con el tache), buscas el de menor
distancia acumulada, de ah repites el procedimiento, de este vrtice te vas a los vrtices
adyacentes, aunque tengan etiquetas temporales, encuentras las nuevas etiquetas, y si la
distancia es menor, esta sustituye a la anterior.
206

Del nodo 2, calculaste el nodo 5 y volviste a calcular el nodo 3 que resulto

con menor valor de distancia acumulada, por lo que se tacho una.
Vuelves a buscar de los nodos temporales el de menor distancia
acumulada para hacerlo permanente (ponerle el sombreado) y de ah
repetir el procedimiento.
207

Del nodo 3 y el 6, existe empate, eliges cualquiera, en este caso el 3, de ah te vas a los
nodos adyacentes, del 3 al 5 la distancia acumulada sera 4+3=7 que no mejora el nodo
5.
Del nodo 3 al 6, la distancia acumulada sera 4+2=6 que no mejora el nodo 6, por lo que
se deja igual.

208

(6,4)(2)
(6,6)(4)
Cul es la distancia para llegar del 1 al 7?
Te fijas en el nodo 7, la distancia es 6 a travs de 4,1,
147
Otra forma sera, la distancia es 6 a travs de 6,4,1
1467
209

Uso de software, para el mtodo de camino mnimo

210

211

212

213

214

215

Cuidado, grafico dirigido.

216

217

218

Recorridos hamiltonianos

Un grafo se dice hamiltoniano si existe un ciclo que

recorre todos sus vrtices. Al ciclo se le llama ciclo
hamiltoniano

Ejemplos:

219

Recorridos hamiltonianos

No existe un mtodo sencillo para saber si un grafo es

no hamiltoniano problema muy complejo

Ejemplo: Este grafo es hamiltoniano

...pero este no difcil de probar!

220

Problema del agente viajero

Encontrar un circuito de Hamilton, para una grafica

completa ponderada que tenga el menor costo posible.
Elaborar, un mapa conceptual, de la pagina
42 a la 58, para el tema del PAV.

221

222

Encontrar el camino hamiltoniano que optimice el recorrido por los 5

puntos, resolver usando AlGraf y despus usando los 4 algoritmos
vistos.

223

Problema del agente viajero.

224

gente viajero, empezando del vrtice 1 y terminando

225

Marcas un punto con el lpiz y en la parte inferior te da

las coordenadas.

Aqu te da las coordenadas

226

Puedes usar google earth, con la herramienta de regla para las

distancias.

227

PROBLEMA DEL RBOL DE MNIMA EXPANSIN.

El problema del rbol de expansin mnima tiene algunas similitudes con

la versin principal del problema de la ruta ms corta.

Problema de rbol de mnima expansin

En ambos casos se considera una red no dirigida y conexa, en la que la

informacin dada incluye alguna medida de longitud positiva (distancia,
costo, tiempo, etc.) asociada con cada ligadura.

5.3.1. Problema de rbol de mnima

expansin

Los dos problemas involucran tambin el hecho de

seleccionar un conjunto ligaduras de ligaduras que tiene
la longitud total ms corta entre todos los conjuntos de
ligaduras que satisfacen cierta propiedad.

5.3.1. Problema de rbol de mnima

expansin

Para el problema de la ruta ms corta esta propiedad es

que la ligadura seleccionada debe proporcionar una
trayectoria entre el origen y el destino.

Para el rbol de expansin mnima la propiedad

requerida es que las ligaduras seleccionadas deben
proporcionar una trayectoria entre cada par de nodos.

5.3.1. Problema de rbol de mnima

expansin
Una red con n nodos requiere slo (n - 1) ligaduras para proporcionar una
trayectoria entre cada par de nodos.

No deben usarse ms ligaduras ya que esto aumentara, sin necesidad, la

longitud total de las ligaduras seleccionadas.

5.3.1. Problema de rbol de mnima

expansin

Las (n - 1) ligaduras deben elegirse de tal manera que la

red resultante (con slo las ligaduras seleccionadas)
forme un rbol de expansin. Por lo tanto, el problema
es encontrar el rbol de expansin con la longitud total
mnima de sus ligaduras.

5.3.1. Problema de rbol de mnima

expansin

El problema del rbol de mnima expansin se puede

resolver de una forma bastante directa, es ocurre que
se trata de uno de los pocos problemas de Investigacin
de Operaciones en el que ser codicioso en cada etapa
del procedimiento de solucin conduce al final a una
solucin ptima!

Algoritmo de Kruskal :Ejemplo

235

Algoritmo de Kruskal :Ejemplo (continuacin)

236