tecnicas e instrumentos para la toma de decisiones
Post on 08-Mar-2016
214 Views
Preview:
DESCRIPTION
TRANSCRIPT
Universidad Fermín Toro
Faculta de ciencias económicas y sociales
Análisis de Problema y Toma de Decisiones
Autor: Diana Arrieta.
Barquisimeto 21 de Julio 2012
Introducción
Es el proceso durante el cual la persona debe escoger entre dos o más
alternativas. Todos y cada uno de nosotros pasamos los días y las horas de
nuestra vida teniendo que tomar decisiones. Algunas decisiones tienen una
importancia relativa en el desarrollo de nuestra vida, mientras otras son
gravitantes en ella. Para los administradores, el proceso de toma de decisión es
sin duda una de las mayores responsabilidades. La toma de decisiones en una
organización se circunscribe a una serie de personas que están apoyando el
mismo proyecto. Debemos empezar por hacer una selección de decisiones, y esta
selección es una de las tareas de gran trascendencia. Con frecuencia se dice que
las decisiones son algo así como el motor de los negocios y en efecto, de la
adecuada selección de alternativas depende en gran parte el éxito de cualquier
organización.
Articulo 1:
1. Métodos deterministicos
Los modelos deterministicos, las buenas
decisiones se basan en sus buenos resultados. Se consigue lo deseado de
manera deterministica, es decir, libre de riesgo. Esto depende de la influencia que
puedan tener los factores no controlables, en la determinación de los resultados
de una decisión y también en la cantidad de información que el tomador de
decisión tiene para controlar dichos factores. Aquellos que manejan y controlan
sistemas de hombres y equipos se enfrentan al problema constante de mejorar
(por ejemplo, optimizar) el rendimiento del sistema. El problema puede ser reducir
el costo de operación y a la vez mantener un nivel aceptable de servicio, utilidades
de las operaciones actuales, proporcionar un mayor nivel de servicio sin aumentar
los costos, mantener un funcionamiento rentable cumpliendo a la vez con las
reglamentaciones gubernamentales establecidas, o mejorar un aspecto de la
calidad del producto sin reducir la calidad de otros aspectos
1.1 Programación lineal
La programación lineal muchas veces es uno de los temas preferidos tanto
de profesores como de alumnos. La capacidad de introducir la PL utilizando un
abordaje gráfico, la facilidad relativa del método de solución, la gran disponibilidad
de paquetes de software de PL y la amplia gama de aplicaciones hacen que la PL
sea accesible incluso para estudiantes con poco conocimiento de matemática.
Además, la PL brinda una excelente oportunidad para presentar la idea del
análisis what-if o análisis de hipótesis ya que se han desarrollado herramientas
poderosas parael análisis de post optimalidad para el modelo de PL.
La Programación Lineal (PL) es un procedimiento matemático para
determinar la asignación óptima de recursos escasos. La PL es un procedimiento
que encuentra su aplicación práctica en casi todas las facetas de los negocios,
desde la publicidad hasta la planificación de la producción. Problemas de
transporte, distribución, y planificación global de la producción son los objetos más
comunes del análisis de PL. La industria petrolera parece serel usuario más
frecuente de la PL.
U Un gerente de
procesamiento de datos de una importante empresa petrolera recientemente
calculó que del 5% al 10% del tiempo de procesamiento informático de la empresa
es destinado al procesamiento de modelos de PL y similares. Cualquier problema
de PL consta de una función objetivo y un conjunto de restricciones. En la mayoría
de los casos, las restricciones provienen del entorno en el cual usted trabaja para
lograr su objetivo.
1.2 Método Simplex
El Método Simplex es la solución algorítmica inicial para resolver problemas de
Programación Lineal (PL). Este es una implementación eficiente para resolver una
serie de sistemas de ecuaciones lineales. Mediante el uso de una estrategia
ambiciosa mientras se salta desde un vértice factible hacia el próximo vértice
adyacente, el algoritmo termina en una solución óptima.
Articulo 2.
2. Métodos Probabilísticos
Modelo probabilístico, es la forma que pueden tomar un conjunto de datos
obtenidos de muestreos de datos con comportamiento que se supone aleatorio.
Un modelo probabilístico es una representación matemática deducida de un
conjunto de supuestos con el doble propósito de estudiar los resultados de un
experimento aleatorio y predecir su comportamiento futuro, cuando se realiza bajo
las mismas condiciones dadas inicialmente.
El modelo permite conocer la distribución de probabilidades de los valores
que toma la variable aleatoria, de ahí que también se mencione con el nombre de
Distribución de Probabilidad.
2.1 lógica Bayesiana.
La teoría Bayesiana se encarga de estudiar y analizar al consumidor, se
observan las características y los atributos que describen el comportamiento del
potencial cliente. Consiste en aislar los atributos que la persona en cuestión le
asigna al determinado producto, y una vez hecho esto aislarlo, y estudiarlo y
analizarlo. Se dejan de lado todos los otros factores, como características del
producto, del cliente, etc., y se centra simplemente en este atributo encontrado.
La teoría Bayesiana les da la libertad a los investigadores de estudiar la
complejidad del comportamiento humano de una forma mucho más realista, de lo
que era previamente posible. Aunque ningún método es 100 % exacto ya que la
psiquis humana es demasiado compleja como para simplificarla en una teoría.
El razonamiento bayesiano proporciona un enfoque probabilístico a la inferencia.
Está basado en la suposición de que las cantidad de interés son gobernadas por
distribuciones de probabilidad y que se pueden tomar decisiones óptimas
razonando sobre estas probabilidades junto con los datos obtenidos. Este enfoque
está siendo utilizado en multitud de campos de investigación, de los que cabe
destacar la robótica móvil y la visión computacional, ambas relacionadas con el
contenido de esta tesis. En este apéndice queremos definir dos de las
herramientas utilizadas en el desarrollo de esta tesis: el teorema de Bayes y el
principio de longitud de descripción mínima.
2.2 Teoría de Juegos
La teoría de juegos es un área de la matemática aplicada que utiliza
modelos para estudiar interacciones en estructuras formalizadas de incentivos (los
llamados «juegos») y llevar a cabo procesos de decisión. Sus investigadores
estudian las estrategias óptimas así como el comportamiento previsto y observado
de individuos en juegos. Tipos de interacción aparentemente distintos pueden, en
realidad, presentar estructura de incentivo similar y, por lo tanto, se puede
representar mil veces conjuntamente un mismo juego.
La Teoría de Juegos se desarrollo con el simple hecho de que un individuo se
relacione con otro u otros. Hoy en día se enfrenta cotidianamente a esta teoría, en
cualquier momento, tenemos por ejemplo cuando nos inscribimos en un nuevo
semestre en la universidad, cuando la directiva toma la decisión sobre el monto
que se va a cobrar, la directiva está realizando un juego con sus clientes, en este
caso los alumnos. Para el hombre la importancia que representa la Teoría de
Juegos es evidente, pues a diario se enfrenta a múltiples situaciones que son
juegos.
Actualmente la Teoría de Juegos se ocupa sobre todo de que ocurre cuando los
hombres se relacionan de forma racional, es decir, cuando los individuos se
interrelacionan utilizando el raciocinio. Sin embargo, la Teoría de Juegos tiene
todas las respuestas a los todos problemas del mundo.
Articulo 3.
3. Métodos Híbridos.
Tienen que ver con los métodos deterministicos y probabilisticos como la
teoría de inventarios. La metodología híbrida de investigación, es decir, la
combinación de métodos cuantitativos y cualitativos en el mismo trabajo, es una
aproximación muy utilizada en varios campos, por ejemplo en educación y en
sociología. Sin embargo, la atención dedicada a la aplicación y a los beneficios de
los métodos híbridos en dirección de empresas es muy baja con relación a otras
áreas
3.1 Modelo de trasporte y Localización
El modelo de transporte busca determinar un plan de transporte de una
mercancía de varias fuentes a varios destinos. Los datos del modelo son:
1. Nivel de oferta en cada fuente y la cantidad de demanda en cada
destino.
2. El costo de transporte unitario de la mercancía a cada destino.
Como solo hay una mercancía un destino puede recibir su demanda de una o
más fuentes. El objetivo del modelo es el de determinar la cantidad que se enviará
de cada fuente a cada destino, tal que se minimice el costo del transporte total.
La suposición básica del modelo es que el costo del transporte en una ruta es
directamente proporcional al número de unidades transportadas. La definición de
“unidad de transporte” variará dependiendo de la “mercancía” que se transporte.
3.2 Técnica de MonteCarlo.
Los métodos de Montecarlo abarcan una colección de técnicas que permiten
obtener soluciones de problemas matemáticos o físicos por medio de pruebas
aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por
resultados de ciertos cálculos realizados con números aleatorios. A lo largo de
varias páginas se estudiará el concepto de variable aleatoria y la transformación
de una variable aleatoria discreta o continua.
El método de montecarlo es muy usado es los lenguajes de programación ya
que se usa para hallar la probabilidad de un suceso, el trabajo que les presento
explica el Método Monte Carlo , usado en la simulación de la mecánica
estadística.
top related