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.