Download - ModDecisiones[1]

UNIVERSIDAD DE GUANAJUATO MTODOS CUANTITATIVOS Teora de decisiones

Apuntes de clase

Prof. V. Garca T. Fuente: Bibliografa Propuesta Pg. 40

TEORA DE DECISIONES

Introduccin

Como cualquier ser humano, todos los das tomamos muchas decisiones. La

mayora de stas son relativamente carentes de importancia y se hacen en

forma habitual. En ocasiones, tomamos decisiones importantes que pueden

tener efectos inmediatos y/o a largo plazo sobre nuestras vidas.

Esas decisiones, tales cmo:

A qu escuela inscribirnos,

Continuar estudiando o comenzar a trabajar,

Qu oferta de trabajo aceptar

Se debe rentar o comprar un equipo

Si una compaa debe aceptar una propuesta de fusin

Etc.

Son decisiones importantes para las cuales preferiramos dar la respuesta

correcta. Con frecuencia, estas decisiones se hacen con base en emociones o

intuicin, pero, es esto apropiado?

En este captulo se presentan modelos que posiblemente pueden utilizarse para

mejorar la toma de decisiones. Sin importar si en la actualidad usted usa o no

estos modelos, an as proporcionan un standard contra el cual se pueden

comparar las decisiones que usted tome.

Es importante comprender lo que estos modelos pueden o no hacer:

En primer lugar, estos modelos proporcionan una estructura para examinar

el proceso de toma de decisiones. En algunas situaciones no hay

necesidad de justificar por qu se tom una decisin. Sin embargo, en un

mundo en donde la mayora de los administradores no son propietarios de

los negocios que administran, se vuelve necesario emplear un proceso

justificable para la toma de decisiones.


Apuntes de clase


En segundo lugar, estos modelos pueden utilizarse para evitar decisiones

arbitrarias o inconsistentes que no se basen en todos los datos disponibles. Por

desgracia, muchas veces tomamos decisiones que caen en esta

categora sin darnos cuenta que lo estamos haciendo. Estos modelos no

nos dicen qu decisiones tomar; ms bien, nos indican cmo proceder

para tomarlas o cmo analizar decisiones pasadas.

Por ltimo, y aun si utilizramos estos modelos en todas las decisiones, no podramos asegurar que el resultado fuera siempre favorable. En otras

palabras, las buenas decisiones no garantizan buenos resultados: Por

ejemplo, (1) Considere dos estudiantes universitarios que comparten una

habitacin y se enfrentan a la misma decisin en una feria regional. Se

realiza un juego de azar que paga $100 por una apuesta de $10 y las

probabilidades de perder son de 10 a 1. El primer estudiante paga sus $10

y gana el premio de $100. El segundo estudiante paga sus $10 y pierde.

Ambos tomaron la misma decisin, que la mayora de las personas

considerara buena, y aun as obtuvieron resultados distintos. Por ello,

tomar una buena decisin no siempre da como resultado algo favorable.

(2)En otro ejemplo, considere el precio del oro. En 1978 el oro se venda en

menos de $200 la onza y muchas personas consideraban que nunca se

superara el nivel de $200. Ahora, suponga que usted haba comprado 100

onzas de oro cuando costaba $100 la onza y que, a principios de 1979,

subi a ms de $200. Despus de analizar el mercado del oro, usted tom

la decisin de vender y alcanzar una buena utilidad de $10,000. Sin

embargo, hacia finales de 1980, el precio del oro era de ms de $600 la

onza. El hecho de que usted vendi a $200 la onza y perdi la oportunidad de lograr $40,000 adicionales hace que su decisin se

convierta en mala? No; fue buena en su momento, pero el resultado fue

desfavorable.

Aunque los buenos procedimientos de toma de decisiones pueden producir

malos resultados, lo que de hecho sucede, se esperara que el uso de decisiones

mejores que el promedio, se reflejara en resultados mejores que el promedio. Un

administrador exitoso ser el que tome buenas decisiones en forma consistente.


Apuntes de clase


Tipos de modelos de decisin

En el captulo introductorio ya se han mencionado los tipos de modelos para la

toma de decisiones; uno de los criterios ha sido, clasificarlos en modelos

determinsticos y estocsticos:

En un modelo determinstico, las relaciones funcionales, es decir, los parmetros

del modelo, se conocen con certidumbre. (Todos los datos pertinentes se conocen con certeza). En un modelo determinsticos, por ejemplo para max Z,

los parmetros (los coeficientes de contribucin $12, $10 y $8), se conocen con

certidumbre.

Si en el modelo no conociramos con seguridad, por ejemplo, lo que se

requiere, (mano de obra, etc., para fabricar una unidad del producto) sino que,

por ejemplo, se supone, existe una probabilidad de 0.60 de que se requieran 10

horas de mano de obra, entonces sera elaborado un modelo estocstico para

incorporar la incertidumbre.

En un modelo estocstico o probabilstico, algunos elementos no se conocen

con certeza. Un modelo estocstico puede tener algunas relaciones que sean

determinsticas y estocsticas, o todas pueden ser estocsticas. Pueden

obtenerse soluciones para esos modelos si se estructuran en forma de un

modelo normativo, que proporcionen los mejores resultados esperados; es decir,

se optimiza la funcin objetivo para obtener los resultados esperados mximos o

mnimos.

Y asimismo, han sido usados algunos modelos determinsticos. Habra que

recordar que no todos los modelos son determinsticos. En muchos casos, los

parmetros del modelo varan debido a incertidumbres. En el captulo primero

se hizo referencia a los modelos de este tipo como modelos estocsticos. En este

captulo se analizarn algunos de estos modelos. Este tipo de modelos puede

dividirse en trminos amplios en dos categoras, dependiendo de si la decisin se

tomar utilizando datos previos relacionados con la ocurrencia de sucesos, o si

no se usar este tipo de datos.

Antes de estudiar estos modelos, se recordar brevemente el proceso de toma

de decisiones.

Proceso de toma de decisiones


Apuntes de clase
