Profesor: Magister.

José Zúñiga
Sáenz

PROGRAMA: ADMINISTRACIÓN DE EMPRESAS.

ASIGNATURA: JUEGO GERENCIAL.
TEMA: CRITEROS DE DECISION EN MODELOS DE TOMA DE DECISIONES
La teoría de decisiones proporciona una manera útil de clasificar modelos para la toma de decisiones. Se supondrá
que se ha definido el problema, que se tienen todos los datos y que se han identificado los cursos de acción
alternativos. La tarea es entonces seleccionar la mejor alternativa. La teoría de decisiones dice que esta tarea de hacer
una selección caerá en una de las cuatro categorías generales dependiendo de la habilidad personal para predecir las
consecuencias de cada alternativa.
Categorías Consecuencias
Certidumbre Deterministas
Riesgo Probabilísticas
Incertidumbre Desconocidas
Conflicto Influidas por un oponente

Toma De Decisiones Bajo Incertidumbre

En los procesos de decisión bajo incertidumbre, el decisor conoce cuáles son los posibles estados de la naturaleza,
aunque no dispone de información alguna sobre cuál de ellos ocurrirá. No sólo es incapaz de predecir el estado real
que se presentará, sino que además no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto
excluye el conocimiento de información de tipo probabilístico sobre las posibilidades de ocurrencia de cada estado.
Elección del criterio de decisión en condiciones de incertidumbre
Los criterios de decisión más empleados son un reflejo de la actitud hacia el riesgo que tienen los responsables en la
toma de decisiones. El criterio de decisión se toma basándose en la experiencia de quien toma la decisión, este
incluye un punto de vista optimista o pesimista, agresivo o conservador. Los criterios aplicados son:
a) Criterio optimista o maxi-max, es el que elegiría una persona que pensase que fuese cual fuese la estrategia
que eligiera, siempre se le presentaría el estado de la naturaleza más favorable, por ello elegiría la estrategia que
presentase el mejor resultado;
b) Criterio pesimista o mini-max (Wald), este criterio lo elegiría una persona que creyera que una vez elegida una
estrategia, se le presentaría el estado de la naturaleza más desfavorable, en este caso se podría escoger el valor
máximo entre los mínimos es decir, elegiría la estrategia que proporcionara el valor máximo entre los mínimos
existentes de todas las opciones;
c) Criterio de Laplace o Principio de razonamiento insuficiente, en este caso al no conocerse las probabilidades
de cada uno de los estados de la naturaleza, se asigna a cada uno la misma probabilidad, luego se calcula el
valor monetario esperado de cada estrategia, y se elige la que ofrezca un valor más alto;
d) Criterio de Hurwicz, en este criterio se consideran sólo los valores máximos y mínimos de cada estrategia, ya
que se suma el mejor resultado de cada estrategia ponderado con el coeficiente de optimismo (), con el peor
resultado de cada estrategia ponderado con el coeficiente de pesimismo (1 – ). El coeficiente de optimismo es
subjetivo en la medida en que lo decide la persona que toma las decisiones,
e) Criterio de Savage, lo utilizarían las personas que tienen miedo a equivocarse, por ello se crea una nueva
matriz de desenlaces en términos de coste de oportunidad. Sustituyendo los valores anteriores o resultados por
los perjuicios resultantes de no haber elegido la mejor estrategia, es decir, el coste de oportunidad. De este
modo este criterio muestra lo que se deja de ganar por escoger una estrategia equivocada.
Para trabajar con los criterios se utilizara la siguiente matriz:

 Forma general de una tabla de decisión

Estados de la Naturaleza
e1 e2 ... en
a1 x11 x12 ... x1n
Alternativas a2 x21 x22 ... x2n
... ... ... ... ...
am xm1 xm2 ... xmn

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 1

 Profesor: Magister. José Zúñiga
Sáenz

Criterio de Laplace (Principio de razonamiento insuficiente).

Este criterio, propuesto por Laplace en 1825, está basado en el principio de razón insuficiente: como a priori no
existe ninguna razón para suponer que un estado se puede presentar antes que los demás, podemos considerar que
todos los estados tienen la misma probabilidad de ocurrencia, es decir, la ausencia de conocimiento sobre el
estado de la naturaleza equivale a afirmar que todos los estados son equiprobables. Así, para un problema de decisión
con n posibles estados de la naturaleza, asignaríamos probabilidad 1/n a cada uno de ellos. 
 
La regla de Laplace selecciona como alternativa óptima aquella que proporciona un mayor resultado esperado:

{ }
n
1
max a i ∑ x ( ai , e j )
n j=1

Este procedimiento propone que se sumen las consecuencias posibles de cada acción y se divida entre el número de
sucesos posibles. La acción con mayor valor con base en la hipótesis de igualdad de probabilidad sería la más
deseable. Si no se sabe mucho acerca de la probabilidad de los sucesos posibles, algunas personas dirían entonces
que se debe suponer que cada suceso tiene la misma probabilidad. Sin embargo, es muy raro el caso en el que no se
tenga alguna idea acerca de la probabilidad de los sucesos. Estas probabilidades, que pueden o no estar basadas en
pruebas objetivas, deben usarse en el análisis si se desea que la acción sea consistente con el juicio. Si se considera
que un suceso es más probable que otro, al suponer automáticamente que todos los sucesos tienen la misma
probabilidad no se asegura tal consistencia. Pero es adecuado asignar la misma probabilidad a cada estado de la
naturaleza cuando se desconoce su ocurrencia, a fin de considerar que dichos estados de la naturaleza pueden ocurrir.
La regla de Laplace selecciona como alternativa óptima aquella que proporciona un mayor resultado esperado.
Ejemplo 1: En cierta ciudad se va a construir un aeropuerto en una de dos posibles ubicaciones A y B, que será
elegida el próximo año. Una cadena hotelera está interesada en abrir un hotel cerca del nuevo aeropuerto, para lo cual
tiene que decidir qué terrenos comprar. La siguiente tabla muestra el precio de los terrenos, el beneficio estimado que
obtendrá el hotel en cada posible localización si el aeropuerto se ubica allí, y el valor de venta de cada terreno si
finalmente el aeropuerto no se  construye en ese lugar (los cantidades aparecen expresadas en millones de pesos) 
¿Cuál es la decisión más adecuada?

Parcela en A Parcela en B
 Precio del terreno 18 12
 Beneficio estimado del hotel 31 23
 Valor de venta del terreno 6 4
Las alternativas posibles de que dispone el decisor son las siguientes:
o Comprar la parcela en A.
o Comprar la parcela en B
o Comprar ambas parcelas
o No comprar ninguna parcela
Por otra parte, los posibles estados de la naturaleza son:
 El aeropuerto se construye en A.
 El aeropuerto se construye en B
Así, si la cadena hotelera compra el terreno en A y el aeropuerto se construye allí finalmente, obtendrá como
rendimiento final el correspondiente a la explotación del hotel, 31, menos la inversión realizada en la compra del
terreno, 18, es decir, 31-18 = 13. Por el contrario, si el aeropuerto se construye en B, el terreno adquirido en A deberá
ser vendido, por lo que se obtendrá un beneficio de 6, al que habrá que restar la inversión inicial en la compra, 18.
Esto proporciona un rendimiento final de 6-18 = -12. De manera análoga se determinan los resultados de las
restantes alternativas ante cada uno de los posibles estados de la naturaleza, dando lugar a la siguiente tabla de
decisión:
Alternativas Estados de la Naturaleza

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 2

 Profesor: Magister. José Zúñiga
Sáenz

Terreno comprado Aeropuerto en A Aeropuerto en B

A 13 -12
B -8 11
AyB 5 -1
Ninguno 0 0
En este caso, cada estado de la naturaleza tendría probabilidad ocurrencia 1/2. El resultado esperado máximo se
obtiene para la tercera alternativa, por lo que la decisión óptima según el criterio de Laplace sería comprar ambas
parcelas.  
  Alternativas Estados de la Naturaleza
Terreno comprado Aeropuerto en A Aeropuerto en B Resultado esperado
   A 13 -12 0.5
 B -8 11 1.5
     A y B 5 -1 2
Ninguno 0 0 0
La objeción que se suele hacer al criterio de Laplace es la siguiente: ante una misma realidad, pueden tenerse
distintas probabilidades, según los casos que se consideren.  Por ejemplo, una partícula puede moverse o no
moverse, por lo que la probabilidad de no moverse es 1/2. También puede considerarse de la siguiente forma: una
partícula puede moverse a la derecha, moverse a la izquierda o no moverse, por lo que la probabilidad de no moverse
es 1/3. Desde un punto de vista práctico, la dificultad de aplicación de este criterio reside en la necesidad de
elaboración de una lista exhaustiva y mutuamente excluyente de todos los posibles estados de la naturaleza. Por otra
parte, al ser un criterio basado en el concepto de valor esperado, su funcionamiento debe ser correcto tras sucesivas
repeticiones del proceso de toma de decisiones. Sin embargo, en aquellos casos en que la elección sólo va a
realizarse una vez, puede conducir a decisiones poco acertadas si la distribución de resultados presenta una gran
dispersión, como se muestra en la siguiente tabla:
Estados de la Naturaleza
Alternativas e1 e2 Resultado esperado
  a1 15000 -5000 5000
  a2 5000 4000 4500
Este criterio seleccionaría la alternativa a1, que puede ser poco conveniente si la toma de decisiones se realiza una
única vez, ya que podría conducirnos a una pérdida elevada.
Criterio de Wald (Maximin)

Este es el criterio más conservador ya que está basado en lograr lo mejor de las peores condiciones posibles, esto es,
si el resultado x(ai, ej) representa pérdida para el decisor, entonces, para ai la peor pérdida independientemente de lo
que ej pueda ser, es máx ej { x(ai, ej) }. El criterio minimax elige entonces la acción ai asociada a:
Elegir ai=min a max a { x ( ai , e j ) }
i i

En una forma similar, si x(ai, ej) representa la ganancia, el criterio elige la acción ai asociada a :
Elegir ai=max a min a { x ( ai , e j ) }
i i

Este criterio recibe el nombre de criterio maximin, y corresponde a un pensamiento pesimista, pues razona sobre
lo peor que le puede ocurrir al decisor cuando elige una alternativa.

Ejemplo 2: Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra las recompensas obtenidas
junto con los niveles de seguridad de las diferentes alternativas:
 

Alternativas Estados de la Naturaleza

Terreno comprado Aeropuerto en A Aeropuerto en B si
A 13 -12 -12
B -8 11 -8
AyB 5 -1 -1
   Ninguno 0 0 0

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 3

 Profesor: Magister. José Zúñiga
Sáenz

La alternativa óptima según el criterio de Wald sería no comprar ninguno de los terrenos, pues proporciona el mayor
de los niveles de seguridad.

En ocasiones, el criterio de Wald puede conducir a decisiones poco adecuadas. Por ejemplo, consideremos la
siguiente tabla de decisión, en la que se muestran los niveles de seguridad de las diferentes alternativas.
Estados de la Naturaleza
Alternativas e1 e2 si
a1 1000 99 99
 a2 100 100 100
El criterio de Wald seleccionaría la alternativa a2, aunque lo más razonable parece ser elegir la alternativa a1, ya que
en  el caso más favorable proporciona una recompensa mucho mayor, mientras que en el caso más desfavorable la
recompensa es similar.

Criterio de Hurwicz
Este criterio representa un intervalo de actitudes desde la más optimista hasta la más pesimista. En las condiciones
más optimistas se elegiría la acción que proporcione el máx ai máx ej { x(ai, ej) }. Se supone que x(ai, ej), representa la
ganancia o beneficio. De igual manera, en las condiciones más pesimistas, la acción elegida corresponde a máx ai
mín ej { x(ai, ej) }. El criterio de Hurwicz da un balance entre el optimismo extremo y el pesimismo extremo
ponderando las dos condiciones anteriores por los pesos respectivos  y (1- ), donde 0 ≤  ≤ 1. Esto es, si x(ai, ej)
representa beneficio, seleccione la acción que proporcione:
max a { α max e x ( ai , e j ) + ( 1−α ) mine x ( ai , e j ) }
i j j
 
Para el caso donde x(ai, ej) representa un costo, el criterio selecciona la acción que proporciona:
min a {α mine x ( ai ,e j ) + ( 1−α ) max e x ( ai , e j ) }
i j j

El parámetro  se conoce como índice de optimismo; cuando  = 1, el criterio es demasiado optimista; cuando  = 0,
es demasiado pesimista. Un valor de  entre cero y uno puede ser seleccionado dependiendo de si el decisor tiende
hacia el pesimismo o al optimismo. En ausencia de una sensación fuerte de una circunstancia u otra, un valor de    =
1/2 parece ser una selección razonable.

Ejemplo 3: Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra las recompensas obtenidas
junto con la media ponderada de los niveles de optimismo y pesimismo de las diferentes alternativas para un valor 
= 0.4:
 
Alternativas Estados de la Naturaleza
Terreno comprado Aeropuerto en A Aeropuerto en B mínei máxei S(ai)
A 13 -12 -12 13 3
B -8 11 -8 11 3.4
AyB 5 -1 -1 5 2.6
Ninguno 0 0 0 0 0
La alternativa óptima según el criterio de Hurwicz sería comprar la parcela en la ubicación B, pues proporciona la
mayor de las medias ponderadas para el valor de  seleccionado.

Criterio Minimax (Savage)

El criterio minimax sugiere que se seleccione la acción con menor perdida máxima posible, de otro modo, la que
presente los mayores beneficios mínimos posibles. En otras palabras, hay que asegurar que se ganen por lo menos R
pesos y buscar la acción que brinde R mayor (la menor perdida, si se analizan las perdidas). Este criterio tiende a
llevar a la decisión de no hacer nada, a menos que no haya probabilidad de perdida. Es un criterio muy conservador.
En 1951 Savage argumenta que al utilizar los valores x ij para realizar la elección, el decisor compara el resultado de

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 4

 Profesor: Magister. José Zúñiga
Sáenz

una alternativa bajo un estado de la naturaleza con todos los demás resultados, independientemente del estado de la
naturaleza bajo el que ocurran. Sin embargo, el estado de la naturaleza no es controlable por el decisor, por lo que el
resultado de una alternativa sólo debería ser comparado con los resultados de las demás alternativas bajo el mismo
estado de la naturaleza. Con este propósito Savage define el concepto de pérdida relativa o pérdida de
oportunidad r ij asociada a un resultado x ij como la diferencia entre el resultado de la mejor alternativa dado que ej
es el verdadero estado de la naturaleza y el resultado de la alternativa ai bajo el estado ej:
r ij = max { xkj } −xij
1 ≤ k≤ m

Así, si el verdadero estado en que se presenta la naturaleza es ej y el decisor elige la alternativa ai que proporciona el
máximo resultado xij, entonces no ha dejado de ganar nada, pero si elige otra alternativa cualquiera ar, entonces
obtendría como ganancia xrj y dejaría de ganar xij-xrj.
Savage propone seleccionar la alternativa que proporcione la menor de las mayores pérdidas relativas, es decir, si se
define ri como la mayor pérdida que puede obtenerse al seleccionar la alternativa ai,
ρi=max { r ij }
1 ≤ j ≤n

El criterio de Savage resulta ser el siguiente:

r ij =
{
max a { x ( a k , e j ) −x ( ai , e j ) } Beneficio
k

x ( ai , e j )−mina { x ( ak , e j ) } Perdida
k

Conviene destacar que, como paso previo a la aplicación de este criterio, se debe calcular la matriz de pérdidas
relativas, formada por los elementos rij. Cada columna de esta matriz se obtiene calculando la diferencia entre el
valor máximo de esa columna y cada uno de los valores que aparecen en ella.

Si x(ai, ej) es una función de beneficio o de pérdida, la matriz de pérdidas relativas, formada por los elementos rij
representa en ambos casos pérdidas. Por consiguiente, únicamente el criterio minimax ( y no el maximin) puede ser
aplicado a la matriz de deploración r.

Ejemplo 4: Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra la matriz de pérdidas relativas
y el mínimo de éstas para cada una de las alternativas.

Alternativas
Estados de la Naturaleza
Terreno comprado
Aeropuerto en A Aeropuerto en B ri
A 0 23 23
B 21 0 21
AyB 8 12 12
Ninguno 13 11 13

El mayor resultado situado en la columna 1 de la tabla de decisión original es 13; al restar a esta cantidad cada uno
de los valores de esa columna se obtienen las pérdidas relativas bajo el estado de la naturaleza Aeropuerto en A. De
la misma forma, el máximo de la columna 2 en la tabla original es 11; restando a esta cantidad cada uno de los
valores de esa columna se obtienen los elementos rij correspondientes al estado de la naturaleza Aeropuerto en B.
Como puede observarse, el valor ri menor se obtiene para la tercera alternativa, por lo que la decisión óptima según
el criterio de Savage sería comprar ambas parcelas.

El criterio de Savage puede dar lugar en ocasiones a decisiones poco razonables. Para comprobarlo, consideremos la
siguiente tabla de resultados:
Estados de la Naturaleza

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 5

 Profesor: Magister. José Zúñiga
Sáenz

Alternativas e1 e2
a1 9 2
a2 4 6

La tabla de pérdidas relativas correspondiente a esta tabla de resultados es la siguiente:

Estados de la Naturaleza
Alternativas e1 e2 ri
a1 0 4 4
a2 5 0 5

La alternativa óptima es a1. Supongamos ahora que se añade una alternativa, dando lugar a la siguiente tabla de
resultados:
Estados de la Naturaleza
Alternativas e1 e2
a1 9 2
a2 4 6
a3 3 9
La nueva tabla de pérdidas relativas sería:

Estados de la Naturaleza
Alternativas e1 e2 ri
a1 0 7 7
a2 5 3 5
a3 6 0 6
El criterio de Savage selecciona ahora como alternativa óptima a2, cuando antes seleccionó a1. Este cambio de
alternativa resulta un poco paradójico: supongamos que a una persona se le da a elegir entre peras y manzanas, y
prefiere peras. Si posteriormente se la da a elegir entre peras, manzanas y naranjas, ¡esto equivaldría a decir que
ahora prefiere manzanas!

Enfoque de arrepentimiento Minimax.

El enfoque de arrepentimiento minimax para la toma de decisiones no es puramente optimista ni puramente
conservador. Se ilustra el enfoque de arrepentimiento mostrando cómo puede emplearse para seleccionar una
alternativa en el siguiente ejemplo: Suponga que la constructora Mar de Cortés construye un complejo de
condominios pequeño (d1) y la demanda resulta ser fuerte (s1).
Ejemplo 5:
Estado de la naturaleza
Alternativas de decisión Demanda Fuerte (s1) Demanda Débil (s2)
Complejo Pequeño (d1) 8 7
Complejo Mediano (d2) 14 5
Complejo Grande (d3) 20 9

Lo anterior nos muestra que la ganancia resultante para la constructora sería de $8 millones. Sin embrago, dado que
ha ocurrido el estado de la naturaleza de demanda fuerte (s1), nos damos cuenta que la decisión de construir un
complejo de condominios grande (d3), que produce una ganancia de $20 millones, habría sido la mejor decisión. La
diferencia entre el resultado por la mejor alternativa de decisión ($20 millones) y el pago por la decisión de construir
un complejo de condominios pequeño ($8 millones) es la perdida de oportunidad, o arrepentimiento, asociado con la
alternativa de decisión d1 cuando ocurre el estado de la naturaleza s1; por tanto, para este caso, la perdida de
oportunidad o arrepentimiento es de $20 millones - $8 millones ═ $12 millones. Del mismo modo, Mar de Cortes
toma la decisión de construir un complejo de condominios medianos (d2) y ocurre el estado de la naturaleza de una
demanda fuerte (s1) la perdida de oportunidad, o arrepentimiento, asociada con d2 seria $20 millones - $14 millones

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 6

 Profesor: Magister. José Zúñiga
Sáenz

= $6 millones. El siguiente paso al aplicar el enfoque de arrepentimiento es enlistar el arrepentimiento máximo para
cada alternativa de decisión.

Aplicación de los criterios de decisión en Incertidumbre

 
Ejemplo 6: Una instalación recreativa debe decidir acerca del nivel de abastecimiento que debe almacenar para
satisfacer las necesidades de sus clientes durante uno de los días de fiesta. El número exacto de clientes no se conoce,
pero se espera que esté en una de cuatro categorías: 200, 250, 300 o 350 clientes. Se sugieren, por consiguiente,
cuatro niveles de abastecimiento, siendo el nivel i el ideal (desde el punto de vita de costos) si el número de clientes
cae en la categoría i. La desviación respecto de niveles ideales resulta en costos adicionales, ya sea porque se tenga
un abastecimiento extra sin necesidad o porque la demanda no puede satisfacerse. La tabla proporciona estos costos
en miles de unidades monetarias. 
Número de clientes
e1(200) e2(250) e3(300) e4(350)
a1(200) 5 10 18 25
Nivel de
a2(250) 8 7 8 23
abastecimiento
a3(300) 21 18 12 21
a4(350) 30 22 19 15

Determine cuál es el nivel de aprovisionamiento óptimo, utilizando los criterios explicados.

 

Resultados
a. Laplace:
El principio de Laplace establece que e1, e2, e3, e4 tienen la misma probabilidad de suceder. Por consiguiente las
probabilidades asociadas son P(x) = 1/4 y los costos esperados para las acciones son:
E(a1) = (1/4)(5+10+18+25)  = 14.5
E(a2) = (1/4)(8+7+8+23)      = 11.5
E(a3) = (1/4)(21+18+12+21) = 18.0
E(a4) = (1/4)(30+22+19+15) = 21.5
Por lo tanto, el mejor nivel de inventario de acuerdo con el criterio de Laplace está especificado por a2.
b. Wald
Ya que x(ai, ej) representa costo, el criterio minimax es aplicable. Los cálculos se resumen en la matriz que sigue. La
estrategia minimax es a3:
Número de Clientes
e1(200) e2(250) e3(300) e4(350) max { x ( a i , e j ) }
ej
a1(200) 5 10 18 25 25
Nivel de a2(250) 8 7 8 23 23
Abastecimiento a3(300) 21 18 12 21 21 minimax
a4(350 30 22 19 15 30
c. Hurwicz
Supongamos =1/2. Los cálculos necesarios se muestran enseguida. La solución óptima está dada por a1 ó a2.

ej ej {
min { x ( ai , e j ) } max { x ( a i , e j ) } α min x ( ai , e j ) + ( 1−α ) max x ( ai , e j )
ej ej }
a1 5 25 15 (mín)
a2 7 23 15 (mín)
a3 12 21 16.5
a4 15 30 22.5
d. Savage
Se obtiene primero la matriz rij restando 5, 7, 8 y 15 de las columnas 1, 2, 3 y 4 respectivamente.
Número de Clientes

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 7

 Profesor: Magister. José Zúñiga
Sáenz

e1(200) e2(250) e3(300) e4(350) max { x ( a i , e j ) }

ej
a1(200) 5 10 18 25 10
Nivel de a2(250) 8 7 8 23 8 Minimax
Abastecimiento a3(300) 21 18 12 21 16
a4(350 30 22 19 15 25

Toma De Decisiones Bajo Riesgo

Esta categoría incluye aquellas decisiones para las que las consecuencias de una acción dada dependen de algún
evento probabilista.
Ejemplo 7: Suponga que tiene un pequeño local de ventas de pinos para Navidad. La primera tarea es decidir cuántos
pinos ordenar para la siguiente temporada. Supóngase que se debe pagar $3.5 por cada árbol, se pueden ordenar solo
lotes de 100 y se planea venderlos a $8 cada uno. Por supuesto, si no se venden, no tienen valor de recuperación. Se
estudian los registros de ventas pasadas en la iglesia y se analiza el crecimiento potencial de las ventas con otros
vendedores, llegando a las siguientes estimaciones  para la siguiente temporada:
Venta de pinos Probabilidad
100 0.3
200 0.3
300 0.4
Con estos datos se puede calcular la ganancia para cada combinación de cantidad ordenada y ventas eventuales. Por
ejemplo, si se ordenan 300 pinos y se venden sólo 200, la utilidad neta será de $4.5 por cada árbol vendido menos
una pérdida de $3.5 por los árboles no vendidos, es decir:
200($8-$3.5)-100($3.5)=$900-$350=$550
Si se hace esto para cada una de las combinaciones y se obtienen los resultados mostrados en la tabla de decisiones
siguiente o también llamada matriz de pagos:
Eventos (demanda de árboles)
100 200 300
(0.3) (0.3) (0.4)
Alternativas
100 $450 $450 $450
de decisión
200 $100 $900 $900
300 -$250 $550 $1.400
El resultado más importante de la teoría de decisiones bajo riesgo es que debe seleccionarse la alternativa que tenga
el mayor VALOR ESPERADO. Existen muchas decisiones administrativas que pueden catalogarse como toma de
decisiones bajo riesgo. Algunas de ellas son:
 ¿Deberá introducirse un nuevo producto en particular?
 ¿Deberá ofrecerse más para obtener un contrato?
 ¿Deberá construirse una nueva planta o ampliarse la que se tiene?
 ¿Cuántos pasteles deberá producir una pastelería para la venta diaria?.
 ¿Deberá una compañía petrolera realizar pruebas sísmicas costosas antes de hacer una nueva perforación?
 ¿Deberá iniciarse un nuevo programa costoso de propaganda?
Toma De Decisiones Bajo Certidumbre
Si se pueden predecir con certeza las consecuencias de cada alternativa de acción, entonces se tiene una tarea de
toma de decisiones bajo certidumbre. Otra manera de pensar en esto es que existe una relación directa de causa y
efecto entre cada acto y su consecuencia. Si está lloviendo, ¿deberá llevarse un paraguas?, si hace frío, ¿deberá
llevarse un abrigo?. Ya sea que se lleve o no el paraguas o el abrigo, las consecuencias son predecibles. Una buena
parte de las decisiones que se toman a diario cae dentro de esta categoría.

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 8

 Profesor: Magister. José Zúñiga
Sáenz

Algunos de los modelos o técnicas utilizados para manejar estas decisiones son: Análisis del punto de equilibrio;
Programación Lineal; Programación de la producción; Control de Inventarios.
Programación Lineal

Es una técnica de decisión que ayuda a determinar la combinación óptima de recursos limitados para resolver
problemas y alcanzar los objetivos organizacionales. Para que sea aplicable, la Programación Lineal debe reunir los
siguientes requisitos:
 Tiene que optimizarse un objetivo.
 Las variables o fuerzas que afectan los resultados poseen relaciones directas o en línea recta.
 Hay obstáculos o restricciones sobre las relaciones de las variables.
 Sin las restricciones de la Programación Lineal incluyen la maximización de la producción, minimizar los
costos de distribución y determinar los niveles óptimos del inventario.

La programación lineal es un método determinista de análisis para elegir la mejor entre muchas alternativas. Cuando
ésta mejor alternativa incluye un conjunto coordinado de actividades, se le puede llamar plan o programa. Con
frecuencia, seleccionar una alternativa incluye satisfacer varios criterios al mismo tiempo. Por ejemplo, al comprar
una pieza de pan se tiene el criterio de frescura, tamaño, tipo (blanco, de centeno u otro), costo, rebanado o no
rebanado, etc.

Se pueden además dividir estos criterios en dos categorías: restricciones y objetivo. Las restricciones son las
condiciones que debe satisfacer una solución que está bajo consideración. Si más de una alternativa satisface todas
las restricciones, el objetivo se usa para seleccionar entre todas las alternativas factibles. Cuando se elige una pieza
de pan, puede quererse un kilo de pan blanco rebanado y hecho en el día. Si varias marcas satisfacen estas
restricciones, puede aplicarse el objetivo de un costo mínimo y escoger el más barato.

Existen muchos problemas administrativos que se ajustan a este modelo de tratar de minimizar o maximizar un
objetivo que está sujeto a una lista de restricciones.

● Un corredor de inversiones, por ejemplo, trata de maximizar el rendimiento sobre los fondos invertidos pero las
posibles inversiones están restringidas por las leyes y las políticas bancarias.
● Un hospital debe planear que las comidas para los pacientes satisfagan ciertas restricciones sobre sabor,
propiedades nutritivas, tipo y variedad, al mismo tiempo que se trata de minimizar el costo.
● Un fabricante, al planear la producción futura, busca un costo mínimo al mismo tiempo cómo cumplir
restricciones sobre la demanda del producto, la capacidad de producción, los inventarios, el nivel de empleados
y la tecnología.
La programación lineal es una técnica determinista, no incluye probabilidades. El objetivo y cada una de las
restricciones se deben expresar como una relación lineal, de ahí el nombre de programación lineal.
Todos los problemas de Programación Lineal tienen cuatro propiedades en común:

1. Los problemas de PL buscan maximizar o minimizar una cantidad (generalmente beneficios o costos). Nos
referimos a ello como la Función Objetivo de un PL. El principal objetivo de una empresa tipo es maximizar los
beneficios a largo plazo. En el caso de un sistema de distribución, el objetivo puede ser minimizar los costos de
transporte.
2. La presencia de restricciones limita el grado en que podemos perseguir el objetivo. Por ejemplo, decidir cuántas
unidades se deben fabricar para una línea de productos de una empresa está restringido por la disponibilidad de
horas de mano de obra y máquinas. Se quiere por tanto, maximizar o minimizar una cantidad (función objetivo)
sujeta a las limitaciones de recursos (restricciones).
3. Deben existir diferentes alternativas donde poder elegir. Por ejemplo, si una empresa fabrica tres productos, los
directivos pueden utilizar PL para decidir cómo asignar entre ellos sus recursos de producción limitados (trabajo,
máquinas y demás). Si no existen alternativas evidentes que seleccionar, no necesitaremos la PL.
4. La función objetivo y las restricciones de un PL deben ser expresadas en términos de ecuaciones lineales o

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 9

 Profesor: Magister. José Zúñiga
Sáenz

inecuaciones.

Una de las aplicaciones más comunes de la programación lineal es el problema del plan de producción. Do o más
productos se fabrican con recursos limitados. La empresa desea saber cuántas unidades deben fabricarse de cada
producto, maximizando los beneficios globales y teniendo en cuenta las limitaciones de recursos.

Ejemplo 8: Sony fabrica dos productos: (1) el Walkman y (2) el Shader TV, un televisor del tamaño de un reloj de
pulsera. El proceso de producción de ambos productos  se asemeja en que los dos necesitan un número de horas de
trabajo en el departamento de electrónica, y un cierto número de horas de mano de obra en el departamento de
montaje. Cada Walkman necesita cuatro horas de trabajo de electrónica y dos en el taller de montaje. Cada  televisor
necesita tres horas de electrónica y una en montaje. Durante el actual período de producción se dispone   de
doscientas cuarenta horas en el departamento de electrónica y de cien horas en el de montaje. Cada Walkman
vendido supone un beneficio de 7 dólares, mientras que   para un televisor el beneficio unitario es de cinco dólares.
El problema de Sony es determinar la mejor combinación posible de Walkman y televisores que debe producir para
alcanzar  el máximo beneficio.
Esta situación puede formularse como un programa lineal.
Horas necesarias para producir una unidad
Departamento (x1) Walkman (x2) Televisores Hrs. disponibles
Electrónica 4 3 240
Montaje 2 1 100
Beneficios 7 5
Una vez hecho esto, utilizaremos la siguiente notación: Sea:
X1= número de Walkman a producir.
X2= número de televisores a producir  

Ahora podemos escribir  la función objetivo en términos de x1 y x2:

Maximizar Beneficio = 7x1 + 5x2

Nuestro siguiente paso es desarrollar relaciones matemáticas que describan las dos limitaciones del problema. Una
relación de carácter general sería que la cantidad de recursos utilizados sea menor o igual (≤) que la cantidad de
recursos disponibles.
Primera restricción: tiempo de electrónica utilizado ≤ tiempo de electrónica disponible.
4x1 + 3x2 ≤ 240 (horas de trabajo en electrónica)
Segunda restricción: tiempo de montaje utilizado ≤ tiempo de montaje disponible.
2x1 + 1x2 ≤ 100 (horas de trabajo en montaje)
Ambas restricciones  representan las limitaciones de capacidad y, por supuesto, afectan al beneficio total. Por
ejemplo, Sony no puede producir 70 Walkman durante el período de producción porque si x 1=70, ambas
restricciones se incumplen. Tampoco puede hacer 50  Walkman y 10 televisores (x1 = 50, x2 = 10), porque en este
caso se incumpliría la segunda restricción. Estas restricciones nos llevan a otro aspecto importante de la
programación lineal: existirán interacciones entre variables. Cuantas más unidades se realicen de un producto menos
se fabricarán de otros.
● La forma más fácil de solucionar un pequeño problema de PL, como por ejemplo el de Sony, es la solución
gráfica. El procedimiento gráfico puede utilizarse cuando existen dos variables de decisión, como el número de
Walkman a producir (x1) y el número de televisores a producir (x2).
● Cuando existen más de dos variables, es imposible dibujarlo en un gráfico de dos dimensiones, por lo que habrán
de adoptarse otros métodos de resolución más complejos.

Representación gráfica de las restricciones

Para encontrar la solución óptima de un problema PL, en primer lugar debemos identificar el conjunto o región de
soluciones posibles (valores de las variables que cumplen las restricciones del problema).

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 10

 Profesor: Magister. José Zúñiga
Sáenz

El primer paso para conseguirlo es dibujar las restricciones del problema en un gráfico.
Retomemos el problema de ejemplo de Sony:

Maximizar Beneficio = 7x1 + 5x2

S.A.                                 4x1 + 3x2 ≤ 240 (horas de trabajo en electrónica)
                                      2x1 + 1x2 ≤ 100 (horas de trabajo en montaje)
                                        x1, x2 ≥ 0      (número de unidades no debe ser negativo)

Para dibujar las restricciones en un gráfico, debemos transformar las desigualdades en igualdades:
                                      Restricción A: 4x1 + 3x2 = 240
                                      Restricción B: 2x1 + 1x2 = 100

La variable x1 (Walkman) generalmente se dibuja en el eje horizontal y la variable x2 (televisores) en el eje vertical.

Problemas y Soluciones

PROBLEMA 1. Un frutero necesita 16 cajas de naranjas, 5 de plátanos y 20 de manzanas. Dos mayoristas pueden
suministrarle para satisfacer sus necesidades, pero sólo venden la fruta en contenedores completos. El mayorista A
envía en cada contenedor 8 cajas de naranjas, 1 de plátanos y 2 de manzanas. El mayorista B envía en cada
contenedor 2 cajas de naranjas, una de plátanos y 7 de manzanas. Sabiendo que el mayorista A se encuentra a 150
km de distancia y el mayorista B a 300 km, calcular cuántos contenedores habrá de comprar a cada mayorista, con
objeto de ahorrar tiempo y dinero, reduciendo al mínimo la distancia de lo solicitado.

Matematización Del Problema

MAYORIST
MAYORISTA Necesidades
A
mínimas
A B
Naranjas 8 2 16 cajas
Plátanos 1 1 5 cajas
Manzanas 2 7 20 cajas
Distancia 150 Km 300 Km
Variables Instrumentales
x  = número de contenedores del mayorista A
y = número de contenedores del mayorista B
FUNCIÓN OBJETIVO (Minimizar)
F(X) = 150x + 300y

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 11

 Profesor: Magister. José Zúñiga
Sáenz

Restricciones

Región de Soluciones Factibles

Solución Factible Óptima

Observamos que el mínimo se alcanza en el punto R(3,2) (solución óptima)
Por tanto el frutero solicitará 3 contenedores del mayorista A y 2 contenedores del mayorista B.

PROBLEMA 2. Una compañía tiene dos minas: la mina A produce diariamente 1 tonelada de carbón de antracita de
alta calidad, 2 toneladas de carbón de calidad media y 4 toneladas de carbón de baja calidad; la mina B produce 2
toneladas de cada una de las tres clases. La compañía necesita 70 toneladas de carbón de alta calidad, 130 de calidad
media y 150 de baja calidad. Los gastos diarios de la mina A ascienden a 150 dólares y los de la mina B a 200
dólares. ¿Cuántos días deberán trabajar en cada mina para que la función de coste sea mínima?
Matematización Del Problema
Mina A Mina B Necesidades mínimas
Alta 1 2 70
Media 2 2 130
Baja 4 2 150
Costo diario $150 $200
Variables Instrumentales
Llamamos  x  al número de días trabajados en la mina A
Llamamos  y  al número de días trabajados en la mina B

FUNCIÓN OBJETIVO (Minimizar)

F(X) = 150x + 200y

Restricciones

Región de Soluciones Factibles

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 12

 Profesor: Magister. José Zúñiga
Sáenz

Solución Factible Óptima

El mínimo se obtiene en el punto R(60,5) es decir, la compañía debe trabajar 60 días en la mina A y 5 días
en la mina B para que el costo sea mínimo.

Valor del Programa Lineal

Como la función objetivo es  F(X) = 150x + 200y  el valor del programa lineal (gasto) es F(X) = 150·60 + 200·5 =
$10.000 diarios.

Profesor: Msc. José Zúñiga Sáenz

Magister en Administración

Gua 5- Criterios de Decisión en los Modelos de Toma de Decisiones 13