UNIVERSIDAD CENTROAMERICANA
FACULTAD DE CIENCIAS COMERCIALES Y
EMPRESARIALES
ADMINISTRACIÓN DE EMPRESAS
INVESTIGACIÓN PARA NEGOCIOS 1
Informe de Investigación
Docente: Freddy González
Grupo: 0047
Integrantes:
Kelly Priscilla Soto Morales
Nikita Andrea Rizo Castillo
Ashly Dolores Quintanilla Mairena
Jonatan Alexander Luna Barberena
I. Introducción
El objetivo principal del informe es conceptualizar y caracterizar lo conocido como modelos
matemáticos, para comprender cómo utilizar esta herramienta en la toma decisiones. Un
modelo es una especificación de variables y de sus interrelaciones, que se diseña para
representar algún sistema real o proceso completo. Su propósito es describir el
comportamiento de un sistema para de esa manera poder predecir el valor de las variables
en el futuro.
En cuanto a los elementos básicos de un modelo se refiere es acertado decir que todos
pueden variar en relación a complejidad, pero todos ellos tienen un conjunto de características
esenciales. En primera instancia, todos ellos poseen variables, es decir, conceptos u objetos
que se busca analizar. Por ejemplo, una variable puede ser el salario de un trabajador y lo
que queremos analizar son sus principales determinantes. En segunda instancia, requieren
de parámetros, que son valores conocidos y controlables, con los cuales se puede visualizar
distintos escenarios o posibilidades. Y en tercero, poseen restricciones, es decir determinados
límites que nos indican cuando los resultados del análisis son razonables.
En cuanto a cómo se diseña un modelo matemático, idealmente se busca que tenga un
conjunto de propiedades que ayude a asegurar la robustez y efectividad. Entre ellas está la
simplicidad, que busca simplificar la realidad para poder entenderla mejor. Debe tener
objetividad, es decir que no tenga sesgos ni prejuicios de su diseñador. Asimismo debe
poseer sensibilidad ósea que pueda reflejar los efectos de pequeñas variaciones. También
debe tener estabilidad, que no se altere significativamente cuando hay cambios en las
variables y finalmente debe poseer universalidad, ósea que sea aplicable a varios contextos.
Cabe destacar que los modelos y la realidad están relacionados a través de dos procesos: la
abstracción y la interpretación. Por tanto, la primera de las fases necesaria para construir un
modelo matemático es la abstracción, para ello tenemos que establecer ciertas hipótesis,
definir las variables y desarrollar las matemáticas adecuadas para poder resolver el problema.
La fase siguiente es tratar de simplificar las herramientas matemáticas utilizadas. Los
resultados que se deducen del modelo matemático nos deberían llevar a poder efectuar
algunas predicciones sobre el mundo real. El paso siguiente sería recoger datos de la
situación de la que se ha extraído el modelo y compararlos con las predicciones.
Si no coinciden, los datos que ya poseemos nos pueden servir para modificar la hipótesis. Si
las predicciones coinciden con la realidad, entonces las hipótesis son correctas y también lo
son las variables definidas. En caso contrario, si se observan discrepancias será necesario
construir otro modelo más aproximado y fiable. Como podemos ver, la creación de un modelo
matemático es un proceso progresivo y se puede utilizar en variadas formas, con el objetivo
de entender la realidad. En este informe se recogerá los distintos tipos de modelos
matemáticos que el ser humano utiliza y se presentarán ejemplos de cada uno.
II. Desarrollo
★ Según la información de entrada:
a) Modelos heurísticos: Es considerado como el proceso que viene como
resultado de los diferentes métodos empíricos. Este modelo se plantea a partir
del comportamiento de las distintas variables intemporales. Por ejemplo:
Y= A + B * Xt
Donde:
- Yt: es la variable dependiente que se va a explicar a partir de otra.
- Xt: es la variable independiente.
- A: es la constante del modelo en el hipotético evento de que Xt = 0.
- B: es la pendiente o cociente de apalancamiento del modelo.
b) Modelos empíricos: Sirve para predecir con anticipación una variable y si esta
puede afectar la solución o la respuesta así como el motivo por el cual no sufre
afecciones, de tal manera que gracias a este modelo matemático es posible
comprender la totalidad de un sistema, así como tener menor capacidad
predictiva.
Los modelos empíricos pueden usarse cuando se trata de:
1. Procesos que son considerados muy complejos.
2. Poder terminar los parámetros desconocidos que tiene el modelo de un
sistema, a través de la realización de cálculos tomando en cuenta los
datos de la planta en estado estacionario.
★ Según el tipo de representación
a) Modelos cualitativos o conceptuales: Los patrones que caracterizan a este
modelo se encargan de demostrar el funcionamiento de un proceso en
específico, de manera que su estructura sea comprensible y permita identificar
fácilmente todos los factores que componen a cada una de las etapas
especificadas.
En el esquema anterior se detalla información desglosada y que se relaciona
entre sí, acerca de las circunstancias y agentes que conllevan a que ocurra
una contratación de línea telefónica. Este es uno de los muchos ejemplos que
describe al modelo cualitativo.
b) Modelos cuantitativos o numéricos: Se basa en la medición de cantidades
a través de valores estadísticos con la finalidad de demostrar la objetividad de
un suceso en específico. Asimismo, este es capaz de transformar al modelo
conceptual desde el momento en que se comienzan a ejecutar datos
numéricos reduciendo así la información textual en un análisis matemático de
la misma.
En el siguiente ejemplo se muestra una fórmula de modelo matemático que se
empleó para calcular una cantidad específica en base a un problema
conceptual anteriormente planteado, introduciendo así el modelo cuantitativo.
Para este caso se quiere determinar la cantidad de terneros nacidos vivos
(MNV) y para ello, se sustituyen cada uno de los caracteres alfabéticos por
valores numéricos asignados para cada uno de ellos (V, C, N y M) durante el
planteamiento del problema, por lo que luego se procede a realizar la
operación. Como por ejemplo:
MNV = V * C * N * M, sustituyendo las letras por cifras numéricas:
154 * 0,70 * 0,90 * 0,45 = 44
(V) (C) (N) (M) (MNV)
Donde:
V= Número de vacas expuestas al toro en 1993
C= Proporción que conciben
N= Proporción de nacimientos vivos
M= Proporción de machos nacidos
MNV= Número de machos nacidos vivos
★ Según la aleatoriedad
a) Determinista: Contiene condiciones iniciales que no provocaran ningún
cambio en la obtención de resultados, es decir, el producto final que se logra
tras la aplicación de este modelo, será equivalente sus entradas.
Por ejemplo, está el modelo EOQ clásico de Harris Wilson utilizado para buscar
un equilibrio entre costos de preparación y costos de almacenamiento, el cual
utiliza las siguientes variables:
Q: Cantidad de unidades por pedido
D: Demanda de unidades
C: Costo por unidad
S: Costo de ordenar
H: Costo de mantener
CT: Costo total
𝐷 𝑄
𝐶𝑇 = 𝐷𝐶 + 𝑆+ 𝐻
𝑄 2
b) Modelo estocástico: Incluyen generadores de procesos aleatorios dentro del
modelo que modifican ligeramente algunas de las variables. De esta manera,
para un mismo conjunto de datos de entrada, las salidas no serían siempre las
mismas.
Para dar un ejemplo de donde se puede utilizar un modelo estocástico está un
electrocardiograma, terremotos, el clima, el segundo concreto de un partido en
el que un jugador anota un gol, número de personas que dicen una palabra
concreta alrededor del mundo, etc. Como podemos comprobar son procesos
totalmente aleatorios. Es imposible saber en qué segundo anotará un jugador
un gol. Y a pesar de los avances tecnológicos sigue siendo imposible predecir
un terremoto. Así pues, una vez introducidos en los procesos estocásticos es
preciso describir los tipos que existen.
Como vemos en la imagen, tanto la variabilidad, como la media, cambian a lo largo
del tiempo. No podemos predecir si el EURUSD, va a subir o va a bajar. Ha subido
durante algunos años y ha bajado durante otros tantos. Con la serie por sí sola, no
tiene sentido intentar predecir el movimiento.
★ Clasificación según su aplicación u objetivo
a) Modelo de simulación o descriptivo: es un conjunto de ecuaciones que
representan los procesos, las variables y las relaciones entre las variables de
un fenómeno del mundo real. Así mismo, se encargan de brindar indicaciones
del comportamiento de las variables a través de varios controles y resuelven
problemas puramente teóricos. Entre los modelos descriptivos se pueden citar,
entre otros, modelos teóricos de colas o técnicas de previsión.
Este tipo de modelos pretende predecir lo que sucede en una situación
concreta dada. Y se puede utilizar para mostrar las situaciones de forma más
gráfica y así ver cómo se puede corregir y determinar los valores de la situación
que implican las circunstancias que no son claramente visibles.
b) Modelo de optimización: Es una representación matemática de problemas
del mundo real que identifica aspectos de la realidad y los expresa como
fórmulas. Cuando se presenta un problema, podemos utilizar algoritmos para
encontrar rápidamente la mejor solución. Tienen 4 elementos principales, los
cuales son: parámetros, variables, restricciones y función objetivo.
Este modelo es utilizado por las empresas ya que sirve para mantener la
eficiencia y la productividad lo más altas posible y reducir los costos operativos.
De igual forma, generalmente los modelos de optimización producen planes,
programas o asignaciones de recursos.
Por ejemplo, supongamos que se quiere construir una casa rectangular que
tenga el menor perímetro y una superficie igual a 100 metros cuadrados, ya
que no tenemos más terreno. Lo primero que debemos hacer es identificar cuál
es la variable más importante que debemos optimizar. En este caso queremos
minimizar el perímetro. Supongamos que un lado mide a y el otro lado mide b,
el perímetro sería 2(a+b). Por lo tanto, esta sería la función objetivo a
minimizar.
Luego debemos analizar las limitaciones del problema. Sabiendo que la
superficie tiene que ser igual a 100 metros cuadrados. Por lo tanto nuestra
restricción es que los lados a*b deben ser igual a 100.
Los lados de una casa no pueden ser negativos, por lo que tenemos otra
restricción, donde a y b tienen que ser positivos. Se utilizará la relación a*b=100
y reemplazando en la función objetivo llegamos a que debemos minimizar la
siguiente función:
Para identificar la solución se genera el siguiente gráfico:
Como se puede observar, el mínimo se encuentra en a=10. Esto define
también que b=100/10=10, y que por lo tanto a=b=10, lo que implica una
casa cuadrada.
c) Modelo de control: Se puede definir como un conjunto de procesos que
parten de las principales áreas claves dentro del sistema organizacional con el
fin de diseñar indicadores y estándares basados en los planes y programas
estratégicos intentados por la organización. Tales indicadores cuantitativos y
cualitativos son medidos por medio de índices confiables de desempeño,
gestionados por cuadros de mando que garantizan un monitoreo efectivo para
el cumplimiento de los objetivos del sistema.
III. Bibliografía
Modelode. (2021). Modelo matemático heurístico. [Link]
[Link]
Modelode. (2021). Modelo matemático empírico. [Link]
[Link]
Wadsworth, J. (s.f). CAPÍTULO 1 - MODELOS Y SU USO. Consultado el 8 de Octubre
del 2022. Obtenido de Fao: [Link]
Candelaria Martínez, B., Ruiz Rosado, O., Gallardo López, F., Pérez Hernández, P.,
Martínez Becerra, Á., & Vargas Villamil, L. (11 de Mayo de 2011). Aplicación
de modelos de simulación en el estudio y planificación de la agricultura, una
revisión. Obtenido de Scielo:
[Link]
04622011000300004
Notus. (2 de Octubre de 2018). ¿Qué es un modelo de optimización? Obtenido de
Notus: [Link]
Ruiz Zavaleta, N., & Escamilla Pérez, R. (28 de octubre de 2016). Modelos
matemáticos. Obtenido de Blogger:
[Link]
[Link]
Pereira, Y. (9 de diciembre de 2018) Modelos deterministas de producción.
[Link]
