Danis Mestra Rojas

UNIDAD 1 TEORIA DE DECISIONES

DEFINICIÓN DE TEORÍA DE DECISIONES:

Una decisión es una elección consciente y racional, orientada a conseguir un objetivo, que se realiza
entre diversas posibilidades de actuación (o alternativas).

Antes deberemos calcular cual será el resultado de escoger una alternativa.

Las consecuencias previsibles para cada alternativa

Decisión informada
Se debe tener en cuenta:
• Los objetivos de quién decide y las
restricciones para conseguirlos
• Las alternativas posibles y potenciales
• Las consecuencias de cada alternativa
• El escenario en el que se toma la decisión y
las preferencias de quien decide.
Problema en el cual parte o todo de la información
relevante no se conoce con certeza en el momento que
se debe tomar la decisión.

Para tomar decisiones se puede usar un modelo

estadístico, el cual no es más que un modelo
matemático que usa la probabilidad y que incluye un
conjunto de hipótesis sobre la generación de los
algunos datos muestrales.

Un modelo es una representación formal de la teoría el

cual tiene la siguiente estructura:
𝑦 = 𝑏 + 𝑏 𝑥 + 𝑏 𝑥 + ⋯+ 𝑏 𝑥
 SIMPLIFICAR CONSTRUIR EL PROBAR EL MODELO
MODELO DE
DECISIÓN

Los pasos para la toma de

decisiones en condiciones
determinísticas o aleatorias son los
mismos: USAR EL MODELO EL MODELO PUEDE
PARA ENCONTRAR SER USADO
SOLUCIONES. REPETIDAS VECES
PARA PROBLEMAS
SIMILARES, Y
ADEMÁS PUEDE SER
AJUSTADO
 El tomador de decisiones: Se trata de un
individuo o grupo que tiene la
responsabilidad de tomar una o varias
decisiones secuenciales que se plantean.

Las alternativas: Son las posibles opciones que

debe considerar el tomador de decisiones,
posibilidades a las que se han llegado de alguna
manera para especificar entre qué opciones se
Los estados de la naturaleza: Son cada una de las posibles va a tomar la decisión
situaciones que se pueden dar después de haber elegido una
de las alternativas posibles, es decir, un conjunto de escenarios
posibles, sólo puede ocurrir un estado de la naturaleza.
Probabilidades previas: Son las estimaciones
previas que se hacen para acercarnos todo lo
posible a los estados de la naturaleza posibles.
CRITERIOS DE TOMA DE DECISIONES
La teoría de decisiones proporciona una manera útil de clasificar los modelos para la toma de
decisiones.

Categorías Consecuencias

Certidumbre Deterministas

Riesgo Probabilistas

Incertidumbre Desconocidas

Conflicto Influidas por un oponente

Toma de decisiones bajo condiciones
de certidumbre.
Una situación de certeza es aquella en la que un sujeto tiene información completa sobre una situación
determinada, sobre cómo evolucionará y conoce el resultado de su decisión.
Ejemplo:
El criterio de decisión
Si está lloviendo ¿deberá llevarse un paraguas?
La alternativa de mayor
Si está nevando ¿deberá llevarse un abrigo?
beneficio o menor pérdida
¿En dónde comer?
¿Qué tipo de transporte utilizar para ir a la escuela o a la universidad?
En vida cotidiana la mayoría de las decisiones cae en esta categoría
Toma de decisiones bajo condiciones
de certidumbre.
Metodologías:
• La programación lineal
• Programación de producción y control de inventarios
• Análisis del punto de equilibrio
Decisiones en situación de
incertidumbre
Una situación de incertidumbre es aquella en la que un sujeto toma la decisión sin conocer del todo la situación y
existen varios resultados para cada estrategia.
Para decidir existen una serie de criterios de elección:
• Maximin, pesimista. Máximax, optimista.
• Arrepentimiento Mínimax.
• Valor esperado.

• Valor esperado con información perfecta.

Decisiones en situación de
incertidumbre
Estados o escenarios
E1 E2 E3 E4
P1 P2 P3 P4
A1 x_11 x_12 x_13 x_14

A2 x_21 x_22 x_23 x_24

Decisiones, A3 x_31 x_32 x_33 x_34
Alternativas o
acciones A4 x_41 x_42 x_43 x_44
Decisiones en situación de incertidumbre-
El criterio maximin o Criterio Pesimista
El criterio maximin o Criterio Pesimista supone maximizar el resultado mínimo, es decir el
decisor quiere asegurarse la elección mejor en caso que se dé la situación más desfavorable,
es decir, lo más malo le llega a suceder a la persona.
Procedimiento:
1. Escribe el número mínimo en cada fila de acción.
2. Elige el número máximo
• Se realiza está acción
 Decisiones en situación de incertidumbre- El
criterio maximin o Criterio Pesimista
Evalúa cada decisión según la peor circunstancia que pudiera pasar si se toma esa decisión

TABLA DE RENDIMIENTOS MÍNIMOS (miles de euros)

DECISIÓN RENDIMIENTO MÍNIMO
1 -50
2 -30
3 5

En este caso el valor máximo de los rendimientos mínimos (maximin) es 5, por lo que, en este caso, se
elegiría la tercera alternativa.
 Decisiones en situación de incertidumbre- El
criterio Maximax o Criterio Optimista

Consiste en maximizar el máximo; escoger el resultado máximo entre los mejores de cada alternativa.
Asegura que la elección mejor en caso que se dé la situación más favorable, es un tipo de criterio
agresivo, es decir, lo mejor siempre le sucede a mi persona.

Procedimiento:

1. Escribe el número máximo en cada fila de acción.

2. Elige el número máximo

3. Se realiza está acción

Decisiones en situación de incertidumbre- El
criterio Maximax o Criterio Optimista
Evalúa cada decisión según lo mejor que pudiera pasar si ésta se tomara

TABLA DE RENDIMIENTOS MAXIMOS (miles de euros)

DECISIÓN RENDIMIENTO MÍNIMO
1 175
2 125
3 85

En este caso el valor máximo de los rendimientos máximos (maximax) es 175, por lo que, en este
caso, se elegiría la primera alternativa.
Decisiones en situación de incertidumbre
ÍNDICE DE HURWITZ
Es un criterio ni demasiado optimista, ni demasiado pesimista

Procedimiento:
1. Elige un β entre 0 y 1

1) Elija el beneficio más alto y más bajo para cada acción

2) Multiplique el beneficio más alto (en el sentido de las filas) por β y el más bajo por (1-β).

3) Opte por el curso de acción de la suma más alta.

Decisiones en situación de incertidumbre
ÍNDICE DE HURWITZ
Este criterio distingue los resultados máximos y mínimos posibles de cada alternativa; hecho esto aplica el factor de ponderación ß
llamado "índice de optimismo relativo", para llegar a la decisión mediante el cálculo de utilidades esperadas.

Los pasos para aplica este criterio son:

1. De la matriz de decisiones se seleccionan el mejor y el peor valor para cada alternativa, dando lugar a un vector de óptimos y
a otro de pésimos.
2. El vector de óptimos se afecta por el índice 0<=ß<=1, y el vector de pésimos por (1 - ß)

ß = 0 para el caso más pesimista (criterio maximin)

ß = 1 para el caso más optimista (criterio Maximax)

0 <= ß => 1 para los casos intermedios.

Decisiones en situación de incertidumbre
ÍNDICE DE HURWITZ
3. La suma de los vectores (de óptimos y pésimos) ya ponderados, es el vector de valores esperados.

Una empresa sabe que se le pueden presentar 3 estados o situaciones posibles para el año que viene:

E1. La empresa tiene ventas bajas

E2. La empresa tiene ventas medias
E3. La empresa tiene ventas bajas

Sin embargo, antes tiene que tomar una de las siguientes 3 decisiones

A1. Realizar una inversión elevada

A2. Realizar una inversión media
A3. Realizar una inversión baja
Decisiones en situación de incertidumbre
ÍNDICE DE HURWITZ
Los resultados de cada decisión (beneficios) varían, dependiendo del estado que finalmente se presente y se puede reflejar
con la siguiente matriz

Supongamos que β =0,6

Decisiones en situación de incertidumbre
ÍNDICE DE HURWITZ
Hacemos la tabla con los máximos y mínimos de cada decisión.

Hurwicz = β*Máximo + (1 – β) Mínimo

inv alta = 0,60*340 + 0,40*200 = 284

inv media = 0,60*320 + 0,40*260 = 296
inv baja = 0,60*300 + 0,40*272 = 288,8

Vemos que la decisión con mejor resultado según este criterio es hacer una inversión media
Decisiones en situación de incertidumbre MÍNIMO
ARREPENTIMIENTO (PÉRDIDA DE OPORTUNIDAD DE
SAVAGE)
El decisor puede arrepentirse de haber seleccionado una alternativa dada.
Savage sostiene que el decisor debe tratar de que ese arrepentimiento se reduzca al mínimo.

El criterio es el siguiente:

1. Formar la matriz de arrepentimientos o de costo de oportunidad.

2. Una vez formada la matriz de pérdida de oportunidad, Savage aconseja escoger la estrategia que
corresponde al mínimo de los arrepentimientos máximos, es decir, se aplica la regla Mínimax.

3. La alternativa seleccionada será aquella que minimiza el arrepentimiento.

Decisiones en situación de incertidumbre MÍNIMO
ARREPENTIMIENTO (PÉRDIDA DE OPORTUNIDAD DE
SAVAGE)
1. Procedimiento

En general se puede decir:

1. Se selecciona el valor más alto por columna

2. Se le resta este valor por fila

3. Se selecciona por fila el valor más alto

4. Se toma la acción menor

Decisiones en situación de incertidumbre MÍNIMO
ARREPENTIMIENTO (PÉRDIDA DE OPORTUNIDAD DE
SAVAGE)
EJEMPLO
Estados de la naturaleza

Ventas bajas Ventas medias Venta altas

Inversión alta 200 300 340
Decisiones Inversión media 260 320 320
Inversión baja 272 280 300
Máximo 272 320 340
Decisiones en situación de incertidumbre MÍNIMO
ARREPENTIMIENTO (PÉRDIDA DE OPORTUNIDAD DE
SAVAGE)
EJEMPLO

Estados de la naturaleza

Ventas bajas Ventas medias Venta altas

Inversión alta 272-200 320-300 340-340

Decisiones
Inversión media 272-260 320-320 340-320

Inversión aja 272-272 320-280 340-300

Decisiones en situación de incertidumbre MÍNIMO
ARREPENTIMIENTO (PÉRDIDA DE OPORTUNIDAD DE
SAVAGE)
EJEMPLO

Estados de la naturaleza
Venta
Ventas bajas Ventas medias altas Maximo

Inversión alta 72 20 0 72
Decisiones
Inversión media 12 0 20 20

Inversión baja 0 40 40 40

Vemos que la decisión con mejor resultado según este criterio es hacer una
inversión media
 TOMA DE DECISIONES BAJO RIESGO
El riesgo implica cierto grado de incertidumbre y la habilidad para controlar plenamente los resultados o consecuencias de dichas
decisiones.
El proceso permite al tomador de decisiones evaluar estrategias alternativas antes de tomar cualquier decisión.
El proceso decisión se describe a continuación:

•El problema está definido y todas las alternativas confiables han sido consideradas. Los resultados posibles para
cada alternativa son evaluativos.
•Los resultados son discutidos de acuerdo a su reembolso monetario o de acuerdo a la ganancia neta de activos o
con respecto al tiempo.
•Varios valores inciertos son cuantificados en términos de probabilidad.
•La calidad de la estrategia óptima depende de la calidad con que se juzgue.
TOMA DE DECISIONES BAJO RIESGO

EVALUACIÓN DEL RIESGO

El riesgo es la inconveniencia de una apertura, la cuales es descrita en términos de probabilidad. El control de riesgo
es un procedimiento de cuantificación de los valores de pérdida o ganancia, y proporcionarlos con apropiados valores
de probabilidad.
TOMA DE DECISIONES BAJO RIESGO

VALOR ESPERADO

El criterio del valor esperado es un modelo que se basa en las probabilidades de ocurrencia de un
suceso en particular y resulta de la suma ponderada de los pagos correspondientes a la alternativa de
decisión.

𝐸 𝑋 = 𝑘 × 𝑃(𝑋 = 𝑘)
TOMA DE DECISIONES BAJO RIESGO
- BENEFICIO ESPERADO

El resultado real no será igual al valor esperado. Lo que se obtiene no es lo que se espera, es decir, las grandes
expectativas.

a) Con cada acción, multiplique la probabilidad y el beneficio

b) Agregue el resultado por filas.
c) Seleccione el número más grande y tome esa acción.
TOMA DE DECISIONES BAJO RIESGO
- BENEFICIO ESPERADO
Estados de la naturaleza Estados de la naturaleza
Ventas Ventas Ventas Ventas Venta
bajas medias Venta altas bajas medias altas
Probabilidad 0.25 0.4 0.35 Suma de
cada
Inversión alta 200 300 340 decisión
Probabilidad 0.25 0.4 0.35 posible
Decisiones Inversión alta 50 120 119 289
Inversión media 260 320 320
Decisiones Inversión media 65 128 112 305
Inversión baja 272 280 300 Inversión baja 68 112 105 285
TOMA DE DECISIONES BAJO RIESGO
-LOS ESTADOS MÁS PROBABLES DE
LA NATURALEZA

a) Tome el estado de la naturaleza que tiene la probabilidad más alta (rompa empates)

b) En esa columna, elija la acción que tiene el mayor beneficio

TOMA DE DECISIONES BAJO RIESGO
-LOS ESTADOS MÁS PROBABLES DE
LA NATURALEZA
Estados de la naturaleza
Ventas Ventas
bajas medias Venta altas
Probabilidad 0.25 0.4 0.35

Inversión alta 200 300 340

Decisiones
Inversión media 260 320 320

Inversión baja 272 280 300

TOMA DE DECISIONES BAJO RIESGO
-PÉRDIDA DE OPORTUNIDAD
ESPERADA (POE)
a) Configure una matriz de beneficios de la pérdida tomando el número mayor por columna correspondiente a
los estados de naturaleza.

b) Réstele los valores de su columna por fila.

c) Para cada acción multiplique la probabilidad y las perdidas, luego agregue a cada acción.

d) Seleccione la acción con el POE más pequeño

TOMA DE DECISIONES BAJO RIESGO
-PÉRDIDA DE OPORTUNIDAD
ESPERADA (POE)
Estados de la naturaleza
Ventas Ventas Venta
bajas medias altas
Probabilidad 0.25 0.4 0.35
Inversión alta 200 300 340 Estados de la naturaleza
Decisiones Inversión media 260 320 320 Ventas Ventas Venta
Inversión baja 272 280 300 bajas medias altas MINIMO
Máximo 272 320 340 Probabilidad 0.25 0.4 0.35
Inversión alta 72 20 0 26
Decisiones Inversión media 12 0 20 10
Inversión baja 0 40 40 30
Estados de la naturaleza
Ventas Ventas Venta
bajas medias altas
Probabilidad 0.25 0.4 0.35
Inversión alta 272-200 320-300 340-340
Decisiones Inversión media 272-260 320-320 340-320
Inversión aja 272-272 320-280 340-300
TOMA DE DECISIONES BAJO RIESGO
-CÁLCULO DEL VALOR ESPERADO DE
INFORMACIÓN PERFECTA (VEIP)
a) Tome el beneficio máximo de cada estado de la naturaleza.

b) Multiplique cada uno por la probabilidad que ocurra y sume.

c) Reste el paso anterior al máximo benéficio esperado

TOMA DE DECISIONES BAJO RIESGO
-CÁLCULO DEL VALOR ESPERADO DE
INFORMACIÓN PERFECTA (VEIP)
Estados de la naturaleza

Hay que tener en cuenta que el

valor esperado de la información
Valor esperado perfecta indica la cifra esperada a
Ventas Ventas por cada
ganar por llevar a cabo este
bajas medias Venta altas decisión
esfuerzo, por lo tanto, coloca un
Probabilidad 0.25 0.4 0.35 límite superior a la cifra que
Inversión alta 200 300 340 289 debería ser invertida realmente
Decisiones Inversión media 260 320 320 305 para reunir esa información.
Inversión baja 272 280 300 285
Máximo 272 320 340

Máximo x
Probabilidad 68 128 119 315 VEIP=315-305=10

Suma
TOMA DE DECISIONES BAJO RIESGO
-YO NO SÉ NADA
Todos los esperados de la naturaleza tienen igual probabilidad. Como yo no sé nada, todo es
igualmente probable.

a) Por cada estado de la naturaleza ponga una probabilidad igual.

b) Multiplique cada número por la probabilidad.

c) Añada la fila de acción y complete la columna beneficio esperado.

d) Elija el número máximo en el paso anterior

e) Adopte esta acción.

TOMA DE DECISIONES BAJO RIESGO
-YO NO SÉ NADA
Estados de la naturaleza
Ventas
Ventas bajas medias Venta altas
Probabilidad 0.33 0.33 0.33
Inversión alta 200 300 340
Decisiones Inversión media 260 320 320
Inversión baja 272 280 300

Estados de la naturaleza
Ventas Benefici
Ventas bajas medias Venta altas o
esperad
Probabilidad 0.33 0.33 0.33 o
Inversión alta 66.7 100.0 113.3 280.0
Decisiones Inversión media 86.7 106.7 106.7 300.0
Inversión aja 90.7 93.3 100.0 284.0
TOMA DE DECISIONES BAJO RIESGO
-ÁRBOL DE DECISIONES
En muchos casos, el decisor puede necesitar la opinión de un especialista para reducir sus incertidumbres con
respecto a la probabilidad de cada uno de los estados de la naturaleza.
Una matriz de confiabilidad se efectúa al medir el desempeño de cada una de las variables de acuerdo a
estudios anteriores y al análisis de la persona.

a. Dibuje el árbol de decisiones

b. Encuentre el beneficio esperado

c. Por último, el valor de información perfecta

d. Tome la mejor decisión

Un gerente está tratando de decidir si debe comprar una máquina o dos. Si compra sólo una y la demanda resulta ser excesiva, podría adquirir
después la segunda máquina. Sin embargo, perdería algunas ventas porque el tiempo que implica la fabricación de este tipo de máquinas es de
seis meses. Además, el costo por máquina sería más bajo si comprara las dos al mismo tiempo. La probabilidad de que la demanda sea baja se
ha estimado en 0.30. El valor presente neto, después de impuestos, de los beneficios derivados de comprar las dos máquinas a la vez es de
$90,000 si la demanda es baja, y de $170,000 si la demanda es alta.

Si se decide comprar una máquina y la demanda resulta ser baja, el valor presente neto sería de $120,000. Si la demanda es alta, el gerente
tendrá tres opciones. La de no hacer nada tiene un valor presente neto de $120,000; la opción de subcontratar, $140,000; y la de comprar la
segunda máquina, $130,000.

[Link] un árbol de decisiones para este problema.

2.¿Cuántas máquinas debe comprar la compañía inicialmente? ¿Cuál es el beneficio esperado de esta alternativa?
La compañía debe comprar dos máquinas que representa un beneficio esperado de $146,000.
A pesar de que las estaciones de gasolina independientes han pasado por un época difícil,
Susana Suarez piensa abrir su propia estación de servicio. Su problema es decidir de qué
tamaño debería ser. Los rendimientos anuales dependerán tanto del tamaño de su estación
como del número de factores de marketing relacionados con la industria petrolera y la
demanda de gasolina. Después de un análisis cuidadoso, Susana desarrollo la siguiente tabla:
Tamaño de la Mercado Bueno Mercado Mercado Pobre
Primera Estación Mediano
Pequeña 50.000 20.000 -10.000
Mediana 80.000 30.000 -20.000
Grande 100.000 30.000 -40.000
Muy grande 300.000 25.000 -160.000

a) ¿Cuál es la decisión maximax?

b) ¿Cuál es la decisión minimax?
c) ¿Cuál es la decisión de igualdad de probabilidades?
d) ¿Cuál es el criterio de una decisión de realismo?
Utilice un valor α de 0,8
e) Desarrolle una tabla de pérdida de a oportunidad
f) ¿Cuál es la decisión del arrepentimiento mínimax?
Unidad 2
Un pronóstico es simplemente una predicción del comportamiento de una variable la cual está sujeta al presente
y como va a hacer en el futuro.

Modelos de pronostico Regresión lineal

simple o múltiple

Modelos de serie
temporales

Modelos de
regresión logística

Modelos de
supervivencia
Una característica que distingue los datos de
series temporales de los datos de sección
cruzada, es que los datos temporales están
ordenados de una forma natural
cronológicamente (primero va enero de un año,
después febrero de ese año, etc.) Este hecho es
muy importante, ya que determina qué tipo de
relaciones son posibles entre un tipo de datos y
otros.
Un propósito es estudiar la influencia entre variables
que forman series de tiempo.

Rara vez se puede asumir que la secuencia de tiempo

de los patrones causales coincide con los periodos de
tiempo de las series.

Tiene mucha importancia en diferentes campos

porque permite comprender como cambian los datos
a lo largo del tiempo.
 PRONÓSTICO CARACTERÍSTICA
En las empresas modernas, este tipo de pronóstico se efectúa cada mes o menos, y su
tiempo de planeación tiene vigencia de un año. Se utiliza para:
 Programas de abastecimiento, producción,

 Asignación de mano de obra a las plantillas de trabajadores, y

PRONÓSTICOS A CORTO PLAZO
 Planificación de los departamentos de fabricación.

Abarca un lapso de seis meses a tres años. Este se utiliza para:

 Estimar planes de ventas, Producción,
PRONÓSTICOS A MEDIANO PLAZO  Flujos de efectivo y
 Elaboración de presupuestos.

Este tipo de pronóstico se utiliza en:

 La planificación de nuevas Inversiones,

 Lanzamiento de nuevos productos y tendencias tecnológicas de materiales,

 Procesos y productos, así como
PRONÓSTICOS A LARGO PLAZO
 En la preparación de proyectos.
El tiempo de duración es de tres años o más.
una media móvil es un cálculo utilizado para analizar un conjunto de datos en modo de puntos para crear
series de promedios. Así las medias móviles son una lista de números en la cual cada uno es el promedio
de un subconjunto de los datos originales. Hay muchas variantes y tipos de medias móviles que se pueden
usar en función de nuestras necesidades. Algunas de ellas son :

* Media móvil simple

* Exponencial
* Ponderada
* Doble Exponencial
* Media de Hull
* Ponderada por volumen
MODELO MA
 Consiste en predecir valores futuros, pronósticos basándose en promedios ponderados de errores pasados de los
datos históricos para modelar el valor actual de la serie.
 El modelo asume que la serie de tiempo es de tipo estacionario, es decir, que sus datos estadísticos como la media
no cambian en el tiempo.
 Se tiene que el valor actual de la serie de tiempo que se está analizando es dependiente de un error actual y de q
términos de errores pasados, representando las desviaciones entre los valores observados y los que se predijeron
en periodos pasados.
 Yt : Es el valor de la serie en el tiempo t.
 μ: Es la media de la serie.
 ϵt: Es el término de error en el tiempo t.
 01, 02…, 0q son los coeficientes del modelo que determinan el peso de los errores pasados.
 q: es el orden del modelo MA, es decir, el número de términos de error pasados incluidos.
 ∑
Error medio (ME)= Permite identificar sesgo

∑
Error Medio absoluto MAD= permite identificar distancia promedios

∑
Error cuadrático Medio: ECM= Penaliza errores grandes

∑
Error Medio Absoluto Porcentual: MAPE= /

𝑒 =𝑦 −𝑦
PROMEDIOS MÓVILES
Los promedios móviles son promedios ponderados, el cual estima la demanda del siguiente
periodo de tiempo durante bimestres, trimestres, semestres.
Ejercicio
Una compañía de suministro de productos de oficina monitorea los niveles de inventario cada día. La compañía desea
utilizar los promedios móviles de longitud 2 para rastrear los niveles de inventario con el fin de suavizar los datos.
Durante 8 días, se recolectan datos correspondientes a uno de sus productos.
.

DÍA 1 2 3 4 5 6 7 8

NIVEL DE 4310 4400 4000 3952 4011 4000 4110 4220

INVENTARIO
PROMEDIO
MÓVIL
Predicciones

El valor ajustado en el tiempo t es el promedio móvil no centrado en el tiempo t– 1.

Los pronósticos son los valores ajustados en el origen del pronóstico.

1. Calcule y almacene el promedio móvil de las series originales.

2. calcule y almacene el promedio móvil de la columna almacenada previamente para obtener un
segundo promedio móvil.
DÍA 1 2 3 4 5 6 7 8

NIVEL DE 4310 4400 4000 3952 4011 4000 4110 4220

INVENTARIO
PROMEDIO 4355 4200 3976 3982 4006 4055
MÓVIL
Intervalo de predicción: Reporta el rango de valores de Y, para un valor particular de X.

Un intervalo de predicción es un intervalo elaborado con una serie de datos de las muestras de modo que contenga observaciones futuras.

DÍA 1 2 3 4 5 6 7 8

NIVEL DE
INVENTARIO
4310 4400 4000 3952 4011 4000 4110 4220

PROMEDIO
MÓVIL

(𝑌 − 𝑌)
𝑌 − 1.96 × 𝐷𝑀𝐶
𝑌 + 1.96 × 𝐷𝑀𝐶
Promedio Móviles Ponderados

En el método de promedios móviles, cada observación en el cálculo recibe el mismo peso.

• Una variación, conocida como promedios móviles ponderados, consiste en seleccionar diferentes pesos
para cada valor de datos y luego calcular un promedio ponderado de los k valores de datos más recientes
como el pronóstico.

• En la mayoría de los casos la observación más reciente recibe el mayor peso, y el peso disminuye para
los valores de datos más antiguos. En otras palabras el pasado reciente es un mejor pronosticador del
futuro que el pasado distante, los pesos más grandes deben darse a las observaciones más recientes
A continuación se muestra los litros de nafta vendidos por
semana (en miles), suponga que se quiere realizar el pronóstico
de la serie mediante promedios móviles ponderados de tres
semanas, donde la observación más reciente recibe un peso del
triple del peso dado a la observación más antigua y la siguiente
observación más antigua recibe un peso del doble que la
observación más antigua.

Para la semana 4 el cálculo es:

× 19 + × 21 + × 17 = 19,33
La suavización exponencial utiliza un promedio ponderado de valores de series de tiempo pasadas como
pronóstico.
𝑦 = 𝛼𝑦 + 1 − 𝛼 𝑦 0≤𝛼≤1

La fórmula muestra que el pronóstico para el periodo t+1 es un promedio ponderado del valor real en el
periodo t y el pronóstico para el periodo t.

Es un caso especial del método de promedios móviles ponderados en el cual seleccionamos sólo un peso, el
peso para la observación más reciente.

Los pesos para los demás valores se calculan de forma automática y se vuelven cada vez más pequeños a
medida que las observaciones se alejan en el pasado.
Por ejemplo para una serie de tiempo que consta de tres periodos de datos: 𝑦 , 𝑦 y 𝑦 . Sea 𝑦 = 𝑦
𝑦 = 𝛼𝑦 + 1 − 𝛼 𝑦
𝑦 = 𝛼𝑦 + 1 − 𝛼 𝑦
𝑦 =𝑦
Por lo tanto, el pronóstico de suavización exponencial para el periodo dos es igual al valor real de la serie
de tiempo en el periodo 1.

Para el periodo 3 el pronóstico es:

𝑦 = 𝛼𝑦 + 1 − 𝛼 𝑦
𝑦 = 𝛼𝑦 + 1 − 𝛼 𝑦

Por ultimo al sustituir esta expresión para F3 en la expresión para F4 , se obtiene:

𝑦 = 𝛼𝑦 + 1 − 𝛼 𝑦
Si la variabilidad aleatoria de la serie de tiempo es considerable, es preferible un valor pequeño
para la constante de suavización. La razón de esta elección es que, dado que gran parte del error
de pronóstico se debe a la variabilidad aleatoria, no queremos reaccionar de forma exagerada y
ajustar los pronósticos demasiado rápido. Para una serie de tiempo con relativamente poca
variabilidad, los valores más grandes de la constante de suavización tienen la ventaja de ajustar
rápidamente los pronósticos cuando ocurren errores de pronóstico y por ende permiten que el
pronóstico reaccione más rápido a las condiciones cambiantes.

• Elegimos el valor de que minimiza el error de pronóstico.

Estimar la semana
13 con un 𝛼=0,2
UNIDAD 3 MODELOS DE INVENTARIOS Y
RUTA CRÍTICA
Los inventarios son aquellos materiales o bienes ociosos que la organización conserva para su
uso en algún momento en el futuro.

El método de la ruta crítica (CPM, por sus siglas en inglés) y la técnica de evaluación y revisión
de programas (PERT, por sus siglas en inglés) son métodos basados en redes diseñados para
ayudar a planificar, programar y controlar proyectos.
CARACTERÍSTICAS DE LOS MODELOS
DE INVENTARIO
CARACTERÍSTICA DEFINICIÓN

DEMANDA INDEPENDIENTE Dos o más artículos en los que la demanda de un artículo no afecta
la demanda de cualquiera de los otros artículos.

Dos o más artículos en los que la demanda de un artículo

determina o afecta la demanda de uno o más de los otros artículos.
DEMANDA DEPENDIENTE

DEMANDA DETERMINÍSTICA La demanda del artículo por periodo se conoce con certeza.

DEMANDA PROBABILÍSTICA La demanda del artículo por periodo está sujeta a una cantidad
que cambia con el tiempo y es variable.

DÉFICIT Es una circunstancia en la que el inventario no dispone de la

suficiente cantidad de artículos para satisfacer la demanda.

TIEMPO LÍDER El tiempo entre colocación de un pedido de productos y la llegada

de estos enviados por el proveedor.

DESCUENTO Este depende de la cantidad del lote del pedido y el precio a pagar
por el consumidor.
CARACTERÍSTICAS DE LOS MODELOS
DE INVENTARIO
CARACTERÍSTICA DEFINICIÓN

EL COSTO DEL PEDIDO U Es el costo fijo por colocar un pedido para reabastecer el
ORGANIZACIÓN inventario.

(K)

EL COSTO DE COMPRA (C)

Es el costo por unidad del producto para la compra.

EL COSTO DE
CONSERVACIÓN El costo del producto por permanecer en inventario.
(H)

TASA DE La fracción del costo de compra del artículo para determinar la

TRANSFERENCIA variación en el incremento o modificación del costo de
(I) conservación.

COSTO DE DÉFICIT (B) Costo asociado a la no satisfacción de la demanda del

producto.
MODELOS DE INVENTARIOS

MODELO DE INVENTARIO DE CANTIDAD DE PEDIDOS (EOQ)

Es la cantidad de económica de pedido que busca disminuir el costo del inventario de la organización.

El principio del EOQ es simple, y se basa en encontrar el punto en el que los costos por ordenar un producto y los costos
por mantenerlo en inventario son iguales.

Toma la demanda determinista de un producto (es decir, una demanda conocida y constante), el costo de mantener
el inventario, y el costo de ordenar un pedido, produce como salida la cantidad óptima de
unidades a pedir para minimizar costos por mantenimiento del producto.
MODELOS DE INVENTARIOS-MODELO DE
INVENTARIO DE CANTIDAD DE PEDIDOS
(EOQ)
MODELO DE INVENTARIO DE CANTIDAD DE PEDIDOS (EOQ)
Cantidad Optima de pedido: Tiempo esperado entre órdenes
2𝐷𝐾 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑖𝑎𝑠 𝑙𝑎𝑏𝑜𝑟𝑎𝑙𝑒𝑠/𝑎ñ𝑜
𝑄∗ = 𝑇=
𝐻 𝑁

Donde K: EL COSTO DEL PEDIDO U ORGANIZACIÓN

H : EL COSTO DE CONSERVACIÓN
D: DEMANDA Costo anual
𝐷 𝑄∗
Número de órdenes entre pedidos 𝐶 = ∗𝐾 + 𝐻
𝑄 2
𝐷
𝑁=
𝑄∗

Donde D: DEMANDA
𝑄∗ :Cantidad Optima de pedido
MODELO DE INVENTARIO DE CANTIDAD
DE PEDIDOS (EOQ)
- Ejemplo
Una empresa de dulces de Antioquia, desea reducir sus costos de inventario mediante la
determinación del número de confites que debe de obtener en cada orden. La demanda anual es
de 10500 unidades(D); el costo de preparación o de ordenar es de $100 (K) por orden; y el costo
de almacenamiento por unidad al año es de $1(H). Utilizando estos datos determinar las
diferentes medidas del modelo conociendo que el año laboral es 260 días.
MODELO DE INVENTARIO DE CANTIDAD
DE PEDIDOS CON DESCUENTO
Este modelo de cantidad de pedidos se realiza El único modelo donde el Costo unitario cambia es en el de descuentos por
descuentos según el tamaño del lote o la cantidad cantidad, es decir que al cliente se le hace más atractivo comprar por volumen.
solicitada por el consumidor o que entre más grande
sea el lote de producción disminuya el costo de
producción unitaria.

Se aplica:

Cuando se reciben descuentos en la compra de una cantidad grande de artículos.

Puede ser que el costo de tener un inventario adicional quede compensado reduciendo el costo de compra.
La forma de saber si se deben ordenar cantidades grandes, es comparar el aumento en los costos de
inventario con el ahorro en el costo de compra.
MODELO DE INVENTARIO DE CANTIDAD
DE PEDIDOS CON DESCUENTO
Cantidad Optima de pedido:
2𝐴𝐾 Costo con descuento
𝑄∗ =
𝐻 𝐷 𝑄𝑑
𝐶= 𝐾 + 𝐴 ∗ 𝐶𝑐𝑑 + 𝐻
𝑄𝑑 2
Donde K: EL COSTO DEL PEDIDO U ORGANIZACIÓN
H : EL COSTO DE CONSERVACIÓN
A: Días del año

Costo total sin descuento

𝐴 𝑄∗
𝐶= 𝐾 + 𝐴 ∗ 𝐶𝑠𝑑+ 𝐻
𝑄∗ 2

Donde D: DEMANDA
𝑄∗ :Cantidad Optima de pedido
MODELO DE INVENTARIO DE CANTIDAD
DE PEDIDOS CON DESCUENTO- ejemplo
Una empresa de cosméticos, desea reducir sus costos de inventario mediante la
determinación del número de sus productos principales que debe de obtener en cada
orden. Se conoce que el costo por hacer un pedido es de $25, el costo de adquisición de los
productos es de $600 por cada uno de ellos, el costo de mantenimiento por año es del 15%
del precio de adquisición, la demanda es de 2 de producto por día, se otorga un descuento
de $25 en cada producto de belleza cuando el pedido excede las 15 unidades. Utilizando
estos datos determinar las diferentes medidas del modelo.
MODELO DE INVENTARIO DE CANTIDAD
DE PEDIDOS DE PRODUCCIÓN
El modelo de inventario presentado es similar al primer modelo por el hecho de que esté intentando determinar cuánto debemos pedir y cuando hacerlo.

Este modelo está diseñado para situaciones de producción en las que una vez colocado el pedido se inicia la producción y diariamente se va
agregando el inventario de un número constante de unidades, hasta que se vaya complementado el lote de producción.

Cantidad Optima de pedido:

2𝐷𝐾 Corrida de producción(Tiempo)
𝑄∗ =
𝐷 𝑄∗ × 𝐷𝐼𝐴𝑆
1−𝑃 ∗𝐻 𝑇=
𝑃
Donde 𝑄 : Cantidad optima de pedido
∗

Donde K: EL COSTO DEL PEDIDO U H : EL COSTO DE CONSERVACIÓN

ORGANIZACIÓN P: CAPACIDAD ANUAL AL AÑO
H : EL COSTO DE CONSERVACIÓN D:DEMANDA ANUAL
P: CAPACIDAD ANUAL AL AÑO
D:DEMANDA ANUAL
MODELO DE INVENTARIO DE
CANTIDAD DE PEDIDOS DE
PRODUCCIÓN
Nivel máximo de Inventario Nivel Promedio de inventario
(𝑃 − 𝐷) × 𝑇
𝑁𝑃𝐼 =
𝑃−𝐷 ∗𝑇 2

Costo anual total

1 𝐷
𝐶𝑇 = 𝑃−𝐷 ×𝑇 ×𝐻+ 𝐾
2 𝑄∗
MODELO DE INVENTARIO DE
CANTIDAD DE PEDIDOS DE
PRODUCCIÓN-EJEMPLO
Una empresa de frutas del bosque, produce una línea de producción con capacidad anual de
100.000(P) cajas de sus productos tradicionales. La demanda (D) anual se estima en 25600 cajas, manteniendo la
tasa de demanda constante en el año. El costo de la organización para la entrega del producto cuesta $10500(K).
El costo de manufactura por caja es de $2500 y el costo anual de posesión es de $5(H). Utilizando estos datos
determinar las diferentes medidas del modelo sabiendo que trabaja 300 días al año.
MODELO DE INVENTARIO CON
DEMANDA PROBABILÍSTICA
Se supone que se conoce la distribución de probabilidad para la demanda, pero que esa demanda es
impredecible en un día o mes dado.

En este modelo se considera que la demanda tiene un comportamiento de una distribución normal, por tanto, este consta de:

•Una demanda promedio

•Una desviación estándar.

El principal uso de este modelo es garantizar que se tengan los suficientes

productos para atender la demanda, es por esto que se necesita de un punto
de reorden, el cual garantizará que la demanda sea satisfecha, esto debido a
que los proveedores manejan tiempos para llevar el producto hasta el
consumidor.
Por otro lado, para poder establecer este punto de reorden, es primordial conocer qué
cantidad de inventarío se va a manejar en la empresa.
 MODELO DE INVENTARIO CON
DEMANDA PROBABILÍSTICA
Cantidad Optima de pedido: Inventario de Seguridad
2𝐷𝐾
𝑄∗ = 𝐵 =𝑍×𝜎
𝐻 Z= PERCENTIL DE LA DISTRIBUCIÓN NORMAL ESTANDAR DE ACUERDO A SU
PROBABILIDAD
Donde K: EL COSTO DEL PEDIDO U ORGANIZACIÓN
H : EL COSTO DE CONSERVACIÓN
D: DEMANDA
𝜎: 𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼𝑂𝑁 𝐸𝑆𝑇𝐴𝑁𝐷𝐴𝑅
Probabilidad de existencias
𝐷×𝐶 Punto de reorden:
𝑃= ∗ 𝑅 =𝑑×𝐿+𝐵
𝑄 𝐻+𝐷×𝐶
D: demanda diaria
Donde D: DEMANDA L: tiempo de entrega
𝑄∗ :Cantidad Optima de pedido B: inventario de seguridad
𝐶 = costo de agotamiento
MODELO DE INVENTARIO CON
DEMANDA PROBABILÍSTICA
Costo de mantenimiento del inventario de seguridad

CM=HxB

H: costo anual de posesión

Costo anual total

𝐷 𝑄∗
𝐶𝑇 = ∗ 𝐾 + 𝐻 + 𝐻 × 𝐵
𝑄 2
MODELO DE INVENTARIO CON
DEMANDA PROBABILÍSTICA-
EJEMPLO
Una empresa de papitas tiene un inventario con una demanda anual de promedio de 12000 (D)
unidades con base 345 días hábiles al año, entonces la demanda diaria es un promedio de 35
unidades, el tiempo de entrega cambia con un promedio de 3 días se supone que la demanda
durante el tiempo de entrega tiene una distribución normal con una desviación estándar de 7(𝜎)
unidades, el costo por cada pedido es de $50(K), el costo de mantenimiento es de $5 por unidad al
año y el costo de no tener el producto disponible es de $2 por unidad al año. Utilizando estos
datos determinar las diferentes medidas del modelo.