1. UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES COMISION DE ESTUDIOS DE POSTGRADO POSTGRADO EN CIENCIAS ADMINISTRATIVAS ESPECIALIZACION ORGANIZACIN DE EMPRESAS Asignatura: Gerencia y Toma de Decisiones Profesor: Ramn Garca Moncada INTEGRANTES: Lisney Rivera Ricardo Snchez Taybert Lpez

2. La investigacin o metodologa cuantitativa es el procedimiento de decisin que pretende decir, entre ciertas alternativas, usando magnitudes numricas que pueden ser tratadas mediante herramientas del campo de la estadstica. Para que exista metodologa cuantitativa se requiere que entre los elementos del problema de investigacin exista una relacin cuya naturaleza sea representable por algn modelo numrico ya sea lineal, exponencial o similar ANLISIS CUANTITATIVO Lisney Rivera 3. PASO 1: DESARROLLO DEL MODELO Implica la representacin del problema o situacin que se est analizando mediante un modelo. PASO 2: PREPARACIN DE DATOS. Este paso implica la preparacin de los datos requeridos por el modelo PASO 3: SOLUCIN DEL MODELO. En este paso, el analista intentar identificar los valores de las variables de decisiones que proporcionan la mejor salida para el modelo, a la cual se le denomina solucin ptima. PASO 4: LA GENERACIN DE REPORTES. El paso final es la preparacin de los reportes gerenciales basados en la solucin del modelo que pueda ser fcilmente entendido por el tomador de decisiones. PROCESO DEL ANLISIS CUANTITATIVO Lisney Rivera 4. Modelo de Colas o Teora de Colas El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang (Dinamarca, 1878 - 1929) en 1909 para analizar la congestin de trfico telefnico con el objetivo de cumplir la demanda incierta de servicios en el sistema telefnico de Copenhague. Sus investigaciones acabaron en una nueva teora denominada teora de colas o de lneas de espera. Esta teora es ahora una herramienta de valor en negocios debido a que un gran nmero de problemas pueden caracterizarse, como problemas de congestin llegada-salida. Lisney Rivera 5. Elementos de un Sistema de Colas POBLACIN DE CLIENTES Conjunto de todos los clientes posibles. PROCESO DE LLEGADA Es la forma como llegan los clientes. PROCESO DE COLAS Est referido a la forma en que los clientes esperan para ser atendidos. PROCESO DE SERVICIO Tiene que ver con el diseo de la instalacin y la ejecucin del servicio PROCESO DE SALIDA Se consideran 2 tipos: - El cliente abandona el sistema, luego de ser atendido - Los clientes o productos reciben un servicio, pero se trasladan a otro para ser sometidos a otro proceso Lisney Rivera 6. Tipos de Sistemas de Colas Una cola, Un servidor Una cola, Mltiples Servidores Varias colas , Mltiples Servidores Una cola, Servidores secuenciales Lisney Rivera 7. Teora de Cola y la toma de Decisiones Para la toma de decisiones, en la teora de las colas, existe un proceso denominado Mecanismo de Servicio, que es el procedimiento por el cual se da servicio a los clientes que lo solicitan. Para determinar totalmente el mecanismo de servicio debemos conocer el nmero de servidores de dicho mecanismo (si dicho nmero fuese aleatorio, la distribucin de probabilidad del mismo) y la distribucin de probabilidad del tiempo que le lleva a cada servidor dar un servicio. Disciplina de la colas FIFO (first in first out) Segn la cual se atiende primero al cliente que antes haya llegado. LIFO (last in first out), Consiste en atender primero al cliente que ha llegado el ltimo. RSS (random selection of service), o SIRO (service in random order) Que selecciona a los clientes de forma aleatoria. Lisney Rivera 8. Lisney Rivera 9. PERT (Program Evaluation and review Technique) Las traduccin de las siglas en ingls significan: tcnica de revisin y evaluacin de programas, es una tcnica de redes desarrollado en la dcada de los 50, utilizada para programar y controlar programas a realizar. Modelo PERT - CPM CPM (Critical Path Method,) La traduccin de las siglas en ingls significan: mtodo del camino crtico, es uno de los sistemas que siguen los principios de redes, que fue desarrollado en 1957 y es utilizado para planear y controlar proyectos, aadiendo el concepto de costo al formato PERT. Lisney Rivera Ambas tcnicas fueron desarrolladas por dos grupos diferentes casi simultneamente(19561958) Estn bsicamente orientados en el tiempo en el sentido que ambos llevan a la determinacin de un programa de tiempo. Aunque los dos mtodos fueron desarrollados casi independientemente, ambos son asombrosamente similares. 10. La diferencia principal entre ellos es simplemente el mtodo por medio del cual se realizan estimados de tiempo para las actividades del proyecto. Con CPM, los tiempos de las actividades son determinsticos. Con PERT, los tiempos de las actividades son probabilsticos o estocsticos. CPM supone una compensacin entre el tiempo y el costo mientras PERT se basa en tiempos Diferencias entre Pert y CPM El mtodo PERT y CPM tiene muchas aplicaciones que oscilan desde le planeacin y control de proyectos, construccin de puentes edificios, desarrollos industriales, instalacin de equipos electrnicos, grandes operaciones comerciales 11. Proceso de aplicacin de Pert y CPM PLANEACIN PROGRAMACINCONTROL De estas 3 fases bsicas se derivan los siguientes pasos: 1. Identificar las actividades especficas del proyecto 2. Determinar la apropiada secuencia de actividades 3. Construir el diagrama de red 4. Estimar el tiempo requerido para cada actividad 5. Determinar la ruta crtica 6. Actualizar mediante avanza el proyecto FASES DEL MTODO PERT-CPM 12. Ejemplo de aplicacin de Pert y CPM Los arcos representan actividades y los nodos son eventos para puntos en el tiempo. Existen formatos usado por software de gestin de proyectos. Mejor para mostrar diferentes tipos de dependencias. Fcil de entender 13. MODELOS DE INVENTARIOS MODELO DE MARKOWITZ MODELO DE SIMULACION 14. EL MODELO EOQ BSICO O MODELO DE HARRIS-WILSON La demanda debe ser constante y conocida o determinsticas No se admiten faltantes Existe costo de mantener guardado el inventario Existe costo de pedir Los costos son constantes por lo cual se mantienen La reposicin del inventario es instantnea No existen entregas parciales. Los inventarios son un puente de unin entre la produccin y las ventas. En una empresa manufacturera el inventario equilibra la lnea de produccin si algunas mquinas operan a diferentes volmenes de otras, pues una forma de compensar este desequilibrio es proporcionando inventarios temporales o bancos. Ricardo Snchez 15. En muchas situaciones reales la demanda no puede ser satisfecha a tiempo, en cuyo caso ocurre escasez. Cuando ocurre escasez se incurre en costos adicionales por: perdida de negocios, rdenes especiales, etc. En dichas situaciones es preciso modificar el modelo EOQ bsico. Cp: costo de preparacin para ordenar un lote Cmi: costo de mantener el inventario D: demanda del pedido Cu: costo unitario de producir o comprar cada unidad Q: cantidad de unidades Cf: costo de faltantes por unidad que falta S: nivel de inventario justo despus de recibir un lote de Q unidades. Q-S: faltante en inventario justo antes de recibir un lote de Q unidades Ricardo Snchez 16. Modelos Modelos de Inventarios con Demanda Determinstica Esttica Modelos de Inventarios con Demanda Probabilstica Esttica Modelos de Inventarios con Demanda Determinstica Dinmica Modelo de Inventarios con Demanda Probabilstica Dinmica Ricardo Snchez 17. Originada por Harry Markowitz, autor de un artculo sobre seleccin de cartera publicado en 1952, la teora moderna de la seleccin de cartera (modern portfolio theory) propone que el inversor debe abordar la cartera como un todo, estudiando las caractersticas de riesgo y rentabilidad global, en lugar de escoger valores individuales en virtud de la rentabilidad esperada de cada valor en particular. El rendimiento de cualquier ttulo o cartera es descrito por una variable aleatoria subjetiva, cuya distribucin de probabilidad para el perodo de referencia es conocida por el inversor. El riesgo de un ttulo, o cartera, viene medido por la varianza (o desviacin tpica) de la variable aleatoria representativa de su rendimiento. El inversor preferir aquellos activos financieros que tengan un mayor rendimiento para un riesgo dado, o un menor riesgo para un rendimiento conocido. A esta regla de decisin se la denomina conducta racional del inversor. Ricardo Snchez 18. La teora de la cartera de Markowitz se basa el supuesto terico en el que el comportamiento de un inversor se caracteriza por el grado de aversin al riesgo que tenga y el grado de maximizacin de utilidades que espera. Existen tres posiciones haca el riesgo: Aversin al riesgo Hace referencia cuando el inversor elegira una inversin con el menor grado de riesgo frente a dos alternativas con el mismo nivel de rentabilidad esperada. Neutralidad al riesgo En esta situacin, el inversor se mantendra indiferente si tuviera que elegir entre dos alternativas con el mismo nivel de rentabilidad esperada. Propensin al riesgo En este caso, el inversor elegira la inversin con el mayor grado de riesgo frente a dos alternativas con el mismo nivel de rentabilidad esperada. Ricardo Snchez 19. El modelo de Markowitz tiene su base en el comportamiento racional del inversor. Es decir, el inversor desea la rentabilidad y rechaza el riesgo. Por tanto, una cartera ser eficiente si proporciona la mxima rentabilidad posible para un riesgo dado, o si presenta el menor riesgo posible para un nivel determinado de rentabilidad. Recordemos que Markowitz parte de la base del comportamiento racional del inversor. Es decir, el inversor desea la rentabilidad y rechaza al riesgo. En este modelo, las alternativas posibles son: Si w = 0, posicin cerrada en el activo 1 Si w > 0, posicin larga en el activo 1 Si w < 0, posicin corta en el activo 1 Ricardo Snchez 20. La simulacin es una herramienta de la Investigacin de Operaciones y de gran utilidad para la toma de decisiones. Esta tcnica, como ya lo mencionamos, es til para representar sistemas reales y as visualizar todos y cada uno de sus componentes, las formas en que interactan y las polticas que los rigen. Es un procedimiento cuantitativo que describe un proceso al desarrollar un modelo del mismo y despus conducir una serie de experimentos de tanteos organizados para predecir el comportamiento del mecanismo con el tiempo. El observar los experimentos es muy parecido a observar el proceso en operacin. Para encontrar cmo reaccionara el proceso real a ciertos cambios, podemos producir estos cambios en nuestro modelo y simular la reaccin del proceso real a ellos. Ricardo Snchez 21. Ricardo Snchez En general los modelos de simulacin difieren de los modelos matemticos en dos aspectos: Los modelos de simulacin normalmente no se disean para encontrar soluciones ptimas o mejores, como se hace en la programacin lineal. A diferencia de los modelos matemticos, los modelos de simulacin pueden representar al sistema como un todo y no en forma parcial. 22. Permite una experimentacin controlada. Permite comprimir el tiempo al experimentar. Permite el anlisis de sensibilidad. Evita costos o riesgos ya que no es necesario interrumpir el desarrollo del sistema, para estudiar su comportamiento. No es necesario destruir al sistema si se desea investigar sus lmites de resistencia. Si slo es un sistema propuesto no es necesario construirlo fsicamente. Ricardo Snchez 23. Modelos de simulacin Esttica vs. Dinmica Un modelo de simulacin esttica, se entiende como la representacin de un sistema para un instante (en el tiempo) en particular o bien para representar un sistema en el que el tiempo no es importante, por ejemplo la simulacin montecarlo; en cambio un modelo de simulacin dinmica representa a un sistema en el que el tiempo es una variable de inters. Modelos de simulacin Determinista vs estocstica Si un modelo de simulacin no considera ninguna variable importante, comportndose de acuerdo con una ley probabilstica, se le llama un modelo de simulacin determinista. En estos modelos la salida queda determinada una vez que se especifican los datos y relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cmputo para su evaluacin. Sin embargo, muchos sistemas se modelan tomando en cuenta algn componente aleatorio de entrada, lo que da la caracterstica de modelo estocstico de simulacin. Modelos de simulacin Continuos vs Discretos Los modelos de simulacin discretos y continuos, se definen de manera anlogo a los sistemas discretos y continuos respectivamente. pero debe entenderse que un modelo discreto de simulacin no siempre se usa para modelar un sistema discreto. La decisin de utilizar un modelo discreto o continuo para simular un sistema en particular, depende de los objetivos especficos de estudio. Ricardo Snchez 24. Ricardo Snchez Cul sera la herramienta para un tomador de decisiones que le permitiera analizar no slo el funcionamiento presente de su organizacin o de alguno o varios de sus componentes, sino tambin su comportamiento futuro a la luz de diferentes diseos o diversos escenarios? Qu valor tendra para el directivo o responsable de conducir un proyecto aquella herramienta que le permita administrar ms efectivamente el comportamiento aleatorio de los elementos internos de su organizacin o el de los componentes de su medio ambiente? Qu herramienta dara margen al "What if" en forma solvente, tangible y objetiva? 25. MODELOS DE TOMA DE DECISIONES BAJO INCERTIDUMBRE HURWICZ SAVAGE LAPLACE Taybert Lpez 26. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES DUDA O PERPLEJIDAD FALTA DE CONOCIMIENTO SEGURO O FIABLE QU ES INCERTIDUMBRE? INSEGURIDAD 27. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES EJEMPLO VA A SER UN AO COMPLICADO NO SABEMOS LO QUE VA A PASAR HAY MUCHA INCERTIDUBRE ESCENARIO INCIERTO NO SER FCIL 28. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES TOMA DE DECISIN BAJO INCERTIDUMBRE INFORMACIN DEFICIENTE CONTROL DE LA DECISION CERO VARIACIN PROBABILIDADES DE OCURRENCIA DE LOS ESTADOS NATURALES 29. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES LAPLACE SAVAGE MAXIMAX HURWICZ 30. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES HURWICZ RESULTADOS MXIMOS Y MNIMOS OPTIMISMO O PESIMISMO SE ESCOGE EL VALOR MS ALTO 31. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES SAVAGE MNIMA ATRICCIN ESTRATEGIA MNIMO DE ARREPENTIMIENTOS MXIMOS MINIMAX 32. Taybert LpezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES LAPLACE PRINCIPIO RAZON INSUFICIENTE NI OPTIMISTA NI PESIMISTA NO SE CONOCEN LAS PROBABILIDADES DE OCURRENCIA