You are on page 1of 7

MODELAMIENTO MATEMATICO PARA LA TOMA DE DECISIONES home.ubalt.

edu: El anlisis de decisin proporciona un soporte cuantitativo a los tomadores de decisiones en todas las reas tales como ingenieros, analistas en las oficinas de planificacin, agencias publicas, consultores en proyectos de gerencia, planificadores de procesos de produccin, analistas financieros y de economa, expertos en diagnsticos de soportes mdico y tecnolgicos e infinidad de otras reas.

Aproximacin Progresiva al Modelado:

El modelado para la toma de decisiones envuelve a dos partes diferentes, una es el tomador de decisiones y la otra es el constructor del modelo, conocido como el analista. El analista debe asistir al tomador de decisiones en el proceso de decidir. Por lo tanto, el analista debe estar equipado con mas que un conjunto de mtodos analticos.

Los especialistas en la construccin de modelos se encuentran normalmente tentados a estudiar el problema, y luego aislarse a desarrollar un modelo matemtico para ser utilizado por el gerente (es decir, el tomador de decisiones.) Desgraciadamente el gerente podra no entender el modelo, por lo tanto podra usarlo ciegamente o simplemente rechazarlo. El especialista podra sentir que el gerente es exageradamente ignorante y poco sofisticado para valorar el modelo, mientras que el gerente podra pensar que el analista vive en un mudo de fantasa de supuestos irreales y de lenguaje matemtico irrelevante.

Dichos problemas de mal interpretacin y de incomunicacin pueden ser evitados si el gerente trabaja en conjunto con el especialista en el desarrollo de; primero un modelo simple que proporcione un anlisis crudo pero entendible. Luego que el gerente le ha ganado confianza al modelo, detalles adicionales y una mayor sofisticacin pueden ser agregados, quizs de una forma lenta y progresiva. Este proceso requiere la inversin de tiempo por parte del gerente e inters sincero por parte del analista para solucionar los problemas reales del gerente, en vez de tratar de crear y explicar modelos extremadamente sofisticados. Esta construccin progresiva de modelos es comnmente referida como la aproximacin de bootstrapping y es el factor ms importante en la determinacin de un modelo de decisin de implementacin exitosa. Adicionalmente, el acercamiento de bootstrapping simplifica las dificultades del proceso de validacin y verificacin del modelo.

Que es un Sistema?: Los sistemas estn formados por partes que son puestas en funcionamiento juntas de una forma particular para obtener un objetivo. La relacin entre las partes determina lo que el sistema hace y como funciona en general. Por lo tanto, las relaciones en el sistema son normalmente mas importantes que cada parte individualmente. En general, los sistemas que son construidos como bloques de otros sistemas se llaman subsistemas.

La Dinmica de un Sistema: Un sistema que no cambia es un sistema esttico (es decir, determinstico.) Muchos de los sistemas a los cuales pertenecemos son sistemas dinmicos, los cuales cambian a travs del tiempo. Cuando nos referimos a que cambian a travs del tiempo es de acuerdo al comportamiento del sistema. Cuando el desarrollo del sistema sigue un patrn tpico decimos que el mismo tiene un patrn de comportamiento. El sistema ser esttico o dinmico dependiendo del horizonte temporal que se escoja y de las variables en las cuales se est concentrado. El horizonte temporal es el periodo de tiempo dentro del cual se estudia el sistema. Las variables son valores cambiables dentro del sistema.

En los modelos determinsticos, una buena decisin es juzgada de acuerdo a los resultados. Sin embargo, en los modelos probabilsticos, el gerente no esta preocupado solamente por los resultados, sino que tambin con la cantidad de riesgo que cada decisin acarrea.

Como un ejemplo de la diferencia entre los modelos probabilsticos versus determinsticos, considere el pasado y el futuro: Nada que hagamos ahora puede cambiar el pasado, pero cualquier cosa que hacemos influencia y cambia el futuro, a pesar de que el futuro tiene un elemento de incertidumbre. Los gerentes se encuentran mucho mas cautivados por darle forma al futuro que por la historia pasada.

El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones, ya sea que el problema es enfrentado en una compaa, en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria. En muy pocas situaciones de toma de decisiones existe informacin perfectamente disponible todos los hechos necesarios.- La mayora de las decisiones son hechas de cara a la incertidumbre. La probabilidad entra en el proceso representando el rol de sustituto de la certeza un sustituto para el conocimiento completo.

Los modelos probabilsticos estn ampliamente basados en aplicaciones estadsticas para la evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin del riesgo de sus decisiones. La idea original de la estadstica fue la recoleccin de informacin sobre y para el Estado . La palabra estadstica no se deriva de ninguna raz griega o latina, sino de la palabra italiana state. La probabilidad tiene una historia mucho mas larga. La Probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan fcil de obtener o entender. La palabra "prueba" tiene el mismo origen el cual proporciona los detalles necesarios para entender lo que se requiere que sea cierto.

Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones estn basadas en los resultados esperados. El centro de inters se mueve desde un modelo determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para estimacin, prueba y prediccin. En los modelos probabilsticos, el riesgo significa incertidumbre para la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades.

Los tomadores de decisiones generalmente se enfrentan a severa escasez de informacin. La evaluacin de riesgo cuantifica la brecha de informacin entre lo que es conocido y lo que necesita saber para tomar una decisin ptima. Los modelos probabilstico son utilizados para protegerse de la incertidumbre adversa, y de la explotacin de la propia incertidumbre.

La Dificultad en la Evaluacin de la Probabilidad se obtiene de la informacin, la cual es escasa, vaga, inconsistente, o incompleta. Una afirmacin tal y como que "la probabilidad de una baja de electricidad se encuentra entre 0,3 y 0,4" es mas natural y realista que su contraparte exacta de que "la probabilidad de una baja de electricidad es 0,36342."

Es una tarea desafiante comparar varios cursos de accin y finalmente seleccionar la accin que se va a realizar. En determinados casos, esta tarea puede resultar excesivamente desafiante. Las dificultades de la toma de decisiones estn representadas por la complejidad de las alternativas de decisin. La capacidad que tiene un decisor de procesar informacin limitada es un factor de exigencia ya cuando se consideran las implicancias de un solo curso de accin, pero en muchas decisiones se deben visualizar y comparar las implicancias de varios cursos de accin. Adems, hay factores desconocidos que se inmiscuyen en la situacin problemtica; rara vez se conoce con certeza el resultado. La mayora de las veces, el resultado depende de las reacciones de otras personas que quizs ni siquiera saben qu van a hacer. No es de sorprender entonces que a veces los decisores pospongan la eleccin lo ms posible y que luego decidan sin intentar considerar todas las implicancias de su decisin.

La toma de una decisin, fundamentalmente, tiene que ver con combinar informacin sobre probabilidades con informacin sobre deseos e intereses. Cuntas ganas tienes de conocer a esa mujer? Cun importante es la salida? Cunto vale ese premio?

Abordar las decisiones como si fueran apuestas es la base de la teora de la decisin. Significa que tenemos que compensar el valor de un cierto resultado contra su probabilidad.

Para operar segn los cnones de la teora de la decisin debemos hacer clculos del valor de un cierto resultado y sus probabilidades, y a partir de all de las consecuencias de nuestras elecciones.

El origen de la teora de la decisin para la toma de decisiones se deriva de la economa, en el rea de la funcin de la utilidad del pago. Propone que las decisiones deben tomarse calculando la utilidad y la probabilidad de rangos de opciones, y establece estrategias para una buena toma de decisiones:

Este sitio web muestra el proceso de anlisis de alternativas para la toma de decisiones pblicas y privadas, usando diferentes criterios de decisin, diferentes tipos de informacin e informacin de calidad variable. Describe los elementos usados en el anlisis de las alternativas de decisin y eleccin, as como tambin las metas y objetivos que guan la toma de decisiones. Se presenta los principales aspectos relacionados a las preferencias de las alternativas en la toma de decisiones, criterios y modos de eleccin; asimismo, se presenta las herramientas de evaluacin de riesgo. En la seccin siguiente examinaremos aspectos claves relacionados con las preferencias que puede tener un decisor en relacin con las alternativas, los criterios de eleccin y las modalidades de eleccin.

Los objetivos son importantes, tanto para identificar los problemas como para evaluar las soluciones alternativas. En la evaluacin de alternativas, los objetivos del decisor deben expresarse como criterios que reflejen los atributos de las alternativas relevantes para la eleccin.

El estudio sistemtico de la toma de decisiones proporciona el marco para escoger cursos de accin en situaciones complejas, inciertas o dominadas por conflictos. La eleccin entre acciones posibles y la prediccin de resultados esperados resultan del anlisis lgico que se haga de la situacin de decisin. COMENTARIOS:

1. Otro punto importante es el considerar que siempre los modelos tienen un grado de error porque si tuvisemos certeza no necesitamos modelo, siempre van a existir variables exgenas como las crisis que son inmanejables y eso ya se sale del modelo y ah viene la mezcla perfecta entre un BUEN MODELO y UN BUEN EXPERTO EN EL NEGOCIO la mezcla de los dos te dar la decisin ms correcta. Pero entre tomar decisiones con y sin una herramienta BIEN CONSTRUIDA es donde viene la decisin, de atreverse a innovar o no en estas materias. Pero, siguiendo solo la intuicin, es conveniente pensar en el porcentaje que puede ayudar un modelo matemtico a mejorar la toma de decisiones, (dependiendo del problema) creo que fluctuara entre un 20 a un 40%. Y si tomo ese terrible imponderable que es el azar, el cual rodea nuestras vidas, este porcentaje puede bajar al 10 %. Lo podemos ver en grandes economistas, que han ocupado intrincados modelos, y el porcentaje de error es asombrosamente alto. Es cosa de ver la crisis que estamos viviendo comentario aparte- que fallaron el 99% de las posibles predicciones, de los cuales podemos asegurar que ms del 10% fueron cuidadosamente puestos en un modelo matemtico. Tambin lo vemos en los bancos, donde pierden grandes negocios por su limitado manejo de variables, y a la inversa, dar importantes crditos donde a simple vista no debieran. (supongo que emplean algun modelo matematico) Creo que el estado natural de nuestro sistema, nos guste o no, es el desequilibrio, el quiebre, la cantidad de cambios es tal que es imposible de ser predichos, hoy en da, matemticamente. Pensemos en la aparicin de la gripe porcina, y ve los efectos impredecibles por cualquier modelo, desde el desequilibrio en la economa mexicana, pasando por las acciones de Wall Street y terminando con nuestro valor del dlar.

Te pongo un ejemplo antiguo -hoy es bastante mas complicado- los hermanos Rigth, fabricantes de bicicletas, si hubieran metido en un modelo matematico las posibilidades de triunfo en su incursin en la aviacin, te doy por sentado que el modelo habra fracasado, y mira lo que es hoy !!!

2.

El verdadero mtodo de toma de decisiones bajo modelamiento matemtico. Enviado por Elizabeth Gutierrez Kafati el 01/05/2009 a las 11:24

Hoy en las grandes organizaciones precisamente los errores ms garrafales se cometen por no complementar el rea cualitativa con la cuantitativa. El verdadero modelamiento matemtico logra este propsito, la mayora piensa que solo se necesita de un buen computador y de un analista lo cual es totalmente errneo y es lo que hace que las personas pierdan la fe en este tipo de modelos, dado que se piensa que solo el software entregar resultados apretando botones de un software muy fcil de usar, orientado a objetos. Para tomar decisiones y cambiar el rumbo del barco o del avin necesitas saber los resultados de tus decisiones pasadas las cuales despus de un anlisis llegas a la conclusin que si no giras el barco iras al precipicio verdad?. El problema es el orden de magnitud que puede tener el tomar una decisin errnea por no contemplar todos los escenarios posibles de una decisin. Siempre antes de construir un modelo lo primero es definir objetivos del negocio, conversar con expertos en el tema a nivel cualitativo de aqu nace el diseo la herramienta (computador, software) es una ayuda a la toma de decisiones, que mal utilizada por un analista que no posee las competencias adecuadas para hacer este tipo de anlisis, otorga malos resultados. Si vieras todas las conclusiones que se pueden sacar complementando las dos reas (cualitativa mas cuantitativa) te sorprenderas. Si te fijas en tu definicin de toma de decisiones tu dices de alguna forma la toma de decisiones tiene que ver con prever el futuro, correcto pero eso se puede hacer empricamente con la ayuda del experto mas el consultor o el analista o el modelador matemtico y un equipo multidisciplinario. El analista o consultor debe poseer cierta experiencia en el tema y debe poseer el plus de no solo saber matemticas o estadstica, si no que en la medida de lo posible conocer del negocio y del problema a modelar o en su defecto poseer las competencias para compenetrarse con cualquier tema, es la principal caracterstica de un buen modelador matemtico. De hecho la toma de decisiones tiene que ver con probabilidades y las probabilidades se calculan, con diversos modelos matemticos, el punto es calcular bien y aplicar bien, dos caractersticas no menores. En el caso del empresario que necesita cambiar el rumbo del barco, es cosa de revisar la historia es decir de una u otra forma estas modelando tu

decisin con la historia si tuvieses que estudiar el precio de viajes de avin Cuantas variables estudiaras histricamente? 10,20,30 muchas verdad el punto es que perderas mucho tiempo pero si tuvieses al lado un experto modelador matemtico con conocimientos del problema el te dira no solo estudia estas cinco y de este o cual periodo porque la historia no siempre da cuenta del futuro hay que aislar ciertos efectos. Logrars predecir el futuro siempre que hayas modelado bien la historia, es decir aislando efectos del pasado que fueron casuales como una crisis financiera o algn quiebre estructural en la economa, o en estos tiempos la gripe porcina, son eventos que maana es poco probable que sucedan o quizs si, si te fijas en este caso de aislar no estoy usando nmeros solo expertiz en que esos quiebres deben ser aislados y para eso se requiere conocimientos no solo de matemticas o estadstica, eso hace la diferencia. En el caso del tenista claro tiene que tomar decisiones en segundos pero como las toma, bueno ah est el punto, las toma porque estudio tcnicas de tenis y estudio partidos pasados de su contrincante es decir de una u otra forma tiene en su cabeza modelado diferentes problemas y sus posibles soluciones, luego a la hora de tomar la decisin une su intuicin mas este estudio que tiene en su cabeza y toma la decisin, finalmente llegamos a lo mismo siempre es bueno unir las dos partes que el resultado validado empricamente da mejores resultados. Quiero poner dos simples ejemplos, De alguna manera la toma de decisiones tiene que ver con prever el futuro, bueno si juntramos a los mejores 10 economistas del mundo y les planteramos un determinado caso en el cual tuvieran que tomar ciertas decisiones, bajo cualquier procedimiento, primero tendramos 10 decisiones distintas, segundo, en el tiempo veramos que al menos 8 fueron errneas o poco certeras. (Es cosa de revisar la historia)

Cuando un tenista, en dcimas de segundo, tiene que decidir, primero como viene la pelota y segundo como la devuelve, donde esta implcito el grado de su tcnica adquirida, la decisin la toma con algo que llamamos intuicin, bueno la intuicin es lo que nos diferencia de la computadora, y tiene que ver con la experiencia, con los estados de animo, con el otro hemisferio del cerebro, y eso nos hace ser mas o menos asertivos. Si analizamos empresarios exitosos, veremos que la mayora de sus decisiones la han tomado bajo esos parmetros y no otros. Los cuales no resisten un modelo matemtico.