Dirección General de Educación Superior Tecnológica

Instituto Tecnológico Superior de Champotón

Carrera: Logística
Ingeniería en logística

Tema: Investigación-la teoría de toma de decisiones

Investigación operativa

Alumnos (as):

Matrícula Nombre (s)

201080083 Andrea Vianey Caamal Pech

Asignatura:
Investigación de operaciones II

Profesor:
Raciel Iván Villagrana López

6 semestre

Champotón, Campeche, A 13 mayo del 2023

pág. 1
Contenido
INTRODUCCIÓN .............................................................................................................................. 3
¿QUÉ ES LA INVESTIGACIÓN OPERATIVA? ........................................................................... 4
CARACTERÍSTICAS DE LA INVESTIGACIÓN DE OPERACIONES ..................................... 4
ELEMENTOS CLAVE PARA LA INVESTIGACIÓN OPERATIVA ................................................................. 5
USOS DE LA INVESTIGACIÓN OPERATIVA ............................................................................ 5
ETAPAS DE LA INVESTIGACIÓN OPERATIVA ........................................................................ 6
LIMITACIONES DE LA INVESTIGACIÓN OPERATIVA ............................................................ 7
IMPORTANCIA DE LA INVESTIGACIÓN OPERATIVA ............................................................ 7
TEORIA DE DECISIONES.............................................................................................................. 8
MODELOS DE CRITERIOS DE DECISIÓN ................................................................................ 8
CRITERIO DE DECISIÓN DETERMINÍSTICOS Y PROBABILÍSTICOS ................................ 8
MODELOS PROBABILÍSTICOS: DE LOS DATOS A UN CONOCIMIENTO DECISIVO ... 10
ANÁLISIS DE DECISIONES: TOMANDO DECISIONES JUSTIFICABLES Y
DEFENDIBLES ............................................................................................................................... 11
Proceso de toma de decisiones estadísticas ......................................................................... 11
VALOR DE LA INFORMACIÓN PERFECTA ............................................................................. 12
INTERPRETACIÓN DEL VEIP .................................................................................................... 12
ÁRBOLES DE DECISÓN .............................................................................................................. 13
Pasos para el Análisis del Árbol de Decisión ............................................................................. 13
TEORÍA DE UTILIDAD .................................................................................................................. 14
ANÁLISIS DE SENSIBILIDAD...................................................................................................... 15
Existen dos tipos de análisis de sensibilidad: El local y el global. .......................................... 16
USOS ........................................................................................................................................... 16
Existen diferentes métodos para llevar a cabo el análisis de sensibilidad: ....................... 17
DECISIONES SECUENCIALES .............................................................................................. 17
PLANTEAR LA RELACIÓN ENTRE EL TRABAJO DE DIRECCIÓN Y LA TOMA DE
DECISIONES NOS LLEVA A: .................................................................................................. 18
CONCLUSIÓN ..................................................................................................................................... 19
BIBLIOGRAFÍAS .................................................................................................................................. 19

pág. 2
INTRODUCCIÓN
La teoría de la toma de decisiones es un componente fundamental de la
Investigación Operativa (IO). La toma de decisiones es un proceso esencial en todos
los ámbitos de la vida, y en el contexto de la IO, se busca tomar decisiones óptimas
que maximicen el rendimiento de una organización o sistema. La teoría de la toma
de decisiones proporciona los fundamentos y herramientas necesarias para abordar
problemas complejos y tomar decisiones informadas y racionales, se basa en la
utilización de modelos y métodos cuantitativos. Estos modelos pueden representar
sistemas complejos y permiten simular diferentes escenarios, evaluar diversas
opciones y analizar los posibles resultados de cada decisión.

Involucra la identificación de los objetivos y restricciones del sistema, la recopilación

y análisis de datos relevantes, la formulación de modelos matemáticos y la
aplicación de técnicas analíticas para encontrar soluciones óptimas. Esto puede
implicar el uso de algoritmos de optimización, técnicas de simulación, análisis de
sensibilidad y otras herramientas de modelado y análisis.

A través de la aplicación de la teoría de la toma de decisiones, es posible abordar

problemas complejos como la asignación de recursos, la planificación de la
producción, la gestión de inventarios, la programación de rutas y muchos otros
aspectos relacionados con la eficiencia y optimización de los sistemas.

La teoría de la toma de decisiones proporciona las bases y herramientas necesarias

para abordar problemas complejos, tomar decisiones informadas y maximizar la
eficiencia de los sistemas.

pág. 3
¿QUÉ ES LA INVESTIGACIÓN OPERATIVA?
La investigación operativa es un método analítico avanzado que permite la
resolución de problemas y la toma de mejores decisiones en las organizaciones.
Los métodos más utilizados incluyen lógica matemática, simulación, análisis de
redes, teoría de colas y teoría de juegos.

Con el uso de la investigación de operaciones es posible que los directivos en las

organizaciones puedan construir sistemas eficaces que se basen en los datos
completos, la consideración de todas las alternativas posibles, predecir
cuidadosamente los resultados y hacer uso de herramientas y técnicas de decisión.

CARACTERÍSTICAS DE LA INVESTIGACIÓN DE OPERACIONES

Entre las principales características de la investigación operativa se encuentran las
siguientes:

• Para investigar los problemas utiliza el método científico de investigación.

• El proceso de investigación inicia con la observación de problemas

y recolección de datos.

• El problema se presenta de forma cuantitativa, sólo de esta forma es posible

su análisis y evaluación.

• El objetivo de este método es solucionar problemas organizacionales.

• Se encarga de encontrar la mejor alternativa para la solución del problema.

• Para que este método funcione es necesario realizar el trabajo en equipo, el

cual debe estar formado por expertos.

pág. 4
ELEMENTOS CLAVE PARA LA INVESTIGACIÓN OPERATIVA

Estos son los tres elementos clave para

realizar cualquier tipo de investigación de
operaciones son los siguientes:

1. Probabilidad y estadísticas: La
investigación operativa ayuda a medir el
riesgo, extraer datos para encontrar
valiosas conexiones e ideas, probar conclusiones y hacer pronósticos
confiables.

2. Optimización: La investigación de operaciones se encarga de reducir las

elecciones a lo mejor cuando existen innumerables opciones posibles y
compararlas es difícil.

3. Simulación: La investigación operativa tienen la capacidad de probar

enfoques e ideas para mejorar.

USOS DE LA INVESTIGACIÓN OPERATIVA

• Tomar decisiones estratégicas: Permite descubrir si es necesario
reemplazar el sistema de una organización o cambiar sus políticas para la
administración.

• Tomar decisiones operacionales: Permite encontrar las mejores

estrategias para organizar a la plantilla laboral de una organización,
encontrar cuál es el plan adecuado para el desarrollo de productos y cuál es
la estrategia que requiere un menor uso de recursos.

pág. 5
ETAPAS DE LA INVESTIGACIÓN OPERATIVA
Para llevar a cabo la investigación operativa o investigación de operaciones, y
encontrar la solución del problema establecido, es necesario completar los
siguientes pasos:

1.Formular el problema: Durante la

investigación operativa, para que la
solución del problema tenga mayor
exactitud, es importante identificarlo y
conocer las consecuencias que tiene en la
organización. Posteriormente, se elabora
un marco teórico, los objetivos y limitaciones considerando cuál es la mejor solución
y qué método debe aplicarse. Para finalizar el primer paso, se recaban los datos
relacionados con el problema para identificar las variables y crear una hipótesis.

2.Formulación del modelo matemático: Cuando el problema se encuentre

formulado, se busca un modelo que lo represente y que al mismo tiempo contribuya
a la solución. El modelo debe de ser una representación abstracta de la realidad
que permita analizar de forma eficaz las opciones que solucionen el problema.

3.Solución del modelo matemático: Una vez que el modelo se establezca, lo

siguiente es encontrar las posibles variables. Para solucionarlo es necesario darle
un valor a las variables con el fin de mejorar la efectividad de sistema.

4.Validación del modelo: Este paso de la investigación operativa consiste en

comprobar que la solución cumpla los requisitos del problema.

5.Implementar la solución: Al comprobar el modelo de solución, el siguiente paso

es aplicarlo. El equipo responsable debe informar sobre las actualizaciones al
implementar el método. Al identificar el problema, los procesos que se utilizaban
anteriormente deben modificarse.

pág. 6
LIMITACIONES DE LA INVESTIGACIÓN OPERATIVA
Algunas de las limitaciones de la investigación de operaciones son las siguientes:

• Generalmente, se necesita simplificar el problema para poder controlarlo y

solucionarlo.

• Los modelos solo encuentran la solución para un objetivo.

• Muchas veces es más costoso implementar el modelo que los beneficios que
tiene para la organización.

• En la mayoría de los problemas no se consideran las restricciones.

IMPORTANCIA DE LA INVESTIGACIÓN OPERATIVA

La investigación operativa es vital para la toma de decisiones en una organización,
a diferencia de otras herramientas comunes para el análisis de datos.

El empleo de profesionales de investigación de operaciones puede ayudar a las

empresas a lograr conjuntos de datos más completos, considerar todas las opciones
disponibles, predecir todos los resultados posibles y estimar el riesgo.

Es posible adaptarla a procesos comerciales específicos o casos de uso para

determinar qué técnicas son las más apropiadas para resolver un problema.

La investigación operativa permite la solución de problemas complejos a través del

uso de múltiples disciplinas, por lo que es sumamente necesario conocer estos
sistemas para tomar mejores decisiones y aumentar la productividad
organizacional.

pág. 7
TEORIA DE DECISIONES
La teoría de decisiones puede definirse como el análisis lógico y cuantitativo de
todos los factores que afectan los resultados de una decisión en un mundo incierto.
La toma de decisión es también un proceso durante el cual la persona debe escoge
entre dos o más alternativas. Todos y cada uno de nosotros pasamos los días y las
horas de nuestra vida teniendo que tomar decisiones. Algunas decisiones tienen
una importancia relativa en el desarrollo de nuestra vida, mientras otras son
gravitantes en ella.

MODELOS DE CRITERIOS DE DECISIÓN

Certeza: Sabemos con seguridad cuáles son los efectos de las acciones.

Riesgo: No sabemos qué ocurrirá tomando determinadas decisiones, pero sí

sabemos que puede ocurrir y cuál es la probabilidad de ello.

Incertidumbre estructurada: No sabemos qué ocurrirá tomando determinadas

decisiones, pero sí sabemos qué puede ocurrir de entre varias posibilidades.

Incertidumbre no estructurada: En este caso no sabemos qué puede ocurrir ni

tampoco que probabilidades hay para cada posibilidad. Es cuando no tenemos ni
idea qué puede pasar.

CRITERIO DE DECISIÓN DETERMINÍSTICOS Y PROBABILÍSTICOS

Un modelo determinístico es un modelo matemático donde las mismas entradas

producirán invariablemente las mismas salidas, no contemplándose la existencia
del azar ni el principio de incertidumbre.

Está estrechamente relacionado con la creación de entornos simulados a través de

simuladores para el estudio de situaciones hipotéticas, o para crear sistemas de
gestión que permitan disminuir la incertidumbre.

pág. 8
Por ejemplo, la planificación de una línea de producción, en cualquier proceso
industrial, es posible realizarla con la implementación de un sistema de gestión de
procesos que incluya un modelo determinístico en el cual estén cuantificadas las
materias primas, la mano de obra, los tiempos de producción y los productos finales
asociados a cada proceso.

Los modelos probabilísticos están ampliamente basados en aplicaciones

estadísticas para la evaluación de eventos incontrolables (o factores), así como
también la evaluación del riesgo de sus decisiones. La idea original de la estadística
fue la recolección de información sobre y para el estado.

Como un ejemplo de la diferencia entre los modelos probabilísticos versus

determinísticos, 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 más cautivados por darle forma al futuro que por la historia
pasada.

En los modelos determinísticos, una buena decisión es juzgada de acuerdo a los

resultados. Sin embargo, en los modelos probabilísticos, el gerente no está
preocupado solamente por los resultados, sino que también con la cantidad de
riesgo que cada decisión acarrea.

El concepto de probabilidad ocupa un lugar importante en el proceso de toma de

decisiones, ya sea que el problema es enfrentado en una compañía, en el gobierno,
en las ciencias sociales, o simplemente en nuestra vida diaria. En muy pocas
situaciones de toma de decisiones existe información perfectamente disponible –
todos los hechos necesarios. - La mayoría 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
probabilísticos son vistos de manera similar que a un juego; las acciones están
basadas en los resultados esperados. El centro de interés se mueve desde un
modelo determinístico a uno probabilístico usando técnicas estadísticas subjetivas
para estimación, prueba y predicción. En los modelos probabilísticos, el riesgo

pág. 9
significa incertidumbre para la cual la distribución de probabilidad es conocida. Por
lo tanto, la evaluación 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

información. La evaluación de riesgo cuantifica la brecha de información entre lo
que es conocido y lo que necesita saber para tomar una decisión óptima. Los
modelos probabilísticos son utilizados para protegerse de la incertidumbre adversa,
y de la explotación de la propia incertidumbre.

MODELOS PROBABILÍSTICOS: DE LOS DATOS A UN CONOCIMIENTO

DECISIVO
El conocimiento es lo que sabemos. La información es la comunicación de
conocimientos. En cada intercambio de conocimientos, hay un remitente y un
receptor. El remitente hace común lo que es privado, hace la información, la
comunicación. La información se puede clasificar como formas explícitas y tácitas.
La información explícita se puede explicar de forma estructurada, mientras que la
información tácita es inconsistente e imprecisa de explicar.

Los datos son conocidos como información cruda y no como conocimientos en sí.
La secuencia que va desde los datos hasta el conocimiento es (observe el siguiente
cuadro): de los datos a la Información, de la Información a los hechos, y finalmente,
de los hechos al conocimiento. Los datos se convierten en información, cuando se
hacen relevantes para la toma de decisión a un problema. La información se
convierte en hecho, cuando es respaldada por los datos. Los hechos son lo que los
datos revelan. Sin embargo, el conocimiento instrumental es expresado junto con
un cierto grado estadístico de confianza

pág. 10
ANÁLISIS DE DECISIONES: TOMANDO DECISIONES
JUSTIFICABLES Y DEFENDIBLES
Proceso de toma de decisiones estadísticas
A diferencia de los procesos de toma de decisiones determinísticas tal como,
optimización lineal resuelto mediante sistema de ecuaciones, sistemas
paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las
variables son normalmente más numerosos y por lo tanto más difíciles de medir y
controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:

1. Simplificar

2. Construir un modelo de decisión

3. Probar el modelo

4. Usando el modelo para encontrar soluciones:

▪ El modelo es una representación simplificada de la situación real

▪ No necesita estar completo o exacto en todas las relaciones

▪ Se concentra en las relaciones fundamentales e ignora las irrelevantes.

Este es entendido con mayor facilidad que un suceso empírico (observado), por lo
tanto, permite que el problema sea resuelto con mayor facilidad y con un mínimo de
esfuerzo y pérdida de tiempo.

El modelo puede ser usado repetidas veces para problemas similares, y además
puede ser ajustado y modificado

El análisis de decisiones es la disciplina que consiste en evaluar alternativas

complejas en términos de valores (habitualmente en $ porque es lo que a los
gerentes les importa) y de incertidumbre (lo que no conocemos). El análisis de
decisiones brinda información sobre las diferencias entre las alternativas definidas,
y genera sugerencias de nuevas y mejores alternativas. Usamos números para
cuantificar valores e incertidumbres subjetivas, lo cual nos permite comprender la

pág. 11
situación de decisión. Los resultados numéricos deben reconvertirse para generar
información cualitativa.

Los seres humanos pueden comprender, comparar y manipular números. Por lo

tanto, para crear un modelo de análisis de decisiones es necesario crear la
estructura del modelo y asignar las probabilidades y los valores para poblar el
modelo de computación. Aquí se incluyen los valores para las probabilidades, las
funciones de valor para evaluar alternativas, las ponderaciones de valor para medir
la concesión que se debe hacer entre los objetivos, y la preferencia de riesgo.

VALOR DE LA INFORMACIÓN PERFECTA

Valor esperado de la información perfecta (VEIP). Es lo máximo que se debe estar
dispuesto a pagar para obtener información adicional(perfecta) para tomas una
mejor decisión

Si se pudiera contar con un predictor perfecto, se podría seleccionar por anticipado

el curso de acción óptimo correspondiente a cada evento pronosticado.

Ponderando la utilidad correspondiente a cada curso de acción óptimo por la

probabilidad de ocurrencia de cada evento se obtiene la utilidad esperada contando
con información perfecta (UEIP).

El VEIP es la diferencia entre UEIP y VE. Refleja el aumento en la utilidad esperada

a partir de contar con un mecanismo de predicción perfecto.

INTERPRETACIÓN DEL VEIP

El VEIP puede considerarse como una medida general del impacto económico de
la incertidumbre en el problema de decisión.

Es un indicador del valor máximo que convendría pagar por conseguir información
adicional antes de actuar.

pág. 12
El VEIP también da una medida de las oportunidades perdidas. Si el VEIP es
grande, es una señal para que quien toma la decisión busque otra alternativa que
no se haya considerado hasta el momento.

ÁRBOLES DE DECISÓN
Un árbol de decisión es una forma gráfica y analítica de representar todos los
eventos (sucesos) que pueden surgir a partir de una decisión asumida en cierto
momento.

Nos ayudan a tomar la decisión “más acertada”, desde un punto de vista

probabilístico, ante un abanico de posibles decisiones.

Permite desplegar visualmente un problema y organizar el trabajo de cálculos que

deben realizarse.

Terminología

• Nodo de decisión: Indica que una decisión necesita tomarse en ese punto del
proceso. Está representado por un cuadrado.

• Nodo de probabilidad: Indica que en ese punto del proceso ocurre un evento
aleatorio. Está representado por un círculo.

• Rama: Nos muestra los distintos caminos que se pueden emprender cuando
tomamos una decisión o bien ocurre algún evento aleatorio.

Pasos para el Análisis del Árbol de Decisión

1. Definir el problema.
2. Dibujar el árbol de decisión.
3. Asignar probabilidades a los eventos aleatorios.
4. Estimar los resultados para cada combinación posible de alternativas
5. Resolver el problema obteniendo como solución la ruta que proporcione la
política óptima.

pág. 13
TEORÍA DE UTILIDAD
La teoría de la utilidad trata de explicar el comportamiento del consumidor. Desde
esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. Así un bien es más útil en la medida que satisfaga mejor una
necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y temporal
(se refiere al momento en que se satisface la necesidad).

Por tanto, la actitud de consumo de bienes será diferente para cada consumidor,
independiente de la satisfacción que deseen obtener. De lo anterior se deriva la idea
de definir a la utilidad como la cualidad que vuelve deseable a un bien

Esta teoría parte de varios supuestos:

• El ingreso del consumidor por unidad de tiempo es limitado.

• Las características del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.

• El consumidor busca maximizar su satisfacción total (utilidad total), y por

tanto gasta todo su ingreso.

• El consumidor posee información perfecta, es decir, conoce los bienes (sus

características y precios).

• El consumidor es racional, esto quiere decir que busca lograr sus objetivos,
en este caso trata de alcanzar la mayor satisfacción posible. Esto quiere decir que
el consumidor es capaz de determinar sus preferencias y ser consistente en relación
con sus preferencias. Así, si el consumidor prefiere el bien A sobre el bien B y
prefiere el bien B sobre el bien C, entonces preferirá el bien A sobre el bien C
(transitividad).

La teoría económica del comportamiento del consumidor se topa con un problema

importante (llamado el problema central de la teoría del consumidor), el cual es la
imposibilidad de cuantificar el grado de satisfacción o utilidad que el consumidor

pág. 14
obtiene de los bienes. No existe una unidad de medida objetiva de la satisfacción.
Este problema se ha enfrentado a través de dos enfoques distintos:

• Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si se

dispone de una unidad de medida de la satisfacción.

• Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, sólo

establece combinaciones de bienes que prefiere o le son indiferentes con respecto
a otras combinaciones de bienes.

A partir de los supuestos y conceptos mencionados se definen varios conceptos de

utilidad o satisfacción.

• Utilidad total: Representa la suma de las utilidades, la satisfacción total que

obtiene un consumidor al utilizar cierta cantidad de bienes (artículos).

• Utilidad promedio: Representa una distribución aritmética como resultado de

la acción de dividir la utilidad total entre el número de satisfactores consumidos.

• Utilidad marginal: Representa el incremento en la utilidad de un artículo “X”

en la medida que el consumidor utiliza una unidad más de un mismo satisfactor.

Se observará que la utilidad total llegará a un máximo; la promedio conservará un

comportamiento normal a la media aritmética mientras que la marginal será igual a
cero. Esto es el punto de saturación en el consumo, lo que indica la plena y total
satisfacción de un consumidor.

ANÁLISIS DE SENSIBILIDAD
Actualmente es de suma importancia las matemáticas como herramienta
fundamental para realizar cálculos, operaciones y obtener resultados. Por lo tanto,
el análisis de sensibilidad es una herramienta que proporciona la información básica
para tomar una decisión al grado de riesgo que se decida asumir.

Tomar mejores decisiones y asignar los recursos de manera adecuada son algunos
de los factores que posibilitan el éxito de un proyecto. El análisis de sensibilidad
permite que las empresas alcancen sus objetivos estratégicos al facilitar estas
condiciones.

pág. 15
El análisis de sensibilidad es una herramienta de gestión que permite a las
organizaciones predecir los resultados de un proyecto, ayudando a comprender las
incertidumbres, las limitaciones y los alcances de un modelo de decisión. Permite
determinar cómo los diferentes valores de una variable independiente pueden
afectar a una variable dependiente particular. Es útil en una amplia gama de temas
además de la gestión de proyectos, como finanzas, ingeniería, geografía, biología,
etc.

Existen dos tipos de análisis de sensibilidad: El local y el global.

El primero es una técnica que estudia el impacto de un solo parámetro a la vez en
función al costo, manteniendo las variables de manera fija. Y el análisis de
sensibilidad global, en cambio, utiliza una muestra global con el propósito de
explorar el espacio de diseño.

USOS
❖ La aplicación clave del análisis de sensibilidad es indicar la sensibilidad de
una simulación a las incertidumbres en los valores de entrada del modelo.

❖ Es un método para predecir el resultado de una decisión si una situación

resulta ser diferente al compararla con las predicciones claves.

❖ Ayuda a evaluar el riesgo de una estrategia.

❖ Sirve para identificar qué tan dependiente es el resultado con respecto a una
variable particular de entrada. Analiza si la dependencia ayuda a evaluar el riesgo
asociado.

❖ Ayuda a tomar decisiones informadas y apropiadas.

❖ Sirve para buscar errores en el modelo, al encontrar relaciones inesperadas

entre las entradas y los resultados.

Un análisis de sensibilidad, también conocido como análisis “qué pasa si”, es el

utilizado con mayor frecuencia por los analistas financieros para predecir el
resultado de una acción específica cuando se realiza bajo ciertas condiciones.

pág. 16
El análisis de sensibilidad se realiza dentro de límites definidos, determinados por
el conjunto de variables de entrada independientes.

Por ejemplo, el análisis de sensibilidad se puede utilizar para estudiar el efecto de

un cambio en las tasas de interés sobre los precios de los bonos si las tasas de
interés aumentan un 1 %.

La pregunta “¿Qué pasa si…?” sería: ¿Qué pasa con el precio de un bono si las
tasas de interés subieran un 1 %? Esta pregunta se responde con el análisis de
sensibilidad.

El análisis se puede realizar en una hoja de Microsoft Excel, en la sección “Datos”

del menú de opciones, mediante el botón “Análisis de hipótesis”, el cual contiene
“Buscar objetivo” y “Tabla de datos”.

Existen diferentes métodos para llevar a cabo el análisis de sensibilidad:

• Técnicas de modelado y simulación.

• Herramientas de gestión de escenarios a través de Microsoft Excel.

DECISIONES SECUENCIALES
Son decisiones encadenadas entre sí que se presentan a lo largo del período de
estudio previamente seleccionado. En Consecuencia, la decisión inicial se toma
sobre la base de la consideración explícita de otras decisiones futuras.

En muchas ocasiones, sobre todo en aquellos proyectos que abarcan varios años,
la decisión inicial puede someterse a sucesivas decisiones posteriores, como
consecuencia de ir acumulando información.

El análisis del problema de decisión bajo el enfoque secuencial suele ser preferible
al enfoque estático, dado que es normal que una decisión tomada en el momento
inicial condicione decisiones en los momentos posteriores de tiempo. En este caso,

pág. 17
se sintetiza la representación del problema a través de un árbol de decisión dado
que su representación en una matriz no es viable. La solución de un problema de
decisión secuencial consiste en buscar la secuencia de decisiones óptimas a
adoptar.

PLANTEAR LA RELACIÓN ENTRE EL TRABAJO DE DIRECCIÓN Y LA TOMA DE

DECISIONES NOS LLEVA A:
1. Comprender el proceso de la toma de decisiones

2. Conocer las técnicas y herramientas mecánicas básicas en la toma de

decisiones.

3. Repercusión de la decisión.

4. Planteamientos previos.

5. Ambiente de la decisión

6. Decisión Programable/no programable.

7. Repercusión de la decisión

La decisión es fundamental en la empresa ya que según las decisiones que tome

ésta, se alcanzaran unos objetivos u otros.

pág. 18
CONCLUSIÓN
La teoría de la toma de decisiones en Investigación Operativa se centra en
proporcionar herramientas y enfoques para abordar problemas complejos y tomar
decisiones óptimas en situaciones de incertidumbre. Esta teoría se basa en
principios matemáticos y utiliza modelos y técnicas analíticas para ayudar a los
tomadores de decisiones a evaluar diferentes opciones y seleccionar la mejor
alternativa.

La teoría de la toma de decisiones en Investigación Operativa es fundamental para

el campo de la gestión y la optimización de procesos. Al aplicar métodos
cuantitativos y modelos matemáticos, permite a los profesionales analizar
situaciones complejas, considerar múltiples variables y restricciones, y encontrar
soluciones óptimas. Además, esta teoría también ayuda a los tomadores de
decisiones a evaluar y manejar la incertidumbre, ya que proporciona herramientas
para calcular y minimizar los riesgos asociados con diferentes opciones.

La toma de decisiones en Investigación Operativa tiene aplicaciones en una amplia

gama de campos, incluyendo la logística, la cadena de suministro, la producción, la
planificación de proyectos y muchas otras áreas donde se requiere la optimización
de recursos y la maximización de resultados. Al utilizar los métodos y enfoques de
esta teoría, los profesionales pueden tomar decisiones informadas y basadas en
datos, lo que puede conducir a mejoras significativas en la eficiencia y el rendimiento
de los sistemas y procesos organizacionales.

BIBLIOGRAFÍAS
https://www.questionpro.com/blog/es/investigacion-operativa/

http://investigacindeoperaciones2.blogspot.com/2011/06/teoria-de-decisiones.html

https://www.studocu.com/es-mx/document/instituto-tecnologico-de-ciudad-
madero/investigacion-de-operaciones-ii/teoria-de-decisiones/23956237

pág. 19