Este documento presenta un resumen de 3 oraciones o menos: El documento describe el análisis cuantitativo de un proyecto de investigación sobre gerencia y toma de decisiones en una universidad venezolana, incluyendo los pasos del proceso de análisis cuantitativo y ejemplos de modelos como teoría de colas, PERT/CPM, inventarios y simulación aplicados a la toma de decisiones.

1. UNIVERSIDAD CENTRAL DE VENEZUELA
FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES
COMISION DE ESTUDIOS DE POSTGRADO
POSTGRADO EN CIENCIAS ADMINISTRATIVAS
ESPECIALIZACION ORGANIZACIÓN DE EMPRESAS
Asignatura: Gerencia y Toma de Decisiones
Profesor: Ramón García Moncada
INTEGRANTES:
• Lisney Rivera
• Ricardo Sánchez
• Taybert López

2. La investigación o metodología cuantitativa es el procedimiento
de decisión que pretende decir, entre ciertas alternativas,
usando magnitudes numéricas que pueden ser tratadas
mediante herramientas del campo de la estadística.
Para que exista metodología cuantitativa se requiere que entre
los elementos del problema de investigación exista una relación
cuya naturaleza sea representable por algún modelo
numérico ya sea lineal, exponencial o similar
ANÁLISIS CUANTITATIVO
Lisney Rivera

3. PASO 1: DESARROLLO DEL
MODELO
Implica la representación del
problema o situación que se
está analizando mediante un
modelo.
PASO 2: PREPARACIÓN DE
DATOS.
Este paso implica la
preparación de los datos
requeridos por el modelo
PASO 3: SOLUCIÓN DEL
MODELO.
En este paso, el analista
intentará identificar los valores
de las variables de decisiones
que proporcionan la mejor
salida para el modelo, a la cual
se le denomina solución
óptima.
PASO 4: LA GENERACIÓN DE
REPORTES.
El paso final es la
preparación de los reportes
gerenciales basados en la
solución del modelo que pueda
ser fácilmente entendido por el
tomador de decisiones.
PROCESO DEL ANÁLISIS CUANTITATIVO
Lisney Rivera

4. Modelo de Colas o Teoría de Colas
El origen de la Teoría de Colas está en el esfuerzo de Agner Kraup Erlang
(Dinamarca, 1878 - 1929) en 1909 para analizar la congestión de tráfico telefónico
con el objetivo de cumplir la demanda incierta de servicios en el sistema telefónico
de Copenhague.
Sus investigaciones acabaron en una nueva teoría denominada teoría de
colas o de líneas de espera. Esta teoría es ahora una herramienta de valor en
negocios debido a que un gran número de problemas pueden caracterizarse, como
problemas de congestión llegada-salida.
Lisney Rivera

5. Elementos de un Sistema de Colas
POBLACIÓN DE
CLIENTES
Conjunto de todos
los clientes posibles.
PROCESO DE
LLEGADA
Es la forma como
llegan los clientes.
PROCESO DE
COLAS
Está referido a la
forma en que los
clientes esperan
para ser
atendidos.
PROCESO DE
SERVICIO
Tiene que ver con el
diseño de la
instalación y la
ejecución 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, Múltiples Servidores
Varias colas ,
Múltiples Servidores
Una cola,
Servidores secuenciales
Lisney Rivera

7. Teoría de Cola y la toma de Decisiones
Para la toma de decisiones, en la teoría 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 número de
servidores de dicho mecanismo (si dicho número fuese aleatorio, la distribución de probabilidad
del mismo) y la distribución de probabilidad del tiempo que le lleva a cada servidor dar un
servicio.
Disciplina de la colas
FIFO
(first in first out)
Según 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
último.
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 traducción de las siglas
en inglés significan: técnica de revisión y evaluación de programas, es una
técnica de redes desarrollado en la década de los 50, utilizada para programar y
controlar programas a realizar.
Modelo PERT - CPM
CPM (Critical Path Method,) La traducción de las siglas en inglés
significan: método del camino crítico, es uno de los sistemas que siguen
los principios de redes, que fue desarrollado en 1957 y es utilizado para planear y
controlar proyectos, añadiendo el concepto de costo al formato PERT.
Lisney Rivera
Ambas técnicas fueron desarrolladas por dos grupos diferentes casi
simultáneamente(1956–1958) Están básicamente orientados en el tiempo
en el sentido que ambos llevan a la determinación de un programa de
tiempo. Aunque los dos métodos fueron desarrollados casi
independientemente, ambos son asombrosamente similares.

10. La diferencia principal entre ellos es simplemente el método por medio del cual
se realizan estimados de tiempo para las actividades del proyecto.
Con CPM, los tiempos de las actividades son determinísticos.
Con PERT, los tiempos de las actividades son probabilísticos o estocásticos.
CPM supone una compensación entre el tiempo y el costo mientras PERT se
basa en tiempos
Diferencias entre Pert y CPM
El método PERT y CPM tiene muchas aplicaciones que oscilan desde le
planeación y control de proyectos, construcción de puentes edificios,
desarrollos industriales, instalación de equipos electrónicos, grandes
operaciones comerciales

11. Proceso de aplicación de Pert y CPM
PLANEACIÓN
PROGRAMACIÓNCONTROL
De estas 3 fases básicas se derivan los
siguientes pasos:
1. Identificar las actividades específicas
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 crítica
6. Actualizar mediante avanza el
proyecto
FASES DEL MÉTODO PERT-CPM

12. Ejemplo de aplicación de Pert y CPM
• Los arcos representan
actividades y los nodos son
eventos para puntos en el
tiempo.
• Existen formatos usado por
software de gestión de
proyectos.
• Mejor para mostrar diferentes
tipos de dependencias.
• Fácil de entender

13. MODELOS DE
INVENTARIOS
MODELO DE
MARKOWITZ
MODELO DE
SIMULACION

14. EL MODELO EOQ BÁSICO O MODELO DE
HARRIS-WILSON
• La demanda debe ser constante y conocida o
determinísticas
• 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 reposición del inventario es instantánea
• No existen entregas parciales.
Los inventarios son un puente de unión entre la producción y las ventas. En una empresa
manufacturera el inventario equilibra la línea de producción si algunas máquinas operan a
diferentes volúmenes de otras, pues una forma de compensar este desequilibrio es
proporcionando inventarios temporales o bancos.
Ricardo Sánchez

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, órdenes especiales, etc. En dichas situaciones es preciso modificar el modelo EOQ
básico.
Cp: costo de preparación 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 después de recibir un
lote de Q unidades.
Q-S: faltante en inventario justo antes de recibir
un lote de Q unidades
Ricardo Sánchez

16. Modelos
• Modelos de Inventarios con Demanda Determinística
Estática
• Modelos de Inventarios con Demanda Probabilística
Estática
• Modelos de Inventarios con Demanda Determinística
Dinámica
• Modelo de Inventarios con Demanda Probabilística
Dinámica
Ricardo Sánchez

17. Originada por Harry Markowitz, autor de un artículo sobre selección de cartera publicado en
1952, la teoría moderna de la selección de cartera (modern portfolio theory) propone que el
inversor debe abordar la cartera como un todo, estudiando las características 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 título o cartera es descrito por una variable aleatoria subjetiva, cuya
distribución de probabilidad para el período de referencia es conocida por el inversor.
El riesgo de un título, o cartera, viene medido por la varianza (o desviación típica) de la variable
aleatoria representativa de su rendimiento.
El inversor preferirá aquellos activos financieros que tengan un mayor rendimiento para un riesgo
dado, o un menor riesgo para un rendimiento conocido. A esta regla de decisión se la denomina
conducta racional del inversor.
Ricardo Sánchez

18. La teoría de la cartera de Markowitz se basa el supuesto teórico en el que el comportamiento
de un inversor se caracteriza por el grado de aversión al riesgo que tenga y el grado de
maximización de utilidades que espera.
Existen tres posiciones hacía el riesgo:
Aversión al
riesgo
• Hace referencia cuando el inversor elegiría una inversión con el menor
grado de riesgo frente a dos alternativas con el mismo nivel de
rentabilidad esperada.
Neutralidad
al riesgo
• En esta situación, el inversor se mantendría indiferente si tuviera que
elegir entre dos alternativas con el mismo nivel de rentabilidad
esperada.
Propensión
al riesgo
• En este caso, el inversor elegiría la inversión con el mayor grado de
riesgo frente a dos alternativas con el mismo nivel de rentabilidad
esperada.
Ricardo Sánchez

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 será eficiente si
proporciona la máxima 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, posición cerrada en el activo 1
•Si w > 0, posición larga en el activo 1
•Si w < 0, posición corta en el activo 1
Ricardo Sánchez

20. La simulación es una herramienta de la
Investigación de Operaciones y de gran utilidad
para la toma de decisiones. Esta técnica, como ya
lo mencionamos, es útil para representar
sistemas reales y así visualizar todos y cada uno
de sus componentes, las formas en que
interactúan y las políticas que los rigen.
Es un procedimiento cuantitativo que describe un proceso al desarrollar un modelo del
mismo y después 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 operación. Para encontrar cómo reaccionaría el proceso
real a ciertos cambios, podemos producir estos cambios en nuestro modelo y simular la
reacción del proceso real a ellos.
Ricardo Sánchez

21. Ricardo Sánchez
En general los modelos de simulación difieren de los modelos matemáticos en dos aspectos:
Los modelos de simulación normalmente no se diseñan para encontrar
soluciones óptimas o mejores, como se hace en la programación lineal.
A diferencia de los modelos matemáticos, los modelos de simulación
pueden representar al sistema como un todo y no en forma parcial.

22. Permite una experimentación
controlada.
Permite comprimir el
tiempo al
experimentar.
Permite el análisis 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
límites de resistencia.
Si sólo es un sistema propuesto
no es necesario construirlo
físicamente.
Ricardo Sánchez

23. Modelos de
simulación
Estática vs.
Dinámica
• Un modelo de simulación estática, se entiende como la representación 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 simulación
montecarlo; en cambio un modelo de simulación dinámica representa a un
sistema en el que el tiempo es una variable de interés.
Modelos de
simulación
Determinista vs
estocástica
• Si un modelo de simulación no considera ninguna variable importante,
comportándose de acuerdo con una ley probabilística, se le llama un modelo
de simulación 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 cómputo para su evaluación. Sin embargo,
muchos sistemas se modelan tomando en cuenta algún componente aleatorio
de entrada, lo que da la característica de modelo estocástico de simulación.
Modelos de
simulación
Continuos vs
Discretos
• Los modelos de simulación discretos y continuos, se definen de manera
análogo a los sistemas discretos y continuos respectivamente. pero debe
entenderse que un modelo discreto de simulación no siempre se usa para
modelar un sistema discreto. La decisión de utilizar un modelo discreto o
continuo para simular un sistema en particular, depende de los objetivos
específicos de estudio.
Ricardo Sánchez

24. Ricardo Sánchez
¿Cuál sería la herramienta para un
tomador de decisiones que le
permitiera analizar no sólo el
funcionamiento presente de su
organización o de alguno o varios de
sus componentes, sino también su
comportamiento futuro a la luz de
diferentes diseños o diversos
escenarios?
¿Qué valor tendría para el
directivo o responsable de
conducir un proyecto aquella
herramienta que le permita
administrar más efectivamente
el comportamiento aleatorio de
los elementos internos de su
organización o el de los
componentes de su medio
ambiente?
¿Qué herramienta daría margen
al "What if" en forma solvente,
tangible y objetiva?

25. MODELOS DE TOMA DE
DECISIONES BAJO INCERTIDUMBRE
HURWICZ
SAVAGE
LAPLACE
Taybert López

26. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
DUDA O PERPLEJIDAD
FALTA DE CONOCIMIENTO
SEGURO O FIABLE
¿QUÉ ES
INCERTIDUMBRE?
INSEGURIDAD

27. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
EJEMPLO
• VA A SER UN AÑO COMPLICADO
• NO SABEMOS LO QUE VA A PASAR
• HAY MUCHA INCERTIDUBRE
• ESCENARIO INCIERTO
• NO SERÁ FÁCIL

28. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
TOMA DE DECISIÓN
BAJO INCERTIDUMBRE
• INFORMACIÓN DEFICIENTE
• CONTROL DE LA DECISION CERO
• VARIACIÓN
• PROBABILIDADES DE
OCURRENCIA
DE LOS ESTADOS NATURALES

29. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
LAPLACE
SAVAGE
MAXIMAX
HURWICZ

30. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
HURWICZ
• RESULTADOS MÁXIMOS Y MÍNIMOS
• OPTIMISMO O PESIMISMO
• SE ESCOGE EL VALOR MÁS ALTO

31. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
SAVAGE
• MÍNIMA ATRICCIÓN
• ESTRATEGIA MÍNIMO DE
ARREPENTIMIENTOS MÁXIMOS
• MINIMAX

32. Taybert LópezMODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
LAPLACE
• PRINCIPIO RAZON INSUFICIENTE
• NI OPTIMISTA NI PESIMISTA
• NO SE CONOCEN LAS PROBABILIDADES
DE OCURRENCIA