Sesion 05 Arbol Decisiones PDF

Universidad Nacional de San Antonio Abad del Cusco
Creo que nunca podr ver un poema tan

bella como un rbol
JOYCE KILMER
Las hojas tuyas, di, rbol, son verdes,
estas seguro?
Qu alegra te corona por la maana, a las
once cuando ya no hay dudas y todos
dicen:
Qu verde est el rbol!
PEDRO SALINAS
RBOL DE DECESIONES
Sesiones 05
Mgt. GABRIEL SUYO CRUZ

Gabriel Suyo C.
ANLISIS DE DECISIONES
Introduccin.
Modelos de decisin.
rboles de decisiones.
martes, 13 de enero de 2015,

Gabriel Suyo C.
a las 9:30:30 p.m.
INTRODUCCIN
Con frecuencia los gerentes tienen que tomar decisiones en
entornos que contienen mucha incertidumbre. Ejemplo:
Un fabricante introduce un nuevo producto al mercado.
Una firma financiera que invierte en valores.
Un contratista gubernamental licita un nuevo contrato.
Una firma agrcola selecciona la mezcla de cultivo y ganado para la

temporada entrante.
Una compaa petrolera decide si perfora o no en busca de petrleo
en una ubicacin dada.
Estos son los tipos de toma de decisiones frente a una gran

incertidumbre para los que se diseo el anlisis de decisiones.
Gabriel Suyo C.
Cundo hacer anlisis de decisiones?
El anlisis de decisiones se puede emplear para

determinar estrategias ptimas cuando quien debe
tomar decisiones tiene que enfrentarse ante varias
alternativas de decisin y un patrn incierto o
lleno de riesgos de eventos futuros.
Gabriel Suyo C.
Anlisis de decisiones
En la vida real, y tanto en el mbito profesional como el personal, nos vemos enfrentados a
multitud de situaciones en las que tenemos que decidir entre varias alternativas. El proceso
de toma de decisiones es la piedra angular de la mayora de los problemas tcnicos, de
negocios y gubernamentales. Los ingenieros deben tomar decisiones cuando consideran un
cambio en el diseo de un producto. Los ejecutivos de mercadotecnia deben decidir sobre
los territorios e intensidad de las campaas de ventas. Los funcionarios del gobierno deben
hacerlo sobre los fondos a dedicar para el desarrollo de una regin especfica del pas.
Gabriel Suyo C.
La teora de decisiones dice que la tarea de hacer una seleccin
caer en una de cuatro categoras generales dependiendo de la
habilidad personal para predecir las consecuencias de cada
alternativa.
CATEGORA
CONSECUENCIAS
Certidumbre
Deterministas
Riesgo
Probabilsticas
Incertidumbre
Desconocidas
Conflicto
Influidas por un
oponente
Gabriel Suyo C.
Toma de decisiones bajo certidumbre.
Se da cuando se puede predecir con certeza las consecuencias de
cada alternativa de accin. Otra manera de pensar en esto es que
existe una relacin directa de causa y efecto entre cada acto y
consecuencia. Si est lloviendo, deber llevarse un paraguas?, si
hace frio, deber llevarse un abrigo?.
Gabriel Suyo C.
TIPOS DE DECISIONES
A) EN CUANTO AL NIVEL DE PROGRAMABILIDAD.
Tipos de problemas:
Bien estructurado: informacin conocida.

Mal estructurado: informacin ambigua.
Tipos de decisiones:
Decisiones programadas: rutinarias, originadas por los problemas bien

estructurados y recogidas mediante reglas, procedimientos y polticas.
Decisiones no programadas: nicas, originadas por los problemas mal
estructurados.
A mayor nivel jerrquico menos programadas son las decisiones.
Gabriel Suyo C.
TIPOS DE DECISIONES
RELACIN PROBLEMAS - DECISIONES
P
R
O
B
L
E
M
A
S
MAL
ESTRUCTURADOS
BIEN
ESTRUCTURADOS
DECISIONES NO
PROGRAMADAS
DECISIONES
PROGRAMADAS
SUPERIOR
INFERIOR
N
I
V
E
L
E
N
L
A
Gabriel Suyo C.
O
R
G
A
N
I
Z
A
C
I
O
N
TIPOS DE DECISIONES
Gabriel Suyo C.
TIPOS DE DECISIONES
B) EN CUANTO A LOS CRITERIOS PARA

DECISIONES: se tiene en cuenta 4 modelos.
LA
TOMA
DE
Modelo Normativo o Prescriptivo: Describe la forma como toma la

decisin el decisor. Ejemplo:
La programacin Lineal
La teora de los juegos
Los presupuestos de capital
La teora de decisin estadstica
Utiliza como criterio de seleccin de alternativas la maximizacin u
optimizacin ya sea de la utilidad o de valor esperado.
Gabriel Suyo C.
TIPOS DE DECISIONES
Modelo de satisfaccin:
completamente informado
tanto debe examinarlas.
Asume que el decisor no est

sobre las alternativas
y por lo
Modelo de Decisin de sistema Abierto: Se soporta en la

participacin humana en las distintas etapas del proceso, aceptando
la incidencia de las fuerzas del ambiente.
Modelo del comportamiento del Decisor: Plantea que la manera
como una persona examina un problema y toma una decisin, sta

puede describir desde diferentes puntos de vista la decisin
tomada, presentando a la vez cuatro supuestos que deben ser
tenidos en cuenta al tomar la decisin: modelo econmico, clsicos
del decisor, las expectativas humanas y toma de decisiones, modelo
de comportamiento de la toma de decisiones en la organizacin.
Gabriel Suyo C.
TIPOS DE DECISIONES
C) EN CUANTO A LOS ESTADOS DE LA NATURALEZA O NIVEL
DE CONOCIMIENTO DEL DECISOR: este criterio da origen a tres
situaciones en las que se toman la decisiones as:
Toma de decisiones en condiciones de certeza:

El decisor conoce
el estado de la naturaleza que ocurrir
con absoluta certeza. Solamente hay una consecuencia para cada
alternativa
Toma de Decisiones en Condiciones de Riesgo
Ocurre cuando hay dos o ms estados de la naturaleza y se conoce
la probabilidad de ocurrencia
de cada uno de ellos.
Toma de Decisiones en Condiciones de Incertidumbre.
En este estado
se pueden identificar
mltiples
consecuencias para cada alternativa, pero no se conoce la
probabilidad de ocurrencia de cada una de ellas. La decisin final
se basa en criterios
subjetivos del decisor, jugando papel
importante
sus actitudes y valores
personales. Ejemplo:
Introduccin de un nuevo producto, sin mercado , ni experiencia
histrica ni la prevencin de cambios tecnolgicos.
Gabriel Suyo C.
Anlisis de decisiones:
Primer paso
Identificar las alternativas de decisin.

Alternativa: Acciones que se tomaran para resolver el problema.
Se deben presentar dos o ms alternativas de decisin.
Gabriel Suyo C.
14
Segundo paso
Identificar los estados de la naturaleza

Estado de la Naturaleza: Posible evento futuro.
Son eventos que no estn bajo el control del decisor y que
podran afectar los resultados.
Deben ser mutuamente
exhaustivos.
excluyentes
Gabriel Suyo C.
colectivamente
15
Tercer paso
Identificar la tabla de retribuciones ( matriz de pagos)

TABLA DE RETRIBUCIONES
DECISION
d1
d2
:
dn
1
r11
r12
:
r1n
ESTADO DE NATURALEZA
2
........
r21
........
r22
........
:
........
r2n
........
M
r1m
r2m
:
rnm
Esta matriz esta compuesta por la utilidad asociada con cada

una de las combinaciones de alternativa de decisin y estado
de naturaleza.
Gabriel Suyo C.
16
Tomar la decisin
Depende del modelo de decisin que se este

utilizando.
Clase de modelo de decisin:
Decisiones bajo certidumbre.
Decisiones bajo riesgo.

Decisiones bajo incertidumbre
Gabriel Suyo C.
17
A. Situacin de certeza o certidumbre total

Conocido el estado de la naturaleza que se
va a presentar, el problema se reduce a
valorar en trminos econmicos los
diferentes desenlaces y elegir aquella
estrategia que conduce al resultado ms
favorable (mximo o mnimo). Estos casos se
resuelven por optimizacin matemtica.
Gabriel Suyo C.
Decisiones bajo certidumbre.
Quien toma la decisin sabe exactamente qu estado de la

naturaleza ocurrir.
El nico problema es seleccionar la mejor decisin.
Gabriel Suyo C.
19
Ejemplo: EJERCICIO DE APLICACIN

Un agricultor tiene la posibilidad de realizar tres tipos de cultivo:
Trigo, patatas y remolacha. A la hora de plantearse el cultivo
debe tener en cuenta la posible meteorologa de la estacin
venidera, ya que es posible que el tiempo sea lluvioso, normal o
seco. En el siguiente cuadro se resumen los distintos desenlaces o
resultados para cada alternativa ante un determinado estado de
la naturaleza:
LLUVIOSO
NORMAL
SECO
TRIGO
250
290
200
PATATAS
150
200
250
REMOLACHA
-100
450
350
Elegir la estrategia ms conveniente para el agricultor,

conociendo que las probabilidades de ocurrencia de cada estado
de la naturaleza son el 30%, 50% y el 20% respectivamente.
Gabriel Suyo C.
20
C. Situacin de incertidumbre
Nos encontramos ante varios estados de la naturaleza,
pero no conocemos la probabilidad de ocurrencia de cada
uno de estos estados. El horizonte econmico no es
probabilizable. Es la situacin ms complicada o
dificultosa.
Los criterios ms importantes que se aplican son:
1. Criterio pesimista o de WALD (Maxi-Min).
2. Criterio optimista (Maxi Mas)
3. Criterio de Lapace
4. Criterio de HURWICZ
5. Criterio de SAVAGE (Mini Mas)
Gabriel Suyo C.
1. CRITERIO PESIMISTA O DE WALD

Este es el criterio ms conservador ya que est basado en
lograr lo mejor de las peores condiciones posibles. Esto es, si
el resultado x(ai, ej) representa prdida para el decisor,
entonces, para ai la peor prdida independientemente de lo
que ej pueda ser, es mx ej { x(ai, ej) }. El criterio minimax
elige entonces la accin ai asociada a :
Elegir _ ai mnai mxe j x(ai , e j )
Gabriel Suyo C.
22
2. CRITERIO OPTIMISTA
Opuesto al anterior. El sujeto decisor es propsito al riesgo, le
gusta correr riesgo. El decisor va a pensar siempre que cualquier
estrategia que elija va a llevar consigo el mejor estado
naturaleza, que va a obtener siempre el mejor resultado. El
criterio de decisin consiste en elegir la estrategia que le
proporcione el mximo resultado en el mejor de los casos; por ello
se llama maxi-ms.
En una forma similar, si x(ai, ej) representa la ganancia, el
criterio elige la accin ai asociada a :
Elegir _ ai mx ai mn e j x( ai , e j )
Gabriel Suyo C.
23
3. CRITERIO LAPLACE
Este criterio, propuesto por Laplace en 1825, est basado en el
principio de razn insuficiente: como a priori no existe ninguna razn
para suponer que un estado se puede presentar antes que los dems,
podemos considerar que todos los estados tienen la misma
probabilidad de ocurrencia, es decir, la ausencia de conocimiento
sobre el estado de la naturaleza equivale a afirmar que todos los
estados son equiprobables. As, para un problema de decisin con n
posibles estados de la naturaleza, asignaramos probabilidad 1/n a
cada uno de ellos.
La regla de Laplace selecciona como alternativa ptima aquella que
n
1
proporciona un mayor resultado esperado:
mx _ ai
x ai , e j
Gabriel Suyo C.
n
j 1
24
4 CRITERIO DE HURWICZ
Este criterio representa un intervalo de actitudes desde la ms
optimista hasta la ms pesimista. En las condiciones ms optimistas
se elegira la accin que proporcione el mx ai mx ej { x(ai, ej) }. Se
supone que x(ai, ej), representa la ganancia o beneficio. De igual
manera, en las condiciones ms pesimistas, la accin elegida
corresponde a mx ai mn ej { x(ai, ej) }. El criterio de Hurwicz da un
balance entre el optimismo extremo y el pesimismo extremo
ponderando las dos condiciones anteriores por los pesos respectivos
y (1- ), donde 0 1. Esto es, si x(ai, ej) representa beneficio,
seleccione la accin que proporcione:
mx ai mx e j x( ai , e j ) (1 )mn e j x( ai , e j )
Gabriel Suyo C.
25
5. CRITERIO DE SAVAGE
Con este propsito Savage define el concepto de prdida relativa o
prdida de oportunidad rij asociada a un resultado xij como la
diferencia entre el resultado de la mejor alternativa dado que
ejemplo es el verdadero estado de la naturaleza y el resultado de la
alternativa ai bajo el estado ejemplo:
Gabriel Suyo C.
26
Toma de decisiones bajo riesgo.
Esta categora incluye aquellas decisiones para las que las consecuencias de una
accin dada dependen de algn evento probabilista. Por ejemplo, supngase que un
pequeo local de ventas de computadoras quiere hacer un pedido de tablets para la
siguiente temporada. La primera tarea es decidir cuntos tablets pedir. Supngase
que debe pagar 350 soles por cada tablet y planea venderlos en 800 soles cada uno.
Los tables que no se venden, no tienen valor de recuperacin.
Venta de Tablets
Probabilidad
0,3
0,3
0,4
Gabriel Suyo C.
Con estos datos se puede calcular la ganancia para cada combinacin
de cantidad orden y ventas eventuales. Por ejemplo, si ordena 3
tablets y se venden slo 2, la utilidad neta ser de 550 soles (2800
3350 = 550).
Alternativas
de
decisin
Eventos (demanda de tablets)

E1=1
E2=2
E3=3
p1=0,3
p2=0,3
p3=0,4
A1=1
S/.450
S/.450
S/.450
A2=2
S/.100
S/.900
S/.900
A3=3
S/.-250
S/.550
S/.1350
Gabriel Suyo C.
El resultado ms importante de la
teora de decisiones bajo riesgo
es que debe seleccionarse la
alternativa que tenga el mayor
valor esperado.
Existen muchas decisiones que pueden catalogarse como

toma de decisiones bajo riesgo, como por ejemplo.
Deber introducirse un producto en particular?
Deber construirse una nueva planta o ampliar la que se tiene?
Cuntos pasteles deber producir una pastelera para la venta
diaria?
Gabriel Suyo C.
Toma de
decisiones bajo
incertidumbre
Esta es una categora muy comn para las

decisiones. Se parece a la toma de decisiones
bajo riesgo, con una diferencia importante. Ahora
no se tiene conocimiento de las probabilidades de
los eventos futuros, no se tiene idea de cun
posibles sean las diferentes consecuencias.
Toma de
decisiones bajo
conflicto
Aqu se tienen aquellos casos de toma de decisiones

bajo incertidumbre en los que hay un oponente. Las
probabilidades de los eventos no slo se desconocen;
estn influenciadas por un oponente cuya meta es
vencer. Esta es la situacin tpica en cualquier
competencia: ftbol, pquer, los negocios y la guerra.
A esto se le conoce como teora de juegos.
Gabriel Suyo C.
Ejemplo 01: PUESTO DE PERIODICO.

Un repartidor de peridico puede compra el diario Gestin a $
0.40 y venderlo a $ 0.75. Sin embargo, debe adquirir los
peridicos antes de saber cuntos puede vender realmente. Si
compra ms peridicos de los que puede vender, simplemente
desechara el excedente, sin costo adicional. Si no compra
suficientes peridicos, pierde ventas potenciales ahora y
posiblemente en el futuro (los clientes disgustados podran ya no
comprarle). Supngase, por el momento, que est perdida de
ventas futuras es representada por un costo de prdida del buen
nombre estimado en $ 0.50 por cliente insatisfecho. A
continuacin mostramos la distribucin de probabilidades de la
demanda de peridicos.
Demanda
Probabilidad
Gabriel Suyo C.
10%
20%
30%
10%
31
Para simplificar
decisiones:
el
anlisis,
Primer paso
supondremos
las
siguientes
Comprar 0 peridico
Comprar 1 peridico.
Comprar 2 peridicos.
Comprar 3 peridicos.
Gabriel Suyo C.
32
Segundo paso
Definiendo nuestros estados de naturaleza:

Que me compren 0 peridico.
Que me compren 1 peridico.
Que me compren 2 peridicos.

Que me compren 3 peridicos.
Gabriel Suyo C.
33
Tercer paso
Construyendo mi tabla de retribuciones, tenemos:
Gabriel Suyo C.
34
Tomar la decisin
Usaremos el criterio de: Maximizar el rendimiento esperado

Precio de venta
Costo de compra
Costo de perdida de un cliente
75 centavos
40 centavos
50 centavos
Decisin
0
1
2
3
Probabilidades
0
0
-40
-80
-120
0.1
Estados de naturaleza
1
2
-50
-100
35
-15
-5
70
-45
30
0.3
0.4
Rendimiento esperado
3
-150
-65
20
105
-85.0
-12.5
22.5
7.5
0.2
De acuerdo a este criterio, nuestra decisin ser: comprar 02

peridicos, porque me produce el mayor rendimiento esperado.
Gabriel Suyo C.
35
Ejemplo de aplicacin.
Supngase que la demanda prevista para el siguiente mes de un determinado producto es 1, 2,
3 o 4, con probabilidades 0,1; 0,3; 0,4 y 0,2, respectivamente. Si un producto que es fabricado
un mes y se vende ese mismo mes tendr un precio de venta de 6500 soles, mientras que si ha
de venderse el mes siguiente ser de 4000 soles. Los costos unitarios de produccin son de
5000 soles. Con estos datos se forma la matriz de decisin (ganancias en soles).
.
Estados de la naturaleza
Alternativas
E1=1
E2=2
E3=3
E4=4
de
decisin
P1=0,1
P2=0,3
P3=0,4
P4=0,2
A1=1
1500
1500
1500
1500
A2=2
500
3000
3000
3000
A3=3
-500
2000
4500
4500
A4=4
-1500
1000
3500
6000
Gabriel Suyo C.
Las diferentes alternativas seleccionadas para los distintos criterios sern:
a)Criterio del valor esperado.
Las esperanzas de las ganancias son las siguientes:
VE A1 0,1 1500 0,3 1500 0, 4 1500 0, 2 1500 1500

VE A2 0,1 500 0,3 3000 0, 4 3000 0, 2 3000 2750
VE A3 0,1 (500) 0,3 2000 0, 4 4500 0, 2 4500 3250
VE A4 0,1 (1500) 0,3 1000 0, 4 3500 0, 2 6000 2750
Por lo que la decisin ptima es producir 3 artculos.
b) Criterio de lo ms probable.
El estado ms probable es 3 (corresponde a la mayor probabilidad), y por consiguiente

la decisin ptima es producir 3 artculos.
Gabriel Suyo C.
c) Criterio de Wald o del pesimista.
Los mnimos para cada decisin son:
mn A1 1500, mn A2 500, mn A3 500 y mn A4 1500

Luego por tratarse de ganancias la alternativa preferida sera producir 1 artculo
(corresponde al mximo de los mnimos).
d) Criterio maximax o del optimista.

En este caso los mximos para cada decisin son:
mn A1 1500, mn A2 3000, mn A3 4500 y mn A4 6000

Y por tanto, se elegira producir 4 artculos (corresponde al mximo de los
mximos).
Gabriel Suyo C.
e) Criterio de Hurwicz.
En este caso para cada alternativa tenemos:
mxi X ij mni X ij (1 )
A1 :1500 1500 (1 )
A2 : 3000 500 (1 )
A3 : 4500 500 (1 )
A4 : 6000 1500 (1 )
Si < 0,4, la alternativa sera producir 1 artculo, mientras que si es superior sera
producir 4 artculos.
Gabriel Suyo C.
f) Criterio de Savage o Prdida de Oportunidad.
El primer paso es construir la matriz de penalizaciones o prdida de oportunidad. La
matriz la formamos por columnas, obteniendo el mximo de la columna y restndole a
este valor el pago de cada alternativa. As la matriz obtenida es:
Alternativas
de
decisin
E1=1
E2=2
E3=3
E4=4
P1=0,1 P2=0,3 P3=0,4 P4=0,2
Mxima PO
A1=1
1500
3000
4500
4500
A2=2
1000
1500
3000
3000
A3=3
2000
1000
1500
2000
A4=4
3000
2000
1000
3000
Ahora aplicamos el criterio minimax, para minimizar la mxima prdida de oportunidad,

por lo que la alternativa sera producir 3 artculos.
Gabriel Suyo C.
g) Criterio de Prdida Esperada de Oportunidad.
Para cada alternativa calculamos la PEO utilizando el mismo procedimiento
del valor esperado:
Alternativas
de
decisin
E1=1
E2=2
E3=3
E4=4
P1=0,1 P2=0,3 P3=0,4 P4=0,2
PEO
A1=1
1500
3000
4500
2550
A2=2
1000
1500
3000
1300
A3=3
2000
1000
1500
800
A4=4
3000
2000
1000
1300
Observamos que la PEO mnima es 800, por lo que la alternativa sera

producir 3 artculos.
Gabriel Suyo C.
Anlisis de decisiones: Anlisis de sensibilidad

La decisin tomada, est basada en un costo, el costo de perdida
de un cliente, cuyo valor es mucho menos seguro que los otros
dos costos (compra y venta). Qu le pasara a la decisin ptima
si el costo de perder a un cliente fuera diferente?.
Para
resolver
esto, haremos
un anlisis de
sensibilidad con
la ayuda del
Excel
Gabriel Suyo C.
42
Anlisis de decisiones: Anlisis de sensibilidad

ANALISIS DE SENCIBILIDAD
50
80
60
10
0
12
0
14
0
-100
40
-50
20
-150
-200
Comprar 0
Comprar 1
Comprar 2
Comprar 3
-250
-300
Gabriel Suyo C.
43
RBOL DE DECISIONES
Gabriel Suyo C.
44
RBOLES DE DECISIONES.
El rbol de decisiones es una tcnica que se utiliza para estructurar el proceso de una toma
de decisiones bajo incertidumbre, y su anlisis se basa en la teora de probabilidades.
Para cada variable de decisin colocamos un nodo cuadrado, del cual

saldrn tantas lneas o ramas como alternativas u opciones disponibles
existan en dicha decisin.
Cada rama es denotada por la alternativa disponible respectiva.
Los terminales de las ramas de decisin son usados como nodos de

comienzo de variables aleatorias. Se usan nodos redondos para definir
las diferentes variables aleatorias del problema del problema bajo anlisis
y se les denomina nodos de azar. De cada uno de estos nodos salen
tantas ramas como posibles valores pueda tomar la primera variable
aleatoria en el problema.
Los valores de la variable aleatoria se consignan encima de la rama
respectiva y su probabilidad de ocurrencia debajo de la misma.
Gabriel Suyo C.
El proceso de construccin contina hasta que todas las posibles secuencias
de variables de decisin y variables aleatorias han sido representadas.
En resumen, un rbol de decisiones est compuesto por nodos de decisin,
representados por cuadrados pequeos y nodos de azar, representados por
crculos pequeos. En cada nodo de decisin el decisor debe elegir una
alternativa, representada por una rama de decisin. Seleccionar la mejor rama
es equivalente a tomar la mejor decisin. En cambio, en los nodos de azar no
puede elegir entre una u otra rama, puede estas ramas aleatorias son
controladas por el azar.
Gabriel Suyo C.
Eleccin de la alternativa ptima.
El rbol de decisiones tambin puede ser interpretado como un mapa
esquemtico de carreteras que describe en orden cronolgico los
movimientos que puede elegir un decisor y los movimientos
gobernados por la naturaleza o el azar. Hay muchas rutas que llevan
desde el nodo inicial hasta los nodos finales que representan el final de
cada carretera y donde se recibirn determinados premios.
Gabriel Suyo C.
Para analizar un problema de decisiones y establecer la alternativa ptima, el
decisor debe:
Trazar el rbol de decisiones que permita estructurar cualitativamente el

problema como una secuencia cronolgica de elecciones que son
controladas por el decisor (variables de decisin, representadas por
nodos cuadrados), y de posibilidades gobernadas por el azar o la
naturaleza (variables aleatorias, representadas por nodos circulares).
Nos trasladamos conceptualmente a los extremos o nodos finales del rbol

donde los resultados finales (premios, castigos, ganancias, costos u otras
medidas de resultado/valor) han sido calculados directamente de los datos del
problema usando un modelo determinstico que relaciona las diferentes
variables.
Para resolver el rbol trabajamos hacia atrs, de derecha a izquierda,

utilizando dos mecanismos: calculamos el valor esperado en cada nodo de
azar y elegimos la mejor alternativa en cada nodo de decisin (la de mximo
valor futuro si buscamos maximizar ganancias, o la de menor valor si
deseamos minimizar costos).
Gabriel Suyo C.
Ejemplo de aplicacin.
Una Compaa de Manufacturas Elctricas (CME), que produce aparatos de aire
acondicionado, debe decidir si comprar un componente importante para su producto final de
una abastecedor, o fabricarlos en su propia planta. De acuerdo con la administracin de CME,
los posibles valores de la demanda por su producto final pueden ser altos, medios o bajos. Si la
demanda por el producto final es alta, ser ventajoso para CME fabricar el componente,
obteniendo una ganancia neta de S/.130000. En cambio, si CME decide fabricar el componente
y la demanda es baja, los costes unitarios de produccin sern altos debido a la subutilizacin
del equipo de produccin; en este caso los ingresos no compensaran los costos, generando
una prdida neta de S/.20 000. Por otro lado, si CME decide comprar el componente y la
demanda es alta, sus ganancias sern nicamente S/.70 000, y si la demanda es baja las
ganancias sern positivas e iguales a S/.10 000.
.
Gabriel Suyo C.
Resultados del problema de CME Ganancia Netas Condicionales
(Miles de soles)
Alternativas
de
decisin
Posibilidades de la variable aleatoria

(niveles de demanda)
Demanda alta
(DA)
Demanda media
(DM)
Demanda baja
(DB)
Fabricacin del
componente (F)
130
40
-20
Compra del
componente (C)
70
45
10
De acuerdo con la experiencia de la administracin de CME, se asign una probabilidad de

ocurrencia de 0,30 al nivel alto de demanda, 0,30 a la demanda media y 0,40 a la
probabilidad de una demanda baja por el producto final. Si suponemos que el decisor de
CME es neutral al riesgo, cul es la ganancia esperada de CME asociada con la
estrategia ptima?
Gabriel Suyo C.
Solucin.
Gabriel Suyo C.
Construccin del rbol de Decisiones

Nodo Cuadrado: Punto donde debe tomarse una decisin. Cada
lnea que parte de l representa una decisin.
Nodo Circular: Representan situaciones donde el resultado es
incierto.
Rama:Cada lnea que emanan de los nodos.
Posiciones terminales.
Nodos terminales.
En este curso, utilizaremos el software TreePlan. Este software

esta disponible como shareware. Visite su sitio web en
http://www.treeplan.com
Gabriel Suyo C.
52
rbol de Decisiones de Protrac

0.45
Fuerte
30
Agresiva
30
0
9.1
30
0.55
Dbil
-8
-8
-8
0.45
Fuerte
20
Bsica
20
20
2
12.85
12.85
0.55
Dbil
7
7
0.45
Fuerte
5
Cautelosa
5
0
10.5
0.55
Dbil
15
15
Gabriel Suyo C.
15
53
rbol de Decisiones:
informacin.
Cmo
incorporar
nueva
La administracin de la divisin de tractores

domsticos de PROPRAC estaba a punto de
recomendar la estrategia de mercadotecnia y
produccin bsica, cuando el consejo directivo insisti
en que primero tendra que llevarse a cabo un estudio
de investigacin de mercado. Slo despus de dicho
estudio el consejo estara dispuesto a aprobar la
seleccin de la estrategia de mercadotecnia y
produccin.
Cmo de debe proceder?
Gabriel Suyo C.
54
rbol de Decisiones:
informacin.
Cmo
incorporar
nueva
Seleccionar a una empresa que realice el estudio de mercado en

un tiempo prudente (recomendablemente un mes). Sobre si el
estudio era alentador (A) o desalentador (D).
Est informe revelara siempre el estado verdadero de la
naturaleza.
La administracin una vez que tenga la informacin, puede

actualizar su estimacin P(F), es decir la probabilidad de que el
mercado fuera fuerte, sera actualizada.
La pregunta es: cmo deber realizarse la actualizacin?.
La actualizacin, se realiza basndonos en la probabilidad

condicional.
Gabriel Suyo C.
55
rbol de Decisiones: Calculo de probabilidades a

posteriori
La pregunta es: cmo calcular la probabilidad a posteriori?

Supongamos que el grupo de mercadotecnia ha dado el siguiente
informe:
P(Cj / Di)
Fuerte (D1)
Dbil (D2)
Alentador (C1)
0.6
0.3
Desalentador (C2)
0.4
0.7
La clave para obtener las probabilidades a posteriori es el teorema de

Bayes.
Nosotros utilizaremos el Excel para calcularlas
Gabriel Suyo C.
56
rbol de Decisiones: Calculo de probabilidades a

posteriori con el Excel
CONFIABILIDADES
Fuerte
Dbil
Alentador
0.6
Desalentador
0.4
0.3
0.7
PROBABILIDADES A PRIORI
Fuerte
Dbil
0.45
0.55
PROBABILIDADES CONJUNTAS Y MARGINALES
Fuerte
Dbil
Alentador
0.27
0.165
0.435
Desalentador
0.18
0.385
0.565
0.45
0.55
PROBABILIDAD A POSTERIORI
Fuerte
Dbil
Alentador
0.621
0.379
Desalentador
0.319
0.681
Gabriel Suyo C.
57
rbol de Decisiones: informe alentador
0.621
Fuerte
30
Agresiva
30
0
15.598
30
0.379
Dbil
-8
-8
-8
0.621
Fuerte
0.435
Alentador
20
Bsica
20
20
1
0
15.598
15.073
0.379
Dbil
7
7
0.621
Fuerte
5
Cautelosa
0
5
8.79
0.379
Dbil
15
15
13.45778
15
0.319
Gabriel Suyo C.
58
rbol de Decisiones: informe desalentador
13.45778
0.319
Fuerte
30
Agresiva
30
0
4.122
30
0.681
Dbil
-8
-8
-8
0.319
Fuerte
0.565
Desalentador
20
Bsica
20
20
3
0
11.81
11.147
0.681
Dbil
7
7
0.319
Fuerte
5
Cautelosa
0
5
11.81
0.681
Dbil
15
15
Gabriel Suyo C.
15
59
rbol de Decisiones: Toma de decisin
Si la prueba es alentadora, para maximizar el rendimiento

esperado, debemos realizar la accin Agresiva.
Si el resultado de la prueba es desalentadora, para maximizar
el rendimiento esperado, debemos realizar la accin Cautelosa.
Gabriel Suyo C.
60
VALOR DE LA INFORMACIN
Valor esperado de la informacin de muestra (VEIM)
VEIM = Mximo rendimiento esperado con informacin
menos
Mximo rendimiento esperado sin informacin

VEIM = $13.46 - $ 12.85 = $ 0.61
$ 0.61 es lo mximo que estamos dispuestos a pagar por la informacin
Valor esperado de la informacin perfecta (VEIP)
VEIP = (30)(0.45) + (15)(0.55) 12.85 = $8.9

$8.9 es lo mximo que estoy dispuesto a pagar por la informacin
perfecta
Gabriel Suyo C.
61
Ejemplo 03
Observe la siguiente tabla de retribuciones, en la cual las entradas
estn en rendimientos netos en dlares.
Decisin
1
2
3
4
35
27
22
20
Estado de naturaleza
2
3
22
25
25
20
25
25
25
28
4
12
18
28
33
Cul seria su decisin bajo un enfoque de incertidumbre?

Si las probabilidades para los estados de naturaleza son las
siguientes Cul es la decisin que maximice el rendimiento neto
esperado en dlares?.
P(1)= 0.1
P(2)=0.4
P(3)=0.3
Gabriel Suyo C.
P(4)=0.2
62
Ejemplo 04
Jenny Lind es una escritora de novelas romnticas. Tanto una compaa
flmica como una red televisiva quieren los derechos exclusivos de una de
sus obras ms populares. Si ella firma con la red recibir una sola suma
fija, pero si firma con la compaa flmica la cifra que recibir
depender de la respuesta del mercado ante la pelcula. Las
retribuciones de Jenny se muestran a continuacin
Decisin
Firmar con cia flmica
Firmar con red televisiva
Probabilidad a priori
Estado de naturaleza
Taquilla baja Taquilla media
Taquilla alta
$ 200,000
$ 1,000,000
$ 3,000,000
$ 900,000
$ 900,000
$ 900,000
30%
60%
10%
A quien debe deber vender Jenny los derechos?

Cunto es lo ms que debe estar dispuesta a pagar para saber el
monto de la taquilla, antes de decidir con quin firmar?
Gabriel Suyo C.
63
Ejemplo 04 - B
Jenny Lind puede contratar a una empresa que se dedique a la
investigacin de mercados, para hacer una encuesta con un costo de
$100,000. El resultado de la encuesta consistir en una respuesta del
publico favorable (F) o desfavorable (U) a la pelcula.
P(F/Baja)
P(F/Media)
P(F/Alta)
30%
60%
80%
P(U/Baja)
P(U/Media)
P(U/Alta)
70%
40%
20%
Debe Jenny mandar a hacer la encuesta?
Cunto es lo ms que Jenny debera estar dispuesta a pagar por la

encuesta?
Gabriel Suyo C.
64
Ejemplo 05
Para ahorrar en gastos, Martn y Sara acordaron compartir el
automvil para ir y regresar del trabajo. Sara prefiere usar la Av.
Queen City que es mas larga pero mas consistente. Martn prefiere la
autopista que es mas rpida, pero acord con Sara que tomaran la
avenida Queen City si la autopista tenia un embotellamiento de
transito. La siguiente tabla de resultados proporcionan la estimacin
de tiempo en minutos para el viaje de ida y regreso.
Av. Queen City

Autopista
Autopista
Autopista
abierta
embotellada
30
30
25
45
Con base a su experiencia con problemas de transito, Sara y Martn

acordaron una probabilidad de 0.15 de que la autopista estuviera
embotellada.
Gabriel Suyo C.
65
Ejemplo 05 - B
Adems, acordaron que el clima pareca afectar las condiciones del
transito en la autopista. Sea:
C despejado O nublado
R lluvia
Se aplican las siguientes probabilidades condicionales:

P(C/Abierta) = 0.8
P(O/Abierta) = 0.2
P(R/Abierta) = 0.0
P(C/Embot) = 0.1
P(O/Embot) = 0.3
P(R/Embot) = 0.6
1. Muestre el rbol de decisiones para este problema.

2. Cul es la estrategia de decisin optima y cual es el tiempo de viaje
esperado?
Gabriel Suyo C.
66
Ejemplo 06
Ejemplo: Klimatic S.A. Debe decidir si construye una planta
grande o pequea para producir una nuevo horno microonda,que se
espera tenga una permanencia en el mercado de 10 aos. Una
planta grande costar $2 800 000 y una planta pequea costar
$ 1 400 000. Los estimados de las ventas sobre un periodo de 10
aos y el analisis costo-volumen-utilidad realizada por la gerencia
da:
Tamao
Demanda
Planta
Alta
Moderada
Baja
Grande
$1 000 000 $600 000 $-200 000
Pequea
$ 250 000 $450 000 $ 550 000
Probab.
0.5
0. 3
Gabriel Suyo C.
0.2
67
Ejemplo 06 - B
Ejemplo: En el caso de la empresa Cola Sur, el directorio
decide que se realice un estudio de mercado para tener mayor
informacin (alentador (E) o desalentador (G)) antes de
decidir que estrategia elegir. Las pruebas respecto al estudio
de mercado reportan que:
Si el mercado ha sido fuerte los resultados del estudio

han sido alentadores en un 60% y desalentadores en un
40%
Si el mercado ha sido dbil los resultados del estudio han
sido alentadores en un 30 % y desalentadores en un 70%
Con esta informacin ayude a Cola a tomar decisin
Gabriel Suyo C.
68
Ejemplo 06 - C
Las alternativas:
A: agresivo
B: bsico
C: cauteloso
Eventos:
F, D : mercado fuerte y dbil
E,G : Resultado alentador y desalentador
De las pruebas:
P(E/F) = 0.6
P(G/F) = 0.4
P(E/D) = 0.3
P(G/D) = 0.7
Gabriel Suyo C.
69
El rbol de decisin para este problema es dado por:

Utilidad
Condicional
P(F|E)
30
P(D|E)
-9
P(F|E)
20
P(D|E)
P(F|E)
P(D|E)
14
P(F|G)
30
P(D|G)
-9
P(F|G)
20
P(D|G)
P(F|G)
P(D|G)
14
C
P(E)
A
G
P(G)
C
Gabriel Suyo C.
70
rboles de Decisin con nueva

informacin
Haciendo uso del teorema de Bayes:
P(A/B) = P(B/A) P(A) /P(B)
y de la probabilidad marginal
P(A) = P(A/B) P(B) + P(A/C) P(C)
P(E) = 0.42
P(F|E) = 0.57
P(G) = 0.58
P(D|E) = 0.43
P(F|G) = 0.28 P(D|G) = 0.72

Gabriel Suyo C.
71
Luego el valor esperado para cada alternativa es:
VE = 30x0.57 9x0.43 = 13.23

A
VE = 20x0.57 + 5x0.43 = 13.55

B
VE = 5x0.57 + 14x0.43 = 8.87

E
C
P(E) = 0.42
VE = 30x0.28 - 9x0.72 = 1.92

P(G) = 0.58
VE = 20x0.28 + 5x0.72 = 9.2

B
VE = 5x0.28 + 14x0.72 = 11.48

C
Gabriel Suyo C.
72
rboles de decisin: VEIM

El Valor esperado de la informacin de muestra
VEIM = (mximo valor esperado con informacin de
muestra) - (mximo valor esperado sin informacin
de muestra)
Gabriel Suyo C.
73
rboles de decisin: VEIP

El Valor esperado de la informacin de perfecta
VEIP = (mximo valor esperado con informacin
perfecta) - (mximo valor esperado sin informacin
perfecta)
Gabriel Suyo C.
74
Gracias !!
martes, 13 de enero de 2015,

Gabriel Suyo C.
a las 9:30:30 p.m.

Sesion 05 Arbol Decisiones PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sesion 05 Arbol Decisiones PDF

Uploaded by

Copyright:

Available Formats

Universidad Nacional de San Antonio Abad del Cusco

Creo que nunca podr ver un poema tan

Mgt. GABRIEL SUYO CRUZ

martes, 13 de enero de 2015,

a las 9:30:30 p.m.

Una firma agrcola selecciona la mezcla de cultivo y ganado para la

Estos son los tipos de toma de decisiones frente a una gran

Cundo hacer anlisis de decisiones?

El anlisis de decisiones se puede emplear para

Bien estructurado: informacin conocida.

Decisiones programadas: rutinarias, originadas por los problemas bien

RELACIN PROBLEMAS - DECISIONES

B) EN CUANTO A LOS CRITERIOS PARA

Modelo Normativo o Prescriptivo: Describe la forma como toma la

Asume que el decisor no est

Modelo de Decisin de sistema Abierto: Se soporta en la

como una persona examina un problema y toma una decisin, sta

Toma de decisiones en condiciones de certeza:

Identificar las alternativas de decisin.

Identificar los estados de la naturaleza

Identificar la tabla de retribuciones ( matriz de pagos)

Esta matriz esta compuesta por la utilidad asociada con cada

Depende del modelo de decisin que se este

Decisiones bajo riesgo.

A. Situacin de certeza o certidumbre total

Decisiones bajo certidumbre.

Quien toma la decisin sabe exactamente qu estado de la

Ejemplo: EJERCICIO DE APLICACIN

Elegir la estrategia ms conveniente para el agricultor,

1. CRITERIO PESIMISTA O DE WALD

Elegir _ ai mnai mxe j x(ai , e j )

Eventos (demanda de tablets)

Existen muchas decisiones que pueden catalogarse como

Esta es una categora muy comn para las

Aqu se tienen aquellos casos de toma de decisiones

Ejemplo 01: PUESTO DE PERIODICO.

Definiendo nuestros estados de naturaleza:

Que me compren 2 peridicos.

Construyendo mi tabla de retribuciones, tenemos:

Usaremos el criterio de: Maximizar el rendimiento esperado

De acuerdo a este criterio, nuestra decisin ser: comprar 02

VE A1 0,1 1500 0,3 1500 0, 4 1500 0, 2 1500 1500

El estado ms probable es 3 (corresponde a la mayor probabilidad), y por consiguiente

mn A1 1500, mn A2 500, mn A3 500 y mn A4 1500

d) Criterio maximax o del optimista.

mn A1 1500, mn A2 3000, mn A3 4500 y mn A4 6000

Ahora aplicamos el criterio minimax, para minimizar la mxima prdida de oportunidad,

Observamos que la PEO mnima es 800, por lo que la alternativa sera

Anlisis de decisiones: Anlisis de sensibilidad

Anlisis de decisiones: Anlisis de sensibilidad

Para cada variable de decisin colocamos un nodo cuadrado, del cual

Cada rama es denotada por la alternativa disponible respectiva.

Los terminales de las ramas de decisin son usados como nodos de

Trazar el rbol de decisiones que permita estructurar cualitativamente el

Nos trasladamos conceptualmente a los extremos o nodos finales del rbol

Para resolver el rbol trabajamos hacia atrs, de derecha a izquierda,

Posibilidades de la variable aleatoria

De acuerdo con la experiencia de la administracin de CME, se asign una probabilidad de

Construccin del rbol de Decisiones

En este curso, utilizaremos el software TreePlan. Este software

rbol de Decisiones de Protrac

La administracin de la divisin de tractores

Seleccionar a una empresa que realice el estudio de mercado en