SlideShare una empresa de Scribd logo
1 de 19
DECISIONES CON
INCERTIDUMBRE
18/04/2024 2
ARBOLES DE DECISION
Un árbol de decisión es una forma
gráfica y analítica de representar
todos los eventos que se pueden
desprender de una decisión asumida
en cierto momento del tiempo.
• 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.
18/04/2024 3
18/04/2024 4
Como toda forma de representación
grafica, tiene una nomenclatura
(grafismo) definido:
Acción (Decisión, opción, posibilidad)
Sucesos (Estados, resultados,
Consecuencias)
Conectores (Líneas, eslabones)
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.
18/04/2024 5
Pasos para el Análisis del Árbol de Decisión
• Definir el problema.
• Dibujar el árbol de decisión.
• Asignar probabilidades a los eventos
aleatorios.
• Estimar los resultados para cada
combinación posible de alternativas.
• Resolver el problema obteniendo como
solución la ruta que proporcione la política
óptima.
18/04/2024 6
18/04/2024 7
Probabilidad = En un proceso aleatorio, razón entre
el número de casos favorables y el número de
casos posibles.
Acción 1
Acción 2
Consecuencia 1,1
Consecuencia 1,2
Acción 4
Acción 5
Consecuencia 2,1
Consecuencia 2,2
p
p
p
p
P
SCENARIO Escenario
18/04/2024 8
Conceder
Préstamo
No
Conceder
Devolución
No devolución
Normal
Irregular
No pasa nada
Cierre de cuenta
Ejemplo: Conceder un préstamo
Judicial
No judicial
Reprogram.
Sin
Reprogram
18/04/2024 9
CRITERIOS
Probabilidad mayor
Se asume la rama que presenta la
mayor probabilidad de suceder.
18/04/2024 10
VENTAJAS
• Es un método directo y muy sencillo de aplicar.
• Surge directamente del análisis del grafo.
DESVENTAJAS
• Es complicado de aplicar en grafos grandes o muy
ramificados
• No considera otros factores, como beneficio,
costo, utilidad, riesgo, etc.
18/04/2024 11
CRITERIOS
Valor Esperado
Es una forma de incorporar el
beneficio o perjuicio proveniente
de cada rama del grafo a la
probabilidad asociada con ella.
18/04/2024 12
EJEMPLO
Si debemos decidir si asegurar (adquirir un seguro)
contra incendios para nuestra industria:
Adquirir
Seguro
No
Adquirir
Incendio
No incendio
Incendio
No incendio
Sabiendo que la probabilidad de un incendio es de 2%
18/04/2024 13
EJEMPLO
Debemos conocer los montos de dinero involucrados:
Valor de la Planta= $US 200.000
Valor de la póliza= $US 10.000
Adquirir
Seguro
No
Adquirir
Incendio
No incendio
Incendio
No incendio
Sabiendo que la probabilidad de un incendio es de 2%
VALOR OBTENIDO
VALOR OBTENIDO
VALOR OBTENIDO
VALOR OBTENIDO
18/04/2024 14
Valor Obtenido
Es la cantidad de beneficio
(medido de alguna manera) que
resulta como situación final, al
final de haber sucedido ciertos
eventos descritos en el árbol de
decisión
18/04/2024 15
EJEMPLO
Debemos conocer los montos de dinero involucrados:
Valor de la Planta= $US 200.000
Valor de la póliza= $US 10.000
Adquirir
Seguro
No
Adquirir
Incendio
No incendio
Incendio
No incendio
Sabiendo que la probabilidad de un incendio es de 2%
-$US 10.000
-$US 10.000
-$US 200.000
$US 0 (cero)
18/04/2024 16
Valor Esperado
El valor esperado resulta de multiplicar
el valor obtenido con la probabilidad
asociada.
V.E. = V.O. * p
En caso de ramas complejas, el valor p
se obtiene multiplicando las
probabilidades parciales.
18/04/2024 17
VALOR ESPERADO
Debemos conocer los montos de dinero involucrados:
Valor de la Planta= $US 200.000
Valor de la póliza= $US 10.000
Adquirir
Seguro
No
Adquirir
Incendio
No incendio
Incendio
No incendio
Sabiendo que la probabilidad de un incendio es de 2%
-$US 200
-$US 9.800
-$US 4.000
$US 0 (cero)
-$us 10.000
-$us 4.000
18/04/2024 18
CRITERIOS
Valor Esperado
El análisis con este criterio,
recomienda que la decisión se
incline por la rama cuya suma de
valores esperados sea mas
conveniente.
18/04/2024 19
VALOR ESPERADO
Debemos conocer los montos de dinero involucrados:
Valor de la Planta= $US 200.000
Valor de la póliza= $US 3.000
Adquirir
Seguro
No
Adquirir
Incendio
No incendio
Incendio
No incendio
Sabiendo que la probabilidad de un incendio es de 2%
?
?
?
?
???
???
??

Más contenido relacionado

Similar a 7DECISIONES CON INCERTIDUMBRE exposicion.pptx

Arboles de decisiã“n
Arboles de decisiã“nArboles de decisiã“n
Arboles de decisiã“n
vivianito
 
Mjf+árboles+de+decisión
Mjf+árboles+de+decisiónMjf+árboles+de+decisión
Mjf+árboles+de+decisión
Adry Ruiz
 

Similar a 7DECISIONES CON INCERTIDUMBRE exposicion.pptx (20)

Trabajo arbol dedecisiones
Trabajo arbol dedecisiones Trabajo arbol dedecisiones
Trabajo arbol dedecisiones
 
Arboles de decisiã“n
Arboles de decisiã“nArboles de decisiã“n
Arboles de decisiã“n
 
Analisis-de-decisiones-20141.pdf
Analisis-de-decisiones-20141.pdfAnalisis-de-decisiones-20141.pdf
Analisis-de-decisiones-20141.pdf
 
Arbol de deciciones
Arbol de decicionesArbol de deciciones
Arbol de deciciones
 
231456695-Diapositivas-Teoria-de-Decisiones.ppt
231456695-Diapositivas-Teoria-de-Decisiones.ppt231456695-Diapositivas-Teoria-de-Decisiones.ppt
231456695-Diapositivas-Teoria-de-Decisiones.ppt
 
7 Tecnica del Arbol para la toma de decisiones
7  Tecnica del Arbol para la toma de decisiones7  Tecnica del Arbol para la toma de decisiones
7 Tecnica del Arbol para la toma de decisiones
 
Mjf+árboles+de+decisión
Mjf+árboles+de+decisiónMjf+árboles+de+decisión
Mjf+árboles+de+decisión
 
Clase1 decisiones
Clase1 decisionesClase1 decisiones
Clase1 decisiones
 
Sesion iii arbol de decisiones prob a priori
Sesion iii arbol de decisiones prob a prioriSesion iii arbol de decisiones prob a priori
Sesion iii arbol de decisiones prob a priori
 
Sesion iii arbol de decisiones prob a priori
Sesion iii arbol de decisiones prob a prioriSesion iii arbol de decisiones prob a priori
Sesion iii arbol de decisiones prob a priori
 
TOMA DE DESICIONES Y ANALISIS DE RIESGO EXPOSICION.pptx
TOMA DE DESICIONES Y ANALISIS DE RIESGO EXPOSICION.pptxTOMA DE DESICIONES Y ANALISIS DE RIESGO EXPOSICION.pptx
TOMA DE DESICIONES Y ANALISIS DE RIESGO EXPOSICION.pptx
 
Diagrama de árbol
Diagrama de árbolDiagrama de árbol
Diagrama de árbol
 
Teoría de la decision
Teoría de la decisionTeoría de la decision
Teoría de la decision
 
TEODEC.PPT
TEODEC.PPTTEODEC.PPT
TEODEC.PPT
 
Teoría de la decisión.pdf
Teoría de la decisión.pdfTeoría de la decisión.pdf
Teoría de la decisión.pdf
 
Teoría de la decisión.ppt
Teoría de la decisión.pptTeoría de la decisión.ppt
Teoría de la decisión.ppt
 
ARBOLES DE DECISION.PPT
ARBOLES DE DECISION.PPTARBOLES DE DECISION.PPT
ARBOLES DE DECISION.PPT
 
Arboles de decisión
Arboles de decisiónArboles de decisión
Arboles de decisión
 
Teoria de decisiones
Teoria de decisionesTeoria de decisiones
Teoria de decisiones
 
Presentación incert
Presentación incertPresentación incert
Presentación incert
 

Más de LuisArcani1

Más de LuisArcani1 (6)

Conversor_Analogo_a_Digital.ppt
Conversor_Analogo_a_Digital.pptConversor_Analogo_a_Digital.ppt
Conversor_Analogo_a_Digital.ppt
 
presentacion
presentacionpresentacion
presentacion
 
BD_clase_09_consultas_alg_rel.pdf
BD_clase_09_consultas_alg_rel.pdfBD_clase_09_consultas_alg_rel.pdf
BD_clase_09_consultas_alg_rel.pdf
 
Presentación SPSS.pdf
Presentación SPSS.pdfPresentación SPSS.pdf
Presentación SPSS.pdf
 
CID400 - Solucion 2do Parcial (I-2022) - update I-2023.pdf
CID400 - Solucion 2do Parcial (I-2022) - update I-2023.pdfCID400 - Solucion 2do Parcial (I-2022) - update I-2023.pdf
CID400 - Solucion 2do Parcial (I-2022) - update I-2023.pdf
 
IV-CreacionEscenarios.pptx
IV-CreacionEscenarios.pptxIV-CreacionEscenarios.pptx
IV-CreacionEscenarios.pptx
 

Último

CLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptxCLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptx
bingoscarlet
 
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdfMODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
vladimirpaucarmontes
 
clases de porcinos generales de porcinos
clases de porcinos generales de porcinosclases de porcinos generales de porcinos
clases de porcinos generales de porcinos
DayanaCarolinaAP
 
LA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdf
LA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdfLA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdf
LA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdf
bcondort
 

Último (20)

Reporte de simulación de flujo del agua en un volumen de control MNVA.pdf
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdfReporte de simulación de flujo del agua en un volumen de control MNVA.pdf
Reporte de simulación de flujo del agua en un volumen de control MNVA.pdf
 
Tinciones simples en el laboratorio de microbiología
Tinciones simples en el laboratorio de microbiologíaTinciones simples en el laboratorio de microbiología
Tinciones simples en el laboratorio de microbiología
 
DOCUMENTO PLAN DE RESPUESTA A EMERGENCIAS MINERAS
DOCUMENTO PLAN DE RESPUESTA A EMERGENCIAS MINERASDOCUMENTO PLAN DE RESPUESTA A EMERGENCIAS MINERAS
DOCUMENTO PLAN DE RESPUESTA A EMERGENCIAS MINERAS
 
Clase 7 MECÁNICA DE FLUIDOS 2 INGENIERIA CIVIL
Clase 7 MECÁNICA DE FLUIDOS 2 INGENIERIA CIVILClase 7 MECÁNICA DE FLUIDOS 2 INGENIERIA CIVIL
Clase 7 MECÁNICA DE FLUIDOS 2 INGENIERIA CIVIL
 
CLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptxCLASe número 4 fotogrametria Y PARALAJE.pptx
CLASe número 4 fotogrametria Y PARALAJE.pptx
 
Comite Operativo Ciberseguridad 012020.pptx
Comite Operativo Ciberseguridad 012020.pptxComite Operativo Ciberseguridad 012020.pptx
Comite Operativo Ciberseguridad 012020.pptx
 
Controladores Lógicos Programables Usos y Ventajas
Controladores Lógicos Programables Usos y VentajasControladores Lógicos Programables Usos y Ventajas
Controladores Lógicos Programables Usos y Ventajas
 
01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt
01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt
01 MATERIALES AERONAUTICOS VARIOS clase 1.ppt
 
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.pptARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
ARBOL DE CAUSAS ANA INVESTIGACION DE ACC.ppt
 
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdfMODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
MODIFICADO - CAPITULO II DISEÑO SISMORRESISTENTE DE VIGAS Y COLUMNAS.pdf
 
Voladura Controlada Sobrexcavación (como se lleva a cabo una voladura)
Voladura Controlada  Sobrexcavación (como se lleva a cabo una voladura)Voladura Controlada  Sobrexcavación (como se lleva a cabo una voladura)
Voladura Controlada Sobrexcavación (como se lleva a cabo una voladura)
 
clasificasion de vias arteriales , vias locales
clasificasion de vias arteriales , vias localesclasificasion de vias arteriales , vias locales
clasificasion de vias arteriales , vias locales
 
ECONOMIA APLICADA SEMANA 555555555544.pdf
ECONOMIA APLICADA SEMANA 555555555544.pdfECONOMIA APLICADA SEMANA 555555555544.pdf
ECONOMIA APLICADA SEMANA 555555555544.pdf
 
Magnetismo y electromagnetismo principios
Magnetismo y electromagnetismo principiosMagnetismo y electromagnetismo principios
Magnetismo y electromagnetismo principios
 
Falla de san andres y el gran cañon : enfoque integral
Falla de san andres y el gran cañon : enfoque integralFalla de san andres y el gran cañon : enfoque integral
Falla de san andres y el gran cañon : enfoque integral
 
PPT ELABORARACION DE ADOBES 2023 (1).pdf
PPT ELABORARACION DE ADOBES 2023 (1).pdfPPT ELABORARACION DE ADOBES 2023 (1).pdf
PPT ELABORARACION DE ADOBES 2023 (1).pdf
 
clases de porcinos generales de porcinos
clases de porcinos generales de porcinosclases de porcinos generales de porcinos
clases de porcinos generales de porcinos
 
Principales aportes de la carrera de William Edwards Deming
Principales aportes de la carrera de William Edwards DemingPrincipales aportes de la carrera de William Edwards Deming
Principales aportes de la carrera de William Edwards Deming
 
Ejemplos de cadenas de Markov - Ejercicios
Ejemplos de cadenas de Markov - EjerciciosEjemplos de cadenas de Markov - Ejercicios
Ejemplos de cadenas de Markov - Ejercicios
 
LA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdf
LA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdfLA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdf
LA APLICACIÓN DE LAS PROPIEDADES TEXTUALES A LOS TEXTOS.pdf
 

7DECISIONES CON INCERTIDUMBRE exposicion.pptx

  • 2. 18/04/2024 2 ARBOLES DE DECISION Un árbol de decisión es una forma gráfica y analítica de representar todos los eventos que se pueden desprender de una decisión asumida en cierto momento del tiempo.
  • 3. • 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. 18/04/2024 3
  • 4. 18/04/2024 4 Como toda forma de representación grafica, tiene una nomenclatura (grafismo) definido: Acción (Decisión, opción, posibilidad) Sucesos (Estados, resultados, Consecuencias) Conectores (Líneas, eslabones)
  • 5. 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. 18/04/2024 5
  • 6. Pasos para el Análisis del Árbol de Decisión • Definir el problema. • Dibujar el árbol de decisión. • Asignar probabilidades a los eventos aleatorios. • Estimar los resultados para cada combinación posible de alternativas. • Resolver el problema obteniendo como solución la ruta que proporcione la política óptima. 18/04/2024 6
  • 7. 18/04/2024 7 Probabilidad = En un proceso aleatorio, razón entre el número de casos favorables y el número de casos posibles. Acción 1 Acción 2 Consecuencia 1,1 Consecuencia 1,2 Acción 4 Acción 5 Consecuencia 2,1 Consecuencia 2,2 p p p p P SCENARIO Escenario
  • 8. 18/04/2024 8 Conceder Préstamo No Conceder Devolución No devolución Normal Irregular No pasa nada Cierre de cuenta Ejemplo: Conceder un préstamo Judicial No judicial Reprogram. Sin Reprogram
  • 9. 18/04/2024 9 CRITERIOS Probabilidad mayor Se asume la rama que presenta la mayor probabilidad de suceder.
  • 10. 18/04/2024 10 VENTAJAS • Es un método directo y muy sencillo de aplicar. • Surge directamente del análisis del grafo. DESVENTAJAS • Es complicado de aplicar en grafos grandes o muy ramificados • No considera otros factores, como beneficio, costo, utilidad, riesgo, etc.
  • 11. 18/04/2024 11 CRITERIOS Valor Esperado Es una forma de incorporar el beneficio o perjuicio proveniente de cada rama del grafo a la probabilidad asociada con ella.
  • 12. 18/04/2024 12 EJEMPLO Si debemos decidir si asegurar (adquirir un seguro) contra incendios para nuestra industria: Adquirir Seguro No Adquirir Incendio No incendio Incendio No incendio Sabiendo que la probabilidad de un incendio es de 2%
  • 13. 18/04/2024 13 EJEMPLO Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la póliza= $US 10.000 Adquirir Seguro No Adquirir Incendio No incendio Incendio No incendio Sabiendo que la probabilidad de un incendio es de 2% VALOR OBTENIDO VALOR OBTENIDO VALOR OBTENIDO VALOR OBTENIDO
  • 14. 18/04/2024 14 Valor Obtenido Es la cantidad de beneficio (medido de alguna manera) que resulta como situación final, al final de haber sucedido ciertos eventos descritos en el árbol de decisión
  • 15. 18/04/2024 15 EJEMPLO Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la póliza= $US 10.000 Adquirir Seguro No Adquirir Incendio No incendio Incendio No incendio Sabiendo que la probabilidad de un incendio es de 2% -$US 10.000 -$US 10.000 -$US 200.000 $US 0 (cero)
  • 16. 18/04/2024 16 Valor Esperado El valor esperado resulta de multiplicar el valor obtenido con la probabilidad asociada. V.E. = V.O. * p En caso de ramas complejas, el valor p se obtiene multiplicando las probabilidades parciales.
  • 17. 18/04/2024 17 VALOR ESPERADO Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la póliza= $US 10.000 Adquirir Seguro No Adquirir Incendio No incendio Incendio No incendio Sabiendo que la probabilidad de un incendio es de 2% -$US 200 -$US 9.800 -$US 4.000 $US 0 (cero) -$us 10.000 -$us 4.000
  • 18. 18/04/2024 18 CRITERIOS Valor Esperado El análisis con este criterio, recomienda que la decisión se incline por la rama cuya suma de valores esperados sea mas conveniente.
  • 19. 18/04/2024 19 VALOR ESPERADO Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la póliza= $US 3.000 Adquirir Seguro No Adquirir Incendio No incendio Incendio No incendio Sabiendo que la probabilidad de un incendio es de 2% ? ? ? ? ??? ??? ??