El documento presenta el problema de decisión que enfrenta Pittsburgh Development Corporation (PDC) sobre el tamaño de un nuevo complejo de condominios de lujo. PDC tiene tres opciones de tamaño y la demanda de los condominios puede ser fuerte o débil. Usando un árbol de decisión y el valor esperado, PDC determina que realizar una investigación de mercados y construir un complejo grande si la demanda es fuerte o mediano si es débil maximiza las utilidades.
Este documento presenta 20 ejercicios de estadística sobre probabilidad bajo curva normal estándar. Los ejercicios involucran calcular probabilidades utilizando distribuciones normales estándares, donde se proporcionan los valores de la media y la desviación estándar. El documento también presenta ejercicios sobre probabilidad estándar, cuartiles, varianza y desviación estándar, y coeficiente de variación.
Md ejercicios resueltos teoria de la decisionSarita Carbajal
Este documento presenta un ejercicio de toma de decisiones bajo incertidumbre para una empresa organizadora de conciertos. La empresa debe elegir entre dos opciones de ubicación para un concierto - un polideportivo cubierto o un campo de fútbol al aire libre - considerando diferentes escenarios climáticos y sus beneficios asociados. Se analiza la decisión desde varios criterios de decisión bajo riesgo e incertidumbre y considerando diferentes probabilidades de los escenarios climáticos. Finalmente, se considera si contratar una consult
Este documento describe el uso de árboles de decisión para optimizar una serie de decisiones que se toman en momentos distintos. Los árboles de decisión contienen nodos de decisión, donde se elige entre alternativas, y nodos de evento, donde ocurren situaciones fuera de nuestro control con probabilidades asociadas. Para encontrar la solución óptima, se calcula el valor esperado en cada nodo de evento y se elige la alternativa con el mayor valor esperado en cada nodo de decisión, comenzando desde la derecha hacia la izquierda.
Este problema de programación lineal busca minimizar los costes de producir una tela usando dos tipos de hilo (A y B) que contienen diferentes proporciones de algodón y seda. Se deben cumplir las restricciones de usar al menos 45 libras de algodón y 25 libras de seda. La solución óptima minimiza los costes al asignar las cantidades apropiadas de cada hilo.
Este documento presenta conceptos clave de la teoría de decisión, incluyendo criterios para la toma de decisiones determinísticas y probabilísticas. Describe criterios como el pago máximo, la máxima posibilidad y Bayes. También explica el análisis de sensibilidad y provee un ejemplo numérico para ilustrar el cálculo del valor esperado y la selección de la mejor alternativa.
Este documento presenta la teoría de juegos y su aplicación a un ejemplo de campaña política. La teoría de juegos analiza situaciones de conflicto entre tomadores de decisiones racionales. En este caso, dos políticos deben elegir cómo distribuir su tiempo de campaña entre dos ciudades para maximizar sus votos. El problema se formula como un juego de dos personas y suma cero, con estrategias y una matriz de pagos. La solución se obtiene eliminando estrategias dominadas hasta alcanzar un equilibrio.
Este documento presenta un ejemplo de teoría de decisiones sobre la mejor cantidad de periódicos que una vendedora debe pedir cada día tomando en cuenta la demanda aleatoria y diferentes criterios como maximin, maximax, arrepentimiento minimax y valor esperado. Según los diferentes criterios, la cantidad óptima de periódicos a pedir puede ser 6, 7 u 8 ejemplares.
Este documento presenta 20 ejercicios de estadística sobre probabilidad bajo curva normal estándar. Los ejercicios involucran calcular probabilidades utilizando distribuciones normales estándares, donde se proporcionan los valores de la media y la desviación estándar. El documento también presenta ejercicios sobre probabilidad estándar, cuartiles, varianza y desviación estándar, y coeficiente de variación.
Md ejercicios resueltos teoria de la decisionSarita Carbajal
Este documento presenta un ejercicio de toma de decisiones bajo incertidumbre para una empresa organizadora de conciertos. La empresa debe elegir entre dos opciones de ubicación para un concierto - un polideportivo cubierto o un campo de fútbol al aire libre - considerando diferentes escenarios climáticos y sus beneficios asociados. Se analiza la decisión desde varios criterios de decisión bajo riesgo e incertidumbre y considerando diferentes probabilidades de los escenarios climáticos. Finalmente, se considera si contratar una consult
Este documento describe el uso de árboles de decisión para optimizar una serie de decisiones que se toman en momentos distintos. Los árboles de decisión contienen nodos de decisión, donde se elige entre alternativas, y nodos de evento, donde ocurren situaciones fuera de nuestro control con probabilidades asociadas. Para encontrar la solución óptima, se calcula el valor esperado en cada nodo de evento y se elige la alternativa con el mayor valor esperado en cada nodo de decisión, comenzando desde la derecha hacia la izquierda.
Este problema de programación lineal busca minimizar los costes de producir una tela usando dos tipos de hilo (A y B) que contienen diferentes proporciones de algodón y seda. Se deben cumplir las restricciones de usar al menos 45 libras de algodón y 25 libras de seda. La solución óptima minimiza los costes al asignar las cantidades apropiadas de cada hilo.
Este documento presenta conceptos clave de la teoría de decisión, incluyendo criterios para la toma de decisiones determinísticas y probabilísticas. Describe criterios como el pago máximo, la máxima posibilidad y Bayes. También explica el análisis de sensibilidad y provee un ejemplo numérico para ilustrar el cálculo del valor esperado y la selección de la mejor alternativa.
Este documento presenta la teoría de juegos y su aplicación a un ejemplo de campaña política. La teoría de juegos analiza situaciones de conflicto entre tomadores de decisiones racionales. En este caso, dos políticos deben elegir cómo distribuir su tiempo de campaña entre dos ciudades para maximizar sus votos. El problema se formula como un juego de dos personas y suma cero, con estrategias y una matriz de pagos. La solución se obtiene eliminando estrategias dominadas hasta alcanzar un equilibrio.
Este documento presenta un ejemplo de teoría de decisiones sobre la mejor cantidad de periódicos que una vendedora debe pedir cada día tomando en cuenta la demanda aleatoria y diferentes criterios como maximin, maximax, arrepentimiento minimax y valor esperado. Según los diferentes criterios, la cantidad óptima de periódicos a pedir puede ser 6, 7 u 8 ejemplares.
El documento presenta información sobre un curso de herramientas para la toma de decisiones. Explica conceptos como árboles de decisión, valor esperado monetario, análisis de riesgo, valor esperado de la información perfecta y sensibilidad al riesgo. También incluye ejemplos y pasos para construir un árbol de decisión y calcular diferentes valores esperados.
Este documento resume los conceptos clave de las cadenas de Markov. Explica que las cadenas de Markov estudian el comportamiento de sistemas a través del tiempo mediante estados discretos y probabilidades de transición entre estados. También describe cómo calcular las probabilidades de transición estacionarias a largo plazo, determinar el estado estable de un sistema, y definir estados absorbentes.
El documento habla sobre la técnica de árboles de decisiones. Explica que los árboles de decisiones usan reglas SI-ENTONCES para representar posibles cursos de acción y resultados. Describe cómo construir un árbol de decisiones, incluyendo nodos de decisión para puntos de decisión y nodos de incertidumbre para posibles eventos. También explica cómo calcular las probabilidades y valores en cada nodo para determinar el curso de acción óptimo. Proporciona un ejemplo numérico para ilustrar el proceso de construir
Este documento presenta un problema de programación lineal para una empresa pequeña de fabricación de bolsas de golf. Se describen las necesidades de tiempo de producción y contribución a la utilidad para dos modelos de bolsas. Se proporcionan las horas disponibles de cuatro operaciones de producción. El objetivo es maximizar la contribución total al fabricar la cantidad óptima de cada modelo de bolsa durante un período de tres meses, sujeto a las restricciones de tiempo de producción. Se formula un modelo matemático y se resuelve usando un software de programación lineal
Este documento describe el método de Montecarlo para calcular el valor de π. Explica que el método involucra lanzar una aguja de longitud conocida sobre una superficie con líneas paralelas equidistantes y contar el número de veces que la aguja corta una línea. La proporción de cortes entre lanzamientos tiende a π/2 a medida que se aumenta el número de lanzamientos. El documento también provee antecedentes históricos sobre el desarrollo del método de Montecarlo y ejemplos de su aplic
Este documento describe la programación lineal, incluidas sus aplicaciones, definición, pasos para la solución de problemas, y un ejemplo de modelo con dos variables. La programación lineal es una técnica matemática que permite optimizar una función objetivo sujeta a restricciones lineales, y se aplica a problemas de agricultura, industria, transporte y más.
La matriz de pago es una herramienta para organizar datos que facilita la selección de alternativas cuando se debe decidir entre opciones excluyentes ante eventos posibles. Contiene filas con alternativas y columnas con eventos, donde se coloca la utilidad esperada para cada combinación. Existen criterios como maxi-min, maxi-max y valor esperado para seleccionar la mejor alternativa basado en si se conocen o no las probabilidades de los eventos.
El documento describe el árbol de decisiones, una herramienta gráfica que ayuda a tomar decisiones bajo incertidumbre. Un árbol de decisiones representa visualmente todas las opciones y resultados posibles de una decisión, asignando probabilidades cuando hay incertidumbre. El documento explica los componentes de un árbol, como nodos de decisión y probabilidad, y pasos para construir y resolver uno para encontrar la opción óptima.
Este documento presenta conceptos sobre decisiones bajo riesgo e incertidumbre. Explica que los beneficios de cada alternativa de decisión se pueden representar mediante distribuciones de probabilidad. También describe el criterio del valor esperado para tomar decisiones, buscando maximizar la utilidad esperada o minimizar el costo esperado. Además, introduce diagramas de árbol para modelar problemas de decisión, donde círculos representan eventos aleatorios y cuadrados representan puntos de decisión. Por último, presenta ejemplos numéricos para ilustrar
ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINAMICA ADRIANA NIETO
1) Se busca asignar 6,000 euros entre 3 proyectos de inversión para maximizar las ganancias. Cada proyecto tiene diferentes retornos dependiendo de la cantidad invertida.
2) Se usa programación dinámica con matrices para resolver el problema iterativamente asignando fondos de forma óptima a cada proyecto.
3) Se describe el modelo de programación dinámica incluyendo etapas, estados, variables de decisión y función de recursividad para calcular la asignación óptima.
3 aplicaciones de modelado de programación lineal(uarm)Herculano Smith
Este documento presenta un ejemplo de programación lineal aplicado a la selección de medios de publicidad. Resume un caso en el que un club de juegos busca maximizar la audiencia alcanzada mediante una combinación de anuncios de televisión, periódico y radio, sujeto a restricciones presupuestarias y de medios. La solución óptima implica la contratación parcial de algunos anuncios para alcanzar una audiencia total de 67,240.3 jugadores potenciales.
Este documento presenta tres ejercicios resueltos relacionados con modelos de regresión lineal múltiple. En el primer ejercicio, se estima un modelo de regresión utilizando datos sobre consumo nacional y renta nacional en España entre 1995-2005. En el segundo ejercicio, se ajusta otro modelo de regresión y se realizan pruebas de significancia. En el tercer ejercicio, se estima un modelo con datos sobre inversión, tipo de interés y variación del PIB, y se contrastan hipótesis sobre los coeficientes.
Este documento introduce conceptos básicos de la teoría de probabilidad e inferencia estadística. Explica que la probabilidad es una medida cuantitativa del grado de certeza o incertidumbre de un evento. Define términos como experimento, resultado, evento y espacio muestral. También describe reglas para calcular probabilidades como la regla de adición y complemento. Finalmente, presenta axiomas fundamentales de la probabilidad.
Este documento presenta datos sobre el índice de precios al consumidor y las tasas de inflación de 7 países industrializados entre 1980-2005. También incluye tablas de tipos de cambio de 9 países entre 1985-2006. El resumen realiza cálculos de tasas de inflación, compara los resultados entre países, y grafica la inflación en relación a Estados Unidos. En general, se observa que Japón tuvo las tasas de inflación más bajas, mientras que Italia presentó las más altas y variables.
Este documento describe el método algebraico para resolver problemas de programación lineal. Introduce variables de holgura para transformar las desigualdades en igualdades y obtener un sistema de ecuaciones lineales. A través de sustituciones sucesivas, se despejan las variables hasta obtener una función objetivo en términos de las variables de decisión, cuya maximización determina la solución óptima. Se ilustra el método con un ejemplo de maximización de beneficios sujeto a restricciones de recursos.
Este documento presenta 21 problemas estadísticos relacionados con distribuciones de probabilidad normales y uniformes. Los problemas cubren conceptos como probabilidades, z-scores, distribución de Poisson y más. El objetivo es calcular diferentes probabilidades basadas en datos proporcionados sobre variables aleatorias con diferentes distribuciones de probabilidad.
Este documento describe el análisis de decisiones bajo incertidumbre y presenta un ejemplo de una compañía que debe decidir entre perforar sus propios terrenos en busca de petróleo o venderlos. Se analizan tres criterios para tomar la decisión: el criterio del pago máximo, el criterio de la máxima posibilidad, y la regla de decisión de Bayes. Finalmente, se realiza un análisis de sensibilidad debido a la incertidumbre sobre la probabilidad de encontrar petróleo.
Este documento presenta 14 problemas de programación lineal relacionados con la toma de decisiones sobre producción, mezclas, inversiones y asignación de recursos. Cada problema describe las variables, restricciones y función objetivo de un modelo de programación lineal, y pide determinar la solución óptima que maximice las utilidades o minimice los costos.
Este documento presenta 11 ejercicios de teoría de la decisión resueltos. Los ejercicios involucran tomar decisiones sobre proveedores, tamaño de una sección, comprar pescado, diseños de productos, políticas de pedidos, expansión empresarial, acciones ante ventas, desarrollo de nuevos productos y aceptar pedidos de venta de autos. Se proveen soluciones detalladas para cada ejercicio utilizando técnicas como árboles de decisión y cálculo de valores esperados para identificar la mejor opción en
El documento explica conceptos clave de programación lineal como precio dual, costo reducido, análisis de sensibilidad y sus interpretaciones. El precio dual mide la mejora en el valor óptimo al aumentar una unidad en una restricción activa. El costo reducido mide el cambio necesario en un coeficiente para que una variable de decisión sea positiva. El análisis de sensibilidad estudia cómo cambios en los coeficientes y restricciones afectan la solución óptima.
Este documento describe el árbol de decisión y su uso para analizar decisiones bajo incertidumbre. Explica que un árbol de decisión contiene nodos de decisión y nodos de estado de la naturaleza, y proporciona pasos para su análisis. Luego, presenta un ejemplo de árbol de decisión para una empresa que debe decidir si aceptar una oferta para un estudio de mercado antes de decidir el tamaño de una nueva planta. Finalmente, calcula valores esperados para determinar si el estudio es valioso.
El documento explica el Criterio de Valor Esperado, un método para tomar decisiones bajo riesgo. Calcula la ganancia promedio a largo plazo de cada alternativa usando la suma ponderada de los pagos multiplicados por sus probabilidades. Se elige la alternativa con el valor esperado más alto. Aunque maximice las utilidades, este criterio puede exponer al decisor a un riesgo inaceptable, por lo que se debe considerar el criterio de la persona responsable.
El documento presenta información sobre un curso de herramientas para la toma de decisiones. Explica conceptos como árboles de decisión, valor esperado monetario, análisis de riesgo, valor esperado de la información perfecta y sensibilidad al riesgo. También incluye ejemplos y pasos para construir un árbol de decisión y calcular diferentes valores esperados.
Este documento resume los conceptos clave de las cadenas de Markov. Explica que las cadenas de Markov estudian el comportamiento de sistemas a través del tiempo mediante estados discretos y probabilidades de transición entre estados. También describe cómo calcular las probabilidades de transición estacionarias a largo plazo, determinar el estado estable de un sistema, y definir estados absorbentes.
El documento habla sobre la técnica de árboles de decisiones. Explica que los árboles de decisiones usan reglas SI-ENTONCES para representar posibles cursos de acción y resultados. Describe cómo construir un árbol de decisiones, incluyendo nodos de decisión para puntos de decisión y nodos de incertidumbre para posibles eventos. También explica cómo calcular las probabilidades y valores en cada nodo para determinar el curso de acción óptimo. Proporciona un ejemplo numérico para ilustrar el proceso de construir
Este documento presenta un problema de programación lineal para una empresa pequeña de fabricación de bolsas de golf. Se describen las necesidades de tiempo de producción y contribución a la utilidad para dos modelos de bolsas. Se proporcionan las horas disponibles de cuatro operaciones de producción. El objetivo es maximizar la contribución total al fabricar la cantidad óptima de cada modelo de bolsa durante un período de tres meses, sujeto a las restricciones de tiempo de producción. Se formula un modelo matemático y se resuelve usando un software de programación lineal
Este documento describe el método de Montecarlo para calcular el valor de π. Explica que el método involucra lanzar una aguja de longitud conocida sobre una superficie con líneas paralelas equidistantes y contar el número de veces que la aguja corta una línea. La proporción de cortes entre lanzamientos tiende a π/2 a medida que se aumenta el número de lanzamientos. El documento también provee antecedentes históricos sobre el desarrollo del método de Montecarlo y ejemplos de su aplic
Este documento describe la programación lineal, incluidas sus aplicaciones, definición, pasos para la solución de problemas, y un ejemplo de modelo con dos variables. La programación lineal es una técnica matemática que permite optimizar una función objetivo sujeta a restricciones lineales, y se aplica a problemas de agricultura, industria, transporte y más.
La matriz de pago es una herramienta para organizar datos que facilita la selección de alternativas cuando se debe decidir entre opciones excluyentes ante eventos posibles. Contiene filas con alternativas y columnas con eventos, donde se coloca la utilidad esperada para cada combinación. Existen criterios como maxi-min, maxi-max y valor esperado para seleccionar la mejor alternativa basado en si se conocen o no las probabilidades de los eventos.
El documento describe el árbol de decisiones, una herramienta gráfica que ayuda a tomar decisiones bajo incertidumbre. Un árbol de decisiones representa visualmente todas las opciones y resultados posibles de una decisión, asignando probabilidades cuando hay incertidumbre. El documento explica los componentes de un árbol, como nodos de decisión y probabilidad, y pasos para construir y resolver uno para encontrar la opción óptima.
Este documento presenta conceptos sobre decisiones bajo riesgo e incertidumbre. Explica que los beneficios de cada alternativa de decisión se pueden representar mediante distribuciones de probabilidad. También describe el criterio del valor esperado para tomar decisiones, buscando maximizar la utilidad esperada o minimizar el costo esperado. Además, introduce diagramas de árbol para modelar problemas de decisión, donde círculos representan eventos aleatorios y cuadrados representan puntos de decisión. Por último, presenta ejemplos numéricos para ilustrar
ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINAMICA ADRIANA NIETO
1) Se busca asignar 6,000 euros entre 3 proyectos de inversión para maximizar las ganancias. Cada proyecto tiene diferentes retornos dependiendo de la cantidad invertida.
2) Se usa programación dinámica con matrices para resolver el problema iterativamente asignando fondos de forma óptima a cada proyecto.
3) Se describe el modelo de programación dinámica incluyendo etapas, estados, variables de decisión y función de recursividad para calcular la asignación óptima.
3 aplicaciones de modelado de programación lineal(uarm)Herculano Smith
Este documento presenta un ejemplo de programación lineal aplicado a la selección de medios de publicidad. Resume un caso en el que un club de juegos busca maximizar la audiencia alcanzada mediante una combinación de anuncios de televisión, periódico y radio, sujeto a restricciones presupuestarias y de medios. La solución óptima implica la contratación parcial de algunos anuncios para alcanzar una audiencia total de 67,240.3 jugadores potenciales.
Este documento presenta tres ejercicios resueltos relacionados con modelos de regresión lineal múltiple. En el primer ejercicio, se estima un modelo de regresión utilizando datos sobre consumo nacional y renta nacional en España entre 1995-2005. En el segundo ejercicio, se ajusta otro modelo de regresión y se realizan pruebas de significancia. En el tercer ejercicio, se estima un modelo con datos sobre inversión, tipo de interés y variación del PIB, y se contrastan hipótesis sobre los coeficientes.
Este documento introduce conceptos básicos de la teoría de probabilidad e inferencia estadística. Explica que la probabilidad es una medida cuantitativa del grado de certeza o incertidumbre de un evento. Define términos como experimento, resultado, evento y espacio muestral. También describe reglas para calcular probabilidades como la regla de adición y complemento. Finalmente, presenta axiomas fundamentales de la probabilidad.
Este documento presenta datos sobre el índice de precios al consumidor y las tasas de inflación de 7 países industrializados entre 1980-2005. También incluye tablas de tipos de cambio de 9 países entre 1985-2006. El resumen realiza cálculos de tasas de inflación, compara los resultados entre países, y grafica la inflación en relación a Estados Unidos. En general, se observa que Japón tuvo las tasas de inflación más bajas, mientras que Italia presentó las más altas y variables.
Este documento describe el método algebraico para resolver problemas de programación lineal. Introduce variables de holgura para transformar las desigualdades en igualdades y obtener un sistema de ecuaciones lineales. A través de sustituciones sucesivas, se despejan las variables hasta obtener una función objetivo en términos de las variables de decisión, cuya maximización determina la solución óptima. Se ilustra el método con un ejemplo de maximización de beneficios sujeto a restricciones de recursos.
Este documento presenta 21 problemas estadísticos relacionados con distribuciones de probabilidad normales y uniformes. Los problemas cubren conceptos como probabilidades, z-scores, distribución de Poisson y más. El objetivo es calcular diferentes probabilidades basadas en datos proporcionados sobre variables aleatorias con diferentes distribuciones de probabilidad.
Este documento describe el análisis de decisiones bajo incertidumbre y presenta un ejemplo de una compañía que debe decidir entre perforar sus propios terrenos en busca de petróleo o venderlos. Se analizan tres criterios para tomar la decisión: el criterio del pago máximo, el criterio de la máxima posibilidad, y la regla de decisión de Bayes. Finalmente, se realiza un análisis de sensibilidad debido a la incertidumbre sobre la probabilidad de encontrar petróleo.
Este documento presenta 14 problemas de programación lineal relacionados con la toma de decisiones sobre producción, mezclas, inversiones y asignación de recursos. Cada problema describe las variables, restricciones y función objetivo de un modelo de programación lineal, y pide determinar la solución óptima que maximice las utilidades o minimice los costos.
Este documento presenta 11 ejercicios de teoría de la decisión resueltos. Los ejercicios involucran tomar decisiones sobre proveedores, tamaño de una sección, comprar pescado, diseños de productos, políticas de pedidos, expansión empresarial, acciones ante ventas, desarrollo de nuevos productos y aceptar pedidos de venta de autos. Se proveen soluciones detalladas para cada ejercicio utilizando técnicas como árboles de decisión y cálculo de valores esperados para identificar la mejor opción en
El documento explica conceptos clave de programación lineal como precio dual, costo reducido, análisis de sensibilidad y sus interpretaciones. El precio dual mide la mejora en el valor óptimo al aumentar una unidad en una restricción activa. El costo reducido mide el cambio necesario en un coeficiente para que una variable de decisión sea positiva. El análisis de sensibilidad estudia cómo cambios en los coeficientes y restricciones afectan la solución óptima.
Este documento describe el árbol de decisión y su uso para analizar decisiones bajo incertidumbre. Explica que un árbol de decisión contiene nodos de decisión y nodos de estado de la naturaleza, y proporciona pasos para su análisis. Luego, presenta un ejemplo de árbol de decisión para una empresa que debe decidir si aceptar una oferta para un estudio de mercado antes de decidir el tamaño de una nueva planta. Finalmente, calcula valores esperados para determinar si el estudio es valioso.
El documento explica el Criterio de Valor Esperado, un método para tomar decisiones bajo riesgo. Calcula la ganancia promedio a largo plazo de cada alternativa usando la suma ponderada de los pagos multiplicados por sus probabilidades. Se elige la alternativa con el valor esperado más alto. Aunque maximice las utilidades, este criterio puede exponer al decisor a un riesgo inaceptable, por lo que se debe considerar el criterio de la persona responsable.
La toma de decisiones en la empresa es un proceso complejo que involucra 8 pasos: 1) identificar el problema, 2) identificar criterios de decisión, 3) asignar ponderaciones a los criterios, 4) desarrollar alternativas, 5) analizar alternativas, 6) seleccionar una alternativa, 7) implementar la alternativa seleccionada, y 8) evaluar la efectividad de la decisión. El proceso busca resolver problemas en la empresa mediante la selección de la mejor alternativa tras considerar múltiples criterios y su ponderación relativa.
Este documento discute la importancia de las decisiones de muestreo en el diseño de investigación. Explica que el diseño implica tomar decisiones para seleccionar entre opciones posibles. Una decisión fundamental es la definición de la muestra, que son los individuos o grupos sobre los que se realiza la investigación. El documento analiza diferentes tipos de muestras como las muestras de oportunidad, evaluadas e intencionales, y los criterios para construir la muestra como la accesibilidad y representatividad. Pregunta si la muestra se define solo
Este documento introduce los diagramas de influencia como una herramienta para representar visualmente problemas de decisión bajo incertidumbre. Un diagrama de influencia contiene nodos que representan decisiones, variables aleatorias y objetivos, así como las relaciones entre ellos. Los diagramas de influencia permiten modelar las dependencias y flujos de información en una situación de decisión para encontrar estrategias óptimas.
Este documento presenta una introducción a diferentes métodos cuantitativos de gestión como programación lineal y entera, programación por metas, PERT-CPM, planeación agregada, pronósticos, teoría y sistemas de inventarios, análisis de decisiones, programación dinámica y modelos de redes. Explica cada uno de estos temas con ejemplos resueltos usando el software WinQSB para demostrar su aplicación práctica en la toma de decisiones empresariales.
Análisis de decisiones sin probabilidadesUTPL UTPL
Este documento presenta tres métodos para tomar decisiones sin probabilidades: el enfoque optimista, que elige la alternativa con el mejor resultado posible; el enfoque conservador, que elige la alternativa con el mejor de los peores resultados; y el enfoque de arrepentimiento, que calcula cuánto se dejaría de ganar con cada alternativa. Se aplican estos métodos a un ejemplo de tres alternativas de tamaño de complejo y dos estados de la naturaleza para recomendar la mejor alternativa.
El documento habla sobre pruebas de hipótesis e intervalos de confianza. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula con una hipótesis alternativa utilizando datos de una muestra. También describe los errores tipo I y II y cómo se usan estadísticos como z y t para determinar si se rechaza o no la hipótesis nula. El documento también explica que un intervalo de confianza estima el rango en el que se encuentra el parámetro poblacional real con un cierto n
El documento trata sobre la toma de decisiones en Investigación de Operaciones. Explica que la Investigación de Operaciones usa métodos cuantitativos para apoyar el proceso de toma de decisiones. También describe los diferentes tipos de decisiones (programadas y no programadas), factores a considerar para la evaluación de alternativas (cuantitativos y cualitativos), y modelos para la toma de decisiones bajo condiciones de certidumbre, incertidumbre y riesgo.
Este documento describe conceptos estadísticos como pruebas de hipótesis, intervalos de confianza y estimación de parámetros. Explica que una prueba de hipótesis involucra plantear una hipótesis nula y alternativa, y tomar una decisión sobre si rechazar o no la hipótesis nula. También describe cómo calcular un intervalo de confianza para estimar un parámetro poblacional, como la media, con un cierto nivel de confianza. Finalmente, define la estimación puntual y por intervalo de parámetros descon
9. diferencia entre p de hipótesis e intervalos de confianzaYerko Bravo
Este documento explica la diferencia entre pruebas de hipótesis e intervalos de confianza. Las pruebas de hipótesis determinan la probabilidad de que los resultados observados sean producto del azar, mientras que los intervalos de confianza miden la confiabilidad de los resultados obtenidos de una muestra para estimar parámetros poblacionales. El documento ilustra estos conceptos con ejemplos de efectos de tratamientos en cerdos y tasas de enfermedades en humanos.
El documento explica los pasos para realizar una prueba de hipótesis estadística, incluyendo definir la hipótesis nula y alternativa, elegir un nivel de significancia, calcular un estadístico de prueba, establecer una regla de decisión, y tomar una decisión sobre si rechazar o no la hipótesis nula. También describe las distribuciones Z y t que se usan para las pruebas paramétricas y cómo estimar parámetros poblacionales mediante intervalos de confianza.
El documento habla sobre el apalancamiento operativo. Explica que cuanto mayor sea el nivel de costos fijos de una empresa, mayor será su apalancamiento operativo y por lo tanto su riesgo económico. También indica que pequeños cambios en los ingresos pueden resultar en cambios considerables en las utilidades antes de intereses y impuestos debido a la presencia de costos fijos. Finalmente, señala que cuanto mayor sea el apalancamiento operativo de una empresa, mayor será el riesgo potencial que enfrenta ante variaciones en
Este documento trata sobre el movimiento de caída libre. Explica que la caída libre ocurre cuando un objeto sólo está sujeto a la fuerza de gravedad, como cuando se lanza un objeto verticalmente o se deja caer. La aceleración en caída libre es constante e igual a aproximadamente 9.8 m/s2 hacia abajo. También presenta ecuaciones para calcular la velocidad, posición y distancia recorrida por un objeto en caída libre en función del tiempo. Por último, incluye gráficas de vel
Este documento describe los conceptos y pasos clave de las pruebas de hipótesis estadísticas. Define hipótesis nula y alternativa, y explica cómo plantearlas y contrastarlas usando estadísticos de prueba y reglas de decisión con un nivel de significación dado. Incluye ejemplos de pruebas para medias, proporciones y bondad de ajuste a una distribución.
El documento describe el método cuantitativo en la investigación social. Explica que este método se originó en el positivismo de autores como Comte y Durkheim, y que busca explicar fenómenos sociales a través de grandes cantidades de datos recolectados mediante encuestas y sondeos. También describe los diferentes tipos de investigación cuantitativa como las experimentales, cuasiexperimentales y no experimentales, así como técnicas de análisis de datos empleadas.
El documento presenta tres alternativas estratégicas para la comercialización y producción de una nueva línea de tractores para jardín y uso doméstico: Agresiva, Básica y Cautelosa. La estrategia Agresiva implica una gran inversión en planta, inventarios y publicidad nacional. La estrategia Básica incluye trasladar la producción y enfocarse en productos populares con publicidad local. La estrategia Cautelosa usa capacidad sobrante con inventarios y publicidad mínimos.
Este documento describe los conceptos y métodos clave del análisis de decisiones. Explica que el análisis de decisiones se utiliza para desarrollar la estrategia óptima cuando se enfrenta a múltiples alternativas de decisión e incertidumbre sobre los resultados futuros. Luego presenta un ejemplo de la compañía PDC que debe decidir el tamaño de un nuevo proyecto de condominios considerando la incertidumbre sobre la demanda futura. El documento describe cómo PDC podría analizar esta decisión usando herramientas
Este documento presenta diferentes métodos cuantitativos para la toma de decisiones bajo condiciones de riesgo e incertidumbre. Explica conceptos clave como tablas de decisión, valor esperado, árboles de decisión y diferentes criterios como maximax, maxmin, minimax e intermedio. Luego ilustra estos métodos con tres ejemplos numéricos de problemas de decisión que involucran estimar la demanda futura y elegir entre alternativas. El objetivo es aplicar estas técnicas para seleccionar la mejor solución o alternativa
El documento describe el árbol de decisiones como una técnica para analizar decisiones secuenciales basadas en resultados y probabilidades. Explica que los árboles de decisiones tienen nodos de decisión, nodos de incertidumbre, ramas y componentes como probabilidades, resultados y alternativas. Luego, presenta varios ejemplos de problemas de toma de decisiones que pueden resolverse usando árboles de decisiones.
Este documento presenta una introducción a la teoría de decisiones y su importancia en la toma de decisiones administrativas bajo condiciones de incertidumbre. Explica los componentes clave de un árbol de decisiones, incluyendo alternativas, eventos, probabilidades y resultados. También muestra un ejemplo de cómo construir y analizar un árbol de decisiones para determinar la mejor opción entre aceptar una oferta de seguros o ir a juicio.
El documento habla sobre las habilidades de pensamiento orientadas a líderes, consultores y gerentes. Menciona la abstracción, toma de decisiones y resolución de problemas. También presenta a Diego Galvis, un ingeniero y matemático con certificaciones en gestión de proyectos, servicios de TI e información de negocios. El documento explica cada habilidad y provee ejemplos para ilustrar conceptos como abstracción, resolución de problemas y árboles de decisión.
Este documento describe los diferentes métodos y conceptos relacionados con la toma de decisiones en empresas. Explica el proceso de toma de decisiones, incluyendo la definición del problema, generación de alternativas, evaluación y selección de la mejor alternativa. También describe métodos como árboles de decisión, curvas de utilidad, decisiones secuenciales y toma de decisiones con múltiples objetivos.
Este documento presenta los conceptos clave de la toma de decisiones, incluyendo diferentes enfoques (árboles de decisión, curvas de utilidad, decisiones secuenciales, objetivos múltiples), etapas del proceso de decisión, y factores a considerar (agente decisor, objetivos, preferencias, estrategia, situación, resultado). También define términos como decisión programable vs no programable y cubre temas como incertidumbre y riesgo.
Este documento describe las unidades didácticas y contenidos de una asignatura sobre herramientas para la toma de decisiones. La asignatura cubre teoría de decisiones, cadenas de Markov, líneas de espera, teoría de juegos y simulación. La primera unidad cubre teoría de decisiones y cadenas de Markov. Las sesiones incluyen conceptos básicos, árboles de decisión y matrices de decisión.
El documento presenta una sesión sobre análisis de decisiones. Se discuten temas como árboles de decisión, experimentación, y probabilidades a priori y a posteriori. La sesión concluye con una actividad colaborativa sobre un problema de toma de decisiones que involucra comprar cajas de fresas.
Este documento describe cómo construir y resolver un árbol de decisión para determinar cuál de dos planes de lanzamiento de un nuevo perfume es más conveniente. El árbol de decisión incluye nodos de decisión, donde se eligen alternativas, y nodos de evento, donde ocurren situaciones fuera del control con probabilidades asociadas. Al resolver el árbol, la campaña agresiva de TV resultó tener el mayor valor esperado neto de $270,000.
1. El documento describe diferentes herramientas para la toma de decisiones como procesos de toma de decisiones, fundamentos de la toma de decisiones, tablas de decisión, árboles de decisión, y métodos como el sinergético y la matriz ponderada.
2. Se explican conceptos como alternativas, estados de la naturaleza, y valores condicionales para la toma de decisiones bajo riesgo e incertidumbre.
3. Se detallan tres criterios para la toma de decisiones bajo incertidumbre: maxim
Este documento presenta una introducción a la resolución de problemas y la toma de decisiones. Define el concepto de resolución de problemas y describe el ciclo básico que incluye la identificación, definición, análisis y resolución de problemas. También discute diferentes tipos de problemas, herramientas para la toma de decisiones como los criterios de Laplace, optimista y pesimista, y conceptos como la incertidumbre y las decisiones secuenciales. El objetivo general es proporcionar una visión general de los principios y métodos clave invol
El documento presenta una introducción a la resolución de problemas. Define el concepto de problema y describe el ciclo básico de resolución de problemas, que incluye la identificación, definición, análisis, generación de soluciones alternativas, evaluación y selección de la mejor solución, así como la implementación y revisión. También discute diferentes tipos de problemas, enfoques de toma de decisiones y herramientas para la resolución de problemas bajo incertidumbre.
El documento presenta diferentes criterios para la toma de decisiones bajo condiciones de riesgo, incluyendo maximizar el valor esperado y minimizar la varianza. Explica cómo calcular el valor esperado y la varianza de una variable aleatoria, y provee un ejemplo numérico para ilustrar los cálculos. También discute otros criterios como el principio del más probable futuro y el principio del nivel esperado.
Este documento presenta un caso práctico sobre la elaboración de un árbol de decisiones para una tienda de computadoras que debe decidir entre ampliar su local actual, mudarse a otro lugar o esperar sin hacer cambios. El árbol evalúa las diferentes opciones considerando los costos, ingresos y probabilidades de crecimiento para determinar que la mejor decisión es esperar sin hacer cambios por el momento.
El documento presenta cinco ejercicios resueltos sobre árboles de decisión. En cada ejercicio, se describe un problema de negocios con múltiples opciones y se construye un árbol de decisión para determinar la alternativa con el mayor valor monetario esperado.
El documento presenta una introducción a la teoría de toma de decisiones bajo condiciones de incertidumbre. Explica los pasos para tomar decisiones, incluyendo identificar alternativas y estados de la naturaleza, determinar los resultados esperados, y evaluar las alternativas según algún criterio. También describe métodos como minimax, maximax, promedio de Laplace, y valor esperado para seleccionar la mejor alternativa cuando los resultados futuros son inciertos.
El documento presenta una introducción a los conceptos y métodos para la toma de decisiones bajo condiciones de incertidumbre y riesgo. Explica brevemente los criterios estocásticos y no estocásticos para la evaluación de alternativas, así como los conceptos de estados de la naturaleza, alternativas de decisión, matriz de pagos y diagramas de árbol. Finalmente, describe diferentes criterios como el valor esperado, maximax, maximin y Laplace para la selección de la mejor alternativa.
Similar a Analisis de desiciones con informacion muestral (20)
Suavizamiento exponencial y analisis de tendenciaEmmanuel Chulin
El documento describe métodos de suavización exponencial y análisis de tendencia para pronósticos. La suavización exponencial produce pronósticos como una media ponderada de valores actuales y pasados, con pesos que disminuyen exponencialmente. El análisis de tendencia usa regresión lineal para modelar la relación entre una variable dependiente y el tiempo, produciendo una ecuación de tendencia para pronósticos futuros. El documento provee ejemplos numéricos de cómo aplicar ambos métodos.
Este documento explica los conceptos básicos de las series de tiempo y su análisis. Las series de tiempo son conjuntos de datos recolectados para una variable a lo largo de varios períodos de tiempo. El propósito del análisis es predecir valores futuros basados en observaciones pasadas. Todas las series de tiempo contienen cuatro componentes: tendencia, variación estacional, variación cíclica e irregular. Existen dos modelos para representar series de tiempo: el modelo aditivo y el modelo multiplicativo. Las técnicas de suavizamiento como los pro
El documento describe el modelo de regresión múltiple para dos o más variables independientes. Explica que los coeficientes de las variables independientes se representan como las pendientes del plano de regresión y que el error estándar de estimación y el coeficiente de determinación múltiple miden la fuerza de la relación entre la variable dependiente y las independientes. También cubre el procedimiento ANOVA para evaluar si alguna variable independiente está relacionada con la dependiente y las pruebas individuales de los coeficientes de regresión.
El documento define los números índices y describe varios tipos como el índice de Laspeyres y Paasche. Los números índices miden cambios en variables como precios y producción entre períodos, y son útiles para comparaciones. Se usan comúnmente en economía para medir inflación, como el Índice Nacional de Precios al Consumidor en México.
Este documento explica la descomposición de series de tiempo, la cual permite identificar componentes como tendencia, estacionalidad, ciclicidad e irregularidad. Esto permite reconstruir la serie y hacer pronósticos. Incluye un ejemplo de cómo calcular los índices estacionales trimestrales de los ingresos de un criadero de perros.
Este documento describe los conceptos básicos de regresión y correlación. La regresión establece una relación funcional entre una variable dependiente y una o más variables independientes. La correlación mide la fuerza de la relación entre variables. Existen diferentes tipos de regresión como la simple, múltiple, lineal y curvilínea. Los mínimos cuadrados ordinarios se usan para estimar los parámetros de la recta de regresión que mejor se ajusta a los datos.
El documento habla sobre el análisis y diseño de puestos en una organización. Explica que el análisis de puestos consiste en obtener, evaluar e organizar información sobre los puestos para crear descripciones y especificaciones de puestos. También describe diferentes métodos para obtener datos como entrevistas, cuestionarios y observación. Finalmente, discute cómo los análisis de puestos permiten establecer niveles de desempeño y diseñar puestos de manera más eficiente.
El documento describe los desafíos que enfrentan los departamentos de recursos humanos a nivel internacional debido a la globalización, incluyendo la migración laboral, ejecutivos en otros países y visas de trabajo. También discute modalidades empresariales internacionales como joint ventures, alianzas estratégicas, adquisiciones y franquicias. Finalmente, cubre temas como la selección, capacitación, compensación y retención de empleados internacionales, así como los desafíos de administrar recursos humanos en un contexto global
El documento describe los desafíos del entorno laboral en el siglo XXI, incluyendo la competencia global más aguda, los rápidos cambios tecnológicos, demográficos y sociales, y la necesidad de que las organizaciones respondan proactivamente y evalúen constantemente estos cambios. También discute temas como el acoso sexual, la discriminación y las responsabilidades de los empleadores para prevenir y abordar estas cuestiones.
El documento define el capital humano como los conocimientos de los empleados que brindan una ventaja competitiva a la organización. Explica que la administración de recursos humanos busca lograr la eficiencia, eficacia y productividad mediante el reclutamiento, capacitación y retención del personal adecuado. Sus objetivos incluyen contribuir al éxito de la organización y satisfacer las necesidades del personal y la sociedad.
El documento resume el teatro renacentista en Italia, la comedia del arte en el siglo XVI, y el teatro isabelino en Inglaterra en los siglos XVI y XVII. En Italia, el teatro estaba destinado a la nobleza y carecía de alma, mientras que la comedia del arte se desarrolló como teatro popular para el pueblo basado en la improvisación. En Inglaterra, el teatro religioso dio paso a obras seculares influenciadas por dramaturgos como Marlowe y Shakespeare, y el teatro floreció cultural y económicamente durante este periodo.
El teatro medieval surgió en Europa después de la caída del Imperio Romano, cuando la Iglesia Católica usó obras religiosas como la misa para enseñar y unificar a los pueblos. Estas obras se representaban inicialmente dentro de las iglesias y luego fuera, tratando temas bíblicos como la Pasión de Cristo. Con el tiempo, el teatro medieval se hizo más secular e incluyó géneros como los misterios, milagros y autos sacramentales, además de obras profanas realizadas por bufones y
La tragedia griega fue cultivada por los tres grandes trágicos: Esquilo, Sófocles y Eurípides. En Roma, Séneca retomó las tragedias griegas y las tradujo al latín, aunque se cree que sus obras estaban destinadas más a la lectura que a la representación teatral. La comedia griega floreció con Aristófanes y Menandro, quienes se centraron en tipos humanos y situaciones cómicas de la sociedad para satirizar costumbres y vicios mediante el enredo y el
El documento describe los sistemas reproductores masculino y femenino. Explica que el objetivo de la reproducción es la formación del óvulo y el espermatozoide, el desarrollo del feto y el nacimiento de un bebé. Describe la anatomía y función de los órganos reproductores masculinos y femeninos, incluida la producción de espermatozoides y óvulos, las hormonas involucradas y el ciclo menstrual.
El documento describe el sistema circulatorio y sus componentes principales. Explica que la sangre está compuesta de plasma, glóbulos rojos, glóbulos blancos y plaquetas, y que cada uno desempeña un papel importante. Describe los tres tipos de vasos sanguíneos - arterias, capilares y venas - y sus funciones en el transporte de oxígeno y nutrientes a los tejidos y la remoción de dióxido de carbono. También explica el papel del corazón en bombear la sangre de manera continua a trav
El sistema urinario está formado por los riñones, uréteres, vejiga urinaria y uretra. Los riñones filtran la sangre para eliminar desechos a través de las nefronas, y la orina resultante pasa a la vejiga a través de los uréteres para almacenarse y luego expulsarse a través de la uretra. Los riñones también ayudan a regular la presión sanguínea y el pH al eliminar iones.
El sistema respiratorio está compuesto de pulmones, vías respiratorias y el diafragma. El aire entra por la nariz o boca y viaja a los pulmones a través de la tráquea y bronquios, los cuales se ramifican en bronquiolos y alvéolos donde ocurre el intercambio de oxígeno y dióxido de carbono. La respiración es un proceso involuntario controlado por el cerebro que responde a los niveles de dióxido de carbono en la sangre y hace mover los mú
El documento describe el proceso de digestión en el sistema digestivo humano, incluyendo la ingestión de alimentos, digestión mecánica y química a lo largo del tracto digestivo, y la absorción de nutrientes en el intestino delgado. Las enzimas en la saliva, estómago, páncreas e hígado descomponen los alimentos en moléculas más pequeñas, y las vellosidades en el intestino delgado absorben los nutrientes para su uso en el cuerpo. Los residuos no digeridos pasan al intestino grueso y
1. - Toma de decisiones con
probabilidades
- Análisis del riesgo y la
sensibilidad
- Análisis de decisiones con
información muestral
2. Pittsburgh Development Corporation (PDC) compro
un terreno donde construirá un nuevo complejo de
condominios de lujo. PDC planea asignar precios a las
unidades de condominios individuales entre $300,000
y $1,400,000. PDC encargó los planos arquitectónicos
pare tres proyectos diferentes: con 30 condominios,
con 60 condominios y con 90 condominios.
El éxito financiero depende del tamaño del complejo
de condominios y el evento fortuito concerniente a la
demanda que tengan los mismos. El problema de
decisión de PDC es seleccionar el tamaño del nuevo
proyecto de condominios de lujo que generara mayor
utilidad dada la incertidumbre de la demanda.
3. • Datos importantes:
• - Tiene 3 alternativas:
• d1=Un complejo pequeño con 30 condominios
• d2=Un complejo pequeño con 60 condominios
• d3=Un complejo pequeño con 90 condominios
• - El evento fortuito relativo a la demanda de los
condominios tiene dos estados de naturaleza:
S1=demanda fuerte para los condominios
S2=demanda débil para los condominios
• - Utilizando el método del valor esperado se encontró
que el complejo de condominio grandes (d3) con un
VE = $14.2 mdd era la decisión recomendada.
5. Estado de la naturaleza
Alternativa de decisión
8 7
14 5
20 -9
Tabla de Resultados para el proyecto de PDC (en millones de dólares)
Para determinar una estrategia de decisión para PDC,
observemos la tabla de resultados:
6. De acuerdo con esto, cuando la información perfecta
este disponible podremos establecer una estrategia de
decisión óptima para PDC como sigue:
7. ¿Cuál es el valor
esperado para esta
estrategia de
decisión?
VEcIP = 0.8 (20) + 0.2 (7) = $
17.4,
donde:
VEcIP = Valor esperado con
información perfecta
VEsIP = 0.8 (20) + 0.2 (-9) = $
14.2,
donde:
VEsIP = Valor esperado sin
información perfecta
En general el VEIP se calcula
como sigue:
VEIP = | VEcIP – VEsIP |
Como VEcIP = 17.4 y VEsIP =
14.2,
VEIP = $ 17.4 – $ 14.2 = $ 3.2,
donde:
VEIP = Valor esperado de la
información perfecta
8. ¿Esto que nos da a
conocer, qué significa?
Es un indicador máximo que
convendría pagar por conseguir
información adicional antes de
actuar (tomar una decisión).
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.
Esta decisión es la que genera
una menor pérdida para el
tomador de decisiones.
Representa el valor esperado
adicional que puede obtenerse si
se cuenta con información
perfecta
Por lo que el valor de que PDC conozca el nivel de aceptación
en el mercado antes de elegir una alternativa de decisión es de
$ 3.2 mdd
9. • El análisis de la sensibilidad ayuda al tomador de
decisiones al describir cómo los cambios en las
probabilidades del estado de la naturaleza o los
cambios en los resultados afectan la alternativa de
decisión recomendada.
• Si un cambio pequeño en el valor de una de las
entradas provoca un cambio en la alternativa de
decisión recomendada, la solución para el problema
de análisis de decisiones es sensible a esa entrada
en particular.
• Por el contrario, si un cambio de modesto a grande
en el valor de una de las entradas no suscita un
cambio en la alternativa de decisión recomendada, la
solución para el problema del análisis de decisiones
no es sensible a esa entrada en particular.
10. • Un enfoque para el análisis de sensibilidad es
seleccionar diferentes valores para las
probabilidades de los estados de la naturaleza y los
resultados, y luego resolver el problema del análisis
de decisiones.
• Si la alternativa de decisión cambia recomendada
cambia, sabemos que la solución es sensible a los
cambios hechos.
12. • En el análisis de resultados tenemos 2 eventos
fortuitos relativos a dos estados de la demanda.
S1= Demanda fuerte
S2= Demanda débil
13. • Supongamos que seamos optimistas y tengamos la
probabilidad de que la demanda será fuerte es de 0.8
y si es débil es de 0.2.
Calculamos el valor esperado con las 3 alternativas de
decisión:
Por lo tanto encontramos que el complejo de
condominios grande con un valor esperado de $14.2
millones, es la decisión recomendada.
El valor esperado de $14.2 millones en d3, se toma de
una probabilidad de 0.8 para 20 millones y una
probabilidad de 0.2 de obtener una perdida de -9
millones.
14. • Si se cambia la probabilidad para una demanda
fuerte a 0.2 y para una demanda débil a 0.8.
¿Cambiaría la alternativa de decisión recomendada?
•
VE (d1) = 0.2 (8) + 0.8 (7) = 7.2
VE (d2) = 0.2 (14) + 0.8 (5) = 6.8
VE (d3) = 0.2 (20) + 0.8 (-9) = -3.2
•
Con este cambio en la probabilidad la decisión
recomendada sería construir condominios pequeños
con un valor esperado de $7.2 millones y ahora la
alternativa d3 se vuelve menos favorable con una
pérdida de -3.2 millones.
• Tenemos que cuando la demanda fuerte es grande a
la compañía le conviene construir un complejo
grande y cuando la probabilidad de la demanda es
pequeña deberá construir el complejo pequeño.
15. • Al aplicar el método del valor esperado, nos damos
cuenta cómo la información de la probabilidad sobre
los estados de naturaleza afecta a los cálculos del
valor esperado y , por tanto, a la decisión sugerida.
Generalmente, los que toman las decisiones hacen
evaluaciones preliminares o de probabilidad previa
para los estados. Sin embargo, es posible que para
tomar una mejor decisión quiera buscar información
adicional. Esto con el fin de revisar o actualizar las
probabilidades anteriores, de modo que al decidir se
base en probabilidades más precisas.
• Estas información adicional se obtiene
frecuentemente por medio de experimentos
diseñados para obtener información muestral.
16. • Como ejemplo de estos experimentos están: el
muestreo de materias primas, las pruebas de
productos y la investigación de mercados. A las
probabilidades resultantes de estos estudios se les
llaman probabilidades posteriores.
• Retomemos el ejemplo presentado:
• Suponga que la gerencia de PDC considera una
investigación de mercados de seis meses para saber
más acerca de la posible aceptación del proyecto de
condominios en el mercado. Para eso la gerencia
anticipa que dicha investigación brindará uno de los
siguientes resultados:1. Informe favorable: Un número significativo de las
personas entrevistadas expresó interés por comprar
un condominio de PDC.
2. Informe desfavorable: Muy pocas de las personas
entrevistadas expresaron interés por comprar un
condominio de PDC.
17. Mediante este diagrama podemos notar que los nodos de decisión
corresponden a la investigación y al tamaño del complejo; los nodos
fortuitos a los resultados de la investigación ya la demanda de los
condominios; y por último el nodo de consecuencia son las utilidades. A
partir de los arcos del diagrama podemos darnos cuenta de que nodos
influyen en otros.
Con estos datos podemos elaborar un diagrama de influencia:
Tamaño del
complejo
Utilidade
s
Investigación
Demanda
Resultados
de la
investigació
n
18. El árbol de decisión para el problema de PDC es el
siguiente:
Primero, la gerencia debe decidir si la investigación de
mercados se realiza o no.
- Si se hace, la gerencia debe tomar una decisión
respecto al tamaño del proyecto de condominios si el
informe de la investigación de mercados es favorable
y, posiblemente, una decisión diferente si el informe
es desfavorable.
19. En cada nodo de decisión, la
rama del árbol que se
considera se basa en la
decisión elegida.
En cada nodo fortuito, la
rama del árbol que se
considera se basa en la
probabilidad o el azar.
Como ya sabemos, los
cuadrados son nodos de
decisión y los círculos son
nodos fortuitos.
20. • El análisis de árbol de decisión requiere que se conozcan las
probabilidades de las ramas que corresponden a todos los
nodos fortuitos.
• PDC ha desarrollado las siguientes probabilidades de ramas:
Si se realiza la investigación de mercados:
P(Informe favorable) = 0.77
P (Informe desfavorable) = 0.23
- Si el informe es favorable:
P (Demanda fuerte dado un informe favorable) = 0.94
P (Demanda débil dado un informe favorable) = 0.06
- Si el informe es desfavorable :
P (Demanda fuerte dado un informe desfavorable) = 0.35
P (Demanda débil dado un informe desfavorable) = 0.65
Si la investigación de mercados no se realiza:
P (Demanda fuerte) = 0.80
P (Demanda débil) = 0.20
21.
22. ESTRATEGIA DE
DECISIÓN
ES UNA SECUENCIA DE
DECISIONES Y RESULTADOS
FORTUITOS DONDE LAS
DECISIONES ELEGIDAS
DEPENDEN DE LOS
RESULTADOS AÚN POR
DETERMINAR DE LOS
EVENTOS FORTUITOS.
23. Se basa en avanzar
en sentido inverso
por el árbol de
decisión siguiendo
estos pasos:
1. En los nodos fortuitos calcule el valor esperado
mediante la multiplicación del resultado final de cada
rama por las probabilidades de rama
correspondientes.
2. En los nodos de decisión, seleccione la rama de
decisión que conduzca al mejor valor esperado, el
cual se vuelve el valor esperado del nodo de decisión.
24. 1
3
5 13
2
14
6
8
7
10
11
12
Investigació
n de
mercados
Sin investigación
de mercados
9
4
VE = 0.94 (8) + 0.06 (7) =
7.94
VE = 0.94 (14) + 0.06 (5) =
13.46
VE = 0.94 (20) + 0.06 (-9) = 18.26
VE = 0.35 (8) + 0.65 (7) = 7.35
VE = 0.35 (14) + 0.65 (5) = 8.15
VE = 0.35 (20) + 0.65 (-9) = 1.15
VE = 0.80 (8) + 0.20 (7) = 7.80
VE = 0.80 (14) + 0.20 (5) = 12.20
VE = 0.80 (20) + 0.20 (-9) = 14.20
PASO 1
Informe
Favorable
0.77
Informe
desfavorable
0.23
26. 1
5
2
Investigació
n de
mercados
Sin
investigación de
mercados
VE = 14.20
VE (Nodo2) = 0.77 VE(Nodo 3) + 0.23 VE
(Nodo 4) = 0.77 (18.26) + 0.23 (8.15) = 15.93
La decisión óptima para PDC es realizar la investigación de mercados y
luego implementar la siguiente estrategia de decisión:
- Si la investigación de mercados es
favorable, construir el complejo de condominios
grande.
- Si la investigación de mercados es
desfavorable, construir el complejo de condominios
mediano.
27. 1
3
2
8
10
Investigación
de mercados
4
Informe
Favorable
0.77
Informe
desfavorabl
e 0.23
20
5
14
-9
0.94
0.06
0.35
0.65
Al poner en práctica la estrategia de decisión óptima PDC
obtendrá uno de los cuatro resultados señalados en las ramas
terminales. Como un perfil de riesgo muestra los resultados
posibles con sus probabilidades asociadas, para construir un
perfil de riesgo para la estrategia de decisión óptima, hay que
calcular la probabilidad para cada uno de los cuatro resultados.
28. Resultado (Millones de
dólares)
Probabilidad
-9 (0.77)(0.06) = 0.05
5 (0.23)(0.65) = 0.15
14 (0.23)(0.35) = 0.08
20 (0.77)(0.94) = 0.72
1.00
REPRESENTACIÓN TABULAR DEL PERFIL DE
RIESGO
REPRESENTACIÓN GRÁFICA DEL PERFIL DE
RIESGO
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
-9 5 14 20
29. • Como en el problema de PDC, la investigación de
mercados es la información muestral utilizada para
determinar la estrategia de decisión óptima, el
cálculo del valor esperado de la información
muestral (VEIM) se realiza de la siguiente manera:VEIM = | VEcIM – VEsIM|
donde:
VEIM = Valor esperado de la información
muestral
VEcIM = Valor esperado con información
muestral
VEsIM = Valor esperado sin información
muestral
Entonces el valor esperado de la información muestral para PDC,
VEIM = | $15.93 – $14.20 | = $ 1.73
30. PERO, ¿QUÉ
SIGNIFICA EL
VEIM?
Esto sugiere que PDC debe estar
dispuesta a pagar hasta $ 1.73 mdd
para realizar la investigación de
mercados.
EFICIENCIA DE LA INFORMACIÓN MUESTRAL
Podemos utilizar una medida de la eficiencia para expresar el valor de
la información de la investigación de mercados. Con la información
perfecta teniendo una estimación de eficiencia de 100%, la estimación
de eficiencia E para la información muestral se calcula como sigue:
31. • Anderson, David R. et al. (2011). Métodos
cuantitativos para los negocios. México:
Cengage Learning. 11ª edición.
• Anderson, David R. et al. (2011). Estadística para
administración y economía. México: Cengage
Learning. 11ª edición.
• Bustos Farías, Eduardo (Septiembre, 2009). El valor
esperado de la información perfecta. Obtenido en
http://www.angelfire.com/ak5/bustosfarias/clase3
4.pdf