El documento describe el árbol de decisión, incluyendo sus orígenes, características, clasificaciones, y cómo se pueden utilizar para la toma de decisiones. Un árbol de decisión es una representación gráfica de eventos y decisiones que surgen de una decisión inicial, y ayuda a analizar las consecuencias probables de diferentes opciones para tomar la decisión más informada.

1. Árbol de decisión CONFERENCISTA Alexander Márquez Vega

3. Morgan y Messenger (1979)SurveyResearch Center del Institutefor Social Research de la universidad de Michigan. El programa AID (AutomaticInteractionDetection), de Sonquist, Baker y Morgan (1971), fue uno de los primeros métodos de ajuste de los datos basados en arboles de clasificación.

6. Árbol de decisión Su nombre proviene de la forma que adopta el modelo, parecido a un árbol. El modelo está conformado por múltiples nodos cuadrados, que representan puntos de decisión, y de los cuales surgen ramas (que deben leerse de izquierda a derecha), que representan las distintas alternativas. Las ramas que salen de nodos circulares, o casuales, representan los eventos.

7. Árbol de decisión CARACTERISTICAS Un árbol de decisión es una forma gráfica y analítica de representar todos los eventos (sucesos) que pueden surgir a partir de una decisión asumida en cierto momento. Nos ayuda a tomar la decisión “más acertada”, desde un punto de vista probabilístico, ante un abanico de posibles soluciones. Permite desplegar visualmente un problema y organizar el trabajo de cálculos que deben realizarse.

8. Árbol de decisión proveen un método efectivo para la toma de decisiones debido a que: Claramente plantean el problema para que todas las opciones sean analizadas. Permiten analizar totalmente las posibles consecuencias de tomar una decisión. Proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que suceda. Nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las mejores suposiciones.

9. Árbol de decisión CLASIFICACION Arboles de decisión binario: Según Breiman(1984) consiste en un proceso de decisión multietápico.

10. Árbol de decisión Arboles de juego: Es una aplicación del árbol de decisión, puesto que se genera el árbol de acuerdo al nivel de previsión y cada jugador va decidiendo que jugada le conviene más de acuerdo a le evaluación de una determinada posición.

11. Árbol de decisión Arboles de decisión utilizados en sistemas expertos Fuente: http://users.dsic.upv.es/asignaturas/facultad/apr/decision.pdf

12. Árbol de decisión COMO DIBUJAR UN ARBOL DE DECISION

13. Árbol de decisión 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.

14. Árbol de decisión EJERCICIO DE ARBOL DE DECISION La empresa DMG comercializadora de productos alimenticios, desea implementar un sistema de atención de enviarle las compras a los clientes en las casas, para implementar esta nueva modalidad de atención al cliente, la empresa realizo los estudios de ingresos y costos correspondientes, los cuales arrojaron las siguientes cifras tal como se detallan a continuación.

15. Árbol de decisión Sistema Antiguo Sistema Nuevo Ingresos Probabilidad ingresos Probabilidad $ 3.000.000 60% $ 4.000.000 70% $ 4.000.000 30% $5.000.000 20% $ 5.000.000 10% $6.000.000 10%

16. Árbol de decisión Cifras de costo: Sistema Antiguo Sistema Nuevo Costo Fijo Costo Fijo $400.000 $600.000 Costo Variable Costos Variables 10% por pesos vendidos 5% por pesos vendidos

17. Árbol de decisión

18. Árbol de decisión

20. Es valida sea cual fuera la naturaleza de las variables explicativas: continuas, binarias nominales, u ordinales.

21. Es una técnica no paramétrica que tiene en cuenta las interacciones que pueden existir entre los datos.

22. Es computacionalmente rápido.

24. Dificultad para elegir el árbol óptimo.

25. Ausencia de una función global de las variables y como consecuencia perdida de la representación.

26. Los arboles de decisión requieren un gran número de datos para asegurarse que la cantidad de las observaciones de los nodos (hoja) es significativa.

27. Árbol de decisión ALEXANDER MARQUEZ VEGA GERALDINE VIVEROS RAMOS ELICENIA ARAGON LEON MEDARDO CASTELLANOS MACHADO ALEXANDRA MAESTRE OÑATE DAVID PUMAREJO ARIAS LINA OLIVELLA SANTIAGO GUSTAVO DAZA MURILLO WILFRIDO GAVIRIA HERNANDEZ SANDRA LEAL PEÑA CARELIS MIELES MIELES MARIA ANGELICA CORONEL DAZA Gracias