SlideShare una empresa de Scribd logo
1 de 13
Herramientas de Análisis en la
Toma de Decisiones
2015
¿DECISIÓN?
DECISIÓN
PARÁMETROS
Conocidos
Inciertos
Variables
Relaciones
RESULTADOS
Calculados
Estimados
Valores
Criterios
Procesamiento
Análisis
Elección
ANÁLISIS DE DECISIÓN
DECISIÓN
Situación Real
Conocimiento
Bases de datos
Información
Inicial
Alternativas
Valores
Distribuciones
Información
de Salida
Modelaje
Matemático
Acciones
Planes
Estategias
Supuestos
Muestras
Predicciones
Análisis
PROBABILIDAD
Mediciónde
FrecuenciaRelativa
Posible
Vs.
Probable S
Probable
Mediciónde
FrecuenciaClásica
¿Qué es? Medida de la certeza con la que va a ocurrir
un evento específico
PROBABILIDAD
¿Cómo se mide?
Medición entre la cantidad de veces que se obtiene el
evento específico contra la cantidad de eventos posibles.
Es una medida de frecuencia.
Posibilidad
Vs.
Probabilidad
S = Conjunto de eventos posibles
S = {a1, a2, a3, …, an}
PROBABILIDAD DE UN EVENTO INDEPENDIENTE:
X = { xi = ai donde i cumple con C}
c = cantidad de aciertos; n = cantidad de eventos posibles (en S); m= repeticiones
ESPACIO
MUESTRAL:
P(X) =
c
n
Frecuencia Clásica
P(X) es contable
P(X) = lim m
c
m
Frecuencia Relativa
P(X) con incertidumbre
Técnicas de
Conteo
Para determinar los
tamaños de E y S
PROBABILIDAD
Variables
Básico CombinatoriaPermutación
m·n n!
n
r
n!
(n-r)!r!( )=
Valores desconocidos que se requieren para la
toma de una decisión
Variables
de Decisión
Variables
Aleatorias
Modelos determinísticos
Se deciden sus valores y se evalúan
Modelos con incertidumbre
Sus valores se desconocen y tienen
influencia en las decisiones
Sujetas a una función de probabilidad
Básico • El consejo estudiantil quiere elegir su comité directivo. El comité debe tener un estudiante
de cada año. El consejo esta compuesto por 3 estudiantes de 1er año, 4 de 2º, 5 de 3º y 2
de 4º ¿Cuántas opciones de comité son posibles?
• ¿Cuántas placas es posible emitir en Colombia?
• ¿Cuántas resultados es posible obtener al lanzar tres dados?
PROBABILIDAD
Permutaciones • ¿Cuántos ordenes de bateo hay en un equipo de Baseball de 9 jugadores?
• Hay 4 libros de matemáticas, 3 de química, 2 de historia, 1 de español. ¿De cuántas formas
se f pueden organizar en una estantería? ¿De cuántas si deben ir primero los temas que
más libros tienen? ¿De cuántas, si todos los libros del mismo tema deben estar juntos?
• En un torneo de ajedrez compiten 4 rusos, 3 estadounidenses, 2 británicos y 1 de Brasil.
¿Cuántos posibles resultados existen si el torneo lista solo las nacionalidades?
Combinatoria
• Cuántos grupos de 3 letras se pueden formar con las letras ABCDE.
• De un grupo de 20 personas se debe seleccionar un comité de 4 ¿cuántas comités
diferentes podrían formarse?
• De un grupo de 5 mujeres y 7 hombres ¿Cuántos posibilidades hay para crear un comité de
2 mujeres y 3 hombres?
Variables
aleatorias
discretas
TIPOS DE VARIABLES ALEATORIAS
S es finito o infinito numerable.
Su función de probabilidad asigna una probabilidad específica para cada
valor del espacio muestral.
X es v.a. con función de distribución discreta G(X)
Valor esperado : E = ∑i
para todo i xi · G(xi)
Variables
aleatorias
continuas
S es continuo.
Su función de probabilidad es continua y por lo tanto no se puede
determinar la probabilidad de que X tome un valor exacto.
Se usa la función de probabilidad acumulada
X es v.a. con función de distribución continua F(X)
Valor esperado : E = ∫i
i=0 xi · G(xi)dx
Variables
aleatorias
discretas
FUNCIONES DE PROBABILIDAD
Función de distribución
de probabilidad del
lanzamiento de un dado
Variables
aleatorias
continuas
Función de distribución
Normal
Función de distribución
Uniforme
Forma
MODELAJE MATEMÁTICO
y = m·x + b
F(x) = k + ∑n
i=0 a i ·xi
Modelo lineal simple
Modelo lineal
general
Constantes
b, k
Número real.
Pueden ser 0.
Parámetros
Conocidos
Estimados: funciones de probabilidad,
coeficientes
Variables
x, xi
Decididas
Caracterizadas: función de probabilidad
Muestra
m, ai
TIPOS DE MUESTRA
Variables BasesdeDatos
Puntuales Observaciones Registros
Seriesdetiempo Variación Variación
Tipodegráfica Dispersión Tendencia
Relaciónentrevariables Ninguna Anclados
Características
Todas las entradas deben medir eventos de la misma naturaleza.
Puede haber dependencia del tiempo.
En bases de datos debe haber relación entre las muestras de cada
variable
Requerimientos
Independencia
Significancia
Coherencia en la representación
TIPOS DE MUESTRA
Edad
27
25
31
29
37
Edad Años
de
estudio
Peso
27 5 62
25 5 75
31 8 69
29 6 59
37 10 55
.
.
.
.
.
.
.
.
.
.
.
.
Variables BasesdeDatos
Peso
E 62,5
F 61,9
M 63
A 62,4
M 62,1
Utilidad FV
200
5
$105 20
200
6
$104,3 28
200
7
$108 17
200
8
$108,7 21
200
9
$108.6 21
.
.
.
Variables BasesdeDatos
.
.
.
.
.
.
.
.
.
.
.
.
Seriesde tiempo
TIPOS DE MODELOS
Modelos
Determinísticos
Modelos
Probabilísticos
ModelosEstadísticos
Parámetros Conocidos Conocidos Desconocidos
Variables Calculadas Valores desconocidos.
Funciones de probabilidad
conocidas
Muestras
Usos Sus resultados se usan
como decisiones.
Sus resultados se usan como
criterio de decisión.
Simulación.
Pronósticos.
Estimación.
Simulación.
Ejemplos Programación Lineal
Heurísticas
Árboles de decisión
Diagramas de influencia
Modelos Estocásticos
Regresión Lineal
Modelos
Autoregresivos

Más contenido relacionado

La actualidad más candente

Distribución de bernoulli ejercicios
Distribución de bernoulli ejerciciosDistribución de bernoulli ejercicios
Distribución de bernoulli ejerciciosAurora Sanchez Caro
 
Probability distributions and its applications
Probability distributions and its applicationsProbability distributions and its applications
Probability distributions and its applicationsEdgar Mata
 
Cesar vilchez variables aleatorias
Cesar vilchez variables aleatoriasCesar vilchez variables aleatorias
Cesar vilchez variables aleatoriasCesar Vilchez
 
Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01Milder AC
 
Ejercicios bernoulli binomial
Ejercicios bernoulli binomialEjercicios bernoulli binomial
Ejercicios bernoulli binomialCarol Ramos
 
UNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.ppt
UNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.pptUNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.ppt
UNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.pptWENDY FABIAN
 
Guia estadistica
Guia estadisticaGuia estadistica
Guia estadisticaInstitute
 

La actualidad más candente (18)

S5 conceptos básicos de probabilidad I
S5 conceptos básicos de probabilidad IS5 conceptos básicos de probabilidad I
S5 conceptos básicos de probabilidad I
 
S5 conceptos básicos de probabilidad CEA
S5 conceptos básicos de probabilidad CEAS5 conceptos básicos de probabilidad CEA
S5 conceptos básicos de probabilidad CEA
 
Probabilidad1
Probabilidad1Probabilidad1
Probabilidad1
 
Probabilidad1
Probabilidad1Probabilidad1
Probabilidad1
 
Probabilidad1
Probabilidad1Probabilidad1
Probabilidad1
 
Estadistica ii
Estadistica iiEstadistica ii
Estadistica ii
 
Distribución de bernoulli ejercicios
Distribución de bernoulli ejerciciosDistribución de bernoulli ejercicios
Distribución de bernoulli ejercicios
 
Estadistica Aplicada
Estadistica AplicadaEstadistica Aplicada
Estadistica Aplicada
 
Probability distributions and its applications
Probability distributions and its applicationsProbability distributions and its applications
Probability distributions and its applications
 
Cesar vilchez variables aleatorias
Cesar vilchez variables aleatoriasCesar vilchez variables aleatorias
Cesar vilchez variables aleatorias
 
Estadistica 1 Santiago Mariño
Estadistica 1 Santiago Mariño Estadistica 1 Santiago Mariño
Estadistica 1 Santiago Mariño
 
Estadistica inferencial
Estadistica inferencialEstadistica inferencial
Estadistica inferencial
 
Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01
 
Ejercicios bernoulli binomial
Ejercicios bernoulli binomialEjercicios bernoulli binomial
Ejercicios bernoulli binomial
 
UNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.ppt
UNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.pptUNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.ppt
UNIDAD 2 DISTRIBUCIÓN DE PROBABILIDAD.ppt
 
Guia estadistica
Guia estadisticaGuia estadistica
Guia estadistica
 
Tareas
TareasTareas
Tareas
 
Ejemplos
EjemplosEjemplos
Ejemplos
 

Similar a Herramientas de decisión

analisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
analisisestadistico-090317160604-phpapp01, evisar los sesgos.pptanalisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
analisisestadistico-090317160604-phpapp01, evisar los sesgos.pptProfeJaime2
 
19 exposicion de simulacion unidad iii
19 exposicion de simulacion unidad iii19 exposicion de simulacion unidad iii
19 exposicion de simulacion unidad iiiXavier Nievez
 
9. Construir experimentos séptimo. básico.pptx
9. Construir experimentos séptimo. básico.pptx9. Construir experimentos séptimo. básico.pptx
9. Construir experimentos séptimo. básico.pptxCatalinaDelzo
 
VARIABLES ALEATORIAS .DIST PROBAB.pdf
VARIABLES ALEATORIAS .DIST PROBAB.pdfVARIABLES ALEATORIAS .DIST PROBAB.pdf
VARIABLES ALEATORIAS .DIST PROBAB.pdfAlbert-Montilla
 
MIC_Unidad 4 - Sesión 6 (1).pptx
MIC_Unidad 4 - Sesión 6 (1).pptxMIC_Unidad 4 - Sesión 6 (1).pptx
MIC_Unidad 4 - Sesión 6 (1).pptxDANIELMOYA54
 
ProPro.pptx
ProPro.pptxProPro.pptx
ProPro.pptxThalaB
 
Intro a la epidemio clase 4
Intro a la epidemio clase 4Intro a la epidemio clase 4
Intro a la epidemio clase 4Ariel Aranda
 
Intro a la epidemio clase 4
Intro a la epidemio clase 4Intro a la epidemio clase 4
Intro a la epidemio clase 4Ariel Aranda
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidadArtemio Villegas
 
Clase1 estadística preceptores
Clase1 estadística preceptoresClase1 estadística preceptores
Clase1 estadística preceptoresAlejandra Camors
 
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdfESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdfJohan Delgado Toro
 
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdfESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdfJohan Delgado Toro
 
Unidad I, Estadística II
Unidad I, Estadística IIUnidad I, Estadística II
Unidad I, Estadística IIboliveros
 

Similar a Herramientas de decisión (20)

Probabilidad
Probabilidad Probabilidad
Probabilidad
 
analisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
analisisestadistico-090317160604-phpapp01, evisar los sesgos.pptanalisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
analisisestadistico-090317160604-phpapp01, evisar los sesgos.ppt
 
19 exposicion de simulacion unidad iii
19 exposicion de simulacion unidad iii19 exposicion de simulacion unidad iii
19 exposicion de simulacion unidad iii
 
9. Construir experimentos séptimo. básico.pptx
9. Construir experimentos séptimo. básico.pptx9. Construir experimentos séptimo. básico.pptx
9. Construir experimentos séptimo. básico.pptx
 
VARIABLES ALEATORIAS .DIST PROBAB.pdf
VARIABLES ALEATORIAS .DIST PROBAB.pdfVARIABLES ALEATORIAS .DIST PROBAB.pdf
VARIABLES ALEATORIAS .DIST PROBAB.pdf
 
MIC_Unidad 4 - Sesión 6 (1).pptx
MIC_Unidad 4 - Sesión 6 (1).pptxMIC_Unidad 4 - Sesión 6 (1).pptx
MIC_Unidad 4 - Sesión 6 (1).pptx
 
ProPro.pptx
ProPro.pptxProPro.pptx
ProPro.pptx
 
ProPro.ppt
ProPro.pptProPro.ppt
ProPro.ppt
 
Power tics
Power ticsPower tics
Power tics
 
Intro a la epidemio clase 4
Intro a la epidemio clase 4Intro a la epidemio clase 4
Intro a la epidemio clase 4
 
Intro a la epidemio clase 4
Intro a la epidemio clase 4Intro a la epidemio clase 4
Intro a la epidemio clase 4
 
Tema5 ud3
Tema5 ud3Tema5 ud3
Tema5 ud3
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Clase1 estadística preceptores
Clase1 estadística preceptoresClase1 estadística preceptores
Clase1 estadística preceptores
 
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdfESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
 
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdfESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
ESP. MATEMÁTICA G.J. 30-09-2022 2.pdf
 
SesióN 16
SesióN 16SesióN 16
SesióN 16
 
Unidad I, Estadística II
Unidad I, Estadística IIUnidad I, Estadística II
Unidad I, Estadística II
 
3eso quincena11
3eso quincena113eso quincena11
3eso quincena11
 
dispersion.pdf
dispersion.pdfdispersion.pdf
dispersion.pdf
 

Herramientas de decisión

  • 1. Herramientas de Análisis en la Toma de Decisiones 2015
  • 3. ANÁLISIS DE DECISIÓN DECISIÓN Situación Real Conocimiento Bases de datos Información Inicial Alternativas Valores Distribuciones Información de Salida Modelaje Matemático Acciones Planes Estategias Supuestos Muestras Predicciones Análisis
  • 5. ¿Qué es? Medida de la certeza con la que va a ocurrir un evento específico PROBABILIDAD ¿Cómo se mide? Medición entre la cantidad de veces que se obtiene el evento específico contra la cantidad de eventos posibles. Es una medida de frecuencia. Posibilidad Vs. Probabilidad S = Conjunto de eventos posibles S = {a1, a2, a3, …, an} PROBABILIDAD DE UN EVENTO INDEPENDIENTE: X = { xi = ai donde i cumple con C} c = cantidad de aciertos; n = cantidad de eventos posibles (en S); m= repeticiones ESPACIO MUESTRAL: P(X) = c n Frecuencia Clásica P(X) es contable P(X) = lim m c m Frecuencia Relativa P(X) con incertidumbre
  • 6. Técnicas de Conteo Para determinar los tamaños de E y S PROBABILIDAD Variables Básico CombinatoriaPermutación m·n n! n r n! (n-r)!r!( )= Valores desconocidos que se requieren para la toma de una decisión Variables de Decisión Variables Aleatorias Modelos determinísticos Se deciden sus valores y se evalúan Modelos con incertidumbre Sus valores se desconocen y tienen influencia en las decisiones Sujetas a una función de probabilidad
  • 7. Básico • El consejo estudiantil quiere elegir su comité directivo. El comité debe tener un estudiante de cada año. El consejo esta compuesto por 3 estudiantes de 1er año, 4 de 2º, 5 de 3º y 2 de 4º ¿Cuántas opciones de comité son posibles? • ¿Cuántas placas es posible emitir en Colombia? • ¿Cuántas resultados es posible obtener al lanzar tres dados? PROBABILIDAD Permutaciones • ¿Cuántos ordenes de bateo hay en un equipo de Baseball de 9 jugadores? • Hay 4 libros de matemáticas, 3 de química, 2 de historia, 1 de español. ¿De cuántas formas se f pueden organizar en una estantería? ¿De cuántas si deben ir primero los temas que más libros tienen? ¿De cuántas, si todos los libros del mismo tema deben estar juntos? • En un torneo de ajedrez compiten 4 rusos, 3 estadounidenses, 2 británicos y 1 de Brasil. ¿Cuántos posibles resultados existen si el torneo lista solo las nacionalidades? Combinatoria • Cuántos grupos de 3 letras se pueden formar con las letras ABCDE. • De un grupo de 20 personas se debe seleccionar un comité de 4 ¿cuántas comités diferentes podrían formarse? • De un grupo de 5 mujeres y 7 hombres ¿Cuántos posibilidades hay para crear un comité de 2 mujeres y 3 hombres?
  • 8. Variables aleatorias discretas TIPOS DE VARIABLES ALEATORIAS S es finito o infinito numerable. Su función de probabilidad asigna una probabilidad específica para cada valor del espacio muestral. X es v.a. con función de distribución discreta G(X) Valor esperado : E = ∑i para todo i xi · G(xi) Variables aleatorias continuas S es continuo. Su función de probabilidad es continua y por lo tanto no se puede determinar la probabilidad de que X tome un valor exacto. Se usa la función de probabilidad acumulada X es v.a. con función de distribución continua F(X) Valor esperado : E = ∫i i=0 xi · G(xi)dx
  • 9. Variables aleatorias discretas FUNCIONES DE PROBABILIDAD Función de distribución de probabilidad del lanzamiento de un dado Variables aleatorias continuas Función de distribución Normal Función de distribución Uniforme
  • 10. Forma MODELAJE MATEMÁTICO y = m·x + b F(x) = k + ∑n i=0 a i ·xi Modelo lineal simple Modelo lineal general Constantes b, k Número real. Pueden ser 0. Parámetros Conocidos Estimados: funciones de probabilidad, coeficientes Variables x, xi Decididas Caracterizadas: función de probabilidad Muestra m, ai
  • 11. TIPOS DE MUESTRA Variables BasesdeDatos Puntuales Observaciones Registros Seriesdetiempo Variación Variación Tipodegráfica Dispersión Tendencia Relaciónentrevariables Ninguna Anclados Características Todas las entradas deben medir eventos de la misma naturaleza. Puede haber dependencia del tiempo. En bases de datos debe haber relación entre las muestras de cada variable Requerimientos Independencia Significancia Coherencia en la representación
  • 12. TIPOS DE MUESTRA Edad 27 25 31 29 37 Edad Años de estudio Peso 27 5 62 25 5 75 31 8 69 29 6 59 37 10 55 . . . . . . . . . . . . Variables BasesdeDatos Peso E 62,5 F 61,9 M 63 A 62,4 M 62,1 Utilidad FV 200 5 $105 20 200 6 $104,3 28 200 7 $108 17 200 8 $108,7 21 200 9 $108.6 21 . . . Variables BasesdeDatos . . . . . . . . . . . . Seriesde tiempo
  • 13. TIPOS DE MODELOS Modelos Determinísticos Modelos Probabilísticos ModelosEstadísticos Parámetros Conocidos Conocidos Desconocidos Variables Calculadas Valores desconocidos. Funciones de probabilidad conocidas Muestras Usos Sus resultados se usan como decisiones. Sus resultados se usan como criterio de decisión. Simulación. Pronósticos. Estimación. Simulación. Ejemplos Programación Lineal Heurísticas Árboles de decisión Diagramas de influencia Modelos Estocásticos Regresión Lineal Modelos Autoregresivos