TEORÍA DE DECISIONES

CARACTERÍSTICAS GENERALES DE LA TEORÍA DE DECISIONES

La teoría de decisiones puede definirse como el análisis lógico y cuantitativo de todos los factores que afectan los resultados de una decisión en un mundo incierto.

La toma de decisión es también un proceso durante el cual la persona debe escoger entre dos o más alternativas. Todos y cada uno de nosotros pasamos los días y las horas de nuestra vida teniendo que tomar decisiones. Algunas decisiones tienen una importancia relativa en el desarrollo de nuestra vida, mientras otras son gravitantes en ella.

En los administradores, el proceso de toma de decisión es sin duda una de las mayores responsabilidades.

La toma de decisiones en una organización se circunscribe a una serie de personas que están apoyando el mismo proyecto. Debemos empezar por hacer una selección de decisiones, y esta selección es una de las tareas de gran trascendencia.

Con frecuencia se dice que las decisiones son algo así como el motor de los negocios y en efecto, de la adecuada selección de alternativas depende en gran parte el éxito de cualquier organización.

Los administradores consideran a veces la toma de decisiones como su trabajo principal, porque constantemente tienen que decidir lo que debe hacerse, quién ha de hacerlo, cuándo y dónde, y en ocasiones hasta cómo se hará. Sin embargo, la toma de decisiones sólo es un paso de la planeación, incluso cuando se hace con rapidez y dedicándole poca atención o cuando influye sobre la acción sólo durante unos minutos.

4.2 CRITERIOS DE DECISIÓN DETERMINISTICOS Y PROBABILÍSTICAS

Posted by equip4 in Uncategorized. Dejar un comentario

Modelos Probabilísticos: De los Datos a un Conocimiento Decisivo

El conocimiento es lo que sabemos. La información es la comunicación de conocimientos. En cada intercambio de conocimientos, hay un remitente y un receptor. El remitente hace común lo que es privado, hace la información, la comunicación. La información se puede clasificar como formas explícitas y tácitas. La información explícita se puede explicar de forma estructurada, mientras que la información tácita es inconsistente e imprecisa de explicar.

Los datos son conocidos como información cruda y no como conocimientos en sí. La secuencia que va desde los datos hasta el conocimiento es (observe el siguiente cuadro): de los Datos (Data) a la Información (Information), de la Información (Information) a los Hechos (Facts), y finalmente, de los Hechos (Facts) al Conocimiento (Knowledge). Los datos se convierten en información, cuando se hacen relevantes para la toma de decisión a un problema. La información se convierte en hecho, cuando es respaldada por los datos. Los hechos son lo que los datos revelan. Sin embargo el conocimiento instrumental es expresado junto con un cierto grado estadístico de confianza

Modelos Probabilísticos: De los Datos a un Conocimiento Decisivo

El conocimiento es lo que sabemos. La información es la comunicación de conocimientos. En cada intercambio de conocimientos, hay un remitente y un receptor. El remitente hace común lo que es privado, hace la información, la comunicación. La información se puede clasificar como formas explícitas y tácitas. La información explícita se puede explicar de forma estructurada, mientras que la información tácita es inconsistente e imprecisa de explicar.

Los datos son conocidos como información cruda y no como conocimientos en sí. La secuencia que va desde los datos hasta el conocimiento es (observe el siguiente cuadro): de los Datos (Data) a la Información (Information), de la Información (Information) a los Hechos (Facts), y finalmente, de los Hechos (Facts) al Conocimiento (Knowledge). Los datos se convierten en información, cuando se hacen relevantes para la toma de decisión a un problema. La información se convierte en hecho, cuando es respaldada por los datos. Los hechos son lo que los datos revelan. Sin embargo el conocimiento instrumental es expresado junto con un cierto grado estadístico de confianza

Proceso de Toma de Decisiones Estadísticas

A diferencia de los procesos de toma de decisiones determinísticas tal como, optimización lineal resuelto mediante sistema de ecuaciones, sistemas paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las variables son normalmente más numerosos y por lo tanto más difíciles de medir y controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:

1. Simplificar

2. Construir un modelo de decisión

3. Probar el modelo

4. Usando el modelo para encontrar soluciones:

• El modelo es una representación simplificada de la situación real

• No necesita estar completo o exacto en todas las relaciones

• Se concentra en las relaciones fundamentales e ignora las irrelevantes.

• Este es entendido con mayor facilidad que un suceso empírico (observado), por lo tanto permite que el problema sea resuelto con mayor facilidad y con un mínimo de esfuerzo y pérdida de tiempo.

Análisis de Decisiones: Tomando Decisiones Justificables y Defendibles

Proceso de Toma de Decisiones Estadísticas

A diferencia de los procesos de toma de decisiones determinísticas tal como, optimización lineal resuelto mediante sistema de ecuaciones, sistemas paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las variables son normalmente más numerosos y por lo tanto más difíciles de medir y controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:

1. Simplificar

2. Construir un modelo de decisión

3. Probar el modelo

4. Usando el modelo para encontrar soluciones:

•El modelo es una representación simplificada de la situación real

•No necesita estar completo o exacto en todas las relaciones

•Se concentra en las relaciones fundamentales e ignora las irrelevantes.

•Este es entendido con mayor facilidad que un suceso empírico (observado), por lo tanto permite que el problema sea resuelto con mayor facilidad y con un mínimo de esfuerzo y pérdida de tiempo.

El modelo puede ser usado repetidas veces para problemas similares, y además puede ser ajustado y modificado

El análisis de decisiones es la disciplina que consiste en evaluar alternativas complejas en términos de valores (habitualmente en $ porque es lo que a los gerentes les importa) y de incertidumbre (lo que no conocemos). El análisis de decisiones brinda información sobre las diferencias entre las alternativas definidas, y genera sugerencias de nuevas y mejores alternativas. Usamos números para cuantificar valores e incertidumbres subjetivas, lo cual nos permite comprender la situación de decisión. Los resultados numéricos deben reconvertirse para generar información cualitativa.

Los seres humanos pueden comprender, comparar y manipular números. Por lo tanto, para crear un modelo de análisis de decisiones es necesario crear la estructura del modelo y asignar las probabilidades y los valores para poblar el modelo de computación. Aquí se incluyen los valores para las probabilidades, las funciones de valor para evaluar alternativas, las ponderaciones de valor para medir la concesión que se debe hacer entre los objetivos, y la preferencia de riesgo.

4.3 ÁRBOL DE DECISIÓN

Posted by equip4 in Uncategorized. Dejar un comentario

Es un modelo de predicción utilizado en el ámbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema.

Un árbol de decisión tiene unas entradas las cuales pueden ser un objeto o una situación descrita por medio de un conjunto de atributos y a partir de esto devuelve una respuesta la cual en últimas es una decisión que es tomada a partir de las entradas. Los valores que pueden tomar las entradas y las salidas pueden ser valores discretos o continuos. Se utilizan más los valores discretos por simplicidad, cuando se utilizan valores discretos en las funciones de una aplicación se denomina clasificación y cuando se utilizan los continuos se denomina regresión.

Un árbol de decisión lleva a cabo un test a medida que este se recorre hacia las hojas para alcanzar así una decisión. El árbol de decisión suele contener nodos internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un test sobre algún valor de una de las propiedades. Un nodo de probabilidad indica que debe ocurrir un evento aleatorio de acuerdo a la naturaleza del problema, este tipo de nodos es redondo, los demás son cuadrados. Un nodo hoja representa el valor que devolverá el árbol de decisión y finalmente las ramas brindan los posibles caminos que se tienen de acuerdo a la decisión tomada.

De forma más concreta, refiriéndonos al ámbito empresarial, podemos decir que los árboles de decisión son diagramas de decisiones secuenciales nos muestran sus posibles resultados. Éstos ayudan a las empresas a determinar cuales son sus opciones al mostrarles las distintas decisiones y sus resultados. La opción que evita una pérdida o produce un beneficio extra tiene un valor. La habilidad de crear un opción, por lo tanto, tiene un valor que puede ser comprado o vendido.

El árbol de decisión es un diagrama que representan en forma secuencial condiciones y acciones; muestra qué condiciones se consideran en primer

...