Características generales de la teoría de decisiones

INSTITUTO TECNOLÓGICO SUPERIOR DE CALKINIEN EL ESTADO DE CAMPECHE

NOMBRE DE LA CARRERA

INGENIERÍA INDUSTRIAL

Séptimo Semestre

NOMBRE DE LA ASIGNATURA

INVESTIGACIÓN DE OPERACIONES II

Integrantes Matricula Número asignado Calificación X Expositor

López Chio Perla J. 1700

Chi Balam Francisco J. 1702

Canul Dzul Geremias 1739

Zamora Hernández Ángel 1716

Calificación de Investigación Documental

CALKINI, CAMPECHE A SEPTIEMBRE 2010

ÍNDICE

Objetivos…………………………………………………………………………………….

Introducción…………………………………………………………………………..……..

Contenido

3.1 Características generales de la teoría de decisiones………………….…………

3.2 Criterios de decisión Determinísticos y Probabilísticas………………………….

3.3 Valor de la información perfecta………………………………………….………….

3.4 Árboles de decisión……………………………………………………...…………….

3.5 Teoría de utilidad……………………………………………………………..………..

3.6 Análisis de sensibilidad………………………………………………………...…….

3.7 Uso de programas de computación…………………………………………..……..

Conclusión………………………………………………………………………….............

Bibliografía…………………………………………………………………………………..

Anexos………………………………………………………………………………..……...

3

4

8

15

17

18

23

26

30

33

35

37

OBJETIVOS

UNIDAD 3.- TEORÍA DE DECISIÓN

Objetivo General:

Identificará yaplicará losconceptos básicos yla metodologíaadecuada para latoma de decisionesracional, ante lapresencia deincertidumbre, coninformación o sinella.

Objetivos Específicos:

1. Explicar las características generales de latoma de decisiones.

2. Conocer y aplicar los criterios de decisióndeterminísticos y Probabilísticas.

3. Utilizar el Valor de la información perfecta.

4. Analizar problemas utilizando árboles dedecisión.

5. Aplicar la teoría de utilidad.

Competencia especifica a desarrollar

Aplicar las técnicas de la teoría de decisiones para modelos deterministas y probabilistas.

Resolver las etapas concernientes al problema bajo estudio.

Establecer las conclusiones correspondientes para la toma de decisiones.  

INTRODUCCIÓN

3.1 Características generales de la teoría de decisiones.

El análisis de decisión proporciona un soporte cuantitativo a los tomadores de decisiones en todas las áreas tales como ingenieros, analistas en las oficinas de planificación, agencias públicas, consultores en proyectos de gerencia, planificadores de procesos de producción, analistas financieros y de economía, expertos en diagnósticos de soportes medico y tecnológicos e infinidad de otras áreas.

3.2 Criterios de decisión Determinísticos y Probabilísticas.

En los modelos determinísticos, una buena decisión es juzgada de acuerdo a los resultados. Sin embargo, en los modelos probabilísticos, el gerente no esta preocupado solamente por los resultados, sino que también con la cantidad de riesgo que cada decisión acarrea.

Como un ejemplo de la diferencia entre los modelos probabilísticos versus determinísticos, considere el pasado y el futuro: Nada que hagamos ahora puede cambiar el pasado, pero cualquier cosa que hacemos influencia y cambia el futuro, a pesar de que el futuro tiene un elemento de incertidumbre. Los gerentes se encuentran mucho mas cautivados por darle forma al futuro que por la historia pasada.

El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones, ya sea que el problema es enfrentado en una compañía, en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria. En muy pocas situaciones de toma de decisiones existe información perfectamente disponible – todos los hechos necesarios.- La mayoría de las decisiones son hechas de cara a la incertidumbre. La probabilidad entra en el proceso representando el; rol de sustituto de la certeza – un sustituto para el conocimiento completo.

Los modelos probabilísticas están ampliamente basados en aplicaciones estadísticas para la evaluación de eventos incontrolables (o factores), así como también la evaluación del riesgo de sus decisiones. La idea original de la estadística fue la recolección de información sobre y para el Estado. La palabra estadística no se deriva de ninguna raíz griega o latina, sino de la palabra italiana state. La probabilidad tiene una historia mucho más larga. LaProbabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan fácil de obtener o entender. La palabra "prueba" tiene el mismo origen el cual proporciona los detalles necesarios para entender lo que se requiere que sea cierto.

Los modelos probabilísticas son vistos de manera similar que a un juego; las acciones están basadas en los resultados esperados. El centro de interés se mueve desde un modelo determinísticos a uno probabilística usando técnicas estadísticas subjetivas para estimación, prueba y predicción. En los modelos probabilísticos, el riesgo significa incertidumbre para la cual la distribución de probabilidad es conocida. Por lo tanto, la evaluación de riesgo significa un estudio para determinar los resultados de las decisiones junto a sus probabilidades.

Los tomadores de decisiones generalmente se enfrentan a severa escasez de información. La evaluación de riesgo cuantifica la brecha de información entre lo que es conocido y lo que necesita saber para tomar una decisión óptima. Los modelos probabilístico son utilizados para protegerse de la incertidumbre adversa, y de la explotación de la propia incertidumbre.

3.3 Valor de la información perfecta.

Como parte del análisis de sensibilidad podemos calcular el valor de la información perfecta para incertidumbres que han sido modelizadas explícitamente.

Entre las comparaciones cuantitativas adicionales se incluye la comparación directa de la utilidad ponderada para dos alternativas en todos los objetivos y la comparación de todas las alternativas en dos objetivos seleccionados, demostrando la optimización de Pareto para estos dos objetivos.

Esta información se puede utilizar para determinar la estrategia de comercialización óptima de una empresa. Así, el valor esperado con la información perfecta (VECIP) se encuentra dibujando un árbol de decisión en el que quien toma la decisión cuenta con información perfecta acerca de qué estado ocurrió antes de tomar una decisión

3.4 Árboles de decisión.

El árbol de decisiones es una representación cronológica del proceso de decisión, mediante una red que utiliza dos tipos de nodos: los nodos de decisión, representados por medio de una forma cuadrada (el nodo de elección), y los nodos de estados de la naturaleza, representados por círculos (el nodo de probabilidad).

Podemos calcular el valor de un nodo del árbol cuando tenemos el valor de todos los nodos que siguen. El valor de un nodo de elección es el valor más alto de todos los nodos que le siguen inmediatamente. El valor de un nodo de probabilidad es el valor esperado de los valores de los nodos que le siguen, usando la probabilidad de los arcos. Retrocediendo en el árbol, desde las ramas hacia la raíz, se puede calcular el valor de todos los nodos, incluida la raíz del árbol

3.5 Teoría de utilidad.

Una función de utilidad transforma el uso de un resultado en un valor numérico que mide la valoración personal del resultado. La utilidad de un resultado puede estar dentro de una escala comprendida

El objetivo es representar la función funcional entre las entradas en la matriz monetaria y los resultados obtenidos anteriormente de la matriz de utilidad

3.6 Análisis de sensibilidad.3.7 Uso de programas de computación.

El análisis de sensibilidad es importante por varias razones. Los valores de los parámetros de un PL podrían cambiar en varias aplicaciones. Por ejemplo, los precios a los cuales se venden los soldados y los trenes podrían cambiar asi como la disponibilidad de las horas de carpintería y acabado. Si cambia un parámetro, mediante el análisis de sensibilidad, es innecesario resolver el problema de nuevo. Por ejemplo, si la contribución a la utilidad por parte de un soldado se incremento a 3.50 dólares, ya no tendríamos que resolver de nuevo el problema de Giapetto, por que la solución actual sigue siendo optima. Naturalmente, resolver otra vez el problema ya no representaría mucho trabajo, pero revolver un PL con miles de variables y restricciones es otra cosa. Conocer el análisis de sensibilidad posibilita a menudo al análisis a determinar, a partir de la solución original, cual es el cambio que sufre la solución óptima cuando se modifican los parámetros de un PL.

Recuerde que podría haber incertidumbre en los valores de los parámetros de un PL, por ejemplo la

...