Professional Documents
Culture Documents
OPERACIONES
Teora de Decisiones
Jos Luis Martnez Pichardo
Instituto Tecnolgico de Celaya
MODELOS DE
DECISIN
MODELOS DE DECISIN
DECISIN:
varias.
TIPOS PRINCIPALES DE DECISIONES:
1. Bajo certidumbre.
2. En las que puede utilizarse informacin previa
para calcular probabilidades.
3. En las que no existe informacin previa que
permita calcular probabilidades.
TOMA DE DECISIONES
BAJO CERTIDUMBRE
Aquellas
MODELOS DE DECISIN
Terminologa:
RBOLES DE DECISIN
EJEMPLO
Una
MODELO DE DECISIN DE
MAXIMIZACIN DEL PAGO PROMEDIO
O CRITERIO DE LAPLACE
Concepto
MODELO DE PROBABILIDADES
SUBJETVAS
Concepto
VALOR DE LA INFORMACION
PERFECTA (VIP)
Es lo que estara dispuesto a pagar el tomador de decisiones por
obtener informacin adicional sobre cuales sern las circunstancias
reales.
Procedimiento:
1. Calcular el VMEIP, Valor Monetario Esperado de la
Informacin Perfecta, utilizando la ecuacin
VMEIP = Oij pj j=1, 2, ..., n
VALOR DE LA INFORMACIN
PERFECTA (VIP)
2. Calcular el VIP, Valor de la Informacin
ANLISIS BAYESIANO
En el anlisis bayesiano se combinan los
datos previos (o probabilidades subjetivas)
con datos muestrales o de prueba, utilizando
la frmula desarrollada por el ministro
ingls Thomas Bayes.
ANLISIS BAYESIANO
Procedimiento:
1. Elaborar una Tabla de Resultados que contenga
las consecuencias monetarias de las diversas
decisiones.
2. Elaborar una Tabla de Probabilidades de
Prueba, es decir, P(El resultado de la prueba
ser R|el resultado real fue N) y un conjunto de
probabilidades previas P(N), para cada estado de
la naturaleza.
ANLISIS BAYESIANO
Procedimiento:
3. Elaborar una Tabla Modificada Probabilidades
Conjuntas, P(R|N) P(N), multiplicando cada
elemento de cada rengln de la Tabla de
Probabilidades de Prueba por la probabilidad
previa correspondiente de estado de la
naturaleza, P(N). Sumar las probabilidades
resultantes de cada rengln, las cuales son ahora
P(R).
ANLISIS BAYESIANO
Procedimiento:
4. Elaborar una Tabla de Probabilidades
Posteriores (a Posteriori) o Tabla de
Pronsticos, P(N|R), dividiendo cada elemento
de la Tabla Modificada de Probabilidades
Conjuntas entre la suma de su rengln, es
decir, P(R|N) P(N) / P(R).
ANLISIS BAYESIANO
Procedimiento:
5. Calcular por separado el VME Mximo para
cada resultado de prueba, utilizando la Tabla de
Resultados (paso 1) y las probabilidades
posteriores (paso 4) correspondientes a ese
resultado de prueba.
ANLISIS BAYESIANO
Procedimiento:
6. Calcular el VME De la Prueba multiplicando el
VME Mximo para cada resultado de prueba por
la probabilidad de que ocurra ese resultado,
P(R), y sumando todos estos resultados.
7. Calcular el Valor Neto de la prueba mediante la
diferencia entre el VME de la Prueba y el VME
Mximo Posible sin la prueba.
ANLISIS BAYESIANO
EFICIENCIA DE LA INFORMACIN DE PRUEBA
Una medida de eficiencia para expresar el valor de la informacin de prueba
se calcula de la siguiente manera:
E = (Valor Neto / VIP) (100)
Evaluaciones de eficiencia bajas pueden hacer que
el tomador de decisiones busque otros tipos de informacin.
Por otro lado, las evaluaciones altas de eficiencia indican
que la informacin de prueba es casi tan buena como la
informacin perfecta, y que no deberan considerarse como
necesarias otras fuentes adicionales de informacin.
EJEMPLO DE ANLISIS
BAYESIANO
Vincent Fox, Vicepresidente de Mercadotecnia de la Super
Cola est considerando cul de los dos planes de publicidad
debe utilizar para un nuevo refresco de cola sin cafena. El
Plan I costara $500,000, en tanto que un enfoque ms
conservador, el Plan II, costara slo $100,000. En la tabla
siguiente se muestran las utilidades brutas (antes de la
publicidad) proyectadas para el nuevo refresco, para cada uno
de los planes, y bajo dos posibles estados de la naturaleza
(aceptacin completa del producto y aceptacin limitada).
EJEMPLO DE ANLISIS
BAYESIANO
Plan de
publicidad
Plan I
Plan II
Estado de la naturaleza
Aceptacin Aceptacin
limitada
completa
$ 400,000 $1,000,000
$ 300,000 $ 500,000
Utilidades brutas