FACULTAD DE INGENIERIA INDUSTRIAL,

SISTEMA E INFORMATICA
TOMA DE DESICIONES APLICADO EN LA
TIENDA Daro Ropa & Accesorios

DOCENTE:

DR. Alcibiades Sosa

Palomino

INTRODUCCION
Es el proceso durante el cual
la persona debe escoger
entre dos o ms alternativas,
todos a diario tomamos
decisiones relevantes o no.
Ser capaz de tomar buenas
decisiones es una cualidad
valiosa para la carrera y el
desempeo en el trabajo.

MODELO DE TOMA DE
DECISIONES

La teora de decisin est representada en una matriz de

ganancias (o perdida).
Los valores rij son las ganancias (o perdidas) para cada posible
combinacin de decisin con respecto al estado de la

TOMA DE DECISIONES SIN

PROBABILIDADES
Estos
procedimientos
resultan
apropiados
cuando el que toma las
decisiones tiene poca
confianza
en
su
capacidad para evaluar
la probabilidad de los
diversos estados de la

 Piensa
que
con
la
Optimista alternativa
que
tome,
suceder lo mejor para l.
Para maximizar utilidades,
la alternativa elegida ser
aquella que brinda las
utilidades mas altas.
Para
minimizar
un
problema, la alternativa
elegida ser aquella que
5

El conservador
Evala cada alternativa de decisin,
tomando el peor resultado que pueda
ocurrir. La alternativa decisoria que se
recomienda es la mejor de las peores
consecuencias posibles es decir:
Para un problema de maximizacin le
corresponde el max (min)
Para un problema de minimizacin le
corresponde el min (max)

Pesimist
a

El decisor piensa que tome

la alternativa que tome,
suceder lo peor para l.
Se determina el resultado
ms desfavorable con cada
estrategia. Se selecciona la
estrategia que ofrece el ms
favorable de todos los
determinados.
CRP-3-Resolucin de problemas

TOMA DE DECISIONES CON

PROBABILIDADES
Estos
procedimientos
resultan
apropiados
cuando el que toma las
decisiones tiene poca
confianza
en
su
capacidad para evaluar
la probabilidad de los
diversos estados de la

RITERIO DE PROBABILIDAD MAXIMA

Se centra en el estado de la
naturaleza con mayor probabilidad.
Procedimiento:
- Identificar el estado Sj con la
probabilidad a priori p(Sj) mayor.
- Elegir la alternativa de decisin
que tiene el mayor pago para este
estado de la naturaleza.

CRITERIO DE IGUAL PROBABILIDAD

Por lo general es difcil tener mucha

fe en las probabilidades a priori; por
ello se asume igual p(Sj) a cada
estado del modelo.
Procedimiento:
a. Para cada alternativa de decisin
calcule el promedio de sus pagos
sobre todos los estados de la
naturaleza.

REGLA DE DECISION DE BAYES

Utiliza el concepto de valor

esperado o esperanza
matemtica
Procedimiento:
a. Para cada alternativa de
decisin calcule el valor
esperado VE (di).
b. Seleccione la alternativa

Dnde:
n es el nmero de posibles estados
de la naturaleza.
p (Sj) es la probabilidad de ocurrencia
del estado de la naturaleza Sj.
Las probabilidades correspondientes
deben satisfacer las siguientes
condiciones:
P( S j ) 0 para todos los estados de la
naturaleza.

METODO VALOR ESPERADO

El valor esperado de una alternativa de solucin es la
suma de resultados ponderados para la alternativa de
solucin. El peso para un resultado es la probabilidad del
estado de la naturaleza asociado y por consiguiente la
probabilidad de que ocurrir el resultado.

VALOR ESPERADO DE LA
INFORMACION PERFECTA (VEdeIP)
Si existe la posibilidad de llevar a cabo un
estudio de investigacin de mercado para
obtener la informacin perfecta, se puede
realizar siempre en cuando no supera el valor
de la informacin perfecta.

PLANTEAMIENTO DEL
PROBLEMA

DESCRIPCION DEL PROBLEMA

El presente trabajo que desarrollamos en la tienda Daro Ropa &
Accesorios que se encuentra ubicado en Av. La Merced N 294 - 2
piso en la cuidad de Huacho, es una empresa brinda el servicio de
venta de ropa y accesorios exclusivamente para Hombres tales
como pantalones, camisas, polos, poleras, zapatillas, gorras,
mochilas, correas, billeteras y etc. La tienda Daro Ropa &
Accesorios debido a que se encuentra muy bien posicionado en el
mercado local y de esta forma generndole ganancias netas. El
gerente desea adquirir un nuevo local fuera de la localidad de
Huacho, de esta forma expandiendo su mercado dentro de la regin
Lima Provincias y para eso plantea una estrategia de decisin que
podr ayudarle a tomar la mejor decisin y de esta manera poder
seguir creciendo en el mercado. Los lugares en donde podra
posicionarse son: Barranca, Huaral y Chancay. Para que pueda
elegir la mejor decisin se aplicar el mtodo aprendido a priori.

LOCAL
Huaral D1
Barranca D2
Chancay D3
P(Sj)

LOCAL

S1
S/.
30000
S/.
40000
S/.
10000
0.4

S2
S/. 27000
S/. 26000
S/. 15000
0.6

CLIENTE POBLACIONAL
Galera 1

Galera 2

Huaral D1

500

400

Barranca D2

800

700

Chancay D3

400

600

SOLUCION DEL
PROBLEMA
TOMA DE DESICIONES SIN PROBABILIDADES
Mtodo Optimista: Mejor(Mejor) o Max(Max)

LOCAL
S1
D1
S/ 30000
D2

S/ 40000

D3

S/ 10000

S2
S/
27000
S/
26000
S/
15000

OPTIMISTA

D1

S/ 30000

D2

S/ 40000

D3

S/ 15000

D2

Mtodo Pesimista: Mejor(Peor) o Max(Min)

LOCAL
S1
D1
S/ 30000
D2

S/ 40000

D3

S/ 10000

S2
S/
27000
S/
26000
S/
15000

OPTIMISTA

D1

S/ 27000

D2

S/ 26000

D3

S/ 10000

D1

D2

Mtodo Costo de Oportunidad: Peor(Mejor) o Min(Max)

LOCAL

S1

S2

D1

S/ 10000

D2

10000

D3

S/ 30000

S/
12000

OPTIMISTA

D1

S/ 10000

D2

S/ 10000

D3

S/ 30000

METODO PRACTICO: CON

PROBABILIDAD
METODO PROBABILIDADES
De la tabla elegimos la mxima probabilidad: 0.6IGUALES
METODO MAXIMA PROBABILIDAD
El mximo valor es: d(2) = 27000

LOCAL

S1

S2

D1

S/ 30000

S/ 27000

D2

S/ 40000

S/ 26000

D3

S/ 10000

S/ 15000

P(Sj)

0.5

0.5

P1 = 0.5(30000) + 0.5 (27000) = 28500

P2 = 0.5(40000) + 0.5 (26000) = 33000
P3 = 0.5(10000) + 0.5 (15000) = 12500

Por los tanto: El mejor valor es 33000 de la

decisin D2

METODO ANALITICO
TEOREMA DE BAYES
LOCAL

S1

S2

D1

S/ 30000

S/ 27000

D2

S/ 40000

S/ 26000

D3

S/ 10000

S/ 15000

P(Sj)

0.4

0.6

P1 = 0.4(30000) + 0.6(27000) = 28208

P2 = 0.4(40000) + 0.6(26000) = 31600
P3 = 0.4(10000) + 0.6(15000) = 11300
El valor esperado de decisin optimo es: VE(d2) = 31600

METODO DEL ARBOL

d1

30000

P(S1) = 0.4

VE (d1) =0.4 (30000) + 0.6 (27000) = 28200

P(S3) = 0.6

20000

40000

P(S1) = 0.4
d2

P(S3) = 0.6

VE (d2) =0.4 (40000) + 0.6 (26000) = 31600

25000

d3

P(S1) = 0.4

10000
VE (d3) =0.45 (10000) + 0.32 (15000) =11300

P(S3) = 0.6

10000

La decisin d2 es el mejor valor optimo: VE(d2)= 31600

VALOR ESPERADO CON INFORMACION PERFECTA

VALOR ESPERADO DE LA INFORMACION PERFECTA

Nota: VE* = Mejor valor optimo

ANALISIS DE SENSIBILIDAD
LOCAL

S1

S2

D1

S/ 30000

S/ 27000

D2

S/ 40000

S/ 26000

D3

S/ 10000

S/ 15000

P(Sj)

0.4

0.6

VE (d1) = 30000(1P) + 27000P

= 30000 30000P + 27000P
= 30000 3000P

VE (d2) = 40000(1P) + 26000P

= 40000 40000P + 26000P
= 40000 14000P

VE (d3) = 10000(1P) + 15000P

= 10000 10000P + 15000P
= 10000 + 5000P

P=0, P=1

P=0, P=1

P=0, P=1

Grfico del Anlisis de Sensibilidad

VE
45000

40000

35000

30000

d1

25000

d2
d3

20000

15000

10000

5000

0,90900

0.2

0.4

0.6

0.8

1.2

HALLANDO EL PUNTO DE INTERSECCION

VE (d1) = VE (d2)
30000 3000P = 40000 14000P
11000P = 10000
P = 0.90909

CONCLUSIO
N
Concluimos con los siguientes resultados:

d2; SI P
[0; d0.9090>
; SI P
1

[0.9090; 1]

Como P=0.6 [0; 0.9090] entonces elegimos la decisin d2