Modelos de Decisin

rboles de Decisin
Los Administradores se enfrentan a los siguientes
situaciones:
Decisiones no se conocen con certeza.
Situaciones probabilsticas sencillas.
Solo puede considerar unos cuantos factores al
mismo tiempo.
Mtodos Cuantitativos crean una estructura, para
organizar y analizar problemas de riesgo complejo.
Historia del Pasado
Este enfoque supone que una buena base para
predecir lo que suceder en el futuro es aquello
que ocurri en el pasado.
Si se puede suponer que el futuro ser parecido
al pasado, las frecuencias relativas se
convierten en las probabilidades de los eventos
futuros.
Juicio Subjetivo
En algunos casos el futuro no ser como el
pasado o quiz no existan datos histricos. En
estas situaciones, las probabilidades se pueden
basar en el juicio subjetivo o mejor dicho en las
creencias personales de los tomadores de
decisiones
Distribucin de Probabilidad Terica
Algunas situaciones se pueden describir por una
distribucin de probabilidad terica como la binomial, la
poisson o la normal.
Existen varias razones por las que una distribucin
determinada puede ser un medio apropiado para
especificar las caractersticas de una situacin
empresarial. Las dos razones principales son la
naturaleza propia de la situacin y el comportamiento
de los datos histricos bajo estudio.
Esperanza Matemtica
Efectivamente puede calcularse la media o
promedio de un conjunto de datos, conociendo
los distintos valores que ocurren y sus
frecuencias relativas. Se har referencia a este
valor promedio como la media de la variable
aleatoria X o la media de la distribucin de
probabilidad de X. Es comn referirse a esta
media como el valor esperado de la variable X
Definicin
Sea X una variable aletoria con distribucin de
probabilidad f(x). La media o valor esperado de
x si es continua:
= E(X) = X f(x) dx
-

Definicin
Sea X una variable aletoria con distribucin de
probabilidad f(x). La media o valor esperado de
x si es discreta:
= E(X) = X f(x)

El gerente de producto de una fabrica de calzado,
est planeando las decisiones de produccin para
la lnea veraniega del prximo ao. Su principal
preocupacin es estimar las ventas de un nuevo
diseo de sandalias. Estas han planteado
problemas en aos anteriores por dos razones: la
estacin limitada de venta no proporciona
suficiente tiempo para que la empresa produzca
una segunda serie de un artculo popular. Los
estilos cambian drsticamente ao con ao y las
sandalias que no se venden pierden todo su valor.
El gerente de producto ha discutido el nuevo
diseo con los vendedores y formul las
siguientes estimaciones de venta:
Pares en miles 45 50 55 60 65
Probabilidad 0.25 0.30 0.20 0.15 0.10
La informacin obtenida del departamento de
produccin revela que un par de sandalias
costar $15 y el departamento de mercadeo ha
informado al gerente que el precio al mayoreo
ser de $30 por sandalia. Usando el criterio del
valor esperado, calcule el nmero de sandalias
que el gerente debe recomendar producir.
rbol de Decisiones
Se usan en situaciones de toma de decisiones
en las que se debe optimizar una series de
decisiones.
Un concepto fundamental en las situaciones que
involucran alternativas de decisin y eventos
secuenciales es que deben identificarse todas
esas alternativas y eventos y analizar de
antemano, si se quiere optimizar las decisiones
Componentes y Estructura
1. Alternativas de Decisin
2. Eventos
3. Probabilidades
4. Resultados
Estos datos se organizan mediante la
estructura de un diagrama de rbol que ilustra
las interacciones posibles entre las desiciones
y los eventos
Inicio del rbol
A
B
C
Nodo de Decisin
En donde las inversiones son:
A = Supermercado mediano
B = Supermercado grande
C = Supermercado pequeo
Aadir los Estados de la Naturaleza, probabilidades de
ocurrencia y ganancias o costos esperados
A
B
C
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
$90k
$50k
$10k
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
$200k
$25k
-$120k
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
$60k
$40k
$20k
Arboles - Anlisis
Metodologa: Derecha a Izquierda pasando por
eventos y puntos de Decisin hasta alcanzar la
secuencia ptima.
Reglas:
En cada nodo se calcula el valor esperado.
En cada punto de decisin se selecciona la
alternativa con el valor esperado ptimo y se
desechan las dems decisiones.
Clculo del Valor Esperado
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
A
$90k
$50k
$10k
EV
A
=.4(90)+.5(50)+.1(10)=$62k
$62k
Solucin
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
A
B
C
Demanda alta (.4)
Demanda media (.5)
Demanda baja (.1)
$90k
$50k
$10k
$200k
$25k
-$120k
$60k
$40k
$20k
$62k
$80.5k
$46k
Ejemplo de rbol de decisiones
Usemos un rbol de decisiones para ayudarle al dueo
y director general de un hotel invernal a decidir como
administrarlo en la prxima temporada. Sus utilidades
durante la estacin de esquiar en el presente ao
dependern de las nevadas que caigan en los meses
invernales. Basndose en su experiencia pasada,
piensa que la distribucin de probabilidad de las
nevadas y la utilidad resultante pueden ser resumidas
en la siguiente tabla:
Tabla con la Distribucin de Frecuencias y sus
Utilidades
Cantidad de
Nieve

Utilidad

Probabilidad de
Ocurrencia

+ de 40 pulgadas

$120.000

0.4

Entre 20 y 40
pulgadas

$40.000

0.2

- de 20 pulgadas

-$40.000

0.4

Hace poco el director recibi una oferta de una gran
cadena hotelera para que dirija un hotel en el invierno,
garantizndole una ganancia de $45.000 durante la
estacin. Tambin ha estado analizando la
conveniencia de arrendar el equipo para producir nieve
en esa estacin. Si arrienda el equipo, el hotel podr
operar todo el tiempo sin importar la cantidad de
nevadas naturales. Si decide emplear la nieve
producida por el equipo para complementar la nieve
natural, su utilidad en la temporada ser de $120.000
menos el costo de arrendamiento y operacin del
equipo productor de nieve.

El costo del arrendamiento ser
aproximadamente de $12.000 por estacin,
prescindiendo de cuanto lo use. El costo de
operacin ser de $10.000 si la nieve natural
tiene ms de 40 pulgadas, $50.000 si flucta
entre 20 y 40 pulgadas; y de $90.000 si es
menor que 20 pulgadas.
Qu debe hacer el propietario del pequeo
hotel?

Cmo Agregar Nueva Informacin?
Muchas veces la toma de decisiones con base en la
experiencia y en el juicio, no son suficientes para poder
llegar a conclusiones satisfactorias que me lleven a
decisiones tiles para las empresas.
En estos casos es conveniente realizar algn tipo de
investigacin que me lleve a mejorar el conocimiento
del fenmeno y me permita tomar mejores decisiones
Cmo Agregar Nueva Informacin?
En estos casos cualquier investigacin de mercados que
la empresa realice, busca mejorar la estimacin de
probabilidades de la ocurrencia de los eventos a los
cuales se enfrenta.
Estas probabilidades mejoradas, representan el posible
resultado de un evento dado la ocurrencia de otro
evento, o sea, estamos hablando de probabilidades
condicionales.
El Teorema de Bayes es por excelencia la herramienta
ms til en la estadstica para estimar dichas
probabilidades
Teorema de Bayes
Regla de Bayes: Si los eventos B1, B2, ...., Bk
constituyen una divisin del espacio muestral S,
donde P(B)0 para i = 1, 2, ..., k entonces para
cualquier evento A en S es tal que P(A)0
P(Br/A) =
P(Br) P(A/Br)
P(Bi) P(A/Bi)
Ejemplo del teorema de Bayes.
Se ha nominado ha tres miembros de un club privado nacional
para ocupar la presidencia del mismo. La probabilidad de que
se elija al seor Adams es de 0.3; que se elija al seor Brown
es de 0.5 y de que gane la seora Cooper es de 0.2. En caso
de que se elija al seor Adams, la probabilidad de que la cuota
de ingreso aumente es de 0.8; si se elije al seor Brown o a la
seora Cooper, las correspondientes probabilidades de que se
incremente la cuota son de 0.1 y 0.4. Cul es la probabilidad
de que haya un incremento en la cuota?
Si alguien considera entrar al club pero retrasa su decisin por
varias semanas slo para encontrarse con que las cuotas de
entrada han aumentado, cul es la probabilidad de que se
haya elegido a la seora Cooper como presidenta del Club?
Ejemplo de rbol de Decisiones y Bayes
1)Caccios Pizza ha tenido mucho xito con su forma
novedosa de fabricar y vender pizzas a los estudiantes
de la UCR. Al mezclar los principales ingredientes de
las pizzas y hornearlas por anticipado ha podido lograr
que el tiempo de espera de sus clientes sea muy breve.
Aunque a los estudiantes les gusta mucho su mtodo,
y se han vendido una gran cantidad de pizzas, en
ocasiones la empresa se ha visto obligada a tirar una
gran cantidad de ellas debido a que la demanda fue
inferior a lo que haban anticipado. Por esta razn se
est buscando una poltica que le permita maximizar
sus utilidades.
Caccios ha reducido sus alternativas a slo dos
posibilidades: hornear 150 o 180 pizzas.
La administracin decide clasificar la condicin del
mercado en fuerte o dbil utilizando una probabilidad
con base en su experiencia de 45% y 55%
respectivamente. La empresa ha determinado que
gana $7 por cada pizza vendida y el costo de cada
pizza es de $3. Se debe pagar $1 por cada pizza
desechada.
Debido ha que Caccios se encuentra en una poblacin
universitaria un profesor de la Escuela de
Administracin de Negocios ha ofrecido utilizar una
prueba experimental y cobrar $5 por ella.
El profesor ha dispuesto comunicar si la prueba es
alentadora o desalentadora. Los resultados de las
pruebas han demostrado la tendencia a actuar en la
direccin correcta, si un mercado ha sido fuerte los
resultados de la prueba han sido alentadores en un
60% de las veces. Por el contrario, si el mercado ha
sido dbil, los resultados de las pruebas han sido
desalentadores en el 70% de las veces.
Resuelva por medio de un rbol de decisiones
utilizando el criterio bayesiano de decisin.
rboles -Bayes
OBJETIVO: Incorporar los resultados de un registro
histrico en la investigacin de mercados al proceso
de decisin, utilizando el Teorema de Bayes,
actualizando as los valores para el caso especfico de
P(F) y P(D).
El registro histrico de la mercadotecnia no es perfecta,
pues si fuera totalmente confiable, esta probabilidad
condicional sera igual a 1, esto es, siempre dara un
informe alentador cuando el mercado fuera de hecho
fuerte.
Arboles - VEIM
Valor Esperado de la Informacin de Muestra
(VEIM): Es un lmite superior en la cantidad que
deberamos estar dispuestos a pagar por esta
informacin de muestra en particular.
VEIM = Mximo Rendimiento esperado con
Informacin - Mximo Rendimiento esperado sin
Informacin.
VEIM = 607.62 600 = $ 7.62
Arboles - VEIP
Valor Esperado de la Informacin Perfecta
(VEIP):Es un lmite superior para la cantidad que
usted debera estar dispuesto a pagar para
mejorar su conocimiento sobre el estado de la
naturaleza que ocurrir.
El VEIP indica la cifra esperada a ganar por
llevar a cabo este esfuerzo y por lo tanto coloca
un lmite superior a la cifra que debera ser
invertida para reunir esa informacin.
Arboles - VEIP
- Si fuera seguro que el mercado ser fuerte, la Administracin
seleccionara la opcin (A), pues presenta el mayor rendimiento.
- Si fuera seguro que el mercado es dbil, la Administracin
seleccionara la opcin (B)
Opcin A B
Probabilidades 0.45 0.55
Estados de la Naturaleza
Decisin Fuerte Dbil
Hornear 180 720 480
Hornear 150 600 600
Arboles - VEIP
Cunto debe pagar la administracin por la
Informacin Perfecta?
VEIP = (720 x 0.45) + (600 x 0.55) 600 = $54
Este valor, es el mximo aumento posible en el
rendimiento esperado que se puede obtener con nueva
informacin.
Con VEIM se obtuvo un incremento en el rendimiento
esperado utilizando la prueba en el mercado de $7.62

Arboles - VEIP
Dado que VEIP = 54 y VEIM = 7.62, podemos
ver que la prueba de mercado no es eficiente.
Si lo fuera, el VEIM sera mucho ms cercano al
VEIP.
En otras palabras, conforme la probabilidades
de una correcta informacin de muestra
aumentan, el VEIM se aproxima a VEIP.
Modelos de Decisin y el Tree
Plan
Protac
Acaba de completarse la fase de diseo y
prueba de producto para la nueva lnea de
tractores para jardn y uso domstico de Protac.
La alta gerencia est tratando de decidir la
estrategia de mercadotecnia y produccin
apropiadas para usarse con este producto. Se
estn considerando tres alternativas principales:
1) Agresiva: Esta estrategia representa importantes
desembolsos de capital para una nueva y eficiente
planta de produccin, grandes cantidades de
inventario y de gastos de publicidad y mercadeo a
nivel nacional.
2) Bsica: Los tractores se fabricaran con la actual
planta de produccin a la cual se le aadira una
nueva lnea de ensamble, se mantendran inventarios
solo para los productos ms populares y las oficinas
centrales pondran fondos a disposicin para apoyar
esfuerzos locales de publicidad y mercadeo.

3) Cautelosa: En este plan, la capacidad sobrante de las
actuales lneas de ensamble se utilizaran para
fabricar los nuevos productos, la produccin se
programara solo para satisfacer la demanda y la
publicidad correra a cargo del distribuidor local.
La administracin decide clasificar la demanda del
producto como dbil (D) o fuerte (F), a continuacin
se presenta una tabla con las utilidades y la
estimacin de las probabilidades hecha por la
gerencia de mercadeo:


Las retribuciones son utilidades netas
en millones de $.
Paso 1. Coloque el cursor en la celda H20 y
haga clic en Herramientas y despus en Tree
Plan
Paso 2. Haga clic en Nuevo rbol
Paso 3. Modifique el nmero de ramas del rbol
Paso 4. Agregar las ramas de los estados de la
naturaleza

Pasos para crear el rbol de Decisiones
Seleccione
Nuevo rbol
Haga clic en
agregar rama
Indique nodo de
evento y agregue
dos ramas
Agregue el nombre
y las respectivas
probabilidades con
la frmula +B1
para la probabilidad
de la primer rama y
+B4 para etiquetarla
Copiar en Tree Plan
Afortunadamente el Tree Plan tiene la herramienta
Copiar, la cual podemos aprovechar para no tener que
repetir todo el proceso para los otros dos nodos de los
estados de la naturaleza.
Posicinese en la celda que quiere copiar, oprima rbol
de Decisin, haga clic en Pegar subrbol y despus en
Aceptar.
Posteriormente ubquese en la celda en donde quiere
pegar la rama y proceda.
Seleccione pegar
subrbol y luego
aceptar
Ubquese en la celda
en donde desea copiar
la rama, seleccione
pegar subrbol y escoja
aceptar.
En estos 0 se
agrega los costos
o ingresos segn
sea el caso.
Hgalo jalando la
informacin por
ejemplo =B5 para
indicar los ingresos
de una demanda
fuerte
El programa calcula
todos los valores
esperados.
Tenga el cuidado
de NO escribir
en las celdas donde
estn los MACROS
de la hoja
El Tree Plan y el Teorema de
Bayes
Paso 1
Escriba las confiabilidades y las probabilidades a
priori tal y como aparecen en la siguiente tabla:
Paso 2
Calcule las probabilidades Conjuntas y
Marginales de la siguiente manera:



Calcule las probabilidades a posteriori de la
siguiente manera:
Celda B12 =B3*B$8
Cpiese a: B12:C13
D12 =SUMA(B12:C12)
B14 =SUMA(B12:B13)
B18 =B12/$D12
Cpiese a: B18:C19
Paso 3. Coloque el cursor en la celda E52 y
haga clic en Herramientas y despus en Tree
Plan
Paso 4. Haga clic en Nuevo rbol
Paso 5. Etiquete las ramas con el nombre
respectivo