Professional Documents
Culture Documents
PROYECTO FINAL
INTEGRANTES:
Ingrith Vanessa Blanco Gualdrn, Cdigo: 1049620096
Luz ngela Molina Bentez, Cdigo: 1.049.628.181
Sandra Consuelo vila Rodrguez, Cdigo: 37616812
Edith Yolanda Tarazona Rivero, Cdigo: 40047022
John Emanuel Pabn Araque, Cdigo: 1.049.639046
GRUPO:
200608_24
TUTORA:
Yuri Vanessa Nieto
A medida que el ser humano va creciendo, se va volviendo dueo de s mismo; es decir, poco a
poco comienza a ejercer su derecho a decidir. Desde lo que desea comer, vestir, qu auto
comprar, si debe invertir cierto dinero o utilizarlo en otra cuestin, hasta con quin debe casarse.
Es as como la Teora de Decisin representa un apoyo importante sustentado en la teora de la
probabilidad y en la estadstica para brindar una base slida a grupos o individuos enfrentados a
la toma de decisiones.
Las herramientas para las decisiones tecnolgicas tales como los modelos matemticos han sido
aplicadas a una amplia gama de situaciones en la toma de decisiones dentro de diversas reas de
la gerencia. En la toma consciente de decisiones bajo incertidumbre, siempre realizamos
pronsticos o predicciones. Podramos pensar que no estamos pronosticando, pero nuestras
opciones estarn dirigidas por la anticipacin de resultados de nuestras acciones o inacciones.
Este sitio tiene el objetivo de ayudar a los gerentes y administradores a hacer un mejor trabajo al
momento de anticipar hechos, y por lo tanto, un mejor manejo de la incertidumbre mediante el
uso de tcnicas de prediccin y pronstico efectivas.
JUSTIFICACION
Antes del Sistema Mtrico Decimal, los humanos no tenan ms remedio que tomar lo que
llevaban encima, su propio cuerpo, para contabilizar e intercambiar productos. As aparece el
pie, casi siempre apoyado sobre la tierra, como unidad de medida til para medir pequeas
parcelas, del orden de la cantidad de suelo que uno necesita, por ejemplo, para hacerse una
choza. Paralelo a este aparece el codo, til para medir piezas de tela u otros objetos que se
pueden colocar a la altura del brazo, en un mostrador o similar.
Tambin aparece el paso el metro romano utilizado para medir terrenos ms grandes durante
las faenas de agricultura, Para medidas ms pequeas, de objetos delicados, aparece la palma y,
para menores longitudes.
Ya en estos momentos las herramientas existentes permiten contabilizar de manera eficaz y
comprobar sus resultados en campos tales como ciencia, la industria, la medicina, los anlisis
qumicos entre otros, es por ello que durante este trabajo daremos a conocer los conocimientos
adquiridos durante las unidades del curso para luego aplicarlas como profesionales capaces de
ayudar a tomar decisiones en cualquier organizacin.
OBJETIVOS
Objetivo General
Objetivos Especficos:
Conocer los conceptos bsicos para los manejos de los mtodos en la teora de
decisiones.
Aplicar los mtodos matemticos estadsticos para resolver la toma de decisiones bajo
incertidumbre.
Diferenciar entre los mtodos para las tomas de decisiones bajo incertidumbre desde la
percepcin de una investigacin de mercados con o sin informacin muestra.
NOTA: Se aument una dcima a la probabilidad por demanda baja, con fin de que la sumatoria
nos de 1 exactamente.
= ( )
( )
Lo primero que debe hallar es la ganancia esperada con informacin perfecta la cual se calcula
as:
Ahora tenemos que calcular la ganancia esperada sin informacin perfecta, de esta manera
tenemos que tomar todos los valores de cada columna, multiplicarlos por la probabilidad
estimada para estos valores, y por ultimo tomamos el mayor valor de estos con el fin de obtener
la ganancia esperada sin la informacin perfecta.
Teniendo estos datos podemos concluir que el mayor valor de ganancia esperada es 68.286 por
tanto este es el valor que tomaremos para completar la ecuacin de VEIP.
= ( )
( sin )
= . . = $.
Analizando estos datos podemos encontrar que el valor esperado con informacin perfecta
$68.286, por esta razn se puede inferir que la mejor decisin es la alternativa 1, ya que es el
que generar una mayor ganancia segn el clculo del VEIP.
Demanda Probabilidad
Indicador Demanda Baja Demanda Alta
Media Marginal
I1 0,2447 0,2493 0,3928 0,8867
I2 0,0231 0,0679 0,0222 0,1133
PROBABILIDADES POSTERIORES
DECISIONES GANANCIA ESPERADA
Alternativa 1 0,2759 (86338)+ 0,2812 (71784) + 0,4429
(53962) = 23821+20186+23890 = 67.897
Alternativa 2 0,2759 (16457)+ 0,2812 (55412)+ 0,4429 (80326)
= 4540+15582+35576= 55.698
Alternativa 3 0,2759 (31547)+ 0,2812 (47215)+ 0,4429 (12427)
= 8704+13277+5504 = 27.485
INDICADOR 1
DECISIONES GANANCIA ESPERADA
Alternativa 1 0,2040 (86338)+ 0,5998 (71784)+ 0,1962 (53962)
= 17613+43056+10587= 71.256
Alternativa 2 0,2040 (16457)+ 0.5998 (55412)+ 0,1962 (80326)
= 3357+33236+15760= 52.353
Alternativa 3 0,2040 (31547)+ 0,5998 (47215)+ 0,1962 (12427)
= 6436+28320+2438= 37.194
INDICADOR 2
INDICADOR DECISIN OPTIMA GANANCIA ESPERADA
I1 Alternativa 1 67.897
I2 Alternativa 1 71.256
As mismo por tanto, la eficiencia de la informacin es nula y adems negativa, realmente esta
informacin no es eficiente para la toma de decisin por alguna de las alternativas analizadas.
Paso 2. Situacin Problema Costos Unitarios
La empresa AAA Distribuidor quiere determinar los costos unitarios para comercializar un
producto en el mercado, para ello cuanta con la siguiente informacin
Tomar la Tabla 1 Matriz de Costos y calcular manualmente los criterios de decisin bajo
incertidumbre: Laplace, Wald, Savage y Hurwicz:
METODO LAPLACE
Proceso de decisin para la comercializacin de la bicicleta elctrica
Cursos de accin Estados de la naturaleza Mtodo
Demanda Baja Demanda Demanda Alta LAPLACE
Ganancias ($) Media Ganancias ($)
Ganancias
($)
1. A1 10872 34526 91280 45.104
2. A2 22145 10879 149975 60.390
3. A3 79608 105909 147638 111.040
Probabilidad (P) 1/3 1/3 1/3
1 A1
= 10872 * 0.33 + 34526 *0.33 + 91280*0.33 = 3.588+11.394+30.122 = 45104
2 A2
= 22145* 0.33 + 10879 *0.33 + 149975*0.33 = 7.308+3.590+49.492= 60.390
3 A3
= 79608* 0.33 + 105909 *0.33 + 147638*0.33 = 26.533+35.300+49207= 111.040
CONCLUSION: Por lo tanto el mtodo LAPLACE, arroja que el producto de menor costo de
produccin seria el A3, para comercializar un producto en el mercado.
METODO WALD
Proceso de decisin para la comercializacin de la bicicleta elctrica
Cursos de accin Estados de la naturaleza Mtodo
Demanda Baja Demanda Demanda Alta Wald
Ganancias ($) Media Ganancias ($)
Ganancias
($)
1. A1 10872 34526 91280 10.872
2. A2 22145 10879 149975 10.879
3. A3 79608 105909 147638 79.608
CONCLUSION: Por lo tanto el mtodo WALD, arroja que el producto de menor y mayor costo
de produccin seria el A3 y A1 en una demanda Baja, lo cual nos muestra que puede haber
otras opciones de mejor beneficio para la Organizacin, al aplicarse mtodos que muestren mejor
anlisis de datos.
METODO SAVAGE
CONCLUSION: Por lo tanto el mtodo SAVAGE, arroja que el producto de menor costo de
produccin seria el A3 en una demanda Alta
CRITERIO HURWICZ
En este criterio puede escogerse una situacin intermedia entre el pesimismo y el optimismo, en
donde debe suponerse un determinado grado de optimismo y luego calcular el grado de
pesimismo.
Utilizando la formula q= q=0.5
Se escoge el resultado mayor de las distintas alternativas que en este caso es 113.623 y
corresponde a A3.
La empresa AAA Distribuidor quiere determinar los Pagos Esperados para comercializar un
producto en el mercado y ha determinado un posible competidor el cual tiene un Producto B que
tiene unas caractersticas simulares al Producto A que pretende comercializar la empresa AAA
Distribuidor.
ESTRATEGIAS DOMINADAS
El producto B minimiza perdidas, por lo tanto elimina la estrategia 2 (dominante) ya que con
esta obtendr mayores prdid
3 136727 113113
3 136727 113113
Por ltimo el producto B elimina la estrategia 3 (dominante) ya que con esta obtendr mayores
prdidas
3 136727
Por lo tanto el valor de juego es igual a 136727 el cual representa la ganancia para el Producto
A y la perdida para el producto B.
SUMA CERO
El producto B elige el valor mnimo entre los valores mayores (Minimax) = 113113
Como los valores son iguales existe punto de silla, por lo tanto se pude concluir que el juego es
justo o la solucin es estable.
La empresa AAA Distribuidor quiere determinar los Patrones de consumo de 4 marcas del
producto que quiere comercializar. Para se pretende encontrar las probabilidades de transicin
hasta el periodo 5 y las probabilidades de estado estable mediante la aplicacin del Proceso de
Decisin de Markov de etapa finita
El estudiante con su grupo de trabajo presentara los clculos manuales del de los patrones de
consumo, adicional deben realizar la comprobacin por software y presentar los resultados
obtenidos.
Con el clculo de la cadena de Markov podemos verificar las aproximaciones o previsiones controlando
las posibilidades de consumo de los productos de las marcas A, B, C, D, permitiendo ver la estabilidad
futura y analizar una evolucin mucho ms realista en cuanto al consumo de los productos analizados
hasta el periodo 5, permitiendo ver el aumento o disminucin de consumo as como la variabilidad
cuantitativa de cada producto con el fin de generar estrategias que permitan hacer frente a los cambios
venideros para la empresa AAA Distribuidor, en cuanto a la proyeccin de la demanda.
Pantallazos WINQSB
PERIODO 1
PERIODO 2
PERIODO 3
PERIODO 4
PERIODO 5
CONCLUSIONES
Las cadenas de markov se basa en que la probabilidad de que ocurra un evento depende
del evento inmediato anterior.
Poder conocer a fondo la temtica que maneja la unidad n 2 del curso deteora de
decisiones.
Saber cmo involucrar metodologas nuevas para poder analizar de forma critico una idea
o producto, as como conocer y poner en practica conceptos y habilidades de
investigacin.
REFERENCIAS BIBLIOGRAFICAS