ARBOLES DE DECISION

Se han desarrollado muchas tcnicas para facilitar el proceso de decisin en la organizacin; este desarrollo se ha producido por el problema del desconocimiento del futuro, por lo menos hasta nuestros das. Una de estas tcnicas de ayuda es comnmente conocida como ARBOLES DE DECISION. Esta tcnica es un mtodo conveniente para presentar y analizar una serie de decisiones que se deben tomar en diferentes momentos. Aunque el enfoque de arboles de decisin fue utilizado dentro del contexto de la teora de la probabilidad, Magee fue el primero en utilizar el concepto para tratar el problema de las decisiones de inversin de capital; posteriormente Hespos y Strassmann (1965) propusieron, con algn detalle, combinar el anlisis del riesgo, propuesto por Hertz (1964), y Hillier (1963), con la tcnica de los arboles de decisin (debe aclararse que Magee haba previsto la combinacin de estos enfoques cuando planteo la utilizacin de los arboles de decisin); en 1968 Raiffa (1968) desarrollo en forma detallada y muy clara la teora de la decisin, donde se incluyen la tcnica propuesta por Magee y en general todo lo relacionado con las decisiones bajo riesgo. Aqu se presenta lo relacionado con los arboles de decisin dentro de los planteamientos de los mencionados autores. Sin embargo, se hace con la salvedad de que una herramienta til para visualizar las diferentes alternativas que se presentan al decisor y para un mejor tratamiento probabilstico; pero de ah a creer que se pueda utilizar, hay un largo trecho. Los arboles de decisin son muy tiles para el planteamiento de problemas secuenciales, pero esta clase de situaciones implica decisiones con resultados hacia el futuro que, en trminos de comportamiento del decisor, no se ha definido con claridad cmo manejarlos. En general, los problemas cuyos resultados se presentan como matrices de pago son susceptibles de ser representados como arboles de decisin. En un rbol de decisiones hay nodos y ramas. Hay lneas rectas las ramas cuadrados- los nodos o puntos de decisin- y crculos los nodos o puntos de azar. Cada rama tiene asociada una probabilidad de ocurrencia. Esta probabilidad es una medida de la posibilidad de que ese evento ocurra. La suma de las probabilidades de las ramas que parten de cada nodo de evento es igual a uno. O sea, se supone que los eventos son exhaustivos; a los nodos de decisin no se les asignan probabilidades ya que en esos puntos el decisor tiene el control y no es un evento aleatorio, sujeto al azar. La secuencia ptima de decisiones se encuentra comenzando a la derecha y avanzando hacia el origen del rbol. En cada nodo se debe calcular un VPN esperado. Si el nodo es un evento, este VPN se calcula para todas las ramas que salen de ese nodo. Si el nodo es un punto de decisin, el VPN esperado se calcula para cada una de las ramas y se selecciona el ms elevado. En cualquiera de los dos casos, el VPN esperado se lleva hasta el siguiente evento multiplicado por la probabilidad asociada a la rama por donde se viaja. Existen programas que se adicionan a Excel que sirven para este tipo de operaciones con rboles de decisin. EJERCICIOS RESUELTOS EN TREEPLAN PROBLEMAS Problema 1.Un agricultor de Viru debe decidir si usar 1 parcela de terreno en sembrar trigo o

dedicarla para pastar ganado. Si siembra trigo y la temporada es buena estima que obtendr una ganancia de $10 000 al ao.

Sin embargo, si la temporada es muy hmeda, la cosecha sera buena solamente para alimento de ganado, lo cual le permitira solamente un ingreso de $ 4000. El cree que la probabilidad de una buena temporada es de 0.8. Si l escoge pastar ganado en este terreno, la ganancia a obtener depender del precio de la carne en el mercado en tal momento. El cree que el mercado de la carne podra crecer hasta tal punto que le proporcionara una ganancia neta estimada de $ 12 000 o podra permanecer constante y en tal caso su ganancia sera de $ 8 000. El estima una probabilidad de 0.1 en que el mercado de la carne crezca. Puede contratar a un especialista en el tiempo o a otro especialista en el estudio de mercados o a los dos. Si puede o no contratar a uno de los dos especialistas o a los dos a al vez, cul es el costo de dicha informacin en cada caso? PARTE 1.-

PARTE 2.-

PARTE 3.-

PARTE 4.-

Problema 2.PRENTICE HALL fabrica libros de investigacin de operaciones en lotes de diez. Segn su experiencia PRENTICE HALL sabe que el 80% de todos los lotes contienen el 10% (uno cada diez) de libros defectuosos y el 20% de todos los lotes contienen el 50% (5 de cada 10) de libros defectuosos. Si un lote es bueno, esto es, con 10% de defectos, se manda a la siguiente etapa de produccin, los costos de proceso en que se incurran sern de $1000. Si un lote es malo, esto es, con 50% de libros defectuosos, se manda a la siguiente etapa de produccin, se incurre en un costo $4000. PRENTICE HALL tambin tiene la opcin de reprocesar un lote a un costo de $1000. Es seguro que un lote reprocesado ser despus un lote bueno.

Otra opcin es que por un costo de $100, PRENTICE HALL pueda probar un chip de cada lote para tratar de determinar si es defectuoso ese lote. Determinar como PRENTICE HALL puede reducir al mnimo el costo total esperado por lote. Calcular el VEIM y VEIP.

Problema 3.El seor Joe Willliams, un empresario, est considerando la posibilidad de comprar uno de los siguientes negocios al menudeo: una tienda de cmaras, una tienda de equipos de cmputo o una tienda de aparatos electrnicos, todas con aproximadamente la misma inversin inicial. para la tienda de cmaras, estima que hay una probabilidad de 20% de que el desempeo de las ventas sea el promedio, lo que tendra como resultado una recuperacin anual de $20 000. estos valores e informacin parecida para las tiendas de equipo de cmputo y de aparatos electrnicos se resumen en las siguientes tablas de ganancia y de probabilidad.

a. Trace un rbol de decisiones apropiado que identifique los nodos de probabilidad y de decisin. b. Calcule la ganancia esperada de cada nodo de probabilidad. c. Identifique la decisin ptima. PARTE 1.-

PARTE 2.-