JOS FAUSTINO SNCHEZ CARRIN

Ao de la Integracin Nacional y el Reconocimiento de Nuestra Diversidad

CURSO : INVESTIGACIN DE OPERACIONES II
ALUMNAS:
PILLACA CORAL, Pedro
SOTO ORTIZ, Yerson
SANTIAGO BONILLA, Lider
CADILLO ACHON, Luis
CUEVA DIONISIO, Silver
DOCENTE: Mg. ALCIBIADES SOSA PALOMINO
2
0
1
2
La toma de decisiones es el proceso mediante el
cual se realiza una eleccin entre las alternativas o
formas para resolver diferentes situaciones de la
vida, estas se pueden presentar en diferentes
contextos.

La toma de decisiones consiste, bsicamente, en
elegir una alternativa entre las disponibles, a los
efectos de resolver un problema actual.
Es un procedimiento para estimar las
probabilidades de situaciones cuando un estudio
o la informacin de la muestra estn disponibles.
Eventos: normalmente representa un posible
evento o situacin en el futuro. Por ejemplo, un
estado de naturaleza para el fabricante de
decisin puede ser nivel de la demanda, la opcin
de consumidor, el ingreso la condicin nivelada,
econmica, rango de temperatura, actitud
personal, y el gusto. Sea Sj el estado de
naturaleza j, j = 1,..., n.

Es una manera de
visualizar un problema
de decisin mediante
un esquema de rbol
(red sin ciclos). Su
objetivo es facilitar la
comprensin del
problema y los clculos.

EJEMPLO APLICATIVO
La panadera Mi Per, se caracteriza por la elaboracin de sus deliciosos
panes, panetones, tortas, entre otros productos, pero por motivos de la
gran acogida que esta obteniendo entre sus consumidores, se ha optado
producir tortas en tres diferentes tamaos: pequeo, mediano y grande.
Dicha panadera considera como posible demanda 150 y 300 tortas hasta
fin de ao.
A continuacin se muestra la matriz de utilidades por cada tamao de la
torta:
PRODUCCION
S1 (150) S2 (300)
D1 (100)
1000 2000
D2 (200)
2250 3000
D3 (300)
2000 4000
Probabilidad 0.6 0.4
DEMANDA
EJEMPLO APLICATIVO
Se pide:
1. Hallar el valor esperado de la informacin muestral, la eficiencia y
cuanto pagara a la empresa por la informacin.
2. Evale la utilidad esperada asignando preferencia a sus resultados.
Se brinda adems la siguiente informacin:
P(Ik/Sj)
I1 I2
S1
0.7 0.3
S2
0.2 0.8
SOLUCIN:

Hallar el valor esperado de la informacin muestral, la eficiencia y
cuanto pagara a la empresa por la informacin.
Valor Esperado:
VE (d
1
) = 0,60 (1000) + 0,40 (2000) = 600 + 800 = 1400
VE (d
2
) = 0,60 (2250) + 0,40 (3000) = 1350 + 1200 = 2250
VE (d
3
) = 0,60 (2000) + 0,40 (4000)= 1200 + 1600 = 2800
VALOR ESPERADO

Hallar el valor esperado de la informacin muestral, la eficiencia y
cuanto pagara a la empresa por la informacin.
Valor Esperado con Informacin Perfecta:
VE con IP = (0,60) (2250) + (0,40) (4000) = 1350 + 1600
VE con IP = 2950
VE de IP = 2950 2800
VE de IP = 150
VALOR ESPERADO CON INFORMACIN PERFECTA
VALOR ESPERADO DE INFORMACIN PERFECTA

Hallar el valor esperado de la informacin muestral:
Aplicamos la ley de Bayes para hallar Ik (I1, I2, I3)
Para I
1
:
P(I
1
) = P(I
1
/S
1
)P(S
1
) + P(I
1
/S
2
)P(S
2
)
P(I
1
) = (0.7)(0.6) + (0.2)(0.4)
P(I
1
) = 0.5



Para I
2
:
P(I
2
) = P(I
2
/S
1
)P(S
1
) + P(I
2
/S
2
)P(S
2
)
P(I
2
) = (0.3)(0.6) + (0.8)(0.4)
P(I
2
) = 0.5

Hallamos el valor esperado de la informacin muestral mediante la
siguiente frmula:

P (S
1
/I
1
) =
P (S
2
/I
1
) =
P (S
1
/I
2
) =
P (S
2
/I
2
) =
= 0.84
= 0.16
= 0.36
= 0.64
ARBOL DE DECISIN
Realizamos el anlisis bayesiano a travs de un rbol de decisin:
P(S1/I1) 1000
D1
P(S2/I1) 2000
P(S1/I1) 2250
I1 D2
P(S2/I1) 3000
P(S1/I1) 2000
D3
P(S2/I1) 4000
P(S1/I2) 1000
D1
P(S2/I2) 2000
P(S1/I2) 2250
I2 D2
P(S2/I2) 3000
P(S1/I2) 2000
D3
P(S2/I2) 4000
VE = 0.84(1000)+0.16(2000)
VE = 840 + 320
VE(D
1
/I
1
) = 1160
VE = 0.84(2250)+0.16(3000)
VE = 1890 + 480
VE(D
2
/I
1
) = 2370
VE = 0.84(2000)+0.16(4000)
VE = 1680 + 640
VE(D
3
/I
1
) = 2320
VE = 0.36(1000)+0.64(2000)
VE = 360 + 1280
VE(D
1
/I
1
) = 1640
VE = 0.36(2250)+0.64(3000)
VE = 810 + 1920
VE(D
2
/I
1
) = 2730
VE = 0.36(2000)+0.64(4000)
VE = 720 + 2560
VE(D
3
/I
1
) = 3280
VALOR ESPERADO CON INFORMACIN MUESTRAL
VALOR ESPERADO DE LA INFORMACIN MUESTRAL
VE con IM = (0.5) (2370) + (0.5)(3280)
VE con IM = 1185 + 1640 = 2825
VE de IM = 2825 - 2800
VE de IM = 25
Hallamos la eficiencia para evaluar que tan mejor es la probabilidad a
priori con respecto a la posteriori:
E =
Se establece para cada alternativa su preferencia
V(Di;Sj) Preferencia(P)
4000 1
3000 0.8
2250 0.6
2000 0.5
1000 0
Elaborando nueva tabla con preferencias (10p)
S
1

S
2

d
1

0

5

0 .5
d
2

6

8

.6 .8
d
3

5

10

.5 1
P(s) 0.6 0.4
Se establece para cada alternativa su preferencia
U(di,sj) = 10p

Utilidad esperada:
UE(d
1
) : 0(0.6) + 5 (0.4) =2
UE(d
2
) : 6(0.6) + 8(0.4) = 6.8
UE(d
3
) : 5(0.6) + 10(0.4) = 7
S
1

S
2

d
1

0

5

0 .5
d
2

6

8

.6 .8
d
3

5

10

.5 1
P(s) 0.6 0.4
Los modelos para la toma de decisiones nos
van a proporcionar una estructura que nos
permita examinar el proceso mediante el cual
nosotros tomaremos una decisin,
evitndonos el hecho de tomar decisiones sin
previo anlisis.

El rbol de decisin es un mtodo conveniente
ya que a travs de l se puede tener una mejor
idea del panorama completo del proyecto.

Si analizamos las utilidades y preferencias, la
mayor utilidad esperada es generada por la
alternativa de decisin 3, se escoge la
alternativa 3 como la mejor de todas, es decir,
que nos brindar el mayor beneficio.