Este documento presenta un ejemplo aplicativo sobre la toma de decisiones bajo incertidumbre en una panadería. Se analizan tres posibles niveles de demanda y se calculan los valores esperados con y sin información adicional. Usando un árbol de decisión y análisis bayesiano, se determina que la alternativa de producir 300 tortas tiene la mayor utilidad esperada y por lo tanto es la mejor opción.
Descrição original:
Título original
Modelo de Decisiones con Probabilidades a Posteriori.pptx
Este documento presenta un ejemplo aplicativo sobre la toma de decisiones bajo incertidumbre en una panadería. Se analizan tres posibles niveles de demanda y se calculan los valores esperados con y sin información adicional. Usando un árbol de decisión y análisis bayesiano, se determina que la alternativa de producir 300 tortas tiene la mayor utilidad esperada y por lo tanto es la mejor opción.
Este documento presenta un ejemplo aplicativo sobre la toma de decisiones bajo incertidumbre en una panadería. Se analizan tres posibles niveles de demanda y se calculan los valores esperados con y sin información adicional. Usando un árbol de decisión y análisis bayesiano, se determina que la alternativa de producir 300 tortas tiene la mayor utilidad esperada y por lo tanto es la mejor opción.
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
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
.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.
Capacitación Contable Dirigido A La Unidad de Gestión Financiera Del Consejo Comunal"luisa Cáceres de Arismendi" de La Parroquia La Vega, Municipio Bolivariano Libertador - Distrito Capital PDF
DMT: La molécula del espíritu (DMT: The Spirit Molecule): Las revolucionarias investigaciones de un medico sobre la biologia de las experiencias misticas y cercanas a la muerte
Cómo Conversar Con Cualquier Persona: Mejora tus habilidades sociales, desarrolla tu carisma, domina las conversaciones triviales y conviértete en una persona sociable para hacer verdaderos amigos y construir relaciones significativas.
Las trampas del miedo: Una visita a las dimensiones biológicas, psicológicas y espirituales para desmantelar el temor paralizante y la tiranía del autosabotaje
Pensamiento Crítico: Utiliza modelos mentales para desarrollar tomas de decisiones efectivas y habilidades de resolución de problemas. Supera los obstáculos cognitivos y las falacias en los sistemas para pensar con claridad en tu vida cotidiana.
Lee a las personas como un libro: Cómo analizar, entender y predecir las emociones, los pensamientos, las intenciones y los comportamientos de las personas