SlideShare une entreprise Scribd logo
1  sur  26
Télécharger pour lire hors ligne
INSTITUTO TECNOLÓGICO SUPERIOR DEL SUR DEL ESTADO DE YUCATÁN




              INVESTIGACIÓN
                   DE
              OPERACIONES II
INTEGRANTES:
       VICTOR GIOVANY NAVARRETE PERAZA
                   JOSÉ SAÚL CHEL HUITZIL
                    ERIC ISRAEL HOY UCÁN
          JAVIER ANTONIO PECH DOMÍNGUEZ
TEORÍA DE DECISIÓN.
“La indecisión es un veneno
   lento, nada produce, en
cambio, puede convertirse en
hábito; más vale fracasar por
 haber tomado una decisión
  errónea, que por no haber
      tomado ninguna”
      Teoría de Decisión.
Introducción.

“La decisión consiste en el proceso
deliberado (y deliberativo) que lleva a
la selección de una acción (acto, curso
de acción) determinado entre un
conjunto de acciones alternativas. La
decisión es un proceso previo a la
acción”.
                          Pedro Pavesi
            Teoría de Decisión.
La Decisión
En sentido restrictivo, decidir es
seleccionar, entre varias, una y sólo una
entidad alternativa. Hay decisión cuando,
siendo posible varias respuestas, un sujeto
elige una de ellas.

En sentido amplio, decidir es llevar a cabo
un proceso completo por el cual se
establecen, analizan y evalúan alternativas a
fin de seleccionar una y sólo una.
              Teoría de Decisión.
CARACTERÍSTICAS GENERALES DE LA
TEORÍA DE DECISIONES.
     Toda decisión debe evaluarse en
     función de cinco características:

1. Efectos futuros. Tiene que ver con la
   medida en que los compromisos
   relacionados con la decisión afectará el
   futuro.
2. Reversibilidad. Se refiere a la
   velocidad con que una decisión puede
   revertirse y la dificultad que implica
   hacer este cambio.
                Teoría de Decisión.
3.   Impacto. En qué medida se ven
     afectadas otras áreas o actividades.
4.   Calidad. Se refiere a las relaciones
     laborales, valores éticos,
     consideraciones legales, principios
     básicos de conducta, imagen de la
     compañía, entre otros aspectos.
5.   Periodicidad. ¿La decisión se toma
     frecuente o excepcionalmente?
              Teoría de Decisión.
CRITERIOS DE DECISIÓN DETERMINÍSTICOS.

 Características:

  No se dispone de datos previos.
  Las circunstancias varían
   constantemente.
  La decisión no se toma en forma
   repetida


            Teoría de Decisión.
En la toma de decisiones sin experimentación
 existen varios criterios para elegir la acción óptima.

1. Criterio del Pago Máximo (pesimista).

2. Criterio de la máxima posibilidad.

3. Regla de decisión de Bayes.




                  Teoría de Decisión.
Criterio del Pago máximo (pesimista)

Algoritmo
1. Para cada acción se escoge el pago mínimo sobre
todos los estados de la naturaleza y se lleva a una
lista.
2. De esta lista se escoge el máximo valor. La acción
asociada con este valor es la acción a elegir.

Este razonamiento es bastante válido cuando se está
compitiendo contra un oponente racional y malévolo. Sin
embargo, este criterio es demasiado conservador pues
supone que la naturaleza es un oponente que le quiere
infligir al tomador de decisiones todo el daño que sea posible.


                    Teoría de Decisión.
Ejemplo GOFERBROKE COMPANY .

                   θ Petróleo               Seco   Mínimo
     a
     Perforar     $ 700,000 -$ 100,000 -$ 100,000
     Vender       $ 90,000 $ 90,000 $ 90,000
     Probabilidad       0.25       0.75

Elegimos el pago mínimo sobre los estados de la
naturaleza de las 2 acciones posibles y luego el
máximo de estos.



                      Teoría de Decisión.
Pagos mínimos
                 Este es el menor pago posible
                 que la petrolera podría
a1 = -$100000
                 obtener, dado que la
a2 = $ 90000     naturaleza obrara
                 malévolamente.
                 La compañía petrolera elegirá
                 entonces vender los terrenos,
                 y se abstendrá de realizar la
                 perforación.


                Teoría de Decisión.
Criterio de la máxima posibilidad.


1. De todos los estados de la naturaleza se elige el
estado que tenga mayor probabilidad de ocurrir.
2. Para este estado de la naturaleza se encuentra la
acción con el máximo pago y se elige.

La mayor desventaja de este criterio es que ignora por
completo mucha información relevante. No se considera
ningún estado de la naturaleza distinto del más probable.
En un problema con muchos estados de la naturaleza, la
probabilidad del más importante puede ser bastante
pequeña.
                  Teoría de Decisión.
Ejemplo GOFERBROKE COMPANY .
          θ Petróleo            Seco
 a
 Perforar     $ 700,000 -$ 100,000
 Vender       $ 90,000 $ 90,000
 Probabilidad       0.25       0.75

 Elegimos el estado de la naturaleza con
 mayor probabilidad.


              Teoría de Decisión.
Pagos Estado
Seco
                      Este es el mayor pago
                      posible que la petrolera
a1 = -$100000
                      podría obtener para el
                      estado de la naturaleza con
a2 = $ 90000
                      mayor probabilidad.
                      El estado de la naturaleza
                      más probable es que no
                      exista petróleo en los
                      terrenos. Por lo tanto la
                      compañía decidirá vender
                      los terrenos.
                Teoría de Decisión.
Regla de decisión de Bayes.

1. Usando las probabilidades de cada estado de la
naturaleza se calcula el valor esperado del pago de
cada acción posible.
2. Se escoge el mayor valor esperado y la acción
asociada a el mayor valor es la elegida
La gran ventaja de este criterio es que incorpora
toda la información disponible, incluyendo todos los
pagos y las mejores estimaciones disponibles de las
probabilidades de los respectivos estados de la
naturaleza.


                Teoría de Decisión.
Ejemplo GOFERBROKE COMPANY .
          θ Petróleo               Seco
 a
 Perforar     $ 700,000 -$ 100,000
 Vender       $ 90,000 $ 90,000
 Probabilidad       0.25       0.75

 Calculemos el valor esperado del pago de
 cada acción posible


             Teoría de Decisión.
E {p(a1 ,q)}= 0.25* $700000 + 0.75*(-$100000) =
            = $100000

E {p(a2 ,q)}= 0.25* $90000 + 0.75*($900000) =
            = $90000



  La petrolera elegirá la acción 1 pues ésta
  es la alternativa con el mayor valor
  esperado del pago.
               Teoría de Decisión.
CRITERIOS DE DECISIÓN PROBABILÍSTICOS.
(Decisiones bajo condiciones de Riesgo)


     Son criterios que se basan en el Estado probable
      de la naturaleza. A continuación se presentan dos
      criterios probabilísticos:

     Criterio A PRIORI.- También llamado el criterio del
      Valor esperado. Este criterio busca la
      maximización de la utilidad esperada o la
      minimización del costo esperado. Los datos del
      problema suponen que el resultado (ganancia o
      costo) asociado con cada alternativa de decisión
      es probabilístico.
                    Teoría de Decisión.
   Criterio A POSTERIORI.- Las probabilidades que se
    usaron en el criterio A Priori normalmente se
    obtienen de datos históricos, que en muchos casos
    podemos ser capaces de modificar de forma
    ventajosa usando información actual a través del
    muestreo o experimentación. A estas
    probabilidades modificadas se les denomina
    probabilidades actualizadas o de Bayes (Criterio A
    Posteriori). Por lo anterior, el criterio A posteriori
    es seleccionar la alternativa de decisión que
    maximice (minimice) la ganancia (pérdida)
    esperada de acuerdo a la distribución
    probabilística actualizada.
                   Teoría de Decisión.
ANÁLISIS DE SENSIBILIDAD.

   El análisis de sensibilidad es una de
    las partes más importantes en la
    programación lineal, sobre todo para
    la toma de decisiones; pues permite
    determinar cuándo una solución sigue
    siendo óptima, dados algunos
    cambios ya sea en el entorno del
    proyecto; en la empresa o en los
    datos del problema mismo.
              Teoría de Decisión.
   Los posibles escenarios del proyecto de inversión se
    clasifican en:

    Pesimista:
    Es el peor panorama de la inversión, es decir, es el
    resultado en caso del fracaso total del proyecto.

    Probable:
    Éste sería el resultado más probable que supondríamos en
    el análisis de la inversión, debe ser objetivo y basado en la
    mayor información posible.

    Optimista:
    Siempre existe la posibilidad de lograr más de lo que
    proyectamos, el escenario optimista normalmente es el
    que se presenta para motivar a los inversionistas a correr
    el riesgo.       Teoría de Decisión.
Ejemplo.
 Suponga el caso de que se cuenta con
 una camioneta, y se quiere vender a un
 precio de $50,000. También existe la
 posibilidad de arrendarla a un costo de
 $20,000. Si la camioneta no se vende,
 genera un costo de mantenimiento de
 $5,000. La probabilidad de que la venta
 ocurra es de un 30%, y la probabilidad
 de que no ocurra es de 70%.

            Teoría de Decisión.
θ Ocurre Venta No ocurre Venta
a
Vender       $            50,000 -$    5,000
Arrendar     $               - $      20,000
Probabilidad                  0.3         0.7



            Teoría de Decisión.
E {p(a1 ,q)}= 0.30* $500000 + 0.70*(-$5000) =
            = $11500

E {p(a2 ,q)}= 0.30* $0 + 0.70*($20000) =
            = $14000



  Por lo tanto, se elegirá la acción 2
  (arrendar) pues ésta es la alternativa con
  el mayor valor esperado del pago.
               Teoría de Decisión.
Teoría de decisiones

Contenu connexe

Tendances

5.5 flujo a costo minimo
5.5 flujo a costo minimo5.5 flujo a costo minimo
5.5 flujo a costo minimoADRIANA NIETO
 
II Unidad Planeación de Capacidad
II Unidad Planeación de CapacidadII Unidad Planeación de Capacidad
II Unidad Planeación de CapacidadOscar Espinoza
 
Método simplex
Método simplexMétodo simplex
Método simplexdeweey
 
Problemas de tarea trasporte
Problemas de tarea trasporteProblemas de tarea trasporte
Problemas de tarea trasporteJaime Medrano
 
Programación lineal
Programación linealProgramación lineal
Programación linealMinerva RG
 
“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”
“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”
“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”vanessa sobvio
 
Casos relacionados con el facultamiento
Casos relacionados con el facultamientoCasos relacionados con el facultamiento
Casos relacionados con el facultamientotec de roque
 
01 introduccion programacion lineal (1)
01 introduccion programacion lineal (1)01 introduccion programacion lineal (1)
01 introduccion programacion lineal (1)Silver Mendoza A.
 
Investigacion de Operaciones-Coste mínimo
Investigacion de Operaciones-Coste mínimoInvestigacion de Operaciones-Coste mínimo
Investigacion de Operaciones-Coste mínimoMari Cruz
 
2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS
2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS
2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROSRafael Vera
 
Hechos historicos de administracion de operaciones
Hechos historicos de  administracion de operacionesHechos historicos de  administracion de operaciones
Hechos historicos de administracion de operacionesRogelioCarcamoSanMar
 

Tendances (20)

Programacion de metas y objetivos
Programacion de metas y objetivosProgramacion de metas y objetivos
Programacion de metas y objetivos
 
5.5 flujo a costo minimo
5.5 flujo a costo minimo5.5 flujo a costo minimo
5.5 flujo a costo minimo
 
II Unidad Planeación de Capacidad
II Unidad Planeación de CapacidadII Unidad Planeación de Capacidad
II Unidad Planeación de Capacidad
 
Método simplex
Método simplexMétodo simplex
Método simplex
 
planeación agregada
 planeación agregada planeación agregada
planeación agregada
 
Problemas de tarea trasporte
Problemas de tarea trasporteProblemas de tarea trasporte
Problemas de tarea trasporte
 
MÉTODO DE TRANSPORTE
MÉTODO DE TRANSPORTEMÉTODO DE TRANSPORTE
MÉTODO DE TRANSPORTE
 
Trabajo arbol dedecisiones
Trabajo arbol dedecisiones Trabajo arbol dedecisiones
Trabajo arbol dedecisiones
 
EJERCICIO DE TEORIA DE DECISIONES
EJERCICIO DE TEORIA DE DECISIONESEJERCICIO DE TEORIA DE DECISIONES
EJERCICIO DE TEORIA DE DECISIONES
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Problema de la ruta mas corta
Problema de la ruta mas cortaProblema de la ruta mas corta
Problema de la ruta mas corta
 
Transporte y asignación
Transporte y asignaciónTransporte y asignación
Transporte y asignación
 
“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”
“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”
“PROGRAMACIÓN LINEAL: COMO HERRAMIENTA PARA LA TOMA DE DECISIONES”
 
Casos relacionados con el facultamiento
Casos relacionados con el facultamientoCasos relacionados con el facultamiento
Casos relacionados con el facultamiento
 
01 introduccion programacion lineal (1)
01 introduccion programacion lineal (1)01 introduccion programacion lineal (1)
01 introduccion programacion lineal (1)
 
Investigacion de Operaciones-Coste mínimo
Investigacion de Operaciones-Coste mínimoInvestigacion de Operaciones-Coste mínimo
Investigacion de Operaciones-Coste mínimo
 
Modelos de transporte
Modelos de transporteModelos de transporte
Modelos de transporte
 
2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS
2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS
2.1. CONCEPTO Y CLASIFICACIÓN DE TABLEROS
 
Unidad 4
Unidad 4Unidad 4
Unidad 4
 
Hechos historicos de administracion de operaciones
Hechos historicos de  administracion de operacionesHechos historicos de  administracion de operaciones
Hechos historicos de administracion de operaciones
 

En vedette

Introduccion a la teoria de las decisiones
Introduccion a la teoria de las decisionesIntroduccion a la teoria de las decisiones
Introduccion a la teoria de las decisionesIsaac Gomez
 
Teoria de decisión
Teoria de decisiónTeoria de decisión
Teoria de decisiónRoss Chan
 
Teoria de la toma de decisiones
Teoria de la toma de decisionesTeoria de la toma de decisiones
Teoria de la toma de decisionesmau1015
 
Analisis De Decision
Analisis De DecisionAnalisis De Decision
Analisis De DecisionCris Tenorio
 
Criterio de valor esperado
Criterio de valor esperadoCriterio de valor esperado
Criterio de valor esperadoIvonne Werita
 
Teoria de bayes en la toma de decision
Teoria de bayes en la toma de decisionTeoria de bayes en la toma de decision
Teoria de bayes en la toma de decisionanapaubla valiente
 
Md ejercicios resueltos teoria de la decision
Md   ejercicios resueltos teoria de la decisionMd   ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decisionSarita Carbajal
 

En vedette (7)

Introduccion a la teoria de las decisiones
Introduccion a la teoria de las decisionesIntroduccion a la teoria de las decisiones
Introduccion a la teoria de las decisiones
 
Teoria de decisión
Teoria de decisiónTeoria de decisión
Teoria de decisión
 
Teoria de la toma de decisiones
Teoria de la toma de decisionesTeoria de la toma de decisiones
Teoria de la toma de decisiones
 
Analisis De Decision
Analisis De DecisionAnalisis De Decision
Analisis De Decision
 
Criterio de valor esperado
Criterio de valor esperadoCriterio de valor esperado
Criterio de valor esperado
 
Teoria de bayes en la toma de decision
Teoria de bayes en la toma de decisionTeoria de bayes en la toma de decision
Teoria de bayes en la toma de decision
 
Md ejercicios resueltos teoria de la decision
Md   ejercicios resueltos teoria de la decisionMd   ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decision
 

Similaire à Teoría de decisiones

Análisis de Desiciones_1ra parte.pptx
Análisis de Desiciones_1ra parte.pptxAnálisis de Desiciones_1ra parte.pptx
Análisis de Desiciones_1ra parte.pptxIrisVGmez
 
Analisis-de-decisiones-20141.pdf
Analisis-de-decisiones-20141.pdfAnalisis-de-decisiones-20141.pdf
Analisis-de-decisiones-20141.pdfJonathanSampedro2
 
Unidad i metodos para la toma de decisiones
Unidad i metodos para la toma de decisionesUnidad i metodos para la toma de decisiones
Unidad i metodos para la toma de decisionesSocorro Lomeli Sanchez
 
Minimin,minimax,maximin,maximax
Minimin,minimax,maximin,maximaxMinimin,minimax,maximin,maximax
Minimin,minimax,maximin,maximaxPhoenicia
 
6 Teoriadedecisiones U
6  Teoriadedecisiones U6  Teoriadedecisiones U
6 Teoriadedecisiones Udecisiones
 
Invetigación de op.
Invetigación de op.Invetigación de op.
Invetigación de op.Hidai Rguez
 
Ejercicio de decisiones (i)
Ejercicio de decisiones (i)Ejercicio de decisiones (i)
Ejercicio de decisiones (i)Italia Sánchez
 
231456695-Diapositivas-Teoria-de-Decisiones.ppt
231456695-Diapositivas-Teoria-de-Decisiones.ppt231456695-Diapositivas-Teoria-de-Decisiones.ppt
231456695-Diapositivas-Teoria-de-Decisiones.pptjesus ruben Cueto Sequeira
 
Teoria de desiciones obtener archivorecurso
Teoria de desiciones   obtener archivorecursoTeoria de desiciones   obtener archivorecurso
Teoria de desiciones obtener archivorecursoCHRISTIAMZAMBRANO
 

Similaire à Teoría de decisiones (20)

Análisis de Desiciones_1ra parte.pptx
Análisis de Desiciones_1ra parte.pptxAnálisis de Desiciones_1ra parte.pptx
Análisis de Desiciones_1ra parte.pptx
 
Analisis-de-decisiones-20141.pdf
Analisis-de-decisiones-20141.pdfAnalisis-de-decisiones-20141.pdf
Analisis-de-decisiones-20141.pdf
 
Toma de decisiones 2
Toma de decisiones 2Toma de decisiones 2
Toma de decisiones 2
 
Unidad i metodos para la toma de decisiones
Unidad i metodos para la toma de decisionesUnidad i metodos para la toma de decisiones
Unidad i metodos para la toma de decisiones
 
Fo13
Fo13Fo13
Fo13
 
Minimin,minimax,maximin,maximax
Minimin,minimax,maximin,maximaxMinimin,minimax,maximin,maximax
Minimin,minimax,maximin,maximax
 
6 Teoriadedecisiones U
6  Teoriadedecisiones U6  Teoriadedecisiones U
6 Teoriadedecisiones U
 
04 produccion limpia herramientas 1
04 produccion limpia herramientas 104 produccion limpia herramientas 1
04 produccion limpia herramientas 1
 
Producción limpia/herramientas-Unidad 4
Producción limpia/herramientas-Unidad 4Producción limpia/herramientas-Unidad 4
Producción limpia/herramientas-Unidad 4
 
Invetigación de op.
Invetigación de op.Invetigación de op.
Invetigación de op.
 
Analisis de decisiones.pptx
Analisis de decisiones.pptxAnalisis de decisiones.pptx
Analisis de decisiones.pptx
 
Tema 4.1.pptx
Tema 4.1.pptxTema 4.1.pptx
Tema 4.1.pptx
 
Ejercicio de decisiones (i)
Ejercicio de decisiones (i)Ejercicio de decisiones (i)
Ejercicio de decisiones (i)
 
231456695-Diapositivas-Teoria-de-Decisiones.ppt
231456695-Diapositivas-Teoria-de-Decisiones.ppt231456695-Diapositivas-Teoria-de-Decisiones.ppt
231456695-Diapositivas-Teoria-de-Decisiones.ppt
 
Trabajo de estadística 2 final maximax
Trabajo de estadística 2 final maximaxTrabajo de estadística 2 final maximax
Trabajo de estadística 2 final maximax
 
05 Herramientas para la toma de decisiones
05 Herramientas para la toma de decisiones05 Herramientas para la toma de decisiones
05 Herramientas para la toma de decisiones
 
Teoria de desiciones obtener archivorecurso
Teoria de desiciones   obtener archivorecursoTeoria de desiciones   obtener archivorecurso
Teoria de desiciones obtener archivorecurso
 
r53074.PPT
r53074.PPTr53074.PPT
r53074.PPT
 
Teoria de juegos
Teoria de juegosTeoria de juegos
Teoria de juegos
 
Trabajo de estadística 2 final maximax
Trabajo de estadística 2 final maximaxTrabajo de estadística 2 final maximax
Trabajo de estadística 2 final maximax
 

Dernier

El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...
El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...
El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...JaquelineJuarez15
 
International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)GDGSucre
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxazmysanros90
 
El uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFELEl uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFELmaryfer27m
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfsoporteupcology
 
SalmorejoTech 2024 - Spring Boot <3 Testcontainers
SalmorejoTech 2024 - Spring Boot <3 TestcontainersSalmorejoTech 2024 - Spring Boot <3 Testcontainers
SalmorejoTech 2024 - Spring Boot <3 TestcontainersIván López Martín
 
R1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaR1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaarkananubis
 
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6    CREAR UN RECURSO MULTIMEDIAActividad integradora 6    CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA241531640
 
Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024GiovanniJavierHidalg
 
KELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesKELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesFundación YOD YOD
 
ejercicios pseint para aprogramacion sof
ejercicios pseint para aprogramacion sofejercicios pseint para aprogramacion sof
ejercicios pseint para aprogramacion sofJuancarlosHuertasNio1
 
El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.241514949
 
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...FacuMeza2
 
Presentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadPresentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadMiguelAngelVillanuev48
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafiosFundación YOD YOD
 
Plan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxPlan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxpabonheidy28
 
dokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptdokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptMiguelAtencio10
 
definicion segun autores de matemáticas educativa
definicion segun autores de matemáticas  educativadefinicion segun autores de matemáticas  educativa
definicion segun autores de matemáticas educativaAdrianaMartnez618894
 
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfPARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfSergioMendoza354770
 
trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdfIsabellaMontaomurill
 

Dernier (20)

El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...
El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...
El gusano informático Morris (1988) - Julio Ardita (1995) - Citizenfour (2014...
 
International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptx
 
El uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFELEl uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFEL
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdf
 
SalmorejoTech 2024 - Spring Boot <3 Testcontainers
SalmorejoTech 2024 - Spring Boot <3 TestcontainersSalmorejoTech 2024 - Spring Boot <3 Testcontainers
SalmorejoTech 2024 - Spring Boot <3 Testcontainers
 
R1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaR1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en mina
 
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6    CREAR UN RECURSO MULTIMEDIAActividad integradora 6    CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
 
Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024
 
KELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesKELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento Protégeles
 
ejercicios pseint para aprogramacion sof
ejercicios pseint para aprogramacion sofejercicios pseint para aprogramacion sof
ejercicios pseint para aprogramacion sof
 
El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.
 
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
 
Presentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadPresentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidad
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafios
 
Plan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxPlan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docx
 
dokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptdokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.ppt
 
definicion segun autores de matemáticas educativa
definicion segun autores de matemáticas  educativadefinicion segun autores de matemáticas  educativa
definicion segun autores de matemáticas educativa
 
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfPARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
 
trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdf
 

Teoría de decisiones

  • 1. INSTITUTO TECNOLÓGICO SUPERIOR DEL SUR DEL ESTADO DE YUCATÁN INVESTIGACIÓN DE OPERACIONES II INTEGRANTES: VICTOR GIOVANY NAVARRETE PERAZA JOSÉ SAÚL CHEL HUITZIL ERIC ISRAEL HOY UCÁN JAVIER ANTONIO PECH DOMÍNGUEZ
  • 3. “La indecisión es un veneno lento, nada produce, en cambio, puede convertirse en hábito; más vale fracasar por haber tomado una decisión errónea, que por no haber tomado ninguna” Teoría de Decisión.
  • 4. Introducción. “La decisión consiste en el proceso deliberado (y deliberativo) que lleva a la selección de una acción (acto, curso de acción) determinado entre un conjunto de acciones alternativas. La decisión es un proceso previo a la acción”. Pedro Pavesi Teoría de Decisión.
  • 5. La Decisión En sentido restrictivo, decidir es seleccionar, entre varias, una y sólo una entidad alternativa. Hay decisión cuando, siendo posible varias respuestas, un sujeto elige una de ellas. En sentido amplio, decidir es llevar a cabo un proceso completo por el cual se establecen, analizan y evalúan alternativas a fin de seleccionar una y sólo una. Teoría de Decisión.
  • 6. CARACTERÍSTICAS GENERALES DE LA TEORÍA DE DECISIONES. Toda decisión debe evaluarse en función de cinco características: 1. Efectos futuros. Tiene que ver con la medida en que los compromisos relacionados con la decisión afectará el futuro. 2. Reversibilidad. Se refiere a la velocidad con que una decisión puede revertirse y la dificultad que implica hacer este cambio. Teoría de Decisión.
  • 7. 3. Impacto. En qué medida se ven afectadas otras áreas o actividades. 4. Calidad. Se refiere a las relaciones laborales, valores éticos, consideraciones legales, principios básicos de conducta, imagen de la compañía, entre otros aspectos. 5. Periodicidad. ¿La decisión se toma frecuente o excepcionalmente? Teoría de Decisión.
  • 8. CRITERIOS DE DECISIÓN DETERMINÍSTICOS. Características:  No se dispone de datos previos.  Las circunstancias varían constantemente.  La decisión no se toma en forma repetida Teoría de Decisión.
  • 9. En la toma de decisiones sin experimentación existen varios criterios para elegir la acción óptima. 1. Criterio del Pago Máximo (pesimista). 2. Criterio de la máxima posibilidad. 3. Regla de decisión de Bayes. Teoría de Decisión.
  • 10. Criterio del Pago máximo (pesimista) Algoritmo 1. Para cada acción se escoge el pago mínimo sobre todos los estados de la naturaleza y se lleva a una lista. 2. De esta lista se escoge el máximo valor. La acción asociada con este valor es la acción a elegir. Este razonamiento es bastante válido cuando se está compitiendo contra un oponente racional y malévolo. Sin embargo, este criterio es demasiado conservador pues supone que la naturaleza es un oponente que le quiere infligir al tomador de decisiones todo el daño que sea posible. Teoría de Decisión.
  • 11. Ejemplo GOFERBROKE COMPANY . θ Petróleo Seco Mínimo a Perforar $ 700,000 -$ 100,000 -$ 100,000 Vender $ 90,000 $ 90,000 $ 90,000 Probabilidad 0.25 0.75 Elegimos el pago mínimo sobre los estados de la naturaleza de las 2 acciones posibles y luego el máximo de estos. Teoría de Decisión.
  • 12. Pagos mínimos Este es el menor pago posible que la petrolera podría a1 = -$100000 obtener, dado que la a2 = $ 90000 naturaleza obrara malévolamente. La compañía petrolera elegirá entonces vender los terrenos, y se abstendrá de realizar la perforación. Teoría de Decisión.
  • 13. Criterio de la máxima posibilidad. 1. De todos los estados de la naturaleza se elige el estado que tenga mayor probabilidad de ocurrir. 2. Para este estado de la naturaleza se encuentra la acción con el máximo pago y se elige. La mayor desventaja de este criterio es que ignora por completo mucha información relevante. No se considera ningún estado de la naturaleza distinto del más probable. En un problema con muchos estados de la naturaleza, la probabilidad del más importante puede ser bastante pequeña. Teoría de Decisión.
  • 14. Ejemplo GOFERBROKE COMPANY . θ Petróleo Seco a Perforar $ 700,000 -$ 100,000 Vender $ 90,000 $ 90,000 Probabilidad 0.25 0.75 Elegimos el estado de la naturaleza con mayor probabilidad. Teoría de Decisión.
  • 15. Pagos Estado Seco Este es el mayor pago posible que la petrolera a1 = -$100000 podría obtener para el estado de la naturaleza con a2 = $ 90000 mayor probabilidad. El estado de la naturaleza más probable es que no exista petróleo en los terrenos. Por lo tanto la compañía decidirá vender los terrenos. Teoría de Decisión.
  • 16. Regla de decisión de Bayes. 1. Usando las probabilidades de cada estado de la naturaleza se calcula el valor esperado del pago de cada acción posible. 2. Se escoge el mayor valor esperado y la acción asociada a el mayor valor es la elegida La gran ventaja de este criterio es que incorpora toda la información disponible, incluyendo todos los pagos y las mejores estimaciones disponibles de las probabilidades de los respectivos estados de la naturaleza. Teoría de Decisión.
  • 17. Ejemplo GOFERBROKE COMPANY . θ Petróleo Seco a Perforar $ 700,000 -$ 100,000 Vender $ 90,000 $ 90,000 Probabilidad 0.25 0.75 Calculemos el valor esperado del pago de cada acción posible Teoría de Decisión.
  • 18. E {p(a1 ,q)}= 0.25* $700000 + 0.75*(-$100000) = = $100000 E {p(a2 ,q)}= 0.25* $90000 + 0.75*($900000) = = $90000 La petrolera elegirá la acción 1 pues ésta es la alternativa con el mayor valor esperado del pago. Teoría de Decisión.
  • 19. CRITERIOS DE DECISIÓN PROBABILÍSTICOS. (Decisiones bajo condiciones de Riesgo)  Son criterios que se basan en el Estado probable de la naturaleza. A continuación se presentan dos criterios probabilísticos:  Criterio A PRIORI.- También llamado el criterio del Valor esperado. Este criterio busca la maximización de la utilidad esperada o la minimización del costo esperado. Los datos del problema suponen que el resultado (ganancia o costo) asociado con cada alternativa de decisión es probabilístico. Teoría de Decisión.
  • 20. Criterio A POSTERIORI.- Las probabilidades que se usaron en el criterio A Priori normalmente se obtienen de datos históricos, que en muchos casos podemos ser capaces de modificar de forma ventajosa usando información actual a través del muestreo o experimentación. A estas probabilidades modificadas se les denomina probabilidades actualizadas o de Bayes (Criterio A Posteriori). Por lo anterior, el criterio A posteriori es seleccionar la alternativa de decisión que maximice (minimice) la ganancia (pérdida) esperada de acuerdo a la distribución probabilística actualizada. Teoría de Decisión.
  • 21. ANÁLISIS DE SENSIBILIDAD.  El análisis de sensibilidad es una de las partes más importantes en la programación lineal, sobre todo para la toma de decisiones; pues permite determinar cuándo una solución sigue siendo óptima, dados algunos cambios ya sea en el entorno del proyecto; en la empresa o en los datos del problema mismo. Teoría de Decisión.
  • 22. Los posibles escenarios del proyecto de inversión se clasifican en: Pesimista: Es el peor panorama de la inversión, es decir, es el resultado en caso del fracaso total del proyecto. Probable: Éste sería el resultado más probable que supondríamos en el análisis de la inversión, debe ser objetivo y basado en la mayor información posible. Optimista: Siempre existe la posibilidad de lograr más de lo que proyectamos, el escenario optimista normalmente es el que se presenta para motivar a los inversionistas a correr el riesgo. Teoría de Decisión.
  • 23. Ejemplo. Suponga el caso de que se cuenta con una camioneta, y se quiere vender a un precio de $50,000. También existe la posibilidad de arrendarla a un costo de $20,000. Si la camioneta no se vende, genera un costo de mantenimiento de $5,000. La probabilidad de que la venta ocurra es de un 30%, y la probabilidad de que no ocurra es de 70%. Teoría de Decisión.
  • 24. θ Ocurre Venta No ocurre Venta a Vender $ 50,000 -$ 5,000 Arrendar $ - $ 20,000 Probabilidad 0.3 0.7 Teoría de Decisión.
  • 25. E {p(a1 ,q)}= 0.30* $500000 + 0.70*(-$5000) = = $11500 E {p(a2 ,q)}= 0.30* $0 + 0.70*($20000) = = $14000 Por lo tanto, se elegirá la acción 2 (arrendar) pues ésta es la alternativa con el mayor valor esperado del pago. Teoría de Decisión.