Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Además La Varianza
Además La Varianza
donde :
ij2 = ij2
AijRC
La función objetivo.
Min W = kj yj
Restricciones :
a. Descripción de la red
xi tj - yj + xi – 1 ; restricción para cada nodo en función del arco que llega.
b. Tiempo de reducción por actividad.
yj Mj
c. Contracción de la red.
xn Tij1
d. Condición de no negatividad
yj 0
xi 0
n
∑
VE ( di ) = j=1 p(Sj) V ( di , Sj )
Si existe la posibilidad de llevar a cabo un estudio de investigación de mercado para obtener la información perfecta , se
puede realizar siempre en cuando no supera el valor de la información perfecta.
n
∑
VEconIP = j=1 p(Sj) . ( mejor valor en Sj)
p( I K /S j ) p (S j )
Según la ley de BAYES p(Sj / IK) =
p( I K )
Donde:
N
∑
p( IK ) = j =1 p(IK/ Sj) p ( Sj ).
VALOR ESPERADO DE LA INFORMACION MUESTRAL ( VEIM)
VE deIM = [ Valor óptimo esperado con la información muestral ] – [Valor óptimo esperado sin información muestral ]
El valor óptimo esperado con información muestral se obtiene previo análisis en el árbol de decisión.
E = VE deIM / VE deIP
El procedimiento que se sigue para obtener la utilidad esperada de una decisión es:
Se asigna en primer lugar un valor utilitario a los posibles resultados mejor y peor de las situaciones de decisión. Cualquier
valor funciona, siempre y cuando la utilidad que se asigne al mejor resultado sea mayor que la que se asigna al peor.
U [min(di ; Sj)] = 0
U[max(di ; Sj)] = 10
Se determina luego la utilidad correspondiente a cada uno de los resultados V(di ; Sj) restantes.