SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr.

Challapa Llusco Gustavo

Solo con fines de avance para la clase de ayudanta
1


FORMULARIO SIS-2610 A

TOMA DE DECISIONES
Proceso de
decision
Completa
certeza
Riesgo
Completa
Incertidumbre
SIS-2510
Teora Bayesiana de
decisin
-Con experimentacin
-Sin experimentacin
Arboles de decisin
Funcin de utilidad
Teora de colas
Teora de inventarios
Teora de juegos
Criterios de decisin:
MaxiMax
MaxiMin
MiniMax
Laplace
Hurwicz
Savage

Elementos de una toma de decisiones

1.- Decisor.

2.- Conjunto de alternativas (Controlable): { }
i
a a a a A ........ , ,
3 2 1
=


3.- Estados de la naturaleza (No controlable): { }
j
u u u u u .......... , ,
3 2 1
=

4.- Probabilidades a priori (Si la toma de decisin es bajo riesgo):

{ } ) ( . )......... ( ), ( ), ( ) (
3 2 1 j
P P P P P u u u u u =


5.- Matriz de Costo/Beneficio.


1
u
2
u
. . .
j
u
1
a ) ; (
1 1
u a f ) ; (
2 1
u a f

) ; (
1 j
a f u
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
i
a ) ; (
1
u
i
a f ) ; (
2
u
i
a f
.

.

.

) ; (
j i
a f u
) (u p
) (
1
u p ) (
2
u p
. . .
) (
j
p u

6.- Funcin de los alternativas/estados de la naturaleza: ) ; (
j i
a f u


7.- Mtodos de decisin. (Toma de decisin bajo incertidumbre, Toma de decisin bajo riesgo, etc)

8.- Elegir la mejor alternativa.



SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo
Solo con fines de avance para la clase de ayudanta
2

METODOS DE SOLUCION


1.- TOMA DE DECISIONES BAJO RIESGO

1.1.-TEORIA BAYESIANA

1.1.1.- Toma de decisin sin experimentacin:

Opt. )] ; ( [
j i
a f E u = Opt. ] ) ( * ) ; ( [
j j i
P a f E u u


- Si la matriz de consecuencias es de prdidas o costos entonces:
Opt. = Min )] ; ( [
j i
a f E u
- Si la matriz de consecuencias es de ganancias o beneficios entonces:
Opt. = Max )] ; ( [
j i
a f E u
[] E Se denomina valor esperado.
Ejemplo Para la siguiente matriz de ganancias:

1
u
2
u
1
a
200 500
2
a
250 120
) (u p

0.2 0.8

= +
= +
146 8 . 0 * 120 2 . 0 * 250
440 8 . 0 * 500 2 . 0 * 200
_
1
a
E Max

Respuesta:
Elegir la alternativa:
1
a
El valor esperado ser E[]: 440 u.m.

1.1.2.- Toma de decisin con experimentacin
La toma de decisiones con experimentacin se trabaja con informacin adicional para tener una mejor
informacin de los sucesos esta informacin es conocida y representada como una tabla de informacin adicional
Tabla de informacin adicional

1
u
2
u
.
j
u
X1
X2
.
Xi
Donde:
X1, X2, ..,Xi :Son resultados o eventos.

1
u
,
2
u
,,
j
u
:Son los estados de la naturaleza

Con esta tabla de informacin y las probabilidades a priori se calculan las probabilidades a posteriori.

=
=
m
k
k k
i i
i
P X P
P X P
X P
1
) ( ) / (
) ( * ) / (
) / (
u u
u u
u
m i ,..., 3 , 2 , 1 = X: Evento

Marginal ad Probabilid
l Condiciona ad Probabilid
i Aposterior ad Probabilid =

Valor esperado de la matriz a posteriori
) / ( * ) ; ( ] ) ; ( E[ Opt
k
k k i k i
X P a f a f u u u

= - C
SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo
Solo con fines de avance para la clase de ayudanta
3


] ) ; ( E[ Opt
k i
a f u - C
Donde:
C: Es el costo del experimento (dato)

1.2.- COSTO DE LA INFORMACION PERFECTA C


1.- Informacin de la distribucin a priori: )] ( * ) ; ( [ ] [
k
k
k i
P a f Opt I E u u

=


E[I] :Mximo (En caso de beneficio) o Mnimo (en caso de costo o perdida) pago esperado con
informacin perfecta.

Ejemplo Del ejercicio anterior:

1
u
2
u
1
a
200 500
2
a
250 120
) (u p

0.2 0.8
Max 250 500

8 . 0 * 500 2 . 0 * 250 ] [ + = I E
450 ] [ = I E
2.- Valor esperado: Opt. ] ) ( * ) ; ( [
j j i
P a f E u u


C = ] ) ( * ) ; ( [
j j i
P a f E u u - )] ( * ) ; ( [
k
k
k i
P a f Opt u u

C = ] ) ( * ) ; ( [
j j i
P a f E u u - ] [I E
Criterios:
C=C Se recomienda experimentar.
C<C Se recomienda experimentar.
C>C No se recomienda experimentar.

2.-TOMA DE DECISIONES BAJO INCERTIDUMBRE

2.1.- CRITERIOS DE DECISIN

2.1.1.- Criterio de decisin optimista MaxiMax:

{ } )] ; ( [
j i
a f Max Max u Para Beneficios.
{ } )] ; ( [
j i
a f Min Min u Para Perdidas.
2.1.2.- Criterio de decisin de Wald o pesimista:

{ } )] ; ( [
j i
a f Min Max u Para Beneficios.
{ } )] ; ( [
j i
a f Max Min u Para Perdidas.
2.1.3.- Criterio de decisin de Hurwicz

{ } )] ; ( [ * ) 1 ( )] ; ( [ *
j i j i
a f Min a f Max Max u o u o + Para Beneficios.
{ } )] ; ( [ * ) 1 ( )] ; ( [ *
j i j i
a f Max a f Min Min u o u o + Para Perdidas.
Donde:
=coeficiente de optimismo 0<= <=1

SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo
Solo con fines de avance para la clase de ayudanta
4

2.1.4.- Criterio de decisin de Savage

{ } ) ; ( )} ; ( max{ MinMax ) , (
j i j i j j
a f a f a r u u u = Para Beneficios.
{ } )} ; ( min{ ) ; ( MinMax ) , (
j i j i j j
a f a f a r u u u = Para Perdidas.

2.1.5.- Criterio de decisin de Laplace

)
`

=
n
j
j i j
a f
n
a
1
) ; (
1
max u Para Beneficios.
)
`

=
n
j
j i j
a f
n
a
1
) ; (
1
min u Para Perdidas.
3.- ARBOLES DE DECISION

3.1.- ELEMENTOS

Nodo decisor.
Nodo Evento o evento aleatorio o probabilstico.
Ruta de conexin o ramas del rbol.
Ruta ptima.


} ,........ , {
2 1 i
a a a A 1 ) ( )} ( . ),........ ( ), ( ){ (
1
2 1
= =

=
n
j
j j
P P P P P u u u u u
A: Conjunto de alternativas.

) (u P : Probabilidades de los estados de la naturaleza.

3.1.1.- Construccin de un rbol de decisin

Pasos Generales:

Paso 1: El rbol se construye de izquierda a derecha empezando si o si con un nodo decisor
de l salen las alternativas. } ,........ , {
2 1 i
a a a A

Paso 2: Despus de las alternativas pueden o no salir ms alternativas segn sea el problema
si no hay alternativas vienen los nodos probabilsticos P()

, de l salen los estados
de la naturaleza acompaados de sus probabilidades.
Paso 3: Calcular los valores segn los datos que se proporcionen y ubicarlos al final del rbol.

Paso 4: Evaluar el rbol de derecha a izquierda.

Paso 5: Hallar la ruta optima.