UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA Magster en Ingeniera Industrial
Curso: Teora de la Decisin (IIND-4403) Seccin 1
Profesor: Sergio Cabrales - s-cabral@uniandes.edu.co
Instructor: Astrid Bernal - aj.bernal218@uniandes.edu.co
Asistente: Gabriel Cabuya - g.cabuya2488@uniandes.edu.co
Primer semestre de 2015
Programa
OBJETIVO
Desarrollar en los estudiantes competencias y habilidades en su capacidad para analizar, estructurar y resolver
problemas de decisin bajo riesgo.
En particular, como resultado del curso el estudiante debe estar en capacidad de:
Identificar y estructurar un problema de decisin de tipo estratgico en una empresa y disear una
metodologa para resolverlo, utilizando los modelos de decisin apropiados para ello.
Identificar situaciones en las cuales pueda hacer uso de algunas de las metodologas apropiadas para el
anlisis y solucin de problemas de decisin bajo incertidumbre, haciendo nfasis en la importancia de
utilizar metodologas estructuradas y herramientas apropiadas como soporte para la toma racional de
decisiones en las organizaciones.
Construir modelos de anlisis de decisiones que involucran riesgo e incertidumbre.
Utilizar las herramientas computacionales ms conocidas en el tema de anlisis de decisiones, las cuales
deber aplicar en sus talleres y en el desarrollo de su proyecto final.
METODOLOGA
El curso tiene una intensidad total de 45 horas y est organizado en 15 sesiones de tres horas de duracin cada
una. Aproximadamente el setenta por ciento de estas sesiones estarn dedicadas a la presentacin de teora,
conceptos y modelos de Teora de la Decisin y Anlisis de Decisiones, y el treinta por ciento restante se utilizar
en la realizacin de talleres en microcomputadores dedicados a la solucin de problemas de decisin utilizando
diferentes herramientas computacionales. Adicionalmente, se acordar con los estudiantes la realizacin de
talleres y sesiones especiales de problemas. Las sesiones de clase a cargo del profesor estarn dedicadas
bsicamente a las siguientes actividades:
a. Exposicin por parte del profesor de los conceptos fundamentales que cubre el curso, y presentacin de
casos reales en los que se utilizan y aplican los conceptos y herramientas que se van cubriendo en las
clases.
b. Trabajo conjunto profesor-estudiantes orientado al estudio de aplicaciones concretas de algunos de los
modelos y conceptos tratados en el curso al anlisis y solucin de problemas reales de las
organizaciones.
Los talleres de clase en microcomputadores y sesiones especiales de problemas estarn dedicados al desarrollo
de ejercicios y casos por parte de los estudiantes con la ayuda de los instructores del curso. Asimismo, se
trabajar en la estructuracin y solucin de problemas haciendo uso intensivo de las herramientas
computacionales DPL, Expert Choice, Hugin, Hiview y Crystal Ball.
Adicionalmente a lo anterior, los estudiantes debern llevar a cabo varios trabajos de aplicacin de las tcnicas y
herramientas cubiertas en el curso. En particular, realizarn un proyecto final de cierta complejidad en el que
debern estructurar y resolver un problema real de Anlisis de Decisiones.
CONTENIDO
Sesin
1
Tema
Entrega de programa del curso, pautas para el Proyecto Final e instrucciones para la realizacin
de los Talleres. Introduccin general y presentacin al curso. Ejemplos introductorios. Qu es la
Teora de la Decisin: algunas anotaciones generales acerca de esta disciplina.
Componentes de un proceso de decisin. Calidad de las decisiones. Presentacin de una
metodologa para el anlisis y solucin de problemas en el contexto de la Teora de la Decisin.
Presentacin de casos reales de aplicacin de Anlisis de Decisiones en empresas colombianas.
Discusin.
TEORA DE LA UTILIDAD
Introduccin. El concepto de lotera. Desarrollo axiomtico de la Teora de la Utilidad. Teorema
de la Utilidad Esperada. La funcin de utilidad y la actitud del decisor hacia el riesgo.
Equivalente monetario cierto. Construccin de una funcin de utilidad e interpretacin
conceptual. Funciones de utilidad de uso frecuente en las aplicaciones.
Funciones de utilidad Estratgicamente Equivalentes. Caracterizacin de un decisor con base
en su funcin de utilidad. Decisores propensos y aversos al riesgo. Precio de Compra y Precio
de Venta de una lotera. Prima de Riesgo. La Funcin de Aversin al Riesgo. Relacin entre la
F.A.R. y la Prima de Riesgo. Ejemplos de Fs.A.R.
Transformaciones Exponenciales y Temas Complementarios. Tolerancia al Riesgo: definicin y
conceptos bsicos. Usos y Aplicaciones. Ejercicios sobre clculo de primas de riesgo y sobre la
obtencin de la F.A.R. para diferentes tipos de funciones de utilidad.
Teora de Utilidad Multiatributo. Objetivos y atributos. La Funcin de Utilidad Aditiva. Ejemplos
y Aplicaciones.
Taller en microcomputadores sobre la solucin de problemas de decisin con objetivos
mltiples utilizando el paquete computacional Hiview. Quiz # 1.
Proceso Analtico Jerrquico (PAJ). Fundamentos tericos y mtodo de estimacin. Obtencin
de las Matrices de Comparacin por Pares para uno y para varios decisores. Mtodos para la
evaluacin final de las alternativas. Casos reales de aplicacin de la metodologa.
Taller en microcomputadores sobre solucin de problemas aplicando la metodologa de
Proceso Analtico Jerrquico, utilizando el paquete computacional Expert Choice.
PROBABILIDADES SUBJETIVAS Y ESTADSTICA BAYESIANA
Asignacin de Probabilidades Subjetivas: sesgos y metodologas. Construccin de una
distribucin de probabilidad con base en las percepciones de los expertos.
Un ejemplo introductorio a la Estadstica Bayesiana. Obtencin de distribuciones de
probabilidad a posteriori. Naturaleza de la Estadstica Bayesiana y sus diferencias con la
Estadstica Frecuentista. Teorema de Bayes para parmetros discretos.
Primer Examen Parcial
SEMANA DE TRABAJO INDIVIDUAL
Sesin
9
Tema
Pruebas para hiptesis simples. Ejemplos. Teorema de Bayes para parmetros continuos.
Pruebas para hiptesis compuestas. Ejemplos.
MODELOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE RIESGO E INCERTIDUMBRE:
MTODOS DE DECISIN DE MAYOR APLICACIN
10
Presentacin de experiencias exitosas en la aplicacin de metodologas y modelos de Anlisis
de Decisiones en empresas colombianas.
Quiz # 2
11
Redes Bayesianas. Fundamentos tericos y propiedades bsicas. Aplicaciones de las Redes
Bayesianas a problemas de toma de decisiones y evaluacin del riesgo.
Taller en microcomputadores sobre la solucin de problemas de decisin con Redes Bayesianas
utilizando el paquete computacional Hugin.
12
Anlisis Probabilstico-Monetario. Esperanza-Varianza. rboles de Decisin. Valor Esperado de
la Informacin.
Taller en microcomputadores utilizando el paquete DPL en la estructuracin y solucin de
rboles de Decisin.
13
Diagramas de Influencia I: construccin y propiedades fundamentales.
Diagramas de Influencia II: construccin de modelos de decisin con base en Diagramas de
Influencia con vnculos con Excel. Tablas Estratgicas. Evaluacin de un Diagrama de Influencia.
14
Taller en microcomputadores sobre la resolucin de Diagramas de Influencia.
Quiz # 3.
15
Simulacin y anlisis de riesgo utilizando Crystal Ball. Casos de aplicacin.
Taller en microcomputadores sobre la solucin de problemas de decisin y anlisis de riesgo
utilizando Crystal Ball. Quiz # 4.
Segundo Examen Parcial (se realizar en la fecha que asigne registro para el Examen Final).
SISTEMA DE EVALUACIN Y EXPLICACIN DEL PROCEDIMIENTO DE APROXIMACIN DE LA NOTA FINAL
2 Parciales
Quices
Tareas (en grupos de tres estudiantes)
Proyecto Final (en grupos de tres estudiantes)
45%
15%
20%
20%
La nota final del curso se obtendr directamente del clculo ponderado de sus notas, aproximado a dos cifras
decimales. Es decir, si el clculo de sus notas es 4.172, su nota definitiva ser 4.17.
Para que un estudiante apruebe el curso es condicin necesaria, ms no suficiente, que su promedio
ponderado de los parciales y los quices sea superior o igual a 2.85. Adicionalmente la nota final del curso debe
ser superior o igual a 3.0. Si un estudiante no cumple con alguno de estos dos requisitos no aprobar el curso y
su nota mxima ser 2.99.
BIBLIOGRAFA
[Texto Gua] Castillo, Toma de Decisiones en las Empresas: Entre el Arte y la Tcnica. Metodologas, Modelos y
Herramientas. Ediciones Uniandes, 2008.
Adicionalmente, se recomiendan los siguientes libros de consulta:
-
Edwards, Miles, von Winterfeldt, Advances in Decision Analysis: From Foundations to Applications.
Cambridge, 2007.
Keeney-Raiffa, Decision with Multiple Objectives, Preference and Value Tradeoffs. Cambridge University
Press, 1993.
Evans, Statistics, Data Analysis and Decision Models. Pearson-Prentice Hall, 2007.
Winston, Modelos Financieros con Simulacin y Optimizacin. Palisade Latinoamrica.
Matheson Matheson, The Smart Organization, Harvard Business School Press, 1998.
Newendorp - Schuyler, Decision Analysis for petroleum Exploration. Second Edition, Planning Press, 2000.
Clemen, Making Hard Decisions, with Decision Tools Suite Duxbury Press, 2001.
Clemen, Making Hard Decisions, Duxbury Press, 1996.
Kirkwood, Strategic Decision Making, Wadsworth, Cengage Learning, 1997.
Marshal Oliver, Decision Making and Forecasting, McGraw-Hill, 1995.
Saaty, Fundamental of Decisions Making and Priority Theory with the Analytic Hierarchy Process, University
of Pittsburgh, 1994.
Saaty-Vargas, Decisions Making in Economic, Political, Social and Technological Environments with the
Analytic Hierarchy Process, University of Pittsburgh, 1994.
Saaty, Theory and Applications of the Analytic Network Process, RWS Publications, 2005.
Winterfeldt, Edwards. Decision Analysis and Behavioral Research. Cambridge University Press, 1986.
Winkler, An Introduction to Bayesian Inference and Decision, Second Edition.
Bratvold Begg. Making Good Decisions. Society of Petroleum Engineers. 2010.
Press, Bayesian Statistics: Principles, Models and Applications, Wiley, 1989.
Press, Subjective and Objective Bayesian Statistics. Principles, Models, and Applications, Wiley, 2003.
Lee, Bayesian Statistics: an introduction, Oxford University Press, 1989.
Neapolitan, Learning Bayesian Networks, Pearson Prentice Hall, 2004.
Salinas, Anlisis de Decisiones Estratgicas en entornos inciertos, cambiantes y complejos. CENGAGE
Learning, 2009.
Davenport Harris, Competing on Analytics. The New Science of Winning. Harvard Business School Press,
2007.
Jackman, Bayesian Analysis for the Social Sciences, Department of political Science - Stanford University,
Wiley, 2009.
Adicionalmente a la bibliografa antes descrita, se entregarn las referencias de algunos artculos de inters
sobre el tema.
