Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo PDF
Modulo PDF
NUBIA SALAZAR
Acreditador
BOGOT D.C.
Marzo 2010
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INDICE DE CONTENIDO
INTRODUCCION GENERAL 7
AUTOEVALUCION UNIDAD 1 62
2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
BIBLIOGRAFIA. 147
3
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
LISTADO DE TABLAS
4
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Figura 1. Ideas 20
5
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
6
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCIN GENERAL
fuente:www.universia.es/.../decisiones-interactivas.jpg
7
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
UNIDAD 1
8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
UNIDAD 2
9
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Markov.
10
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Fuente: sigc.wikidot.com/.../conocimiento.JPG
INTRODUCCIN:
Por ltimo aplicar lo visto en los captulos anteriores por medio modelos ms
grficos y sencillos como se resuelven los arboles de decisin.
OBJETIVO GENERAL:
OBJETIVOS ESPECIFICOS:
- Conocer los conceptos bsicos para los manejos de los mtodos en la teora de
decisiones.
11
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
-Diferenciar entre los mtodos para las tomas de decisiones bajo incertidumbre
desde la percepcin de una investigacin de mercados con o sin informacin
muestra.
COMPETENCIAS:
JUSTIFICACION
INTENCIONALIDADES FORMATIVAS
La intencin formativa tiene que ver con las capacidades para tomar decisiones
por medio del uso de diferentes mtodos como lo son los criterios de decisin, el
valor esperado y los arboles de decisin, cuando se tienen diferentes alternativas
o solo dos. Pero esto no es posible s no se desarrolla previamente un estudio de
mercado y no se desarrollan los clculos de probabilidades.
12
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Fuente:www.monografias.com/.../Image815.gif
INTRODUCCIN
- Criterios de decisin.
OBJETIVOS:
1.- Conocer la importancia de seguir un proceso y secuencia para tomar bien una
decisin.
2.- Observar diferentes formas para seguir rutas en las decisiones cotidianas
3.- Estudiar unos procesos y esquemas matemticos como base para una optima
decisin.
4.- Tener a mano un criterio matemtico que apoye una decisin tomada.
13
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Fuente: www.scielo.org.co/.../cadm/v20n34/a04g3.jpg
Para iniciar los anlisis en la toma de decisiones se iniciara con tener en cuenta
los tipos de decisiones que se nos presentan a diario en nuestra vida profesional y
particular, con tal concepto se debe diferenciar de la siguiente manera:
14
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Estrategia: Esta parte consiste en designar todos los medios posibles para
resolver el diagnostico, es por lo tanto, un punto que involucra la racionalidad
orientada a un objetivo, tambin se utiliza para designar los procedimientos
usados en una situacin de confrontacin con el fin de privar al oponente de sus
medios de lucha y obligarlo a abandonar el combate; es una cuestin, entonces,
de los medios destinados a obtener una victoria. (DELEUZE, Guilles. (1987)
Foucault. Ediciones Paidos. Barcelona Espaa)
15
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Acciones: Son los pasos a tomar en la decisin escogida cado uno de los
parmetros determinados en un esquema de proyectos PERT-CPM, la secuencia
necesaria para cumplir adems tiene inmerso los desarrollos estratgicos por si
algn punto no se puede lograr o eventualmente no se puede realizar o se debe
cambiar.
16
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
De donde:
Los anteriores pasos los requerimos para todo tipo de toma de decisiones pero en
trminos de anlisis matemticos la toma de decisiones desde un punto de vista
estadsticos tiene en cuenta los siguientes pasos:
1. Simplificar
2. Construir un modelo de decisin
3. Probar el modelo
4. Usando el modelo para encontrar soluciones:
o El modelo es una representacin simplificada de la situacin real
o No necesita estar completo o exacto en todas las relaciones
o Se concentra en las relaciones fundamentales e ignora las irrelevantes.
o Este es entendido con mayor facilidad que un suceso emprico (observado),
por lo tanto permite que el problema sea resuelto con mayor facilidad y con
un mnimo de esfuerzo y prdida de tiempo.
5. El modelo puede ser usado repetidas veces para problemas similares, y
adems puede ser ajustado y modificado.
18
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
19
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Figura 1. Ideas
20
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
21
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Como se estudio en este captulo, hay una secuencia previa para la toma de
decisiones, se observo desde el anlisis del problema hasta las secuencias para
una ptima decisin, pero solo con anlisis empricos hasta el momento y no con
modelos matemticos para analizar en los siguientes captulos.
Estados de la Naturaleza
Crecimiento Sin
Crecimiento Bajo
medio cambio
C CM SC B
Bonos 12% 8 6 3
Cursos
de Acciones 15 7 3 -2
Accin
Depsito 7 7 7 7
Definir el Problema
22
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Se ha de considerar:
- Cul alternativa resolver el problema a largo plazo?
23
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
24
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
- Realizar un memorando que describa los logros del esfuerzo durante el proceso
de resolver el problema y compartirlo con todos/as.
Para el estudio de los criterios de decisin, primero debemos definir que son
criterios de decisin y los tipos de criterios que debemos estudiar:
25
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
- CRITERIO PROBABILSTICO
- Utilizar estas propiedades para calcular una ganancia esperada para cada
alternativa.
- Escoger la alternativa que tenga la mayor ganancia esperada.
26
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
- CRITERIO HURWICZ
Este criterio combina los criterios pesimista y optimista, decidiendo que tan
optimista o que tan pesimista se desea ser.
EJEMPLO 1:
SOLUCION
27
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
DEMANDA DE PERIODICOS
PERIODICOS
PEDIDOS 6 7 8 9 10
Por lo tanto si opta por la decisin de mitigar el peor de los casos, quiz ya pueda
sacar provecho de la buena fortuna, por lo cual Felipe nunca ganar menos de
$30, pero nunca ganar ms de $30. Por lo cual se recomienda ordenar 6
peridicos.
6 6, 7, 8, 9,10 $30
7 7, 8, 9,10 $35
8 8, 9,10 $40
9 9,10 $45
10 10 $50 --- maximax
Tabla 4. Decisiones segn Criterio maximax
por demanda menos cada una de las utilidades por peridico vendido, tal como
se muestra en la tabla siguiente:
DEMANDA DE PERIODICOS
PERIODICOS
PEDIDOS 6 7 8 9 10
6 $30 - $30 = $ 0 $35 - $30= $ 5 $40 - $30= $10 $45 - $30= $15 $50 - $30= $20
7 $30 - $10 = $20 $35 - $35= $ 0 $40 - $35 =$ 5 $45 - $35 = $10 $50 - $35 = $15
8 $30 + $10 = $40 $35 - $15 = $20 $40 - $40 = $ 0 $45 - $40 = $ 5 $50 - $40 = $10
9 $30 + $30 = $60 $35 + $ 5 = $20 $40 - $20 = $20 $45 - $45 = $ 0 $50 - $45 = $ 5
10 $30 + $50 = $80 $35 + $25 = $60 $40 - $ 0 = $40 $45 - $ 0 = $40 $50 $50 $50
Los resultados obtenidos son las penalizaciones por lo cual los resultados son:
PERIODICOS PENALIZACION
PEDIDOS MAXIMA
6 $20
7 $20
8 $40
9 $60
10 $80
TALLER
1. PIZZA King y Noble greek son dos restaurantes competidores. Deben
determinar en forma simultnea, si emprenden campaas de publicidades
pequeas, medianas o grandes. Pizza King cree que es igualmente probable que
Noble Greek lleve a cabo una campaa pequea, mediana o grande. En la tabla
se muestran las ganancias de Pizza King, dadas las acciones de los dos
restaurantes. Determinar la campaa elegida por Pizza King segn los criterios
maximin, maximax y minimax.
2. Sodaco planea producir una novedad: chocovan. Calcula que la demanda anual
de chocovan, D (miles de empaques) tiene la siguiente funcin de masa: P(D =30)
= .30, P(D = 50) = .40, P(D = 80 ) = .30. Cada empaque de Chocovan se vende a
$5 y se encurre en un costo variable de $3. Se necesitan $800000 para construir
la planta productora de Chocovan. Suponga que se recibe, por siempre $1 cada
ao, equivale a recibir $10 ahora. Considerando la recompensa para cada accin
y estado del mundo en trminos del valor presente neto, usar cada uno de los
criterios de decisin estudiados en el capitulo para determinar se sodaco debe
construir la planta.
29
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Fuente: http://scielo.isciii.es/scielo.php?pid=S0213-9111200...
INTRODUCCIN
OBJETIVOS:
2.- Emplear los criterios de valor esperado para tomar la decisin de una
investigacin.
3.- Estudiar el criterio del valor esperado cuando se tiene una informacin perfecta
o una muestra especifica.
30
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Fuente:juangabrielcendales.com/.../acuerdos-y-certezas/
Todo esto nos da el manejo de informaciones que tenga algo de muestra o sin
informacin muestra.
- Valor Esperado
Fuente: www.monografias.com/trabajos48/medicinas-alte...
31
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Caractersticas:
El propsito de la I.M. es disear y llevar a cabo una investigacin que tenga como
resultado un indicador descriptivo o estimacin del proyecto propuesto.
- Reporte no favorable del estudio de I.M; a muestra tomada expresa poco inters
por producto de la X Ca.
32
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Tipos de probabilidades:
33
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Resultado
Moderada (M) -5 10 12
Alta (A) -8 6 15
34
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
= 0,4(-2)+0,4(10)+0,2(15)=6,2
35
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Indicador Descripcin
I1 < 10% compra producto (computador)
I2 > 10% compra producto(computador)
36
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Valor Ganancia
esperado
= _ Ganancia
esperada esperada sin
de la con informacin
informacin informacin de muestra
de muestra de muestra
37
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Para el criterio del valor esperado se tiene en cuenta la probabilidad del estado de
la naturaleza que es para todas las posibles opciones de 1/5 por el pago
correspondiente para cada decisin y el valor mayor es la mejor decisin as:
RECOMPENSA ESPERADA
PERIODICOS
PEDIDOS
38
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
persona anuncia la venta de un auto usado. Al recibir una oferta, el vendedor debe
decidir dentro de un tiempo razonable, si est es aceptable o no. En este aspecto,
el vendedor establece un precio lmite abajo del cual el auto no ser vendido. Este
es el nivel de aceptacin que permitir al vendedor aceptar la primera oferta que
lo satisfaga. Tal criterio no puede proporcionar el ptimo; Una oferta posterior
puede ser ms alta que la aceptada.
39
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
20 / x2 10 x 20
F(x) =
0 en cualquier otro valor
Se deduce que
= = 20 ln 20/I + I/20 1
= = 20 ln 10/I + I/10 -1
Esto significa que los niveles de aceptacin A1 y A2 deben ser tales que las dos
desigualdades se satisfagan simultneamente para al menos un valor de I.
I 12 13 14 15 16 17 18 19 20
Ln I I/20 1.88 1.91 1.94 1.96 1.97 1.98 1.99 1.99 1.99
Ln I I/10 1.28 1.26 1.24 1.21 1.17 1.13 1.09 1.04 0.99
40
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Se satisface para 13 < I < 17. Por consiguiente para cualquiera de estos valores
se proporciona una respuesta al problema.
TALLER:
ESTADO NATURAL
41
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCION
- La teora de la utilidad.
OBJETIVOS:
42
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
- Las ramas que llegan a un nodo desde la izquierda ya ocurrieron. Las ramas que
salen hacia la derecha todava no ocurrieron.
43
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Caractersticas:
- Las Ramas que salen de cada nodo redondo representan los diferentes estados
de naturaleza, representar un posible acontecimiento
- Las ramas que sales de los nodos cuadrados representan las diferentes
alternativas de decisin.
- Al final de cada rama de un rbol estn los pagos obtenidos de una serie de
divisiones que componen ese rbol.
Ejemplo.
Suponga que el estado del tiempo es variable y puede que llueva o no.
Usted tiene que tomar la decisin de llevar paraguas o no. Fig. 3.
Nodo de
Decisin
Rama
Nodo de
Probabilidad
- Dado que quien toma las decisiones controla las ramas que salen de cada
nodo de decisin, se elige la rama que resulte en el mayor valor esperado.
44
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
EJEMPLO 5:
45
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
P (F) =, 45
F
D P (D) =, 55
A P (F) =, 45
F
B
D P (D)=,55
C
P (F)=,45
F
D P (D)=,55
B
ERB = 12.85
C
ERC = 10,58
46
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
RESULTADOS:
47
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Por tanto se toma la decisin Moderada debido a que da la MAYOR ganancia con
un valor de 4.4.
Para desarrollar una unin entre los arboles de decisin y el teorema de bayes
que es una herramienta clave para la solucin de estos problemas es mas fcil
entenderlo a partir de la siguiente explicacin: de un conjunto de entrenamiento D
de tamao N y de una funcin parametrizable F(x; W) (p.e. una red neuronal)
siendo W el conjunto de parmetros asociados a la funcin (p.e. los pesos de la
red neuronal), el problema del aprendizaje estadstico pasa por calcular W de
manera que se consiga un objetivo estadstico, p.e. minimizar una funcin de
costo estadstica. Para ello se utilizar algn mtodo de optimizacin. El sistema
de ecuaciones obtenido al aplicar el mtodo de optimizacin sobre la funcin de
costo estadstico es lo que se conoce como algoritmo de entrenamiento. Dicho
algoritmo es en realidad un sistema dinmico, es decir un conjunto de ecuaciones
que evolucionan en el tiempo. Este sistema dinmico deber converger hacia el
mnimo de la funcin de costo. No obstante, ser habitual definir un criterio de
parada del algoritmo que permita parar la ejecucin del mismo antes de que
converja.
EJEMPLO 7.
Ahora se va a considerar un ejemplo muy simple. Los caramelos sorpresa son de
dos sabores: CEREZA y LIMA. El fabricante de los caramelos tiene un sentido del
humor muy peculiar, y envuelve los caramelos en un envoltorio opaco en el que no
48
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
(1)
Ahora suponga que queremos hacer una prediccin sobre una cantidad
desconocida X. tenemos
(2)
(3)
Donde se ha asumido que cada hiptesis determina una distribucin de
probabilidades de X. esta ecuacin muestra que las predicciones son el resultado
de ponderar las predicciones de las hiptesis individuales. Las hiptesis son en s
mismas intermediarios entre los datos crudos y las predicciones. Las cantidades
clave en el enfoque bayesiano son las hiptesis a priori. P(hi) y la verosimilitud
de los datos dada cada una de las hiptesis, P(d/hi).
49
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
(4)
La figura 8 muestra cmo cambian las probabilidades a posteriori de las cinco
hiptesis a medida que se van observando los 10 caramelos de lima. Ntese que
las probabilidades comienzan con sus valores a priori, por lo que h 3 es
inicialmente ms probable que las dems, incluso despus de que se desenvuelva
el primer caramelo. Despus de desenvolver dos caramelos de lima, h 4 es la ms
probable; despus de tres o ms, h5 (la terrorfica bolsa con todos los caramelos
de lima) es la ms probable. Despus de 10, estamos bastante seguros de
nuestro destino.
El ejemplo muestra que, a la larga, la verdadera hiptesis domina la prediccin
bayesiana. Esto es caracterstico del aprendizaje bayesiano. Para cualquier a
priori fija que no excluya la hiptesis verdadera, la probabilidad a posteriori de
cualquier hiptesis falsa finalmente desaparecer, simplemente porque la
probabilidad de generar datos no caractersticos de forma indefinida es cada vez
ms pequea. Ms importante, la prediccin bayesiana es ptima, tanto si el
conjunto de datos es pequeo, como si es grande. Dada la hiptesis a priori,
cualquier otra prediccin ser correcta con menos frecuencia.
Por supuesto, la optimalidad del aprendizaje bayesiano tiene un precio. En los
problemas reales de aprendizaje, el espacio de hiptesis es normalmente muy
grande. En algunos casos, el clculo del sumatorio de la ecuacin (2) (o la
integracin en caso continuo) es tratable, pero en la mayora de los casos
debemos recurrir a mtodos aproximados o simplificados.
50
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
=0
= 0.1
= 0.4
= 0.3
= 0.2
Probabilidades para el momento en el que se destapa el segundo caramelo
=0
= 0.038
= 0.307
= 0.346
= 0.307
51
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
=0
= 0.0131
= 0.210
= 0.355
= 0.421
Como se observa en las ecuaciones anteriores; a medida que se van destapando
caramelos las ecuaciones se van actualizando con las nuevas probabilidades,
cosa que hace ms exactas las probabilidades a posteriori.
A continuacin se muestra la tabla 17. Para 10 iteraciones, es decir para los diez
primeros caramelos destapados.
h1 h2 h3 h4 h5
52
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
La utilidad es una forma alternativa para medir el atractivo del resultado de una
decisin. Dicho de otro modo, de encontrar los valores a llenar una tabla de pagos.
Se emplea en los criterios de decisin y de valor esperado los beneficios netos y el
arrepentimiento como medidas de la bondad de una combinacin concreta de una
decisin con un estado natural.
- Una nica oportunidad para tomar la decisin y sta tiene riesgos considerables.
- Una pliza de seguros cuesta ms que el valor actual de las prdidas esperadas
de la compaa aseguradora.
53
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
suponga que Ud. Podra recibir esa ganancia en forma segura o recibira,
ya sea la mayor ganancia con probabilidad p y la menor ganancia con
probabilidad (1-p). Qu valor para p lo hara indiferente ante esas dos
situaciones?
La respuesta a esta pregunta son las probabilidades de indiferencia con
respecto a la ganancia y se usan como valores para la utilidad.
Ganancia
Grafico 5. Tipo de decisiones.
54
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
U(M)
5
4
3
2
1
Una funcin de utilidad para el dinero de este tipo nos muestra una utilidad
marginal decreciente para el dinero. La pendiente de la funcin disminuye
conforme aumenta la cantidad de dinero M. Porque la segunda derivada < 0
cuando sta existe.
55
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Pero se puede observar que no todas las personas tienen una utilidad marginal
decreciente para el dinero. Hay personas que tienen funciones de utilidad marginal
creciente para el dinero.
56
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Por otro lado, encontrar petrleo es una perspectiva interesante, ya que una
ganancia de $700000 dara a la compaa una base financiera slida. Para aplicar
la funcin de utilidad para el dinero del tomador de decisiones es necesario
conocer todos los pagos posibles.
57
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Veamos la manera como se obtuvo esta tabla 18; El punto de inicio adecuado
para construir la funcin de utilidad es considerar el peor y el mejor de los
escenarios.
Qu valor de p hara que el tomador de decisiones fuera indiferente ante las dos
alternativas?
u (700) = 600
58
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Resumiendo:
Para f > 0 halle un valor de p tal que sea indiferente tener $700 con ese valor de p,
o tener a la fija f y se plantea u (f) = u (700)* p + 0 * (1-p)
u (f) = u (700)* p
Se halla u(f)
Para f < 0 halle un valor de p tal que sea indiferente tener -$130 con ese valor de
p, o tener a la fija f
u (-130)* p = u (f)
Se halla u (f)
59
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
TALLER:
60
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
61
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
AUTOEVALUACIN DE LA UNIDAD 1.
1 2 3 4 5
1 15 10 0 -6 17
2 3 14 8 9 2
3 1 5 14 20 -3
4 7 19 10 2 0
(a) Laplace
(b) Maximin.
(c) Savage.
(d) Hurwicz. (Suponga que = 0.5.)
RESPUESTAS:
1. a) a4 b) a2 c) a2 d) a4
62
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCIN:
Por ltimo aplicar los conceptos de programacin lineal pero en decisiones con
metas y el algoritmo especfico, as como las aplicaciones de los modelos de
simulacin.
OBJETIVO GENERAL:
Dar a conocer a los estudiantes las modelos para apoyo en las decisiones cuando
no se conoce a futuro ninguna certeza por ende se debe basar todo en el estudio
probabilstico, las caractersticas, elementos esenciales, algoritmos de solucin y
la aplicabilidad de la probabilidad en una empresa.
OBJETIVOS ESPECIFICOS:
- Aplicar los mtodos de solucin para la toma de decisiones donde solo hay dos
participantes y se debe suponer las decisiones del otro.
63
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
COMPETENCIAS:
JUSTIFICACION
INTENCIONALIDADES FORMATIVAS
La intencin formativa tiene que ver con las capacidades para tomar decisiones
con riesgo por medio del uso de diferentes mtodos como lo son la teora de
juegos, las decisiones con procesos de markov. Adicionalmente aplicar modelos
de programacin cuando son varias las posibles decisiones y determinar los
desarrollos por medio de las simulaciones en los procesos de decisin. Esto lo
pueden realizar con apoyo de los conocimientos adquiridos en el clculo
diferencial, programacin lineal y ecuaciones diferenciales.
64
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCIN
OBJETIVOS
65
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Fuente: http://julioguti.bligoo.com/tag/psicologia
IDEAS FUNDAMENTALES
66
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
- Se llaman juegos con suma cero por que un jugador gana lo que el otro pierde,
de manera que la suma de sus ganancias netas es cero. Este juego consiste en
que los dos jugadores muestran al mismo tiempo uno o dos dados.
Si el nmero de dados coincide con el jugador que apuesta a pares (jugador 1)
gana la apuesta ($1) al jugador que va por impares (jugador 2).
METODOS DE SOLUCIN
- Estrategias Dominadas
- Punto de silla y suma cero
- Estrategias mixtas
- Grafico
Fuente: http://isegara.blogspot.com/2010/05/el-mundo-del-adolescente-dominado-por.html
67
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Este mtodo consiste en eliminar una serie de estrategias inferiores hasta que
quede una sola para elegir. Especficamente se puede eliminar una estrategia
cuando est dominado por otra, es decir, si existe otra estrategia que siempre es
al menos tan buena como esta, sin importar lo que hace el oponente.
EJEMPLO 9:
Jugador 2
Estrategias 1 2 3
1 6 10 12
Jugador1 2 6 0 14
3 0 6 -6
Jugador2 Jugador 2
estrategias Estrategias
1 2
1 2
1 6 10
Jugador1 6 10
2 6 0 1
Jugador 1
68
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Jugador 2 Jugador2
Estrategias Estrategias
1 2 1
1 6 10 Jugador1 3 6
Jugador 1
- Entonces sabemos que el jugador 1 recibe un pago de 6 por parte del jugador 2.
Fuente: http://blog.pucp.edu.pe/blog/economate
El mtodo consiste en que el jugador 1 debe elegir las estrategias de menor valor
y entre ellas escoger la estrategia de mayor valor a ganar (Maximin), mientras que
el jugador 2 debe elegir las estrategias de mayor valor y entre ellas escoger la
estrategia de menor valor a pagar (Minimax).
El Punto Silla es el valor del juego. Cuando estos valores no coinciden no existe
Punto Silla y se puede concluir que el juego no es justo o la solucin es inestable
- Si el juego tiene un valor de cero (0) o suma cero, se denomina Juego Justo, y
si es diferente de cero (0) se denomina Juego Injusto.
69
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
EJEMPLO 10.
jugador 2
Estrategias 1 3
2
1 -3 -2 6
Jugador1 2 2 0 2
3 -2 4 3
El Jugador 1 elige el valor mnimo de cada fila y el jugador 2 elige el valor mximo
de cada columna.
Estrategias jugador2
1 2 3
1 -3 -2 6 -3
Jugador1
2 2 0 2 0
3 5 -2 4 -2
5 0 6
Fuente: http://www.opabinia.com/teoria/MEDIDA/MEDIDA.htm
Este mtodo se emplea cuando un juego no se puede resolver por los mtodos
anteriores (Estrategias dominadas y Punto Silla) utilizamos el mtodo de
estrategias mixtas, que consiste en combinar las estrategias dominadas con el
procedimiento de Solucin grfica.
70
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
EJEMPLO 11.
jugador 2
Estrategias
1 2 3
1
0 -2 2
Jugador1 2 5 4 -3
3 2 3 4
jugador 2
Estrategias
1 2 3
1
0 -2 2
Jugador1 2 5 4 -3
3 2 3 4
jugador 2 Y
Estrategias Y Y
1 2 3
1
0 -2 2
jugador
1 2 5 4 -3
Fuente: http://thales.cica.es/rd/Recursos/rd99/ed99-0045-01/secciones/grafico.html
71
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Para desarrollar este mtodo, el cual se emplea tambin en las estrategias mixtas
tomamos la matriz de pagos del ejemplo 11 y la convertimos en un sistema de
ecuaciones lineales donde X hacen referencia al jugador 1 y las Y hacen
referencia al jugador 2; As:
Jugador 1.
X1 + X2 =1 X1 = 1 - X2
Jugador 2.
Y1 + Y2 + Y3 = 1
Con los valores anteriores se obtienen tres lneas rectas que debemos ubicar en
el plano cartesiano, a continuacin tenemos los puntos de corte respectivos con
los ejes:
Y2 = -2+6X2 x = 0 Y = -2
x=1 Y=4
72
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
El punto de corte nos determina la solucin ptima del juego. Que para este
mtodo se tiene aproximadamente 0,4 para X2; y por lo tanto 0,6 para X1.
Para mejor anlisis se puede desarrollar tambin por cualquiera de los mtodos
algebraicos as:
IGUALACION
Y2 = Y3
-2+6X2 = 2 -5X2
6X2+5X2 = 2+2
11X2 = 4
Teniendo en cuenta las dos rectas que forman parte del punto maximin y con
respecto ha Y son:
73
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Y3 = 6/11 = 0,5454*100
Y3 = 54,54% y Y2 = 45,46%
Solucin:
Observando los valores de los porcentajes de las estrategias encontradas para
los dos jugadores podemos realizar el anlisis de la siguiente manera: El
jugador 1 le gana al jugador 2 en el primer turno por un valor del 64%, en el
segundo turno le gana el jugador 2 al jugador 1 por un porcentaje del 45.46, lo
que da hasta el momento un empate entre los dos jugadores, sin embargo en
el tercer y ltimo juego el jugador 2 le gana al jugador 1 con un 54.54%, lo que
da como resultado final, que el juego sea injusto, y tenga un valor de juego
igual a 2/11.
SOLUCIN
74
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
MATRIZ DE PAGOS
Poltico 2 Poltico 2
Estrategias Estrategias
1 2 3 1 2 3
1 1
0 -2 2 0 -2 2
Poltico 1 2 5 4 -3 Poltico 1 2 5 4 -3
3 2 3 4 3 2 3 4
Poltico 2 Maximax
Estrategias
1 2 3
1 2
0 -2 2
Poltico 1 5
2 5 4 -3
3 2 3 4 4
Maximin. 0 -2 -3
EJEMPLO 13: En este juego se desarrollarn las estrategias dominadas para dos
jugadores de la siguiente manera;
75
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Jugador 2
Para el jugador 1:
Estrategias La estrategia 3 est dominada por la
1 2 3 estrategia 1 ya que tiene pagos ms
1 altos (1>0, 2>1, 4>-1)
1 2 4 Independiente de lo que haga el
jugador 2.
jugador 1 2 1 0 5
3 0 1 -1
1 2 Para el jugador 1
Para el jugador 2
1 2
1 1 2 La estrategia 2 est dominada por
la estrategia 1 (1<2)
1
1 1
Se obtiene como valor del juego la estrategia 1 para ambos jugadores donde el
jugador 1 obtiene un pago de 1 del jugador 2. Es un juego equilibrado pero no
justo.
Jugador 2
Estrategias
1 2 3
1
2 3 5
jugador 1 2 2 1 6
3 1 2 0
76
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
SOLUCIN
Jugador 2
Estrategias
1 2 3
1
2 3 5
jugador 1 2 2 1 6
3 1 2 0
Jugador 2
Estrategias 3
1 2
1
2 3 5
jugador 1
2 2 1 6
Jugador2
estrategias
1 2
1 2 3
Jugador1
2 2 1
Jugador 2
Estrategias
1 2
1 2 3
Jugador 1
El ejemplo nos entrega un valor del juego de 2 donde el jugador 1 recibe un pago
de 2 por parte del jugador 2; Este es un ejemplo de Juego Injusto.
EJEMPLO 14. Encuentre el Maximin, Mnimax el punto silla que tiene la siguiente
matriz de pagos.
77
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Jugador 2
Estrategias
1 2 3
1
3 -3 -2
jugador 1 2 -4 -2 -1
3 1 -1 2
SOLUCIN
El jugador 1 elige el valor mnimo de cada fila y el jugador 2 elige el valor mximo
de cada columna:
Jugador 2
Estrategias
1 2 3
1 -3 Mnimos
3 -3 -2
jugador 1 2 -4 -2 -1 -4
3 1 -1 2 -1
3 -1 2 Mximos
El Jugador 1 elige el valor mayor entre los valores mnimos (Maximin). El Jugador
2 elige el valor mnimo entre los valores mayores (Mnimax).
Jugador 2
Estrategias
1 2 3
1 3
3 -3 -2
jugador 1 -4
2 -4 -2 -1
3 1 -1 2 -1
1 1
Punto silla 3 -1 2 minimax
1
maximin
78
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
TALLER:
Jugador 2
Estrategias
1 2 3
1
2 3 5
jugador
1
2 2 1 6
Jugador 2
Estrategias
1 2 3
1
2 3 5
jugador
1 2 2 1 6
3 1 2 0
3. Encuentre el Punto Silla del juego que tiene la siguiente Matriz de Pagos.
Jugador 2
Estrategias
1 2 3
1
2 3 5
jugador
1 2 2 1 6
3 1 2 0
4. Utilice el procedimiento grfico para determinar el valor del juego y la
estrategia mixta ptima para cada jugador segn el criterio de mnimax.
Jugador 2
Estrategias
1 2 3
1
2 3 5
jugador
1
2 2 1 6
79
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCION
Las cadenas de Markov son un proceso estocstico en el que los valores del
tiempo son discretos y los estados posibles de la variable aleatoria contienen
valores discretos, es decir, es una cadena estocstica de tiempo discreto. Las
cadenas de Markov, se clasifican, adems, dentro de los procesos estocsticos de
Markov, que son aquellos en el que el estado futuro de un proceso es
80
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Se tiene que una v.a. X(s) es una funcin que va desde un espacio muestral S a
la recta real, de manera que a cada punto s S del espacio muestral se le puede
asociar un nmero de la recta real. De este modo, la probabilidad de cada suceso
de S se puede trasladar a la probabilidad de que un valor de X (v.a.) caiga en un
cierto intervalo o conjunto de nmeros reales. Si a todo esto se le aade una
dimensin temporal, se obtiene un proceso estocstico.
Ejemplos:
Xt: nmero de personas que esperan un autobs en un instante t donde t [9, 10]
Xt: precio de una accin de una empresa en un da t del mes (t = 1, 2, . . . , 30).
Xt: nmero de parados en el mes t (t = 1, 2, . . . , 12).
81
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Para que un proceso estocstico est completamente definido hay que determinar
completamente las v.a., es decir, determinar e identificar la distribucin de
probabilidad asociada a cada una de ellas y, es ms, la distribucin conjunta de
todas ellas.
EJEMPLO 15: Se lanza una moneda varias veces. Supngase que cada vez que
sale cara, un jugador gana 1 unidad y si sale sello pierde 1 unidad. Se puede
definir un proceso estocstico que modeliza la evolucin del juego.
As, si se denomina Xn al nmero de unidades monetarias que quedan despus
de n lanzamientos, el espacio muestral de Xn es
Y el lgebra que se define es a = P (), esto es, las partes de (todos los
posibles subconjuntos que se pueden formar en ).
E = {. . ., 3, 2, 1, 0, 1, 2, 3. . .}
X1(w) = 1
X2(w) = 2
X3(w) = 1
X4(w) = 0
X5(w) = 1
X6(w) = 2
82
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
-1
0
1
1 3
2
1
0 1
0
-1
-1 -3
-2
-1
De modo que E = {3, 1, 1, 3} y
P {X3 = 3} = 1/ 23 = 1/8
83
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Por ejemplo la ruina del jugador: inicialmente tengo $2, en los tiempos
1,2,...participo en un juego en el que apuesto $1 que gano con probabilidad p y
pierdo con probabilidad 1-p; Dejo de jugar cuando mi capital es $4 o he perdido
todo mi capital.
Si Xi es la cantidad de dinero que tengo en el tiempo i, X0, X1,... es un proceso
estocstico.
Estados: 0, 1, 2, 3, 4
Matriz de transicin
1 0 0 0 0
1-p 0 p 0 0
0 1-p 0 p 0
0 0 1-p 0 p
0 0 0 0 1
84
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
EJEMPLO 17. El ascensor de un edificio con bajo y dos pisos realiza viajes de
uno a otro piso. El piso en el que finaliza el viaje n-simo del ascensor sigue una
cadena de Markov. Se sabe que la mitad de los viajes que parten del bajo se
dirigen a cada uno de los otros dos pisos, mientras que si un viaje comienza en el
primer piso, slo el 25% de las veces finaliza en el segundo. Por ltimo, si un
trayecto comienza en el segundo piso, siempre finaliza en el bajo. Se pide:
SOLUCIN:
85
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
c)
86
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Un estado i es peridico con periodo k>1 si k es el menor nmero tal que todas
las trayectorias que parten del estado i y regresan al estado i tienen una longitud
mltiplo de k.
1 2... s
n
Lim P = 1 2... s
n
1 2... s
Es decir,
Lim Pij =(n)= J
n
Se le llama distribucin de estado estable o de equilibrio para la cadena de
Markov.
87
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
1 +2 +... + s= 1
En el estado estable el flujo de probabilidad hacia cada estado debe ser igual al
flujo de probabilidad que sale de cada estado o sea son las probabilidades de
equilibrio.
La estructura de recompensas del proceso est descrita por una matriz cuyos
elementos individuales son el costo o el beneficio de moverse de un estado a otro.
88
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
EJEMPLO 18. Suponga que toda la industria de refresco produce dos colas: Coca
Cola y Pepsi Cola. Cuando una persona ha comprado Coca Cola hay una
probabilidad de 90% de que siga comprndola la vez siguiente. Si una persona
compr Pepsi, hay 80% de que repita la vez siguiente. Se pide:
SOLUCIN: La situacin se puede modelar como una cadena de Markov con dos
estados {Coca-Cola, Pepsi-Cola}= {C, P}. La matriz de transicin para el orden C,
P, es:
0,2 0,8
P=
0,9 0,1
89
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Por lo tanto,
Obsrvese que las dos primeras ecuaciones son la misma por tanto quedmonos
con las dos ltimas, obteniendo como solucin:
x = 2/3; y = 1/3.
Mtodos:
Enumeracin exhaustiva: se evalan todas las polticas estacionarias posibles
del problema de decisin
Iteracin de poltica: determina la poltica ptima de forma iterativa
ENUMERACIN EXHAUSTIVA
Problema de decisin con S polticas estacionarias
90
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
m
n(i) = Vi + Pij n+1(j), i= 1,2, ... , m
k j=1
ITERACIN DE POLTICAS
1.- Determinacin del valor: se elige una poltica arbitraria s. Suponiendo fs(m)=0
se resuelven las ecuaciones:
91
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
m
Es=Vsi + Psij s(j) - (i), i= 1,2, ... , m
j=1
Las decisiones ptimas que resultan para los estados 1,2,..., m constituyen la
nueva poltica t. Si s y t son idnticas, t es ptima. Si no es as, se repite el
proceso con s=t.
92
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
=0
Autovalores: =1 Multiplicidad 1 y nico de
= -1/3 mdulo 1
= - 2/3
P () (I P) = 0
Sistema de ecuaciones:
-Saln PS = 0,3
Las Probabilidades son -Habitacin PH = 0,2
-Cocina PC = 0,3
-Entrada PE = 0,2
93
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
1 0 0 0 0 I O
0 1 0 0 0
P=
1/3 0 0 1/3 1/3 P= R Q
0 1/3 1/3 0 1/3
0 1/3 1/3 1/3 0
94
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Resolvemos el sistema:
I-Q = R
Matriz de
Matriz de prob.
absorcin
Entre
en un salto
transitorios
95
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
mi = 1, 2,3 ...
El ratn se va a la 1
SISTEMA DE ECUACIONES:
1 -1/3 -1/3 mS 1 mS 3
-1/3 1 -1/3 mE = 1 mE = 3
-1/3 -1/3 1 mH 1 mH 3
I-Q
Para verificar este hecho dos tcnicos de telefona se han desplazado a esta
localidad y han medido los niveles de calidad en conversaciones en los que ambos
interlocutores hablan mantenindose quietos en sus sitios (estudio esttico), y
tambin han hecho mediciones cuando ambos interlocutores andan por la calle
(estudio dinmico).
96
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
SOLUCIN:
a) A la vista de las frecuencias anteriores, las probabilidades de transicin,
conservando el mismo orden que la tabla (A, B, C) es:
De marzo a Junio hay 4 etapas por lo que nos piden las probabilidades de
transicin al cabo de 4 meses, las que vendrn dada por los coeficientes de P4
97
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
98
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
P1 +p2 + p3 + p4 = 1
99
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
PROBLEMA DINMICO.
Considerando variable de estado el nivel de cobertura, la cadena de Markov
asociada ser la siguiente:
1 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0
0 0 0 0 1 0 0 0 0
PED 0,01 0,07 0,02 0,07 0,02 0,49 0,14 0,14 0,04
0 0,01 0,09 0 0 0,07 0,63 0,02 0,18
0 0 0 0,01 0,09 0,07 0,02 0,63 0,18
0 0 0 0 0 0,01 0,09 0,09 0,81
100
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Donde:
I Matriz identidad (tantas columnas y filas como estados finales).
O Matriz nula (tantas columnas como transitorias y tantas filas como estados
finales).
R Probabilidades de absorcin de un solo salto.
Q Probabilidades entre transitorios (tantas filas y columnas como estados
transitorios.
1, 2, 3, 4, 5 son estados finales.
6, 7, 8, 9 son estados transitorios.
Presenta cinco clases finales, luego, no existe una distribucin lmite de los
estados en este estudio dinmico, luego no podemos determinar la calidad media
del servicio como en el caso anterior. La calidad media del servicio ser
independiente del nivel de cobertura inicial de ambos interlocutores.
Ahora calcularemos cunto tarda en trmino medio en perderse una llamada que
se realiza andando por la calle y que se inici con ambos terminales a mxima
cobertura.
mi Tiempo medio hasta que se corta la conversacin si el estado inicial es i
M6 1
IQ. m7 1
m8 1
m9 1
m6 12,69
m7 = 16,47
m8 16,47
m9 21,53
101
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
TALLER:
3. Mara distribuye su tiempo de ocio entre discoteca y cine. Cada vez que va a la
discoteca gasta por trmino medio 30.000 pesos, mientras que si va al cine su
gasto es de 5000 pesos. En cierto mes su presupuesto para ocio asciende a
220.000 Pesos. Y desea ir a la discoteca al menos tantas veces como al cine.
102
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCION
OBJETIVOS:
3.- el trmino criterio se utiliza como un trmino general que engloba los tres
conceptos precedentes (atributo, objetivo y metas). En otras palabras, los criterios
constituyen los atributos, objetivos o metas que se consideran relevantes para un
cierto problema decisional. Por consiguiente, la teora de la decisin multicriterio
103
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Atributo: Este concepto se refiere a valores del centro analista relacionados con
una realidad objetiva. Estos valores pueden medirse independientemente de los
deseos del centro analista, siendo usualmente susceptibles de expresarse como
una funcin matemtica f(x) de las variables de decisin.
104
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
- Rango de prioridad de los objetivos: que pasa cuando los objetivos no son
conmensurables, cuando no hay una escala comn para comparar las
desviaciones de los diferentes objetivos? Este es un caso importante, al que se
enfrentan con frecuencia los administradores. Si el administrador puede ordenar o
dar un rango para sus metas entonces la solucin es posible.
Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con su
importancia pero es algo que la mayora de las personas entienden y pueden
lograr. En la programacin por objetivos se le asigna la prioridad P1al objetivo ms
importante, siguiendo P2 a una prioridad ms baja. No existe lmite en el nmero
de niveles de prioridad pero debe asignarse una prioridad para cada variable de
desviacin. Se permiten empates o prioridades iguales.
Para el perodo que es est considerando, las plantas tienen las siguientes
105
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
P2. Utilizar tanto de la capacidad de exceso como sea posible. Debido al bajo
costo de la mano de obra, la administracin cree que es 1,5 veces ms
importante utilizar la capacidad de exceso de la planta 1 que la de las plantas 2 y
3.
P4. Lograr el pronstico de ventas para el producto 2, puesto que este tiene la
mayor contribucin a la utilidad por unidad.
P5. Producir suficiente cantidad de los productos 1 y 3 para cumplir con las
ventas pronosticadas.
106
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Restricciones de meta
-Por cada meta
Componentes en la F.O.
FORMULACIN (minimizar suma de
desviaciones con respecto
a las metas)
m
min Z = wi(di+ + di-)
i=1
s.a.
n
aijxj+di- - di + = bi para toda i
j=1
Donde:
w = Ponderacin de las desviaciones con respecto a la meta.
di- = Desviacin dficit
di+ = Desviacin excedente
107
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
3 velocidades 1 1 15
10 velocidades 3 1 25
Hrs. disponibles en 60 40
c/ departamento.
Definicin de variables:
Restricciones estructurales
x1 + x2 40 ( (horas de terminacin)
15x1 +25x2 +d1- - d1+ = 600 (Utilidad perseguida)
Restriccin meta
x1, x2, d1-,d1+ 0
108
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Nota: Puesto que tanto d1-,d1+ aparecen en la funcin objetivo y a ambas se les
asigna pesos iguales, esto indica que la administracin desea lograr la utilidad
meta exactamente.
N- desviacin negativa.
P- desviacin positiva.
P1 =750 N1 X31 X21 X11
P2 =300 N2 X32 X22 X12
P3 =450. N3 X33 X23 X13
P7, P8, P9 = nmero de unidades sobre logradas de las ventas esperadas de los
productos 1,2 y 3 respectivamente.
109
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Este balance de ecuaciones puede escribirse como una restriccin meta por
medio de una simple divisin y por transposicin del miembro derecho como sigue
(por transitividad, solamente dos restricciones de balance son necesarias):
P10 =0 +N10
P11=0 N11
N10, N11= nmero de unidades producidas demasiado bajas con relacin a las
producidas en las plantas 2 y 3, respectivamente.
5- Restriccin de utilidad
P12=15000 N12 X33 X32 12(X31 X23) X22 18(X21 X13) X12 15(X11)
6- Funcin objetivo
PR3 (P10 N11) 2PR3 (N10 N3) PR2 (N2 1,5PR2 (N1) P12)
Minimizar Z=PR1 (N12 P6) P5 PR6 (P4 N9) PR5 (N7 P11)+PR4 (N8)
Sin embargo, era preferible utilizar el exceso en la planta 1 sobre las plantas 2 y 3
en una relacin de 1,5 a 1. Esta situacin presumiblemente representa una
distincin en los costos de operacin de las diferentes plantas. Para reflejar las
prioridades relativas de la administracin, se modifica la formulacin estndar
110
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
(N3, PR2 (N2 N3)) a 1,5PR2N1 N2 de la funcin objetivo (que sera PR2 (N1)
que pondera el logro de la minimizacin de la desviacin 1 con un factor de 3/2
vez.
El segundo nivel general de prioridades administrativas que tienen que ver con el
problema de PR2. La tercera meta de la administracin era lograr un balance de
subutilizar la planta 1 en vez de sobre utilizarla, debido a factores adicionales
desfavorables que existan all y no se presentan en las plantas 2 y 3. Por tanto,
se asigna 2PR3 a N10 y N11 y PR3 a P10 y P11. Puesto que la cuarta meta era lograr
las ventas esperadas del producto 2, se asigna PR4 a N8. A N7 y N9 asignamos
PR5, pues la quinta meta es el logro de estas ventas esperadas.
Los modelos bsicos tales como PERT y CPM programaran las actividades de un
modo que minimice el tiempo total de conclusin del proyecto, sujeto a la
restriccin de que se deben respetar todas las relaciones de precedencia. Los
recursos (dinero, trabajo, maquinaria) necesarios para terminar las actividades
individuales, con frecuencia se considera que estn disponibles en cualquier
cantidad que se requiera en un programa concreto. No obstante, la realidad es
que tales recursos pueden ser limitados, en cuyo caso esto resulta ser otra
restriccin.
111
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
entre las diversas actividades; es decir, que actividades deben completarse antes
de que otras comiencen. Por ejemplo la actividad Vlll no puede empezar sino
cuando est terminada la Vll, que a su vez no puede empezar antes de terminar la
1. La figura 10 muestra la duracin de cada actividad (en semanas) y los recursos
necesarios (nmero de personal) para realizar cada actividad.
l 3 6
ll 2 3
lll 1 3
lV 1 3
V 2 6
Vl 4 5
Vll 1 3
Vlll 2 4
Xl 2 3
Fig. 10. Requerimiento de actividad por metas.
Este problema es simple y, por lo tanto, se puede calcular con facilidad el tiempo
de conclusin ms temprana posible. Es de 9 semanas. La figura 11 nos muestra
un programa de actividades propuesto que alcanza este tiempo global de
conclusin, entonces la figura 11, respeta las relaciones de precedencia de la
figura y al mismo tiempo muestra en qu momento debe empezar cada actividad y
cuanto durara (en semanas).
112
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
administrador tener una programacin que use los recursos en una forma ms
regular. A menudo se aplican programas heursticos para alcanzar tal objetivo.
114
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
115
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
116
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Con este problema se podra definir la solucin ptima como la cdula que
minimiza el uso mximo del personal. Para la cdula originada mediante
heurstica, el uso mximo es de 10, lo que ocurre en la semana 5. Aunque el
algoritmo heurstico no condujo a la optimizacin, funciona bastante bien. En los
problemas extensos (es decir, con muchas actividades) no sera posible llegar con
tal facilidad a la cdula ptima maximax. Es por esta razn que se emplea la
heurstica para los requerimientos de regularizacin.
117
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Se supone ahora que segn el diseo del programa, cada hora de clase abarca 12
minutos de experiencias en grupos pequeos y 19 de resolucin de problemas
individuales, en tanto que cada hora de laboratorio abarca 29 minutos de
experiencia de pequeos grupos y 11 de resolucin de problemas individuales. El
tiempo total del programa es de 600 minutos. Los diseadores tienen que
perseguir dos metas. Los estudiantes deben gastar hasta donde sea posible, un
cuarto del tiempo mximo del programa trabajando en pequeos grupos y un
tercio en la resolucin de problemas. Estas condiciones son:
Donde u1= cantidad que falta al total de experiencias de grupo para 1500.
v1= cantidad que sobra al total de experiencias de grupo para 1500
Y en este caso queremos que la suma de las dos variables de desviacin sea
pequea.
El modelo es:
118
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
s.a.
x1 + x2 100 horas del programa
12 x1 + 29 x2 + u1 v1 = 1500 grupos pequeos
19 x1 + 29 x2 + u2 - v2 = 2000 solucin problemas
x1,x2,u1, u2,v1,v2 0
Estos datos producen el mismo valor de funcin objetivo. Pero si se cambian los
datos numricos se logran reflexiones diferentes ya que con los coeficientes en
horas los tiempos faltantes son ms crticos.
Una forma de expresar la preferencia entre las diversas metas consiste en asignar
distintos coeficientes a las diversas variables de desviacin en la funcin objetivo.
Para el ejemplo as:
Con esta funcin objetivo es mejor que falta 9 minutos en la meta solucin de
problemas a exceder en un minuto en la meta de experiencias de grupo.
1.- Blanco: las restricciones tan prximas al termino independientes como sea
posible, se minimiza las variables de decisin y al menos una de estas es cero.
119
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Consideraremos que existen diferentes criterios sobre los que el trabajador debe
ser examinado 1 ,..., p Y Y. Los evaluadores emiten su opinin sobre cada
empleado a travs de valores numricos dentro del intervalo unidad:
ik [0,1]
j a es la opinin del evaluador i a, A sobre el individuo j x , respecto al criterio k Y .
ik [0,1]
j b es la opinin del evaluador ib, B sobre el individuo j x , respecto al criterio k Y .
ik [0,1]
j c es la opinin del evaluador ic, C sobre el individuo j x , respecto al criterio k Y .
120
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
1. En primer lugar se obtendr una evaluacin colectiva para cada empleado, por
colectivo y criterio:
k( ) k( 1k ,..., rk )
A j Aij v x =u a Ka , k( ) k( 1 k, , s k)
B j B ij v x =u b Kb , k( ) k( 1 k, , t k)
C j C ij v x =u c Kc.
k( ) k( k( ), k( ), k( )).
j A j B j C j v x =u v x v x v x
( ) ( 1( ), , p ( ))
j j j v x =u v x K v x .
121
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
TALLER:
122
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Para el perodo que se est considerando, las plantas tienen las siguientes
capacidades de produccin en exceso (en trminos de unidades) de nuevos
productos y capacidades de embarque disponibles asignadas a los nuevos
productos:
1 750 12,000
2 300 10,000
3 450 6,500
123
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
5. Producir suficiente cantidad de los productos 1 y 3 para cumplir con las ventas
pronosticadas.
124
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
INTRODUCCION:
OBJETIVOS
3.- Utilizar una tabla de nmeros aleatorios para generar observaciones en las
variables aleatorias.
125
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
6 - Correr la simulacin.
126
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
10- Conclusin que saquen sobre la situacin real de correr la simulacin, ser
vlida.
4.- Un medio para ganar experiencia artificial mediante el uso de un modelo que
da apariencia o efecto de realidad.
127
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
6.- Se usa para problemas que son demasiado complejos para ser resueltos
mediante tcnicas analticas y/o matemticas.
FILAS DE ESPERA
Tiempo de llegada
del operario 1:00 1:00 1:10 0: 00
Tiempo en que
comienza el servicio 1:10 1:10 1:20 0: 00
Tiempo en que
termina el servicio 1:20 1:20 1:30 0: 00
Tiempo de espera
del operario (minutos) 1:40 1:40 1:50 0: 00
Operarios que
esperan para que
se les atienda 1:50 1:50 2:00 0: 00
128
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Tiempo de llegada
del operario 1:00 12 1:00 1:12 0: 00
Tiempo de servicio
Necesario (minutos) 1:08 8 1:12 1:20 0:41
Tiempo en que
comienza el servicio 1:18 10 1:20 1:30 0: 21
Tiempo en que
termina el servicio 1:30 6 1:30 1:36 0: 00
Operarios que esperan para que se les atienda; Un examen de los resultados
revela que, durante el perodo de 69 minutos del estudio, el encargado estuvo
ocioso 9 minutos y los operarios estuvieron esperando 15 minutos, a pesar del
hecho de que el tiempo de servicio promedio fue de 10 minutos y de que en
promedio lleg un operario cada 10 minutos.
Adems, debido al tiempo que tuvieron que esperar los operarios, se form una
cola. Si suponemos, para fines de discusin, que el perodo de estudio fue lo
suficientemente largo como para reflejar las condiciones que han de prevalecer en
general, puede calcularse el costo que debe asociarse con los tiempos de ocio y
espera.
Por ejemplo, la firma puede concluir que el costo del tiempo ocioso del encargado
es de $1200 por hora y el del tiempo de espera de los operarios es de $1500 por
hora. Estos costos incluirn elementos tales como la tasa de salario, las
prestaciones y el tiempo muerto del equipo. Por consiguiente, el costo para el
periodo de 69 minutos sera de costo =
129
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Ahora se debe considerar si ste representa el mnimo costo posible. Para reducir
la longitud de la cola y por consiguiente, el tiempo de espera de los operarios, la
firma puede asignar un encargado ms al puesto de herramientas.
Adems, esta reduccin sera neutralizada hasta cierto grado por un aumento en
el tiempo ocioso de los encargados. Sin embargo, puede ser que el costo total
resultante sea inferior al que resulta con un encargado. Debe determinarse si este
es el caso, tomando los tiempos necesarios de llegada y servicio indicados en la
tabla anterior, determinando los tiempos ociosos y de espera que se presentarn
con dos encargados para atender a los operarios y calculando el costo resultante.
Esto se repetir para alternativas que exijan tres o ms encargados hasta que se
encuentre la alternativa que produzca el costo mnimo.
METODOS DE ANALISIS
La labor es difcil, porque con mucha frecuencia variarn los tiempos de servicio y
de llegada. Por consiguiente, se necesita determinar los diferentes valores que
pueden asumir estos tiempos en un problema dado y estimar la probabilidad de
que se presente cada uno. Se han desarrollado enfoques cuantitativos para la
solucin de los problemas de fila de espera en los cuales se hace alguna
suposicin con respecto a la naturaleza de la distribucin de los tiempos de
servicio y llegada. Por ejemplo, una suposicin comn es la de que es aplicable la
distribucin de Poisson. Pero la teora en la que se basan estos mtodos es
bastante compleja y no hay razn para creer que las distribuciones consideradas
difieran muy frecuentemente de las reales. Por estas razones, no consideraremos
estos mtodos analticos.
Otro enfoque es la simulacin Monte Carlo. Ese mtodo exige estimar, con base
en la experiencia pasada, si es posible, las probabilidades de que se presenten los
diversos tiempos posibles de servicio y llegada. Luego, en la forma descrita en
nuestra discusin anterior de la simulacin, puede originarse una serie de tiempos
de llegada y tiempos de servicio correspondientes. Los tiempos de ocio y espera
resultantes, y su costo, pueden calcularse para capacidades de servicio
alternativas y puede escogerse la capacidad ms econmica. Sin embargo,
130
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
siempre debe tenerse cuidado de generar una serie bastante larga como para
obtener una indicacin exacta de los efectos a largo plazo de una poltica
determinada.
DINAMICA DE SISTEMAS
Ecuaciones
131
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
132
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
CONTRASTES EMPIRICOS
Contraste
133
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
de una muestra X1, X2,..., Xn se define como Bajo la hiptesis nula Ho: Fx(X)
=Fo(X) esperamos que Fn se aproxime a Fo.
Contraste de rachas
Contraste de permutaciones
Contraste de huecos
Fijamos dos valores y con 0 < < < 1. La sucesin presenta un hueco de longitud m
si Bajo la hiptesis de aleatoriedad de la serie, la longitud m de los huecos sigue
una distribucin geomtrica de parmetro, es decir, la hiptesis de aleatoriedad
implica independencia de las longitudes de los huecos y podemos aplicar un
contraste basado en las comparaciones de los nmeros observados y esperados
de huecos de longitud m.
Repeticin de contrastes
Para aumentar su potencia, los contrastes anteriores pueden repetirse N veces. La
distribucin emprica de los valores del estadstico puede compararse con su
distribucin terica mediante, por ejemplo, el contraste de Kolmogorov-Smirnov.
134
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
GENERADORES NO LINEALES
135
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
COMBINACION DE GENERADORES
Para incrementar el perodo e intentar evitar las regularidades que muestran los
generadores lineales congruenciales se ha sugerido combinar diferentes
generadores para obtener uno hbrido que tal vez sea de mayor calidad que los
generadores originales. Tales combinaciones pueden considerarse heursticas,
algunas de las cuales han resultado bastante pobres.
Juegos operacionales
Se refiere a aquellas situaciones donde hay algn conflicto de intereses entre los
jugadores o entre quienes toman decisiones, dentro de la estructura de un
ambiente simulado. Ejemplo, administracin de negocios, juegos militares, entre
otros.
Simulacin de sistemas
Es un mtodo en el que la informacin utilizada en el anlisis de un problema
complicado, se procesa mediante el funcionamiento del modelo.
Mtodo de Montecarlo
136
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
con tcnicas de muestreo aleatorio, o sea, que en vez obtener muestras de una
poblacin real, se obtienen de un duplicado terico 1 de la poblacin real.
137
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Tiempo de servicio
Para nuestro ejercicio escogimos la primera columna para las llegadas y la ltima
para los servicios, obteniendo los siguientes resultados.
680 30 365 15
897 40 373 15
911 40 381 15
918 40 389 15
925 40 397 15
001 5 329 15
009 15 337 15
017 15 345 15
025 20 353 15
033 20 361 15
002 10 121 10
010 15 129 10
018 20 137 10
026 20 145 10
034 20 153 10
138
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
003 10 363 15
011 15 371 15
273 20 379 15
027 20 387 15
035 20 395 15
Otra forma de aplicar es teniendo una sola caracterstica, por ejemplo, la demanda
de un producto y la distribucin de probabilidades. Con estos elementos y
siguiendo los pasos pertinentes se puede establecer el promedio de la
caracterstica.
139
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Ventajas:
- Permiten experimentar con un modelo del sistema en vez del sistema real.
- Permiten descomponer un sistema muy grande en subsistemas para simularlos
en forma individual.
- Facilitan la manipulacin de la rplica del sistema.
- Es un proceso relativamente eficiente y flexible.
- Puede ser usada para analizar y sintetizar una compleja y extensa situacin real,
pero no puede ser empleada para solucionar un modelo de anlisis cuantitativo
convencional.
- En algunos casos la simulacin es el nico mtodo disponible.
- Los modelos de simulacin se estructuran y nos resuelve en general
problemas trascendentes.
- Los directivos requieren conocer como se avanza y que opciones son
atractivas; el directivo con la ayuda del computador puede obtener varias
opciones de decisin.
- La simulacin no interfiere en sistemas del mundo real.
- La simulacin permite estudiar los efectos interactivos de los componentes
individuales o variables para determinar las ms importantes.
- La simulacin permite la inclusin en complicaciones del mundo real.
140
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Desventajas:
- No producen soluciones ptimas y cada corrida es como un experimento aislado
que se efecta.
- Cuando se utiliza un modelo matemtico puede ser imposible cuantificar todas
las variables que afectan el comportamiento del sistema.
- Un buen modelo de simulacin puede resultar bastante costoso; a menudo el
proceso es largo y complicado para desarrollar un modelo.
- La simulacin no genera soluciones ptimas a problemas de anlisis
cuantitativos, en tcnicas como cantidad econmica de pedido, programacin
lineal o PERT / CPM / LPU. Por ensayo y error se producen diferentes resultados
en repetidas corridas en el computador.
- Los directivos generan todas las condiciones y restricciones para analizar las
soluciones. El modelo de simulacin no produce respuestas por s mismo.
- Cada modelo de simulacin es nico. Las soluciones e inferencias no son
usualmente transferibles a otros problemas.
DISTRIBUCIN BINOMIAL
Algunos experimentos consisten en la observacin e una serie de pruebas
idnticas e independientes, las cuales pueden generar uno de dos resultados.
Para simular una distribucin Binomial se emplean sus propiedades
estadsticas.
DISTRIBUCIN ERLANG
Esta distribucin se aplica en algunos problemas de lneas de espera,
inicialmente para el caso de telefona. Algunas formas para simular una
distribucin Erlang consisten en emplear los mtodos de convolucin y el de la
transformada inversa.
DISTRIBUCIN UNIFORME
Se utiliza cuando se requiere el empleo de una funcin constante. Para la
simulacin de variables aleatorias tipo Uniforme se emplean sus propiedades
estadsticas.
DISTRIBUCIN GEOMETRICA
Esta distribucin indica exactamente el nmero de repeticiones del experimento
hasta lograr la caracterstica de inters. Se genera la simulacin de variables
aleatorias tipo Geomtrica a partir del mtodo de la transformada inversa.
DISTRIBUCIN HIPERGEOMETRICA
Se utiliza a menudo en el estudio de problemas de produccin, control de calidad y
la aceptacin de muestreo; se emplea para marcar y remarcar. Una de las formas
para simular una distribucin Hipergeomtrica es emplear sus propiedades
estadsticas.
141
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
DISTRIBUCIN POISSON
Sirve para trabajar en teora de colas. Para simular una distribucin Poisson se
deben usar sus propiedades estadsticas.
142
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
143
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
PAQUETES
Los paquetes son una versin depurada de los diferentes lenguajes de propsito
general y presentan algunas ventajas sobre los lenguajes de programacin
generales:
144
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
AUTOEVALUACION UNIDAD 2.
1.- Encuentre el punto de silla y el valor del juego para cada uno de los dos
juegos siguientes. Los pagos son para el jugador A.
B B
8 6 2 8 4 -4 -5 6
A 8 9 4 5 A -3 -4 -9 -2
7 5 3 5 6 7 -8 -9
7 3 -9 5
(1) (2)
2.- Una compaa revisa el estado de uno de sus productos importantes sobre
una base anual y decide si tiene xito (estado 1) o no lo tiene (estado 2). Despus,
la compaa debe decidir si da publicidad o no al producto a fin de promover las
ventas ms a fondo. Las matrices P1 y P2 que se presentan aqu dan las
probabilidades de transicin con y sin publicidad durante un ao cualquiera. Los
rendimientos asociados estn dados por las matrices R1 y R2. Determine las
decisiones ptimas en los tres aos siguientes.
P1 = 0.9 0.1 , R1 = 2 1
0.6 0.4 1 3
P2 = 0.7 0.3 , R2 = 4 1
0.2 0.8 2 1
145
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
Bogot cree, para cada distrito, que cada minuto extra que se prolonga el tiempo
promedio de respuesta sobre la meta de 5 minutos equivale a un costo de 10000
dlares, y por cada dlar que se rebasa el presupuesto se incurre en un costo de
un dlar.
RESPUESTAS:
1. 1) 7 2) -9
4. 0.70, 0.33, 0.04, 0.11, 0.30, 0.53, 0.44, 0.91, 0.90, 0.73
146
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
BIBLIOGRAFIA
Revistas:
ters & Industrial Engineering.
147
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Escuela de Ciencias Bsicas, tecnologas e ingeniera
Contenido didctico del curso Teora de decisiones
148