Teoria Trabajo Final

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
TEORIA DE LAS DECISIONES
ELABORO:
TUTOR
ROGER RICARDO NEGRETE
ACTIVIDAD PROYECTO
PROYECTO FINAL
FECHA
MAYO
2017
1. Resolución de los problemas de árboles de decisión, VEIP, VEIM
1.1. Planteamiento del problema

Una empresa dedicada a fabricar diferentes piezas torneadas debe decidir si fabrica un nuevo
producto en su planta principal, o si por el contrario lo compra a un proveedor del exterior. Las
utilidades dependes de la demanda del producto. La tabla 10 muestra las utilidades
proyectadas, en millones de pesos.
Las probabilidades del estado natural son: P(S1)=0,35, P(S2)=0,35, P(S3)=0,30
Según la información correspondiente de la tabla 1 y la teoría del Valor esperado de la

información perfecta (VEIP), el Valor esperado de la información muestral (VEIM) y los Árboles
de decisión, respondan:
Use el VEIP para determinar si la empresa debe intentar obtener una mejor estimación de la
demanda.
Según los valores que se aprecian, se determina que por valor esperado obtenemos:
Nodo 2=(0,3*60)+(0,35*50)+(0,35*45)=51,25
Nodo 3=(0,3*80)+(0,35*40)+(0,35*35)=50,25
Nodo 1=(nodo 2, nodo 3)=51,25
Fabricar con una utilidad de 50,25 millones.

VEIP=(VEcIP-VEsIP)
EcIP=(0,3*80)+(0,35*50)+(0,35*45)
VEcIP=57,25
VEsIP=51,25
VEIP=VEcIP-VEsIP= 6 Millones
Se espera que un estudio de mercado de prueba sobre la posible demanda del producto reporte
una condición favorable (F) o desfavorable (D). Las posibilidades condicionales son:
P(F/baja)=0,3 P(D/baja)=0,7
P(F/media)=0,6 P(D/media)=0,4
P(F/alta)=0,8 P(D/alta)=0,2
E
𝑠𝑗 P (𝑠 ) 𝑃(𝑠𝑗 )
𝑗
𝑃( ) =
E P(E)
P(S1)=0,35, P(S2)=0,35, P(S3)=0,30
P(F/baja)=0,3
P(F/media)=0,6
P(F/alta)=0,8
FAVORABLE
Estados de la Probabilidades Probabilidades Probabilidades

Probabilidades
Naturaleza condicionales conjuntas posteriores
previas P(Sj)
(Sj) P(F/Sj) P(F∩Sj) P(Sj/F)
Alta 0,3 0,8 0,24 0,43
Media 0,35 0,6 0,21 0,38
Baja 0,35 0,3 0,105 0,19
P(F) 0,555
Probabilidades conjuntas
Alta : (0,30*0,8) = 0,24
Media: (0,35*0,6) = 0,21
Baja: (0,35*0,3)= 0,105
P(F) = 0,24 + 0,21 + 0,105 = 0,555
Probabilidades posteriores
Alta : (0,24/0,555) = 0,4324
Media: ( 0,21/0,555) = 0,3783
Baja: (0,105/0,555) = 0,1891
DESFAVORABLE
Estados de la Probabilidades Probabilidades Probabilidades

Probabilidades
Naturaleza condicionales conjuntas posteriores
previas P(Sj)
(Sj) P(F/Sj) P(F∩Sj) P(Sj/D)
Alta 0,3 0,2 0,06 0,13
Media 0,35 0,4 0,14 0,31
Baja 0,35 0,7 0,245 0,55
P(D) 0,445
Probabilidades conjuntas
Alta : (0,30*0,2) = 0,06
Media: (0,35*0,4) = 0,14
Baja: (0,35*0,7)= 0,245
P(F) = 0,06 + 0,14 + 0,245 = 0,445
Probabilidades posteriores
Alta : (0,06/0,445) = 0,1348
Media: ( 0,14/0,445) = 0,3146
Baja: (0,245/0,445) = 0,5505
¿Cuál es el valor esperado de la información de investigación de mercados?
Valor esperado sin información muestra:
Favorable
Fabricar= (0,1891*45)+( 0,3783*50)+( 0,4324*60)= 53,3685
Comprar =(0,1891*35)+( 0,3783*40)+( 0,4324*80)= 56,3425
El valor esperado para el indicador favorable es de 56,3425 millones de pesos si se decide comprar
Desfavorable
Fabricar= (0,5505*45)+( 0,3146*50)+( 0,1348 *60)= 48,586
Comprar = (0,5505*35)+( 0,3146*40)+( 0,1348*80)= 42,5715
El valor esperado para el indicador desfavorable es de 48,586 millones de pesos si se decide

fabricar
Valor Esperado de la Información muestra VEIM
Valor esperado con información muestra:
EV = (0,555*56,3425)+(0,445*48,586)= 52,8908
VEIP= 52,8908 – 51,25
VEIP= 1,6408
¿Cuál es la eficiencia de la información?
𝑉𝐸𝐼𝑀
𝐸= ∗ 100
𝑉𝐸𝐼𝑃
1,6408
𝐸= ∗ 100 = 27,4 %
6
2. Desarrollo del ejercicio en el Software Winqsb
Fabricar=(0,3*60)+(0,35*50)+(0,35*45)=51,25
Comprar=(0,3*80)+(0,35*40)+(0,35*35)=50,25
Problema de decisión en incertidumbre
La empresa está pensando en adquirir maquinaria con nueva tecnología para realizar sus trabajos
de taller. La compra se decidirá según varias alternativas presentadas por el vendedor
(adaptabilidad), esto para facilitar la implementación en el taller. Las variables de decisión que se
presentan a continuación representan el costo de adaptación que surgirá después de adquirir la
maquinaria y capacitar a los trabajadores en su uso. La tabla 11 muestra los costos en millones de
unidades monetarias por tecnología.
Suceso
No se Se adapta Se adapta
Alternativa adapta bien muy bien
Tecnología 1 750 560 850
Tecnología 2 10000 800 500
Tecnología 3 650 700 950
Tabla 11, incertidumbre de adaptación tecnología nueva.
 Laplace
 Wald o pesimista
 Optimista
 Hurwicz
 Savage
Método Laplace:
𝑚
1
𝑉𝑎𝑙𝑜𝑟 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝐴𝑗 = { ∑ 𝑅𝑖𝑗 }
𝑚
𝑗=1
Suceso Resultados
No se Se adapta Se adapta
Tecnología 1 750 560 850 720
Tecnología 2 1000 800 500 766.67
Tecnología 3 650 700 950 74105.56
Teniendo en cuenta que la empresa siempre va a tomar la opción que mejor utilidad le genere, por
lo tanto, y según el criterio de Laplace la mejor opción en la Tecnología 2 con un beneficio esperado
de 1300,33.
Método Wald o Pesimista

𝑛
𝑉𝑎𝑙𝑜𝑟 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑜 (𝐴𝑖 = 𝑀𝑎𝑥 {𝑀𝑎𝑥 𝑗 = 1(𝑅𝑖𝑗 )}
Suceso
No se Se adapta Se adapta Resultados
Tecnología 1 750 560 850 850
Tecnología 2 1000 800 500 500
Tecnología 3 650 700 950 950
Método Hurwicz
𝑉𝑎𝑙𝑜𝑟 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑜 (𝐴𝑖 ) = {𝑀𝑎𝑥 𝑅𝑖𝑗 ∗ 𝑎 + min 𝑅𝑖𝑗 ∗ (1 − 𝑎)}
𝐴1 = 850 ∗ 0,65 + 560 ∗ (1 − 0,65) = 748,5
𝐴2 = 1000 ∗ 0,65 + 500 ∗ (1 − 0,65) = 825

𝐴3 = 950 ∗ 0,65 + 650 ∗ (1 − 0,65) = 845
Suceso
Tecnología 1 750 560 850 560
Tecnología 2 1000 800 500 500
Tecnología 3 650 700 950 950
Método Savage
Suceso
(1000-750) (800-560) (950-850)

Tecnología 1
250 240 100 250
(1000-
(800-800) (950-500)
Tecnología 2 1000)
0 0 450 0
(1000-650) (800-700) (950-950)

Tecnología 3
350 100 0 450
Una compañía aseguradora cobra a sus clientes de acuerdo a su historial de

accidentalidad. Si no ha tenido accidentes los últimos dos años se les cobra US
$560 (Estado 1); Si ha tenido un accidente en cada uno de los dos últimos años se
les cobrará US $580 (Estado 2). Si tuvo accidentes el primero de los dos últimos
años US$600 (Estado 3). Las probabilidades de los estados según datos
históricos de tres años son:
E1 = No ha tenido accidentes los 2 últimos años
E2 = Ha tenido accidentes en cada uno de los 2 últimos años
E3 = Ha tenido accidentes el primero de los 2 últimos años
Probabilidades de ocurrencia
Estados E1 E2 E3
E1 0,1 0,3 0,6
E2 0,25 0,3 0,45
E3 0,15 0,15 0,7
Matriz de probabilidades de transición

0,1 0,3 0,6
P= 0,25 0,3 0,45
0,15 0,15 0,7
𝑞 = (𝑋 𝑌 𝑍)
𝑝∗𝑞
𝐸𝐶1 0,1𝑥 + 0,25𝑦 + 0,15𝑧 = 𝑥

𝐸𝐶2 0,3𝑥 + 0,3𝑦 + 0,1𝑧 = 𝑦
𝐸𝐶3 0,6𝑥 + 0,45𝑦 + 0,7𝑧 = 𝑧
𝑥+𝑦+𝑧=0
0,1𝑥 − 𝑥 + 0,25𝑦 + 0,15𝑧 = 0
0,3𝑥 + 0,3𝑦 − 𝑦 + 0,1𝑧 = 0
0,6𝑥 + 0,45𝑦 + 0,7𝑧 − 𝑧 = 0
𝑥+𝑦+𝑧−1 =0
−0,9𝑥 + 0,25𝑦 + 0,15𝑧 = 0
0,3𝑥 − 0,7𝑦 + 0,1𝑧 = 0
0,6𝑥 + 0,45𝑦 − 0,3𝑧 = 0
𝑥+𝑦+𝑧−1 =0
E1 E2 E3
X Y Z
0,16239316 0,20512821 0,63247863
coeficientes
X Y Z INDEP Igual
1,3878E-
-0,9 0,25 0,15 0 17
0,3 -0,7 0,15 0 0
0,6 0,45 -0,3 0 0
1 1 1 -1 0
(0,16239316 ∗ 560) + (0,20512821 ∗ 580) + (0,63247863 ∗ 600) = 589.5
El pago promedio que recibiría la compañía seria de US $589.5
Este pago promedio le sirve a la compañía para medir cuanto podría llegar a ganar
por la venta de sus pólizas y de esta manera saber si será rentable o no el negocio
a su vez que sabría con qué dinero cuenta para próximas inversiones.
Par este caso el porcentaje más alto de ocurrencia es el estado 3 es decir que ha
tenido accidentes el primero de los 2 últimos años que a su vez es el estado que
más cobro genera.
BIBLIOGRAFÍA
 se pudo profundizar sobre la misma y de este modo identificar e

implementar los diferentes métodos existentes a la hora de dar solución o
tomar decisiones de este tipo.
 la importancia de que cada integrante del grupo sea participe de estas
actividades ya que se busca fortalecer el carácter crítico e investigativo de
cada uno de los mismos, sin dejar de lado que gracias a la interacción y
socialización de todas las posibles soluciones se logra consolidar un
verdadero conocimiento y con ello disminuir notoriamente el margen de
error en las respuestas dadas.
 se pudo entender por completo toda la temática tratada en el presente
curso, en donde analizamos las tres unidades del mismo.
BIBLIOGRAFÍA
 Guía integrada de actividades_212066.pdf, recuperado

de:http://campus19.unad.edu.co/ecbti16/pluginfile.php/4066/mod_forum/atta
chment/8
 Mosquera, W. (2010). Teoría de las decisiones, Bogotá, Colombia: Editorial
Universidad Nacional Abierta y a Distancia. Recuperado de:
http://hdl.handle.net/10596/4891
 Hillier, F., & Lieberman, G. (2010). Análisis de Decisiones. (pp. 634-725),
México D.F., México: Editorial McGraw-Hill. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=386&opensearch=inv
estigaci%C3%B3n%20de%20operaciones&editoriales=&edicion=&anio=%2
0
 Marato, C. (2012). Investigación operativa en administración y dirección de
empresas, Valencia, España: Editorial Universidad Pontificia de Valencia.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=106
46732
 Quesada, I. (2011) Análisis cuantitativo con WinQSB. (pp. 1-10), Ibagué,
Colombia: Editorial Universidad de Ibagué. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2048/login?user=proveedor&pass=danue
0a0&url=http://bibliotecavirtual.unad.edu.co:2051/login.aspx?direct=true&db
=edselb&AN=edselb.10565777&lang=es&site=eds-live
 Begoña, V. (2007). Teoría de la decisión. Madrid, España: Editorial
Universidad Complutense Madrid. Recuperado de:
http://hdl.handle.net/10596/5052
 Sánchez, I. (2012). Proceso jerárquico analítico para la toma de las
decisiones, Ciudad de México, México: Comité editorial internacional.
Recuperado de:
=edselb&AN=edselb.1637657&lang=es&site=eds-live
 Moreno, J. (2014). Proceso jerárquico analítico jerárquico (AHP), Zaragoza,
España: Editorial Unizar. Recuperado de:
=ir00913a&AN=unad.10596.4866&lang=es&site=eds-live
 Lahoz, D. (2000). Ejemplos de Solver. Zaragoza, España: Editorial Unizar.
Recuperado de: http://hdl.handle.net/10596/7849
 Taibo, A. (2009). Investigación de operaciones para los no matemáticos

(pp. 71-78), Distrito Federal, México: Editorial Instituto Politécnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=105
04970
 González, L. (1994). Procesos de Markov, Zulia, Venezuela: Editorial
Universidad Zulia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=8&do
cID=10663398&tm=1478362182636

Teoria Trabajo Final

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria Trabajo Final

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

TEORIA DE LAS DECISIONES

ROGER RICARDO NEGRETE

1. Resolución de los problemas de árboles de decisión, VEIP, VEIM

1.1. Planteamiento del problema

Las probabilidades del estado natural son: P(S1)=0,35, P(S2)=0,35, P(S3)=0,30

Según la información correspondiente de la tabla 1 y la teoría del Valor esperado de la

Nodo 1=(nodo 2, nodo 3)=51,25

Fabricar con una utilidad de 50,25 millones.

P(S1)=0,35, P(S2)=0,35, P(S3)=0,30

Estados de la Probabilidades Probabilidades Probabilidades

Alta 0,3 0,8 0,24 0,43

Media 0,35 0,6 0,21 0,38

Baja 0,35 0,3 0,105 0,19

Estados de la Probabilidades Probabilidades Probabilidades

Alta 0,3 0,2 0,06 0,13

Media 0,35 0,4 0,14 0,31

Baja 0,35 0,7 0,245 0,55

¿Cuál es el valor esperado de la información de investigación de mercados?

Valor esperado sin información muestra:

Fabricar= (0,1891*45)+( 0,3783*50)+( 0,4324*60)= 53,3685

Comprar =(0,1891*35)+( 0,3783*40)+( 0,4324*80)= 56,3425

Fabricar= (0,5505*45)+( 0,3146*50)+( 0,1348 *60)= 48,586

Comprar = (0,5505*35)+( 0,3146*40)+( 0,1348*80)= 42,5715

El valor esperado para el indicador desfavorable es de 48,586 millones de pesos si se decide

Valor Esperado de la Información muestra VEIM

Valor esperado con información muestra:

VEIP= 52,8908 – 51,25

¿Cuál es la eficiencia de la información?

2. Desarrollo del ejercicio en el Software Winqsb

Problema de decisión en incertidumbre

Tecnología 1 750 560 850

Tecnología 2 10000 800 500

Tecnología 3 650 700 950

Tabla 11, incertidumbre de adaptación tecnología nueva.

Tecnología 1 750 560 850 720

Tecnología 2 1000 800 500 766.67

Tecnología 3 650 700 950 74105.56

Método Wald o Pesimista

Tecnología 1 750 560 850 850

Tecnología 2 1000 800 500 500

Tecnología 3 650 700 950 950

𝑉𝑎𝑙𝑜𝑟 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑜 (𝐴𝑖 ) = {𝑀𝑎𝑥 𝑅𝑖𝑗 ∗ 𝑎 + min 𝑅𝑖𝑗 ∗ (1 − 𝑎)}

𝐴1 = 850 ∗ 0,65 + 560 ∗ (1 − 0,65) = 748,5

𝐴2 = 1000 ∗ 0,65 + 500 ∗ (1 − 0,65) = 825

𝐴3 = 950 ∗ 0,65 + 650 ∗ (1 − 0,65) = 845

Tecnología 1 750 560 850 560

Tecnología 2 1000 800 500 500

Tecnología 3 650 700 950 950

(1000-750) (800-560) (950-850)

(1000-650) (800-700) (950-950)

Una compañía aseguradora cobra a sus clientes de acuerdo a su historial de

E1 = No ha tenido accidentes los 2 últimos años

E2 = Ha tenido accidentes en cada uno de los 2 últimos años

E3 = Ha tenido accidentes el primero de los 2 últimos años

Matriz de probabilidades de transición

𝐸𝐶1 0,1𝑥 + 0,25𝑦 + 0,15𝑧 = 𝑥

𝐸𝐶2 0,3𝑥 + 0,3𝑦 + 0,1𝑧 = 𝑦

𝐸𝐶3 0,6𝑥 + 0,45𝑦 + 0,7𝑧 = 𝑧

0,1𝑥 − 𝑥 + 0,25𝑦 + 0,15𝑧 = 0

0,3𝑥 + 0,3𝑦 − 𝑦 + 0,1𝑧 = 0

0,6𝑥 + 0,45𝑦 + 0,7𝑧 − 𝑧 = 0

Fabricar= (0,189145)+( 0,378350)+( 0,4324*60)= 53,3685

Comprar =(0,189135)+( 0,378340)+( 0,4324*80)= 56,3425

Fabricar= (0,550545)+( 0,314650)+( 0,1348 *60)= 48,586

Comprar = (0,550535)+( 0,314640)+( 0,1348*80)= 42,5715