Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 2 Fase 3 200608 - 12
Unidad 2 Fase 3 200608 - 12
1
El estudiante, con su grupo de trabajo y basado en los datos del trabajo colaborativo No 1, determinara
los criterios de Decisión bajo incertidumbre con Costos y ganancias
• Criterios de Decisión bajo incertidumbre con Costos. El grupo de trabajo estimará los COSTOS
unitarios para el Shampoo escogido presentado en el numeral 1 con base en los tres (3) estados de
la naturaleza (θ1, θ2, θ3, costos unitarios dada la demanda alta, media y baja) para cada curso de
acción a, determinados en la Tabla 1 mediante la siguiente Generación de números aleatorios
((descargue aquí), información que debe consignarse en la Tabla 1 Matriz de Costos
El grupo de trabajo determinará los criterios de decisión bajo incertidumbre con COSTOS: Laplace,
Wald, Savage y Hurwicz
Tomar la Tabla 1 Matriz de Costos y calcular manualmente los criterios de decisión bajo
incertidumbre: Laplace, Wald, Savage y Hurwicz.
Criterio Laplace:
2
unitario ($)
P=¼
Criterio Wald:
Tabla 1 Matriz de Ganancias
ESTADOS DE LA NATURALEZA
ϴ2 Demanda
CURSOS DE ϴ1 Demanda Baja ϴ3 Demanda Alta Ganancia
Media Costo
ACCION Costo unitario ($) Costo unitario ($) Esperada Wald
unitario ($)
a1 37954 77758 109596 37954
a2 66776 37150 77304 37150
a3 83385 33112 65176 33112
Criterio Savage:
3
Se debe generar una nueva matriz resultante partiendo de elegir el mayor valor de cada
columna, y restarle el valor de cada curso de acción de la misma.
Tomaremos como ejemplo la columna θ1 demanda baja donde el mayor valor se encuentra
en 𝒂𝟏 (109596) y le restamos cada uno de los valores de la misma columna.
4
Criterio Hurwicz:
Como primera medida se debe determinar un 𝒂 = 𝒅𝒐𝒏𝒅𝒆; 𝟎 ≤ 𝒂 ≤ 𝟏 para establecer el
grado de optimismo y pesimismo de la acción; cuando es más cercano a 1 se dice que se es
más optimista y viceversa.
Se define un
𝒂 = 𝟎. 𝟓
Como se trata de ganancias se aplica que
Entonces tenemos:
Presentar los cálculos manuales y resultados mediante captura de pantalla de la salida del
programa WinQSB.
5
6
Analizar y comparar los resultados y presentar conclusiones con base en la aplicación de la regla
de optimización de cada uno de los criterios de decisión para la toma de decisiones.
2. Criterios de Decisión bajo incertidumbre con Ganancia. El grupo de trabajo estimará los
GANANCIAS para el producto presentado en el numeral 1 con base en los tres (3) estados
de la naturaleza (θ1, θ2, θ3, ganancia dada la demanda alta, media y baja) para cada curso
de acción a, determinados en la Tabla 1 mediante la siguiente Generación de números
aleatorios (descargue aquí), información que debe consignarse en la Tabla 2 Matriz de
ganancias:
Tabla 2 Matriz de GANANCIAS o BENEFICIOS
ESTADOS DE LA NATURALEZA
CURSOS DE ϴ1 Demanda Baja ϴ2 Demanda Media ϴ3 Demanda Alta
ACCION Costo unitario ($) Costo unitario ($) Costo unitario ($)
7
a1 55784 17640 112455
El grupo de trabajo determinará los criterios de decisión bajo incertidumbre con GANANCIA: Laplace,
Wald, Savage y Hurwicz.
Tomar la Tabla 2 Matriz de Ganancia y calcular manualmente los criterios de decisión bajo
incertidumbre con ganancia: Laplace, Wald, Savage y Hurwicz.
CRITERIO DE LAPLACE
Este criterio se basa en el principio de la razón insuficiente.
𝑛
1
max 𝑎𝑖 { ∑ 𝑣(𝑎𝑖 , 𝜃𝑗 )}
𝑛
𝑗=1
1
𝐸{𝑎1 } = ( ) (55784 + 17640 + 112455) = 61959,7
3
1
𝐸{𝑎2 } = ( ) (98566 + 105506 + 43904) = 82658.7
3
1
𝐸{𝑎3 } = ( ) (47614 + 119809 + 87922) = 𝟖𝟓𝟏𝟏𝟓
3
Bajo el criterio de Laplace, podemos decir que el mejor curso de acción que podemos tomar es 𝒂𝟑
85115
Criterio de Wald (MInimax).
Como se trata de ganancias, tomamos el valor mínimo de cada curso de acción y elegimos el máximo
valor de los tres resultados. Veamos:
𝒂𝟏 𝑚𝑖𝑛 = (55784 + 17640 + 112455) = 17640
𝒂𝟐 𝑚𝑖𝑛 = (98566 + 105506 + 43904) = 43904
𝒂𝟑 𝑚𝑖𝑛 = (47614 + 119809 + 87922) = 47614
Por lo tanto, el máximo de los mínimos será el representado en el curso de estado 𝐚𝟑 es decir, 𝟒𝟕𝟔𝟏𝟒.
Criterio de Savage (Maximin).
Se debe generar una nueva matriz resultante partiendo de elegir el mayor valor de cada columna, y
restarle el valor de cada curso de acción de la misma.
Tomaremos como ejemplo la columna θ1 demanda baja donde el mayor valor se encuentra en 𝒂𝟐
(98566) y le restamos cada uno de los valores de la misma columna.
8
Cursos de acción Nueva matriz
a1 42782 102168 0
a2 0 14303 68551
a3 50952 0 24533
A partir de la nueva matriz se elige el valor más alto de cada estado de acción:
𝒂𝟏 = 102168
𝒂𝟐 = 68551
𝒂𝟑 = 50952
Elegimos el mínimo valor de pérdida que será el representado en el curso de acción 𝒂𝟑 , es decir, 50952.
Criterio de Hurwicz.
Como primera medida se debe determinar un 𝒂 = 𝒅𝒐𝒏𝒅𝒆; 𝟎 ≤ 𝒂 ≤ 𝟏 para establecer el grado de
optimismo y pesimismo de la acción; cuando es más cercano a 1 se dice que se es más optimista y
viceversa.
Se define un
𝒂 = 𝟎. 𝟓
Como se trata de ganancias se aplica que
Entonces tenemos:
Presentar los cálculos manuales y resultados mediante captura de pantalla de la salida del
programa WinQSB.
9
10
Analizar y comparar los resultados y presentar conclusiones con base en la aplicación de la regla
de optimización de cada uno de los criterios de decisión para la toma de decisiones.
Podemos concluir que los métodos utilizados manejan una estructura similar, donde analizamos
los resultados y podemos darnos cuenta que la alternativa a escoger es la de demanda baja y la
alternativa 3 es la más accionada para el análisis de la empresa, también se pudo analizar cada
una de estas tres estructuras donde se pone en práctica lo aprendido en el curso y comparando
con el programa que se nos ha asignado y podemos darnos cuenta que los resultados coinciden.
Paso 3. Pagos esperados. El estudiante con su grupo de trabajo estimará los pagos esperados para el
producto presentado mediante teoría de juego con un posible producto competidor.
El grupo de trabajo estimará los pagos esperados para el shampo presentado en el numeral 1 que en
adelante se denominará Producto A y un posible Producto B (sustituto), mediante la siguiente
Generación de números aleatorios (descargue aquí), información que debe consignarse en la Tabla 4
Matriz de Pagos (3*3):
11
114628 75722 98993
2
117326 75492 133624
3
2. El grupo de trabajo encontrará el Valor del Juego de dos personas y suma cero:
Tomar la Tabla 3 Matriz de Pagos (3*3) y calcular manualmente el Valor del Juego de dos personas y
suma cero:
Producto B
Sum
Y1 Y2 Y3 a
0,14642 0,85357 Valor
6 4 0 1 Optimo
Pagos 81617,6047
Producto A 1 2 3 esperados 8
0,36267642
X1 3 1 18868 92382 47275 81617,60478
X2 0 2 114628 75722 98993 81418,86809
0,63732357
X3 7 3 117326 75492 113624 81617,60478
Suma 1
Pagos 89560,7
Esperados 81617,6 81617,6 8
Valor
Optimo 81617,60478
Presentar los cálculos manuales y resultados mediante captura de pantalla de la salida del
programa WinQSB.
12
Analizar y comparar los resultados y presentar conclusiones con base en la aplicación de la regla
de optimización de un juego de dos personas y suma cero para la toma de decisiones
El juego de dos personas y suma cero describe una situación en la que la ganancia o pérdida de un
participante se equilibra con exactitud con las pérdidas o ganancias de los otros participantes. Con
respecto al ejercicio se puede observar que la solución optima es de 81.617,60 dando un equilibrio al
juego
13
El grupo de trabajo convertirá la Tabla 3 Matriz de Pagos (3*3) en una Matriz de Pagos (3*2) y (2*3),
según el caso suprimir la fila o columna que contenga la menor ganancia y presentar la información en
la Tabla 5 Matriz de Pagos (2*3) y Tabla 6 Matriz de Pagos (3*2):
Tomar la Tabla 4 Matriz de Pagos (2*3) y calcular manual y gráficamente el Valor del
Juego mediante estrategias puras. Repetir el procedimiento para la Tabla 6 Matriz de
Pagos (3*2).
Y1 Y2 Y3
Tabla 4 Matriz de Pagos (3*3)
Producto B
Producto 1 2 3
A
X1 2 114628 75722 98993 114628y1+98993y3
X2 3 117326 75492 133624 117326y1+113624y2
114628x1+117326x 75722x1+75492x 98993x1+133624x
2 2 2
14
Jugador 1:
X1 + X2 = 1
X2=1-x1
Para qué Y se tenga en función de X1y X2, se tiene en cuenta los valores de la matriz de pagos de la
siguiente manera:
114628x1+117326x2 = 98993x1+133624x2
15635x1=16298x2
15635x1=16298-x1
15636x1=16298
16298
X1=15636 =1,061
X2= -0,061
Valor del juego =114628(1.061) +117326(-0,061) =121.620,31-7.156,89=114.463,42
Y2=0
y1 + y3 = 1
114628y1+98993y3=117326y1+113624y3
114628y1-117326y3=113624y3-98993y3
-2692y1=14631y3
-2692y1=14631-y1
-2691y1=14631
Y1=14631/-2691
Y1=5,44
Y3=1-5,44
Y1=-4,44
15
133624
117326
114628
98993
75722
75492
60000 60000
0 1
x1 x2
16
Analizar los resultados y presentar conclusiones con base en la aplicación de la regla de
optimización de un juego mediante estrategias mixtas para la toma de decisiones
El jugador modifica su estrategia de una partida a otra del juego, de acuerdo con un modelo que no
constituye un orden particular de las estrategias, sino una secuencia aleatoria de proporciones
específicas de dichas estrategias. La esperanza del juego es más complicada y su valor depende de la
forma en que se mezclen las estrategias de los dos jugadores.
17
Paso 3 PROCESO DE DECISIÓN DE MARKOV
El estudiante con su grupo de trabajo estimará los patrones de consumo de cuatro marcas del producto
presentado mediante la utilización de cadenas de Markov.
El grupo de trabajo estimará los patrones de consumo de cuatro marcas del producto presentado
(probabilidades iniciales y de transición), mediante la siguiente Generación de números aleatorios
(descargue aquí), información que debe consignarse en la Tabla 7 Patrones de Consumo del producto:
18
P=1
19
Probabilidades
Marca A Marca B Marca C Marca D
de transición
SECUNDARIAS
Marca A 0,1273 0,3122 0,2057 0,2424 0,2288
Marca B 0,6677 0,2490 0,2512 0,1080 0,3252
Marca C 0,0075 0,2488 0,1725 0,4014 0,2254
Marca D 0,1975 0,1900 0,3706 0,2482 0,2205
∑ 1,0000 1,0000 1,0000 1,0000 1,0000
Probabilidades 0,23049324 0,31420264 0,2100418 0,24526231
de transición
P=2
20
0,0075 * 0,2288 0,001716
0,2488 * 0,3252 0,08090976
0,1725 * 0,2254 0,0388815
0,4014 * 0,2205 0,0885087
0,21001596
22
0,1975 * 0,2305 0,04552375
0,19 * 0,3142 0,059698
0,3706 * 0,21 0,077826
0,2482 * 0,2452 0,06085864
0,24390639
P=4
23
0,1273 * 0,2301 0,02929173
0,3122 * 0,3114 0,09721908
0,2057 * 0,2145 0,04412265
0,2424 * 0,2439 0,05912136
0,22975482
24
Probabilidades
Marca A Marca B Marca C Marca D
de transición
QUINTAS
Marca A 0,1273 0,3122 0,2057 0,2424 0,2298
Marca B 0,6677 0,2490 0,2512 0,1080 0,3114
Marca C 0,0075 0,2488 0,1725 0,4014 0,2141
Marca D 0,1975 0,1900 0,3706 0,2482 0,2446
∑ 1,0000 1,0000 1,0000 1,0000 1,0000
Probabilidades 0,22978123 0,31139997 0,214309 0,24464756
de transición
P=5
25
0,6677 * 0,2298 0,15343746
0,249 * 0,3114 0,0775386
0,2512 * 0,2141 0,05378192
0,108 * 0,2446 0,0264168
0,31117478
26
0,21266768 0,2150152 0,21407782 0,21524698 0,0075 0,2488
0,24526717 0,24421937 0,24496882 0,24442747 0,1975 0,19
Presentar los cálculos manuales y resultados mediante captura de pantalla de la salida del
programa WinQSB.
27
28
Analizar los resultados y presentar conclusiones con base en la aplicación de la regla de
optimización del proceso de decisión de Márkov.
- Teniendo en cuenta que la cadena de Márkov es una serie de eventos, en la cual la probabilidad
de que ocurra un evento depende del evento inmediato anterior y que cada cadena tiene
memoria, se puede decir que en este caso que el cálculo de cada una de las marcas A, B, C Y D
para el segundo periodo se multiplico la matriz de probabilidades de transición por las
probabilidades iniciales para así continuar periodo a periodo hasta llegar al quinto arrojando los
resultados de la sexta matriz.
- La cadena fue de primer orden, porque la probabilidad de los acontecimientos futuros dependió
de los resultados del último periodo.
- La segunda matriz depende de los datos arrojados por la primera y la tercera de la segunda, es
decir forma una cadena que enlaza cada respuesta, por tanto, es que esta cadena es tan utilizada
en los negocios para analizar los patrones de compra, los deudores morosos, para planear las
necesidades de personal y para analizar el reemplazo de equipo
29
BIBLIOGRAFIA
Mosquera, W. E. (2010). Criterios de Decisión, Decisiones Bajo Riesgo . 200608 - Teoría de las
decisiones. Recuperado
de:http://repository.unad.edu.co/bitstream/10596/4891/1/200608%20Modulo.pdf
Hillier, F., & Lieberman, G. (2010). Analisis de Decisión, Arboles de Decisión, Teoría de la Utilidad.
En Introducción a la investigación de operaciones (9a ed.). México, D. F.: McGraw-Hill. Recuperado
de:http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=386&opensearch=investigaci%C3%B3n%20d
e%20operaciones&editoriales=&edicion=&anio=%20
30