TRABAJO DE INVESTIGACION

ASIGNATURA:
INVESTIGACIÓN OPERATIVA
TEMA:
TOMA DE DECISIONES

ALUMNOS:

DEL AGUILA RAMIREZ KEVIN PAUL

MIKAYU UJUK BOSWELL

DOCENTE:
MG. SILVIA L. VIDAL TABOADA

CHICLAYO -2020
 INDICE

I. RESUMEN……………………………………………………3
II. INTRODUCCION…………………………………………….4
III. OBJETIVOS GENERALES ………………………………..5
IV. OBJETIVOS ESPECIFICOS……………………………….5.1
V. INTRODUCCION A LA TEORIA DE LA DECISION……5.2
VI. CARACTERISTICAS Y FACES DEL PROCESO DE
DECISION……………………………………………………6.1
VII. ELEMENTOS DE POSIBLE DECISIÓN………………….6.2
VIII. TIPOS DE DECISION……………………………………….7
IX. CLASIFICACION DEL PROCESO………………………..7.1
X. CRITERIO DE DECISION…………………………………..8
XI. APLICACIÓN MAXIMIN………………………………….....9
XII. APLICACIÓN MAXIMAX……………………………………10
XIII. CRITERIO DE INSERTIDUMBRE……………………….10.1
XIV. CRITERIO HURWICS…………………………………….14.1
XV. ARBOL DE DECISION……………………………………14.2
XVI. PROCESO DE DECISION ARBOL………………………15
XVII. GRAFICACION DE ARBOL………………………………16
XVIII. UTILIDAD…………………………………………………....17
XIX. CONCLUSIONES…………………………………………..18
XX. REFERENCIAS……………………………………………..19
 RESUMEN

En el presente trabajo de investigación sobre toma de decisiones muestra todo

aquello que involucre y contenga información relacionado a tomar de
decisiones en actividades económicas, métodos de gran ayuda e importancia
actual que se encuentran plasmados en las metodologías del mundo
globalizado que existe en la actualidad, el conocer las probabilidades y
consecuencias de cada acción a realizar para tomar la decisión que más se
acerque el resultado esperado hace de estas herramientas elementos claves
en los negocios.

La característica principal de la gestión económica de la empresa es la del

proceso de convertir información en acción, a este proceso lo llamamos toma
de decisiones.

Decisión: Es una elección entre dos o mas líneas de acción diferentes. El objet
o de la teoría  de la decisión es racionalizar dicha elección. Para ello hay que
proceder de modo  sistemático, evaluando todas las posibilidades de elección
como las consecuencias que  puedan derivarse de cada opción.

El estudio de la teoría de la decisión provee de herramientas para la toma de

decisiones importantes. La teoría de la decisión adopta un enfoque científico,
contrapuesto a la intuición y experiencia como únicos criterios que se utilizaba
anteriormente.
 INTRODUCCION

La toma de decisiones es el proceso mediante el cual se realiza una elección

entre las alternativas o formas para resolver diferentes situaciones de la vida,
estos se pueden presentar en diversos contextos, tanto a nivel laboral, familiar,
sentimental, etc.

Es decir, en todo momento se toman decisiones, la diferencia entre cada una

de estas, es el proceso o la forma en la cual se llega a ella.

La toma de decisiones consiste, básicamente en elegir una alternativa entre

las disponibles, a los efectos de resolver un problema actual o potencial. Para
tomar una decisión no importando su naturaleza, es necesario, conocer,
comprender y analizar un problema, para así poderle dar solución; en algunos
casos por ser tan simples y cotidianos este proceso se realiza de forma
implícita y se soluciona muy rápidamente pero existen otros casos en los
cuales las consecuencias de una mala elección pueden tener grandes
repercusiones, por lo tanto es necesario realizar un proceso estructurado que
recopile la mayor cantidad de información relevante.

Ante esta situación se muestran estructurados en capítulos, organizados de la

siguiente forma En el primer capítulo se definen los conceptos fundamentales
que intervienen en la Teoría de decisión, tales como criterios, alternativas,
tablas de decisión, los cuales son de ayuda para la compresión de los
siguientes capítulos. En el segundo capítulo se estudian tres tipos de
ambientes de decisión los cuales son Certidumbre, Incertidumbre y Riesgo, en
cada uno de ellos conocemos las alternativas y los estados de la naturaleza.

Además, intervienen diferentes reglas o criterios con los cuales podemos

encontrar la mejor alternativa de solución a un problema determinado.
  OBJETIVO GENERAL.

 Estudiar y sistematizar la teoría de decisión estadística y sus aplicaciones.

 OBJETIVOS ESPECIFICOS.

• Estudiar los diferentes criterios utilizados en la teoría de decisión.

• Estudiar el árbol de decisión como herramienta para la toma de decisiones.

• Estudiar el modelo multicriterio en la toma de decisiones.

• Realizar aplicaciones en casos reales de la teoría de decisión, utilizando un

software estadístico.

1. INTRODUCCIÓN A LA TEORÍA DE DECISIÓN ESTADÍSTICO

Existen diferentes enfoques en la toma de decisión, sin embargo, el área de
decisión bajo condiciones de incertidumbre representa el principal esfuerzo de
investigación en la teoría de la decisión. El procedimiento se basa en el valor
esperado ya conocido en el siglo XVII.
El filósofo francés Blaise Pascal ya lo enunciaba en sus famosas dudas,
contenidas en su Pensamientos, publicado en 1670. La idea del valor esperado
consiste en que cuando afrontamos un número de acciones, cada una de ellas
con un número de resultados asociados a una probabilidad diferente, el
procedimiento racional consiste en identificar todos los posibles resultados de
las acciones, determinar sus valores (positivos o negativos) y sus
probabilidades asociadas que resultan de cada acción, posteriormente se
multiplican los valores anteriores obteniendo así el valor esperado. La acción
elegida deberá ser aquella que proporcione el mayor valor esperado de entre
las calculadas.

1.2 Teoría de la decisión.

La Teoría de la decisión es una área interdisciplinaria de estudio, relacionada
con casi todos los participantes en ramas de la ciencia, ingeniería y así como
las actividades sociales. Concierne a la forma y al estudio del comportamiento
y fenómenos psíquicos de aquellos que toman las decisiones (reales o
ficticios), así como las condiciones por las que deben ser tomadas las
decisiones óptimas.
Análisis de decisión.
 El análisis de decisión se puede usar para seleccionar una estrategia cuando
quien tiene que tomar decisiones enfrenta varias alternativas y un patrón
incierto de eventos futuros.

1.3 Características y fases del proceso de decisión:

Un proceso de decisión presenta las siguientes características principales:
 Existen al menos dos posibles formas de actuar, que llamaremos alternativas
o acciones, excluyentes entre sí, de manera que la actuación según una de
ellas imposibilita cualquiera de las restantes. Introducción a la Teoría de
Decisión Estadística 15
 Mediante un proceso de decisión se elige una alternativa, que es la que se
lleva a cabo.  La elección de una alternativa ha de realizarse de modo que
cumpla un fin determinado. El proceso de decisión consta de las siguientes
fases fundamentales:
 Predicción de las consecuencias de cada actuación. Esta predicción deberá
basarse en la experiencia y se obtiene por inducción sobre un conjunto de
datos. La recopilación de este conjunto de datos y su utilización entran dentro
del campo de la Estadística.
 Valoración de las consecuencias de acuerdo con una escala de bondad o
deseabilidad. Esta escala de valor dará lugar a un sistema de preferencias.
 Elección de la alternativa mediante un criterio de decisión adecuado. Este
punto lleva asociado el problema de elección del criterio más adecuado para
nuestra decisión, cuestión que no siempre es fácil de resolver de un modo
totalmente satisfactorio.

1.4 Elementos de un problema de decisión:

En todo problema de decisión pueden distinguirse una serie de elementos
característicos
 El decisor, encargado de realizar la elección de la mejor forma de actuar de
acuerdo con sus intereses.
 Las alternativas o acciones, que son las diferentes formas posibles de actuar,
de entre las cuales se seleccionará una. Deben ser excluyentes entre sí.
 Los posibles estados de la naturaleza, término mediante el cual se designan a
todos aquellos eventos futuros que escapan al control del decisor y que
influyen en el proceso.
 Las consecuencias o resultados que se obtienen al seleccionar las diferentes
alternativas bajo cada uno de los posibles estados de la naturaleza.
  La regla de decisión o criterio, que es la especificación de un procedimiento
para identificar la mejor alternativa en un problema de decisión.

1.5 Tipos de decisión

Las decisiones se pueden clasificar teniendo en cuenta diferentes aspectos,
como lo es la frecuencia con que se presentan.
Se clasifican en cuanto a las circunstancias que afrontan estas decisiones sea
la situación para decidir y cómo decidir. En cualquier organización podemos
identificar dos tipos o clases de decisiones:
a) Las decisiones programadas (o esquemas de ejecución), son
procedimientos repetitivos y rutinarios.

b) Las decisiones no programadas, se refieren a los problemas no

estructurados o de gran importancia. A diferencia de las anteriores no
tienen reglas o procedimientos preestablecidos.

1.6 Clasificación de los procesos de decisión:

Los procesos de decisión se clasifican de acuerdo al grado de
conocimiento que se tenga sobre el ambiente o contexto, es decir sobre el
conjunto de factores o variables no controladas por el decisor y que pueden
tener influencia sobre el resultado final.
En este sentido se realiza una clasificación de los diferentes criterios bajo
los cuales se toma una decisión.
 Criterio de decisión bajo condición de certidumbre. La toma de decisión
bajo condición de certidumbre ocurre cuando el decidor conoce el estado de
la naturaleza con absoluta certeza.
 Criterio de decisión en condición de incertidumbre. La toma de decisión en
condición de incertidumbre se utiliza cuando, la probabilidad de que ocurra
un estado de la naturaleza es absolutamente desconocida.
Existen algunas reglas o criterios de decisión en ambiente de incertidumbre,
que conducen a escoger el mejor curso de acción de acuerdo al criterio
elegido, a continuación se presentan:
a) Criterio Maximín o de Wald. Este criterio sugiere que quien toma las
decisiones siempre debe ser pesimista. Lo que da por resultado un
criterio de decisión máximo.
Lo que significa que el decidor toma el mejor resultado para el estado de la
naturaleza más desfavorable.
 b) Criterio Maximax. El criterio maximax consiste en elegir aquella
alternativa que proporcione el mayor nivel de optimismo posible. Este
criterio corresponde a un pensamiento optimista, ya que el decisor supone
que la naturaleza siempre estará de su parte, por lo que siempre se
presentará el estado más favorable.
c) Criterio de Hurwicz. Introducción a la Teoría de Decisión Estadística 19
Es un criterio intermedio entre el criterio maximax y el maximín. También se
le llama criterio de realismo.
d) Criterio de Savage. Este criterio consiste en que después de saber el
resultado el decidor pueda arrepentirse de haber escogido ese curso de
acción, puesto que talvez hubiera preferido escoger un curso de acción
diferente, procurando de que este arrepentimiento se reduzca al mínimo.

1.7 Criterio de decisión bajo condición de riesgo.

La toma de decisión bajo condición de riesgo se da cuando existe
conocimiento de la probabilidad que un estado de la naturaleza ocurra; es
decir el decidor debe prever la probabilidad de ocurrencia de cada uno de
estos estados.
Normalmente, las probabilidades de ocurrencia de los estados de la
naturaleza se conoce mediante la determinación de la frecuencia con que
dichos estados ocurrieron en el pasado; o mediante criterios personales o
subjetivos.
Los principales criterios de decisión en ambiente de riesgo son:
a) Criterio del valor esperado. Este criterio consiste en elegir el máximo
valor esperado.
b) Criterio de mínima varianza con media acotada. Este criterio consiste en
elegir la menor varianza, y de esta forma se consigue la elección de una
alternativa con poca variabilidad en sus resultados.
c) Criterio de media con varianza acotada. Este criterio consiste en elegir la
alternativa que posee mayor valor esperado, consideran exclusivamente las
alternativas, cuya varianza sea menor o igual que una constante 𝐾fijada por
el decisor.
d) Criterio de la dispersión. Aquí se elige la alternativa que posee el máximo
valor medio corregido.
e) Criterio de la probabilidad máxima. Consiste en elegir alternativa con
mayor probabilidad asociada.
f) Criterio de verosimilitud. Consiste en aplicar el método del valor
esperado, pero considerando sólo el estado de la naturaleza que es mayor.
 g) Curvas de utilidad. Mide el nivel de riesgo del decisor (adverso,
propenso, indiferente al riesgo).
h) Modelo de Amplitud para Riesgo e Incertidumbre (MARI). Introducción a
la Teoría de Decisión Estadística 21 Es una ampliación y funciona igual que
el El Modelo de Amplitud (EMA).

2. Problemas de decisión estáticos

El proceso de decisión se sintetiza en una matriz de decisión, matriz de

consecuencias o matriz de ganancias, Es una matriz que consta de tantas filas
como alternativas o estrategias se contemplen, y de tantas columnas como
estados de naturaleza sean posibles siendo sus elementos los resultados
correspondientes a cada alternativa en un estado de naturaleza específico.

Ai = {a1, a2, ……….. an} 

Ej = {e1, e2, ……….. em} 

Ejemplo: Boswell Peralta ha heredado $1.000. El ha decidido invertir su dinero

por un año. Un inversionista le ha sugerido cinco inversiones posibles: oro,
bonos, negocio en desarrollo, certificado de depósito, acciones. Jhon debe
decidir cuanto invertir en cada opción.

La siguiente tabla representa las ganancias que obtendría para cada escenario
posible de comportamiento del mercado.
Elección del criterio de decisión en condiciones de incertidumbre:
Situación en la que podemos descubrir los estados posibles de la naturaleza
pero desconocemos la probabilidad de ocurrencia de cada uno de ellos.

Los criterios de decisión más empleados en estos casos son un reflejo de la

actitud hacia el riesgo que tienen los responsables en la toma de decisiones.

El criterio de decisión se toma basándose en la experiencia de quien toma la

decisión, este incluye un punto de vista optimista o pesimista, agresivo o
conservador.

Los criterios aplicados son: Maximin o de Wald, Minimax o Savage, Maximax,

Principio de razonamiento insuficiente o criterio de Laplace, Criterio de Hurwic
Criterio maximin o de Wald: Perfil pesimista (el decisor cree que el peor caso
ocurrirá) o conservador (el decisor quiere asegurar una ganancia mínima
posible.

Se llama máximo porque elige el máximo resultado entre los mínimos

resultados. Se elige lo mejor dentro de lo peor.

Para encontrar una solución óptima: Se marca la ganancia mínima de todos los
estados de la naturaleza posible y se identifica la decisión que tiene el máximo
de las ganancias mínimas.
La decisión óptima con este criterio sería invertir en certificados de depósito.
Criterio mínimax o Savage:

Este criterio se ajusta también a criterio pesimista o conservador.

La matriz de ganancias es basada en el costo de oportunidad.

El decisor incurre en una pérdida por no escoger la mejor decisión.

Para encontrar la solución óptima se determina la mejor ganancia de todas las

alternativas en cada estado de la naturaleza (mejor ganancia por columna) y se
calcula el costo de oportunidad para cada alternativa de decisión (como la
mejor ganancia por columna menos la ganancia de cada una de las celdas de
la columna), posteriormente se encuentra el máximo costo de oportunidad para
todos los estados de la naturaleza y e selecciona la alternativa de decisión que
tiene el mínimo costo de oportunidad.
Este criterio se basa en el mejor de los casos. Considera los puntos de vista
optimista y agresivo.

Un decisor optimista cree que siempre obtendrá el mejor resultado sin importar
la decisión tomada.

Un decisor agresivo escoge la decisión que le proporcionará una mayor

ganancia.

Para encontrar la decisión óptima se marca la máxima ganancia para cada

alternativa de decisión y se La decisión óptima con este criterio invertir en
bonos por tener el menor costo de oportunidad El criterio maximax:

Este criterio se basa en el mejor de lo casos considera los puntos de vista

optimista y agresivo.

Un decisor optimista cree que siempre obtendrá el mejor resultado sin importar
la decisión tomada.
Un decisor agresivo escoge la decisión que le proporcionará una mayor
ganancia para encontrar la decisión óptima se marca la máxima ganancia para
cada alternativa.

La decisión óptima sería invertir en un negocio en desarrollo por presentar la m
áxima  ganancia posible.   

Criterio de razonamiento insuficiente o criterio Laplace: Puede ser tomado por

un tomador de decisiones que no sea optimista ni pesimista. El decisor asume
que todos los estados de la naturaleza son equiprobables Para encontrar la
decisión optima se selecciona la decisión con el mayor valor esperado.

La decisión será invertir en Oro.

2.1 EL CRITERIO DE HURWICS

Es un criterio intermedio entre maximin y el maximax: Supone la combinación y
ponderaciones de optimismo y pesimismo. Sugiere la definición del llamado co
eficiente de 
optimismo (α), y propone que se utilice como criterio de decisión una media po
nderada  entre el máximo resultado asociado a la misma.

Para hallar la solución óptima se marca el máximo y el mínimo de cada

alternativa. Según el coeficiente de optimismo del decidor (α), se multiplica el
máximo por éste y el mínimo se multiplica por (1-α). Luego se suman los dos.
Luego elegimos el máximo entre todas las alternativas.

En nuestro ejemplo, si suponemos que el empresario es neutral α=0,5 
2.2 Procesos decisión polietápicos: Árboles de decisión

Otra situación muy habitual en un proceso de decisión es que no sea un

proceso estático, sino dinámico, es decir, que sea un proceso secuencial de
decisión-azar, donde secuencialmente se van tomando decisiones y va
actuando el azar condicionando las decisiones posteriores. Esta situación es
absolutamente análoga a la de la programación estocástica, y en particular, a la
de la programación dinámica estocástica.

Para representan la aleatoriedad por etapas se suele utilizar los denominados

árboles de escenarios. Sin embargo, para nuestro contexto no es suficiente
representar la aleatoriedad, ya que las decisiones tomadas en el proceso
condicionan lo que puede o no darse posteriormente, representándose en un
árbol de decisión la secuencia de aleatoriedad y decisiones que conforman el
proceso.

Esta representación es apropiada cuando tanto el espacio de estados como el

de las decisiones es discreto.

Para representar gráficamente en un árbol de decisión el proceso se utilizan

los siguientes elementos y notación:

• Vértice de azar: son vértices que representan puntos en los que la naturaleza
elige un estado. De estos vértices salen tantos arcos como estados de la
naturaleza posibles hay en ese punto, y se representan mediante un círculo.

• Vértice de decisión: son vértices que representan puntos en los que hay que
tomar una decisión. De ellos salen tantos arcos como alternativas posibles hay
en ese punto, y se representan mediante un cuadrado.

• Vértice inicial o raiz: es la raíz del árbol, de donde salen tantos arcos como
decisiones iniciales hay, ya que en un proceso de estas características lo
primero es tomar una decisión.
• Vértice terminal u hoja: son los vértices finales de una rama que es sucesión
de estados y decisiones. Se les asigna el coste o beneficio (según sea la
función objetivo a evaluar) del camino seguido para llegar a él, y se
representan por un triángulo. El árbol se construye de la raíz a las hojas,
mostrando el proceso secuencial que es seguido. Una vez acabado se valora
de las hojas a la raíz de la siguiente forma:

• Nodos de azar: se valoran con alguno de los criterios mostrados para valorar
decisiones, en general, suele ser el del valor medio, pero, no tiene por qué ser
así.

• Nodos de decisión: se valoran eligiendo la mejor decisión según el criterio

considerado.

Las decisiones no seleccionadas se consideran rechazadas y con ello todos los

caminos que salgan de ese arco.

Veamos el siguiente ejemplo. Un vendedor ambulante ha de decidir en el mes

de Enero si va a acudir a una feria que se celebra en el mes de septiembre,
porque en el caso en que sea que sí tendrá que pagar 40.000 euros de licencia
para poder montar su puesto en la feria.

Un mes antes de la feria se conocen las previsiones meteorológicas para el

mes de septiembre, de modo que si estas son de mal tiempo el vendedor sabe
que lo más rentable es no ir a la feria.

Por experiencias de años anteriores sabe que el 30% de las veces estas
previsiones son de mal tiempo.

En el caso de que sean buenas las previsiones, el vendedor decidirá ir a la

feria y hacer el pedido de productos a vender.

Puede hacer dos tipos de pedido: un pedido grande de 900 unidades, con un
precio unitario de compra de 100 euros y un precio de venta de 300 euros, o un
pedido pequeño de 600 unidades que comprará a 125 euros y venderá a 350.
Una vez en la feria, este vendedor estima que la demanda puede ser de tres
tipos: demanda alta de 900 unidades, media de 600 unidades, y baja de 300
unidades, con probabilidades 0.3, 0.5 y 0.2, respectivamente.
Sin embargo, se da la circunstancia de que si la demanda es mayor que la
cantidad de productos que ha llevado el precio de venta se verá reducido en
50, en concepto de penalización.

Este problema es claramente un proceso secuencial de decisiones y

aleatoriedad que puede ser representado gráficamente mediante el siguiente
árbol de decisión:

Decisión con incertidumbre o riesgo

Procesos decisión polietápicos: Árboles de decisión Proceso secuencial de

Decisión-Azar Árbol de decisión:

• Vértice de azar: salen tantos arcos como estados de la naturaleza posibles en

ese punto

• Vértice de decisión: salen tantos arcos como acciones posibles en ese punto

• Vértice inicial o raíz: salen tantos arcos como acciones iniciales hay.

• Vértice terminal u hoja: asignar coste o beneficio

2.3 El árbol se construye de raíz a hojas, y se valora de hojas a raíz:

• Nodos de azar: valorar con alguno de los criterios (suele ser valor medio)

• Nodos de decisión: Elegir la mejor decisión según el criterio elegido. Las

decisiones no seleccionadas se consideran rechazadas (camino eliminado)

Ejemplo Vendedor ambulante: Enero: pagar 40000 euros permiso para ir

feria septiembre Un mes antes: previsión mal tiempo (0.3) → no va feria

Tipos pedido: Grande 900 u. P.c.:100 P.v.:300; Pequeño 600 u. P.c.:125

P.v.:350

Demanda: 900 (0.3) 600 (0.5) 300 (0.2). Si demanda > pedido, P.v. 50 menos
Política óptima: pedir permiso y si hace buen tiempo ir con pedido pequeño

Árboles decisión: incremento información parcial Bayes

• Probabilidades a priori: – Estimaciones de probabilidades de estados de la

naturaleza

• Probabilidades a posteriori: – Estimaciones de las probabilidades tras saber

resultado de experimento asociado – Ejemplo: el viajante pregunta en enero a
un experto estadístico meteorólogo sobre climatología en septiembre. Si es útil,
modificará probabilidades según lo que diga el experto

• Incorporar información al árbol de decisión:

– Si se conocen probabilidades a posteriori, directo

– Si no se conocen, teorema de la probabilidad total y de Bayer

Utilidad

Utilidad: concepto y funciones de utilidad Valoración personal de una cantidad

→ utilidad
Función de utilidad: resume importancia que la persona asocia a cantidades

Índice o escala personal, no decreciente. Los criterios de decisión con

utilidades.

Zonas Cóncavas: aversión al riesgo

Zonas Convexas: preferencia por el riesgo

Zonas lineales: neutralidad

CONLCUSIONES

 En la vida real, y tanto en el ámbito profesional como el personal, nos

vemos enfrentados a multitud de situaciones en las que tenemos que
decidir entre varias alternativas.
 La propia optimización no es más que una forma de tomar una decisión
entre unas alternativas factibles. Así, en su dimensión más básica, un
proceso de toma de decisión puede entenderse como la elección de lo
“mejor” entre lo “posible”.
  Según se defina qué es lo mejor y qué es lo posible nos enfrentaremos a
distintas situaciones de decisión.
 La optimización clásica tiene como característica general que lo mejor, el
objetivo, es único y está claramente determinado (excepto en
optimización multi objetivo) y que lo posible, las soluciones factibles, no
vienen expresadas explícitamente sino en forma de restricciones y sin
incertidumbre (excepto en optimización estocástica, que no es
precisamente clásica) Pero además de estos contextos de decisión de
optimización clásica, existen otros que configuran lo que se suele
denominar en términos amplios la teoría de la decisión
 La mayor dificultad en este contexto es cómo valorar una decisión o
alternativa para poder compararla con otras. Así se presentan distintos
criterios para valorar las alternativas y, según sea el criterio adoptado,
decidir cuál es la decisión óptima.
 Los criterios se clasifican según utilicen las probabilidades de los
distintos estados o no. Los primeros está claro que sólo pueden ser
utilizados cuando estas probabilidades son conocidas, mientras que los
segundos pueden ser aplicados en cualquier caso.

REFERENCIAS

1) Andaluz Salazar, Ricardo Antonio; Calderón Barahona, Gabriel Edgardo;

Quijada Orellana, Iván Guillermo (1992), Consideraciones Sobre la Aplicación
de la Teoría de Decisión a los Desastres Naturales.
2) Begoña Bermejo, Fraile (2001), Epidemiologia Clínica Aplicada a la toma de
decisiones en Medicina. Gobierno de Navarra, España.
3) Bellini M, Franco (2004), Investigación de Operaciones, en:
http://www.investigacion-operaciones.com/Cursoinv-Oper Carpeta/Clase12
.pdf, Consultada (Enero-Abril 2008)
4) Botia Blaya, Juan A. (2001), Árboles de Decisión, Universidad de Murcia, en:
http://www.ants.dif.um.es/staff/juanbot/ml/files/20012002/tema3parte 1.pdf.gz
5) Bustos Farías, Eduardo (2005), Métodos Multicriterio para la Ayuda a la
Toma de Decisiones, en:
http://www.angelfire.com/ak6/publicaciones2/PRESENTACION_1.pdf
6) Concepción Cortés Rodríguez (2003), Tema7: Métodos Discretos en:
http://www.uhu.es/24057/ficheros_datos/transparencias/tema7.PDF.
7) Chacón López, Segismundo Edilberto (1993), Modelos de optimización
aplicados a la Toma de decisiones.
8) Cyert, Richard M. (1965), Teoría de las Decisiones Económicas de la
empresa, Herrero Hermanos, México.
9) Eppen,G.D, Gould, F.J, Schnidt, C.P, More Jeffrey H, Weatherford, Larry
R.;Investigación de Operaciones en la ciencia Administrativa (2000). 5a.
Edición, Prentice Hall Hispanoamérica, S.A, Mexico.
10)Ferguson, Thomas S. (1967), Mathematical Statistic: A Decision Theoric
Approach, Academic Press, New York.
11)Flores Fernández, Mario Ernesto; Pastore G., Juan Manuel (1993).
Determinación de necesidades de información para la toma de decisiones
gerenciales, Universidad de El Salvador, El Salvador (tesis de pre-grado)
12)García G., María; Hernández, José G. (2001), Toma de Decisiones Bajo
Incertidumbre Considerando la Dispersión, Universidad Metropolitana, Escuela
de Ingeniería de Sistemas, Caracas Venezuela.