Está en la página 1de 44

Toma de Decisiones

Métodos Cuantitativos y
Cualitativos para los negocios

MBA Jorge Rubiños Montero


Índice

1 INTRODUCCIÓN

2 PROBABILIDADES

3 ARBOL DE DECISIONES

4 PRONOSTICOS

5 PROGRAMACIÓN LINEAL

6 PERT - PCM

7 MODELOS DE LINEA DE ESPERA

2
La probabilidad

Es una medida numérica de la posibilidad de que un


evento ocurra. Los valores siempre estarán entre 0 y 1.
La probabilidad es importante en la toma de decisiones
debido a que proporciona una manera de medir, expresar y
analizar las incertidumbres asociadas con eventos futuros.

Aumenta la probabilidad de ocurrencia

0 0.5 1.0

La ocurrencia de un evento es igual


Probabilidad de probable que de improbable.

3
Ejemplo sencillo
Se lanza un dado.

1. Llamaremos resultado a
cualquier de los posibles
acontecimientos.
2. Hablaremos de espacio
de resultados, ( Ω ) para
referirnos al conjunto de
todos los posibles
resultados.

4
Experimento y espacio muestral
Experimento es cualquier proceso que genera resultados bien
definidos. En una sola repetición de un experimento ocurrirá
uno y sólo uno de los resultados experimentales posibles.
Experimento Resultado
Lanzar una moneda Cara, Cruz
Seleccionar un componente Defectuoso, sin defectos
para inspección
Hacer una llamada de ventas Cliente compra, no compra
Arrojar un dado 1, 2, 3, 4, 5, 6
Jugar un partido de futbol Ganar, perder, empatar

Al definir todos los resultados


S = {Cara, Cruz} experimentales posibles, identificamos
S= {Defectuoso, Sin defectos} el espacio muestral. Cada resultado se
le conoce como punto muestral
5
Relaciones básicas de probabilidad
Ley de la adición
Espacio Muestral

P(A) + P(Ac) = 1
A Ac
P(A) = 1- P(Ac)

P(AUB) = P(A) + P(B) – P(A∩B)


A B Para eventos mutuamente excluyentes
P(AUB) = P(A) + P(B) , dado que P(A∩B) = 0

Probabilidad condicional
P(A|B) = P(A∩B) / P(B) Es la P(A) dado que ha ocurrido el evento B

6
Enfoques para calcular la probabilidad

1.- Enfoque Clásico


2.- Enfoque de Frecuencias Relativas
3.- Enfoque Subjetivo

7
Enfoques para calcular la probabilidad
1.- ENFOQUE CLÁSICO
Este es el enfoque más estudiado en los libros y ampliamente estudiados.
Ejemplos: Casinos, loterías, lo emplean bastantes veces.
Pero es difícil aplicarlo a los negocios.
En el caso del dado:
- Consideramos que es un dado normal, es decir cada uno de sus lados
pesa igual.
- Cada uno de sus lados son del mismo material.
- Tiene su punto de gravedad justo en el centro del cubo.
- Finalmente cada lado tendrá la misma probabilidad de salir.

8
Enfoques para calcular la probabilidad
2.- ENFOQUE DE FRECUENCIA RELATIVA
Imaginemos que queremos calcular la probabilidad que un estudiante de
la UCV fume.
Es absurdo pensar de esta manera: “Bueno, existen sólo dos resultados
posibles, que fume y que no fume”, entonces la P(fume) = ½.
Lo absurdo de este razonamiento que si bien existen 2 resultados
posibles, ambos no tienen la misma probabilidad de ocurrir.
¿Cómo podemos resolver esta pregunta?, para estos casos podemos
aplicar el enfoque de frecuencia relativa. Dice que si un experimento
puede repetirse en condiciones “normales”, N veces, la probabilidad de
ocurrencia es x.
Finalmente no se puede aplicar a todo, porque hay sucesos que no son
repetibles. Es decir son únicos, como perforar un pozo petrolífero.

9
Enfoques para calcular la probabilidad
3.- ENFOQUE SUBJETIVO
Es cuando el proceso que genera los sucesos de interés se
desconocen a priori y no pueden obtenerse evidencia empírica a
base de repetir el suceso unas cuantas veces.
La probabilidad se define como “el grado de convencimiento que
tiene un decisor acerca de la ocurrencia de un suceso incierto”. Es
decir esta más seguro que ocurra el suceso A que el suceso B.
La asignación de la probabilidad termina siendo subjetiva, que no
debemos confundir con arbitrariedad.
Los estadísticos no aceptan el enfoque porque es discutible,
atribuyen que la probabilidad debe ser objetiva.
Nuestro grado de subjetividad: “es súper seguro”, “es casi seguro”, “es
muy probable”, “no creo”, “dudo bastante”, etc.

10
Enfoques para calcular la probabilidad
Ejemplo: Suponer otra vez un juego de 52 cartas. Si escogemos dos
cartas consecutivas al azar.
¿Cuál es la probabilidad de que la primera sea rey y la segunda no lo
sea?

11
Enfoques para calcular la probabilidad

¿Cuál es la probabilidad de obtener por lo menos un rey?

¿Cuál es la probabilidad de obtener exactamente un rey?

12
Ejemplo: Probabilidad Condicional

Promovidos No Promovidos Total


Hombres 288 672 960
Mujeres 36 204 240
Total 324 876 1200

Después de ver la tabla de promociones, un comité de


agentes mujeres entablo una demanda por discriminación,
con base que sólo 36 de ella habían sido promovidas
durante 2 años.
El sustento de la policía es no se debe a una discriminación
sino que existe un numero bajo de mujeres en la fuerza
policiaca.
13
Relaciones básicas de probabilidad
Ley de la Multiplicación
Se puede utilizar para determinar la probabilidad de la intersección de dos
eventos.
P(A∩B) = P(A|B) P(B) Aplica cuando se conocen las P(A), P(A|B),
P(A∩B) = P(B|A) P(A) P(B), P(B|A) y se desconoce P(A∩B)

Por ejemplo: un periódico sabe que el 84% de sus clientes se suscribe en


la edición diaria. Sea D el evento, P(D) = 0.84. Además se sabe que la
probabilidad condicional de que un cliente que ya cuenta con una
suscripción diaria se suscriba también a la edición dominical es 75%.
P(S|D) = 0.75.

¿Cuál es la probabilidad de que un cliente se suscriba tanto a las


ediciones diarias como a las dominicales del periódico?

P(D∩S) = P(S|D) P(D) = 0.63


14
Ejercicio 2 - 01

Un estudio examinó los tiempos de espera en el departamento de rayos X


de un hospital en Jacksonville, Florida. Un empleado anotó el número de
pacientes que esperan ser atendidos a las 9am durante 20 días
consecutivos, y obtuvo los resultados siguientes:

N pacientes en
N de días que el a. Defina el experimento que realizó el
espera
resultado empleado.
ocurrió
0 2
b. Haga una lista de los resultados
experimentales
1 5
2 6 c. Asigne probabilidades a los resultados
experimentales.
3 4
4 3 d. ¿Qué método utilizó?
Total 20

15
Ejercicio 2 - 02

Una empresa que franquicia una cafetería realizó pruebas de sabor para
un nuevo producto de café. La empresa preparó cuatro mezclas y eligió
personas al azar para hacerles una prueba de sabor y determinar cuál de
ellas les gustaba más. Los resultados de la prueba para 100 personas se
proporcionan enseguida.

a. Defina el experimento que se está


Número de realizando. ¿Cuántas veces se repitió?
Diseño veces que
prefirió b. Antes de realizar el experimento, es
razonable suponer que las
1 20
preferencias por las 4 mezclas son
2 30 iguales. ¿Qué probabilidades
3 35 asignaría a los resultados
4 15 experimentales antes de realizar la
prueba de sabor? ¿Qué método
utilizó?
16
Ejercicio 2 - 03
Una empresa que elabora pasta dental estudia cinco diseños de paquetes
diferentes. Suponga que un diseño tiene igual probabilidad de ser
seleccionado por un consumidor que cualquiera de los otros, ¿qué
probabilidad de selección asignaría a cada uno de los diseños? En un
experimento real se pidió a 100 consumidores que seleccionaran el
diseño de su preferencia. Se obtuvieron los datos siguientes. ¿Los datos
confirman la creencia de que un diseño tiene igual probabilidad de ser
seleccionado que otro? Explique por qué.

Número de veces
Diseño
que prefirió
1 5
2 15
3 30
4 40
5 10
17
Ejercicio 2 - 04
La disponibilidad de capital de riesgo proporcionó un gran estímulo sobre los
fondos disponibles para las empresas en años recientes. Según Venture
Economics, se hicieron 2,374 desembolsos de capital de riesgo en 1999, de los
cuales 1,434 se asignaron a empresas de California , 390 a empresas de
Massachusetts, 217 a empresas de Nueva York y 112 a empresas de Colorado.
Veintidós por ciento de las empresas que recibieron fondos que están en las
primeras etapas de desarrollo y 55% en etapa de expansión. Suponga que
requiere elegir una de estas empresas al azar para enterarse de cómo empleó los
fondos.

a. ¿Cuál es la probabilidad de que la empresa elegida esté en California?


b. ¿Cuál es la probabilidad de que la empresa elegida no esté en uno de los cuatro estados
mencionados?.
c. ¿Cuál es la probabilidad de que la empresa no se encuentre en las primeras etapas de
desarrollo?
d. Suponga que las empresas en las primeras etapas de desarrollo estuvieran distribuidas
equitativamente en todo el país, ¿cuántas empresas de Massachusetts que recibieron
fondos de capital de riesgo estaban en las primeras etapas de desarrollo?
e. La cantidad total de fondos invertidos fue de $32,400 millones. Estime la cantidad que
se asignó a colorado.
18
Marca de Vodka (Online)

19
Índice
1 INTRODUCCIÓN

2 PROBABILIDADES

Variables Aleatorias Discretas

Distribución Binomial y Poisson

Variables Aleatorias Continuas

Distribución Normal y Exponencial

20
Variable Aleatoria
Para cualquier experimento en particular una variable aleatoria puede
definirse de modo que cada resultado experimental posible
genere exactamente un valor numérico para la variable aleatoria.

Una variable aleatoria es la descripción numérica del resultado


de un experimento.

Experimento Variable aleatoria (¡) Valores posibles

Hacer 100 llamadas de Número total de ventas


0., 1, 2....,100
ventas
Inspeccionar un embarque Número de radioreceptores
0,1,2,...,70
de 70 radioreceptores defectuosos.
Construir una biblioteca Porcentaje del proyecto
0<x< 100
completado después de seis
meses
Dirigir un restaurante Número de clientes que entran 0, 1, 2....
en un día
21
Índice
1 INTRODUCCIÓN

2 PROBABILIDADES

Variables Aleatorias Discretas

Distribución Binomial y Poisson

Variables Aleatorias Continuas

Distribución Normal y Exponencial

22
Variable Aleatoria Discreta
Automóviles vendidos
por día de Toyota

Número de Requisitos que debe cumplir la distribución


Venta discreta:
Días
Sin ventas 54
1 117
2 72
3 42
4 12
5 3
Total 300

23
Variable Aleatoria Discreta
Distribución de Probabilidades

X f(x)
0 0.18
1 0.39
2 0.24
3 0.14 Valor esperado
4 0.04
5 0.01
Total 1

24
Variable Aleatoria Discreta

Varianza

25
Índice
1 INTRODUCCIÓN

2 PROBABILIDADES

Variables Aleatorias Discretas

Distribución Binomial y Poisson

Variables Aleatorias Continuas

Distribución Normal y Exponencial

26
Binomial
Los experimentos cumplen las siguientes condiciones:
1. El experimento consiste en una secuencia de n ensayos idénticos.
2. Dos resultados son posibles en cada ensayo. Nos referimos a un
resultado como un éxito y al otro como en fracaso.
3. Las probabilidades de los dos resultados no cambian de un ensayo a
otro.
4. Los ensayos son independientes (por ejemplo, el resultado de un
ensayo no afecta al resultado del otro).

n: número de ensayos
p: probabilidad de éxito en un ensayo
x : número de éxitos en “n” ensayos
f(x) : probabilidad de “x” éxitos en “n”
ensayos
27
Ejemplo Binomial
Clientes que ingresan a una tienda.
Con la experiencia el gerente de tienda estima que la probabilidad de
que un cliente haga una compra es 0.30 para 3 clientes.
¿cuál es la probabilidad de que exactamente dos de los 3 clientes
siguientes clientes hagan una compra?

28
Poisson
Los experimentos cumplen las siguientes condiciones:
1. La probabilidad de una ocurrencia del evento es la misma para
dos intervalos de igual longitud.
2. La ocurrencia o no ocurrencia de un evento en cualquier intervalo
es independiente de la ocurrencia o no ocurrencia en cualquier
otro intervalo.

λ: media o número medio de ocurrencias en un intervalo


е: 2.71828
x : número de ocurrencias en el intervalo
f(x) : probabilidad de x ocurrencias en el intervalo

29
Índice
1 INTRODUCCIÓN

2 PROBABILIDADES

Variables Aleatorias Discretas

Distribución Binomial y Poisson

Variables Aleatorias Continuas

Distribución Normal y Exponencial

30
Índice
1 INTRODUCCIÓN

2 PROBABILIDADES

Variables Aleatorias Discretas

Distribución Binomial y Poisson

Variables Aleatorias Continuas

Distribución Normal y Exponencial

31
Normal
Ejemplos de variables continuas:
1. El número de onzas de sopa que contiene una lata con la etiqueta "8
onzas"
2. El tiempo de vuelo de un avión que viaja de Chicago a Nueva York
3. La vida del cinescopio de un televisor nuevo
4. La profundidad de perforación requerida para llegar al petróleo en
una operación de perforación submarina

f(x)
120<= X <= 140
1/20

120 130 140 x


Tiempo de vuelo de avión en minutos
32
Normal
Función:

µ: media o valor esperado de la variable aleatoria x


σ² : varianza de la variable aleatoria x
σ : desviación estándar de la variable aleatoria x
π : 3.14159
е: 2.71828

33
Normal estándar

z: es el numero de
desviaciones estándar
a partir de la media.

Centrada en el Cero

34
Normal estándar

35
Normal estándar

36
Para cualquier distribución normal

¿Cuál es la probabilidad que el resultado este entre 10 y 14?

37
Ejemplo: Probabilidad normal

Imagine que Grear Tire Company acaba de desarrollar una nueva llanta radial con cinturón de acero que
se venderá por medio de una cadena nacional de almacenes de descuento.

Como la llanta es un producto nuevo, la administración de Grear considera que la garantía de millaje
ofrecida con la llanta será un factor importante en la aceptación del producto por parte de los
consumidores. Antes de analizar la póliza de garantía de millaje de la llanta, la administración de Grear
quiere saber cierta información de probabilidad concerniente al número de millas que durarán las llantas.

A partir de las pruebas de carretera reales con las llantas, el grupo de ingeniería de Grear estima el
millaje medio de una llanta en µ: 36,500 millas y la desviación estándar en σ : 5000 millas. Además, los
datos recabados indican que una distribución normal es un supuesto razonable.

P1: Entonces, ¿qué porcentaje de las llantas se puede esperar que dure más de 40,000 millas? En otras
palabras, ¿cuál es la probabilidad de que el millaje de la llanta exceda de 40,000?

Ahora suponga que Grear está considerando una garantía que proporcione un descuento en un nuevo
juego de llantas si el millaje de las llantas originales no excede el establecido en la garantía.

P2: ¿Cuál debe ser el millaje de la garantía si Grear quiere que no más de 10% de las llantas sea elegible
para el descuento?

38
Exponencial
Función:

µ: media o valor esperado de la variable aleatoria x


е: 2.71828

Calculo de la probabilidad:

39
Ejercicio 3 - 06
La Encuesta de Vivienda Estadounidense informó los datos siguientes sobre el
número de habitaciones en las viviendas ocupadas por propietarios e inquilinos
en las ciudades centrales.

a. Defina una variable aleatoria X = número de habitaciones en las viviendas ocupadas por
inquilinos y elabore una distribución de probabilidad para la variable aleatoria, donde X
= 4 represente 4 habitaciones o más.
b. Calcule el valor esperado y la varianza para el número de habitaciones en las viviendas
ocupadas por inquilinos.
c. Defina una variable aleatoria y = número de habitaciones en las viviendas ocupadas por
propietarios y elabore una distribución de probabilidad para la variable aleatoria, donde
y = 4 represente 4 o más habitaciones.
d. Calcule el valor esperado y la varianza para el número de habitaciones en las viviendas
ocupadas por propietarios.
e. ¿Qué observaciones puede hacer de la comparación del número de habitaciones en
viviendas ocupadas por inquilinos frente a las ocupadas por propietarios?
40
Ejercicio 3 - 09

Considere un experimento binomial con 2 ensayos y p = 0.4.

a. Calcule la probabilidad de 1 éxito, f(1).


b. Calcule f(0).
c. Calcule f(2).
d. Calcule la probabilidad de por lo menos 1 éxito.
e. Determine el valor esperado, Ia varianza y la desviación estándar.

41
Ejercicio 3 - 12

Cuando una máquina nueva funciona de forma adecuada, sólo 30% de los artículos
producidos tiene defectos. Suponga que seleccionamos al azar dos partes fabricadas por
la máquina y que nos interesa conocer el número de partes defectuosas encontradas.

a. Describa las condiciones bajo las cuales esta situación sería un experimento
binomial.
b. ¿Cuántos resultados experimentales producen 1 defecto?
c. Calcule las probabilidades asociadas con encontrar 0 partes defectuosas, 1 parte
defectuosa y 2 partes defectuosas.

42
Ejercicio 3 - 26

La división de facturación a pacientes del Hospital General ha compilado datos sobre la


fecha de las cuentas por cobrar. Los datos recabados indican que la fecha de las cuentas
sigue una distribución normal con p : 28 días y σ : 8 días.

a. ¿Qué porción de las cuentas tiene entre 20 y 40 días, es decir, P(20 <= x <= 40)?
b. El administrador del hospital está interesado en enviar cartas con un recordatorio a
15% de las cuentas más viejas. ¿Cuántos días debe considerar antes de que se envíe
la carta?
c. El administrador del hospital quiere otorgar un descuento a aquellas cuentas que
pagan su saldo antes del día 21 . ¿,Qué porcentaje de las cuentas recibirá este
descuento?

43
Ejercicio 3 - 31

El tiempo de entre las llegadas de vehículos en una intersección particular sigue una
distribución de probabilidades exponencial con una media de 12 segundos:

a. Trace esta distribución de probabilidad exponencial.


b. b. ¿Cuál es la probabilidad de que el tiempo entre las llegadas de los vehículos sea
de 12 segundos o menos?
c. ¿Cuál es la probabilidad de que el tiempo entre las llegadas de los vehículos sea de 6
segundos o menos?
d. ¿Cuál es la probabilidad de que haya 30 segundos o más entre las llegadas de los
vehículos?

44