Documentos de Académico
Documentos de Profesional
Documentos de Cultura
caTaLoGación de La fUenTe
8
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
9
ÍNDICE
Los Autores.........................................................................7
Prólogo..............................................................................13
Introducción ......................................................................15
Capítulo I
Toma de Decisiones............................................ 17
Capítulo II
Los Árboles de Decisión.................................... 59
Software de aplicación...............................................61
BIBLIOGRAFÍA......................................................................101
12
Prólogo
14
Introducción
16
Capítulo I
Toma de Decisiones
La Toma de Decisiones en la Empresa
Las personas se ven inmersas hoy en un mundo
sometido a fuertes cambios tecnológicos que están,
sin lugar a duda, condicionando sus hábitos, estilos de
vida, comunicación y trabajo. Este hecho ha obligado
a nuevas y anteriores generaciones a familiarizarse con
las tecnologías digitales. La principal razón: no sentirse
excluidas. Las empresas también han sabido adaptarse a
los nuevos cambios con el fin de llegar al consumidor.
Pero antes, empresas y personas han debido de tomar
una serie de decisiones.
Por ejemplo, una persona que cambia de teléfono
móvil y opta por un terminal de pantalla táctil, en el
que se puedan utilizar aplicaciones como Whatsapp,
ha tomado una decisión. Elegir una marca concreta,
así como determinar un rango de precios, ha supuesto
tomar otra decisión. Dedicar tiempo para familiarizarse
con determinadas aplicaciones, supone otra toma de
decisiones. Por otro lado, si lo vemos desde la perspectiva
de la empresa, la disrupción tecnológica los ha conducido
a participar en el comercio electrónico: b2b (business to
business) y/o b2c (business to consumer); que se contrate
fibra óptica en las oficinas, que se permitan pagos
mediante Contactless…
Hechos que llevan implícitos una serie de decisiones
que se han tomado en mayor o menor tiempo y empleando
una serie de recursos. Además, el sacrificio puede ser
mayor o menor, al igual que la complejidad de la realidad
a afrontar, así como el número de alternativas que se
originan, los valores relativos de dichas opciones, y las
Los Árboles de Decisión
20
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
21
Los Árboles de Decisión
Concepto
Para que el lector comprenda en qué consiste el
método del árbol de decisión comenzaremos, en primer
lugar, por aportar una definición que resalte los aspectos
fundamentales de esta operativa. Así pues, el método
árbol de decisión consiste en aquella representación
gráfica de una serie de secuencias lógicas que interpretan
una realidad, más o menos compleja. Dicha realidad
estará desglosada en una o varias secuencias de eventos,
ordenados estos según una línea temporal coherente. De
este modo, los sucesos más recientes vendrán precedidos
por otros anteriores, hilvanados y originando las diferentes
alternativas de las que el sujeto se servirá para tomar una
decisión al problema planteado. Algunos de estos eventos
se conocen como eventos aleatorios; aquellos cuya
realización vendrá influida por una probabilidad, causa
de la intervención de variables externas al individuo que
condicionaran los posibles resultados. Otros sin embargo
no, ya que serían decisiones que atañerían exclusivamente
al decisor y, por lo tanto, no estarían condicionados por
el entorno.
Llegados a este punto, el lector podrá deducir que
son los términos secuencia lógica y visualización gráfica,
los ingredientes principales de los que se compone
esta metodología de árboles de decisión, los cuales
analizaremos a continuación.
22
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
23
Los Árboles de Decisión
24
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Contexto
Los directivos en las empresas van a tomar decisiones
frecuentemente. Dado el carácter estratégico de las
mismas, es importante entender, en primer lugar, en qué
contexto van a trabajar.
Suponiendo que los profesionales poseen
información absoluta de todas las variables que influyen
o podrían influir en un determinado suceso, proyecto
de inversión, obra… estaríamos afirmando que existe
una situación de certeza. Dadas las circunstancias en
que operan los mercados hoy, esta situación es poco
probable; tanto como el no conocer absolutamente nada
sobre una determinada realidad, lo que conocemos como
incertidumbre.
Entonces, ¿en qué contexto vamos a trabajar? En
una situación que está entre ambas y con la que solemos
determinar la toma de decisiones la mayor parte de
las veces: el riesgo. En esta situación son conocidos
en términos probabilísticos los valores de las variables
25
Los Árboles de Decisión
26
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Opción a
C.II.
Inversor
C.I.
Opción b
Figura 1 .
Nota. Fuente: Elaboración Propia.
27
Los Árboles de Decisión
5%
Compañías I
Inversor II 5%
No
invierte
95% div. < 4%
Figura 2
Nota. Fuente: Elaboración Propia.
Los Elementos
En este punto del manual, y antes de comenzar
a explicar el desarrollo práctico de esta metodología,
es preciso determinar con exactitud los elementos que
intervendrán, de forma frecuente, en cada árbol de
decisión. Para poder diagramar un árbol de decisión es
28
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Los Nudos
Los nudos atienden a hitos de gran trascendencia
en el caso, sugiriendo al intérprete que en dicho punto se
habrán de tomar decisiones relevantes, o que ocurrirán
hechos de cualquier naturaleza que influyan directamente
en nuestros planteamientos, sin que nosotros podamos
interferir. También serán puntos donde se reflejen
determinados resultados cuantitativos (nudos finales). A
continuación, vamos a ver cada uno de ellos: los nudos de
decisión, los nudos aleatorios y los nudos finales,
a) Los nudos de decisión
Representadas por un cuadrado, las decisiones
son aquellas actuaciones donde, de forma
discriminatoria, se seleccionará una de entre las
alternativas existentes. Este hecho repercute
exclusivamente sobre el sujeto decisor (inversor,
director de un proyecto, ejecutivo…), que es
quien tiene la responsabilidad final, pues elegirá
en términos de conveniencia (mayores ingresos,
menores costos...), una vez haya valorado los datos
que aporte del árbol de decisión. No obstante, y a
pesar de tener que comparar todas las alternativas,
finalmente elegirá él.
A veces, las decisiones que se toman en las empresas
proceden de la percepción del sujeto, de la intuición,
sexto sentido… Obviando que el resultado medio
indique optar por otra alternativa diferente, el
29
Los Árboles de Decisión
30
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Probabilidad de ocurrir I
(80%)
a I
Pro
Pro b. de ocur
b. d rir II (
eo 2%) II
cur
rir I
II (1
I 8%
)
IV III
No Contratación
Figura 3
Nota. Fuente: Elaboración Propia.
31
Los Árboles de Decisión
32
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Repara 75%
Prov
a No Repara 25%
Repara 50%
Prov
Emprendedor b No Repara 50%
Repara 35%
Prov
c No Repara 65%
Figura 4
Nota. Fuente: Elaboración Propia.
33
Los Árboles de Decisión
34
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
35
Los Árboles de Decisión
Las Ramas
Las ramas tienen una importante función, al
completar el diagrama y configurarle un sentido y una
orientación. Se representan como flechas en el diagrama
para crear un hilo conductor que esté en todo momento
uniendo los nudos, de izquierda a derecha.
La orientación no es en otro sentido distinto. Esto se
debe a que la secuencia del árbol de decisión parte de
un nodo de decisión (siempre), y termina con los nudos
finales.
Es obvio que la función principal de las ramas es la
de configurar el diagrama y darle sentido lógico, pero
también recoge información. Esto es algo muy interesante:
si observamos el diagrama de árbol, las flechas vienen a
explicar el evento que ha ocurrido anteriormente.
Si observamos la figura 4, las flechas que parten del
nudo de decisión emprendedor vienen a explicar que el
sujeto escogerá al proveedor a, al b o al c. Las siguientes
flechas parten de los nudos aleatorios, y dichas figuras
tienen anexadas una probabilidad y otra información
diferente, que surge de dichos nudos aleatorios.
36
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Elementos Representación
Nudos de Decisión
Elección segura determinada
por el sujeto u entidad.
Nudo Aleatorio
Advierte de varios resultados
inciertos.
Nudo Final
Resultado definitivo de un
camino.
Ramas
Posibles resultados de
determinadas acciones.
Nota. Fuente: Elaboración Propia.
37
Los Árboles de Decisión
Reglas Probabilísticas
El Valor Esperado
El Valor Esperado es un concepto fundamental
para el cálculo de los eventos aleatorios, debido a
que las condiciones en las que se desarrollan los casos
(insuficiente información, ambiente de riesgo), hacen
necesaria la estimación media de los diferentes resultados
que pudieran darse.
Así, el Valor Esperado se conoce en estadística como
Media Aritmética o Esperanza.
Definiremos Valor Medio como el resultado promedio
de una variable aleatoria. En este caso, la suma de los
resultados posibles que permite la variable aleatoria,
multiplicados por la probabilidad que llevan asociados
dichos datos.
En el caso de los árboles de decisión, trabajaremos
con variables aleatorias discretas, es decir, aquellas que
toman un número limitado de valores, normalmente
números enteros, producto de un conteo (Rodríguez
et, al.., 2016). También, la variable aleatoria discreta
denominada X, tomaría los valores x1,..., xk con sus
respectivas probabilidades asociadas: p(x1),...
Por consiguiente, la Esperanza o Valor Esperado se
calculará del siguiente modo:
E(x)=x1∙P(x1)+x2∙P(x2)+⋯+xn∙P(xn)
38
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
µ = E[X] = ∑ xi*P(xi)
i=1
Método
El presente punto atenderá a la elaboración de un
diagrama de árbol de decisión, atendiendo paso por
paso a cada una de sus etapas.
Dividiremos en dos dichas etapas. La primera se
centrará en diseñar el árbol de decisión y en calcular los
resultados de los nudos finales.
La segunda etapa consistirá en analizar los valores
medios de los nudos aleatorios y, de derecha a izquierda,
valorar la mejor alternativa posible, rechazando las peores
decisiones.
Para ello explicaremos cómo orientar el diagrama y,
a su vez, enumerar los distintos elementos con el fin de
poder interpretar correctamente los ejercicios planteados.
39
Los Árboles de Decisión
40
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
III 1
II 2
IV 3
a
4
5
b 6
I V 7
c 8
9
Figura 5
Nota. Fuente: Elaboración Propia.
41
Los Árboles de Decisión
Orientación
Como hemos adelantado en anteriores puntos, los
diagramas de árbol de decisión se realizan atendiendo a
dos perspectivas.
La primera atiende a la construcción del árbol. Se
comenzará a dibujar siempre un nudo de decisión, del
que se generarán las ramas posteriores, que den lugar
a los siguientes nudos (si los hubiera). Este proceso se
construye de izquierda a derecha. Concluye con los nudos
de decisión (triángulos numerados por un orden lógico).
La segunda perspectiva atiende a la resolución
matemática del diagrama de árbol, generando los
valores medios en los nudos probabilísticos, y tomando
las mejores alternativas en los nudos de decisión. Se
trabajará de derecha a izquierda. Concluirá el análisis al
generar un valor en el nudo de decisión I, desde donde se
partió en un inicio, y que corresponde a la decisión final,
la cual atañe únicamente al sujeto o entidad protagonista
del caso.
Es importante no confundir los resultados que se
originan en los nudos finales, con el resultado final del
diagrama de árbol. El proceso para llegar a este último
es más complejo, y de quedarnos solo en los resultados
finales (de los triángulos), no nos aportará información
fiable para tomar una decisión.
La aleatoriedad de los sucesos, de existir estos,
influirá en el árbol, dando lugar a un cálculo de valores
estimados medios que contribuirán a tener una visión
más completa acerca de las pérdidas o ganancias que
pudieran generarse. Si a los resultados finales no les
aplicamos las probabilidades asociadas a los nudos
42
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
43
Los Árboles de Decisión
44
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
45
Los Árboles de Decisión
Corriente de la Renta
(+) Ingresos* por venta
(-) Coste de las ventas
= Cash flow renta antes de impuestos
46
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Corriente de la Renta
(-) Cuota de amortización contable
(-) Costes financieros generados.
(-) Costes fros. Generados (CF)
= Beneficio Bruto
- Impuestos Generados
= Beneficio Neto
-Dividendos Generados, di
= Reservas
Nota. Fuente: Elaboración Propia. *Ingresos por Venta = unidades vendidas * precio
de venta
47
Los Árboles de Decisión
48
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
49
Los Árboles de Decisión
Consideraciones Finales
En este punto vamos a analizar los diversos
ambientes que pueden influir en la toma de decisiones,
las cuales no están siempre influidas por los mismos
factores. Los ambientes en cuestión son los de certeza,
riesgo e incertidumbre.
También analizaremos el perfil del inversor o directivo
de empresa, que no percibe del mismo modo el riesgo.
50
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
51
Los Árboles de Decisión
Entornos de certeza
La sociedad en la que estamos inmersos
tecnológicamente ha abierto las puertas a nuevos
mercados y usuarios. Sin embargo, también ha generado
mayor competitividad. Como consecuencia, que exista
para los inversores información actualizada, relevante y
exacta (acerca de futuros proyectos de inversión), sobre
la totalidad de variables que afectarán en los mismos,
conociendo sin lugar a duda los resultados posibles,
roza lo imposible. La situación de certeza, en caso de
52
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Entornos de riesgo
Es la variabilidad prevista en la rentabilidad futura
que podemos obtener con nuestro proyecto de inversión.
La volatilidad de una cartera de clientes, la imprevisión
del clima, depender de una licencia de apertura para abrir
un negocio, la probabilidad que existe de ser admitido en
una bolsa de empleo, las consecuencias de subir la tarifa
de la luz un 30%...
Todos estos ejemplos están descritos en un entorno
de riesgo. Se pueden conocer las variables que afectan a
una inversión, pero a través de la función de probabilidad
de cada una de ellas, ya que estas estarán condicionadas
por diferentes estados de la naturaleza. Por consiguiente,
es imposible conocer los resultados exactos que se van
a obtener. Gracias a las probabilidades que nosotros
asignamos, para una variable discreta, es posible
acercarnos a lo que podría suceder en el futuro, y tomar,
en consecuencia, decisiones que minimice el impacto
negativo, o contribuyan a alcanzar mejores resultados.
53
Los Árboles de Decisión
Entornos de incertidumbre
Tal vez la realidad a la que nos enfrentemos sea
compleja y no conozcamos la probabilidad de ocurrencia
de determinados sucesos, así como los valores que podrían
presentar dichas variables. En este caso operaríamos
dando palos de ciego, o a la deriva.
Hablaríamos de incertidumbre estructurada cuando
no conociésemos la probabilidad de ocurrencia de los
sucesos. Pero si además de la probabilidad de ocurrencia,
desconociésemos también los estados de la naturaleza,
es decir, dichas realidades que pudieran influir en nuestras
decisiones, estaríamos hablando de incertidumbre no
estructurada.
No podemos aceptar que la empresa trabaje
realmente en un ambiente de certidumbre, sobre todo a
la hora de realizar inversiones o tomar decisiones a largo
plazo (las eventualidades son incontrolables en un plan
futuro). Esto es debido a que los agentes del entorno
que interactúan con la empresa influyen y modifican
los resultados previstos, y si no los tenemos en cuenta,
54
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
55
Los Árboles de Decisión
56
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
57
Los Árboles de Decisión
El Random Forest
Aunque no es objeto de nuestro estudio, debemos
de hacer mención a una solución más compleja, que
busca perfeccionar la técnica del árbol de decisión. Ésta
es el Random Forest, y consiste en distribuir a lo largo
de una serie de árboles, la totalidad de variables que
intervienen en un determinado caso. Dichas variables no
deben repetirse, por lo que se reparten en cada uno de
ellos, en igual proporción. La elección de las variables en
cada árbol es aleatoria, por lo que tenemos un conjunto
de árboles diferentes. Finalmente, se promediarían los
resultados obtenidos en cada árbol independiente,
obteniendo un resultado final que comprendería el cálculo
habido en cada uno de los que conforman el conjunto del
Random Forest.
Actualmente, el desarrollo de los Sistemas de
Información (Data Mining o Minería de Datos, Sistemas
Expertos, Inteligencia Artificial…) están realizando
modelos predictivos de una complejidad elevada, en
modelos construidos con numerosas variables. Es por
ello que la técnica del árbol de decisión es un primer
planteamiento básico y fundamental para aquellos que
quieran incursar en un futuro, en estas técnicas sofisticadas
de sistemas computarizados aplicados a numerosos
campos de trabajo como puede ser el sector financiero,
por ejemplo.
58
Capítulo II
Los Árboles de Decisión
Software de aplicación
Aunque son varios los Software que hoy realizan
simulaciones con diagramas de árbol, nosotros hemos
querido presentar algunos, incluyendo también algún
ejemplo que demuestra la claridad y simplicidad con
la que hoy se procesan los datos en los sistemas de
información, facilitando la toma de decisiones.
Palisade Corporation es la primera plataforma que
vamos a presentar. El equipo de Palisade es el creador de
@RISK y DecisionTools® Suite, un prestigioso software que
realiza diferentes análisis de riesgo y toma de decisiones.
Imagen 1
Representación Árbol de Decisión en Plantilla Básica de PrecisionTree.
Tabla 4
Utilidades de Palisade DecisionTree
Industria Aplicación
Ingeniería Planeación de terremotos y
de desastres
Ciencias Ambientales Administración de recursos
Programas de preservación
Finanzas e Inversiones Selección de portafolios
Análisis de opciones reales
Reconocimiento de voz
Integración de sistemas de
Tecnología
TI
Soporte a clientes
Planeación de presupuestos
Gobierno
Proyectos de Inversión
Nota. Fuente: Elaboración propia.
62
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
63
Los Árboles de Decisión
64
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Precio Competencia
Alto Medio Bajo
Precios Alto 15 12 9
de los Medio 10 8 7
Pasteles
Felices Bajo 5 3 1
Por último, señalar que el departamento financiero
estimó las probabilidades de salir al mercado con un
determinado nivel de precios (alto, medio o bajo), frente
al precio de salida de la competencia (alto, medio o bajo),
que podrían afectar a los resultados finales:
Precio Competencia
Alto Medio Bajo
Precios Alto 0.6 0.3 0.1
de los Medio 0.5 0.35 0.15
Pasteles
Felices Bajo 0.1 0.2 0.7
Se pide:
65
Los Árboles de Decisión
66
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
Resultados Estimados
Decisión en I (Nudo de Decisión I): Elegiremos el
valor máximo entre los resultados finales 1, 2 y 3. Es decir:
Máx (Valor 1, Valor 2 y Valor 3) = 50 u.m.
Valor Estimado a = Valor 4* 0,6 + Valor 5*0,3 + Valor
6*0,1 = 15*0,6 + 12*0,3 + 9*0,1 = 13,5 u.m.
Valor Estimado b = Valor 7* 0,5 + Valor 8*0,35 +
Valor 9*0,15 = 10*0,5 + 8*0,35 + 7*0,15 = 8,85 u.m.
Valor Estimado c = Valor 10* 0,1 + Valor 11*0,2 +
Valor 12*0,7 = 5*0,1 + 3*0,2 + 1*0,7 = 1,8 u.m.
Decisión en II (Nudo de Decisión II): Elegiremos el
valor máximo entre los resultados finales a, b y c. Es decir:
Máx (Valor a, Valor b y Valor c) = Máx (13,5; 8,85; 1,8) =
13,5 u.m.
Consecuentemente, la competencia actuará
poniendo un nivel de precios (alto, medio o bajo).
Solución: Salir al mercado con precios altos sin haber
competencia. Teniendo presente que en caso de haber
competencia los resultados medios serían de 13,5 u.m.
67
Los Árboles de Decisión
68
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
69
Los Árboles de Decisión
70
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
71
Los Árboles de Decisión
72
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
73
Los Árboles de Decisión
74
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
75
Los Árboles de Decisión
76
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
77
Los Árboles de Decisión
78
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
79
Los Árboles de Decisión
80
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
81
Los Árboles de Decisión
82
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
83
Los Árboles de Decisión
84
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
85
Los Árboles de Decisión
86
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
87
Los Árboles de Decisión
88
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
89
Los Árboles de Decisión
90
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
91
Los Árboles de Decisión
92
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
93
Los Árboles de Decisión
94
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
95
Los Árboles de Decisión
96
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
97
Los Árboles de Decisión
98
Rafael Ravina Ripoll - José Bocoya Maline
Guillermo Antonio Gutiérrez Montoya - Flor Nathalie Mejía Castillo
99
Los Árboles de Decisión
100
BIBLIOGRAFÍA
Barrientos, Rocío Erandi et al (2009). Árboles de decisión
como herramienta en el diagnóstico Médico. México.
Revista Médica de la Universidad Veracruzana, No. 2
Durbán Oliva, Salvador (2008). Dirección Financiera.
Madrid: Editorial McGraw-Hill.
Fernández Arbeláez, Jorge Iván; Villada Zapata, Johny
(2015). Análisis de evidencia en investigaciones
sobre toma de decisiones entre 2002 y 2012.
Universidad de Antioquia. Avances en Psicología
Latinoamericana. Vol. 33(1) / pp. 105-120 / 2015 /
ISSNe2145-4515 105 Bogotá. Colombia.
Gitman, Lawrence J; Joehnk, Michael (2009). Fundamentos
de inversiones. Décima edición. Pearson Educación.
ISBN: 978-970-26-1514-9. México.
IBM SPSS Decision Trees. https://www.ibm.com/es-es/
marketplace/spss-decision-trees.
Lozano, José-Félix (2013). Toma de decisión ética en la
gestión de empresas: la aportación de la neuroética.
∆αι´µων. Revista Internacional de Filosofía, nº 59,
2013, 183-196 ISSN: 1130-0507.
Lucidchart (2017). © Lucid Software Inc. https://www.
lucidchart.com/pages/es/diagrama-de-arbol-online.
McDevitt, Roselie et al. (2007). A model of ethical decision
making: the integration of process and content.
Journal of Business ethics, nº 73, 2007, pp. 219-229.
Springer.
Palisade Corporation (2017). http://www.palisade-lta.
com/precisiontree/
Los Árboles de Decisión
102
Los Árboles de Decisión. Una Herramienta práctica para la Toma de
Decisiones del Happy Manager.
Publicación digital del Fondo Editorial UNERMB
Febrero de 2018
Cabimas, Venezuela.
El presente libro se encuentra dentro de los resultados de
la investigación enmarcados en el proyecto I+D: Estudio
multidisciplinar de la influencia de la creatividad y la felicidad
corporativa en el desarrollo sostenible-económica, social
y de medioambiente de los territorios. Bajo la dirección
principal de: Luis Bayardo Tobar Pesantez (Universidad
Politécnica Salesiana), Rafael Ravina Ripoll (Universidad de
Cádiz), Ana Fondón Ludeña (Universidad de Extremadura),
Antonio Rafael Fernández Paradas (Universidad de Granada)
y Francisco Villena Manzanares (Universidad de Sevilla).