Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AREQUIPA - 2022
I. INTRODUCCIÓN:
Los árboles de decisión son una de las técnicas de Machine learning más utilizadas. El
objetivo es crear un modelo que prediga el valor o clase de una observación a partir de reglas
de decisión obtenidas de datos anteriores. El uso es tan amplio que diferentes profesionales
utilizan esta herramienta para generar estrategias de negocios, así como otros la utilizan para
realizar diagnósticos médicos.
El modelo está formado por una serie de decisiones lógicas similares a las de un diagrama de
flujo. El árbol comienza con un nodo llamado “nodo raíz”, en este y en los nodos internos se
toman las decisiones basado en diferentes atributos, las ramas indican las decisiones tomadas.
Al final del árbol de decisión se encuentran los nodos terminales, que representan el resultado
de seguir una combinación de decisiones. Alternativamente, el nodo terminal puede tener
asociada una probabilidad de que el valor meta tome cierto valor.
Esta técnica puede ser utilizada para predecir variables categóricas y continuas, y suelen ser
llamados árboles de clasificación y regresión respectivamente. Con el fin de tener más claro
el concepto, a continuación se presenta un ejemplo de un banco que utiliza un árbol de
decisión para decidir si le debería ofrecer un préstamo a una persona.
La capacidad de planta es la tasa de producción máxima de una instalación. Esta puede ser
una estación de trabajo o una organización entera .La capacidad excesiva puede ser tan fatal
como la capacidad insuficiente .Existen dos tipos de capacidad de planta :
● Capacidad proyectada o diseñada : Tasa de producción ideal para la cual se diseñó el
sistema .Maxima produccion teorica
● Capacidad efectiva: Capacidad que espera alcanzar una empresa según sus actuales
limitaciones operativas (personal y equipos ).Menor que la capacidad proyectada
II. OBJETIVOS:
➢ Permite evaluar mediante una representación gráfica los posibles resultados, costos y
consecuencias de una decisión compleja.
➢ Este método es muy útil para analizar datos cuantitativos y tomar una decisión basada
en números.
III. ACTIVIDADES DE LA PRÁCTICA:
1. Una mediana empresa de dulces y refrescos “Don Pepito”, tiene en la
actualidad activos de 150000 dólares y desea decidir si vende o no un refresco
con sabor a chocolate denominado “Frescochoco”, Don Pepito tiene tres
opciones:
● Opción 1: Probar en forma local el sabor de frescochoco y, a
continuación, usar los resultados del estudio de mercado para
determinar si vende el refresco a nivel nacional o no.
● Opción 2: Vender de inmediato, sin estudio de mercado, el refresco a
nivel nacional.
● Opción 3: Decidir de inmediato, sin estudio de mercado, no vender el
refresco a nivel nacional.
A falta de un estudio de mercado, Don Pepito cree que frescochoco tiene 55%
de probabilidades de ser éxito nacional, y 45% de probabilidades de ser
fracaso nacional. Si frescochoco es éxito nacional, el estado de inversiones de
Don Pepito aumentará en 300000 dólares y si es fracaso nacional los activos
actuales disminuirán en 100000 dólares. Si Don Pepito, lleva a cabo un estudio
de mercado, a un costo de 30000 dólares, hay 60% de probabilidades que el
estudio dé resultados favorables, a lo que se llama Éxito local, y 40% de
probabilidades que el estudio arroje resultados desfavorables, a lo que se llama
Fracaso local. Si se obtiene Éxito local, hay 85% de probabilidades de que
frescochoco sea Éxito nacional y si se obtiene Fracaso local, hay 10% de
probabilidad de que sea Éxito nacional.
1. Si Don Pepito es neutral con respecto a riesgos, o sea, desea hacer máximo
el estado de sus bienes, ¿qué estrategia debe seguir?, ¿Cuál es su estado de
activos esperado?
IV. EJERCICIOS PROPUESTOS :
1. Una empresa que ensambla artículos para el hogar debe tomar la decisión sobre
construir una planta grande o pequeña para ensamblar un nuevo modelo, del cual se
espera tenga una permanencia de 5 años en el mercado. Una planta grande cuesta $3
000 000, en su construcción y puesta en marcha, mientras que la planta pequeña
cuesta $1 500 000, en su construcción y puesta en marcha. Las estimaciones de la
compañía para los niveles de demanda durante el período de 5 años son:
V. CONCLUSIONES:
Los árboles de decisión son muy útiles, su versatilidad y fácil entendimiento son dos de sus
principales atractivos para los analistas de datos. Aunque tiene algunas limitaciones, debido a
su sensibilidad a cambios en los datos y la complejidad que pueden desarrollar, como se
explicó diferentes métodos son utilizados para reducir estos efectos.
Por otro lado, aunque diferentes software facilitan la creación de los árboles decisión es
importante saber que está sucediendo, al menos tener una idea. El mayor reto al desarrollar
estos algoritmos no suele ser crear el modelo, sino su interpretación correcta. Sin el
conocimiento adecuado puede desperdiciarse información valiosa que nos ofrecen estos
algoritmos.
VI. RECOMENDACIONES:
❖ La mayor parte de tu árbol de decisiones serán los nodos de hojas. Cada rama debe
tener un nodo de hojas.
❖ No temas añadir ramas si consideras que hay más resultados que deben analizarse.
❖ No tienes por qué hacerlo solo. Puede ser un proyecto del grupo y deberías darles
participación a los interesados.
❖ Cerciórate de aplicar la misma prueba a cada resultado. Por ejemplo, si preguntas,
"¿será fácil de implementar?" para una de las opciones, debes plantear la misma
pregunta para las demás opciones.
VII. BIBLIOGRAFÍA :
● Toma DE decisiones y capacidad DE planta. (s/f). Prezi.com. Recuperado el 5
de octubre de 2022, de
https://prezi.com/bkfd673ohmb0/toma-de-decisiones-y-capacidad-de-planta/
● Castro, A. A. S. (2020, mayo 19). Una introducción a los Árboles de Decisión.
DABIA. https://www.grupodabia.com/post/2020-05-19-arbol-de-decision/
● Mmorales, P. (2022, abril 20). Tomas de decisiones con árboles de
decisiones. Informática&Coaching.
https://mariamorales.net/2022/04/20/tomas-de-decisiones-con-arboles-de-dec
isiones/
● Cómo hacer y usar árboles de decisiones. (s/f). Lucidspark. Recuperado el 5
de octubre de 2022, de
https://lucidspark.com/es/blog/como-hacer-arboles-de-decisiones
● Castro, A. A. S. (2020, mayo 19). Una introducción a los Árboles de Decisión.
DABIA. https://www.grupodabia.com/post/2020-05-19-arbol-de-decision/
●