ARBOLES DE DECISIÓN

¿Qué es un árbol de decisión?

Un árbol de decisión es un mapa de los posibles resultados de una serie de
decisiones relacionadas. Permite que un individuo o una organización comparen
posibles acciones entre sí según sus costos, probabilidades y beneficios. Se
pueden usar para dirigir un intercambio de ideas informal o trazar un algoritmo que
anticipe matemáticamente la mejor opción.
Un árbol de decisión, por lo general, comienza con un único nodo y luego se
ramifica en resultados posibles. Cada uno de esos resultados crea nodos
adicionales, que se ramifican en otras posibilidades. Esto le da una forma similar a
la de un árbol.
Existen tres tipos diferentes de nodos:
1. Nodos de probabilidad: Representado con un círculo, muestra las
probabilidades de ciertos resultados
2. Nodos de decisión: Representado con un cuadrado, muestra una decisión
que se tomará
3. Nodos terminales: Muestra el resultado definitivo de una ruta de decisión.

Simbología de un árbol de decisiones

Son líneas que se desprenden de una decisión. Cada

Ramificaciones
rama indica un posible resultado o decisión que se deriva
alternativas
de la decisión inicial

Indican una decisión que se está tomando en el árbol y

Nodos de decisión se representan con un cuadrado. Todos los árboles de
decisiones comienzan con un nodo de decisión

Nodos de Muestran varios resultados posibles y se representan con

oportunidad un círculo

Nodos terminales Indican el resultado final de una decisión y se

o finales representan con un triángulo
Los árboles de decisión también se pueden dibujar con símbolos de diagramas de
flujo, que a algunas personas les parecen más fáciles de leer y comprender.
En un diagrama de árbol de decisiones se combinan estos símbolos con notas que
detallan cada decisión y sus posibles resultados, así como cualquier dato
relevante para explicar las ganancias o las pérdidas. Puedes dibujar el árbol de
decisiones de forma manual o puedes usar una herramienta de diagrama de flujo
para crearlo digitalmente.

Los árboles de decisión son especialmente útiles cuando:

Las alternativas o cursos de acción están bien definidas: Aceptar o rechazar una
propuesta, aumentar o no la capacidad de producción, construir o no una nueva
bodega, etc.
Las incertidumbres pueden ser cuantificadas: Por ejemplo: probabilidad de éxito
de una campaña publicitaria, probable efecto en ventas, probabilidad de pasar de
etapas, etc.
Los objetivos están claros: Por ejemplo: aumentar las ventas, maximizar
utilidades, minimizar costos, etc.
Los árboles de decisión se utilizan en cualquier proceso que implique toma de
decisiones, ejemplos de estos procesos son:
 Búsqueda binaria
 Sistemas expertos
 Árboles de juego
Los árboles de decisión generalmente son binarios, es decir que cuentan con dos
opciones, aunque esto no significa que no puedan existir árboles de tres o más
opciones.

¿CÓMO CREAR UN ÁRBOL DE DECISIONES?

Sigue estos cinco pasos para crear un diagrama de árbol de decisiones, analizar
resultados inciertos y llegar a la solución más lógica.

1. Empieza con una idea: Empieza tu diagrama con una idea o decisión
principal que representarás con un nodo de decisión y, luego, agrega
ramificaciones individuales con las diferentes decisiones entre las que
debes elegir
Por ejemplo, si estás planificando desarrollar una aplicación pero no puedes
decidir si crear una nueva o actualizar una existente, usa un árbol de decisiones
para evaluar los posibles resultados de cada decisión.
En este caso, el primer nodo de decisión será:
 Crear una aplicación
Las tres opciones (o ramas) entre las que debes elegir son:
 Desarrollar una nueva aplicación de planificación de tareas
 Actualizar una aplicación de planificación de tareas existente
 Desarrollar una aplicación de productividad en equipo
 2. Agrega nodos de oportunidades y de decisiones: Después de agregar tu
idea principal al árbol, continúa agregando nodos de oportunidades o de
decisiones luego de cada decisión para expandir aún más tu árbol. Un nodo
de oportunidad puede ir seguido de ramificaciones alternativas, ya que de
dicha decisión podrían desprenderse varios resultados posibles.
Por ejemplo, si decides desarrollar una aplicación nueva, existe la posibilidad de
obtener una gran rentabilidad si tienes éxito con los clientes. Sin embargo,
también existe la posibilidad de que la aplicación no tenga éxito, lo que podría
resultar en una rentabilidad baja. Es muy importante que coloques ambos
resultados posibles en tu árbol de decisiones.
3. Expande el diagrama hasta llegar a los puntos finales: Continúa agregando
nodos de oportunidades y de decisiones a tu árbol hasta que hayas
abarcado todas las decisiones y resultados posibles. Cuando llegues a este
punto, agrega los nodos terminales para indicar la finalización del diagrama.
Una vez que hayas completado tu árbol, puedes empezar a analizar cada
una de las decisiones.

4. Calcula los valores del árbol: Lo ideal es que tu diagrama también incluya
datos cuantitativos. Los datos que se usan con más frecuencia en los
árboles de decisiones son valores monetarios.
Por ejemplo, desarrollar o actualizar una aplicación le costará a tu empresa una
determinada cantidad de dinero. Además, cada opción tendrá un costo diferente.
Incluir estos valores en el árbol debajo de cada decisión puede ayudarte durante el
proceso de toma de decisiones
También se puede intentar estimar el valor esperado que generará cada decisión,
ya sea grande o pequeño. Una vez que hayas determinado el costo de cada
resultado y la probabilidad de que ocurra, podrás calcular el valor esperado para
cada resultado usando la siguiente fórmula:
Valor esperado (EV) = (primer resultado posible x probabilidad del resultado)
+ (segundo resultado posible x probabilidad del resultado) – costo
Para calcular el valor esperado, primero debes multiplicar los dos resultados
posibles por la probabilidad de que ocurra cada uno de ellos y sumar ambos
valores. Luego debes restar los costos iniciales de tu total.
5. Evalúa los resultados: Una vez que tengas los resultados esperados para
cada decisión, determina cuál es el mejor plan de acción para ti en función
del riesgo que estás dispuesto a tomar. Es posible que el valor esperado
más alto no siempre sea el que quieras elegir. Esto se debe a que, si bien
 podría resultar en una mayor rentabilidad, también significa que debes
asumir el riesgo del proyecto más alto.

Cómo dibujar un árbol de decisión:

Para dibujar un árbol de decisión, primero se debe elegir un medio. Se puede
dibujar a mano en un papel o una pizarra, o puedes usar un software de árboles
de decisión. En cualquier caso, estos son los pasos:
1. Comienza con la decisión principal. Dibuja un pequeño recuadro para
representar este punto, luego dibuja una línea desde el recuadro hacia la
derecha para cada posible solución o acción. Etiquétalas correctamente.
2. Agrega nodos de decisión y probabilidad para expandir el árbol del
siguiente modo:
a. Si otra decisión es necesaria, dibuja otro recuadro
b. Si el resultado es incierto, dibuja un círculo (los círculos representan
nodos de probabilidad)
c. Si el problema está resuelto, déjalo en blanco (por ahora).
3. Continúa con la expansión hasta que cada línea alcance un extremo, lo que
significa que no hay más decisiones que tomar o resultados probables que
considerar. Luego, asigna un valor a cada resultado posible. Puede ser una
puntuación abstracta o un valor financiero. Agrega triángulos para indicar
los extremos.

VENTAJAS Y DESVENTAJAS
VENTAJAS:
 Proporciona un alto grado de comprensión del conocimiento utilizado en la
toma de decisiones
 El costo del uso del árbol para predecir los datos disminuye con cada punto
de datos adicional
 Facilita la interpretación de la decisión adoptada
 Reduce el número de variables independientes.
DESVENTAJAS:
 Cuando se presentan datos categóricos con múltiples niveles, la
información obtenida se inclina a favor de los atributos con mayoría de
niveles
 Los cálculos pueden volverse complejos al lidiar con la falta de certezas y
numerosos resultados relacionados
 Las conjunciones entre nodos se limitan a AND, mientras que los gráficos
de decisión admiten nódulos relacionados mediante OR

Árboles de decisión en minería de datos y aprendizaje automático

Un árbol de decisión también puede usarse para ayudar a crear modelos
predictivos automatizados, que puedan emplearse en el aprendizaje automático, la
minería de datos y las estadísticas. Conocido como "el aprendizaje basado en
árboles de decisión", este método toma en consideración las observaciones sobre
un elemento para predecir su valor.
En estos árboles de decisión, los nodos representan datos en lugar de decisiones.
Este tipo de árbol también se conoce como "árbol de clasificación". Cada
ramificación contiene un conjunto de atributos o reglas de clasificación asociadas
a una etiqueta de clase específica, que se halla al final de la ramificación.
Estas reglas, también conocidas como "reglas de decisión", se pueden expresar
en una cláusula "Si... entonces...". Cada valor de datos o decisión forma una
cláusula, de tal manera que, por ejemplo, "si las condiciones 1, 2 y 3 se cumplen,
entonces el resultado X será el resultado definitivo con certeza Y".
Cada dato adicional ayuda a que el modelo prediga de forma más precisa a qué
conjunto finito de valores pertenece el asunto en cuestión. Esa información se
puede usar posteriormente como una entrada en un modelo más grande de toma
de decisiones.
A veces la variable predicha será un número real, como un precio. Los árboles de
decisión con resultados posibles, infinitos y continuos se llaman "árboles de
regresión".
 Para una mayor precisión, se suelen combinar múltiples árboles con
métodos de ensamblado:
Bagging (Ensamblado) crea múltiples árboles de decisión haciendo un
remuestreo de los datos de origen, luego hace que los árboles voten para
llegar a un consenso
 Un clasificador de selva aleatoria consiste en múltiples árboles diseñados
para aumentar la tasa de clasificación
 Los árboles ampliados se pueden usar en árboles de clasificación y de
regresión

EJEMPLO:
A continuación se muestra un ejemplo de cómo se vería un diagrama de árbol de
decisiones si tuviéramos que analizar la decisión entre desarrollar una aplicación
nueva o actualizar una existente.
A medida que el árbol se ramifica, los resultados mostrarán ingresos grandes y
pequeños y los costos del proyecto se deducen de los valores esperados.
Nodos de decisión para este ejemplo:
 Desarrollar una nueva aplicación de planificación de tareas: $50 000
 Actualizar una aplicación de planificación de tareas existente: $25 000
 Desarrollar una aplicación de productividad en equipo: $75 000
Nodos de oportunidades para este ejemplo:
  Ingreso máximo y mínimo para la decisión uno: 55 y 40 %
 Ingreso máximo y mínimo para la decisión dos: 60 y 38 %
 Ingreso máximo y mínimo para la decisión tres: 55 y 45 %
Nodos terminales para este ejemplo:
 Rentabilidad estimada para la decisión uno: $200 000 o $150 000
 Rentabilidad estimada para la decisión dos: $100 000 u $80 000
 Rentabilidad estimada para la decisión tres: $250 000 o $200 000
FUENTES DE INFORMACIÓN:
https://www.lucidchart.com/pages/es/que-es-un-diagrama-de-arbol-de-decision
https://www.gestiondeoperaciones.net/procesos/arbol-de-decision/
https://www.utm.mx/~jahdezp/archivos%20estructuras/DESICION.pdf
https://asana.com/es/resources/decision-tree-analysis