Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 02 MC 2023 2 Pre Grado
Clase 02 MC 2023 2 Pre Grado
CUANTITATIVOS A LOS
NEGOCIOS
Semana 2
Análisis de Decisiones II
Semana 2
Temas:
• Análisis del riesgo y análisis de sensibilidad
• Análisis de decisiones con información
muestral
• Cálculo de probabilidades de las ramas o
alternativas. Teorema de bayes y Valor esperado
Semana 2
Logro del módulo:
Al finalizar el módulo, el estudiante aplica modelos
básicos del análisis de decisiones en el proceso de
toma de decisiones a los negocios mediante los
métodos cuantitativos.
ANÁLISIS DEL RIESGO Y ANÁLISIS DE
SENSIBILIDAD
La estimación de la información tiene un carácter muy relevante en el análisis
de decisiones. Buenas estimaciones suelen ser muy costosas. Sin embargo
no dejan de ser solo buenas.
VE(d3) = 29*p -9
0.70< p < 1
VE(d2) = 9*p + 5
0.25< p < 0.70
p < 0.25
VE(d1) = p + 7
ANÁLISIS DE SENSIBILIDAD
Recuerde los cálculos del valor esperado para los condominios, la mejor
alternativa fue d3, seguida de d2.
ANÁLISIS DE SENSIBILIDAD
ANÁLISIS DE SENSIBILIDAD
CASO
La tienda departamental Andino se enfrenta a una decisión de
compra de un producto de temporada para el cual la demanda puede
ser alta o baja. El comprador puede hacer un pedido de 1, 2 o 3 lotes
del producto antes de que la temporada empiece pero no puede
hacer otro pedido después. Las proyecciones de utilidades (en miles
de dólares) se muestran enseguida.
VE(d3) = 90*p + 10
(0.5<P<1)
(0<P<0.5) VE(d2) = 50*p + 30
VE(d1) = 10*p + 50
ANÁLISIS DE SENSIBILIDAD
CASO
ii.- Realice un análisis de sensibilidad observando los cambios en los pagos recibidos y observe el
impacto en la estrategia de decisión.
Las probabilidades del estado de naturaleza son: P(s1)= 0.55; P(s2)= 0.45
La probabilidad de que obtenga 60 es 0.55 y que La probabilidad de que obtenga 100 es 0.55 y que
obtenga 50 es 0.45; es decir mostrar la probabilidad obtenga 10 es 0.45; en este caso se debe tener en
asociada a su pago. cuenta cual es mas riesgosa
COMENTARIO:
En el perfil de riesgo (d3) es mas riesgosa dado que la probabilidad de no obtener tanto dinero como se espera
es alta es 0.45, mientras en el perfil de riesgo (d1) la probabilidad de que obtenga 50 es 0.45, pero muy cercano
a lo que pueda obtener el máximo que es 60. Igualmente depende del decisor, porque la persona puede ser muy
optimista y apuntable a los 100. Ese es la utilidad del perfil de riesgo mostrar las probabilidades asociadas a lo
que pueda obtener la persona.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
La gerencia anticipa que dicha investigación proporcionará uno de los dos resultados
siguientes:
DIAGRAMA DE
INFLUENCIA PARA
EL PROBLEMA DE
PDC CON
INFORMACIÓN
MUESTRAL Nodos de decisión
Nodo de consecuencia
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
Árbol de decisión
El árbol de decisión para el problema de PDC con
la información muestral exhibe la secuencia
lógica de las decisiones y los eventos fortuitos.
ESTRATEGIA DE DECISIÓN
Es una secuencia de decisiones y
resultados fortuitos donde las decisiones
elegidas dependen de los resultados
aún por determinar de los eventos
fortuitos.
ESTRATEGIA DE DECISIÓN
PERFIL DE RIESGO
Donde:
VEIM = valor esperado de la información muestral
VEcIM = valor esperado con información muestral sobre los estados de la naturaleza
VEsIM = valor esperado sin información muestral sobre los estados de la naturaleza
Observacion: Al tomar el valor absoluto de la diferencia como muestra la ecuación podemos manejar tanto los
casos de maximización como los de minimización con una ecuación.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
VALOR ESPERADO DE LA INFORMACIÓN MUESTRAL
El VEIM = $1.73 millones sugiere que PDC debe estar dispuesta a pagar
hasta $1.73 millones para realizar la investigación de mercados.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
EFICIENCIA DE LA INFORMACIÓN MUESTRAL
Sabemos que el valor esperado de la información perfecta (VEIP) para el problema de PDC es
de $3.2 millones.
Las estimaciones de eficiencia bajas para la información muestral podrían llevar al tomador
de decisiones a buscar otros tipos de información. Sin embargo, las calificaciones de
eficiencia altas indican que la información muestral es casi tan buena como la información
perfecta y que las fuentes adicionales de información no producirían resultados
significativamente mejores.
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL
CASO
Gorman Manufacturing debe decidir si fabrica un componente en su planta de Milan, Michigan, o si la
compra a un proveedor. Las utilidades resultantes dependen de la demanda del producto. La tabla de
resultados siguiente muestra las utilidades proyectadas (en miles de dólares):
CASO
a. Utilice un árbol de decisión para recomendar una decisión.
VE(Nod2)= 0.35*(-20)+0.35*40+0.3*100=37
La decisión
recomendada por
VE(Nod1)= Max (37 ; 40.25)= 40.25 el método del
valor esperado es
comprar con un
pago de 40.25
millones. (VEsIP
VE(Nod3)= 0.35*(10)+0.35*45+0.3*70=40.25 o VEsIM)
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL
CASO
b. Use VEIP para determinar si Gorman debe intentar obtener una mejor estimación de la demanda.
CASO
c. Se espera que un estudio de mercado de prueba sobre la posible demanda del producto reporte una
condición favorable (F) o desfavorable (D). Las probabilidades condicionales relevantes son las
siguientes:
CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?
CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?
CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?
CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL
CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?
VE(Nodo 6)= 22
Trabajo colaborativo:
Evaluación Diagnóstica:
Resolver el cuestionario online que aparecerá en la plataforma virtual con el
nombre “Evaluación Diagnóstica”, donde deberán aplicar sus conocimientos
previos.