Metodos Cuantitativos para Administración

Metodos Cuantitativos para Administracin
Prof. Luis Diego DelCastillo Valenciano Email: LDELCASTILLOVUMCA@YAHOO.COM
Soluciones de Problemas Toma de decisiones
La toma de decisiones y la resolucin de problemas son dos de las reas ms difciles en el trabajo profesional. Casi todos los profesionales han estudiado algo acerca de diagnstico tcnico de problemas y resolucin de problemas. Tomar una decisin a nivel gerencial requiere un proceso diferente, aunque con algunas similitudes.
La capacidad de tomar decisiones es uno de los atributos que siempre surge cuando los profesionales hablan de personas de xito y analizan sus caractersticas. Los buenos tomadores de decisiones no nacen afortunados; pero las condiciones naturales ayudan.
La capacidad de tomar decisiones se puede ensear y desarrollarse, pero eso no significa que sea posible "fabricar bolsas de seda con orejas de chancho". Los procesos analticos para dividir la resolucin de problemas en una serie de pasos han sido usados para formar a gerentes durante varias dcadas.
La primera tcnica decisoria que es preciso dominar es la capacidad de diferenciar entre las decisiones directas, regulares, y hasta urgentes, y las decisiones ms complejas que justifican el anlisis requerido para llegar a un buen resultado.

Las decisiones directas, repetitivas, deben ser delegadas -si es posible- y es conveniente establecer procedimientos modelo para enfrentarlas. En las organizaciones grandes, estos procedimientos deben formularse por escrito, mientras que en los grupos ms pequeos se los puede transmitir verbalmente.

A estas decisiones se las suele llamar decisiones programables, y en algunas circunstancias pueden ser programadas en una computadora para obtener una respuesta adecuada. Las decisiones de emergencia deber ser tomadas rpidamente, sobre todo si est en juego la seguridad. Las situaciones tpicas que requieren decisiones urgentes pueden ser investigadas por adelantado, al tiempo que se establecen procedimientos modelo para la accin futura.

Las decisiones complejas
Despus
de tomar las decisiones de rutina, nos quedan las decisiones ms complejas, y con frecuencia ms difciles. suelen exigir una gran cantidad de informacin y mucha discusin antes de ser
Estas

Las decisiones complejas
La primera cuestin a dilucidar es quin se ocupar de la decisin y cmo. Si no se trata de una decisin particularmente importante, puede ser delegada. Si la decisin afecta directamente a los empleados pero no es muy significativa para la marcha de la empresa, puede requerir participacin, y discusin en grupo.

Las decisiones complejas Las elecciones bsicas son: A quin involucrar en el proceso decisorio; si organizar grupos de discusin y divulgacin de la informacin; o si abordar la decisin por uno mismo, sin ayuda. El control del tiempo tambin es un factor importante, ya que por lo general estos problemas no desaparecen. No obstante, si se los descuida durante mucho tiempo, pueden degenerar en crisis.
La eleccin del tomador de decisiones es muy importante y con frecuencia muestra la diferencia entre el profesional experimentado y el "aficionado". Entran en juego en esta eleccin muchas consideraciones, como, por ejemplo la poltica interna, los intereses creados, los intereses personales, las simpatas y antipatas.
El estilo japons de toma de decisiones complejas ilustra muy bien este punto. Tal vez sea demasiado moroso y hasta frustrante para los occidentales. Los japoneses insisten en la discusin a fondo, la difusin de la informacin y el acuerdo consensual, no importa cunto tiempo tome. Una vez tomada una decisin con consenso, los involucrados sern totalmente responsables; generalmente, esto mejora la calidad y la eficiencia del resultado.
Las decisiones importantes que implican situaciones complejas son las ms difciles y constituyen una prueba de que un profesional es realmente capaz. La mayora de los cursos de decisin gerencial se concentran en las tcnicas gerenciales. Hay muchas tcnicas financieras tiles como ayudas para la toma de decisiones; por ejemplo, flujo de fondos descontados, mtodos de valor actual, anlisis del punto crtico, perodo de recuperacin, etc.

Las tcnicas de toma de decisiones, como los rboles de decisiones, las redes de trayectoria crtica y los programas de computadora pueden ser apropiadas. La habilidad est en elegir la tcnica decisoria ms adecuada para la situacin. Esto requiere un buen conocimiento operativo de las tcnicas disponibles, que deben ser puestas al da a medida que surgen tcnicas nuevas.
El proceso decisorio Antes de estudiar las tcnicas, es preciso entender el proceso a seguir para tomar una decisin eficaz. Es ms importante seguir un proceso lgico paso a paso para tomar decisiones, que tratar de aplicar las ltimas tcnicas a una variedad de problemas. Los procesos decisorios existen hace cientos de aos; en general, siguen la lnea de la toma de decisiones en ciencia.

El proceso decisorio Desde el punto de vista gerencial, este proceso tiene cinco etapas: 1. Definir los objetivos y los propsitos de la decisin. 2. Reunir los hechos y la informacin necesarios para tomar la decisin. 3. Determinar los cursos de accin alternativos disponibles. 4. Considerar las ventajas y desventajas de cada alternativa y elegir la ms apropiada. 5. Actuar para implementar la decisin de la mejor manera, controlar los efectos de la decisin y revisarla si fuera necesario.

1. La primera de esas etapas es fundamental y ms importante que las otras. Definir los objetivos y los propsitos suele exigir ms de la mitad del tiempo total requerido para todo el proceso. Los objetivos clarifican lo que se requiere y debe evitarse ser obstaculizado por un exceso de detalles o por "irse por la tangente". Los objetivos pueden dividirse, para ciertos problemas, en objetivos de corto y de largo plazo; otra manera de clarificacin es su formulacin como un resultado deseado. Cuantificar los objetivos tambin es til, siempre que sea posible hacerlo. Si los objetivos no pueden ser formulados y aceptados, existe una probabilidad remota de tomar decisiones acertadas.

2. Reunir hechos e informacin por lo general implica observar, escuchar, anotar todo, analizar datos estadsticos, etc. Los diagramas, grficos y cartas son tiles, en esta etapa, para aumentar la claridad de comprensin. Pueden ser muy tiles para explicarles la situacin a otros y para persuadirlos de nuestros puntos de vista. Casi siempre, un cuadro equivale a mil palabras.
3. Las alternativas de la etapa tres son importantes para evitar que la gente adhiera a una primera solucin y la defienda. Adems, aseguran que la gente no adopte un enfoque limitado y se niegue a pensar positivamente en los dems. Una alternativa que siempre debe ser considerada es mantener el statu quo o no hacer nada. Es mejor considerar los pro y los contra de dejar la situacin como est que no hacer nada por inercia o indecisin

4. En la etapa cuatro del proceso se considerarn las ventajas y las desventajas de cada alternativa. Es en este punto donde una de las tcnicas decisorias podra ser de gran utilidad. Tal vez una tcnica financiera para decidir entre cursos de accin alternativos, o una tcnica cuantitativa. Y quiz la manera ms adecuada de tomar finalmente la decisin sea un enfoque de equipo, usando un grupo pequeo de personas. Sean cuales fueran las tcnicas ms tiles para determinadas situaciones, el profesional eficaz debe conocerlas y tener cuando menos un conocimiento bsico de su aplicacin. Despus, cuando surjan las necesidades, se puede estudiar ms a fondo la tcnica apropiada, o convocar a un experto. Estas tcnicas evolucionan y se perfeccionan constantemente. Hay algunas que son directas usando una computadora, pero muy demoradas por mtodos manuales.

5. La etapa final en el proceso decisorio es actuar; esto es importante para determinar si la decisin es efectiva.
La capacidad para implementar con xito un cambio necesario es una capacidad de persuasin, comunicacin y manejo de las relaciones interpersonales. Esto es diferente de la capacidad analtica de definir, examinar y tomar una decisin. Adoptar una buena decisin no asegura necesariamente buenos resultados, pero implementar correctamente una buena decisin, s lo hace.
Pensamiento paralelo El pensamiento paralelo es un aspecto de la toma de decisiones que puede ser til en la creacin de soluciones innovadoras. Es la capacidad de pensar fuera de los canales normales o conformistas, y de librarse de los prejuicios que limitan la aceptacin de ideas nuevas.
Generalmente, se tiende a caer en hbitos de pensamiento y a obrar siguiendo canales ya gastados por la experiencia propia y la de los precedentes. Cuntas veces sucede, al conducir un automvil por una ruta conocida -de la oficina a casa, por ejemplo- darse cuenta, al llegar, de que no se recuerda absolutamente nada del viaje? Tal vez, el conductor tena la intencin de detenerse en el camino y entrar en una oficina, pero condujo automticamente y olvid el trmite.
Desarrollar el pensamiento paralelo es una manera de salirse de los canales del pensamiento normal y favorecer el surgimiento de ideas nuevas. La tcnica ms conocida es el intercambio frentico de ideas. Un grupo pequeo y variado de personas se rene, estudia un problema y produce la mayor cantidad posible de ideas en corto tiempo.

Despus, las ideas son evaluadas y perfeccionadas, destacando las mejores. Ms tarde se pueden investigar estas ltimas, y despus actuar en consecuencia. Algunas de las ideas ms innovadoras suelen surgir de esta tcnica de intercambio vivaz.

Decisiones en grupo En el trabajo profesional, los grupos menores, de dos o tres personas, suelen ser ms apropiados para el intercambio de ideas y ms fciles de organizar. Para analizar un problema por medio de esta tcnica, se debe comenzar por formular el problema y los objetivos, simplemente, a unos pocos colegas.

Debe pedrseles que durante diez minutos se concentren en el problema y se esfuercen por proponer la mayor cantidad posible de soluciones. No se deben formular crticas ni comentarios inmediatamente. El objetivo es generar el mximo nmero de ideas. Se anotarn todas las sugerencias y despus deben ser evaluadas cuidadosamente.

Decisiones de Grupo: Debe decidirse a cules vale la pena dedicar ms tiempo y perfeccionarlas. Con frecuencia saldrn a la superficie ideas que, o bien no haban sido consideradas, o se haban archivado u olvidado. Si surge una idea ganadora, se le debe atribuir el mrito al que la produjo; no hay nada peor para la moral en el trabajo que tener que soportar que otra persona se apropie indebidamente de una idea que nos pertenece.

La bsqueda de ideas nuevas se ve favorecida por el pensamiento paralelo y el intercambio rpido. Si en el grupo de trabajo el clima fomenta las ideas innovadoras y cuestiona los precedentes y las vacas sagradas, las pocas ideas nuevas que surjan pueden ser valiosas. Una actitud mental de cuestionamiento deber ser siempre alentada y nunca dejada de lado.
"Lo importante es no dejar de hacerse preguntas.
Anlisis cuantitativo y toma de decisiones

El anlisis cuantitativo es el enfoque cientfico para la toma de decisiones Materia Prima = Datos Procesamiento, computadoras Razones financieras, calculo de riesgo Desarrollo de modelos
El enfoque matemtico o cuantitativo en la administracin constituye un desarrollo de la racionalidad aplicada a la toma de decisiones, la cual se asume guiada por la optimizacin.

Es preciso reconocer que se ha exagerado el papel de las matemticas en la administracin, muy en especial cuando se asume que el aspecto humano es en realidad la parte vital de las organizaciones, y que su comportamiento constituye la parte ms desafiante del quehacer gerencial. Los aspectos de conducta, los conflictos humanos, los problemas de la direccin y la motivacin son, a menudo, el componente ms difcil del trabajo del administrador, y muy difcilmente pueden someterse a modelos matemticos que sean capaces de determinar las mejores soluciones.
En todo caso, los procesos de anlisis cuantitativo ayudan a construir racionalmente los problemas, a determinar racionalmente las alternativas ms idneas y, sobre todo, a evaluar las opciones ms relevantes, de modo que en reas como la administracin de la produccin, la administracin financiera, entre otras, el anlisis cuantitativo sea necesario y muchas veces indispensable.

Por su parte, el acomodo de la estadstica en el campo de la administracin es por dems abundante. El anlisis sustentado en procesos estadsticos, manejando la teora de las probabilidades, el muestreo, los diseos experimentales, entre otros, son base de muchas decisiones en todos los campos de la actividad de las organizaciones empresariales.

Los estudios en recursos humanos, en mercadotecnia, en produccin, finanzas, operaciones, manejo de inventarios, en fin, son algunos ejemplos de cmo la estadstica, tanto la descriptiva como la inferencial, puede ayudar a resolver satisfactoriamente problemas administrativos. Por dems est tambin enfatizar el papel de la estadstica en el campo de la investigacin, tanto la pura como la aplicada. Por lo tanto, debemos concluir que el papel de los mtodos cuantitativos de decisin, o investigacin de operaciones, es fundamental en la administracin cientfica.
Costo, Ingreso y Utilidad
Algunos de los modelos cuantitativos ms bsicos que surgen en aplicaciones de negocios y econmicas, son aquellas que implican la relacin entre una variable de volumen, como el volumen de produccin o el volumen de ventas, y el costo, el ingreso y la utilidad.
Por medio de estos modelos, el gerente puede determinar el costo, ingreso o utilidad proyectados, o todos ellos asociados con una cantidad de produccin establecida o un volumen de ventas pronosticado.
La planificacin financiera, la planificacin de la produccin, las cuotas de ventas y otras reas de la toma de decisiones pueden beneficiarse de dichos modelos de costo, ingreso y ganancia.
Funcin de Costo
Funcin de Costo
Funcin de Ingreso
Funcin Utilidad
Funcin Utilidad
PROBABILIDAD
Definicin intuitiva: El concepto o idea que generalmente se tiene del trmino probabilidad es adquirido de forma intuitiva. Se puede interpretar como la medida numrica de la posibilidad de que ocurra un suceso A cuando se realiza el experimento aleatorio.
PROBABILIDAD
A esta medida la llamaremos probabilidad del suceso A y la representaremos por p(A). La probabilidad es una medida sobre la escala 0 a 1 de tal forma que: Al suceso imposible le corresponde el valor 0 Al suceso seguro le corresponde el valor 1 El resto de sucesos tendrn una probabilidad comprendida entre 0 y 1
PROBABILIDAD
Definicin Clsica:
Fue una de las primeras que se dieron (1900) y se atribuye a Laplace. Tambin se conoce con el nombre de probabilidad a priori pues, para calcularla, es necesario conocer, antes de realizar el experimento aleatorio, el espacio muestral y el nmero de resultados o sucesos elementales que entran a formar parte del suceso.
PROBABILIDAD
La aplicacin de la definicin clsica de probabilidad puede presentar dificultades de aplicacin cuando el espacio muestral es infinito o cuando los posibles resultados de un experimento no son equiprobables. Ej: En un proceso de fabricacin de piezas puede haber algunas defectuosas y si queremos determinar la probabilidad de que una pieza sea defectuosa no podemos utilizar la definicin clsica pues necesitaramos conocer previamente el resultado del proceso de fabricacin.
PROBABILIDAD
Para resolver estos casos, se hace una extensin de la definicin de probabilidad, de manera que se pueda aplicar con menos restricciones, llegando as a la definicin frecuentista de probabilidad.
PROBABILIDAD
La definicin frecuentista consiste en definir la probabilidad como el lmite cuando n tiende a infinito de la proporcin o frecuencia relativa del suceso. Es imposible llegar a este lmite, ya que no podemos repetir el experimiento un nmero infinito de veces, pero si podemos repetirlo muchas veces y observar como las frecuencias relativas tienden a estabilizarse.
PROBABILIDAD
Esta definicin frecuentista de la probabilidad se llama tambin probabilidad a posteriori ya que slo podemos dar la probabilidad de un suceso despus de repetir y observar un gran nmero de veces el experimento aleatorio correspondiente. Algunos autores las llaman probabilidades tericas.
PROBABILIDAD
Ejemplo: En una caja se tienen 4 bolas de color rojo y 6 bolas de color verde. Cual es la probabilidad de sacar una bola de color rojo? Cual es la probabilidad de sacar una bola de color verde?
PROBABILIDAD
Solucin: Total de bolas en la caja: 10 Probab. Roja = 4/10 = 0.4
Probab. Verde = 6/10 = 0.6
PROBABILIDAD CONDICIONAL
Hasta ahora hemos introducido el concepto de probabilidad considerando que la nica informacin sobre el experimiento era el espacio muestral. Sin embargo hay situaciones en las que se incorpora informacin suplementaria respecto de un suceso relacionado con el experimento aleatorio, cambiando su probabilidad de ocurrencia.
El hecho de introducir ms informacin, como puede ser la ocurrencia de otro suceso, conduce a que determinados sucesos no pueden haber ocurrido, variando el espacio de resultados y cambiando sus probabilidades
Ejemplo: Cual es la probabilidad de ganar la lotera navidea si se compra un entero de lotera? Solucin: Un entero tiene un nmero entre 0 y 100, y una serie entre 000 y 999
En este caso, deben cumplirse dos condiciones:

Acertar el nmero Acertar la serie Acertar el premio mayor
Obsrvese que si se acierta uno u otro (pero no los tres) entonces no se gana el premio mayor. Por eso se llama CONDICIONAL, porque esta CONDICIONADA a la ocurrencia de los eventos simultneamente.
La probabilidad de acertar el nmero ganador es:

P(numero) = 1 / 100 . Esto es as porque solo gana un nmero de 100 posibles.
La probabilidad de acertar la serie ganadora:

P(serie) = 1 / 1000. De nuevo, solo gana un numero de serie de entre 1000 posibles.
La probabilidad de acertar el premio mayor:

P( premio) = 1 / 65
La ocurrencia de ambos eventos debe
PROBABILIDAD - AXIOMAS
Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a continuacin se enumeran.
1)La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno. 0 p(A) 1
2)La probabilidad de que ocurra el espacio muestral debe de ser 1. p() = 1
Esto equivale a decir de que la probabilidad de que todos los estudiantes aprueben es 1.
3)Si A y B son eventos mutuamente excluyentes, entonces p(AB) = p(A) + p(B) Generalizando: Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces; p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)
PROBABILIDAD TEOREMAS
TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que ocurra debe ser cero.
TEOREMA 2. La probabilidad del complemento de A, denotado por Ac , debe ser p(Ac)= 1 p(A)
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).
TEOREMA 4. La p( A \ B )= p(A) p(AB)
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB). COROLARIO: Para tres eventos A, B y C, p(ABC) = p(A) + p(B) + p(C) p(AB) p(AC) p(BC) + p(ABC)
Teorema 6. Probabilidad condicionada De un suceso R sabiendo que ha ocurrido otro A
Teorema 7. Probabilidad total Si A y B forman un sistema completo de sucesos , la probabilidad de cualquier otro suceso R es:
Retomando el ejemplo de la lotera: Para tres eventos A, B y C, p(ABC) = p(A) + p(B) + p(C) p(AB) p(AC) p(BC) + p(ABC)
P(Mayor U numero U serie) = P(mayor) + P(numero) + P(serie) P(Mayor Numero) P(Mayor serie) P(numero serie) + P(mayor numero serie)
Teorema de Bayes
Teorema de Bayes El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se posee nueva informacin. Desarrollado por el reverendo Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensin de lo que ha aprendido hasta ahora acerca de la probabilidad condicional. Comnmente se inicia un anlisis de probabilidades con una asignacin inicial, probabilidad a priori. Cuando se tiene alguna informacin adicional se procede a calcular las probabilidades revisadas o a posteriori.
Teorema Bayes
El teorema de Bayes permite calcular las probabilidades a posteriori y es:
Teorema de Bayes - Ejemplos

1) Una compaa de transporte pblico tiene tres lneas en una ciudad, de forma que el 45% de los autobuses cubre el servicio de la lnea 1, el 25% cubre la lnea 2 y el 30% cubre el servicio de la lnea 3. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 3% y 1% respectivamente, para cada lnea. a) Calcular la probabilidad de que, en un da, un autobs sufra una avera b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera c) De qu lnea de transporte es ms probable que un autobs sufra una avera?
Solucin:

a) Calcular la probabilidad de que, en un da, un autobs sufra una avera Empleando la frmula de probabilidad total se obtiene:

b) Calcular la probabilidad de que, en un da, un autobs NO sufra una avera Empleando la frmula de probabilidad total se obtiene:

c) De qu lnea de transporte es ms probable que un autobs sufra una avera? Se debe calcular las tres probabilidades aposteriori empleando el Teorema de Bayes
Teorema Bayes - Ejemplos
La probabilidad de que sea de la lnea 1, sabiendo que sufre una avera es:
Entonces, sabiendo que el autobs sufre una avera, lo ms probable es que sea de la lnea 1, ya que esta probabilidad P(A1/B1) = 0,4615 es la mayor.!!
Los clculos en Excel se muestran en la siguiente figura
2) Una empresa dedicada a la comercializacin de televisores est considerando comercializar un nuevo televisor. En el pasado el 90% de los televisores que comercializ tuvieron xito y el 10% no fueron exitosos. Se sabe que la probabilidad que habra recibido un reporte favorable de investigacin fue del 85% y 35%, respectivamente.

Solucin: a) Escribir la simbologa del problema A1 = Televisores exitosos A2 = Televisores no exitosos B1 = Reporte favorable de investigacin B2 = Reporte desfavorable de investigacin
La solucin del problema en Excel se muestra en la siguiente figura:
Distribuciones de Probabilidad
Uno de los conceptos ms importantes de la teora de probabilidades es el de variable aleatoria que, intuitivamente, puede definirse como cualquier caracterstica medible que toma diferentes valores con probabilidades determinadas. Toda variable aleatoria posee una distribucin de probabilidad que describe su comportamiento (vale decir, que desagrega el 1a lo largo de los valores posibles de la variable).
Distribucin de Probabilidades
Si la variable es discreta, es decir, si toma valores aislados dentro de un intervalo, su distribucin de probabilidad especifica todos los valores posibles de la variable junto con la probabilidad de que cada uno ocurra. En el caso continuo, es decir, cuando la variable puede tomar cualquier valor de un intervalo, la distribucin de probabilidad permite determinar las probabilidades correspondientes con subintervalos de valores. Una forma usual de describir la distribucin de probabilidad de una variable aleatoria es mediante la denominada funcin de densidad, en tanto que lo que se conoce como funcin de distribucin representa las probabilidades acumuladas.
Distribucin de Probabilidades
Una de las preocupaciones de los cientficos ha sido construir modelos de distribuciones de probabilidad que pudieran representar el comportamiento terico de diferentes fenmenos aleatorios que aparecan en el mundo real. La pretensin de modelar lo observable ha constituido siempre una necesidad bsica para el cientfico emprico, dado que a travs de esas construcciones tericas, los modelos, poda experimentar sobre aquello que la realidad no le permita. Por otra parte, un modelo resulta extremadamente til, siempre que se corresponda con la realidad que pretende representar o predecir, de manera que ponga de relieve las propiedades ms importantes del mundo que nos rodea, aunque sea a costa de la simplificacin que implica todo modelo.
En la prctica hay unas cuantas leyes de probabilidad tericas, como son, por ejemplo, la ley binomial o la de Poisson para variables discretas o la ley normal para variables continuas, que sirven de modelo para representar las distribuciones empricas ms frecuentes.
As, por ejemplo, la variable talla de un recin nacido puede tener valores entre 47 cm y 53 cm, pero no todos los valores tienen la misma probabilidad, porque las ms frecuentes son las tallas prximas a los 50 cm. En este caso la ley normal se adapta satisfactoriamente a la distribucin de probabilidad emprica, que se obtendra con una muestra grande de casos.
Cuando la opcin elegida es el clculo de una probabilidad dado un punto x de la distribucin, se presentan en todos los casos dos resultados: la probabilidad acumulada hasta ese punto, o la probabilidad de que la variable tome valores inferiores o iguales a x (cola izquierda) y la probabilidad de valores superiores a x (cola derecha). En el caso continuo, la probabilidad de que la variable sea igual a cualquier punto es igual a cero; por tanto, no influye en las colas el hecho de incluir o excluir el punto x. Hay un tercer resultado que el programa presenta slo para las distribuciones continuas simtricas (normal, logstica y t deStudent): la probabilidad de dos colas, es decir, la probabilidad que queda a ambos lados del intervalo (-x, x) (x, -x), segn el punto sea positivo o negativo, respectivamente.
Mtodos Cuantitativos
FIN

Metodos Cuantitativos para Administración

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Cuantitativos para Administración

Cargado por

Copyright:

Formatos disponibles

Metodos Cuantitativos para Administracin

Prof. Luis Diego DelCastillo Valenciano Email: LDELCASTILLOVUMCA@YAHOO.COM

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

Soluciones de Problemas Toma de decisiones

"Lo importante es no dejar de hacerse preguntas.

Anlisis cuantitativo y toma de decisiones

Anlisis cuantitativo y toma de decisiones

Anlisis cuantitativo y toma de decisiones

Anlisis cuantitativo y toma de decisiones

Anlisis cuantitativo y toma de decisiones

Anlisis cuantitativo y toma de decisiones

Costo, Ingreso y Utilidad

Costo, Ingreso y Utilidad

Costo, Ingreso y Utilidad

Solucin: Total de bolas en la caja: 10 Probab. Roja = 4/10 = 0.4

Probab. Verde = 6/10 = 0.6

En este caso, deben cumplirse dos condiciones:

La probabilidad de acertar el nmero ganador es:

La probabilidad de acertar la serie ganadora:

La probabilidad de acertar el premio mayor:

La ocurrencia de ambos eventos debe

TEOREMA 3. Si un evento A B, entonces la p(A) p(B).

TEOREMA 4. La p( A \ B )= p(A) p(AB)

El teorema de Bayes permite calcular las probabilidades a posteriori y es:

Teorema de Bayes - Ejemplos

Teorema de Bayes - Ejemplos

Teorema de Bayes - Ejemplos

Teorema de Bayes - Ejemplos

Teorema de Bayes - Ejemplos

Teorema Bayes - Ejemplos

Teorema Bayes - Ejemplos

Teorema Bayes - Ejemplos

Los clculos en Excel se muestran en la siguiente figura

Teorema Bayes - Ejemplos

Teorema Bayes - Ejemplos

Teorema Bayes - Ejemplos

Teorema Bayes - Ejemplos