ARBOLES DE DECISION

OTRA HERRAMIENTA DEL

MODELO GENERAL

1
 DEFINICION
• Consiste en un GRAFO, o esquema con nodos y
ramas, donde se ordenan en forma cronológica
todos los momentos en que debe tomarse una
decisión o acontece un evento aleatorio,
indicando al final los resultados de una decisión.
• Es una de las dos herramientas básicas del modelo
general de decisión, que pueden ser utilizadas para
esquematizar cualquier tipo de decisión (la otra
herramienta básica es la matriz de decisión).

2
 CONTENIDO

• Nodos de decisión

• Nodos de acontecimiento

• Resultados

3
 MOMENTOS DE DECISIÓN

A1

A2

A3

• Las ramas que nacen de un nodo de decisión

representan a las alternativas.

4
 EVENTOS ALEATORIOS

E1

E2

E3

• Las ramas que nacen de un nodo de acontecimiento

representan a los distintos estados de una Variable
No Controlable.

5
 CONSTRUCCIÓN DEL ÁRBOL
• Se desarrolla de izquierda a derecha indicando en forma
secuencial todos los momentos de decisión y los momentos de
acontecimiento de un evento aleatorio.
• Luego se colocan al final de las ramas los resultados acumulados
después de sortear todas las vicisitudes desde el inicio del
proceso.
• Se evalúa de atrás hacia delante reconociendo la influencia de
las decisiones y eventos aleatorios últimos sobre los primeros.
• En los nodos de decisión se elige la mejor alternativa.
• En los eventos aleatorios se indica el criterio usado para evaluar
los resultados posteriores (valor esperado, minimax, etc.).
6
7
8
 Ejemplo
• Existe una empresa que está por construir una planta
de producción para los próximos 10 años.
• La opción es construir una planta grande para
enfrentar una demanda sostenidamente alta o una
planta pequeña y a los dos años ampliarla si la
demanda fuese alta.
• Si al inicio la demanda es baja seguirá así en el futuro.
Pero puede ser alta en los primeros dos años y luego
reducirse por efecto de la competencia.
• La planta grande demanda más inversión inicial y
posee más costos de mantenimiento que la pequeña.

9
 Ejemplo
Ventas sostenidamente altas R1
Ventas iniciales altas y luego bajas R2
Planta
Ventas sostenidamente bajas R3
grande
Vtas. altas
R4
Ampliar

Vtas. bajas R5
Planta Venta inicial
pequeña alta No Vtas. altas
R6
ampliar

Vtas. bajas R7
Venta
inicial baja R8

10
 Ejemplo
• Probabilidades: luego de desarrollar el árbol se
colocan las probabilidades de los estados en los
casos en que se conozcan.
• Se calculan los resultados acumulados: los
ingresos son mayores cuando se acierta con la
dimensión de la planta y también si es mayor su
nivel de producción, pero hay más costos de
inversión y mantenimiento cuanto mayor es la
misma.

11
 Ejemplo
0,60 - Ventas sostenidamente altas 70
0,20 - Vtas. iniciales altas y luego 10
Planta bajas
0,20 - Ventas sostenidamente - 30
grande
bajas
0,75 - altas
60
Ampliar
0,80 - Vta. - 20
Planta 0,25 - bajas
inicial
pequeña alta No 0,75 - altas
40
ampliar

0,25 - bajas 20
0,20 - Vta.
inicial baja 10

12
 Ejemplo
Resolución del árbol
• Se comienzan a resolver los nodos más cercanos a
los resultados finales.
• En el caso de eventos aleatorios al conocerse la
probabilidad se aplica el criterio del valor esperado.
• En el caso de los nodos de decisión se elige el mejor
resultado (o mejor valor esperado).
• Se llega al principio donde queda en claro cuál es la
mejor alternativa inicial, la que debe elegirse.

13
 Ejemplo
0,60 - Ventas sostenidamente altas 70
0,20 - Vtas. iniciales altas y luego 10
38 bajas
Planta
0,20 - Ventas sostenidamente - 30
grande
bajas
0,75 - altas
60
38 Ampliar 40
0,80 - Vta. - 20
Planta 40 0,25 - bajas
inicial
pequeña alta No 0,75 - altas
40
34 ampliar 35
0,25 - bajas 20
0,20 - Vta.
inicial baja 10

14
 USO DEL ÁRBOL DE DECISIÓN
VENTAJAS
• Refleja mejor a las situaciones con decisiones
secuenciales (con más de un momento de
decisión).

DESVENTAJAS
• No permite analizar los casos de dominancia.
• Cuando una misma VNC afecta a distintas
alternativas, figura como si fuese otra VNC.
15
 Ejemplo 2
• Decidir si es mejor desarrollar un nuevo
producto o consolidar los existentes
 Árbol para el Ejemplo
Buena
etallado Moderada
Desarrollo D
Pobr
e
De
sar
to

ro llo
uc

Rá
od

pid
Buena
Pr

o
voe

Moderada
Nu

Pobr
e Respuesta del
Mercado

Buena
Con

Moderada
soli
d

s
ació

ro ducto Pobr
dar P e
n

so li
Con
Continuar Productos Buena

Pobr
e
 Revisión del Árbol
• El árbol se revisa:
– Repasando cada cuadrado y cada círculo
– Ver si no se dejaron opciones sin considerar
• Si es necesario pueden dibujarse segmentos
del árbol por aparte
– Si el árbol ya se congestionó
• Al final se tiene que tener una buena idea del
problema y de todos sus posibles resultados
 Evaluación del Árbol
• Para llegar a determinar la decisión:
– Asignar un puntaje a cada posible resultado
• Representa el estimado de beneficio a obtener de
ese resultado
• Puede ser un valor en dinero
– Revisar cada círculo
• Asignar una probabilidad a cada resultado
• Deben sumar 1 o 100%
• En base a datos, experiencia o pura estimación
 Árbol para el Ejemplo
US$1,000,000
0.4 Buena
etallado 0.4 Moderada
Desarrollo D US$50,000
Pobr
0.2 e
De
sar
US$2,000
to

ro llo
uc

Rá US$1,000,000
od

pid
Buena
Pr

o
vo

0.1
e

0.2 Moderada
Nu

US$50,000
Pobr
0.7 e
US$2,000
US$400,000
Buena
Con

0.3
Moderada
soli

0.4
d

s US$20,000
ació

ro ducto Pobr
dar P 0.3 e
n

so li
Con US$6,000
Continuar Productos 0.6 Buena
US$20,000
Pobr
0.4 e
US$2,000
 Proceso de Decisión
• Cálculo del valor de un nodo círculo
– Sumatoria de:
• Valor de cada resultado multiplicado por su
probabilidad
– Los resultados más probables pesan más
– Se escribe el resultado en el círculo
 Árbol para el Ejemplo
US$1,000,000
420,400 uena
0.4 B
etallado 0.4 Moderada
Desarrollo D US$50,000
Pobr
e
0.2 US$2,000
De
sar
to

ro llo 111,400
uc

Rá US$1,000,000
od

pid
Buena
Pr

o
0.1
voe

0.2 Moderada
Nu

US$50,000
Pobr
e
0.7 US$2,000

129,800 ena
US$400,000
0.3 Bu
Con

Moderada
soli

0.4
d

s US$20,000
ació

ro ducto Pobr
dar P e
n

so li 0.3
Con US$6,000
Continuar Productos 0.6 Buena
US$20,000
Pobr
e
12,800 0.4 US$2,000
 Proceso de Decisión
• Cálculo del valor de un nodo de decisión
(cuadrados)
– Escribir el costo de cada decisión
• El costo de implementarla
– Restarlo del valor del nodo siguiente
– El resultado es el beneficio esperado
• Notas
– No deben incluirse gastos realizados antes del análisis
• Son costos hundidos
• Seleccionar la opción de mayor beneficio
 Árbol para el Ejemplo
US$420,400
US$1,000,000
etallado 0.4 B
uena
Desarrollo D
US$270,400 C = US$150
,000
0.4 Moderada
00
B = US$270,4 US$50,000
Pobr
e
0.2 US$2,000
to

US$111,400
uc

De
s US$1,000,000
od

C = arroll
Buena
Pr

o
B = US$8 Ráp 0.1
vo

US 0 , 0 i d o
e

do n

0.2 Moderada
Nu

na ció

$ 31 00
cio A c

,40
0 US$50,000
lec de

Pobr
e
Se rso
Cu

0.7 US$2,000

US$129,800 ena
US$400,000
0.3 Bu
Con

s
ducto Moderada
soli

r P r o 0.4
olida
d

Cons S$30,000 US$20,000

ació

Pobr
C = U $99,800 e
n

S 0.3
B=U US$6,000
0.6 Buena
Continuar Productos US$20,000
C = US$0 Pobr
US$99,800 e
B =US$12,800 US$12,800 0.4 US$2,000
 Análisis del Ejemplo
• La opción seleccionada es desarrollar un nuevo
producto
– Desarrollo detallado
– Tiene un costo de US$150,000
– Con beneficio de US$420,000
– Beneficio neto: US$270,000
• Es mejor que desarrollarlo con desarrollo rápido
– Beneficio neto: US$31,400
• Y mejor que consolidar
– Mejor beneficio neto en esa opción:
• US$99,800
 Puntos Clave
• Los árboles de decisión
– Dan un panorama visual completo
• Todas las opciones pueden ser evaluadas
– Permiten evaluar consecuencias
– Guía sobre cómo asignar valores y
probabilidades
– Permite decidir en base a información
(datos) o estimaciones
PROBLEMA 3

27
CONT PROB 3

28
CONT PROB 3

29
PROBLEMA 4

30
CONT PROB. 4

31
32