3.

4 RBOL DE DECISIN
Posted octubre 14, 2010 by equip4 in Uncategorized. Dejar un comentario

Es un modelo de prediccin utilizado en el mbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de construcciones lgicas, muy similares a los sistemas de prediccin basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolucin de un problema. Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve una respuesta la cual en ltimas es una decisin que es tomada a partir de las entradas. Los valores que pueden tomar las entradas y las salidas pueden ser valores discretos o continuos. Se utilizan ms los valores discretos por simplicidad, cuando se utilizan valores discretos en las funciones de una aplicacin se denomina clasificacin y cuando se utilizan los continuos se denomina regresin. Un rbol de decisin lleva a cabo un test a medida que este se recorre hacia las hojas para alcanzar as una decisin. El rbol de decisin suele contener nodos internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un test sobre algn valor de una de las propiedades. Un nodo de probabilidad indica que debe ocurrir un evento aleatorio de acuerdo a la naturaleza del problema, este tipo de nodos es redondo, los dems son cuadrados. Un nodo hoja representa el valor que devolver el rbol de decisin y finalmente las ramas brindan los posibles caminos que se tienen de acuerdo a la decisin tomada. De forma ms concreta, refirindonos al mbito empresarial, podemos decir que los rboles de decisin son diagramas de decisiones secuenciales nos muestran sus posibles resultados. stos ayudan a las empresas a determinar cuales son sus opciones al mostrarles las distintas decisiones y sus resultados. La opcin que evita una prdida o produce un beneficio extra tiene un valor. La habilidad de crear un opcin, por lo tanto, tiene un valor que puede ser comprado o vendido. El rbol de decisin es un diagrama que representan en forma secuencial condiciones y acciones; muestra qu condiciones se consideran en primer lugar, en segundo lugar y as sucesivamente. Este mtodo permite mostrar la relacin que existe entre cada condicin y el grupo de acciones permisibles asociado con ella. Un rbol de decisin sirve para modelar funciones discretas, en las que el objetivo es determinar el valor combinado de un conjunto de variables, y basndose en el valor de cada una de ellas, determinar la accin a ser tomada. Los rboles de decisin son normalmente construidos a partir de la descripcin de la narrativa de un problema. Ellos proveen una visin grfica de la toma de decisin necesaria, especifican las variables que son evaluadas, qu acciones deben ser tomadas y el orden en la cual la toma de decisin ser efectuada. Cada vez que se ejecuta un rbol de decisin, solo un camino ser seguido dependiendo del valor actual de la variable evaluada. Se recomienda el uso del rbol de decisin cuando el nmero de acciones es pequeo y no son posibles todas las combinaciones. Uso de rboles decisiones. El desarrollo de rboles de decisin beneficiado analista en dos formas. Primero que todo, la necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera formal las decisiones que actualmente deben tomarse. De esta forma, es difcil para ellos pasar por alto cualquier etapa del proceso de decisin, sin importar que este dependa de variables cuantitativas o cualitativas. Los rboles tambin obligan a los analistas a considerar la consecuencia de las decisiones. Se ha demostrado que los rboles de decisin son eficaces cuando es necesario describir problemas con ms de una dimensin o condicin. Tambin son tiles para identificar los requerimientos de datos crticos que rodean al proceso de decisin, es decir, los rboles indican los conjuntos de datos que la gerencia requiere para formular decisiones o tomar acciones. El analista debe identificar y elaborar una lista de todos los datos utilizados en el proceso de decisin, aunque el rbol de decisin no muestra todo los datos. Si los rboles de decisin se construyen despus de completar el anlisis de flujo de datos, entonces es posible que los datos crticos se encuentren definidos en el diccionario de datos (el cual describe los datos utilizados por el sistema y donde se emplean). Si nicamente se usan rboles de decisiones, entonces el analista debe tener la certeza de identificar con precisin cada dato necesario para tomar la decisin.

3.3 VALOR DE LA INFORMACIN PERFECTA

Posted octubre 14, 2010 by equip4 in Uncategorized. Dejar un comentario

El valor de la informacin perfecta es la cantidad en la que se podra mejorar el rdito esperado si la persona supiera de antemano cul es el evento que va a ocurrir. Dicho valor se calcula mediante el siguiente procedimiento: 1- Identificar el mejor rdito para cada evento (si es ganancia, se elije el nmero ms alto; si es costo, tmese el menor nmero) 2- Calcular el valor esperado de esos mejores rditos multiplicando el mejor rdito para cada evento por la probabilidad de que ese evento ocurra. 3- Restar del valor esperado del rdito obtenido sin informacin perfecta del valor esperado del rdito obtenido con informacin perfecta. Esta diferencia es el valor de la informacin perfecta

3.2 CRITERIOS DE DECISIN DETERMINISTICOS Y PROBABILSTICAS

Posted octubre 14, 2010 by equip4 in Uncategorized. Dejar un comentario

Modelos Probabilsticos: De los Datos a un Conocimiento Decisivo El conocimiento es lo que sabemos. La informacin es la comunicacin de conocimientos. En cada intercambio de conocimientos, hay un remitente y un receptor. El remitente hace comn lo que es privado, hace la informacin, la comunicacin. La informacin se puede clasificar como formas explcitas y tcitas. La informacin explcita se puede explicar de forma estructurada, mientras que la informacin tcita es inconsistente e imprecisa de explicar. Los datos son conocidos como informacin cruda y no como conocimientos en s. La secuencia que va desde los datos hasta el conocimiento es (observe el siguiente cuadro): de los Datos (Data) a la Informacin (Information), de la Informacin (Information) a los Hechos (Facts), y finalmente, de los Hechos (Facts) al Conocimiento (Knowledge). Los datos se convierten en informacin, cuando se hacen relevantes para la toma de decisin a un problema. La informacin se convierte en hecho, cuando es respaldada por los datos. Los hechos son lo que los datos revelan. Sin embargo el conocimiento instrumental es expresado junto con un cierto grado estadstico de confianza

Modelos Probabilsticos: De los Datos a un Conocimiento Decisivo El conocimiento es lo que sabemos. La informacin es la comunicacin de conocimientos. En cada intercambio de conocimientos, hay un remitente y un receptor. El remitente hace comn lo que es privado, hace la informacin, la comunicacin. La informacin se puede clasificar como formas explcitas y tcitas. La informacin explcita se puede explicar de forma estructurada, mientras que la informacin tcita es inconsistente e imprecisa de explicar.
Los datos son conocidos como informacin cruda y no como conocimientos en s. La secuencia que va desde los datos hasta el conocimiento es (observe el siguiente cuadro): de los Datos (Data) a la Informacin (Information), de la Informacin (Information) a los Hechos (Facts), y finalmente, de los Hechos (Facts) al Conocimiento (Knowledge). Los datos se convierten en informacin, cuando se hacen relevantes para la toma de decisin a un problema. La informacin se convierte en hecho, cuando es respaldada por los datos. Los hechos son lo que los datos revelan. Sin embargo el conocimiento instrumental es expresado junto con un cierto grado estadstico de confianza Proceso de Toma de Decisiones Estadsticas A diferencia de los procesos de toma de decisiones determinsticas tal como, optimizacin lineal resuelto mediante sistema de ecuaciones, sistemas paramtricos de ecuaciones y en la toma de decisin bajo pura incertidumbre, las variables son normalmente ms numerosos y por lo tanto ms difciles de medir y controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son: 1. Simplificar 2. Construir un modelo de decisin 3. Probar el modelo

Usando el modelo para encontrar soluciones: El modelo es una representacin simplificada de la situacin real No necesita estar completo o exacto en todas las relaciones Se concentra en las relaciones fundamentales e ignora las irrelevantes. Este es entendido con mayor facilidad que un suceso emprico (observado), por lo tanto permite que el problema sea resuelto con mayor facilidad y con un mnimo de esfuerzo y prdida de tiempo. Anlisis de Decisiones: Tomando Decisiones Justificables y Defendibles

4.

Proceso de Toma de Decisiones Estadsticas A diferencia de los procesos de toma de decisiones determinsticas tal como, optimizacin lineal resuelto mediante sistema de ecuaciones, sistemas paramtricos de ecuaciones y en la toma de decisin bajo pura incertidumbre, las variables son normalmente ms numerosos y por lo tanto ms difciles de medir y controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:
1. 2. 3. 4. Simplificar Construir un modelo de decisin Probar el modelo Usando el modelo para encontrar soluciones: El modelo es una representacin simplificada de la situacin real No necesita estar completo o exacto en todas las relaciones Se concentra en las relaciones fundamentales e ignora las irrelevantes. Este es entendido con mayor facilidad que un suceso emprico (observado), por lo tanto permite que el problema sea resuelto con mayor facilidad y con un mnimo de esfuerzo y prdida de tiempo.

El modelo puede ser usado repetidas veces para problemas similares, y adems puede ser ajustado y modificado El anlisis de decisiones es la disciplina que consiste en evaluar alternativas complejas en trminos de valores (habitualmente en $ porque es lo que a los gerentes les importa) y de incertidumbre (lo que no conocemos). El anlisis de decisiones brinda informacin sobre las diferencias entre las alternativas definidas, y genera sugerencias de nuevas y mejores alternativas. Usamos nmeros para cuantificar valores e incertidumbres subjetivas, lo cual nos permite comprender la situacin de decisin. Los resultados numricos deben reconvertirse para generar informacin cualitativa. Los seres humanos pueden comprender, comparar y manipular nmeros. Por lo tanto, para crear un modelo de anlisis de decisiones es necesario crear la estructura del modelo y asignar las probabilidades y los valores para poblar el modelo de computacin. Aqu se incluyen los valores para las probabilidades, las funciones de valor para evaluar alternativas, las ponderaciones de valor para medir la concesin que se debe hacer entre los objetivos, y la preferencia de riesgo.