Professional Documents
Culture Documents
PROYECTO FINAL
INTEGRANTES:
Ingrith Vanessa Blanco Gualdrn, Cdigo: 1049620096
Luz ngela Molina Bentez, Cdigo: 1.049.628.181
Sandra Consuelo vila Rodrguez, Cdigo: 37616812
Edith Yolanda Tarazona Rivero, Cdigo: 40047022
John Emanuel Pabn Araque, Cdigo: 1.049.639046
GRUPO:
200608_24
TUTORA:
Yuri Vanessa Nieto
INTRODUCCION
A medida que el ser humano va creciendo, se va volviendo dueo de s mismo; es decir, poco a
poco comienza a ejercer su derecho a decidir. Desde lo que desea comer, vestir, qu auto
comprar, si debe invertir cierto dinero o utilizarlo en otra cuestin, hasta con quin debe casarse.
Es as como la Teora de Decisin representa un apoyo importante sustentado en la teora de la
probabilidad y en la estadstica para brindar una base slida a grupos o individuos enfrentados a
la toma de decisiones.
Las herramientas para las decisiones tecnolgicas tales como los modelos matemticos han sido
aplicadas a una amplia gama de situaciones en la toma de decisiones dentro de diversas reas de
la gerencia. En la toma consciente de decisiones bajo incertidumbre, siempre realizamos
pronsticos o predicciones. Podramos pensar que no estamos pronosticando, pero nuestras
opciones estarn dirigidas por la anticipacin de resultados de nuestras acciones o inacciones.
Este sitio tiene el objetivo de ayudar a los gerentes y administradores a hacer un mejor trabajo al
momento de anticipar hechos, y por lo tanto, un mejor manejo de la incertidumbre mediante el
uso de tcnicas de prediccin y pronstico efectivas.
JUSTIFICACION
Antes del Sistema Mtrico Decimal, los humanos no tenan ms remedio que tomar lo que
llevaban encima, su propio cuerpo, para contabilizar e intercambiar productos. As aparece el pie,
casi siempre apoyado sobre la tierra, como unidad de medida til para medir pequeas parcelas,
del orden de la cantidad de suelo que uno necesita, por ejemplo, para hacerse una choza. Paralelo
a este aparece el codo, til para medir piezas de tela u otros objetos que se pueden colocar a la
altura del brazo, en un mostrador o similar.
Tambin aparece el paso el metro romano utilizado para medir terrenos ms grandes durante
las faenas de agricultura, Para medidas ms pequeas, de objetos delicados, aparece la palma y,
para menores longitudes.
Ya en estos momentos las herramientas existentes permiten contabilizar de manera eficaz y
comprobar sus resultados en campos tales como ciencia, la industria, la medicina, los anlisis
qumicos entre otros, es por ello que durante este trabajo daremos a conocer los conocimientos
adquiridos durante las unidades del curso para luego aplicarlas como profesionales capaces de
ayudar a tomar decisiones en cualquier organizacin.
OBJETIVOS
Objetivo General
Identificar y desarrollar la temtica propuesta en el curso de Teora de Decisiones con el fin de
facilitar la aplicacin en el mbito acadmico y laboral optimizando el desempeo del estudiante
mediante la aplicacin de tcnicas en conjunto con la sistematizacin de los procesos con el
apoyo de software.
Objetivos Especficos:
Conocer los conceptos bsicos para los manejos de los mtodos en la teora de
decisiones.
Aplicar los mtodos matemticos estadsticos para resolver la toma de decisiones bajo
incertidumbre.
Diferenciar entre los mtodos para las tomas de decisiones bajo incertidumbre desde la
percepcin de una investigacin de mercados con o sin informacin muestra.
Conocer los diferentes criterios de decisin para aplicar en el modelo especfico.
Realizar la entrega del trabajo final.
Ahora tenemos que calcular la ganancia esperada sin informacin perfecta, de esta manera
tenemos que tomar todos los valores de cada columna, multiplicarlos por la probabilidad
estimada para estos valores, y por ultimo tomamos el mayor valor de estos con el fin de obtener
la ganancia esperada sin la informacin perfecta.
1. Alternativa 1
2. Alternativa 2
3. Alternativa 3
Probabilidades
=1
86338
16457
31547
71784
55412
47215
53962
80326
12427
0,2679
0,3172
0,4149
Alternativa 1=
( 86.3380.2679 ) + ( 71.7840.3172 )+ ( 53.9620.4149 )=23.129+ 22.769+22.388=68.286
Alternativa 2=
( 16.4570.2679 )+ ( 55.4120.3172 ) + ( 80.3260.4149 )=4.407+17.582+33.327=55.316
Alternativa 3=
( 31.5470.2679 ) + ( 47.2150.3172 ) + ( 12.4270.4149 )=8.448+14.981+5.156=28.585
Teniendo estos datos podemos concluir que el mayor valor de ganancia esperada es 68.286 por
tanto este es el valor que tomaremos para completar la ecuacin de VEIP.
VEIP=( Ganancia esperada con informacin perfecta )( Ganancia esperadasin informacin perfecta )
VEIP=79.22568.286=$ 10.939
Analizando estos datos podemos encontrar que el valor esperado con informacin perfecta
$68.286, por esta razn se puede inferir que la mejor decisin es la alternativa 1, ya que es el
que generar una mayor ganancia segn el clculo del VEIP.
Estados de la naturaleza
Demanda Baja
Demanda Media
Demanda Alta
Ganancias ($)
Ganancias ($)
Ganancias ($)
86338
71784
53962
16457
55412
80326
31547
47215
12427
Cursos de accin
(Alternativas de decisin)
1. Alternativa 1
2. Alternativa 2
3. Alternativa 3
Probabilidades
=1
0,2678
0,3172
0,4149
Indicadores
(I1) Reporte favorable
(I2) Reporte no
favorable
0,0866
0,2142
0,0533
Demanda Baja
I1
I2
0,2447
0,0231
Demanda
Media
0,2493
0,0679
Demanda Alta
0,3928
0,0222
Probabilidad
Marginal
0,8867
0,1133
INDICADOR
I1
I2
DEMANDA
BAJA
0,2759
0,2040
DEMANDA
MEDIA
0,2812
0,5998
DEMANDA
ALTA
0,4429
0,1962
PROBABILIDADES POSTERIORES
DECISIONES
GANANCIA ESPERADA
Alternativa 1
0,2759 (86338)+ 0,2812 (71784) + 0,4429
(53962) = 23821+20186+23890 = 67.897
Alternativa 2
0,2759 (16457)+ 0,2812 (55412)+ 0,4429 (80326)
= 4540+15582+35576= 55.698
Alternativa 3
0,2759 (31547)+ 0,2812 (47215)+ 0,4429 (12427)
= 8704+13277+5504 = 27.485
DECISIONES
Alternativa 1
Alternativa 2
Alternativa 3
INDICADOR
I1
I2
INDICADOR 1
GANANCIA ESPERADA
0,2040 (86338)+ 0,5998 (71784)+ 0,1962 (53962)
= 17613+43056+10587= 71.256
0,2040 (16457)+ 0.5998 (55412)+ 0,1962 (80326)
= 3357+33236+15760= 52.353
0,2040 (31547)+ 0,5998 (47215)+ 0,1962 (12427)
= 6436+28320+2438= 37.194
INDICADOR 2
DECISIN OPTIMA
Alternativa 1
Alternativa 1
GANANCIA ESPERADA
67.897
71.256
9
=0,000822100=0,0822
10939
As mismo por tanto, la eficiencia de la informacin es nula y adems negativa, realmente esta
informacin no es eficiente para la toma de decisin por alguna de las alternativas analizadas.
1 A1
= 10872 * 0.33 + 34526 *0.33 + 91280*0.33 = 3.588+11.394+30.122 = 45104
2 A2
= 22145* 0.33 + 10879 *0.33 + 149975*0.33 = 7.308+3.590+49.492= 60.390
3 A3
= 79608* 0.33 + 105909 *0.33 + 147638*0.33 = 26.533+35.300+49207= 111.040
CONCLUSION: Por lo tanto el mtodo LAPLACE, arroja que el producto de menor costo de
produccin seria el A3, para comercializar un producto en el mercado.
METODO WALD
Proceso de decisin para la comercializacin de la bicicleta elctrica
Cursos de accin
Estados de la naturaleza
Demanda Baja
Demanda
Demanda Alta
Ganancias ($)
Media
Ganancias ($)
Ganancias
($)
1. A1
10872
34526
91280
2. A2
22145
10879
149975
3. A3
79608
105909
147638
Mtodo
Wald
10.872
10.879
79.608
Cursos de
accin
1. A1
Demanda Media
Ganancias ($)
34526
10590934526=71383
Demanda Alta
Ganancias ($)
91280
149975-91280=58695
Mtod
o
Savage
58.695
2. A2
3. A3
22145
7960822145=57463
79608
79608-79608=0
10879
10590910879=95030
105909
105909-105909=0
149975
149975-149975=0
57.463
147638
149975-147638=2337
2.337
CONCLUSION: Por lo tanto el mtodo SAVAGE, arroja que el producto de menor costo de
produccin seria el A3 en una demanda Alta
CRITERIO HURWICZ
En este criterio puede escogerse una situacin intermedia entre el pesimismo y el optimismo, en
donde debe suponerse un determinado grado de optimismo y luego calcular el grado de
pesimismo.
Utilizando la formula q=
Cursos de accin
1. A1
2. A2
3. A3
q=0.5
Estados de la naturaleza
Demanda Baja
Demanda
Demanda Alta
Ganancias ($)
Media
Ganancias ($)
Ganancias
($)
10872
34526
91280
22145
10879
149975
79608
105909
147638
Producto A
1
2
3
1
89304
55642
136727
3
73924
110101
113113
El estudiante con su grupo de trabajo presentara los clculos manuales del juego de dos
personas y suma cero, adicional deben realizar la comprobacin por software y presentar
los resultados obtenidos
ESTRATEGIAS DOMINADAS
Producto A
1
2
3
1
89304
55642
136727
3
73924
110101
113113
Producto A
1
1
89304
136727
119930
3
73924
113113
El producto B minimiza perdidas, por lo tanto elimina la estrategia 2 (dominante) ya que con
esta obtendr mayores prdid
Matriz de Pagos (3*3):
Producto B
Producto A
1
1
89304
3
73924
136727
113113
136727
113113
Por ltimo el producto B elimina la estrategia 3 (dominante) ya que con esta obtendr mayores
prdidas
Matriz de Pagos (3*3):
Producto B
Producto A
136727
Por lo tanto el valor de juego es igual a 136727 el cual representa la ganancia para el Producto
A y la perdida para el producto B.
SUMA CERO
Producto A
1
1
89304
3
73924
2
55642
70057
110101
3
136727
119930
113113
Para el producto A se elige el valor mnimo de cada fila y para el producto B se elige el valor
mximo de cada columna.
Producto A
1
2
3
136727
124444
73924
55642
Maximin
113113
Minimax
113113
El producto A elige el valor mayor entre los valores mnimos (Maximin) = 113113
El producto B elige el valor mnimo entre los valores mayores (Minimax) = 113113
Como los valores son iguales existe punto de silla, por lo tanto se pude concluir que el juego es
justo o la solucin es estable.
Resultados obtenidos con el software WinQSB
Marca A
Marca B
Marca C
Marca D
0,3664
0,2008
0,3379
0,0949
1
0,1780
0,1776
0,3135
0,3309
1
0,2648
0,1569
0,2587
0,3196
1
0,3219
0,2284
0,3566
0,0931
1
Probabilidades
iniciales
0,8908
0,0208
0,0700
0,0185
1
El estudiante con su grupo de trabajo presentara los clculos manuales del de los patrones de
consumo, adicional deben realizar la comprobacin por software y presentar los resultados
obtenidos.
Tabla 6 Patrones de consumo del producto
Prababilidades
de transicin
Marca A
Marca B
Marca C
Marca D
Marca A
Marca B
Marca C
Marca D
0,366
0,201
0,338
0,095
1,000
0,178
0,178
0,314
0,331
1,000
0,265
0,157
0,259
0,320
1,000
0,322
0,228
0,357
0,093
1,000
Probabilidade
s iniciales
0,8908
0,0208
0,0700
0,0185
1,0000
Probabilidades
de transicin
Marca A
Marca B
Marca C
Marca D
Marca A
Marca B
Marca C
Marca D
0,106
0,058
0,098
0,028
0,034
0,034
0,059
0,063
0,083
0,049
0,081
0,100
0,067
0,047
0,074
0,019
Probabilidade
s iniciales
0,2898
0,1884
0,3124
0,2095
Marca A
Marca B
Marca C
Marca D
0,106
0,058
0,098
0,028
0,034
0,033
0,059
0,062
0,083
0,049
0,081
0,100
0,067
0,048
0,075
0,020
Probabilidade
s iniciales
0,2899
0,1885
0,3125
0,2092
Con el clculo de la cadena de Markov podemos verificar las aproximaciones o previsiones controlando
las posibilidades de consumo de los productos de las marcas A, B, C, D, permitiendo ver la estabilidad
futura y analizar una evolucin mucho ms realista en cuanto al consumo de los productos analizados
hasta el periodo 5, permitiendo ver el aumento o disminucin de consumo as como la variabilidad
cuantitativa de cada producto con el fin de generar estrategias que permitan hacer frente a los cambios
venideros para la empresa AAA Distribuidor, en cuanto a la proyeccin de la demanda.
Pantallazos WINQSB
PER
IODO 1
PERIODO 2
PERIODO 3
PERIODO 4
PERIODO 5
CONCLUSIONES
Las cadenas de markov se basa en que la probabilidad de que ocurra un evento depende
del evento inmediato anterior.
Poder conocer a fondo la temtica que maneja la unidad n 2 del curso deteora de
decisiones.
Saber cmo involucrar metodologas nuevas para poder analizar de forma critico una idea
o producto, as como conocer y poner en practica conceptos y habilidades de
investigacin.
REFERENCIAS BIBLIOGRAFICAS