cuantitativos1
-
Upload
gustavo-sanchez -
Category
Documents
-
view
217 -
download
0
description
Transcript of cuantitativos1
Prof. Gustavo Sánchez
Métodos cuantitativos para la toma de decisiones
UNIVERSIDAD SIMÓN BOLÍVAR
Métodos cuantitativos para la toma de decisiones
✔ Introducción✔ Árboles de Decisión✔ Programación Lineal / No-Lineal✔ Modelos de Redes e Inventario✔ Simulación✔ Pronósticos✔ Conclusión
Introducción
Se consideran decisiones que tengan potencialmente un gran impacto!
Fuente: Anderson et al (2011)
Introducción
¿Por qué utilizar métodos cuantitativos?
✔ El problema es complejo✔ El problema es nuevo✔ Se requiere un enfoque
“objetivo”
✔ En cualquier caso es necesario contar con suficientes datos confiables!
Introducción✔ Nos concentramos en la etapa de evaluación de las
alternativas a partir de un modelo de decisión.
Introducción✔ Ejemplo: decidir entre posibles ofertas de
trabajo.Fuente: Anderson et al (2011)
Variables de Decisión Criterios de
Decisión
Introducción✔ Cuando se considera un único criterio de
decisión, se tiene un modelo mono-criterio.
✔ En caso contrario se tiene un modelo multi-criterio.
✔ Modelo Mono-Criterio ✔ Modelo Multi-Criterio
Introducción✔ Un posible enfoque para simplificar un
problema multi-criterio, consiste en definir una función de utilidad ponderada
Alternativa Sueldo (40%)
Crecimiento (20%)
Ubicación (40%)
Utilidad
Rochester 5 3 3 3.8
Dallas 4 5 4 4.2
Greensboro 4 4 5 4.4
Pittsburgh 3 3 4 3.4
Introducción✔ Cuando todas las variables y parámetros del
modelo son conocidos de manera exacta, se tiene un modelo determinista
✔ Cuando al menos una variable o parámetro es incierto, se tiene un modelo aleatorio
✔ Modelo Determinista ✔ Modelo Aleatorio
Árboles de Decisión✔ Un árbol de decisión consiste en una representación gráfica del proceso de toma de decisiones
Árboles de Decisión
Árboles de Decisión✔Los cuadrados representan nodos de decisión y los círculos representan nodos “aleatorios” (variables exógenas).
✔Los nodos se conectan mediante ramas. Aquellas que salen de un nodo de decisión corresponden a las alternativas.
Árboles de Decisión
✔Las ramas que salen de un nodo aleatorio corresponden a los estados de la naturaleza.
✔Los criterios de decisión se muestran al final de un camino compuesto por una o varias ramas.
Árboles de Decisión
✔Una empresa planea construir un nuevo complejo de condominios y debe decidir entre tres proyectos diferentes: uno con 30 condominios, otro con 60 y el último con 90.
✔El éxito financiero del proyecto depende del tamaño del complejo y del evento aleatorio concerniente a la demanda que tengan los mismos.
Árboles de Decisión
✔La decisión consiste en seleccionar el tamaño del nuevo proyecto de condominios que genera la mayor utilidad considerando la incertidumbre en la demanda.
Árboles de Decisión
Fuente: Anderson et al (2011)
Árboles de Decisión
Fuente: Anderson et al (2011)
Árboles de Decisión
✔Enfoque Optimista: Selecciona la alternativa que proporciona el mejor resultado asumiendo como ciertos los estados más favorables de la naturaleza.
✔En el caso anterior corresponde a la alternativa d3 (complejo grande)
Árboles de Decisión
✔Enfoque Pesimista: Selecciona la alternativa que proporciona el mejor resultado posible, suponiendo los estados más desfavorables de la naturaleza. ✔En el caso anterior corresponde a la alternativa d1 (complejo pequeño)
Árboles de Decisión
✔Enfoque Min-Max: consiste en seleccionar la alternativa que corresponde al menor valor para el mayor costo de oportunidad de todos los estados
Árboles de Decisión
✔Costo de Oportunidad: para cada alternativa y cada estado, es la pérdida ocasionada por no tomar la mejor decisión.
Árboles de Decisión
✔Enfoque Min-Max: consiste en seleccionar la alternativa que corresponde al menor valor para el mayor costo de oportunidad de todos los estados
Árboles de Decisión
✔Modelo Aleatorio: En algunos casos es posible asignar probabilidades a los estados de la naturaleza.
Árboles de Decisión
Árboles de Decisión
✔Valor Esperado de una alternativa
Árboles de Decisión
Árboles de Decisión
Árboles de Decisión
✔Valor Esperado Sin Información Perfecta (VESIP): corresponde al mayor VE, entre los que se calculan para cada alternativa
✔En este caso VESIP = 14.2
Árboles de Decisión
✔Valor Esperado Con Información Perfecta: suponiendo que fuera posible “predecir” de manera exacta el estado de la naturaleza, el valor esperado sería:
✔En el caso del condominio:
Árboles de Decisión
✔Valor Esperado de la Información Perfecta (VEIP):
✔En el caso del condominio:
Ejercicio
✔Dibuje el árbol de decisión y analice el problema siguiendo los enfoques: optimista, pesimista, mini-max✔Calcule el valor esperado de cada alternativa suponiendo estados equiprobables
Ejercicio
✔Calcule el VEIP✔Utilice el software Management Scientist para verificar sus resultados