Modelos de Decisión

Árboles de Decisión

• Los Administradores se enfrentan a los siguientes situaciones:– Decisiones no se conocen con certeza.– Situaciones probabilisticas sencillas.– Solo puede considerar unos cuantos factores al

mismo tiempo.• Métodos Cuantitativos crean una estructura, para

organizar y analizar problemas de riesgo complejo.

Historia del Pasado

Este enfoque supone que una buena base para predecir lo que sucederá en el futuro es aquello que ocurrió en el pasado.Si se puede suponer que el futuro será parecido al pasado, las frecuencias relativas se convierten en las probabilidades de los eventos futuros.

Juicio Subjetivo

En algunos casos el futuro no será como el pasado o quizá no existan datos históricos. En estas situaciones, las probabilidades se pueden basar en el juicio subjetivo o mejor dicho en las creencias personales de los tomadores de decisiones

Distribución de Probabilidad Teórica

Algunas situaciones se pueden describir por una distribución de probabilidad teórica como la binomial, la poisson o la normal.Existen varias razones por las que una distribución determinada puede ser un medio apropiado para especificar las características de una situación empresarial. Las dos razones principales son la naturaleza propia de la situación y el comportamiento de los datos históricos bajo estudio.

Esperanza Matemática

Efectivamente puede calcularse la media o promedio de un conjunto de datos, conociendo los distintos valores que ocurren y sus frecuencias relativas. Se hará referencia a este valor promedio como la media de la variable aleatoria X o la media de la distribución de probabilidad de X. Es común referirse a esta media como el valor esperado de la variable X

Definición

Sea X una variable aletoria con distribución de probabilidad f(x). La media o valor esperado de x si es continua:

µ = E(X) = X f(x) dx-œ

œ

Definición

Sea X una variable aletoria con distribución de probabilidad f(x). La media o valor esperado de x si es discreta:

µ = E(X) = X f(x)

El gerente de producto de una fabrica de calzado, está planeando las decisiones de producción para la línea veraniega del próximo año. Su principal preocupación es estimar las ventas de un nuevo diseño de sandalias. Estas han planteado problemas en años anteriores por dos razones: la estación limitada de venta no proporciona suficiente tiempo para que la empresa produzca una segunda serie de un artículo popular. Los estilos cambian drásticamente año con año y las sandalias que no se venden pierden todo su valor. El gerente de producto ha discutido el nuevo diseño con los vendedores y formuló las siguientes estimaciones de venta:

Pares en miles 45 50 55 60 65Probabilidad 0.25 0.30 0.20 0.15 0.10La información obtenida del departamento de producción revela que un par de sandalias costará $15 y el departamento de mercadeo ha informado al gerente que el precio al mayoreo será de $30 por sandalia. Usando el criterio del valor esperado, calcule el número de sandalias que el gerente debe recomendar producir.

Árbol de Decisiones

Se usan en situaciones de toma de decisiones en las que se debe optimizar una series de decisiones.Un concepto fundamental en las situaciones que involucran alternativas de decisión y eventos secuenciales es que deben identificarse todas esas alternativas y eventos y analizar de antemano, si se quiere optimizar las decisiones

Componentes y Estructura

1. Alternativas de Decisión2. Eventos3. Probabilidades4. Resultados

Estos datos se organizan mediante la estructura de un diagrama de árbol que ilustra las interacciones posibles entre las desiciones y los eventos

22

Inicio del árbol

A

B

C

Nodo de Decisión

Añadir los Estados de la Naturaleza, probabilidades de ocurrencia y ganancias o costos esperados

A

B

C

Demanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

$90k$50k

$10k

Demanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

$200k$25k

-$120k

Demanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

$60k$40k

$20k

Arboles - Análisis

• Metodología: Derecha a Izquierda pasando por eventos y puntos de Decisión hasta alcanzar la secuencia óptima.

• Reglas:– En cada nodo se calcula el valor esperado.– En cada punto de decisión se selecciona la

alternativa con el valor esperado óptimo y se desechan las demás decisiones.

24

Cálculo del Valor EsperadoDemanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

A

$90k$50k

$10k

EVA=.4(90)+.5(50)+.1(10)=$62k

$62k

SoluciónDemanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

Demanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

A

B

CDemanda alta (.4)

Demanda media (.5)

Demanda baja (.1)

$90k$50k

$10k

$200k$25k

-$120k

$60k$40k

$20k

$62k

$80.5k

$46k

Ejemplo de árbol de decisiones

Usemos un árbol de decisiones para ayudarle al dueño y director general de un hotel invernal a decidir como administrarlo en la próxima temporada. Sus utilidades durante la estación de esquiar en el presente año dependerán de las nevadas que caigan en los meses invernales. Basándose en su experiencia pasada, piensa que la distribución de probabilidad de las nevadas y la utilidad resultante pueden ser resumidas en la siguiente tabla:

Tabla con la Distribución de Frecuencias y sus Utilidades

Cantidad de Nieve

Utilidad Probabilidad deOcurrencia

+ de 40 pulgadas $120.000 0.4

Entre 20 y 40 pulgadas

$40.000 0.2

- de 20 pulgadas -$40.000 0.4

Hace poco el director recibió una oferta de una gran cadena hotelera para que dirija un hotel en el invierno, garantizándole una ganancia de $45.000 durante la estación. También ha estado analizando la conveniencia de arrendar el equipo para producir nieve en esa estación. Si arrienda el equipo, el hotel podrá operar todo el tiempo sin importar la cantidad de nevadas naturales. Si decide emplear la nieve producida por el equipo para complementar la nieve natural, su utilidad en la temporada será de $120.000 menos el costo de arrendamiento y operación del equipo productor de nieve.

El costo del arrendamiento será aproximadamente de $12.000 por estación, prescindiendo de cuanto lo use. El costo de operación será de $10.000 si la nieve natural tiene más de 40 pulgadas, $50.000 si fluctúa entre 20 y 40 pulgadas; y de $90.000 si es menor que 20 pulgadas. ¿Qué debe hacer el propietario del pequeño hotel?

¿Cómo Agregar Nueva Información?

Muchas veces la toma de decisiones con base en la experiencia y en el juicio, no son suficientes para poder llegar a conclusiones satisfactorias que me lleven a decisiones útiles para las empresas.En estos casos es conveniente realizar algún tipo de investigación que me lleve a mejorar el conocimiento del fenómeno y me permita tomar mejores decisiones

¿Cómo Agregar Nueva Información?

En estos casos cualquier investigación de mercados que la empresa realice, busca mejorar la estimación de probabilidades de la ocurrencia de los eventos a los cuales se enfrenta.Estas probabilidades “mejoradas”, representan el posible resultado de un evento dado la ocurrencia de otro evento, osea, estamos hablando de probabilidades condicionales.El Teorema de Bayes es por excelencia la herramienta más útil en la estadística para estimar dichas probabilidades

Teorema de Bayes

Regla de Bayes: Si los eventos B1, B2, ...., Bk constituyen una división del espacio muestral S, donde P(B)0 para i = 1, 2, ..., k entonces para cualquier evento A en S es tal que P(A)0

P(Br/A) =P(Br) P(A/Br)

P(Bi) P(A/Bi)

Ejemplo del teorema de Bayes.Se ha nominado ha tres miembros de un club privado nacional para ocupar la presidencia del mismo. La probabilidad de que se elija al señor Adams es de 0.3; que se elija al señor Brown es de 0.5 y de que gane la señora Cooper es de 0.2. En caso de que se elija al señor Adams, la probabilidad de que la cuota de ingreso aumente es de 0.8; si se elije al señor Brown o a la señora Cooper, las correspondientes probabilidades de que se incremente la cuota son de 0.1 y 0.4. ¿Cuál es la probabilidad de que haya un incremento en la cuota?Si alguien considera entrar al club pero retrasa su decisión por varias semanas sólo para encontrarse con que las cuotas de entrada han aumentado, ¿cuál es la probabilidad de que se haya elegido a la señora Cooper como presidenta del Club?

Ejemplo de Árbol de Decisiones y Bayes1)Caccios Pizza ha tenido mucho éxito con su forma novedosa de fabricar y vender pizzas a los estudiantes de la UCR. Al mezclar los principales ingredientes de las pizzas y hornearlas por anticipado ha podido lograr que el tiempo de espera de sus clientes sea muy breve. Aunque a los estudiantes les gusta mucho su método, y se han vendido una gran cantidad de pizzas, en ocasiones la empresa se ha visto obligada a tirar una gran cantidad de ellas debido a que la demanda fue inferior a lo que habían anticipado. Por esta razón se está buscando una política que le permita maximizar sus utilidades.

Caccios ha reducido sus alternativas a sólo dos posibilidades: hornear 150 o 180 pizzas.La administración decide clasificar la condición del mercado en fuerte o débil utilizando una probabilidad con base en su experiencia de 45% y 55% respectivamente. La empresa ha determinado que gana $7 por cada pizza vendida y el costo de cada pizza es de $3. Se debe pagar $1 por cada pizza desechada.Debido ha que Caccios se encuentra en una población universitaria un profesor de la Escuela de Administración de Negocios ha ofrecido utilizar una prueba experimental y cobrar $5 por ella.

El profesor ha dispuesto comunicar si la prueba es alentadora o desalentadora. Los resultados de las pruebas han demostrado la tendencia a actuar en la dirección correcta, si un mercado ha sido fuerte los resultados de la prueba han sido alentadores en un 60% de las veces. Por el contrario, si el mercado ha sido débil, los resultados de las pruebas han sido desalentadores en el 70% de las veces.Resuelva por medio de un árbol de decisiones utilizando el criterio bayesiano de decisión.

Árboles -Bayes• OBJETIVO:OBJETIVO: Incorporar los resultados de un registro

histórico en la investigación de mercados al proceso de decisión, utilizando el Teorema de Bayes, actualizando así los valores para el caso específico de P(F) y P(D).

• El registro histórico de la mercadotecnia no es perfecta, pues si fuera totalmente confiable, esta probabilidad condicional sería igual a 1, esto es, siempre daría un informe alentador cuando el mercado fuera de hecho fuerte.

Arboles - VEIM

• Valor Esperado de la Información de Muestra (VEIM): Es un límite superior en la cantidad que deberíamos estar dispuestos a pagar por esta información de muestra en particular.

• VEIM = Máximo Rendimiento esperado con Información - Máximo Rendimiento esperado sin Información.

• VEIM = 607.63 – 600 = $ 7.63

Arboles - VEIP

• Valor Esperado de la Información Perfecta (VEIP):Es un límite superior para la cantidad que usted debería estar dispuesto a pagar para mejorar su conocimiento sobre el estado de la naturaleza que ocurrirá.

• El VEIP indica la cifra esperada a ganar por llevar a cabo este esfuerzo y por lo tanto coloca un límite superior a la cifra que debería ser invertida para reunir esa información.

Arboles - VEIP

- Si fuera seguro que el mercado será fuerte, la Administración seleccionaría la opción (A), pues presenta el mayor rendimiento.

- Si fuera seguro que el mercado es débil, la Administraciónseleccionaría la opción (B)

Arboles - VEIP

• ¿ Cuanto debe pagar la administración por la Información Perfecta?– VEIP = 720*0.45 + 600*0.55 – 600 = $54

• Este valor, es el máximo aumento posible en el rendimiento esperado que se puede obtener con nueva información.

• Con VEIM= $7.63 se obtuvo un incremento en el rendimiento esperado utilizando prueba en el mercado

Arboles - VEIP

• Dado que VEIP = 54 y VEIM = 7.63, podemos ver que la prueba de mercado no es eficiente.

• Si lo fuera, el valor de VEIM sería mucho más cercano al de VEIP.

• En otras palabras, conforme la probabilidades de una correcta información de muestra aumentan VEIM se aproxima a VEIP.

Modelos de Decisión y el Tree Plan

Protac

Acaba de completarse la fase de diseño y prueba de producto para la nueva línea de tractores para jardín y uso doméstico de Protac. La alta gerencia está tratando de decidir la estrategia de mercadotecnia y producción apropiadas para usarse con este producto. Se están considerando tres alternativas principales:

1) Agresiva: Esta estrategia representa importantes desembolsos de capital para una nueva y eficiente planta de producción, grandes cantidades de inventario y de gastos de publicidad y mercadeo a nivel nacional.

2) Básica: Los tractores se fabricarían con la actual planta de producción a la cual se le añadiría una nueva línea de ensamble, se mantendrían inventarios solo para los productos más populares y las oficinas centrales pondrían fondos a disposición para apoyar esfuerzos locales de publicidad y mercadeo.

3) Cautelosa: En este plan, la capacidad sobrante de las actuales líneas de ensamble se utilizarían para fabricar los nuevos productos, la producción se programaría solo para satisfacer la demanda y la publicidad correría a cargo del distribuidor local.

La administración decide clasificar la demanda del producto como débil (D) o fuerte (F), a continuación se presenta una tabla con las utilidades y la estimación de las probabilidades hecha por la gerencia de mercadeo:

Las retribuciones son utilidades netas en millones de $.

Paso 1. Coloque el cursor en la celda H20 y haga clic en Herramientas y después en Tree PlanPaso 2. Haga clic en Nuevo Árbol Paso 3. Modifique el número de ramas del árbolPaso 4. Agregar las ramas de los estados de la naturaleza

Pasos para crear el Árbol de Decisiones

Seleccione Nuevo Árbol

Haga clic enagregar rama

Indique nodo deevento y agregue

dos ramas

Agregue el nombre y las respectivas

probabilidades con la fórmula +B1

para la probabilidadde la primer rama y+B4 para etiquetarla

Copiar en Tree Plan

Afortunadamente el Tree Plan tiene la herramienta Copiar, la cual podemos aprovechar para no tener que repetir todo el proceso para los otros dos nodos de los estados de la naturaleza.Posiciónese en la celda que quiere copiar, oprima Árbol de Decisión, haga clic en Pegar subárbol y después en Aceptar.Posteriormente ubíquese en la celda en donde quiere pegar la rama y proceda.

Seleccione pegarsubárbol y luego

aceptar

Ubíquese en la celdaen donde desea copiarla rama, seleccione

pegar subárbol y escoja aceptar.

En estos 0 se agrega los costoso ingresos según

sea el caso.Hágalo jalando lainformación por ejemplo =B5 para

indicar los ingresosde una demanda

fuerte

El programa calculatodos los valores

esperados.Tenga el cuidadode NO escribir

en las celdas dondeestán los MACROS

de la hoja

El Tree Plan y el Teorema de Bayes

Paso 1Escriba las confiabilidades y las probabilidades a priori tal y como aparecen en la siguiente tabla:

Paso 2Calcule las probabilidades Conjuntas y Marginales de la siguiente manera:

Calcule las probabilidades a posteriori de la siguiente manera:

Celda B12 =B3*B$8Cópiese a: B12:C13

D12 =SUMA(B12:C12)B14 =SUMA(B12:B13)

B19 =B12/$D12Cópiese a: B19:C20

Paso 3. Coloque el cursor en la celda E67 y haga clic en Herramientas y después en Tree PlanPaso 4. Haga clic en Nuevo Árbol Paso 5. Etiquete las ramas con el nombre respectivo