Sesión 03 Arboles de Decisión - Conceptos

LOGRO DE LA SESIÓN
• Conoce y aplica la teoría de Arboles de Decisión en problemas

con riesgo
2
INTRODUCCIÓN
• Cualquier problema que se pueda presentar en una tabla de

decisiones también se puede ilustrar con una gráfica denominada
árbol de decisiones.
ÁRBOL DE DECISIONES
El árbol de decisión es el modelo analítico que permite explicitar
todas las opciones y consecuencias potenciales de una forma
que facilita el entender y comunicar la situación enfrentada
ARBOL DE DECISIÓN
• Todos los árboles de decisiones son similares en cuanto a

que contienen puntos de decisión o nodos de decisión y
puntos de estados de naturaleza o nodos de estado de
naturaleza:
• Un nodo de decisión es aquel donde se puede elegir
una entre varias alternativas
• Un nodo de estado de naturaleza indica de los estados
de naturaleza que pueden ocurrir
5
ARBOL DE DECISIÓN..
Al dibujar un árbol, comenzamos por la izquierda y nos movemos
hacia la derecha. Así, el árbol presenta decisiones y resultados en
orden secuencial.
Las líneas o ramas que salen de los cuadros (nodos de decisión)
representan alternativas; en tanto que las ramas que salen de los
círculos representan estados de naturaleza.
El siguiente paso es colocar los pagos y las probabilidades en el
árbol y comenzar el análisis
Cinco pasos para el análisis del árbol de decisiones
1. Definir el problema.
2. Estructurar o dibujar un árbol de decisiones.
3. Asignar probabilidades a cada estado de naturaleza.
4. Estimar los pagos para cada combinación posible de alternativas
y estados de naturaleza.
5. Resolver el problema comparando los valores monetarios
esperados (VME) para cada nodo de estado de naturaleza. Esto
se hace trabajando hacia atrás, es decir, comenzando en la
derecha del árbol y trabajando hacia atrás a los nodos de
decisión a la izquierda. Además, en cada nodo de decisión, se
selecciona la alternativa con el mejor VME.
6
PARA EL CASO DE JOHN
7
UNA DECISIÓN MÁS COMPLEJA PARA THOMPSON
LUMBER: INFORMACIÓN MUESTRAL
Cuando es necesario tomar decisiones secuenciales, los árboles de
decisiones son una herramienta mucho más poderosa que las
tablas de decisiones. Digamos que John Thompson tiene que tomar
dos decisiones, con la segunda decisión dependiente del resultado
de la primera. Antes de decidir acerca de la construcción de la
nueva planta, John tiene la opción de realizar su propio estudio de
investigación de mercados a un costo de $10,000. La información
de su estudio puede ayudarle a decidir si construir una planta
grande, una pequeña o ninguna. John reconoce que ese estudio de
mercado no le proporcionará la información perfecta, aunque podría
ayudarlo bastante de todas formas.
8
ARBOL PARA EL CASO THOMPSON LUMBER
9
Recordando: Valor esperado
• Es la media de la distribución de probabilidad

• Se calcula como:
m
E(x) =  X i p( X i )
i=1
http://www.auladeeconomia.com
Valor esperado: ejemplo
• Suponga que usted compra en S/ 1000 un número de

una rifa, la cual paga un premio de S/ 50.000.
• Hay dos eventos posibles:
–Usted gana la rifa, o
–Pierde
• ¿Cuál es el valor esperado del juego?
Valor esperado: ejemplo
• La distribución de probabilidades es:

Evento X P(X)
Gana ¢ 49000 1/100
Pierde - 1000 99/100
• El valor esperado es:
49000*(1/100) + -1000*99/100 = -500
• ¿Qué significa ese resultado?
Árboles de decisión
• Pueden usarse para desarrollar una estrategia óptima

cuando el tomador de decisiones se enfrenta con:
–Una serie de alternativas de decisión
–Incertidumbre o eventos futuros con riesgo
*Un buen análisis de decisiones incluye un análisis de
riesgo
Árboles de decisión: Componentes y estructura
• Alternativas de decisión en cada punto de decisión

• Eventos que pueden ocurrir como resultado de cada
alternativa de decisión. También son llamados
Estados de la naturaleza
• Probabilidades de que ocurran los eventos posibles

• Resultados de las posibles interacciones entre las
alternativas de decisión y los eventos. También se les
conoce con el nombre de Pagos
• Los árboles de decisión poseen:

• Ramas: se representan con líneas
• Nodos de decisión: de ellos salen las ramas de
decisión y se representan con 
• Nodos de incertidumbre: de ellos salen las ramas de
los eventos y se representan con 
Árboles de decisión: Componentes y estructura: ejemplo
Evento 1
Pago 1
Punto de P(Evento 1)
decisión
Alternativa 1 Evento 2 Pago 2

P(Evento 2)
Evento 3 Pago 3
P(Evento 3)
Alternativa 2 Pago 4
Árboles de decisión: Análisis: criterio del Valor
Monetario Esperado
• Generalmente se inicia de derecha a izquierda,
calculando cada pago al final de las ramas
• Luego en cada nodo de evento se calcula un valor
esperado
• Después en cada punto de decisión se selecciona la
alternativa con el valor esperado óptimo
Árboles de decisión: Análisis: ejemplo de la rifa
Gana
¢49.000
Punto de (0,01)
decisión
-500
Juega la rifa
Pierde ¢ -1000
(0,99)
No juega la rifa ¢0
Procedimiento.
Ejemplo – Bill
23
Resolver: Inducción hacia atrás
como soles)
Características clave de un árbol de decisiones
1. El tiempo en un árbol de decisión fluye de izquierda a derecha, y

la ubicación de los nodos de decisión y los nodos de eventos es
lógicamente consistente con la forma en que los eventos se
desarrollará en la realidad. Cualquier evento o decisión que
debe preceder lógicamente a otros eventos y decisiones se
coloca de manera apropiada en el árbol para reflejar esta
dependencia lógica.
2. Las ramas que emanan de cada nodo de decisión representan
todas las posibles decisiones bajo consideración en ese
momento en las circunstancias apropiadas.
24
Características clave de un árbol de decisiones
3.Las ramas que emanan de cada nodo de evento representan un

conjunto de Resultados exclusivos y colectivamente exhaustivos del
nodo del evento.
4.La suma de las probabilidades de cada rama de resultado que
emana de una determinado nodo de evento debe sumar uno.
5.Todas y cada una de las ramas "finales" del árbol de decisiones
tienen un valor numérico asociado. Este valor numérico
generalmente representa alguna medida de valor monetario, como
salario, ingresos, costo, etc.
25
Conclusiones
✓El árbol de Decisión es un modelo de predicción utilizado en

diversos ámbitos de ingeniería industrial.
✓POM QM permite diagramar los árboles de decisión de manera

rápida.
Bibliografía
• Render, B., Stair, R. M., & Hanna, M. E. (2006). Métodos

cuantitativos para los negocios. Pearson Educación.Anderson, D.
R., Sweeney, D. J., Williams, T. A., Camm, J. D., & Martin, K.
(2011). Métodos cuantitativos para los negocios. Cengage
Learning.
• Curso Métodos Cuantitativos, Por Lic. Gabriel Leandro, MBA
• Ferrer, J (2016), Curso: Modelos Cuantitativos para las
Decisiones, Pontificia Universidad Católica de Chile, MII
28

Sesión 03 Arboles de Decisión - Conceptos

Cargado por

Copyright:

Formatos disponibles

Sesión 03 Arboles de Decisión - Conceptos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sesión 03 Arboles de Decisión - Conceptos

Cargado por

Copyright:

Formatos disponibles

LOGRO DE LA SESIÓN

• Conoce y aplica la teoría de Arboles de Decisión en problemas

• Cualquier problema que se pueda presentar en una tabla de

• Todos los árboles de decisiones son similares en cuanto a

• Es la media de la distribución de probabilidad

• Suponga que usted compra en S/ 1000 un número de

• La distribución de probabilidades es:

• Pueden usarse para desarrollar una estrategia óptima

• Alternativas de decisión en cada punto de decisión

• Probabilidades de que ocurran los eventos posibles

• Los árboles de decisión poseen:

Alternativa 1 Evento 2 Pago 2

1. El tiempo en un árbol de decisión fluye de izquierda a derecha, y

3.Las ramas que emanan de cada nodo de evento representan un

✓El árbol de Decisión es un modelo de predicción utilizado en

✓POM QM permite diagramar los árboles de decisión de manera

• Render, B., Stair, R. M., & Hanna, M. E. (2006). Métodos

También podría gustarte