UNIDAD III Arboles de Decisin

Resolucin de problemas

1. Identificar y definir el problema 2. Determinar el conjunto de alternativas de solucin 3. Determinar el criterio o criterios que se usar/n para evaluar las alternativas 4. Evaluar las alternativas :

anlisis cualitativo anlisis cuantitativo

5. Elegir una alternativa 6. Ponerla en prctica 7. Evaluar los resultados

Tipos de modelos
Certeza Problemas simples Problemas complejos Problemas dinmicos Casos Programacin lineal, mixta PERT, inventario Incertidumbre Arboles de decisin Simulacin MonteCarlo Simulacin, colas, invent.

Anlisis de decisin
El anlisis de decisin es una herramienta utilizada para seleccionar una estrategia cuando un tomador de decisiones tiene varias alternativas u opciones a seguir y una serie incierta de eventos futuros (que llamaremos estados de la naturaleza).

Anlisis de decisin
Por ejemplo, cuando se desea desarrollar una actividad recreativa se tiene la opcin de hacerla al aire libre o en un espacio cerrado (esto es una decisin), sin embargo; el factor clima no puede ser controlado y la nica certeza que tenemos nos la puede dar un pronstico del tiempo, el cual puede ser o no ser preciso (el clima es un estado de la naturaleza)

Anlisis de decisin
Nublado
Al aire libre

Soleado Llueve

Actividad Nublado Espacio cerrado Soleado

Llueve

Anlisis de decisin
Otro ejemplo es la apertura de un negocio. En este caso se tiene una serie de opciones en cuanto a tamao, inversin inicial o mezcla de productos a manejar, entre otras. Estas pueden ser tomadas por la gente encargada del negocio. En cambio, el comportamiento del mercado ante la oferta del negocio es un fenmeno aleatorio.

Anlisis de decisin
Demanda alta

Venta de Software
Demanda baja Negocio

Demanda alta
Asesora Informtica Demanda baja

rboles de decisin

Un rbol de decisin muestra la manera en que se pueden desglosar los problemas y la secuencia en los procesos de decisin. Est basado en el teorema de Bayes.

Cuatro tipos de probabilidad

Marginal Unin Conjunta Condicional

P( X)
La probabilidad de que ocurra X

P( X Y )
La probabilidad de que ocurra XoY

P( X Y )
La probabilidad de que ocurra XeY

P( X| Y )
La probabilidad de que ocurra X sabiendo que ha ocurrido Y

X Y

X Y Y

Probabilidad condicional
A la probabilidad de que un evento B ocurra cuando se sabe que otro evento A se ha presentado se le llama probabilidad condicional de B dado A y se denota por P(B/A) = P(AB) P(A) Si P ( A) est definida. Esto se lee Probabilidad de B dado A.

Probabilidad condicional
Lo que sucede en este caso es que el espacio muestral del evento A se convierte en el nuevo espacio muestral S o universo.

Espacio muestral A

(AB)

Ejemplo
Para el siguiente diagrama de Venn se tiene que:

Ejemplo
En cierta ciudad, 75% de la gente consume el refresco A, 55% el refresco B y 40% consume ambos. a) Cul es la probabilidad de que una persona seleccionada al azar consuma el refresco B, dado que consume el A? b) Cul es la probabilidad de que una persona seleccionada al azar consuma el refresco B, dado que no consume el A?

Ejemplo

a) Cul es la probabilidad de que una persona seleccionada al azar consuma el refresco B, dado que consume el A?

Ejemplo: b) Cul es la probabilidad de que una persona

seleccionada al azar consuma el refresco B, dado que no consume el A?

Ejemplo
En una escuela 50% de los alumnos lleva la clase de teatro, 60% la clase de msica y 30% llevan ambos cursos. a) Dado que un alumno lleva el curso de msica, cul es la probabilidad de que curse teatro? b) Dado que un alumno no cursa msica, cul es la probabilidad de que lleve teatro?

Ejemplo

a) Dado que un alumno lleva el curso de msica, cul

es la probabilidad de que curse teatro?

Ejemplo

b) Dado que un alumno no cursa msica, cul es la probabilidad de que lleve teatro?

rbol de Bayes

Teorema de Bayes
Sea A1, A2, ..., An una serie de eventos, tales que la probabilidad de cada uno de ellos es distinta de cero, y B otro evento del que se conocen las probabilidades condicionales P( B/ Ai). Entonces la probabilidad P( Ai/B) viene dada por:

Ejemplo
Tres sucursales, 1, 2 y 3 generan el 45%, 30% y 25%, respectivamente, del total de las ventas en un negocio. Los porcentajes de ventas con reclamo por mal servicio de estas sucursales son de 3%, 4% y 5%. a) Si se selecciona una venta al azar, calcula la probabilidad de que tenga reclamacin por mal servicio. b) Si se toma al azar una venta y resulta con reclamacin; calcula la probabilidad de que haya sido generada por la sucursal 2.

Ejemplo
c) Si se selecciona una venta al azar, calcula la probabilidad de que no tenga reclamo.
d) Si se toma al azar una venta y no tiene reclamacin, calcula la probabilidad de que haya sido hecha por la sucursal 2.

Ejemplo
Para resolver este problema se construye un rbol de Bayes usando las probabilidades dadas como informacin. Pasos para construir un rbol: Se identifican en l los eventos correspondientes a Cada sucursal 1, 2 y 3 y constituyen la primera serie de ramas de un rbol.

rbol de Bayes - Primer paso: Tres sucursales, 1, 2 y 3 generan el

45%, 30% y 25%, respectivamente, del total de las ventas en un negocio.

rbol de Bayes - Segundo paso Se identifican los eventos correspondientes al porcentaje de reclamaciones de cada sucursal (1, 2 y 3) y constituyen la segunda serie de ramas del rbol. Los porcentajes de ventas con reclamo por mal servicio de estas sucursales son de 3%, 4% y 5%.

Ejemplo teorema de Bayes

Ya con el rbol generado se pueden contestar las preguntas: a) Si se selecciona una venta al azar, calcula la probabilidad de que tenga reclamacin por mal servicio ( D).

Ejemplo
b) Si se toma al azar una venta y resulta con reclamacin; calcula la probabilidad de que haya sido generada por la sucursal 2.

Revisando de nuevo el rbol de Bayes, vamos a recorrer el camino de la segunda hacia la primera rama, rastreando las reclamaciones hasta la rama de la sucursal 2:

Ejemplo

Ejemplo
c) Si se selecciona una venta al azar, calcular la probabilidad de que no tenga reclamacin.

Ejemplo
d) Si se toma al azar una venta y no tiene reclamacin, calcula la probabilidad de que haya sido hecha por la sucursal 2.

rboles de decisin
Los rboles estn compuestos de nodos y ramas: Un nodo es un punto de unin. Hay dos tipos de nodos: de decisin y de probabilidad. Una rama es un conector entre dos nodos.

rboles de decisin Un nodo de decisin representa un punto en el que

se debe tomar una decisin. De estos nodos salen ramas que son las posibles decisiones a tomar y se representan con un cuadrado.

Un nodo de probabilidad (estado de la naturaleza)

representa el momento en que se produce un evento aleatorio. De estos nodos salen ramas que representan posibles resultados para eventos inciertos en los que no se tiene control sobre su resultado. Se representan con un crculo.

rboles de decisin

Nodo de Decisin

Nodo de probabilidad

rboles de decisin
En un rbol de decisin la secuencia de eventos se desarrolla de izquierda a derecha. Las probabilidades se indican en las ramas de estado de la naturaleza. Son probabilidades condicionales de eventos que ya sucedieron. Los valores en dinero en los extremos de las ramas dependen de decisiones tomadas y estados de la naturaleza previamente ocurridos. La decisin que resulta de un anlisis de rbol no es una definitiva sino condicionada a la ocurrencia de eventos que sucedan en la prxima decisin.

Seleccin de alternativas de decisin

Trabajando de atrs hacia adelante en el rbol, se calcula un valor esperado para cada nodo de estado de la naturaleza.

Dado que es posible controlar las ramas que salen de cada nodo de decisin, se elige la rama que resulte en el mayor valor esperado.
Se van tachando todas las ramas que no sean seleccionadas.

rboles de decisin: ejemplo

Un inversionista desea abrir con apoyo de un experto un negocio de informtica, sin embargo; no define cul ser el modelo de negocio hacia el cual se enfocar: desarrollos o elaboracin de software empaquetado para su venta individual. El inversionista plantea tres escenarios para la demanda de su negocio: Alta, media y baja. En base a experiencias previas del experto las probabilidades respectivas para cada demanda son: Alta: 0.4, Media: 0.5 y Baja 0.1.
El costo por apertura y operacin del negocio de desarrollos durante el primer ao se estima en 500,000.00. La ganancia por una alta demanda se estima en 1,100,000.00, mientras que para media y baja son 800,000.00 y 520,000.00 respectivamente.

rboles de decisin: ejemplo

El costo por apertura y operacin del negocio de software empaquetado durante el primer ao se estima en 550,000.00. La ganancia por una alta demanda se estima en 1,000,000.00, mientras que para media y baja son 750,000.00 y 620,000.00 respectivamente. En ambos casos las cantidades monetarias se expresan como valor presente.

Construye un rbol de decisin que muestre la secuencia de toma de decisiones que se sigue para llegar a una conclusin.

rboles de decisin: ejemplo

El primer paso es colocar en un esquema de rbol el nodo de decisin, el cual tendr dos ramas: una correspondiente a el desarrollo y otra a el software empaquetado.

De cada una de estas dos ramas saldrn otras tres que representarn las demandas alta, media y baja (estados de la naturaleza) Al final de cada una de las ramas coloca los flujos monetarios estimados para cada demanda.

rboles de decisin: ejemplo

rboles de decisin: ejemplo

Multiplica el flujo estimado por la probabilidad correspondiente a cada demanda, as tendrs el flujo estimado para cada opcin. Suma los flujos correspondientes a cada demanda, esto para cada opcin (desarrollo o producto empaquetado) y define cual de ellos presentar la mayor ganancia global esperada.

En base a esta cantidad define cul decisin se toma. Se tacha aquella rama que representa la menor ganancia.

rboles de decisin: ejemplo

rboles de decisin: ejemplo

De aqu se obtiene que la mejor decisin, al menos para el primer ao de operacin es el desarrollo de software a la medida. El ejemplo es bastante sencillo, en caso de querer visualizar ms eventos se van agregando tanto nodos de decisin como nodos de probabilidad.

Decisin construccin de una planta grade o de una pequea

INFORMACIN PARA EL ANALISIS DE DECISIN DEL PROBLEMA PARA UNA PLANTA GRANDE
Millones de dlares

PLANTA GRANDE Rendimiento operacin Costos Ganancia neta

Probabilidad planta grande y pequea

DEMANDA Alta Media Baja 20 15 10 10 10 10 10 5 0 0.4 0.4 0.2

Decisin construccin de una planta grade o de una pequea

D A (0.4)
Planta grande D M (0.4) $10M

$5M $0M

D B (0.2)

D A (0.4)
Planta pequea

D M (0.4) D B (0.2)

Primer punto de decisin

Segundo punto de decisin

PLANTA PEQUEA
Costo de construccin de una planta pequea es 6 millones de dlares

EXPANSIN

DEMANDA ALTA
Rendimiento operacin Costos de expansin Ganancia neta

Gran

Pequea

No

19 5 8

18 3 9

10 0 4

Segundo punto de decisin demanda alta

D A (0.4)
Planta grande D M (0.4) $10M

$5M $0M
Gran expansin Pequea expansin $8M

D B (0.2)

$9M

D A (0.4)
Planta pequea

D M (0.4) D B (0.2)

No expandir

$4M

Primer punto de decisin

Segundo punto de decisin

Segundo punto de decisin

PLANTA PEQUEA
Costo de construccin de una planta pequea es 6 millones de dlares

EXPANSIN
DEMANDA MEDIA Rendimiento operacin Costos de expansin Ganancia neta
Pequea No

18 3 9

10 0 4

Segundo punto de decisin demanda media

D A (0.4)
Planta grande D M (0.4) $10M

$5M $0M

D B (0.2)

Gran expansin

$8M $9M

Pequea expansin
No expandir Pequea expansin No expandir

D A (0.4)
Planta pequea

$4M $9M

D M (0.4) D B (0.2)

$4M

Primer punto de decisin

Segundo punto de decisin

Segundo punto de decisin

PLANTA PEQUEA
DEMANDA BAJA
Rendimiento operacin Costos de construccin Ganancia neta 10 6 4

Segundo punto de decisin demanda baja:

D A (0.4)
Planta grande D M (0.4) $10M

$5M $0M

D B (0.2)

Gran expansin

$8M $9M

Pequea expansin
No expandir Pequea expansin No expandir
Segundo punto de decisin

D A (0.4)
Planta pequea

$4M $9M

D M (0.4) D B (0.2)

$4M

Primer punto de decisin

$10M - $6M = $4M

Segundo punto de decisin demanda baja: Este plan tiene una ganancia esperada

de 8 millones de dlares y un rango de $10M D A (0.4) resultados posibles de 4 a 9 millones de D M (0.4) Planta $5M dlares. Gran grande
D B (0.2) (0.4)10M+(0.4)5M +(0.2)0 = $6M

$0M

expansin Pequea expansin

No expandir

$8M $9M

D A (0.4)
Planta pequea

$4M $9M

D M (0.4)

Pequea expansin No expandir $4M

(0.4)9M+(0.4)9M D B (0.2) +(0.2)4M = $8M

$4M

Primer punto de decisin

Segundo punto de decisin

rboles de decisin
Una planta pequea ser adecuada slo para una demanda baja y la administracin quiere considerar la posibilidad de expansin si la demanda resulta ser alta o mediana. Si la demanda es alta, la administracin puede seleccionar una expansin grande, una pequea o no expandir