Documente Academic
Documente Profesional
Documente Cultură
Alumno:
Hai Liang Chia C.I: 25.872.203
Yessenia De Andrade C.I.: 20.754.070
Profesora:
Llendy Gil
Indice
Introduccin............................................................................................................................3
Modelos de Toma de Decisiones4
Modelo Determinstico...4
Toma de Decisiones bajo Certidumbre..5
Modelo Probabilstico6
Toma de Decisiones bajo incertidumbre....7
Toma de Decisiones Bajo Riesgo...........7
Ciclos en la Construccin de Modelos...7
Reglas de Decisiones..7
Criterio de Wald.8
Criterio de Hurwicz8
Criterio de Savage..9
Criterio de Laplace10
Conclusin.11
Bibliografa...12
Introduccin
Los gerentes se encuentran mucho ms cautivados por darle forma al futuro que por la
historia pasada. La mayora de las decisiones son hechas de cara a la incertidumbre. Los
modelos probabilsticos estn ampliamente basados en aplicaciones estadsticas para la
evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin del
riesgo de sus decisiones. En los modelos probabilsticos, el riesgo significa incertidumbre
para la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de
riesgo significa un estudio para determinar los resultados de las decisiones junto a sus
probabilidades.
Modelo Determinstico
En los modelos determinsticos, las buenas decisiones se basan en sus buenos resultados. Se
consigue lo deseado de manera "determinstica", es decir, libre de riesgo. Esto depende de
la influencia que puedan tener los factores no controlables, en la determinacin de los
resultados de una decisin y tambin en la cantidad de informacin que el tomador de
decisin tiene para controlar dichos factores.
Modelo Probabilstico
Los modelos probabilsticos estn ampliamente basados en aplicaciones estadsticas para la
evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin del
riesgo de sus decisiones. La idea original de la estadstica fue la recoleccin de informacin
sobre y para el Estado. La palabra estadstica no se deriva de ninguna raz griega o latina,
sino de la palabra italiana state. La probabilidad tiene una historia mucho ms larga. La
Probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan fcil de
obtener o entender. La palabra "prueba" tiene el mismo origen el cual proporciona los
detalles necesarios para entender lo que se requiere que sea cierto.
Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones estn
basadas en los resultados esperados. El centro de inters se mueve desde un modelo
determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para estimacin,
prueba y prediccin. En los modelos probabilsticos, el riesgo significa incertidumbre para
la cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo
significa un estudio para determinar los resultados de las decisiones junto a sus
probabilidades.
Los tomadores de decisiones generalmente se enfrentan a severa escasez de informacin.
La evaluacin de riesgo cuantifica la brecha de informacin entre lo que es conocido y lo
que necesita saber para tomar una decisin ptima. Los modelos probabilstico son
utilizados para protegerse de la incertidumbre adversa, y de la explotacin de la propia
incertidumbre.
Reglas de Decisiones
Criterio de Wald
Criterio de Hurwicz
Criterio de Savage
Criterio de Laplace
Criterio de Wald
Este es el criterio ms conservador ya que est basado en lograr lo mejor de las peores
condiciones posibles. Esto es, si el resultado x(ai, ej) representa prdida para el decisor,
entonces, para ai la peor prdida independientemente de lo que ej pueda ser, es mx ej
{ x(ai, ej) }. El criterio minimax elige entonces la accin ai asociada a:
En una forma similar, si x(ai, ej) representa la ganancia, el criterio elige la accin ai
asociada a :
Para el caso donde x(ai, ej) representa un costo, el criterio selecciona la accin que
proporciona:
Criterio de Savage
En 1951 Savage argumenta que al utilizar los valores xij para realizar la eleccin, el decisor
compara el resultado de una alternativa bajo un estado de la naturaleza con todos los dems
resultados, independientemente del estado de la naturaleza bajo el que ocurran. Sin
embargo, el estado de la naturaleza no es controlable por el decisor, por lo que el resultado
de una alternativa slo debera ser comparado con los resultados de las dems alternativas
bajo el mismo estado de la naturaleza.
Con este propsito Savage define el concepto de prdida relativa o prdida de oportunidad
rij asociada a un resultado xij como la diferencia entre el resultado de la mejor alternativa
dado que ej es el verdadero estado de la naturaleza y el resultado de la alternativa ai bajo el
estado ej:
10
Conviene destacar que, como paso previo a la aplicacin de este criterio, se debe calcular la
matriz de prdidas relativas, formada por los elementos rij. Cada columna de esta matriz se
obtiene calculando la diferencia entre el valor mximo de esa columna y cada uno de los
valores que aparecen en ella.
Observe que si x (ai, ej) es una funcin de beneficio o de prdida, la matriz de prdidas
relativas, formada por los elementos rij representa en ambos casos prdidas. Por
consiguiente, nicamente el criterio minimax (y no el maximin) puede ser aplicado a la
matriz de deploracin r.
Criterio de Laplace
Este criterio, propuesto por Laplace en 1825, est basado en el principio de razn
insuficiente: como a priori no existe ninguna razn para suponer que un estado se puede
presentar antes que los dems, podemos considerar que todos los estados tienen la misma
probabilidad de ocurrencia, es decir, la ausencia de conocimiento sobre el estado de la
naturaleza equivale a afirmar que todos los estados son equiprobables. As, para un
problema de decisin con n posibles estados de la naturaleza, asignaramos probabilidad
1/n a cada uno de ellos.
La regla de Laplace selecciona como alternativa ptima aquella que proporciona un mayor
resultado esperado:
1 n
mx _ ai x ai , e j
n j 1
11
Conclusin
La solucin de un determinado problema, se identifica primero un criterio mediante el cual
se escoge un modelo a seguir cuyos parmetros flucten de manera efectiva; esto establece
el rendimiento o efectividad que resulte en trminos de menos costos y ms beneficios.
Para esto, en un conjunto de problemas previamente formulados se toman en cuentan
distintas variables con sus respectivas restricciones, con el fin de llegar a una nica funcin
objetivo que incluya la mayor complejidad en las relaciones y una cantidad mayor de
variables y elementos ajenos al modelo determinstico que har posible una aproximacin a
un modelo probabilstico o de enfoque estocstico. Todo esto conlleva a tomar una decisin
sobre el mtodo ms efectivo a utilizar que represente el resultado deseado.
As mismo, estos modelos determinsticos asociados a la logstica empresarial junto con la
administracin de proyectos se enfocan para sortear diferentes situaciones que se presenten,
y adems garantizar el cumplimiento de los objetivos dentro de los tiempos estipulados.
(Hai Liang Chia)
Los modelos determinsticos poseen datos que se conocen con exactitud, en el cual
establecen condiciones para ejecutar el experimento y as determinar el resultado. Es decir
se, analiza toda la informacin permitiendo tomar una decisin. Sin embargo los modelos
probabilsticos o tambin llamados estocsticos es todo lo contrario a los modelos
determinstico ya que tiene datos que no se sabe con precisin, debido que posee variables
aleatorias, es decir, no permite manifestar un resultado preciso de un experimento.
(Yessenia De Andrade)
12
Bibliografa
https://books.google.co.ve/books?id=DWvtFYqh0YC&pg=PA19&dq=MODELOS+DE+TOMA+DE+DECISION+PROBABILISTI
COS+Y+DETERMINISTICOS&hl=es&sa=X&ved=0CB8Q6AEwAWoVChMI77yftYlyAIVxWw-Ch0j4AqM#v=onepage&q=MODELOS%20DE%20TOMA%20DE
%20DECISION%20PROBABILISTICOS%20Y%20DETERMINISTICOS&f=true
https://equip4.wordpress.com/2010/10/14/3-2-criterios-de-decision-deterministicos-yprobabilisticas/
https://prezi.com/yawz2edd6pyh/modelos-de-la-toma-de-decisiones/
http://www.geocities.ws/mdmoli/archivos/ioii1/unidad1.html
Blog
http://estadisticaujmvtomadedecisiones.blogspot.com/2016/10/la-toma-de-decisionesutilizando.html
Defensa del proyecto
https://youtu.be/nZdmPCRIyYc