Documente Academic
Documente Profesional
Documente Cultură
FACULTAD DE ADMINISTRACIÓN
ESCUELA PROFESIONAL DE ADMINISTRACIÓN
INTEGRANTES:
DOCENTE:
Arequipa _Perú
2018
Dedicatoria
ii
Tabla de Contenidos
1. HISTORIA ...................................................................................................................... 3
2. CONCEPTO GENERALES ........................................................................................... 4
3. IMPORTANCIA Y APLICACIÓN DE UN ÁRBOL DE DECISIONES ..................... 8
4. CARACTERÍSTICAS .................................................................................................. 12
5. TIPOS DE ARBOLES DE DECISION ........................................................................ 13
6. CLASIFICACION DE LOS ARBOLES DE DECISIÓN ............................................ 18
7. VENTAJAS DE UN ÁRBOL DE DECISIONES ........................................................ 28
8. DESVENTAJAS DE UN ÁRBOL DE DECISIONES ................................................ 29
9. LIMITACIONES .......................................................................................................... 30
10. EJEMPLOS ............................................................................................................... 30
Lista de referencias ....................................................................................................................... 44
iii
Lista de figuras
iv
INTRODUCCION
una situación problemática, en la que, además, hay una serie de sucesos inciertos.
En las empresas todo el tiempo se toman decisiones, la gran mayoría bajo una estrategia que tome
en cuenta la complejidad de las situaciones. Para facilitarlo, los expertos han creado metodologías
que les permitan tomar el camino más adecuado, en beneficio de su organización y su personal.
Para los administradores, el proceso de toma de decisión es sin duda una de las mayores
personas que están apoyando el mismo proyecto. Debemos empezar por hacer una selección de
Con frecuencia se dice que las decisiones son algo así como el motor de los negocios y en efecto,
Los administradores consideran a veces la toma de decisiones como su trabajo principal, porque
constantemente tienen que decidir lo que debe hacerse, quién ha de hacerlo, cuándo y dónde, y en
ocasiones hasta cómo se hará. Sin embargo, la toma de decisiones sólo es un paso de la planeación,
incluso cuando se hace con rapidez y dedicándole poca atención o cuando influye sobre
William T. Greenwood, autor del libro “Teoría de decisiones y sistemas de información”, explica
que la toma de decisiones básicamente es una resolución de problemas, y como tal, se debe buscar
la mejor alternativa, aplicar un diagnóstico adecuado y realizar una búsqueda minuciosa, para
1
elegir la mejor alternativa basados en un proceso de ramificación. Este proceso de ramificación
2
1. HISTORIA
Dentro de la relativamente corta historia de esta disciplina, es posible distinguir tres periodos
La característica distintiva del primer paradigma fue el interés de construir sistemas de aprendizaje
de propósito general que partan con poco o ningún conocimiento inicial de la estructura. La
estructura inicial aleatoria. Estos sistemas fueron denominados Redes Neuronales o Sistemas
incrementales en las probabilidades de que elementos del tipo neurona (típicamente unidades
investigaciones en esta área eran teóricas tal como perceptores. El fundamento de estos trabajos
fue hecho en la década de los cuarenta por Rashevsky y sus seguidores del área de biofísica
3
(Rashevsky, 1948), y McCulloch y Pitts (1943), quienes descubrieron la aplicabilidad de la lógica
Un segundo paradigma comenzó a emerger en los sesenta, a partir de los trabajos de psicólogos e
utilizaba estructuras lógicas o de grafos en vez de métodos numéricos o estadísticos. Los sistemas
Una influencia importante en esta área de trabajo fue el sistema de aprendizaje estructural de
Winston (Winston, 1975), incluyendo los programas de aprendizaje basados en lógica inductiva.
mediado de los setenta. Se ha hecho especial énfasis en el uso de conocimiento orientado a tareas
y en las restricciones que este provee, que guían el proceso de aprendizaje. Se trabaja en
En contraste con esfuerzos previos, las nuevas investigaciones tienden a incorporar heurísticas, y
2. CONCEPTO GENERALES
Toma de decisiones
4
Para tomar una decisión, es necesario conocer, comprender y analizar un problema, para así
poder darle solución. En algunos casos, por ser tan simples y cotidianos, este proceso se realiza de
forma implícita y se soluciona muy rápidamente, pero existen otros casos en los cuales las
contexto laboral en el éxito o fracaso de la organización, para los cuales es necesario realizar un
proceso más estructurado que puede dar más seguridad e información para resolver el problema.
Decisiones programadas
Las decisiones programadas se usan para abordar problemas recurrentes. Sean complejos o simples
Decisiones no programadas
No estructuradas, son decisiones que se toman ante problemas o situaciones que se presentan con
Ambiente de certeza
Se tiene conocimiento total sobre el problema, las opciones de solución que se planteen van a
causar siempre resultados conocidos e invariables. Al tomar la decisión sólo se debe pensar en la
5
Ambiente de incertidumbre
Se posee información deficiente para tomar la decisión, no se tiene ningún control sobre la
situación, no se conoce como puede variar o la interacción de las variables, se pueden plantear
diferentes opciones de solución pero no se puede asignar probabilidad a los resultados. (Por esto,
Árbol de Decisión
1. Las alternativas o cursos de acción están bien definidas (por ejemplo: aceptar o rechazar una
2. Las incertidumbres pueden ser cuantificadas (por ejemplo: probabilidad de éxito de una campaña
3. Los objetivos están claros (por ejemplo: aumentar las ventas, maximizar utilidades, minimizar
costos, etc.)
6
Por lo tanto un árbol de decisión es un mapa de los posibles resultados de una serie de decisiones
relacionadas. Permite que un individuo o una organización comparen posibles acciones entre sí
según sus costos, probabilidades y beneficios. Se pueden usar para dirigir un intercambio de ideas
Un árbol de decisión, por lo general, comienza con un único nodo y luego se ramifica en resultados
posibles. Cada uno de esos resultados crea nodos adicionales, que se ramifican en otras
Tipos de nodos
resultados.
Nodo de decisión: Representado con un cuadrado, muestra una decisión que se tomará.
7
Nodo terminal: Muestra el resultado definitivo de una ruta de decisión.
A nivel empresarial existe un alto grado de competitividad, y debido a los constantes cambios
que hay en el mercado requiere de decisiones rápidas y acertadas para alcanzar el éxito de la
empresa; la técnica del Árbol de Decisiones nos facilitará la tarea de seleccionar las estrategias
convenientes a seguir dentro de la empresa, por lo que se hace de vital importancia el conocer
La técnica del Árbol de Decisiones nos permite plantear claramente el problema de tal manera
que todas las opciones sean analizadas para posteriormente realizar un estudio rápido de todas las
consecuencias de las posibles decisiones. Esto es posible ya que utiliza un esquema que cuantifica
el costo de los resultados y las probabilidades de que los diferentes resultados aparezcan, en
a través del tiempo, es de gran utilidad cuando se debe optimizar diferentes decisiones. La técnica
del Árbol de Decisiones involucra varias alternativas, de tal manera que es necesaria la
Debemos tomar muy en cuenta las probabilidades de ocurrencia de cada una de las
consecuencias entonces serán más exactas las predicciones y mejores las decisiones a tomar; será
8
Dentro de la Gerencia y la Administración Financiera serán de gran ayuda pues se logrará
tener un mapa que pueda medir el riesgo y beneficios de las decisiones tomadas, claramente será
de mayor precisión en cuanto se pueda contar con la mayor cantidad de información posible que
nos permita elegir las opciones que minimicen el riesgo y maximicen los beneficios. La técnica
del Árbol de Decisiones puede ser aplicada en cualquier problema de toma de decisiones, sin
Una de las decisiones que se puede tomar dentro de una empresa es el posicionamiento, por
ejemplo, en el caso de que una empresa ha tenido un excelente año y ha obtenido una gran posición
dentro del mercado pretende incrementar su posición dentro del mercado por lo que se plantea en
incursionar con un producto nuevo o consolidar otro que no tiene gran posicionamiento. En este
caso es necesario realizar un Árbol de Decisiones para encontrar la mejor decisión a tomar,
decisión que se encontrarán en primer término entre Desarrollar un nuevo Producto (Decisión A)
En caso de elegir desarrollar un nuevo producto, tendrá también que elegir entre Desarrollarlo
elegir Consolidar un producto ya desarrollado, entonces tendrá que elegir entre Consolidar un
el mercado (Decisión B-2). Todas estas opciones de decisión serán graficadas en el Árbol de
Decisiones (nodos de decisión), a la vez que se otorgarán las diferentes posibilidades de reacción
9
del mercado (nodos de incertidumbre) como buena, moderada y pobre reacción del mercado. Lo
En este punto dependerá de la información con la que cuente la empresa para que pueda seguir
adelante con el análisis y determinar cuál sería la opción más adecuada a elegir, pero no entraremos
en detalles aún puesto que eso se explicará con más detenimiento posteriormente.
La técnica de Árbol de Decisión es también utilizada por entidades financieras (bancos, cajas
de ahorro y crédito, micro-financieras, cooperativas, etc.) para la evaluación del riesgo crediticio
de sus clientes (el riesgo de crédito es la posibilidad de pérdida económica derivada del
incumplimiento de las obligaciones asumidas por las contrapartes de un contrato), en este caso
utilizarán esquemas de tipo Árbol de Decisiones para clasificar a los clientes de alto, moderado y
bajo riesgo o quizá en buen o mal cliente. En este tipo de evaluación de riesgo, se clasificará a los
clientes de créditos en clientes de alto, moderado o bajo riesgo tomando en cuenta valores
10
cualitativos como la historia crediticia del cliente; y valores cuantitativos como el aval, los
Podríamos considerar que estos son valores que evaluaremos siempre en todo cliente, sin
embargo cada uno tendrá una importancia en la evaluación, de tal manera que en algunos casos no
será necesario evaluar alguno de ellos para clasificar el riesgo, nos será de mayor utilidad observar
el siguiente esquema.
Como podemos observar, en el caso de aquellas personas que perciben un nivel bajo de ingresos
se les calificará de alto riesgo, las personas que perciben ingresos altos y medios necesitaran que
se les evalúe la historia crediticia; sin embargo la evaluación terminará allí para quienes tienen
11
ingresos altos, mientras que para aquellos que tienen ingresos medios e historia crediticia
La parte más importante suele ser identificar las distintas alternativas, los posibles
eventos que pueden influir en los resultados y las probabilidades de ocurrencia de estos eventos.
el Árbol de Decisiones tiene un esquema específico, sigue una secuencia que es el partir
análisis.
Árbol de Decisiones hace posible un mayor entendimiento y que sea fácil ubicar la
4. CARACTERÍSTICAS
Plantea el problema para que todas las opciones sean analizadas. Esto debido a la forma
ramificada del Árbol de Decisiones, que hace que de un problema existente (el tronco del
12
árbol), se desprendan todas las posibles soluciones (las ramas del árbol), esto nos permite
cada opción minuciosamente y haciendo el mismo análisis de cada una para llegar así a
Permite analizar de manera completa todas las posibles consecuencias de tomar una
ordenada siguiendo una secuencia que hace que podamos manejar con mayor facilidad los
datos obtenidos.
Ayuda a realizar las mejores decisiones con base a la información existente y a las
resultados posibles.
Su estructura permite analizar las alternativas, los eventos, las probabilidades y los
resultados. Permite mostrar la estructura total del problema, poniendo de manifiesto tanto
13
ramas y hojas que apunten a todos los factores que rodean una situación en particular.
Dependiendo de la situación y del resultado deseado, existen varios tipos de árboles que se puede
usar:
Árbol de clasificación
Se usa el árbol de clasificación cuando existen diferentes partes de información que se
haya calculado para determinar el resultado más predecible. Con el árbol de decisión por
clasificación se debe usar un proceso binario de categorías y subcategorías para
esquematizar las diferentes variables que rodean a un resultado. Este tipo de árbol puede
emplearse en probabilidad y estadística.
Árbol de regresión
Este tipo de árbol de decisión se usa cuando se tiene diferentes partes de información
para determinar un único resultado predeterminado. Durante el proceso de construir este
árbol se debe dividir las diferentes partes de información en secciones y luego subdividir
en varios subgrupos. Este tipo de árbol es usado principalmente en cálculos de bienes
raíces.
Árbol de mejora
Este tipo de árbol de decisión se usa cuando se quiere incrementar la precisión del
proceso de toma de decisiones. Para esto se debe tomar una sola variable y luego
calcularla y estructurarla de manera que la cantidad de errores se minimicen tanto como
sea posible. Este tipo de árbol se usa principalmente en contabilidad y matemáticas.
Algunas técnicas, a menudo llamados métodos conjuntos híbridos, construyen más de un árbol
de decisión:
15
Usos generales del análisis de árboles de decisión
Los árboles de decisión no siempre son la mejor herramienta para el análisis de decisiones. El
árbol de decisiones de un sistema complejo con muchas secuencias de pasos y combinaciones de
condiciones puede tener un tamaño considerable. El gran número de ramas que pertenecen a
varias trayectorias constituye más un problema que una ayuda para el análisis. En estos casos los
analistas corren el riesgo de no determinar qué políticas o estrategias de la empresa son la guía
16
para la toma de decisiones específicas. Cuando aparecen estos problemas, entonces es momento
de considerar las tablas de decisión.
Ejemplo:
ALGORITMOS
ID3 (Induction Decision Trees): Desarrollado por J. Ross Quinlan en 1983. Pertenece a
la familia TDIDT (Top - Down Induction of Decision Trees) El algoritmo ID3 es utilizado
dentro del ámbito de la inteligencia artificial. Su uso se engloba en la búsqueda
de hipótesis o reglas en él, dado un conjunto de ejemplos. El conjunto de ejemplos deberá
estar conformado por una serie de tuplas de valores, cada uno de ellos denominados
17
atributos, en el que uno de ellos, (el atributo a clasificar) es el objetivo, el cual es de
tipo binario (positivo o negativo, sí o no, válido o inválido, etc.). De esta forma
el algoritmo trata de obtener las hipótesis que clasifiquen ante nuevas instancias, si dicho
ejemplo va a ser positivo o negativo.
ACR (Árboles de Clasificación y Regresión) El término Arboles de Clasificación y
Regresión (ACR) es un término genérico utilizado para referirse a ambos de los
procedimientos anteriores, introducido por primera vez por Breiman et al. Los árboles
utilizados para la regresión y los árboles utilizados para la clasificación tienen algunas
similitudes - pero también algunos diferencias, tales como el procedimiento utilizado para
determinar donde dividir.
CHAID (Detector automático de Chi-cuadrado de interacción). Realiza divisiones de
múltiples niveles al calcular los árboles de clasificación.
MARS: Extiende los árboles de decisión para manejar mejor datos numéricos.
Árboles de Inferencia Condicional. Enfoque que utiliza pruebas no paramétricas como
criterios de división, corregidos para múltiples pruebas para evitar el sobreajuste. Este
enfoque se traduce en la selección de un predictor imparcial y no requiere poda.
ID3 y ACR se inventaron de forma independiente en la misma época (entre 1970 y 1980), pero
ambos siguen un enfoque similar para el aprendizaje basado en árboles de decisión. Cada método
debe determinar cuál es la mejor forma de dividir los datos en cada nivel. Los métodos comunes
para hacerlo incluyen la medición de la impureza de Gini, la obtención de información y la
reducción de variaciones.
18
Aleatorio Simple, pero a diferencia de este, no todos los individuos tienen la misma
probabilidad de ser seleccionados para la muestra).
ÁRBOLES DE JUEGO
Es una aplicación del árbol de decisión, puesto que se genera el árbol de acuerdo al nivel de
previsión y cada jugador va decidiendo que jugada le conviene más de acuerdo a la evaluación
de una determinada posición.
19
COMPONENTES DE UN ÁRBOL DE DECISIONES
20
SÍMBOLOS DE LOS ÁRBOLES DE DECISIÓN
Uno de los beneficios del diagrama de árbol de decisión es que no hay demasiados elementos.
Los elementos clave se denominan "nodos" y se representan con un cuadrado o un círculo con
21
ramas (líneas) que los conectan hasta lograr el resultado deseado. Los cuadrados indican
Los nodos tienen, como mínimo, dos ramas que se extienden hacia fuera. Escribe una solución
posible en cada línea y conéctala al siguiente nodo. Continúa haciendo esto hasta que llegues al
Desde este recuadro se deben dibujar líneas hacia la derecha para cada posible
solución, y escribir cuál es la solución sobre cada línea. Se debe mantener las líneas
lo más apartadas posibles para poder expandir tanto como se pueda el esquema.
Al final de cada línea se debe estimar cuál puede ser el resultado. Si este resultado
necesita ser tomada, se debe dibujar otro recuadro. Los recuadros representan
Comenzando por los recuadros de una nueva decisión en el diagrama, dibujar líneas
que salgan representando las opciones que podemos seleccionar. Desde los círculos
debe hacer una pequeña inscripción sobre las líneas que digan que significan.
22
Seguir realizando esto hasta que tengamos dibujado tantas consecuencias y
Una vez que tenemos hecho esto, revisamos el diagrama en árbol. Controlamos cada
cuadro y círculo para ver si hay alguna solución o consecuencia que no hayamos
23
desorganizadas. Ahora ya tendremos un buen entendimiento de las posibles
Aquí es cuando podemos analizar cuál opción tiene el mayor valo r para nosotros.
creemos que podría ser el valor para nosotros si estos resultados ocurren).
Luego, debemos ver cada uno de los círculos (que representan puntos de
fracciones, estas deberían sumar 1 (si utilizamos porcentajes, el total debe sumar
100%). Si tenemos algún tipo de información basada en eventos del pasado, quizás
24
Figura 3: Representación completa de un árbol de decisión.
Una vez que calculamos el valor de cada uno de los resultados, y hemos evaluado la
resultado. Podemos ignorar todos los cálculos que llevan a ese resultado.
25
CALCULAR EL VALOR DE LOS NODOS DE INCERTIDUMBRE (círculos)
que se produzcan. El total para esos nodos del árbo l lo constituye la suma de todos
estos valores.
sobre cada línea de decisión. Luego, debemos calcular el costo total bas ado en los
valores de los resultados que ya hemos calculado. Esto nos dará un valor que
Hay que tener en cuenta que la cantidad ya gastada no cuenta en este análisis - estos
son costos ya perdidos y (a pesar de los argumentos que pueda tener un contador)
la opción que tiene el beneficio más importante, y tomar a este como la decisión
El árbol final con los resultados de los cálculos pueden verse en la siguiente figura:
26
Figura 4: Cálculos en un árbol. De decisión.
CUÁL ES EL RESULTADO
nuevo producto. Es mucho más valiosos para nosotros que tomemos suficiente
27
mercado. Es preferible el mejorar nuestros productos ya desarrollados que echar a
29
Cantidad de alternativas: Presenta inconvenientes cuando la cantidad de alternativas es
grande y cuanto las decisiones no son racionales.
En la elección de un modelo: existe una cantidad muy limitada y dificulta para elegir el
árbol óptimo.
9. LIMITACIONES
El método es válido si el decisor utiliza como criterio decisor maximizar el valor esperado.
El método exige que el decisor pueda soportar el riesgo de ruina.
En caso de que los resultados no sean temporalmente homogéneos habrán de ser
actualizados una misma fecha.
Para datos que incluyen variables categorizadas con diferente número de niveles, el
aumento de la información en árboles de decisión se inclina a favor de esos atributos con
más niveles. Sin embargo, el tema de la selección de predicción sesgada se evita por el
enfoque de inferencia condicional.
10. EJEMPLOS
demanda creciente de sus productos. Para ellos puede optar por alguna de las
la siguiente tabla.
30
Estado de naturaleza(demanda)
Alternativas del
Alta Moderada Baja Falla
fabricante
Solución:
Ampliar la planta
Subcontratar
31
Luego de graficar el árbol de decisión se asigna las probabilidades a cada uno de los estados de
naturaleza.
32
A continuación se calcula el beneficio de cada una de las ramas.
33
Luego, se resuelve el árbol de decisión de derecha a izquierda. Dado que la etapa final es
34
Y por
último lo
que
sigue es
determinista, se debe elegir la alternativa cuyo beneficio sea mayor y colocar el resultado en el
nodo correspondiente.
35
La estrategia
que debe seguir la fábrica es el de subcontratar puesto que este le genera $125,500 de beneficio.
b. Una fábrica esta evaluada en 150 millones. La fábrica desea incorporar un nuevo
se introduce o no al mercado.
36
Alternativa 3: No lanzar inmediatamente el producto al mercado (sin estudio).
estudio de mercado determina que el producto sería un fracaso, existe solo un 10% de
posibilidades de que el producto sea exitoso. Si la empresa no desea correr riesgos (desea
Solución:
37
38
Luego de graficar el árbol de decisión se asigna las probabilidades a cada uno de los
estados de naturaleza.
Luego, se resuelve el árbol de decisión de derecha a izquierda. Dado que la etapa final es
39
Luego se Resuelve la etapa anterior. Dado que dicha etapa es determinista y que los valores que
se ha calculado son beneficios, se debe elegir la alternativa cuyo beneficio sea mayor y colocar el
40
El paso que se sigue es probabilista por lo que debe aplicar el criterio de la esperanza matemática
41
Y por último lo que sigue es determinista, se debe elegir la alternativa cuyo beneficio sea mayor
42
CONCLUSIONES
permitiendo analizar cada una de los enlaces del esquema del árbol de decisiones.
efectivo y el de valor actual, con una representación de los efectos de los eventos y las alternativas
de decisión del futuro. Utilizando el árbol de decisión, la administración puede tener en cuenta
varios cursos de acción con mayor facilidad y claridad. De la misma manera, las interacciones
entre alternativas actuales de decisión, eventos inciertos y elecciones futuras y sus resultados se
para las administraciones que toman decisiones de inversión, frente a la incertidumbre. El concepto
es valioso para ilustrar la estructura de las decisiones de inversión y en la misma forma, puede
capitales.
anticiparse y predecir los posibles resultados de las decisiones a tomar, dentro de éxito y la
cómo llevar a cabo un adecuado proceso de elección de estrategias y decisiones nos llevara a estar
43
Lista de referencias
Andrews, S. Fastqc, (2010). A quality control tool for high throughput sequence data.
Augen, J. (2004). Bioinformatics in the post-genomic era: Genome, transcriptome, proteome,
and information-based medicine. Addison-Wesley Professional.
Blankenberg, D., Kuster, G. V., Coraor, N., Ananda, G., Lazarus, R., Mangan, M., ... & Taylor,
J. (2010). Galaxy: a web‐based genome analysis tool for experimentalists. Current
protocols in molecular biology, 19-10.
Bolger, A., & Giorgi, F. Trimmomatic: A Flexible Read Trimming Tool for Illumina NGS Data.
URL http://www. usadellab. org/cms/index. php.
Giardine, B., Riemer, C., Hardison, R. C., Burhans, R., Elnitski, L., Shah, P., ... & Nekrutenko,
A. (2005). Galaxy: a platform for interactive large-scale genome analysis. Genome
research, 15(10), 1451-1455.
44
45