TCNICAS

DECISIONALES
AGENDA
Reconocer que la incertidumbre es una Caracterstica
fundamental de cualquier entorno en el que se toman las
decisiones humanas.
Aplicar la teora de probabilidades para analizar y expresar las
incertidumbres de un evento y el entorno.
Tener las bases necesarias para hacer inferencias estadsticas
de futuros eventos y sobre las Caractersticas de la poblacin
basndonos en informacin muestral.
Eliminar la sensacin de misterio y temor en el uso de las
probabilidades.
Toma de decisiones
Diariamente nos enfrentamos a situaciones de toma de
decisiones, sin disponer de toda la informacin
necesaria(incertidumbre).
La Teora de la Probabilidad, Ciencia de la
Incertidumbre se ocupa del estudio de la mejor
decisin cuando contamos con informacin reducida.
La probabilidad es importante en la toma de
decisiones, porque suministra un mecanismo para
medir, expresar y analizar la incertidumbre asociada
con eventos futuros; permitiendo a quien toma
decisiones analizar con informacin limitada los
riesgos y minimizar el azar inherente.


Definiciones
Experimento
Actividad que origina un evento.
Proceso de hacer una observacin y obtener un resultado.
Experimento Aleatorio
Cualquier proceso de observacin que puede repetirse a voluntad en
condiciones similares, con la condicin de que el resultado no puede
ser previsto antes de cada una de sus realizaciones.
Resultado
Lo que obtenemos de un experimento.
Espacio Muestral
Coleccin de todos los posibles resultados de un experimento.
Evento
Uno o ms de los posibles resultados de un experimento.
Lanzar una moneda Cara, Sello.
Lanzar dos monedas CC, CS, SC, SS
Sacar una carta (valor) 2v, 2+, ..., A+ (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar, Perder
Inspeccionar una parte Defectuoso, Bueno

Experimento Espacio Muestral
Evento Resultados
A: Un cliente Cancel A={CN, NC}
B: El 1er visitado Cancel B={CC, CN}
C: Al menos Uno Cancel C={CC, CN, NC}
D: Los dos clientes Cancelaron D={CC}
Experimento: Cobranza a dos clientes
Espacio Muestral: ={CC, CN, NC, NN}
Probabilidad
Es la medida numrica
de la certeza de que un
resultado pueda ocurrir.
Su valor est entre 0 y 1

Cierto
Imposible
.5
1
0
Experimentos y Eventos
1. Cul es la probabilidad de obtener 1 Cara si
arrojamos una moneda una vez?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob=
{ }
{ }
5 . 0
2
1
,
= =
s c
c
Experimentos y Eventos
Cul es la probabilidad de sacar un as al
sacar un naipe de una baraja?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob=
{ }
0769 . 0
13
1
52
4
Naipes 52
Espadas de As Diamantes, de As Trboles, de As Corazones, de As
= = =
Experimentos y Eventos
Si lanzamos 2 dados, cul es la
probabilidad de obtener un
puntaje de 7?
Posibles Resultados de Nmero
Favorables Resultados de Nmero
Prob=
{ }
1667 . 0
36
6
6
) 1 , 6 ( ), 2 , 5 ( ), 3 , 4 ( ), 4 , 3 ( ), 5 , 2 ( ), 6 , 1 (
2
= =
ENFOQUES DE LA PROBABILIDAD
PROBABILIDAD
OBJETIVA
PROBABILIDAD
CLASICA (1/n)
PROBABILIDAD
FRECUENCIA RELATIVA
(fi/n)
PROBABILIDAD
SUBJETIVA ( )
ENFOQUES DE LA PROBABILIDAD
a) Probabilidad Clsica (Situacin decisional nueva)
Se basa en la consideracin de que los
resultados de un experimento son
igualmente posibles.
posibles resultados de total nmero
favorables resultados de nmero
= evento un de ad Probabilid
I. PROBABILIDAD OBJETIVA
Consideracioneslos eventos deben ser.
EJEMPLO 1
Alexis est postulando a su primer trabajo profesional
(Adjudique/Deniegue)Cul es la probabilidad de que
obtenga el puesto?
Aplicando el concepto de probabilidad clsica:
La probabilidad sera: P(A) = = 0.5
La Brasa Roja desea adquirir su primer auto de 4
posibles marcas (Toyota, Nissan, Ford y VW). Si desea
elegir el mejor para efectos de cumplir con el reparto a
domicilio. Cul es la probabilidad de Nissan sea la
marca elegida?
Aplicando el concepto de probabilidad clsica:
La probabilidad sera: P(N)= = 0.25
b) Probabilidad Emprica o de frecuencias
relativas (Situacin decisional reiterada)
Es la probabilidad de que un evento ocurra a
largo plazo.
Se determina observando en cuantas veces se
repite un evento semejante en el pasado:
nes observacio de total nmero
evento el ocurri que veces de nmero
= evento del ad Probabilid
La probabilidad que suba el dlar.
La probabilidad que un cliente me compre.
EJEMPLO 2
El Colegio de psiclogos del Per ha detectado
que en 186 centros educativos de 1200
analizados se hallaron casos de Bullying.
Cul es la probabilidad de que en el prximo
centro educativo se casos de Bullying?
Aplicando el concepto de frecuencias relativas,
la probabilidad de que gane sera:
P(G) = 186 /1200 = 0.155
Probabilidad Subjetiva:
Es la probabilidad otorgada por un individuo
a la ocurrencia de un evento especfico basada
en cualquier informacin disponible: su
experiencia, opinin personal anlisis
propio de la situacin particular que se evala
(estado de informacin de una persona).
Ejemplos de la probabilidad subjetiva son
estimar la probabilidad de que un equipo de
ftbol gane el campeonato este ao.
II. PROBABILIDAD SUBJETIVA
Eventos Mutuamente Excluyentes.
Eventos Colectivamente Exhaustivos.
Eventos mutuamente excluyentes: La ocurrencia de
cualquier evento implica que ningn otro puede ocurrir
al mismo tiempo.
Eventos Colectivamente exhaustivos: Lista de eventos
que registra todos los resultados posibles cuando se
realiza un experimento, de modo tal que su unin debe
ser igual al espacio muestral .
Evento A Evento B
Evento A Evento B
Analizando el caso de:
Considere el evento de que un cliente cancel A={CN,NC}
Probabilidad de que un cliente cancel P(A) = 2/4 = 1/2.

Los cuatro resultados posibles son mutuamente
excluyentes. CC,CN,NC,NN
Los cuatro resultados posibles son colectivamente
exhaustivos. En otras palabras, la suma de las Prob. es:
(0.25 + 0.25 + 0.25 + 0.25) = 1
Experimento: Cobranza a dos clientes
Espacio Muestral: ={CC, CN, NC, NN}
REGLAS O PROPIEDADES DE LA PROBABILIDAD

1.- COMPLEMENTO

2.-ADICION:
Evento Mutuamente Excluyente
Evento Colectivamente Exhaustivos
2.- MULTIPLICACION
Eventos Independientes
Eventos Dependientes
Regla del complemento
La regla del complemento se utiliza para
determinar la probabilidad un evento, conociendo
su probabilidad de No Ocurrencia.
Se obtiene restando del nmero 1 la probabilidad
de que No ocurra un evento.
Si P(A) es la probabilidad del evento A y P(A
c
) es
el complemento de A,
P(A) + P(A
c
) = 1
P(A) = 1 P(A
c
).
Evento A
Complemento de A

A
c
EJEMPLO 3
Tans acaba de proporcionar la
siguiente informacin de sus
vuelos de Lima a Nueva
York:
5-12
LLEGADA Frecuencia
Antes de Tiempo 100
Demorado 75
A tiempo 800
Cancelado 25
Total 1000
Sea el evento que un vuelo:
A :llegue antes de tiempo.
B: llegue demorado.
C: llegue a tiempo
D: sea cancelado
P(A) = 100 /1000 = 0.1.
P(B) = 75 /1000 = 0.075.
P(C) = 800 /1000 = 0.8.
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar que la probabilidad de
que el vuelo llegue antes de tiempo (A) o demorado (B) es 0.175.
EJEMPLO 3 continuacin
P(A o B) = 1 - P(C o D) = 1 - [0.8 + 0.025] = 0.175
C = 0.8
D=0.025
5-17
A=0.1 B=0.075
(C o D)
C
= (A o B)= 0.175
Regla de la Adicin
Si dos eventos A y B son mutuamente excluyentes, la
probabilidad de que ocurra A o B es igual a la suma de
sus probabilidades respectivas:
P(A o B) = P(A U B) = P(A) + P(B)

EJEMPLOS:
Probabilidad que al lanzar una moneda salga Cancel o
Posterg.
La probabilidad de que un vuelo llegue antes de tiempo o
demorado es
P(A o B) = P(A U B) = P(A) + P(B) = 0.1+0.075 = 0.175
Regla de la Adicin
Si A y B son dos eventos no mutuamente
excluyentes, entonces
P(A o B) = P(A U B) = P(A)+P(B)-P(A y B)

Probabilidad conjunta es la probabilidad que
mide la posibilidad de que dos o ms eventos
ocurran juntos.
Regla especial de la Adicin
Evento A Evento B
P(A o B) = P(A) + P(B) - P(A y B)
Espacio Muestral
Probabilidad
Conjunta
EJEMPLO 4
En una muestra de 500 estudiantes, 320
dijeron tener un estreo, 180 dijeron
tener una Tv. y 100 dijeron tener ambos:
Estreo
320
Ambos
100
Tv.
180
Si un estudiante es
seleccionado
aleatoriamente,
Cul es la
probabilidad de
que tenga un
Estreo, tenga una
Tv., y tanto Tv.
como Estreo?
P(S) = 320 /500 = 0.64.
P(T) = 180 /500 = 0.36.
P(S y T) = 100 /500 = 0.20.
P(S o T) = P(S) + P(T) - P(S y T)
= 0.64 + 0.36 - 0.20 = 0.80
Regla de la Multiplicacin
Si dos eventos A y B son independientes (la
ocurrencia de B no afecta la probabilidad de
ocurrencia de A). Es decir: P(A|B) = P(A)

Su probabilidad conjunta es:
P(A y B) = P(A B) = P(A) * P(B).

Si dos eventos A y B no son independientes (la
ocurrencia de B afecta la probabilidad de ocurrencia
de A).
Surge el concepto de Probabilidad Condicional
Probabilidad condicional
Probabilidad condicional es la probabilidad de que
ocurra un evento en particular, dado que ocurri otro
evento.

P(B|A).
Se lee: La probabilidad de que ocurra el evento B dado
que ya ocurri A.

P(A|B).
Se lee: La probabilidad de que ocurra el evento A
dado que ya ocurri B.
) (
) (
) | (
A P
B A P
A B P

=
Regla general de multiplicacin
La probabilidad conjunta que ambos ocurran se
encuentra multiplicando la probabilidad de A
por la probabilidad condicional de B dado
que A ocurri.
P(A y B) = P(A B) = P(A) * P(B|A)
EJEMPLO 5
Ripley posee dos inventarios independientes uno de
otro. La probabilidad de que el inventario A aumente
su valor el prximo ao es 0.5, mientras que la
probabilidad de que el B aumente el suyo es 0.7.
Cul es la probabilidad de que ambos aumenten su valor
el prximo ao? Cul es la probabilidad de que al
menos uno aumente su valor el prximo ao (esto
implica que cualquiera de los dos o ambos aumenten)?

P(A y B) = (0.5)(0.7) = 0.35.

As, P(al menos uno) = (0.5)(0.3)+(0.5)(0.7)+(0.7)(0.5)
= 0.85.
EJEMPLO 6
La directora de la escuela de administracin recolect la
siguiente informacin de los estudiantes:
GENERO
CARRERA Hombre Mujer Total
Contabilidad 170 110 280
Economa 120 100 220
Marketing 60 70 130
Administracin 150 120 270
Total 500 400 900
P(HyA)=
P(H/A)=
P(A/H)=
P(HoA)=
Si se elige uno al azar,
cul es la probabilidad de
que el estudiante sea mujer
del rea de contabilidad?
P(M y C) = 110 / 900.
S se sabe que la estudiante
es mujer, cul es la
probabilidad que estudie
contabilidad?
P(C|M) = [110/400]= 0.275
Diagrama de rbol
Un diagrama de rbol (o arborigrama) es una representacin grfica
muy til para visualizar las probabilidades condicional y conjunta y
en particular para el anlisis de decisiones administrativas que
involucran varias etapas.
Donde cada segmento en el rbol es una etapa del problema.

Nodo inicial. Puede o no representar un evento.
Nodos finales o terminales. Son el nmero de alternativas.
Ramas. Une a dos nodos
PROBABILIDAD A PRIORI
Es la probabilidad inicial con base en el nivel actual de informacin.

PROBABILIDAD A POSTERIORI
Es una probabilidad revisada con base en informacin adicional.

Teorema de Bayes
El teorema de Bayes se representa con la
frmula:
) | ( * ) ( ) | ( * ) (
) | ( * ) (
) | (
2 2 1 1
1 1
1
A B P A P A B P A P
A B P A P
B A P
+
=
Ejemplo 07
En un pueblo alejado, 5% de la poblacin padece una
enfermedad originaria de dicho lugar. A priori podemos afirmar
que la probabilidad de que una persona seleccionada al azar
padezca la enfermedad es 5%, y de que no la padezca es 95%.
Existe una prueba de diagnstico para detectar la enfermedad.
Si una persona tiene la enfermedad, la prueba sale positiva en 90% de los
casos.
La estadstica muestra adems que en 15% de los casos, a pesar de que la
persona no padeca la enfermedad, la prueba sali positiva.
Cul es la probabilidad que una persona :
Est enferma y se le detecte?
Dado que su prueba sali negativa, Tenga realmente la
enfermedad?
Tenga realmente la enfermedad, dado que su prueba sali
positiva?
NO tenga la enfermedad?

P(E)
P(no E)
P(P|E)
P(N|E)
P(P|noE)
P(N|noE)
24 . 0
1875 . 0
0450 . 0
) ( ) (
) (
) | ( = =
+
=
noEyP P EyP P
EyP P
P E P
P(E,P)=0.05x0.90=0.0450
P(E,N)=0.05x0.10=0.0050
P(noE,P)=0.95x0.15=0.1425
P(noE,N)=0.95x0.85=0.8075
0.0450 +
0.1425
0.1875
Teorema de Bayes
Revisin de Probabilidades
Posibilidades
a priori
Informacin
Nueva
Teorema
de Bayes
Posibilidades
posteriores
) (
) (
) | (
A P
A B P
A B P

=
P(A
1
y B
2
) P(A
1
)
Total Evento
Tabla de Contingencia
P(A
2
y B
1
)
P(A
1
y B
1
)
Evento
Total 1
Probabilidad
Conjunta
Probabilidad Marginal (Simple)
A
1
A
2
B
1
B
2
P(B
1
) P(B
2
)
P(A
2
y B
2
) P(A
2
)
Caso de la Baraja de Naipes..
Negro
Color
Tipo
Rojo Total
As 2 2 4
No As 24 24 48
Total 26 26 52
Negro
Color
Tipo
Rojo Total
As 1/26 1/26 2/26
No As
6/13
6/13 12/13
Total 13/26
13/26 26/26
Caso de produccin
Cul es la Probabilidad de escoger un artculo?
P (A) =
P (D) =
P (C y B) =
P (A o D) =
P (B y D) =
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

A: Artculos en idioma espaol
B: Artculos en idioma ingls.
C: Artculos sobre estrategia.
D: Artculos sobre gestin.
Solucin
Las probabilidades son:
P (A) = 6/10
P (D) = 5/10
P (C y B) = 1/10
P (A o D) = 9/10
P (B y D) = 3/10
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

Plus
Cul es la probabilidad?
P (A|D) =
P (C|B) =
Son C y B
independientes?
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

A: Artculos en idioma espaol
B: Artculos en idioma ingls.
C: Artculos sobre estrategia.
D: Artculos sobre gestin.
5
2
10
6
P(A)
4
1
10
5
P(C)
4
1
10
4
10
1
P(B)
B) y P(C
B) | P(C
5
2
10
5
10
2
P(D)
D) y P(A
D) | P(A
= = = =
= = =
= = =
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

Tipos de Probabilidades
Condiciones de
Dependencia Estadstica
Condiciones de
Independencia Estadstica
Tipos de
Probabilidad
Smbolo
Marginal P ( A ) P ( A ) P (ABi)
Condicional P ( A|B ) P ( A ) P (A,B) / P ( B )
Conjunta P ( A,B ) P ( A ) x P (B) P (A | B) x P (B )