UNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.
|
|
- Luz Salas Murillo
- hace 6 años
- Vistas:
Transcripción
1 H. R. Alvarez A., Ph.
2 Modelos y la toma de decisiones El proceso racional de toma de decisiones utiliza modelos y reglas matemáticas Estos modelos y reglas permiten un proceso sistemático y ordenado de toma de decisiones La idea de utilizar modelos no es nueva: mapas, diagramas de flujo, gráficas y ecuaciones básicas apoyan el proceso racional de toma de decisiones H. R. Alvarez A., Ph.
3 El proceso racional de toma de decisiones El proceso racional de toma de decisiones gerenciales es Un proceso sistemático ayuda a resolver necesita la definición de Problemas económicos o de negocios Variables y factores pueden ser analizados a través de ayudan a definir el Modelo analizados con cuantitativamente descrito por combinadas en Representación matemática llevan finalmente a Curso de acción H. R. Alvarez A., Ph.
4 Qué es un modelo? Un modelo es una representación de un grupo de objetos o ideas de alguna manera diferente a la entidad misma Es una abstracción de la realidad Son ideales No son exactos H. R. Alvarez A., Ph.
5 Taxonomía Modelos Físicos Mentales Simbólicos Icónicos A escala Visuales Matemáticos Estáticos Simulación Optimización Predictivos Descriptivos Determinísticos Probabilísticos H. R. Alvarez A., Ph.
6 Elementos de un modelo Variables de estado: definen las condiciones del sistema en un momento dado (variables independientes) Endógenas Exógenas Variables de decisión: definen la respuesta del modelo (variables dependientes) H. R. Alvarez A., Ph.
7 Costo vs. valor Valor del modelo $ Costo del modelo Área de decisión N H. R. Alvarez A., Ph.
8 Características del modelo Tratabilidad Trazabilidad Factibilidad Convergencia o Intervalo de confianza de la solución t H. R. Alvarez A., Ph.
9 Solución del modelo Analítica Métodos numéricos Simulación Discreta Dinámica Heurística H. R. Alvarez A., Ph.
10 H. R. Alvarez A., Ph.
11 Árboles de decisión Están dentro del área de técnicas bayesianas 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 que pueden ser diferentes para cada alternativa Una serie de decisiones consecutivas *Un buen análisis de decisiones incluye un análisis de riesgo H. R. Alvarez A., Ph.
12 Árboles de decisión: Componentes y estructura Alternativas de decisión en cada punto de decisión Estados de la naturaleza o Eventos que pueden ocurrir como resultado de cada alternativa de decisión. H. R. Alvarez A., Ph.
13 Árboles de decisión: Componentes y estructura 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 H. R. Alvarez A., Ph.
14 Árboles de decisión: Componentes y estructura 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 H. R. Alvarez A., Ph.
15 Árboles de decisión: Componentes y estructura: ejemplo Punto de decisión Evento 1 P(Evento 1) Pago 1 Alternativa 1 Evento 2 P(Evento 2) Pago 2 Evento 3 P(Evento 3) Pago 3 Alternativa 2 Pago 4 H. R. Alvarez A., Ph.
16 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 H. R. Alvarez A., Ph.
17 Ejemplo de la rifa: Suponga que usted compra en $1,000 un número (de 00 a 99) de una rifa, la cual paga un premio de $ Hay dos eventos posibles: Usted gana la rifa, o Pierde Cuál es el valor esperado del juego? H. R. Alvarez A., Ph.
18 Árboles de decisión: Análisis: ejemplo de la rifa Punto de decisión Juega la rifa -$500 Gana (0,01) $49,000 Pierde (0,99) $ -1,000 No juega la rifa $ 0 H. R. Alvarez A., Ph.
19 Árboles de decisión: Análisis: ejemplo de la rifa En el nodo de evento se calculó el valor esperado de jugar la rifa Luego se selecciona, en este caso el valor más alto (por ser ganancias) La decisión desechada se marca con \\ En este caso la decisión es no jugar la rifa H. R. Alvarez A., Ph.
20 Árbol de decisión utilizando TreePlan H. R. Alvarez A., Ph.
21 Árboles de decisión: ejemplo Un fabricante está considerando la producción de un nuevo producto. La utilidad incremental es de $10 por unidad y la inversión necesaria en equipo es de $ El estimado de la demanda es como sigue: Unidades Probabilidad H. R. Alvarez A., Ph.
22 Árboles de decisión: ejemplo (continuación): Tiene la opción de seguir con el producto actual que tendría una utilidad incremental de $5.5. De hacerlo y si no hace publicidad, tendría ventas de unidades, pero con la opción de que si destina $ en publicidad podría, con una probabilidad de 80% conseguir ventas de unidades y de un 20% de que éstas sean de unidades Construya el árbol de decisión y determine la decisión óptima H. R. Alvarez A., Ph.
23 H. R. Alvarez A., Ph.
24 Árboles de decisión: ejemplo: La decisión de Larry Durante la última semana Larry ha recibido 3 propuestas matrimoniales de 3 mujeres distintas y debe escoger una. Ha determinado que sus atributos físicos y emocionales son más o menos los mismos, y entonces elegirá según sus recursos financieros La primera se llama Jenny. Tiene un padre rico que sufre de artritis crónica. Larry calcula una probabilidad de 0.3 de que muera pronto y les herede $ Si el padre tiene una larga vida no recibirá nada de él H. R. Alvarez A., Ph.
25 Árboles de decisión: ejemplo: La decisión de Larry La segunda pretendiente se llama Jana, que es contadora en una compañía. Larry estima una probabilidad de 0.6 de que Jana siga su carrera y una probabilidad de 0.4 de que la deje y se dedique a los hijos. Si se dedica a los hijos podría tener un trabajo de tiempo parcial por $ Si continúa con su trabajo puede decidir entre, pasar a auditoría, donde hay una probabilidad de 0.5 de ganar $ y de 0.5 de ganar $30.000, o bien pasar al departamento de impuestos donde ganaría $ con probabilidad de 0.7 o $ (0.3). H. R. Alvarez A., Ph.
26 Árboles de decisión: ejemplo: La decisión de Larry La tercer pretendiente es María, la cual sólo puede ofrecer a Larry su dote de $ Con quién debe casarse Larry? Por qué? Cuál es el riesgo involucrado en la secuencia óptima de decisiones? Gallagher. Watson. METODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES EN ADMINISTRACIÓN. McGraw Hill, México, 1982 H. R. Alvarez A., Ph. Tomado de:
27 H. R. Alvarez A., Ph.
28 Los Árboles de decisión y el riesgo El análisis del riesgo ayuda al tomador de decisiones a identificar la diferencia entre: el valor esperado de una alternativa de decisión, y el resultado que efectivamente podría ocurrir H. R. Alvarez A., Ph.
29 Los Árboles de decisión y el riesgo El riesgo se refiere a la variación en los resultados posibles Mientras más varíen los resultados, entonces se dice que el riesgo es mayor Existen diferentes maneras de cuantificar el riesgo, y una de ellas es la variancia H. R. Alvarez A., Ph.
30 Los Árboles de decisión y el riesgo La variancia se calcula como: var( X) m p(x ) j j 1 2 X 2 Donde P(X j ) es la probabilidad del evento X j y E(X) es el valor esperado de X H. R. Alvarez A., Ph.
31 Los Árboles de decisión y el riesgo: ejemplo: el caso de Larry (datos en miles) Decisión X P(X) E(X) var Jenny , Jana María H. R. Alvarez A., Ph.
32 H. R. Alvarez A., Ph.
33 Los Árboles de decisión y el riesgo: ejemplo: el caso de Larry La decisión por Jenny es la del valor esperado más alto, pero también es la más riesgosa, pues los resultados varían entre $0 y $ La decisión por María es la menos riesgosa, pero la de menor rendimiento Tal vez la mejor decisión sea Jana, ya que el valor esperado es cercano al de Jenny pero con un riesgo menor H. R. Alvarez A., Ph.
34 H. R. Alvarez A., Ph.
35 Conceptos básicos La cantidad de producto, sea este tangible o intangible, que puede producirse bajo condiciones dadas de operación se conoce como Capacidad. En organizaciones manufactureras, hay que saber el tipo de tecnología en los procesos de transformación: químicos, de fabricación o ensamblaje. De igual manera si se desarrollan procesos analíticos, donde se disgregan recursos en componentes diferentes como producto final, o si son sintéticos, esto es, combina materias primas en un producto final. En organizaciones de servicio, hay que definir el grado de contacto con el cliente. En procesos de alto contacto, el cliente es parte del sistema que proporciona el servicio. En sistemas de bajo contacto, el cliente recibe el servicio sin ser parte del sistema. H. R. Alvarez A., Ph.
36 Estrategias en la administración de la capacidad Análisis Económico: Es importante encontrar una justificación económica que permita sustentar una estrategia de aumento o disminución de la capacidad. Análisis del riesgo:. Las decisiones de capacidad son decisiones riesgosas ya que dependen de factores muchas veces no controlables por la organización Consideraciones no económica: Operación La competencia Flexibilidad H. R. Alvarez A., Ph.
37 Estrategia de expansión: Maximiza el mercado C a p a c i d a d Capacidad ociosa planificada Tiempos entre incrementos Pronóstico de capacidad Incremento en capacidad Tiempo H. R. Alvarez A., Ph.
38 Esperar a ver: Optimiza capacidad Pronóstico de capacidad C a p a c i d a d Opciones a corto plazo Tiempos entre incrementos Incremento en capacidad Tiempo H. R. Alvarez A., Ph.
39 Estrategia combinada Tiempos entre incrementos de capacidad ociosa C a p a c i d a d Capacidad ociosa planificada Intervalo de capacidad limitada Opciones a corto plazo Tiempo H. R. Alvarez A., Ph.
40 Estimando los requerimientos de capacidad El número total de horas máquina necesarias para satisfacer una demanda dada se puede expresar como: P P Di R Dp i i si Q Donde: i 1 i 1 R : Total de horas máquinas requeridas al año D i : Demanda del producto o servicio I pronosticada P : Número de productos o servicios diferentes producidos p i : Tiempo de procesar una unidad de producto o servicio i s i : Tiempo de preparación para un producto o servicio i Q i : Tamaño de lote de producto o servico i i H. R. Alvarez A., Ph.
41 Estimando los requerimientos de capacidad El número total de máquinas o centros de trabajo disponibles: Donde: C H N H : Total de horas disponibles al año en un centro de trabajo, N : Número de horas operadas en los diferentes turnos de trabajo. C : Colchón de capacidad (como porcentaje) H. R. Alvarez A., Ph.
42 Estimando los requerimientos de capacidad Número de máquinas o centros de trabajo requeridos: Donde: R M H M : Número de centros de trabajo para acomodar la demanda pronosticada H. R. Alvarez A., Ph.
43 Ejemplo: Un centro de copiado en una oficina prepara reportes para dos clientes. El tiempo de copiado, compaginado y anillado depende más que nada del número de páginas. La tabla que a continuación se muestra da la información necesaria para cada cliente. El centro opera 250 días al año, en un turno de 8 horas. Se estima un colchón de capacidad de un 15%. Cuántas máquinas copiadoras se deben recomendar? Item Cliente 1 Cliente 2 Demanda anual (reportes) Tamaño del lote (copias por reporte) Tiempo estándar de procesamiento (por copia) min 1 min Tiempo de preparación por reporte 6 hours 4 hours H. R. Alvarez A., Ph.
44 Item Cliente 1 Cliente 2 Total de copias 45,000 50,000 Tiempo de proceso (horas) Tiempo de preparación (horas) Tiempo total requerido R 1,800 1, , Horas Tiempo disponible Turnos por día 1 Horas por turno 8 Dias de trabajo al año 250 Colchón de capacidad (%) 15 H 1700 Hours Copiadoras requeridas M 3 Máquinas H. R. Alvarez A., Ph.
Valor esperado: ejemplo
Simulación de Negocios Internacionales Teoría de la Decisión Valor esperado: ejemplo. International Negotiation CARLOS MARIO CALDERÓN OSSA INGENIERO DE SISTEMAS. ESPECIALISTA EN MERCADEO ESPECIALISTA GERENCIA
Más detallesde Operaciones Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación Profesor: I.S.C. Guadalupe Hernández Coca
Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación de Operaciones Profesor: I.S.C. Guadalupe Hernández Coca Periodo: Julio Diciembre 2011 Keywords: investigation of operations,
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesArboles de decisión. Area de Computación e Inteligencia Artificial
Arboles de decisión Teoría de la decisión Hemos estudiado las redes bayesianas como instrumento para el diagnóstico en presencia de incertidumbre. La idea ahora es aprovechar ese diagnóstico para decidir
Más detallesNUCLEO TEMATICO: GENERALIDADES SOBRE MODELOS y MODELOS FINANCIEROS SEMANA: 1 TEMA INTRODUCCIÓN A LA TEORIA DE MODELOS 1
NUCLEO TEMATICO: GENERALIDADES SOBRE MODELOS y MODELOS FINANCIEROS SEMANA: 1 TEMA INTRODUCCIÓN A LA TEORIA DE MODELOS 1 DEFINICIÓN DE MODELO: Los sistemas administrativos se caracterizan por ser dinámicos,
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesArboles de decisión. Area de Computación e Inteligencia Artificial
Arboles de decisión 1 Teoría de la decisión Hemos estudiado las redes bayesianas como instrumento para el diagnóstico en presencia de incertidumbre. La idea ahora es aprovechas ese diagnóstico para decidir
Más detallesMODELIZACION 01. Universidad Nacional de La Pampa Facultad de Ciencias Económicas y Jurídicas 18 - Métodos Cuantitativos para la Administración
Bibliografía Mathur y Solow; Investigación de Operaciones - El arte de la toma de decisiones. Ed. Prentice Hall Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración.
Más detallesAnálisis de. Análisis de. Decisiones:
Análisis de : Tablas de Pagos y Árboles de Decisión Fragoso Iñiguez I Marisol Salazar Rosales Leandro Julián Noviembre, 06 Tablas de Pagos Una situación de decisión en condiciones de incertidumbre puede
Más detallesLa Toma de Decisiones. Conceptos generales
Introducción La Toma de Decisiones Conceptos generales El contexto actual: fuerzas competitivas Presión Organización competitiva Nuevos negocios Porter, Michael (1998) Competitive Advantage, Collier McMillan,
Más detallesSesión 14: Redes de Decisión
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 14: Redes de Decisión un agente racional ideal es aquel que, para cada posible secuencia de percepciones, realiza la acción que maximiza su
Más detallesDar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones
I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría
Más detallesAnálisis de Decisiones
Análisis de Decisiones Facultad de Ciencias Exactas UNCPBA Mg. María Rosa Dos Reis Ambientes de Decisión Toma de decisiones bajo certidumbre: los datos se conocen en forma determinista. P ij = 1 Toma de
Más detalles2.3 Clasificación de modelos matemáticos.
2.3 Clasificación de modelos matemáticos. Qué es un modelo? Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien
Más detallesAnálisis de decisión
Universidad del CEMA Evaluación de Riesgo Agropecuario Arboles de Decisión Ariadna Berger Análisis de decisión El análisis de decisión se puede usar para seleccionar una estrategia cuando quien tiene que
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesDefinición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad
Definición de 2 Planeación Estratégica de la El más alto nivel de producción que una compañía puede sostener razonablemente, con horarios realistas para su personal y con el equipo que posee. Administración
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesCompetencia Matemática
Instituto Nacional para la Evaluación de la Educación Dirección de Proyectos Internacionales y Especiales Competencia matemática en PISA Jornadas bajacalifornianas en materia de Evaluación Educativa 2011
Más detallesPERFIL PROFESIONAL DE INGENIERÍA QUÍMICA
PERFIL PROFESIONAL DE INGENIERÍA QUÍMICA Universidad Politécnica de Tlaxcala I. Programa Educativo II. Objetivo del Programa Educativo III. Requerimientos del Sector Productivo IV. Áreas Funcionales de
Más detalles13. Utilizar la fórmula del término general y de la suma de n términos consecutivos
Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma
Más detallesSupuesto 13 La empresa LÍNEA S.A., dedicada a la fabricación y venta de muebles desea introducirse en el mercado chino.
1 Supuesto 13 La empresa LÍNEA S.A., dedicada a la fabricación y venta de muebles desea introducirse en el mercado chino. Con tal fin, está analizando dos posibilidades de actuación: A. Comenzar con una
Más detallesModelos Para la Toma de Decisiones
Modelos Para la Toma de Decisiones 1 Sesión No. 5 Nombre: Modelos de decisión. Primera parte. Contextualización Modelos para decidir? Hemos visto herramientas de tipo más bien matemático que nos permiten
Más detallesMÉTODOS PROBABILÍSTICOS DE OPTIMIZACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN DIVISIÓN DE MATEMÁTICAS E INGENIERÍA LICENCIATURA EN INGENIERÍA CIVIL ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1514 SEMESTRE:
Más detallesModelación de Incertidumbre para la Toma de Decisiones
14 de febrero de 2003 Modelación de Incertidumbre para la Toma de Decisiones Dr. Roberto Ley Borrás CONSULTORÍA EN DECISIONES robertoley (at) decidir. org Basado en el libro Análisis de Incertidumbre y
Más detallesAnexo 16. Metodología para Determinar el Riesgo Asociado de los Proyectos de Generación
Anexo 16 Metodología para Determinar el Riesgo Asociado de los Proyectos de Generación METODOLOGIA PARA DETERMINAR EL RIESGO ASOCIADO DE LOS PROYECTOS DE GENERACIÓN El solo listado de las variables incluidas
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA MANUFACTURA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CADENA DE SUMINISTROS
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA MANUFACTURA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CADENA DE SUMINISTROS 1. Competencias Gestionar los procesos de manufactura, a través
Más detallesINDICE 1. Sistema de Mantenimiento 2. Operaciones y Control del Mantenimiento
INDICE Prefacio 19 Reconocimientos 23 Acerca de los autores 25 Abreviaturas y acrónimos 27 1. Sistema de Mantenimiento 29 1.1. Introducción 29 1.2. Actividades de planeación 32 1.2.1. Filosofía del mantenimiento
Más detallesSISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS
IIC3712 GESTIÓN de las TEC. de INFORMACIÓN SISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS Ignacio Casas R. Escuela de Ingeniería Pontificia Universidad Católica de Chile Mayo, 2002 Qué es la Toma
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial
UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera Asignatura: Método Cuantitativo Empresarial CLAVE: PDF-421 Prerrequisitos: Licenciatura No. de Créditos: 03 I. PRESENTACION El método
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesLa Evaluación Financiera de Proyectos de Informática
La Evaluación Financiera de Proyectos de Informática Cómo clasificar costos y beneficios? Cuáles son los costos y beneficios típicos de un proyecto de informática? Qué técnica es apropiada para evaluar
Más detallesTeoría de la decisión
Contexto general Unidad 2. Ambientes de decisión. El contexto de las decisiones gerenciales. El proceso de la decisión gerencial. El problema. Definición y contexto. Caracterización de los datos Unidad
Más detallesInformación general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesHERRAMIENTAS DE PLANIFICACIÓN
ADMINISTRACIÓN GENERAL I HERRAMIENTAS DE PLANIFICACIÓN Dr. Alfredo Rébori Se han desarrollado distintas técnicas para ayudar a los gerentes en uno de los aspectos más desafiantes de la planificación estratégica:
Más detallesCONCEPTO DE LA CONTABILIDAD DE COSTOS
LECCIÓN Nº 03 CONCEPTO DE LA CONTABILIDAD DE COSTOS OBJETIVO ESPECÍFICO: Conocer y asimilar el concepto y el objetivo de la contabilidad de costos. PROPÓSITO: El estudiante habrá asimilado el significado
Más detallesIN Organización Industrial Repaso curso Estrategia y Teoría de Juegos
IN 5204 - Organización Industrial Repaso curso Estrategia y Teoría de Juegos Ramiro de Elejalde (Slides de Ronald Fischer) CEA, Universidad de Chile de Elejalde (Slides de R. Fischer) Estrategia y Teoría
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesMETODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES EN CONTABILIDAD, ADMINISTRACIÓN, ECONOMÍA. 40 Carlos Bouza Herrera (UH)
METODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES EN CONTABILIDAD, ADMINISTRACIÓN, ECONOMÍA 1 Algunos pensamientos sobre el porque de las investigaciones cuantitatitivas Si es $ es cuantitativa! 2 INTRODUCCIÓN
Más detallesOPTIMIZACION DETERMINISTICA
OPTIMIZACION DETERMINISTICA 1 PROBLEMA GENERAL Además de analizar los flujos de caja de las las alternativas de inversión, también se debe analizar la forma como se asignan recursos limitados entre actividades
Más detallesDar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones
I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría
Más detallesESTADÍSTICA: CONCEPTOS Y CARACTERÍSTICAS
Y CARACTERÍSTICAS La estadística: campos e importancia La estadística es una rama de las matemáticas que (a través de un conjunto de técnicas, métodos, normas, reglas y procedimientos que se ocupan en
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA FUERZA ARMADA NACIONAL
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA FUERZA ARMADA NACIONAL GUIA DE ACTIVIDADES. UNIDAD I Introducción a la Teoría de Probabilidad. Sistemas Determinísticos: Sistemas que interactúan de
Más detallesHerramienta software para resolver procesos de decisión de Markov utilizando recocido simulado
Herramienta software para resolver procesos de decisión de Markov utilizando recocido simulado Cristhian D SANDOVAL Ximena GALINDO Roberto E SALAS RESUMEN Este artículo expone el diseño del prototipo de
Más detallesCORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS ACTIVIDAD ACADEMICA: ESTADISTICA DE LA PROBABILIDAD DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD
Más detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detallesPREPARACIÓN Y EVALUACIÓN DE PROYECTOS. AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011
PREPARACIÓN Y EVALUACIÓN DE PROYECTOS AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011 Capítulo 8 LA DETERMINACION DEL TAMAÑO DE UN PROYECTO
Más detallesLOS PROYECTOS DE INVERSIÓN ANALIZADOS COMO OPCIONES REALES. Preparado por: Mg Carlos Mario Ramírez Gil
LOS PROYECTOS DE INVERSIÓN ANALIZADOS COMO OPCIONES REALES Preparado por: Mg Carlos Mario Ramírez Gil PLAN DE TEMAS Evaluación financiera proyectos de inversión OPCIONES REALES Proyectos de inversión analizados
Más detallesPara llevar a cabo una simulación, se requiere implementar las siguientes etapas:
SIMULACIÓN: La simulación se define como una técnica numérica utilizada para representar un proceso o fenómeno mediante otro más simple que permite analizar sus características. Esta técnica emplea relaciones
Más detallesFINANZAS CORPORATIVAS
FINANZAS CORPORATIVAS RIESGO Y RENDIMIENTO JOSÉ IGNACIO A. PÉREZ HIDALGO Licenciado en Ciencias en la Administración de Empresas Universidad de Valparaíso, Chile TOMA DE DECISIONES Certeza: resultado real
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesPLANES CURRICULARES GRADO9º/ 01 PERIODO
PLANES CURRICULARES GRADO9º/ 01 PERIODO Grado: 9º Periodo: 01 PRIMERO Aprobado por: G. Watson - Jefe Sección Asignatura: MATEMATICAS Profesor: Gloria rueda y Jesús Vargas ESTANDARES P.A.I. I.B. A. Conocimiento
Más detallesEstrategias didácticas para la resolución de problemas en Matemática de I y II ciclos
Estrategias didácticas para la resolución de problemas en Matemática de I y II ciclos Segundo Ciclo, Relaciones y Álgebra Abril, 2014 En el Segundo ciclo se busca la profundización en los aprendizajes
Más detallesPLAN DE INVERSION: RECURSOS CLAVES, COSTOS Y FLUJO DE CAJA. Antonio Velásquez Varela 19 de Noviembre de 2014 Lima, Perú
PLAN DE INVERSION: RECURSOS CLAVES, COSTOS Y FLUJO DE CAJA Antonio Velásquez Varela anvelvar@gmail.com 19 de Noviembre de 2014 Lima, Perú PLAN DE PRODUCCIÓN Y RECURSOS CLAVES ESTRUCTURA DE COSTOS PLAN
Más detallesSelección y diseño de procesos productivos
Selección y diseño de procesos productivos Contenido 1. Selección del proceso Concepto de proceso Tipos de procesos productivos Matriz producto-proceso Producción para inventario vs. producción por pedidos
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detalles4º E.S.O. Matemáticas A
4º E.S.O. Matemáticas A Objetivos 1. Incorporar, al lenguaje y formas habituales de argumentación, las distintas formas de expresión matemática (numérica, algebraica, de funciones, geométrica...), con
Más detallesINGENIERIA INDUSTRIAL SIMULACION 1. INTRODUCCION
INGENIERIA INDUSTRIAL SIMULACION 1. INTRODUCCION Blog del curso: simulacion.wordpress.com DR. JORGE ACUÑA A. 1 QUE ES SIMULACION? La representación vía computadora de un conjunto de eventos reales tomando
Más detallesCONTENIDO mínimo de los bolos para examen de grado: ÁREA DE COMPLEMENTACIÓN CUANTITATIVA
CONTENIDO mínimo de los bolos para examen de grado: ÁREA DE COMPLEMENTACIÓN CUANTITATIVA BOLO I: Modelo de Redes Recorrido mínimo Ruta más corta Flujo máximo BOLO II: Modelo PERT-CPM La Tabla de Gantt
Más detallesPRUEBA DISCIPLINAR EN ADMINISTRACIÓN: ECAES ESPECIFICACIONES DE PRUEBA Modelo de Diseño Basado en Evidencias MBE
PRUEBA DISCIPLINAR EN ADMINISTRACIÓN: ECAES 2010 2022 ESPECIFICACIONES DE PRUEBA Modelo de Diseño Basado en Evidencias MBE Componente PRODUCCIÓN y OPERACIONES Caracterización La Gestión de Producción y
Más detallesCualquier problema de decisión, tiene ciertas características que describe su naturaleza y además pueden proporcionar alternativas para su solución.
TOMA DE DECISIONES INTRODUCCION Para una persona que toma decisiones, es difícil tener en cuenta todos los factores que inciden en la decisión, por tanto, es indispensable encontrar alguna manera de descomponer
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesn Un Gerente elige un plan de acción para lograr metas de la organización.
MODELOS - METODOS Modelos - Decisiones n Un Gerente elige un plan de acción para lograr metas de la organización. n Para cada Decisión se utiliza algún criterio o medida de desempeño (Max. Utilidades).
Más detallesINSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO ÁRBOLES DE DECISIÓN. M. En C. Eduardo Bustos Farías
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO ÁRBOLES DE DECISIÓN M. En C. Eduardo Bustos Farías 1 Árboles de decisión La Matriz de Ganancias es conveniente de utilizar para la toma de decisiones
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesUINIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
UINIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO ASIGNATURA:
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN MANTENIMIENTO ÁREA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE COSTOS Y PRESUPUESTOS
TÉCNICO SUPERIOR UNIVERSITARIO EN MANTENIMIENTO ÁREA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE COSTOS Y PRESUPUESTOS 1. Competencias Gestionar las actividades de mantenimiento mediante la
Más detallesTema 1. Introducción a UML C H R I STO PHER E X P Ó S I TO I Z Q U I ERDO A I R A M E X P Ó S I TO M Á R Q UEZ I S R A E L LÓ P EZ P L ATA M A R Í A
Tema 1. Introducción a UML C H R I STO PHER E X P Ó S I TO I Z Q U I ERDO A I R A M E X P Ó S I TO M Á R Q UEZ I S R A E L LÓ P EZ P L ATA M A R Í A B E L É N M E L I Á N BAT I STA J O S É MARCOS M O R
Más detallesNombre C.I. ADVERTENCIA: una respuesta sin fundamentación o explicación podrá ser calificada como insuficiente.
Teoría de juegos Examen 26 de diciembre de 2013 Macar lo que corresponda: Reglamentado Libre Nombre C.I. Es una prueba con materiales a la vista ADVERTENCIA: una respuesta sin fundamentación o explicación
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesAnálisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo. Francisco Malca Cuéllar
Análisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo Francisco Malca Cuéllar Acerca del Autor Francisco Malca Cuéllar es responsable de los proyectos de inversión a nivel nacional
Más detallesTiempo de reajuste Tiempo de repintura (horas) A 6 3 B 0 4 C 5 2 D 8 6 E 2 1
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PÚBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA EJERCICIOS PRÁCTICOS Administración
Más detallesUNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERÍA ELECTRÓNICA E INFORMÁTICA SÍLABO ASIGNATURA: PROCESOS DE DECISIÓN
SÍLABO ASIGNATURA: PROCESOS DE DECISIÓN CÓDIGO: 7A0099 1. DATOS GENERALES 1.1 Escuela Profesional : Ingeniería Informática 1.2 Código de asignatura : 7A0099 1.3 Semestre Académico : 2014-1 1.4 Pre requisito
Más detallesCRITERIOS DE EVALUACIÓN EN LA E. S. O
CRITERIOS DE EVALUACIÓN EN LA E. S. O CRITERIOS DE EVALUACIÓN 1º E. S. O... 2 CRITERIOS DE EVALUACIÓN 2º E. S. O... 3 CRITERIOS DE EVALUACIÓN 3º E. S. O... 4 CRITERIOS DE EVALUACIÓN 4º E. S. O opción A...
Más detallesFACULTAD DE CIENCIAS ECONOMICAS LIC. EN ADMINISTRACION CONTADOR PUBLICO ESTADISTICA
FACULTAD DE CIENCIAS ECONOMICAS LIC. EN ADMINISTRACION CONTADOR PUBLICO Programa ESTADISTICA Profesores: Titular: DI BENEDETTO OSVALDO H Adjunto: DI LAUDO SERGIO H. 2016 FACULTAD DE CIENCIAS ECONOMICAS
Más detallesCarrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de operaciones I Licenciatura en Informática IFM - 0420 3-2-8 2.-
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesIntroducción. Proceso de toma de decisión: Elegir lo mejor entre lo posible. Decisión multicriterio Teoría de juegos
Teoría de la Decisión Introducción Proceso de toma de decisión: Elegir lo mejor entre lo posible Decisión con incertidumbre o riesgo Decisión multicriterio Teoría de juegos Decisión en una etapa E={E 1...E
Más detallesCarrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos. Academias
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones Ingeniería en Agronomía AGM 0622 3 2 8 2. HISTORIA
Más detalles1. Modelos Matemáticos y Experimentales 1
. Modelos Matemáticos y Experimentales. Modelos Matemáticos y Experimentales.. Definición.. Tipos de Procesos.3. Tipos de Modelos 3.4. Transformada de Laplace 4.5. Función de Transferencia 7.6. Función
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÍA DE SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÍA DE SISTEMAS SEMESTRE ASIGNATURA 5to INVESTIGACION DE OPERACIONES CÓDIGO HORAS
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN CONTADURÍA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN CONTADURÍA Área de formación: Disciplinaria. Unidad académica: Presupuestos. Ubicación: Séptimo Semestre. Clave: Total de horas: 5 Horas teóricas: 3 Horas
Más detallesAño Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Más detallesCarrera: BQM Participantes. Representantes de las academias de Ingeniería Bioquímica. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Balance de materia y energía Ingeniería Bioquímica BQM - 0503 3-2-8 2.- HISTORIA
Más detallesEstándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017.
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017. Bloque 1. Procesos, métodos y actitudes en matemáticas. Los criterios correspondientes a este bloque son los marcador
Más detallesResumen de las clases dictadas: Semana 16 al 20 de Noviembre INTRODUCCIÓN
Resumen de las clases dictadas: Semana 16 al 20 de Noviembre 2015 Tema: Algoritmo Minimax 1. INTRODUCCIÓN En este tema se tratará sobre el algoritmo minimax, con el propósito de mostrar implementaciones
Más detallesTaller de introducción a los negocios
Taller de introducción a los negocios Dr. Elías Alvarado Lagunas www.eliasalvarado.com Contenido TEMA 1. Los negocios en un mundo cambiante 1.1 Dinámica de las empresas y la economía 1.2 Ética y responsabilidad
Más detallesPROCESO DE ELABORACION DEL PRESUPUESTO DEL CAPITAL.
PRESUPUESTO DEL CAPITAL PROCESO DE ELABORACION DEL PRESUPUESTO DEL CAPITAL. Cuando una empresa mercantil hace una inversión del capital incurre en una salida de efectivo actual, esperando a cambio beneficios
Más detallesFundamentos de Bases de Datos Facultad de Ciencias UNAM
Desarrollo Fundamentos de Bases de Datos Facultad de Ciencias UNAM M.I. Gerardo Avilés Rosas gar@ciencias.unam.mx Laboratorio: L en C.C. Erick Orlando Matla Cruz ematla@ciencias.unam.mx Práctica 03 En
Más detallesMODELOS Y MODELADO. Gilberto Gallopín.
MODELOS Y MODELADO Gilberto Gallopín ggallopin@gmail.com Seminario Prospectiva y Pensamiento Estratégico INTA, IIPyPP, 2 al 6 de junio de 2014 C.A.B.A. PROSPECTIVA Y MODELOS La Prospectiva es una disciplina
Más detallesEvaluación de Proyectos de Inversión
Evaluación de Proyectos de Inversión Tema No. 2 Sesión 4: Métodos de evaluación en proyectos de inversión. Parte II. 2017 2016 Objetivo de la sesión: Al finalizar la sesión, el alumno comprobará el valor
Más detallesTaller de Matemáticas de los cursos 1º, 2º y 3º ESO
Taller de Matemáticas de los cursos 1º, 2º y 3º ESO 1. Criterios de evaluación 2. Contenidos mínimos 3. Procedimientos e instrumentos de evaluación. 4. Criterios de calificación que se van a aplicar. Página
Más detallesAyacucho 912 Olavarría Pcia. Buenos Aires Argentina Tel. +54 (02284) Website:
Conozca KAIZEN En la coyuntura actual donde los costos aumentan día a día, se hace imprescindible para las empresas concentrar los esfuerzos en la disminución de los costos de fabricación, pero no siempre
Más detallesMÉTODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES. Ing. Fabián Cazar
MÉTODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES Ing. Fabián Cazar fcazar@uazuay.edu.ec INTRODUCCIÓN DEFINICION Métodos Cuantitativos: Técnicas científicas usadas a la hora de tomar decisiones. Explicar
Más detallesDecisiones bajo ambiente de riesgo e incertidumbre Modelos de matriz de pago
Decisiones bajo ambiente de riesgo e incertidumbre Modelos de matriz de pago Teoría de la decisión Un proceso de decisión trata de resolver la ambigüedad existente en un conjunto de alternativas. Es necesario
Más detallesPresentado por: Josué Andino Denis Flores Jorge Luis Pontón Diego Soria. Andino, Flores, Pontón, Soria 1
Presentado por: Josué Andino Denis Flores Jorge Luis Pontón Diego Soria Andino, Flores, Pontón, Soria 1 Temario Objetivos Introducción Modelos y Terminología Estructura de Datos y Directrices de Lenguaje
Más detallesPolítica dividendos.
Política dividendos. Que es una política? Es un deliberado sistema de principios para orientar la toma de decisiones y lograr resultados. Existen varios tipos de políticas en función de su alcance: Políticas
Más detallesPRINCIPIOS DEL MODELAJE DE SISTEMAS
16 de Enero de 2012 PRINCIPIOS DEL MODELAJE DE SISTEMAS (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Análisis y Diseño de Sistemas José Luis
Más detalles