Investigación Operativa I Facultad de Ciencias Exactas UNCPBA. Año 2013
|
|
- Paula Cárdenas Toledo
- hace 6 años
- Vistas:
Transcripción
1 Facultad de Ciencias Exactas UNCP ño 2013 Toma de decisiones bajo certidumbre: los datos se conocen en forma determinista. P ij = 1 Toma de decisiones bajo riesgo: los datos se pueden describir con distribuciones de probabilidades. 0 < P ij < 1 Toma de decisiones bajo incertidumbre: los datos son ambiguos. P ij desconocida 1
2 Estados de la naturaleza (eventos futuros que no pueden ser controlados por el decisor) probabilidad de ocurrencia p j Criterio de valor esperado VE* i = Maximización Ganancia esperada = máx i {VE i } VE* i = Minimización Costo esperado = mín i {VE i } VE i =a i1 p 1 +a i2 p 2 + +a in p n siendo a ij = retribución de la alternativa i dado el estado j p 1 +p 2 + +p n =1 ; i=1,2,..,m ; (j=1,2,,n) Se desea invertir U$S en la industria del desarrollo de software durante el próximo año. Se sabe que la inversión puede financiar un empleado durante 12 meses y se debe decidir a qué empresa conviene desarrollarle software, ya que el rendimiento de la inversión está directamente relacionado con las ventas Si se desarrolla para la empresa y el mercado está a la alza la inversión puede producir un rendimiento neto del 50 %. Si las condiciones del mercado de soft no son favorables (mercado a la baja ) el rendimiento puede ser negativo del 20 % de lo que se invirtió. La empresa es más segura, garantiza una ganancia del 25 % si el mercado está en alza y sólo de un 5 % si el mercado está en baja. Las nuevas publicaciones en revistas relacionadas al mercado de la producción de software predicen un 60 % de probabilidad de que el mercado esté en alza y un 40 % de probabilidad de que el mercado esté en baja. Determinar cuál es la alternativa que maximiza el rendimiento esperado del inversionista. Representar el problema mediante un árbol de decisiones 2
3 Rendimientos netos en un año sobre la Inversión ($) lternativas de Decisión Estados de la naturaleza "a la alza" "a la baja" VE Desarrollar para Desarrollar para Probabilidad 0,6 0,4 $ 6600 lza=0,6 $ D1: Desarrollar para Punto de decisión $ 6600 aja=0,4 $ Evento aleatorio D1 $ 5100 lza=0,6 $ 7500 D2: Desarrollar para aja=0,4 $
4 Se ofrece a un individuo la oportunidad de: ceptar con 50 % de posibilidades de ganar $70000 o nada Recibir $30000 con seguridad Criterio de VE Criterio de Conveniencia o Utilidad LTERNTIV I LTERNTIV? Diferentes individuos muestran distintas actitudes frente al riesgo. La Teoría de Utilidad se ocupa de las Preferencias del tomador de decisiones. La Función de utilidad del dinero es una manera de transformar los valores monetarios a una escala numérica apropiada que refleje las preferencias del tomador de decisiones. La determinación de la utilidad es subjetiva, depende de la actitud acerca de aceptar el riesgo. U(M) = utilidad para $ M 4
5 Características de las funciones de Utilidad Indiferencia ante el riesgo: Indica la inexistencia de una actitud ante el riesgo, la función es lineal. versión al riesgo: Cuanto mayor sea el capital, menor será la utilidad del dinero. (utilidad decreciente) Propensión al riesgo: La utilidad del dinero es menor con relación a la indiferencia, valora poco lo que posee. Propiedad de la función de utilidad del dinero: el tomador de decisiones se muestra indiferente ante dos cursos de acción alternativos si los dos tienen la misma utilidad esperada. 5
6 Contrato con $ de inversión y resultados N1 = Ganar $ N2 o N3 = Perder todo Contrato con $ de inversión y resultados N1 o N2= Ganar $ N3 = perder todo Opción de no invertir Probabilidades: P(N1) = 0,50 P(N2) = 0,10 P(N3) = 0,40 En miles de $ N1 N2 N3 VE Orden C La decisión que maximiza el rendimiento esperado es la alternativa Lotería L (, ; p) es un evento aleatorio que tiene dos posibles resultados y, los cuales ocurren con probabilidades p y 1-p plicación del método de Von Neumann para el cálculo de utilidades Paso 1: Establecer las consecuencias en orden decreciente de deseabilidad: e 1, e 2,, e p Paso 2: sígnese arbitrariamente valores numéricos finitos u(e 1 ) y u(e p ) a las consecuencias e 1 y e p, respectivamente de tal forma que u(e 1 ) > u(e p ) Paso 3: Para cada consecuencia e j cuya deseabilidad esté entre e 1 y e p, determínese una probabilidad de equivalencia p j, con la propiedad de quien toma las decisiones es indiferente entre obtener e j con certeza y participar en la lotería L (e 1, e p ; p j ) Paso 4: Sea u(e j ) p j * u(e 1 ) + (1-p j ) * u(e p ) la utilidad de la consecuencia e j El método pretende medir la actitud subjetiva de un tomador de decisiones comparando una apuesta entre dos valores extremos y un equivalente monetario. El paso 3 es altamente subjetivo Una utilidad está normalizada si u(e j ) = 1 y u(e p )=0 haciendo a las utilidades idénticas a las probabilidades de equivalencia 6
7 Resolución, aplicando el método de Von Newmann para definir una función de utilidad 1º) > > 0 > > º) U( ) = 1 U( ) = 0 3º) Para sacar la utilidad de cada uno de los valores intermedios, U(e j ), se le pregunta al tomador de decisiones: con qué probabilidad aceptaría participar en una lotería donde puede ganar $ (con probabilidad p) o perder $ (con probabilidad 1-p), teniendo e j $ seguros en su poder? Se define: U(e j )=p*u( )+(1-p)*u( ) =p*1+(1-p)*0=p El tomador de decisiones asigna las probabilidades de indiferencia entre ambas alternativas para cada uno de los posibles e j : p( ) = 0,90 p(0) = 0,75 p( ) = 0,65 VLORES DE UTILIDD El valor esperado de la lotería será *0,9+( )*0,1= valor esperado > pago seguro Matriz de utilidades para el tomador de decisiones: N1 N2 N3 VE i Orden ,5 3 0,9 0,9 0,65 0,80 1 C 0,75 0,75 0,75 0,75 2 El orden determinado por la matriz de utilidades es, C y. La elección del tomador de decisiones es ya que es la opción que maximiza su utilidad esperada Investigación Informática de Operativa Gestión I 7
8 Calculamos la curva de indiferencia para determinar la aversión / propensión al riesgo del tomador de decisiones = * p + ( ) * (1-p) // es el equivalente monetario cierto = * p * p = * p / = p 0,56 = p ( ) Para p=0,56 el valor esperado de la lotería iguala el pago seguro de Continua calculando para todos los valores p( ) = 1 p( ) = 0,56 p(0) = 0,33 p( ) = 0,20 p( ) = 0 Resultado juego equitativo Vs. Evaluación subjetiva del juego VERSIÓN caba de completarse la fase de diseño y prueba de un producto. La alta gerencia está tratando de decidir la estrategia de mercadotecnia y producción apropiadas para usarse con este producto. Se consideran tres alternativas: agresiva (), básica () y cautelosa (C). La administración decide clasificar el estado del mercado (el nivel de demanda) como Fuerte (F) o Débil (D), se dan las retribuciones netas (medidas en millones de dólares): Calcular el rendimiento esperado y determinar la decisión recomendada sabiendo que se estima una probabilidad de 0,45 de que el mercado sea fuerte. Construir el árbol de decisiones asociado al problema. 8
9 Estados de la naturaleza Decisión Fuerte Débil VE gresiva 30-8 ásica 20 7 Cautelosa 5 15 Probabilidad 0,45 0,55 9,1 12,85 10,5 Las probabilidades surgen de datos históricos F =0,45 30 D =0,55-8 D2 9,1 F =0, ,85 12,85 D =0,55 7 Posible decisión Situaciones de resultado incierto C 10,5 F =0,45 D =0,
10 La administración decide realizar un estudio de investigación de mercados antes de aprobar la selección de la estrategia de mercadotecnia y producción, el grupo de investigación determinará si el estudio da lentador (l) o Desalentador (De). En el pasado cuando el mercado ha sido fuerte, se han emitido informes alentadores sólo el 60 % de las veces; y cuando el mercado ha sido débil se han emitido informes desalentadores el 70 % de las veces. Incorporar esta información al árbol de decisiones. Cuál será la decisión recomendada si el informe da lentador? Cuál será la decisión recomendada si el informe da Desalentador? Cuál es el valor del rendimiento esperado de llevar a cabo la prueba de mercado y tomar la decisión óptima? Si la prueba de mercado tiene asociado un costo de U$S (o 0,5 millón): Incorporar esta información al árbol de decisiones Cuál será la decisión que tomará la empresa? Probar o No probar hora suponga que las utilidades de todas las retribuciones posibles fueron calculadas: Incorporar las utilidades al árbol de decisiones Cuál es la decisión óptima? Probabilidades a priori P(F)=0,45 P(D)=0,55 Probabilidades condicionales P(l/F)=0,60 P(De/F)=1-P(l/F)=0,4 P(De/D)=0,7 P(l/D)=1-P(De/D)=0,3 Calcular probabilidades a posteriori P(F/l) (Teorema de ayes) P(D/l) P(F/De) Las probabilidades se P(D/De) obtienen usando muestreo o experimentos 10
11 ) P(F/l) = P(F l) / P(l) aplicando 3 y 4 P(F) * P(l/F) ) P(F/ l) = = = P(F) * P(l/F) + P(D) * P(l/D) ) P(F l) = P(F)*P(l/F) = P(l)*P(F/l) = 0.45*0.6=0.27 4) P(l) = P(F)*P(l/F) + P(D) * P(l/D) = 0.45* *0.3 = ) P(De) = P(F)*P(De/F) + P(D)*P(De/D) = 0.45* *0.7= De la misma manera hay que calcular P(D/l) = (0.55*0.3)/0.435= P(F/De) = (0.45*0.4)/0.565=0.319 P(D/De) = (0.55*0.7)/0.565=0.681 D1 F =0,621 D =0,379 15,598 F =0, l =0,435 lentador 15,598 C D =0,379 15,073 F =0, ,79 D =0, ,457 F =0, Desalentador (De) De =0,565 D3 4,122 D =0,681 F =0, ,81 C D =0,681 11,147 F =0, ,81 D =0,
12 l =0,435 lentador D1 15,098 C F =0,621 D =0,379 15,098 F =0,621 D =0,379 14,573 F =0,621 29,5-8,5 19,5 6,5 4,5 8,29 D =0,379 14,5 Prueba 12,957 Desalentador (De) De =0,565 D3 3,622 F =0,319 D =0,681 F =0,319 29,5-8,5 19,5 11,31 D =0,681 10,647 6,5 C F =0,319 4,5 11,31 D =0,681 14,5 P 12,957 Sin Prueba D2 9,1 F =0,45 D =0,55 F =0, ,85 12,85 D =0,55 7 F =0,45 C 5 10,5 D =0,
13 l =0,435 lentador D2 0,867 C F =0,621 D =0,379 0,711 F =0,621 D =0,379 0,867 F =0,621 0,962 0,30 0,941 0,748 0,695 0,776 D =0,379 0,910 Con Prueba 0,852 Desalentador (De) De =0,565 D3 0,511 F =0,319 D =0,681 F =0,319 0,962 0,30 0,941 0,841 C D =0,681 0,809 0,748 F =0,319 0,695 0,841 D =0,681 0,910 P 0,852 Sin Prueba 0,609 F =0,45 D =0,55 F =0,45 0,963 0,32 0,943 0,842 0,842 D =0,55 0,76 F =0,45 C 0,709 0,821 D =0,55 0,914 13
14 Teoría matemática que estudia situaciones llamadas de conflicto. En ella dos o más partes (jugadores) deben tomar cada una decisiones cuya efectividad depende de las decisiones tomadas por las demás. Los jugadores constituyen contendientes racionales u oponentes inteligentes con objetivos contrarios Cada jugador buscará maximizar su utilidad. La utilidad es una magnitud. Juego: situación de conflicto en la que dos o más adversarios intentan alcanzar un objetivo seleccionando cursos de acción de entre todos los que sean permitidos por las reglas. Reglas: posibles cursos de acción que pueden ser elegidos. Conocidas por todos los jugadores. Resultados: asociados a cada posible combinación de elecciones son definidos por adelantado y conocidos por todos los jugadores. Movida: elección de un curso de acción en particular de entre un conjunto de alternativas posibles. Partida: secuencias de movidas que se suceden en un juego desde el principio hasta el final. Hay una secuencia por cada jugador. 14
15 Estrategia de un jugador: Regla de decisión predeterminada que permite a un jugador elegir cada una de las movidas que conforman a una partida, ante el análisis de todas las posibles elecciones de los competidores. Estrategia pura: a aquella en la cual cada una de las movidas hechas por un jugador a lo largo de una partida corresponde a una única opción o curso de acción particular. Estrategia mixta: a aquella en la cual no siempre se opta por el mismo curso de acción a lo largo de una partida. ntes de iniciar el juego, un jugador conoce las estrategias de que dispone, las de su oponente y la matriz de pagos. Valor del juego: resultado de jugar una partida, cada jugador con su estrategia. Indica cual es el beneficio o perjuicio que recibe cada jugador. Solución del juego: conjunto de estrategias óptimas para cada jugador y valor del juego resultante de la aplicación de esas estrategias. 15
16 Según el Número de competidores 2 personas n personas Según el resultado de la suma de los beneficios para ambos jugadores Suma cero Suma no nula Según el número de estrategias de los competidores Juegos de m x n (con m = n ó m n) Juegos de m x 2 Juegos de 2 x n Representación mediante matrices de pago: si usa la estrategia i y la estrategia j, el pago de a es a ij, lo que significa que el pago a es a ij La ganancia de un jugador es igual a la pérdida del otro 1 2 n 1 a11 a12 a1n 2 a21 a22 a2n m am1 am2 amn 16
17 Si el jugador elige la estrategia x i El jugador juega de forma que lo menos que pueda ganar sea lo más grande posible, independiente de lo que haga V máx R R máx j1,2,..., n ( mín { a { a 1 i i1,2,..., m i1,2,..., m j1,2,..., n ij i mín ij } }) En el peor de los casos se asegura de ganar V1 Si el jugador elige la estrategia y j i1,2,..., m El jugador juega de forma que el número mayor que deba pagar sea lo menos posible, independiente de lo que haga V mín S S j mín máx { a 2 j j1,2,..., n j1,2,..., n i1,2,..., m ij ( ij } máx { a }) En el peor de los casos la pérdida segura es V2 17
18 Por sus definiciones V 1 <= V <= V 2 Si V 1 =V 2 Juego estable (tiene punto de silla ) Las estrategias son óptimas para los jugadores V = V1 = V2 se denomina VLOR DEL JUEGO Cada juego estable tiene un único valor y una estrategia óptima (pura) para cualquiera de los jugadores mín MXIMIN máx V = V 1 =V 2 =5 MINIMX Juego estrictamente determinado 18
19 Cuando V 1 < V 2, no existe solución por estrategias puras Juego inestable Las estrategias puras no son óptimas Las estrategias mixtas se definen por medio de vectores probabilísticos x probabilidad de que el jugador 1 use la estrategia i i y probabilidad de que el jugador 2 use la estrategia j X ( x, x,..., x Y ( y, y,..., y ) m n ) x x... x... y 1 1 Forma de evaluación: pago esperado y y 2 m n E( X, Y) j m n ij i1 j1 a x y i j Pago esperado para el jugador 1 Para cualquier juego matricial de suma cero entre dos personas existen estrategias óptimas X * e Y * tales que: E (X *,Y * ) = V 1 = V 2 = V * Siendo V 1 = Valor máximo de la ganancia mínima esperada del jugador 1 V 2 = Valor mínimo de la pérdida máxima esperada del jugador 2 V V 1 2 máx ( mín X mín ( máx Y Y X E( X, Y)) E( X, Y)) 19
20 Distintos Métodos para resolución de Juegos Criterio Minimax Gráfico Submatrices Laplace Hurwicks (optimismo) Savage Iteración (raun Robinson) 1 2 mín MXIMIN máx 5 6 V1=4 V2=5 MINIMX 20
21 Resolución por método gráfico y deducción analítica de probabilidades asociadas: MXIMIN mín máx V1=-3 V2=3 21
22 = = 46 Hay Solución 22
23 Las estrategias son las siguientes: X = ( 17/46, 20/46, 9/46 ) Y = ( 14/46, 12/46, 20/46 ) El valor del juego: Se elige una alternativa cualquiera de cualquier jugador, (Ej: 1) del jugador, y se suman los productos de cada pago según la alternativa de por su probabilidad. Entonces: V= (-1)*17/46 + 1*20/46 + 3*9/46 = 30/46 Laplace: todos los estados son igualmente probables Para el jugador : 1 máx ai 1 ai2 ai3... a n in Prom i
24 Hurwicz (optimismo): representa un rango de actitudes de la más optimista a la más pesimista. = 0, 1 (índice de optimismo) máx {H i } donde H i = * (máx j a ij ) + (1 - ) * (min j a ij ) Hi , ,6 Jugador ,6 Savage o criterio de arrepentimiento, reemplaza la matriz de resultados con una matriz de pérdidas o pesadumbres Para : R ij = Máx. de Columna Rij plicar Min i (máx j R ij)
25 K=nro. Iteración i=estrategia de j=estrategia de V min =ganancia mínima acumulada dividido k V max =ganancia máxima acumulada dividido k V*=(v max +v min )/2 k i j v min V max v* X =(x 1,x 2,x 3 ) Y =(y 1,y 2,y 3 ) x 1 es aproximadamente la cantidad de veces que eligió la estrategia 1 en k, entonces: x 1 = 2/7 (aproximadamente) x 2 = 3/7 (aproximadamente) x 3 = 2/7 (aproximadamente) De la misma forma calcular y 1, y 2 e y 3 aproximados. Y 1 = 0 y 2 = 4/7 y 3 =3/7 Los valores exactos son obtenidos mediante la resolución de problemas dobles de programación lineal y equivalen a x 1 =0.25, x 2 =0.5 y x 3 =0.25. Si aumentan la cantidad de iteraciones de raun Robinson nos vamos acercando a los valores reales. 25
26 Estrategia 1 de domina a la estrategia 3 de Estrategia 2 y 1 de dominan a la estrategia 3 de Estrategia 1 de domina a la estrategia 2 de Estrategia 1 de domina a la estrategia 2 de IMPORTNTE: Útil para reducir el tamaño de la matriz de pagos
27 HP (nalytic Hierarchy Process) es un procedimiento diseñado para resolver problemas complejos de criterios múltiples. Está diseñado para casos en los que las ideas, emociones y sentimientos se cuantifican en base a evaluaciones subjetivas del decisor respecto a la importancia relativa de cada uno de los criterios, y debe especificar sus preferencias con respecto a cada una de las alternativas de decisión y para cada criterio. 1. Descomponer el Problema en una jerarquía de elementos interrelacionados identificando objetivo, criterios (i=1,2,,m) y alternativas posibles (j=1,2,,n) OJETIVO CRITERIO 1 CRITERIO 2 CRITERIO 3 lternativa 1 lternativa 2 lternativa aa 3 lternativa 4 Para cada uno de los criterios: 2. Desarrollar la Matriz de Comparación por Pares de lternativas, estableciendo el Ranking de importancia relativa entre ambas alternativas 1 Igual importancia 3 Moderada superioridad de uno 5 Fuerte superioridad de uno sobre el otro. 7 Muy fuertemente superior 9 Extremadamente Superior Valores intermedios a usar cuando hace falta un término medio entre las cuantificaciones anteriores ESTLECER LOS VLORES RECIPROCOS PR LS COMPRCIONES INVERSS 3. Desarrollar la Matriz de normalizada, dividiendo cada número de una columna de la Matriz de Comparación por pares por la suma total de la columna 27
28 Desarrollar el Vector de Prioridad para el Criterio calculando el promedio de cada fila de la matriz normalizada. 5. La Consistencia de las opiniones utilizadas en la Matriz de comparación por pares puede ser determinada a través del cociente de consistencia (RC). Un RC inferior a 0.1 es aceptable, si RC es mayor a 0,1, las opiniones y juicios deberán reconsiderarse. 6. Los resultados obtenidos a partir del Desarrollo del Vector de Prioridad son resumidos en una Matriz de Prioridad, listando las alternativas por fila y los criterios por columna 7. Desarrollar una Matriz de Comparación de Criterios por pares similar a lo que se hizo para las alternativas. 8. Desarrollar un Vector de Prioridad Global multiplicando el Vector de prioridad de los Criterios, obtenido en el punto 7, por la Matriz de prioridad de las lternativas obtenida en el punto 6. 28
Análisis 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 detallesCapitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS
Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS INTRODUCCIÓN En el mundo real, tanto en las relaciones económicas como en las políticas o sociales, son muy frecuentes las situaciones en las que, al
Más detallesTeoría de juegos Andrés Ramos Universidad Pontificia Comillas
Teoría de juegos Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es TEORÍA DE JUEGOS 1 Teoría de juegos 1. Matriz de pagos 2. Clasificación 3.
Más detallesAnálisis de Decisiones Mario Maruri Martínez
Análisis de Decisiones Mario Maruri Martínez Tema 3: Tabla y matriz de pagos Decisiones bajo incertidumbre Análisis de decisiones - división Bajo certidumbre Los parámetros son constantes, conocidos y
Más detallesUNLPam - Fac. Cs. Econ. y Jur.
Bibliografía Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración. Grupo Editorial Iberoamérica. Eppen, Gould, Schmidt, Moore, Weatherford; Investigación de Operaciones
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 detallesTEORIA DE DECISIONES
TEORIA DE DECISIONES En economía y administración existen ciertos tipos de problemas en los que no es posible obtener muestras(información objetiva) para estimar ciertas características de la población.
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 detalles6.2 Métodos y modelos para la toma de decisiones
TEMA 6. LA TOMA DE DECISIONES 6.1 Definición Una decisión es una elección consciente y racional, orientada a conseguir un objetivo, que se realiza entre diversas posibilidades de actuación (o alternativas).
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 detallesMatriz de Decisiones Qué es?
Matriz de Decisiones Qué es? Una matriz de decisión es un gráfico que permite a un equipo o un individuo identificar y analizar la tasa de la fuerza de las relaciones entre conjuntos de información. Cuándo
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 detallesTABLAS DE DECISIÓN Muchos procesos de toma de decisiones pueden ser tratados por medio de tablas de decisión, en las que se representan los elementos
TABLAS DE DECISIÓN Muchos procesos de toma de decisiones pueden ser tratados por medio de tablas de decisión, en las que se representan los elementos característicos de estos problemas: EJEMPLO Un ama
Más detallesModelos y herramientas de decisión. Teoría de Juegos I
UNIVERSITAT POLITÈCNICA DE CATALUNYA BARCELONATECH OPE ORGANIZACIÓN DE LA PRODUCCIÓN Y DE EMPRESA (ASPECTOS TÉCNICOS, JURÍDICOS Y ECONÓMICOS EN PRODUCCIÓN ) Modelos y herramientas de decisión. Teoría de
Más detallesTeoría de la decisión
Teoría de la decisión La toma de decisiones consiste en elegir lo mejor entre lo posible Definir lo mejor y lo posible Lo mejor: - Teoría de la decisión clásica: criterios y decisiones bien definidos.
Más detallesMATRIZ DE DECISIÓN. Problema 1
MATRIZ DE DECISIÓN Problema 1 Enunciado Explicar las variables que se han de tener en cuenta al elaborar una matriz de decisión. Qué diferencia (s) existe (n) entre adoptar una decisión en condiciones
Más detallesTeoría de la Decisión: Decisión con incertidumbre y riesgo. Begoña Vitoriano Villanueva
Teoría de la Decisión: Decisión con incertidumbre y riesgo Begoña Vitoriano Villanueva Teoría de la decisión: Introducción Decisión: elegir lo mejor entre lo posible Definir lo mejor y lo posible Lo mejor:
Más detallesEL NEGOCIO CONJUNTO. (Solución Paso a Paso) u(b) miles de $ u(b) 0 0,50 0,75 0,90 1
EL NEGOCIO CONJUNTO. (Solución Paso a Paso) El empresario A encara un negocio al cual atribuye p=0,8 de éxito pero que obligatoriamente debe hacerse en asociación con el empresario B. En caso de éxito,
Más detallesPERSPECTIVAS ISSN: Universidad Católica Boliviana San Pablo Bolivia
PERSPECTIVAS ISSN: 1994-3733 oswaguan@ucbcba.edu.bo Universidad Católica Boliviana San Pablo Bolivia Peñaloza Palomeque, Mariana TEORÍA DE LAS DECISIONES PERSPECTIVAS, núm. 25, enero-junio, 2010, pp. 227-240
Más detallesMicroeconomía IV. PARTE II: Incertidumbre y economía de la información. Tema 3 Elección en condiciones de incertidumbre
Microeconomía IV PARTE II: Incertidumbre y economía de la información. Tema 3 Elección en condiciones de incertidumbre Microeconomía IV-Tema 3 Curso 007-008 Esquema del tema (cuantificación de la incertidumbre):
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 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 detallesDirección Financiera II Universidad de León. Curso
Dirección Financiera II Universidad de León. Curso 2013-2014 Isabel Feito Ruiz (ifeir@unileon.es) 1 Índice de Contenidos Bloque I: La Decisión de Inversión en Ambiente de Racionamiento y de Riesgo Tema
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 detallesParte I. Tema I: TEORÍA DE LA DECISIÓN CON INCERTIDUMBRE: UTILIDAD ESPERADA
Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía Parte I. Tema I: TEORÍA DE LA DECISIÓN CON INCERTIDUMBRE: UTILIDAD ESPERADA Bibliografía recomendada: Nicholson,
Más detallesESTADOS DE LA NATURALEZA
DECISIONES BAJO INCERTIDUMBRE: MÉTODOS NO PROBABILÍSTICOS Escuela de la Ingeniería de la Organización Felipe Andrés Herrera Rojas INTRODUCCIÓN Situaciones Determinísticas Vs No determinísticas Qué es incertidumbre?esta
Más detallesCómo la función de reajuste de Nash genera equilibrio/os en juegos estratégicos finitos?
Cómo la función de reajuste de Nash genera equilibrio/os en juegos estratégicos finitos? Losada H. Solón E., Forero Néstor O., Ruiz P. Carlos F. Resumen-El teorema de existencia del equilibrio de Nash
Más detallesTEORIA CLASICA DE DECISIÓN. Agradecimiento al profesor Juan Jose Bravo, Msc
TEORIA CLASICA DE DECISIÓN Agradecimiento al profesor Juan Jose Bravo, Msc ELEMENTOS DE DECISIÓN Y MATRICES DE PAGO ANÁLISIS DE DECISIONES Herramientas de representación de decisiones secuenciales con
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
Más detallesALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se
ALGORITMO MINIMAX Algoritmo de decisión para minimizar la pérdida máxima aplicada en juegos de adversarios Información completa (cada jugador conoce el estado del otro) Elección del mejor movimiento para
Más detallesClase I. Ejemplo donde equilibrios de Nash y de Nash perfecto en subjuegos no coinciden
Economía política Jorge M. Streb Clase 5 2.7.22 Temas. Ejemplo donde equilibrios de Nash y de Nash perfecto en subjuegos no coinciden. Representación de un juego en forma normal y extensiva. Equivalencia
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 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 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 detallesUNIDAD IV: MODELOS BAJO CONDICIONES DE RIESGO
Ubicación dentro del Programa Unidad V Modelos bajo condiciones de Riesgo UNIDAD IV: MODELOS BAJO CONDICIONES DE RIESGO 1.. Ventajas y desventajas. 2. Aversión al riesgo. Función Utilidad del Dinero. Modelo
Más detallesTeoría de Juegos Modelos Rectangulares. Agosto 2016
Teoría de Juegos Modelos Rectangulares Agosto 2016 Índice UNIDAD 3. MODELOS RECTANGULARES O ESTRATÉGICOS 3.1. Presentación del modelo y definición 3.2. Juegos simétricos y asimétricos 3.3. Equilibrio de
Más detallesFACULTAD DE INGENIERIA CIVIL IV CICLO I SESION Nº 09
FACULTAD DE INGENIERIA CIVIL IV CICLO 2012 - I SESION Nº 09 1 2 ING. M. HAMILTON WILSON H. 2 TABLAS DE DECISIÓN Muchos procesos de toma de decisiones pueden ser tratados por medio DE TABLAS DE DECISIÓN,
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 detallesDeterminantes. Determinante de orden uno. a 11 = a 11 5 = 5
DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4
Ing. César Urquizú UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4 Ing. César Urquizú Teoría de la dualidad El desarrollo de esta teoría de la dualidad es debido al interés que existe en la interpretación económica
Más detallesTeoría de las decisiones y de los juegos Asignatura: Profesores: Sjaak Hurkens y Flip Klijn Examen: 6 de febrero de 2008
Teoría de las decisiones y de los juegos Asignatura: 50 Profesores: Sjaak Hurkens y Flip Klijn Examen: 6 de febrero de 008 Observaciones: Versión: Duración: 3 horas Documentos autorizados: ninguno Teléfonos
Más detallesUNIDAD III. DECISIONES BAJO CERTIDUMBRE
UNIDAD III. DECISIONES BAJO CERTIDUMBRE METODOS ASOCIADOS: Jerarquización analítica 1. ANTECEDENTES. El Método de Jerarquización Analítica fue desarrollado durante los años setentas en la Universidad de
Más detallesPROBLEMA 1 PROBLEMA 2
PROBLEMA 1 Una empresa está considerando la introducción de un nuevo producto en el mercado para el que estima tiene la misma probabilidad de éxito que de fracaso. Existe la opción de estudiar el comportamiento
Más detallesNOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA: DEPARTAMENTO: ADMINISTRACIÓN
CODIGO: 092-4883 HORAS SEMANALES 4 HORAS TEORICAS: 2 UNIVERSIDAD DE ORIENTE COMISIÓN CENTRAL DE CURRÍCULA PROGRAMA DE ASIGNATURA NOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA:
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 detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
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 detallesCOSTOS PARA LA TOMA DE DECISIONES
COSTOS PARA LA TOMA DE DECISIONES Tomar una decisión implica seleccionar una alternativa. Todas las alternativas deben ser: factibles, controladas en un 100% por el decisor y mutuamente excluyentes. Aquellas
Más detallesLA TEORÍA DE JUEGOS Y LOS OLIGOPOLIOS
LA TEORÍA DE JUEGOS Y LOS OLIGOPOLIOS Se toma en cuenta el comportamiento esperado de otros. Se considera el reconocimiento mutuo de la interdependencia. La teoría de los juegos es una rama de la matemática
Más detallesTema 7: Algunas nociones sobre Toma de decisiones
Tema 7: Algunas nociones sobre Toma de decisiones Tomar una decisión es elegir entre varias alternativas posibles. Por ejemplo, elegir el ámbito de psicología que más nos gusta y al que nos queremos dedicar
Más detallesValor 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 detallesContenidos. Juegos en forma estratégica. El dilema del prisionero. El dilema del prisionero
Contenidos 1 Dpto Economía Aplicada III Universidad de Sevilla 1 de juego en forma estratégica Equilibrios de Nash 3 Juegos bipersonales de suma nula 4 Juegos finitos y estrategias mixtas Juegos matriciales
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 detallesCapítulo 2 Juegos estáticos con información asimétrica
Capítulo Juegos estáticos con información asimétrica January 1, 011 1 El equilibrio Bayesiano Definición 1.1. Un juego Bayesiano G consta de los siguientes elementos, G = (N, A, T, p, u) Un conjunto de
Más detallesModelos y herramientas de decisión. Teoría de Juegos II
UNIVERSITAT POLITÈCNICA DE CATALUNYA BARCELONATECH OPE ORGANIZACIÓN DE LA PRODUCCIÓN Y DE EMPRESA (ASPECTOS TÉCNICOS, JURÍDICOS Y ECONÓMICOS EN PRODUCCIÓN ) Modelos y herramientas de decisión. Teoría de
Más detallesCAPITULO 6: ANALISIS DE LA TEORÍA DE LA DECISIÓN
CAPITULO 6: ANALISIS DE LA TEORÍA DE LA DECISIÓN Objetivos del Capítulo. Capacitar en la identificación de criterios a tener en cuenta en un proceso de toma de decisiones, Desarrollar la capacidad de modelización
Más detallesCURSO: TOMA DE DECISIONES BAJO RIESGO
MANAGEMENT CONSULTORES CURSO: TOMA DE DECISIONES BAJO RIESGO Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesLos soportes tradicionales de selección en Proyecto de Maquinas, siempre actuales son:
Matriz de decisión La toma de decisiones por métodos intuitivos, razonamientos personales basados en experiencias previas o cualquier otro procedimiento que no independice la selección del criterio de
Más detallesMétodos de Búsqueda para juegos humano-maquina. PROF: Lic. Ana María Huayna D.
Métodos de Búsqueda para juegos humano-maquina PROF: Lic. Ana María Huayna D. Tópicos 1. Introducción 2. Juegos 3. Estrategias de Juego 4. Algoritmo Minimax 5. Algoritmo Poda Alfa-Beta 1.- Introducción
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 detallesVilla Universitaria, febrero, 2014
Universidad de los Andes Núcleo Universitario Rafael Rangel Dpto. de Ciencias Económicas, Administrativas y Contables Área de Finanzas Finanzas II Prof. Angel Alexander Higuerey Gómez Email: finanzas.a2013@gmail.com
Más detallesPlaneamiento Estratégico Dinámico. Evaluación de Utilidad
Evaluación de Utilidad Massachusetts Institute of Technology Evaluación de Utilidad Transparencia 1 de 33 Evaluación de Utilidad Axiomas Básicos Ejemplo Proceso de Entrevista Procedimiento Convencional
Más detallesMétodo secuencial de toma de decisiones en ambiente de riesgo (se conocen los estados posibles de la naturaleza, así como las probabilidades de éstos)
Método secuencial de toma de decisiones en ambiente de riesgo (se conocen los estados posibles de la naturaleza, así como las probabilidades de éstos) Un árbol de decisión es una forma gráfica y analítica
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesEL VALOR ESPERADO DE LA INFORMACIÓN PERFECTA. M. En C. Eduardo Bustos Farías
EL VALOR ESPERADO DE LA INFORMACIÓN PERFECTA M. En C. Eduardo Bustos Farías 1 MODELO DE DECISION CON INCERTIDUMBRE CON PROBABILIDADES Los estados de la naturaleza tienen distinta probabilidad de ocurrencia
Más detallesUniversidad Autónoma del Estado de Hidalgo Instituto de Ciencias Básicas e Ingeniería Área Académica de Matemáticas y Física
Universidad Autónoma del Estado de Hidalgo Instituto de Ciencias Básicas e Ingeniería Área Académica de Matemáticas y Física Línea de investigación: Biomatemáticas Programa educativo: Licenciatura en Matemáticas
Más detallesEjercicio de aplicación
Usando el Excel determine la solución a los casos siguientes: CASO 1. (Vendedor de Periódicos) Ejercicio de aplicación Un canillita compra periódicos al comienzo del día y no sabe cuantos venderá. Al final
Más detallesInvestigación de Operaciones II
Investigación de Operaciones II Árbol de Decisión Teoría de Decisión B Probabilidad A priori A Caso de Estudio C Probabilidad A posteriori Sin información perfecta D E Maestro Ing. Julio Rito Vargas Avilés.
Más detallesADMINISTRACIÓN DE OPERACIONES EJERCICIOS No 1. PRIMERA PREGUNTA Un vendedor puede comprar pantalones a precios referenciales.
ADMINISTRACIÓN DE OPERACIONES EJERCICIOS No 1 PRIMERA PREGUNTA Un vendedor puede comprar pantalones a precios referenciales. Si compra 100 unidades, el costo unitario es $ 11; Si compra 200 unidades, el
Más detallesTeoría de las decisiones y de los juegos Asignatura: Profesores: Sjaak Hurkens y Flip Klijn Examen: 10 de julio 2008
Teoría de las decisiones y de los juegos Asignatura: 25101 Profesores: Sjaak Hurkens y Flip Klijn Examen: 10 de julio 2008 Observaciones: Versión: 1 Duración: 2 horas y 30 minutos Documentos autorizados:
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA CONTENIDOS Y OBJETIVOS MÍNIMOS PARA EL CURSO 2007/08. 1. INTRODUCCIÓN A LOS CONTENIDOS. ( Decreto 208/2002. B.O.J.A. de 20.08.02
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 detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesDesempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos
Desempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos Resumen Ejecutivo Antecedentes El riesgo es un concepto ampliamente estudiado, con diversas definiciones que dependen del contexto
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesEJERCICIOS PAU: VALOR ACTUAL NETO (VAN)
EJERCICIOS PU: VLOR CTUL NETO () CRITERIOS DE EVLUCIÓN para Valor actual neto () El alumno debe saber obtener el resultado del, identificando claramente los parámetros que intervienen en la fórmula, e
Más detallesBúsqueda en línea y Búsqueda multiagente
Búsqueda en línea y Búsqueda multiagente Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados
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 detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
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 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 detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesPrácticas de IO con POM-QM 2014
BLOQUE DE PROBLEMAS DE TEORÍA DE JUEGOS I. El sindicato y la administración de una compañía negocian el nuevo contrato colectivo. Por ahora las negociaciones están congeladas, pues la empresa ha hecho
Más detallesTeoría Microeconómica
Teoría Microeconómica Sandro A. Huamaní Antonio 1 LAMBDA GROUP S.A.C Febrero del 2011 1 Esta es una versión preliminar escrita para el curso de Microeonomía dictado en LAMBDA GROUP cualquier sugerencia
Más detallesIN2201 Teoría de Juegos. Prof. Auxiliar: Charles Thraves. Universidad de Chile Facultad de Ciencias Físicas y Matemáticas
IN2201 Teoría de Juegos Prof. Auxiliar: Charles Thraves Un juego es una situación en la que los jugadores (participantes) toman decisiones estratégicas, es decir, tienen en cuenta las acciones y respuestas
Más detallesINVESTIGACION DE OPERACIONES
INVESTIGACION DE OPERACIONES TEORIA DE LA DECISION El problema de la Decisión, motivado por la existencia de ciertos estados de ambigüedad que constan de proposiciones verdaderas (conocidas o desconocidas),
Más detallesProgramación Matemática para Economistas 1
Programación Matemática para Economistas 1 CAPÍTULO 4. TOMA DE DECISIONES MULTICRITERIO. 1.- Introducción. Los problemas de programación lineal vistos hasta ahora, no implicaban ninguna decisión. Una vez
Más detalles1.1 CASO DE ESTUDIO: JUEGO DE CRAPS
. CASO DE ESTUDIO: JUEGO DE CRAPS El juego de Craps se practica dejando que un jugador lance dos dados hasta que gana o pierde, el jugador gana en el primer lanzamiento si tiene como total 7 u, pierde
Más detallesAnálisis de Decisiones Integral por Dr. Roberto Ley Borrás
Análisis de Decisiones Integral por Dr. Roberto Ley Borrás CONTENIDO Prólogo ix 1. EL ANÁLISIS DE DECISIONES 1 1.1 La importancia y el reto de tomar buenas decisiones 1 1.1.1 Decisiones estratégicas y
Más detallesANEXO 1: BASE DE TÉCNICAS. Palabras Clave: Caracterizar, Representar, Características Comunes, Actores, Roles
ANEXO : BASE DE TÉCNICAS Técnica: Adivina Quién? Palabras Clave: Caracterizar, Representar, Características Comunes, Actores, Roles Se requieren representaciones previas de objetos y/o personas antes de
Más detallesDESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
DESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Según REAL DECRETO 1467/2007, de 2 de noviembre, por el que se establece la estructura del bachillerato y se fijan
Más detallesESTRUCTURAS ALGORITMICAS
ESTRUCTURAS ALGORITMICAS El proceso de resolución de problemas en un ordenador conduce a la escritura de un programa y su ejecución. Las fases en el desarrollo de un programa pueden resumirse de la siguiente
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 detallesDETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES
Tema 2.- DETERMINANTES DETERMINANTES MATRICES EQUIVALENTES POR FILAS RANGO DE UNA MATRIZ. APLICACIONES 1 Un poco de historia Los determinantes es uno de los temas más útiles del Álgebra Lineal, con muchas
Más detallesBLOQUE TEMÁTICO III: EL SUBSISTEMA DIRECTIVO Y LA TOMA DE DECISIONES.
BLOQUE TEMÁTICO III: EL SUBSISTEMA DIRECTIVO Y LA TOMA DE DECISIONES. TEMA 6: LAS DECISIONES EN LA EMPRESA. 6.1 LA TOMA DE DECISIONES EN LA EMPRESA. 6.2 ETAPAS EN EL PROCESO DE TOMA DE DECISIONES. 6.3
Más detallesPROGRAMACION DE REDES. MODELOS DE TRANSPORTE
PROGRAMACION DE REDES. MODELOS DE TRANSPORTE El modelo de transporte o modelo de distribución es un ejemplo de un problema de optimización de redes. Se aplican para resolver ciertos tipos de problemas
Más detallesLECTURA 10: NOCIONES DE PROBABILIDAD (PARTE I) DEFINICIONES BÁSICAS DE PROBABILIDAD. PROBABILIDAD Y ENFOQUES DE PROBABILIDAD
LECTURA 10: NOCIONES DE PROBABILIDAD (PARTE I) DEFINICIONES BÁSICAS DE PROBABILIDAD. PROBABILIDAD Y ENFOQUES DE PROBABILIDAD TEMA 20: DEFINICIONES BASICAS DE PROBABILIDAD 1. EXPERIMENTO Un experimento
Más detallesProcesos estocásticos Cadenas de Márkov
Procesos estocásticos Cadenas de Márkov Curso: Investigación de Operaciones Ing. Javier Villatoro PROCESOS ESTOCASTICOS Procesos estocásticos Es un proceso o sucesión de eventos que se desarrolla en el
Más detalles