REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA FUERZA
ARMADA
NUCLEO ZULIA

GUIA DE TEORIA DE DECISIONES

ING. DE SISTEMAS

PROF. ING. SONIA J. VELASQUEZ

MARACAIBO 2015 - 2

UNIDAD 1
TEORIA DE CONJUNTOS

La teora de conjuntos es una rama de las MATEMATICAS que estudia las

propiedades de los conjuntos.

Los conjuntos son colecciones abstractas de

objetos, consideradas como objetos en s mismas, y son una herramienta bsica

en la formulacin de cualquier teora matemtica.
Ejemplo:
Los conjuntos numricos usuales en matemticas son: el conjunto de los nmeros
naturales N, el de los nmeros enteros Z, el de los nmeros racionales Q, el de
los nmeros reales R y el de los nmeros complejos C. Cada uno es subconjunto
del siguiente.
NZQRC

La Teora de Decisiones o bien llamada La teora de juegos aplicando la teora de

conjuntos trata de analizar la toma de decisiones racionales en diferentes
escenarios y conflictos. Buena parte de nuestras acciones diarias, tanto
individuales como colectivas ameritan tomar decisiones que sobrepasan el
alcance de la intuicin. Las cuales requieren un anlisis cuidadoso de las opciones
con las que contamos. La matemtica nos aporta diversos instrumentos que
pueden sustentar esta tarea, tal como es el caso de la programacin matemtica.
Este modelo proporciona una visin cuantitativa acerca del problema y la
mejor decisin posible. En nuestra asignatura Teora de Decisiones entenderemos
la programacin como la mejor combinacin de valores que pueden tomar las
variables que intervienen en la situacin de estudio.

Para la comprensin de la Teora de Decisiones nos apoyamos en la Estadstica y

con ella algunos conceptos ya vistos con anterioridad.
Moda: indica el valor ms observado en una muestra.
Mediana: muestra el valor que divide en dos mitades a un grupo encuestado.
Desviacin estndar: mide el grado de dispersin de los valores de la variable
segn su probabilidad de ocurrencia. Para una distribucin binomial se calcula:
Sx= n*p*q este resultado permite obtener el margen de incertidumbre de los
valores que pueden ocurrir alrededor de su valor esperado.
Margen de Incertidumbre: E (x)= Sx
Distribucin Binomial: Permite el clculo de probabilidades para cada valor de
variables aleatorias discretas que satisfagan la condicin de: repetir n veces un
experimento aleatorio en igualdad de condiciones y que el experimento ofrezca
dos posibles resultados con probabilidades constantes.
Coeficiente de correlacin: es el que mide la correlacin lineal simple entre dos
variables (es un valor decimal con un rango entre cero y uno).
Frecuencia Relativa: es el nmero al que tiende la frecuencia asociada al suceso
a medida que el nmero de veces que se realiza el experimento crece

La frecuencia relativa del suceso A:

Propiedades de la frecuencia relativa:

1. 0 fr (A) 1 cualquiera que sea el suceso A.
2. fr(
3. fr(E) = 1

) = fr(A) + fr(B)

si

= .

fr() = 0.

Probabilidad
La Probabilidad pertenece a la rama de la matemtica que estudia ciertos
experimentos llamados aleatorios, o sea regidos por el azar, en que se conocen

todos los resultados posibles. Un ejemplo seria de experimentos aleatorios

cotidianos, son el lanzamiento de una moneda, el lanzamiento de un dado,
extraccin de una carta de un mazo de naipes. .
La varianza : es una medida del riesgo; por lo tanto, cuanto mayor la
varianza, mayor el riesgo.
Espacio Muestral: Se llama espacio muestral (E) asociado a un
experimento aleatorio, el conjunto de todos los resultados posibles de
dicho experimento.
Ejemplos:

Al lanzar una moneda, el espacio muestral es E = {sale cara, sale

sello} E = {c, s}.

Al lanzar un dado de seis caras, el espacio muestral es

E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6}

E = {1,

2, 3, 4, 5, 6}

Al

lanzar

dos

monedas,

el

espacio

muestral

es

E = {(c,c), (c,s), (s,c), (s,s)}.

Al lanzar tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s),

(c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s)}

Evento o Suceso. Se llama evento a todo subconjunto de un espacio

muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del
lanzamiento de un dado, los siguientes son eventos:

1. Obtener un nmero primo.

2.

Obtener

un

nmero

A={2, 3, 5}
primo

par.

B={2}

3.

Obtener

un

nmero

mayor

igual

5.

C = {5, 6}
Eventos mutuamente excluyentes.- Dos eventos son mutuamente
excluyentes si no pueden ocurrir en forma simultnea, esto es, si y slo
si su interseccin es vaca. Por ejemplo, en el lanzamiento de un dado
los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por
cuanto

BC=

Eventos Complementarios.- Si A B =

y A U B = E, se dice que A

y B son eventos complementarios: Ac = B y Bc = A

En

un experimento aleatorio todos los resultados son equiprobables

(iguales probabilidades), es decir, la ocurrencia de uno es probabilidad

de un evento A es la razn: P(A) = nmero de casos favorables para A /
nmero total de casos posibles.
A partir de esta definicin las probabilidades de los posibles resultados
del experimento se pueden determinar a priori, es decir, sin realizar el
experimento.
Modelos probabilsticos
El conocimiento es lo que sabemos, la informacin es la comunicacin del
conocimiento. En Cada intercambio de conocimiento hay un remitente y un
receptor; el remitente hace comn lo que es privado, hace la informacin, la
comunicacin.
Los datos son conocidos como comunicacin cruda y no como conocimiento en si.
Los datos se convierten en informacin, cuando se hace relevante para la toma de
decisiones a un problema existente. La informacin se convierte en hecho cuando
es respaldada por los datos.

Un experimento es un procedimiento mediante el cual se puede tener informacin

acerca de un sistema fsico o matemtico. El objetivo principal de realizar
experimentos es obtener informacin acerca de sistemas bajo estudio, a partir de
ella obtener conclusiones.
Se dice que un experimento es Determinsticos si al realizarse bajo las mismas
condiciones se obtiene invariablemente el mismo resultado o dato, en el caso de
que se obtengan resultados o datos diferentes se dice que este es un
experimento probabilstico o aleatorio.
Ej. 1.- En una votacin preliminar simulada para determinar la probabilidad de
cierto candidato para la presidenciales, se encontr que 495 de 1000 votantes
seleccionados aleatoriamente estn a favor de dicho candidato cual es la
probabilidad de que los votantes favorezcan a este candidato?
P = N(E) / N(s)
N(s) = 1000

Solucin:
N(E)= 495 entonces la P= 0.495

2.- Supongamos que segn las estadsticas recopiladas por la oficina de

meteorologa del Zulia muestran que ha llovido durante el desfile de san Sebastin
14 veces durante los ltimos 80 aos.
Cul es la probabilidad de que llueva durante el prximo desfile?
Cul es la probabilidad que no llueva?
Solucin:
Si E = [ xx es un ao lluvioso el da del desfile de san Sebastin) entonces
Ec = [ xx es un ao no lluvioso el da del desfile de san Sebastin)
Como N(E)= 14 N(Ec) = 66

a) P(E)= 14 /80 = 7/40 = 0.175

b) P(Ec)= 66/80 = 0.825
Ahora un ejemplo de la diferencia entre los dos modelos, consideremos el pasado
y el futuro. Nada que hagamos ahora puede cambiar el pasado, pero cualquier
cosa que hagamos influye y cambia el futuro; a pesar que el futuro tiene un
elemento de incertidumbre. Todo gerente se siente cautivado por darle forma al
futuro y no por la historia pasada.
La mayora de las decisiones son tomadas de frente a la incertidumbre, la
probabilidad entra en el proceso representando el rol de sustituto de la certeza.
Los modelos probabilsticos son vistos de manera similar que a un juego, las
acciones estn basadas en los resultados esperados. El inters se mueve desde
un modelo Determinstico a uno probabilstico usando tcnicas estadsticas
subjetivas para estimacin, pruebas y prediccin. En los modelos probabilsticos,
el riesgo significa incertidumbre para la cual la distribucin de probabilidad es
conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para determinar
los resultados de las decisiones junto a sus probabilidades.
El origen de la Teora de Decisiones para la toma de decisiones se deriva de la
economa, en el rea de funcin de la utilidad del pago. Propone que las
decisiones deben tomarse calculando la utilidad y la probabilidad de rangos de
opciones, y establece estrategias para la buena toma de decisiones. El estudio de
la toma de decisiones proporciona el marco para escoger cursos de accin en
situaciones complejas, inciertas o dominadas por conflictos.
La eleccin entre acciones posibles y la prediccin de resultados esperados
resultan del anlisis lgico que se haga de la situacin de decisin. En todos los
aspectos de la vida nos enfrentamos constantemente a toma de decisiones, ya
sean grandes o pequeas para problemas que tengamos que solucionar.
Objetivos para la toma de decisiones en los sistemas

 Tomar decisiones acertadas basndose en la objetividad de los datos ms

que en los deseos y esperanzas para darle una interpretacin adecuada.
La informacin es la materia prima y fundamental en la toma de decisiones.
Tomar decisiones y realizar acciones basadas en el anlisis de hechos,
equilibradas con la experiencia y la intuicin.
La buena toma de decisiones permite vivir mejor.
"Toda mala decisin que tomo va seguida de otra mala decisin"
Anlisis de alternativas, ya al tener una lista de alternativas de decisin, se
procede a analizar o evaluar cada una de ellas, asignndoles calificaciones con
respecto a cada criterio determinado.
Ej. Evaluando de

1 a 10

Para el proveedor A, en el criterio Precio le damos una calificacin de 10 (ya

que tiene buenos precios), en Calidad le damos un 5 (pues sus productos no
son de muy buena calidad ni tampoco de mala calidad), en facilidades de Pago
se le da un 8 (pues da buenos crditos comerciales); y en plazos de Entrega
un 2 (pues demoran mucho en entregar los pedidos). As mismo se hace con
los dems proveedores, observemos el siguiente cuadro:

Precio

Calidad Pago

10

Entreg
a

Proveedor A

10 7

Proveedor B

Proveedor C

2
6

Total
184
197
146

Una vez que hemos asignado calificaciones a cada alternativa con respecto a
cada criterio, para hallar la calificacin total de cada alternativa multiplicamos la

calificacin de cada criterio por el peso de este, y luego sumamos los

resultados de cada alternativa.
Una vez evaluado a los proveedores propuestos, seleccionamos el proveedor
B ya que es el que obtuvo la mayor calificacin.
Implementar la alternativa es decir que luego de todos los procedimientos
anteriores procedemos a ponerla en prctica, es decir se toma la decisin de
comunicar en tal caso al proveedor B para que firme el contrato.
El ltimo paso en esta toma de decisin es la evaluacin de la eficacia de la
decisin, es decir evaluamos constantemente en este caso el desempeo del
proveedor seleccionado, que mantenga la calidad y que entregue los productos
a tiempo.
TECNICAS DE CONTEO
1.-Teora Combinatoria o combinaciones
El nmero de conjuntos diferentes con r elementos cada uno, que pueden
formarse de un conjunto de n elementos (n r) se llama combinaciones de n
elementos tomando r a la vez.
C(n,r) o nCr = n!/ r!(n-r)! =

n
r

Ej. 1.- En la firma de un acuerdo bilateral entre Brasil y Venezuela, se requieren

conformar

comits de trabajadores de 7 personas. Por ejemplo, si hay 10

trabajadores o trabajadoras de Venezuela y 8 de Brasil. Cuantos comits

diferentes de 7 personas pueden formarse de tal manera que el comit contenga
las siguientes personas:
Exactamente 4 de Venezuela
Por lo menos 4 de Venezuela

 A lo sumo 4 de Venezuela
Aplicando la formula y algunos axiomas de teora combinatoria en la resolucin de
los problemas que se plantearon se tendr que:
8

1
0

= 11.760 comites

En este caso debe cumplirse que de los 7 miembros, 4 de los 10 sean

exactamente venezolanos y para completar el comit, 3 de los 8 sean brasileros,
formaran parte del mismo.
Se planteo que por lo menos 4 sean venezolanos, esto quiere decir que ese
es el numero mnimo de venezolanos y venezolanas en el comit, sin
embargo esto no excluye que tambin puedan estar 5,6 o 7 venezolanos y
venezolanas en el comit. Por tanto cada posible combinacin a de
sumarse a las otras combinaciones posibles. As quedara la solucin:
10
4

8
3

10

10

10

= 20.616

Cuando se plantea a los sumo, es decir como mximo. De tal manera que
los valores considerados son 0,1,2,3,4 y quedara asi:

10
0

8
7

10
1

8
6

+ 10

8
5

+ 10
3

= 22.968 comits
8
3

9
7

11
5

8
4

+ 10
4

8
3

Hallar los nmeros combinatorios

2.- Variacin
Adems las variaciones pueden ser con repeticin o sin repeticin.