Scribd Logo
Carica

Benvenuto in Scribd!

  • Lectura 1

    Caricato da

    Jose Resendiz
    10 visualizzazioni11 pagine
    teoria de filas

    Titolo originale

    LECTURA 1

    Copyright

    © © All Rights Reserved

    Formati disponibili

    PDF o leggi online da Scribd

    Hai trovato utile questo documento?

    Questo contenuto è inappropriato?

    Segnala questo documento
    teoria de filas

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    10 visualizzazioni11 pagine

    Lectura 1

    Caricato da

    Jose Resendiz
    teoria de filas

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    di 11
    s de estudiar este capitulo, el alumno serd capaz de: Listar los pasos del proceso de toma de decisiones. 6 Describir los tipos de entornos en la toma de decisiones. 4 Tomar decisiones en condiciones de incertidumbre. 8. Utiizar valores de probabilidad para tomar decisiones con riesgo. ONTENIDO DEL CAPITULO Introduceién Los seis pasos para la toma de decisiones Tipos de entornos en la toma de decisiones Toma de decisiones con incertidumbre Toma de decisiones con riesgo Un ejemplo de minimizacion 37 38 39 3.10 Desarrollar érboles de decisién precisos y utiles. Revisar estimaciones de probabilidad usando e| anélisis bayesiano, Utilizar computadoras para resolver problemas basicos de toma de decisiones. ‘Comprender ia importancia y el uso de la teorfa eual para cada altematva, y se slecciona la allemativa cone! mimo de estos miximos. Al igual que con sunda los problemas de maximizacén, la pédida de opertunided nance puede ser nepaiva 208 sta ahora, se han considerado varios criterios de toma de decisions que se wilizarén cuando no se Del onoac ls probabldades dels esis de la naturale yn0 sea posible extimaros. hot se ver qu 3.000. hacer si exiten probbiidades disponibles ace ba ‘Toma de decisiones con riesgo “Tomar decisions en ixgo es una iuacién en la que pueden ocui varios estos de la naturale posi- bles, y se conocen las probabilidades de dichosestados. En esta seecién cosideramos uno de los métodos ‘nis populares para fa toma do decisiones co riesgo: a selecsign de la ateratva con el mayor valor ‘moneuri espe (0 simplemente valor espera). Tanbign uilizamos las probabilidades eon la tabla de pésida de opertunidad para recir al minino tales péuidas de oportunidad Valor monetario esperado Dada un tabla de decisiones con valores condicionaes (pagos) que Son valores monetarios, y evaluacio- ‘es de probabildad para todos Ios estados dela naturale, es posible determinar el valor monetarioespe- rado (VME) pra cada alterativa, El valor esperado, ol valor medio, x el valor promi a largo plazo de xa decision, EI VME oe una alternative simplemente Ta sum dels psibles pagos del alterativa, ‘ada uno de ellos ponderado por la probabildad de que el pago se produzca. Esto tambien podria eyresars simplemente como el valor espera de X, 0 E(X), que se estus en la seccion 26 del capitulo 2 ¢E es la uma ponderada de fos posible para ead aternativa. YME(altemativay = EXP(X) on 72 CAPITULO © ANAUISIS DE DECISIONES TABLA 3.9 Tabla de decisiones con probabilidades y VME para Thompson Lumber ELVEIP coloca un limite superior @ lo que debe pagarse por informacién Moet rend Roce) EN roe TES REE 5 ®) Rt ‘Constrir una plana grande ‘Construir une plants pequese 100,000 20,000 Gam) +) Mejor VME No hacer mids ° ° ° Probubilidades X,= pago paralaalternativa en el estado de la naturaleza P(X) = probeblidad de lograrel pag X(e dee, probabildad de estado de a naturale ) B= simbolo de una Al expand esto, se converte on, “VME (altemativa) = (pago em el primer estado dela naturaleza)X (probabilidad del primer estado de la natursleza) + (Pago en el segundo estado de la naturaleza) x (probabilidad del segundo estado de la naturale) “++ (pago en ef dkimo estado de la nauraleza) x (probabilidad del dhimo estado de la naturales Después, se elige la alternativa con el méximo VME. ‘Suponga que Jolin Thompson ahora cree que Ia probabilidad de un mercado favorable es exa igual a la probabiidad de un mercado destavorable: es decir, cada estado dela naturaleza tiene 0.50 probubiidades. ;Queé alterativa fe daria el mayor VME? Pata determinar esto, John ha ampliado la {e decisiones, como se muestra en la tabla 39. Sus c4leulos son como sige: ‘VME (plana grande) = ($200,000)(0.50) + (-S189,000K0.50) = $10,000 ‘VME (planta pequeais) = ($100,000)(0.50) + (-$20,000)(0.50) = $40,000 [VME (no hacer nada) = ($0)(0.50) + (80)(0.50) = $0 El mayor valor esperado ($40,000) es resultado de la segunda alternativa, “eonstruir una planta pequei Por fo tanto, Thompson deberia continuar con el proyecto insalar una planta pequeia para la fabric de cobertizos de almacenamiento. Los VME para construir la planta grande y no hacer nada son $10,000, 890, respectivamente (Cuando se utiliza el erterio del VME con problemas de minimizaci Pero se seleccina la alterativa con el menor VME, los ecu son los mismo Valor esperado de informacion perfecta John Thompson ha sido abordado por Scientific Marketing Ine, una compaiia que propome ayudar a Jo «tomar la decision sobre si se deberia construir una planta para producir cobertizos de almacenamicn ‘Sciemitie Marketing afirma que su andlisistécnico indicaré a Jobin con certidumbe si el mereado es favo ‘able para su producto propuesto, En otras palabras, que cambiaré su entomo de una toma de decisin com riesgo a una toma de decisn con certidumbre. Esta informacin evitaria que John cometiera un eror may ‘ostoso. Scientific Marketing cobraria a Thompson $65,000 por la informacidn. ; Qué le recomendaria & John? :Deberiacontratar la empresa para hacer el estudio de mercado? Incluso si la informacidn del estu- dio es perfectamente exaca, vale la pena pagar 965,000? {Cul sera el beneficio?’ Aunque algunas de es- {as preguntas son files de contest, In determinacign del valor dela informacin perfectasuele ser may ‘tl, Esto coloca un limite superior a lo que usted deberia estar dispuesto a gastr en informacién como la «que vende Scientific Marketing. En est secein se investigan dos términos relacionados: el valor espe- ado de la informacién perfecta (VEIP) y el valor esperado con informacion perfecta (VEeIP), Ess ‘enicas pueden ayudar a John a tomar una decisién sobre la contratacién de la empresa de marketing Fl valor esperado con informacion perfecta es el rendimiento esperado 0 promedio, a largo plaz, si se cuenta con informacin perfecta antes de tomar una decisin, Para caleular este valor, clegimos la mejor 3.10 de decisiones con ion perfecta 35 TOMADE DECISIONS CON RIESGO 73, altermatva para cada estado dela naturaleza y multi ese estado de a naturaleza. icamos su pago por la probabilidad de ocurreneia de \VEeIP = (mejor pago en el estado de la naturaleza i(probabiidad del estado de la naturaleza f) (3-2) A expundir esto, se convierte en VeeP = (mejor pago en el primer estado de la natraleza) x (protubiidad del primer estado de la natures) + (mejor pogo en el segundo estado dels naturaleza) X (probabilidad del segundo estado de la naturaleza) +--+ (mejor pago en el Gimo estado de la naturaleza) x (probabilidad delim estado de la naturale) EL VEIP es el valor esperado con informacin perfecta menos el valor esperado sin informacién perfects (¢s decir, el mejor o miximo VME). Por lo tanto, la VEIP es la mejora en el VME que resulta de tener informacién perfects. VEIP = VEcIP ~ Mejor VME 33) Con referencia a la tabla 3.9, Thompson puede calcular el méximo que pagar por informacion, es decir, e! VEIP. Sigue un proceso de tres etaas. En primer lugar, encuentra el mejor pago en cada estado de la naturaleza. Si la informacién perfecta indica que el mercado vaa ser favorable, se coasirurd Ia planta grande y lautiidad sera de $200,000 Sila informacion perfecta dice que el mercado serédesfavorable, se seleccionaré la altemativa “no hacer nada”, y el resultado serd 0. Estos valores se muestra en la fils “con informacin perfecta” de Ia tabla 3.10. En segundo lugar, se calcula el valor esperado com informaciGn perfecta, Luego uilizando este resultado, se calcula el VEIP. EL valor esperado con informacicn perfecta es VeeIP: 5200,000}(050) + ($0)(0.50) Por consiguiente, i tuvigramos informacidn perfecta el pago promediaria $100,000. EI VME maximo sin informacidn aicional es de $40,000 (sepia la tabla 3.8). Por fo tanto el au- ‘mento en e] VME es ven ‘VEcIP ~ VME méximo $100,000 ~ $40,000, $360,000 Por consiguient, lo mds que Thompson estarfa dispuesto a pagar por la informacién perfecta son $60,000, Jo-cual, desde luego, se basa de nuevo en el supuesto de que la probabilidad de cada estado de la naturaleza £050, El VEIP también indica que lo miximo que deberfa pagarse por cualquier informacidn (perfecta 0 imperfecta) son $60,000, En una seccign posterior, veremos cOmo se asigna un valor a ka informacin im perfeca o mussel ‘Cuando se encuentra el VEIP para problemas de minimizacign, el enfoque es similar. Se encuentra el ‘mejor pago en cada estado de la natureza, pero és es el pago mis bajo para ese estado en ver del mas ato, El VEcIP se calcula a partir de esos pagos mis bajos y se compara con el mejor (menor) VME sin informacién perfects, El VEIP la mejora que resulta, es decir, el mejor VME ~ VEcIP. uence ren) Sud EN CU oe ee EL © oO are Constr una plana grande 200.000 180,000 10,000 CConstrair una planta pequeria 100.000 20,000 40,000 No hacer nada o 0 Con informacién periecta 200.000 0 Probabilidades 030 0.50 74 CAPITULO + ANAUISIS DF DECISIONES TABLA 3.11 Tabla de la POE para Thompson Lumber La POE evel mejor soluctin to demo elgir la Le POE siempre da como resultado ta misma decison ‘que el VME mimo andliss de sensibitidad investiga imo posta cambiar nuestra ‘ecisin con datos de entrad diferentes. Geman nas Roe Rud CN EC Tt cS cy CConstruir una planta grande o 180,000 90,000 , ea 00.000 20,000 m0) « Mejor POE iris 200,000 0 100,000 Probabilidades 0 050 Pérdida de oportunidad esperada Unenfoguealtemativo para maximizar el VME consiste en minimizar la per ida de oportunidad esperada (POE). En primer lugar, se construye una tabla de pérdida de oportunidad. Después, sc calcula la POE para cada ate nativa multiplicando la pérdida de oportunidad por la probablidad para, después, sumat ‘estas pétdidas. En la tabla 3.7 se present a tabla de pérdida de oportunidad par el ejemplo de Thompsog Lumber. Al utilizar estas pérdidas de oportunidad, se calcula la POE para cada altemativa multiplicando le re abilidad de cada estado de la naturaleza por el valor de la pérdida de oportunidad correspondiente despues se suman las pérdidas POE (constrir una planta grande) = (0.5K 0) + (0.5)$180,000) $90,000 POE (construir una planta pequeda) = (0.5\,$100.000) + (0.5)(820,000 60,000 POE (no hacer nada) = (0.5)($200,000) + (0.5},80) 300,000 [La tabia 3.1 presenta estos resultados, Si se emplea la POE minima como el citer de decisén, la me decisi seria la segunda alterativa, “construir una plana pe OE minima siempre dara lugar a la misma decision que el VME 1 VEIP siempre serd igual a 1a POE minima. Con referencia al caso de Thompson, se ut cular el VEIP en $60,000. Observe que ésa es In POE minnie que aeahamos Es importante setalar que la maximo, y qu lig la tabla d se caleular Analisis de sensibilidad En las secciones anteriores, se determin6 que Ia mejor decisién (con probabilidades conocidas) p Thompson Lumber era construir la planta pequeti, con un valor esperado de $40,000, Esta conclu ddepende de los valores de las eonsecuencias econdmicas y de los dos valores de probabilidad para un mercado favorable y uno desfavorabl. El andlisis de sensibilidad investiga cmo nuestra decisin po- dria cambiar dado un cambio en los datos del problema, En esta seccién, se investiga el impacto que tendrfa un cambio en los valores de probabilidad sobre la decision en el caso de Thompson Lumber 0 definimos la vari ete: P= probabilidad de un mercado favorable Debido a que s6lo hay dos es ser =P. Ahora podemos expresar los VME en téminos de P, como se muestra en las siguientes Ademés, en la figura 3.1 se presenta una gritica de los valores del VME los de la naturaleza, la probabilidad de un mercado desfavorable debe VME (planta grande) = $200,000P ~ $180,000(1 ~ P) $200,000? ~ $180,000 + 180,000? $380,000? — $180,000 VME (planta peque'ia) = $100,000P — $20,000(1 — P) $100,000P — $20, '$120,000P ~ $20,000 = SoP + $0(1 — P) = $0 o00P ‘VME (no hacer nada 26 UNEJEMPLODEMINIMIZACION 75 eae et 2 ur \VME (no hacer nada) bed ‘Como se observa en la figura 3.1, la mejor decision es no hacer nada, siempre y cuando P esté entre (y la probabilidad asociada con el punto 1, donde el VME para no hacer nada es jgual al VME para la planta pequelia. Cuando P esti entre las probublidades de los puntos | y 2, la mej decisgin es la eons- ‘ruccin dela plana pequena. El punto 2 es donde el VME para le planta pequeRa es igual al VME para la planta grande, Cuando P es mayor que la probabiidad para el punto 2, la mejor decision es construr la planta grande, Por puesto, estoes lo que ve puede esperar a medida que P aumenta. El valor de P en los puntos | y 2 se aleula de Ia manera siguiente Punto 1: VME (no hacer nada) ME (planta pequeia) (0 = $120,000 ~ $2000 Punto 2: VME (planta pequefa)= VME (planta grande) = S120 ~ $20,000 = sss0oun? ~ stanan0 150.000 00 = 10.000 ors zengine = anen0 p = 128 bok Los resultados de este anilisis de scnsibilidad sc muestran cn la siguicnte tabla: ta a cee Menor ue 0167 ys Ccetmrinssumeaess " Mapnwnls Un ejemplo de mini Losejemplos anteriores han ilustrado cémo se aplican los criterios de toma de decisiones cuando se desean ‘maximizar los pagos. Fl siguiente ejemplo ilusta ls manera en que se aplican estos eriteris a problemas,

    Potrebbero piacerti anche