Anda di halaman 1dari 12

REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA ARMADA EXTENSIN NIRGUA - NCLEO YARACUY

Facilitador: Ing. Lus Sequera

Emprendedor: Eduardo Lucena VIII Semestre Seccin U Ingeniera de Sistemas

Nirgua, Noviembre 2013.

TOMA DE DECISIONES BAJO CERTIDUMBRE La toma de decisiones bajo certidumbre no es un proceso sencillo, cada una de las tareas a las que se enfrenta quien toma la decisin bajo certidumbre: identificar los actos disponibles, medir las consecuencias y seleccionar el mejor acto involucra el uso de la teora de la programacin lineal. Una clase importante de problemas de decisin incluye aquellos en los cuales cada acto disponible para quien toma la decisin tiene consecuencias que pueden ser conocidas previamente con certidumbre. A tales problemas se le llama toma de decisiones bajo condiciones de certidumbre. DENTRO DE ELLA ES MUY UTILIZADA LA MATRIZ DE COMPARACIONES Para la comparacin en pares de las alternativas y atributos se requiere de una matriz, (denominada matriz de comparacin), registrar los pesos de los criterios y estimar el ndice de consistencia; esta matriz de comparacin tiene la siguiente forma: Escala numrica para la comparacin pareada: para hacer las comparaciones se utilizan escalas de razn en trminos de preferencia, importancia o probabilidad, sobre la base de una escala numrica. Al usar la escala se asume que la comparacin es recproca, es decir, que si el criterio A es doblemente preferido sobre B, se concluye que el criterio B es preferido 0.5 veces con respecto a A. La matriz de comparacin por pares: Tomando como ejemplo el criterio de comodidad: Se estn considerando tres vehculos por lo que debe ser una matriz de tres filas por tres columnas. Es por ello, que se basa en las preferencias especificadas por el tomador de la decisin, segn la tabla de la diapositiva anterior. MTODO MONTE CARLO Bajo el nombre de Mtodo de Monte Carlo o Simulacin Monte Carlo se agrupan una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulacin de nmeros aleatorios. El Mtodo de Monte Carlo da solucin a una gran variedad de problemas matemticos haciendo experimentos con muestreos estadsticos en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea estocstico o determinstico. Generalmente en estadstica los modelos aleatorios se usan para simular fenmenos que poseen algn componente aleatorio. Pero en el mtodo de Monte Carlo, por otro lado, el objeto de la investigacin es el objeto en s mismo, un suceso aleatorio o pseudo-aleatorio se usa para estudiar el modelo.

A veces la aplicacin del mtodo de Monte Carlo se usa para analizar problemas que no tienen un componente aleatorio explcito; en estos casos un parmetro determinista del problema se expresa como una distribucin aleatoria y se simula dicha distribucin. Un ejemplo sera el famoso problema de las Agujas de Bufon. La simulacin de Monte Carlo fue creada para resolver integrales que no se pueden resolver por mtodos analticos, para resolver estas integrales se usaron nmeros aleatorios. Posteriormente se utiliz para cualquier esquema que emplee nmeros aleatorios, usando variables aleatorias con distribuciones de probabilidad conocidas, el cual es usado para resolver ciertos problemas estocsticos y determinsticos, donde el tiempo no juega un papel importante. El mtodo fue llamado as por el principado de Mnaco por ser ``la capital del juego de azar'', al tomar una ruleta como un generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo Data aproximadamente de 1944 con el desarrollo de la computadora electrnica. Sin embargo hay varias instancias (aisladas y no desarrolladas) en muchas ocasiones anteriores a 1944. El uso real de los mtodos de Monte Carlo como una herramienta de investigacin, viene del trabajo de la bomba atmica durante la Segunda Guerra Mundial. Este trabajo involucraba la simulacin directa de problemas probabilsticos de hidrodinmica concernientes a la difusin de neutrones aleatorios en material de fusin. An en la primera etapa de estas investigaciones, John von Neumann y Stanislao Ulam refinaron esta curiosa ``Ruleta rusa'' y los ''mtodos de divisin''. Sin embargo, el desarrollo sistemtico de estas ideas tuvo que esperar el trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo ao, Fermi, Metropolos y Ulam obtuvieron estimadores para los valores caractersticos de la ecuacin de Schrdinger para la captura de neutrones a nivel nuclear. RBOLES DE DECISIN Es un diagrama que representan en forma secuencial condiciones y acciones; muestra qu condiciones se consideran en primer lugar, en segundo lugar y as sucesivamente. Este mtodo permite mostrar la relacin que existe entre cada condicin y el grupo de acciones permisibles asociado con ella. Un rbol de decisin sirve para modelar funciones discretas, en las que el objetivo es determinar el valor combinado de un conjunto de variables, y basndose en el valor de cada una de ellas, determinar la accin a ser tomada. Los rboles de decisin son normalmente construidos a partir de la descripcin de la narrativa de un problema. Ellos proveen una visin grfica de la toma de decisin necesaria, especifican las variables que son evaluadas, qu acciones deben ser tomadas y el orden en la cual la toma de decisin ser efectuada. Cada vez que se ejecuta un rbol de decisin, solo un camino ser seguido dependiendo del valor actual de la variable evaluada. Se recomienda el uso del rbol de decisin cuando el nmero de acciones es pequeo y no son posibles todas las combinaciones.

USO DE RBOLES DECISIONES El desarrollo de rboles de decisin ha beneficiado al analista en dos formas. Primero que todo, la necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera formal las decisiones que actualmente deben tomarse. De esta forma, es difcil para ellos pasar por alto cualquier etapa del proceso de decisin, sin importar que este dependa de variables cuantitativas o cualitativas. Los rboles tambin obligan a los analistas a considerar la consecuencia de las decisiones. Se ha demostrado que los rboles de decisin son eficaces cuando es necesario describir problemas con ms de una dimensin o condicin. Tambin son tiles para identificar los requerimientos de datos crticos que rodean al proceso de decisin, es decir, los rboles indican los conjuntos de datos que la gerencia requiere para formular decisiones o tomar acciones. El analista debe identificar y elaborar una lista de todos los datos utilizados en el proceso de decisin, aunque el rbol de decisin no muestra todo los datos. Si los rboles de decisin se construyen despus de completar el anlisis de flujo de datos, entonces es posible que los datos crticos se encuentren definidos en el diccionario de datos (el cual describe los datos utilizados por el sistema y donde se emplean). Si nicamente se usan rboles de decisiones, entonces el analista debe tener la certeza de identificar con precisin cada dato necesario para tomar la decisin. Los rboles de decisin no siempre son la mejor herramienta para el anlisis de decisiones. El rbol de decisiones de un sistema complejo con muchas secuencias de pasos y combinaciones de condiciones puede tener un tamao considerable. El gran nmero de ramas que pertenecen a varias trayectorias constituye ms un problema que una ayuda para el anlisis. En estos casos los analistas corren el riesgo de no determinar qu polticas o estrategias de la empresa son la gua para la toma de decisiones especficas. Cuando aparecen estos problemas, entonces es momento de considerar las tablas de decisin. EJEMPLOS DE RBOL DE DECISIN. 1) Pasos a seguir por un empleado de banca:

2) Posibilidad de desarrollar un nuevo producto:

METODOS ASOCIADOS Jerarquizacin Analtica: fue desarrollado durante los aos setentas en la Universidad de Pennsylvania por el Dr. Thomas L. Saaty, al buscar elaborar un instrumento formal para la evaluacin y seleccin de alternativas, que tuviera las caractersticas de ser slido en sus fundamentos matemticos, til en la toma de decisiones y sencillo en su aplicacin. Saaty considera que para la solucin de un problema el decisor transita por tres etapas: inicia con la formulacin del problema, luego realiza una evaluacin y finalmente selecciona el mejor curso de accin que ms contribuya al logro del objetivo. Este mtodo puede ser realizado en grupo o de manera individual, aplicndose preferentemente a problemas complejos. EJEMPLO 1) Representacin del problema: Para esto se requiere representar el problema mediante la construccin de un arreglo jerrquico de al menos tres niveles, llamado diagrama de rbol. La jerarqua implica una clasificacin ordinal donde los niveles estn subordinados entre s, mediante alguna base definida. Este arreglo arbreo se forma con los tres factores bsicos para la toma de decisiones:

las alternativas que sern sujetas de valoracin (llmense actividades, estrategias, proyectos, cursos de accin, entre otros.), el objetivo que se pretende alcanzar y los criterios de valoracin con los que se habrn de valorar las alternativas. El rbol no se limita a un nmero de niveles ni de elementos por nivel, sin embargo se sugiere un mximo de cuatro niveles y siete elementos por nivel.

Conviene vigilar que tanto las alternativas como los criterios procuren tener el mismo nivel de complejidad y ser mutuamente excluyentes, de lo contrario se pueden producir problemas de consistencia. Como ejemplo, iniciemos con el problema de decidir qu destino turstico es el mejor para disfrutar unas vacaciones navideas.

Supongamos que se hubieran considerado como criterios el costo, la seguridad y el costo en diversiones y que las alternativas hubieran sido Acapulco, Ixtapa y Puerto Vallarta. Los criterios a evaluar serian el costo, diversiones nocturnas y variedad en las diversiones nocturnas. Ya formulado nuestro rbol, continuamos con la siguiente etapa. 2) Evaluacin de los Criterios de Valoracin: En esta etapa se construye una matriz A, a partir de la comparacin de los diferentes criterios con el propsito de estimar la importancia relativa entre cada uno de ellos. La matriz A tiene la forma:

Y presenta la propiedad de que aji=1/ aij y aii =1 A cada comparacin se le asignar una calificacin. Saaty propone la siguiente escala de importancia relativa de la cual se obtienen las calificaciones para las diferentes comparaciones. ESCALA DE IMPORTANCIA RELATIVA

Sern comparados y evaluados los criterios costo, seguridad y diversiones nocturnas. La primera comparacin es costo con relacin a seguridad. Nos preguntamos cul de los dos criterios es el ms importante. Si tienen la misma importancia la calificacin sera 1 (de acuerdo a la escala de Saaty), sin embargo en este caso se considera que el costo tiene una importancia fuerte respecto a la seguridad, otorgndole una calificacin de 5 y de acuerdo a lo establecido, la seguridad comparada con el costo, o sea la comparacin recproca, tendr el valor de 1/5; si es que la calificacin fue consistente.

En el supuesto caso que la seguridad hubiera sido ms importante que el costo tambin con una importancia relativa de 5, el valor se tendra que haber registrado a la inversa en las dos celdas de la matriz. Estas calificaciones se van registrando en la matriz A como la que se muestra a continuacin.

Ya se mencion que las calificaciones en la diagonal principal de la matriz siempre tendrn valor 1, esto es, al compararse un elemento por s mismo mantiene igual importancia. Tambin es necesario sealar la conveniencia de ser consistentes al establecer la importancia relativa entre los elementos de cada nivel. Por ejemplo, si el criterio es la dureza y se dice que el diamante es tres veces ms duro que el cuarzo y que el cuarzo es cinco veces ms duro que el yeso; entonces, para ser consistentes, el diamante es ocho veces ms duro que el yeso. Si se dice que el diamante es cinco veces ms duro que el yeso, se estar cayendo en inconsistencia; por lo que se tendr la necesidad de repetir la asignacin de calificaciones (importancias relativas), si se desea obtener mayor exactitud. El grado de consistencia se calcula para cada matriz A de comparaciones, y se expresa mediante la razn de inconsistencia RI, que es comn colocarla en la parte inferior de la matriz A. Su clculo se presenta a detalle ms adelante. Una vez llena la matriz A con las respectivas calificaciones, se procede a estimar los correspondientes pesos relativos de los criterios W. Los pesos relativos es el vector caracterstico o eigenvector de la matriz. Una estimacin para su clculo se presenta a continuacin. Primero, se normaliza la matriz A, obtenindose A

Esto es, siguiendo con el ejemplo, la matriz A se calcula como sigue. Se suman las calificaciones de cada columna de la matriz A, respectivamente: 1 + 0.20 + 0.50 = 1.70; 5 + 1 + 4 = 10.00; 2 + 0.25 + 1 = 3.25 Posteriormente, por columna, cada calificacin de la matriz A se divide entre el total de su respectiva columna, formndose la siguiente matriz normalizada A

Se calcula el promedio de cada rengln de la matriz A, del rengln 1 hasta el rengln n, y se obtiene la matriz W de los pesos relativos o eigenvector, que con frecuencia se coloca al lado derecho de la matriz A.

Siguiendo el ejemplo, se calcula el promedio de las calificaciones para cada uno de los tres renglones de la matriz A, respectivamente: (0.588 + 0.500 + 0.615)/ 3 = 0.568 (0.118 + 0.100 + 0.077) / 3 = 0.098 (0.294 + 0.400 + 0.308) / 3 = 0.334 Estos valores integran la matriz W de pesos de los criterios correspondientes, mismos que se colocan a la derecha de la matriz A. CLCULO DE LA RAZN DE INCONSISTENCIA Una estimacin del grado de inconsistencia en el que se incurre al momento de asignar calificaciones es la razn de inconsistencia RI, la cual indica el grado de incoherencia que se comete al calificar la importancia relativa de los criterios y alternativas de un problema. Una prctica comn es colocarla en el parte inferior de cada matriz de comparaciones A con el propsito de vigilar la consistencia en las calificaciones.

3) Evaluacin de las Alternativas: en esta etapa se construyen tres matrices, una para cada criterio. En cada matriz se van a comparar entre si las tres alternativas de acuerdo al correspondiente criterio. El llenado de las matrices, el clculo de los pesos relativos y el clculo de la razn de inconsistencia es similar a la etapa anterior.

4) Jerarquizacin de las Alternativas: Para conocer qu alternativa es la ms importante de acuerdo a los criterios establecidos se realizan algunos clculos sencillos. Se multiplica cada una de las componentes de la matriz de pesos de los criterios por la correspondiente matriz de pesos de cada una de las matrices de las alternativas, esto es:

De lo anterior, por tener un mayor peso, se selecciona Puerto Vallarta para disfrutar las vacaciones navideas.