Académique Documents
Professionnel Documents
Culture Documents
El tomador de decisiones analtico hace uso de tcnicas de decisin tales como grficas,
modelos probabilsticas y otras tcnicas matemticas para asegurar una toma de decisiones
slida. Un ejemplo de tomador de decisiones analticas es aquel gerente que al enfrentarse a
un problema desea emplear un modelo de gerencia computarizado para solucionar conflictos
de manera ptima. Para ello, el gerente debe establecer una funcin objetivo y sus
restricciones, construir las relaciones matemticas pertinentes, recopilar informacin para el
modelo y obtener la solucin del problema.
4.2 TOMA DE DECISIONES HEURSTICA
La heurstica en trminos generales se basa en la experiencia. Los tomadores de decisiones
heursticos:
Pag. 2
DECISIONES ESTRUCTURADAS
DECISIONES NO ESTRUCTURADAS
Pag. 4
Planes
Pag. 5
MATRIZ DE PAGOS
Alternativas
de decisin
Alt - 1
Alt 2
Alt 3
Alt - 4
LA CELDA REPRESENTA EL
OBJETIVO DEL DECISOR EN EL
PROCESO DE TOMA DE DECISIONES,
ES DECIR BENEFICIOS, COSTOS,
UTILIDADES, INGRESOS, ..ETC.
Pag. 6
Pag. 7
en Enero. Este mayorista ofrece paquetes pequeos, medianos y grandes a precios especiales y el
vendedor debe elegir alguno de ellos. La tabla de pagos es la siguiente:
Accin
Pequeo
Mediano
Grande
Probabilidad a priori
Estado de la economa
Fro Clido Trrido Caliente
0
1000
2000
3000
-1000
0
3000
6000
-3000 -1000 4000
8000
0.3
0.2
0.4
0.1
Caso 6
La constructora VISA S. A. Est realizando una encuesta que le ayudar a evaluar la demanda de su
nuevo complejo de condominios en Los Cerros de La Molina. La matriz de pagos (en miles de
dlares) es la siguiente:
Estado de la naturaleza
Baja Media Alta
s1
S2
S3
0
1000
2000
-1000
3000
-3000
-1000
4000
0.4
0.2
0.4
Caso 7.
PETROINKA SAC, empresa petrolera que perfora pozos en la selva, requiere cierta pieza que usa
en cada pozo la cual est sujeta a rotura accidental y debe ser reemplazada a la brevedad.
Es posible transportar piezas de repuesto desde el inicio del proyecto o enviarlas posteriormente
si es necesario.
Se requiere determinar el nmero de piezas que se debe transportar inicialmente se sabe que:
El costo de cada pieza es US $ 100
El costo de transporte por pieza es de US $ 50 si el embarque es al inicio y de US $ 150 por pieza
si es posterior.
Las piezas transportadas y no usadas deben regresarse por un costo de US $ 50 por transporte por
pieza.
Considerar que no se van a romper ms de 2 piezas.
a) Construir la matriz de costos.
b) Asumiendo que todos los sucesos tienen igual probabilidad de ocurrencia. Cul es el valor
esperado de la informacin perfecta?
Pag. 8
EJERCICIOS
1. La distribucin de ventas de cmaras fotogrficas para una tienda en Chacarilla es
dada por:
Ventas por da (unidades) 20 25 40 60
Frecuencia (das)
10 30 50 10
a) Si se almacena 25 cada da. Cul es su utilidad esperada por da?
b) Cul sera la utilidad por da con un inventario de 60 unidades?
c) Qu cantidades se debe comprar cada da para maximizar las utilidades
esperadas?
d) Cunto se debe pagar por informacin de pronsticos de las ventas de maana?
2. Un veterinario compra vacunas de inmunizacin contra la rabia, el lunes cada
semana. Debido a las caractersticas de esta vacuna, se debe usar el viernes a ms
tardar o desecharse. La vacuna cuesta $7 por dosis y el veterinario cobra $10 por
dosis. En el pasado, el veterinario ha administrado vacuna contra la rabia en las
siguientes cantidades:
Dosis usada por semana
Frecuencia (semana)
25 40 50 75
15 20 10 7
Pag. 9
Demanda
4
5
6
7
8
9
Pag. 10
2. RBOLES DE DECISIN
2.1 Conceptos
2.2 Anlisis de sensibilidad
2.3 rboles de decisin con informacin nueva.
2.1 CONCEPTOS
Un rbol de decisin es un recurso grfico para analizar decisiones bajo riesgo, o sea
problemas en donde se han especificado las probabilidades de los estados de la naturaleza.
Representacin del rbol de decisin:
Nodos
Aristas
Punto de decisin
Punto Estado de Naturaleza
Alternativas de decisin
Eventos del Estado de Naturaleza
Criterio
Construido el rbol de decisin se determina para cada ramo del rbol su correspondiente
valor esperado, anlogamente se determina el valor esperado para cada alternativa de
decisin.
Arboles de Decisin
El fundamento del anlisis de decisiones es descomponer un problema complejo en otros
ms simples, analizar stos, unirlos lgicamente, y finalizar con un plan de accin para
solucionar el problema total. El rbol de decisiones, puede brindar a los administradores,
una visin clara de cules son las alternativas, los riesgos y las necesidades de informacin
de un problema determinado. En l se describen las decisiones y acontecimientos cuyas
consecuencias se desean comparar.
Asimismo es importante sealar, que esta metodologa no proporciona la solucin al
problema, ayuda ms bien a determinar cual es la alternativa que nos proporcionar una
mayor utilidad o beneficio.
Posibilidades que nos brinda un rbol de decisiones:
1. Es una forma de comunicar y exponer el problema a los responsables, pedir sugerencias
u obtener aprobaciones.
2. Es una herramienta que ayude a la comprensin total del problema
3. Permite mostrar la estructura total del problema, poniendo de manifiesto tanto la
secuencia de las decisiones como la incertidumbre presente a lo largo d dicha secuencia.
4. Incorpora al proceso la experiencia, el juicio y la intuicin del tomador de decisiones.
5. Es un mtodo cientfico, que conduce a conclusiones tambin cientficas, consistente con
la experiencia, juicio e intuicin que el tomador de decisiones manifiesta a travs de la
asignacin de probabilidades y la cuantificacin de los resultados posibles.
SOLUCION DE UN CASO
Planteamos la metodologa a partir de la solucin a un caso. Supongamos la siguiente
situacin:
La compaa "ACDE" ha desarrollado un nuevo producto que est considerando lanzar al
mercado. El costo estimado del lanzamiento es de
100000.000 . Hay solamente dos
estados de la naturaleza posibles, es preferido al de su competidor o no. Si es proferido al
Pag. 11
del competidor y es lanzado al mercado, las ventas brutas que obtendr la compaa sern
por 300000.000. Sin no es preferido del competidor y es lanzado al mercado, las ventas
brutas que se obtendran sern de 500000.0000 suponga que no hay costos de produccin.
De no lanzar el producto al mercado, ellos tienen la opinin de vender el diseo a su
competidor. De ser un mejor producto, se podra obtener 100000.000 en al venta y de no ser
mejor que el de la competencia, la venta se cerrara en
La decisin de introducir l producto o vender tiene que realizarse sin la confirmacin de si es
o no mejor que la competencia, ya que sta recin llegar en dos meses.
ACDE tiene adems la posibilidad de diferir su decisin hasta despus de realizar una prueba
de mercado. Esta prueba le dir si su producto ser o no mejor que el de la competencia.
ARBOLES DE DECISION
Para este caso, de decisiones en secuencia, la matriz de beneficios no es una herramienta til.
La metodologa del rbol de decisiones nos permite representar, analizar resolver fcilmente
este tipo de problemas.
En la representacin grfica de un problema, esta metodologa considera la utilizacin de
cuadrados para significar puntos de decisin y crculos para indicar la aparicin de estados
de la naturaleza. Siguiendo estas pautas. La figura 1 nos muestra el rbol de decisiones para
el caso de la compaa ACDE.
Pag. 12
Pag. 13
diferente valor del dinero. El tiempo que transcurre entre etapas sucesivas de decisin puede
ser importante. Cuando usamos rboles de decisin debemos aplicar, de ser necesario, el
concepto de valor descontado.
Una vez concluido este proceso, se tendra que evaluar la incertidumbre a la que se enfrenta
en el proceso de decisin. Se trata de asignar, por alguna fuente disponible, la probabilidad
de que los diferentes estados de la naturaleza ocurran.
Anlisis a posteriori
Supongamos para el ejemplo que la probabilidad de obtener un resultado favorable a nuestro
producto en la prueba es del 70%. De ser ste el resultado todava no hay certeza del
resultado final, se ha establecido que la prueba acierta el 90% de las veces. Cuando el
resultado de la prueba es desfavorable, esta probabilidad cambia a 80%. Para el caso de no
realizar la prueba, por el Teorema de Bayes obtenemos una probabilidad del 69% para la
preferencia sobre el producto de la competencia. El rbol de decisin con la asignacin de
probabilidades queda totalmente planteado en la figura 3.
CONCEPTO DE RETROCESO
Para tomar la decisin de hacer la prueba o no (nodo 1), debemos conocer el resultado de la
decisin del lanzamiento o no del producto (nodos 3 y 4 ) y esta decisin depender del
resultado de la prueba (nodo2)
Pag. 14
Pag. 15
Con este resultado podemos llegar fcilmente a una decisin final. La figura 6 presenta esta
situacin.
EJEMPLO DE APLICACIN 1
TELEF SAC debe decidir entre dos posibles estrategias para el lanzamiento de un nuevo producto:
Estrategia 1 (E1):
Inversin alta en marketing, produccin e inventarios elevados.
Estrategia 2 (E2):
Inversin moderada en publicidad, produccin e inventarios
moderados.
Pag. 16
Alternativas de decisin
E1
E2
Probabilidad
a.
b.
c.
d.
Anlisis de sensibilidad
EJEMPLO DE APLICACIN 2
Observe otra vez la tabla de retribuciones de la segunda pregunta. Suponga que se especifica las
siguientes probabilidades para los estados de la naturaleza:
P (F) = 0,3; P (E) = 0,6; P (R) = 0,1
1. Suponga que no se conocen P (F) y P (E), pero se estima que P(R) 0,1. Trace el rendimiento
neto, en dlares, en funcin de P (E) para las dos decisiones de la misma grfica y encuentre
el rango de P (E) para el cual cada decisin es la ptima.
2. Trace en una misma grfica el rendimiento esperado en funcin de P (E) para las dos
decisiones, y encuentre el rango de P (E) para la cual cada decisin es la ptima.
Pag. 17
Ejemplo 3
La empresa Cola Sol est por lanzar al mercado un nuevo producto. Las estrategias alternativas de
mercadotecnia y produccin son:
Agresiva:
Inversin alta en marketing, produccin e inventarios.
Inversin moderada en publicidad, produccin e inventarios moderados.
Bsica:
Cautelosa:
Inversin poca, publicidad solamente en distribucin del producto,
produccin e inventarios mnimos.
La gerencia decide clasificar la situacin del mercado en fuerte (F) y dbil (D). La siguiente tabla
muestra las retribuciones en millones de dlares para cada combinacin de posibilidades:
Alternativas de decisin
Agresivo (A)
Bsico (B)
Cauteloso (C)
Probabilidades
2
A
D
F
B
3
1
C
F
4
D
Pag. 18
F (0.4)(30)= 12.0
2
D (0.6)(-9) = -5.4
6.6
F (0.4)(20)= 8.0
B
3
D (0.6)(5) = 3.0
11.0
F (0.4)(5) = 2.0
4
D (0.6)(14) = 8.4
10.4
Esto es, las retribuciones en millones de dlares para las alternativas son:
Alternativa A: 6,6
Alternativa B: 11,0
Alternativa C: 10,4
Luego, la decisin por el criterio de valor esperado es la alternativa B, esto es, usar una estrategia
bsica en la produccin y mercadotecnia.
Ejemplo 4.
Copeco Industrias debe decidir si construir una planta grande o pequea para producir una
nueva tornamesa, que se espera que tenga una permanencia en el mercado de 10 aos. Una
planta grande costar $ 2 800 000 en su construccin y puesta en operacin, mientras que
una planta pequea costar $ 1 400 000 en su construccin y puesta en marcha. Los
estimados de las ventas sobre un perodo de 10 aos es:
Tipo de demanda
Demanda alta:
Demanda moderada:
Demanda baja:
Probabilidades
0,5
0,3
0,2
4.
Una planta pequea con demanda alta solo producir utilidades anuales por $ 250000,
considerando el costo de las ventas perdidas por incapacidad de atender a los clientes.
5. Una planta pequea con demanda moderada producir utilidades anuales de $
450000, porque el costo de las ventas perdidas sera menor que en 4.
6. Una planta pequea con demanda baja producir utilidades anuales de $ 550 000, esto
porque el tamao de la planta y el tamao del mercado estaran ajustando
adecuadamente.
Cul es la alternativa ms adecuada para Copeco?
Solucin
Construir
Demanda
(0.5)(1000000)(10) = 5000000
Moderada
(0.3)(600000)(10) = 1800000
2
Planta Grande
Baja
(0.2)(-200000)(10) = -400000
$ 6400000
Alta
Planta Pequea
4
(0.5)(250000)(10) = 1250000
Moderada
Baja
(0.3)(450000)(10) = 1350000
(0.25)(550000)(10) = 1100000
$ 3700000
$ 3 600 000
$ 2 300 000
Conclusin:
La alternativa de construir la planta grande proporcionar una utilidad neta de $3600000
frente a la utilidad neta de la alternativa de construir la planta pequea de $2300000. Esto es, la
alternativa de construir la planta grande es ms rentable (en $1300000) y por consiguiente
representa la mejor alternativa de decisin.
Pag. 20
2.3
En esta seccin estudiaremos como se usa el teorema de Bayes para incorporar una nueva
informacin al proceso de decisin. El teorema de Bayes ser usado para actualizar las
probabilidades del estado de naturaleza.
Ejemplo 5
Considere los datos del ejemplo 3; Fue recomendada para la empresa Cola Sol implementar
la estrategia bsica, la cual debe proporcionar una retribucin esperada de 11 millones de
dlares. El directorio de la empresa ha ordenado que se realice un estudio de mercado para
tener mejor informacin (resultados alentados (E) o desalentador (G)) antes de decidir qu
estrategia elegir.
El estudio de mercado reporta que:
Si el mercado ha sido fuerte, los resultados del estudio han sido alentadores en un 60% y
desalentadores en un 40%.
Si el mercado ha sido dbil, los resultados del estudio han sido alentadores en un 30% y
desalentadores en un 70%.
Con esta informacin, ayude a Cola Sol a tomar una decisin.
Solucin
Denotemos las alternativas por:
A:
Agresivo
B:
Bsico
C:
Cauteloso
Denotemos tambin los eventos por:
F, D: Mercado fuerte y dbil, respectivamente.
E, G: Resultado alentador y desalentador, respectivamente.
Los resultados del estudio muestran:
P (E|F) = 0,6
P (G|F) = 0,4
P (E|D) = 0,3
P (G|D) = 0,7
El rbol de decisin para este problema est dado por:
Pag. 21
30
P(F|E)
P(D|E)
-9
20
P(F|E)
P(D|E)
5
5
P(F|E)
P(D|E)
C
E
14
P(E)
P(G)
30
P(F|G)
P(D|G)
A
-9
B
20
P(F|G)
P(D|G)
5
5
P(F|G)
P(D|G)
14
Observe que ahora no consideramos las probabilidades sobre el mercado fuerte y dbil, mas
s las condicionales dada la nueva informacin sobre los resultados alentadora o
desalentadora del mercado.
Las probabilidades condicionales: P (F|E), P (D|E), P (F|G) y P (D|G) se determinan usando
el Teorema de Bayes.
Pag. 22
Recordemos:
P(A|B) =
P(F|E)
P( B / A)
P( B)
P( E / F ) P( F )
P ( E / F ) P ( F ) + P ( E / D ) P ( D)
Entonces:
P(F|E) = P(E|F) P(F)/ P(E)
P(D|E) = P(E|D) P(D)/ P(E)
P(F|G) = P(G|F) P(F)/ P(G)
P(D|G) = P(G|D) P(D)/ P(G)
Las probabilidades marginales P (E) y P (G) se determinan de la siguiente forma:
P (E) = P (E|F).P (F) + P (E|D). P (D) = 0,6 0,4 + 0,30,6 = 0,42
P (G) = P (G|F).P (F) + P (G|D). P (D) = 0,4 0,4 + 0,70,6 = 0,58
Luego:
P(F|E) = P(E|F) P(F)/ P(E) = (0.6 x 0.4) / 0.42 = 0.57
P(D|E) = P(E|D) P(D)/ P(E) = (0.3 x 0.6) / 0.42 = 0.43
P(F|G) = P(G|F) P(F)/ P(G) = (0.4 x 0.4) / 0.42 = 0.28
P(D|G) = P(G|D) P(D)/ P(G) = (0.7 x 0.6) / 0.42 = 0.72
Pag. 23
B
VE = 20 x 0.57 + 5x 0.43 = 13.55
C
VE = 5 x 0.57 + 14x 0.43 = 8.87
P(E) = 0.42
P(G) = 0.48
A
B
VE = 20 x 0.28 + 5x 0.72 = 9.2
C
VE = 5 x 0.28 + 14x 0.72 = 11.48
VEIP =
(mximo valor esperado con informacin perfecta)
(mximo valor esperado sin informacin perfecta)
Ejemplo 6
Determine VEIM y VEIP para el ejemplo 5
Solucin
Recordemos que la mejor decisin presentaba una retribucin esperada de 11 millones,
luego:
VEIM = 12,35 11 = 2,35 millones de dlares
Este es el mximo valor a pagar por el estudio de mercado (planta piloto).
Recordemos la tabla de distribuciones par este caso:
Alternativas de decisin
Agresivo (A)
Bsico (B)
Cauteloso (C)
Probabilidades
Dentro del stock de medicinas que tiene la veterinariaEL ARCA DE NO, se encuentran
las vacunas de inmunizacin contra la rabia. Debido a las caractersticas de la vacuna, estas
se compran en cajas(10 vacunas por caja) el lunes de cada semana y las vacunas que no son
usadas se desechan el domingo. La vacuna cuesta $7.00 por dosis y el veterinario cobra
$10.00 por la misma dosis. Si en la veterinaria se tiene la siguiente informacin estadstica
para las ltimas 40 semanas:
Cantidad de Cajas usadas por semana
Cantidad redondeada de vacunas usadas
Nmero de semanas en esto ocurri
0 1 2 3 4 5 6
0 10 20 30 40 50 60
0 6 12 10 9 3 0
Solucin:
Pag. 25
Comprar 0
Comprar 1
Comprar 2
Comprar 3
Comprar 4
Comprar 5
Comprar 6
Prob. Priori
Dda 0
0
-70
-140
-210
-280
-350
-420
0
Dda 1
0
30
-40
-110
-180
-250
-320
0.15
Dda 2
0
30
60
-10
-80
-150
-220
0.3
Dda 3
0
30
60
90
20
-50
-120
0.25
Dda 4
0
30
60
90
120
50
-120
0.225
Dda 5
0
30
60
90
120
150
80
0.075
Dda 6
0
30
60
90
120
150
180
0
VE
0
30
45
30
-10
-72.5
-142.5
0
0.33
1
0.27
2
0.20
3
0.13
4
0.06
5
0.01
Pag. 26
0
1
2
Defectuosos Defectuosos Defectuosos
3
4
5
VE
Defectuosos Defectuosos Defectuosos
Vender
a$1
Vender
a$2
Prob.
Prioi
0.6
0.4
0.2
-0.2
-0.4
0.33
1.6
-0.4
-0.4
-0.4
-0.4
-0.4
0.26
0.33
0.27
0.20
0.13
0.06
0.01
Vender a
Vender a
0.4
Vender a
Vender a
Vender a
Vender a
Vender a
Vender a
0.4
Vender a
Vender a
Vender a
Vender a
Pag. 27
1 2 Defect.:
1 3 Defect.:
1 4 Defect.:
1 5 Defect.:
2 2 Defect.:
2 3 Defect.:
2 4 Defect.:
2 5 Defect.:
1 - 0.2(2) = 0.2
1 - 0.2(3) = 0
1 0.2(4) = -0.2
1 - 0.2(5) = -0.4
2 - 0.4 2 = -0.4
2 - 0.4 2 = -0.4
2 - 0.4 2 = -0.4
2 - 0.4 2 = -0.4
a)
VE:
Vender a $1: 0.6(0.33) + 0.4(0.27) +0.2(0.2) + 0 + (-0.2)(0.06) + (-0.4)(0.01) = 0.33
Vender a $2:
1.6(0.33) + (-0.4)(0.27) + (-0.4)(0.2) + (-0.4)(0.13) + (-0.4)(0.06)+
(-0.4)(0.01) = 0.26
b)
3) Jos Poblete est considerando abrir una distribuidora de bicicletas. Si abre una
tienda grande, ganar $60,000 si el mercado es favorable, pero perder $40,000 si
el mercado es desfavorable. La tienda pequea le dar ganancias por $30,000 con
un mercado favorable, y una prdida de $10,000 si el mercado es desfavorable.
Actualmente l cree que existe una probabilidad de 0.5 de que el mercado sea
favorable. Un consultor le cobrar $5,000 por la investigacin del mercado. El ha
estimado que hay una probabilidad de 0.9 de que el mercado sea favorable. Ms
an, hay una probabilidad de 0.9 de que el mercado sea propicio, si el resultado
del estudio es favorable. Sin embargo, el consultor ha advertido a Jos que slo
hay una probabilidad de 0.12 de un mercado favorable, si la investigacin de
mercado da resultados desfavorables. Desarrolle un rbol de decisin para este
problema e indique la estrategia ptima.
Solucin
Alt. decisin Favorable Desfavorable
T. Grande
60000
-40000
T. Pequea
30000
-10000
Prob. Priori
0.5
0.5
G = grande
P = pequeo
F = favorable
D = Desfavorable
Arbol a Priori
10000
Grande
10000
28
Pequea
D
Arbol a Posteriori
50000
G
N
50000
R
Favorable
P(F)=0.6
P
50000
N
R
(N/F) = 0.1 x -10000
De
50000
(R/D) = 0.12x -60000
desfavorable
P(D)=0.4
-5200
G
(N/D) = 0.88 x -40000
R
50000
P
N
(N/D) = 0.88 x -10000
29
Contratar 9
Contratar 10
Contratar 11
Prob. Priori
-540000
-600000
-660000
0.3
-540000
-600000
-660000
0.2
-57000
-600000
-660000
0.4
-600000
-630000
-660000
0.1
-600000
-630000
-660000
-558000
-603000
-660000
a) Contratar 8 Trab.
b) VEIP = VEct VE*
VECT = - 480000(0.3) + (-510000)(0.2) + (-540000)(0.4) + (-570000)(0.1) =
-519000
VEIP = -519000 + 519000
VEI P = 0
30
~ E: No xito
E 0.7 x 500000 = 350000
a)
320000
~E 0.3 x 100000 = -30000
~PA
480000
E 0.95 x 500000
A
48000
PA
~E 0.05 + -100000
~A
26000
0.21 x 500000
~E 0.79 x 100000
P(A/E) = 0.9
P(~A/~E)= 0.9
P(E/A)=
P(A/E)P(E)
0.9 x 0.7
0.63
=
P(A/E)P(E) + (A/~E)P(~E)
P(~E/~A) =
=
0.9* 0.7 + 0.1 x 0.3
P(~A/~E)P(~E)
0.9 x 0.3
=
P(~A/~E)P(~E) + P(~A/E)P(E)
= 0.95
0.66
0.27
=
= 0.79
0.34
31
Solucin
10600
0
19240
D
P
B
19240
10600-1500
15460
D
P
B
B
EM
P(D/A) = 0.1x 20
P(D/A) = 0.18x 18
P(B/A) = 0.72x 25
P(D/B) = 0.1x 20
P(P/B) = 0.72x 18
P(B/B) = 0.18x 25
15460
C
D
P
B
P(B/C) = 0.7x 20
P(P/C) = 0.18x 18
P(B/C) = 0.12x 25
-7760
32
= 0.025
0.25
0.5
0.25
= 0.05 = 0.1
0.5
= 0.7 x 0.25
= 0.175
0.25
b) No se debe dar el credito porque el VEM= 9100, que es menor la VE optimo= 10600
EJERCICIOS
1. Responda V o F para cada proposicin, explicando su propuesta:
( ) Los rboles de decisin abarcan decisiones y resultados aleatorios.
( ) En la teora de decisin, los rendimientos son independientes de un adversario
indiferente llamado naturaleza.
( ) Los rboles de decisin se resuelven mediante repliegue.
( ) El teorema de Bayes proporciona una formula con la que se puede usar la nueva
informacin para actualizar la probabilidad primaria asignada.
( ) El clculo del valor esperado de la informacin perfecta est basado en el
concepto de que la aleatoriedad se elimin por completo.
2. La empresa Ropa S.A. est estudiando un cambio del centro a una nueva plaza de
compras. La empresa ha estado en el centro por 20 aos y ha formado una clientela
sustancial. La empresa cree que hay un 20% de probabilidad de que su negocio bajar
en $ 100 000, hay un 30% de probabilidad de que permaneciera estable y un 50% de
probabilidad de que aumentar en $ 175 000, a causa de la calidad de la promocin de
ventas hechas por la administracin de la plaza. Adems, el condominio est
estudiando una reestructuracin del centro con una plaza en frente de la empresa
Ropa S.A. Se estima que existe 70% de probabilidad que el estudio sea aprobado por
el consejo municipal; si se hace, se estima que el negocio aumentar en $ 200 000. Si
no, se estima que el negocio declinar en $ 50 000. Los dueos de la plaza necesitan
una respuesta inmediata o perder la oportunidad de instalarse. Ayude a la empresa a
tomar decisin usando un rbol de decisin y determine cunto se debe pagar como
mximo por informacin perfecta.
33