INSTITUTO TECNOLGICO DE MRIDA

Sistema de Educacin a Distancia LICENCIATURA EN ADMINISTRACIN Modalidad Virtual

Mtodos Cuantitativos en la Administracin

Ejercicios T3 Toma de decisiones bajo riesgo Nombre del alumno (a) MARIE ESPADAS ENCALADA

AGOSTO 2011 Mrida, Yucatn, Mxico

Ejercicios

El granjero Mc Coy puede plantar maz o soya. Las probabilidades de que los precios de la siguiente cosecha de estos productos aumenten, permanezcan iguales o desciendan son 0.20, 0.35 y 0.45, respectivamente. Si los precios aumentan, la cosecha de maz producir 30000 dlares netos y la soya 10000 dlares netos. Si los precios permanecen sin cambio, Mc Coy (apenas) quedar a mano. Pero si los precios descienden, las cosechas de maz y soya tendrn perdidas de 35000 y 5000 dlares, respectivamente.

a) Representa el problema de Mc Coy en una tabla

Producto Maz Soya

Ganancias 30,000 10,000

No Gana ni pierde 0 0

Perdidas -35,000 -5,000

b) Representa el problema de Mc Coy en un rbol de decisin

Baja .45 5,000

SOYA

PRECIO

Sin cambio

.35

Sube

.20

10,000

PRODUCIR
Baja .45 -35,000

MAIZ

PRECIO

Sin cambio

.35

Sube

.20

30,000

c) Que cosecha le recomendaras a Mc Coy plantar?

Producto

Ganancias

Sin Ganancia o Perdida

Perdidas

Valor Esperado

Maz Soya Probabilidad

30,000 10,000 0.20

0 0 0.35

-35,000 -5,000 0.45

-9,750 -250

a) Criterio de valor esperado E [Maz] = 30,000 x .20 + 0 x.35 (-35,000) x 0.45= -9,750 E [Soya] = 10,000 x .20 + 0 x .35 + (-5,000) x 0.45 = -250 6,000 + 0 + - 15,750 = -9,750 2,000 + 0 + -2,250 = -250 R= Es recomendable cosechar frijol de soya, ya que su valor esperado fue el que implico un menor costo. 2. Investiga en el libro mtodos cuantitativos para administracin un caso de decisiones donde utilice el mtodo de Bayes (probabilidades a posteriori), reprodcelo con la explicacin (rbol, formulas y desarrollo). Debajo del ejemplo escribe con palabras propias lo que comprendiste y de que probabilidades necesitas para aplicar esta tcnica de toma de decisiones.

Ejemplo La textilera Costuras ptima, compra un cargamento de telas de tres proveedoras. Un 30% de las telas se adquieren en Casa Ochoa, 20% a Casa Textiles del Sur, y el 50% sobrante a Tituanatex. Ecotexa posee informacin de las tres casas y sabe que 3% de la mercadera de Casa Ochoa son defectuosas,5% de telas de Casa Textiles del Sur no son aceptables, y que 4% de telas de Tituanatex tienen algn tipo de defecto. Al llegar a bodega no son seleccionados y se toma un paquete de telas que resultan ser defectuosas. Cual es la probabilidad de que esta mercadera sea de Casa Ochoa?.

Solucin: Existen tres eventos mutuamente excluyentes y colectivamente exhaustivos, que son las tres casas: a) A 1 mercadera de compro en Casa Ochoa, b) A 2 mercadera de compro en Casa Textiles del Sur, c) A 3 mercadera de compro en Tituanatex.

Las probabilidades a priori son:

P(A 1 ) =(30/100)= 0.30 probabilidad de mercadera adquirida por Casa Ochoa. P(A 2 ) =(20/100)= 0.20 probabilidad de mercadera adquirida por Casa Ochoa. P(A 3 ) =(40/100)= 0.40 probabilidad de mercadera adquirida por Casa Ochoa.

Evento A

Probabilidad priori P (A1)

Probabilidad condicional, P (A1/A1)

Probabilidad conjunta, P (A1/B1) 0.009 0.010

Probabilidad posteriori P (A1/B1) .009/0.039= 0.2308 0.010/0.09=0.2564

Casa Ochoa Textiles sur Tituanatex del

0.30 0.20

0.03 0.02

0.50

0.05

0.020 0.039

0.020/0.039=0.5128

Nota: para obtener la probabilidad posteriori, dividimos la probabilidad de cada evento con el total de probabilidades conjuntas

La probabilidad de que un paquete de telas resulten ser defectuosas sea de Casa Ochoa, lo podemos encontrar aplicando el Teorema de Bayes. Se desea calcular P (A1/B1), donde A1 se refiere a casa Ochoa y B1, de que la mercadera resulte defectuosa

) (

) ( )(

( ) ( ( ) ( )( )( ) )(

| |

) )

) (

)(

)(

Nos podemos dar cuenta de que nos proporciona el mismo resultado obtenido en la tabla anterior.

3. La utilidad como un criterio. Investiga en el libro de Investigacin de operaciones de Taha (o en el de mtodos cuantitativos para la administracin): R= a) La funcin utilidad para la toma de decisiones.

El anlisis de decisiones brinda informacin sobre las diferencias entre las alternativas definidas, y genera sugerencias de nuevas y mejores alternativas. Y aqu es donde entra la funcin de la utilidad, ya que por lo general utilizamos nmeros para cuantificar valores e incertidumbres subjetivas, lo cual nos permite comprender la situacin de decisin. Los resultados numricos deben reconvertirse para generar informacin cualitativa.

b) Los casos de los individuos quienes toman una decisin. Las personas todo el tiempo estamos tomando decisiones que van desde las mas simples como si lavarse los dientes o peinarse primero al despertar, hasta las mas complejas, como, tomar la decisin de que carrera estudiar para la vida.

c) Las curvas que representan cada postura del individuo.

La funcin de utilidad puede tomar tres formas de comportamiento, el sujeto precavido, el arrojado y neutral.

Todos tenemos algo de dichos comportamientos es decir si somos precavidos es por que de alguna forma sabemos que posiblemente perdamos ms que ganar, si somos arrojados el comportamiento es opuesto pues podra tener un aumento en sus ganancias, y en el caso del neutral sus ganancias estarn a la par con las utilidades, es decir sern siempre iguales.

d) Utiliza un ejemplo para representar cada caso tpico de individuos al tomar decisiones.

Fuente: Investigacin de operaciones. Taha

En esta grafica las curvas indican la actitud (de forma cuantitativa) del individuo que toma las decisiones de riesgo. e) Que tan fiable es tomar una decisin considerando la actitud del individuo?

R= considero que no es fiable una decisin tomada en el riesgo, ya que la

volubilidad de los individuos nos hacen tomar decisiones si analizar por completo los riesgos de esa decisin. Lo mas fiable es basarnos en la funcin de la utilidad ya que es menos

Bibliografa

Investigacin de operaciones,
Mxico 2004. 7 ed.

Escrito por Hamdy A. Taha. Pearson Educacin.

Teorema de bayes y funcin de la utilidad. Documento recuperado el 20 de septiembre de 2011 disponible en: http://www.slideshare.net/estadistica_a/probabilidades-parte-iiiteorema-de-bayes