Toma de Decisiones Bajo Certidumbre

REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA EXTENSIÓN NIRGUA - NÚCLEO YARACUY

Facilitador:

Emprendedor:

Ing. Luís Sequera

Eduardo Lucena

VIII Semestre Sección U Ingeniería 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 decisión bajo certidumbre: identificar los actos disponibles, medir las consecuencias y seleccionar “el mejor acto” involucra el uso de la teoría de la programación lineal. Una clase importante de problemas de decisión incluye aquellos en los cuales cada acto disponible para quien toma la decisión 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 comparación en pares de las alternativas y atributos se requiere de una matriz, (denominada matriz de comparación), registrar los pesos de los criterios y estimar el índice de consistencia; esta matriz de comparación tiene la siguiente forma: 

Escala numérica para la comparación pareada:  para hacer las comparaciones se

utilizan escalas de razón en términos de preferencia, importancia o probabilidad, sobre la base de una escala numérica. Al usar la escala se asume que la comparación es recíproca, 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 comparación por pares: Tomando como ejemplo el criterio de

comodidad: Se están considerando tres vehículos 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 decisión, según la tabla de la diapositiva anterior.

MÉTODO MONTE CARLO Bajo el nombre de “Método de Monte Carlo” o “Simulación Monte Carlo” se agrupan una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulación de números aleatorios. El Método de Monte Carlo da solución a una gran variedad de problemas matemáticos haciendo experimentos con muestreos estadísticos en una computadora. El método es aplicable a cualquier tipo de problema, ya sea estocástico o determinístico. Generalmente en estadística los modelos aleatorios se usan para simular fenómenos que poseen algún componente aleatorio. Pero en el método de Monte Carlo,  por otro lado, el objeto de la investigación es el objeto en sí mismo, un suceso aleatorio ale atorio o pseudo-aleatorio se usa para estudiar el modelo.

A veces la aplicación del método de Monte Carlo se usa para analizar problemas que no tienen un componente aleatorio explícito; en estos casos un parámetro determinista del problema se expresa como una distribución aleatoria y se simula dicha distribución. Un ejemplo sería el famoso problema famoso  problema de las Agujas de Bufon. La simulación de Monte Carlo fue creada para resolver integrales que no se  pueden resolver por métodos analíticos, para resolver estas integrales se usaron números aleatorios. Posteriormente se utilizó para cualquier esquema que emplee números aleatorios, usando variables aleatorias con distribuciones de probabilidad conocidas, el cual es usado para resolver ciertos problemas estocásticos y determinísticos, donde el tiempo no juega un papel importante. El método fue llamado así por el principado de Mónaco por ser ``la capital del  juego de azar'', al tomar una ruleta como un generador simple de números aleatorios. El nombre y el desarrollo sistemático de los métodos de Monte Carlo Data aproximadamente de 1944 con el desarrollo de la computadora electrónica. Sin embargo hay varias instancias (aisladas y no desarrolladas) en muchas ocasiones anteriores a 1944. El uso real de los métodos de Monte Carlo como una herramienta de investigación, viene del trabajo de la bomba atómica durante la Segunda Guerra Mundial. Este trabajo involucraba la simulación directa de problemas probabilísticos de hidrodinámica concernientes a la difusión de neutrones aleatorios en material de fusión. Aún en la primera etapa de estas investigaciones, John von Neumann y Stanislao Ulam refinaron esta curiosa ``Ruleta rusa'' y los ''métodos de división''. Sin embargo, el desarrollo sistemático de estas ideas tuvo que esperar el trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo año, Fermi, Metropolos y Ulam obtuvieron estimadores para los valores característicos de la ecuación de Schrödinger  para la captura de neutrones a nivel nuclear.

ÁRBOLES DE DECISIÓN Es un diagrama que representan en forma secuencial condiciones y acciones; muestra qué condiciones se consideran en primer lugar, en segundo lugar y así sucesivamente. Este método permite mostrar la relación que existe entre cada condición y el grupo de acciones permisibles asociado con ella. Un árbol de decisión sirve para modelar funciones discretas, en las que el objetivo es determinar el valor combinado de un conjunto de variables, y basándose en el valor de cada una de ellas, determinar la acción a ser tomada. Los árboles de decisión son normalmente construidos a partir de la descripción de la narrativa de un problema. Ellos proveen una visión gráfica de la toma de decisión necesaria, especifican las variables que son evaluadas, qué acciones deben ser tomadas y el orden en la cual la toma de decisión será efectuada. Cada vez que se ejecuta un árbol de decisión, solo un camino será seguido dependiendo del valor actual de la variable evaluada. Se recomienda el uso del árbol de decisión de cisión cuando el número de acciones es pequeño y no son posibles todas las combinaciones.

USO DE ÁRBOLES DECISIONES El desarrollo de árboles ár boles de decisión 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 difícil para ellos pasar por alto cualquier etapa del proceso de decisión, sin importar que este dependa de variables cuantitativas o cualitativas. Los árboles también obligan a los analistas a considerar la consecuencia de las decisiones. Se ha demostrado que los árboles de decisión son eficaces cuando es necesario describir problemas con más de una dimensión o condición. También son útiles para identificar los requerimientos de datos críticos que rodean al proceso de decisión, es decir, los árboles 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 decisión, aunque el árbol de decisión no muestra todo los datos. Si los árboles de decisión se construyen después de completar el análisis de flujo de datos, entonces es posible que los datos críticos se encuentren definidos en el diccionario de datos (el cual describe los datos utilizados por el sistema y donde se emplean). Si únicamente se usan árboles de decisiones, entonces el analista debe tener la certeza de identificar con precisión cada dato necesario para tomar la decisión. Los árboles de decisión no siempre son la mejor herramienta para el análisis de decisiones. El árbol de decisiones de un sistema complejo con muchas secuencias de  pasos y combinaciones de condiciones puede tener un tamaño considerable. El gran número de ramas que pertenecen a varias trayectorias constituye más un problema que una ayuda para el análisis. En estos casos los analistas corren el riesgo de no determinar qué políticas o estrategias de la empresa son la guía para la toma de decisiones específicas. Cuando aparecen estos problemas, entonces es momento de considerar las tablas de decisión.

EJEMPLOS DE ÁRBOL DE DECISIÓN. 1) Pasos a seguir por un empleado de banca:

2) Posibilidad de desarrollar un nuevo producto:

METODOS ASOCIADOS 

Jerarquización Analítica:

fue desarrollado durante los años setentas en la Universidad de Pennsylvania por el Dr. Thomas L. Saaty, al buscar elaborar un instrumento formal para la evaluación y selección de alternativas, que tuviera las características de ser sólido en sus fundamentos matemáticos, útil en la toma de decisiones y sencillo en su aplicación.

Saaty considera que para la solución de un problema el decisor transita por tres etapas: inicia con la formulación del problema, luego realiza una evaluación y finalmente selecciona el mejor curso de acción que más contribuya al logro del objetivo. Este método puede ser realizado en grupo o de manera individual, aplicándose  preferentemente a problemas complejos.

EJEMPLO 1)

Representación del problema: Para esto se requiere representar el problema mediante la construcción de un arreglo jerárquico de al menos tres niveles, llamado diagrama de árbol. La jerarquía implica una clasificación ordinal donde los niveles están subordinados entre sí, mediante alguna base definida. Este arreglo arbóreo se forma con los tres factores básicos para la toma de decisiones:

las alternativas que serán sujetas de valoración (llámense actividades, estrategias, proyectos, cursos de acción, entre otros.), el objetivo que se pretende alcanzar y los criterios de valoración con los que se habrán de valorar las alternativas. El árbol no se limita a un número de niveles ni de elementos por nivel, sin embargo se sugiere un máximo 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. consistencia. Como ejemplo, iniciemos con el problema de decidir qué destino turístico es el mejor para disfrutar unas vacaciones navideñas.

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 árbol, continuamos con la siguiente etapa. 2)

Evaluación de los Criterios de Valoración: En esta etapa se construye una matriz

A, a partir de la comparación de los diferentes criterios con el propósito 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 comparación se le asignará una calificación. Saaty propone la siguiente escala de importancia relativa de la cual se obtienen las calificaciones para las diferentes comparaciones.

ESCALA DE IMPORTANCIA RELATIVA

Serán comparados y evaluados los criterios costo, seguridad y diversiones nocturnas. La primera comparación es costo con relación a seguridad. Nos preguntamos cuál de los dos criterios es el más importante. Si tienen la misma importancia la calificación sería 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, otorgándole una calificación de 5 y de acuerdo a lo establecido, la seguridad se guridad comparada con el costo, o sea la comparación recíproca, tendrá el valor de 1/5; si es que la calificación fue consistente.

En el supuesto caso que la seguridad hubiera sido más importante que el costo también con una importancia relativa de 5, el valor se tendría 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 continuación.

Ya se mencionó que las calificaciones en la diagonal principal de la matriz siempre tendrán valor 1, esto es, al compararse un elemento por sí mismo mantiene igual importancia. También es necesario señalar 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 más duro que el cuarzo y que el cuarzo es cinco veces más duro que el yeso; entonces, para ser consistentes, el diamante es ocho veces más duro que el yeso. Si se dice que el diamante es cinco veces más duro que el yeso, se estará cayendo en inconsistencia; por lo que se tendrá la necesidad de repetir la asignación 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 razón de inconsistencia RI, que es común colocarla en la parte inferior de la matriz A. Su cálculo se presenta a detalle más 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 característico o eigenvector de la matriz. Una estimación para su cálculo se presenta a continuación. Primero, se normaliza la matriz matri z A, obteniéndose 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 calificación de la matriz A se divide entre el total de su respectiva columna, formándose la siguiente matriz normalizada A’

Se calcula el promedio de cada renglón de la matriz A’, del renglón renglón 1 hasta el renglón 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.

CÁLCULO DE LA RAZÓN DE INCONSISTENCIA Una estimación del grado de inconsistencia en el que se incurre al momento de asignar calificaciones es la razón 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 práctica común es colocarla en el parte inferior de cada matriz de comparaciones A con el propósito de vigilar la consistencia en las calificaciones.

3)

Evaluación 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 cálculo de los pesos relativos y el cálculo de la razón de inconsistencia es similar a la etapa anterior.

4)

Jerarquización de las Alternativas: Para conocer qué alternativa es la más importante de acuerdo a los criterios establecidos se realizan algunos cálculos 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 navideñas.