Clase 1 Analisis_de_Decision 2013 distribuir.pdf

7/23/2019 Clase 1 Analisis_de_Decision 2013 distribuir.pdf

1/17

Magster en Ingeniera IndustrialDepartamento de Ingeniera Industrial y de Sistemas

Pontificia Universidad Catlica de C!ile

Clase 1

Prof. Jorge Vera A. - 1er bimestre 2013

Modelos Cuantitativos para la

"oma de Decisiones

Informacin del curso CURSO : Mod. Cuant. para la Toma de Dec.

SIGA : I!"-3100

CR#"I$OS : %

&ORARIO ' SAA : J(e)es *e 1+:30 a 21:30 ,saa (is

Crisosto

IND 3100 Mod. Cuant. para la Toma de Dec. (MII-UC)Prof. Jorge Vera A 2013

P/GI!A : e sistema IgC(rsos


2/17

Contenidos

Clase #ec!a Contenido "areas

1 J 14-Mar Anlisis de decisiones

2 J 21-Mar Fundamentos de Probabilidades I #13 L 25-Mar Fundamentos de Probabilidades II

4 J 4-Abr Muestreo estadstico #2


- r mu ac n

Modelos de Regresin I

6 J 18-Abr Prueba de medio bimestre

Modelos de Regresin II

#3

7 J 25-Abr Modelamiento y Optimizacin

8 J 2-May Modelamiento y Optimizacin #4

9 L 6-May Examen Final del Curso (19:00 hrs)

Metodologa Cases e45ositi)as

$areas

Casos 6 e7em5os

trega *e *o8(metos 8om5emetarios


r(e as me o- mes re 6 e4ame

A6(*ate.


3/17

Evaluacin del curso $areas Pr(eba *e me*io bimestre 4ame

!ota 9ia ,!9


2% tareas 30 5r(eba *e me*io bimestre ;% e4ame

Bibliografa ertsimas< ".= 9re(*< R. ,200;. Data, Models, and

Decisions: The Fundamentals of Management Science.So(t>?ester Coege P(bis>ig 6 "6ami8 I*eas.

reser)a e a ibiote8a 6 *is5oibe eas ofi8ias *e @II.


Abrig>t< C.= a6e< .= a55e< C. ,2003. DataAnalysis and Decision Making.2* *itio. $>omsorooBs Coe.

Re8(rsos e Iteret


4/17

Problema #1 Ua em5resa *e marBetig e8esita eegir a)isos e *istitos

me*ios 5ara a8aar a meos (a a(*ie8ia *e 1


5/17

Problema #2 U 8ierto 5aDs (e tiee 8ostas e e mar< *esea

me7orar s( sistema *e 5rote88iL 8i)i istaa*o (are* *e sofisti8a*os sesores *e 8ambios *e mareas. ob7eti)o es ati8i5ar ( ts(ami.

&a6 8iertas Hreas *o*e se 5(e*e istaar ossesores.

Ca*a sesor tiee (a 8ofiabii*a* e s( 5re*i88iL


(e )ar a seg as 8o i8ioes geogr i8as e asHreas.

8a*a Hrea >a6 *istitas 5oba8ioes.

os sesores so 8ostosos 6 >a6 ( 5res(5(estoimita*o....

MN( se *ebe >a8er

ariante del anterior!. "(rate a G(erra frDa< os sta*os Ui*os istaaro

sistemas *e misies *e *efesa ,ati-IC@ 6 ati-bombar*eros: f(ero os sistemas &er8(es 6 !iBe.

Se istaaro e toro a ag(as gra*es Hreas(rbaas: !'< as>igto "C< osto< 6 otras< 6 etoro a os sitios *e sios *e misies.


MC(H es e 5robema *e *e8isiL

, trata*o SA$ imitL os sistemas ati-misies.


6/17

"nlisis de $ecisin

Cmo tomamos decisiones?

Persoa 5r(*ete: 8osi*erar todasas o58ioes< 6as 8ose8(e8ias 5ote8iaes *e *i8>as o58ioes.

Cmo podemos analizar en forma ordenada lasdistintas opciones?


Primera herramienta: roles de decisin.@eto*oogDa (e 8ombia esta iforma8iL 8o s(s5robabii*a*es 6 )aores< 5ara a6(*ar e a see88iL*e a me7or o58iL.

os Hrboes *e *e8isiL e45i8ita to*as as o58ioes 68ose8(e8ias 5ote8iaes *e (a forma (e fa8iita e

ete*er 6 8om(i8ar a sit(a8iL efreta*a.

%rboles de $ecisin

alor Es&erado

'o Probar

Probar

()* Pierde

()* +ana

erminar

Probar de nuevo

-)* Pierde

1)* +ana

$0

$100

%$30&

%$'0&

$(0


A mo)erse *e i(ier*a a *ere8>a e e Hrbo< (o se estHmo)ie*o >a8ia a*eate e e tiem5o. Se 8omiea e a raD *e Hrbo< 6 to*as s(s ramas

ime*iatas so to*as as o58ioes etre as 8(aes (o5(e*e eegir.

o (e 5(e*e o8(rrir 8omo res(ta*o *e eegir 8a*a o58iL6 otras *e8isioes (e 5(e*e ser toma*as e e f(t(roa(sti)os

Costr(ir ( Hrbo *e *e8isiL a o argo *e aDea *e tiem5o: !o*os *e *e8isiL ,istar o58ioes


!o*os *e e)etos ,istar e)etos

)a(ar >o7as *e Hrbo ,saario< igreso< 8osto stimar 5robabii*a*es *e e)etos I*(88iL >a8ia atrHs

AHisis *e sesibii*a*

/$ecisin de raba0o de verano de Bill am&ras 3 ada&tado de

Bertsimas 4 5reund6 $iem5o a8t(a: 8omieos *e O8t(bre. Oferta e4istete: i tiee (a oferta seg(ra *e traba7o

5or 12.000 *e s( e4-7efe ,Jo>. a oferta es )Hi*a sLo>asta fies *e O8t(bre.

Agosto 5asa*o: Vaessa< (a e7e8(ti)a *e ( ba8o e5i*iL a i (e a amara a me*i*os *e !o)iembre: 5agoes5era*o *e 1;.000= 5robabii*a* estima*a *e (eres(te *e 0


8/17

%rbol de $ecisin Bill am&ras


7esolver Induccin 8acia atrs Ca8(ar Vaor s5era*o ,V *e os o*os *e e)etos

,5rome*io 5o*era*o (sa*o as 5robabii*a*es 8omo 5esos. Ca8(ar V *e os o*os *e *e8isiL eigie*o a me7or

o58iL.


$strate%ia ptima

Re8>aar oferta *eJo>

(ego< si >a6 oferta*e Vaessa serH re8>aa*a siem5re 68(a*o e V *e o*o sea ma6or a 12.000


"esig(a*a*: V, T 12.0000


10/17

En resumen a teorDa *etrHs *e AHisis *e "e8isiL es sim5e.

*esafDo estH e mo*ear sit(a8ioes reaes 6 obteer os*atos e8esarios.

Sit(a8ioes reaes 5(e*e ser bastate mHs 8om5e7as(e este e7em5o *e i Sam5ras< 5ero 5(e*e ser5erfe8tamete mae7abes si se es *e*i8a ( esf(eroa ro ia*o.


os 8H8(os *e Hrbo *e *e8isiL 6 e aHisis *esesibii*a* 5(e*e ser im5emeta*o e 48e. Parafa8iitar se 5(e*e (sar:

TreePlan ,>tt5:WW???.tree5a.8omWtree5a.>tm

PrecisionTree Pro,>tt5:WW???.5aisa*e.8omW5re8isiotreeW.

Considere la siguiente situacin Uste* 5(e*e eegir etre *os aterati)as

1. Primera aterati)a: (ste* re8ibe US3 mioes 8oto*a seg(ri*a*

2. Seg(*a aterati)a: se aa (a moe*a 6 si sae


< a6 (a

5osibii*a* *e 1 e 10.000.000 *e gaar as(ma *e 100.000.000.

MC(H es a estrategDa re8ome*a*a


9otera$100,000,000

0.0000001

$9 Win

Loose

$9 0.9999999

Play

-$1

Don't play

Jugar

No jugar

Ganar

Perder


"eberDa 7(garYY Si 7(gamos 5or ( tiem5o s(fi8ietemete argo

*eberDamos es5erar gaar Z )e8es mHs *e o (egastamosK.

Pero: Mestamos *is5(estos a 5asaros a )i*a7(ga*o 6 (8a gaar

$0


12/17

$ecisiones /7acionales !ota8iL: A es 5referibe a : A T

as 5refere8ias so asimtri8as !o e4iste ( 5arxe yta (exTye yTx

as 5refere8ias so trasiti)as Si T e Tzeto8es Tz


S(5osi8iL f(*ameta: +as personas tienen preferencias ien definidas ,ue %u-an

sus decisiones ad,uisitias.

$sto /ustifica ,ue asemos los anlisis anteriores en

el V0+1R $2P$R0D1 3de al%una 4funcin de utilidad56

/Pros&ect 8eor4 :a8neman 4 vers;4

Va-or

V,1

V,2

Teor-a ,ue nos a7uda a entender elcomportamiento de las personas.


Las personas son sensibles aganancias y prdidas

Los puntos de referenciasimportan

La sensibilidad marginal esdecreciente

Hay aversin a las prdidas

Gaa8iasPr*i*as

1 2

-1-2

V,-1

V,-2


13/17

E0ercicio 3ins&irado en el 1.< de B=56 &o(sto< ?e >a)e a 5robemK a ISS e 5robemasK


E0ercicio 3ins&irado en el 1.< de B=56 (8ia*o:

a sta8iL s5a8ia Itera8ioa se a8aba *e *ete8tar(a 5osibe aomaDa e (a 8om5oete 8rDti8a *ifD8i *ea88esar. sta aomaDa 5(e*e e)ar a faa 8atastrLfi8a e( %0 *e os 8asos 6 e e otro %0 o geerar5robemas. !ASA *e8i*e e)ar a 8abo (a is5e88iL ,5orVA *e a oa *e *is5ositi)o. a is5e88iL i*etifi8acorrectamente (a aomaDa 8atastrLfi8a e ( Q% *e


as )e8es 6 (a e ga ( e as )e8es. 5ro8eso

*e is5e88iL tiee ( % *e 5robabii*a*es *e 5ro)o8ar(a faa 8atastrLfi8a. Si a aomaDa *e a 8om5oete es8atastrLfi8a 6 o es remo)i*a< a ISS faarH e ( mes. Sia 8om5oete es reem5aa*a ,o 8(a es m(6 8ostoso ee(i5o f(8ioarH bie 5or % meses. Si se reem5aa ig(a6 o >abDa riesgo< e e(i5o ig(a f(8ioarH bie 5or otros% meses ,>asta e 5rL4imo o)er>a( (e tambi serH8ostoso. Pero si a faa o es 5robemHti8a 6 o esiter)ei*a< e e(i5o o e8esitarH o)er>a( sio >asta+ meses mHs.


14/17

E0ercicio reem&la>o de com&onente

"e8isioes Reaiar is5e88iL *e i)estiga8iL *e a faa Reem5aar a 8om5oete


I8erti*(mbres AomaDa 5(e*e 5ro)o8ar faa 8atastrLfi8a o o. a is5e88iL 5(e*e 5ro)o8ar faa. Res(ta*o *e a is5e88iL i)estigati)a. Cofiabii*a* *e e(i5o *es5(s *e reaia*as as

o5era8ioes.

E0ercicio reem&la>o de com&onente5

Reemplazar

4.5No genera falla8

0.5

Dejar

Genera falla catastrifca0.5Sin inspeccin

1

0.05 No Falla5

Reemplazar


Con inspeccin

0Falla

0.95

No falla

Test NF???

???Test F

8

???

Falla???

1

Dejar

No Falla8

???

Falla???

1

5Reemplazar

Dejar


15/17

Sea: 9: a aomaDa 5ro*(8e faa 8atastrLfi8a !9: a aomaDa o 5ro*(8e faa 8atastrLfi8a $!9: a is5e88iL i*i8a (e o >a6 5robemas

$9: a is5e88iL i*i8a (e a aomaDa es maa. $eemos (e:

P,$!9 W !9 [ 0.X% ,*o*e W *eota 5robabii*a*



< P,$9 W 9 [ 0.Q% P,!9 [ P,9 [ 0.%

' e8esitamos: P,$!9< P,$9 P,!9 W $!9 P,!9 W $9

Vamos a 8ostr(ir (a taba *e 5robabii*a*es 6 8a8(ara*e maera it(iti)a

!9 9

$!9



$9

O.% 0.% 1


16/17

Por o tato:

P,$!9 [ 0.%% P,$9 [ 0.;%



P,!9\$!9 [ 0.3X% W 0.%% 0.Q+ P,!9\$9 [ 0.12% W 0.;% 0.2+

E0ercicio reem&la>o de com&onente5

Reemplazar

4.5No genera falla8

0.5

Dejar

Genera falla catastrifca0.5Sin inspeccin

1

0.05 No Falla5

Reemplazar

5.0


Con inspeccin

0Falla

0.95

No falla

Test NF0,55

0,45Test F

8

0,68

Falla

0,32 1

Dejar

No Falla8

0,28

Falla

0,72 1

5Reemplazar

Dejar

(ego< o L5timo es >a8erIs5e88iL 6 si e res(ta*oes (e >a6 riesgo *e faaas otrasK


MN( *is6(ti)as ,e8oLmi8as< ti8as< et8 se5atea a(DK

$esafos "e e7er8i8io aterior )emos (e >a6 )aores

*e 5robabii*a*es (e o so fH8ies *eiter5retar o 8a8(arK

!e8esitamos (a teorDa forma (e os *igae4a8tamete 8Lmo se 8a8(a esas


5robabii*a*es.

]' eso es o (e est(*iaremos a5rL4ima 8aseKY

Documents

Clase 1 Analisis_de_Decision 2013 distribuir.pdf