You are on page 1of 0

1

Instituto Politécnico Nacional
Escuela Superior de Cómputo
Decisiones
Secuenciales
M. En C. Eduardo Bustos Farías
2
Decisiones Secuenciales
• Son decisiones encadenadas entre si que se
presentan a lo largo del período de estudio
previamente seleccionado.
• En consecuencia, la decisión inicial se toma
sobre la base de la consideración explícita de
otras decisiones futuras.
3
Árboles de Decisión
Son modelos gráficos empleados para
representar las decisiones secuenciales, así
como la incertidumbre asociada a la
ocurrencia de eventos
considerados claves.
4
Ejemplo de una decisión secuencial
Una empresa está considerando el
lanzamiento de un nuevo producto al
mercado o tal vez diferirlo para dentro de dos
años.
Esto significa que la empresa debe tomar la
decisión de invertir o no invertir en t=0
y t=2.
5
Construcción de un Árbol de Decisión
• Nodos:
1. De Decisión .................
2. De Eventos .................
Indican los puntos en el tiempo donde se toma la decisión.
Indican la existencia de eventos sujetos a incertidumbre
asociados a las alternativas de inversión.
6
Continuación Construcción.........
• Ramas:
1. Que parten de los nodos de decisión
representan alternativas de inversión o
cursos de acción:
7
Continuación Construcción ..........
2. Las ramas que parten de los nodos de
eventos representan situaciones sujetas a
incertidumbre que han sido cuantificadas
por intermedio del uso de probabilidades.
Demanda alta .. 0.6
Demanda baja .. 0.4
8
Pasos a seguir
1. Identifique las decisiones requeridas, así
como los eventos sujetos a incertidumbre.
2. Construya el Árbol de Decisión:
•Orden cronológico de las decisiones
•Eventos claves
•Alternativas y probabilidades
asociadas a los eventos claves
9
Continuación Pasos a Seguir........
3. Estime los flujos monetarios de cada
alternativa bajo la ocurrencia de cada uno
de los eventos probabilísticos.
4. Estime las probabilidades de cada rama y de
cada nodo probabilístico
5. Resuelva de atrás hacia delante para
conocer el E[VPN(i)].
10
Determinación de Probabilidades
en los Nodos de Eventos
P(A2/A1)
P(A1A2) = P1
P(A1)
P(B2/A1)
P(A1B2) = P2
P(B1B2)
P(B1B2) = P3
P(B2/A1) = P(A1B2)
P(A1)
P(A2/A1) = P(A1A2)
P(A1)
11
Resolución del Árbol. Algunas guías.....
• Si el nodo es un Nodo de Evento el valor esperado es
igual a:
E(NE) = Xj x Pj
• Si el nodo es un Nodo de Decisión el valor esperado
se determina seleccionando el máximo valor
esperado de las ramas que partes de ese nodo.

=
m
j 1
Donde m es el número de ramas que parten del nodo.
E(ND) = máx [E(VPN)1, E(VPN)2,..............
Donde 1,2, ... Representan el número de ramas que parten del nodo.
12
Ventajas y Desventajas
1. La consideración explícita de decisiones futuras
obliga al decisor a elaborar planes de mas largo
plazo.
2. La técnica de resolución, aunque sencilla, puede
volverse compleja en la medida que aumentan
alternativas y eventos probabilísticos.
3. Solo maneja distribuciones de probabilidades
discretas.