TALLER N° 3 : TEORIA DE DECISIONES Y RIESGOS 1

OCTUBRE 2021
NOMBRE: ROBERTO ALEJANDRO CELIZ ROMERO
1.-
F(x1, x2) = 4 x1 + 6 x2 – 2 x12 – 2 x1 x2 – 2 x22
x0 = (1,1)
𝑑𝑓(𝑥1 , 𝑥2 )
𝑑𝑥1 4 − 4𝑥1 − 2𝑥2
∇𝑓(𝑥1 , 𝑥2 ) = =[ ]
𝑑𝑓(𝑥1 , 𝑥2 ) 6 − 2𝑥1 − 4𝑥2
[ 𝑑𝑥2 ]
4−4∗1−2∗1 −2
∇𝑓(1,1) = [ ] = [ ] = [−2, 0] → 𝑀𝑎𝑥𝑖𝑚𝑜
6−2∗1−4∗1 0
Según el método del gradiente para ser máximo se debe cumplir que:
∇𝑓(𝑥1 , 𝑥2 ) = 0
4 − 4𝑥1 − 2𝑥2 = 0 1 4
[ ] → 𝑟𝑒𝑠𝑜𝑙𝑣𝑖𝑒𝑛𝑑𝑜 𝑠𝑜𝑙𝑜 ℎ𝑎𝑦 𝑢𝑛 𝑝𝑢𝑛𝑡𝑜 ( , )
6 − 2𝑥1 − 4𝑥2 = 0 3 3
Este seria el punto de maximización de la función.
2.-
f (x,y) = 4x2 + 2y2 + 5
s.a x2 + y2 – 2y = 0
𝐹(𝑥, 𝑦, 𝛼) = 4𝑥 2 + 2𝑦 2 + 5 + α ∗ (𝑥 2 + 𝑦 2 − 2y)
Ahora las derivadas con respecto a x, y, α las igualamos a 0
𝑑𝐹
= 0 → 8x + α2x = 0 → 𝑥 = 0 𝑜 𝛼 = −4
𝑑𝑥
𝑑𝐹 2𝛼
= 0 → 4y + α2y − α2 = 0 → y =
𝑑𝑦 4 + 2𝛼
𝑑𝐹
= 0 → 𝑥 2 + 𝑦 2 − 2y = 0 → 𝑥 = √2𝑦 − 𝑦 2 → 𝑦 = 2 𝑜 𝑦 = 0
𝑑𝛼
Analizamos Compatibilidades
𝑃𝑎𝑟𝑎 𝛼 = −4 → 𝑦 = 2 → 𝑥 = 0 → 𝑝1 (0,2, −4)
𝑃𝑎𝑟𝑎 𝑦 = 0 → 𝑥 = 0 → 𝛼 = 0 → 𝑝2 (0,0,0)
Ahora analizamos ambos puntos en la función
𝑃𝑎𝑟𝑎 𝑝1 (0, 2) → 𝑓(0,2) = 4 ∗ 0 + 2 ∗ 22 + 5 = 13 → 𝑀𝑎𝑥𝑖𝑚𝑜
𝑃𝑎𝑟𝑎 𝑝1 (0, 0) → 𝑓(0,0) = 4 ∗ 0 + 2 ∗ 0 + 5 = 5 → Minimo
3.- Procedemos a crear el Árbol de Decisiones:

Demanda Baja
1
Instalación 25%
Pequeña Demanda Promedio 2
B No Ampliar
40% 3
Demanda alta Promedio
E 4
35% Ampliar
G
Demanda Baja 6 Grande
25% 5
Instalación
Gerente promedio Demanda Promedio 7
A C No Ampliar
40% 8
Demanda alta F
35% Ampliar
9
Demanda Baja
25% 10
Instalación
Grande Demanda Promedio 11
D
40%
Demanda alta
12
35%
Procedemos a calcular los nodos de nuestro árbol
Calculamos los valores finales y tachamos las alternativas no aprobadas:

$18.000

$75.000
$78.250 $75.000
$125.000 $60.000
$125.000
-$25.000
$125.000

$140.000
$102.250 $150.000
$150.000
$145.000
-$60.000

$125.000
$112.000

$220.000

Con esto podemos finalmente tomar la decisión de iniciar con una instalación grande ya que da mejores resultados.