revista
DESCRIPTION
pedromolinaTRANSCRIPT
Universidad Fermín Toro
Vicerrectorado Académico
Facultad de Ciencias Económicas y Sociales
Escuela de Relaciones Industriales
Análisis de Problema y toma de Decisiones
He
rram
ien
tas y
Té
cnica
s
Toma de Decisiones
Toma de Decisiones HerramientasyTecnicasToma de Decisiones HerramientasyTecnicas
"
Un modelo determinístico es un
modelo matemático donde las mismas
entradas producirán invariablemente
las mismas salidas, no contemplándose
la existencia del azar ni el principio de
incertidumbre. Está estrechamente
relacionado con la creación de
entornos simulados a través de
simuladores para el estudio de
situaciones hipotéticas, o para crear
sistemas de gestión que permitan
disminuir la incertidumbre.
La inclusión de mayor complejidad en
las relaciones con una cantidad mayor
de variables y elementos ajenos al
modelo determinístico hará posible que
éste se aproxime a un modelo
probabilístico o de enfoque estocástico.
El método Determinístico Los ejemplos de actividades incluyen
inversión en proyectos específicos,
publicidad en un medio determinado y el
envío de bienes de cierta fuente a cierto
destino. En cualquier aplicación de
programación lineal, puede ser que todas
las actividades sean de un tipo general
(como cualquiera de los ejemplos), y
entonces cada una correspondería en forma
individual a las alternativas específicas
dentro de esta categoría general.
El tipo más usual de aplicación de
programación lineal involucra la asignación
de recursos a ciertas actividades. La
cantidad disponible de cada recurso está
limitada, de forma que deben asignarse con
todo cuidado. La determinación de esta
asignación incluye elegir los niveles de las
actividades que lograrán el mejor valor
posible de la medida global de efectividad.
Ciertos símbolos se usan de manera
convencional para denotar las distintas
componentes de un modelo de
programación lineal. Estos símbolos se
enumeran a continuación, junto con su
interpretación para el problema general de
asignación de recursos a actividades.
Z = valor de la medida global de efectividad
xj = nivel de la actividad j (para j = 1,2,...,n)
cj = incremento en Z que resulta al
aumentar una unidad en el nivel de la
actividad j
bi = cantidad de recurso i disponible para
asignar a las actividades (para i = 1,2,...,m)
Los términos clave son recursos y
actividades, en donde “m” denota el
número de distintos tipos de
recursos que se pueden usar y n
denota el número de actividades
bajo consideración. Algunos
ejemplos de recursos son dinero y
tipos especiales de maquinaria,
equipo, vehículos y personal.
Método de
Progrmacion Lineal
Toma de Decisiones HerramientasyTecnicas
#
aij = cantidad del recurso i consumido por
cada unidad de la actividad j
El modelo establece el problema en
términos de tomar decisiones sobre los
niveles de las actividades, por lo que
x1,x2,....,xn se llaman variables de decisión.
Los valores de cj, bi y aij (para i = 1,2,....,m y
j = 1,2,....,n) son las constantes de entrada al
modelo. Las cj, bi y aij también se conocen
como parámetros del modelo.
El Metodo SiMPLEX
El método Simplex es un procedimiento
iterativo que permite ir mejorando la
solución a cada paso. El proceso concluye
cuando no es posible seguir mejorando más
dicha solución.
Partiendo del valor de la función objetivo en
un vértice cualquiera, el método consiste en
buscar sucesivamente otro vértice que
mejore al anterior. La búsqueda se hace
siempre a través de los lados del polígono (o
de las aristas del poliedro, si el número de
variables es mayor). Cómo el número de
vértices (y de aristas) es finito, siempre se
podrá encontrar la solución.
El método Simplex se basa en la siguiente
propiedad: si la función objetivo, f, no toma
su valor máximo en el vértice A, entonces
hay una arista que parte de A, a lo largo de
la cual f aumenta.
Deberá tenerse en cuenta que este método
sólo trabaja para restricciones que tengan
un tipo de desigualdad "≤" y coeficientes
independientes mayores o iguales a 0, y
habrá que estandarizar las mismas para el
algoritmo. En caso de que después de éste
proceso, aparezcan (o no varíen)
restricciones del tipo "≥" o "=" habrá que
emplear otros métodos, siendo el más
común el método de las Dos Fases.
Lo que nos permite un método
probabilístico es conocer con un cierto
nivel de certeza como se podría
comportar un sistema a futuro. A los
métodos que utilizan variables
aleatorias que varían con el tiempo se
les conoce como métodos
estocásticos.
Un ejemplo de ellos es el proceso
Markoviano, el cual consiste en asociar
probabilidades a cada uno de los
posibles resultados dentro de cada
línea de acción para un determinado
tiempo. De esta forma se podrá así
determinar la probabilidad final de
encontrarse en un estado determinado
en el tiempo especificado.
Métodos Probabilísticos
Toma de Decisiones HerramientasyTecnicas
$
Logica bayesiana
El método más antiguo para el tratamiento
de la incertidumbre es la probabilidad.
Dentro del campo de la inteligencia
artificial, surgieron críticas contra el uso de
métodos probabilistas en sistemas expertos,
especialmente porque las hipótesis
necesarias para hacer tratable el método
bayesiano clásico eran incorrectas en la
mayor parte de los problemas del mundo
real. Esto motivó el desarrollo de otros
métodos, como los factores de certeza o la
lógica difusa, en que se introducen
implícitamente hipótesis y aproximaciones
aún más exigentes. Afortunadamente, el
desarrollo de las redes bayesianas en la
década de los 80 permitió refutar las
objeciones anteriores contra el uso de la
probabilidad, construyendo un modelo de
razonamiento causal con un sólido
fundamento teórico.
Por otro lado, los diagramas de influencia,
que aparecen también en la década de los
80, pueden considerarse como una
extensión de las redes bayesianas, que por
tener nodos de decisión y nodos de utilidad,
permiten resolver problemas de toma de
decisiones. En la década de los 90 ha
crecido exponencialmente el número de
investigadores, universidades y empresas
dedicados a este tema; actualmente existen
sistemas expertos bayesianos en las
especialidades más diversas.
Dado que nuestra investigación aplicada se
ha centrado sobre todo en la medicina, la
mayor parte de los ejemplos que ofrecemos
en este curso corresponden a sistemas
expertos médicos, aunque mencionaremos
también las aplicaciones en ingeniería,
visión artificial, comercio electrónico,
informática educativa, interfaces
inteligentes
Teoria de Juegos
La teoría de juegos es un área de la
matemática aplicada que utiliza modelos
para estudiar interacciones en estructuras
formalizadas de incentivos (los llamados
juegos) y llevar a cabo procesos de decisión.
Sus investigadores estudian las estrategias
óptimas así como el comportamiento
previsto y observado de individuos en
juegos. Tipos de interacción aparentemente
distintos pueden, en realidad, presentar
estructura de incentivo similar y, por lo
tanto, se puede representar mil veces
conjuntamente un mismo juego.
Desarrollada en sus comienzos como una
herramienta para entender el
comportamiento de la economía, la teoría
de juegos se usa actualmente en muchos
campos, como en la biología, sociología,
psicología y filosofía.
Toma de Decisiones HerramientasyTecnicasToma de Decisiones HerramientasyTecnicas
%
Experimentó un crecimiento sustancial y se
formalizó por primera vez a partir de los
trabajos de John von Neumann y Oskar
Morgenstern, antes y durante la Guerra
Fría, debido sobre todo a su aplicación a la
estrategia militar —en particular a causa del
concepto de destrucción mutua
garantizada. Desde los setenta, la teoría de
juegos se ha aplicado a la conducta animal,
incluyendo el desarrollo de las especies por
la selección natural. A raíz de juegos como
el dilema del prisionero, en los que el
egoísmo generalizado perjudica a los
jugadores, la teoría de juegos ha atraído
también la atención de los investigadores en
informática, usándose en inteligencia
artificial y cibernética.
Aunque tiene algunos puntos en común con
la teoría de la decisión, la teoría de juegos
estudia decisiones realizadas en entornos
donde interaccionan. En otras palabras,
estudia la elección de la conducta óptima
cuando los costes y los beneficios de cada
opción no están fijados de antemano, sino
que dependen de las elecciones de otros
individuos. Un ejemplo muy conocido de la
aplicación de la teoría de juegos a la vida
real es el dilema del prisionero,
popularizado por el matemático Albert W.
Tucker, el cual tiene muchas implicaciones
para comprender la naturaleza de la
cooperación humana. La teoría psicológica
de juegos, que se arraiga en la escuela
psicoanalítica del análisis transaccional, es
enteramente distinta.
Toma de Decisiones
Toma de Decisiones