Universidad Nacional Mayor de San Marcos

(Universidad del Perú, Decana de América)

Facultad de Química, Ingeniería Química e Ingeniería

Agroindustrial

Diagrama de incertidumbre

Profesor: Dr. Walter Barrutia Feijoo

Alumnos:

 CANAZA CHOQUEHUANCA MIRYAM

 OSORIO TORIBIO LADY GERALDINE
 BALDEON MORALES CARLOS

FECHA DE ENTREGA: viernes ,21 de junio del 2019

Perú-Lima

2019

ÍNDICE

1
Resumen………………………………………………………………………………………………………………………………….3

Introducción…………………………………………………………………………………………………………………………….4

Historia de los árboles de decisión

………………………………………………………………………………………….5

Aplicaciones de los árboles de decisión ………………………………………………………………………………….6

Notacion......................................................................................................................................7

Desarrollo y analisis para la empresa de sedapal.......................................................................8

Diagrama de
incertidumbre………………………………………………………………………………………………………………………..10

Conclusiones……………………………………………………………………………………………………………………..…. 12

Bibliografía…………………………………………………………………………………………………………………………..13

2
 RESUMEN

Los árboles de decisión son una herramienta muy útil a la hora de elegir entre varias
alternativas, cuando estas son escalonadas, es decir, que los resultados (positivos o
negativos) dependen de una decisión tomada anteriormente. Independiente del área
en la que se use, esta herramienta facilita la visualización y el análisis de las decisiones,
probabilidades y resultados de las diferentes alternativas, todo esto con el fin de poder
tomar la mejor decisión. Aunque este método se puede usar en diferentes ámbitos
laborales, resulta interesante lo útil que pueden llegar a ser para el análisis de riesgos y
la gestión de proyectos, generalmente en proyectos de inversión, que son en los que
se tienen diferentes decisiones y hay cierta incertidumbre en los resultados finales.
En el desarrollo del siguiente trabajo es aplicar el diagrama de incertidumbre a una
empresa pública como lo es sedapal para poder evaluarla y de esta forma obtener la
mejor ruta de decisión, todo esto en busca de maximizar beneficios.
La Empresa Municipal Inmobiliaria de Lima Sociedad Anónima (EMILIMA S.A.), se
encarga de la administración de inmuebles de propiedad de la Municipalidad de Lima,
propiciando su rentabilización. Desde el 2003, EMILIMA SA. se convierte en una
empresa ejecutora de proyectos de Renovación Urbana llegando a ser considerados
proyectos innovadores y de gran envergadura con impacto urbano, cultural,
económico y social; siendo una Empresa Municipal rentable, competitiva, eficiente y
confiable, con personal altamente calificado, líder en la promoción de la inversión en
Renovación Urbana, modelo de gestión Inmobiliaria municipal y privada, que actúa
con responsabilidad social y gestión transparente y honesta, coadyuvando a la Gestión
Municipal y al cumplimiento de metas corporativas

3
 INTRODUCCIÓN

Constantemente nos enfrentamos a situaciones en las cuales debemos resolver un problema o

una necesidad por medio de la toma de decisiones, donde después de analizar diferentes
alternativas y dependiendo de los resultados de cada una de ellas, debemos elegir la mejor
opción, para después, tomar otra decisión a partir de esta. A esto, se le llama decisiones
escalonadas; en dichos casos es de vital importancia contar con herramientas que faciliten la
visualización y análisis de cada una de las decisiones y sus consecuencias.

Considerada herramienta, los ‘árboles de decisión’ son parte activa de una

metodología formativa que induce al estudiante a buscar la resolución de una
problemática habitual en las organizaciones. Lo invita a realizar un análisis cualitativo
basado en la identificación de escenarios y a proponer alternativas y, desde lo
cuantitativo, a detectar probabilidades o determinar beneficios. Lo anterior enriquece
el proceso formativo del alumno pues contribuye a:
1) La adquisición de competencias evaluativas de las condiciones del entorno.
2) Al análisis de fenómenos empresariales.
3) El análisis crítico.
4) La obtención de competencias para la toma de decisiones oportunas y adecuadas.
5) La comprensión de principios teóricos, conceptuales y procedimentales.

4
 HISTORIA

El uso de los árboles de decisión se remonta a 1944 por una idea de Von Neumann
(1903-1957) utilizada en la teoría de juegos, tal como nos cuentan en su artículo
Carlota Gastaldi, Marcel Urrea y Pedro Fernández de Córdoba, Neumann recomienda
trazar un diagrama en forma de árbol donde se puedan ver todas las diferentes formas
de jugar y descubrir un mejor modo de hacerlo, en donde se obtenga un resultado
satisfactorio, incluso él (Neumann) nos ilustra claramente el uso de esta herramienta
con el ejemplo de cómo lograr que dos niños se sientan satisfechos al darles un trozo
de pastel y que ninguno de los dos reproche por tener el trozo más pequeño, en este
caso, obtener la porción más grande del pastel depende de la manera en la que el
primer niño corta el pastel y de la porción que elija el otro, por lo que es fundamental
que cada niño sea capaz de prever lo que el otro va a hacer.

5
 APLICACIONES Y USOS DE LOS ÁRBOLES DE DECISIÓN

Los árboles de decisión son muy usados en diferentes ámbitos de la vida en los que
tengamos que tomar decisiones de cualquier tipo, como dice el Intaver institute en
uno de sus artículos, cualquier persona puede usar rutinariamente los árboles de
decisión, ya el análisis y lo útil de la herramienta depende de la consecuencia positiva
o negativa de cada una de las alternativas; por ejemplo:
 Jurídica: esta herramienta puede ser usada en la toma de decisiones de un
abogado sobre demandar o no demandar, en ir o no a juicio, teniendo en
cuenta la probabilidad de ganar el juicio y lo que implica monetariamente y
probabilística ganar o no el caso.

 Administración de operaciones: se usan los árboles de decisión en la

planificación de productos y administración de procesos o capacidad, este
método es valioso, ya que permite evaluar diferentes alternativas de expansión
cuando hay problemas de capacidad o cuando la demanda es incierta y
también cuando hay involucrada más de una decisión.

 Minería de Datos : Los arboles de decisión son usados en este ámbito

abordando problemas como predicción, clasificación y segmentación de datos
con el fin de convertirlos información valiosa para el análisis y toma de
decisiones. Logar una buena minería de datos depende de algoritmos, algunos
más y otros menos sofisticados que se aplican a los árboles de decisión para
obtener la respuesta la información óptima de los datos.

 Medicina: En el ámbito de la medicina esta herramienta ha sido usada por más

de dos décadas y es de vital importancia en casos de análisis genéticos o a la
hora de tomar una decisión de si operar o no un paciente que llega a urgencias
o incluso la posibilidad de que una persona desarrolle un efecto adverso a una
medicina según su predisposición genética.

6
 NOTACIÓN

Los árboles de decisión constan de: nodos de decisión representados por un cuadrado,
nodos de probabilidad representados por un circulo y ramas o alternativas
representadas por líneas o una línea cruzada por otras dos, para notar que es una
decisión rechazada. Al momento de diseñar y analizar un árbol de decisión, se debe
tener en cuenta la notación anteriormente descrita y que se puede apreciar en la
tabla.

Símbolo Nombre Descripción

Indica que hay una decisión que se debe
Nodo de decisión
tomar

Nodo de Muestra varios resultados inciertos

probabilidad
Ramificación de Cada línea de ramificación indica un posible
alternativas resultado
Muestra una alternativa o un resultado
Alternativa
que no se debe tener en cuenta
rechazada

7
 ANÁLISIS Y DESARROLLO
La Empresa Municipal Inmobiliaria de Lima Sociedad Anónima (EMILIMA S.A.)
tiene como misión rentabilizar a través del saneamiento y actos de
administración, el patrimonio inmobiliario de la Municipalidad Metropolitana de
Lima y a su vez formular y ejecutar proyectos de regeneración urbana integral en
la provincia de Lima en beneficio de la ciudadanía.
Entre sus funciones se encarga de la administración de inmuebles de propiedad de
la Municipalidad Metropolitana de Lima, propiciando su rentabilización, así como
ejecutar proyectos de Renovación Urbana por encargo de la alcaldía por acuerdo
de concejo.
Por tanto, la Empresa Municipal Inmobiliaria de Lima Sociedad Anónima (EMILIMA
S.A.) está considerando la posibilidad de contratar un experto en planificación de y
estrategia de. Una adecuada planificación supondría a la empresa unos beneficios
de 1.000.000 de dólares a la vez que cumpliría de forma adecuada las necesidades
municipales, si la planificación no fuera correctamente elaborada, la empresa
estima unas pérdidas de 400.000 dólares y la demanda parcialmente insatisfecha
de la población. Se estima que la probabilidad de que el experto realice una
adecuada planificación es del 75%. Antes de contratar al experto, la empresa tiene
la opción de realizar unas pruebas para determinar la idoneidad del candidato,
dichas pruebas tienen una fiabilidad del 80% a la hora de determinar el éxito
potencial del candidato en la realización de la planificación de estrategias.
Determine la decisión óptima para la empresa, así como el coste que puede
asumir la empresa por realizar la prueba de idoneidad

Solución:
Alternativas Estados de la
naturaleza
Contratar al Planificación
experto correcta
Planificación
incorrecta
No contratar al experto
Hacer pruebas Candidato
idóneo
Candidato no
idóneo

Sea ésta que el candidato es o no idóneo, debe decidir si contrata o no contrata al

experto, tras lo cual la planificación podrá ser correcta o incorrecta.

La probabilidad a priori de que la planificación sea correcta es del 75%, según el

enunciado del ejercicio. De igual forma, según señala el enunciado del ejercicio, las
probabilidades condicionales vienen dadas por los siguientes valores:

8
 P(Candidato idóneo / Planificación correcta) = 0,8
P(Candidato no idóneo / Planificación correcta) = 0,2
P(Candidato idóneo / Planificación incorrecta) = 0,2
P(Candidato no idóneo / Planificación incorrecta) = 0,8

De donde, la probabilidad a priori de cada uno de los acontecimientos:

P(Candidato idóneo) = [P(Planificación correcta) x P(Candidato idóneo /

Planificación correcta)] + [P(Planificación incorrecta) x P(Candidato idóneo /
Planificación incorrecta)] = [0,75 x 0,8] + [0,25 x 0,2] = 0,65
P(Candidato no idóneo) = [P(Planificación correcta) x P(Candidato no idóneo /
Planificación correcta)] + [P(Planificación incorrecta) x P(Candidato no idóneo /
Planificación incorrecta)] =
[0,75 x 0,2] + [0,25 x 0,8] = 0,35

A continuación, mediante la aplicación del teorema de Bayes determine las

probabilidades a posteriori de cada uno de los estados de la naturaleza.

9
 DIAGRAMA DE INCERTIDUMBRE

Resolviendo el árbol de decisión de derecha a izquierda.

(1.000.000 x 0,75) + ((- 400.000) x 0,25) = 650.000

(1.000.000 x 0,923) + ((- 400.000) x 0,077) = 892.200
(1.000.000 x 0,429) + ((- 400.000) x 0,571) = 200.600

La última etapa es determinista, debe pues elegir la alternativa cuyo beneficio sea
mayor y colocar el resultado encima del nudo correspondiente

(892.200 x 0,65) + (200.600 x 0,35) = 650.140

10
La decisión óptima para la empresa es la de hacer las pruebas para determinar la
idoneidad del candidato, en caso de que el candidato sea idóneo debe contratarlo, por
el contrario, si el candidato no es idóneo también debe contratarlo. Con esta decisión
el beneficio esperado es de 650.140 dólares
El valor de la información = 650.140 – 650.000 = 140 dólares es el valor de la
información que aportan las pruebas para determinar la idoneidad del candidato. El
coste que puede asumir la empresa por realizar las pruebas de idoneidad es de cómo
máximo 140 dólares

11
 CONCLUSIONES

 Siempre que se tenga que tomar una decisión condicionada, los árboles de
decisión son una herramienta útil, ya que permiten ver, de una manera gráfica, las
opciones, probabilidades y resultados que se tienen a la hora de tener que elegir.

 Los árboles de decisión son una herramienta muy popular, ya que son fáciles de
entender y permiten visualizar gráficamente las diferentes opciones para una
existente a la hora de tomar una decisión.

 Los árboles de decisión en la actualidad son muy usados en ámbitos como toma de
decisiones, evaluación de proyectos, análisis de riesgos, minería de datos,
inteligencia artificial, administración de operaciones, entre otros.

12
 BIBLIOGRAFÍA

(s.f.). Obtenido de
http://www.cca.org.mx/funcionarios/biblioteca/html/finanzas_publicas/documentos/
3/m3_metodos.pdf
Krajewski, L. J. (s.f.). administración de operaciones .
Panduro, R. P. (2017). Evalución de métodos de pronósticos para estimar la demanda

Administración de operaciones: estrategia y análisis[ CITATION Lee \l 10250 ]

13