Teoría de Decisiones

 

JUEGOS GERENCIALES

Ing. Ma. Pedro Arrivillaga Obiols

 

 

JUEGOS GERENCIALES MAESTRÍA EN ADMINISTRACIÓN DE NEGOCIOS

TEORÍA DE DECISIÓN

Ing. Ma. Pedro Arrivillaga Obiols

 

Desarrollar la capacidad de analizar estratégicamente complejos e las interactivos, de talentornos forma que considere situaciones como retos de los que pueden surgir factibles cuando intervienen varias soluciones partes en las negociaciones.

Objetivo General

 

1. Proporcionar directrices en la calidad de toma de decisiones. 2. Introducir a la teoría de juegos como método para analizar interrelaciones racionales, de acuerdo al comportamiento entre dos o más individuos o competidores y buscar un modelo de acción propio.

3. Utilizar simulaciones para el desarrollo de situaciones de toma de decisiones.

Objetivo General

 

Genéricas Solucionar creativamente problemas Investigar

Específicas Crear Valor Valor para el e l cliente

Habilidades Directivas

 

Programa del Curso 1. Teorí Teoríaa de Decisión 2. Teorí Teoríaa de Juegos 3. Simulación

 

Semana 1 I TEORIA DE DECISIÓN 1. Accion Acciones, es, esta estados dos de de natur naturale aleza, za, pagos pagos.. 2. Cri Criter terios ios de decis decisión: ión: Maxim Maximin, in, maxim maximax, ax, minim minimax, ax,

criterio de realismo e igualdad de probabilidades.

 

Semana 1 I TEORIA DE DECISIÓN 3. Diagrama de árbol en problemas de decisión. decisi ón.

 

Semana 2 II TEORÍA DE JUEGOS 1. Introdu Introducci cción ón a la teo teoría ría de jue juegos gos 2. El Elem emen ento toss del del ju jueg egoo

3. Form Formaa de rep repre rese sent ntar ar jue juego goss 4. Es Estr trat ateg egias ias do domin minan ante tess

 

Semana 2 II TEORÍA DE JUEGOS 4. Equilibrio de Nash 5. Tipos Tipos de juegos

6. Juego de suma 0 y de suma constante 7. Dilema del prisionero

 

Semana 3 II TEORÍA DE JUEGOS 9. Estrategias puras y mixtas 10. Diagrama de probabilidad o curvas de reacción

11. Juego del halcón y la paloma 12. Juego de la guerra de los sexos

 

Semana 3 y 4 II TEORÍA DE JUEGOS 13. Aplicaciones de teoría teorí a de juegos en las empresas

 

Semana 4 Presentación de proyecto

 

Semana 5 Taller de Aprendizaje Basado en Problemas

 

Estructura del programa Maestría en Dirección del Marketing Pensum autorizado en Acta de Consejo directivo No. 75-13 5.02.g de fecha 04-11-2013 Ciclos Niveles

 

Semana 5 Presentación del informe de Aprendizaje Basado en Problemas

 

EVALUACIÓN ALUACIÓN DE LOS APRENDIZAJES EV Laboratorios Cortos

40 pts.

20 pts. Proyecto 15 pts. Presentación del proyecto 5 pts. Informe de Aprendizaje Basado en Problemas, 15 pts. Presentación del informe de Aprendizaje Basado en Problemas, 5 pts.

 

Semana 1 I TEORIA DE DECISIÓN 1. Accion Acciones, es, esta estados dos de de natur naturale aleza, za, pagos pagos.. 2. Cri Criter terios ios de decis decisión: ión: Maxim Maximin, in, maxim maximax, ax, minim minimax, ax, criterio de realismo e igualdad de probabilidades.

      

FORMULACIÓN DEL PROBLEMA El análisis de decisiones puede usarseuna para desarrollar estrategia óptima cuando el tomador de decisiones se enfrenta con varias alternativas de decisión y una incertidumbre o patrón

de eventos futuros de riesgos . lleno

TABLAS DE RESULTADOS

ÁRBOLES DE DECISIÓN

TEOREMA DE BAYES

 

Las seis fases del proceso de toma de decisiones Identificar claridad con el problema en cuestión.

Identificar los posibles

Seleccionar uno de los modelos

resultados estados deo la naturaleza.

matemáticos del proceso de toma de decisiones.

Elaborar una lista con las

Listar el pago o utilidad de cada

posibles alternativas .

combinación de alternativas y

Aplicar el modelo y tomar su decisión.

resultados.  

TABLA DE DECISIÓN •

•

Muestra los resultados para todas las combinaciones de las alternativas y los estadosde dedecisión la naturaleza. Un resultado o consecuencia análisis de decisiones, en el es la consecuencia resultante de una combinación específica de una alternativa de decisión y un estado de la naturaleza.

 

TIPOS DE AMBIENTES DEL PROCESO DE TOMA DE DECISIONES

BAJO CERTIDUMBRE

MAXIMAX (optimista)

MAXIMIN (pesimista)

BAJO INCERTIDUMBRE

CRITERIO DE REALISMO (criterio de Hurwicz)

BAJO RIESGO

IGUALDAD DE PROBABILIDADES (Laplace)

Arrepentimiento minimax

 

PROCESO DE TOMA DE DECISIONES BAJO INCERTIDUMBRE

 

MAXIMAX •

•

Evalúa cada alternativa de decisión en función del mejor resultado que pueda pu eda oc ocur urrir rir.. RESU RE SULT LTAD ADO O MÁ MÁXI XIMO MO PA PARA RA CA CADA DA AL ALTE TERN RNAT ATIV IVA A DE DE DECI CISI SIÓN ÓN

 

MAXIMIN •

•

Evalúa cada alternativa de decisión desde el punto de vista del peor  resultado que pueda ocurrir. Se selecciona la alternativa que maximiza el resultado result ado mín mínimo imo.. RESU SULT LTAD ADO O MÍNI NIMO MO PA PAR RA CA CADA DA UNA DE LA LASS AL ALTTERNA NATI TIVA VASS DE DE DECI CISI SIÓN ÓN

 

CRITERIO DE REALISMO (CRITERIO DE HURWICZ) Con fr frec ecue uenc ncia ia lla lam mad ado o pr pro ome medi dio o po pond nder erad ado, o, es un com ompr prom omis iso o en entr tre e un una a de deci cisi sió ón opti op timi mist sta a y un una a pe pesi simi mist sta. a. α

Promedio ponderado = (máximo renglón) + (1-   α)(mínimo de un renglón)

 

IGUALDAD DE PROBABILIDADES (LAPLACE) •

Involucra encontrar la ganancia promedio de cada alternativa y seleccionar aquella que ofrezca el promedio máss al má alto to..

 

ARREPENTIMIENTO MINIMAX •

No es puramente optimista ni puramente conservador (pérdida de oportunidad o arrepentimiento asociado con la alternativa de dec de cis isiión) Enfoque minimax. Se selecciona el mínimo de los va vallores de arrepentimient arrepen timiento o máximo máximo..

 

VALOR MONETARIO ESPERADO •

Es el valor promedio a largo plazo de la decisión:

 

ARBOL DE DECISIONES

 

Las cinco fases del análisis por medio de árboles de decisión 1. Definir el problema 2. Estructurar o dibujar el árbol de decisión 3. Asig ign nar probabililiida dad des a los esta tad dos de la naturaleza. 4. Calcular las ganancias de cada combinación posible de alte al tern rnat ativ ivas as y es esta tado doss de la na natu tura rale leza za.. 5. R orbaledm od s o va meosnoelvtearrioe s l esppre osa (Em MeVd) iadnetecaedl a cnáolcduolo dedeestla dleorelas naturaleza. Esta operación se hace trabajando hacia atrás, es decir, se comienza desde la derecha del árbol y se trabaja hacia el origen de los nodos de decisión que se encuentran a la ise zqlec uiecion rdonar a.arAladal em árnat s,atiie n qu ce adti a odme o jor dreEMV de. cisión se debe sel ecci alte tern va que tien ene enel mejo MV.

 

Árbol de decisión de Thomp Tho mpson son Lum Lumber ber

 

Estimación de los valores de probabilidad por medio del análisis bayesiano

   

Cálculo de las probabilidades de las ramas o alternativas •

•

El teorema de Bayes se puede utilizar para calcular las probabilidades revi vissadas y ayudar a los que toman las decisiones.

EJEMPLO: Suponien Supo niendo do las sigu siguien ientes tes pro probabi babilid lidade adess con condic dicion ionales ales::

 

Revisiones de probabilidad en caso de una encuesta positiva y una negativa:

 



Árbol de decisión más grande que incluye ganancias y probabilidades de Thompson Lumber

 

Árbol de decisión Thompsondeen el cual se muestran los valores de EVM