Академический Документы
Профессиональный Документы
Культура Документы
INDUSTRIA
L
TEORIA DE
DECISIONES
Teora de la
Utilidad
Incertidumbre
Probabilidades: Prob, de
Ocurrencia
Ley de adiccin (multiplicacin)
normal)
Inferencia Estadistica
Teora del lmite
Central (curva
Probabilidades subjetivas
Costo
Tiempo
Informacin
Incertidumbre
Emociones ocultas.
Puntos de vista diferentes.
Impresiones de variables.
Persistencia.
Cualitativas:
Lluvia de Ideas
Decisiones por consenso
Tcnica Delphai
La pecera
Interaccin didctica
Negociacin colectiva
Metodologa ZOPP
Cuantitativas:
Matriz de resultados
rboles de decisiones
Decisiones Bayesianas
Modelos de tamaos de inventarios
Programacin lineal
Teora de colas
Teora de redes
La simulacin
El anlisis de markov
Programacin entera
Certidumbre.
Riesgo.
Incertidumbre.
Estados de la Naturaleza.
Consecuencias o resultados.
Alternativas.
Decisor.
Criterios.
Tablas de Decisin:
Alternativas
Estados de La Naturaleza
e1
e2
en
a1
x11
x12
x1n
a2
x21
x22
x2n
an
xm1
xm2
xmn
Alternativas
Romperlo
dentro del
tazn (a1)
Romperlo en
otro tazn
(a2)
Tirarlo (3)
Valoracin de Resultados:
Aunque los resultados xij no son necesariamente nmeros (como
ocurre en el ejemplo anterior), se puede asignar valores por el decisor
para ponderar el resultado final, es decir, se asumir la existencia de
una funcin V(.) con valores reales tal que:
Alternativas
Malo (e2)
10
Romperlo dentro
del tazn (a1)
Romperlo en otro
tazn (a2)
Tirarlo (3)
Ejemplo:
En una cierta ciudad se va a construir un aeropuerto en una de dos
posibles ubicaciones A o B, que ser elegida el prximo ao. Una
cadena hotelera est interesada en abrir un hotel cerca del nuevo
aeropuerto, para la cual tiene que decir, que terreno tiene que
comprar. La tabla indica el precio de los terrenos, el beneficio
estimado que tendra el hotel en cada posible localizacin si el
aeropuerto se ubica ah, y el valor de venta de cada terreno si
finalmente el aeropuerto no se construye en este lugar.
Tabla de precios y beneficios estimados.
Parcela en A
Parcela en B
Precio del terreno
Beneficio estimado del hotel
Valor de venta del terreno
18
31
6
Alternativas:
Comprar la parcela en A.
Comprar la parcela en B.
Comprar ambas parcelas.
No comprar ninguna parcela.
Estados de la naturaleza.
El aeropuerto se construye en A.
El aeropuerto se construye en B.
Tablas siguientes:
Estados de la Naturaleza
Alternativas
12
23
4
13
- 12
-8
11
AyB
-1
Ninguno
0
Operaciones:
AA ) 31 - 18 = 13
BA) 6 - 18 = -12
AB)
4-12 = -8
AB)
23- 12 = 11
A AyB 4-30= -26 +31 = 5
B AyB
9 6-3 = 24 +23 =-1
e1
a1
x11
a2
x21
...
...
am
xm1
Criterio Hurwicz
Se trata de un criterio intermedio entre el criterio de Wald y el
criterio maximax. Dado que muy pocas personas son tan
extremadamente pesimistas u optimistas como sugieren dichos
criterios
Hurwicz (1951) considera que el decisor debe ordenar las
alternativas de acuerdo con una media ponderada de los
niveles de seguridad y optimismo:
Donde es un valor especfico elegido por el decisor y se conoce
como ndice de optimismo y aplicable a cualquier problema de
decisin abordado por l, por lo que
Criterio Laplace
Este criterio, propuesto por Laplace en 1825, est basado en el
principio de razn insuficiente: como a priori no existe ninguna
razn para suponer que un estado se puede presentar antes
que los dems, podemos considerar que todos los estados
tienen la misma probabilidad de ocurrencia, As, para un
problema de decisin con n posibles estados de la naturaleza,
asignaramos probabilidad 1/n a cada uno de ellos.
P1
100
1/2
1/2
-0.5
200
P2
1/2
1/2
P3
112
-100
20,000
10,000
Resultado:
1
1
1=
( 10000+100 ) +
( 10,0000.5 )=10,049.75
2
2
P
1
1
2=
( 10000+200 )+
(10,000100 )=10,050
2
2
P
1
1
3=
( 10000+20,000 )+
( 10,00010,000 )=15,000
2
2
P
Nodo de decisin
()
()
()
()
()
()
Nodo de incertidumbre.
Ramas
Ejemplo1:
Contrato A
Resultado
s
$50,000
$20,000
-$20,000
E=
20,000;
Probabilida
d
Contrato B
0.60
Resultado Probabilidad
0.10
s
0.30
$40,000
0.50
(50,000; 40,000; 30,000;
$30,000
0.35
0;-10,000;-20,000)
-$10,000 0.15
Definir los
ndices de utilidad.
E
50,000 40,000 30,000 20,000 0
10,000
M (Ej)
1
0.98
0.95
0.85
0.60
0.40
M A=1 ( 0.60 ) +0.85 ( 0.10 ) + 0 ( 0.30 )=0.685 .
M B=0.98 ( 0.50 ) +0.95 ( 0.35 ) +0.40 ( 0.15 )=0.882.
Ejemplo 2:
20,000
0
Ejemplo 3.
Un departamento de ingeniera procesa el funcionamiento de una
aspiradora esa evaluacin consiste en fcil de operar, dificultad media
para operar, muy difcil de operar. Los factores que influyen son: cara,
barata, y como reparacin es costosa, regular o barata. Represntelo
en un diagrama de rbol.
Solucin:
Decisiones Bayesianas.
Inferencia estadstica en esta hay inters en muchos, en las cuales
considerados los parmetros como variables aleatorias.
Estos mtodos bayesianos, han recibido un impulso atraves de la
probabilidad subjetiva. Por esta razn quienes son partidarios de este
concepto se le llaman bayesianas.
Existen 3 principios de la teora moderna de las decisiones
bayesianas:
1. Grado de creencia subjetiva. Representados por una funcin de
probabilidad definida en trminos de preferencias sobre las
perspectivas inciertas.
2. Grados esperados. Representados por una funcin de utilidad definida
en trminos de preferencias, sobre las perspectivas inciertas.
3. Agentes racionales. Actan como si trataran de maximizar la utilidad
subjetiva esperada para multiplicar los servicios y las probabilidades
subjetivas.
Ejemplo:
M 1=
n. X . 2o + o 2
n . 2o+ 2
2 . 2o
1=
n . 2o + 2
Bajo esta condicin y combinado la informacin a priori dada anterior,
basada en la opinin de jefe en turno, el hecho de una muestra
aleatoria de tamao n=80, produjo una media de 18.85 y =5.55.
Solucin:
Teorema de Valles.
Problema.
3 maquina a, b y c producen el 45%, 30%, 25%, el total de las piezas
producidas en una fbrica, los porcentajes de produccin. Defectuosa
de estas mquinas son del 3%, 4%, 5%. Tomamos al zar una pieza y
resulto ser defectuosa, cual es la prob, de ser producida por la
maquina B.
Solucin:
Muestreo
Es una herramienta de investigacin cientfica, cuyo objetivo es determinar
que parte de una poblacin debe examinarse, con la finalidad de hacer
inferencias, sobre dicha poblacin.
Tambin se dice que es el procedimiento por el cual se extrae un conjunto
de unidades, que constituyen el objetivo de estudio, llmese poblacin.
Tcnicas de muestreo:
Probabilsticas:
Errores de muestreo.
1. Aleatorio. No suele ajustarse a ninguna regla o norma, vara en cada
caso, es por ello que tiende a anularse cuando se trata de un nmero
valor de casos.
2. Sistemtico. Es aquel que se produce de igual modo sentido y
proporcin, en todas las mediciones que se revisan sobre un
parmetro de muestra.
3. Muestral. Cuando se extrae una muestra de una poblacin es
frecuente de los resultados obtenidos no sean exactamente los
valores reales de la poblacin.
Cero Inspeccin:
Cuando el proceso que fabric el lote ha demostrado cumplir
holgadamente los niveles de calidad acordados entre el cliente
y el proveedor (que sera el caso de procesos estables y con un
buen Cpk, o procesos en los que se han hecho inspeccin
previa).
Tambin se aplica cuando la prdida global causada por las
unidades defectuosas es pequea con el costo del muestreo.
Inspeccin al 100%:
Consiste en revisar todos los artculos del lote y quitar los que
no cumplen con las caractersticas da calidad establecida.
Los que no cumplen podran ser devueltos al proveedor,
reprocesarlos o desecharlos.
Se utiliza en aquellos casos en que los productos son de alto
riesgo y si pasan defectuosos puede causar gran prdida
econmica.
Tambin es til cuando la capacidad del proceso fabricante del
lote es inadecuada para cumplir las especificaciones.
Muestreo de Aceptacin:
Cuando la inspeccin se hace con pruebas destructivas
Cuando el costo de la inspeccin al 100% es demasiado alto
comparado con el costo de pasar unidades defectuosas.
En los casos en los que la inspeccin al 100% no es
tcnicamente posible o se requiere mucho tiempo para llevarlo
a cabo.
Cuando el lote lo forman gran cantidad de artculos que habra
que inspeccionar y la probabilidad de error en la inspeccin es
suficientemente alta, de manera que la inspeccin al 100%
Por Variables:
Se toma una muestra aleatoria del lote y cada unidad de la
muestra se mide una caracterstica de calidad de tipo continua
(peso, longitud, volumen de llenado, etc.).
Se calcula un estadstico (X, S y las especificaciones).
Mtodo lot-ptot
Consiste en extraer e inspeccionar una muestra de 50
unidades
independientemente del tamao del lote.
MIL. STD 414.
Norma que estable tamao de valores de K y M en funcin del nivel
de calidad aceptable (AQL) y del tamao del lote
Niveles de Inspeccin:
Normal
Se emplea cuando la calidad del proceso es superior NCA y no hay
porque sospechar que el proceso no tiene un nivel aceptable.
Rigurosa
Es utilizada cuando la inspeccin de lotes anteriores consecutivos
indica que la calidad del proceso es inferior al NCA
Reducida
Se emplea cuando existe evidencia de que la calidad de la produccin
es menor que el NCA en forma consistente, se puede utilizar un plan
de muestreo cuyo tamao de muestra es la 2/5 partes del
correspondiente en la inspeccin normal.
Plan de muestreo:
Planteamiento que indica el tamao muestral que hay que utilizar y
los criterios de aceptacin o rechazo correspondientes para juzgar el
lote.
Tipos:
1) Simple.
2) Doble.
3) Mltiple.
4) Secuencial.
Simple:
Se toma una muestra de n unidades y se determina el destino
del lote en base a la informacin contenida en la muestra.
Ejemplo: tomar una muestra de tamao 80 y si hay ms de 6 artculos
defectuosos se rechaza el lote.
Doble:
Consiste en tomar una primera muestra de tamao ms
pequeo que el muestreo simple con la finalidad de detectar los
lotes muy buenos y los muy malos, y si en la primera muestra
no se puede tomar la decisin de aceptar o rechazar el lote,
entonces se toma una segunda muestra para decidir tomando
en cuenta las unidades defectuosas encontrada en las 2
muestras.
Mltiple:
Es una extensin de muestreo doble por cuanto se requiere ms
de dos muestras para dictaminar un lote.
ndices de calidad para los planes de muestreo de aceptacin.
Nivel de calidad aceptable o Nivel de Calidad del producto (NCA
o AQL): es el porcentaje mximo de unidades que no cumplen
con la calidad especificada (considera como satisfactorio o
aceptable).
Nivel de calidad lmite (NCL o LQL) o porcentaje defectivo
Tolerado del Lote (PDTL o LTPD): se considera como no
satisfactorio y los lotes deben ser rechazados casi siempre.
Plan de muestreo empleando la Norma Military Standard 105
Pasos:
Determinar el tamao del lote.
Especificar el NCA O AQL.
Escoger el nivel de inspeccin (nivel II)
Encontrar en la tabla de acuerdo al tamao de lote y nivel
de inspeccin la letra cdigo correspondiente al tamao
de la muestra.
De acuerdo con la letra cdigo y el NCA, buscar el plan
simple para inspeccin normal, severa y de inspeccin
reducida.
Cuando alternar entre los muestreos normal, severo y reducido
De inspeccin normal a inspeccin severa: cuando se rechazan
2 de 5 lotes consecutivos.
Z2
e
e2
3.89
3.53
3.28
3.06
0.05
0.06
0.07
0.08
0.002
5
0.003
6
0.004
9
0.006
4
desea
90
%
1.6
5
2.86
2.7
2
0.09
0.1
0
0.008 0.0
1
1
trabajar.
80
62.27
%
%
1.2 1
8
1.6 1
4
0.2 0.37
0
0.0 0.136
4
9
50%
0.674
5
0.45
0.50
0.25
Poblacin finita.
Poblacin infinita.
Ejemplo:
Solucin:
Solucin:
( 1.96 )2 (250)
n=
=106.7
2
3
Estudios para contrate de hiptesis
Pretenden comparar si las medias o proporciones de muestras son
diferentes. Habitualmente el investigar pretende comparar dos
tratamientos para lo cual el clculo del tamao de muestra es
necesario conocer.
Pruebas de Hiptesis
Se
Se
Se
Se
Se
I.
II.
No se rechaza Ho.
O se rechaza y se acepta Hi.
Paso 3:
-
Ho: M =200
H 1 : M 200
Tipos de Errores
Cualquiera sea la decisin tomada a partir de una prueba de
hiptesis, ya sea de aceptacin del Ho o de la H1, puede incurrirse en
error:
Un error tipo I se presenta si la hiptesis nula Ho es rechazada cuando
es verdadera y deba ser aceptada. La probabilidad de cometer un
error tipo I se denominada alfa.
En cualquiera de los dos casos se comete un error al tomar una
decisin equivocada.
Etapas bsicas en pruebas de hiptesis
Al realizar pruebas de hiptesis, se parte de un valor supuesto en
parmetro poblacional. Despus de recolectar una muestra aleatoria,
se compara la estadstica muestral as como la media (x), con el
parmetro hipottico, se compara con una supuesta media
poblacional. Despus se acepta o se rechaza el valor hipottico,
segn proceda. Se rechaza el valor hipottico solo si el resultado
muestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 1. Planear la hiptesis nula y la hiptesis alternativa. La
hiptesis nula (Ho) es el valor hipottico del parmetro que se compra
con el resultado muestral resulta muy poco probable cuando la
hiptesis es cierta.
Etapa 2. Especificar el nivel de significancia que se va utilizar. El nivel
de significancia del 5% entonces se rechaza la hiptesis nula
solamente si el resultado muestral es tan diferente del valor
hipottico que una diferencia de esa magnitud o mayor, pudiera
ocurrir aleatoriamente con una probabilidad de 1.05 o menos.
Etapa 3. Elegir la estadstica de prueba. La estadstica de prueba
puede ser la estadstica muestral o una versin transformada de esa
estadstica muestral.
Anlisis de la
Situacin
Establecer
objetivos
Generar
Alternativas
Clasificar por
importancia
Evaluar
Hacer la eleccin
Evaluar las
consecuencias
Decisin
final
2. Diagramas de rbol
Un diagrama de rbol es una herramienta que se utiliza para
determinar todos los posibles resultados de un experimento aleatorio.
En el clculo de la probabilidad se requiere conocer el nmero de
objetos que forman parte del espacio muestral, estos se pueden
determinar con la construccin de un diagrama de rbol. Ejemplo: Si
Juan tiene 3 pantalones y 2 camisas basta multiplicar 3x2=6 y son 6
posibilidades de que se pueda vestir.
Ejemplos
Una universidad est formada por tres facultades:
Pe
ro tambin podra ser lo contrario.
3. Tcnicas de Muestreo Probabilstico y No Probabilstico.
Muestreo Aleatorio Simple
Nmero
de
inicio:
Intervalo:
El investigador elige otro nmero entero que servir como la diferencia
constante entre dos nmeros consecutivos en la progresin.
El nmero entero se selecciona tpicamente de modo que el investigador
obtenga el tamao de la muestra correcto.
simple
es
la
garanta
de
que
el
muestreo
se
har
Tipos de afijacin
Los tipos de afijacin ms utilizados son los siguientes:
2.
3.
puede
asignar
sus
recursos
limitados
los
pocos
representadas
por
circunscripciones
didcticas
unidades
verdadera y,
como
consecuencia
del
contraste, se
rechaza.
El error de tipo II se comete cuando la hiptesis nula
es falsa y, como consecuencia del contraste se acepta.
H0
Verdadera
Falsa
Decisn
Decisin
correcta
pro
incorrecta:
Aceptar
Probabilidad
1 -
ERROR DE TIPO II
ERROR DE TIPO
Rechaza
r
I
Probabilidad
Decisin
=
correcta
La
bab
ilidad de
cometer Error
de
tipo
I es
el nivel
de
signifi cacin .
La probabilidad de cometer Error de tipo II depende del
verdadero valor del parmetro. Se hace tanto menor cuanto
mayor sea n.
7. Pruebas Estadisticas
Las pruebas estadsticas
Cuando se analizan datos medidos por una variable cuantitativa continua,
las pruebas estadsticas de estimacin y contraste frecuentemente
empleadas se basan en suponer que se ha obtenido una muestra aleatoria
de una distribucin de probabilidad de tipo normal o de Gauss.
Pero en muchas ocasiones esta suposicin no resulta vlida, y en otras la
sospecha de que no sea adecuada no resulta fcil de comprobar, por
tratarse de muestras pequeas.
En estos casos disponemos de dos posibles mecanismos:
1) PRUEBAS NO PARAMTRICAS:
Las pruebas estadsticas no paramtricas son las que, a pesar de basarse en
determinadas suposiciones, no parten de la base de que los datos
analizados adoptan una distribucin normal.
Tcnica estadstica que no presupone ninguna distribucin de probabilidad
terica de la distribucin de nuestros datos.
Se denominan pruebas no paramtricas aquellas que no presuponen una
distribucin de probabilidad para los datos, por ello se conocen tambin
como de distribucin libre (distribucin free).
En la mayor parte de ellas los resultados estadsticos se derivan nicamente
a partir de procedimientos de ordenacin y recuento, por lo que su base
lgica es de fcil comprensin.
Cuando trabajamos con muestras pequeas (n < 10) en las que se
2) PRUEBAS PARAMTRICAS:
Las pruebas estadsticas paramtricas, como la de la t de Student o el
anlisis de la varianza (ANOVA), se basan en que se supone una forma
determinada de la distribucin de valores, generalmente la distribucin
normal, en la poblacin de la que se obtiene la muestra experimental.
En contraposicin de la tcnicas no paramtricas, las tcnicas paramtricas
si presuponen una distribucin terica de probabilidad subyacente para la
distribucin de los datos.
Son ms potentes que las no paramtricas.
Dentro de las pruebas paramtricas, las ms habituales se basan en la
distribucin de probabilidad normal, y al estimar los parmetros del modelo
se supone que los datos constituyen una muestra aleatoria de esa
distribucin, por lo que la eleccin del estimador y el clculo de la precisin
de la estimacin, elementos bsicos para construir intervalos de confianza y
contrastar hiptesis, dependen del modelo probabilstico supuesto.
Cuando un procedimiento estadstico es poco sensible a alteraciones en el
modelo probabilstico supuesto, es decir que los resultados obtenidos son
aproximadamente vlidos cuando ste vara, se dice que es un
procedimiento robusto.
5) ANLISIS DE REGRESIN
En un conjunto de datos sobre la variable dependiente y sobre una o ms
variables independientes,
, consiste en determinar el modelo
matemtico ms ajustado que describa y como una funcin de las x o para
predecir y a partir de las x.
Los tipos ms corrientes son el modelo lineal y el modelo logstico.
EXAMENES