CONSTRUCCIÓN DE MODELOS CUANTITATIVOS

Modelos de toma de decisiones.
1. Definición y clasificación de los modelos de toma de decisiones
  1. Definición: Los modelos de toma de decisiones son esquemas que describen el proceso mediante el cual se elige una opción entre varias alternativas para alcanzar un objetivo específico.
  2. Clasificación:
    1. Modelos Racionales: Basados en un análisis lógico y sistemático de las alternativas.
    2. Modelos Intuitivos: Basados en la experiencia y el juicio subjetivo.
    3. Modelos Mixtos: Combinan elementos racionales e intuitivos.
  3. Ejemplos de modelos cuantitativos y cualitativos
    1. Cuantitativos:
      1. Análisis de regresión: Utilizado para predecir el valor de una variable en función de otra(s).
      2. Simulación Monte Carlo: Utilizada para evaluar el impacto de la incertidumbre y el riesgo.
    2. Cualitativos:
      1. Análisis DAFO (FODA): Evalúa las fortalezas, debilidades, oportunidades y amenazas.
      2. Método Delphi: Utiliza opiniones de expertos para tomar decisiones en situaciones de incertidumbre.
Toma de decisiones bajo certidumbre:
1. Características de las decisiones bajo certidumbre
  1. Definición: Las decisiones bajo certidumbre se toman cuando se conoce completamente el resultado de cada alternativa.
  2. Características: Información completa y precisa. Previsibilidad total de las consecuencias. Decisión basada en datos concretos y verificables.
2. Herramientas y técnicas utilizadas:
  1. Análisis de costo-beneficio: Compara los costos y beneficios de cada alternativa para seleccionar la más rentable.
  2. Programación lineal: Utilizada para optimizar recursos y maximizar beneficios.
3. Ejemplo
  1. Decisión: Selección de un proveedor con precios y plazos de entrega conocidos.
  2. Herramienta: Análisis de costo-beneficio para elegir el proveedor más económico.
Toma de decisiones bajo riesgo:
1. Concepto de riesgo en la toma de decisiones
  1. Definición: Las decisiones bajo riesgo se toman cuando los resultados de las alternativas son inciertos, pero se pueden asignar probabilidades a esos resultados.
  2. Características: Incertidumbre cuantificable. Probabilidades asignadas a diferentes resultados posibles.
  3. Métodos para evaluar y gestionar el riesgo
    1. Árboles de decisión: Representan visualmente las alternativas y sus posibles consecuencias, asignando probabilidades y valores esperados.
    2. Análisis de sensibilidad: Evalúa cómo cambia el resultado ante variaciones en las entradas del modelo.
2. Ejemplo
  1. Decisión: Lanzar un nuevo producto al mercado.
  2. Método: Árbol de decisión para evaluar las probabilidades de éxito y fracaso y sus respectivos impactos financieros.
Toma de decisiones bajo incertidumbre
1. Diferencia entre riesgo e incertidumbre
  1. Riesgo: Se pueden asignar probabilidades a los resultados.
  2. Incertidumbre: No se pueden asignar probabilidades debido a la falta de información suficiente.
2. Estrategias y modelos para tomar decisiones cuando la información es limitada o desconocida
  1. Criterio de Laplace: Asume que todos los resultados son igualmente probables y elige la alternativa con el mejor valor promedio.
  2. Criterio de Savage: Minimiza el máximo arrepentimiento que podría surgir de no haber elegido la mejor alternativa.
3. Ejemplo
  1. Decisión: Invertir en una tecnología emergente con poca información disponible.
  2. Estrategia: Utilizar el criterio de Laplace para evaluar las opciones y seleccionar la que tenga el mejor rendimiento promedio bajo incertidumbre.

Nächster

CONSTRUCCIÓN DE MODELOS CUANTITATIVOS

Beschreibung

Zusammenfassung der Ressource

ähnlicher Inhalt

	Erstellt von José García vor 2 Monate