CLASE 8

 Un árbol de decisión es una forma gráfica y analítica de representar todos los eventos (sucesos) que pueden surgir a partir de una decisión asumida en cierto momento.  Nos ayudan a tomar la decisión “más acertada”, desde un punto de vista probabilístico, ante un abanico de posibles decisiones.  Permite desplegar visualmente un problema y organizar el trabajo de cálculos que deben realizarse.

 Nodo de decisión: Indica que una decisión necesita tomarse en ese punto del proceso. Está representado por un cuadrado.  Nodo de probabilidad: Indica que en ese punto del proceso ocurre un evento aleatorio. Está representado por un círculo.  Rama: Nos muestra los distintos caminos que se pueden emprender cuando tomamos una decisión o bien ocurre algún evento aleatorio.

 Definir el problema  Dibujar el árbol de decisión  Asignar probabilidades a los eventos aleatorios  Estimar los resultados de cada combinación posible de alternativas  Resolver el problema obteniendo como solución la ruta que proporcione la solución óptima.

 Una vez definido el problema (escrito en la parte superior)  Desde el lado izquierdo hacia el derecho se dibujarán líneas que parten desde un mismo origen que representarán las posibles decisiones a tomar.  En la construcción es necesario considerar las distintas alternativas o cursos de acción y los posibles eventos asociados a cada curso de acción.  Dentro de un Árbol de Decisión un cuadrado Œ significará un punto de decisión, es decir, el punto desde el cual se fija un curso de acción; y un O significará los posibles eventos asociados al curso de esa acción. Véase el Árbol de Decisiones.

 Se deberá otorgar el valor económico de los posibles resultados.  Debe verse cada uno de los círculos (representan puntos de incertidumbre) y estimar la probabilidad de cada resultado.  Cada decisión tendrá diferentes probabilidades en cada uno de sus resultados posteriores, por lo que la sumatoria porcentual de estos resultados de cada decisión tendrá que ser 100% o en su defecto 1 si se utilizan fracciones  Acá es donde se usa toda la información con la que contemos,pues facilitará el conocimiento de las probabilidades de resultados. También se pueden utilizar estimaciones basadas eventos anteriores o alguna investigación realizada.

 Para obtener los diferentes resultados:  1º se debe calcular los valores esperados para cada alternativa  2º Una vez obtenidos se debe restar el costo de cada acción emprendida. En el ejemplo: Para la acción A y para la acción B 5000  3º De esos resultados se debe elegir la acción óptima como decisión

 La técnica del Árbol de Decisiones puede ser aplicada en cualquier problema de toma de decisiones, sin embargo se tiene un uso amplio en la toma de decisiones de inversión, reinversión, políticas de créditos y financiamiento a corto y largo plazo.  Entre los aportes que contribuyeron al desarrollo de esta técnica se encuentran la teoría de los juegos y el de la información asimétrica; pues la escasez de información puede reducir en gran escala la capacidad predictiva y eficacia de la técnica de Árbol de Decisiones, y consiguientemente dejará en desventaja al jugador en el momento de llevar a cabo sus estrategias dentro del mercado.

 Fácil de entender e interpretar. Las personas son capaces de comprender los modelos de árboles de decisión después de una breve explicación.  Requiere poca preparación de los datos. Otras técnicas a menudo requieren la normalización de datos o utilización de variables ficticias.  Capaz de manejar tanto datos numéricos y categorizados. Otras técnicas son generalmente especializadas en el análisis de conjuntos de datos que tienen sólo un tipo de variable.categorizados  Utiliza un modelo de caja blanca. Si una situación dada es observable en un modelo.caja blanca  Es posible validar un modelo utilizando pruebas estadísticas. Eso hace que sea posible tener en cuenta la fiabilidad del modelo.  Robusto. Se desempeña bien incluso si sus suposiciones son violadas por el verdadero modelo a partir del cual se generaron los datos. Robusto  Funciona bien con grandes conjuntos de datos. Grandes cantidades de datos pueden ser analizados utilizando recursos informáticos estándar en un plazo razonable.

 El problema del aprendizaje de un árbol de decisión óptimo es conocido por ser NP-completo bajo varios aspectos de optimización. Existe el algoritmo voraz donde decisiones localmente óptimas se hacen en cada nodo, pero no se puede volver atrás.NP-completoalgoritmo voraz  Aprendices de árbol de decisiones pueden crear árboles excesivamente complejos que no generalizan bien a partir de los datos de entrenamiento. Se apica ajustes que se llaman «poda» o se usa el Enfoque de Inferencia Condicional, que no requiere la poda.  Hay conceptos que son difíciles de aprender porque los árboles de decisión no expresan fácilmente y el árbol de decisión se vuelve prohibitivamente grande. Implica esto el uso de Enfoques para resolver el problema con cambio de representación del dominio del problema.  Para datos que incluyen variables categorizadas con diferente número de niveles, el aumento de la información en árboles de decisión se inclina a favor de esos atributos con más niveles, pero el problema puede ser el sesgo.

 En un árbol de decisión, todos los caminos desde el nodo raíz al nodo hoja proceden por medio de la conjunción, o AND.  En un gráfico de decisiones, es posible utilizar disyunciones (OR) para unir dos caminos más utilizando la Longitud del mensaje Mínimo (MML).Longitud del mensaje Mínimo  Los grafos de decisión se han ampliado para permitir nuevos atributos previamente no declarados que pueden ser aprendidos dinámicamente y utilizado en diferentes lugares dentro del grafo. 1 Los esquemas de predicción más generales resultan en una mayor precisión predictiva y puntuación de la probabilidad log- pérdida.En general, los grafos de decisión infieren modelos con menos hojas que árboles de decisión x.

 Es de vital importancia el conocimiento de técnicas que permitan anticiparse y predecir los posibles resultados de las decisiones a tomar, con el manejo de técnicas sencillas y compresibles, como del árbol de decisiones, esta herramienta aporta el éxito y la adecuada gestión en administración financiera para llevar adelante un adecuado proceso de elección de estrategias y decisiones.

 Una compañía de seguros nos ofrece una indemnización por accidente de $.  Si no aceptamos la oferta y decidimos ir a juicio podemos obtener $, $ o $ dependiendo de las alegaciones que el juez considere aceptables.  Si perdemos el juicio, debemos pagar las costas que ascienden a $.  Sabiendo que el 70% de los juicios se gana, y de éstos, en el 50% se obtiene la menor indemnización, en el 30% la intermedia y en el 20% la más alta,  Determinar la decisión más acertada.

 Una fábrica está evaluada en 150 millones. La fábrica desea incorporar un nuevo producto al mercado. Existen tres estrategias para incorporar el nuevo producto: Alternativa 1 Hacer un estudio de mercado del producto de forma de determinar si se introduce o no al mercado. Alternativa 2 Introducir inmediatamente el producto al mercado (sin estudio). Alternativa 3 No lanzar inmediatamente el producto al mercado (sin estudio).  En ausencia de estudio de mercado, la fábrica estima que el producto tiene un 55% de posibilidades de ser exitoso y de 45% de ser un fracaso.  Si el producto es exitoso, la fábrica aumentaría en 300 millones su valor,.  Si el producto fracasa se devaluaría en 100 millones.  El estudio de mercado vale 30 millones. El estudio predice que existe un 60% de probabilidad de que el producto sea exitoso.  Si el estudio de mercado determina que el producto sería exitoso, existe un 85% de posibilidades de que efectivamente lo sea.  Si el estudio de mercado determina que el producto sería un fracaso, existe sólo un 10% de posibilidades de que el producto sea exitoso.  Si la empresa no desea correr riesgos (desea maximizar el valor esperado de la empresa).  ¿Qué estrategia debería seguir ?

 Una pizzería está planificando su actividad para el próximo domingo.  En función de los datos que se reflejan en la siguiente tabla (beneficios obtenidos), realizar el árbol de decisión correspondiente y en función de este, probar que la decisión más adecuada es hornear 170 pizzas

Hornear/ Demanda Probabilidad0,20,40,250,15