SlideShare a Scribd company logo
1 of 11
Universidad Politécnica Estatal del Carchi

Comercio Internacional, Integración, Administración y
               Economía Empresarial.




Escuela: Comercio Exterior y Negociación Comercial
                   Internacional

               Integración económica

                 ING.OSACAR LÓMAS

              Alumna: maricela Ayala

                   Nivel: SÉPTIMO

                paralelo: “a” noche

                    AÑO-LECTIVO

                        2012
TAREA No. 03

Tema: Calcular los Valores Actuales Netos VAN e ir podando las ramas y decidir
cuál es la mejor opción.

1.1.   Planteamiento del Problema

“El aprendizaje de árboles de decisión es un método muy simple, que ha sido
ampliamente utilizado y con gran éxito en numerosas tareas de aprendizaje
inductivo. Es un método de aproximación defunciones robusto a la
presencia de datos erróneos y es capaz de aprender expresiones
disyuntivas.” (1)


“Los árboles de decisión son una extensión de los árboles de probabilidad. La
base del árbol es el punto inicial de la decisión, sus ramas comienzan en el primer
evento casual mientras cada uno de estos produce dos o más efectos posibles
que a su vez causan otros eventos casuales, mientras el árbol de probabilidad se
ocupa de eventos que se excluyen mutuamente y de los que son colectivamente
exhaustivos.” (1)

Los valores que pueden tomar las entradas y las salidas pueden ser valores
discretos o continuos. Se utilizan más los valores discretos por simplicidad,
cuando se utilizan valores discretos en las funciones de una aplicación se
denomina clasificación y cuando se utilizan los continuos se denomina regresión.

“Una instancia se clasifica comenzando en el nodo raíz del árbol, testeando el
atributo especificado por este nodo, y moviéndose hacia abajo por la rama del
árbol que corresponde al valor del atributo en la instancia a clasificar. Este proceso
se repite para el subárbol cuya raíz es el nuevo nodo, y así sucesivamente hasta
alcanzar un nodo hoja, en cuyo caso se retorna la clasificación asociada con
estenodo.”. (1)
1.2 Problema

¿Establecer la solución más adecuada en la toma decisiones, de cuerdo a del
árbol de decisión planteado?

1.3 Objetivos




Objetivo General

    Obtener información del árbol de decisiones, para la toma decisión de
      acuerdo al planteamiento del VAN determinando la opción más factible.

   Objetivos Específicos

    Analizar la solución más factible del árbol de decisiones acerca del estudio
      de mercado y en el caso de no ejecutar un estudio de mercado.
    Determinar la opción correcta, para la toma de decisiones de los costos en
      un mercado y en un mercado grande y pequeño y su factibilidad.



1.3 Justificación

La elaboración de la siguiente tarea es con el fin de determinar la solución más
factible de acuerdo a la elaboración de un árbol de decisiones, el determinar la
mejor opción de acuerdo al planteamiento de la fórmula del VAN, en este caso el
análisis se lo realizara a un estudio mercado que tiene tres informes como es
informe optimo. Informé pesimista, informe sin estudio, los cuales nos permitan
determinar   la   mejor opción   de promoción    ya sea la grande,    pequeña o
ninguna.
1.3 MARCO TEORICO

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.

TERMINOLOGÍA

• 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.




Ejercicio

En el siguiente esquema del arbole de decisiones, nos permite obtener
información de un estudio de mercado en el cual determinaremos los informes
como son informe optimista, informe pesimista, de esta obtenemos las
promociones grandes y las promociones pequeñas del promoción grande
obtenemos mercado grande y mercado pequeño.
ESQUEMA DEL ÁRBOL DE DECISIÓN
TABLA DE DISTRIBUCÓN

DECISIÓN        ESTUDIO DE       IMFORME          PROMOCIÓN   MERCADO          RENDIMIENTO
                 MERCADO

Promoción        2.5             Informe          Promoción   Mercado          100
                                 Optimista        grande      grande    0.70

                                 0.60                         Mercado          50
                                                  55          pequeño   0.30
                                                  Promoción   Mercado   0.70   50
                                                  pequeña     grande

                                                  27.5        Mercado          50
                                                              pequeño   0.30
Promoción        2.5             Informe          Promoción   Mercado   0.20
                                 Pesimista        grande      grande           100
                                 0.40             55          Mercado
                                                              pequeño   0.80   50
                                                  Promoción   Mercado          50
                                                  pequeña     grande    0.20
                                                  27.5        Mercado
                                                              pequeño   0.80   50
Promoción     Sin   estudio de    No      tiene   Promoción   Mercado          100
              mercado            información      grande      grande    0.50
                                                  55          Mercado   0.50
                                                              pequeño          50
                                                  Promoción   Mercado   0.50
                                                  pequeña     grande           50
                                                  27.5        Mercado   0.50
                                                              pequeño          50



TOMA DE DECISIÓN
IMFORME OPTIMISTA


        Promoción grande= -55.000+(0.70*10000)+(0.30*50000)
                             = -55.0000+70.000+15.000
                             = 30.000
        Promoción pequeño = -(27.500)+(0.70*50.000)+(0.30*50.000)
                                 = -27500+35.000+15.000
                                 = 22.500


Tomando en cuenta la promoción grande y pequeña se obtendría como una
de las alternativas los 30.000 de información optimista
INFORME PESIMISTA


      Promoción grande= -55.000+(0.20*100.000)+(0.80*50.000)
                        = -55.000+20.000+40.000
                        = 5000
      Promoción pequeño = -(27.500)+(0.80*50000)+(0.20*50000)
                         = -27.500+10.000+40.000
                          = 22.500


Tomando en cuenta la promoción grande y pequeña se obtendría 22.500 de
información pesimista


SIN ESTUDIO DE MERCADO


      Promoción grande= -55.000+(0.50*100)+(0.50*50)
                        = -55.000+50.000+25.000
                        = 20.000
      Promoción pequeño = -27.500+(0.50*50)+(0.50*50)
                          = -27.500+25.00+25.000
                          = 22.500


Tomando en cuenta la promoción grande y pequeña se obtendría de 22.500
información optimista
ANEXOS
ANÁLISIS

Un árbol de decisión en el que quien toma la decisión cuenta con información
perfecta acerca de qué estado ocurrió antes de tomar una decisión. En este caso
la empresa    ha   realizado un estudio de mercado        en el cual    cuenta con
información   de datos anteriores como es la información optimista y información
pesimista en la que nos desglosa el estudio de mercado grande y pequeño ya
que de igual manera se toma en cuenta que para mayor          toma decisiones se
realiza un análisis cuando no existe un estudio de mercado permitiendo el
mismo   desglose     del mercado. La empresa       una vez realizado el análisis
determinando el VAN de cada uno de la promociones se ha tomado en cuenta
que   de la información     optimista      el mercado grande           tiene    mejor
probabilidades , y de     información pesimista    su mejor aceptación es en el
mercado pequeño, dando como resultado para una toma de decisión                que el
estudio de mercado    para realizar     las promociones   se tomara en cuenta los
dos promociones tanto de el mercado grande como del pequeño.

CONCLUSIÓN

El árbol de decisión nos permite           tomar decisiones mediante información
obtenida de cualquier tipo de estudio ya sea comercial, empresarial      e industrial
permitiendo   analizar     cada una de los enlaces del esquema del árbol de
decisiones.

RECOMENDACIÓN

Es recomendable siempre saber analizar correctamente los enlaces que tiene
el árbol determinando cada entrada y salida       para    así poder    obtener una
información correcta y poder tonar decisiones.

LINKOGRAFÍA

www.utm.mx/~jahdezp/archivos%20estructuras/DESICION.pdf

http://www.smartsoftint.com/esp/tecnologia/arboles-de-decision.html
EJERCICIO  DE  ÁRBOL  DE DECISION

More Related Content

What's hot

C) problemas de programacion lineal resueltos
C) problemas de programacion lineal resueltosC) problemas de programacion lineal resueltos
C) problemas de programacion lineal resueltosSilver Mendoza A.
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)lineal
 
Ejercicios econometría1
Ejercicios econometría1Ejercicios econometría1
Ejercicios econometría1cesarmanosalvas
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesiseduardobarco
 
Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Alvaro Chavez
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...Ekthor Daniel R G
 
Distribucion hipergeometrica
Distribucion hipergeometricaDistribucion hipergeometrica
Distribucion hipergeometricakarynacabrera
 
Cuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomialCuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomialPao Aldaco
 
Experimentos
ExperimentosExperimentos
ExperimentosSanty D
 
Intervalos de confianza 2
Intervalos de confianza 2Intervalos de confianza 2
Intervalos de confianza 2Hector Funes
 
Ejercicios econometria i
Ejercicios econometria iEjercicios econometria i
Ejercicios econometria iUNACH
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Linealjotape74
 
Escuela clasica y marxista3
Escuela clasica y marxista3Escuela clasica y marxista3
Escuela clasica y marxista3Andrea Rodriguez
 
Ejercicios de distribucion binomial y de poison: STAT FIT DE PROMODEL
Ejercicios de distribucion binomial y de poison: STAT FIT DE PROMODELEjercicios de distribucion binomial y de poison: STAT FIT DE PROMODEL
Ejercicios de distribucion binomial y de poison: STAT FIT DE PROMODELlucysan
 
Probabilidad y estadística descriptiva
Probabilidad y estadística descriptivaProbabilidad y estadística descriptiva
Probabilidad y estadística descriptivaBlanca Parra Campos
 
Supuesto no autocorrelación de análisis de regresion
Supuesto no autocorrelación de análisis de regresionSupuesto no autocorrelación de análisis de regresion
Supuesto no autocorrelación de análisis de regresionKevin Erick Pacheco
 
79276671 ejercicios-unidad-8
79276671 ejercicios-unidad-879276671 ejercicios-unidad-8
79276671 ejercicios-unidad-8Cecy De León
 

What's hot (20)

Tablas de contingencia
Tablas de contingenciaTablas de contingencia
Tablas de contingencia
 
C) problemas de programacion lineal resueltos
C) problemas de programacion lineal resueltosC) problemas de programacion lineal resueltos
C) problemas de programacion lineal resueltos
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)
 
Ejercicios econometría1
Ejercicios econometría1Ejercicios econometría1
Ejercicios econometría1
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesis
 
Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
 
Distribucion hipergeometrica
Distribucion hipergeometricaDistribucion hipergeometrica
Distribucion hipergeometrica
 
Cuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomialCuadros comparativos de distribucion poisson y distribucion binomial
Cuadros comparativos de distribucion poisson y distribucion binomial
 
Experimentos
ExperimentosExperimentos
Experimentos
 
Intervalos de confianza 2
Intervalos de confianza 2Intervalos de confianza 2
Intervalos de confianza 2
 
Ejercicios econometria i
Ejercicios econometria iEjercicios econometria i
Ejercicios econometria i
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
 
Escuela clasica y marxista3
Escuela clasica y marxista3Escuela clasica y marxista3
Escuela clasica y marxista3
 
Transformacion lineal
Transformacion linealTransformacion lineal
Transformacion lineal
 
Ejercicios de distribucion binomial y de poison: STAT FIT DE PROMODEL
Ejercicios de distribucion binomial y de poison: STAT FIT DE PROMODELEjercicios de distribucion binomial y de poison: STAT FIT DE PROMODEL
Ejercicios de distribucion binomial y de poison: STAT FIT DE PROMODEL
 
Probabilidad y estadística descriptiva
Probabilidad y estadística descriptivaProbabilidad y estadística descriptiva
Probabilidad y estadística descriptiva
 
Ejercicio resuelto del Equilibrio de Nash
Ejercicio resuelto del Equilibrio de NashEjercicio resuelto del Equilibrio de Nash
Ejercicio resuelto del Equilibrio de Nash
 
Supuesto no autocorrelación de análisis de regresion
Supuesto no autocorrelación de análisis de regresionSupuesto no autocorrelación de análisis de regresion
Supuesto no autocorrelación de análisis de regresion
 
79276671 ejercicios-unidad-8
79276671 ejercicios-unidad-879276671 ejercicios-unidad-8
79276671 ejercicios-unidad-8
 

Viewers also liked

Viewers also liked (8)

7 Tecnica del Arbol para la toma de decisiones
7  Tecnica del Arbol para la toma de decisiones7  Tecnica del Arbol para la toma de decisiones
7 Tecnica del Arbol para la toma de decisiones
 
Árboles de decisión
Árboles de decisiónÁrboles de decisión
Árboles de decisión
 
Criterios
CriteriosCriterios
Criterios
 
Vbtora98
Vbtora98Vbtora98
Vbtora98
 
2.2 toma de decisiones
2.2 toma de decisiones2.2 toma de decisiones
2.2 toma de decisiones
 
Decisiones matriz de pago 2015 c3
Decisiones matriz de pago 2015 c3Decisiones matriz de pago 2015 c3
Decisiones matriz de pago 2015 c3
 
Criterios de incertidumbre
Criterios de incertidumbreCriterios de incertidumbre
Criterios de incertidumbre
 
Md ejercicios resueltos teoria de la decision
Md   ejercicios resueltos teoria de la decisionMd   ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decision
 

More from Maricela Ayala

Proyecto de estadística inferencial con aplicación a spss123
Proyecto de estadística inferencial con aplicación a spss123Proyecto de estadística inferencial con aplicación a spss123
Proyecto de estadística inferencial con aplicación a spss123Maricela Ayala
 
Actividad 1. maricela ayala
Actividad 1. maricela ayalaActividad 1. maricela ayala
Actividad 1. maricela ayalaMaricela Ayala
 
Cuestionario de finanzas internacionales maricela
Cuestionario de finanzas internacionales maricelaCuestionario de finanzas internacionales maricela
Cuestionario de finanzas internacionales maricelaMaricela Ayala
 
Contabando y defraudaci__maricela[1]
Contabando y defraudaci__maricela[1]Contabando y defraudaci__maricela[1]
Contabando y defraudaci__maricela[1]Maricela Ayala
 
Ejercicios de estadistica
Ejercicios  de estadisticaEjercicios  de estadistica
Ejercicios de estadisticaMaricela Ayala
 
Relacion lineal maricela ayala
Relacion lineal maricela ayalaRelacion lineal maricela ayala
Relacion lineal maricela ayalaMaricela Ayala
 
Estadística inferencial maricela ayala
Estadística inferencial maricela ayalaEstadística inferencial maricela ayala
Estadística inferencial maricela ayalaMaricela Ayala
 
G20 página de internet
G20 página de internetG20 página de internet
G20 página de internetMaricela Ayala
 

More from Maricela Ayala (20)

Empresa chicha fresh
Empresa chicha   freshEmpresa chicha   fresh
Empresa chicha fresh
 
Proyecto de estadística inferencial con aplicación a spss123
Proyecto de estadística inferencial con aplicación a spss123Proyecto de estadística inferencial con aplicación a spss123
Proyecto de estadística inferencial con aplicación a spss123
 
Chi cuadrado
Chi  cuadradoChi  cuadrado
Chi cuadrado
 
Actividad 6
Actividad 6Actividad 6
Actividad 6
 
Actividad 4
Actividad 4Actividad 4
Actividad 4
 
Actividad 1. maricela ayala
Actividad 1. maricela ayalaActividad 1. maricela ayala
Actividad 1. maricela ayala
 
Cuestionario de finanzas internacionales maricela
Cuestionario de finanzas internacionales maricelaCuestionario de finanzas internacionales maricela
Cuestionario de finanzas internacionales maricela
 
Comercio ilegal
Comercio ilegalComercio ilegal
Comercio ilegal
 
Empresas monopolicas
Empresas monopolicasEmpresas monopolicas
Empresas monopolicas
 
Contabando y defraudaci__maricela[1]
Contabando y defraudaci__maricela[1]Contabando y defraudaci__maricela[1]
Contabando y defraudaci__maricela[1]
 
ùLtimas resoluciones
ùLtimas resolucionesùLtimas resoluciones
ùLtimas resoluciones
 
Ejercicios de estadistica
Ejercicios  de estadisticaEjercicios  de estadistica
Ejercicios de estadistica
 
Conceptos
ConceptosConceptos
Conceptos
 
Hipotesis maricela
Hipotesis maricelaHipotesis maricela
Hipotesis maricela
 
Relacion lineal maricela ayala
Relacion lineal maricela ayalaRelacion lineal maricela ayala
Relacion lineal maricela ayala
 
Estadística inferencial maricela ayala
Estadística inferencial maricela ayalaEstadística inferencial maricela ayala
Estadística inferencial maricela ayala
 
G20 maricela ayala
G20 maricela ayalaG20 maricela ayala
G20 maricela ayala
 
Maricela ayala
Maricela ayalaMaricela ayala
Maricela ayala
 
G20 página de internet
G20 página de internetG20 página de internet
G20 página de internet
 
Fase 3
Fase 3Fase 3
Fase 3
 

EJERCICIO DE ÁRBOL DE DECISION

  • 1. Universidad Politécnica Estatal del Carchi Comercio Internacional, Integración, Administración y Economía Empresarial. Escuela: Comercio Exterior y Negociación Comercial Internacional Integración económica ING.OSACAR LÓMAS Alumna: maricela Ayala Nivel: SÉPTIMO paralelo: “a” noche AÑO-LECTIVO 2012
  • 2. TAREA No. 03 Tema: Calcular los Valores Actuales Netos VAN e ir podando las ramas y decidir cuál es la mejor opción. 1.1. Planteamiento del Problema “El aprendizaje de árboles de decisión es un método muy simple, que ha sido ampliamente utilizado y con gran éxito en numerosas tareas de aprendizaje inductivo. Es un método de aproximación defunciones robusto a la presencia de datos erróneos y es capaz de aprender expresiones disyuntivas.” (1) “Los árboles de decisión son una extensión de los árboles de probabilidad. La base del árbol es el punto inicial de la decisión, sus ramas comienzan en el primer evento casual mientras cada uno de estos produce dos o más efectos posibles que a su vez causan otros eventos casuales, mientras el árbol de probabilidad se ocupa de eventos que se excluyen mutuamente y de los que son colectivamente exhaustivos.” (1) Los valores que pueden tomar las entradas y las salidas pueden ser valores discretos o continuos. Se utilizan más los valores discretos por simplicidad, cuando se utilizan valores discretos en las funciones de una aplicación se denomina clasificación y cuando se utilizan los continuos se denomina regresión. “Una instancia se clasifica comenzando en el nodo raíz del árbol, testeando el atributo especificado por este nodo, y moviéndose hacia abajo por la rama del árbol que corresponde al valor del atributo en la instancia a clasificar. Este proceso se repite para el subárbol cuya raíz es el nuevo nodo, y así sucesivamente hasta alcanzar un nodo hoja, en cuyo caso se retorna la clasificación asociada con estenodo.”. (1)
  • 3. 1.2 Problema ¿Establecer la solución más adecuada en la toma decisiones, de cuerdo a del árbol de decisión planteado? 1.3 Objetivos Objetivo General  Obtener información del árbol de decisiones, para la toma decisión de acuerdo al planteamiento del VAN determinando la opción más factible. Objetivos Específicos  Analizar la solución más factible del árbol de decisiones acerca del estudio de mercado y en el caso de no ejecutar un estudio de mercado.  Determinar la opción correcta, para la toma de decisiones de los costos en un mercado y en un mercado grande y pequeño y su factibilidad. 1.3 Justificación La elaboración de la siguiente tarea es con el fin de determinar la solución más factible de acuerdo a la elaboración de un árbol de decisiones, el determinar la mejor opción de acuerdo al planteamiento de la fórmula del VAN, en este caso el análisis se lo realizara a un estudio mercado que tiene tres informes como es informe optimo. Informé pesimista, informe sin estudio, los cuales nos permitan determinar la mejor opción de promoción ya sea la grande, pequeña o ninguna.
  • 4. 1.3 MARCO TEORICO 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. TERMINOLOGÍA • 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. Ejercicio En el siguiente esquema del arbole de decisiones, nos permite obtener información de un estudio de mercado en el cual determinaremos los informes como son informe optimista, informe pesimista, de esta obtenemos las promociones grandes y las promociones pequeñas del promoción grande obtenemos mercado grande y mercado pequeño.
  • 5. ESQUEMA DEL ÁRBOL DE DECISIÓN
  • 6. TABLA DE DISTRIBUCÓN DECISIÓN ESTUDIO DE IMFORME PROMOCIÓN MERCADO RENDIMIENTO MERCADO Promoción 2.5 Informe Promoción Mercado 100 Optimista grande grande 0.70 0.60 Mercado 50 55 pequeño 0.30 Promoción Mercado 0.70 50 pequeña grande 27.5 Mercado 50 pequeño 0.30 Promoción 2.5 Informe Promoción Mercado 0.20 Pesimista grande grande 100 0.40 55 Mercado pequeño 0.80 50 Promoción Mercado 50 pequeña grande 0.20 27.5 Mercado pequeño 0.80 50 Promoción Sin estudio de No tiene Promoción Mercado 100 mercado información grande grande 0.50 55 Mercado 0.50 pequeño 50 Promoción Mercado 0.50 pequeña grande 50 27.5 Mercado 0.50 pequeño 50 TOMA DE DECISIÓN IMFORME OPTIMISTA Promoción grande= -55.000+(0.70*10000)+(0.30*50000) = -55.0000+70.000+15.000 = 30.000 Promoción pequeño = -(27.500)+(0.70*50.000)+(0.30*50.000) = -27500+35.000+15.000 = 22.500 Tomando en cuenta la promoción grande y pequeña se obtendría como una de las alternativas los 30.000 de información optimista
  • 7. INFORME PESIMISTA Promoción grande= -55.000+(0.20*100.000)+(0.80*50.000) = -55.000+20.000+40.000 = 5000 Promoción pequeño = -(27.500)+(0.80*50000)+(0.20*50000) = -27.500+10.000+40.000 = 22.500 Tomando en cuenta la promoción grande y pequeña se obtendría 22.500 de información pesimista SIN ESTUDIO DE MERCADO Promoción grande= -55.000+(0.50*100)+(0.50*50) = -55.000+50.000+25.000 = 20.000 Promoción pequeño = -27.500+(0.50*50)+(0.50*50) = -27.500+25.00+25.000 = 22.500 Tomando en cuenta la promoción grande y pequeña se obtendría de 22.500 información optimista
  • 9.
  • 10. ANÁLISIS Un árbol de decisión en el que quien toma la decisión cuenta con información perfecta acerca de qué estado ocurrió antes de tomar una decisión. En este caso la empresa ha realizado un estudio de mercado en el cual cuenta con información de datos anteriores como es la información optimista y información pesimista en la que nos desglosa el estudio de mercado grande y pequeño ya que de igual manera se toma en cuenta que para mayor toma decisiones se realiza un análisis cuando no existe un estudio de mercado permitiendo el mismo desglose del mercado. La empresa una vez realizado el análisis determinando el VAN de cada uno de la promociones se ha tomado en cuenta que de la información optimista el mercado grande tiene mejor probabilidades , y de información pesimista su mejor aceptación es en el mercado pequeño, dando como resultado para una toma de decisión que el estudio de mercado para realizar las promociones se tomara en cuenta los dos promociones tanto de el mercado grande como del pequeño. CONCLUSIÓN El árbol de decisión nos permite tomar decisiones mediante información obtenida de cualquier tipo de estudio ya sea comercial, empresarial e industrial permitiendo analizar cada una de los enlaces del esquema del árbol de decisiones. RECOMENDACIÓN Es recomendable siempre saber analizar correctamente los enlaces que tiene el árbol determinando cada entrada y salida para así poder obtener una información correcta y poder tonar decisiones. LINKOGRAFÍA www.utm.mx/~jahdezp/archivos%20estructuras/DESICION.pdf http://www.smartsoftint.com/esp/tecnologia/arboles-de-decision.html