metodos Cuantitativos 2
Transcript of metodos Cuantitativos 2
MSc. Edgar JuarezMetodos cuantitativos para los negocios Render/Stair/Hanna. Pearson. Libros de Investigacion de Operaciones
TemasProgramacion linealModelos de Colas AplicacionPronosticosSimulacionFinal: 9 Secion. Realizar un ejercicio de aplicacion. Trabajo escrito y presentacion. Con programacion Lineal. Utilizando las tecnicas vistas en clase.EvaluacionTareas y Laboratorios 25%Pruebas Cortas 30% Ejercicios del LibroProyecto de Aplicacion 20%Asistencia 0.5%
Arboles de Decision Repaso Curso Investigacion de Operaciones
Decision La suma de las probabilidades me da el resultado de la decision.Para realizar el esquema se empieza de izquierda a derecha
Probabilidad
Enfoque Subjetivo:
ejuarez@c
Con programacion Lineal. Utilizando las tecnicas vistas en clase.
0.4FAVORABLE
500000
0.4DESARROLLO DETALLADO MODERADA
-75,000 135200 25000
0.2POBRE
NUEVO PRODUCTO 10001
0 135200 0.1FAVORABLE
500000
0.2DESARROLLO RAPIDO MODERADA
-40,000 15700 25000
0.7POBRE
10001
135200 0.3Event 13
200000
0.5Decision 11 Event 14
0 62600 10000
0.2Event 15
Decision 10 30001
0 62600 0.6Event 16
10000
0.4Decision 12 Event 17
0 6400 0
0.33333333Event 18
1000
425,000425,000
-50,000-50,000
-74,000-74,000
460,000460,000
-15,000-15,000
-39,000-39,000
200000200000
1000010000
3000-12000
10000
10000
00
10001000
ID Name Value Prob Pred Kind NS0 TreePlan 0 0 0 D 21 0 0 D 22 4 T 03 0 1 E 34 0 1 E 35 3 T 06 3 T 07 3 T 0
8 4 T 09 4 T 0
10 0 0 D 211 0 10 E 312 0 10 E 313 11 T 014 11 T 015 11 T 016 12 T 017 12 T 018 12 T 0
S1 S2 S3 S4 S5 Row Col Mark1 10 0 0 0 29 1 13 4 0 0 0 14 5 10 0 0 0 0 27 13 15 6 7 0 0 7 9 18 9 2 0 0 22 9 10 0 0 0 0 2 13 10 0 0 0 0 7 13 10 0 0 0 0 12 13 1
0 0 0 0 0 17 13 10 0 0 0 0 22 13 1
11 12 0 0 0 44 5 113 14 15 0 0 37 9 116 17 18 0 0 52 9 1
0 0 0 0 0 32 13 10 0 0 0 0 37 13 10 0 0 0 0 42 13 10 0 0 0 0 47 13 10 0 0 0 0 52 13 10 0 0 0 0 57 13 1
0.25baja
18,00018,000 18,000
0.4 1promedio promedio
Peq 135,00075,000 135000 60,000 135,000
1057501
peque;a promedio0.35 135,000alta 75,000 135000 60,000 135,000
1135,000
grande125,000
125,000 125,000
0.25baja
-25,000-25,000 -25,000
2 0.4153000 Medi promedio
140,0000 153000 140,000 140,000
0.35alta mediana grande
1 1 295,0000 295,000 150000 295,000 145,000 295,000
0.25baja
60,00060,000 60,000
0.4Gran promedio
125,000142000 125,000 125,000
0.35alta
220,000220,000 220,000
ID Name Value Prob Pred Kind0 TreePlan 0 0 0 D1 0 0 E2 0 0 E3 0 0 E4 1 T5 1 E6 1 D7 9 T8 0 6 T9 0 6 E
10 2 T11 5 T12 2 D13 3 T14 3 T15 3 T16 2 T17 0 18 T18 0 12 D
NS S1 S2 S3 S4 S5 Row3 1 2 3 0 0 253 4 5 6 0 0 83 16 10 12 0 0 273 15 13 14 0 0 420 0 0 0 0 0 21 11 0 0 0 0 72 9 8 0 0 0 140 0 0 0 0 0 120 0 0 0 0 0 171 7 0 0 0 0 120 0 0 0 0 0 270 0 0 0 0 0 71 18 0 0 0 0 320 0 0 0 0 0 420 0 0 0 0 0 470 0 0 0 0 0 370 0 0 0 0 0 220 0 0 0 0 0 321 17 0 0 0 0 32
Col Mark1 15 15 15 19 19 19 1
17 113 113 1
9 113 1
9 19 19 19 19 1
17 113 1
0.3Recibir herencia
100,000Jenny 100,000 100,000
0 30000 0.7No recibir herencia
00 0
0.7Pasa a impuestos ganando
0.5 80,000pasa a auditoria ganando 40,000 80,000
40,000 75500 0.30.6 pasa a impuestos ganando
Siga su carrera 65,0002 25,000 65,000
39650 0 527500.5
Jana pasa a auditoria ganando30,000
0 39650 30,000 30,000
0.4 1Deje su carrera y cuide sus hijos Trabajo a tiempo parcial
20,00020000 20,000 20,000
1Maria Ofrece un dote
250000 25000 25,000 25000
ID Name Value Prob Pred Kind NS S1 S20 TreePlan 0 0 0 D 3 1 21 0 0 E 2 3 42 0 0 E 2 6 73 1 T 0 0 04 1 T 0 0 05 7 T 0 0 06 2 E 2 8 97 2 E 1 5 08 6 E 2 10 119 6 T 0 0 0
10 8 T 0 0 011 8 T 0 0 012 0 0 E 1 13 013 12 T 0 0 0
S3 S4 S5 Row Col Mark12 0 0 18 1 1
0 0 0 4 5 10 0 0 22 5 10 0 0 2 9 10 0 0 7 9 10 0 0 27 13 10 0 0 18 9 10 0 0 27 9 10 0 0 14 13 10 0 0 22 13 10 0 0 12 17 10 0 0 17 17 10 0 0 32 5 10 0 0 32 9 1
0.25Baja
18000 18000
0.4Promedio promedio
Pequeña 175000 135000 60000
0 105750
pequeña0.35
Alta 750001
0 135000Grande
125000
0.25Baja
-25000 -25000
2 0.4153000 Mediana Promedio
0 153000 140000 140000
0.35Alta Decision 17
1150000 295000 145000
0.25Baja
60000 60000
0.4Grande Promedio
0 142000 125000 125000
0.35Alta
220000 220000
18000
135000135000
Promedio 1 135000
135000 60000 135000
125000125000
-25000
140000
295000295000
60000
125000
220000
ID0 00 13 20 30 40 50 6
10 7
11 812 9
1011121314151617
Name Value Prob Pred Kind NS S1 S2TreePlan 0 0 0 D 3 1 2
0 0 E 3 4 50 0 E 3 7 80 0 E 3 10 11
1 T 0 0 01 D 1 13 01 D 2 14 152 T 0 0 0
2 T 0 0 02 D 1 17 03 T 0 0 03 T 0 0 03 T 0 0 0
0 5 T 0 0 00 6 D 1 16 00 6 T 0 0 00 14 T 0 0 00 9 T 0 0 0
S3 S4 S5 Row Col Mark3 0 0 25 1 16 0 0 8 5 19 0 0 27 5 1
12 0 0 42 5 10 0 0 2 9 10 0 0 7 9 10 0 0 14 9 10 0 0 22 9 1
0 0 0 27 9 10 0 0 32 9 10 0 0 37 9 10 0 0 42 9 10 0 0 47 9 10 0 0 7 13 10 0 0 12 13 10 0 0 17 13 10 0 0 12 17 10 0 0 32 13 1
0.3Event 4
Jenny 100000 100000
0 30000 0.7Event 5
0 0
0.5sea contadora
400000.6
siga su carrera2
39650 0 527500.5
Jana Event 9
0 39650 30000
0.4se dedique a tener hijos
20000 20000
Decision 3 Decision 121
0 25000 25000 25000
100000
0
0.7Event 10
80000sea contadora 40000 80000
75500 0.3Event 11
6500025000 65000
3000030000
20000
25000
ID01234567
89
101112
Name Value Prob Pred Kind NS S1 S2TreePlan 0 0 0 D 3 1 2
0 0 E 2 4 50 0 E 2 6 70 0 D 1 12 0
1 T 0 0 01 T 0 0 02 E 2 8 92 T 0 0 0
6 E 2 10 116 T 0 0 08 T 0 0 08 T 0 0 0
0 3 T 0 0 0
S3 S4 S5 Row Col Mark3 0 0 18 1 10 0 0 4 5 10 0 0 22 5 10 0 0 32 5 10 0 0 2 9 10 0 0 7 9 10 0 0 18 9 10 0 0 27 9 1
0 0 0 14 13 10 0 0 22 13 10 0 0 12 17 10 0 0 17 17 10 0 0 32 9 1
0.25Baja
18000 18000
0.4Promedio
Pequeña 175000 135000
0 128500
0.35Alta
275000 200000
0.25Baja
-25000 -25000
2 0.4153000 Mediana Promedio
0 153000 140000 140000
0.35Alta
1150000 295000
0.25baja
60000 60000
0.4Grande Promedio
0 142000 125000 125000
0.35Alta
220000 220000
18000
Mediana135000
60000 135000
Mediana135000
60000 135000
Grande 200000
125000 200000
-25000
140000
Grande295000
145000 295000
60000
125000
220000
ID Name Value Prob Pred Kind NS0 TreePlan 0 0 0 D 31 0 0 E 32 0 0 E 33 0 0 E 34 1 T 05 1 D 16 1 D 27 0 5 T 0
8 0 6 T 09 0 6 T 0
10 2 T 011 2 T 012 2 D 113 0 12 T 014 3 T 015 3 T 016 3 T 0
S1 S2 S3 S4 S5 Row Col Mark1 2 3 0 0 25 1 14 5 6 0 0 8 5 1
10 11 12 0 0 27 5 114 15 16 0 0 42 5 1
0 0 0 0 0 2 9 17 0 0 0 0 7 9 18 9 0 0 0 14 9 10 0 0 0 0 7 13 1
0 0 0 0 0 12 13 10 0 0 0 0 17 13 10 0 0 0 0 22 9 10 0 0 0 0 27 9 1
13 0 0 0 0 32 9 10 0 0 0 0 32 13 10 0 0 0 0 37 9 10 0 0 0 0 42 9 10 0 0 0 0 47 9 1
0.5Event 5
Jeny Decision 5 01
0 0 0 0.5Event 6
0
10 Janna
0 0
Maria
0 0
00
00
0
0
ID Name Value Prob Pred Kind NS0 TreePlan 0 0 0 D 31 0 0 D 12 0 0 T 03 0 0 T 04 0 1 E 25 4 T 06 4 T 0
S1 S2 S3 S4 S5 Row Col Mark1 2 3 0 0 10 1 14 0 0 0 0 4 5 10 0 0 0 0 12 5 10 0 0 0 0 17 5 15 6 0 0 0 4 9 10 0 0 0 0 2 13 10 0 0 0 0 7 13 1
0.3Muera
Jeny 10000 10000
0 3000 0.7viva
0
0.5Aud
0.6carrra
### 0 33750#N/A
0.5Inp
Jana0
0 #N/A29300
0.4 0.5Deje la carrera Event 11
20000 #N/A 0
Decision 3
25000 25000
10000
0
0.5sueldo
4000040000 40000
35000 0.5sueldos
3000030000 30000
0.5Event 13
4000040000 40000
32500 0.5Event 14
2500025000 25000
2000020000
25000
ID Name0 TreePlan1234567
89
1011121314
Value Prob Pred Kind NS S1 S2 S30 0 0 D 3 1 2 3
0 0 E 2 4 5 00 0 E 2 6 7 00 0 T 0 0 0 0
1 T 0 0 0 01 T 0 0 0 02 E 2 8 9 02 E 1 10 0 0
6 E 2 11 12 06 E 2 13 14 07 T 0 0 0 08 T 0 0 0 08 T 0 0 0 09 T 0 0 0 09 T 0 0 0 0
S4 S5 Row Col Mark0 0 20 1 10 0 4 5 10 0 25 5 10 0 37 5 10 0 2 9 10 0 7 9 10 0 19 9 10 0 32 9 1
0 0 14 13 10 0 24 13 10 0 32 13 10 0 12 17 10 0 17 17 10 0 22 17 10 0 27 17 1
Funcion Objetivo 5,000 E-9 4000 F-9E-9 F-9 R
AGLOMERADO 10 + 15 MENOR Q 150EXCLUSION 20 + 10 MENOR = 150
CONTROL CALIDAD 10 + 10 MAYOR IGUAL 135POLITICA 1 3PEDIDO 5
y donde se intersepat la ypendiete
Y= ax + b