REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION
UNIVERSITARIA
“UNIVERSIDAD DEL ZULIA”.
EXTENSIÓN PORLAMAR CONTADURIA PÚBLICA
ÁRBOL
DE
PROFESOR: JULIAN CARNEIRO
DECISI
ÓN INTEGRANTES:
REGES RIVAS VANESSA C.I.V.-24.494.545
ESCALONA FRANCISCO C.I.V.-06.208.791
NORIEGA NATASHA C.I.V.-24.107.822
JUAN VELASQUEZ C.I.V.-19.318.533
Porlamar mayo de 2021.
INDICE
INTRODUCCIÓN
En la dinámica del mundo actual el éxito o fracaso de una empresa está
determinado en gran medida por la capacidad de sus directivos de tomar las
decisiones y técnicas correctas, en el lugar correcto y en el momento oportuno.
Debido a la complejidad de muchas decisiones, el tomar un curso de acción
certero excede la capacidad que puede ofrecernos nuestro sentido común o
nuestra intuición por muy aguda que sea y aparece entonces la necesidad de
apoyarse en un conjunto de herramientas que permiten encontrar un argumento
racional a las mismas.
Las empresas tienen que tomar decisiones importantes todo el tiempo; una
mala elección puede significar grandes pérdidas e incluso su desaparición. Una
forma conveniente de evaluar cuál es la mejor alternativa al momento de tomar
una decisión es elaborar un árbol de decisiones.
Es una técnica útil para problemas en los que se presentan decisiones
secuenciales. Aunque esta técnica es de mayor utilidad para situaciones en que el
riesgo está presente también es empleada en condiciones de certeza.
3
ÁRBOL DE DECISIÓN
Un árbol de decisión es un mapa de los posibles resultados de una serie de
decisiones relacionadas. Permite que un individuo o una organización comparen
posibles acciones entre sí según sus costos, probabilidades y beneficios. Se
pueden usar para dirigir un intercambio de ideas informal o trazar un algoritmo que
anticipe matemáticamente la mejor opción.
Un árbol de decisión, por lo general, comienza con un único nodo y luego
se ramifica en resultados posibles. Cada uno de esos resultados crea nodos
adicionales, que se ramifican en otras posibilidades. Esto le da una forma similar a
la de un árbol.
Hay tres tipos diferentes de nodos: nodos de probabilidad, nodos de
decisión y nodos terminales. Un nodo de probabilidad, representado con un
círculo, muestra las probabilidades de ciertos resultados. Un nodo de decisión,
representado con un cuadrado, muestra una decisión que se tomará, y un nodo
terminal muestra el resultado definitivo de una ruta de decisión.
Los árboles de decisión también se pueden dibujar con símbolos de
diagramas de flujo, que a algunas personas les parecen más fáciles de leer y
comprender.
Este método se utiliza en una amplia gama de decisiones empresariales como:
Planificación de productos.
Análisis de procesos.
Capacidad de planta.
Alternativas de localización, entre otros
Los árboles de decisión son especialmente útiles cuando:
1. Las alternativas o cursos de acción están bien definidas (por ejemplo:
aceptar o rechazar una propuesta, aumentar o no la capacidad de producción,
construir o no una nueva bodega, etc.)
4
2. Las incertidumbres pueden ser cuantificadas (por ejemplo: probabilidad de
éxito de una campaña publicitaria, probable efecto en ventas, probabilidad de
pasar de etapas, etc.)
3. Los objetivos están claros (por ejemplo: aumentar las ventas, maximizar
utilidades, minimizar costos, etc.)
SÍMBOLOS DE LOS ÁRBOLES DE DECISIÓN.
5
DIBUJO DE UN ÁRBOL DE DECISIÓN.
Para dibujar un árbol de decisión, primero debes elegir un medio. Puedes
dibujarlo a mano en un papel o una pizarra, o puedes usar un software de árboles
de decisión. En cualquier caso, te mostramos los pasos que debes seguir:
1. Comienza con la decisión principal. Dibuja un pequeño recuadro para
representar este punto, luego dibuja una línea desde el recuadro hacia la derecha
para cada posible solución o acción. Etiquétalas correctamente.
2. Agrega nodos de decisión y probabilidad para expandir el árbol del siguiente
modo:
Si otra decisión es necesaria, dibuja otro recuadro.
Si el resultado es incierto, dibuja un círculo (los círculos representan nodos
de probabilidad).
Si el problema está resuelto, déjalo en blanco (por ahora).
Desde cada nodo de decisión, dibuja soluciones posibles. Desde cada nodo
de probabilidad, dibuja líneas que representen los resultados posibles. Si deseas
analizar tus opciones de forma numérica, incluye la probabilidad de cada resultado
y el costo de cada acción.
3. Continúa con la expansión hasta que cada línea alcance un extremo, lo que
significa que no hay más decisiones que tomar o resultados probables que
considerar. Luego, asigna un valor a cada resultado posible. Puede ser una
puntuación abstracta o un valor financiero. Agrega triángulos para indicar los
extremos.
Con un árbol de decisión completo, ya estás listo para comenzar a analizar
la decisión que enfrentas.
PASOS PARA EL ANÁLISIS DEL ÁRBOL DE DECISIÓN.
• Definir el problema.
6
• Dibujar el árbol de decisión.
• Asignar probabilidades a los eventos aleatorios.
• Estimar los resultados para cada combinación posible de alternativas.
• Resolver el problema obteniendo como solución la ruta que proporcione la
política óptima.
Ejemplo
Al calcular la utilidad o el valor esperado de cada decisión en el árbol,
puedes minimizar el riesgo y maximizar la probabilidad de obtener un resultado
deseado. Para calcular la utilidad esperada de una decisión, solo debes restar el
costo de esa decisión a los beneficios esperados. Los beneficios esperados son
iguales al valor total de todos los resultados que puedan derivar de esa decisión, y
cada valor se multiplica por la probabilidad de que ocurra. A continuación, te
mostraremos cómo nosotros calcularíamos estos valores para el ejemplo descrito
anteriormente:
Al identificar cuál es el resultado más deseable, es importante tener en
cuenta las preferencias de utilidad del encargado de tomar la decisión. Por
ejemplo, algunos prefieren opciones de bajo riesgo, mientras que otros están
dispuestos a correr riesgos si el beneficio es mayor.
Al usar tu árbol de decisión acompañado por un modelo de probabilidad,
puedes emplearlo para calcular la probabilidad condicional de un evento o la
probabilidad de que suceda, en el caso de que otro evento ocurra. Para hacerlo,
simplemente empieza con el evento inicial, luego sigue la ruta desde ese evento
hasta el evento objetivo, y multiplica la probabilidad de cada uno de esos eventos
juntos.
De este modo, un árbol de decisión se puede emplear como un diagrama
de árbol tradicional, que traza las probabilidades de determinados eventos, como
lanzar una moneda dos veces.
VENTAJAS DEL ARBOL DE DECISIÓN.
7
Facilita la interpretación de la decisión adoptada.
Proporciona un alto grado de compresión.
Explica el comportamiento respecto a una determinada tarea de decisión.
Reduce el número de variables.
PASOS PARA CREAR UN BUEN ÁRBOL DE DECISIÓN.
1. Identificar las variables de un problema central.
2. Enumerar todos los factores que causen el problema o riesgo identificado.
3. Debes de priorizar y acotar cada criterio de decisión, para ello tacharás
todos aquellos factores que no sean relevantes para causar un problema a la
empresa.
4. Luego, tendrás que buscar y enumerar los factores de mayor a
menor importancia.
5. Entonces, comenzarás a establecer unas claras variables. Obtendrás unos
factores que comprenden fortalezas y debilidades en tu empresa.
6. De cada factor empezarás a generar supuestos de manera objetiva
sacando ramificaciones de las mismas.
7. Como podrás comprobar, habrás establecido varias alternativas de las que
tienes que seleccionar también, las más relevantes para tu negocio.
8. Asimismo, implementarás las alternativas que sean acordes a tus
posibles problemas y riesgos.
9. Por último, evaluarás la efectividad de la decisión.
TIPOS DE ARBOL DE DECISIONES.
1. Para caso de certidumbre: Se conoce, con certeza los resultados esperados
para cada opción. No existen los nodos de los estados de la naturaleza.
• Ejemplo : Una empresa estudia la posibilidad de introducir un nuevo producto
ahora o dentro de un año. Los beneficios de cada caso son:
8
2. Para caso de riesgo: Los posibles resultados se presentan en función de una
probabilidad ya que no se puede afirmar con certeza.
Ejemplo : Se dispone de $2000 para invertir. Hay tres posibles resultados que
tienen un riesgo determinado y posibles ganancias y pérdidas según la siguiente
tabla. Se quiere maximizar el valor monetario esperado (VME):
9
• VME = 360 + 350 - 100
• VME = 610 De manera que si se invierte el valor monetario esperado es de $610.
La alternativa en este caso es invertir, como resultado de este árbol de decisiones.
Ejercicio de aplicación.
Una empresa está estudiando la compra de unos terrenos en los que es
probable que haya gas. Si encuentra gas, la empresa podrá enajenar los terrenos
obteniendo un beneficio de $. 125 000 000 , o bien explotarlos ella misma en cuyo
caso los beneficios dependerán de la demanda, si ésta es alta los beneficios serán
de $. 200 000 000 , en caso contrario, si la demanda es baja los beneficios solo
alcanzarán los $ 75 000 000 de dólares. La probabilidad a priori de que la
demanda sea alta o baja, es exactamente la misma.
En el caso de no encontrar gas en dichos terrenos, la empresa soportará
unas pérdidas de $.50 000 000 , si bien la probabilidad de encontrar gas según los
expertos es del 70%. Determine si la empresa debe o no adquirir los terrenos.
10
SOLUCION:
Paso 1: Enumeramos las diferentes alternativas de decisión.
- Comprar los terrenos.
- No comprar los terrenos.
Paso 2: Enumeramos para cada una de las alternativas de decisión, los estados
de la naturaleza asociados a la misma.
Si compra los terrenos y en ellos encuentra gas, debe decidir si revende los
terrenos o si por el contrario la empresa prefiere explotar el gas contenido en
dichos terrenos, en cuyo caso, la demanda de gas podrá ser alta o baja.A
Alternativas estados de la naturaleza.
Comprar los terrenos
Hay gas en los terrenos
No hay gas en los terrenos
No comprar los terrenos
Paso 3: Esquematización del árbol de decisión.
11
Paso 4: Asignamos las probabilidades a priori de cada uno de los estados de la
naturaleza.
P aso 5: Calcule el beneficio de cada una de las r amas del árbol.
12
Paso 6: Resolvemos el árbol de decisión de derecha a izquierda. Dado que la
etapa final es probabilista debe aplicar el criterio de la esperanza matemática con
el objetivo de determinar el beneficio esperado.
Paso 7: Resolvemos la etapa anterior. Dado que dicha etapa es determinista y que
los valores que ha calculado son beneficios, debe elegir la alternativa cuyo
beneficio sea mayor y colocar el resultado encima del nudo correspondiente.
13
Paso 8: Resolvemos las dos últimas etapas. La etapa penúltima es probabilista
por lo que debe aplicar el criterio de la esperanza matemática con el objetivo de
determinar el beneficio esperado. (137 500 000 𝑥 𝟎. 7) + ((−50 000 000)𝑥𝟎. 3) = $
𝟖𝟏 𝟐𝟓𝟎 𝟎𝟎
Finalmente resolviendo la última etapa, elige la alternativa cuyo beneficio sea
mayor dado que la etapa es determinista y los valores calculados beneficios
esperados.
14
ÁRBOLES DE DECISIÓN EN MINERÍA DE DATOS Y APRENDIZAJE
AUTOMÁTICO.
Un árbol de decisión también puede usarse para ayudar a crear modelos
predictivos automatizados, que puedan emplearse en el aprendizaje automático, la
minería de datos y las estadísticas. Conocido como "el aprendizaje basado en
árboles de decisión", este método toma en consideración las observaciones sobre
un elemento para predecir su valor.
En estos árboles de decisión, los nodos representan datos en lugar de
decisiones. Este tipo de árbol también se conoce como "árbol de clasificación".
Cada ramificación contiene un conjunto de atributos o reglas de clasificación
asociadas a una etiqueta de clase específica, que se halla al final de la
ramificación.
Estas reglas, también conocidas como "reglas de decisión", se pueden
expresar en una cláusula "Si... entonces...". Cada valor de datos o decisión forma
una cláusula, de tal manera que, por ejemplo, "si las condiciones 1, 2 y 3 se
cumplen, entonces el resultado X será el resultado definitivo con certeza Y".
15
Cada dato adicional ayuda a que el modelo prediga de forma más precisa a
qué conjunto finito de valores pertenece el asunto en cuestión. Esa información se
puede usar posteriormente como una entrada en un modelo más grande de toma
de decisiones.
A veces la variable predicha será un número real, como un precio. Los
árboles de decisión con resultados posibles, infinitos y continuos se llaman
"árboles de regresión".
Para una mayor precisión, se suelen combinar múltiples árboles con
métodos de ensamblado:
Bagging (Ensamblado) crea múltiples árboles de decisión haciendo un
remuestreo de los datos de origen, luego hace que los árboles voten para
llegar a un consenso.
Un clasificador de selva aleatoria consiste en múltiples árboles diseñados
para aumentar la tasa de clasificación.
Los árboles ampliados se pueden usar en árboles de clasificación y de
regresión.
Los árboles en una Selva aleatoria (Rotation Forest) se entrenan mediante
el uso del análisis de componentes principales (ACP) en una porción
aleatoria de los datos.
UN árbol de decisión se considera ideal cuando representa la mayor cantidad
de datos con el menor número de niveles o preguntas. Los algoritmos diseñados
para crear árboles de decisión optimizados incluyen CART, ASSISTANT, CLS y
ID3/4/5. Un árbol de decisión también se puede generar mediante la creación de
reglas de asociación, ubicando la variable objetivo a la derecha.
Cada método debe determinar cuál es la mejor forma de dividir los datos en
cada nivel. Los métodos comunes para hacerlo incluyen la medición de la
impureza de Gini, la obtención de información y la reducción de variaciones.
16
Emplear los árboles de decisión en el aprendizaje automático tiene numerosas
ventajas:
El costo del uso del árbol para predecir los datos disminuye con cada punto
de datos adicional.
Funciona para los datos numéricos o categóricos.
Puede modelar problemas con múltiples resultados.
Usa un modelo de caja blanca (lo que hace que los resultados sean fáciles
de explicar).
La fiabilidad de un árbol se puede cuantificar y poner a prueba.
Tiende a ser preciso independientemente de si viola las suposiciones de los
datos de origen.
Pero también tienen algunas desventajas:
Cuando se presentan datos categóricos con múltiples niveles, la
información obtenida se inclina a favor de los atributos con mayoría de
niveles.
Los cálculos pueden volverse complejos al lidiar con la falta de certezas y
numerosos resultados relacionados.
Las conjunciones entre nodos se limitan a AND, mientras que los gráficos
de decisión admiten nódulos relacionados mediante OR.
EJERCICIOS ARBOL DE DECISIÓN
Ejercicio número 1.
1. Una empresa compra la materia prima a dos proveedores A y B, cuya calidad
se muestra en la tabla siguiente:
17
La probabilidad de recibir un lote del proveedor A en el que haya un 1% de
piezas defectuosas es del 70%. Los pedidos que realiza la empresa ascienden a
1.000 piezas. Una pieza defectuosa puede ser reparada por 1 euro. Si bien tal y
como indica la tabla la calidad del proveedor B es menor, éste está dispuesto a
vender las 1.000 piezas por 10 euros menos que el proveedor A.
Indique el proveedor que debe utilizar.
Solución:
Paso 1 - Enumere las diferentes alternativas de decisión. Proveedor A.
Proveedor B.
Paso 2 - Enumere para cada una de las alternativas de decisión, los
estados de la naturaleza asociados a la misma.
Paso 3 - Explicite el árbol de decisión
18
Paso 4 - Asigne las probabilidades a priori de cada uno de los estados de la
naturaleza.
Paso 5 - Calcule el coste de cada una de las ramas del árbol.
19
El coste de cada rama lo obtiene a partir del número de unidades defectuosas.
Siendo los pedidos de 1000 piezas, las unidades defectuosas serán:
En el caso de 1% defectuosa: 1000 piezas x 1% / defectuosas = 10 piezas /
defectuosas.
En el caso de 2% defectuosas: 1000 piezas x 2% / defectuosas = 20 piezas
/ defectuosas.
En el caso de 3% defectuosas: 1000 piezas x 3% / defectuosas = 30 piezas
/ defectuosas.
Si cada pieza defectuosa puede ser reparada por 1 euro, el coste de la reparación
asciende a:
En el caso de 1% defectuosa: 10 piezas/defectuosas x 1 euro / pieza
defectuosa = 10 euros.
En el caso de 2% defectuosas: 20 piezas / defectuosas x 1 euro / pieza
defectuosa = 20 euros.
En el caso de 3% defectuosas: 30 piezas/defectuosas x 1 euro / pieza
defectuosa = 30 euros.
En el caso del proveedor a el coste es 10 euros superior al del proveedor B, tal y
como indica el enunciado del ejercicio.
20
Paso 6 - Resuelva el árbol de decisión de derecha a izquierda. Dado que la etapa
final es probabilista debe aplicar el criterio de la esperanza matemática con el
objetivo de determinar el coste esperado de cada alternativa de decisión.
(20 x 0,8) + (30 x 0,1) + (40 x 0,1) = 23 euros
(10 x 0,4) + (20 x 0,3) + (30 x 0,3) = 19 euros
Coloque el resultado encima del nudo correspondiente
Paso 7 - Resuelva la etapa anterior. Dado que esta primera etapa es determinista
y que los valores que ha calculado son costes, debe elegir la alternativa cuyo
coste sea menor y colocar el resultado encima del nudo correspondiente.
El coste esperado de comprar la pieza al proveedor A es de 23 euros según
ha calculado en el paso anterior, mientras que el de comprar la pieza al proveedor
B es de 19 euros, por lo que deberá comprar la pieza el proveedor B dado que el
coste es menor.
21
Siguiendo el criterio de la esperanza matemática debe comprar la pieza al
proveedor B.
Ejercicio número 2.
El dueño de Hackers Computer Store analiza qué hará con su negocio en los
próximos cinco años. El crecimiento de las ventas en años recientes ha sido
bueno, pero crecerían sustantivamente si, como se ha propuesto, se construye
una importante empresa electrónica en su zona. El dueño de Hackers ve tres
opciones:La primera es ampliar su tienda actual, la segunda es ubicarla en otro
lugar y la tercera es tan solo esperar y no hacer nada.
La expansión o la mudanza no tardaría mucho y, por lo mismo, la tienda no
perdería ingresos. Si no hiciera nada en el primer año y hubiera un crecimiento
notable, entonces consideraría la decisión de expandirse. Si espera más de un
año, la competencia empezaría a llegar y provocaría que la expansión ya no fuera
viable.
Los supuestos y circunstancias son:
1. Un crecimiento notable como consecuencia del incremento de la población
de entusiastas de computadoras procedentes de la nueva empresa
electrónica tiene una probabilidad de 55%.
22
2. Si crecimiento es notable en otro lugar, produciría un rendimiento anual de
195 000 dólares al año. Si el crecimiento es flojo en otro lugar significaría
un rendimiento anual de 115 000 dólares.
3. Un crecimiento notable con una expansión produciría un rendimiento anual
de 190 000 dólares al año. Si el crecimiento es flojo con una expansión
significaría un rendimiento anual de 100 000 dólares.
4. En la tienda existente, sin cambio, el rendimiento anual sería de 170 000
dólares al año con un crecimiento notable y de 105 000 dólares con un
crecimiento débil.
5. La expansión del local actual costaría 87 000 dólares.
6. Una mudanza costaría 210 000 dólares.
7. Si el crecimiento es notable y se amplía el local existente en el segundo
año, el costo aún sería de 87 000 dólares.
8. Los costos de operaciones son iguales en todas las opciones.
Solución 1:
Para elaborar el árbol, se iniciará colocando un nodo cuadrado (de decisión) de
donde saldrán las alternativas disponibles a elegir; que para este problema son 3:
Ubicarla en otro lugar (Mudanza).
Ampliar su tienda actual (Expansión).
Esperar y no hacer nada.
23
En cada una de estas decisiones se presentan dos escenarios: un crecimiento
notable y un crecimiento flojo; cada uno con su respectiva probabilidad.
La empresa también tiene la opción de ampliar su local actual en el segundo
año; si el crecimiento es notable en el primero. Por lo tanto, se debe tomar una
decisión en la rama de no hacer nada y crecimiento notable (Nodo E): El árbol
completo se vería de la siguiente forma:
24
Ahora se debe calcular los valores de cada una de las ramificaciones posibles de
nuestro árbol, según el siguiente cuadro:
La columna de Valor Neto, representa el valor final de cada uno de los nodos,
los cuáles se calcularon restando los ingresos menos los costos que nos detalla el
problema.
El gráfico quedaría de la siguiente manera:
25
Nodo B:
De este nodo tenemos dos ramificaciones con valores de $765 000 y $365 000.
Al ser un nodo circular; su valor se determinará con el promedio ponderado
considerando las probabilidades respectivas:
$765 000 × 0.55 + $365 000 × 0.45 = $ 585 000.
Nodo C:
Al ser también un nodo circular, se calcula como el caso anterior:
$863 000 × 0.55 + $413 000 × 0.45 = $ 660 500
26
Nodo E:
Es de decisión (cuadrado), por lo tanto se elegirá la alternativa que tiene el
mayor resultado para determinar su valor. La opción rechazada se marca con dos
líneas.
Nodo D:
Al ser nodo circular, se realiza el promedio ponderado:
$850 000 × 0.55 + $525 000 × 0.45 = $703 750
Nodo A:
El nodo A de donde parten todas las opciones, es de decisión; por lo cuál su
valor será el de la alternativa más alta.
27
Finalmente, el árbol quedaría de la siguiente forma:
El análisis del árbol, nos indica que la mejor decisión es no hacer nada por
ahora ni el año entrante.
Ejercicio número 3.
Expando, Inc., considera la posibilidad de construir una fábrica adicional
para su línea de productos. En la actualidad, la compañía considera dos opciones:
La primera es una instalación pequeña cuya edificación costaría 6 millones de
dólares. Si la demanda de los nuevos productos es floja, la compañía espera
recibir 10 millones de dólares en forma de ingresos descontados (valor presente
28
de ingresos futuros) con la fábrica pequeña. Por otro lado, si la demanda es
mucha, espera 12 millones de dólares por concepto de ingresos descontados con
la fábrica pequeña.
La segunda opción es construir una fábrica grande con un costo de 9
millones de dólares. Si la demanda fuera poca, la compañía esperaría 10 millones
de dólares de ingresos descontados con la planta grande. Si la demanda es
mucha, la compañía estima que los ingresos descontados sumarían 14 millones
de dólares. En los dos casos, la probabilidad de que la demanda sea mucha es
0.40, y la probabilidad de que sea poca, 0.60.
Si no construye una nueva fábrica no se generarían ingresos adicionales
porque las fábricas existentes no pueden producir estos nuevos productos.
Elabore un árbol de decisión que ayude a Expando a determinar la mejor opción.
Solución 2: Se elabora el árbol de decisión según las opciones que nos muestra el
problema:
Se procede a calcular los extremos de los nodos del árbol:
29
Finalmente se calcula los valores de los nodos intermedios y marcamos con 2
líneas las alternativas rechazadas.
La mejor alternativa es construir una fábrica pequeña, ya que representa un
mayor valor esperado.
CONCLUSIÓN
30
Es de vital importancia el conocimiento de técnicas que permitan
anticiparse y predecir los posibles resultados de las decisiones a tomar, dentro de
éxito y la adecuada gestión en administración financiera el manejo de técnicas
sencillas y compresibles de cómo llevar a cabo un adecuado proceso de elección
de estrategias y decisiones y así lograr la eficacia en el desempeño de funciones
financieras.
Los arboles de decisiones ayudan en la toma de decisiones, desde un
punto de vista probabilístico con el fin de elegir la opción más conveniente. Los
arboles de decisiones se caracterizan por ser una técnica utilizada por la minería
de datos. También ayuda a construir una imagen balanceada de los riesgos y
recompensas asociados con cada posible curso de acción.
Provee una estructura sumamente efectiva dentro de la cual se puede
estimar cuales son las opciones e investigar las posibles consecuencias de
seleccionar cada una de ellas. También ayuda a construir una imagen balanceada
de los riesgos y recompensas asociados con cada posible curso de acción.
La importancia del árbol de decisiones radica en que es una herramienta
flexible que permite evaluar diferentes alternativas de un determinado proyecto,
por ello es un tema de estudio obligado para la gerencia. En la práctica, al
visualizar las diferentes rutas que se puede tomar; es posible que se encuentre un
curso de acción que no se había considerado antes, o se decidiera combinar
caminos para optimizar sus resultados. Todo depende de la creatividad para poder
evaluar los proyectos.
BIBLIOGRAFIA
31
[Link]
[Link]
[Link]
[Link]
[Link]
[Link]
[Link]
[Link]
%20problemas%20teoria
%[Link];jsessionid=013DDF6395563705076CDD16C5DD4FC8?
sequence=1
32
