Task 6 - Solving problems of decision and optimization of

risk, uncertainty and Markov chains

NOMBRE ESTUDIANTE:
DAYANA ADAMARY MATALLANA CASTAÑEDA

TUTOR DEL CURSO: HORACIO MIGUEL PETRO

CURSO: TEORIA DE LAS DECISIONES
NUMERO DE GRUPO:87 212066_13

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA: ECBTI
PROGRAMA: INGENIERÍA INDUSTRIAL

MOSQUERA
2022
 Ejercicio 1. ÁRBOLES DE DECIS

La tienda Wellmart se enfrenta a la decisión de co

cuya demanda puede ser alta, media o baja. El co
lotes del producto antes de que comience la temp
pedido después. La table 1 muestra las ganancias p

Tabla 2. Proceso de decisión para comprar un producto de te

Naturaleza de los estado
Alternativas de decisión
demanda baja Demanda de media
Pedido de 1 lote 1000 800
Pedido de 2 lotes 950 600
Pedido de 3 lotes 600 600
Pedido de 4 lotes 910 1010
Pedido de 5 lotes 800 750
Probabilidad. Sumatoria=1 0.25 0.35

De acuerdo con la información correspondiente en la Tabla 2 y la teoría del Valor Predicho de Informac
de Decisión, responda:

a. Use EVPI para determinar si la empresa debe tratar de obtener una mejor estimación de la demanda.

b. Se espera que un estudio de mercado de prueba de la demanda potencial de productos reporte una co
son:

P(F/bajo) = 0.35 P(D/bajo) =

P(F/medio ) = 0.48 P(D/ medio ) =
P(F/alto) = 0.6 P(D/alto) =

c. ¿Cuál es el valor esperado de la información de estudios de mercado?

d. ¿Cuál es la eficiencia de la información?

a. ARBOL DE DECIS

Pedido de 1 lote NODO 1

 Pedido de 1 lote NODO 1

Pedido de 2 lotes NODO 1

NODO 1 Pedido de 3 lotes NODO 3

Pedido de 4 lotes NODO 4

Pedido de 5 lotes NODO 5

Pedido de 1 lote
Pedido de 2 lotes
EVPI
Pedido de 3 lotes
Pedido de 4 lotes
Pedido de 5 lotes

VEcIP 955.50
VEcIP 933.00
TEOREMA DE BAYER

b. P(F/bajo) = 0.35 P(D/bajo) =

 P(F/medio ) = 0.48 P(D/ medio ) =
P(F/alto) = 0.6 P(D/alto) =

Favorables
Estado de la naturaleza Probabilidades Previa Probabilidades Condiciones
bajo 0.25 0.35
medio 0.35 0.48
alto 0.4 0.6
Probabilidad (F)

Desfavorables
Estado de la naturaleza Probabilidades Previas Probabilidades Condiciones
bajo 0.25 0.65
medio 0.35 0.52
alto 0.4 0.4
Probabilidad (F)

Pedido de 1 lote NODO 1

Pedido de 2 lotes NODO 2

NODO 2 Favorable Pedido de 3 lotes NODO 3

Pedido de 4 lotes NODO 4

 Pedido de 4 lotes NODO 4

Pedido de 5 lotes NODO 5

Pedido de 1 lote NODO 1

Pedido de 2 lotes NODO 2

NODO 2 Desfavorable Pedido de 3 lotes NODO 3

Pedido de 4 lotes NODO 4

Pedido de 5 lotes NODO 5

 Pedido de 5 lotes NODO 5

Favorable
Desfavorable
c.

Valor esperado con información m

Valor esperado sin información m
VEIM

VEIM
Eficiencia
d. VEIP

VEcIP
933.00

Valor esperado de información de

933.00

0.00
ÁRBOLES DE DECISIÓN, EVPI y EVMI

renta a la decisión de comprar un producto de temporada

alta, media o baja. El comprador puede pedir 1, 2, 3, 4 o 5
e que comience la temporada, pero no puede realizar otro
muestra las ganancias proyectadas, en millones de dólares.

rar un producto de temporada

aturaleza de los estados
Demanda alta
590
780
500
880
300
0.4

or Predicho de Información Perfecta (EVPI), el Valor Esperado de Información de Muestra (EVMI) y Árboles

mación de la demanda.

roductos reporte una condición favorable (F) o desfavorable (U). Las probabilidades condicionales relevantes

0.65
0.52
0.40

ARBOL DE DECISIÓN
Probabilities Demanda Sumatoria
VEIP
Utilidad de baja 0.25 1000 250.00

Utilidad de media 0.35 800 280.00 766.00

 766.00

Utilidad de alta 0.40 590 236.00

Utilidad de baja 0.25 950 237.50

Utilidad de media 0.35 600 210.00 759.50

Utilidad de alta 0.40 780 312.00

Utilidad de baja 0.25 600 150.00

Utilidad de media 0.35 600 210.00 560.00

Utilidad de alta 0.40 500 200.00

Utilidad de baja 0.25 910 227.50

Utilidad de media 0.35 1010 353.50 933.00

Utilidad de alta 0.40 880 352.00

Utilidad de baja 0.25 800 200.00

Utilidad de media 0.35 750 262.50 582.50

Utilidad de alta 0.40 300 120.00

766.00 Utilidad de baja

759.50 Utilidad de media
560.00 Utilidad de alta
933.00
582.50

0.65
 0.52
0.4

Probabilidades Conjuntas Probabilidades Posteriores

0.09 0.177
0.17 0.339
0.24 0.484
0.496 1.000

Probabilidades Conjuntas Probabilidades Posteriores

0.163 0.322
0.182 0.361
0.160 0.317
0.505 1.000

Probabilities Demanda Sumatoria

VEIP
Utilidad de baja 0.177 1000 176.59

Utilidad de media 0.339 800 271.24 733.60

Utilidad de alta 0.484 590 285.77

Utilidad de baja 0.177 950 167.76

Utilidad de media 0.339 600 203.43 748.99

Utilidad de alta 0.484 780 377.80

Utilidad de baja 0.177 600 105.95

Utilidad de media 0.339 600 203.43 551.56

Utilidad de alta 0.484 500 242.18

Utilidad de baja 0.177 910 160.70

929.37
Utilidad de media 0.339 1010 342.44 929.37

Utilidad de alta 0.484 880 426.24

Utilidad de baja 0.177 800 141.27

Utilidad de media 0.339 750 254.29 540.87

Utilidad de alta 0.484 300 145.31

Utilidad de baja 0.322 1000 322.10

Utilidad de media 0.361 800 288.60 797.82

Utilidad de alta 0.317 590 187.12

Utilidad de baja 0.322 950 306.00

Utilidad de media 0.361 600 216.45 769.82

Utilidad de alta 0.317 780 247.37

Utilidad de baja 0.322 600 193.26

Utilidad de media 0.361 600 216.45 568.29

Utilidad de alta 0.317 500 158.57

Utilidad de baja 0.322 910 293.11

Utilidad de media 0.361 1010 364.36 936.56

Utilidad de alta 0.317 880 279.09

Utilidad de baja 0.322 800 257.68

623.39
 Utilidad de media 0.361 750 270.56 623.39

Utilidad de alta 0.317 300 95.14

Pedido de 5 lotes 540.87

Pedido de 5 lotes 623.39
582.50

rado con información muestral 582.50

erado sin información muestral 955.50
VEIM -373.00

-373.0
X100 0%
#REF!

do de información de la muestra

933.00

No es viable ya que no aporta una mejora en

0.00 resultado
 baja 250.00
media 353.50
e alta 352.00
Decision Tables
Enter the profits in the main body of the data table. Enter probabilities in the first row if you want to compute
the expected value.

Data Results

demanda Demanda Demanda

baja de media alta
Profit EMV
Pedido de 1 lote 1000 800 590 Probabilities do not sum to 1
Pedido de 2 lotes 950 600 780 1890200
Pedido de 3 lotes 600 600 500 1375000
Pedido de 4 lotes 910 1010 880 2237200
Pedido de 5 lotes 800 750 300 1577000
Maximum
rst row if you want to compute

Minimum Maximum
obabilities do not sum to 1
600 950
500 600
880 1010
300 800
2237200 880 1010
Ejercicio 2. Criterios de Laplace, Wald o pesimistas, optimistas, de Hurwicz y Savage (Matriz de c

Algunos inversionistas están analizando la posibilidad de invertir en pozos petroleros y

de acuerdo con la maquinaria podrían perforar pozos de cuatro tamaños. La decisión
se tomará en función de la evolución futura de la demanda. El Departamento Comercial
anticipa que la demanda puede ser alta, media-alta, media, media-baja o baja. Los
costes estimados de la inversión para cada alternativa se muestran en el cuadro 2 en
función de la demanda, en millones de dólares.

Demanda

Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

Matriz de costos

Según Tabla aplicando los criterios de:

1 Laplace.
2 Wald o pesimista.
3 Criterios optimistas.
4 Hurwicz.
5 Savage.
6 Determine el nivel de decisión óptimo según los criterios de beneficio.

DESARROLLO

1 Laplace.

Demanda
Alternativa Alto Medio-alto Medio
 Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4
Probabilidad 0.25 0.25 0.25

2 Wald o pesimista.

Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

3 Criterios optimistas.

Demanda
Alternativa Alto Medio-alto Medio
 Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

4 Hurwicz. α = 0,6

Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

Coeficientes Alfa optimista 0.6

5 Savage.
 Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4
Maximos 950 780 860

Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 400 300 250
tamaño 1
pozo de petróleo
- 235 170 280
tamaño 2
pozo de petróleo
- 60 50 150
tamaño 3
pozo de petróleo
- 0 0 0
tamaño 4
Maximos 400 300 280

6 Determine el nivel de decisión óptimo según los criterios de beneficio.

Aleternativa
Laplace.
Wald o pesimista.
Criterios optimistas.
Hurwicz.
Savage.
as, de Hurwicz y Savage (Matriz de costos):

ad de invertir en pozos petroleros y

os de cuatro tamaños. La decisión
manda. El Departamento Comercial
a, media, media-baja o baja. Los
va se muestran en el cuadro 2 en
nes de dólares.

Medio-bajo bajo

530 630

475 560

750 790 el tamaño 3 es la mejor opción

540 990

neficio.

Medio-bajo bajo Promedio

 Medio-bajo bajo Promedio

530 630 560

475 560 588

750 790 774

540 990 824

0.25 0.25

Valor Maximo 824

a.

Medio-bajo bajo max

530 630 480

475 560 475

750 790 710

540 990 540

Valor Maximo 710

as.

Medio-bajo bajo max

 Medio-bajo bajo max

530 630 630

475 560 715

750 790 890

540 990 990

Valor Maximo 990

Medio-bajo bajo max

530 630 570

475 560 619

750 790 818

540 990 810

Alfa pesismista 0.4

Valor Maximo 818

 Medio-bajo bajo

530 630

475 560

750 790

540 990

750 990

Max de cada
Medio-bajo bajo
fila

220 360 400

275 430 430

0 200 200

210 0 210

275 430
Valor min 200

ún los criterios de beneficio.

Ejercicio 2. Criterios de Laplace, Wald o pesimistas, optimistas, de Hurwicz y Savage (Matriz de c

Algunos inversionistas están analizando la posibilidad de invertir en pozos petroleros y

de acuerdo con la maquinaria podrían perforar pozos de cuatro tamaños. La decisión
se tomará en función de la evolución futura de la demanda. El Departamento Comercial
anticipa que la demanda puede ser alta, media-alta, media, media-baja o baja. Los
costes estimados de la inversión para cada alternativa se muestran en el cuadro 2 en
función de la demanda, en millones de dólares.

Demanda

Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

Matriz de costos

Según Tabla aplicando los criterios de:

1 Laplace.
2 Wald o pesimista.
3 Criterios optimistas.
4 Hurwicz.
5 Savage.
6 Determine el nivel de decisión óptimo según los criterios de beneficio.

DESARROLLO

1 Laplace.

Demanda
Alternativa Alto Medio-alto Medio
 Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4
Probabilidad 0.25 0.25 0.25

2 Wald o pesimista.

Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

3 Criterios optimistas.

Demanda
Alternativa Alto Medio-alto Medio
 Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

4 Hurwicz. α = 0,6

Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4

Coeficientes Alfa optimista 0.6

5 Savage.
 Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 550 480 610
tamaño 1
pozo de petróleo
- 715 610 580
tamaño 2
pozo de petróleo
- 890 730 710
tamaño 3
pozo de petróleo
- 950 780 860
tamaño 4
minimos 550 480 580

Demanda
Alternativa Alto Medio-alto Medio

pozo de petróleo
- 0 0 30
tamaño 1
pozo de petróleo
- 165 250 0
tamaño 2
pozo de petróleo
- 340 300 130
tamaño 3
pozo de petróleo
- 400 0 280
tamaño 4
Maximos 400 300 280

6 Determine el nivel de decisión óptimo según los criterios de beneficio.

Aleternativa
Laplace.
Wald o pesimista.
Criterios optimistas.
Hurwicz.
Savage.
as, de Hurwicz y Savage (Matriz de costos):

ad de invertir en pozos petroleros y

os de cuatro tamaños. La decisión
manda. El Departamento Comercial
a, media, media-baja o baja. Los
va se muestran en el cuadro 2 en
nes de dólares.

Medio-bajo bajo

530 630

475 560

750 790 el tamaño 3 es la mejor opción

540 990

neficio.

Medio-bajo bajo Promedio

 Medio-bajo bajo Promedio

530 630 560

475 560 588

750 790 774

540 990 824

0.25 0.25

Valor Minimo 560

a.

Medio-bajo bajo Promedio

530 630 630

475 560 715

750 790 890

540 990 990

Valor Minimo 630

as.

Medio-bajo bajo minimo

 Medio-bajo bajo minimo

530 630 480

475 560 475

750 790 710

540 990 540

Valor Minimo 475

Medio-bajo bajo criterio

530 630 540

475 560 571

750 790 782

540 990 720

Alfa pesismista 0.4

Valor Minimo 540

 Medio-bajo bajo

530 630

475 560

750 790

540 990

475 560

Max de cada
Medio-bajo bajo
fila

55 70 70

0 0 250

275 230 340

65 430 430

275 430
Valor min 70

ún los criterios de beneficio.

 Ejercicio 3. Cadena de Markov (estado estacionario):

Los consumidores de una pequeña ciudad de Italia utilizan tres tipos de vino, blanco,
rosado y tinto. En marzo de 2019 se realizó una encuesta en la que se entrevistó a
10.500 personas que compran vino y los resultados fueron:

Tabla. 3 consumidores de vino

Blanco Rosa Rojo
Blanco 1115 845 740
Rosa 796 2028 676
Rojo 1765 845 1690

Según Tabla aplicando los criterios de Markov:

1. Utilice el método inicial estable de Markov.
2. Encuentre la matriz de transición con la participación de cada evento según su total.
3. Encuentre los valores que satisfacen las ecuaciones de estado de acuerdo con las condiciones
del problema.
4.Determinando el vector de probabilidades a largo
plazo donde se estabiliza el sistema.

Cuadro 1. Método inicial estable de Markov

Blanco Rosa Rojo Total
Blanco 1115 845 740 2700
Rosa 796 2028 676 3500
Rojo 1765 845 1690 4300

Proporción con respecto al total

Blanco Rosa Rojo Total
Blanco 1115 845 740 2700
Rosa 796 2028 676 3500
Rojo 1765 845 1690 4300

Blanco Rosa Rojo Total

 Blanco 0.413 0.313 0.274 1
Rosa 0.227 0.579 0.193 1
Rojo 0.410 0.197 0.393 1

Matriz de probabilidad de transición

V 0.41 0.31 0.27

W 0.23 0.58 0.19
Q=
X 0.41 0.20 0.39

c. Valores que satisfacen las ecuaciones de estado

0.41 0.31 0.27

0.23 0.58 0.19
0.41 0.20 0.39
acionario):

res tipos de vino, blanco,

en la que se entrevistó a
ados fueron:

vento según su total.

e acuerdo con las condiciones

arkov

5400
7000
8600
ansición

= 1
= 1
= 1

A= 0.41 *A + 0.23 *B + 0.41 *C

B= 0.31 *A + 0.58 *B + 0.20 *C
C= 0.27 *A + 0.1931429 * B + 0.39302326 * C
A+ B+ C+ = 1

A= 0.41 *A + 0.31 *B + 0.27 *C 1A=0

B= 0.23 *A + 0.58 *B + 0.19 *C 1B=0
C= 0.41 *A + 0.20 *B + 0.39 *C 1C=0
A+ B+ C -1 = 0

A= 0.41 *A + 0.31 *B + 0.27 *C 0=0

B= 0.23 *A + 0.58 *B + 0.19 *C 0=0
C= 0.41 *A + 0.20 *B + 0.39 *C 0=0
A+ B+ C -1 = 0
Solución por Solver:

Blanco Rosa Rojo

0.34 0.38 0.28 1.00

Termino
Blanco Rosa Rojo independie Suma Producto
nte
-0.59 0.23 0.41 0.00 0.00
0.31 -0.42 0.20 0.00 0.00
0.27 0.19 -0.61 0.00 0.00
1 1 1 -1 0.00
Ejercicio 4. Cadenas de Markov (multiplicación de estado inicial):

Un agente de negocios realiza su trabajo en tres ciudades Bogotá, Cali y

Medellín. Para evitar viajes innecesarios, se queda en la misma ciudad todo el
día y allí pernocta, mudándose a otra ciudad al día siguiente, si no tiene
suficiente trabajo.

Tabla 4. Agente de negocios

JEQM©
Bogotá Cali Medellín
Bogotá 0.2 0.4 0.4
Cali 0.2 0.3 0.5
Medellín 0.2 0.6 0.2

De acuerdo con el enunciado y la Tabla 4 encuentre el vector de estado inicial

y las probabilidades siguientes:

a) Si el viajero se encuentra hoy en Bogotá, ¿cuál es la probabilidad de que

también tenga que trabajar en Cali después de dos días?
b) Si el viajero se encuentra hoy en Bogotá, ¿cuál es la probabilidad de que
tenga que trabajar en Medellín después de siete días?
c) Si el viajero se encuentra hoy en Bogotá, ¿cuál es la probabilidad de que
tenga que trabajar en Cali después de diez días?

• Matriz de probabilidades P

Estado inicial Xt / de salida

Bogotá Cali Medellín

Estado Xt+1 /

JEQM©
de llegada

Bogotá 20% 40% 40% 1

Cali 20% 30% 50% 1
Medellín 20% 60% 20% 1

• Matriz de probabilidades expresada en decimales

Estado Bogotá Cali Medellín

Bogotá 0.20 0.40 0.40
Cali 0.20 0.30 0.50
 Medellín 0.20 0.60 0.20

Tenemos que:

Donde X0 es el estado inicial.

• a) Si el viajero se encuentra hoy en Bogotá, ¿cuál es la probabilidad de que

también tenga que trabajar en Cali después de dos días?

R: Tenemos: X0 que hace referencia al día actual. X 2 hace referencia a dos días despues.

Bogotá
Cali
Medellín

0.20 0.40 0.40 1

X0 = 0.20 0.30 0.50 * 0
0.20 0.60 0.20 0

0.20 0.40 0.40 1

X1 = 0.20 0.30 0.50 * 0
0.20 0.60 0.20 0

0.20 0.40 0.40 0.20

X2 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

Conclusión:

0.20 Bogotá 20%

X2 = 0.20 Cali 20% Comprobando resultados de la ma
0.20 Medellín 20%
Si el viajero se encuentra hoy en Bogotá la probabilidad de que
también tenga que trabajar en Cali después de dos días es de
20% según el estudio realizado.

• b) Si el viajero se encuentra hoy en Bogotá, ¿cuál es la

probabilidad de que tenga que trabajar en Medellín después
de siete días?

R: Tenemos: X0 que hace referencia al día actual. X7 hace referencia a sietes días despues.

Bogotá
Cali
Medellín

0.20 0.40 0.40 1

X0 = 0.20 0.30 0.50 * 0
0.20 0.60 0.20 0

0.20 0.40 0.40 1

X1 = 0.20 0.30 0.50 * 0
0.20 0.60 0.20 0

0.20 0.40 0.40 0.20

X2 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X3 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20
 0.20 0.40 0.40 0.20
X4 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X5 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X6 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X7 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

Conclusión:

0.20 Bogotá 20%

X7 = 0.20 Cali 20% Comprobando resultados de la ma
0.20 Medellín 20%

Si el viajero se encuentra hoy en Bogotá la probabilidad de que tenga que trabajar

en Medellín después de siete días es de 20% según el estudio realizado.

• c) Si el viajero se encuentra hoy en Bogotá, ¿cuál es la probabilidad de que

tenga que trabajar en Cali después de diez días?

R: Tenemos: X0 que hace referencia al día actual. X10 hace referencia a diez días despues.

Bogotá
 Cali
Medellín

0.20 0.40 0.40 1

X0 = 0.20 0.30 0.50 * 0
0.20 0.60 0.20 0

0.20 0.40 0.40 1

X1 = 0.20 0.30 0.50 * 0
0.20 0.60 0.20 0

0.20 0.40 0.40 0.20

X2 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X3 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X4 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X5 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20
 0.20 0.40 0.40 0.20
X6 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X7 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X8 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X9 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

0.20 0.40 0.40 0.20

X10 = 0.20 0.30 0.50 * 0.20
0.20 0.60 0.20 0.20

Conclusión:

0.20 Bogotá 20%

X10 = 0.20 Cali 20% Comprobando resultados de la ma
0.20 Medellín 20%
 probabilidad de que
?

ia a dos días despues.

0.200
= 0.200
0.200

0.200
= 0.200
0.200

probando resultados de la matriz:

cia a sietes días despues.

0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200
 0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

probando resultados de la matriz:

dad de que tenga que trabajar

l estudio realizado.

ncia a diez días despues.

 0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200
 0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

0.200
= 0.200
0.200

probando resultados de la matriz:

 Ejercicio 5. Método de teoría de juegos

Considere el siguiente juego 2 x n: Supongamos que dos empresas son

fabricantes de un producto en particular y compiten entre sí por la cuota
Al planificar una estrategia de mercado para el próximo año, cada empre
estrategias diseñadas para ganar cuota de mercado de su competi

EMPRESA B
Estrategia
B1 B2 B3
EMPRESA Ⅰ 17 10 19
A Ⅱ 14 16 11
TABLA 5.

Estrategia A

Ecuacion de la probabilidad 𝑃_1+𝑃_2=1

Despejamos y dejamos en valores de 𝑷_𝟐=𝟏−𝑷_𝟏
un termino

Valor esperado 𝑉𝐸𝐴=17𝑃_1+14𝑃_2

Remplazamos 𝑉𝐸𝐴=17𝑃_1+14(1−𝑃_1 )
Resolvemos 𝑉𝐸𝐴=17𝑃_1+14−14𝑃_1
𝑽𝑬𝑨=−𝟓𝑷_𝟏+𝟏𝟒

Estrategia A

Si 𝑃_1=1
Valor 𝑽𝑬𝑨=−𝟓𝑷_𝟏+𝟏𝟒
Esperado 𝑽𝑬𝑨=−𝟓(𝟏)+𝟏𝟒
𝑽𝑬𝑨=𝟏𝟕

Si 𝑃_1=0
Valor 𝑽𝑬𝑨=−𝟓𝑷_𝟏+𝟏𝟒
Esperado 𝑽𝑬𝑨=−𝟓(𝟎)+𝟏𝟒
𝑽𝑬𝑨=𝟏𝟒
 20
1 0 1; 19
18
Estrategia A 17 14 1; 17
16
Estrategia B 10 16
14
Estrategia C 19 11
12
10 1; 10
8
6
4
2
0
1

Estrategia A Estrategia

EMPRESA B
Estrategia
B1 B2 B3
EMPRESA Ⅰ 17 10 19
A Ⅱ 14 16 11
TABLA 5.

Estrategia AB I

Ecuacion de la probabilidad 𝑄_1+𝑄_2=1

Despejamos y dejamos en valores de 𝑸_𝟐=𝟏−𝑸_𝟏
un termino

Valor esperado 𝑉𝐸𝐴𝐵𝐼=17𝑄_1+10𝑄_2

Remplazamos 𝑉𝐸𝐴𝐵𝐼=17𝑄_1+10(1−𝑄_1 )
Resolvemos 𝑉𝐸𝐴𝐵𝐼=17𝑄_1+10−10𝑄_1
𝑽𝑬𝑨𝑩𝑰=𝟕𝑸_𝟏+𝟏𝟎
e teoría de juegos

upongamos que dos empresas son los únicos

ar y compiten entre sí por la cuota de mercado.
o para el próximo año, cada empresa considera
ar cuota de mercado de su competidor.

En el ejercicio 5, se debe encontrar la estrategia de juego de las empresas para que a

través de la teoría de juegos se lleve a cabo un juego justo de acuerdo con el objetivo
del método, una empresa gana tanto como la otra pierde y viceversa. Proceder a
utilizar el método correspondiente según la naturaleza del ejercicio propuesto y
responder a las preguntas.

DESARROLLO

Estrategia B Estrategia

Ecuacion de la probabilidad 𝑃_1+𝑃_2=1 Ecuacion de la probabilidad

Despejamos y dejamos en valores de 𝑷_𝟐=𝟏−𝑷_𝟏 Despejamos y dejamos en valores d
un termino un termino

Valor esperado 𝑉𝐸𝐴=10𝑃_1+16𝑃_2 Valor esperado

Remplazamos 𝑉𝐸𝐴=10+16(1−𝑃_1 ) Remplazamos
Resolvemos 𝑉𝐸𝐴=10𝑃_1+16−16𝑃_1 Resolvemos
𝑽𝑬𝑨=𝟏𝟎𝑷_𝟏+𝟏𝟔

Estrategia B Estrategia

Si 𝑃_1=1
Valor 𝑽𝑬𝑩=𝟏𝟎𝑷_𝟏+𝟏𝟔
Esperado 𝑽𝑬𝑩=𝟏𝟎(𝟏)+𝟏𝟔
𝑽𝑬𝑩=𝟏𝟎

Si 𝑃_1=0
Valor 𝑽𝑬𝑩=𝟏𝟎𝑷_𝟏+𝟏𝟔
Esperado 𝑽𝑬𝑩=𝟏𝟎(𝟎)+𝟏𝟔
𝑽𝑬𝑩=𝟏𝟔
 GRAFICO

1; 19
1; 17
0; 16
0; 14

0; 11
1; 10

1 0

Estrategia A Estrategia B Estrategia C

Estrategia AC I Estrategia

Ecuacion de la probabilidad 𝑄_1+𝑄_2=1 Ecuacion de la probabilidad

Despejamos y dejamos en valores de 𝑸_𝟐=𝟏−𝑸_𝟏 Despejamos y dejamos en valores d
un termino un termino

Valor esperado 𝑉𝐸𝐴𝐶𝐼=24𝑄_1+13𝑄_2 Valor esperado

Remplazamos 𝑉𝐸𝐴𝐶𝐼=24𝑄_1+13(1−𝑄_1 ) Remplazamos
Resolvemos 𝑉𝐸𝐴𝐶𝐼=24𝑄_1+13−13𝑄_1 Resolvemos
𝑽𝑬𝑨𝑪𝑰=𝟏𝟏𝑸_𝟏+𝟏𝟑
as para que a
on el objetivo
Proceder a
ropuesto y

Estrategia C

Ecuacion de la probabilidad 𝑃_1+𝑃_2=1

Despejamos y dejamos en valores de 𝑷_𝟐=𝟏−𝑷_𝟏
un termino

Valor esperado 𝑉𝐸𝐴=19𝑃_1+11𝑃_2

Remplazamos 𝑉𝐸𝐴=19𝑃_1+11(1−𝑃_1 )
Resolvemos 𝑉𝐸𝐴=19𝑃_1+11−11𝑃_1
𝑽𝑬𝑨=−𝟐𝟎𝑷_𝟏+𝟏𝟏

Estrategia C

Si 𝑃_1=1
Valor 𝑽𝑬𝑪=−𝟐𝟎𝑷_𝟏+𝟏𝟏
Esperado 𝑽𝑬𝑪=−𝟐𝟎(𝟏)+𝟏𝟏
𝑽𝑬𝑪=𝟏𝟏

Si 𝑃_1=0
Valor 𝑽𝑬𝑪=−𝟐𝟎𝑷_𝟏+𝟏𝟏
Esperado 𝑽𝑬𝑪=−𝟐𝟎(𝟎)+𝟏𝟏
𝑽𝑬𝑪=𝟏𝟗
 Estrategia BC I

Ecuacion de la probabilidad 𝑄_1+𝑄_2=1

Despejamos y dejamos en valores de 𝑸_𝟐=𝟏−𝑸_𝟏
un termino

Valor esperado 𝑉𝐸𝐵𝐶𝐼=17𝑄_1+13𝑄_2

Remplazamos 𝑉𝐸𝐵𝐶𝐼=17𝑄_1+13(1−𝑄_1 )
Resolvemos 𝑉𝐸𝐵𝐶𝐼=17𝑄_1+13−13𝑄_1
𝑽𝑬𝑩𝑪𝑰=𝟒𝑸_𝟏+𝟏𝟑
 Referencias Consultadas

Sharma, J. (2016). Operations Research: Theory and Applications. (pp. 650-665), New Delhi: Lax
Ltd, v. Sixth edition. Retrieved from http://bibliotecavirtual.unad.edu.co/login?url=http://search
login.aspx?direct=true&db=nlebk&AN=1950625&lang=es&site=eds-live&scope=site&ebv=

Piunovskiy, A. (2012). Examples In Markov Decision Processes: Singapore: Imperial College P

Series (pp. 111-127). Retrieved from http://bibliotecavirtual.unad.edu.co:2051/login
direct=true&db=nlebk&AN=545467&lang=es&site=eds-live
das

pp. 650-665), New Delhi: Laxmi Publications Pvt

edu.co/login?url=http://search.ebscohost.com/
e=eds-live&scope=site&ebv=EB&ppid=pp_C

Singapore: Imperial College Press Optimization

irtual.unad.edu.co:2051/login.aspx?
ang=es&site=eds-live