- Spanish
- PDF
- Disponible en iOS y Android
Teoría de la decisión aplicada - 2da edición
Información del libro
Teoría de la decisión aplicada contiene el análisis de los procesos de toma de decisiones empresariales a la luz de la investigación de operaciones. Dichos procesos se realizan con una estructura general bajo los enfoques de decisiones bajo incertidumbre, riesgo, teoría de juegos y cadenas de Markov.La obra describe paso a paso tanto la descripción como los métodos de solución de problemas donde se aplican los criterios de teoría de la decisión en las empresas. El texto consta de cinco capítulos: Generalidades, Decisiones Bajo Incertidumbre, Decisiones Bajo Riesgo, Teoría de Juegos y Cadenas de Markov. El aporte sustancial de esta segunda edición es la incorporación del capítulo de Cadenas de Markov, conservando, como en todo el texto, las explicaciones y ejemplos paso a paso.Dirigido a estudiantes y profesionales de Ingeniería Industrial, Ingeniería de Sistemas, Ingeniería de Producción, Economía, carreras afines y, en general, a todas las personas interesadas en modelos de optimización bajo las técnicas en investigación de operaciones como teoría de la decisión.
Preguntas frecuentes
Información
Índice
- Contenido
- Índice de figuras
- Índice de tablas
- Introducción
- prólogo
- Capítulo 1
- GENERALIDADES DE LA TEORÍA DE LA DECISIÓN
- 1.1. Proceso de la toma de decisiones
- 1.2. Clasificación de los procesos de decisión
- 1.3. Elementos básicos del proceso de toma de decisiones
- 1.4. Factores humanos que inciden en la toma de decisiones
- 1.5. Matriz de rendimientos
- 1.6. Criterio de dominancia
- 1.7. Matriz de pérdidas de oportunidad
- 1.8. Aplicación real de la teoría de la decisión
- Ejercicios propuestos
- Capítulo 2
- DECISIONES BAJO INCERTIDUMBRE
- 2.1. Criterio Maximax o pago Máximo
- 2.2. Criterio Maximin
- 2.3. Criterio minimax o de arrepentimiento
- 2.4. Criterio del valor esperado o criterio de Laplace
- 2.5. Criterio Hurwicz
- Ejercicios propuestos
- Capítulo 3
- DECISIONES BAJO RIESGO
- 3.1. Toma de decisiones sin experimentación
- 3.2. Toma de decisiones con experimentación o teoría Bayesiana de decisión
- 3.3. Costo de la información perfecta
- 3.4. Costo de la información de muestra
- 3.5. Eficiencia de la información de muestra
- 3.6. Árboles de decisión
- Ejercicios propuestos
- Capítulo 4
- TEORÍA DE JUEGOS
- 4.1. Estrategias puras
- 4.2. Estrategias mixtas
- Ejercicios propuestos
- Capítulo 5
- CADENAS DE MARKOV
- 5.1. Generalidades de las cadenas de Markov
- 5.2. Cadenas regulares
- 5.3. Cadenas absorbentes
- Ejercicios propuestos:
- Respuestas a ejercicios propuestos
- Referencias
- Bibliografía
- Acerca de los autores