Antologia Investigacion de Operaciones Unidad V

ANTOLOGIA DE
LA UNIDAD V
INVESTIGACION DE
OPERACIONES
GABRIEL CRISOSTOMO LUCIO

JOSE OCTAVIO CONTRERAS
GUTIERREZ
ADRIEL LISSANDRO RODRIGUEZ
HERRERA
JORGE ALBERTO
RODRIGUEZ CRUZ.
INSTITUTO TECNOLOGICO SUPERIOR DE
DOCENTE: ING. ISIDRO CASTELAN

HERRERA
INDICE
5.1 INTRODUCCION...2
5.2 TERMINOLOGIA...3
5.3 TOMA DE DECISIONES BAJO RIESGO......5
5.3.1 PROBABILIDAD MAXIMA.7
5.3.2 VALOR ESPERADO BAJO INCERTIDUMBRE8
5.3.3 PERDIDA ESPERADA DE OPORTUNIDAD23
5.3.4 VALOR ESPERADO DE LA INFORMACION
PERFECTA28
5.3.5 ARBOLES DE DECISIN36
5.3.6 PROBABILIDADES POSTERIORES.42
5.3.7 FUNCIONES DE UTILIDAD49
5.4 TOMA DE DECISIONES BAJO INCERTIDUMBRE......51
5.4.1 CRITERIO MAXIMIN...52
5.4.2 CRITERIO MAXIMAX..58
5.5 ANALISIS PRACTICO DE DECISIONES....59
5.6 BIBLIOGRAFIA.75
5.1 INTRODUCCION
En gran parte, el xito o el fracaso que las personas enfrentan en la vida
dependen de las decisiones que stas tomen. El Anlisis de Decisiones es un
procedimiento analtico y sistemtico para estudiar la toma de decisiones. Qu
hace la diferencia entre una buena decisin y una mala decisin? Una buena
decisin es aquella que est basada en la lgica, considera todos los datos
disponibles, y todos los posibles estados de la naturaleza, y aplica un
procedimiento cuantitativo. Ocasionalmente, una buena decisin resulta en una
consecuencia inesperada o desfavorable, pero aun as, si se tom siguiendo el
procedimiento apropiado, sigue siendo una buena decisin. Una mala decisin es
aquella que no est basada en la lgica, no us toda la informacin disponible, no
consider todos los posibles estados de la naturaleza y no emple las tcnicas
cuantitativas apropiadas. Si usted toma una mala decisin, y tiene suerte, y la
consecuencia que ocurre le es favorable, aun as, sigue siendo una mala decisin.
Aunque ocasionalmente buenas decisiones producen malos resultados, usando la
teora del anlisis de decisiones resultar en consecuencias favorables en el largo
plazo.
5.2 TERMINOLOGIA
5.3 TOMA DE DECISIN BAJO RIESGO

En el proceso de toma de decisiones bajo riesgo, hay varios resultados posibles
para cada alternativa, y quien toma las decisiones conoce la probabilidad de que
cada uno de estos resultados ocurra. Los diferentes criterios de decisin en

ambiente de riesgo se basan en estadsticos asociados a la distribucin de
probabilidad de los resultados. Algunos de estos criterios se aplican sobre la
totalidad de las alternativas, mientras que otros slo tienen en cuenta un
subconjunto de ellas, considerando las restantes peores, por lo no que estn
presentes en el proceso de toma de decisiones.
Representaremos por R(ai) los resultados asociados a la alternativa ai, y por P(ai)
la distribucin de probabilidad correspondiente a tales resultados, esto es, el
conjunto de valores que representan las probabilidades de ocurrencia de los
diferentes estados de la naturaleza:
Los principales criterios de decisin empleados sobre tablas de decisin en

ambiente de riesgo son:
Criterio de valor esperado
Criterio de la mnima varianza con media acotada
Criterio de la media con varianza acotada
Criterio de la dispersin
Criterio de la probabilidad mxima
Todos estos criterios sern aplicados al problema de decisin bajo riesgo cuya
tabla de resultados figura a continuacin:
Obsrvese que esta regla de decisin es una generalizacin del criterio de La

place en la que desaparece el requisito de probabilidad para los diferentes estados
de la naturaleza. Ejemplo Partiendo del ejemplo ilustrativo de decisin bajo riesgo,
la siguiente tabla muestra el resultado esperado para cada una de las alternativas
5.3.1 PROBABILIDAD MXIMA.

Para cada alternativa ai se determina la probabilidad de que la variable aleatoria
que proporciona el resultado tome un valor mayor o igual que una constante K
fijada por el decisor:
y se selecciona aquella alternativa con mayor probabilidad asociada. Por tanto, el

criterio de probabilidad mxima puede resumirse de la siguiente forma:
Ejemplo: Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente

tabla muestra, para cada una de las alternativas, la probabilidad de que el
resultado sea mayor o igual que K=10.
Para la alternativa a1, slo los resultados correspondientes a los estados e1 y e3

superan el valor 10, siendo sus probabilidades asociadas 0.2 y 0.5; sumando
ambas se obtienen la probabilidad de obtener un resultado mayor o igual que 10
para la alternativa a1
.De manera anloga se determinan las restantes probabilidades. La alternativa
ptima segn este criterio sera a3, pues proporciona la probabilidad ms alta.
5.3.2 VALOR ESPERADO BAJO INCERTIDUMBRE

Uno de los aspectos ms importantes en la vida de cada persona es la TOMA DE
DECISIONES Todos y cada uno de nosotros pasamos los das y las horas de
nuestra vida teniendo que tomar decisiones; algunas decisiones tienen una
importancia relativa en el desarrollo de nuestra vida, mientras otras no son tan
importantes en ella.
Para los administradores, el proceso de toma de decisin es sin duda una de las
mayores responsabilidades. No obstante, este proceso lo llevamos a cabo
frecuentemente, aun cuando no lo notemos; por ejemplo, si vamos a comprar
algn determinado producto y existen dos lugares en donde ste se encuentra a la
venta, debemos decidir en dnde comprarlo o incluso, si realmente nos conviene
hacerlo. La toma de decisiones en una organizacin se circunscribe a una serie de
personas que estn apoyando el mismo proyecto. Debemos empezar por hacer
una seleccin de decisiones, y esta seleccin es una de las tareas de gran
trascendencia.
Condiciones en que se toman las decisiones
Las condiciones en las que los individuos toman decisiones en una organizacin
son reflejo de las fuerzas del entorno (sucesos y hechos) que tales individuos no
pueden controlar, pero las cuales pueden influir a futuro en los resultados de sus
decisiones. Estas fuerzas pueden ir desde nuevas tecnologas o la presencia de
nuevos competidores en un mercado hasta nuevas leyes o disturbios polticos.
Adems de intentar la identificacin y medicin de la magnitud de estas fuerzas,
los administradores deben estimar su posible impacto. Los administradores y
dems empleados involucrados en los pronsticos y la planeacin pueden sentirse
fuertemente presionados a identificar tales hechos y sus impactos, especialmente
cuando no es probable que ocurran hasta aos despus.
Con demasiada frecuencia, los individuos deben basar sus decisiones en la
limitada informacin de que disponen; de ah que el monto y precisin de la
informacin y el nivel de las habilidades de conceptualizacin de los individuos
sean cruciales para la toma de decisiones acertadas. Las condiciones en las que
se toman las decisiones pueden clasificarse en trminos generales como certeza o
certidumbre, incertidumbre y riesgo.
Prcticamente todas las decisiones se toman en un ambiente de cierta
incertidumbre. Sin embargo, el grado vara de una certeza relativa a una gran
incertidumbre. En la toma de decisiones existen ciertos riesgos implcitos. En una
situacin donde existe certeza, las personas estn razonablemente seguras sobre
lo que ocurrir cuando tomen una decisin, cuentan con informacin que se
considera confiable y se conocen las relaciones de causa y efecto.
En algunos casos, las decisiones se toman bajo condiciones de certeza, esto

significa que el encargado de tomar una decisin conoce por adelantado el
resultado de su eleccin. Son pocas las decisiones que se toman bajo condiciones
de certeza o certidumbre.
Por otra parte en una situacin de incertidumbre, las personas slo tienen una
base de datos muy deficiente. No saben si estos son o no confiables y tienen
mucha inseguridad sobre los posibles cambios que pueda sufrir la situacin. Ms
an, no pueden evaluar las interacciones de las diferentes variables; la condicin
bajo la cual resulta ms difcil tomar decisiones es la incertidumbre, pues en esta
situacin, los responsables de tomar decisiones no cuentan con informacin
suficiente para tener en claro las alternativas o estimar su riesgo. Se basan ya sea
en su intuicin o en su creatividad. Por ejemplo una empresa que decide ampliar
sus operaciones a otro pas quizs sepa poco sobre la cultura, las leyes, el
ambiente econmico y las polticas de esa nacin. La situacin poltica suele ser
tan voltil que ni siquiera los expertos pueden predecir un posible cambio en las
mismas.
Por mucho, la situacin tpica es el riesgo. El encargado de tomar las decisiones
es capaz de estimar la verosimilitud de las alternativas o los resultados. Esta
capacidad de asignar probabilidades podra ser un resultado de la experiencia
personal o de informacin secundaria. En una situacin de riesgo, quizs se
cuente con informacin basada en hechos, pero la misma puede resultar
incompleta. Para mejorar la toma de decisiones se puede estimar las
probabilidades objetivas de un resultado, al utilizar, por ejemplo modelos
matemticos. Por otra parte se puede usar la probabilidad subjetiva, basada en el
juicio y la experiencia. Afortunadamente se cuenta con varias herramientas que
ayudan a los administradores a tomar decisiones ms eficaces.
Un enfoque racional para evaluar las alternativas bajo condiciones de riesgo es el
uso del valor esperado. Este es un concepto que permite a quien toma las
10
decisiones asignar un valor monetario segn las consecuencias positivas y

negativas que podran resultar de la seleccin de una alternativa en particular. En
el momento de tomar decisiones, todos los administradores deben de ponderar
alternativas, muchas de las cuales implican sucesos futuros que resultan difciles
de prever: la reaccin de un competidor a una nueva lista de precios, las tasas de
inters dentro de tres aos, la confiabilidad de un nuevo proveedor. Por esta
razn, las situaciones de toma de decisiones se consideran dentro de una lnea
continua que va de la certeza (altamente previsible) a la turbulencia (altamente
imprevisible).
Interpretacin de Certeza, Incertidumbre y Riesgo
CERTEZA: Bajo las condiciones de certeza o certidumbre, conocemos nuestro
objetivo y tenemos informacin exacta, medible y confiable acerca del resultado de
cada una de las alternativas que consideremos.
INCERTIDUMBRE: Bajo condiciones de incertidumbre es poco lo que se sabe de
las alternativas o de sus resultados.
RIESGO: Es la probabilidad de que suceda un evento, impacto o consecuencia
adversos. Se entiende tambin como la medida de la posibilidad y magnitud de los
impactos adversos, siendo la consecuencia del peligro, y est en relacin con la
frecuencia con que se presente el evento. Se produce el riesgo siempre que no
somos capaces de diagnosticar con certeza el resultado de alguna alternativa,
pero contamos con suficiente informacin como para prever la probabilidad que
tenga para llevarnos a un estado de cosas deseado.
Turbulencia: Bajo condiciones de certeza, incertidumbre y riesgo, el objetivo final
esta siempre claro, pero bajo condiciones de turbulencia incluso el objetivo puede
ser poco claro. La turbulencia tambin tiene lugar cuando el ambiente mismo
cambia con velocidad o es de hecho incierto. En Anlisis de Riesgo prcticamente
11
cada decisin se basa en la interaccin de variables importantes, muchas de las

cuales tienen un elemento de incertidumbre pero quizs un grado bastante alto de
probabilidad. Por lo tanto, la sensatez de lanzar un nuevo producto podra
desprender de varias variables crticas: el costo de producto, la inversin del
capital, el precio que se puede fijar, el tamao del mercado potencial y la
participacin del mercado total. Ejemplo: Los gerentes pueden comprender la
verdadera probabilidad de una decisin que conduzca a los resultados deseados.
Toma de decisiones bajo condiciones de Certeza
Una clase importante de problemas de decisiones incluye aquellos en los cuales
cada acto disponible para quien toma la decisin tiene consecuencias que pueden
ser conocidas previamente con certeza. A tales problemas se le llama toma de
decisiones bajo condiciones de certeza.
La toma de decisiones bajo certeza no es un proceso sencillo, cada una de las
tareas a las que se enfrenta quien toma la decisin bajo certidumbre (identificar los
actos disponibles, medir las consecuencias y seleccionar el mejor acto) involucra
el uso de la teora de la programacin lineal.
La certeza o certidumbre es la condicin en que los individuos son plenamente
informados sobre un problema, las soluciones alternativas son obvias, y son claros
los posibles resultados de cada decisin. En condiciones de certidumbre, la gente
puede al menos prever (si no es que controlar) los hechos y sus resultados. Esta
condicin significa el debido conocimiento y clara definicin tanto del problema
como de las soluciones alternativas. Una vez que un individuo identifica soluciones
alternativas y sus resultados esperados, la toma de la decisin es relativamente
fcil. El responsable de tomar la decisin sencillamente elige la solucin con el
mejor resultado potencial. Por ejemplo, de un agente de compras de una imprenta
se espera que ordene papel de calidad estndar al proveedor que ofrezca el
menor precio y mejor servicio. Por supuesto que generalmente el proceso de toma
de decisiones no es tan simple. Un problema puede tener muchas posibles
12
soluciones, y calcular los resultados esperados de todas ellas puede ser

extremadamente lento y costoso.
La toma de decisiones en condiciones de incertidumbre es la excepcin para la
mayora de los administradores y otros profesionales. Sin embargo, los
administradores de primera lnea toman decisiones diariamente en condiciones de
certidumbre, o casi. Por ejemplo, un apretado programa de produccin puede
obligar a un administrador de primera lnea a pedir a 10 empleados que trabajen
cuatro horas de tiempo extra. El administrador puede determinar el costo de las
horas extras con toda certeza. Tambin puede prever con alto grado de
certidumbre el nmero de las unidades adicionales que pueden calcularse con
casi absoluta certeza antes de programar las horas extras.
Toma de decisiones bajo condiciones de Incertidumbre
En muchos problemas de decisiones se presentan variables que no estn bajo el
control de un competidor racional y acerca de las cuales quienes toman las
decisiones tiene poca o ninguna informacin sobre la base de la cual conocer el
estado de cosas futuras. La toma de decisiones bajo incertidumbre se presenta
cuando no puede predecirse el futuro sobre la base de experiencias pasadas. A
menudo se presentan muchas variables incontrolables. Algunas veces es posible
consolidar los efectos de esas variables no controlables en trminos de su
distribucin de probabilidad. La toma de decisiones bajo incertidumbre implica que
no se conoce la probabilidad de que prevalezca uno u otro de los estados de
resultado.
Toma de decisiones bajo condiciones de Riesgo
El riesgo es la condicin en la que los individuos pueden definir un problema,
especificar la probabilidad de ciertos hechos, identificar soluciones alternativas y
enunciar la probabilidad de que cada solucin d los resultados deseados. El
13
riesgo suele significar que el problema y las soluciones alternativas ocupan algn
punto intermedio entre los extremos representados por la plena informacin y
definicin y el carcter inusual y ambiguo.
La probabilidad es el porcentaje de veces en las que ocurrira un resultado
especfico si un individuo tomara muchas veces una misma decisin. El monto y
calidad de la informacin disponible para un individuo sobre la condicin pertinente
de la toma de decisiones puede variar ampliamente, lo mismo que las
estimaciones de riesgo del individuo. El tipo, monto y confiabilidad de la
informacin influyen en el nivel de riesgo y en el hecho de si el responsable de
tomar la decisin puede hacer uso de la probabilidad objetiva o subjetiva en la
estimacin del resultado.
Probabilidad Objetiva
La posibilidad de que ocurra un resultado especfico con base en hechos
consumados y nmeros concretos se conoce como probabilidad objetiva. En
ocasiones, un individuo puede determinar el resultado probable de una decisin
examinando expedientes anteriores. Por ejemplo, aunque las compaas de
seguros de vida no pueden determinar el ao en que morir cada tenedor de
plizas, pueden calcular las probabilidades objetivas basados en la expectativa de
que los ndices de mortalidad prevalecientes en el pasado se repitan en el futuro.
Probabilidad Subjetiva.
A la apreciacin basada en juicios y opiniones personales de que ocurra un
resultado especfico se conoce como probabilidad subjetiva. Tales juicios varan de
un individuo a otro, dependiendo de su intuicin, experiencia previa en situaciones
similares, conocimientos y rasgos personales (como preferencia por la asuncin o
por la elusin de riesgos). Frecuentemente sin embargo, quienes toman
decisiones cuentan con informacin acerca de la probabilidad de que ocurra cada
estado de resultado, aun cuando no sepan con certeza el estado del resultado
real.
14
La toma de decisiones cuando existe cierto nmero de estados de resultados

posibles, para los cuales se conoce la distribucin de probabilidades recibe el
nombre de toma de decisiones bajo riesgo. En los problemas que involucran
incertidumbre y riesgo, el estado de resultado era una contingencia acerca de la
cual quien toma las decisiones en el peor de los casos se encontraba por
completo en la oscuridad y en el mejor de los casos contaba con informacin
sobre probabilidades.
Nivel de toma de decisiones
Hay 4 niveles organizacionales. Estos incluyen los tres niveles gerencias (alto,
medio y de primera lnea), mas los empleados operativos. En trminos generales,
las decisiones recurrentes y de rutina (decisiones programadas) se manejan mejor
a niveles bajos de la administracin. Por el contrario, las decisiones no recurrentes
y nicas (decisiones no programadas) son mejor manejadas por la alta direccin.
De manera semejante, la alta direccin esta mejor calificada para tomar
decisiones estratgicas a largo plazo, tales como determinar cul es el negocio de
la organizacin, la direccin y los objetivos globales estratgicos de la misma y
donde distribuir los recursos clave de capital y personal.
Los gerentes de nivel medio estn mejor equipados para coordinar decisiones
con implicaciones a mediano plazo. Los gerentes de primera lnea deberan
enfocarse en decisiones departamentales ms rutinarias. Por ltimo los
empleados operativos
estn
mejor capacitados para
tomar decisiones
relacionadas con el trabajo.

Importancia de la toma de decisiones
Es importante porque mediante el empleo de un buen juicio, la Toma de
Decisiones sobre todo en condiciones de certeza, incertidumbre y riesgo, nos
indica que un problema o situacin es valorado y considerado profundamente para
15
elegir el mejor camino a seguir segn las diferentes alternativas y operaciones.

Tambin es de vital importancia para la administracin ya que contribuye a
mantener la armona y coherencia del grupo, y por ende su eficiencia.
En la Toma de Decisiones bajo condiciones de certeza, incertidumbre y riesgo,
considerar un problema y llegar a una conclusin vlida, significa que se han
examinado todas las alternativas y que la eleccin ha sido correcta. Dicho
pensamiento lgico aumentar la confianza en la capacidad para juzgar y controlar
situaciones.
Uno de los enfoques ms competitivos de investigacin y anlisis para la toma de
las decisiones es la investigacin de operaciones. Puesto que esta es una
herramienta importante para la administracin de la produccin y las operaciones.
La toma de decisiones, se considera como parte importante del proceso de
planeacin cuando ya se conoce una oportunidad y una meta, el ncleo de la
planeacin es realmente el proceso de decisin, por lo tanto dentro de este
contexto el proceso que conduce a tomar una decisin se podra visualizar de la
siguiente manera:
- Elaboracin de premisas.
- Identificacin de alternativas.
- Evaluacin de alternativas en trminos de la meta deseada.
- Eleccin de una alternativa, es decir, tomar una decisin.
Cuando el administrador ha considerado las posibles consecuencias de sus
opciones, ya est en condiciones de tomar la decisin. Debe considerar tres
trminos muy importantes. Estos son: maximizar, satisfacer y optimizar.
- Maximizar: es tomar la mejor decisin posible
- Satisfacer: es la eleccin de la primera opcin que sea mnimamente aceptable o
adecuada, y de esta forma se satisface una meta o criterio buscado.
- Optimizar: Es el mejor equilibrio posible entre distintas metas.
16
Ejercicio
La vendedora de peridicos Phyllis Pauley, debe determinar cuntos peridicos
debe comprar al da, si paga a la compaa $20 unidades/monetarias por cada
ejemplar y lo vende a $25 unidades/monetarias. Los peridicos que no se venden
al final del da no tiene valor alguno, ella sabe que cada da puede vender entre 6
y 10 ejemplares, cada una con probabilidad x, es decir, la misma probabilidad de
que ocurra. Demuestre como se ajusta al modelo.
Solucin En este ejemplo, los elementos de
posibles
de
la
que
demanda
diaria
de
son los valores

peridicos.
Se
sabe
. Phyllis debe elegir una accin (el numero de
peridicos que debe ordenar cada da) de
. Si Phyllis compra i
ejemplares y la demanda es de j, entonces se compran i ejemplares a un costo de

$20i, y min (i, j) peridicos de venden a $25 cada uno. As, si Phyllis compra i
peridicos y se venden j, obtiene una ganancia neta de Rij, donde
(i<=j)
(i>=j)
Ejemplo:
1er Criterio Maxi-Min: elige la accin ai con el valor ms grande de minjsRij. Este
criterio recomienda ordenar 6 peridicos para obtener un beneficio de $30
unidades/monetarias.
17
2do Criterio Maxi-Max: elige la accin ai con el valor ms grande de maxjsRij. Este
criterio recomienda ordenar 10 peridicos para obtener un beneficio de $50
3er Criterio Arrepentimiento Mini-Max: utiliza el concepto costo de oportunidad para
llegar a una decisin, elige la accin ai y el estado sj, la perdida de oportunidad o
arrepentimiento para ai en sj es ri*(j),j-Rij. Este criterio recomienda entre 6 o 7
peridicos
para
no
arrepentirse
de
mayores
prdidas
sino
de
$20
4to Criterio Valor Esperado: elige la accin que produce la recompensa esperada
ms grande. Este criterio recomienda ordenar entre 6 o 7 peridicos para obtener
una ganancia de $30 unidades/monetarias.
18
EJEMPLO 2
Veamos
el
Ejemplo
de
la
Vendedora
de
Peridicos:
La vendedora Phyllis Pauley vende peridicos y todos lo das debe determinar

cuntos peridicos pedir. Ella paga a la compaa $20 por cada ejemplar y los
vende a $25 cada uno. Los peridicos que no se venden al terminar el da no
tienen valor alguno. Phyllis sabe que cada da puede vender entre 6 y 10
ejemplares, cada uno con una probabilidad equiprobable. Demostrar cmo se
ajusta
este
problema
en
el
modelo
del
estado
del
mundo.
Solucin: Se tiene entonces que los posibles valores de la demanda diaria son
{6,7,8,9,10} y se sabe que P6=P7=P8=P9=P10=1/5. Phylis debe elegir una accin,
es decir el nmero de peridicos que debe ordenar cada da. Ella los compra a 20
y
los
vende
25.
En primer lugar se tiene la siguiente tabla que muestra los premios para la
vendedora:
Tabla 1
Ahora analicemos cada uno de los criterios que se pueden usar para elegir una
accin:
El criterio MaxiMin recomienda ordenar 6 peridicos. Con esto se asegura que
Phyllis, sin importar el estado del mundo obtendr una ganancia de por lo menos
19
$30, lo que quiere decir que si sigue este criterio nunca va a tener menos de 30
pero nunca har ms de 30. De la tabla 1 se escoge los peores resultados y de
ellos el mejor, entonces se obtiene:
Tabla 2
El criterio MaxiMax recomendara ordenar 10 peridicos. En la mejor situacin,
cuando la demanda sea de 10 obtendr una ganancia de $50. Tomar una decisin
con este criterio deja a Phyllis expuesta a la posibilidad de que solo venda 6
ejemplares, en cuyo caso pierde $50. De la tabla 1 se escoge los mejores
resultados y de ellos el mejor, entonces se obtiene:
Tabla 3
El criterio de Arrepentimiento MiniMax recomendara pedir 6 7 peridicos. En
primer lugar se halla la matriz de arrepentimiento que es lo que se estara dejando
de ganar en cada accin.
20
Tabla 4. Matriz de Arrepentimiento

De la tabla 4 se escogen los mximos arrepentimientos y de ellos se elige el
mnimo, entonces se obtiene:
Tabla 5
El criterio del Valor Esperado recomendara ordenar 6 7 peridicos. En primer
lugar se calcula el valor esperado de cada accin y luego se escoge el valor ms
alto, entonces se obtiene:
"El arrepentimiento es igual al valor esperado".
EJEMPLO 3
21
Compaa de Productos Barranquilla investiga la posibilidad de producir y

mercadear cobertizos de almacenamientos para patios. Al llevar a cabo este
proyecto necesitara de la construccin de una planta manufacturera grande o
pequea. El mercado para el producto fabricado (cobertizos de almacenamiento)
puede ser favorable o desfavorable. Tiene desde luego la opcin de no desarrollar
el nuevo producto.
Primera parte: Un rbol de decisin es la representacin grfica de un proceso de
decisin que indica alternativas, estados naturales y sus probabilidades
respectivas, as como los resultados para la combinacin de alternativas y estados
naturales. Pasos: 1. Definir el problema. 2. Estructurar o dibujar el rbol de
decisin. 3. Asignar probabilidades a los estados naturales. 4. Estimar resultados
para cada posible combinacin de alternativas y estados naturales. 5. Resolver el
problema. Con un mercado favorable, una instalacin grande proporcionara una
utilidad neta $20.000. Si el mercado es desfavorable producira una prdida neta
de $180.000. Una planta pequea acarreara una utilidad neta de $100.000 en un
mercado favorable pero una prdida neta de $20.000 si el mercado fuera
desfavorable.
El gerente de la Compaa cree que la probabilidad de un mercado favorable es
exactamente la misma que la de un mercado desfavorable; esto es, cada estado
natural tiene una oportunidad de 0,50.
Segunda parte: Si el gerente decide realizar una encuesta de mercado cuyo costo
asciende a $10.000. El nodo del estado natural 1 tiene dos ramas que salen de l.
Digamos que hay una oportunidad del 45% de que los resultados de la encuesta
indiquen un mercado favorable para los cobertizos de almacenamiento. Habr
entonces una probabilidad del 55% de que los resultados de la encuesta sean
negativos. El 78% de probabilidad de un mercado favorable para los cobertizos
dado un resultado positivo de la encuesta de mercado. Por supuesto que se puede
encontrar una alta probabilidad de un mercado desfavorable, dado que la
investigacin determin que el mercado era bueno. No se debe olvidar, de
22
cualquier forma, que existe una oportunidad de que la encuesta de mercado de

$10.000 no haya tenido informacin perfecta o ni siquiera confiable, cualquier
estudio de investigacin est sujeto a error. En este caso existe una oportunidad
del 22% de que el mercado para cobertizos sea desfavorable aunque los
resultados de la encuesta sean positivos.
De la misma forma, hay una oportunidad del 27% de que el mercado de cobertizos
sea favorable si los resultados de la encuesta sean negativos. La probabilidad es
mucho ms alta, 73% de que el mercado sea en realidad desfavorable dado que la
encuesta sea negativa.
5.3.3 Prdida de oportunidad esperada (POE):

a) Configure una matriz de beneficios de la prdida tomando el nmero ms alto
de las columnas correspondientes a los estados de la naturaleza (digamos, L) y
rstele todos los nmeros de esa columna, L - Xij.
b) Para cada accin, multiplique la probabilidad y las prdidas, luego agrguelas a
cada accin,
c) Seleccione la accin con el POE ms pequeo
Matriz de Beneficios de Prdida

C (0,4)
CM (0,2)
SC(0,3)
B (0,1)
Bonos
0,4(15-12) + 0,2(8-8) + 0,3(7-6) + 0,1(7-3)
Acciones 0,4(15-15) + 0,2(8-7) + 0,3(7-3) + 0,1(7+2)
Depsito 0,4(15-7) + 0,2(8-7) + 0,3(7-7) + 0,1(7-7)
POE
1,9 *
2,3
3,4
Clculo del Valor Esperado de la Informacin Perfecta (VEIP)
23
El VEIP nos ayuda a considerar el valor que tienen las personas informadas (por
ejemplo, el demonio), que son las dueas de la informacin perfecta. Recuerde
que el VEIP = POE.
a) Tome el beneficio mximo de cada estado de la naturaleza,
b) Multiplique cada uno por la probabilidad de que ocurra ese estado de la
naturaleza y luego smelos,
C
CM
SC
B
15(0,4)
8(0,2)
7(0,3)
7(0,1)
+
=
=
=
=
6,0
1,6
2,1
0,7
---------10,4
VEIP = 10,4 - Beneficio Esperado = 10,4 8,5 = 1,9. Verifique si la PEO = VEIP
Por lo tanto, si la informacin cuesta ms del 1.9% de la inversin no la compre.
Por ejemplo, si usted va a invertir $100.000, el mximo que deber pagar por la
informacin que compre ser de [100.000 * (1,9%)] = $1.900.
Yo no s nada: Todos los estados de la naturaleza tienen igual probabilidad.
Como yo no s nada sobre la naturaleza, todo es igualmente probable (Laplace):
a) Para cada estado de la naturaleza ponga una probabilidad igual (es decir,
probabilidad plana),
b) Multiplique cada nmero por la probabilidad,
C
CM
SC
Bonos
0,25(12) 0,25(8) 0,25(6)
Acciones 0,25(15) 0,25(7) 0,25(3)
Depsito 0,25(7) 0,25(7) 0,25(7)
B
0,25(3)
0,25(-2)
0,25(7)
24
Beneficio esperado
7,25 *
5,75
7
c) Aada filas de cursos de accin y complete la columna Beneficio Esperado,

d) Elija el nmero mximo en Paso c, y adopte ese curso de accin.
Una Discusin Acerca de la Posibilidad de Prdida esperada
(Arrepentimiento Esperado): Comparando el resultado de una decisin con
respecto a sus alternativas aparenta ser un componente importante en el proceso
de toma de decisiones. Un factor importante es el sentimiento de arrepentimiento.
Este ocurre cuando los resultados de las decisiones son comparados a los
resultados que se hubieran obtenidos si se hubiera tomado una decisin diferente.
Esto significa un contrastante desacuerdo, el cual resulta de la comparacin de
resultados como consecuencia de la misma decisin.
Los resultados de arrepentimiento es la comparacin de lo que se ha obtenido de
una decisin con respecto a lo que hubiese ocurrido. Por lo tanto, esto depende de
la disponibilidad de respuestas que reciben los tomadores de decisiones con
respecto al resultado de la opcin alternativa hubiera generado. Alterando el
potencial de arrepentimiento mediante la manipulacin de la resolucin de la
incertidumbre revela que el comportamiento de la toma de decisin que aparenta
aversin al riesgo puede de hecho ser atribuida a la aversin al arrepentimiento.
No existe indicativo de que el arrepentimiento pueda estar relacionado a la
distincin entre actos y omisin. Algunos estudios han encontrado que el
arrepentimiento es ms intenso siguiendo una accin, que a una omisin. Por
ejemplo, en un estudio, los participantes concluyeron que un tomador de
decisiones que intercambia acciones de una compaa a otra y pierde dinero, se
sentir mas arrepentido que otro que no intercambia acciones pero que
igualmente pierde dinero. Las personas normalmente asignan un mayor valor a un
resultado inferior proveniente de una accin mas que al de una omisin.
Presumiblemente, esta una manera de contrarrestar el arrepentimiento que podra
resultar de una accin.
A usted podra gustarle utilizar el JavaScript E-lab de Tomando Decisiones
Riesgosas para comprobar sus resultados, y realizar experimentaciones numrica
25
para una comprensin mas profunda, y anlisis de estabilidad de sus decisiones

mediante la alteracin de los parmetros del problema.
Cmo tomar una mejor decisin comprando informacin confiable (Abordaje

de Bayes)
En muchos casos, el decisor puede necesitar la opinin de un especialista para
reducir sus incertidumbres con respecto a la probabilidad de cada uno de los
estados de la naturaleza. Por ejemplo, consideremos el siguiente problema de
decisin concerniente a la produccin de un nuevo producto:
A1 (desarrollar)
A2 (no desarrollar)
Estados de la naturaleza
Mucha venta Venta media Poca venta
A(0,2)
B(0,5)
C(0,3)
3000
2000
-6000
0
0
0
Las probabilidades de los estados de la naturaleza representan los distintos

grados que tiene el criterio del decisor (por ejemplo, un gerente) con respecto a la
ocurrencia de cada estado. Nos referiremos a estas evaluaciones subjetivas de la
probabilidad como probabilidades "a priori".
El beneficio esperado de cada curso de accin es A1 = 0,2(3000) + 0,5(2000) +
0,3(-6000) = -$200 y A2 = 0; entonces elegimos A2, que significa que no
desarrollamos.
Sin embargo, el gerente se siente algo reacio a tomar esta decisin; por ello
solicita la asistencia de una firma de investigacin de mercado. Ahora nos
enfrentamos a una nueva decisin. Es decir, con cul firma de investigacin de
mercado debe consultar su problema de decisin. De esta manera es que el
26
gerente debe tomar una decisin acerca de cun "confiable" es la firma consultora.
Mediante muestreo y luego analizando el desempeo previo de la consultora
debemos desarrollar la siguiente matriz de confiabilidad:
Qu sucedi realmente en el pasado
A
B
C
Lo que el
consultor
predijo
Ap
0,8
0,1
0,1
Bp
Cp
0,1
0,1
0,9
0,0
0,2
0,7
Todas las Firmas de Investigacin de Mercado llevan registros (es decir,

conservan datos histricos) del desempeo alcanzado en relacin con las
predicciones anteriores que hubieren formulado. Estos registros los ponen a
disposicin de sus clientes sin cargo alguno. Para construir una matriz de
confiabilidad debe tomar en consideracin los "registros de desempeo" de la
Firma de Investigacin de Mercado correspondientes a los productos que tienen
mucha venta, y luego hallar el porcentaje de los productos que la Firma predijo
correctamente que tendran mucha venta, venta media y poca o ninguna venta.
Estos porcentajes se representan como P(Ap|A) = 0,8, P(Bp|A) = 0,1, P(Cp|A) = 0,1,
en la primera columna de la tabla anterior, respectivamente. Se debe efectuar un
anlisis similar para construir las otras columnas de la matriz de confiabilidad.
Observe que para fines de consistencia, las entradas de cada columna en la
matriz de confiabilidad deberan sumar uno.
a) Tome las probabilidades y multiplquelas "hacia abajo" en la matriz, y luego
smelas:
b) SUMA es el resultado de sumar en sentido horizontal.
c) Es necesario normalizar los valores (es decir, que las probabilidades sumen 1)
dividiendo el nmero de cada fila por la suma de la fila hallada en el paso b.
0,2
A
0,5
B
0,3
C
SUMA
27
0,2(0,8) = 0,16 0,5(0,1) = 0,05 0,3(0,1) = 0,03 0,24

0,2(0,1) = 0,02 0,5(0,9) = 0,45 0,3(0,2) = 0,06 0,53
0,2(0,1) = 0,02 0,5(0) = 0
0,3(0,7) = 0,21 0,23
A
B
C
(0,16/0,24)=0,667 (0,05/0,24)=0,208 (0,03/0,24)=0,125
(0,02/0,53)=0,038 (0,45/0,53)=0,849 (0,06/0,53)=0,113
(0,02/0,23)=0,087 (0/0,23)=0
(0,21/0,23)=0,913
A usted podra gustarle utilizar el JavaScript E-lab de Aspectos Computacionales
de la Probabilidad de Revisada de Bayes para comprobar sus clculos, realizar
experimentaciones numricas, y realizar anlisis de estabilidad de sus decisiones
mediante la alteracin de los parmetros del problema.
d) Dibuje el rbol de decisiones. Muchos ejemplos gerenciales, como el de este
ejemplo, involucran una secuencia de decisiones. Cuando una situacin de
decisin requiere que se tome una serie de decisiones, el abordaje de la tabla de
pago puede no dar cabida a las mltiples capas de decisiones. Para ello se aplica
el rbol de decisiones.
5.3.4 VALOR ESPERADO DE LA INFORMACIN

PERFECTA (VEIP)
Si se pudiera contar con un predictor perfecto, se podra seleccionar por anticipado el curso
de accin ptimo correspondiente a cada evento pronosticado. Ponderando la utilidad
correspondiente a cada curso de accin ptimo por la probabilidad de ocurrencia de cada
evento se obtiene la utilidad esperada contando con informacin perfecta. El VEIP puede
considerarse como una medida general del impacto econmico de la incertidumbre en el
problema de decisin. Es un indicador del valor mximo que convendra pagar por
conseguir informacin adicional antes de actuar. El VEIP tambin da una medida
de las oportunidades perdidas. Si el VEIP es grande, es una seal para qu quien toma la
decisin busque otra alternativa que no se haya considerado hasta el momento.
MTODOS DE ENCONTRAR EL VEIP EN UN EJERCICIO:
Mtodo 1:
28
VEIP = V* - MVE
En el ejemplo la pregunta es: Cunto ganara si conociera la informacin? Una
forma de conocer el futuro, o sea el resultado del programa de TV, es realizar una
Investigacin de mercado. Si se cul es mi ganancia con informacin perfecta,
puedo saber cunto estoy dispuesto a pagar para obtener esa informacin perfecta. Del
caso anterior, se obtuvo que la ganancia esperada sin informacin perfecta es de
43,000 dlares. Para obtener la ganancia esperada con informacin perfecta, puedo usar el
siguiente esquema:
Resultado futuro La mejor decisin Ganancia DA F 130DM C 45DB C
EJEMPLO:
Esta conclusin es corroborada por los clculos de los valores esperados con y sin
informacin perfecta. En el grafico 106 se aprecia que la informacin perfecta
sobre el Investigar VPN Coste unitario de produccin ndice de potencia
Comercializar
29
costo unitario, es decir, saber el valor de esta variable antes de tomar la decisin,
le permitir a GULP obtener un VPN esperado de $38.5 millones, con una
probabilidad de 0.25; un VPN esperado de $16 millones, con una probabilidad de
0.50; y un VPN esperado de $5.3 millones, con una probabilidad de 0.25. Luego,
el valor esperado con informacin perfecta sobre el costo unitario (VECIP(c)) es
de: VECIP(c) = 38.5 (0.25) + 16(0.50)
5.3 (0.25) = 18.9 millones El incremento en el VPN esperado debido a la

disponibilidad de informacin perfecta, estar dado por: VEIP(c) = VECIP(c)
VESIP Dnde: VEIP(c): valor esperado de la informacin perfecta de c VESIP:

valor esperado sin informacin perfecta El valor esperado sin informacin perfecta
calculado en el captulo anterior (grafico 99), es de $ 18.9 millones; por lo tanto, el
VEIP(c) es cero. Dado este resultado, el analista recomend no buscar
30
informacin adicional sobre el costo de produccin unitario del nuevo aditivo, ya

que no tendr ningn valor no importa cun buena sea.
VALOR ESPERADO DE LA INFORMACIN PERFECTA (VEIP)

Si se pudiera contar con un predictor perfecto, se podra seleccionar por anticipado el curso
de accin ptimo correspondiente a cada evento pronosticado. Ponderando la utilidad
correspondiente a cada curso de accin ptimo por la probabilidad de ocurrencia de cada
evento se obtiene la utilidad esperada contando con informacin perfecta. El VEIP puede
considerarse como una medida general del impacto econmico de la incertidumbre en el
problema de decisin. Es un indicador del valor mximo que convendra pagar por
conseguir informacin adicional antes de actuar. El VEIP tambin da una medida
de las oportunidades perdidas. Si el VEIP es grande, es una seal para que quien toma la
decisin busque otra alternativa que no se haya considerado hasta el momento.
MTODOS DE ENCONTRAR EL VEIP EN UN EJERCICIO:
Mtodo 1:
VEIP = V* - MVE
En el ejemplo la pregunta es: Cunto ganara si conociera la informacin? Una
forma de conocer el futuro, o sea el resultado del programa de TV, es realizar una
Investigacin de mercado. Si se cul es mi ganancia con informacin perfecta,
puedo saber cunto estoy dispuesto a pagar para obtener esa informacin perfecta. Del
caso anterior, se obtuvo que la ganancia esperada sin informacin perfecta es de
43,000 dlares. Para obtener la ganancia esperada con informacin perfecta, puedo usar el
siguiente esquema:
Resultado futuro La mejor decisin Ganancia DA F 130DM C 45DB C
EJMPLO
31
Esta conclusin es corroborada por los clculos de los valores esperados con y sin
informacin perfecta. En el grafico 106 se aprecia que la informacin perfecta
sobre el Investigar VPN Coste unitario de produccin ndice de potencia
Comercializar
costo unitario, es decir, saber el valor de esta variable antes de tomar la decisin,
le permitir a GULP obtener un VPN esperado de $38.5 millones, con una
probabilidad de 0.25; un VPN esperado de $16 millones, con una probabilidad de
0.50; y un VPN esperado de $5.3 millones, con una probabilidad de 0.25. Luego,
el valor esperado con informacin perfecta sobre el costo unitario (VECIP(c)) es
de: VECIP(c) = 38.5 (0.25) + 16(0.50)
5.3 (0.25) = 18.9 millones El incremento en el VPN esperado debido a la

disponibilidad de informacin perfecta, estar dado por: VEIP(c) = VECIP(c)
32
VESIP Dnde: VEIP(c): valor esperado de la informacin perfecta de c VESIP:

valor esperado sin informacin perfecta El valor esperado sin informacin perfecta
calculado en el captulo anterior (grafico 99), es de $ 18.9 millones; por lo tanto, el
VEIP(c) es cero. Dado este resultado, el analista recomend no buscar
informacin adicional sobre el costo de produccin unitario del nuevo aditivo, ya
que no tendr ningn valor no importa cun buena sea.
Una alternativa aproximada para maximizar el valor monetario

esperado (EMV) es minimizar la prdida de la oportunidad
esperada ( EOL) la oportunidad perdida algunas veces llamada
de arrepentimiento se refiere a la diferencia entre el beneficio
ptimo y el actual resultado recibido, en otras palabras es la
cantidad perdida por no seleccionar la mejor alternativa.
Lo mnimo de la prdida de la oportunidad esperada
fundamentar la construccin de una tabla de oportunidad perdida
y computar la perdida de la oportunidad esperada para cada
alternativa. Vamos a ver como se procede para el caso de
maderas la Cafetera.
PASO 1:
El primer paso para crear la tabla de la perdida de la oportunidad
esperada, es hacerla para determinar la perdida de la
oportunidad por no escoger la mejor alternativa para cada
estado de naturaleza. La perdida de la oportunidad para ningn
estado de naturaleza o ninguna columna del mejor resultado en
la misma columna para un mercado favorable el mejor resultado
final es de $200.000 como el resultado para la primera
alternativa, edificando una amplia facilidad. Para un mercado no
favorable el mejor resultado final es de $0. Como el resultado
33
para la tercera alternativa, ningn hecho.

La prxima tabla ilustra estas comparaciones.
PASO 2:
EOL es computado por la multiplicacin de la probabilidad de
cada estado de naturaleza adecuado al valor de la oportunidad
perdida.
EOL ( AMPLIA FACILIDAD EDIFICADA)
( .5 ) ( $0 ) + ( .5 ) ( $180.000 ) = $90.000.
EOL ( PEQUEA FACILIDAD EDIFICADA )
( .5 ) ( $100.000 ) + ( .5 ) ( $20.000 ) =
$60.000.
EOL ( SIN FACILIDADES )
.5 ) ( $200.000 ) + ( .5 ) ( $0 ) = $ 100.000
Usando el mnimo de EOL como criterio de decisin, la mejor

decisin puede ser la segunda alternativa, elaborando una
pequea facilidad.
Es importante anotar que el mnimo de EOL podr siempre
resultar la misma decisin con el mximo EMV y que el siguiente
vnculo siempre posee a EVPI = al mnimo de EOL, refirindose
al caso de la Cafetera, EVPI = 4 60.000 = al mnimo de EOL.
TABLA: OPORTUNIDADES PERDIDAS DETERMINADAS POR
MADERAS LA CAFEFETERA
ESTADO DE NATURALEZA
MERCADO
MERCADO NO
34
FAVORABLE
$200.000
FAVORABLE
- $200.000
$200.000 $200.000 -
$100.000
$0
$0
$0
$0
(-
$180.000)
(-$20.000)
$0
TABLA : OPORTUNIDADES PARA MADERAS LA CAFETERA

ESTADO DE NATURALEZA
MERCADO
FAVORABLE
ALTERNATIVAS
($)
------------------------- --------------AMPLIA FACILIDAD
200.000
PEQUEA
100.000
FACILIDAD
SIN FACILIDAD
0
------------------------- ---------------PROBABILIDADES
.50
MERCADO
NO
FAVORABLE
($)
-----------180.000
20.000
0
-----------.50
5.3.5 ARBOLES DE DECISION

Un rbol de decisin es una forma grfica y analtica de representar todos los
eventos (sucesos) que pueden surgir a partir de una decisin asumida en cierto
momento.
Nos ayudan a tomar la decisin ms acertada, desde un punto de vista
probabilstico, ante un abanico de posibles decisiones.
Permite desplegar visualmente un problema y organizar el trabajo de clculos
que deben realizarse.
35
Terminologa
Nodo de decisin: Indica que una decisin necesita tomarse en ese punto del
proceso. Est representado por un cuadrado.
Nodo de probabilidad: Indica que en ese punto del proceso ocurre un evento
aleatorio. Est representado por un crculo.
Rama: Nos muestra los distintos caminos que se pueden emprender cuando
tomamos una decisin o bien ocurre algn evento aleatorio.
36
Pasos para el Anlisis del rbol de Decisin

Definir el problema.
Dibujar el rbol de decisin.
Asignar probabilidades a los eventos aleatorios.
Estimar los resultados para cada combinacin posible de alternativas.
37
Resolver el problema obteniendo como solucin la ruta que proporcione la

poltica ptima.
Ejemplo
Una compaa de seguros nos ofrece una indemnizacin por accidente de
210.000$. Si no aceptamos la oferta y decidimos ir a juicio podemos
obtener 185.000$, 415.000$ o 580.000$ dependiendo de las alegaciones que el
juez considere aceptables. Si perdemos el juicio, debemos pagar las costas que
ascienden a 30.000$. Sabiendo que el 70% de los juicios se gana, y de
stos, en el 50% se obtiene la menor indemnizacin, en el 30% la intermedia y en
el 20% la ms alta, determinar la decisin ms acertada.
38
Un problema algo ms complejo:

Una fbrica est evaluada en 150 millones. La fbrica desea incorporar un nuevo
producto al mercado. Existen tres estrategias para incorporar el nuevo producto:
39
Alternativa 1 Hacer un estudio de mercado del producto de forma de determinar si

se introduce o no al mercado.
Alternativa 2 Introducir inmediatamente el producto al mercado (sin estudio).
Alternativa 3 No lanzar inmediatamente el producto al mercado (sin estudio).
En ausencia de estudio de mercado, la fbrica estima que el producto tiene un
55% de posibilidades de ser exitoso y de 45% de ser un fracaso. Si el producto es
exitoso, la fbrica aumentara en 300 millones su valor, si el producto fracasa se
devaluara en 100 millones. El estudio de mercado vale 30 millones. El estudio
predice que existe un 60% de probabilidad de que el producto sea exitoso. Si el
estudio de mercado determina que el producto sera exitoso, existe un 85% de
posibilidades de que efectivamente lo sea. Si el estudio de mercado determina que
el producto sera un fracaso, existe slo un 10% de posibilidades de que el
producto sea exitoso. Si la empresa no desea correr riesgos (desea maximizar el
valor esperado de la empresa).
Qu estrategia debera seguir?
40
41
5.3.6 PROBABILIDADES POSTERIORES

Probabilidades a posteriori (de Bayes). Las probabilidades utilizadas en el criterio
del valor esperado se suelen estimar a partir de datos histricos (vea la seccin
14.5). En algunos casos la precisin de estas estimaciones puede mejorarse por
medio de experimentacin adicional. Las probabilidades resultantes se conoce
como probabilidades a posteriori (o de Bayes), en contraste con las probabilidades
a prioridades determinadas a partir de datos duros sin procesar.
f(x) = L
200
x2 , 100 x 200
0, de otro modo
42
Aplicacin de la vida real. Problema de Casey: Interpretacin y evaluacin

de un nuevo examen
Un examen de deteccin de un recin nacido, de nombre Casey, revela una
deficiencia de la enzima C14:1. La enzima se requiere para digerir una forma
particular de grasas de cadena larga, y su ausencia podra conducir a una
enfermedad grave o a una muerte misteriosa (catalogada comnmente bajo el
sndrome de muerte repentina infantil, o SIDS por sus siglas en ingls). El examen
se haba administrado antes a aproximadamente 13,000 recin nacidos, y Casey
fue el primero en dar positivo. Aun cuando el
examen de deteccin por s mismo no constituye un diagnstico definitivo, la
extrema rareza de la condicin llev a los doctores a concluir que haba 80-90%
de probabilidades de que padeciera esta deficiencia. Dado que Casey dio positivo,
se utiliza la probabilidad a posteriori de Bayes para valorar si la beb sufre o no de
deficiencia de C14:1.
Este ejemplo demuestra cmo se modifica el criterio del valor esperado para
aprovechar
las
probabilidades
posteriori.
En
el
ejemplo
15.2-1,
las
probabilidades (anteriores) de .6 y .4 de un mercado alcista y un mercado

bajista se determinan a partir de publicaciones financieras disponibles. Suponga
que en lugar de depender nicamente de estas publicaciones, usted decidi
conducir una investigacin ms personal al consultar a un amigo que se
desempea bien en el mercado de valores. El amigo cuantifica una
recomendacin de invertir a favor/o en contra, de la siguiente manera: En un
mercado alcista, hay 90% de probabilidades de que la recomendacin sea a
favor. Se reduce a 50% en un mercado bajista. Cmo afecta la informacin
adicional a la decisin? La afirmacin del amigo proporciona probabilidades
condicionales de las recomendaciones a favor y en contra dado que los
estados de la naturaleza son mercados alcista y bajista. Defina
43
v1 5Voto a favor
v2 5Voto en contra
m1 5 Mercado alcista
m2 5 Mercado bajista
Por lo tanto, la afirmacin del amigo se escribe en la forma de enunciados de

probabilidad como
P{v1| m1} = .9, P{v2| m1} = .1
P{v1| m2} = .5, P{v2| m2} = .5
Con esta representacin el problema de decisin se resume como:
1. Si la recomendacin del amigo es a favor, invertira en la accin A o en la
accin B?
2. Si la recomendacin del amigo es en contra, invertira en la accin A o en la
accin B?
El rbol de decisiones que aparece en la figura 15.5 representa el problema. El
nodo 1 es un evento aleatorio que representa las posibilidades a favor y en
contra. Los nodos 2 y 3 son puntos de decisin para seleccionar entre las
acciones A y B, dadas las recomendaciones a favor y en contra,
respectivamente. Por ltimo, los nodos
44
4 a 7 son eventos aleatorios que representan los mercados alcista y bajista.

Para evaluar las diferentes alternativas en la figura 15.5 es necesario calcular las
probabilidades a posteriori P{mi|vj} mostradas en las ramas m1 y m2 de los nodos
4, 5, 6 y 7. Estas probabilidades a posteriori toman en cuenta la informacin
adicional proporcionada por la recomendacin a favor o en contra y se calculan
de acuerdo con los siguientes pasos generales:
Paso 1. Resuma las probabilidades condicionales P{vj|mi} en la siguiente forma

tabular:
Paso 2. Calcule las
probabilidades
conjuntas como
P{mi, vj} = P{vj| mi}P{mi}, para todas las i y j
Dadas las probabilidades a priori P{m1} 5 .6 y P{m2} 5 .4, las probabilidades
conjuntas se determinan multiplicando la primera y segunda filas de la tabla en el
paso 1 por .4, respectivamente; es decir,
45
Paso 3. Calcule las probabilidades absolutas como

P{vj} =sumatoria todas i P{mi, vj}, para todas las j
Estas probabilidades son las sumas en las columnas de la tabla del paso 2; es
decir,
Paso 4. Determine las probabilidades a posteriori deseadas como
Estas probabilidades se calculan dividiendo cada columna en la tabla del paso 2

entre la suma en la columna correspondiente en la tabla del paso 3, lo cual da
46
stas son las probabilidades utilizadas en la figura 15.5 y son diferentes de las
probabilidades previas
P{m1}= .6 y P{m2}= .4.
Ahora ya estamos listos para evaluar las alternativas basados a partir de las
retribuciones
esperadas para los nodos 4,5,6 y 7; es decir,
Recomendacin A favor
Accin A en el nodo 4 5 (5000 3 0.730) 1 (22000 3 0.270) 5 $3110
Accin B en el nodo 5 5 (1500 3 0.730) 1 (500 3 0.270) 5 1230
Decisin. Invertir en la accin A.
Recomendacin En contra
Accin A en el nodo 6 5 (5000 3 0.231) 1 (22000 3 0.769) 52$383
Accin B en el nodo 7 5 (1500 3 0.231) 1 (500 3 0.769) 5 $731
Decisin. Invertir en la accin B.
Las decisiones dadas equivalen a decir que las retribuciones esperadas en los
nodos de decisin
2 y 3 son $3110 y $731, respectivamente (vea la figura 15.5). Por lo tanto, dadas
las probabilidades
P{v1} 5 0.74 y P{v2} 5 0.26 como se calcularon en el paso 3, podemos calcular la
retribucin
esperada para todo el rbol de decisiones.
47
5.3.7 Funciones de utilidad.

En la seccin anterior el criterio del valor esperado se aplica a situaciones en que
la retribucin es dinero real. Hay casos en que debe aplicarse la utilidad en lugar
del valor real en el anlisis. Para ilustrar este punto, suponga que hay una
probabilidad 50-50 de que una inversin de $20,000 produzca una retribucin de
$40,000 o que se pierda. La retribucin esperada asociada es de ($40,000 x 0.5)
($20,000 x 0.5) = $10,000. Aunque hay una retribucin esperada neta,
diferentes
individuos interpretan de forma diferente el resultado. Un inversionista que desea
correr el riesgo puede realizar la inversin con 50% de probabilidades de obtener
una retribucin de $40,000. Por el contrario, quizs un inversionista conservador
no est dispuesto a correr el riesgo de perder $20,000. El concepto de funcin de
utilidad se ide para reflejar estas diferencias. La funcin de utilidad ocupa
entonces el lugar del dinero real en el modelo de toma de decisiones.
Cmo se cuantifica la actitud subjetiva ante el riesgo en la forma de una funcin
de utilidad? En la ilustracin anterior de inversin, la mejor retribucin es de
$40,000, y la peor de - $20,000. Podemos establecer una escala de utilidad, U, de
0 a 100 que especifique U(2 $20,000) = 0 y U($40,000) = 100. El valor de U para
un rendimiento de la inversin entre - $20,000 y $40,000 se determina como sigue:
Si la actitud del tomador de decisiones hacia el riesgo es neutra (indiferente),
entonces U puede representarse por medio de una lnea recta que une (0,
$20,000) y (100, $40,000). En este
caso, tanto el dinero real como su utilidad conducen a las mismas decisiones. De
manera
ms general, la funcin U puede adoptar otras formas que reflejan diferentes
actitudes
hacia el riesgo. La figura 15.6 ilustra los casos de los individuos X, Y y Z. El
individuo
Y es neutro ante el riesgo, el individuo X es adverso al riesgo (o precavido), y el
48
individuo Z es lo opuesto de X, es un propenso al riego. La figura demuestra que

para
el adverso al riesgo X, la reduccin de la utilidad bc correspondiente a una prdida
de
$10,000 es mayor que el incremento ab asociado con una ganancia de $10,000.
Lo contrario
funciona para el propenso al riesgo Z donde de > ef. Por lo general, un individuo
puede ser tanto propenso como adverso al riesgo, en cuyo caso la curva de
utilidad seguir
una forma de S alargada.
Curvas de utilidad similares a las demostradas en la figura 15.6 se determinan
cuantificando la actitud del tomador de decisiones hacia el riesgo, con diferentes
niveles
de efectivo. En nuestro ejemplo, el intervalo deseado es (-$20,000 a $40,000) con
U(-$20,000) = 0 y U($40,000) = 100. Para especificar los valores de U para
valores de
efectivo intermedio (por ejemplo,2$10,000, $0, $10,000, $20,000 y $30,000),
establecemos
una lotera para una suma de efectivo x cuya utilidad esperada es
Para determinar U(x), el tomador de decisiones debe formular una preferencia
49
entre una cantidad de efectivo garantizada x y la oportunidad de jugar una lotera

en la
que puede haber una prdida de $20,000 con probabilidad p y una utilidad de
$40,000
con probabilidad 1 - p. El valor de p refleja la neutralidad del tomador de
decisiones
(o indiferencia) hacia el riesgo. Por ejemplo, para x = $20,000, el tomador de
decisiones
puede pensar que un efectivo garantizado de $20,000 y la lotera con p = 0.8 son
igualmente atractivos. En este caso podemos calcular la utilidad de x = $20,000
como
U($20,000) = 100 - (100 * 0.8) = 20
Observe que los altos valores de p con la misma lotera reflejan la bsqueda del
riesgo
(en oposicin a la aversin al riesgo). Por ejemplo, con p = 0.2,
U($20,000) = 100 - (100 * 0.2) = 80
5. 4 TOMA DE DECISIONES BAJO CONDICIONES DE

INCERTIDUMBRE
En muchos problemas de decisiones se presentan variables que no estn bajo el
control de un competidor racional y acerca de las cuales quienes toman las
decisiones tiene poca o ninguna informacin sobre la base de la cual conocer el
estado de cosas futuras. La toma de decisiones bajo incertidumbre se presenta
cuando no puede predecirse fcilmente el futuro sobre la base de experiencias
pasadas. A menudo se presentan muchas variables incontrolables. Algunas veces
es posible consolidar los efectos de esas variables no controlables en trminos de
su distribucin de probabilidad.
50
5.4.1 CRITERIO MAXIMIN

La distincin entre riesgo e incertidumbre fue establecida por F. Knight en 1921,
quien en su obra Risk, Uncertainty and Profit se refera a la primera como aquella
situacin en la que no existe certeza sobre el resultado de la decisin, aunque se
conoce al menos la probabilidad de los distintos resultados alternativos.
En los procesos de decisin bajo incertidumbre, el decisor conoce cules son los
posibles resultados, aunque no dispone de informacin alguna sobre cul de ellos
ocurrir. Ejemplo:
La eleccin entre cara o cruz de una moneda, desconocemos de antemano el
resultado pero conocemos la probabilidad objetiva de las dos alternativas. El
proceso de toma de decisiones comienza con la identificacin del problema y de
los criterios de decisin, y la asignacin de ponderaciones para esos criterios;
procede despus a desarrollar, analizar y seleccionar una alternativa capaz de
resolver
el
problema.
Anlisis de la informacin:
Investigamos la situacin de partida

Identificar la variables del problema
Variable de decisin: Son las alternativas disponibles
Variable de estado: Estados de la naturaleza, estados futuros, ocurrencias
probables aleatorios.
Valorar las variables.
De forma cuantitativa si es posible.
De forma cualitativa si no hay ms alternativa
En las decisiones tomadas con pura incertidumbre o ignorancia total, el decisor no

tiene ningn conocimiento, ni siquiera de la probabilidad de ocurrencia de
cualquier estado de la naturaleza. En esta situacin nos basamos puramente en
su actitud hacia la incgnita. Algunos de estos comportamientos son los
optimistas, los pesimistas y los de arrepentimiento.
51
En la toma de decisiones importa la eleccin de un camino a seguir, por lo que en

un estadio anterior deben evaluarse alternativas de accin. Si estas ltimas no
estn presentes, no existir decisin.
El punto central en la toma de decisiones es el disponer de alternativas. Existen
algunos criterios para ayudarnos en la toma de decisin bajo incertidumbre.
Criterio Maximin, Pesimista o Wald
El criterio maximin supone maximizar el resultado mnimo, es decir, el decisor
quiere asegurarse la mejor eleccin en caso que se de la situacin ms
desfavorable. Es pesimista. Es til en situaciones muy inciertas, si se quiere evitar
riesgos o existe conflicto.
EJERCICIO
Supongamos que una empresa quiere realizar una campaa publicitaria. Se le
presentan 3 posibilidades:
o Radio (15 minutos de lunes a jueves en un espacio)
o
T.V. (1 Spot cada semana sobre las 12 horas)
Prensa (1 anuncio 2 das a la semana los lunes y los jueves)
Como han hecho campaas anteriormente se han podido valorar los

resultados de las diferentes posibilidades del siguiente modo.
Criterio Maximin, Pesimista o Wald
Con este criterio se escoge el mejor resultado de entre la peor situacin, en el
ejemplo el peor escenario es que la DEMANDA sea BAJA; y el mejor resultado de
este escenario es 25, el cual pertenece a la campaa publicitaria de PRENSA .
Conclusin: Con el criterio Pesimista se escoger la prensa como campaa
publicitaria.
Criterio Mximax, Optimista o Hurwicz

El criterio maximax consiste en maximizar el mximo; es decir; escoger el
52
resultado mximo entre los mejores de cada alternativa. El decisor es

optimista.
Criterio Mximax, Optimista o Hurwicz

En este criterio al contario del anterior, se escoge el mejor de los mejores,
es decir, se toma el mejor resultado de la mejor situacin u escenario. Si
vemos el mismo ejemplo se puede notar que la mejor situacin es que la
DEMANDA sea ALTA y el mejor resultado de ese rengln es 100, el cual
corresponde a la RADIO
Conclusin: Con el criterio Optimista se escoger la radio como campaa
publicitaria.
Criterio del Coeficiente de Optimismo-pesimismo

Este criterio se sita entre los dos anteriores. Partimos de un grado de
optimismo y de pesimismo relacionados del siguiente modo:
Coeficiente de optimismo=p;
Coeficiente de pesimismo=q; q=1-p
(donde p+q = 1 y 0<p<1)
Dentro de la misma alternativa o estrategia se considera el resultado mayor
de cada alternativa como p, mientras que el resultado menor ser q.
Se escoge el mayor tras ponderar los resultados esperados por los
coeficientes de optimismo y pesimismo.

Considerando el mismo ejemplo, con este criterio puede escogerse una
situacin intermedia entre el pesimismo y el optimismo, en donde debe
suponerse un determinado grado de optimismo y luego calcular el grado de
pesimismo.
Supondremos entonces que el grado de optimismo es de 60% lo que
equivale a 0,6.
Usando la formula anterior se tiene que q= 1-p q = 1- 0,6 q = 0,4
Entonces:
El valor mximo corresponde al optimismo p = 0,6
El valor mnimo corresponde al pesimismo q = 0,4
53

Entonces se tiene:
Optimismo = DEMANDA ALTA = P = 0,6
Pesimismo = DEMANDA BAJA = q = 0,4
Para calcular el punto medio entre el Optimismo y el Pesimismo que es lo
que se pretende con este criterio se realiza lo siguiente:
+
(*p)
(*q)

Obtenindose:
Se escoge el resultado mayor de las distintas alternativas que en este caso
es 68 y corresponde a la RADIO
+
+
+
Conclusin: Con el criterio Optimismo - Pesimismo se escoger la radio
como campaa publicitaria.
Criterio de Razn Suficiente o Laplace

En este criterio de incertidumbre, se espera que todas las situaciones de
futuro tendrn la misma posibilidad de suceder. Ante esta situacin se elige
el resultado medio ms elevado.
Criterio de Razn Suficiente o Laplace

Resultado medio RADIO = (100 + 40 + 20)/3 = 53,3
Resultado medio T.V. = ( 80 + 20 + 5)/3 = 35
Resultado medio PRENSA = ( 90 + 35 + 25)/3 = 50
Se toma el 53,3 por ser el valor ms elevado de todos los medios hallados.
Conclusin: Con el criterio de Razn Suficiente se escoger la radio como
campaa publicitaria.
Criterio Minimax, Coste de Oportunidad o Savage

El criterio Minimax plantea elegir en funcin de lo que se dejar de ganar.
54
Por tanto, en primer lugar debe calcularse el Mximo coste de oportunidad

de cualquier opcin y en segundo lugar, elegir el menor de ellos.

Para calcular el la matriz de costes de oportunidad se toma el valor mas
alto de cada columna y se resta por cada uno de los valores de ella misma.
DEMANDA ALTA: (100-100 = 0) (100-80 = 20) (100-90 = 10)
DEMANDA MEDIA : ( 40 - 40 = 0) (40-20 = 20) (40 - 35 = 5)
DEMANDA BAJA: ( 25 - 20 = 5) ( 25 - 5 = 20) (25 - 25 = 0)

La matriz de costes de Oportunidad queda de la siguiente manera:
Ya obtenida la matriz de costes de oportunidad se escoge entonces el
resultado menor el cual es 5.
EJERCICIOS DE TEORIA DE MAXIMAX

1. La vendedora Phyllis Pauley vende peridicos en la esquina de la
avenida Kirkwood y la calle Indiana, y todos los das debe determinar
cuntos peridicos pedir. Phyllis paga a la compaa $ 20 por cada ejemplar
y los vende a $ 25 cada uno. Los peridicos que no se venden al terminar el
da no tienen valor alguno. Phyllis sabe que cada da puede vender entre 6
y 10 ejemplares, cada uno con una posibilidad equis probable. Demuestre
cmo se ajusta este problema en el modelo del estado del mundo.
Solucin: En este ejemplo, los elementos de S = {6,7, 8, 9, 10} son los
valores posibles de la demanda diaria de peridicos. Se sabe que p 6 = p7
= p8 = p9 = p10 =1/5 y. Phyllis debe elegir una accin (el nmero de
peridicos que debe ordenar cada da) de A= {6, 7, 8, 9, 10}. Si Phyllis
compra i ejemplares y la demanda es de j, entonces se compran i
ejemplares a un costo de $ 20, y min (i, j) peridicos se venden a $ 25cada
uno. Para un mejor anlisis observe la tabla 1 donde se encuentran los
premios para la vendedora de peridicos. Demanda 6 7 8 9 10 6 30 30 30
30 30 Pedido 7 10 35 35 35 35 8 -10 15 40 40 40 9 -30 -5 20 45 45 10 -50
-25 0 25 50 Tabla 1Ahora analizaremos los cuatro criterios que se pueden
55
usar para elegir una accin. CRITERIO MAXIMIN. El criterio maximin

recomienda ordenar 6 peridicos. Con esto se asegura que Phyllis, sin
importar el estado del mundo, obtendr una ganancia de por lo menos$ 30.
El criterio maximin tiene que ver con hacer lo ms placentero que se pueda
el peor resultado posible. Infortunadamente, elegir una decisin para mitigar
el peor caso podra evitar que quien toma la decisin aproveche la buena
fortuna. Por ejemplo, si Phyllis sigue el criterio maximin, nunca obtendr
menos de $ 30,pero nunca har ms de $ 30.De la tabla 1 seleccionamos
de cada fila el menor de los valores y despus de esos seleccionados
escogemos el mayor para lo que obtenemos: Giusty Guerrero De La Hoz
Ing. Industrial
2. Peridicos Peor Premio en el ordenados estado peor estado 6 6,7,8,9,10

Mejor Peor 7 6 10 8 6 -10 9 6 -30 10 6 -50 Tabla 2CRITERIO MAXIMAX. El
criterio maximax recomendara ordenar 10 peridicos. En la mejor
situacin(cuando la demanda sea de 10 ejemplares), esto produce una
ganancia de 500.Por supuesto, tomar una decisin de acuerdo con el
criterio maximax deja a Phyllis expuesta a la desastrosa posibilidad de que
slo se vendan 6 ejemplares, en cuyo caso pierde 500.De la tabla 1
seleccionamos de cada fila el mayor de los valores y despus de esos
seleccionados escogemos el mayor para lo que obtenemos: Situacin que
Peridicos Premio en el produce mejor ordenados peor estado resultado 6
6,7,8,9,10 30 7 7,8,9,10 35 8 8,9,10 40 9 9,10 45 10 10 Mejor Tabla
3ARREPENTIMIENTO MINIMAX. El criterio maximax recomendara
ordenar 6 0 7 peridicos. En la tabla 4 se muestra la matriz de costo de
oportunidad o de arrepentimiento. Demanda 6 7 8 9 10 6 30 30 = 0 35
30 = 5 40 30 = 10 45 30 = 15 50 30 = 20Pedidos 7 30 10 = 20 35
35 = 0 40 35 = 5 45 35 = 10 50 35 = 15 8 30 + 10 = 40 35 15 = 20
40 40 = 0 45 40 = 5 50 40 = 10 9 30 + 30 = 60 35 + 5 = 40 40 20 =
20 45 45 = 0 50 45 = 5 10 30 + 50 = 80 35 + 25 = 60 40 0 = 40 45
25 = 20 50 50 = 0 Tabla 4
56
5.4.2 CRITERIO MAXIMAX

El gerente optimista maximizacin del pago mximo posible maximax el
optimista escoger la opcin de comprar mquina, ya que es la que produce el
mejor resultado (mayor cantidad de dinero) opciones posibles resultados r1 r2 r3
repara mquina 1.200.000 700.000 1.000.000 despide a operario 900.000
1.500.000 1.300.000 compra mquina 600.000 1.700.000 2.500.000 contrata a
otro op. 1.100.000 1.400.000 2.000.000 el gerente pesimista maximizacin del
pago mnimo posible este es el criterio ms conservador ya que est basado en
lograr lo mejor de las peores condiciones posibles. Frecuentemente opta por
abstenerse de negociar.
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de optimismo de las diferentes
alternativas:
Estados de la Naturaleza
Alternativas
Terreno
Aeropuerto en
Aeropuerto en
comprado
oi
13
- 12
13
-8
11
11
AyB
-1
Ninguno
La alternativa ptima segn el criterio maximax sera comprar la parcela en la

ubicacin A, pues proporciona el mayor de los niveles de optimismo.
57
Al utilizar el criterio maximax las prdidas pueden ser elevadas si no se presenta

el estado de la naturaleza adecuado. Adems, en ocasiones puede conducir a
decisiones pobres o poco convenientes. Por ejemplo, consideremos la siguiente
tabla de decisin, en la que se muestran los niveles de optimismo de las diferentes
alternativas.
Estados de la
Naturaleza
Alternativas
e1
e2
oi
a1
100
-10000
100
a2
99
99
99
El criterio maximax seleccionara la alternativa a1, aunque lo ms razonable

parece ser elegir la alternativa a2, ya que evitara las enormes prdidas de a1 en el
caso desfavorable, mientras que en el caso favorable la recompensa sera similar.
5.5 ANLISIS DE DECISIONES

Muchas veces las decisiones deben tomarse en entornos con mayor
incertidumbre. Por ejemplo:
Un fabricante introduce un nuevo producto al mercado. Cul ser la reaccin
potencial de los consumidores? Cunto debe producir? Debe probar el producto
en una regin pequea antes de decidir la distribucin completa? Cunta
publicidad necesita para lanzar el producto con xito?
58
Una empresa financiera invierte en certificados. Cules son los mejores

prospectos de certificados de sectores del mercado e individuales?
Hacia dnde va la economa? Cules son las tasas de inters?
Un contratista del gobierno presenta una licitacin. Cules sern los costos
reales del proyecto? Qu otras compaas estn en la licitacin? Cul es su
presupuesto probable?
El anlisis de decisiones est diseado para estudiar estos tipos de decisiones
con una gran incertidumbre. El anlisis de decisiones proporciona un marco de
trabajo y una metodologa para la toma de decisiones racional cuando los
resultados son inciertos.
Una pregunta que surge con frecuencia es si tomar la decisin necesaria en este
momento o primero hacer algunas pruebas (con cierto costo) para reducir el nivel
de incertidumbre sobre el resultado de la decisin. Por ejemplo, la prueba puede
ser realizar una promocin de prueba de un nuevo producto para ver la reaccin
del consumidor antes de tomar la decisin de proceder o no con la produccin y
comercializacin a gran escala del producto. Se hace referencia a esta prueba
como resultado de la experimentacin. Entonces, el anlisis de decisiones divide
la toma de decisiones en los casos sin experimentacin y con experimentacin.
Ejemplo Prototipo
La Goferbroke Company es duea de unos terrenos en los que puede haber
petrleo. Un gelogo consultor ha informado a la gerencia que piensa que existe
una posibilidad de 1 entre 4 de encontrar petrleo. Debido a esta posibilidad, otra
compaa petrolera ha ofrecido comprar las tierras en $90,000. Sin embargo, la
Geoferbroke est considerando conservarla para perforar ella misma. El costo de
perforacin es de $100,000. Si encuentra petrleo, el ingreso esperado ser de
$800,000; as, la ganancia esperada para la compaa (despus de reducir el
costo de la perforacin) ser de $700,000. Se incurrir en una prdida de
$100,000 (el costo de barrenar) sino se encuentra petrleo.
La tabla 15.1 resume los datos. Sin embargo, antes de decidir si perforar o vender,
otra opcin es llevar a cabo una exploracin sismolgica detallada en el rea para
obtener una mejor estimacin de la probabilidad de encontrar petrleo. Esta
59
compaa est operando sin mucho capital por lo que una prdida de $100,000
sera bastante seria.
Toma de Decisiones Sin Experimentacin
Antes de buscar una solucin al problema de la Goferbroke, se formular un
marco de referencia general para la toma de decisiones. En trminos generales, el
tomador de decisiones debe elegir una accin de un conjunto de acciones
posibles. El conjunto contiene todas las alternativas factibles bajo consideracin
para las distintas formas de proceder en el problema en cuestin.
Esta eleccin de una accin debe hacerse frente a la incertidumbre porque el
resultado se ver afectado por factores aleatorios que se encuentran fuera del
control del tomador de decisiones. Estos factores aleatorios determinan qu
situacin se encontrar en el momento en que se ejecute la accin. Cada una de
estas situaciones posibles se conoce como un estado de la naturaleza.
Para cada combinacin de una accin y un estado de la naturaleza, el tomador de
decisiones sobre cul sera el pago resultante. El pago es una medida cuantitativa
del valor de las consecuencias del resultado para el tomador de decisiones. Por
ejemplo, muchas veces el pago se representa por la ganancia monetaria neta
(utilidad), aunque tambin se puede usar otras medidas. Si las consecuencias del
resultado no son por completo ciertas aunque el estado de la naturaleza est
dado, el pago se convierte en un valor esperado (en el sentido estadstico) de la
medida de las consecuencias.
En general, se usa una tabla de pagos para dar el pago de cada combinacin de
accin y estado de la naturaleza.
El marco conceptual del anlisis de decisiones se puede resumir como:
El tomador de decisiones necesita elegir una de las acciones posibles.
La naturaleza elegir entonces uno de los estados de la naturaleza posibles.
Cada combinacin de una accin y un estado de la naturaleza da como resultado
un pago, que est dado como uno de los elementos de la tabla de pagos.
Esta tabla de pagos debe usarse para encontrar una accin ptima para el
tomador de decisiones segn un criterio adecuado.
El tomador de decisiones casi siempre tendr alguna informacin que debe tomar
60
en cuenta sobre la posibilidad relativa de los estados de la naturaleza. Es comn

que se pueda traducir esta informacin en una distribucin de probabilidad, si se
piensa que el estado de la naturaleza es una variable aleatoria, en cuyo caso esa
distribucin se conoce como distribucin a priori. Las distribuciones a priori con
frecuencia son subjetivas en el sentido de que pueden depender de la experiencia
o la intuicin de un individuo.
Las probabilidades para los respectivos estados de la naturaleza se llaman
probabilidades a priori.
Formulacin del ejemplo prototipo en este contexto
Como se indic en la Goferbroke Co. debe considerar dos acciones posibles:
perforar en busca de petrleo o vender el terreno. Los estados posibles de la
naturaleza son que el subsuelo contenga petrleo y que no sea as, esto se
designa en los encabezados de las columnas de la tabla como petrleo y que no
sea as, esto se designa en los encabezados de las columnas como petrleo y
seco. Debido a que el gelogo consultor ha estimado que existe 1 oportunidad
entre 4 de que haya petrleo (y por ende 3 oportunidades de 4 de que no lo haya),
las respectivas probabilidades a priori son 0.25 y 0.75. Por lo tanto, con las
unidades de pago en miles de dlares de ganancia, la tabla de pagos mostrada en
la tabla 15.1 se puede obtener directo en la tabla 15.2.
Se usar esta tabla de pagos para encontrar la accin ptima de acuerdo con
cada uno de los tres criterios que se describirn. En cada caso se emplear una
plantilla de Excel, donde sta acelera la introduccin de una tabla de pagos en el
formato de una hoja de clculo y la aplicacin del criterio.
Criterio del pago mximo
Si el problema del tomador de decisiones se viera como un juego contra la
naturaleza, entonces la teora de juegos dira que se seleccionara la accin de
acuerdo con el criterio minimax. Desde el punto de vista del jugador 1 (tomador de
decisiones), un nombre ms adecuado para este criterio es criterio del pago
mximo, como se resume.
Criterio del pago mximo: para cada accin posible, encuentre el pago mnimo
sobre todos los estados posibles de la naturaleza. Despus, encuentre el mximo
61
de estos pagos mnimo. Elija la accin cuyo pago mnimo corresponde a este
mximo.
La plantilla de Excel desplegada en la figura muestra la aplicacin de este criterio
al ejemplo prototipo. Entonces, como el pago mnimo por vender (90) es ms
grande que el de perforar (-100), se elegir la segunda accin (vender el terreno).
El razonamiento para este criterio es que proporciona la mejor garanta del pago
que se obtendr. Sin importar cul sea el estado de la naturaleza verdadero para
el ejemplo, el pago por vender el terreno no puede ser menor que 90, lo cual
proporciona la mejor garanta disponible.
As el criterio toma el punto de vista pesimista de que, sin importar qu accin se
elija, es posible que ocurra el peor estado de la naturaleza para esta accin, as,
debe elegirse la accin que proporcione el mejor pago para el peor estado de la
naturaleza.
Criterio de la mxima posibilidad
El siguiente criterio se refiere al estado ms probable de la naturaleza, como se
resume a continuacin.
Criterio de la mxima posibilidad: identifique el estado ms probable de la
naturaleza (aquel que tiene la probabilidad a priori ms grande). Para este estado
de la naturaleza, encuentre la accin con el mximo pago. Elija esta accin.
Al aplicar este criterio al ejemplo, la figura indica que el estado Seco tiene la mayor
probabilidad a priori. En la columna Seco, el pago mximo corresponde a la venta,
por lo que la eleccin es vender el terreno.
Lo que ms llama la atencin de este criterio es que el estado ms importante de
la naturaleza es el que tiene ms posibilidades de ocurrir, de manera que la accin
elegida es la mejor para este estado ms importante de la naturaleza. Basar la
decisin en la suposicin de que este estado de la naturaleza ocurrir tiende a dar
mejor posibilidad de un resultado favorable que la suposicin de cualquier otro.
Ms an, el criterio no se basa en estimaciones subjetivas cuestionables de las
probabilidades de los respectivos estados de la naturaleza que no sean el hecho
de identificar el estado ms probable.
62
La mayor desventaja del criterio es que ignora por completo mucha informacin
relevante. No considera otro estado de la naturaleza distinto al ms probable. En
un problema con muchos estados posible de la naturaleza, la posibilidad de que
ocurra el ms probable puede ser bastante pequea, por lo que centrarse slo en
este estado de la naturaleza es bastante riesgoso. Aun en el ejemplo, donde la
probabilidad a priori del estado Seco es 0.75, este criterio ignora el atractivo pago
de 700 que obtiene perforar y encontrar petrleo. De hecho, el criterio no permite
jugar con un pago alto que tiene una probabilidad baja, no importa qu tan
atractivo sea tomar el riesgo.
Fig. 15.2
Regla de Decisin de Bayes
El tercer criterio que se usa con ms frecuencia es la regla de decisin de Bayes,
descrita como:
Regla de decisin de Bayes: usando las mejores estimaciones disponibles de las
probabilidades de los respectivos estados de la naturaleza (en este momento las
probabilidades a priori), se calcula el valor esperado del pago de cada accin
posible. Se elige la accin con el mximo pago esperado.
Para el ejemplo prototipo, estos pagos esperados se calculan directamente en la
tabla 15.2 de la siguiente manera:
E [pago (perforar)] = 0.25 (700) + 0.75 (-100)
= 100.
E [pago (perforar)] = 0.25 (90) + 0.75 (90)
= 90.
Como 100 es mayor que 90, la accin seleccionada es perforar en busca de
petrleo. Observe que esta eleccin es contraria a elegir la venta del terreno
obtenida con los dos criterios anteriores.
La figura 15.3 muestra la aplicacin en Excel para la regla de decisin de Bayes
en este problema. La palabra Maximum en la celda 15 significa que debe elegirse
la alternativa de perforar en el rengln 5 porque tiene el pago mximo esperado.
La gran ventaja de la regla de decisin de Bayes es que incorpora toda la
informacin disponible, incluso todos los pagos y las mejores estimaciones
63
disponibles de las probabilidades de los respectivos estados de la naturaleza.

Fig. 15. 3
Anlisis de Sensibilidad
Es comn usar el anlisis de sensibilidad con varias aplicaciones de investigacin
de operaciones para estudiar el efecto si algunos nmeros incluidos en el modelo
matemtico no son correctos. En este caso el modelo matemtico est
representado por la tabla de pagos mostrada en la figura 15.3. Los nmeros de
esta tabla ms cuestionables son las probabilidades a priori en las celdas C10 y
D10.
La suma de las dos probabilidades a priori debe ser 1, por lo que si se aumenta
una de ellas, la otra debe disminuir de manera automtica en la misma cantidad, y
viceversa. La administracin de Goferbroke cree que la posibilidad ideal de
encontrar petrleo en el rea debe estar entre 15% y 35%. En otras palabras, es
posible que la probabilidad a priori verdadera de encontrar petrleo est entre 0.15
y 0.35, de manera que encontrar que el terreno est seco tendr la probabilidad a
priori entre 0.85 y 0.65.
El anlisis de sensibilidad comienza aplicando la regla de decisin de Valles dos
veces, una cuando la probabilidad a priori del petrleo est en el lmite inferior de
este intervalo (0.15) y la otra cuando est en el lmite superior (0.35). La figura
15.4 muestra los resultados de hacer esto. Cuando la probabilidad a priori del
petrleo es slo 0.15, la decisin se inclina a la venta del terreno por un amplio
margen (un pago esperado de 90 contra slo 20 por la perforacin). Sin embargo,
cuando esta probabilidad es 0.35, la decisin es perforar con un margen amplio
(pago esperado= 180 contra slo 90 por la venta). Entonces, la decisin es muy
sensible a la probabilidad a priori de encontrar petrleo. Este anlisis de
sensibilidad revela que es importante hacer algo ms, si es posible, para
determinar cul es el valor verdadero de la probabilidad de encontrar petrleo.
Sea p= probabilidad a priori de encontrar petrleo,
el pago esperado de perforar para cualquier valor de p es
E [pago (perforar)] = 700p -100 (1-P)
64
= 800p - 100
Figs. 15.4
Fig. 15.5
La lnea inclinada en la figura 15.5 muestra la grfica de este pago esperado
contra p, que es justo la lnea que pasa por los dos puntos dados en las celdas
C10 y H5 en las dos hojas de clculo de la figura 15.4. Como el pago por ventas
sera 90 para cualquier p, la lnea horizontal de la figura 15.5 da E [pago (venta)]
contra p. El punto en la figura 15.5 donde se cruzan las dos rectas es el punto de
cruce donde la decisin cambia de una alternativa (vender) a la otra (perforar)
cuando la probabilidad a priori aumenta. Para encontrar este punto se establece
Conclusin: se debe vender el terreno si p<0.2375, se debe perforar en busca de
petrleo si p>0.2375.
E [pago (venta) = E [pago (venta)]
800p 100 = 90
p = 190/800 = 0.2375
Toma de decisiones con experimentacin
Es frecuente hacer pruebas adicionales (experimentacin) para mejorar las
estimaciones preliminares de las probabilidades de los respectivos estados de la
naturaleza dadas por las probabilidades a priori. Estas estimaciones mejoradas se
llaman probabilidades a posteriori.
No se dispone de datos previos. Las circunstancias varan constantemente la
decisin se toma en forma repetida.
Se dispone de datos previos, las circunstancias no varan constantemente la
decisin se toma en forma repetida. Toma de decisiones con experimentacin
RBOLES DE DECISIN
Un rbol de decisin proporciona una forma para desplegar visualmente un
problema y despus organizar el trabajo de clculos que deben realizarse. Los
rboles de decisin son especialmente tiles cuando deben tomarse una serie de
decisiones.
Terminologa.
65
Nodo de decisin: Indica que una decisin necesita tomarse en ese punto del
proceso. Est representado por un cuadrado
Nodo de probabilidad: Indica que en ese punto del proceso ocurre un evento
aleatorio (estado de la naturaleza) Est representado por un crculo
Rama: Nos muestra los distintos posibles caminos que se pueden emprender
dado que tomamos una decisin u ocurre algn evento aleatorio.
En resumen, los rboles de decisin proveen un mtodo efectivo para la toma de
decisiones debido a que:
claramente plantean el problema para que todas las opciones sean analizadas.
Permiten analizar totalmente las posibles consecuencias de tomar una decisin.
Proveen un esquema para cuantificar el costo de un resultado y la probabilidad de
que suceda.
Nos ayuda a realizar las mejores decisiones sobre la base de la informacin
existente y de las mejores suposiciones.
EJEMPLO:
Suponga que el estado del tiempo es variable y puede que llueva o no. Usted tiene
que tomar la decisin de llevar paraguas o no.
Como se haba mencionado anteriormente el rbol de decisin permite visualizar
completamente el problema y los clculos asociados a ste. Adems ayuda a
resumir las conclusiones obtenidas al desarrollar la poltica ptima.
Por ello se realizan rboles de decisin sin hacer los clculos y luego rboles de
decisin con los clculos incluidos.
Se puede realizar una exploracin sismolgica para obtener una mejor estimacin
de la probabilidad de que haya petrleo. El costo de esta experimentacin es de
$30000.
rbol de decisin antes de realizar clculos
Veamos que la trayectoria seguida para llegar a cualquier pago (excepto la
inferior) est influenciada tanto por la decisin tomada como por los eventos
aleatorios que estn por fuera del control del tomador de decisiones.
El rbol de decisin con los clculos incluidos nos muestra las probabilidades de
los eventos as como los pagos asociados a cada accin.
66
Para las ramas terminales que salen del nodo h se insertaron las probabilidades
inciales de los estados de la naturaleza P(q=qi).
Para las ramas terminales que salen de los nodos f y g donde ya se realiz la
experimentacin se insertaron las probabilidades a posteriori P (q=qi|S=s).
Para las ramas que salen del nodo b, que corresponden al sondeo ssmico que da
como resultado S=0 o S=1, se insertaron P(S=0) = 0.7 y P(S=1) = 0.3
El procedimiento a utilizar para obtener la solucin ptima es hacia atrs hacia el
nodo de decisin a.
Si el sondeo se realiza el pago esperado es $123000
Dado que el sondeo ssmico no se realice la decisin es perforar y el pago
esperado es 100.
Slo falta tomar la decisin de realizar el sondeo o no.
Poltica ptima
Hacer el sondeo ssmico.
Si el resultado es desfavorable (S=0), vender el terreno.
Si el resultado es favorable (S=1), perforar en busca de petrleo.
El pago esperado, incluyendo los costos de experimentacin es 123
Teora de Utilidad
Hasta ahora hemos supuesto que el pago esperado en trminos monetarios es la
medida adecuada de las consecuencias de tomar una accin.
Sin embargo en muchas situaciones esto no es as y se debe utilizar otra escala
de medida para las acciones que realizamos.
Suponga que se le ofrece a una persona
Ganar $40,000 fijos
50% de posibilidades de no ganar nada50% de posibilidades de ganar $100000
E {p (a, )}= 0.5* $100000 + 0.5*0= $50000
E {p (a, )}= 1* $40000 = $40000
Aunque la alternativa 1 tiene un pago esperado mayor, muchas personas
preferirn los $40000 fijos
En muchas ocasiones los tomadores de decisiones no estn dispuestos a correr
riesgos aunque la ganancia esperada sea mucho mayor.
67
Se pueden transformar los valores monetarios a una escala apropiada que refleje
las preferencias del tomador de decisiones, llamada funcin de utilidad del dinero.
Diferentes individuos muestran distintas actitudes frente al riesgo, un inversionista
conservador puede elegir invertir en las acciones de B porque no quiere
arriesgarse a perder y otro inversionista puede aceptar el riesgo de invertir en A
porque tiene la posibilidad de obtener ganancias mayores.
La Teora de Utilidad, o funcin de utilidad del dinero es una manera de
transformar los valores monetarios a una escala apropiada que refleje las
preferencias del tomador de decisiones.
U(M) es la utilidad para la cantidad de dinero M
ndice de Utilidad NEUMANN-MORGENSTERN
Pasos
Establecer un evento E con mximo beneficio y probabilidad P
Establecer un evento D con mnimo beneficio y probabilidad ( 1 P )
Elegir un evento cualquiera A que est entre E y D, su utilidad puede calcularse:
U(A) = PA u [ E ] + (1 PA) .u [ D ]
Caractersticas de las funciones de Utilidad
Indiferencia ante el riesgo: Indica la inexistencia de una actitud ante el riesgo, la
funcin es lineal.
Aversin al riesgo: Cuanto mayor sea el capital, menor ser la utilidad del dinero.
(utilidad decreciente)
Propensin al riesgo: La utilidad del dinero es menor con relacin a la indiferencia,
valora poco lo que posee.
Propiedad fundamental de las funciones de Utilidad:
Bajo las suposiciones de la teora de utilidad, la funcin de utilidad para el dinero
de un tomador de decisiones tiene la propiedad de que ste se muestra indiferente
ante dos cursos de accin alternativos si los dos tienen la misma utilidad
esperada.
La determinacin de la utilidad es subjetiva, depende de la actitud del tomador de
decisiones hacia el riesgo.
Caso de X: Aversin al riesgo. Utilidad Marginal Decreciente para el dinero
68
Caso de Y: Indiferente o neutral ante el riesgo

Caso de Z: Propensin al riesgo. Utilidad Marginal creciente para el dinero
Funcin de utilidad para el dinero
Una funcin de utilidad para el dinero de este tipo nos muestra una utilidad
marginal decreciente para el dinero.
La pendiente de la funcin disminuye conforme aumenta la cantidad de dinero M.
No todas las personas tienen una utilidad marginal decreciente para el dinero. Hay
personas que tienen funciones de utilidad marginal creciente para ste.
El hecho de que distintas personas tienen funciones de utilidad diferentes para el
dinero tiene una aplicacin importante para el tomador de decisiones cuando se
enfrenta a la incertidumbre
Cuando una funcin de utilidad para el dinero se incorpora en un anlisis de
decisiones para un problema, esta funcin de utilidad debe construirse de manera
que se ajuste a las preferencias y valores del tomador de decisiones.
La clave para considerar que la funcin de utilidad para el dinero se ajusta al
tomador de decisiones es la siguiente propiedad de las funciones de utilidad.
Propiedad: Bajo las suposiciones de la teora de utilidad, la funcin de utilidad para
el dinero de un tomador de decisiones tiene la propiedad de que ste se muestra
indiferente ante dos cursos de accin alternativos si los dos tienen la misma
utilidad esperada.
Ejemplo 1
Contrato A con $ 200.000 de inversin y resultados
N1 = Ganar $ 400.000
N2 o N3 = Perder todo
Contrato B con $ 80.000 de inversin y resultados
N1 o N2= Ganar $ 140.000
N3 = perder todo
Opcin de no invertir
Probabilidades,
P(N1) = 0.50P(N2) = 0.10P(N3) = 0.40
VE(A) = 400000 * 0.50 + (-200000) * 0.10 + (-200000) * 0.40 = 100000
69
VE(B) = 140000 * .050 + 140000 * 0.10 + (-80000) * 0.40 = 52000

VE(C) = 0 * 0.50 + 0 * 0.10 + 0 * 0.10 = 0
La persona encargada de tomar la decisin dice que prefiere B, C y A
Resolucin, aplicando el mtodo de Von Newmann para definir una funcin de
utilidad
1) Establecer un orden completo sobre los resultados de la matriz
400.000 > 140.000 > 0 > -80.000 > -200.000
2) Determinar los valores extremos (mximo y mnimo) arbitrarios
Mx = 600.000Mn = -300.000
600.000 > 400.000 > 140.000 > 0 > -80.000 > -200.000> -300.000
3) Determinar los valores de Pj que hacen equivalente los contratos de referencia
con cada activo equivalente cierto, y obtenemos la curva para un tomador de
decisiones indiferente al riesgo. Pj representa la utilidad subjetiva que equilibra un
juego entre dos valores extremos.
400.000 = 600.000 * (p) 300.000 * (1-p)
//400.000 es el equivalente monetario cierto
400.000 = 600.000 * p 300.000 + 300.000 * p
400.000 + 300.000 = 900.000 * p
700.000 / 900.000 = p
0.77 = p (400.000)
Continua calculando para todos los valores
p(400.000) = 0.77
p(140.000) = 0.48
p(0) = 0.33
p(-80.000) = 0.24
p(-200.000) = 0.11
Consultado el tomador de decisiones le asigna a cada una de las opciones:
p(400.000) = 0.95
p(140.000) = 0.85
p(0) = 0.73
p(-80.000) = 0.64
70
p(-200.000) = 0.41
Comparando el valor obtenido para el juego equitativo con el resultado de la
evaluacin subjetiva del juego se observa que el que decide tiene aversin al
riesgo, ya que 0.77 < 0.95
Matriz de utilidades para el tomador de decisiones:
EJEMPLO:
Suponga que alguien tiene esta funcin de utilidad
Para construir una funcin de utilidad para el dinero se hace lo siguiente:
Se le hace al tomador de decisiones una oferta hipottica de obtener una gran
suma de dinero con probabilidad p o nada.
Para cada una de las pequeas cantidades se le pide al tomador de decisiones
que elija un valor de p que lo vuelva indiferente ante la oferta y la obtencin
definitiva de esa cantidad de dinero.
Cuando se usa la funcin de utilidad para el dinero, del tomador de decisiones,
para medir el valor relativo de los distintos valores monetarios posibles, la regla de
Bayes sustituye los pagos monetarios por las utilidades correspondientes.
Por lo tanto, la accin (o la serie de acciones) ptima es la que maximiza la
utilidad esperada.
EJEMPLO GOFERBROKE COMPANY.
En estos momentos la compaa no atraviesa por una situacin financiera slida y
est operando con poco capital. Una prdida de $100000 sera bastante seria. El
peor escenario sera conseguir $30000 para el sondeo ssmico y despus todava
perder $100000 en la perforacin cuando no haya petrleo. Por otro lado,
encontrar petrleo es una perspectiva interesante, ya que una ganancia de
$700000 dara a la compaa una base financiera slida.
Para aplicar la funcin de utilidad para el dinero del tomador de decisiones es
necesario conocer todos los pagos posibles.
Veamos la manera como se obtuvo esta tabla
El punto de inicio adecuado para construir la funcin de utilidad es considerar el
peor y el mejor de los escenarios.
Qu valor de p hara que el tomador de decisiones fuera indiferente ante las dos
71
alternativas?
Suponga que la eleccin del tomador de decisiones es p = 1/5
4/5 u(-130) + 1/5 u(700) = 0
Uno de los valores de u(-130) y u(700) puede establecerse arbitrariamente, con la
salvedad de que el primero sea negativo y el segundo positivo
Suponga que seleccionamos u(-130) = -150
4/5 (-150) + 1/5 u(700) = 0
u(700) = 600
Para identificar u(-100), se selecciona un valor de p que haga que el tomador de
decisiones sea indiferente entre un pago de -130 con probabilidad p o la de
definitivamente incurrir en un pago de -100.
Si p = 0.7 u(-100) = p u(-130) = 0.7(-150) = -105
Para obtener u(90) , se selecciona un valor de p que haga que el tomador de
decisiones sea indiferente entre un pago de 700 con probabilidad p o la obtencin
de un pago definitivo de 90.
Si p = 0.15 u(90) = p u(700) = 0.15 (600) = 90
Con estos valores se puede dibujar una curva suavizada.
En resumen:
Para f > 0 halle un valor de p tal que sea indiferente tener $700 con ese valor de p,
o tener a la fija f y se plantea u ( f ) = u ( 700)* p + 0 * (1-p)
u ( f ) = u ( 700)* p
Se halla u(f)
Para f < 0 halle un valor de p tal que sea indiferente tener -$130 con ese valor de
p, o tener a la fija f
u ( -130)* p = u(f)
Se halla u (f)
Observe que u(M) es en esencia igual a M para valores pequeos (positivos o
negativos) de M, y despus se separa gradualmente para valores grandes de M
Esto es caracterstico de una persona que tienen una aversin moderada al
riesgo.
Dada la funcin de utilidad para el dinero del dueo de la compaa, el proceso de
72
toma de decisiones es idntico al descrito en las secciones anteriores excepto que

ahora se sustituyen las utilidades por los pagos monetarios.
El uso de la teora de la utilidad refleja la actitud del tomador de decisiones
respecto al riesgo.
La poltica global ptima sigue siendo la misma que la encontrada en la toma de
decisiones con experimentacin.
Muchos tomadores de decisiones no se sienten suficientemente a gusto con la
nocin algo abstracta de la utilidad. En consecuencia, la teora de la utilidad
todava no tiene una aplicacin muy amplia en la prctica.
73
5.6 BIBLIOGRAFIA
Chen, S., y C. Hwang, Fuzzy Multiple Attribute Decision Making, Springer-Verlag,
Berln, 1992.
Clemen, R.J., y T. Reilly, Making Hard Decisions: An introduction to Decision
Analysis, 2a. ed.,
Duxbury, Pacific Grove, CA, 1996.
Cohan,D., S. Haas,D. Radloff, y R.Yancik, Using Fire in Forest Management:
Decision Making
under Uncertainty, Interfaces, vol. 14, nm. 5, pgs. 8-19, 1984.
Dantzig, G.B., Linear Programming and Extensions, Princeton University Press,
Princeton, NJ,
1963.
Meyerson, R., Game Theory: Analysis of Conflict, Harvard University Press,
Cambridge, MA,
1991.
Rapport, A. Sensitivity Analysis in Decision Making, The Accounting Review, vol.
42, nm. 3,
pgs.441-456, 1967.
Saaty,T.L., Fundamentals of Decision Making, RWS Publications, Pittsburgh, 1994.
74

Antologia Investigacion de Operaciones Unidad V

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Antologia Investigacion de Operaciones Unidad V

Uploaded by

Copyright:

Available Formats

ANTOLOGIA DE

GABRIEL CRISOSTOMO LUCIO

DOCENTE: ING. ISIDRO CASTELAN

5.3 TOMA DE DECISIN BAJO RIESGO

cada uno de estos resultados ocurra. Los diferentes criterios de decisin en

Los principales criterios de decisin empleados sobre tablas de decisin en

Obsrvese que esta regla de decisin es una generalizacin del criterio de La

5.3.1 PROBABILIDAD MXIMA.

y se selecciona aquella alternativa con mayor probabilidad asociada. Por tanto, el

Ejemplo: Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente

Para la alternativa a1, slo los resultados correspondientes a los estados e1 y e3

5.3.2 VALOR ESPERADO BAJO INCERTIDUMBRE

En algunos casos, las decisiones se toman bajo condiciones de certeza, esto

decisiones asignar un valor monetario segn las consecuencias positivas y

cada decisin se basa en la interaccin de variables importantes, muchas de las

soluciones, y calcular los resultados esperados de todas ellas puede ser

La toma de decisiones cuando existe cierto nmero de estados de resultados

mejor capacitados para

relacionadas con el trabajo.

elegir el mejor camino a seguir segn las diferentes alternativas y operaciones.

son los valores

. Phyllis debe elegir una accin (el numero de

peridicos que debe ordenar cada da) de

ejemplares y la demanda es de j, entonces se compran i ejemplares a un costo de

La vendedora Phyllis Pauley vende peridicos y todos lo das debe determinar

Tabla 4. Matriz de Arrepentimiento

"El arrepentimiento es igual al valor esperado".

Compaa de Productos Barranquilla investiga la posibilidad de producir y

cualquier forma, que existe una oportunidad de que la encuesta de mercado de

5.3.3 Prdida de oportunidad esperada (POE):

Matriz de Beneficios de Prdida

Clculo del Valor Esperado de la Informacin Perfecta (VEIP)

c) Aada filas de cursos de accin y complete la columna Beneficio Esperado,

para una comprensin mas profunda, y anlisis de estabilidad de sus decisiones

Cmo tomar una mejor decisin comprando informacin confiable (Abordaje

Las probabilidades de los estados de la naturaleza representan los distintos

Todas las Firmas de Investigacin de Mercado llevan registros (es decir,

0,2(0,8) = 0,16 0,5(0,1) = 0,05 0,3(0,1) = 0,03 0,24

5.3.4 VALOR ESPERADO DE LA INFORMACIN

5.3 (0.25) = 18.9 millones El incremento en el VPN esperado debido a la

VESIP Dnde: VEIP(c): valor esperado de la informacin perfecta de c VESIP:

informacin adicional sobre el costo de produccin unitario del nuevo aditivo, ya

VALOR ESPERADO DE LA INFORMACIN PERFECTA (VEIP)

5.3 (0.25) = 18.9 millones El incremento en el VPN esperado debido a la

VESIP Dnde: VEIP(c): valor esperado de la informacin perfecta de c VESIP:

Una alternativa aproximada para maximizar el valor monetario

para la tercera alternativa, ningn hecho.

Usando el mnimo de EOL como criterio de decisin, la mejor

TABLA : OPORTUNIDADES PARA MADERAS LA CAFETERA

5.3.5 ARBOLES DE DECISION

Pasos para el Anlisis del rbol de Decisin

Resolver el problema obteniendo como solucin la ruta que proporcione la

Un problema algo ms complejo:

Alternativa 1 Hacer un estudio de mercado del producto de forma de determinar si

5.3.6 PROBABILIDADES POSTERIORES

Aplicacin de la vida real. Problema de Casey: Interpretacin y evaluacin

probabilidades (anteriores) de .6 y .4 de un mercado alcista y un mercado

Por lo tanto, la afirmacin del amigo se escribe en la forma de enunciados de

4 a 7 son eventos aleatorios que representan los mercados alcista y bajista.

Paso 1. Resuma las probabilidades condicionales P{vj|mi} en la siguiente forma

Paso 2. Calcule las

Paso 3. Calcule las probabilidades absolutas como

Paso 4. Determine las probabilidades a posteriori deseadas como