Professional Documents
Culture Documents
LA UNIDAD V
INVESTIGACION DE
OPERACIONES
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
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.
10
11
12
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
estn
tomar decisiones
15
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
Se
sabe
. Si Phyllis compra i
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
unidades/monetarias.
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
unidades/monetarias.
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:
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 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:
EJEMPLO 3
21
22
POE
1,9 *
2,3
3,4
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
25
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
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
0,5
B
0,3
C
SUMA
27
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)
30
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)
32
33
34
FAVORABLE
$200.000
FAVORABLE
- $200.000
$200.000 $200.000 -
$100.000
$0
$0
$0
$0
(-
$180.000)
(-$20.000)
$0
FAVORABLE
ALTERNATIVAS
($)
------------------------- --------------AMPLIA FACILIDAD
200.000
PEQUEA
100.000
FACILIDAD
SIN FACILIDAD
0
------------------------- ---------------PROBABILIDADES
.50
MERCADO
NO
FAVORABLE
($)
-----------180.000
20.000
0
-----------.50
35
Terminologa
Nodo de decisin: Indica que una decisin necesita tomarse en ese punto del
proceso. Est representado por un cuadrado.
Nodo de probabilidad: Indica que en ese punto del proceso ocurre un evento
aleatorio. Est representado por un crculo.
Rama: Nos muestra los distintos caminos que se pueden emprender cuando
tomamos una decisin o bien ocurre algn evento aleatorio.
36
37
Ejemplo
Una compaa de seguros nos ofrece una indemnizacin por accidente de
210.000$. 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
39
40
41
42
las
probabilidades
posteriori.
En
el
ejemplo
15.2-1,
las
43
v1 5Voto a favor
v2 5Voto en contra
m1 5 Mercado alcista
m2 5 Mercado bajista
44
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
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
48
49
50
el
problema.
Anlisis de la informacin:
probables aleatorios.
Valorar las variables.
De forma cuantitativa si es posible.
De forma cualitativa si no hay ms alternativa
51
52
53
54
55
56
Aeropuerto en
Aeropuerto en
comprado
oi
13
- 12
13
-8
11
11
AyB
-1
Ninguno
57
Estados de la
Naturaleza
Alternativas
e1
e2
oi
a1
100
-10000
100
a2
99
99
99
58
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
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
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
69
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
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