You are on page 1of 29

Profesor Gonzalo Cuadros

Anlisis Cuantitativo para la


Gestin Pblica
Anlisis de Decisiones
010100011001001010001000010000100111111110101010010000101101
Anlisis de Decisiones
PROFESOR : GONZALO CUADROS
010100011001001010001000010000100111111110101010010000101101
3
La teora de decisiones proporciona un
marco de referencia muy til para el
anlisis de una amplia variedad de
problemas administrativos.
Este marco de referencia establece
criterios de clasificacin de los problemas
de decisin basados en la cantidad de
informacin disponible y tambin
proporciona criterios de decisin
010100011001001010001000010000100111111110101010010000101101
4
En la teora de decisiones, el resultado de una
decisin depende del escenario o estado de la
naturaleza que se va a producir.
Para el desarrollo del anlisis de decisiones es
fundamental la matriz de pagos que en realidad es
una lista de posibles estados de la naturaleza
versus las diferentes alternativas de decisin.
Dentro del cuerpo de la tabla, es decir, para el
cruce de cada estado de la naturaleza y cada
decisin figuran las utilidades (o prdidas).
010100011001001010001000010000100111111110101010010000101101
Clases de problemas de decisin
Hay tres clases de problemas de decisin:
Decisiones bajo certeza
Es aquella decisin en la que se sabe qu estado de la
naturaleza ocurrir
Decisiones bajo riesgo
Es aquella decisin en la que se conoce la distribucin de
probabilidades de los estados de la naturaleza
Decisiones bajo incertidumbre
Es aquella decisin que se toma sin conocer la probabilidad de
ocurrencia de los diversos estados de la naturaleza.
010100011001001010001000010000100111111110101010010000101101
Decisiones bajo certeza
Hay slo un estado posible de la
naturaleza.
Todos los modelos de PL, PE son
considerados bajo un marco de
decisiones bajo certeza.
Solucin ptima una sola, mximo o
mnimo rendimiento
010100011001001010001000010000100111111110101010010000101101
Introduccin
Decisiones contra naturaleza
El resultado de una decisin depende
de la accin de otro jugador
(naturaleza)
Un problema de decisiones presenta
una tabla de rendimientos o
retribuciones por cada decisin posible
010100011001001010001000010000100111111110101010010000101101
Tabla de retribuciones
Estado de la naturaleza
Decisin
1 2 . m
d1
d2
.
.
.
dn
r11 r12 . r1m
r21 r22 .. r2m
rn1 rn2 .. rnm
010100011001001010001000010000100111111110101010010000101101
Decisiones Bajo Incertidumbre
En este caso, una vez ms tenemos
varios estados posibles de la naturaleza;
pero ahora el que toma las decisiones no
puede especificar las probabilidades que
ocurran los diferentes estados de la
naturaleza
010100011001001010001000010000100111111110101010010000101101
Criterios a Utilizar
Para decisiones bajo incertidumbre se
utilizan tres criterios:
Maximax
Maximin
Hurwicz
Estos criterios funcionan sin especificar las
probabilidades
010100011001001010001000010000100111111110101010010000101101
Criterio Maximax
Este es un criterio tan optimista como el
maximin es pesimista.
Evala cada decisin conforme a lo mejor
que puede suceder si se le toma.
Despus selecciona la decisin que
produce el mximo de estos rendimientos
mximos.
010100011001001010001000010000100111111110101010010000101101
Criterio Maximin
Es un tratamiento conservador en
extremo.
Cada decisin se evala segn lo peor
que puede suceder al tomarla.
La decisin se evala por el mnimo
rendimiento posible asociado a ella.
010100011001001010001000010000100111111110101010010000101101
13
Caso de Aplicacin
Suponga que para un negocio a futuro
se puede presentar dos escenarios
(fuerte o dbil) y frente a estos se
pueden tomar tres tipos de decisiones o
estrategias (agresiva, bsica y
cautelosa). Las utilidades estimadas de
las decisiones en cada escenario se
muestran en la siguiente matriz de
pagos:
010100011001001010001000010000100111111110101010010000101101
14
Decisiones Estados de la naturaleza
Fuerte Dbil
Agresiva 30 -8
Bsica 20 7
Cautelosa 5 15
El problema consiste en determinar qu decisin tomar
Los criterios que analizaremos a continuacin no
tomarn las probabilidades de ocurrencia de los
distintos estados de la naturaleza.
010100011001001010001000010000100111111110101010010000101101
15
Decisiones Rendimiento mximo
Agresiva 30
Bsica 20
Cautelosa 15
Tambin conocido como criterio optimista. El
mtodo consiste en que, tomando como base la
matriz de pagos, para cada decisin se escoge el
mejor rendimiento y con esos valores se construye
la siguiente tabla:
Criterio Maximax
Entonces, de acuerdo al criterio Mximax, la
decisin que se deber tomar es la que maximiza
los mayores rendimientos, es decir, para el caso
analizado es la agresiva.
El mayor de
los valores
de
rendimiento
mximo
010100011001001010001000010000100111111110101010010000101101
16
Decisiones Rendimiento mximo
Agresiva -8
Bsica 7
Cautelosa 5
Tambin conocido como criterio conservador o
pesimista. El mtodo consiste en que, tomando
como base la matriz de pagos, para cada decisin
se escoge el menor rendimiento y con esos valores
se construye la siguiente tabla
Criterio Maximin
De acuerdo al criterio Mximin, la decisin que se
deber tomar es la que maximiza el valor del
rendimiento, es decir, la decisin es bsica
El mayor de
los valores
de
rendimiento
mnimo
010100011001001010001000010000100111111110101010010000101101
17
Con este criterio, la idea es combinar los criterios optimista y pesimista,
decidiendo qu tan optimista o qu tan pesimista se desea ser, de la
manera siguiente:
Criterio Hurwicz
1. Escoja un coeficiente de optimismo, (alfa), que tiene un valor entero
entre 0 y 1 (cunto ms cerca se est de 1, ms optimista se es).
2. Calcule para cada alternativa:
Ganancia ponderada = * (ganancia mxima) + (1-) * ganancia
mnima
3. Seleccione la alternativa que tenga la mayor ganancia ponderada.
Para ilustrar este criterio tomemos como = 0.7. Este valor significa que
usted es ms optimista que pesimista. Utilizando la frmula anterior,
calcule la ganancia ponderada para las tres alternativas.
Por ejemplo, para la alternativa agresiva:
Ganancia ponderada = 0.7 * 30 + (1 0.7) * (-8)= 18.6
010100011001001010001000010000100111111110101010010000101101
18
Los resultados de dichos clculos equivalentes
para las otras dos alternativas de inversin se
resumen en la tabla siguiente
Criterio Hurwicz
Sobre la base de estos resultados, se selecciona la alternativa agresiva
porque su ganancia ponderada 18.6, es la mayor de las tres alternativas.
Observe que si se toma como 1, entonces este criterio de convierte en el
optimista, pues la ganancia ponderada se hace igual a la ganancia mxima.
Cuando se escoge igual a cero, este criterio es el pesimista. As pues,
cuanto ms cerca de 1 se elija el valor de , ms optimista es el criterio que
se est utilizando para tomar la decisin. Del mismo modo, cuanto ms
cercano a cero se escoja el valor de , ms pesimista ser el criterio que se
est utilizando.
Alternativa Ganancia mxima Ganancia mnima Ganancia
ponderada
Agresiva 30 -8 18.6
Bsica 20 7 16.1
Cautelosa 15 5 12.0
010100011001001010001000010000100111111110101010010000101101
19
Caso para desarrollar la matriz
Ytala Cornejo de la empresa IMPRESIONES BORROSAS en
Lima, debe decidir si acepta un contrato de trabajo de impresin
para el gobierno o volar a Tumbes para participar en la licitacin de
un folleto. Restricciones en la capacidad le impiden realizar los dos
trabajos, y tiene que decidir sobre el contrato del gobierno antes de
comenzar el proceso de licitacin. A ella le han ofrecido 1,000 soles
por el contrato con el gobierno. Si decide participar en la licitacin
del folleto y logre la adjudicacin tendr una ganancia de 4,000
soles; caso contrario perder 1,000 soles por los gastos incurridos en
la compra de las bases del concurso.
Disee la matriz de pagos o rendimientos para el problema de Ytala.
Cul es la decisin ptima, si se utiliza el criterio optimista?
Cul es la decisin ptima, si se utiliza el criterio pesimista?
Cul es la decisin ptima, si se utiliza el criterio de Hurwicz con un
factor optimista de 0.6?
010100011001001010001000010000100111111110101010010000101101
20
010100011001001010001000010000100111111110101010010000101101
Decisiones bajo Riesgo
El que toma la decisin puede estimar
(calcular) la probabilidad con la que
ocurrir cada estado de la naturaleza
010100011001001010001000010000100111111110101010010000101101
Criterio de decisin
Tomar la decisin que optimice el
rendimiento esperado
El valor esperado es la suma de los
productos de la probabilidad de cada
escenario por el rendimiento
correspondiente
010100011001001010001000010000100111111110101010010000101101
23
Para cada decisin se calcula el rendimiento
esperado mediante la expresin:
i i (decisin)
.P V VE
Donde:
VE es el valor esperado de la decisin
V
i
es la utilidad de la decisin en el estado de
naturaleza i
P
i
es la probabilidad de ocurrencia del estado
de la naturaleza i.
010100011001001010001000010000100111111110101010010000101101
24
El criterio es tomar la decisin que maximiza el rendimiento esperado.
En el ejemplo que estamos desarrollando, consideremos las
probabilidades de cada estado de la naturaleza como:
Estados de la naturaleza
Fuerte Dbil
Probabilidad 0,45 0,55
Calculando los valores esperados de cada una de las decisiones tendremos:
VEagresiva = 0,45 . (30) + 0,55 . (-8) = 9,10
VEbsica = 0,45 . (20) + 0,55 . (7) = 12,85
VEcautelosa = 0,45 . (5) + 0,55 . (15) = 10,50
De acuerdo a este criterio, se elige la decisin bsica.
Caso anterior
010100011001001010001000010000100111111110101010010000101101
Tabla de Retribuciones
Estado de la naturaleza
Decisi
n
1 2 3 4 5 6 7
0
1
2
3
0 0 0 0 0 0 0
25 10 15 20 14 12 9
12 24 18 16 10 13 8
7 9 5 10 14 15 11
Prob. 0.05 0.1 0.15 0.2 0.1 0.3 0.1
010100011001001010001000010000100111111110101010010000101101
26
El gerente de la tienda Enigma Hardware S.A. debe decidir
cuntas podadoras ordenar este verano. Es difcil ordenar unidades
adicionales cuando se inicia la temporada y, por otro lado, se tiene
un costo correspondiente por tener ms unidades de las que se
pueden vender. Una podadora cuesta $ 150 y se vende en $ 200.
Las unidades que no se vendieron para final de temporada se
venden a una casa de venta por catlogo en $ 25. Se sabe que slo
puede ordenar pedidos por cientos. Despus de revisar los registros
de otros aos y proyectar la demanda para la prxima temporada se
determin que slo poda ordenar 300, 400, 500, 600 700
unidades de podadoras, las probabilidades de las demandas de
dichas cantidades se muestran en el siguiente cuadro:
Elabore la matriz de pagos
Determine el nmero adecuado de podadoras a ordenar este
verano. Si no se conocieran los valores de probabilidad y de acuerdo
a los criterios estudiados en clase, cul sera la decisin adecuada
para cada criterio?
010100011001001010001000010000100111111110101010010000101101
27
DECISIN ESTADO DE LAS NATURALEZA (DEMANDA)
CUNTO
ORDENAR
300 400 500 600 700
300
400
500
600
700
010100011001001010001000010000100111111110101010010000101101
28
DECISIN ESTADO DE LAS NATURALEZA (DEMANDA) ESCENARIO CON INCERTIDUMBRE
CUNTO
ORDENAR
300 400 500 600 700
OPTIMIS PESIMIS Hurwicz
Maximax Maximin =0,5
300 15000 15000 15000 15000 15000 15000 15000 15000
400 2500 20000 20000 20000 20000 20000 2500 11250
500 -10000 7500 25000 25000 25000 25000 -10000 7500
600 -22500 -5000 12500 30000 30000 30000 -22500 3750
700 -35000 -17500 0 17500 35000 35000 -35000 0
35000 15000 15000
Decisin ptima ordenar 700 ordenar 300 ordenar 300
010100011001001010001000010000100111111110101010010000101101
29
DECISIN ESTADO DE LAS NATURALEZA (DEMANDA)
CUNTO
ORDENAR
300 400 500 600 700
300 15000 15000 15000 15000 15000
400 2500 20000 20000 20000 20000
500 -10000 7500 25000 25000 25000
600 -22500 -5000 12500 30000 30000
700 -35000 -17500 0 17500 35000
PROBABILIDAD 0,10 0,20 0,30 0,25 0,15
E(300)= 15000
E(400)= 18250
E(500)= 18000
E(700)= 2625

You might also like