Teora de Decisiones

Teora de Decisiones
La Decisin es una eleccin entre dos o
mas lneas de accin diferentes. El
objeto de la teora de la decisin es
racionalizar dicha eleccin.
El estudio de la teora de decisin
provee de herramientas para la toma de
decisiones importantes.
2
Probabilidades
En qu consisten las probabilidades?
Indican incertidumbre acerca de un
evento que:
Ocurri en el pasado
Ocurre en el presente
Ocurrir en el futuro
3
Fuentes de las probabilidades
Historia del pasado
Juicio subjetivo
Distribuciones tericas
4
Valor esperado
Es la media de la distribucin de
probabilidad
Se calcula como:

=
=
m
i
i i
X p X x E
1
) ( ) (
5
Valor esperado: ejemplo
Suponga que usted compra en $1,000
un nmero de una rifa, la cual paga un
premio de $50,000.
Hay dos eventos posibles:
Usted gana la rifa, o
Pierde
Cul es el valor esperado del juego?
6
Valor esperado: ejemplo
La distribucin de probabilidades es:




El valor esperado es:
49000*(1/100) + -1000*99/100 = -500
Qu significa ese resultado?
Evento X P(X)
Gana $ 49000 1/100
Pierde - 1000 99/100
7
rboles de decisin
Pueden usarse para desarrollar una
estrategia ptima cuando el tomador de
decisiones se enfrenta con:
Una serie de alternativas de decisin
Incertidumbre o eventos futuros con
riesgo
* Un buen anlisis de decisiones incluye
un anlisis de riesgo
8
rboles de decisin: Componentes y
estructura
Alternativas de decisin en cada
punto de decisin

Eventos que pueden ocurrir como
resultado de cada alternativa de
decisin. Tambin son llamados
Estados de la naturaleza
9
rboles de decisin: Componentes y
estructura
Probabilidades de que ocurran los
eventos posibles

Resultados de las posibles
interacciones entre las alternativas de
decisin y los eventos. Tambin se les
conoce con el nombre de Pagos
10
rboles de decisin: Componentes y
estructura
Los rboles de decisin poseen:
Ramas: se representan con lneas
Nodos de decisin: de ellos salen las
ramas de decisin y se representan con

Nodos de incertidumbre: de ellos salen
las ramas de los eventos y se
representan con
11
rboles de decisin: Componentes y
estructura: ejemplo
Alternativa 1
Alternativa 2
Evento 1
P(Evento 1)
Evento 2
P(Evento 2)
Evento 3
P(Evento 3)
Pago 1
Pago 2
Pago 3
Pago 4
Punto de
decisin
12
rboles de decisin: Anlisis: criterio
del Valor Monetario Esperado
Generalmente se inicia de derecha a
izquierda, calculando cada pago al final
de las ramas
Luego en cada nodo de evento se
calcula un valor esperado
Despus en cada punto de decisin se
selecciona la alternativa con el valor
esperado ptimo
13
rboles de decisin: Anlisis: ejemplo
de la rifa
Juega la rifa
No juega la rifa
Gana
(0,01)
Pierde
(0,99)
$49.000
$ -1000
$ 0
Punto de
decisin
-500
14
rboles de decisin: Anlisis: ejemplo
de la rifa
En el nodo de evento se calcul el valor
esperado de jugar la rifa
Luego se selecciona, en este caso el
valor ms alto (por ser ganancias)
La decisin desechada se marca con \\
En este caso la decisin es no jugar la
rifa
15
rboles de decisin: Ejemplo Terreno
Un ingeniero es dueo de unos terrenos en los
que puede haber petrleo. Un gelogo consultor
ha informado que piensa que existe una
posibilidad entre cuatro de encontrar petrleo.
Otra posibilidad es sembrar caa en estos
terrenos. El costo de la perforacin es de
100.000 dlares. Si encuentra petrleo el ingreso
esperado ser de 800.000 dlares. Si no se
encuentra petrleo se incurre en una prdida de
100.000 dlares. Por otro lado la caa producir
un ingreso de 90.000 dlares.
16
Valor esperado: ejemplo del terreno
La distribucin de probabilidades es:




El valor esperado es:
700000*(0.25) + -100000*(0.75) = 100000
Evento X P(X)
Petrleo $ 700000 0.25
Seco - 100000 0.75
17
rboles de decisin: Anlisis: ejemplo
del terreno
Perforar
Sembrar Caa
Petrleo
(0,25)
Seco
(0,75)
$700.000
$ -100.000
90.000
Punto de
decisin
100.000
Como 100.000 > 90.000, la decisin es perforar.
Por ser el ms alto valor (por ser ganancias)
18
rboles de decisin: Explicacin

La mayor ventaja de este criterio es que
incorpora toda la informacin disponible (pagos,
estimaciones de las probabilidades de los
estados de la naturaleza).

La mayor crtica es que las probabilidades a
priori no dejan de ser subjetivas.
19
ANLISIS DE SENSIBILIDAD

Nos centraremos en el anlisis de sensibilidad
sobre las probabilidades a priori. Queremos
saber cmo cambia nuestra decisin al cambiar
las probabilidades a priori.
Supongamos que sabemos con buena certeza
que 0.15<P(petrleo)<0.35. Esto implica que
0.65<P(seco)<0.85.
Comenzamos el Anlisis de Sensibilidad
aplicando el criterio desarrollado para los dos
casos extremos.
20
La distribucin de probabilidades ser:




El valor esperado ser:
700000*(0.15) + -100000*(0.85) = 20000
Evento X P(X)
Petrleo $ 700000 0.15
Seco - 100000 0.85
Como 20.000 < 90.000, la decisin sera sembrar caa.
Por ser el ms alto valor (por ser ganancias)
Caso extremo 1
21
La distribucin de probabilidades ser:




El valor esperado ser:
700000*(0.35) + -100000*(0.65) = 180000
Evento X P(X)
Petrleo $ 700000 0.35
Seco - 100000 0.65
Como 180.000 > 90.000, la decisin sera perforar.
Por ser el ms alto valor (por ser ganancias)
Caso extremo 2
22
La decisin es muy sensible a la
probabilidad a priori de encontrar
petrleo.

Lo cual nos dice que debemos de
hacer algo ms para tomar nuestra
decisin.
Conclusin
23
Cambio del valor esperado en funcin
de la probabilidad a priori

Si p es la probabilidad a priori de encontrar
petrleo entonces el valor esperado por perforar
ser:

Valor esperado (pago perforar) = 700p -100(1-p)
= 800p -100
24
25
Punto de Cruce

Valor esperado(pago perforar) = Valor esperado(pago caa)

800p 100 = 90
p = 190/800 = 0.2375

Se debe cultivar caa si p < 0.2375

Se debe perforar en busca de petrleo si p > 0.2375
26
rboles de decisin: ejemplo: La
decisin de Larry
Durante la ltima semana Larry ha recibido 3
propuestas matrimoniales de 3 mujeres distintas y
debe escoger una. Ha determinado que sus atributos
fsicos y emocionales son ms o menos los mismos, y
entonces elegir segn sus recursos financieros
La primera se llama Jenny. Tiene un padre rico que
sufre de artritis crnica. Larry calcula una probabilidad
de 0.3 de que muera pronto y les herede $100.000. Si
el padre tiene una larga vida no recibir nada de l
27
rboles de decisin: ejemplo: La
decisin de Larry
La segunda pretendiente se llama Jana, que es
contadora en una compaa. Larry estima una
probabilidad de 0.6 de que Jana siga su carrera y una
probabilidad de 0.4 de que la deje y se dedique a los
hijos. Si contina con su trabajo, podra pasar a
auditora, donde hay una probabilidad de 0.5 de ganar
$40.000 y de 0.5 de ganar $30.000, o bien podra
pasar al departamento de impuestos donde ganara
$40.000 con probabilidad de 0.7 o $25.000 (0.3). Si se
dedica a los hijos podra tener un trabajo de tiempo
parcial por $20.000
28
rboles de decisin: ejemplo: La
decisin de Larry
La tercer pretendiente es Mara, la cual slo
puede ofrecer a Larry su dote de $25.000.
Con quin debe casarse Larry? Por qu?
Cul es el riesgo involucrado en la
secuencia ptima de decisiones?

29
Los rboles de decisin y el riesgo
El anlisis del riesgo ayuda al tomador
de decisiones a identificar la diferencia
entre:
el valor esperado de una alternativa
de decisin, y
el resultado que efectivamente podra
ocurrir
30
Los rboles de decisin y el riesgo
El riesgo se refiere a la variacin en los
resultados posibles
Mientras ms varen los resultados,
entonces se dice que el riesgo es
mayor
Existen diferentes maneras de
cuantificar el riesgo, y una de ellas es la
variancia
31
Los rboles de decisin y el riesgo
La variancia se calcula como:



Donde P(X
j
) es la probabilidad del
evento X
j
y E(X) es el valor esperado de
X

=
(

=
m
j
X E
j
X
j
X p X
1
2
) ( ) ( ) var(
32
Los rboles de decisin y el riesgo:
ejemplo: el caso de Larry (datos en miles)
Decisin X P(X) E(X) var
Jenny 100
0
0.30
0.70
30 2100
Jana 40
30
40
25
20
0.15
0.15
0.21
0.09
0.40
29,15 77,53
Mara 25 1.00 25 0
33
Los rboles de decisin y el riesgo:
ejemplo: el caso de Larry
La decisin por Jenny es la del valor
esperado ms alto, pero tambin es la
ms riesgosa, pues los resultados
varan entre $0 y $100.000
La decisin por Mara es la menos
riesgosa, pero la de menor rendimiento
Tal vez la mejor decisin sea Jana, ya
que el valor esperado es cercano al de
Jenny pero con un riesgo menor
34
Las decisiones multicriterio
Hasta ahora se han analizado dos
criterios para la toma de decisiones
el valor monetario esperado, y
el riesgo (variancia)
Pero pueden haber otros factores
importantes en las decisiones
Cules otros factores influiran en la
decisin de Larry?
35
Las decisiones multicriterio
Cules otros factores influyen en las
organizaciones?
Factores relacionados con la imagen,
motivacin del personal, valores, etc.
Es posible crear escalas numricas para
evaluar estos factores y luego factores
para ponderar cada criterio
El principal problema es la subjetividad
en la evaluacin de estos otros factores
36
Teora de la decisin: La utilidad
El criterio del valor monetario esperado
es una gua til en muchas ocasiones
Sobre todo si las cantidades
involucradas no son muy grandes o si la
decisin es repetitiva
Von Neumann y Morgenstern
construyeron un marco de referencia
consistente para la toma de decisiones
bajo incertidumbre
37
Teora de la decisin: La utilidad
Este otro enfoque de la teora de la
decisin es el de la Utilidad
La utilidad es el grado de satisfaccin
que se obtiene ante un cierto resultado
Desde este enfoque las decisiones se
toman para maximizar la utilidad
esperada, en lugar del valor monetario
esperado
38
Teora de la decisin: La utilidad
Se selecciona una alternativa en lugar
de otra porque proporciona una mayor
utilidad
Es necesario aplicar un procedimiento
para cuantificar la funcin de utilidad
que los bienes o el dinero tienen para
una persona, de modo que pueda
maximizar la utilidad total
39
Teora de la decisin: La utilidad
Este enfoque plantea curvas de utilidad,
cuya forma refleja la posicin de los
individuos ante el riesgo
Este enfoque es mejor, pero ms
complejo de llevar a la prctica, sobre
todo por las dificultades prcticas para
cuantificar la utilidad

40