ECONOMIA DE LA EMPRESA. TEMA 13. APUNTES COMPLEMENTARIOS: TEORIA DE LA DECISIN. F. Jurez Rubio Universitat de Lleida 1.

.-ANALISIS ANTERIOR La decisin se toma en base a probabilidades subjetivas. Ejemplo: Un agricultor desea determinar la variedad de trigo que plantar de tres disponibles. Se supone que est bien establecido que los resultados que se obtienen de cada variedad dependen de las precipitaciones del ao. El decisor espera tres estados posibles de la naturaleza: 1, que el ao sea seco; 2, que el ao sea normal; y 3 que el ao sea hmedo. En funcin de cada posible estado de la naturaleza su matriz de pagos (tiles) es la siguiente: Matriz de pagos: Actos a1: Variedad 1 a2: Variedad 2 a3: Variedad 3 COMENTARIO: La matriz de pagos se expresa en este ejemplo directamente en tiles para obviar la discusin de su construccion. Cuando no se disponga de la informacin suficiente para determinar los resultados de cada variedad en tiles, el posiblemente resultado de cada variedad se podra expresar directamente en beneficios (ingresos menos costes) o ingresos (cuando los costes en que se incurre al cultivar cada variedad son similares) o rendimientos fsicos (kg/ha, cuando el precio de las diferentes variedades es parecido y los costes de produccin tambien son similares). A cada estado de la naturaleza se supone que el decisor le asigna la siguiente probabilidad subjetiva (en base al conocimiento y experiencia que tiene sobre las caractersticas climticas de la zona): Estado Naturaleza 1 2 3 Probabilidad subjetiva P( 1) = 0,6 P( 2) = 0,3 P( 3) = 0,1 Estados de la Naturaleza 1 2 3 100 60 20 60 100 30 20 40 80

Planteado as el problema, el decisor elegir aquella variedad que maximice la esperanza esperada de pago: Acto: Cultivar la... a1: Variedad 1 a2: Variedad 2 a3: Variedad 3 Esperanza matemtica 100 x 0,6 + 60 x 0,3 + 20 x 0,1 = 80 60 x 0,6 + 100 x 0,3 + 30 x 0,1 = 69 20 x 0,6 + 40 x 0,3 + 80 x 0,1 = 32

La esperanza matemtica mxima se obtiene con la Variedad 1, que es la que se selecciona. Es decir, la

alternativa ptima es la primera: a1*, la cual tiene una esperanza matemtica de PE0(a1*) = 80. El pago esperado por la informacin perfecta ser: PEIP0 = 100 x 0,6 + 100 x 0,3 + 80 x 0,1 = 98 Por tanto, el valor esperado por la informacin perfecta ser: VEIP0 = PEIP0 - PE0(a1*) = 98 - 80 = 18

2.- ANALISIS POSTERIOR En el anlisis posterior se toma la decisin partiendo de probabilidades subjetivas, mejorada mediante la utilizacin de informacin proveniente de muestras. El hecho de utilizar esa informacin obtenida de muestras es lo que confiere el calificativo de "posterior" al anlisis. Sea, por ejemplo, un fabricante de perfumes que estudia la conveniencia de comercializar un nuevo producto (perfume). El primer paso del anlisis consiste en realizar un anlisis anterior. En funcin de las caractersticas de nuevo producto, los directivos estiman obtener una distribucin anterior de las ventas potenciales del perfume dada por: Estado de la Naturaleza 1: nivel alto de ventas 2: nivel medio de ventas 3: nivel bajo de ventas Probabilidad subjetiva o anterior P( 1) = 0,4 P( 2) = 0,4 P( 3) = 0,2

La decisin se plantea como la eleccin de una de las dos estrategias siguientes: a1 = lanzar el producto (comercializarlo) a2 = no lanzar el producto (abandonar el proyecto de comercializarlo) Mediante el correspondiente estudio de ingresos y costes en cada situacin, se determina la siguiente matriz de pagos (en Millones de unidades monetarias): Estrategia a1: lanzar producto a2: no lanzar producto 1 4 0 2 1 0 3 -1,6 0

Mediante anlisis anterior se determina que la esperanza de pago de cada estrategia es: EP0(a1) = 4 x 0,4 + 1 x 0,4 + (-1,6) x 0,2 = 1,68 Mio u.m. EP0(a2) = 0 x 0,4 + 0 x 0,4 + 0 x 0,2 = 0 Mio u.m. Luego, en el anlisis anterior, la estratgia ptima es a1* (el asterstico indica el carcter de ptima). Para la estrategia ptima el valor el pago esperado por informacin perfecta vale: PEIP0 = 4 x 0,4 + 1 x 0,4 + 0 x 0,2 = 2 Mio u.m. El valor esperado de la informacin perfecta, o la prdida de oportunidad esperada, viene dada por: VEIP0 = PEIP0 - a1* = 2 - 1,68 = 0,32 Mio u.m. (en lo sucesivo no se indicarn las unidades monetarias, Mio u.m., por sobrentenderse fcilmente). El valor esperado de la informacin perfecta es el techo de lo que interesa pagar por informacin adicional. Como el valor obtenido es alto, se acepta que resulta interesante realizar un anlisis posterior.

Para ello se decide probar el producto en un "mercado tipo", en el cual se comercializar. Como resultado de esta prueba (estudio) se espera obtener alguno de estos resultados: x1 = resultado que indica un nivel alto de ventas. x2 = resultado que indica un nivel medio de ventas. x3 = resultado que indica un nivel bajo de ventas.

Para contrastar la fiabilidad prevista de los resultados de la prueba, como indicacin de lo que ocurrir en el mercado completo, se dispone de una informacin que relaciona los resultados que se han obtenido en las pruebas y lo que realmente ocurri en los mercados, consecuencia de numerosos estudios realizados con anterioridad. Esta informacin viene dada por la siguiente tabla: Cuando se obtuvo un resultado en el mercado "reducido" dado por: El porcentaje de veces que luego result el estado de la naturaleza 1 fu: 0,7 0,2 0,1 El porcentaje de veces que luego result el estado de la naturaleza 2 fu: 0,3 0,5 0,2 El porcentaje de veces que luego result el estado de la naturaleza 3 fu: 0,1 0,1 0,8

x1 x2 x3

Los datos anteriores tienen un significado claro. Por ejemplo: - la probabilidad de que de obtener un resultado x1 en la prueba cuando el estado de la naturaleza es 1 es 0,7. Es decir P(x1/1) = 0,7. Esto tambien se puede expresar mediante una notacin ms cmoda: f(x1/ 1) = 0,7. - la probabilidad de que de obtener un resultado x2 en la prueba cuando el estado de la naturaleza es 1 es 0,2. Es decir f(x2/ 1) = 0,2. - la probabilidad de que de obtener un resultado x3 en la prueba cuando el estado de la naturaleza es 1 es 0,1. Es decir f(x3/ 1) = 0,1. - etc. Dicho de otra manera, dado un estado de la naturaleza que permitir obtener un nivel alto de ventas ( 1), una prueba o estudio (muestra) que encuentre un nivel alto de ventas como resultado (x1) es tres veces ms probable que encontrar un resultado intermedio (x2) y siete veces ms probable que encontrar un resultado bajo (x3). Una vez realizada la prueba, se encuentra un nivel bajo de ventas (x3) en ese mercado reducido. Mediante el Teorema de Bayes se corregirn las probabilidades subjetivas (anteriores) con la informacin de muestra obtenida. El teorema de Bayes viene dado por: P(
j

/ x) =

P ( j ) P ( x/ j )
j =1

P ( j ) P ( x/ j )

Otra notacin de la misma expresin, ms cmoda, viene dada por:

f 1 ( ) =

f 0 ( ) f ( x / ) f ( x)

Aplicando el teorema de Bayes (mediante clculo en tabla), se obtiene: f0 (j) 0,4 0,4 0,2 f (x3 / j) 0,1 0,2 0,8 f0 (j) f (x3 / j) 0,04 0,08 0,16 f (x3) = 0,28 f1 ( j / x3) 0,14 0,29 0,57 1

Mediante estos clculos se corrigen las probabilidades subjetivas (f0 (j)) y se obtienen las probabilidades posteriores f1 ( j / x3). Con esta nueva estimacin de las probabilidades se vuelve a calcular la esperanza matemtica de cada una de las estrategias que se consideran, obteniendose los siguientes resultados: Esperanza matemtica de pago (posterior): EP1(a1) = 4 x 0,14 + 1 x 0,29 + (-1,6) x 0,57 = - 0,062 Mio u.m. EP1(a2) = 0 x 0,14 + 0 x 0,29 + 0 x 0,57 = 0 Mio u.m. Con esta nueva estimacin (posterior) la estrategia ptima es no lanzar el producto, es decir, a2*. El pago esperado de la informacin perfecta es: PEIP1 = 4 x 0,14 + 1 x 0,29 + 0 x 0,57 = 0,85 El valor esperado de la informacin perfecta ser: VEIP1 = PEIP1 - EP1 (a2*) = 0,85 - 0 = 0,85 Observe que este valor esperado de la informacin perfecta es superior al calculado en el paso anterior. VEIP1 > VEIP0.Es decir, el resultado obtenido en la muestra (nivel bajo de ventas, x3) era tan inesperado que ha hecho crecer la incertidumbre, y por tanto se valora ms la informacin adicional que se pueda obtener para determinar cual ser el estado de la naturaleza que se presentar.

3.-ANLISIS PREPROSTERIOR En el Anlisis Preposterior se estudia lo que la informacin adicional puede ofrecer para mejorar la toma de la decisin, a fn de determinar el nivel de muestra que conviene obtener para realizar el clculo que mezcal informacin anterior y posterios: el Anlisis Posterios, estudiado en el epgrafe anterior. Ejemplo de Anlis Preposterior. Una compaa de prospecciones estudia concurrir a una oferta de la Administracin para efectuar 3 sondeos. La Administracin ofrece pagar por los tres sondeos 10.000 u.m. La compaa estima que el

coste de efectuar una prospeccin es de 2.200 u.m. si en el terreno no aparecen capas rocosas, y 4.000 u.m. si aparecen capas rocosas. Con estos datos, y en base a su experiencia en la zona, construye la siguiente matriz de pagos: Estados de la Naturaleza Nmero de sitios en los que aparece capa rocosa j 1=0 2=1 3=2 4=3 P( 1)= 0,3 P( 2)= 0,35 P( 3)= 0,2 P( 4)= 0,15 3400 1600 -200 -2000 0 0 0 0

ACTOS a1: Aceptar el contrato a2: No aceptar el contrato

1) Anlisis Anterior Si la decisin se prepara sin informacin de muestra (es decir, una muestra de tamao n=0), se tendra: EP0(a1) = 3400 x 0,3 + 1600 x 0,35 + (-200) x 0,2 + (-2000) x 0,15 = 1240 u.m. EP0(a2) = 0 x 0,3 + 0 x 0,35 + 0 x 0,2 + 0 x 0,15 = 0 u.m. Por tanto, la accin ptima es elegir a1, y en ese caso EP0(a1*) = 1240 u.m. El pago esperado de la informacin perfecta ser: PEIP0 = 3400 x 0,3 + 1600 x 0,35 +0 x 0,2 + 0 x 0,15 = 1580 u.m. Esto se puede representar tambien como EP(0) = 15 VEIP0 = PEIP0 - EP0(a1*) = 1580 - 1240 = 340 u. m. Inicialmente se identifica un techo de 340 u. m. a pagar por la informacin de muestra. 2) Anlisis preposterior. Para la obtencin de muestras se pueden practicar sondeos experimentales para comprobar si existe o no capa rocosa en los puntos donde se deben perforar los pozos. Cada uno de estos sondeos cuesta 150 u.m. Por tanto, el nmero mximo de sondeos que le conviene hacer a la empresa es n (340 / 150) = 2. Se examinarn las distintas hiptesis razonables de obtencin de informacin de muestra. Caso n = 1. Es aquel caso en el que se decide hacer un nico sondeo de muestra experimental. Si se realiza un nico sondeo, se puede obtener como resultado del mismo: x1 = no hay capa rocosa, y x2 = hay capa rocosa Observe que es posible calcular directamente la probabilidades condicionales del estado verdadero. As: f(x1/ 1) = 1 (porque es la probabilidad de que se obtenga como resultado de la muestra x1estando los tres puntos carentes de roca,1 ), y f(x1/ 2) = 2/3 (porque es la probabilidad de que se obtenga como resultado de la muestra x1habiendo en alguno de los tres puntos uno con roca,2 ). Los valores de f(x1) y f(x2) forman una distribucin de probabilidades predictiva, porque f(xk) se emplea para hacer predicciones sobre resultados de muestras antes de que sean observadas realmente. Con lo

anterior se puede construir la tabla:

xk x1

j 1 2 3 4

f0( j) 0,3 0,35 0,2 0,15 0,3 0,35 0,2 0,15

f(xk/ j) 1 2/3 1/3 0 0 1/3 2/3 1

f0( j)f(xk/j) 0,3 0,23 0,07 0 f(x1) = 0,6 0 0,12 0,13 0,15 f(x2) = 0,4

f1(j) 0,5 0,38 0,12 0 1 0 0,3 0,32 0,38 1

x2

1 2 3 4

Con las probabilidades posteriores f1(j) y los resultados de la matriz de pagos se obtiene: EP1(a1/x1) = 3400 x 0,5 + 1600 x 0,38 + (-200) x 0,12 + (-2000) x 0 = 2284 EP1(a2/x1) = 0 EP1(a1/x2) = 3400 x 0 + 1600 x 0,3 + (-200) x 0,32 + (-2000) x 0,38 = -344 EP1(a2/x2) = 0 El pago esperado incondicional vale: EP(1) = EP1(a1*/x1) f(x1) + EP1(a2*/x2) f(x2) = 2284 x 0,6 +0 x 0,4 = 1370,4 El valor esperado de la informacin de muestra vale: VEIM (1) = EP(1) - EP0(a1*) = 1370,4 -1240 = 130,4 Se reduce la incertidumbre como consecuencia de la informacin adicional de la muestra, pero como es necesario invertir 150 u.m. en obtener la muestra (hacer un sondeo experimental), en realidad la ganancia neta esperada de la muestra es: GNEM = VEIM(1) - C(1) = 130,4 - 150 = -19,6 Por tanto se concluye que no conviene obtener una muestra de tamao n =1. Caso n = 2 Se examina ahora la hiptesis de que se realizan dos perforaciones experimentales, y en eso consiste la informacin de muestra. En este caso, como consecuencia de efectura n = 2 sondeos se pueden obtener los siguientes resultados: x1 = ningn pozo tiene capa rocosa. x2 = un pozo tiene capa rocosa y otro no.

x3 = los dos pozos tienen capa rocosa Es posible calcular las probabilidades condicionadas directamente (distribucin hipergeomtrica). As, por ejemplo, se tiene:

3 3 : =1 2 2 f(x1/ 1) =
f(x1/ 3) = f(x1/ 4) = 0

1 2 3 : = 0 2 2 f(x1/ 2) = 1/3

Se puede, por tanto, construir la tabla: xk x1 j 1 2 3 4 x2 1 2 3 4 x3 1 2 3 4

f0(j) 0,3 0,35 0,2 0,15 0,3 0,35 0,2 0,15 0,3 0,35 0,2 0,15

f(xk/j) 1 1/3 0 0 0 2/3 2/3 0 0 0 1/3 1

f0(j)f(xk/ j) 0,3 0,12 0 0 f(x1) = 0,42 0 0,23 0,13 0 f(x2) = 0,36 0 0 0,07 0,15 f(x3) = 0,22

f1( j) 0,71 0,29 0 0 1 0 0,64 0,36 0 1 0 0 0,32 0,68 1

Las esperanzas matemticas posteriores condicionadas valdrn: EP2(a1/x1) = 3400 x 0,71+ 1600 x 0,29 + (-200) x 0 + 0 x 0 = 2878 EP2(a1/x2) = 3400 x 0 + 1600 x 0,64 + (-200) x 0,36 + 0 x 0 = 952 EP2(a1/x3) = 3400 x 0 + 1600 x 0 + (-200) x 0,32 + 0 x 0,68 = -1424 EP2(a2/x1) = 0 EP2(a2/x2) = 0 EP2(a2/x3) = 0 El pago esperado incondicional vale: EP(2) = EP2(a1*/x1) f (x1) + EP2(a1*/x2) f (x2) + EP2(a2/x3) f (x3) = 2878 x 0,4 + 952 x 0,36 +0 x 0,22

= 1551,48 El valor esperado de la informacin de muestra y la ganancia neta esperada de muestra valen: VEIM(2) = EP(2) - EP(0) = 1551,48 - 1240 = 311,48 GNEM(2) = VEIM(2) - C(2) = 311,48 - 300 = 11,48 A la vista de los resultados se decide la siguiente regla de decisin: en este tipo de contratos se realizarn dos perforaciones experimentales, n = 2; y si el resultado es x1 o x2, entonces se acepta el contrato. En caso de que se obtenga x3, se rechaza el contrato.

4.- DECISIONES EN ETAPAS MLTIPLES Una compaa que se dedica a la fabricacin de zumos de fruta desea aprovechar el incremento de demanda que espera para sus fabricados. Para ello ha de construir una nueva planta que le supone una inversin de 2 Mio u.m. Sus estimaciones a priori de la situacin futura se resme en la siguiente matriz de pagos: Actos a1: construir nueva planta a1: no construir nueva planta Estado Naturaleza 1: incremento demanda 2: no incremento demanda 3 Mio - 2 Mio 0 Mio 0 Mio

Los directivos estiman una probabilidad "a priori" de 1= 0,5 y 2= 0,5. En esta situacin se tiene: EP0(a1*) = 3 x 0,5 + (-2) x 0,5 = 0,5 Mio PEIP0 = 3 x 0,5 + 0 x 0,5 = 1,5 Mio VEIP0 = PEIP0 - EP0(a1*) = 1 Mio Como la decisin puede ser demorada, la direccin decide efectuar por lo menos un estudio de muestra de las condiciones del mercado de sus clientes actuales con un coste de 60.000 u.m. La direccin no ha decidido an si tambin realizar una segunda muestra entre los clientes actuales y potenciales con un coste de 120.000 u.m. La primera muestra es fidedigna en un 65% (es decir, si resulta de la muestra que hay un incremento de demanda, existe un 65% de probabilidad de que efectivamente se presente en el futuro un incremento de demanda). La informacin de la segunda muestra es fidedigna al 70%. Como el valor de VEIP0 es alto, se pueden realizar las dos muestras. Debe hacer la direccin el muestreo en dos etapas? Respuesta: En un problema de etapas mltiples se evala la decisin hacia atrs. Los mejores movimientos de las etapas posteriores determinan los mejores movimientos de las etapas anteriores. En este tipo de problemas suele ser til emplear un instrumento grfico, llamado diagrama del flujo de decisiones o arbol de decisiones. Una primera bifurcacin del arbol se produce para los dos posibles resultados de la primera muestra: x1 = aumento de la demanda x2 = no aumento de la demanda

Dado uno cualquiera de los anteriores resultados, la direccin debe decidir si continua el muestreo (tomando la segunda muestra) o si cesa de muestrear. Si decide continuar el muestreo, existir otra bifurcacin para los resultados posibles de la segunda muestra: y1 = aumento de la demanda y2 = no aumento de la demanda Para cada uno de los resultados de la muestra se debe elegir entre hacer o no hacer la planta, entre a1 y a2. Estas decisiones determinan finalmente los pagos esperados.

Si se realiza la primera muestra, se determinarn las siguientes probabilidades posteriores: xk x1 j 1 2 x2 1 2 f0(j) 0,5 0,5 0,5 0,5 f(xk/j) 0,65 0,35 0,35 0,65 f0(j)f(xk/ j) 0,325 0,175 f(x1)= 0,5 0,175 0,325 f(x2)= 0,5 Si se realiza la segunda muestra, se obtendrn las siguientes probabilidades posteriores: xk & yk x1 & y1 j 1 2 x1 & y2 1 2 x2 & y1 1 2 x2 & y2 1 2 f0(j) 0,65 0,35 0,65 0,35 0,35 0,65 0,35 0,65 f(xk/j) 0,7 0,3 0,3 0,7 0,7 0,3 0,3 0,7 f0(j)f(xk/ j) 0,455 0,105 f(y1)= 0,56 0,195 0,245 f(y2)= 0,44 0,245 0,195 f(y1)= 0,44 0,105 0,455 f(y2)= 0,44 f1( j) 0,8125 0,1875 1 0,4432 0,5568 1 0,5568 0,4432 1 0,1875 0,8125 1 f1( j) 0,65 0,35 1 0,35 0,65 1

A partir de estos datos, y los de la matriz de pagos, se puede construir el siguiente arbol de decisin:

10

a1 0,5 a2 No tomar muestra

0,5

f ( ) 3 0 1 0,5 0,5 f ( 2 ) -2 0

f(1 /y ) = 0,8125 1 a1 2,0625 f (y1 ) = 0,56 1,25 Segunda muestra, C=0,12 2,0625 f(2 /y )=0,1875 1 a2 a2 0

-2 0

f (y ) = 0,44 2 0,2160 3

0,6788 Primera Muestra C = 0,06 f ( x )= 0,5 1

a1 f(1 /y )=0,4432 2 0,2160 f(2 /y )=0,5568 2 -2

1,25

No segunda muestra a1 1,25

f ( /x )= 0,65 1 1 1,25

-2

f ( /x )= 0,35 2 1 a2 0

0,7388 f ( x )= 0,5 2

a2 No segunda muestra 0,2275 0 a1

0 f( /y )= 0,35 1 2 3

-0,25 f(2 /y )=0,65 2

-2 0

Segunda muestra, C=0,12 a2

f(1 /y )= 0,5568 1 0,7840 f(2 /y ) = 0,4432 1

f (y1 )= 0,4432 0,375 f (y )= 0,6588 2 0

0,7840

a1

-2 0 3

a2 f(1 /y ) = 0,1875 2 -1,0625 f(2 /y )= 0,8125 2

a1

-2

Para realizar el anlisis se comienza por las ramas finales. Se calcula para cada bifurcacin el pago esperado (pago por probabilidad). El pago esperado se introduce en el vrtice del cual parte la bifurcacin. De estos pagos esperados, se elige el acto ptimo en cada etapa, hasta que se llega a la primera bifurcacin, al comienzo del arbol. Cuando proceda, deben deducirse los costes de realizar la muestra. El mejor resultado en los rectngulos ms alejados en el arbol de decisin es 2,0625 (que se obtiene mediante la operacin 3 x 0,8125 + (-2) x 0,1875). A su izqueirda existe otro rectngulo con el mismo pago esperado, proque al mismo se llega desde el vrtice 2,0625 y desde el vrtice de valor 0, siendo el mayor el primero de ambos (se pone en cada vrtice el mayor de los valores de los vrtices a los que antecede). La rama que conduce al pago menor se elimina, y ya no es tenida en cuenta posteriormente. El rectangulo siguiente (hacia atrs) tiene una esperanza de pago de 1,25. Se obtiene mediante la operacin 2,0625 x 0,56 +0,2160 x 0,44 = 1,155 + 0,095 = 1,25. Desde este vrtice se salta, hacia atrs, a

11

otro vrtice tambien con el valor 1,25. Pero este ltimo valor se obtiene: - en la rama que se est explorando, el valor que correspondera sera 1,25 - 0,12 = 1,13 (ya que habra que pagar la muestra que se supone). - la otra rama que converge (no se hace segunda muestra) tiene un valor 1,25, que proviene de haber seleccionado en la misma la accin a1, con el resultado 0,65 x 3 + (-2) x 0,35 = 1,95 - 0,7 = 1,25 De esos dos posibles valores (1,13 y 1,25) se elige el mayor, y por tanto se seleccina la alternativa de no hacer la segunda muestra. Procediendo de esta manera, se determina que la mejor opcin es realizar slo la primera muestra y construir la fbrica si da como resultado un incremento de la demanda.

12