ANLISIS DE DECISIONES

Muchas veces las decisiones deben tomarse en entornos con mayor incertidumbre. Por ejemplo: 1. 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? 2. 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? 3. 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 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 deciones 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: 1. El tomador de decisiones necesita elegir una de las acciones posibles. 2. La naturaleza elegir entonces uno de los estados de la naturaleza posibles. 3. 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. 4. 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 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 tabla 15.1, 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 15.1 como petrleo y que no sea as, esto se designa en los encabezados de las columnas 15.1 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 de estos pagos mnimo. Elija la accin cuyo pago mnimo corresponde a este mximo. La plantilla de Excel desplegada en la figura 15.1 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.

Fig. 15.1

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 15.2 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. 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 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 Bayes 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) = 800p - 100

Figs. 15.4

Fig. 15.5

La lnea inclinada en la figura 15.5 muestra la grfica de este pago esperado cotra 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 deceisin cambia de una alternativa (vender) a la otra (perforar) cuando la probabilidad a priori aumenta. Para encontrar este punto se establece E [pago (venta) = E [pago (venta)] 800p 100 = 90 p = 190/800 = 0.2375 Conclusin: se debe vender el terreno si p<0.2375, se debe perforar en busca de petrleo si p>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.

Toma de decisiones sin experimentacin

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. 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:
1. claramente plantean el problema para que todas las opciones sean analizadas. 2. permiten analizar totalmente las posibles consecuencias de tomar una decisin. 3. proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que suceda. 4. 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.

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
1. 2. 3. 4. 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

50% de posibilidades de ganar $100000

50% de posibilidades de no ganar nada

Ganar $40,000 fijos

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. 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 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) = 0.50 P(N2) = 0.10 P(N3) = 0.40

VE(A) = 400000 * 0.50 + (-200000) * 0.10 + (-200000) * 0.40 = 100000 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 = 600.000 Mn = -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 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 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 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.

CONCLUSIONES
El desarrollo de rboles de decisin beneficia en dos formas. Primero que todo, la necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera formal las decisiones que actualmente deben tomarse. De esta forma, es difcil para ellos pasar por alto cualquier etapa del proceso de decisin, sin importar que este dependa de variables cuantitativas o cualitativas. Los rboles tambin obligan a los analistas a considerar la consecuencia de las decisiones. Se ha demostrado que los rboles de decisin son eficaces cuando es necesario describir problemas con ms de una dimensin o condicin. Tambin son tiles para identificar los requerimientos de datos crticos que rodean al proceso de decisin, es decir, los rboles indican los conjuntos de datos que la gerencia requiere para formular decisiones o tomar acciones. El analista debe identificar y elaborar una lista de todos los datos utilizados en el proceso de decisin, aunque el rbol de decisin no muestra todo los datos. Los rboles de decisin no siempre son la mejor herramienta para el anlisis de decisiones. El rbol de decisiones de un sistema complejo con muchas secuencias de pasos y combinaciones de condiciones puede tener un tamao considerable. El gran nmero de ramas que pertenecen a varias trayectorias constituye ms un problema que una ayuda para el anlisis. En estos casos los analistas corren el riesgo de no determinar qu polticas o estrategias de la empresa son la gua para la toma de decisiones especficas. Cuando aparecen estos problemas, entonces es momento de considerar las tablas de decisin.