Anlisis de decisiones

Ing. Mara de los ngeles Guzmn Valle

Proceso de toma de decisiones
Cmo realiza este proceso el gerente?
1. Cualitativamente 2. Cuantitativamente
Tomado del libro Mtodos Cuantitativos para los Negocios de Anderson-Sweenwy-Williams
Proceso de toma de decisiones
La habilidad para resolver problemas mediante el
anlisis cuantitativo, es propio de cada gerente.
Pero esta habilidad puede adquirirse aumentarse con
la experiencia.
Esta habilidad puede adquirirse con el estudio de las
herramientas matemticas que ofrece los Mtodos
Cuantitativos ( Investigacin de Operaciones).
Proceso de toma de decisiones
Introduccin
Con frecuencia los gerentes tienen que tomar decisiones en
entornos que contienen mucha incertidumbre. Ejemplo:
Un fabricante introduce un nuevo producto al mercado.
Una firma financiera que invierte en valores.
Un contratista gubernamental licita un nuevo contrato.
Una firma agrcola selecciona la mezcla de cultivo y ganado
para la temporada entrante.
Una compaa petrolera decide si perfora o no en busca de
petrleo en una ubicacin dada.
Estos son los tipos de toma de decisiones frente a una gran
incertidumbre para los que se diseo el anlisis de decisiones.
El anlisis de decisiones se puede emplear para
determinar estrategias optimas cuando quien debe
tomar decisiones tiene que enfrentarse ante varias
alternativas de decisin y un patrn incierto o lleno
de riesgos de eventos futuros.
Cundo hacer anlisis de decisiones?
Ayudar a tomar mejores decisiones.

Con una buena decisin no siempre se obtiene un
buen resultado.

Pero una buena decisin produce buenos resultados
con mayor frecuencia.

Objetivo
Pasos para un anlisis de decisiones
Anlisis de decisiones: Primer paso
Identificar las alternativas de decisin.

Alternativa: Acciones que se tomaran para
resolver el problema.

Se deben presentar dos o ms alternativas de
decisin.

Identificar los estados de la naturaleza

Estado de la Naturaleza: Posible evento futuro.
Son eventos que no estn bajo el control del
decisor y que podran afectar los resultados.
Deben ser mutuamente excluyentes y
colectivamente exhaustivos.
Anlisis de decisiones: Segundo paso
Anlisis de decisiones: Tercer paso
Identificar la tabla de retribuciones ( matriz de
pagos)
TABLA DE RETRIBUCIONES
1 2 ........ M
d1 r11 r21 ........ r1m
d2 r12 r22 ........ r2m
: : : ........ :
dn r1n r2n ........ rnm
ESTADO DE NATURALEZA
DECISION
Esta matriz esta compuesta por la utilidad asociada
con cada una de las combinaciones de alternativa de
decisin y estado de naturaleza.
Anlisis de decisiones: Tomar la decisin
Depende del modelo de decisin que se este
utilizando.

Clase de modelo de decisin:
Decisiones bajo certidumbre.
Decisiones bajo riesgo.
Decisiones bajo incertidumbre
PROBLEMAS DE DECI SI N
P
R
O
B
L
E
M
A
S

D
E

D
E
C
I
S
I

N

Enfrentamiento con
estados naturales
Enfrentamiento con
oponentes racionales
Teora de Juegos
Certeza
Aleatoriedad
Riesgo
Incertidumbre
Decisiones bajo certidumbre.
Quien toma la decisin sabe exactamente qu
estado de la naturaleza ocurrir.

El nico problema es seleccionar la mejor decisin.
Decisiones bajo incertidumbre
Se asume que quien toma la decisin no tiene conocimiento de
cul estado de la naturaleza ocurrir.
Existen tres criterios para tomar la decisin:
Maximizar el rendimiento neto mnimo.
Maximizar el rendimiento mximo.
Minimizar el arrepentimiento mximo.
Cada uno de estos criterios conducir, en general, a diferentes
decisiones, con las cuales muchos administradores se sentirn
inconformes.
Decisiones bajo riesgo.
Los estados de naturaleza estn definidos por una
distribucin de probabilidades.
Quien toma la decisin puede utilizar los siguientes
criterios:
Maximizar el rendimiento esperado medido por el
rendimiento neto.
Minimizar el arrepentimiento esperado (costo de
oportunidad).
Maximizar el rendimiento esperado medido por la
utilidad.
La mayor parte de de los modelos de decisiones
administrativas caen en esta categora.
DECISIONES BAJO INCERTIDUMBRE
Un repartidor de peridico puede compra el diario Gestin a $ 0.40
y venderlo a $ 0.75. Sin embargo, debe adquirir los peridicos antes
de saber cuantos puede vender realmente. Si compra mas peridicos
de los que puede vender, simplemente desechara el excedente, sin
costo adicional. Si no compra suficientes peridicos, pierde ventas
potenciales ahora y posiblemente en el futuro (los clientes
disgustados podran ya no comprarle). Supngase, por el momento,
que esta perdida de ventas futuras es representada por un costo de
perdida del buen nombre estimado en $ 0.50 por cliente
insatisfecho.
Ejemplo 01: Puesto de peridico.
Anlisis de decisiones: Primer paso
Para simplificar el anlisis, supondremos las siguientes
decisiones:
Comprar 0 peridico
Comprar 1 peridico.
Comprar 2 peridicos.
Comprar 3 peridicos.
Anlisis de decisiones: Segundo paso
Definiendo nuestros estados de naturaleza:
Que me compren 0 peridico.
Que me compren 1 peridico.
Que me compren 2 peridicos.
Que me compren 3 peridicos.
Decisin 0 1 2 3
0 0 -50 -100 -150
1 -40 35 -15 -65
2 -80 -5 70 20
3 -120 -45 30 105
Estados de naturaleza
El criterio maximin es un procedimiento extremadamente
conservador, quizs pesimista.
Evala cada decisin segn la peor circunstancia que pudiera
pasar si tomara esa decisin.
Es utilizado a menudo en situaciones donde la persona que
planea siente que no puede permitirse un error.
De acuerdo a este criterio, el vendedor de peridico, se decide
por comprar 1 peridico.
Decisin
Rendimiento
mnimo
0 -150
1 -65
2 -80
3 -120
1. Maximizar el rendimiento neto mnimo.
(PESIMISTA DE WALD)
2. Maximizar el rendimiento mximo.
(CRITERIO OPTIMISTA)
El criterio maximax es tan optimista como pesimista es el
maximin.
Evala cada decisin segn lo mejor que pudiera pasar si sta
se tomara.
La decisin que proporcione el mximo de estos rendimientos
mximos es entonces seleccionada.
De acuerdo a este criterio, el vendedor de peridico, se decide
por comprar 3 peridico.
Decisin 0 1 2 3
0 0 -50 -100 -150
1 -40 35 -15 -65
2 -80 -5 70 20
3 -120 -45 30 105
Estados de naturaleza
Decisin
Rendimiento
mximo
0 0
1 35
2 70
3 105
3. Criterio de Realismo de HURWICZ
Es un criterio intermedio entre MAXIMIN Y
MAXIMAX.
Se basa en la consideracin de un coeficiente de
optimismo ( ) que toma valores >=0 y <=1
Se debe calcular para cada alternativa Ai un valor Hi
por:
Hi = . (mejor Xij) + (1- ) . (peor Xij)
j j
Luego se elige como optima la alternativa que posea
el mejor H (mayor en matriz de ganancias o menor en
matriz de costos.
Estados de naturaleza.
Decision 0 1 2 3 Mejor Peor
0 0 -50 -100 -150 0 -150
1 -40 35 -15 -65 35 -65
2 -80 -5 70 20 70 -80
3 -120 -45 30 105 105 -120
= 0.7*0+0.3*(-150) = -45
= 0.7*35+0.3*(-65) = 5
= 0.7*70+0.3*(-80) = 25
= 0.7*105+0.3*(-120) = 37.5
Asumamos coeficiente de optimismo a = 0.7
Se toma la mayor por
ser utilidades
Se considera el caso de aquellas personas que al enfrentarse
con un problema de decisin y elegir una de las alternativas
posibles, cuando posteriormente se enteran de lo realmente
acontecido, tienden a lamentarse por no haber escogido la
alternativa ptima.
Un buen ndice del grado de insatisfaccin o afliccin esta
dado por la diferencia entre la compensacin que realmente
recibi y la que le habra correspondido si hubiera sabido con
antelacin el estado natural que haba de producirse.
Es decir: EL CLCULO DEL COSTO DE OPORTUNIDAD
PARA CADA DECISIN.
4. Minimizar el arrepentimiento mximo. (SAVAGE)
Hasta ahora, todos los criterios de decisin han sido utilizados
en una tabla de retribuciones como rendimientos medidos por
flujo de efectivo.
Ahora trabajaremos con un tabla de retribucin donde se
muestre el arrepentimiento para cada combinacin de decisin y
estado de naturaleza.
Se procede de la siguiente manera:
Se encuentra la entrada mxima en cada columna.
Se calcula la nueva entrada sustrayendo la entrada actual
del mximo de su columna.
Utilizar el criterio minimax conservador, esto es, seleccionar
aquella decisin que funcione mejor en el peor caso.
Seleccionar la decisin que minimice el arrepentimiento mximo.
Decisin 0 1 2 3
0 0 -50 -100 -150
1 -40 35 -15 -65
2 -80 -5 70 20
3 -120 -45 30 105
Estados de naturaleza
Decisin 0 1 2 3
0 0 - 0 35 - (-50) 70 - (-100) 105 - (-150)
1 0 - (-40) 35 - 35 70 - (-15) 105 - (-65)
2 0 - (-80) 35 - (-5) 70 - 70 105 - 20
3 0 - (-120) 35 - (-45) 70 - 30 105 - 105
Estados de naturaleza
Decisin 0 1 2 3
0 0 85 170 255
1 40 0 85 170
2 80 40 0 85
3 120 80 40 0
Estados de naturaleza
Decisin
Mximo
arrepentimiento
0 255
1 170
2 85
3 120
Paso 1
Paso 3
Paso 4
Paso 2
En el caso del vendedor de peridico, el criterio de arrepentimiento
minimax indica que el repartidor de peridico debe comprar 2
peridicos.
Minimizar el arrepentimiento mximo.
(SAVAGE)
En resumen el criterio de SAVAGE, o criterio de los mnimos
lamentos, comienza por construir la matriz de lamentos
calculando los costos de oportunidad a partir de la matriz de
resultados.
CO
ij
= (mximo X
ij
X
ij
) para cada futuro F
j
en una
matriz de ganancias
CO
ij
= (X
ij
mnimo X
ij
) para cada futuro F
j
en una
matriz de costos.
La alternativa ptima se determinara luego aplicando a esta
nueva matriz el criterio minimax.
i
i
5. Criterio de probabilidades iguales: Laplace
Llamado criterio de racionalidad.
Presume que puesto que no se conocen las probabilidades
de los distintos futuros posibles, ni aun la importancia
relativa de cada una de ellas, es dable suponer que todos
esos eventos futuros son equivalentes en probabilidades.
Objecin: El hecho de desconocer las probabilidades de
los distintos futuros posibles da lugar a asignarles a
cada uno de ellos igual probabilidad de ocurrencia?
CRITERIO DE LAPLACE
EJERCICIO PROPUESTO 1
Tomado del libro Mtodos Cuantitativos para los Negocios de Barry Render
Respuestas problema 1
MAXIMAX
MAXIMIN
Respuestas problema 1
LAPLACE
HURWICZ
SAVAGE
EJERCICIO PROPUESTO 2
a) A1 (valor 0)
b) A1 (Arrepentimiento de 10)
c) A1 (para un valor de H1=2)
d) A1 (Para un costo mximo de 5)
e) A2 (con un costo de oportunidad mximo de 10)
f) A2 (para un valor de H2=0)
g) 0.p
1
+ 5.p
2
= 10.p
1
+ (-15).p
2 ,
P1 = 0.66 y P2 = 0.34
Considere p
1
+ p
2
= 1
Respuestas problema 2
DECISIONES BAJO RIESGO
Un repartidor de peridico puede compra el diario Gestin a $ 0.40
y venderlo a $ 0.75. Sin embargo, debe adquirir los peridicos antes
de saber cuantos puede vender realmente. Si compra mas peridicos
de los que puede vender, simplemente desechara el excedente, sin
costo adicional. Si no compra suficientes peridicos, pierde ventas
potenciales ahora y posiblemente en el futuro (los clientes
disgustados podran ya no comprarle). Supngase, por el momento,
que esta perdida de ventas futuras es representada por un costo de
perdida del buen nombre estimado en $ 0.50 por cliente
insatisfecho. A continuacin mostramos la distribucin de
probabilidades de la demanda de peridicos.
Ejemplo 01: Puesto de peridico.
Anlisis de decisiones: Tercer paso
Construyendo mi tabla de retribuciones, tenemos:
Anlisis de decisiones: Anlisis de
sensibilidad
La decisin tomada, est basada en un costo, el costo de
perdida de un cliente, cuyo valor es mucho menos seguro
que los otros dos costos (compra y venta). Qu le pasara
a la decisin ptima si el costo de perder a un cliente
fuera diferente?.
Para resolver
esto, haremos
un anlisis de
sensibilidad
con la ayuda
del Excel
ANALISIS DE SENCIBILIDAD
-300
-250
-200
-150
-100
-50
0
50
0
2
0
4
0
6
0
8
0
1
0
0
1
2
0
1
4
0
Comprar 0
Comprar 1
Comprar 2
Comprar 3
Anlisis de decisiones: Anlisis de
sensibilidad
1. Valor monetario esperado

Dada una tabla de decisiones con valores condicionales
(pagos) que son valores monetarios y las probabilidades
evaluadas para todos los estados de naturaleza, es posible
determinar el valor monetario
esperado (VME) para cada alternativa. El valor esperado o
valor medio es el valor promedio a largo
plazo de esa decisin. El VME para una alternativa es tan solo
la suma de los pagos posibles de la alternativa,
cada uno ponderado por la probabilidad de que ese pago
ocurra.
Ejemplo
Tomado del libro Mtodos Cuantitativos para los Negocios de Barry Render
2. Valor esperado de la informacin perfecta
Scientific Marketing, Inc., una empresa que propone ayudar a
John a tomar decisiones sobre si construir una planta para
fabricar las casetas de almacenamiento, se acerc a John
Thompson. Scientific Marketing asegura que su anlisis tcnico
indicar a John con certidumbre si el mercado es favorable para
su producto propuesto. En otras palabras, cambiar su entorno
de una toma de decisiones con riesgo en uno de toma de
decisiones con certidumbre. Esta informacin ayudara a evitar
que John cometa un error muy costoso. Scientific Marketing
cobrar a Thompson $65,000 por la informacin.
Qu recomendara usted a John? Debera contratar a la
empresa para hacer el estudio de mercado? Incluso si la
informacin del estudio fuera perfectamente exacta, valdra
$65,000?
Cunto valdra? Aunque es difcil contestar algunas de estas
preguntas, determinar el valor de tal informacin perfecta
sera muy til.
El valor esperado de la informacin perfecta (VEIP) y el valor
esperado con informacin perfecta (VECIP). Las tcnicas
ayudaran a John a tomar su decisin acerca de contratar a la
empresa de investigacin de mercados
As, lo ms que Thompson estara dispuesto a pagar por
informacin perfecta son $60,000. Desde luego, esto se
basa de nuevo en la suposicin de que la probabilidad de
cada estado de naturaleza es de 0.50.
Este VEIP tambin nos indica que lo ms que pagaramos
por cualquier informacin (perfecta o imperfecta) son
$60,000. En una seccin posterior veremos cmo dar un
valor a la informacin imperfecta o a la informacin de
una muestra.
Para encontrar el VEIP en problemas de minimizacin,
el enfoque es similar. Se encuentra el mejor pago en
cada estado de naturaleza, pero ahora es el menor
pago de ese estado de naturaleza, en vez del mayor. El
VECIP se calcula con estos valores ms bajos y se
compara con el mejor (menor) VME sin informacin
perfecta. El VEIP es la mejora que resulta, y es el
mejor VME VECIP.
Tomado del libro Mtodos Cuantitativos para los Negocios de Barry Render
3. Prdida de oportunidad esperada
Un enfoque alternativo para maximizar el VME es minimizar
la prdida de oportunidad esperada (POE). Primero se
construye una tabla de prdida de oportunidad (matriz de
aflicciones). Luego, se calcula la POE para cada alternativa,
multiplicando la prdida de oportunidad por la probabilidad y
sumando los resultados.
Si usamos estas prdidas de oportunidad, calculamos el POE
de cada alternativa multiplicando por la probabilidad de cada
estado de naturaleza por el valor adecuado de la prdida de
oportunidad, y sumamos los resultados:
Tomado del libro Mtodos Cuantitativos para los Negocios de Barry Render
rbol de Decisiones
Representacin grfica del proceso de toma de
decisiones bajo riesgo.
Todas las posibles secuencias de eventos estn
representadas en el rbol de decisiones, cada una
de las cuales podra llevarnos a uno de varios
resultados inciertos.
Para aprender como crear un rbol de decisiones,
veamos el siguiente ejemplo:
Ejemplo 02
Acaba de completarse la fase de diseo y prueba de productos
para la nueva lnea de tractores para jardn y uso domestico de
PROTRAC. La alta gerencia est tratando de decidir la
estrategia de mercadotecnia y produccin apropiadas para
usarse con este producto. Se estn considerando tres
alternativas principales:
Agresiva (A): Esta estrategia representa un compromiso
importante por parte de la empresa con esta lnea de producto.
Se incurrira en importantes desembolsos de capital para una
nueva y eficiente planta de produccin. Se acumularan grandes
inventarios para garantizar la entrega apropiada de todos los
modelos. Se iniciara una gran campaa de publicidad incluyendo
un patrocinio a nivel nacional de comerciales en televisin y se
arrancara un programa de descuentos a distribuidores.
Bsica (B): En este plan, la produccin del E-4 (el tractor
oruga pequeo) sera trasladada de Joliet a Moline. Este
traslado eliminara el departamento de produccin del pelicano
ajustable y del excavador. Al mismo tiempo, la lnea E-4 en
Joliet seria modificada para producir el nuevo producto para
jardn y uso domestico. Se mantendran inventario solo para los
productos mas populares. Las oficinas centrales pondran
fondos a disposicin para apoyar esfuerzos locales o regionales
de publicidad, pero no se hara una campaa publicitaria
nacional.
Cautelosa (C): En este plan, la capacidad sobrante en varia
de las lneas E-4 se utilizara para manufacturar los nuevos
productos. Se desarrollara un mnimo de nuevos montajes. La
produccin se programara para satisfacer la demanda y la
publicidad correra a cargo del comerciante local.
Ejemplo 02
La administracin decide clasificar el estado del mercado
como fuerte (D
1
) o dbil (D
2
). En realidad la demanda se
caracteriza por un continuo de resultados posibles. A
continuacin se muestra la tabla de retribuciones y su
respectiva probabilidad:
Ejemplo 02
D
1
D
2
A 30 -8
B 20 7
C 5 15
Probabilidad 0.45 0.55
Estado naturaleza
Decisin
Construccin del rbol de Decisiones
Nodo Cuadrado: Punto donde debe tomarse una
decisin. Cada lnea que parte de l representa una
decisin.
Nodo Circular: Representan situaciones donde el
resultado es incierto.
Rama:Cada lnea que emanan de los nodos.
Posiciones terminales.
Nodos terminales.
En este curso, utilizaremos el software TreePlan.
Este software esta disponible como shareware. Visite
su sitio web en http://www.treeplan.com
0.45
Fuerte
30
Agresiva 30 30
0 9.1 0.55
Dbil
-8
-8 -8
0.45
Fuerte
20
Bsica 20 20
2
12.85 0 12.85 0.55
Dbil
7
7 7
0.45
Fuerte
5
Cautelosa 5 5
0 10.5 0.55
Dbil
15
15 15
rbol de Decisiones del ejemplo 02
rbol de Decisiones: Cmo incorporar
nueva informacin.
La administracin de la divisin de tractores
domsticos de PROPRAC estaba a punto de
recomendar la estrategia de mercadotecnia y
produccin bsica, cuando el consejo directivo insisti
en que primero tendra que llevarse a cabo un estudio
de investigacin de mercado. Slo despus de dicho
estudio el consejo estara dispuesto a aprobar la
seleccin de la estrategia de mercadotecnia y
produccin.

Cmo de debe proceder?
rbol de Decisiones: Cmo incorporar
nueva informacin.
Seleccionar a una empresa que realice el estudio de mercado
en un tiempo prudente (recomendablemente un mes). Sobre
si el estudio era alentador (A) o desalentador (D).
Est informe revelara siempre el estado verdadero de la
naturaleza.
La administracin una vez que tenga la informacin, puede
actualizar su estimacin P(F), es decir la probabilidad de que
el mercado fuera fuerte, sera actualizada.
La pregunta es: cmo deber realizarse la actualizacin?.
La actualizacin, se realiza basndonos en la probabilidad
condicional.
rbol de Decisiones: Calculo de
probabilidades a posteriori
La pregunta es: cmo calcular la probabilidad a
posteriori?
Supongamos que el grupo de mercadotecnia ha dado el
siguiente informe:



La clave para obtener las probabilidades a posteriori es
el teorema de Bayes.
Nosotros utilizaremos el Excel para calcularlas
D
1
D
2
Alentador (C
1
) 0.6 0.3
Desalentador (C
2
) 0.4 0.7
P(C
j
/D
i
)
CONFIABILIDADES
Fuerte Dbil
Alentador 0.6 0.3
Desalentador 0.4 0.7
PROBABILIDADES A PRIORI
Fuerte Dbil
0.45 0.55
PROBABILIDADES CONJUNTAS Y MARGINALES
Fuerte Dbil
Alentador 0.27 0.165 0.435
Desalentador 0.18 0.385 0.565
0.45 0.55
PROBABILIDAD A POSTERIORI
Fuerte Dbil
Alentador 0.621 0.379
Desalentador 0.319 0.681
rbol de Decisiones: Calculo de
probabilidades a posteriori con el Excel
0.621
Fuerte
30
Agresiva 30 30
0 15.598 0.379
Dbil
-8
-8 -8
0.621
Fuerte
0.435 20
Alentador Bsica 20 20
1
0 15.598 0 15.073 0.379
Dbil
7
7 7
0.621
Fuerte
5
Cautelosa 5 5
0 8.79 0.379
Dbil
15
15 15
13.45778 0.319
rbol de Decisiones: informe alentador
13.45778 0.319
Fuerte
30
Agresiva 30 30
0 4.122 0.681
Dbil
-8
-8 -8
0.319
Fuerte
0.565 20
Desalentador Bsica 20 20
3
0 11.81 0 11.147 0.681
Dbil
7
7 7
0.319
Fuerte
5
Cautelosa 5 5
0 11.81 0.681
Dbil
15
15 15
rbol de Decisiones: informe desalentador
rbol de Decisiones: Toma de decisin
Si la prueba es alentadora, para maximizar el
rendimiento esperado, debemos realizar la accin
Agresiva.
Si el resultado de la prueba es desalentadora,
para maximizar el rendimiento esperado, debemos
realizar la accin Cautelosa.
Observe la siguiente tabla de retribuciones, en la cual las
entradas estn en rendimientos netos en dlares.
1 2 3 4
1 35 22 25 12
2 27 25 20 18
3 22 25 25 28
4 20 25 28 33
Estado de naturaleza
Decisin
Cul seria su decisin bajo un enfoque de incertidumbre?
Si las probabilidades para los estados de naturaleza son
las siguientes Cul es la decisin que maximice el
rendimiento neto esperado en dlares?.
P(1)= 0.1 P(2)=0.4 P(3)=0.3 P(4)=0.2
Ejemplo 03
Jenny Lind es una escritora de novelas romnticas. Tanto una
compaa flmica como una red televisiva quieren los derechos
exclusivos de una de sus obras ms populares. Si ella firma con
la red recibir una sola suma fija, pero si firma con la
compaa flmica la cifra que recibir depender de la
respuesta del mercado ante la pelcula. Las retribuciones de
Jenny se muestran a continuacin
Taquilla baja Taquilla media Taquilla alta
Firmar con cia flmica $ 200,000 $ 1,000,000 $ 3,000,000
Firmar con red televisiva $ 900,000 $ 900,000 $ 900,000
Probabilidad a priori 30% 60% 10%
Decisin
Estado de naturaleza
A quien debe deber vender Jenny los derechos?
Cunto es lo ms que debe estar dispuesta a pagar para saber
el monto de la taquilla, antes de decidir con quin firmar?
Ejemplo 04
Jenny Lind puede contratar a una empresa que se dedique a
la investigacin de mercados, para hacer una encuesta con un
costo de $100,000. El resultado de la encuesta consistir en
una respuesta del publico favorable (F) o desfavorable (U) a
la pelcula.
P(F/Baja) 30% P(U/Baja) 70%
P(F/Media) 60% P(U/Media) 40%
P(F/Alta) 80% P(U/Alta) 20%
Debe Jenny mandar a hacer la encuesta?
Cunto es lo ms que Jenny debera estar dispuesta a
pagar por la encuesta?
Ejemplo 04
Para ahorrar en gastos, Martn y Sara acordaron compartir el
automvil para ir y regresar del trabajo. Sara prefiere usar la
Av. Queen City que es mas larga pero mas consistente. Martn
prefiere la autopista que es mas rapida, pero acord con Sara
que tomaran la avenida Queen City si la autopista tenia un
embotellamiento de transito. La siguiente tabla de resultados
proporcionan la estimacin de tiempo en minutos para el viaje
de ida y regreso.
Autopista
abierta
Autopista
embotellada
Av. Queen City 30 30
Autopista 25 45
Con base a su experiencia con problemas de transito, Sara y
Martn acordaron una probabilidad de 0.15 de que la autopista
estuviera embotellada.
Ejemplo 05
Adems, acordaron que el clima pareca afectar las
condiciones del transito en la autopista. Sea:
C despejado O nublado R lluvia
Se aplican las siguientes probabilidades condicionales:

P(C/Abierta) = 0.8 P(O/Abierta) = 0.2 P(R/Abierta) = 0.0
P(C/Embot) = 0.1 P(O/Embot) = 0.3 P(R/Embot) = 0.6

1. Muestre el rbol de decisiones para este problema.
2. Cul es la estrategia de decisin optima y cual es el tiempo
de viaje esperado?
Ejemplo 05