Anda di halaman 1dari 99

2016

TEORIA DE
DECISIONES

Germn Pomachagua Prez


UNIVERSIDAD NACIONAL DEL CALLAO
01/01/2016

CAPITULO I
EL PROCESO DE DECISIN
1.1 INTRODUCCION
El anlisis de decisiones es una ciencia en crecimiento. En particular esta ciencia estudia y
enfoca, desde diferentes puntos de vista, la toma de decisiones en el mundo social, poltico
y de la empresa privada a travs de principios sencillos y fciles de aplicar.
Todas las personas a cargo de puestos ejecutivos en una empresa decidida a crecer y
sobrevivir en un mundo altamente cambiante y globalizado deberan conocer y manejar los
principios tericos de la toma de decisiones
El proceso de la toma de decisiones es la piedra angular de la mayora de los problemas
tcnicos, de negocio y de gobiernos.
Los profundos cambios econmicos, polticos y sociales de nuestra poca, obligan a las
organizaciones a replantearse y reconsiderar nuevas perspectivas de desarrollo de sus
procesos tanto industriales como administrativos
El aumento de la competitividad con el rpido y creciente desarrollo tecnolgico, junto a la
fuerte globalizacin del mercado hacen que la fuerza laboral sean, ms innovadoras y a
concentrar esfuerzos para convertir a sus recursos humanos en una verdadera ventaja
competitiva.
La actividad de las organizaciones en entornos, demandan de su gente una especial
capacidad para adaptarse a los cambios y manejar la incertidumbre, tomando decisiones
certeras en pocas turbulentas
Los ingenieros deben tomar decisiones cuando consideran un cambio en el diseo de un
producto, los ejecutivos de mercadotecnia deben decidir sobre los segmentos de la
poblacin en que deben intensificar las campaas de ventas, los funcionarios de gobierno
deciden en que sector deben asignar ms fondos para aliviar la crisis. Se pueden mencionar
muchos ms ejemplos de los cuales afirmar que todos los problemas en el mundo real son
problemas de decisin.
Por lo tanto en la vida personal como en la administracin es necesario tomar importante
decisiones cuyas consecuencias finales no se conocen con certeza.
Ejemplo se selecciona a una compaera(o) para el matrimonio con la esperanza y
expectativa pero no con la certeza de que llevar una relacin completa y satisfactoria. Un
ingeniero selecciona un plan para implementar un nuevo sistema de cmputo con la
intencin; pero no con la certeza.
1

1.2DEFINICIONES GENERALES
DEFINICION 1: La toma de decisiones constituye un proceso de eleccin que conduce a la
seleccin de una alternativa, que comprende el proceso de planeacin. En trminos ms
generales, constituye una actividad de solucin de problemas que surge cuando uno o varios
administradores comprenden que existe una gran diferencia entre lo que es y lo que debiera
de ser o pudiera de ser.
DEFINICION 2: El Anlisis de Decisiones es el resultado de combinar aspectos del Anlisis de
Sistemas y la Teora de Decisiones. El Anlisis de Sistemas o en general, la metodologa del
modelaje de sistemas, brinda los medios para tratar las interacciones y el comportamiento
dinmico de situaciones complejas. Por otro lado la Teora de Decisiones trata situaciones
inciertas simples de una manera lgica.

En conclusin el Anlisis de Decisiones una forma de combinar la habilidad de tomar


decisiones en situaciones de incertidumbre, con la de manejar caractersticas de
complejidad y dinamismo en una sola disciplina.
TEORIA DE
DECISIONES

ANLISIS DE
SISTEMAS

INCERTIDUMBRE

COMPLEJIDAD
DINAMISMO

ANLISIS DE
DECISIONES

Definicin segn algunos autores


1. Moody Paul: Es una accin que debe tomarse cuando ya no hay ms tiempo para
recoger informacin.
2. Kast Fremont: La toma de decisiones es fundamental para el organismo y la
conducta de la organizacin y suministra los medios para el control y permite la
coherencia en los sistemas.

La toma de decisiones es una actividad inherente al comportamiento de individuos,


organizaciones y sociedades, se le consideran una caracterstica de los sistemas sociales,

donde la extensin e importancia de la actividad de toma de decisiones depender de la


motivacin con la cual se busca alcanzar los objetivos o metas. Evidentemente un sistema,
compuesto por personas, que no posee propsitos no tiene problemas de toma de
decisiones.

1.3 FUNCIONES ADMINISTRATIVAS DE LA TOMA DE DECISIONES.


La toma de decisiones en una organizacin comprende cuatro funciones administrativas que
son: Planeacin, Organizacin, Direccin y Control.

Planificacin: Seleccin de misiones y objetivos as como de las acciones para


cumplirlas. Esto implica "Toma de decisin".
o Cul es el presupuesto para alcanzar las metas?
o Cules son los objetivos de la organizacin, a largo plazo?
o Qu estrategias son mejores para lograr este objetivo?
o Cules deben ser los objetivos a corto plazo?

Organizacin: Establecimiento de la estructura que desempean los individuos


dentro de la organizacin.
o Cunta centralizacin debe existir en la organizacin?
o Cmo deben disearse los puestos?
o Quin est mejor calificado para ocupar un puesto vacante?

Direccin: Proceso para dirigir e influir en las actividades de los miembros,el


cumplimiento de las metas organizacionales y grupales.
o Cmo manejo a un grupo de trabajadores que parecen tener una motivacin
baja?
o Cul es el estilo de liderazgo ms eficaz para una situacin dada?
o Cmo afectar un cambio especfico a la productividad del trabajador?

Control: Es la medicin y correccin del desempeo individual y organizacional de


manera tal que se puedan lograr los planes
o Qu actividades en la organizacin necesitan ser controladas?
o Cmo deben controlarse estas actividades?
o Cundo es significativa una desviacin en el desempeo?
o Cundo la organizacin est desempendose de manera efectiva?

PLANIFICACION
Y TOMA DE DECISIONES

CONTROL

ORGANIZACION

DIRECCION
(EJECUCION)

1.3.1 SISTEMA ADMINISTRATIVO


Es un sistema que a travs del procesamiento de todos los elementos administrativos,
produce la informacin necesaria para todos los niveles de la organizacin.
Es el medio donde las polticas adoptadas por el nivel superior se traducen en mltiples
decisiones que resuelven problemas cotidianos que conforman en conjunto la actividad de
la organizacin.
Estas decisiones hay que llevarlas a cabo teniendo en cuenta los conceptos de meta, eficacia
eficiencia y efectividad

Proyecto: Conjunto de actividades orientadas a alcanzar objetivos y metas


especficas, con un presupuesto definido, personas/entidades responsables y en un
plazo determinado

Meta: Fin que pretende alcanzar la organizacin. Son elementos fundamentales de


las organizaciones.

Eficacia: Capacidad para determinar los objetivos apropiados. "Hacer lo que se debe
hacer"

Eficiencia: Capacidad de reducir al mnimo los recursos usados para alcanzar los
objetivos de la organizacin "Hacer las cosas bien".

Efectividad: Generacin sistemtica de resultados consistentes integrando la eficacia


y la eficiencia

Segn Peter Drucker una de las personas ms reconocidas por en el campo de


Administracin dice que la eficacia es la clave de xito de una organizacin, antes de
dedicarnos a hacer algo en forma eficiente, tenemos que estar seguros que hemos
encontrado algo acertado.
Por ejemplo un gerente elige una meta equivocada producir autos grandes, cuando esta
creciendo la demanda de autos pequeos, es un gerente ineficaz an cuando produzca
autos grandes con gran eficiencia.

La administracin es un proceso mediante el cual las metas organizacionales se


alcanzan a travs de los recursos

El grado de xito de las organizaciones y la labor del administrador se mide en funcin


de la productividad, (eficiencia) relacin entre la produccin de bienes y servicios y los
recursos humanos y no humanos.
Pr oduccin(s alida)
P
Insumos(entrada)

El medio principal mediante el cual la humanidad puede superar la pobreza y lograr un


estado de relativo bienestar material es una mayor productividad1

Si no se puede medir no se puede administrar2

El nivel de la productividad o xito de la administracin depende de la ejecucin de


funciones empresariales tales como la planeacin, organizacin y control.

Dentro de la vida empresarial es muy significativo, el hecho de que las personas sean
capaces de tomar decisiones, este es un factor que lo distingue, en muchas ocasiones, a
las personas sobresalientes de las que no lo son muchos. Con la resolucin de las
siguientes preguntas podrs determinar que tan bueno eres tomando decisiones
racionales en la siguiente direccin para ver que tipo de gerente eres.
http://www.gestiopolis.com/recursos/checking/prueba27.asp

1
2

Jhon W. Kendrick
Tom Peters
5

1.3.2 CUALIDADES PERSONALES PARA LA TOMA DE DECISIONES


Sin lugar a dudas existen ciertas cualidades que hacen que los tomadores de decisin sean
buenos o malos.
Cuatro son las cualidades que tienen mayor importancia a la hora de analizar al tomador de
decisiones: experiencia, buen juicio, creatividad y habilidades cuantitativas. Otras cualidades
podrn ser relevantes, pero estas cuatro conforman los requisitos fundamentales.

EXPERIENCIA: Es lgico suponer que la habilidad de un mando para tomar decisiones


crece con la experiencia. El concepto de veterana en una organizacin con aquellos
individuos que tienen el mayor tiempo de servicio, se funda en el valor de la
experiencia y por lo tanto reciben un mayor salario. Cuando se selecciona a un
candidato para algn puesto de la organizacin, la experiencia es un captulo de gran
importancia a la hora de la decisin.

BUEN JUICIO: Se utiliza el trmino juicio para referirnos a la habilidad de evaluar


informacin de forma inteligente. Est constituido por el sentido comn, la madurez,
la habilidad de razonamiento y la experiencia del tomador de decisiones. Por lo tanto
se supone que el juicio mejora con la edad y la experiencia.
Un juicio se desarrolla de la siguiente manera: basado en la informacin disponible y
en su propia experiencia anterior, el tomador de decisiones establece parmetros
conformados por: los hechos, las opiniones y el conocimiento en general

CREATIVIDAD: La creatividad designa la habilidad del tomador de decisiones para


combinar o asociar ideas de manera nica, para lograr un resultado nuevo y til.
El tomador de decisiones creativo es capaz de captar y entender el problema de
manera ms amplia, an de ver las consecuencias que otros pasan por alto. Sin
embargo el mayor valor de la creatividad est en el desarrollo de alternativas. Son
creativos y pueden generar suficientes ideas para encontrar el camino ms corto y
efectivo al problema.

HABILIDADES CUANTITATIVAS: Esta es la habilidad de emplear tcnicas presentadas


como mtodos cuantitativos o investigacin de operaciones, como pueden ser: la
programacin lineal, teora de lneas de espera y modelos de inventarios. Estas
herramientas ayudan a los mandos a tomar decisiones efectivas. Pero es muy
importante no olvidar que las habilidades cuantitativas no deben, ni pueden
reemplazar al buen juicio en el proceso de toma de decisiones

SISTEMAS DE SOPORTE A LA TOMA DE


DECISIONES (DSS)
Un sistema de soporte a las decisiones (DSS Decision Support System) es un sistema
informtico utilizado para servir de apoyo, ms que automatizar, el proceso de toma de
decisiones. El apoyo a una decisin significa ayudar a las personas que trabajan solas o en
grupo a reunir inteligencia, generar alternativas y tomar decisiones en un ambiente de
incertidumbre
Los sistemas expertos, tambin llamados sistemas basados en conocimiento, utilizan redes
neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para
resolver un problema concreto. Este concepto est muy relacionado con el datamining
Estos sistemas de apoyo son del tipo
OLAP: Es una solucin utilizada en el campo de la llamada Inteligencia
empresarial (Business Intelligence) cuyo objetivo es agilizar la consulta de grandes
cantidades de datos. Para ello utiliza estructuras multidimensionales ( Cubos OLAP) que
contienen datos resumidos de grandes Bases de datos.
Minera de datos: (Es la etapa de anlisis de "Knowledge Discovery in Databases" o KDD):
es un campo de las ciencias de la computacin referido al proceso que intenta descubrir
patrones en grandes volmenes de conjuntos de datos. Utiliza los mtodos de la
inteligencia artificial, aprendizaje automtico, estadstica y sistemas de bases de datos
.

El data mining (minera de datos), es el conjunto de tcnicas y tecnologas que permiten


explorar grandes bases de datos, de manera automtica o semiautomtica, con el objetivo
de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de
los datos en un determinado contexto.
Tcnicas de minera de datos
Como ya se ha comentado, las tcnicas de la minera de datos provienen de la Inteligencia
artificial y de la estadstica, dichas tcnicas, no son ms que algoritmos, ms o menos
sofisticados que se aplican sobre un conjunto de datos para obtener unos resultados.
Las tcnicas ms representativas son:

Redes neuronales.- Son un paradigma de aprendizaje y procesamiento automtico


inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata
de un sistema de interconexin de neuronas en una red que colabora para producir
un estmulo de salida. Algunos ejemplos de red neuronal son:
o El Perceptrn.
o El Perceptrn multicapa.
o Los Mapas Autoorganizados, tambin conocidos como redes de Kohonen.

Regresin lineal.- Es la ms utilizada para formar relaciones entre datos. Rpida y


eficaz pero insuficiente en espacios multidimensionales donde puedan relacionarse
ms de 2 variables.

rboles de decisin.- Un rbol de decisin es un modelo de prediccin utilizado en el


mbito de la inteligencia artificial, dada una base de datos se construyen estos
diagramas de construcciones lgicas, muy similares a los sistemas de prediccin

basados en reglas, que sirven para representar y categorizar una serie de condiciones
que suceden de forma sucesiva, para la resolucin de un problema. Ejemplos:
o Algoritmo CHAID
o Algoritmo CRT
o Algoritmo QUEST

Modelos estadsticos.- Es una expresin simblica en forma de igualdad o ecuacin


que se emplea en todos los diseos experimentales y en la regresin para indicar los
diferentes factores que modifican la variable de respuesta.

Agrupamiento o Clustering.- Es un procedimiento de agrupacin de una serie de


vectores segn criterios habitualmente de distancia; se tratar de disponer los
vectores de entrada de forma que estn ms cercanos aquellos que tengan
caractersticas comunes. Ejemplos:
o Algoritmo K-means.
o Algoritmo K-medoids.

Segn el objetivo del anlisis de los datos, los algoritmos utilizados se clasifican en
supervisados y no supervisados (Weiss y Indurkhya, 1998):

Algoritmos supervisados (o predictivos): predicen un dato (o un conjunto de ellos)


desconocido a priori, a partir de otros conocidos.
Algoritmos no supervisados (o del descubrimiento del conocimiento): se descubren
patrones y tendencias en los datos.

10

1.3.3 LA TOMA DE DECISIONES APLICADA A LOS SISTEMAS


La toma de decisiones se presenta en nuestras vidas a todo momento en el que necesitemos
escoger el mejor camino en el tema o actividad que estemos desarrollando, ya que se basa
en el anlisis de varias alternativas que se nos van presentando durante el proceso, y estas
posibilidades pueden llevarnos a terminar el proceso ya sea de la mejor manera o
conducirnos al error.
Como todo proceso, la toma de decisiones tiene unos pasos o recomendaciones que se
podran tener en cuenta, como lo es el analizar y tener un buen conocimiento del problema
o incgnita que se tiene para saber de verdad cual es la mejor manera de resolverlo; y
tambin sera importante evaluar cada una de las alternativas que se irn a presentar, ya
que as se sabr escoger la que ms le convenga al problema en anlisis.
Este proceso, aplicado al Anlisis de los Sistemas, considero que siempre se va a presentar,
quizs ms frecuente de lo que uno piensa, ya que, primero que todo, al tratar de resolver
alguna entropa o problema que presente el sistema, se van a presentar de seguro, varias
alternativas, que pueden ser viables o no, de acuerdo a las caractersticas del proceso, y

analizar cada una puede tomar un buen tiempo, porque se debe optar por lo que mas le
convenga a todas las partes que tengan relacin con dicha entropa.
Un sistema, para que sea exitoso, debe tener varias relaciones de acuerdo al medio en el
que se encuentre, por consiguiente, va a tener entradas de informacin o energa, que
pueden ser, tanto de gran utilidad para todas sus partes, como tambin pueden ser
perjudiciales para el proceso que se tenga en desarrollo, y en algunos sistemas se puede
presentar que a varias de sus partes (subsistemas) estos datos pueden ser muy provechosos,
pero para otras, puede incluso, llevar a la destruccin. Por eso, es importante usar la toma
de decisiones para saber cul es la informacin que le va a servir, y le va ayudar a tener una
regularidad, no constante pero si a menudo estable a todo el sistema en general, teniendo
en cuenta las necesidades de cada una de sus partes.
En un sistema social, como los que se presentan en las empresas, se puede demostrar como
interviene el proceso de toma de decisiones en el trabajo grupal, que en muchas ocasiones
puede resultar ms beneficioso que el trabajo individual, ya que se puede experimentar con
las diferentes opciones que den cada uno de los miembros de dicha organizacin, y as llegar
a una unanimidad, que va a llevar al sistema por el mejor camino.
Pero si cuando el trabajo lo realiza uno, se toma un determinado tiempo, en una
organizacin se incrementa mucho ms, por las teoras o decisiones que tengan cada una de
las personas, y por supuesto, en este tipo de sistemas se debe tener muy en cuenta la
posicin en la que se encuentre cada uno.
En conclusin, la toma de decisiones se presenta en todo momento en nuestras vidas,
cuando debamos seleccionar entre varias opciones o caminos, y este proceso se va a
presentar mucho ms para un analista de sistemas, ya que para realizar un sistema, o
modificar errores (entropas) que encuentre en estos, va a tener que optar por la forma mas
eficaz de resolverlo, teniendo en cuenta, tanto las necesidades que tenga, como todas las
partes que lo constituyen.
Adems, la eficacia y eficiencia en tomar la decisin que al final va a ser la acertada, ya sea
en un sistema, o cualquier problema que se nos presente, se forma en la objetividad y
claridad que nos puedan mostrar los datos o la informacin que se tiene, porque si se
conoce bien lo que se est realizando, no vamos a tener inconvenientes que sean
perjudiciales

11

12

1.4 ELEMENTOS DE UN PROBLEMA DE DECISIONES

ALTERNATIVAS
(ACCIONES)

ESTADOS DE LA NATURALEZA RESULTADOS

(GRADO DE INCERTIDUMBRE)

La persona que toma una decisin quiere lograr algo, es decir alcanzar una situacin
distinta a la de su estado original. Los elementos son:

El decisor: Es la persona o grupo responsable de tomar la decisin de seleccionar una


alternativa, de la cartera de ellas que se tengan en un problema dado.

El analista: (Experto) Es la persona que auxilia al tomador de decisiones realizando los


anlisis que le permitan actuar racionalmente. En ocasiones el analista es la misma
persona que toma las decisiones.

Alternativas: Es el conjunto de cursos de accin factibles entre las cuales el decisor debe
elegir.

Estados de la naturaleza: Es un nmero finito de eventos (futuros) posibles; es decir un


conjunto de escenarios posibles. Solo puede ocurrir un estado de la naturaleza y est
fuera del control del decisor.

Resultados: (Matriz de pagos) Son las consecuencias relacionadas con la eleccin de


cada una de las alternativas.

Grado de incertidumbre: Se refiere al grado de conocimiento de las probabilidades de


ocurrencia de cada uno de los estados de la naturaleza.
FUENTE DE ERRORES EN LA TOMA DE DECISIONES: La fuente principal de errores en
los problemas de toma de decisiones arriesgadas son las presunciones falsas, no
tener una estimacin exacta de las probabilidades, dificultades para medir la funcin
de utilidad y analizar los errores de pronstico
.

1.5 REPRESENTACION DE LOS MODELOS


Existen dos modelos simblicos para representar a los problemas reales de toma de
decisiones, el primero de los cuales es de tipo matricial mientras que el segundo es grfico
a)

REPRESENTACION MATRICIAL DE LOS PROBLEMAS DE DECISION

Un problema de decisin se puede representar mediante una matriz. La matriz de decisin


es un modelo general de la informacin requerida para resolver cualquier decisin.
MATRIZ DE CONSECUENCIAS
ESTADOS DE LA NATURALEZA
CURSOS DE ACCION
ESTRATEGIAS
A1
A2
A3
.
.
.
An

E1

E2

E3 .............. Em

r11

r12

r13 .............. r1m

rn1

rn2

rn3 .............. rnm

Donde
Ai: son los cursos posibles de accin o las estrategias.
Ej: son los estados de la naturaleza.
rij : son los resultados.

b)

El decisor tiene control slo de las alternativas.


El decidor no tiene control sobre los estados de la naturaleza.
Las consecuencias rij lo controlan en conjunto la naturaleza (factores externos) y el
decisor.
Modelo grfico. rbol de decisiones.
Un rbol de decisiones es la representacin grfica de un problema de decisiones. La
construccin de un rbol de decisiones sigue una secuencia cronolgica definida, esto
es, cada evento se coloca en el orden que ocurre.
El rbol de decisiones permite un conocimiento rpido y conjunto del problema,
adems de que es posible representar problemas de etapas mltiples de decisiones
13

14

1.6 EL PROCESO RACIONAL DE LA TOMA DE DECISIONES

1.6.1 DEFINICIONES
a. Racionalismo: (del latn ratio, razn), en filosofa, sistema de pensamiento que acenta el
papel de la razn en la adquisicin del conocimiento, en contraste con el empirismo, que
resalta el papel de la experiencia sobre todo el sentido de la percepcin.
Se identifica con la tradicin que proviene del filsofo y cientfico francs Rene Descartes.
b. Fremont E. Kast: el proceso racional es considerado como aquel que se basa en el
razonamiento, es ms objetivo que subjetivo, entendiendo por objetivo tener en cuenta el
objeto y no la manera de pensar o de sentir.
En muchas situaciones de solucin de problemas se supone que el objeto del que toma las
decisiones puede ser evaluado en test cuantitativos, generalmente con el dinero como
denominador comn. La racionalidad en este sentido tiene que ver con la opcin o medida
que toma una persona con respecto a alternativas muy definidas.
c. Harold Koonts: la toma eficaz de decisiones tiene que ser racional. Las personas que
actan o deciden racionalmente intentan alcanzar alguna meta que no puede lograrse sin
accin. Deben comprender claramente los cursos alternativos mediante los cuales se puede
lograr una meta en las circunstancias y con las limitaciones existentes. Tambin tienen que
contar con la informacin y la capacidad para analizar y evaluar alternativas de lo deseado.

El proceso de toma de decisiones se refiere a todas las actividades necesarias desde


identificar un problema hasta finalmente resolverlo poniendo en prctica la alternativa
seleccionada; por lo tanto, est enmarcado en la solucin de problemas donde se debe
encontrar alternativas de solucin.
Cuando se habla slo de toma de decisiones se refiere a una etapa dentro del proceso y
debe existir a lo menos ms de una alternativa de solucin, de lo contrario la decisin se
reducira a llevar o no a cabo la accin correspondiente.
El proceso sistemtico de la toma de decisiones presentado aqu debe tener una premisa,
debe ser efectuado en forma racional o "como debera hacerse" lo que deriva en un modelo
normativo o modelo prescriptivo para tomar decisiones que sirva como una gua objetiva
para resolver un problema de la forma ms ptima.
Esta racionalidad en concordancia con un modelo normativo significa tomar las decisiones
de acuerdo al criterio de coste y beneficio. Es decir, realizar la actividad nicamente cuando
los beneficios esperados son superiores a los costos asociados, de esta forma se lleva a cabo
aquella actividad que ofrece la mayor utilidad. En este contexto la utilidad como diferencia
de los beneficios y los costos se asocia a una medida de bienestar o mejora lo que implica
cuantificar siempre las opciones.

Segn el pensamiento econmico en todas las decisiones hay, en mayor o en menor grado,
un problema de escasez relativa con relacin a las necesidades o deseos, no siendo el dinero
el ms crucial. El tiempo, por ejemplo, es un recurso escaso en el que slo se puede
seleccionar algunas actividades a llevar a cabo. Por ende, la racionalidad implica formular las
decisiones de acuerdo a los beneficios y los costos tanto explcitos como implcitos tratando
de expresar y cuantificar las alternativas de solucin en trminos monetarios, an en
situaciones que no involucra el desembolso o ingreso de dinero. De esta forma se pueden
comparar las alternativas y escoger aquella que ofrece un valor de utilidad mayor.
Dos importantes definiciones del concepto de racionalidad corresponden al de los objetivos
inmediatos y al del egosmo. En el primero, se es racional si se es eficiente en la realizacin
de los objetivos que se tengan en el momento. Para el segundo criterio, se es racional
cuando se produce mayores beneficios directos a la persona segn sus preferencias y gustos
El proceso puede ser simple como escoger qu desayunar en un da cualquiera o como qu
carrera estudiar. De la experiencia personal se sabe que muchas decisiones se toman
considerando otros aspectos no asociados con la racionalidad como las costumbres,
preferencias, hbitos, fe e intuicin, etc. Sin embargo, la racionalidad es una forma de
justificar una decisin y ser entendida por otros.
En el contexto de racionalidad, Herbert Simon(1957) sugiere que las decisiones son
efectuadas en forma racional acotada, es decir las personas tratan de comportarse lo ms
racional posible dentro de las fronteras de la informacin limitada, restringida capacidad
cognitiva y a veces con objetivos en conflictos, buscando soluciones satisfactorias y no
ptimas segn los criterios de seleccin establecidos. Sin embargo, la organizacin busca un
comportamiento racional en trmino de sus metas y objetivos, por lo tanto sta debe
contribuir en establecer premisas de decisin y rutinas de decisin que simplifique las
decisiones y minimice la brecha entre la racionalidad acotada de los individuos y la
racionalidad deseada en la organizacin (March y Simon 1993).
El administrador busca resultados y debe ser prctico, por ende el pensamiento racional
debera aplicarse a problemas comunes de negocios. Sin embargo, en muchas reas de la
administracin no existen modelos normativos detallados que sirvan de gua para tomar la
mejor accin satisfactoria o la ms ptima. En casos como ste, se deber aceptar el uso de
modelos descriptivos que ms bien describen la realidad y explican el comportamiento del
modelo segn las variables asociadas a las alternativas sin hacer mencin a buenas u
ptimas alternativas. En la aplicacin de la racionalidad, la disciplina del anlisis cuantitativo
o mtodos cuantitativos ofrece los principales mtodos y modelos normativos para apoyar a
las ciencias de la administracin que es ms bien descriptiva, de esta forma se aplica el
pensamiento racional para que gue, ayude y automatice la toma de decisiones.
La racionalidad es una de las fuerzas que mueve la conducta y las decisiones, pero no es la
nica. Existen hbitos, pasiones, apetitos, sentimientos, etc. que lleva a una conducta no
racional en muchas situaciones.
Cuando recoger informacin es costosa y la capacidad cognoscitiva para asimilarla es
limitada, es irracional estar totalmente informado. En este sentido, aplicando el concepto de
racionalidad acotada nuevamente, la toma de decisiones con informacin incompleta ha sido
preponderante, justificada principalmente cuando los beneficios adicionales esperados son
inferiores a los costos de aplicar mtodos ms racionales con mayor informacin
15

16

1.6.2 FASES DELPROCESO DE TOMA DE DECISIONES

Este proceso es una de las actividades que se realizan con mayor frecuencia en el mundo de
los negocios, lo llevan a cabo todos los niveles de la organizacin y de acuerdo al nivel en el
cual se tome una decisin ser el efecto de esta. De acuerdo a Anthony,existen tres tipos de
decisiones: planeacin estratgica la cual se enfoca en el largo plazo, control administrativo
dirigido al mediano plazo y control operacional enfocado en los problemas cotidianos es
decir, a corto plazo.
El objetivo de este proceso es encontrar una solucin satisfactoria a un problema
determinado. Hebert Simn, define "solucin satisfactoria", como aquella solucin que
supera todos los niveles de aspiracin exigidos por el decidor.
El concepto de satisfactorio intenta reflejar de alguna manera el hecho de que en ocasiones,
las limitaciones cognitivas del decidor llevan a pensar en trminos de racionalidad limitada,
la cual tiene en cuenta las limitaciones de los agentes decisores en trminos de su capacidad
para observar y comprender el sistema en el cual estn actuando.
El proceso de toma de decisiones puede resumirse a travs de diferentes etapas, las cuales
suelen presentarse de manera similar en la mayora de las aplicaciones.

Las fase del proceso segn SLADE:


1.

IDENTIFICAR EL PROBLEMA: Una buena investigacin cubre tres aspectos


Definir el problema
Diagnosticar las causas
Identificar los objetivos, componentes e interrelaciones

2.

IDENTIFICAR ALTERNATIVAS
Principio del factor limitante
Bases de identificacin y desarrollo de alternativas
o
Experiencia
o
Consejo externo.
o
Intuicin, ingenio creatividad
o
Tormenta de ideas (brainstorm) Individual o grupal.

3.

EVALUAR ALTERNATIVAS
El acto de generar alternativas es creativo. El proceso creativo requiere que se tenga
un conocimiento adecuado del rea del problema y de sus lmites y de la motivacin
para resolver el problema.

4.

SELECCIONAR ALTERNATIVAS
Anlisis de factibilidad

Criterios de evaluacin. Ventajas /Desventajas.


5.

IMPLANTAR LA DECISION
Obtencin y asignacin de recursos

Figura 1. - Modelo del proceso de toma de decisiones de Slade.

Las fases del proceso sistemtico segn HEBERT SIMON

1.

INTELIGENCIA:
En esta etapa los administradores identifican qu problema est ocurriendo en la
organizacin (discrepancia de una situacin real y una deseada), se efecta un
diagnstico de la naturaleza del problema causas y consecuencias.
Exploracin del ambiente sobre las condiciones que requieren las decisiones. Los
datos de entrada se obtienen, se procesan y se examinan, en busca de indicios que
pueden identificar problemas u oportunidades
Los M.I.S. o S.I.G. Managament Information System o Sistemas de Informacin para
la Administracin proporciona informacin para identificar los problemas, muestran
informacin peridica para la planeacin , el control y la Toma de Decisiones

2.

DISEO
Invencin, desarrollo y anlisis de los posibles cursos de accin. Involucra los
procesos para entender el problema, para generar las soluciones y para probar las
soluciones segn su factibilidad.
Formular un modelo (suposiciones)
17

18

Se define los objetivos y criterios.


Buscar alternativas de solucin
Los datos se utilizan para predecir y medir los resultados
En esta etapa los SSD (Software de Soporte a las Decisiones) son ideales en esta
etapa
Los SSD son herramientas de software, que permiten a personas en los diferentes
niveles de la una empresa recolectar la DATA necesaria y procesarla de diferentes
formas para poder simular una situacin de la realidad.
3.

SELECCIN
Seleccin de la mejora alternativa
Un SSD permite aplicar mejor la informacin sobre una amplia variedad de
alternativas y emplea diversos modelos analticos para tomar en cuenta todas las
consecuencias, costos y oportunidades.

4.

IMPLEMENTACIN
En esta etapa el administrador lleva la decisin a la accin y da su informe sobre el
progreso y la de la solucin. Se debe monitorear la implementacin de las
alternativas.

Figura 1. - Modelo del proceso de toma de Simn


Como se puede observar ambos modelos son similares iniciando con la identificacin del
problema y concluyendo con la implantacin de una alternativa.
Cuanto mayor sea la confianza en la solucin dada, mayor motivacin tendr el decisor para
su ejecucin y su implantacin con xito. La confianza de un decisor en que unasolucin es
la "mejor" depende de una gran variedad de factores, entre los que podemosdestacar los
siguientes:
A mayor imprecisin e incertidumbre de un problema, menor confianza en su
decisin.

A menor correspondencia entre la formulacin del problema y las caractersticas


reales del mismo, menor confianza en su solucin.
A mayor nmero de alternativas factibles evaluadas en el proceso de decisin, mayor
confianza en la eleccin final.
A mayor nmero de alternativas similares, menor confianza en la eleccin final.
A mayor correspondencia entre la formulacin analtica del modelo y los juicios
intuitivos del decisor, mayor nivel de confianza.
Es importante no perder de vista que uno de los elementos ms importantes en el
proceso de toma de decisin es el objetivo, ya que este encaminar al decidor a
realizar la seleccin adecuada, En general, los objetivos implican la maximizacin o
minimizacin de las funciones correspondientes a los atributos que reflejan los
valores del decisor.
Con los elementos de toma de decisin y los modelos del proceso de toma de
decisin, contamos con la informacin necesaria para generar nuestra propuesta, sin
embargo, ahora nos enfrentamos a los diferentes estados que surgen de la
conjugacin de dichos elementos.

LECTURAS RECOMENDADAS
http://www.tuobra.unam.mx/publicadas/040920185320.html
http://centrum.pucp.edu.pe/publicaciones/articulos/aalexander/Decisiones.htm

1.7 TIPOS DE PROBLEMAS


En el mundo real pueden existir diferentes tipos de problemas que determinan los criterios y
la forma como son tomadas las decisiones, pueden ser clasificadas en:
a) Problemas No Estructurados: Estas decisiones no cuentan con un procedimiento definido
para, tomarlas por lo tanto no existe una receta de solucin.
b) Problemas Estructurados: Son repetitivas, rutinarias cuentan con un procedimiento
definido para tomarlas, de esta forma cada vez que se presentan no se manejan como si
fuesen nuevas.
c) Problemas Semiestructurados: En este tipo de decisiones slo una parte tiene una
respuesta ya definida proporcionada por un procedimiento ya aceptado.

19

20

1.7.1 TOMA DE DECISIONES: SEGN LA NATURALEZA DEL PROBLEMA


DECISIONES PROGRAMADAS: Es una toma de decisiones por precedentes, se aplica a
problemas estructurados o rutinarios por decir si una pieza se acepta o se rechaza.
En la prctica existen una serie de situaciones bien definidas (programables) y repetitivas
para las cuales hay informacin adecuada que permite desarrollar el proceso de decisin en
forma sencilla; Es decir se toman de acuerdo con alguna costumbre, regla o procedimiento,
lo que indican que ya estn establecidas las decisiones a seguir. Por ejemplo el nivel de los
inventarios, la determinacin de los horarios de produccin, determinacin de una mezcla
ptima de productos, una escala de salarios, un plan ptimo de transporte para los
productos enviados por las fbricas a los diversos puntos de almacenaje. Como ayuda a la
toma de decisiones de este tipo, tenemos un instrumento que es la programacin lineal, que
parte de la formulacin de un modelo matemtico
DECISIONES NO PROGRAMADAS: Por otra parte hay situaciones no definidas (no
programables) que ocurren pocas veces, y para los cuales no existe una informacin
suficientemente estructurada. Esto puede suceder por que el decisor, desconoca muchas de
sus alternativas cuando empez el anlisis, no dispona de la informacin relacionada con las
consecuencias de sus distintas alternativas, un nmero de criterios de decisin que l
hubiese deseado aplicar, no eran operables antes de que se enfrentara al problema.
Podemos considerar un ejemplo: La multinacional IBM dispone de planes para ubicar y
desarrollar una nueva sucursal en un pas de Sudamrica. Hay un conjunto de ubicaciones
posibles, hay factores no controlables como: la estabilidad poltica, la forma de gobierno, la
situacin econmica del pas, el nivel de capacitacin de los empleados, en fin una serie de
elementos que en el momento no son programables. Para decidir en estos casos usamos las
estimaciones, que permiten un margen de error cuando son empleadas para describir los
resultados. Se presentan problemas de multidimensionalidad, es decir el problema posee
varias dimensiones a lo largo de las cuales uno puede medir las ejecuciones, y la ms
relevante no se conoce siempre por adelantado. Tambin existe un ambiente o contexto
dinmico del problema, el cual cambia rpidamente en el tiempo, que si se toma una
decisin y no se ejecuta con rapidez, es muy probable que sea necesaria revisarla. Que
hacer cuando una lnea de productos empieza a fallar?
Existen interrelaciones complejas de las variables de inters lo cul dificulta detectar la
causa y el efecto entre ellas.
La estimacin estadstica requiere de habilidad para obtener datos en forma objetiva, como
puede ser por muestreo. En muchos casos la estimacin estadstica y la prediccin parecen
imposibles o son muy costosos. Por ejemplo no existe la demanda histrica, ni hay datos de
costos para introducir un producto nuevo y el hacer una prueba de mercados puede ser muy
costosa.
Estos son algunos de los inconvenientes que se presentan en las organizaciones cuando
hablamos del proceso de toma de decisiones.
Las decisiones estratgicas son decisiones no programadas, puesto que requieren juicios
subjetivos y son tomados por los administradores de niveles ms altos.

RESUMEN
DECISION PROGRAMADA
Problema rutinario y estructurado

DECISION NO PROGRAMADA
Problema poco o nada frecuente, no
estructurado
Contexto estable
Contexto voltil
Se toma en base a polticas procedimientos Participa la intuicin y la creatividad
o reglas
Excluye o limita alternativas
Plantea una diversidad de alternativas
Fcil acceso a la informacin
Difcil acceso a la informacin

1.7.2TOMA DE DECISIONES: SEGN NIVEL ORGANIZACIONAL


La toma de decisiones es un rea en la que los diseadores de sistemas han hecho mucho
nfasis. En este sentido, todas sus acciones son basadas en los niveles de la toma de
decisiones y en los tipos de decisiones.
Atendiendo los niveles de la toma de decisiones, stos se clasifican en:
DECISIONES ESTRATEGICAS: Determina los objetivos recursos y polticas de la organizacin.
Un problema de este nivel es la prediccin del futuro de la organizacin y su entorno, as
como ajustar las caractersticas del entorno a ste. Generalmente, involucra a un pequeo
grupo de directivos que tienen que ver con problemas muy complejos, no rutinarios. Este
nivel se caracteriza porque los resultados pueden ser sorpresivos, porque los datos
utilizados son semiestructurados, siendo su fuente tanto interna como externa y contando
con muchos datos subjetivos
DECISIONES TCTICAS: Se refiere a qu tan eficaz y eficientemente se emplean los recursos
y qu tan bien se desempean las unidades operativas. En este nivel se requiere una
interaccin cercana entre aquellos que llevan a cabo las tareas organizacionales Requiere de
un conocimiento ntimo de la toma de decisiones y de cmo se llevan a cabo las tareas.
Involucra al nivel medio de la organizacin. Se caracteriza por utilizar algunos datos no
estructurados, por hacer comparaciones con el pasado. La fuente de los datos es tanto
21

22

interna como externa y cuenta con algunos datos subjetivos. Este nivel de decisin est
orientado al control y asignacin de recursos
DECISIONES OPERACIONALES: Determina cmo llevar a cabo las tareas especficas
establecidas por quienes toman las decisiones a niveles de mediana y alta gerencia. La
determinacin de qu unidades en la organizacin deber llevar a cabo las tareas,
estableciendo criterios para su conclusin y la utilizacin de los recursos y la evaluacin de
los resultados, requieren de decisiones sobre el control operativo. Los datos utilizados en
este nivel son muy estructurados, siendo su fuente netamente interna, considerando
informacin del pasado, con datos muy precisos (no subjetivos). Este nivel de decisiones est
orientado a la tarea y son tomadas por los supervisores de primera lnea.

PIRMIDE DE DECISIN (Robert Antony)

En el caso del proceso de toma de decisiones en la administracin, ste es mayoritariamente


no estructurado en los niveles gerenciales, debe plantearse y resolver el problema sobre la
base de criterios y variables identificadas en el mismo momento tanto internas como del
entorno. Estas decisiones estn presentes desde el momento de planificacin y en menor
grado hasta en el control como decisiones de carcter correctivo. A medida que se
desciende en los niveles organizacionales los problemas van siendo ms estructurados y
repetitivos

CRITERIOS PARA LA TOMA DE DECISIONES SEGN EL MODELO DE TOMA DE DECISIONES


Modelo normativo: Este modelo le dice al decisor como tomar una clase de decisin. El
criterio para la seleccin entre alternativas en este modelo es la maximizacin u
optimizacin ya sea de la utilidad o del valor esperado. Se asume una racionalidad completa
del decisor quien siempre escoger la decisin o la alternativa ptima.
Modelo descriptivo: Este modelo describe la manera como se toman actualmente las
decisiones. Dentro de este modelo el criterio para la toma de decisiones es la satisfaccin. El

supuesto del concepto de satisfaccin es una racionalidad limitada. Los decisores tienen
limitada habilidad cognoscitiva para percibir las alternativas y/o las consecuencias

1.7.3 TOMA DE DECISIONES: SEGN ESTADOS DE LA NATURALEZA


La clasificacin se basa en el grado de informacin que se encuentra al alcance del decisor
con respecto a la probabilidad de ocurrencia de los diversos estados de la naturaleza.
Los problemas de decisin teniendo en cuenta los estados de la naturaleza se pueden
clasificar en:
DECISIONES BAJO CERTEZA (DETERMINISTICO)
La toma de decisiones en condiciones de certeza, llamados tambin determinsticos, se
caracteriza porque el decisor grupo decisor conoce el estado de la naturaleza que ocurrir
con certeza, conoce el conjunto de sus estrategias posibles, los resultados de cada estrategia
y conoce sus preferencias por los diversos resultados considerados.
Los criterios que imperan en el proceso de toma de decisin son generalmente dos:
a.) Minimizacin de costos, prdidas, esfuerzos.
b.) Maximizacin de ganancias, beneficios
La programacin lineal ayuda a la solucin de estos problemas como:
Problemas de asignacin de recursos
Problemas de determinacin del lote ptimo de produccin
Determinacin de un plan ptimo de transporte
Determinacin de una mezcla ptima de productos.

DECISIONES BAJO RIESGO (ESTOCSTICO)


En el caso de riesgo, tambin conocido como estocstico, no se conoce perfectamente que
adoptar la naturaleza pero se asignan probabilidades de ocurrencia a estos estados en
base, a informacin pasada. En funcin a esto el grupo decisor selecciona aquella accin que
maximiza la esperanza de acercarlo a la meta propuesta.
Es comn en las decisiones estratgicas de alto nivel, como la planificacin
Ejemplo:
La frecuencia de artculos rechazados en un control de calidad
23

24

La estimacin de la demanda de pasaportes


La medicin de la productividad de un cierto sector
La determinacin de la demanda de puestos de trabajo
DECISIONES BAJO INCERTIDUMBRE
Es cuando se desconoce el estado de la naturaleza es decir nos sentimos incapaces de
estimar o calcular una distribucin de probabilidad a cada estado estos problemas se
presentan cuando no se tienen referencias a experiencias pasadas, que se presentan por
primera vez y que tal vez no volvern a repetirse en el futuro de la misma manera.
Cuando las decisiones se toman con pura incertidumbre, el decisor no tiene conocimiento
de los resultados de ninguno de los estados de la naturaleza y/o es costoso obtener la
informacin necesaria. En tal caso, la decisin depende meramente del tipo de personalidad
que tenga el decisor
Ejemplo:
La demanda a largo plazo de los consumidores de un nuevo producto.
La previsin del comportamiento de la bolsa de valores
La previsin de los cambios tecnolgicos.
DECISIONES BAJO CONFLICTO: Von Neumann y Oskar Morgestein (1944).desarrollaron la
Teora de Juegos, donde dos o ms tomadores de decisiones, buscan maximizar su propio
bienestar
RESUMEN

NOTA: Cuando el modelo es ms complejo o dinmico el uso de modelos de simulacin es el


ms apropiado, pero estos son modelos descriptivos y por lo tanto no buscan el ptimo.
OTROS TIPOS.
Los modelos multicriterios, sustentan que los agentes econmicos no optimizan sus
decisiones en base a un solo objetivo, sino que por el contrario pretenden buscar un
equilibrio o compromiso entre un conjunto de objetivos, normalmente en conflicto, o bien
pretenden satisfacer en la medida de lo posible una serie de metas asociadas a dichos
objetivos.
Para alcanzar este objetivo se expondrn, tanto desde un punto de vista terico como
prctico, las tcnicas ms usuales en decisiones multicriterio: Programacin Multiobjetivo ,
Programacin Compromiso, Programacin por Metas, Mtodo ELECTRA y Mtodo AHP.

EJERCICIOS
1. Cul asignatura es indispensable como antecedente para estudiar Teora de decisiones?
Probabilidad y Estadstica.
lgebra Lineal.
Topografa
Economa.
2. La teora de decisiones es el estudio de:
Una gua
Un mtodo
Un contexto
Una psicologa.
3. Cul es la fase de la teora de decisiones que se estudiar en este curso:
Identificar las ocasiones para la toma de decisiones
Hallar las alternativas posibles.
Elegir entre las alternativas.
25

26

Las tres anteriores


4. Por qu el ingeniero tiene que saber de teora de decisiones?
Por abarcar otra rea.
Para aspirar a ser gerente.
Porque maneja distintos cursos de accin
Porque debe aspirar a superarse
5. Cul es un elemento del problema de la teora de decisiones?
El decisor
Las alternativas
Los estados de la naturaleza
Todas las anteriores
6. Qu es un rbol de decisiones?
Un modelo grfico.
Un modelo matricial.
Un algoritmo de solucin.
Un ordenamiento de decisiones tomadas.
7. Cul no es un tipo de problema de nuestro curso?
Determinista.
Incertidumbre
Riesgo.
Estocstico.
8. Cul es la diferencia entre Decisiones bajo Riesgo e Incertidumbre.
Los tipos de Resultados
La cantidad de objetivos.
El conocer o no la distribucin de probabilidad.
El carcter del decisor.

LECTURA :http://www.monografias.com/trabajos17/toma-decisiones-gerenciales/tomadecisiones-gerenciales.shtml

CAPITULO II
DECISIONES EN AMBIENTE DE RIESGO

2.1 INTRODUCCION
Situaciones de decisin donde se consideran varios estados de la naturaleza y sus
probabilidades de ocurrencia pueden ser explcitamente establecidas.
2.2 CRITERIOS PARA LA TOMA DE DECISIONES
Para este tipo de toma de decisiones existen varios criterios, sin embargo, el criterio
universalmente reconocido es maximizar o minimizar el valor esperado, siendo auxiliares
todos los dems.

2.2.1 Maximizacin o Minimizacin del valor esperado y varianza.


Este es el criterio que se utiliza en el tratamiento formal de los problemas de decisin bajo
riesgo; el valor esperado debe entenderse como un criterio de toma de decisin. Sea X una
variable aleatoria discreta definida para un nmero finito de valores y P(sj) la probabilidad
de ocurrencia de un valor particular, entonces el valor esperado se define como:
n

VE ( Ai ) p( s j ) xij
j 1

EJEMPLO 2.2a
Los valores esperados para cada una de las alternativas del ejemplo son los siguientes:
Alternativas
A1
A2
A3
P(si)

Estados de la Naturaleza
E1
E2
E3
15,163
11,962
9,742
16,536
10,934
7,049
18,397
10,840
5,679
p(s1)=0.1
p(s2)=0.3
p(s3)=0.6

VE
10,950.10
9,163.20
8,499.10

VE(A1) = 15163(0.10) + 11962(0.30) + 9742(0.60) = 10950.10


VE(A2) = 16536(0.10) + 10934(0.30) + 7049(0.60) = 9163.20
VE(A3) = 18397(0.10) + 10840(0.30) + 5679(0.60) = 8499.10
Teniendo la alternativa A1 un valor esperado mayor, sera la alternativa a seleccionar, si los
valores de la matriz fueran ingresos o ganancias.
27

28

2.2.2 Minimizacin de la varianza


En el caso de empate entre los valores esperados de dos o ms alternativas, la varianza
mnima deber ser un criterio de decisin secundario; el argumento para este criterio de
decisin es que a mayor varianza mayor riesgo.
EJEMPLO 2.2b
Si usted desea invertir en la bolsa de valores y le presenta la siguiente matriz de utilidades
(miles de dlares)
Decisin

Bonos Suben
Rpido
$20
$25
$10
0.5

Invertir en A
Invertir en B
Invertir en C
Probabilidades

Bonos Suben
Moderadamente
$10
$5
$10
0.5

a) Cul decisin elegira justifiqu su respuesta


Si la varianza V ( x) E ( xi ) E ( xi )
2

2
n

Donde: E ( x ) x p( xi ) y E ( xi ) xij p( xi )
2
i

j 1

2
ij

j 1

Decisin acelerado moderado


A
20
10
B
25
5
C
10
10
P(E)
0.5
0.5

VE = E(X)
15
15
10

E(x2)
250
325

V(X)
25
100

Luego escogemos la decisin invertir en A por tener menor varianza (riesgo)


2.2.3 Principio del nivel esperado
En la mayora de las decisiones del mundo real, los tomadores de decisiones fijan sus metas
en trminos de resultados que sean suficientemente buenos. En este sentido los decisores
fijan niveles de aspiracin y posteriormente evalan sus alternativas contra estos niveles.
Una interpretacin de esta filosofa en trminos de una decisin bajo riesgo es seleccionar
una alternativa que maximice la probabilidad de alcanzar al menos el nivel de aspiracin
fijado.
En el caso del ejemplo 2.1a un objetivo podra ser elegir la alternativa que maximice la
probabilidad de que el valor del resultado, en este caso la utilidad, sea igual o mayor que
8,000.

Para A1
P(utilidad >=8000) = P(E1) + P(E2) + P(E3) = 0.1+ 0.30 + 0.60 =1
Para A2
P(utilidad >= 8000) = P(E1) + P(E2) = 0.10 + 0.30 = 0.40
Para A3
P(utilidad >= 8000) = P(E1) + P(E2) = 0.10 + 0.30 = 0.40
De acuerdo a este principio se elige la alternativa A1, por ser la que, con mayor probabilidad,
asegura alcanzar al menos una utilidad de 8000.
EJEMPLO 2.2c
El Departamento de Marketing de la Compaa de cerveza Backus ha realizado un estudio de
mercado sobre la venta de su producto en los 3 ltimos aos, en los cuales se ha
determinado que las ventas han decado en un 50% con relacin a sus competidores.
Asimismo el departamento de control de calidad al efectuar un anlisis de las componentes
que conforman el producto ha identificado que el agua que se utiliza en su elaboracin
contiene impurezas que no favorecen a la calidad del producto. Enterado de esta situacin
el Directorio de la compaa comunica a la Gerencia de Produccin sobre este hecho y
plantea la obligacin de mejorar la calidad del producto. El Departamento de produccin
estudio el caso y ha decidido explorar en 3 pozos; donde considera que la calidad de agua es
la mejor dentro de la zona de Lima, para esto a elegido 3 ubicaciones: La Molina, Vitarte y
Chosica.
FORMULACION Y SOLUCION DEL PROBLEMA
ESTRUCTURA: Esta involucradas las siguientes entidades
- Dpto. de Control de Calidad
- Dpto. de Produccin 1
- Dpto. de Marketing
- Zonas donde se experimenta.
AMBIENTE: Est conformada por consumidores, competidores (Compaas
proveedores, etc.

Cerveceras),

ENTRADA: Se tiene informacin de 3 zonas donde existe bastante agua, y se conoce la


calidad del agua, pero no el grado de impureza.
NECESIDAD: Mejorar la calidad del producto.
OBJETIVO: Elevar el nivel de ventas del producto.
RECURSOS: Es una empresa de prestigio y de solvencia econmica. Se tienen 3 terrenos en
las zonas indicadas.
CRITERIOS DE EVALUACION:
- Se asigna una probabilidad subjetiva a los estados de la naturaleza.
29

30

- Utiliza el Valor Esperado para calcular cada alternativa.


- Calculo de la mejor alternativa mediante la funcin objetivo.
- Asigna probabilidades a las alternativas.
PROCESO: Las ventas del producto son bajas debido a la calidad del agua y se tiene 3 zonas a
explorar, se elegir aquella que tenga el menor grado de impureza.

DIAGNOSTICO:
- Baja del volumen de ventas.
- La empresa se dedica a la produccin y comercio de cerveza.
- Ubicacin de los terrenos en Chosica, Vitarte y La Molina.
- Se posee 3 pozos de agua, pero se desconoce en cual de ellos el agua es mejor.
- Se conoce que hay abundancia de agua subterrnea en esas zonas.
PRONOSTICO:
- Posibilidad de que las ventas del producto sigan bajando.
- Posibilidad de que haya un impuesto de venta a la cerveza por parte del gobierno.
- El alto grado de porcentaje de cloro es un factor negativo en la calidad del producto.
- Posibilidad de ampliar la demanda a otros mercados.
ALTERNATIVAS:
Las posibilidades asignadas a cada alternativa estn en funcin de la abundancia del agua,
costo de adquisicin del terreno, transporte etc.
ESTADOS DE LA NATURALEZA:
Son 3 de acuerdo a la calidad del agua: mala, regular y buena.
Las probabilidades asignadas a los estados de la naturaleza estn en funcin de la calidad del
agua, para ello se ha considerado la siguiente probabilidad.
MATRIZ DE LOS BENEFICIOS O PRDIDAS
DECISION
La Molina
Vitarte
Chosica
P(E)

Mala
0.1
0.2
0.1
0.5

ESTADOS DE LA NATURALEZA
Regular
Buena
0.3
0.6
0.3
0.5
0.2
0.7
0.3
0.2

MEDIDAS DE EFICIENCIA:
Medimos la mejor alternativa por medio del Valor Esperado
n

VE ( Ai ) p( s j ) xij
j 1

Para la zona de La Molina


VE(A1) = 0.1*0.5 +0.3*0.3 + 0.6*0.2 = 0.26

V.E.
0.26
0.29
0.25

Para la zona de Vitarte


VE(A2) = 0.2*0.5 +0.3*0.3 + 0.5*0.2 = 0.29
Para la zona de Chosica
VE(A3) = 0.1*0.5 +0.2*0.3 + 0.7*0.2 = 0.25
FUNCION DE EFECTIVIDAD:
Por lo tanto la mejor alternativa es elegir la zona de Vitarte por tener en ella el agua mejor
calidad

EJEMPLO2.2d
Javier es un pequeo inversionista tiene $1,100 dlares disponibles para invertir, ha
estudiado el rendimiento de varios valores comunes en la BVL y a reducido a tres sus
opciones invertir en Cementos Pacasmayo, Telefnica, Banco. Wiese. Estima que si invierte
sus $1,100 en C. Pacasmayo y si el mercado de valores va a la alza a fin de ao el valor de su
inversin subir a ms del doble a $2,400, sin embargo si los valores de la bolsa van a la baja
su inversin disminuir a $1,000 a fin de ao. Sus predicciones respecto al valor de sus
$1,100 a invertir para los tres valores en un mercado al alza y un mercado a la baja se
muestran en la TABLA 1
TABLA1
Comprar
Alza
Baja
C. Pacasmayo
2,400
1,000
Telefnica
2,200
1,100
Banco. Wiese
1,900
1150
Cualquier decisin respecto a la compra de acciones hechas con la sola base de la
informacin en la tabla de ganancias esperadas, no tomara en cuenta los valiosos registros
histricos mantenidos Line-Bolsa, S&B y otros servicios de asesora en inversiones. Un
estudio de esos registros por ejemplo revelara que durante los ltimos 10 aos los precios
en el mercado de valores comunes aumentaron 6 veces y bajaron slo cuatro, por lo tanto
puede decirse que la probabilidad de alza en el mercado es de 0.60 y la probabilidad de baja
es de 0.40.
Los clculos necesarios para determinar la ganancia esperada se muestran en la tabla2
TABLA2
Comprar
C. Pacasmayo
Telefnica
Banco. Wiese
P(E)

Alza
2,400
2,200
1,900
0.6

Baja
1,000
1,100
1,150
0.4
31

VME
1840
1760
1600

32

Un anlisis de las ganancias esperadas en la tabla anterior indica que la compra de acciones
de Cementos de Pacasmayo puede rendir la ganancia esperada ms alta
.
EJEMPLO 2.2d
La compaa RENT CAR renta automviles a los usuarios a razn de S/100 (cien soles) por
da; esta compaa no tiene autos propios sino que los alquila de una gran compaa HERTZ
a razn de 70 soles por da, esta es la que corre con los gastos de cada unidad alquilada por
Rent Car.
El gerente de Rent Car debe especificar a la compaa mayorista el nmero de vehculos que
pretende alquilar, cada da y debe entregar su solicitud cuando menos con una semana de
anticipacin. El gerente de Rent Car se enfrenta con el problema de decidir diariamente el
nmero de vehculos que debe alquilar para atender la demanda de la semana prxima.
Como esa demanda varia no es fcil de resolver.
Se dispone de una distribucin de frecuencias del nmero de demandas o solicitudes de
vehculos durante 100 das
Nmero de
solicitudes
Xi

Nmero
de das

Probabilidad
p( X i )

11
12
13
14
Total

10
25
30
35
100

0.10
0.25
0.30
0.35
1.00

Se supondr lo siguiente:
- El perodo de observacin de 100 das es una muestra representativa.
Se sabe que el gerente quiere maximizar el beneficio. Para escoger el curso de accin ms
aconsejable el gerente utilizara el criterio del VME (valor monetario esperado).
Ese criterio es el siguiente escoger el curso de accin (alternativa) que dar el mximo
beneficio esperado.
Por lo tanto el conjunto de alternativas factibles es ste:
A1: alquilar 11 autos E1: demanda sea 11 autos
A2: alquilar 12 autos E2: demanda sea 12 autos
A3: alquilar 13 autos E3: demanda sea 13 autos
A4: alquilar 14 autos E4: demanda sea 14 autos

OBJETIVO
Maximizar beneficios

PROBLEMA

ESTRATEGIA

Cuantos carros alquilar?

Ai

Considerando nicamente a estas alternativas se obtiene la siguiente


Si A = Alquiler, D = Demanda
Precio de Compra ~ PA = Precio de Alquiler = 70
Precio de Venta ~ PD = Precio de la demanda = 100
Construccin de la matriz:

S
A=D

r = PDxD PAxA

A =11 y D =11, entonces r11 = 100x11 70x11 = 1100 - 770 = 330


A =12 y D =12, entonces r22 = 100x12 - 70x12 = 1200 - 840 = 360
A =13 y D =13, entonces r33 = 100x13 - 70x13 = 1300 - 910 = 390
A =14 y D =14, entonces r44 = 100x14 - 70x14 = 1400 - 980 = 420

Si A< D ( No hay penalidades por no alquilar ms autos)

Si A>D

r =D(PD - PA) - (A-D)PA

y D =11;
y D =11;
y D =12;
y D =11;
y D =12;
y D =13;

r21 = 11(100 - 70) - (12 -11) (70)= 330 70 = 260


r31 = 11(100 - 70) - (13 -11) (70)= 330 - 140 =190
r32 = 12(100 - 70) - (13 -12) (70)= 360 70 = 290
r41 = 11(100 - 70) - (14 -11) (70)= 330 - 210 = 120
r42 = 12(100 - 70) - (14 -12) (70)= 360 - 140 = 220
r43 = 13(100 - 70) - (14 -13) (70)= 390 70 = 320

A =12
A =13
A =13
A =14
A =14
A =14

MATRIZ DE LOS BENEFICIOS


ALQUILAR
A1=11
A2=12
A3=13
A4=14
P(E)

E1=11
330
260
190
120
0.10

DEMANDA
E2=12
E3=13
330
330
360
360
290
390
220
320
0.25
0.30

V..E
E4=14
330
360
390
420
0.35

330
350
345
310

EJEMPLO 2.2e
En cierta ciudad se va a construir un aeropuerto en una de dos posibles ubicaciones A y B,
que ser elegida el prximo ao. Una cadena hotelera est interesada en abrir un hotel
cerca del nuevo aeropuerto, para lo cual tiene que decidir qu terrenos comprar. La
siguiente tabla muestra el precio de los terrenos, el beneficio estimado que obtendr el
hotel en cada posible localizacin si el aeropuerto se ubica all, y el valor de venta de cada
33

34

terreno si finalmente el aeropuerto no se construye en ese lugar (los cantidades aparecen


expresadas millones de $). Cul es la decisin ms adecuada?

Parcela en A

Parcela en B

Precio del terreno

18

12

Beneficio estimado del hotel

31

23

Valor de venta del terreno

SOLUCION:
Las alternativas posibles de que dispone el decisor son las siguientes:
Comprar la parcela en A.
Comprar la parcela en B.
Comprar ambas parcelas.
No comprar ninguna parcela.
Por otra parte, los posibles estados de la naturaleza son:

El aeropuerto se construye en A.
El aeropuerto se construye en B.

As, si la cadena hotelera compra el terreno en A y el aeropuerto se construye all


finalmente, obtendr como rendimiento final el correspondiente a la explotacin del hotel,
31, menos la inversin realizada en la compra del terreno, 18, es decir, 31-18 = 13. Por el
contrario, si el aeropuerto se construye en B, el terreno adquirido en A deber ser vendido,
por lo que se obtendr un beneficio de 6, al que habr que restar la inversin inicial en la
compra, 18. Esto proporciona un rendimiento final de 6-18 = -12.
De manera anloga se determinan los resultados de las restantes alternativas ante cada uno
de los posibles estados de la naturaleza, dando lugar a la siguiente tabla de decisin:

Alternativas

Estados de la Naturaleza

Terreno
comprado

Aeropuerto en A

Aeropuerto en B

13

- 12

-8

11

AyB

-1

Ninguno

EJERCICIOS
1. La demanda de un determinado producto puede ser 120, 190, 240, 350 380 unidades,
con la siguiente estimacin de probabilidades, 30%, 30%, 15%, 10% y 15%,
respectivamente. Usted puede comprar este producto solo en lotes de 150 unidades a
los siguientes precios: 150 unidades a 8 soles la unidad, 300 unidades a 6 soles la unidad,
450 unidades ms, a 4 soles la unidad.
Por otro lado el precio de venta al pblico es de 10 soles la unidad, as tenemos que si la
demanda supera a la oferta, se puede conseguir un precio de 11 soles la unidad, para
satisfacer esa demanda en caso contrario si la oferta supera a la demanda, ests causan
prdidas por este excedente.
Formule esta situacin como un proceso de decisin y determine a mejor alternativa
2. La fbrica J.J. Camet recientemente sufri una prdida grave debido a una explosin. Su
cobertura de seguros permite a la compaa elegir entre su reubicacin por una cierta
cantidad de dinero, que despus de meses de negociacin se fijo en $800,000, o
reconstruir la fbrica. Si no se reconstruye la fbrica, debe ser demolida a un costo de
$100,000, despus de esto el terreno puede ser vendido como inmueble comercial.
Los administradores de la aseguradora creen que la cantidad de dinero que la compaa
recibir ser el valor estimado del inmueble, esto depende del estado de la economa al
momento de la venta. Alternativamente si se reconstruye la fbrica recibir el valor
estimado del negocio.
Sea la tabla
35

36

CONDICION
ECOMONICA
MALA
MEDIO
BUENA

VALOR ESTIMADO
DEL INMUEBLE
$400,000
$700,000
$1100,00

VALOR ESTIMADO
DEL NEGOCIO
$900,000
$1200,000
$2000,000

a) Identifique las alternativas de decisin


b) Identifique los posibles estados / resultados
c) Determine la matriz de ganancias
3. El consejo de Lima est en proceso de decidir si reemplaza su flota de vehculos viejos
mediante la adquisicin de camiones nuevos a un costo de $18,000 c/u o usados a un
costo de $10,000 por camin.
Alternativamente, puede alquilar camiones por un periodo de 5 aos a un costo de
$2,500 al ao por camin nuevo y de $1,500 anuales por vehculo usado. Despus de
ese periodo el consejo adquieren los camiones que estaban nuevos a $10,000 y los que
eran usados a $5,000. De la experiencia pasada la administracin del consejo sabe que
el valor de la reventa de los camiones nuevos y usados depende de su condicin al final
de los 5 aos
CONDICION

d)
e)
f)
g)

VALOR ESTIMADO
DE REVENTA DE V. USADO
MALA
$2000
REGULAR
$4000
BUENA
$6000
Identifique las alternativas de decisin
Identifique los posibles estados / resultados
Determine la matriz de ganancias
Construya un rbol de decisin

VALOR ESTIMADO
DE REVENTA DE V. NUEVO
$8,000
$10,000
$13,000

Solucin :

37

38

CAPITULO III
DECISIONES EN AMBIENTE DE INCERTIDUMBRE
3.1 INTRODUCCION
En un entorno con tanta escasez de informacin como es el de incertidumbre, a la hora de
tomar decisiones ha de intervenir, en gran medida, la subjetividad.
Para cada tipo de problema de decisin existe ms de un criterio susceptible de emplearse,
cada uno denotando una distinta filosofa, segn la actitud del decisor y la naturaleza del
problema.
En cambio, en problemas de decisin bajo incertidumbre, como se mencion antes, se
atiende a problemas de decisiones, en los que no se conocen las probabilidades de
ocurrencia de los estados naturales, por lo tanto, hay que recurrir a criterios empricos para
tomar la decisin.
Los principales criterios de decisin en ambientes de incertidumbre estructurada son los
siguientes
3.2 TIPOS DE DECISICONES BAJO INCERTIDUMBRE
a) Principios Maximin y Minimax.
Fue sugerido por Abraham Wald y representa una filosofa pesimista para alcanzar los
resultados. Se trata de asegurar una ganancia o una prdida conservadora. El criterio
consiste en identificar el peor resultado de cada alternativa y de estos peores valores
escoger el mejor, la alternativa correspondiente ser la elegida, es decir:
MAX [ Min A ] para ganancias
MIN [ Max A ] para prdidas.
Escoger lo mejor de lo peor
b) Principios Maximax y Minimin.
Estos criterios denotan un optimismo extremo para los resultados de una decisin. La regla
es seleccionar la alternativa que ofrece la oportunidad de obtener el mejor resultado.
MAX [ Max A ] para ganancias
MIN [ Min A ] para prdidas.
Escoger el mejor de lo mejor.
c) Principio de Hurwicz
Este criterio distingue los resultados mximos y mnimos posibles de cada alternativa; hecho
esto aplica el factor de ponderacin a llamado "ndice de optimismo relativo", para llegar a
la decisin mediante el clculo de utilidades esperadas. El criterio se aplica siguiendo la
siguiente secuencia:
De la matriz de decisiones se seleccionan el mejor y el peor valor para cada alternativa,
dando lugar a un vector de ptimos y a otro de psimos.
El vector de ptimos se afecta por el ndice a y el vector de psimos por (1 )

El ndice a vara entre 0 y 1;


= 0 para el caso ms pesimista (criterio minimin)
= 1 para el caso ms optimista (criterio maximax)
0 < < 1 para los casos intermedios.
La suma de los vectores (de ptimos y psimos) ya ponderados, es el vector de valores
esperados. La alternativa seleccionada es aquella que corresponde al mximo valor
esperado.
H = Mx + (1- ) Min

d) Minimizar el arrepentimiento:
Es un criterio desarrollado por Savage sealaba que despus que se ha tomado una decisin
y de que ha ocurrido un evento, el tomador de decisin puede mostrar pesar debido a que
conoce qu evento ha ocurrido y desea quiz haber seleccionado una accin diferente.
e) Igualdad de verosimilitud:
Asociada a la ocurrencia de cualquiera de los estados de la naturaleza. Este criterio asociado
a Laplace por R.D. Luce y R. Raiffa supone que la ocurrencia de los diferentes estados de la
naturaleza, tienen igual verosimilitud y se escoge la accin cuya suma aritmtica de
beneficios es mayor.

COMPORTAMIENTO SEGUN LOS TIPOS DE PERSONALIDAD EN LAS DECISIONES CON


INCERTIDUMBRE
39

40

EJEMPLO 3.2a: Tomando como base el ejemplo 2.2a cuando no se conocen las
probabilidades

ACCION
A1=11
A2=12
A3=13
A4=14

E1=11
330
260
190
120

DEMANDA
E2=12
E3=13
330
330
360
360
290
390
220
320

E4=14
330
360
390
420

MAX
330
360
390
420

MIN
330
260
190
120

a)Maximin: Luego la mejor opcin es A1=11 alquilar 11 autos, este criterio es ultra
conservador, el que sigue este criterio es preferible que deje los negocios ya que la mayor
parte de las cosas que hace perdera dinero.
b) Maximax: La mejor opcin es escoger A4=14 alquilar 14 autos, este es un caso extremo
de ser sper optimista. Desventaja ignora las prdidas y no considera las oportunidades
de ocurrencia de los diferentes eventos
c) Criterio de Hurwicz:Hi = Max + ( 1- )Min

Hi = Min + ( Max - Min)


Donde = ndice de Optimismo. Si se desea tener un ndice de 0.80

ACCION
A1=11
A2=12
A3=13
A4=14

Max Min ndice de Hurwicz


330 330
330
360 260
340
390 190
350
420 120
360
0.80 0.20

Luego escogemos la accin A4=14 alquilar 14 autos. Hurwicz seala lo siguiente


porque siempre se ha de suponer que la naturaleza es malvola?, si un individuo se
siente optimista, l es capaz de expresar inteligentemente esta situacin mediante un
cierto ndice de optimismo.
El coeficiente de optimismo es un medio en el cual el decisor considera los pagos
grandes y pequeos luego los pondera y con sus propios sentimientos de optimismo y
pesimismo.
DESVENTAJAS:

1. La dificultad es asignar un valor especfico a


2. Ignora el valor de las consecuencias, intermedias para cada accin cuando existen
ms de dos eventos
3. La dificultad para elegir una accin cuando todas las acciones tienen las mismas
consecuencias.
d) Criterio de Laplace o de la Indiferencia: Puesto que no conocemos las probabilidades de
ocurrencia de los estados de la naturaleza, daremos como supuesto que las
probabilidades son las mismas para cada estado. Despus calculamos el V.E. de cada
accin y escogemos aquel que sea mayor.
* Estas situaciones de total incertidumbre no son muy comunes, en la vida
empresarial
ACCION
A1=11
A2=12
A3=13
A4=14
P(E)

E1=11
330
260
190
120
1/4

E2=12
330
360
290
220
1/4

E3=13
330
360
390
320
1/4

E4=14
330
360
390
420
1/4

V.E.
330
335
315
270

e) Criterio Minimax de Arrepentimiento o Prdida de Oportunidad (Savage) sealaba que


despus que se ha una decisin y producido el estado de la naturaleza, el decisor recibe
el resultado indicado.
Savage argumentaba que, despus de saber el resultado el decisor puede arrepentirse de
haber escogido esa estrategia, puesto que tal vez hubiera preferido escoger una
estrategia diferente. Adems sostiene que el decisor tiene que procurar que esta posible
afliccin (arrepentimiento) se reduzca al mnimo.
Construccin de la Matriz de Arrepentimiento
1. Se escribe un cero en las celdas de la matriz en donde este el mayor valor de la
columna.
2. En sustitucin de los valores de las otras celdas se escribe la diferencia entre el
resultado ptimo y los resultados de las estrategias tomada.
M. de Arrepentimiento = RESULTADO OPTIMO RESULTADO OBTENIDO
NOTA: El valor absoluto es cuando se trata de Minimizar
3. Luego se escoge la estrategia que tenga menor arrepentimientos

41

42

MATRIZ DE ARREPENTIMIENTOS
ACCION
E1=11
E2=12
E3=13
E4=14
SAVAGE
A1=11
0
360-330=30
390-330=60 420-330=90
90
A2=12
330-260=70
0
390-360=30 420-360=60
70
A3=13
330-190=140
360-290=70
0
420-390=30
140
A4=14
330-120=210
360-220=140
390-320=70
0
210
Luego se escoge la alternativa que da el menor arrepentimiento A2=12 pedir 12 autos
Los costos de arrepentimiento se deben a la falta de informacin perfecta"
Reporte del WINQSB

EJEMPLO 3.2b
Supongamos que usted es el propietario de un almacn de artculos de cmputo y debe
decidir cuntas cajas Blu-ray Disk pedir para la campaa escolar.
Si pide 100 cajas de Blu-ray Disk su costo es de $10 dlares por caja
Si pide 200 cajas de Blu-ray Disk su costo es de $9 dlares por caja
Si pide 300 cajas de Blu-ray Disk su costo es de $8.5 dlares por caja
Su precio de venta es de $12, pero si algunas se quedan sin vender al final de la campaa,
stas deben venderse a mitad de precio venta.
Usted cree que la demanda sea 100, 150 y 200, est claro que no puede vender ms de lo
que almacena. Hay una prdida del buen nombre de $0.5 por cada caja que una persona
desee comprar pero que no pueda hacerlo por no tenerla en el almacn. Se debe hacer el
pedido antes de la campaa.
SOLUCION:
Dnde:
D: demanda
S: Suministro
PV es el precio de venta
PC es el precio de compra
$6 es el precio de venta al final de la campaa para los artculos no vendidos

$0.5 es la prdida de prestigio


Si el suministro es mayor que la demanda (S >D) entonces la ganancia es igual a
D (PV - PC) - (PC-6)(S-D)
Si el suministro es menor que la demanda (S < D) entonces la ganancia es igual a:
S (PV-PC)-0.5(D-S)
Construccin de la matriz: S S=D
S=100 y D=100, entonces r11 = 100x12 - 100x10 = 1200 - 1000 = 200
S= 200 y D=200, entonces r23 = 200x12 - 200x9 = 2400 - 1800 = 600
S< D
S(PV-PC)-0.5(D-S)
S=100 y D= 150 ; r12 = 100(12 -10) - 0.5(150-100)=200 - 25 = 175
S=100 y D=200; r13 = 100(12 -10) - 0.5(200-100)=200 - 50 = 150

S=200
S=200
S=300
S=300
S=300

S>D
D(PV - PC) - (PC-6)(S-D)
y D=100 ; r21 = 100(12 - 9) - (9 -6) (200 -100)= 300 -300 = 0
y D=150 ; r22 = 150(12 - 9) - (9 -6) (200 -150)= 450 -150 = 300
y D=100 ; r31 = 100(12 - 8.5) - (8.5-6) (300 -100)= 350 - 500 = -150
y D=150 ; r32 = 150(12 - 8.5) - (8.5-6) (300 -150)= 525 - 375 = 150
y D=200 ; r33 = 200(12 - 8.5) - (8.5-6) (300 -200)= 700 - 500 = 450

Accin
Pedir(S)
A1=100
A2=200
A3=300

100
200
0
-150

Demanda (D)
150
175
300
150

200
150
600
450

Por el principio de Dominacin no es una manera de seleccionar una accin, sino es una
manera de decidir qu acciones o estrategias eliminar. Se elimina A3= 300 puesto que no
importa cul sea la demanda, esta accin resultar siempre en menor ganancia que la que
resultara si l escoge 200. La accin A3 es por consiguiente dominada por la accin A2,
dejando al propietario que decida entre A1 y A2.
Luego la matriz quedar as:
Accin
Pedir
A1=100
A2=200

E1 = 100
200
0

Demanda
E2 = 150
175
300
43

Min Max
E3 = 200
150
600

150
0

200
600

44

a) Maximin (Wald): Escoge lo mejor de lo peor, escoge A1=100.puesto que esta accin tiene
el pago mximo mnimo.
b) Maximax: Escoge el mejor de lo mejor, toma la accin A2=200,.
c) Criterio de Hurwicz: Si su grado de optimismo es.
= 1/3 de su mximo pago
1 - = 2/3 de su mnimo pago

Pedir

Max

Min

A1=100
A2=200

200
600
1/3

150
0
2/3

Pago
Esperado
167
200

Luego se escoge la accin que da mejor pago esperado A2=200.

d) Criterio de Savage = Resultado ptimo - Resultado Obtenido


Pedir
Demanda
E1 = 100
E2 = 150
E3 = 200
A1=100
0
300-175=125
600-150=450
A2=200
200-0=- 200
0
0

VE
450
200

Aqu se escoge la estrategia que da el mnimo de los arrepentimientos, la accin es


A2=200 pedir 200 cajas.

EJEMPLO 3.2.3c
La municipalidad de Bellavista utiliza una flota de 20 camiones recolectores, para atender la
limpieza del distrito. El departamento de Logstica quiere desarrollar un mantenimiento
preventivo peridico para la flota. La probabilidad p de una avera, despus de t meses
desde el ltimo mantenimiento preventivo se estima como.
t 1
2
3
4
5
6
7
8
Pt 0.05 0.07 0.10 0.13 0.18 0.20 0.27 0.30
Una avera al azar cuesta $200 dlares por camin y un mantenimiento programado slo
cuesta $50.
a) Determinar el periodo ptimo (en meses) entre mantenimientos preventivos
programados?
b) Desarrolle el rbol de decisin asociado
Solucin
Costo
Costo de mantenimiento
Costo de avera

1 camin
$50
$200

20 camiones
$1000
$4000

Sea t el nmero de meses entre mantenimientos preventivos (ciclo)


Hay dos tipos de costo durante un ciclo de mantenimiento
costo de avera durante (t-1) meses
costo de mantenimiento preventivo al final del ciclo
45

46

t
t 1

El costo de mantenimiento
50x20=1000

Costo de avera con probabilidad


200x20

Hay dos estados de la naturaleza


En el mes t avera con probabilidad pt
En el mes t ninguna avera con probabilidad (1- pt )
Sea el E (t ) el costo total esperado por ciclo de mantenimiento
Para t =1, entonces E(t)=1000
0
.05
Para t =2, entonces E(t)=1000+4000x p1 =1200
0.05.0.07

Para t =3, entonces E(t)=1000+4000x ( p1 p 2 ) =1480


t 1

Generalizando E(t)=1000+4000 pi
i 1

Para determinar la longitud del ciclo t que minimizar el costo, hacemos la siguiente
tabla.
E (t )
Luego
ser el costo total por mes
t

pi

OPTIMO

1
2
3
4
5
6
7
8

t 1

p
i 1

0.05
0.07
0.10
0.13
0.18
0.20
0.27
0.30

E (t )
i

0
0.05
0.12
0.22
0.35
0.53
0.73
1.00

1000
1200
1480
1880
2400
3120
3920
5000

E (t )
t

1000.00
600.00
493.33
470.00
480.00
520.00
560.00
625.00

Luego la flota de camiones tendr un mantenimiento cada 4 meses

Costo Total Por Mes E(t)/t


1.200,00
1.000,00
800,00
MINIMO

600,00
400,00
200,00
0,00
0

10

meses

3.3 ANALISIS DE SENSIBILIDAD Y EL VALOR DE LA INFORMACION


El Anlisis de Sensibilidad consiste en procedimientos analticos para medir el grado de
impacto (sensibilidad) que tienen los cambios en una parte del modelo, sobre otras partes
del mismo.
El problema fundamental de Anlisis de Sensibilidad es cmo cambian los resultados de un
modelo cuando cambian los datos, los parmetros?
Se justifica comprar la mquina A si los costos de mantenimiento aumentan en un 10%?

Costo de
Mantenimiento
C=13

C=12
C=11

Cantidad

47

48

El anlisis de sensibilidad identifica las variables para los cuales, la informacin ser de gran
valor.
Si la decisin no es sensible al valor de una variable sobre una amplia escala de valores,
entonces la informacin no tiene valor.
Si la decisin es altamente sensible a los cambios de los valores futuros de una variable,
entonces aqu muestra el valor de la informacin para reducir la incertidumbre.
La asignacin de Probabilidades a los eventos es una tarea difcil que muchos
administradores pueden mostrase evasivos al hacerlo. Para esto es til usar anlisis de
sensibilidad para determinar cmo afecta a la decisin la asignacin de las probabilidades.

3.3.1 ANALISIS DE SENSIBILIDAD PARA EL CITERIO DE HURWICZ


Para el criterio de Hurwicz: Hi = Max + (1- )Min = Min + (Max - Min)
Si =0 entonces somos totalmente pesimistas (MAXIMIN)
Si =1 entonces somos totalmente optimistas (MAXIMAX)

E1
A1
A2
A3
Luego A1 = 3 + 5
A2 = 1 + 6
A3 = 2 + 7
A1 = A2
3+ 5=1 + 6
=2
A1=A3
3+ 5=2 + 7
=0.5
A2=A3
1 + 6=2 + 7
= -1

5
4
9

E2
8
6
7

E3
7
1
2

E4
3
7
6

Min
3
1
2

Max
8
7
9

A1
3
3.5
4
4.5
5
5.5
6
6.5
7
7.5
8

A2
1
1.6
2.2
2.8
3.4
4
4.6
5.2
5.8
6.4
7

A3
2
2.7
3.4
4.1
4.8
5.5
6.2
6.9
7.6
8.3
9

GRAFICA DE SIMULACION
A3

10

A1

A2

6
4
2
0
0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Si escogemos < 0.5 entonces elegimos la estrategia A1


>0.5 entonces elegimos la estrategia A3
No existe ningn valor para la estrategia A2 sea mejor

3.3.2 ANALISIS DE SENSIBILIDAD PARA HALLAR PROBABILIDADES PTIMAS


EJEMPLO 3.3.2a del ejemplo 3.2b
Accin
Pedir
E1 = 100
A1=100
200
A2=200
0
P(E)
p1
VE A1 = 200p1 + 175p2 + 150[1-p1-p2]
VE A2 = 0 p1 + 300p2 + 600[1-p1-p2]

Demanda
E2 = 150
175
300
p2

E3 = 200
150
600
p3=1-p1-p2

La condicin en que A1 se prefiere ms que A2 es:


VE A1 VE A2 (La interseccin es el mayor valor esperado)
200p1 + 175p2 + 150[1-p1-p2] 300p2 + 600[1-p1-p2]
Resolviendo y despejando
2p1 +p2 18/13 = 1.38

49

50

1,5
2p1+p2>=1.38

1
( 0.38,
p1+p2<=1
0,5

A2
A1
0
0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,1

-0,5

-1

Si p1=0 p2= 18/13 = 1.38 y si p2=0 p1=9/13= 0.69


p1 + p2 1
-2p1 - p2 -1.38
-p1 - 0.38

p1 0.38
Luego debemos tomar la probabilidad donde tenga la mayor rea.
Valores a escoger
p1 = 0.5
p2 = 0.38
p3 = 0.12

segn 2p1+ p2 1.38 si se prefiere la decisin A2

EJEMPLO 3.3.2b Se tiene la siguiente tabla de utilidades en millones $ sobre la ampliacin de


una planta industrial.
DECISION
PEQUEA A1
MEDIANA A2
GRANDE A3

ACEPTACION
ALTA S1
BAJA S2
8
7
14
5
20
-9

a) Por medio del Anlisis de Sensibilidad Cules son las probabilidades ptimas e
intrprete?
b) Si fuesen costos cuales seran sus decisiones?

EJERCICIOS
1.

Cmo se caracterizan los problemas de decisin bajo incertidumbre?


El decisor conoce el estado de la naturaleza que ocurrir con absoluta certeza
No se conocen las probabilidades de ocurrencia de los estados naturales.
Si se conocen las probabilidades de ocurrencia de los estados naturales
Se basan en criterios cientficamente establecidos.

2.

Qu denotan los distintos criterios susceptibles de aplicarse en problemas de decisin


bajo incertidumbre?
Distintas filosofas para enfrentar racionalmente los posibles resultados
La esperanza de que se presenten los resultados ms favorables.
La esperanza de que se presenten los resultados ms probables.
Distintas filosofas para conocer anticipadamente los posibles resultados.

3.

Qu criterio denota una filosofa conservadora?


Maximax
Maximin
Aquel con un ndice de optimismo alto
Un arrepentimiento regular.

4.

Qu criterio denota una filosofa optimista?


Maximax
Maximin
Aquel con un ndice de pesimismo bajo.
Un arrepentimiento mximo

5.

Para qu valor del ndice de Optimismo los criterios de Hurwicz y Maximax son
equivalentes?

=0.0
= 1.5
51

52

= 1.0
= 0.5
6.

Qu criterio convierte un problema decisiones de incertidumbre en uno de decisiones


bajo riesgo?
Maximin
Hurwicz
Laplace
Savage

7.

Qu criterio de decisin utiliza el criterio de Savage de arrepentimiento?.


El valor medio de los arrepentimientos mximos.
Mnimo de los arrepentimientos mximos.
El mnimo de los arrepentimientos mnimos.
Ninguno, no necesita este tipo de criterios.

8.

Describa una necesidad de toma de decisin en condiciones de incertidumbre.

9.

Se propone una matriz de decisiones con tres alternativas y tres estados de la


naturaleza, suponga que son costos. Recomiende la mejor alternativa bajo un filosofa
conservadora:

E1

E2

A1
345 553
A2
432 321
A3
543 221
Escriba el nombre del criterio solicitado.
Despus de haber hecho el anlisis, escriba
alternativa elegida.

E3
124
657
234
el valor del resultado despus de la

10. Aplique cada uno de los criterios que se citan y proponga la alternativa, enseguida
coloque el valor terminal.
..................... Minimin..................... ndice de optimismo
..................... Laplace..................... Arrepentimiento
11. La empresa HP Computer acaba de constituirse en sociedad. Su principal activo es una
franquicia para vender computadoras de un importante fabricante norteamericano. El
gerente est pensando cuanto personal ocupar en las instalaciones del taller de

reparaciones. A partir de informacin proporcionada por el fabricante y otros negocios


cercanos, ha estimado el nmero de horas de reparacin anuales que es probable que
requiera el taller:
Horas
10,000
12,000
14,000
16,000
Probabilidad 0.2
0.1
0.5
0.2
El Gerente planea pagar a cada ingeniero $10 dlares y cargar a su cliente $ 25 dlares
Los ingenieros trabajan semanalmente 40 horas y tendrn vacaciones anuales de dos
semanas
a) Determinar cuntos ingenieros deben contratar
b) Debera pagar $6,000 por obtener informacin perfecta sobre el nmero de
ingenieros que necesita Justificar su respuesta
NOTA: El ao tiene 52 semanas
12. Para enfrentar el problema de contaminacin en la capital de Limase est proponiendo
utilizar nuevas estaciones de monitoreo para medir el crecimiento de la capa de smog.
Se piensa que si esta capa alcanza cierto nivel crtico de partculas, en los das que siguen
se llegara a un estado de emergencia. Por lo tanto, en el caso en que las estaciones de
monitoreo detecten ese nivel crtico se tomara la decisin de aplicar un plan ALFA (de
alerta ambiental), con el objetivo de que no se produzca el estado de emergencia. El
costo de operacin de las estaciones es de US$ 500/da. El estado de emergencia
significa un costo en la salud, la cual se ha estimado en US$ 1000/da. Hasta ahora, el
estado de emergencia se ha producido con una frecuencia de 0.2. Por otra parte el plan
ALFA es eficaz el 90% de las veces. Si se produce emergencia la probabilidad que las
estaciones NO hayan detectado el nivel crtico es de 0.2. Si NO se produce emergencia la
probabilidad que las estaciones NO hayan detectado el nivel crtico es de 0.85.
Conviene o no instalar las nuevas estaciones?
13. Una compaa de computadoras compra chips a dos empresas A y B. En cada orden de
1000 chips (independientemente del suplidor) puede haber 1%, 3%, o 5% de chips
defectuosos. La empresa A vende el paquete de 1000 chips por $300 y la empresa B lo
vende por $302. Cada chip defectuoso se devuelve a un costo de $0.15 por chip. A cul
suplidor conviene comprar los chips?
Supongamos que las probabilidades de que haya 1%, 3%, o 5% defectuosos de la
empresa A son .2, .4, y .4 respectivamente, y para la empresa B son .6, .3, y .1
respectivamente.
Qu alternativa escogera?
14. Cierta empresa entrega un servicio computacional a corporaciones y departamentos de
gobierno. Una de las tareas de su director de personal consiste en contratar
representantes tcnicos. Hasta el momento el xito de estos representantes ha sido
malo, pero no ms malo que el de las otras compaas del rubro. Casi un 25% de los
contratados no han servido, por lo que han tenido que dejar la compaa produciendo
problemas de imagen.
53

54

El director de personal ha buscado mejorar los mtodos de seleccin de dichos


representantes buscando el apoyo de una empresa consultora, la cual es capaz de
discriminar con un 90% de seguridad si los entrevistados sern eficientes o no en el
futuro.
Esta empresa consultora cobra $30000 por cada entrevista realizada. Si el director estima
en $100000 las prdidas que la compaa sufre por cada representante que debe
abandonar su puesto, qu accin debera seguir la compaa si debe contratar 20
nuevos representantes de 50 postulantes?

CAPITULO IV
DECISIONES SECUENCIALES
4.1 INTRODUCCION
No es corriente que los problemas relacionados con la toma de decisiones en las empresas
se refieran a situaciones en las que es preciso adoptar una decisin aislada.
Normalmente, en la configuracin de cada proceso de toma de decisiones intervienen las
consecuencias de decisiones que se adoptaron en el pasado, y sucesos aleatorios
incontrolables para la empresa. Del mismo modo, la alternativa por la que se decante el
decisor vendr a limitar o a ampliar sus posibilidades de eleccin en futuras decisiones.
Dado que puede resultar interesante estudiar, no ya el proceso de toma de decisiones como
si stas estuvieran aisladas unas de otras, sino su desarrollo secuencial, existe una
herramienta que permite llevar a cabo esta labor, denominada rbol de decisin.
4.2RBOLES DE DECISIN
Un rbol de decisin no es ms que un sistema de representacin del proceso secuencial de
toma de decisiones, en el que se reflejan las distintas alternativas que se ofrecen al decisor,
los diversos resultados a los que pueden conducirle, y los diferentes estados de la naturaleza
que pueden afectarle.
Los rboles de decisin estn formados por nudos y ramas. Los nudos o vrtices
representan situaciones en las que se han de tomar decisiones (nudos decisionales, que se
representan mediante cuadrados), o bien situaciones en las que el decisor se enfrenta a
varios estados de la naturaleza o sucesos aleatorios (nudos aleatorios, que se representan
mediante crculos. Numeraremos los nudos decisionales de izquierda a derecha y de arriba
hacia abajo. Los nudos aleatorios los designaremos con letras para identificarlos, tambin de
izquierda a derecha y de arriba hacia abajo.
Los nudos se unen unos a otros mediante ramas o aristas, que representan cosas distintas
en funcin de qu tipo sea el vrtice del que parten. Las que se inician en uno decisional
representan las distintas opciones entre las que puede decantarse el decisor en ese
momento preciso. Las ramas que se inician en nudos aleatorios representan los distintos
estados de la naturaleza que pueden condicionar el resultado final a que conduce la
seleccin de una alternativa (no se puede elegir entre ellas). stas ltimas deben de
completarse indicando la probabilidad de ocurrencia del estado de la naturaleza que
representan. Al final de cada camino, cada sucesin de vrtices y aristas, se seala cual es el
resultado al que conducira esa sucesin de decisiones y sucesos.
Representaremos los rboles de decisin horizontalmente, de izquierda a derecha,
comenzando siempre con un vrtice decisional. Una vez representado todo el proceso de
decisin, calcularemos los resultados a que nos conduce cada camino. A continuacin,
calcularemos los valores de los vrtices, bien seleccionando el mejor valor posible que se
deriva de ellos (decisionales) o el valor esperado (aleatorios). Una vez realizada esta labor,
podremos emplear el rbol como instrumento de apoyo en la toma de decisiones.

55

56

Es una representacin grfica de las alternativas, probabilidades, ganancias o pagos


asociados con un problema de decisin, donde:
Un cuadrado se usa para representar un nodo de decisin a partir del cual se
pueden seleccionar una o ms alternativas.
Un crculo, se utiliza para representar un nodo de estado de la naturaleza.
4.3 VENTAJAS Y DESVENTAJAS DEL ARBOL DE DECISON
VENTAJAS
Es un mtodo directo y muy sencillo de aplicar
Surge directamente del anlisis del grafo.
DESVENTAJAS
Es complicado en aplicar en grafos grandes o muy ramificados

Ejemplo 4a: Desarrollar el rbol de decisin del problema 2.2c


ESTADOS DE LA NATURALEZA
DECISION
La Molina
Vitarte
Chosica
P(E)

Mala
0.1
0.2
0.1
0.5

Regular
0.3
0.3
0.2
0.3

Buena
0.6
0.5
0.7
0.2

V.E.
0.26
0.29
0.25

Usando el WinQSB

Ejemplo 4.b

La fbrica Topy Top est avaluada en 150 millones, esta desea incorporar un nuevo producto
al mercado. Existen tres estrategias para incorporar el nuevo producto:
Alternativa A: Hacer un estudio de mercado del producto de forma de determinar si se
introduce o no al mercado.
Alternativa B: Introducir inmediatamente el producto al mercado (sin estudio).
Alternativa C: No lanzar inmediatamente el producto al mercado (sin estudio).
Sin estudio de mercado, la fbrica estima que el producto tiene un 55% de posibilidades de
ser exitoso y de 45% de ser un fracaso. Si el producto es exitoso, la fbrica aumentara en
300 millones su valor, si el producto fracasa se devaluara en 100 millones.
El estudio de mercado vale 30 millones. El estudio predice que existe un 60% de
probabilidad de que el producto sea exitoso. Si el estudio de mercado determina que el
producto ser exitoso, existe un 85% de posibilidades de que efectivamente lo sea. Si el
estudio de mercado determina que el producto ser un fracaso, existe solo un 10% de
posibilidades de que el producto sea exitoso. Si la empresa no desea correr riesgos (desea
maximizar el valor esperado de la empresa)
a) Qu estrategia deber seguir?
b) Construir un rbol de decisiones

57

58

EJERCICIO
1. La empresa Orion S.A. de dedica a la venta de tiles de escritorio, utiliza unas 50
computadoras, para administra todo su negocio en todo el Per.. El ingeniero Enzo. P.P
.para un mejor desempeo de las mquinas debe hacer un mantenimiento preventivo
de todas las computadoras.
La Probabilidad de una avera de una computadora, despus de T meses desde su ltimo
mantenimiento est dada por la siguiente tabla
T> 1
2
3
4
5
6
PT 0.05 0.10 0.15 0..28 0.42 0.5
Si el desperfecto de un auto al azar cuesta $40 dlares por computadora y un
mantenimiento preventivo en su debido tiempo cuesta $10 dlares
a) Determinar el tiempo ptimo entre mantenimientos preventivos
b) Desarrollar el rbol de decisin
2. Se le ha presentado a un fabricante una propuesta de un nuevo producto y debe decidir
si desarrollarlo o no. El costo del proyecto de desarrollo es de $200,000 la probabilidad
de xito es de 0.70. Si el desarrollo no es exitoso, el proyecto ser cancelado. Si es
exitoso, el fabricante deber decidir entonces si emprender la fabricacin del producto a
un nivel alto o bajo. Si la demanda es alta, el incremento en la ganancia dado un alto
nivel de fabricacin ser de $700,000; dado un bajo nivel ser de $150,000.
Si la demanda es baja, el incremento en la ganancia dado un alto nivel ser de $100,000,
dado un bajo nivel ser de $150,000. Todos estos valores de incremento en la ganancia
son cifras brutas (es decir; se le debe restar el costo de desarrollo de $200,000).
La probabilidad de una alta demanda se estima en 0.4, y la de baja demanda es de 0.6
a)
Elabore un rbol de decisin de esta situacin
b)
Determine si el fabricante debe desarrollar o no el proyecto
3. En los ltimos aos, un pas ha visto declinar sus condiciones econmicas y sociales
producto de reiterados errores de conduccin de sus autoridades. Basadas en un muy
peculiar espritu democrtico, las autoridades han decidido consultar a la ciudadana
acerca de su continuidad en el poder mediante un plebiscito que se har prximamente
(60 a 90 das).
Un grupo econmico XYZ se ha caracterizado todos estos aos por aprovechar al mximo
las oportunidades financieras que se han presentado, pues su condicin de proclives a la
autoridad han contado con las garantas del caso. Actualmente, est estudiando la
posibilidad de adquirir acciones de compaa ABC por un valor de $5000000 las que
espera vender en el corto plazo (6 a 12 meses) por un valor de $7500000. Lo malo para
sus peculiares intereses es que debe decidirse ahora pagando al contado el 10% y
cancelando el resto en dos cuotas a 90 y 120 das (despus del plebiscito). Evidentemente
XYZ est pensando en el triunfo de la autoridad, pues en caso contrario deber irse
voluntariamente del pas perdiendo, por consiguiente, el 10% por adelantado.

XYZ est consciente de la escasa popularidad de la autoridad y estima que existe slo un
30% de posibilidades de que triunfe el SI en la consulta, por lo que est considerando la
posibilidad de contratar expertos de la firma ADIMARK para que realicen una encuesta
sabiendo que esta institucin predice con un 80% de certeza. Si el costo de loa encuesta
es de $100000, qu debe decidir XYZ? (Construya un rbol de decisin).

59

60

CAPITULO V
METODOLOGA BAYESIANA:
5.1 INTRODUCCIN
La Estrategia Bayesiana permite incorporar a la informacin anterior que se posee, otra ms
actualizada proveniente de una investigacin, beneficiando la decisin, ya que no desecha el
conocimiento previo sino que por el contrario lo confronta con el nuevo.
En general el rea de decisin se focaliza como una decisin de tipo econmica, pero no es
excluyente de ser desarrollada en otras reas, para las cuales sea vlido recabar informacin
adicional.
En su aplicacin general, se define el presente como momento para establecer una decisin,
y futuro como escenarios a ocurrir y respecto a los cuales se toma la decisin presente.
La decisin de lanzar un producto ahora o esperar a tener mayor informacin para disminuir
los riesgos de fracaso, depender de los costos econmicos y financieros que estemos
dispuestos a asumir.
Para enfocar el problema de toma de decisin bajo incertidumbre nos valdremos del
Teorema de Bayes y las complejidades de sus clculos pueden ser resueltas por los
programas de computacin.
5.2 RESOLUCIN DEL PROBLEMA POR EL MTODO DE LAS ESTRATEGIAS BAYESIANAS
Esta metodologa se basa en la utilizacin de mayor informacin, obtenida en
investigaciones de mercado, las cuales deben permitir clarificar las probabilidades de
ocurrencias de los escenarios.
La nueva informacin se relaciona con la anterior mediante el Teorema de Bayes, que
permite determinar las probabilidades a posteriori de los escenarios futuros.
Se recalcula el Mejor Valor Esperado con la informacin adicional, y a partir del mismo se
llega a una decisin.
Conclusiones
Puede observase que:
- La aplicacin de la metodologa es sencilla.
- Incorpora la ltima informacin disponible.
- Evala la informacin anterior en funcin de la nueva.
- El investigador mejora notablemente su decisin.
La implementacin de este tipo de anlisis no requiere de un tecnicismo elevado, slo el
cuidado que se debe tener para el manejo correcto de los mtodos estadsticos.
La principal ventaja del mtodo es que permite utilizar toda la informacin disponible,
proporcionando de esta manera la mejor herramienta para la toma de decisin en la
condicin planteada.

5.3 VALOR ESPERADO DE LA INFORMACION PERFECTA


Hasta esta este punto se ha considerado situaciones en las cuales el tomador de decisiones
elige la estrategia basndose en la informacin que posee (es decir su informacin previa)
sin intentar adquirir informacin (encuesta) antes de que tome su decisin.
El concepto de informacin perfecta es de gran importancia terica ya que nos fija un lmite
a la posible cantidad de dinero que se puede gastar para reducir la incertidumbre, en
resumen el VEIP sirve para determinar si vale o no la pena para comprar informacin.
Razones en que se toma decisiones sin informacin correcta

La informacin que se necesita no est disponible.


El esfuerzo de adquirir informacin es muy grande y costoso.
No hay conocimiento de la disponibilidad de informacin.
La informacin no est disponible en la forma que se necesita.

5.4ESTRUCTURACION DEL PROBLEMA DE DECISION


Ejemplo: La compaa CONSULTORES & ANDERSON, recin se ha establecido, en el Per se
especializa en asesoramiento de proyectos. La empresa est en las etapas finales para la
seleccin de un sistema de cmputo para la ciudad de Lima, aunque est ya ha tomado una
decisin respecto a un fabricante de computadoras en estos momentos desea determinar el
sistema de cmputo que le resulte ms econmico arrendar.
d1 = sistema grande
d2 = sistema mediano
d3 = sistema pequeo
Los administradores de la C&A consideran los siguientes estados de la naturaleza
s1 = Alta aceptacin de los clientes
s2 = Baja aceptacin de los clientes
Tabla de resultados para el problema de arrendamiento
Decisin
S1
S2
d1 = sistema grande
200,000
-20,000
d2 = sistema mediano
150,000
20,000
d3 = sistema pequeo
100,000
60,000
P(E)
p = 0.3
1-p =0.7
Luego la mejor decisin es usar un sistema pequeo
a) Por medio del Anlisis de Sensibilidad cual es la probabilidad optima

61

V.E.
46,000
59,000
72,000

62

Escogiendo p con el anlisis de sensibilidad


d1 = 200,000p + (1 - p)(-20,000) = 220,000p -20,000
d2 = 130,000p + 20,000
d3 = 40,000p + 60,000
Haciendo d1 = d2,
220,00p-20,000=130,000p+20,000
90,000p=40,000
40,000
p
0.44
90,000
Tomando d1 = d3
220,000p - 20,000 = 40,000p +60,000
As 180,000p = 80,000
80,000
p
0.44
180,000
Si d2=d3
130,000p + 20,000=40,000p + 60,000
40,000
p
0.44
90,000
Si p< 0.44 entonces la alternativa d3 es la ptima
Si p> 0.44 entonces la alternativa d1 es la ptima

El beneficio que se obtiene de al realizar el anlisis de sensibilidad es que puede


ofrecer una mejor perspectiva sobre la evaluacin original de los administradores
respecto a las probabilidades de estado de la naturaleza
b) Hasta cunto puede pagar por una informacin?

Decisin
d1 = sistema grande
d2 = sistema mediano
d3 = sistema pequeo
P(E)

S1
200,000a
150,000
100,000
p = 0.3

S2
-20,000
20,000
60,000a
1-p =0.7

El valor esperado bajo certeza (VEBC) = 0.3 (200,000) + 0.7 (60,000) = 102,000
V.E. = 72,000 (valor esperado sin informacin perfecta)
V.E.I.P. = VEBC VE = 102,000 - 72,000 = $30,000
El valor absoluto en caso de problemas de minimizacin
En otras palabras $30,000 representa un valor adicional que puede obtenerse si
est disponible la informacin perfecta respecto a los estados de la naturaleza.
Los estudios de investigacin de mercados no proporcionan informacin
perfecta, sin embargo, la informacin que se obtiene puede valer una buena
porcin de los $30,000. En cualquier caso los administradores de C&A saben que
63

64

nunca pueden pagar ms de $30,000 por cualquier informacin, sin importar que
tan buena sea.
Suponiendo que el costo de la investigacin de mercados est entre $5,000 y
$10,000 parece que es econmicamente rentable la posibilidad de llevar a cabo
dicho estudio.

5.5ANLISIS DE DECISIONES CON INFORMACIN MUESTRAL


Recordamos que los administradores haban asignado P(S1) = 0.3 y P(S2) = 0.7
(Probabilidades previas), despus usando estas probabilidades se encontr que la decisin
optima era d3 = sistema pequeo y que el V.E.I.P. es de 30,000.
La empresa C&A desea considerar la posibilidad de contratar una empresa de mercados
para estudiar la aceptacin potencial del servicio que ofrece. El estudio de mercado
ofrecera informacin nueva que podra combinarse con las probabilidades previas para
obtener estimaciones de probabilidades actualizadas o modificadas a esto se les conoce
como probabilidades posteriores.
Probabilidades
Previas
( )

Informacin nueva proveniente


de una investigacin o
experimentacin
( / )

Probabilidades modificadas
( / )

Modificacin de probabilidades con base en informacin nueva


A esta informacin que se obtiene mediante investigacin o experimentacin se le
denomina indicador; tambin a menudo a la nueva informacin se le llama informacin
maestral.
Se puede identificar de la siguiente manera los resultados del estudio de investigacin de
mercados:
I1= reporte favorable de la investigacin de mercados (es decir, en el estudio de las personas
que se entrevistaron expresaron gran inters en los servicios de CPI).
I2= reporte desfavorable de la investigacin de mercados (es decir las personas expresaron
que se entrevistaron expresaron poco inters en los servicios de CPI).
Por probabilidades condicionales ( / ) representa la probabilidad condicional de que
ocurra el estado de naturaleza dado que el estudio de investigacin de mercado result
Ik
Para utilizar de manera efectiva la informacin del indicador se debe conocer algo respecto
a las relaciones de probabilidad entre indicadores y estados de la naturaleza. Por ejemplo
dado que el estado de la naturaleza tiene una aceptacin alta entre los clientes.

Cul es la probabilidad de que el estudio de investigacin de mercados origine un estudio


favorable? En este caso se pide la probabilidad condicional del indicador I1 dado que el
estado de la naturaleza , que se expresa como ( / )
En el ejemplo de la compaa C&A, el historial de investigacin sobre estudios similares ha
conducido a las siguientes estimaciones de las probabilidades condicionales:

REPORTE DE LA INVESTIGACIN DE MERCADOS


ESTADO DE LA NATURALEZA
Aceptacin alta (S1)
Aceptacin baja (S2)

Favorable ( I1 )
P(I1 / S1 ) = 0.8
P(I1 / S2 ) = 0.1

Desfavorable ( I2 )
P(I2 / S1 ) = 0.2
P(I2 / S2 ) = 0.9

Interpretacin: Cuando el verdadero estado de la naturaleza es S1 el reporte de la


investigacin ser favorable en un 80% y desfavorable en un 20%. Cuando el verdadero
estado de la naturaleza es S2 el reporte hace la indicacin correcta del 90%.
Se observa ahora la forma en que se puede incorporar esa informacin adicional a la toma
de decisiones.

5.6DESARROLLO DE UNA ESTRATEGIA DE DECISIN


Se utiliza el anlisis del rbol de decisin para determinar la estrategia decisoria ptima de
C&A
FIG. 5.1 rbol de decisiones de la C&A que incorpora los resultados de estudio de
investigacin de mercados
Calculo de las probabilidades de las ramas
Las probabilidades previas de los estados de la naturaleza fueron: P( S1 ) = 0.3 ,
P( S2 ) = 0.7 y las probabilidades condicionales

P(I1 / S1 ) = 0.8
P(I1 / S2 ) = 0.1

P(I2 / S1 ) = 0.2
P(I2 / S2 ) = 0.9

Si:
P( I1 ) = P( I1 S1 ) + P( I1 S2 ) = P(I1 / S1 )P(S1 ) + P(I1 / S2 )P(S2 )
P( I2 ) = P( I2 S1 ) + P( I2 S2 )= P(I2 / S1 )P(S1 ) + P(I2 / S2 )P(S2 )
Generalizando tenemos ( )
( / ) ( )
Reemplazando de las probabilidades previas tenemos
65

(*)

66

( )

(0.8)(0.3) + (0.1)(0.7) = 0.31

( )

(0.2)(0.3) + (0.9)(0.7) = 0.69

( ) ~ La probabilidad de un reporte favorable de la investigacin de mercados es de 0.31


( )~ La probabilidad de un reporte desfavorable de la investigacin de mercados es de
0.69

Resultados del WINQSB

Ahora que conocemos las probabilidades de las ramas indicadoras, se podr calcular las
probabilidades modificadas o posteriores

Alta ( S1 )
200,000
Grande d1

P(S1 / I1 )
4
Baja (S2 )

-20,000

P(S2 / I1 )
Alta ( S1 )
150,000
Favorable I1

Mediano d2

P(S1 / I1 )

P(I1 )=0.31

Baja (S 2 )

20,000

P(S2 / I1 )
Alta ( S1 )
100,000
Pequeod3

P(S1 / I1 )
6
Baja (S2)
P(S2 / I1 )
Alta ( S1 )

60,000

200,000
Grande d1

P(S1 / I2 )
7
Baja (S2)
P(S2 / I2 )
Alta ( S1 )

-20,000

150,000
Desfavorable I2
3

Mediano d2
8

P(I2 ) =0.69

P(S1 / I2 )
Baja (S 2 )
P(S2 / I2 )
Alta ( S1 )

20,000

100,000
Pequeo d3

P(S1 / I2 )
9
Baja (S2)
P(S2 / I2 )

60,000

FIG. 5.1 ARBOL DE DECISIONES DE LA C&A CON PROBABILIDADES EN LAS RAMAS


P( S1 / I1 )

P( I1 S1 ) P( I1 / S1 ) P( S1 )

P ( I1 )
P ( I1 )

(**)

( / )= ( 0.8 )( 0.3 ) / ( 0.31 ) = 0.24 / 0.31 = 0.774193548

Esto nos dice que si el indicador de la investigacin de mercados es favorable hay que
modificar la probabilidad de una alta aceptacin del mercado para que sea P(S 1 / I1 ) =
0.774193548

Por ejemplo, la probabilidad modificada de una baja aceptacin en el mercado S2 , dado que
el indicador de la investigacin de mercado es favorable, I1 se convierte en :
67

68

P( S 2 / I1 )

P( I 1 / S 2 ) P( S 2 )
= (0.1)(0.7) /0.31=0.07 / 0.31= 0.225806452
P( I1 )

Luego:
P( S1 / I 2 )

P( I 2 / S1 ) P( S1 )
= (0.2)(0.3)/0.69 = 0.06 / 0.69 = 0.086956522
P( I 2 )

P( S 2 / I 2 )

P( I 2 / S 2 ) P( S 2 )
=(0.9)(0.7)/0.69 =0.63 / 0.69 = 0.913043478
P( I 2 )

Generalizando (**) para cualquier estado de la naturaleza Sj y cualquier indicador Ik se tiene:

P( S j / I k )

P( I k / S j ) P( S j )
P( I k )

P( I k S j )
P( I k )

(*)

Los resultados de las probabilidades conjuntas del WINQSB son

Los resultados de las probabilidades posteriores o modificadas

Se puede efectuar el clculo de las probabilidades de las ramas indicadoras y estado de la


naturaleza utilizando un mtodo tabular. En primer lugar, se forma una tabla para cada
indicador Ik que contiene lo siguiente:
Estados de la naturaleza Sj
Probabilidades previas P(Sj )
Probabilidades condicionales P(Ik / Sj)
Probabilidades conjuntas P(IkSj )
Probabilidades posteriores P(Sj / Ik )

FIG.5.2 rbol de decisiones de la C&A con probabilidades en ramas


Alta ( S1 )
200,000
Grande d1
4

P(S1 / I1 )= 0.7742
Baja (S2 )
P(s2 / I1 )= 0.2258
Alta ( S1 )

-20,000

150,000
Favorable I1
2

Mediano d2
5

P(I1 )=0.31

P(S1 / I1 )= 0.7742
Baja (S2)
P(s2 / I1 )=0.2258
Alta (S1)

20,000

100,000
Pequeod3

P(S1 / I1 )=0.7742
6
Baja (S2)
P(S2 / I1 )= 0.2258
Alta (S1)

60,000

200,000
Grande d1

P(S1 / I2 )= 0.087
7
Baja (S2)
P(S2 / I2 )= 0.913
Alta (S1)

-20,000

150,000
Desfavorable I2

Mediano d1
3

P(S1 / I2 )= 0.087
8

P(I2 ) =0.69

Baja (S 2 )
P(S2 / I2 )= 0.913
Alta (S1)

20,000

100,000
Pequeod3

P(S1 / I2 ) =0.087
9
Baja (S2)
P(S2 / I2 )= 0.913

60,000

7 ELECCIN DE LA DECISIN PTIMA


Ahora pueden emplearse las probabilidades de las ramas y el mtodo de valor esperado
para llegar a una decisin ptima para la C&A, calculndose de la siguiente manera los
valores esperados para los nodos de 4 a 9:
VE (nodo 4) = 0.774193548 (200,000) + 0.225806452 (-20,000) = 150,322.5806
VE (nodo 5) = 0.774193548 (150,000) + 0.225806452 (20,000) = 120,645.1613
VE (nodo 6) = 0.774193548 (100,000) + 0.225806452 (60,000) = 90,967.74194
VE (nodo 7) = 0.086956522 (200,000) + 0.913043478 (-20,000) = -869.5652174
VE (nodo 8) = 0.086956522 (150,000) + 0.913043478 (20,000) = 31,304.34783
VE (nodo 9) = 0.086956522 (100,000) + 0.913043478 (60,000) = 63,478.26087
69

70

En la FIG 5.2 se muestran los clculos anteriores directamente en el rbol de decisin.


Como el decisor trata de maximizar las utilidades esperadas, la decisin ptima en el nodo 2
es d1. As como d1 conduce a un valor esperado de $150,322.5806, se dice que VE (nodo 2) =
$150,322.5806
Un anlisis similar del nodo 3 muestra que la rama ptima de decisin en este nodo es d3.
Por lo tanto VE (nodo 3) = $63,478.26087, suponiendo que toma la decisin d3.
Como parte final, puede continuar trabajando hacia atrs hasta el nodo indicador y
establecer su valor esperado. Se observa que, como el nodo 1 tiene ramas de probabilidad,
no es posible elegir la mejor rama. En cambio debe calcularse el valor esperado de todas las
ramas posibles (valor esperado de la estrategia de la decisin ptima)
VE (nodo 1) = (0.31) VE (nodo 2) + (0.69) VE (nodo 3)
VE (nodo 1) = (0.31) ($150,322.5806) + (0.69)($ 63,478.26087) = $90,400.00

Luego se considera a $ 90,400.00 como el valor esperado de la estrategia de la decisin


ptima cuando se utiliza el estudio de investigacin de mercados.
En conclusin del estudio de mercado podemos decir:
Si
Entonces
Reporte favorable ( I1 )
Arrendar el sistema grande d1
Reporte desfavorable ( I2 ) Arrendar el sistema pequeo d3

5.8VALOR ESPERADO DE LA INFORMACIN MUESTRAL


|

El valor absoluto en caso de minimizacin


Donde:
VE(Nodo 1)= Valor esperado de la decisin ptima con informacin muestral
VE = Valor esperada de la decisin ptima sin informacin muestral
V.E.I.M. = $90,400.00 - $72,000 = $ 18,400

Por ello la compaa C&A est dispuesta a pagar hasta $18,400 para obtener la informacin
de dicha investigacin.
Si VEIM > Costo del Estudio entonces se llevara a cabo estudio de mercado

5.9EFICIENCIA DE LA INFORMACIN MUESTRAL


Se calcula de la siguiente manera:
E

VEIM
100
VEIP

Para el ejemplo

informacin que se obtiene de la

investigacin de mercados es 61.3% eficiente; en comparacin con la informacin perfecta.

APLICACIN CON EL SOFTWARE WINQSB

Ir a WINQSB / Decision Analysis/


Luego

Ingresar los datos

71

72

Clic en Solve and Analyze / Solve the Problem o

EJEMPLO DE APLICACIN N 2
Un deportista est estudiando la posibilidad de poner un gimnasio. La probabilidad de que
un gimnasio tenga xito en el rea donde se quiere establecer es de 55%. Si tiene xito
(mercado es favorable), obtendr una ganancia de $120,000, pero si fracasa perder
$40,000.
Una compaa ofreci hacer un estudio de mercadeo por $5,000. La probabilidad de que el
estudio resulte positivo si el mercado es favorable (tiene xito) es de 0.90, y de que resulte
negativo si no es favorable es de 0.80. Qu debe hacer el deportista?

73

74

Calculemos las probabilidades:


Sea:
A evento que el estudio resulte positivo
B evento que el mercado sea favorable (xito)
De la informacin dada conocemos las siguientes probabilidades:

P( B) 0.55

P( A / B) 0.90

P( A / B ) 0.80

P( B ) 1 0.55 0.45

P( A / B) 1 0.90 0.10

P( A / B ) 1 0.80 0.20

Necesitamos calcular P( B / A) , P( B / A ) y P( A) Para esto usaremos la Ley de


probabilidad total y la Regla de Bayes.
P( A) P( A / B) P( B) P( A / B ) P( B ) 0.90 0.55 0.20 0.45 0.585
P( A / B ) P( B )
0.90 0.55
0.495
P( B / A)

0.8462
P( A / B) P( B) P( A / B ) P( B ) 0.90 0.55 0.20 0.45 0.585
P( B / A )

P( A / B ) P( B )
0.10 0.5 0.05

0.1325
P( A / B ) P( B ) P( A / B ) P( B )
0.415
0.415

Conclusin:
El deportista debe pagar por el estudio y decidir si poner o no el gimnasio de acuerdo
al resultado del estudio.
Si el estudio resulta positivo, debe poner el gimnasio.
Si el estudio resulta negativo, no debe poner el gimnasio.
Hasta cunto podra pagar por el estudio?
EVSI = (50804+5000) - 48000= $7,804

EJERCICIOS
1. El gerente de Investigacin & Desarrollo de la compaa Intel Corporatin est tratando
de decidir si debe financiar un nuevo procesador. Se supone que el proyecto puede tener
un gran xito, un xito mediano, o ser un fracaso.
La compaa ha estimado que el valor de un gran xito es de $ 200,000, puesto que
podra utilizar el procesador en las diversas mainboards que la compaa est fabricando.
Si el proyecto resulta ser de un xito mediano su valor es de $150,000, porque Intel Corp.
considera que los conocimientos que se obtengan beneficiaran a algunos de los
productos que se piensan lanzar al mercado la prxima temporada. Si el proyecto resulta
un fracaso, costara a la empresa $150,000.
Teniendo como base la opinin de los ingenieros participantes en el proyecto y la propia
evaluacin subjetiva del Jefe del proyecto, las probabilidades previas asignadas son las
siguientes.
P(xito grande)= 0.15, P(xito moderado)= 0.50 y P(fracaso)=0.35
a) Utilizando el valor medio esperado se debe financiar el proyecto? Porque
b) Suponga que podra contratarse a un grupo de asesores para estudiar el proyecto y
formular una recomendacin. Si el estudio cuesta $25,000 Debe la compaa
considerar la contratacin de los asesores?
Supngase que puede realizarse un experimento para darse una idea tcnica de la
factibilidad tcnica del proyecto. Se tienen tres posibles resultados del
experimento.
I1: El prototipo (del procesador) funciona bien en todas las placas
I2: El prototipo procesador funciona bien solo en placas superiores al modelo XL400
I3: El prototipo no funciona bien con ninguna placa
Considere que es posible determinar las siguientes probabilidades condicionales.
P (I1/xito grande)= 0.80
P(I1 / xito mediano)=0.20
P(I1 /fracaso)=0.10
P (I2/xito grande)= 0.15
P (I2/xito mediano)= 0.70
P (I2/fracaso)= 0.40
P (I3/xito grande)= 0.05
P (I3/xito mediano)= 0.10
75

76

P (I3/fracaso)= 0.50
c) Suponga que se realiza el experimento y que el prototipo del procesador funciona
bien en todas las placas. Debe financiarse el proyecto porque?
c) Suponiendo que se realizo el experimento y que el prototipo del procesador
funcion bien solo en placas XL-400 Se debe financiar el proyecto porque?
d) Determinar el VEIM para el experimento Qu tan eficiente es la informacin del
mismo e intrprete?
2. La empresa Edel-Nor debe decidir si adquirir un repuesto a un proveedor o si ha de
fabricarla en su planta Santiago de Chile. Si la demanda es alta, le convendra fabricar el
repuesto. Sin embargo si la demanda es reducida el costo de manufactura por unidad
para la Edel-Nor sera elevado por la subutilizacin del equipo. Las utilidades proyectadas
en miles de dlares, para la decisin de fabricar o comprar es la que se muestra en la
siguiente tabla.

ALTERNATIVAS
Fabricar el repuesto
Adquirir el repuesto

BAJA
-200
100

DEMANDA
MEDIA
ALTA
400
1000
450
700

Los estados de la naturaleza tienen la probabilidad P(D.B.)= 0.35; P(DM)= 0.35 y P(DA)= 0.30
a. Por medio del anlisis de sensibilidad el ptimo el criterio de Hurwicz
b. Hallar el VEIP para determinar una mejor estimacin de la demanda de la empresa EdelNor.
Se espera que un estudio de mercados sobre la demanda potencial del producto reporte
un informacin favorable ( I1 )o desfavorable ( I2 ) . Las probabilidades son:
P( I1 /S1 ) = 0.10
P( I2 / S1) = 0.90
P( I1 /S2 ) = 0.40
P( I2 / S2) = 0.60
P( I1 /S3 ) = 0.60
P( I2 / S3) = 0.40
c. Cual es la probabilidad de que sea favorable el reporte sobre la investigacin de
mercados?
d. Cual es la estrategia ptima de decisin de la empresa Edel-Nor?
e. Cul es el valor esperados de la informacin sobre la investigacin de mercados?
f. Cul es la eficiencia de la informacin?
3. Una compaa procesadora de alimentos est considerando implantar una nueva lnea de
almuerzos instantneos. Con una distribucin nacional, se estima un beneficio neto de 50
millones de dlares si el producto tiene gran xito, de 20 millones de dlares si el xito es
moderado y una prdida de 14 millones si no tiene xito. Si la compaa no implanta la
lnea, tendr como prdida los costos de investigaciones y desarrollo un total de 3
millones de dlares.
a) Qu accin tomar, bajo un criterio conservador?
b) Se mantiene la respuesta bajo un criterio optimista?

Las estimaciones actuales indican una probabilidad de gran xito 0.1, y una probabilidad
de xito moderado de 0.4.
c) Qu alternativa es la ms adecuada, usando el criterio del futuro ms probable?
d) Usando el mtodo del valor esperado, cul es el curso de accin a seguir?
La compaa podra aprobar el mercado para la nueva lnea a nivel regional, antes de
implantarlo a nivel nacional. Aunque los resultados de las pruebas pueden ser
significativos, no son concluyentes. La confiabilidad de tal prueba est dada por las
probabilidades condicionales de la tabla siguiente:
Dado que el producto tendr
Gran xito
xito moderado
Sin xito
Muy aceptado
0.6
0.2
0.1
Medianamente aceptado
0.4
0.6
0.3
No aceptado
0
0.2
0.6

La prueba predice que el producto ser


a)
Cul es la alternativa que se debe escoger, bajo el criterio del valor esperado?
b)
Qu costo (mximo) debera tener la encuesta?

77

78

CAPITULO VI
TEORIA DE LA UTILIDAD
6.1 INTRODUCCION
Hay situaciones en las que las alternativas de decisin con mayor valor esperado no es la
decisin ms deseable. Por decisin ms deseable se entiende la que prefiere adoptar el
decisor considerando no slo el valor monetario esperado sino tambin muchos otros
factores, como la posibilidad de obtener una ganancia enorme o de incurrir en una prdida
muy grande. Uno de esos ejemplos es la decisin que toma la mayora de personas que
adquieren seguros.
Las personas que adquieren seguros participan, en juegos de loteras31 porque no estn en
posibilidades de determinar que alternativa de decisin conduce al mejor valor monetario
esperado.
Luego el valor monetario no es la nica medida del verdadero valor de los resultados para el
tomador de decisiones, por lo tanto el uso de la utilidad esperada es ms recomendable
para identificar la decisin ptima.
Supngase que el dueo de una casa evaluada en $60,000 dlares ha sido informado por
una compaa de seguros, que existe una posibilidad de 0.005 de que su casa se incendie
totalmente durante un ao dado. Si el dueo puede comprar un seguro contra incendio
cuya prima anual es de $350 Debe asegurar su casa o no?

ALTERNATIVAS

Comprar seguro
No comprar seguro
Probabilidad

MATRIZ DE COSTOS
ESTADOS DE LA NATURALEZA
Ocurra incendio
No ocurra incendio
E1
E2
$350
$350
$60,000
$0
0.005
0.995

VE
$350
$300

VE ( Ai ) xij p( s j )
j 1

Basndose slo en el VE el dueo no debera comprar seguro, pero estamos de


acuerdo que cualquier persona comprara una pliza de seguro.
La teora de la utilidad se usa en aquellos problemas de decisin en los cuales pongan
en serias dificultades econmicas a las personas encargadas de decidir

SUERTE DE LOTERIA: Una alternativa hipottica de inversin con una probabilidad p de obtener un mejor
resultado ( o pago) posible y una probabilidad de (1-p) de obtener el peor resultado (o pago) posible.
Escenarios complejos de toma de decisiones en IA

6.2 DEFINICIONES BASICAS


TEORA DE LA UTILIDAD: Proporciona un modelo matemtico que describe el
comportamiento de una decisin racional en un marco completa de incertidumbre. Se
establecer que para cualquier decisin racional existe una funcin numrica llamada
funcin de utilidad.
La Teora de la utilidad es un auxiliar de la toma de decisiones bajo incertidumbre
Se supone que el individuo maximiza el valor esperado de la utilidad, en donde el valor
esperado depende de las probabilidades subjetivas de los diferentes sucesos aleatorios
fuera de control y de la utilidad de las preferencias
Cuando hablamos de valor, nos referimos a la utilidad de una alternativa. Evidentemente el
criterio de utilidad no tiene que ser el mismo, no escogen las mismas inversiones un decisor
con aversin al riesgo que otro que busca principalmente altas rentabilidades y prefiere
asumir riesgos. Incluso el dinero no tiene el mismo valor: no tiene la misma utilidad $100
para un estudiante que para una persona rica.
LOTERIA: La lotera de una etapa es un experimento aleatorio que tiene un conjunto de
posibles eventos o resultados E e1, e2 ,............em cada evento e j con una probabilidad de
m

ocurrencia p j tal que p j 1 , donde,


j 1

0 p j 1 j 1............m

Se denota L {(e1, p1 ), (e2 , p2 ),................, (em , pm ) }


DEFINICION 1: Dado un conjunto de eventos aleatorios E e1, e2 ,............em asociado a una
lotera de una etapa, cualquier decisin es capaz de ordenarlos de acuerdo a cierta
preferencia.
Suponga que el orden es tal que e1 es el evento ms preferido por el decisor y em es el
menos preferido por el decisor. Considrese para cada evento e j existe una lotera de una
etapa, con dos premios e1 y em es decir:
L {(e1, ), (em , 1 ) } 0 1

Donde el estado e1ocurre con una probabilidad de y el estado em ocurre con una
probabilidad de 1-
Finalmente se asocia a e1 (el premio ms favorecido) el valor 1= 1 y a em (el menos
favorecido) el valor m= 0.

79

80

De esta manera se obtiene una funcin j f (e j ) cuyo dominio es E e1, e2 ,............em a


esta funcin se le conoce como FUNCION DE UTILIDAD4 y j ser la utilidad del evento e j

DEFINICION 2: (Von Neumann y Oskar Morgenstern) Es una variable aleatoria que mide su
actitud frente al riesgo, cuyo dominio es E e1 , e2 ,........em y su rango [0, 1].

6.3 CURVAS TIPICAS DE LA UTILIDAD

Si U(x) es derivable ser estrictamente cncava U ( x) 0


Si U(x) es derivable estrictamente convexa U ( x) 0
6.4 PRINCIPIOS DE TEORIA DE LA UTILIDAD
Hay dos enfoques de la Utilidad:
El enfoque cardinal: marginalistas dice la utilidad es medible y comparable cardinalmente la
utilidad transmite informacin cuantitativa
U(A)=2U(B) A es preferido dos veces que B
El enfoque ordinal moderno (Hicks) dice la utilidad es medible pero comparable
ordinalmente, la utilidad solo transmite informacin cualitativa.
U(A)>U(B) A es preferido a B pero no dice cuanto

PRINCIPIO DE UTILIDAD:
Existe una funcin U, asociada a cada consecuencia o resultado de tal forma que:

Funcin de Utilidad: Mtodo para convertir cualquier ganancia en una utilidad asociada

U(A)>U (B) A>B (A es mejor que B)


U(A)=U (B) A~B (A es indiferente a B)

PRINCIPIO DE MXIMA UTILIDAD ESPERADA


Antes de enunciarlo hay que ver el concepto de utilidad esperada (UE) para una
accin Ai que puede tener una serie de posibles resultados xij
n

UE( Ai ) p( Ai , xij )U ( xij )


j

Donde:
p( Ai , xij ) es la probabilidad de cada resultado xij a partir de la accin Ai .
U ( xij ) es la utilidad de cada resultado xij , correspondiente a la accin Ai .

Ahora si podemos enunciar el principio de mxima utilidad esperada: un agente


racional debe elegir aquella accin que maximice la utilidad esperada.

6.5 AXIOMAS DE LA UTILIDAD ESPERADA


Vamos a identificar una serie de propiedades, que si son satisfechas por las preferencias del
decisor, implican que stas pueden ser representadas mediante utilidades Tambin
conocidos como axiomas de Von Neumann-Morgestern:

1.

Orden:(Completitud) Se puede ordenar de acuerdo a la preferencia. (A>B) (B>A)


(A~B)
Se prefiere A a B A>B
Se prefiere B a A B>A
Se es indiferente A~B

2.

Transitividad: Es imprescindible mantener la racionalidad es decir las consistencias de


las preferencias
Si A>B y B>C A>C

3.

Continuidad: Si A>B>C, existe una probabilidad p que es indiferente entre obtener la


lotera B o la lotera A y una probabilidad de (1-p) de obtener la lotera C
[(A, p) ; (C,1-p)] ~ B

4.

Monotona (Probabilidad desigual): Si hay dos loteras con los mismos resultados el
agente (decisor) siempre preferir la alternativa que tenga mayor probabilidad.

5.

Sustitucin (Independencia): Si una persona es indiferente entre dos alternativas


riesgosas A ~ B ellas son intercambiables en cualquier otra alternativa riesgosa
Si A ~ B [(A, p); (C, 1- p )] ~ [ (B, p); (C, 1- p )]
81

82

6.

Descomposicin: Las loteras compuestas pueden reducirse a loteras ms simples


mediante la aplicacin de las leyes de la probabilidad

Los seis axiomas son denominados Axiomas del Comportamiento Racional ya que
expresan la manera en la cual una persona racional toma decisiones relacionadas a
eventos riesgosos.
Esta racionalidad se relaciona con la consistencia de manifestar sus preferencias frente
alternativas riesgosas.

APLICACIONES
Las aplicaciones ms importantes han sido en el campo de finanzas y seguros
Recientes descubrimientos han cuestionado seriamente los axiomas de la utilidad esperada,
originando modelos de utilidad no esperada (Allais y Hagen 1979).
La principal contribucin de los psiclogos Daniel Kahneman y Amos Tversky, se basan en el
cuestionamiento de la TUE que es la base de la gran mayora de modelos econmicos
actuales.
La TUE est basada en hiptesis que los individuos son capaces de ordenar
consistentemente sus alternativas y elegir aquellas, que dada sus posibilidades

Daniel Kahneman, psiclogo ha obtenido el Premio Nobel en Economa 2002 "por haber
integrado los avances de la investigacin psicolgica en la ciencia econmica especialmente
en lo que se refiere al juicio humano y a la adopcin de decisiones bajo incertidumbre".
Kahneman afirma que cuando elegimos no siempre lo hacemos
objetivamente. Mediante estudios experimentales ha
demostrado que tales faltas de objetividad tienden a seguir
patrones regulares que admiten una descripcin matemtica.
En su artculo "Teora de la Prospeccin" publicado en
Econometrica en marzo de 1979, realiz una profunda crtica a la
teora de la utilidad como modelo de la adopcin de decisiones
bajo riesgo.
En general, los individuos subestiman los resultados que son solo
probables en comparacin con los resultados que son obtenidos con seguridad. Esta
tendencia, a la que llama "efecto certidumbre", contribuye a la aversin al riesgo en
elecciones que implican ganancias seguras y a la preferencia por el riesgo en elecciones que
implican prdidas seguras. Seala tambin lo que llama "efecto aislamiento": la gente
tiende a ignorar componentes que son compartidos por todas las alternativas por lo que
aparecen inconsistencias en las preferencias cuando la misma eleccin es presentada de
forma diferente.

Las ponderaciones utilizadas para decidir son


generalmente inferiores a las probabilidades
correspondientes, excepto en el rango de las
probabilidades muy bajas. La sobreestimacin
de las probabilidades bajas permite explicar
el atractivo de los juegos de azar y de los
seguros.

Estas fueron sus palabras


No podemos suponer que nuestros
juicios sean un buen conjunto de
bloques slidamente estructurados,
sobre los cuales basar nuestras
decisiones, porque los juicios mismos
pueden ser defectuosos.
Daniel Kahneman

LECTURAS
http://digital.el-esceptico.org/leer.php?autor=145&id=1594&tema=13
http://www.psicothema.com/pdf/1070.pdf
EJEMPLO 6a

La compaa Grace S.A. est considerando la posibilidad de invertir en uno de los siguientes
negocios una tienda de equipos fotogrficos, una tienda de equipos de cmputo una
tienda de aparatos electrodomsticos, el Departamento de finanzas ha recolectado las
ganancias esperadas de cada alternativa
TABLA DE GANANCIAS ($MILLONES)
MERCADO
Baja
Media
E. Fotogrficos
-5
4
E. Computo
-1
2
E. Electrodomsticos
-1
3

Alta
7
5
15

TABLA DE PROBABILIDADES CONDICIONALES


ALTERNTIVAS
MERCADO
Baja
Media
E. Fotogrficos
0.3
0.5
E. Computo
0.4
0.4
E. Electrodomsticos
0.6
0.3

Alta
0.2
0.2
0.1

ALTERNTIVAS

Aplicando la teora de la utilidad


SOLUCION
1.

Enumerando los eventos (ganancias) en orden descendente


E = {15, 7, 5, 4, 3, 2, -1, -1, -5}

e1

e9

e1 = 15 el evento ms favorable
e9 = - 5 el evento menos desfavorable
Por lo tanto:
83

84

La utilidad de $15 millones = ($15)= 1


La utilidad de - $5 millones = (- $5)= 0
2.

3.

CONVERSION DE GANANCIAS EN UTILIDADES


Para determinar la utilidad de las ganancias restantes con relacin a los dos extremos
anteriores, se necesita llevar a cabo una entrevista con los tomadores de decisiones.
Considerando la ganancia de $7 millones. Para determinar su probabilidad asociada se
necesita saber la preferencia de los directivos de la empresa entre un pago
garantizado de $7 millones, con respecto a la mayor ganancia $15 millones y con
respecto a la menor ganancia -$5 millones.
Este valor se obtiene de forma sistemtica presentando a los directivos una secuencia
de juegos ficticios de lotera. Por ejemplo empezarn pidindole que consideren un
juego de lotera que le ofrezca la posibilidad de ganar $15 millones con probabilidad
de 0.05 y de ganar (perder) -$5 millones con probabilidad de 0.95.
Preferiran, este juego de lotera a garantizar una ganancia de 7 millones (la ganancia
de la cual se busca la utilidad).En este caso es ms probable que la directiva prefiera la
ganancia garantizada de $7 millones, pero si la probabilidades en el juego de lotera se
invirtieran probablemente los miembros preferiran jugar la lotera.
OBJETIVO
El objetivo es determinar la probabilidad p de ganar $15 millones (y la probabilidad 1p de ganar -$5 millones) de modo que a los miembros del directorio les d igual jugar
a la lotera que tener una ganancia garantizada de $7 millones.
Se encuentra este valor p ofreciendo sistemticamente a los miembros del directorio
el juego con diferentes probabilidades cada vez, y preguntndole si prefieren jugar a al
lotera o la ganancia garantizada.
Para este ejemplo suponga que el resultado del proceso de entrevistas es un valor p
= 0.75 es decir los directivos son indiferentes ante el hecho de tomar una ganancia
garantizada de $7 millones o a jugar una lotera con un premio de $15 millones con
una probabilidad de 0.75 de ganarlo y una ganancia (prdida) de -$5 millones con una
probabilidad de 0.25.
La utilidad de $7 millones = ($7)= p ($15) + (1- p ) (-$5)
= 0.75x1 + 0.25x0 = 0.75
Luego el valor esperado de la lotera es
VE (LOTERIA)= 0.75x ($15) + 0.25x (-$5)= $10 millones.
Esto es, los directivos optaran por un pago garantizado de $7 millones, a jugar la
lotera cuya ganancia esperada es de $10 millones, lo cual indica que los directivos son
conservadores con respecto a correr riesgos.
Ahora debe repetirse este proceso de entrevistas para encontrar las utilidades de c/u
de las ganancias restantes.

TABLA DE UTILIDADES
GANANCIA
PROBABILIDAD
UTILIDAD
($15) = 1
$15 1
($7) = 0.75
$7 0.75
($5) = 0.70
$5 0.70
($4) = 0.65
$4 0.65
($3) = 0.55
$3 0.55
($2) = 0.50
$2 0.50
(-$1) = 0.35
-$1 0.35
(-$5) = 0
-$5 0
4.

CALCULO DE LAS UTILIDADES ESPERADAS


Despus de convertir las ganancias en utilidades, el paso final es seleccionar la
alternativa que maximice la utilidad esperada
n

UE( Ai ) xij p( s j )
j 1

UE (Fotogrficos)= 0(0.3) + 0.65 (0.5) + 0.75 (0.2) = 0.475


UE (Computo) = 0.35 (0.4) +0.50 (0.4)+ 0.70 (0.2) = 0.48
UE (Electrodomsticos)= 0.35 (0.6) + 0.55 (0.3) + 1(0.1)=0.475
Luego se elige el que da ms utilidad, poner una tienda de equipos de cmputo

EJEMPLO 6b
Como ejemplo de un caso en que la utilidad puede ayudar a elegir la mejor alternativa de
decisin, se considera el caso de la compaa GREMKO, una empresa inmobiliaria pequea.
En la actualidad GREMKO tiene dos oportunidades de inversin, que requieren la misma
85

86

cantidad de dinero. Los requerimientos de dinero no permiten que GREMKO realice ms de


una inversin en este momento.
En consecuencia hay 3 posibles alternativas.
d1 = Invertir en A
d2= Invertir en B
d3 = No invertir.
Los resultados monetarios correspondientes a las oportunidades de inversin dependen en
gran medida de lo que suceda en la Bolsa de Valores en los siguientes 6 meses. Los precios
en la bolsa subirn, permanecern estables o bien bajarn, por lo tanto los estados de la
naturaleza sern:
s1 = suben los precios de los inmuebles
s2 = permanecen estables los precios de los inmuebles
s1 = bajan los precios de los inmuebles.

ALTERNATIVAS
INVERTIR EN A
INVERTIR EN B
NO INVERTIR
P(E)

ESTADOS DE LA NATURALEZA
SUBEN
IGUALES
$30,000
$20,000
$50,000
-$20,000
0
0
0.3
0.5

BAJAN
-$50,000
-$30,000
0
0.2

Los eventos de ambas inversiones se ordenan en una consecuencia de preferencias para el


decisor siendo el siguiente, conjunto E={50,000, 30,000, 20,000, 0, -20,000, -30,000, -50,000}
$0 si decide no hacer ninguna inversin.
.
SOLUCION:
1.

Si e1 = 50,000 el ms favorable
e7 = -50,000 el menos favorable
Por lo tanto:
la utilidad de $50,000 = ($50,000) = (e1)= 1
la utilidad de -$50,000 = (-$50,000) = (e7)= 0
Para construir el resto de la funcin de utilidad se emplea la lotera de una etapa L = {
(e1, ), (e7 , 1 - )}
Adems para cualquier evento ej E diferente de e1 y e7 se le preguntar al decisor
para que valor de en L sera indiferente entre aceptar un ej con certeza o jugar la
lotera L. Los valores de proporcionados formarn su funcin de utilidad.

2.

Establecer la utilidad para un resultado de $30,000.

En primer lugar se pide al director de la GREMKO que plantee su preferencia entre un


resultado garantizado de $30,000 y p la oportunidad de participar en el siguiente
juego de lotera
(30,000)= p($50,000) + (1- p)($-50,000)
Si p tiende a 1 preferira la suerte de lotera, al pago seguro de $30,000, ya que la
empresa se garantizara virtualmente un pago de $50,000.
Si p tiende a 0 el director preferira el pago seguro de $30,000.
En cualquier caso, al variar p en forma continua desde 0 hasta, la preferencia por el
pago garantizado de $30,000 cambiar en algn punto para convertirse en preferencia
por la suerte de la lotera.
Por ejemplo supngase que cuando p=0.95, el director es indiferente entre el pago
seguro de $30,000 y la lotera
(30,000)= 0.95($50,000) + 0.05($-50,000) = 0.95x1 +0.05x0 = 0.95
(30,000)= 0.95 (*)
El director asigna una utilidad de 0.95 a un pago de $30,000.
Luego el valor esperado de la lotera es:
VE(LOTERIA) = 0.95(50,000) + 0.05(-50,000) = 45,000
Se observa que el VE es 45,000 si p= 0.95, el director optara igualmente por un pago
garantizado de $30,000, as est asumiendo un punto de vista conservador evitando el
riesgo.
La PRIMA DEL RIESGO = Valor Esperado - Cantidad Segura
= $45,000 - $30,000= $15,000
Es decir lo que estara dispuesto a pagar para evitar con probabilidad de 0.05 de
perder $50,000
NOTA: Si se hubiera comenzado con una asignacin distinta de utilidades para los
resultados de $50,000 y - $50,000 se hubiera terminado con una utilidad diferente
para $30,000, por lo que debe concluirse que la utilidad que se asigna a cada pago no
es nica.
3.

La utilidad de -$20,000
Se debe pedir al director que plantee su preferencia entre un pago garantizado de $20,000 y la oportunidad que participe en la lotera. Si p =0.95 es seguro que con esta
elevada probabilidad de obtener un pago de $50,000 el director elegir la suerte
(-$20,000)= 0.90($50,000) + 0.105($-50,000) = 0.905x1 +0.10x0 = 0.90.
Luego si asignamos a p = 0.81 de nuevo el director preferira la lotera, supngase que
s continan hasta p =0.55 en donde se determina que con este valor de p =0.55 el
funcionario no tiene preferencia entre un pago de $-20,000 y la lotera.
(-$20,000)= 0.55($50,000) + 0.45($-50,000) = 0.55x1 +0.45x0 = 0.55
VE(LOTERIA)= 0.55($50,000) + 0.45(-$50,000) =$27,500 - $22,500 = $5,000

87

88

Continuando as sucesivamente obtenemos la siguiente tabla de utilidad.


(50,000) = 1
(-20,000) = 0.55
(30,000) = 0.95
(-30,000) = 0.55
(20,000) = 0.90
(-50,000) = 0
(0)= 1

TABLA DE UTILIDADES
ALTERNATIVAS
INVERTIR EN A
INVERTIR EN B
NO INVERTIR
P(E)

SUBEN
$30,000
$50,000
0
0.3

IGUALES

0.95
1
0.75

$20,000
-$20,000
0
0.5

BAJAN
0.90
0.55
0.75

-$50,000
-$30,000
0
0.2

0
0.40
0.75

La utilidad esperada de cada inversin es :


UE(d1) = 0.3(0.95)+ 0.5(0.900) + 0.2(0)= 0.735
UE(d2) = 0.3(1) + 0.5(0.55) + 0.2(0.40) = 0.655
UE(d3) = 0.3(0.75) + 0.5(0.75) + 0.2( 0.75) = 0.750
Como se trate de un decisor racional, elegir aquella accin que maximiza su
utilidad esperada por lo que seleccionar la alternativa d3
Si se hubiera utilizada el criterio puramente monetario el valor esperado de las
ganancias sera:
INVERTIR EN A= $9,000
INVERTIR EN B = - $1,000
NO INVERTIR = $0
GRAFICA DE LA UTILIDAD

$-50,000

$-30,000

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
$-10,000

UTILIDAD

$10,000

$30,000

$50,000

EJEMPLO 6.c
Si el dueo una consultora tienen la alternativa de escoger entre dos contratos de trabajo A
y B. Por limitacin no puede aceptar ambos contratos y debe decidirse por uno u otro o
ninguno Ha hecho una estimacin de las posibles consecuencias de cada contrato, asociado
a cada evento con una probabilidad subjetiva.
Las consecuencias, dadas en posibles ganancias o prdidas (descontados a valor presente) y
sus probabilidades de ocurrencia son:

CONTRATO A
GANANCIA
$ 50,000
$ 10,000
-$ 20,000

CONTRATO B

PROBABILIDADES
0.7
0.1
0.2

GANANCIA
$ 40,000
$ 30,000
-$ 10,000

PROBABILIDADES
0.6
0.2
0.2

Los eventos de ambos contratos se ordenan en una consecuencia de preferencias para el


decisor siendo este el siguiente conjunto.
E={$50,000, $40,000, $30,000, $10,000, $0, -$10,000, -$20,000}
$0 si decide no aceptar ninguno de los dos contratos tendr $0 de utilidad.
Se identifica al evento $50,000 por e1 (el ms favorable) y a -$20,000 por e7(menos
favorable) .
Sea por lo tanto ( e1 )= 1 y ( e7 )= 0.
Para construir el resto de la funcin de utilidad se emplea la lotera de una etapa.
L = { (e1, ), (e7 , 1 - )}
Para cualquier evento ej E diferente de e1 y e7 se le preguntar al decisor para que valor
de en L 01 ), sera indiferente entre aceptar ej con certeza o jugar la lotera L.
Los valores de proporcionados, formaran la funcin de utilidad.
Suponga que su contestacin es:
($40,000) = 0.95
($30,000) = 0.80
($10,000) = 0.50
($0) = 0.30
(-$10,000) = 0.20
Graficando la Funcin de Utilidad

89

90

FUNCIO N DE UT ILIDAD
1 .0 0
0 .9 0
PROBABILIDAD

0 .8 0
0 .7 0
0 .6 0
0 .5 0
0 .4 0
0 .3 0
0 .2 0
0 .1 0
0 .0 0
-2 0 0 0 0

20000

40000

60000

EVENTO

La utilidad esperada de cada contrato es:


CONTRATO A: 0.7(1)+ 0.1(0.50) + 0.2(0) = 0.75
CONTRATO B: 0.6 (0.95) + 0.2 (0.80) + 0.2 (0.20) = 0.77
Como se trate de un decisor racional, elegir aquella accin que maximiza su utilidad
esperada por lo que seleccionar el contrato B.
Si se hubiera utilizada el criterio puramente monetario el valor esperado de las ganancias
sera:
CONTRATO A: 50,000(0.7) + 10,000(0.1) - 20,000(0.2) = $32,000
CONTRATO B: 40,000(0.6) + 30,000(0.2) - 10,000(0.2) = $28,000
Luego se escogera el contrato A.

6.4 NUEVO ENFOQUE LA UTILIDAD ESPERADA

La utilidad esperada puede graficarse cuando las loteras tienen dos resultados posibles.
Por ejemplo, la lotera

p
1

X1
X2

La cual tiene utilidad esperada


UE( p) U ( X1 ) (1 ) U ( X 2 )
Se representa como una cuerda en el grfico

Ejemplo 6.4a
Un individuo posee una riqueza de 36 y est considerando invertir en un nuevo negocio el
2
cual con probabilidad de incrementar su riqueza en 13 mientras que con probabilidad
3
1
de
la reducir en 11. Suponiendo que el individuo es adverso al riesgo con funcin de
3
utilidad U(X)= X Qu decisin tomar el inversionista
Solucin
2
3
p
1
3

36 13 49

r
36 - 11 25

Calculando las utilidades esperadas


91

36

92

2
1
UE(p)= * 49 * 25 =6.33
3
3

UE(r)= 1 * 36 = 6
Por lo tanto el individuo decide invertir

Ejemplo 6.4b
Un estudiante debe escoger entre dos universidades A y B. Sus perspectivas laborales se
resumen en el siguiente cuadro:

0.6
Univ. A
0.4

Buen trabajo ; con ingresos futuros de $1'0000,0000


Regular tr abajo con ingresos futuros de $250,000

1
Univ. B

Trabajo digno; ingresos futuros de $690,000

Suponiendo que el estudiante es adverso al riesgo con funcin de utilidad U(x)=Ln(x)


Solucin:
Las utilidades esperadas en cada caso son:

UE( A) 0.6 * Ln(1'000,000) 0.4 * Ln(250,000) 13.2616


UE( B) 1* Ln(690,000) 13.44
Entonces escoge la Universidad B
Ejemplo 6.4c APLICACIN EVASIN DE IMPUESTOS
Una persona posee un ingreso bruto de I = $1000, y debe decidir si paga o no paga
impuestos T = $200. Si paga, obtiene con seguridad un ingreso de I-T . si decide Si decide
no pagar tiene una probabilidad , puede ser descubierto debiendo entonces pagar una

multa M = 160. Si no paga se queda con su ingreso I. Si = 0.2 Qu decisin tomara la


persona si es adversa al riesgo?
Solucin:
Sea
I= 1000 Ingreso
T = 200 Impuesto
M = 160 multa
Como es adverso al riesgo U(x)= x

I-T-M

No paga
1 - I

Lo descubren
No lo descubren

Paga

I-T

UE(paga) =1*U(I-T)
UE(paga) =1* 800 28.28
UE(no paga) = *U(I-T-M)+ (1- )U(I)
UE(no paga) = * I T M + (1- ) I
UE(no paga) =0.2 * 640 +0.8 1000 =0.2*25.2982 +0.8*31.6227 = 5.0596+25.2592 =
30.3578
Luego el individuo decide no pagar impuesto

93

94

Qu se puede hacer para evitar la evasin?


Elevar las multas
Mejorar la vigilancia (aumentar la probabilidad de descubrir la evasin)
Cunto debera ser la multa M como mnimo para que no se evada?
Matemticamente la multa mnima M es la que resuelve la ecuacin:
UE(paga)= UE(no paga)
1*U(I-T) = *U(I-T-M)+ (1- )U(I)
28.28=0.2* 800 M +0.8 1000
28.28-25.26 = 0.2* 800 M
15.1= 800 M
M = 571.99
Es decir; la multa debera incrementarse por lo menos hasta $571.99 dlares para que
el individuo se vea incentivado a pagar sus impuestos
Ejemplo 6.4d APLICACION DE DIVERSIFICACIN DE CARTERA
La diversificacin de inversiones entre un conjunto de activos de distinto riesgo y
rentabilidad
Sea $1000 el capital de una persona la cual desea diversificar en dos activos:
Depositar una fraccin en un banco ( activo seguro) el cual paga una tasa de
inters del 10%
Invertir la fraccin restante (1- )en un activo riesgoso donde con probabilidad 1/3
puede ganar 20% de lo invertido y con probabilidad 2/3 puede perder 5% de lo
invertido.
Supongamos que el individuo es adverso al riesgo con funcin de utilidad U(x)=Ln(x)
Solucin

Banco
1

3
Activo con renta variable =
2

* 1000*1.1
(1 ) *1000 * (1.2)
(1 ) *1000 * (0.95)

La utilidad total de la persona es la suma de las utilidades esperadas en cada caso:


Utilidad Total =UE(Banco)+UE(Activo)

1
2
UE( )= U( *1100)+ U (1 ) * 1200) U (1 ) * 950)
3
3

El problema consiste en encontrar la fraccin que es invertida en el banco tal que


maximice la utilidad esperada
Derivando respecto a

UE ( x )

1100 1 1200 2 950



1100 3 1200(1 ) 3 950(1 )

UE ( x )

1 1 2 1

3 (1 ) 3 (1 )

UE ( x )

1
0
1

Tenemos que =0.5


Luego 0.5*1000=500, luego deposita $500 en el banco y $500 en un activo con renta
variable

EJERCICIOS

1.

Una empresa est considerando si introduce un nuevo producto al mercado o lo


abandona. La introduccin del producto tendra un costo de $50.000. Considera que
existe una probabilidad de 0.6 de que tenga una aceptacin rpida por parte del
consumidor y de 0.4 de que la aceptacin sea lenta. Si la aceptacin del producto fuera
rpida podra avanzar con su comercializacin o no continuar, en cuyo caso perdera
los costos de la introduccin. Si avanza existen las siguientes probabilidades con
respecto a las ventas: 50% de ganar $350.000, 30% de ganar $250.000 y 20% de perder
$50.000, esto sin incluir los costos de introduccin. Si la aceptacin del producto fuera
lenta podra avanzar con su comercializacin o no continuar, en cuyo caso perdera los
95

96

costos de la introduccin. Si avanza existen las siguientes probabilidades con respecto


a las ventas: 30% de ganar $250.000, 60% de perder $50.000 y 20% de perder
$100.000, esto sin incluir los costos de introduccin.
a. Construya un rbol de decisin que modele este problema.
b. Qu decisin debe tomarse? Cul es la utilidad esperada?
c. Qu consideraciones con relacin al riesgo pueden realizarse al tomar esta
decisin?

2.

La empresa Orin esta pensando en adquirir una pliza de seguros para su nuevo
edificio de oficinas en Miraflores. La pliza tiene un costo anual de $20,000 dlares. Si
la empresa no adquiere el seguro y ocurre un pequeo dao, se espera un costo de
$100,000 dlares, el costo en el caso de que ocurra un gran dao es de $300,000
dlares. Las probabilidades son: sino ocurre ningn dao 0.8, un dao pequeo 0.05 y
un gran dao 0.15:

a) Suponga que Ud. encontr las siguientes probabilidades de indiferencia para la


lotera Qu decisin recomendara? Justificar
Costo
Probabilidad de indiferencia
20,000
0.90
100,000
0.70
b) Esta usted, a favor de utilizar el valor esperado o la utilidad esperada par este
problema de decisin justifique su respuesta?
c) Qu tipo de tomador de decisiones es de acuerdo a la probabilidad de indiferencia?

3.

Una empresa de televisin ha estado obteniendo ndices bajos de audiencias para sus
programas. Actualmente, los administradores consideran dos alternativas para el
periodo nocturno de las 8.00P.M.a las 9.00 P.M. un programa Talk Show y uno de
variedades musicales. Los porcentajes de estimaciones de la audiencia que observa los
programas dependen del de aceptacin del programa. Los datos relevantes son los
siguientes:

INDICE DE AUDIENCIA (rating)


Aceptacin del programa
Talk Show Variedad Musical
Alta
30%
40%
Moderada
25%
20%
Baja
20%
15%
Las probabilidades correspondientes a los niveles de aceptacin de los programas son

Aceptacin del programa


Alta
Moderada
Baja

Talk Show
0.30
0.60
.010

Variedad Musical
0.30
0.40
0.30

a) Utilizando el procedimiento de valor esperado, que programa escogera.


b) Para un anlisis de utilidad cual ser la lotera apropiada
c) En base a la lotera del inciso b suponga que el administrador del programa a
asignado las siguiente probabilidades de indiferencia que decisin tomara.
Porcentaje de auditorio
30%
25%
20%

Probabilidad de Indiferencia
0.40
0.30
0.10

BIBIOGRAFIA
1.

ANDERSON R. David. Mtodos Cuantitativos para los Negocios. Ed. Internacional


Thomson, Mxico, 2006.

2.

BARBA ROMERO Casillas. Teora de la Decisiones Multicriterio. Ed. Alianza Universidad


Textos, Madrid, 1995.

3.

BIERMAN H.; BONINI C.P. y HAUSMAN W. Anlisis Cuantitativo para la Toma de


Decisiones. Ed. Irwin, Mexico, 2000.

4.

CHAN YIN Long. WINQSB Decision Support Software for Management. Ed. Wiley, New
York, 1998.

5.

EPPEN G. D. Investigacin Operativa en la Ciencia Administrativa. Ed. Prentice Hall,


Mxico, 2007.

6.

HILLIER F. y LIEBERMAN G. Introduccin a la Investigacin de Operaciones. Ed. Mc


Graw-Hill, Mxico, 2000.

7.

MATHUR K. Y SOLOW D. Investigacin de Operaciones. Ed. Prentice Hall. Mxico, 1996.

8.

MOODY Paul. Toma de Decisiones Gerenciales. Ed. McGraw Hill, Mxico, 1991.

9.

KAST Fremont. Administracin de las organizaciones. Ed. McGraw-Hill, Mxico, 1979.

10. PRAWDAJ. Mtodos y modelos de la investigacin de operaciones. Ed. Limusa, 1995.

97

98

11. SALINAS ORTIZ Jos. Anlisis de decisiones en entornos inciertos, cambiantes y


complejos. Edi. Universidad del Pacfico. Lima, 1996.
12. TAHA H. A. Investigacin de Operaciones. Ed. Alfa omega, Mxico, 1999.
13. THIERAUF R. Toma de decisiones por Investigacin de Operaciones. Ed. Limusa, Mxico,
1981.
14. WINSTON Wayne. Investigacin de Operaciones. Ed. Grupo Editorial Iberoamericana,
Mxico, 2001