200608 TEORIA DE LAS DECISIONES

TAREA 2 – SOLUCION DE DECISIONES CON RIESGO

EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO

1. CRITERIO DEL VALOR ESPERADO CON UTILIDADES

1. Generar la Relación del punto de distribución (consulte aquí) y actualizar la información. Por
ejemplo:

Entonces, tabla de Relación del punto de distribución con utilidades

RELACION DEL PUNTO DE DISTRIBUCION CON UTILIDADES

ESTADOS DE LA NATURALEZA (i)

DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA
ALTERNATIVAS DE
DECISION (j) UTILIDADES ($) UTILIDADES ($) UTILIDADES ($)

ON LINE
U11 = U21 = U31 =
GRANDES SUPERFICIES
U12 = U22 = U33 =
TIENDAS
U13= U23 = U33 =
PUNTO DE VENTA
U14= U24 = U34 =

PROBABILIDAD DE
OCURRENCIA P1 = P2 = P3 =

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
Si

𝒊 : Estados de la naturaleza. Si 𝑖 = 1, 2, 3, donde:

1: Demanda alta
2: Demanda media
3: Demanda baja

𝒋: Alternativas de decisión. Si 𝑗 = 1, 2, 3, 4 y donde:

1: On line
2: Grandes superficies
3: Tiendas
4: Punto de venta
𝑼𝒊𝒋 : Utilidades de los estados de la naturaleza
𝑷𝒊 : Probabilidades de ocurrencia de los estados de la naturaleza

2. VALOR ESPERADO DE LA INFORMACION PERFECTA CON UTILIDADES

a. Utilidad esperada con información perfecta 𝑼𝑬𝑪𝑰𝑷:

𝒎

𝑼𝑬𝑪𝑰𝑷 = ∑ 𝑴𝒂𝒙 𝑼𝒊𝒋 ∗ 𝒑𝒊

𝒊=𝟏

Donde:

𝑼𝑬𝑪𝑰𝑷 : Utilidad esperada con información perfecta

𝑼 : Utilidades
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

De la tabla de Relación del punto de distribución, seleccionar la máxima utilidad 𝑴𝒂𝒙 𝑼𝟏𝒋 para
cada estado de la naturaleza:

ESTADOS DE LA NATURALEZA
DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA
(i =1) (i = 2) (i = 3)

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
MAXIMA UTILIDAD DE
LAS ALTERNATIVAS DE
DECISION
Max U1j = Max U2j = Max U3j =
(j = 1, 2, 3, 4)

PROBABILIDAD DE
OCURRENCIA P1 = P2 = P3 =

Entonces,

𝑼𝑬𝑪𝑰𝑷 = 𝑴𝒂𝒙 𝑼𝟏𝒋 ∗ 𝑷𝟏 + 𝑴𝒂𝒙 𝑼𝟐𝒋 ∗ 𝑷𝟐 + 𝑴𝒂𝒙 𝑼𝟑𝒋 ∗ 𝑷𝟑

b. Utilidad esperada sin información perfecta 𝑼𝑬𝑺𝑰𝑷:

Si,
𝒎

𝑼𝑬𝑺𝑰𝑷 = 𝑴𝒂𝒙 ∑ 𝒑𝒊 ∗ 𝑼𝒊𝒋

𝒊=𝟏
Donde:

𝑼𝑬𝑺𝑰𝑷: Utilidad esperada sin información perfecta

𝑼 : Utilidades
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

Determinar, 𝑼𝑬𝑺𝑰𝑷𝒋 para cada alternativa de decisión (j):

 𝑈𝐸𝑆𝐼𝑃 On Line:

𝑼𝑬𝑺𝑰𝑷𝟏 = 𝑷𝟏 ∗ 𝑼𝟏𝟏 + 𝑷𝟐 ∗ 𝑼𝟐𝟏 + 𝑷𝟑 ∗ 𝑼𝟑𝟏

 𝑈𝐸𝑆𝐼𝑃 Grandes superficies:

𝑼𝑬𝑺𝑰𝑷𝟐 = 𝑷𝟏 ∗ 𝑼𝟏𝟐 + 𝑷𝟐 ∗ 𝑼𝟐𝟐 + 𝑷𝟑 ∗ 𝑼𝟑𝟐

 𝑈𝐸𝑆𝐼𝑃 Tiendas:

𝑼𝑬𝑺𝑰𝑷𝟑 = 𝑷𝟏 ∗ 𝑼𝟏𝟑 + 𝑷𝟐 ∗ 𝑼𝟐𝟑 + 𝑷𝟑 ∗ 𝑼𝟑𝟑

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
 𝑈𝐸𝑆𝐼𝑃 Punto de venta:

𝑼𝑬𝑺𝑰𝑷𝟒 = 𝑷𝟏 ∗ 𝑼𝟏𝟒 + 𝑷𝟐 ∗ 𝑼𝟐𝟒 + 𝑷𝟑 ∗ 𝑼𝟑𝟒

Por último, seleccionar el valor máximo 𝑴𝒂𝒙 𝑼𝑬𝑺𝑰𝑷𝒋 dentro de los determinados anteriormente:

𝑼𝑬𝑺𝑰𝑷 = 𝑴𝒂𝒙 𝑼𝑬𝑺𝑰𝑷𝒋

c. Valor esperado de la información perfecta:

𝑽𝑬𝑰𝑷 = 𝑼𝑬𝑪𝑰𝑷 − 𝑼𝑬𝑺𝑰𝑷

Donde:

𝑽𝑬𝑰𝑷 : Valor esperado de la información perfecta

𝑼𝑬𝑪𝑰𝑷 : Utilidad esperada con información perfecta
𝑼𝑬𝑺𝑰𝑷 : Utilidad esperada sin información perfecta

Determinar:

𝑽𝑬𝑰𝑷 = 𝑼𝑬𝑪𝑰𝑷 − 𝑼𝑬𝑺𝑰𝑷

3. CRITERIO BAYESIANO DE DECISION CON UTILIDADES

Si,

ESTADOS DE LA NATURALEZA (i)

DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA

PROBABILIDAD DE
OCURRENCIA P1 P2 = P3 =

EXCELENTE P11 = P21 = P31 =

REGULAR P12 = P22 = P32 =
MALO P13 = P23 = P33 =
NIVEL DE ACEPTACION INDICADORES DE MERCADO

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

Entonces,

a. Probabilidades conjuntas:

 Probabilidades conjuntas nivel de aceptación Excelente 𝑷𝑪𝟏:

𝑷𝑪𝟏 = 𝑷𝟏 ∗ 𝑷𝟏𝟏 + 𝑷𝟐 ∗ 𝑷𝟐𝟏 + 𝑷𝟑 ∗ 𝑷𝟑𝟏

 Probabilidades conjuntas nivel de aceptación Regular 𝑷𝑪𝟐 :

𝑷𝑪𝟐 = 𝑷𝟏 ∗ 𝑷𝟏𝟐 + 𝑷𝟐 ∗ 𝑷𝟐𝟐 + 𝑷𝟑 ∗ 𝑷𝟑𝟐

 Probabilidades conjuntas nivel de aceptación Malo 𝑷𝑪𝟑:

𝑷𝑪𝟑 = 𝑷𝟏 ∗ 𝑷𝟏𝟑 + 𝑷𝟐 ∗ 𝑷𝟐𝟑 + 𝑷𝟑 ∗ 𝑷𝟑𝟑

b. Probabilidades posteriores del nivel de aceptación 𝑷𝑷:

 Probabilidades posteriores nivel de aceptación Excelente:

𝑷𝑷𝟏𝟏 = 𝑷𝟏𝟏 /𝑷𝑪𝟏

𝑷𝑷𝟐𝟏 = 𝑷𝟐𝟏 /𝑷𝑪𝟏

𝑷𝑷𝟑𝟏 = 𝑷𝟑𝟏 /𝑷𝑪𝟏

 Probabilidades posteriores nivel de aceptación Regular:

𝑷𝑷𝟏𝟐 = 𝑷𝟏𝟐 /𝑷𝑪𝟐

𝑷𝑷𝟐𝟐 = 𝑷𝟐𝟐 /𝑷𝑪𝟐

𝑷𝑷𝟑𝟐 = 𝑷𝟑𝟐 /𝑷𝑪𝟐

 Probabilidades posteriores nivel de aceptación Malo:

𝑷𝑷𝟏𝟑 = 𝑷𝟏𝟑 /𝑷𝑪𝟑

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

𝑷𝑷𝟐𝟑 = 𝑷𝟐𝟑 /𝑷𝑪𝟑

𝑷𝑷𝟑𝟑 = 𝑷𝟑𝟑 /𝑷𝑪𝟑

c. Criterio de decisión de Bayes:

Si, Valor Esperado:

𝒎

𝑽𝑬 = ∑ 𝒑𝒊 ∗ 𝑼𝒊𝒋
𝒊=𝟏

Donde:

𝑽𝑬: Valor esperado

𝑼 : Utilidades
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

Entonces,

 Valor esperado nivel de aceptación Excelente:

𝑽𝑬𝟏𝟏 = 𝑷𝑷𝟏𝟏 ∗ 𝑼𝟏𝟏 + 𝑷𝑷𝟐𝟏 ∗ 𝑼𝟐𝟏 + 𝑷𝑷𝟑𝟏 ∗ 𝑼𝟑𝟏

𝑽𝑬𝟏𝟐 = 𝑷𝑷𝟏𝟏 ∗ 𝑼𝟏𝟐 + 𝑷𝑷𝟐𝟏 ∗ 𝑼𝟐𝟐 + 𝑷𝑷𝟑𝟏 ∗ 𝑼𝟑𝟐

𝑽𝑬𝟏𝟑 = 𝑷𝑷𝟏𝟏 ∗ 𝑼𝟏𝟑 + 𝑷𝑷𝟐𝟏 ∗ 𝑼𝟐𝟑 + 𝑷𝑷𝟑𝟏 ∗ 𝑼𝟑𝟑

𝑽𝑬𝟏𝟒 = 𝑷𝑷𝟏𝟏 ∗ 𝑼𝟏𝟒 + 𝑷𝑷𝟐𝟏 ∗ 𝑼𝟐𝟒 + 𝑷𝑷𝟑𝟏 ∗ 𝑼𝟑𝟒

Seleccionar el máximo valor esperado como 𝑴𝒂𝒙 𝑽𝑬𝟏

 Valor esperado nivel de aceptación Regular:

𝑽𝑬𝟐𝟏 = 𝑷𝑷𝟏𝟐 ∗ 𝑼𝟏𝟏 + 𝑷𝑷𝟐𝟐 ∗ 𝑼𝟐𝟏 + 𝑷𝑷𝟑𝟐 ∗ 𝑼𝟑𝟏

𝑽𝑬𝟐𝟐 = 𝑷𝑷𝟏𝟐 ∗ 𝑼𝟏𝟐 + 𝑷𝑷𝟐𝟐 ∗ 𝑼𝟐𝟐 + 𝑷𝑷𝟑𝟐 ∗ 𝑼𝟑𝟐

𝑽𝑬𝟐𝟑 = 𝑷𝑷𝟏𝟐 ∗ 𝑼𝟏𝟑 + 𝑷𝑷𝟐𝟐 ∗ 𝑼𝟐𝟑 + 𝑷𝑷𝟑𝟐 ∗ 𝑼𝟑𝟑

Alvaro Javier Rojas Baracaldo
Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

𝑽𝑬𝟐𝟒 = 𝑷𝑷𝟏𝟐 ∗ 𝑼𝟏𝟒 + 𝑷𝑷𝟐𝟐 ∗ 𝑼𝟐𝟒 + 𝑷𝑷𝟑𝟐 ∗ 𝑼𝟑𝟒

Se selecciona el máximo valor esperado como 𝑴𝒂𝒙 𝑽𝑬𝟐

 Valor esperado nivel de aceptación Malo:

𝑽𝑬𝟑𝟏 = 𝑷𝑷𝟏𝟑 ∗ 𝑼𝟏𝟏 + 𝑷𝑷𝟐𝟑 ∗ 𝑼𝟐𝟏 + 𝑷𝑷𝟑𝟑 ∗ 𝑼𝟑𝟏

𝑽𝑬𝟑𝟐 = 𝑷𝑷𝟏𝟑 ∗ 𝑼𝟏𝟐 + 𝑷𝑷𝟐𝟑 ∗ 𝑼𝟐𝟐 + 𝑷𝑷𝟑𝟑 ∗ 𝑼𝟑𝟐

𝑽𝑬𝟑𝟑 = 𝑷𝑷𝟏𝟑 ∗ 𝑼𝟏𝟑 + 𝑷𝑷𝟐𝟑 ∗ 𝑼𝟐𝟑 + 𝑷𝑷𝟑𝟑 ∗ 𝑼𝟑𝟑

𝑽𝑬𝟑𝟒 = 𝑷𝑷𝟏𝟑 ∗ 𝑼𝟏𝟒 + 𝑷𝑷𝟐𝟑 ∗ 𝑼𝟐𝟒 + 𝑷𝑷𝟑𝟑 ∗ 𝑼𝟑𝟒

Se selecciona el máximo valor esperado com 𝑴𝒂𝒙 𝑽𝑬𝟑

En resumen:

NIVEL DE ACEPTACION MAXIMO VALOR

ESPERADO

EXCELENTE Max VE1 =

REGULAR Max VE2 =
MALO Max VE3 =

4. VALOR ESPERADO DE LA INFORMACION DE LA MUESTRA CON UTILIDADES

Si,

NIVEL DE ACEPTACION MAXIMO VALOR PROBABILIDADES

ESPERADO CONJUNTAS

EXCELENTE Max VE1= PC1 =

REGULAR Max VE2 = PC2 =

MALO Max VE3 = PC3 =

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

a. Utilidad esperada con información de la muestra:

Si,

𝑼𝑬𝑪𝑰𝑴 = ∑𝒎 𝒎 𝒎
𝒊=𝟏 𝑴𝒂𝒙 𝑼𝒊𝒋 ( 𝒑𝒊 ∗ 𝒑𝒊𝟏 ) + ∑𝒊=𝟏 𝑴𝒂𝒙 𝑼𝒊𝒋 (𝒑𝒊 ∗ 𝒑𝒊𝟐 ) + ∑𝒊=𝟏 𝑴𝒂𝒙 𝑼𝒊𝒋 (𝒑𝒊 ∗ 𝒑𝒊𝟑 )

Donde:

𝑼𝑬𝑪𝑰𝑴: Utilidad esperada con información perfecta

𝑼 : Utilidades
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎: No. de estados de la naturaleza
𝒋: alternativa de decisión
𝑷𝒊𝒋 : indicador de la muestra dado el estado de la naturaleza

Como
𝒎

𝑴𝒂𝒙 𝑽𝑬𝒊 = ∑ 𝑴𝒂𝒙 𝑼𝒊𝒋 ( 𝒑𝒊 ∗ 𝒑𝒊𝟏 )

𝒊=𝟏
Entonces,

𝑼𝑬𝑪𝑰𝑴 = (𝑴𝒂𝒙 𝑽𝑬𝟏 ∗ 𝑷𝑪𝟏 ) + (𝑴𝒂𝒙 𝑽𝑬𝟐 ∗ 𝑷𝑪𝟐 ) + (𝑴𝒂𝒙 𝑽𝑬𝟑 ∗ 𝑷𝑪𝟑 )

b. Utilidad esperada sin información de la muestra:

Si,

𝑼𝑬𝑺𝑰𝑴 = 𝑴𝒂𝒙 𝑼𝟏𝒋 ∗ 𝑷𝟏 + 𝑴𝒂𝒙 𝑼𝟐𝒋 ∗ 𝑷𝟐 + 𝑴𝒂𝒙 𝑼𝟑𝒋 ∗ 𝑷𝟑

Donde:

𝑼𝑬𝑺𝑰𝑴 : Utilidad esperada con información perfecta

𝑼 : Utilidades
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
De la tabla de Relación del punto de distribución con utilidades, seleccionar la máxima utilidad
𝑴𝒂𝒙 𝑼𝟏𝒋 para cada estado de la naturaleza:

ESTADOS DE LA NATURALEZA
DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA
(i =1) (i = 2) (i = 3)

MAXIMA UTILIDAD DE
LAS ALTERNATIVAS DE
DECISION Max U1j = Max U2j = Max U3j =
(j = 1, 2, 3, 4)

PROBABILIDAD DE
OCURRENCIA P1 = P2 = P3 =

Entonces,

𝑼𝑬𝑺𝑰𝑴 = 𝑴𝒂𝒙 𝑼𝟏𝒋 ∗ 𝑷𝟏 + 𝑴𝒂𝒙 𝑼𝟐𝒋 ∗ 𝑷𝟐 + 𝑴𝒂𝒙 𝑼𝟑𝒋 ∗ 𝑷𝟑

c. Valor esperado de la información de la muestra 𝑽𝑬𝑰𝑴:

Si,

𝑽𝑬𝑰𝑴 = 𝑼𝑬𝑪𝑰𝑴 − 𝑼𝑬𝑺𝑰𝑴

Donde:

𝑽𝑬𝑰𝑴: Valor esperado de la información de la muestra

𝑼𝑬𝑪𝑰𝑴: Utilidad esperada con información de la muestra
𝑼𝑬𝑺𝑰𝑴: Utilidad esperada sin información de la muestra

Entonces,

𝑽𝑬𝑰𝑴 = 𝑼𝑬𝑪𝑰𝑴 − 𝑼𝑬𝑺𝑰𝑴

4. EFICIENCIA DE LA INFORMACION DE LA MUESTRA 𝑬𝑰𝑴

Si,
𝑽𝑬𝑰𝑴
𝑬𝑰𝑴 = ∗ 𝟏𝟎𝟎
𝑽𝑬𝑰𝑷

Donde:

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

𝑬𝑰𝑴: Eficiencia de la información de la muestra

𝑽𝑬𝑰𝑴: Valor esperado de la información de la muestra
𝑽𝑬𝑰𝑷: Valor esperado de la información perfecta

Entonces,

𝑽𝑬𝑰𝑴
𝑬𝑰𝑴 = ∗ 𝟏𝟎𝟎
𝑽𝑬𝑰𝑷

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

2. CRITERIO DEL VALOR ESPERADO CON PERDIDAS

1. Si, tabla de Relación del punto de distribución con pérdidas:

RELACION DEL PUNTO DE DISTRIBUCION CON PERIDAS

ESTADOS DE LA NATURALEZA (i)

ALTERNATIVAS DE DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA
DECISION (j) PERDIDAS ($) PERDIDAS ($) PERIDAS ($)

ON LINE
C11 = 0.1 * U11 = C21 = 0.1 * U21 = C31 = 0.1 * U31 =
GRANDES SUPERFICIES
C12 = 0.1 * U12 = C22 = 0.1 * U22 = C32 = 0.1 * U33 =
TIENDAS
C13 = 0.1 * U13= C23 = 0.1 * U23 = C33 = 0.1 * U33 =
PUNTO DE VENTA
C14 = 0.1 * U14= C24 = 0.1 * U24 = C34 = 0.1 * U34 =

PROBABILIDAD DE
OCURRENCIA P1 = P2 = P3 =

Si,

𝒊 : Estados de la naturaleza. Si 𝑖 = 1, 2, 3, donde:

1: Demanda alta
2: Demanda media
3: Demanda baja
𝒋: Alternativas de decisión. Si 𝑗 = 1, 2, 3, 4 y donde:
1: On line
2: Grandes superficies
3: Tiendas
4: Punto de venta
𝑪𝒊𝒋 : Perdidas de los estados de la naturaleza
𝑷𝒊 : Probabilidades de ocurrencia de los estados de la naturaleza

2. VALOR ESPERADO DE LA INFORMACION PERFECTA CON PERDIDAS

a. Perdida esperada con información perfecta 𝑪𝑬𝑪𝑰𝑷:

𝒎

𝑪𝑬𝑪𝑰𝑷 = ∑ 𝑴𝒊𝒏 𝑼𝒊𝒋 ∗ 𝒑𝒊

𝒊=𝟏

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

Donde:

𝑪𝑬𝑪𝑰𝑷 : Perdida esperada con información perfecta

𝑪 : Perdidas
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

De la tabla de Relación del punto de distribución con perdidas, seleccionar la mínima perdida
𝑴𝒊𝒏 𝑪𝟏𝒋 para cada estado de la naturaleza:

ESTADOS DE LA NATURALEZA
DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA
(i =1) (i = 2) (i = 3)

MINIMA PERDIDA DE
LAS ALTERNATIVAS DE
DECISION
Min C1j = Min C2j = Min C3j =
(j = 1, 2, 3, 4)

PROBABILIDAD DE
OCURRENCIA P1 = P2 = P3 =

Entonces,

𝑪𝑬𝑪𝑰𝑷 = (𝑴𝒊𝒏 𝑪𝟏𝒋 ∗ 𝑷𝟏 ) + (𝑴𝒊𝒏 𝑪𝟐𝒋 ∗ 𝑷𝟐 ) + (𝑴𝒊𝒏 𝑪𝟑𝒋 ∗ 𝑷𝟑 )

a. Perdida esperada sin información perfecta:

Si,
𝒎

𝑪𝑬𝑺𝑰𝑷 = 𝑴𝒊𝒏 ∑ 𝒑𝒊 ∗ 𝑪𝒊𝒋

𝒊=𝟏
Donde:

𝑪𝑬𝑺𝑰𝑷: Perdida esperada sin información perfecta

𝑪 : Perdidas
𝑷 : Probabilidades del estado de la naturaleza

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

Determinar, 𝑪𝑬𝑺𝑰𝑷𝒋 para cada alternativa de decisión (j):

 𝐶𝐸𝑆𝐼𝑃 On Line:

𝑪𝑬𝑺𝑰𝑷𝟏 = 𝑷𝟏 ∗ 𝑪𝟏𝟏 + 𝑷𝟐 ∗ 𝑪𝟐𝟏 + 𝑷𝟑 ∗ 𝑪𝟑𝟏

 𝐶𝐸𝑆𝐼𝑃 Grandes superficies:

𝑪𝑬𝑺𝑰𝑷𝟐 = 𝑷𝟏 ∗ 𝑪𝟏𝟐 + 𝑷𝟐 ∗ 𝑪𝟐𝟐 + 𝑷𝟑 ∗ 𝑪𝟑𝟐

 𝐶𝐸𝑆𝐼𝑃 Tiendas:

𝑪𝑬𝑺𝑰𝑷𝟑 = 𝑷𝟏 ∗ 𝑪𝟏𝟑 + 𝑷𝟐 ∗ 𝑪𝟐𝟑 + 𝑷𝟑 ∗ 𝑪𝟑𝟑

 𝐶𝐸𝑆𝐼𝑃 Punto de venta:

𝑪𝑬𝑺𝑰𝑷𝟒 = 𝑷𝟏 ∗ 𝑪𝟏𝟒 + 𝑷𝟐 ∗ 𝑪𝟐𝟒 + 𝑷𝟑 ∗ 𝑪𝟑𝟒

Por último, seleccionar el valor mínimo 𝑴𝒊𝒏 𝑪𝑬𝑺𝑰𝑷𝒋 dentro de los determinados anteriormente:

𝑪𝑬𝑺𝑰𝑷 = 𝑴𝒊𝒏 𝑪𝑬𝑺𝑰𝑷𝒋

c. Valor esperado de la información perfecta con pérdidas 𝑽𝑬𝑰𝑷:

Si,
𝑽𝑬𝑰𝑷 = 𝑪𝑬𝑪𝑰𝑷 − 𝑪𝑬𝑺𝑰𝑷

Donde:

𝑽𝑬𝑰𝑷 : Valor esperado de la información perfecta

𝑪𝑬𝑪𝑰𝑷 : Perdida esperada con información perfecta
𝑪𝑬𝑺𝑰𝑷 : Perdida esperada sin información perfecta

Determinar:

𝑽𝑬𝑰𝑷 = 𝑪𝑬𝑪𝑰𝑷 − 𝑪𝑬𝑺𝑰𝑷

Alvaro Javier Rojas Baracaldo
Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

3. CRITERIO BAYESIANO DE DECISION CON PERDIDAS

Si,

ESTADOS DE LA NATURALEZA (i)

DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA

PROBABILIDAD DE
OCURRENCIA P1 P2 = P3 =

EXCELENTE P11 = P21 = P31 =

REGULAR P12 = P22 = P32 =
MALO P13 = P23 = P33 =
NIVEL DE ACEPTACION INDICADORES DE MERCADO

Entonces,

a. Probabilidades conjuntas:

 Probabilidades conjuntas nivel de aceptación Excelente 𝑷𝑪𝟏:

𝑷𝑪𝟏 = 𝑷𝟏 ∗ 𝑷𝟏𝟏 + 𝑷𝟐 ∗ 𝑷𝟐𝟏 + 𝑷𝟑 ∗ 𝑷𝟑𝟏

 Probabilidades conjuntas nivel de aceptación Regular 𝑷𝑪𝟐 :

𝑷𝑪𝟐 = 𝑷𝟏 ∗ 𝑷𝟏𝟐 + 𝑷𝟐 ∗ 𝑷𝟐𝟐 + 𝑷𝟑 ∗ 𝑷𝟑𝟐

 Probabilidades conjuntas nivel de aceptación Malo 𝑷𝑪𝟑:

𝑷𝑪𝟑 = 𝑷𝟏 ∗ 𝑷𝟏𝟑 + 𝑷𝟐 ∗ 𝑷𝟐𝟑 + 𝑷𝟑 ∗ 𝑷𝟑𝟑

b. Probabilidades posteriores del nivel de aceptación 𝑷𝑷:

 Probabilidades posteriores nivel de aceptación Excelente:

𝑷𝑷𝟏𝟏 = 𝑷𝟏𝟏 /𝑷𝑪𝟏

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

𝑷𝑷𝟐𝟏 = 𝑷𝟐𝟏 /𝑷𝑪𝟏

𝑷𝑷𝟑𝟏 = 𝑷𝟑𝟏 /𝑷𝑪𝟏

 Probabilidades posteriores nivel de aceptación Regular:

𝑷𝑷𝟏𝟐 = 𝑷𝟏𝟐 /𝑷𝑪𝟐

𝑷𝑷𝟐𝟐 = 𝑷𝟐𝟐 /𝑷𝑪𝟐

𝑷𝑷𝟑𝟐 = 𝑷𝟑𝟐 /𝑷𝑪𝟐

 Probabilidades posteriores nivel de aceptación Malo:

𝑷𝑷𝟏𝟑 = 𝑷𝟏𝟑 /𝑷𝑪𝟑

𝑷𝑷𝟐𝟑 = 𝑷𝟐𝟑 /𝑷𝑪𝟑

𝑷𝑷𝟑𝟑 = 𝑷𝟑𝟑 /𝑷𝑪𝟑

c. Criterio de decisión de Bayes:

Si, Valor Esperado:

𝒎

𝑽𝑬 = ∑ 𝒑𝒊 ∗ 𝑪𝒊𝒋
𝒊=𝟏

Donde:

𝑽𝑬: Valor esperado

𝑪 : Perdidas
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

Entonces,

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
 Valor esperado nivel de aceptación Excelente:

𝑽𝑬𝟏𝟏 = 𝑷𝑷𝟏𝟏 ∗ 𝑪𝟏𝟏 + 𝑷𝑷𝟐𝟏 ∗ 𝑪𝟐𝟏 + 𝑷𝑷𝟑𝟏 ∗ 𝑪𝟑𝟏

𝑽𝑬𝟏𝟐 = 𝑷𝑷𝟏𝟏 ∗ 𝑪𝟏𝟐 + 𝑷𝑷𝟐𝟏 ∗ 𝑪𝟐𝟐 + 𝑷𝑷𝟑𝟏 ∗ 𝑪𝟑𝟐

𝑽𝑬𝟏𝟑 = 𝑷𝑷𝟏𝟏 ∗ 𝑪𝟏𝟑 + 𝑷𝑷𝟐𝟏 ∗ 𝑪𝟐𝟑 + 𝑷𝑷𝟑𝟏 ∗ 𝑪𝟑𝟑

𝑽𝑬𝟏𝟒 = 𝑷𝑷𝟏𝟏 ∗ 𝑪𝟏𝟒 + 𝑷𝑷𝟐𝟏 ∗ 𝑪𝟐𝟒 + 𝑷𝑷𝟑𝟏 ∗ 𝑪𝟑𝟒

Se selecciona el mínimo valor esperado como 𝑴𝒊𝒏 𝑽𝑬𝟏

 Valor esperado nivel de aceptación Regular:

𝑽𝑬𝟐𝟏 = 𝑷𝑷𝟏𝟐 ∗ 𝑪𝟏𝟏 + 𝑷𝑷𝟐𝟐 ∗ 𝑪𝟐𝟏 + 𝑷𝑷𝟑𝟐 ∗ 𝑪𝟑𝟏

𝑽𝑬𝟐𝟐 = 𝑷𝑷𝟏𝟐 ∗ 𝑪𝟏𝟐 + 𝑷𝑷𝟐𝟐 ∗ 𝑪𝟐𝟐 + 𝑷𝑷𝟑𝟐 ∗ 𝑪𝟑𝟐

𝑽𝑬𝟐𝟑 = 𝑷𝑷𝟏𝟐 ∗ 𝑪𝟏𝟑 + 𝑷𝑷𝟐𝟐 ∗ 𝑪𝟐𝟑 + 𝑷𝑷𝟑𝟐 ∗ 𝑪𝟑𝟑

𝑽𝑬𝟐𝟒 = 𝑷𝑷𝟏𝟐 ∗ 𝑪𝟏𝟒 + 𝑷𝑷𝟐𝟐 ∗ 𝑪𝟐𝟒 + 𝑷𝑷𝟑𝟐 ∗ 𝑪𝟑𝟒

Se selecciona el mínimo valor esperado como 𝑴𝒊𝒏 𝑽𝑬𝟐

 Valor esperado nivel de aceptación Malo:

𝑽𝑬𝟑𝟏 = 𝑷𝑷𝟏𝟑 ∗ 𝑪𝟏𝟏 + 𝑷𝑷𝟐𝟑 ∗ 𝑪𝟐𝟏 + 𝑷𝑷𝟑𝟑 ∗ 𝑪𝟑𝟏

𝑽𝑬𝟑𝟐 = 𝑷𝑷𝟏𝟑 ∗ 𝑪𝟏𝟐 + 𝑷𝑷𝟐𝟑 ∗ 𝑪𝟐𝟐 + 𝑷𝑷𝟑𝟑 ∗ 𝑪𝟑𝟐

𝑽𝑬𝟑𝟑 = 𝑷𝑷𝟏𝟑 ∗ 𝑪𝟏𝟑 + 𝑷𝑷𝟐𝟑 ∗ 𝑪𝟐𝟑 + 𝑷𝑷𝟑𝟑 ∗ 𝑪𝟑𝟑

𝑽𝑬𝟑𝟒 = 𝑷𝑷𝟏𝟑 ∗ 𝑪𝟏𝟒 + 𝑷𝑷𝟐𝟑 ∗ 𝑪𝟐𝟒 + 𝑷𝑷𝟑𝟑 ∗ 𝑪𝟑𝟒

Se selecciona el mínimo valor esperado como 𝑴𝒊𝒏 𝑽𝑬𝟑

En resumen:

NIVEL DE ACEPTACION MINIMO VALOR

ESPERADO

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
EXCELENTE Min VE1 =
REGULAR Min VE2 =
MALO Min VE3 =

4. VALOR ESPERADO DE LA INFORMACION DE LA MUESTRA CON PERDIDAS

Si,

NIVEL DE ACEPTACION MINIMO VALOR PROBABILIDADES

ESPERADO CONJUNTAS

EXCELENTE Min VE1= PC1 =

REGULAR Min VE2 = PC2 =

MALO Min VE3 = PC3 =

Entonces,

a. Perdida esperada con información de la muestra:

Si,

𝑪𝑬𝑪𝑰𝑴 = ∑𝒎 𝒎 𝒎
𝒊=𝟏 𝑴𝒊𝒏 𝑪𝒊𝒋 ( 𝒑𝒊 ∗ 𝒑𝒊𝟏 ) + ∑𝒊=𝟏 𝑴𝒊𝒏 𝑪𝒊𝒋 (𝒑𝒊 ∗ 𝒑𝒊𝟐 ) + ∑𝒊=𝟏 𝑴𝒊𝒏 𝑪𝒊𝒋 (𝒑𝒊 ∗ 𝒑𝒊𝟑 )

Donde:

𝑪𝑬𝑪𝑰𝑴: Perdida esperada con información perfecta

𝑪 : Perdidas
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎: No. de estados de la naturaleza
𝒋: alternativa de decisión
𝑷𝒊𝒋 : indicador de la muestra dado el estado de la naturaleza

Como
𝒎

𝑴𝒊𝒏 𝑽𝑬𝒊 = ∑ 𝑴𝒊𝒏 𝑪𝒊𝒋 ( 𝒑𝒊 ∗ 𝒑𝒊𝟏 )

𝒊=𝟏

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO
Entonces,

𝑪𝑬𝑪𝑰𝑴 = (𝑴𝒊𝒏 𝑽𝑬𝟏 ∗ 𝑷𝑪𝟏 ) + (𝑴𝒊𝒏 𝑽𝑬𝟐 ∗ 𝑷𝑪𝟐 ) + (𝑴𝒊𝒏 𝑽𝑬𝟑 ∗ 𝑷𝑪𝟑 )

b. Perdida esperada sin información de la muestra:

Si,

𝑪𝑬𝑺𝑰𝑴 = 𝑴𝒊𝒏 𝑪𝟏𝒋 ∗ 𝑷𝟏 + 𝑴𝒊𝒏 𝑪𝟐𝒋 ∗ 𝑷𝟐 + 𝑴𝒊𝒏 𝑪𝟑𝒋 ∗ 𝑷𝟑

Donde:

𝑪𝑬𝑺𝑰𝑴 : Perdida esperada con información perfecta

𝑪 : Perdidas
𝑷 : Probabilidades del estado de la naturaleza
𝒊 : estado de la naturaleza
𝒎 : No. de estados de la naturaleza
𝒋 : alternativa de decisión

De la tabla de Relación del punto de distribución con pérdidas, seleccionar la mínima perdida
𝑴𝒊𝒏 𝑪𝟏𝒋 para cada estado de la naturaleza:

ESTADOS DE LA NATURALEZA
DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA
(i =1) (i = 2) (i = 3)

MINIMA PERDIDA DE
LAS ALTERNATIVAS DE
DECISION Min C1j = Min C2j = Min C3j =
(j = 1, 2, 3, 4)

PROBABILIDAD DE
OCURRENCIA P1 = P2 = P3 =

Entonces,

𝑪𝑬𝑺𝑰𝑴 = (𝑴𝒊𝒏 𝑪𝟏𝒋 ∗ 𝑷𝟏 ) + (𝑴𝒊𝒏 𝑪𝟐𝒋 ∗ 𝑷𝟐 ) + (𝑴𝒊𝒏 𝑪𝟑𝒋 ∗ 𝑷𝟑 )

c. Valor esperado de la información de la muestra con perdidas 𝑽𝑬𝑰𝑴:

Si,
Alvaro Javier Rojas Baracaldo
Director de curso
Red de curso 200608 Teoría de las Decisiones
 200608 TEORIA DE LAS DECISIONES
TAREA 2 – SOLUCION DE DECISIONES CON RIESGO
EJERCICIO 1. CRITERIOS DE DECISION CON RIESGO
GUIA DE DESARROLLO

𝑽𝑬𝑰𝑴 = 𝑪𝑬𝑪𝑰𝑴 − 𝑪𝑬𝑺𝑰𝑴

Donde:

𝑽𝑬𝑰𝑴: Valor esperado de la información de la muestra

𝑪𝑬𝑪𝑰𝑴: Perdida esperada con información de la muestra
𝑪𝑬𝑺𝑰𝑴: Perdida esperada sin información de la muestra

Entonces,

𝑽𝑬𝑰𝑴 = 𝑪𝑬𝑪𝑰𝑴 − 𝑪𝑬𝑺𝑰𝑴

4. EFICIENCIA DE LA INFORMACION DE LA MUESTRA CON PERDIDAS 𝑬𝑰𝑴

Si,
𝑽𝑬𝑰𝑴
𝑬𝑰𝑴 = ∗ 𝟏𝟎𝟎
𝑽𝑬𝑰𝑷

Donde:

𝑬𝑰𝑴: Eficiencia de la información de la muestra con perdidas

𝑽𝑬𝑰𝑴: Valor esperado de la información de la muestra con perdidas
𝑽𝑬𝑰𝑷: Valor esperado de la información perfecta con perdidas

Entonces,

𝑽𝑬𝑰𝑴
𝑬𝑰𝑴 = ∗ 𝟏𝟎𝟎
𝑽𝑬𝑰𝑷

Alvaro Javier Rojas Baracaldo

Director de curso
Red de curso 200608 Teoría de las Decisiones