V. TEORA DE DECISIONES A.

INTRODUCCIN La toma de decisiones es un proceso que lleva a seleccionar un curso de accin entre dos o ms alternativas para lograr un determinado propsito. Existen modelos de decisin que se formulan y resuelven suponiendo la disponibilidad de informacin completa o perfecta. En general, esto se denomina toma de decisiones en condiciones de certeza. No obstante, no es posible contar siempre con este nivel de informacin. La disponibilidad de la informacin parcial o imperfecta de un problema lleva a dos casos de toma de decisiones: Decisiones con incertidumbre Decisiones con riesgo

En los modelos con incertidumbre, no se conoce la probabilidad de ocurrencia de un fenmeno, mientras que en los modelos con riesgo, el grado de conocimiento se expresa como una funcin de probabilidad que representa los datos. En resumen, dependiendo del nivel de informacin, las condiciones para la toma de decisiones pueden ser: Decisiones con certeza Decisiones con incertidumbre Decisiones con riesgo

La informacin utilizada al tomar decisiones, generalmente se resume en la forma de una matriz de informacin (resultados), en la que sus filas representan alternativas de solucin o cursos de accin posibles, y sus columnas, estados futuros, escenarios o contexto posible del sistema. Asociado a cada accin y cada estado futuro est un resultado que evala la ganancia (o prdida) resultante de tomar tal accin cuando ocurre un estado futuro dado. Por consiguiente, si Ai representa la i-sima accin (i=1, 2,, m) y Ej representa el j-simo estado futuro (j=1, 2,, n), entonces AiEj representa el resultado respectivo. Esta informacin se dispone como se muestra en la matriz siguiente:

Escenarios

Alternativas de solucin

A1 A2 . . . Am

E1 A1 E1 A2 E1 . . . Am E1

E2 A1 E2 A2 E2 . . . Am E2

En A1 En A2 En . . . Am En

Resultados Posibles (Utilidades o Costos)

1

UES/FIA/EII/IOP215

B. DECISIONES BAJO INCERTIDUMBRE A continuacin se presenta un nmero de criterios para tomar decisiones bajo la hiptesis de que no se tiene ninguna distribucin de probabilidad. La diferencia principal entre los criterios la refleja cuan conservador es el decisor al tratar con las decisiones de incertidumbre prevalecientes. 1. Pesimista(MiniMax para costos, MaxiMin para ganancias) Es el criterio ms conservador, ya que est basado en lograr lo mejor de las peores condiciones posibles. Aplica a decisores que no prefieren correr riesgos, que lo ms seguro es lo que se conoce. 2. Optimista(MaxiMax tanto para costos como utilidades) Es el criterio menos conservador, ya que est basado en lograr lo mejor de las mejores condiciones posibles. Aplica a decisores que piensan que todo va a salir bien. 3. Laplace (Principio de razn insuficiente) Asume que debido a que las probabilidades asociadas a la ocurrencia de E1, E2,, Ense desconocen, no existe informacin suficiente para concluir que estas probabilidades sern diferentes. Por consiguiente, uno puede ser capaz de asignar tales probabilidades con la misma posibilidad de ocurrir los estados E1, E2,, En,donde se elige Ai como la accin que proporciona el mejor valor. 4. Hurwicz Este criterio representa un intervalo de actitudes desde la ms optimista hasta la ms pesimista. El criterio de Hurwicz da un equilibrio entre el optimismo extremo y el pesimismo extremo, ponderando las dos condiciones anteriores por los pesos respectivos y 1 , donde 0 1. El parmetro se conoce como ndice de optimismo o probabilidad de ocurrencia (eleccin) de una alternativa. 5. Rechazo mnimo (Criterio de pesadumbre MiniMax de Savage) Este criterio rectifica el criterio pesimista que es extremadamente conservador, construyendo una nueva matriz de prdidas en la cual los resultados se obtienen restando el menor valor del resto de los elementos de cada columna si los datos son costos, y restando los elementos del mayor elemento de cada columna si los datos son utilidades. Despus aplica el criterio MiniMax en ambos casos debido a que la matriz representa prdidas.

UES/FIA/EII/IOP215

C. DECISIONES BAJO RIESGO Existen criterios para tomar decisiones cuando se dispone de una distribucin de probabilidad, entre los que se encuentran los siguientes: 1. Valor esperado Cuando los datos no son dispersos se puede emplear la esperanza matemtica ( ) ( ); i=1,2,...m; j=1,2,...n Donde xj representa cada resultado de la alternativa Ai y p(xJ) la probabilidad asociada al escenario Ej. 2. Valor ms probable ms favorable Este criterio est basado en convertir una decisin bajo riesgo en una decisin bajo incertidumbre. Se selecciona el escenario con mayor probabilidad de ocurrencia y entre sus valores se escoge el mejor (en costos es el menor valor y en utilidades es el mayor). Este mtodo es adecuado aplicarlo cuando exista una diferencia de probabilidades de por lo menos 0.1 entre los escenarios. Por ejemplo, dos escenarios con probabilidad de 0.30 y 0.35 no representan mucha diferencia, mientras que 0.30 y 0.4, 0.30 y 0.45, 0.3 y 0.5, si presentan alguna diferencia. 3. Nivel de Aspiracin Este criterio parte de establecer cul es el valor mnimo de ganancias o el valor mximo de prdidas que el tomador de decisiones espera obtener. Luego escoge para cada alternativa las probabilidades de ocurrencia de los escenarios que cumplen con los valores establecidos. La alternativa recomendada es la que corresponda a la mayor suma acumulada de probabilidades. 4. Expectacin y Variabilidad Se basa en la curva de Gauss para proporcionar informacin de cada alternativa, utilizando ; donde es la media o esperanza matemtica (valor esperado) y es la varianza que se obtiene de ( ) ( ), donde xj representa los resultados de cada alternativa

Ai,

es el valor esperado de cada alternativa Ai y p(xj) es la probabilidad de ocurrencia de cada escenario Ej . Para cada alternativa se obtiene un intervalo probable de ganancias o de prdidas que ser la base para tomar la decisin, pero en ltima instancia sern las expectativas del tomador de decisiones las que lo inclinarn hacia una alternativa.

UES/FIA/EII/IOP215