www.causak.

org

causak@sion.com

TEMA 1: PROCESO DE FORMACIN Y ADOPCIN DE DECISIONES. 1.1. Introduccin

Podemos entender la actividad empresarial como un conjunto de decisiones entre distintas alternativas, algunos autores identifican el proceso de direccin con el proceso de decisin, a los directivos se les valora por los resultados que obtienen que estn relacionados con las decisiones adoptadas. Otros autores consideran que segn el estilo de direccin seguido por la empresa (autrquico, innovador, participativo, etc.) las decisiones que va a tomar la empresa se vern condicionados, por eso distintas empresas con problemas similares decidirn distintas soluciones segn el estilo de direccin de cada uno de ellas, finalmente las decisiones tomadas dependern de otros factores; por ejemplo, la posicin del directivo ante el riesgo. 1.2. Concepto de decisin La decisin es una ACCIN RESOLUTIVA que se adopta en un momento determinado del TIEMPO a cerca de una CUESTIN DUDOSA aplicando unas normas o procedimientos. Resolutiva porque la decisin est sujeta a un proceso o serie de etapas, con el tiempo determinado pero teniendo en cuenta la experiencia anterior, los resultados pasados y evaluando cuales van a ser las consecuencias que va a tener en el futuro la alternativa o decisin. Siempre que tengamos que tomar una decisin vamos a tener que elegir entre varias alternativas aunque siempre hay una posibilidad que es NO elegir nada. Para obtener la mejor alternativa utilizaremos distintos modelos de decisin. Serie de procedimientos significa que hay que establecer una hiptesis de partida de modo que acotaremos el campo en el que nos vamos a mover y fijaremos el criterio de cisin en el que nos vamos a basar.

www.causak.org
1.3. Tipos de decisin Segn el rea de autoridad:
-

causak@sion.com

Decisiones de carcter personal; las toma el directivo sobre su propio trabajo especifico (afecta al decisor) Decisiones de direccin; decisiones que tambin tomar el directivo sobre el trabajo que tienen que desempear sus subordinados (afecta a ms personas que el decisor)

Segn el mtodo de decisin:

-

Decisiones programables: Simples y sencillas, no requieren trabajo intelectual, ya existen procedimientos o mtodos para elegir la mejor alternativa, el directivo delegar a sus subordinados. (Son decisiones rutinarias, a corto plazo, y puede decidir cualquier miembro de la organizacin) Decisiones no programables: Decisiones aisladas y complejas no existen procedimientos a la hora de elegir la mejor alternativa, sern decisiones que normalmente se tomarn en los niveles ms altos de la organizacin.
-

Segn el nivel de decisin:

-

Decisiones a nivel estratgico: Niveles ms altos de la organizacin, fijan los objetivos, polticas, subobjetivos, filosofas, etc. Las decisiones tienen su consecuencia a largo plazo y de muy alto nivel e involucran a la mayor parte de la organizacin, por ejemplo producir a nivel mundial nuestro producto en el 2001. Decisiones a nivel logstico: Son aquellas que se refieren a todo lo que sea la captacin de recursos fundamentales de la empresa (capitales a invertir, recursos humanos a emplear)

www.causak.org
-

causak@sion.com
Decisiones a nivel tctico: Son aquellas encaminadas a buscar el mximo aprovechamiento de los recursos que tenemos, es decir, estn encaminados a la bsqueda de la eficiencia (nivel de stock en almacn, que estrategia de marketing vamos a seguir, unidades a producir, etc.) Decisiones a nivel instrumental: Implicaciones a corto plazo, son aquellas que se refieren al trabajo cotidiano corresponden a los niveles ms bajos de la organizacin involucran a menos departamentos de la empresa (departamento de produccin debe hacer la puesta a punto de la maquinaria)

Estos 4 niveles de decisin se agrupan en 3 grupos:

1. 2. 3.

Decisiones estratgicas: decisiones a nivel estratgico y de nivel logstico son a largo plazo Decisiones de gestin: Decisiones de nivel tctico son a medio plazo Decisiones operativas: Decisiones a nivel instrumental

Las decisiones estratgicas involucran a la mayor parte de la organizacin mientras que las operativas involucran al menor nmero de departamentos. Las decisiones operativas son fundamentalmente programables y las estratgicas no programables y conforme nos acerquemos a niveles inferiores las decisiones sern de tipo operativo y programables. 1.4. Esquema bsico del proceso de adaptacin de decisiones Segn Herbert A. Simon las decisiones a seguir seran: Fase de inteligencia: Se refiere a todo lo que comprende a la captacin y bsqueda de informacin sobre el problema de decisin que tengamos.
1.

Fase de diseo o modelacin: Consiste en organizar la informacin y estructurar el problema organizndolo y llegando a desarrollar y evaluar distintos cursos de accin
2.

www.causak.org
3.

causak@sion.com

Fase de eleccin: Se trata de elegir la alternativa que le vaya a ayudar ms al decisor para conseguir los objetivos que el quiere. Fase de verificacin: Puesta en prctica de la alternativa elegida y adems permite ver si los resultados reales coinciden con los previstos, en caso de no coincidir volveremos al principio y mejoraramos el proceso de decisin.
4.

Dentro de las decisiones programables la fase ms importante sera la fase de eleccin y dentro de las no programables la fase de inteligencia. En la fase de inteligencia las decisiones ms importantes son las decisiones estratgicas, en la fase de eleccin las decisiones son las decisiones operativas, a las decisiones operativas y programables la dominante ser la eleccin, en las estratgicas no programables la dominante ser la inteligencia y en las decisiones de gestin las decisiones de modelizacin. Fases necesarias para la toma de decisiones
1.

Definicin de fines objetivos y subobjetivos de la empresa y sus departamentos. Comparacin de estos fines objetivos y subobjetivos con los resultados logrados en la empresa y sus departamentos. Definicin del problema (los problemas surgen cuando existen desviaciones entre lo previsto y lo logrado) Clasificacin del problema, se asignar un responsable para resolver dicho problema. Anlisis del problema, en esta fase se capta todo la informacin necesaria para resolver el problema lo que ocurre es que nunca se puede obtener el total de la informacin, por su alto coste y porque no siempre est disponible toda la informacin. Al no contar con toda la informacin se tienen que formular hiptesis que sean lo ms realista posible; a dems tendremos que definir que variables son controlables y cuales no son controlables para el decisor. Definicin de los criterios de solucin, en esta fase la empresa escoge aquellos criterios de decisin que considera ms adecuados en cada caso y atendiendo a su sistema de valores.

2.

3.

4.

5.

6.

www.causak.org
7.

causak@sion.com

Investigacin o bsqueda de las posibles, tendremos que determinar cursos posibles de accin para ese problema y determinar 2 o ms alternativas, siempre intentando que estos cursos de accin sean lo ms realistas posibles, y teniendo en cuenta que siempre existe la alternativa de no hacer nada. Evaluacin de las consecuencias de las acciones posibles. Eleccin de una accin determinada, se elige entre las alternativas teniendo en cuenta los recursos de la empresa y el criterio de decisin que se est empleando. Ejecucin, puesta en marcha de la alternativa, se asignar un responsable para llevar a cabo la decisin y establecer un control sobre la misma. Comparacin de estas fases con las de Herbert A. Simon

8. 9.

10.

La fase de inteligencia se corresponde con la 2, 3 y 4 fase; la de diseo y modelizacin corresponde con la 5, 6, 7 y 8 fase, la fase de eleccin corresponde con la 9 fase y la fase de verificacin con la 10 (Nosotros tenemos en cuenta en los problemas las fases 5 9)

www.causak.org
TEMA 2: MODELOS DE DECISIN 2.1. Concepto de modelo

causak@sion.com

Un modelo es una representacin simplificado de la realidad. 2.2.1. Clases de modelos 1 clasificacin

a)

Modelos implcitos: Son aquellos que existen, pero no estn presentados de forma comunicable, existen solamente en la mente del individuo o modelizador. La manera en que se convertirn en explcitos ser a travs de un lenguaje adecuado y de una comunicacin adecuada, es decir, a travs de su formalizacin. Modelos explcitos: Aquellos presentados de forma comunicable tenemos: Modelos materiales, son los que se representan por un elemento tangible o fsico, existen 2 modelos; el modelo icnico; aquellos que representan la realidad de una manera fiel pero a una escala reducida (por ejemplo una foto). Tambin incluye el modelo anlogo, no representa la realidad de una forma tan fiel , la caracterstica de este modelo es que se corresponde a la realidad segn una forma o regla especfica de correspondencia.

b)

Modelos simblicos, representados por medios de smbolos, existen 3 tipos: Modelos verbales, expresados en palabras, puede ser oral o escrito. Modelos esquemticos, cuadros, grficos, dibujos,... Modelos matemticos con expresiones matemticas

En los problemas de clase trataremos modelos de decisin que sern modelos explcitos simblicos y a dems pueden ser esquemticos o matemticos o ambos a la vez.

www.causak.org
2 Clasificacin
1.

causak@sion.com

Modelos descriptivos: Son aquellos modelos que tratan de explicar como se comporta la realidad en el momento presente. Modelos predictivos: son aquellos modelos que tratan de explicar como se comportar la realidad en un momento futuro. Modelos normativos: aquellos que tratan de buscar la alternativa que al decisor ms le ayude a conseguir sus objetivos. Modelos de optimizacin: Escogen la mejor alternativa entre las posibles. Modelos de satisfaccin: Trata de buscar la alternativa en la que se logre un nivel aceptable de satisfaccin, pero puede o no ser la optima.

2.

3.

En los problemas usaremos modelos normativos de satisfaccin 2.2. Variables, parmetros y relaciones del modelo Z= F(VNC1,...,VNCM; VC1,..., VCN) En el modelo siempre tendremos una variable a explicar, esta variable Z estar en funcin de una serie de variables explicativas; variables controlables, o no controlables por parte del decisor. Las variables controlables sern aquellas sobre las que el decisor tiene influencia y las variables controlables son aquellas sobre las que el decisor no tiene ningn control ni puede influir sobre ellas. Conclusin: Z: Fenmenos a estudiar y sus consecuencias F: Caracterstica que indica las relaciones entre las diferentes variables VNC: Variable no controlable (1 M) VC: Variable controlable (1 N) El gasto de control de las variables a explicar depender directamente del control de estas variables.

www.causak.org
2.3. Elementos del modelo de decisin Decisor: Nos interesa su actitud contra el riesgo

causak@sion.com

VNC: Cada variable no controlable puede presentar distintos aspectos cada uno de los cuales ser un ESTADO DE LA NATURALEZA, en la realidad existen infinitos estados de la naturaleza pero como no podemos utilizar todos los agruparemos de forma que al escoger un grupo de estados debe cumplir 2 condiciones: Que el grupo sea mutuamente excluyente, es decir, no puede ocurrir ms de un estado de la naturaleza a la vez.
1.

Que el grupo sea colectivamente exhaustivo, es decir el estado de la naturaleza que se vaya a dar al final, deber haber estado recogido en el grupo de estados de la naturaleza que nosotros elegimos en un principio.
2.

VC: Cada variable controlable puede tener distintas posibilidades y cada uno de estas posibilidades ser la ALTERNATIVA, tenemos infinitas alternativas por lo que tambin en este caso seleccionaremos un grupo que sea representativo para el modelo de decisin, este grupo tambin debe cumplir: Mutuamente excluyente: no se puede escoger ms de una alternativa a la vez
1.

Colectivamente exhaustivo: la alternativa escogida tiene que estar desde el principio.

2.

Resultados: Siempre cuantificados y siempre tienen que estar determinados para el mismo el mismo horizonte temporal. Grado de informacin del decisor: Si el decisor tiene informacin segura sobre la alternativa que se va a dar, estaremos en condiciones de certeza, sin embargo si no est seguro, estaremos en condiciones de incertidumbre. Criterio de decisin: Depender de: Las condiciones en las que estamos La actitud del decisor ante el riesgo

www.causak.org
Con todo esto hacemos una matriz de decisin Ai A1 A2 VNC ... Ej E1 RC11 RC21 ... E2 RC12 RC22 ... ............... En RC1n RC2n ...

causak@sion.com

A1,... , Am= VC E1,... , En= RC: resultado condicionado sobre un estado de la naturaleza

Am

RCm1

RCm2

RCmn

2.4. Clasificacin de modelos de decisin Existen 2 grupos: 1. Modelos de decisin en condiciones de ambigedad 2. Modelos de decisin en condiciones de no ambigedad (clase): Certeza Riesgo Incertidumbre Concurrencia / conflicto 1. Modelos de decisin en condiciones de ambigedad Aquellos en los que el decisor no es capaz de identificar los distintos estados de la naturaleza, ya que se tratan de decisiones complejas o decisiones que abarcan un largo periodo de tiempo. Sin VNC pero si con VC, se saben las alternativas y tambin las probabilidad de ocurrencia de los resultados en funcin de si aplcanos o no una u otra alternativa. ( P: probabilidad de ocurrencia de un resultado aplicando una alternativa i) Ri R1 R2 ... Aj A1 P11 P12 A2 P12 P22 ... ... ... Am P1m P2m

www.causak.org
Rn
2.

causak@sion.com
... Pnm

Pn1

Pn2

Modelos de decisin en condiciones de no ambigedad: Certeza: El decisor con la informacin completa y segura al 100% de que se va a producir un estado de la naturaleza. La probabilidad del estado = 1. La solucin ser escoger aquella alternativa que nos proporcione el mejor resultado para un estado de la naturaleza determinado.

Riesgo: Conocemos los distintos estados de la naturaleza posibles y tambin las distintas probabilidades de ocurrencia de los mismos, para determinar las probabilidades distinguimos entre probabilidades objetivas (se calculan con datos de pasados similares o histricos) o subjetivas (el decisor no se fa de datos pasados sino en base a su intuicin)

Incertidumbre: Conocemos los distintos estados de la naturaleza que pueden darse pero no conocemos las probabilidades de ocurrencia de los mismos. Dentro de los criterios de decisiones en condiciones de incertidumbre tenemos: Criterio pesimista Criterio optimista Criterio de Hurwicz (o del coeficiente del optimismo) Criterio de Laplace (o de indiferencia) Criterio de Savage (o de costes de oportunidad)

Criterio pesimista: El decisor piensa que se va a producir el estado de la naturaleza ms desfavorable en consecuencia elegiremos aquella alternativa que nos proporcione un resultado mayor en el peor de los casos, de entre los mnimos elegimos el mximo. Criterio optimista: Supone que el decisor espera que se produzca para cada alternativa el mejor de los estados de la naturaleza (el ms favorable) por ello elegiremos la alternativa que ofrezca el mejor resultado en el mejor de los casos. Criterio de Laplace: Consiste en asignar a cada estado de la naturaleza la misma probabilidad de ocurrencia, escogiendo aquella alternativa que ofrezca el valor esperado monetario mayor (VEM). Las probabilidades de ocurrencia sern = 1/n (n= nmero de estados de la naturaleza). Este criterio transforma una situacin de incertidumbre en una de riesgo subjetivo, se calcula la probabilidad de forma subjetiva.

www.causak.org

causak@sion.com

Criterio de Hurwicz (criterio del coeficiente de optimismo) Como no se conoce las probabilidades asociadas a cada estado de la naturaleza, este autor propone utilizar un coeficiente de optimismo que denomina y simultneamente un coeficiente de pesimismo (1 - ), 0 1 El coeficiente indica el estado del decisor frente al riesgo, cuando ms cercano es este de 1 ms optimista ser el decisor, mientras que ms cercano sea de 0 ms pesimista ser el decisor. Este criterio se fija solamente en los resultados extremos de cada alternativa ponderando el resultado de valor mximo con el coeficiente de optimismo y el resultado de valor mnimo con el coeficiente de pesimismo (1 - ). La suma de estos dos productos dar el valor de cada alternativa y elegiremos aquel que nos ofrezca el mayor valor. Criterio de Savage (o de costes de oportunidad) Coste de oportunidad; prdida relativa por no haber elegido la alternativa correcta para cada estado concreto de la naturaleza, este autor propone construir una nueva matriz de decisin en la que sustituir los resultados o desenlaces por los costes de oportunidad. En esta nueva matriz de decisin se tratar de hacer mnimo el perjuicio de cada alternativa, por lo tanto elegiremos aquella alternativa que haga mnimo el mayor de los perjuicios. En concurrencia o conflicto: En esta situacin a dems de tener en cuenta la decisin que tome el decisor tendremos que tener en cuenta la decisin que tome el competidor. En este tipo de decisiones se aplicar la Teora de los juegos para ver cual sera la alternativa a aplicar.

www.causak.org

causak@sion.com

TEMA 3: ADOPCIN DE DECISIONES EN CONDICIONES DE RIESGO 3.1. Definicin y medida del riesgo El riesgo es la posibilidad de que ocurra un hecho incierto , tanto para bien como para mal. Llamamos alternativas con riesgo o arriesga a aquella alternativa que nos da los distintos resultados para los distintos estados de la naturaleza. Para medir el riesgo de la alternativas utilizamos:
1. 2. 3.

Varianza (2) Desviacin tpica () Coeficiente de variacin ()

3.2. Criterios clsicos de decisin en riesgo 3.2.1. Valor Esperado Monetario (VEM) Consiste en hallar el VEM de cada alternativa que es la media de los resultados (RC) ponderados por su probabilidad VEM=ni=1 P(Ej) RCij El criterio de decisin ser quedarnos con la alternativa que nos de el mayor VEM. 3.2.2. Perdida de Oportunidad Esperada (POE) Consiste en aplicar el VEM a la matriz de costes de oportunidad, se trata de hallar una especie de coste esperado medio (POC= Perdida de oportunidad condicionada). POE (Aj) = ni=1 P(Ei) POCij El criterio de decisin ser la alternativa que nos de una menor POE. Nota: Cualquiera de los 2 criterios nos va a dar la misma alternativa optima que va a ser la que tiene un mayor VEM o una menor POE. Al sumar el VEM con el POE para cada alternativa, la solucin sigue siendo la misma. Z= POE (Aj) + VEM (Aj)

www.causak.org
Ejemplo: Sea la siguiente matriz de decisin Pr Ej Ai A1 A2 A3 0.3 E1 400 200 100 0.5 E2 150 300 50 0.5 E2 150 0 250

causak@sion.com

0.2 E3 -50 50 250 0.2 E3 300 200 0

Matriz de costes de oportunidad Pr 0.3 Ej E1 Ai A1 0 A2 200 A3 300

VEM (A1) = 0.3 * 400 + 0.5 * 150 + 0.2 * -50 = 185 VEM (A2) = 0.3 * 200 + 0.5 * 300 + 0.2 * 50 = 220 VEM (A3) = 0.3 * 100 + 0.5 * 50 + 0.2 * 250 = 105 POE (A1) = 0.3 * 0 + 0.5 * 150 + 0.2 * 300 = 135 POE (A2) = 0.3 * 200 + 0.5 * 0 + 0.2 * 200 = 100 POE (A3) = 0.3 * 300 + 0.5 * 250 + 0.2 * 0 = 215 3.2.3. Relacin entre el VEM y el POE Si partimos de la siguiente matriz de decisin: P(E1) P(E2) Ej E1 E2 ... Ai A1 A2 ... An RC11 RC21 ... RCn1 RC12 RC22 ... RCn2 ... ... ... ... P(Em) Em RC1m RC2m ... RCnm

Luego el VEM = RC i1 * P(E1) + RCi2 * P(E2) +...+ RCim * P(Em)

www.causak.org
Luego la matriz de costes ser: P(E1) P(E2) Ej E1 E2 Ai A1 Max RC1 Max RC2 RC11 RC12 A2 Max RC1 Max RC2 RC21 RC22 ... ... ... An Max RC1 Max RC2 RCn1 RCn2 ... ... ... ... ... ...

causak@sion.com
P(Em) Em Max RCm RC1m Max RCm RC2m ... Max RCm RCnm

POE (Ai) = (Max RC 1 RCi1) P(E1) + (Max RC 2 RCi2) P(E2) + ... + (Max RCm RCim) P(Em) Max RC1 * P(E1) + Max RC2 * P(E2) +...+ Max RCm P(Em) [RCi1 * P(E1) + RCi2 * P(E2) +...+ RCin P(Em)]
(Max RC 1 RCi1) P(E1) + (Max RC 2 RCi2) P(E2) + ... + (Max RCm RCim) P(Em) Max RC1 * P(E1) + Max RC2 * P(E2) +...+ Max RCm P(Em) Z

= resultado con la informacin

perfecta. [RCi1 * P(E1) + RCi2 * P(E2) +...+ RCin P(Em)] VEM POE = Z VEM Z = POE + VEM Z Resultado Esperado de la Informacin Perfecta (REIP), es decir, ganancia mxima esperada en el caso en que tuviramos la informacin perfecta sobre cual es el estado de la naturaleza que se va a dar. Nosotros estaremos dispuestos a pagar por esa informacin perfecta lo que valga (Valor Esperado de la Informacin Perfecta (VEIP)). VEIP = Diferencia entre el resultado que obtendremos si tenemos la informacin y si no la tenemos. VEIP = REIP VEM* (Ai) Ejemplo: certeza suponindo que gana C1? Riesgo con la informacin perfecta? canto estamos dispuestos a pagar (REIP)? P(Ej) 0.3 0.7 Ej Gana C1 Gana C2 Ai Apostar por C1 1000 0 Apostar por C2 0 100

www.causak.org

causak@sion.com

En caso de certeza apostaramos por C1 y nos aportara 1000 U.M. En caso de riesgo aplicaramos el VEM y el POE Matriz de CdO P(Ej) 0.3 0.7 Ej Gana C1 Gana C2 Ai Apostar por C1 0 100 Apostar por C2 1000 0 VEM (A1) = 0.3 * 1000 + 0.7 * 0 = 300 VEM (A2) = 0.3 *0 + 0.7 * 100 = 70 POE (A1) = 0.3 * 0 + 0.7 * 100 = 70 POE (A2) = 0.3 * 1000 + 0.7 * 0 = 300 La informacin perfecta sirve para el caso en que una determinada asesora nos ofrezca sus servicios y saber nosotros cuanto le debemos pagar, como mucho la podr pagar lo que ganara en informacin perfecta a lo que obtenga en riesgo en la alternativa optima. 1000 * 0.3 + 100 *0.7 VEM (A1) = 370 300 = 70 u.m. Conclusin VEIP = REIP VEM* (Ai) REIP=Z= P(Ej) * Max Rcij VEIP = POE* Lo que estamos dispuestos a pagar por la informacin perfecta es igual al coste que nos causa el actuar cuando no tenemos la informacin perfecta. Z viene a ser una medida de la poltica de informacin de la empresa ya que nos mide el resultado obtenido de media en caso de disponer de la informacin perfecta.

www.causak.org
3.2.4. Criticas al VEM y al POE

causak@sion.com

1. No tienen en cuenta la posible actitud del decisor ante el riesgo.

2.

Ambos son mtodos cuantitativos no recogen variables cualitativas. Estos criterios requieren para su correcta aplicacin la repipitividad de las alternativas, ambos se basan en modelos estadsticos, hablan de regularidad estadstica; es decir, se supone que la decisin se ha de tomar un nmero n suficiente de veces lo que en realidad no se da, ya que las decisiones solamente se pueden tomar una sola vez.

3.

Para evitar esto emplearemos la funcin de utilidad. 3.3. La funcin de utilidad esperada como criterio de decisin Este criterio pretende expresar las alternativas en trminos de preferencia y no en trminos monetarios, para lo cual va a utilizar aquella funcin de utilidad y riqueza para la unidad decisora. Ejemplo: U(R) = 1 e -((500 + R)/1000) La forma de operar sera: 1. Crear matriz de utilidades a partir de la matriz de resultados. Tendremos que sustituir todos los resultados en U(R) para crear la matriz de utilidades. 2. Ponderamos los resultados de cada alternativa por la probabilidad ocurrencia de cada uno de los estados de la naturaleza. 3. Seleccionar la alternativa que nos de una mayor utilidad esperada. Ejemplo: U(R) = 1 e -((500 + R)/1000) y esta matriz de resultados Probabilidad Ej Ai A1 A2 A3 A4 0,1 E1 150 50 -50 -150 0,3 E2 150 300 200 100 0,4 E3 150 300 450 350 0,2 E4 150 300 450 600

www.causak.org

causak@sion.com

Entonces sustituyendo los resultados en la funcin de utilidad por R, obtenemos la matriz de utilidades (tambin multiplicado por su probabilidad) Ej A1 A2 A3 A4 E1 0.48 0.42 0.36 0.3 E2 0.48 0.55 0.5 0.45 E3 0.48 0.55 0.61 0.57 E4 0.48 0.55 0.61 0.67

NOTA: Solo si el individuo es neutral al riesgo coinciden VEM, POE, y la utilidad esperada. Todo decisor tendr su propia funcin de utilidad, vamos a admitir una serie de propiedades validas para cada funcin de utilidad. Caractersticas:
1.

Siempre es funcin creciente, a medida que aumenta la riqueza, aumenta su utilidad. Si un decisor prefiere el resultado R1 al R2 necesariamente se a de cumplir que U(R1) > U(R2) si R1 es indiferente a R2 U(R1) = U(R2); y si prefiere R2 a R1 U(R1) < U(R2).

2. Si un individuo est indiferente entre 2 alternativas posibles: a) Recibir una cantidad cierta y/o segura R b) Recibir una cantidad cierta con R1 con probabilidad = P R2 con probabilidad 1- P U(R) = P * U(R1) + (1 P) * U(R2) 3. Una vez constituida la funcin de utilidad podemos utilizar cualquier transformacin lineal de la misma llegando a la misma solucin optima. 3.3.1. Obtencin de la funcin de utilidad Equivalente Monetario Cierto (EMC); ser aquella cantidad cierta que el decisor va a exigir por renunciar a recibir una determinada cantidad condicionada, por tanto, el EMC puede entenderse como una estimacin objetiva del VEM. Anverso EMC < VEM Neutral EMC = VEM Propenso EMC > VEM

www.causak.org

causak@sion.com

Comparamos el VEM y la utilidad esperada para ver la actitud ante el riesgo del decisor. Cmo se construye la funcin de utilidad? 1. Definimos los extremos de riqueza para los cuales quedar definido nuestra funcin de utilidad. Por ejemplo, un mnimo de 1000 y un mximo de 3000 unidades monetarias. 2. A estos extremos asignaremos la utilidad 1 y 0 respectivamente, al decisor se le plantea un juego. Con EMC = 500 R Probabilidad de ocurrencia 3000 0.5 -1000 0.5 Con EMC = 1000 R 3000 -500 Probabilidad de ocurrencia 0.5 0.5

Con EMC = 0 R Probabilidad de ocurrencia 500 0.5 -1000 0.5 Luego tenemos que U(3000) = 1 y U(-1000) = 0 U(500) = 0.5 * U(3000) + 0.5 U(-1000) = 0.5 U(1000) = 0.5 * U(3000) + 0.5 U(-500) = 0.75 U(0) = 0.5 * U(500) + 0.5 * U(-1000) = 0.25 Con estos 5 puntos construimos un grfico:

www.causak.org

causak@sion.com

La prima de riesgo es aquella cantidad que estamos dispuestos a pagar o a renunciar a ganar por no participar en un determinado juego y recibir a cambio una cantidad fija. Si PR > 0 VEM* > EMC* Adverso al riesgo Si PR = 0 VEM* = EMC* Neutral al riesgo Si PR < 0 VEM* < EMC* Propenso al riesgo 3.3.2. Limitaciones 1. Los lmites asignados a la funcin de utilidad son arbitrarios; si queremos explotar los resultados obtenidos con la funcin de utilidad dentro del intervalo, a un nivel de riqueza exterior correspondiente a un punto de fuera del intervalo, probablemente los resultados sean errneos. 2. La construccin de la funcin de utilidad requiere una visin introspectiva o subjetiva por parte del decisor, por tanto, los resultados que obtengamos dependern del estado de nimo del decisor en ese momento (estado personal,...) Todo esto hace que la funcin de utilidad vare a lo largo del tiempo por la tanto la funcin deber ser revisada continuamente, no se puede crear una que nos valga para siempre. Ejemplo: (ejercicio 1 pgina 9); no se puede, no es posible que sea para siempre porque puede variar la utilidad, tiene que tener un EMC constante (no cambiara nunca de idea) es imposible que un decisor tenga siempre el mismo nivel de riesgo. 3.3.3. Representacin grfica de la funcin de utilidad

www.causak.org

causak@sion.com

Para saber que tipo de decisor tenemos: 1. Comparamos VEM* y EMC* < propenso = neutral >adverso 2. Prima de Rieo <0 propenso =0 neutral > adverso 3. Grfica (comparar Incrementos de R y de U) si es convexa propenso, si es cncava adverso y si es lineal neutral, aunque tambin puede ser una funcin de utilidad compleja (por tramos en los que varie el tipo de decisor). Resumiendo, en situaciones de riesgo VEM y POE Z = REIP = = POE* + VEM* que tienen muchos inconvenientes y solucionamos con la funcin de utilidad, la forma de operar es similar al VEM y al POE solo cambia que hay que construir una nueva matriz. Se construye de forma subjetiva (porque depende del EMC) a travs de unos juegos, creamos unos puntos, en base a la opinin del decisor (segn su estado de nimo,...) tendr un determinado EMC. 3.4. Medicin del riesgo en ausencia de la funcin de utilidad o de forma sustitutiva o complementaria de sta. En ocasiones no tenemos funcin de utilidad para medir el riesgo debemos acudir a elementos estadsticos como son:
1. 2. 3.

Varianza (2) Desviacin tpica () Coeficiente de variacin ()

2 = (Xi-X)2* Pj, siendo Xi los resultados condicionados; X = VEM de la alternativa, y Pj la probabilidad condicionada a ese estado de la naturaleza. = 2; la varianza y la desviacin tpica miden en trminos absolutos, pero el coeficiente de variacin mide en trminos relativos. = /VEM CUANDO APLIQUEMOS ESTE CRITERIO ESTAREMOS SUPONIENDO IMPLCITAMENTE QUE EL DECISOR ES ADVERSO AL RIESGO, A DEMS ESTE CRITERIO SLO SE PODR UTILIZAR CUANDO NOS ENCONTREMOS 2 ALTERNATIVAS QUE NOS PROPORCIONEN EL MISMO VEM.

www.causak.org

causak@sion.com

En este caso elegiremos aquella alternativa cuya variacin en los resultados sea menor, es decir, que tenga el menor coeficiente de variacin. Ejemplo: Sea la siguiente matriz de decisin Probabilidad Estados Altern. Comprar 5 u Comprar 10 u Comprar 15 u Comprar 20 u 0.1 Vender 5 unidades 150 50 -50 -150 0.3 Vender 10 u 150 300 200 100 0.4 Vender 15 u 150 300 450 350 0.2 Vender 20 u 150 300 450 600

VEM 1 = 150 Aunque la alternativa 3 tienen mayor VEM la 2 y la 4son= VEM 2 = 275 VEM 3 = 325 VEM 4 = 275 calcularemos el coeficiente de variacin, desviacin tpica / VEM de la alternativa. 1 = ((150 150)2 * 0.1 + (150 150)2 * 0.3 + (150 150)2 *0.4 + +(150 150)2 * 0.2) = 0 2 = 75 3 = 167.7 4 = 225 VEM Compra 5 u 150 Compra 10 u 275 Compra 15 u 325 Compra 20 u 275 0 75 167.7 225 = /VEM 0 0.27 0.516 0.81 Jerarqua 4 3 1 por >VEM 2 =Vem >

3.5. La decisin en la empresa como secuencia de decisiones. Arboles de decisin. Los arboles de decisin son una representacin grfica que nos permite obtener una visin global del problema, constituyendo por tanto una importante herramienta de trabajo.

www.causak.org
Ventajas frente a la tablas de decisin
1.

causak@sion.com

Tanto los arboles de decisin como las tablas de decisin tienen una finalidad similar, sin embargo en los arboles de decisin podemos tomar decisiones secuenciales frente a las simples que se toman en las tablas. Las decisiones simples son aquellas que constituyen la seleccin de una alternativa en un momento de tiempo determinado. Sin embargo; las secuenciales hacen referencia a decisiones que se adoptan en un momento pero que van a tener implicaciones en el resto de decisiones que se adoptan, por tanto se tratar de decisiones relacionadas.

2. Los arboles de decisin, nos permiten introducir ms de una variable no controlable (estados de la naturaleza) en el problema. Simbologa Nudos decisionales de ellos partirn las diferentes alternativas a las que se enfrente el decisor, son las variables controlables. Nudos aleatorios; recogen los distintos estados de la naturaleza. Resultados condicionados (enmarcados)