Unidad5: certidumbre, incertidumbre y riesgo en la toma de decisiones

5.1 decisiones bajo condiciones de certidumbre y mdulos aplicables en estas decisiones.

5.2 decisiones bajo condiciones de incertidumbre. Criterios de eleccin que incluyen:
criterio optimista, pesimista e intermedio. Criterio de pensar a posterior y criterio de igual
ponderacin
5.3 decisiones bajo condiciones de riesgo. Conceptos relacionados. Asignacin de
probabilidades. Criterio de valor esperado.
Ejercicios


TOMA DE DECISIONES BAJO CERTIDUMBRE


Si se pueden predecir con certeza las consecuencias de cada alternativa de accin,
entonces se tiene una tarea de toma de decisiones bajo certidumbre.

Otra manera de pensar en esto es que existe una relacin directa de causa y efecto
entre cada acto y su consecuencia. Si est lloviendo, deber llevarse un paraguas?, si
hace fro, deber llevarse un abrigo?. Ya sea que se lleve o no el paraguas o el abrigo,
las consecuencias son predecibles.

Una buena parte de las decisiones que se toman a diario cae dentro de esta categora.

En dnde comer?
En donde comprar el material de la oficina?
Algunos de los modelos o tcnicas utilizados para manejar estas decisiones son:


- Anlisis del punto de equilibrio.

- Programacin Lineal.

- Programacin de la produccin.

- Control de Inventarios.

PROGRAMACION LINEAL


Muchas decisiones de Direccin de Operaciones incluyen el intentar conseguir utilizar
los recursos de la organizacin de la manera ms efectiva posible. Los recursos
generalmente incluyen maquinarias (como los aviones), mano de obra ( como los
pilotos), dinero, tiempo y materias primas (como el combustible). estos recursos se
pueden utilizar para producir productos (como mquinas, muebles, alimentos y
vestuario) o servicios (como listas de vuelos, campaas de publicidad o decisiones de
inversin).

La programacin lineal es un mtodo determinista de anlisis para elegir la mejor entre
muchas alternativas. Cuando esta mejor alternativa incluye un conjunto coordinado de
actividades, se le puede llamar plan o programa.

Con frecuencia, seleccionar una alternativa incluye satisfacer varios criterios al mismo
tiempo.

Por ejemplo, cuando se compra una pieza de pan se tiene el criterio de frescura,
tamao, tipo (blanco, de centeno u otro), costo, rebanado o no rebanado, etc.

Se pueden adems dividir estos criterios en dos categoras: restricciones y objetivo.

Las restricciones son las condiciones que debe satisfacer una solucin que est bajo
consideracin.

Si ms de una alternativa satisface todas las restricciones, el objetivo se usa para
seleccionar entre todas las alternativas factibles.

Cuando se elige una pieza de pan, puede quererse un kilo de pan blanco rebanado y
hecho en el da. Si varias marcas satisfacen estas restricciones, puede aplicarse el
objetivo de un costo mnimo y escoger el ms barato.

Existen muchos problemas administrativos que se ajustan a este modelo de tratar de
minimizar o maximizar un objetivo que est sujeto a una lista de restricciones.
- Un corredor de inversiones, por ejemplo, trata de maximizar el rendimiento
sobre los fondos invertidos pero las posibles inversiones estn restringidas por
las leyes y las polticas bancarias.
- Un hospital debe planear que las comidas para los pacientes satisfagan ciertas
restricciones sobre sabor, propiedades nutritivas, tipo y variedad, al mismo
tiempo que se trata de minimizar el costo.
- Un fabricante, al planear la produccin futura, busca un costo mnimo al mismo
tiempo cmo cumplir restricciones sobre la demanda del producto, la
capacidad de produccin, los inventarios, el nivel de empleados y la tecnologa.

La programacin lineal es una tcnica determinista, no incluye
probabilidades. El objetivo y cada una de las restricciones se deben expresar
como una relacin lineal, de ah el nombre de programacin lineal.

Todos los problemas de PL (Programacin Lineal) tienen cuatro propiedades en comn:

1. Los problemas de PL buscan maximizar o minimizar una cantidad (generalmente
beneficios o costos). Nos referimos a ello como la Funcin Objetivo de un PL. El
principal objetivo de una empresa tipo es aximizar los beneficios a largo plazo. En
el caso de un sistema de distribucin, el objetivo puede ser minimizar los costos de
transporte.
2. La presencia de restricciones limita el grado en que podemos perseguir el objetivo.
Por ejemplo, decidir cuntas unidades se deben fabricar para una lnea de
productos de una empresa est restringido por la disponibilidad de horas de mano
de obra y mquinas. Se quiere por tanto, maximizar o minimizar una cantidad
(funcin objetivo) sujeta a las limitaciones de recursos (restricciones).
3. Deben existir diferentes alternativas donde poder elegir. Por ejemplo, si una
empresa fabrica tres productos, los directivos pueden utilizar PL para decidir cmo
asignar entre ellos sus recursos de produccin limitados (trabajo, mquinas y
dems). Si no existen alternativas evidentes que seleccionar, no necesitaremos la
PL.
4. La funcin objetivo y las restricciones de un PL deben ser expresadas en trminos
de ecuaciones lineales o inecuaciones.


Una de las aplicaciones ms comunes de la programacin lineal es el problema del plan
de produccin. Do o ms productos se fabrican con recursos limitados. La empresa
desea saber cuntas unidades deben fabricarse de cada producto, maximizando los
beneficios globales y teniendo en cuenta las limitaciones de recursos.


TOMA DE DECISIONES BAJO INCERTIDUMBRE

En los procesos de decisin bajo incertidumbre, el decisor conoce cules son los posibles
estados de la naturaleza, aunque no dispone de informacin alguna sobre cul de ellos
ocurrir. No slo es incapaz de predecir el estado real que se presentar, sino que adems
no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto excluye el
conocimiento de informacin de tipo probabilstico sobre las posibilidades de ocurrencia
de cada estado.

REGLAS DE DECISIN

A continuacin se describen las diferentes reglas de decisin en ambiente de
incertidumbre, y que sern sucesivamente aplicadas al ejemplo de construccin del hotel.


Criterio de Wald

Criterio Maximax

Criterio de Hurwicz

Criterio de Savage

Criterio de Laplace

CRITERIO DE LAPLACE

Este criterio, propuesto por Laplace en 1825, est basado en el principio de razn
insuficiente: como a priori no existe ninguna razn para suponer que un estado se puede
presentar antes que los dems, podemos considerar que todos los estados tienen la
misma probabilidad de ocurrencia, es decir, la ausencia de conocimiento sobre el estado
de la naturaleza equivale a afirmar que todos los estados son equiprobables. As, para un
problema de decisin con n posibles estados de la naturaleza, asignaramos probabilidad
1/n a cada uno de ellos.

La regla de Laplace selecciona como alternativa ptima aquella que proporciona un mayor
resultado esperado:

( )
)
`

=
n
j
j i i
e a x
n
a mx
1
,
1
_


EJEMPLO

Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra los resultados
esperados para cada una de las alternativas.

Alternativas
Terreno
comprado
Estados de la Naturaleza

Aeropuerto en A Aeropuerto en B
Resultado
esperado
A 13 -12 0.5
B -8 11 1.5
A y B 5 -1 2
Ninguno 0 0 0

En este caso, cada estado de la naturaleza tendra probabilidad ocurrencia 1/2. El
resultado esperado mximo se obtiene para la tercera alternativa, por lo que la decisin
ptima segn el criterio de Laplace sera comprar ambas parcelas.
CRTICA

La objecin que se suele hacer al criterio de Laplace es la siguiente: ante una misma
realidad, pueden tenerse distintas probabilidades, segn los casos que se
consideren. Por ejemplo, una partcula puede moverse o no moverse, por lo que la
probabilidad de no moverse es 1/2. En cambio, tambin puede considerarse de la
siguiente forma: una partcula puede moverse a la derecha, moverse a la izquierda o no
moverse, por lo que la probabilidad de no moverse es 1/3.
Desde un punto de vista prctico, la dificultad de aplicacin de este criterio reside en la
necesidad de elaboracin de una lista exhaustiva y mutuamente excluyente de todos los
posibles estados de la naturaleza.
Por otra parte, al ser un criterio basado en el concepto de valor esperado, su
funcionamiento debe ser correcto tras sucesivas repeticiones del proceso de toma de
decisiones. Sin embargo, en aquellos casos en que la eleccin slo va a realizarse una vez,
puede conducir a decisiones poco acertadas si la distribucin de resultados presenta una
gran dispersin, como se muestra en la siguiente tabla:


Estados de la Naturaleza

Alternativas
e
1
e
2

Resultado
esperado
a
1
15000 -5000 5000
a
2
5000 4000 4500

Este criterio seleccionara la alternativa a
1
, que puede ser poco conveniente si la toma de
decisiones se realiza una nica vez, ya que podra conducirnos a una prdida elevada
CRITERIO DE WALD

Este es el criterio ms conservador ya que est basado en lograr lo mejor de las peores
condiciones posibles. esto es, si el resultado x(a
i
, e
j
) representa prdida para el decisor,
entonces, para a
i
la peor prdida independientemente de lo que e
j
pueda ser, es mx e
j
{
x(a
i
, e
j
) }. El criterio minimax elige entonces la accin a
i
asociada a :

{ } ) , ( _
j i e a i
e a x mx mn a Elegir
j i
=

En una forma similar, si x(a
i
, e
j
) representa la ganancia, el criterio elige la accin a
i

asociada a :

{ } ) , ( _
j i e a i
e a x mn mx a Elegir
j i
=

Este criterio recibe el nombre de criterio maximin, y corresponde a un pensamiento
pesimista, pues razona sobre lo peor que le puede ocurrir al decisor cuando elige una
alternativa.

EJEMPLO

Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de seguridad de las diferentes alternativas:

Alternativas
Terreno comprado
Estados de la Naturaleza

Aeropuerto en A Aeropuerto en B
s
i

A 13 - 12 -12
B - 8 11 -8
A y B 5 - 1 -1
Ninguno 0 0 0

La alternativa ptima segn el criterio de Wald sera no comprar ninguno de los terrenos,
pues proporciona el mayor de los niveles de seguridad.

CRTICA

En ocasiones, el criterio de Wald puede conducir a decisiones poco adecuadas. Por
ejemplo, consideremos la siguiente tabla de decisin, en la que se muestran los niveles de
seguridad de las diferentes alternativas.


Estados de la Naturaleza

Alternativas
e
1
e
2

s
i

a
1
1000 99 99
a
2
100 100 100

El criterio de Wald seleccionara la alternativa a
2
, aunque lo ms razonable parece ser
elegir la alternativa a
1
, ya que en el caso ms favorable proporciona una recompensa
mucho mayor, mientras que en el caso ms desfavorable la recompensa es similar.
CRITERIO DE HURWICZ

Este criterio representa un intervalo de actitudes desde la ms optimista hasta la ms
pesimista. En las condiciones ms optimistas se elegira la accin que proporcione el mx
a
i
mx e
j
{ x(a
i
, e
j
) }. Se supone que x(a
i
, e
j
), representa la ganancia o beneficio. De igual
manera, en las condiciones ms pesimistas, la accin elegida corresponde a mx a
i
mn e
j

{ x(a
i
, e
j
) }. El criterio de Hurwicz da un balance entre el optimismo extremo y el pesimismo
extremo ponderando las dos condiciones anteriores por los pesos respectivos o y (1- o),
donde 0 o 1. Esto es, si x(a
i
, e
j
) representa beneficio, seleccione la accin que
proporcione:

{ } ) , ( ) 1 ( ) , (
j i e j i e a
e a x mn e a x mx mx
j j i
o o +

Para el caso donde x(a
i
, e
j
) representa un costo, el criterio selecciona la accin que
proporciona:

{ } ) , ( ) 1 ( ) , (
j i e j i e a
e a x mx e a x mn mn
j j i
o o +


El parmetro o se conoce como ndice de optimismo: cuando o = 1, el criterio es
demasiado optimista; cuando o = 0, es demasiado pesimista . Un valor de o entre cero y
uno puede ser seleccionado dependiendo de si el decisor tiende hacia el pesimismo o al
optimismo. En ausencia de una sensacin fuerte de una circunstancia u otra, un valor
de o = 1/2 parece ser una seleccin razonable.

EJEMPLO

Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con la media ponderada de los niveles de optimismo y
pesimismo de las diferentes alternativas para un valor a = 0.4:

Alternativas
Terreno
comprado
Estados de la Naturaleza

Aeropuerto en A Aeropuerto en B
mne
i
mxe
i

S(a
i
)
A 13 -12 -12 13 -2
B -8 11 -8 11 -0.4
A y B 5 -1 -1 5 1.4
Ninguno 0 0 0 0 0

La alternativa ptima segn el criterio de Hurwicz sera comprar las parcelas A y B, pues
proporciona la mayor de las medias ponderadas para el valor de a seleccionado.
CRITERIO DE SAVAGE

En 1951 Savage argumenta que al utilizar los valores x
ij
para realizar la eleccin, el decisor
compara el resultado de una alternativa bajo un estado de la naturaleza con todos los
dems resultados, independientemente del estado de la naturaleza bajo el que ocurran.
Sin embargo, el estado de la naturaleza no es controlable por el decisor, por lo que el
resultado de una alternativa slo debera ser comparado con los resultados de las
dems alternativas bajo el mismo estado de la naturaleza.
Con este propsito Savage define el concepto de prdida relativa o prdida de
oportunidad r
ij
asociada a un resultado x
ij
como la diferencia entre el resultado de la
mejor alternativa dado que e
j
es el verdadero estado de la naturaleza y el resultado de la
alternativa a
i
bajo el estado e
j
:



As, si el verdadero estado en que se presenta la naturaleza es e
j
y el decisor elige la
alternativa a
i
que proporciona el mximo resultado x
ij
, entonces no ha dejado de ganar
nada, pero si elige otra alternativa cualquiera a
r
, entonces obtendra como ganancia x
rj
y
dejara de ganar x
ij
-x
rj
.
Savage propone seleccionar la alternativa que proporcione la menor de las mayores
prdidas relativas, es decir, si se define r
i
como la mayor prdida que puede obtenerse al
seleccionar la alternativa a
i
,



el criterio de Savage resulta ser el siguiente:




Conviene destacar que, como paso previo a la aplicacin de este criterio, se debe calcular
la matriz de prdidas relativas, formada por los elementos r
ij
. Cada columna de esta matriz
se obtiene calculando la diferencia entre el valor mximo de esa columna y cada uno de
los valores que aparecen en ella.
Observe que si x(a
i
, e
j
) es una funcin de beneficio o de prdida, la matriz de prdidas
relativas, formada por los elementos r
ij
representa en ambos casos prdidas. Por
consiguiente, nicamente el criterio minimax ( y no el maximin) puede ser aplicado a la
matriz de deploracin r.

EJEMPLO

Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra la matriz de
prdidas relativas y el mnimo de stas para cada una de las alternativas.

Alternativas
Terreno
comprado
Estados de la Naturaleza

Aeropuerto en A Aeropuerto en B
r
i

A 0 23 23
B 21 0 21
A y B 8 12 12
Ninguno 13 11 13

El mayor resultado situado en la columna 1 de la tabla de decisin original es 13; al restar
a esta cantidad cada uno de los valores de esa columna se obtienen las prdidas relativas
bajo el estado de la naturaleza Aeropuerto en A. De la misma forma, el mximo de la
columna 2 en la tabla original es 11; restando a esta cantidad cada uno de los valores de
esa columna se obtienen los elementos r
ij
correspondientes al estado de la naturaleza
Aeropuerto en B. Como puede observarse, el valor r
i
menor se obtiene para la tercera
alternativa, por lo que la decisin ptima segn el criterio de Savage sera comprar ambas
parcelas.

CRTICA

El criterio de Savage puede dar lugar en ocasiones a decisiones poco razonables. Para
comprobarlo, consideremos la siguiente tabla de resultados:

Estados de la
Naturaleza
Alternativas
e
1
e
2

a
1
9 2
a
2
4 6

La tabla de prdidas relativas correspondiente a esta tabla de resultados es la siguiente:
Estados de la Naturaleza
Alternativas
e
1
e
2

r
i

a
1
0 4 4
a
2
5 0 5

La alternativa ptima es a
1
. Supongamos ahora que se aade una alternativa, dando lugar
a la siguiente tabla de resultados:

Estados de la
Naturaleza
Alternativas
e
1
e
2

a
1
9 2
a
2
4 6
a
3
3 9

La nueva tabla de prdidas relativas sera:
Estados de la Naturaleza
Alternativas
e
1
e
2

r
i

a
1
0 7 7
a
2
5 3 5
a
3
6 0 6

El criterio de Savage selecciona ahora como alternativa ptima a
2
, cuando antes
seleccion a
1
. Este cambio de alternativa resulta un poco paradjico: supongamos que a
una persona se le da a elegir entre peras y manzanas, y prefiere peras. Si posteriormente
se la da a elegir entre peras, manzanas y naranjas, esto equivaldra a decir que ahora
prefiere manzanas.

TOMA DE DECISIONES BAJO RIESGO:
Esta situacin se aproxima bastante ms que la anterior a las situaciones habituales en la
empresa. El decisor, bien porque se ha procurado informacin, bien por su experiencia,
puede asignar probabilidades a los estados de la naturaleza de los que depende la
efectividad de su decisin. De esta forma, puede valorar, al menos asocindolos a una
probabilidad, los resultados promedio de sus decisiones. Por supuesto, que eso sea
suficiente para tomar una decisin depende de los criterios que se definan para tomarla.

TOMA DE DECISIN BAJO RIESGO
En el proceso de toma de decisiones bajo riesgo, hay varios resultados posibles para cada
alternativa, y quien toma las decisiones conoce la probabilidad de que cada uno de estos
resultados ocurra.
Los diferentes criterios de decisin en ambiente de riesgo se basan en estadsticos asociados
a la distribucin de probabilidad de los resultados. Algunos de estos criterios se aplican
sobre la totalidad de las alternativas, mientras que otros slo tienen en cuenta un
subconjunto de ellas, considerando las restantes peores, por lo no que estn presentes en el
proceso de toma de decisiones.
Representaremos por R(ai) los resultados asociados a la alternativa ai, y por P(ai) la
distribucin de probabilidad correspondiente a tales resultados, esto es, el conjunto de
valores que representan las probabilidades de ocurrencia de los diferentes estados de la
naturaleza:



Los principales criterios de decisin empleados sobre tablas de decisin en ambiente de
riesgo son:

Criterio del valor esperado
Criterio de la mnima varianza con media acotada
Criterio de la media con varianza acotada
Criterio de la dispersin
Criterio de la probabilidad mxima

Todos estos criterios sern aplicados al problema de decisin bajo riesgo cuya tabla de
resultados figura a continuacin:


Criterio del valor esperado

El resultado o valor esperado para la alternativa ai, que notaremos E[R(ai)], viene dado por:


Por lo que el criterio del valor esperado resulta ser:


Obsrvese que esta regla de decisin es una generalizacin del criterio de Laplace en la que
desaparece el requisito de probabilidad para los diferentes estados de la naturaleza.


Ejemplo
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra el
resultado esperado para cada una de las alternativas.



La alternativa ptima segn el criterio del valor esperado sera a2, pues proporciona el
mximo de los valores esperados.

Criterio de mnima varianza con media acotada.
Para la utilizacin de este criterio se consideran exclusivamente las alternativas a cuyo
valor esperado E[R(a)] sea mayor o igual que una constante K fijada por el decisor. Para
cada una de las alternativas ai que cumpla esta condicin se determina la varianza V[R(ai)]
de sus resultados,



y se selecciona la que presente menor varianza, de esta forma se consigue la eleccin de
una alternativa con poca variabilidad en sus resultados y que proporciona, por trmino
medio, un resultado no demasiado pequeo. En resumen, el criterio de mnima varianza con
media acotada es el siguiente:


Ejemplo
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra el
resultado esperado y su varianza para cada una de las alternativas.



Si el decisor selecciona un valor 10 para la constante K, quedara excluida del proceso de
decisin la alternativa a3, que es la que posee menor varianza. Excluida sta, la eleccin
ptima corresponde a la alternativa a1, pues es la que posee menor varianza entre las que
cumplen la condicin E[R(ai) ]
10.

Criterio de la media con varianza acotada.
Para la utilizacin de este criterio se consideran exclusivamente las alternativas a cuya
varianza V[R(a)] sea menor o igual que una constante K fijada por l decisor. Para cada una
de las alternativas ai que cumpla esta condicin se determina el valor esperado E[R(ai)] de
sus resultados,



Y se selecciona la que presente mayor valor esperado, de esta forma se consigue la eleccin
de una alternativa con poca variabilidad en sus resultados y que proporciona, por trmino
medio, un buen resultado. En resumen, el criterio de la media con varianza acotada es el
siguiente:



Ejemplo:
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra el
resultado esperado y su varianza para cada una de las alternativas.



Si el decisor selecciona un valor 20 para la constante K, quedara excluida del proceso de
decisin la alternativa a2, que es la que posee mayor valor esperado.
Excluida sta, la eleccin ptima corresponde a la alternativa a1, pues es la que posee
mayor valor esperado entre las que cumplen la condicin V.

Criterio de dispersin
Para cada alternativa ai se calcula el siguiente valor medio corregido:

donde K es una valor fijado por el decisor, y se selecciona la de mayor valor resultante. De
esta forma se consigue limitar la influencia de alternativas con un valor esperado grande,
pero tambin alta variabilidad. Por tanto, el criterio de dispersin puede resumirse de la
siguiente forma:

Ejemplo:
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra, para
cada una de las alternativas, el valor esperado, la varianza y el valor esperado corregido
correspondiente a un factor K=2.


La alternativa ptima segn el criterio de dispersin sera a1, pues proporciona el mximo
de los valores corregidos.

Criterio de la probabilidad mxima.
Para cada alternativa ai se determina la probabilidad de que la variable aleatoria que
proporciona el resultado tome un valor mayor o igual que una constante K fijada por el
decisor:



y se selecciona aquella alternativa con mayor probabilidad asociada. Por tanto, el criterio de
probabilidad mxima puede resumirse de la siguiente forma:

Ejemplo:
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra, para
cada una de las alternativas, la probabilidad de que el resultado sea mayor o igual que
K=10.



Para la alternativa a1, slo los resultados correspondientes a los estados e1 y e3 superan el
valor 10, siendo sus probabilidades asociadas 0.2 y 0.5; sumando ambas se obtienen la
probabilidad de obtener un resultado mayor o igual que 10 para la alternativa a1. De manera
anloga se determinan las restantes probabilidades. La alternativa ptima segn este criterio
sera a3, pues proporciona la probabilidad ms alta.