Unidad 3 Teoría de Decisiones

INSTITUTO TECNOLOGICO DE TUXTLA
GUTIERREZ
INSTITUTO TECNNOLOGICO DE TUXTLA GUTIERREZ

INGENIERIA INDUSTRIAL
INVESTIGACION DE OPERACIONES II
TITULO: UNIDAD 3 TEORIA DE DECISIONES
DESARROLLADO POR:
Manuel de Jess Rosales Reyes
PROFESOR: Ing. Jorge Antonio Orozco Torres

Ing. Atanasio Chan Hernndez
Fecha de entrega: 30/07/2015
Contenido
UNIDAD 3 TEORA DE DECISIONES......................................................................3
CONCEPTOS:.................................................................................................... 3
PARTES DE LA TEORA...................................................................................... 3
TIPOS DE DECISIN.......................................................................................... 4
ELEMENTOS DE UNA TOMA DE DECISIN........................................................4
PROCESO DE TOMA DE DECISIONES PROBABILSTICA.....................................8
TEORIA DE DECISIN SIN PROBABILIDAD........................................................9
Criterios posibles:......................................................................................... 9
ENFOQUE DEL OPTIMISTA................................................................................ 9
ENFOQUE CONSERVADOR.............................................................................. 10
TEORIA DE DECISIN CON PROBABILIDAD.....................................................10
REGLA DE DECISIN DE BAYERS....................................................................10
LIMITACIONES DEL VALOR ESPERADO............................................................11
INFORMACION PERFECTA CON EL VALOR ESPERADO.....................................12
EL VALOR ESPERADO AL CONTAR CON INFORMACION PERFECTA..................12
CONCEPTO..................................................................................................... 13
CMO DIBUJAR UN RBOL DE DECISIONES....................................................15
EVALUAR LOS RBOLES................................................................................. 17
CALCULAR LOS VALORES DE LOS RBOLES...................................................17
CALCULAR EL VALOR DE LOS NODOS DE INCERTIDUMBRE............................17
CALCULAR EL VALOR DE LOS NODOS DE DECISIN.......................................18
CUL ES EL RESULTADO................................................................................. 18
LA UTILIDAD MARGINAL................................................................................. 19
TEORA DE LA UTILIDAD................................................................................. 20
ENFOQUE CARDINAL...................................................................................... 21
TIPOS DE UTILIDAD........................................................................................ 22
Utilidad Total. (Utx)..................................................................................... 22
Utilidad Promedio (Upx).............................................................................. 22
Utilidad marginal (Umx):............................................................................. 23
EJEMPLO DE UNA DECISION SECUENCIAL.......................................................25
VENTAJAS Y DESVENTAJAS.............................................................................. 27
OBJETIVO PRINCIPAL DEL ANLISIS DE SENSIBILIDAD....................................29
EJERCICIO PROPUESTO................................................................................... 29
2
EJERCICIO RESUELTO TEORA DE DECISIONES...............................................30

CRITERIO VALOR ESPERADO..........................................................................37
BIBLIOGRAFIA................................................................................................. 39
UNIDAD 3 TEORA DE DECISIONES.

CONCEPTOS:
Pasamos de una toma de decisiones instintivas, a procesos que deben estar
conducidos por un pensamiento racional. La Teora de la Decisin trata del estudio
de los procesos de toma de decisiones desde una perspectiva racional. La
decisin es un verdadero proceso de reflexin y, como tal, racional y consciente,
deliberado y deliberativo.
La teora de la decisin es una rea interdisciplinaria de estudio, relacionada con
casi todos los participantes en ramas de la ciencia, ingeniera principalmente la
psicologa del consumidor (basados en perspectivas cognitivo-conductuales).
Concierne a la forma y al estudio del comportamiento y fenmenos psquicos de
aquellos que toman las decisiones (reales o ficticios), as como las condiciones por
las que deben ser tomadas las decisiones ptimas.
PARTES DE LA TEORA.
Se pueden distinguir, dentro de la teora de la decisin:
1.
La teora de la decisin normativa o prescriptiva, que busca los criterios
racionales de la decisin as como las motivaciones humanas en diferentes
situaciones.
2.
La teora de la decisin descriptiva, que se trata de explicar el
comportamiento de quien toma decisiones en situaciones reales, con informacin
imperfecta.
La mayor parte de la teora de la decisin es normativa o prescriptiva, es decir
concierne a la identificacin de la mejor decisin que pueda ser tomada,
asumiendo que una persona que tenga que tomar decisiones (decisin maker) sea
capaz de estar en un entorno de completa informacin, capaz de calcular con
precisin y completamente racional. La aplicacin prctica de esta aproximacin
prescriptiva (de como la gente debera hacer y tomar decisiones) se denomina
anlisis de la decisin y proporciona una bsqueda de herramientas, metodologas
y software para ayudar a las personas a tomar mejores decisiones.
TIPOS DE DECISIN.
Existen tipos de decisin que son interesantes desde el punto de vista del
desarrollo de una teora, estos son:
Decisin sin riesgo entre mercancas inconmensurables (mercancas que

no pueden ser medidas bajo las mismas unidades)
Eleccin bajo impredecibilidad
Eleccin intertemporal - estudio del valor relativo que la gente asigna a dos
o ms bienes en diferentes momentos del tiempo
Decisiones sociales: decisiones tomadas en grupo o bajo una estructura

organizativa.
La toma de decisiones es el proceso mediante el cual se realiza una eleccin entre
las alternativas o formas para resolver diferentes situaciones de la vida, estas se
pueden presentar en diferentes contextos: a nivel laboral, familiar, sentimental,
empresarial (utilizando metodologas cuantitativas que brinda la administracin),
etc., es decir, en todo momento se toman decisiones, la diferencia entre cada una
de estas es el proceso o la forma en la cual se llega a ellas. La toma de decisiones
consiste, bsicamente, en elegir una alternativa entre las disponibles, a los efectos
de resolver un problema actual o potencial.
Para tomar una decisin, no importa su naturaleza, es necesario conocer,
comprender, analizar un problema, para as poder darle solucin; en algunos
casos por ser tan simples y cotidianos, este proceso se realiza de forma implcita y
se soluciona muy rpidamente, pero existen otros casos en los cuales las
consecuencias de una mala o buena eleccin puede tener repercusiones en la
vida y si es en un contexto laboral en el xito o fracaso de la organizacin, para los
cuales es necesario realizar un proceso ms estructurado que puede dar ms
seguridad e informacin para resolver el problema.
Una decisin ser buena o mala despus de haberla tomado
ELEMENTOS DE UNA TOMA DE DECISIN

El decisor (TD): Es el encargado de realizar la seleccin de alternativas de la
mejor manera, en funcin de sus objetivos
Las alternativas o cursos de accin: son las diferentes formas de actuar posibles:
el TD deber seleccionar una de ellas. Es importante tener en cuenta que estas
alternativas deben ser excluyentes entre s.
Los estados de la naturaleza: son las variables no controlables por el TD. Son
eventos futuros que influyen en el proceso de decisin, pero que no pueden ser
controladas ni previstas, en su comportamiento, por el TD.
Los resultados: es lo que se obtiene ante la seleccin (la opcin) de una
alternativa determinada cuando se presenta uno de los posibles estados de la
naturaleza.
La tabla de pagos (o tablas de decisin): sirven para tratar muchos problemas de
decisin y poseen los siguientes elementos:
Los diferentes estados de la naturaleza sj (s1, s2, , sn).
Las distintas alternativas o cursos de accin, entre los cuales el TD deber

seleccionar uno aj (a1, a2,, am).
Los resultados Rij que surgen de la eleccin de la alternativa ai cuando se

presenta el estado sj
El criterio de decisin: es la especificacin de un procedimiento para identificar la
mejor alternativa en un problema de decisin.
La descripcin de los diferentes criterios de decisin que proporcionan la opcin
ptima ser realizada de acuerdo con el conocimiento que posea el TD acerca de
los estados de la naturaleza, es decir, atendiendo a la clasificacin de los procesos
de decisin: certidumbre, riesgo e incertidumbre.
1.
Cul es la meta que usted desea alcanzar?
Elija la meta que satisfaga sus "valores". Los valores deben expresarse en escala
numrica y mensurable. Esto es necesario para hallar las jerarquas entre los
valores.
Averige cual es el conjunto de cursos de accin posibles que puede tomar y

luego rena informacin confiable sobre cada uno de ellos. La informacin objetiva
sobre los cursos de accin tambin puede expandir su conjunto de alternativas.
Cuantas ms alternativas desarrolle, mejores decisiones podr tomar. Debe
convertirse en una persona creativa para expandir su conjunto de alternativas.
Pablo Picasso se dio cuenta de esto y dijo: " Todos los seres humanos nacen con
el mismo potencial de creatividad. La mayora lo derrochan en millones de cosas
superfluas. Yo invierto el mo en una sola cosa: mi arte". Las alternativas de
decisiones creativas son originales, relevantes y prcticas.
1.
Prediga el resultado de cada curso de accin individual mirando hacia el
futuro.
2.
Elija la mejor alternativa que tenga el menor riesgo involucrado en llegar a
la meta.
3.
Implemente su decisin.
Su decisin no significa nada a menos que la ponga en accin.

Las decisiones son el corazn del xito y, a veces, hay momentos crticos en que
pueden presentar dificultad, perplejidad y exasperacin.
Un gerente debe tomar muchas decisiones todos los das. Algunas de ellas son
decisiones de rutina o intrascendentes mientras que otras tienen una repercusin
drstica en las operaciones de la empresa donde trabaja.
Algunas de estas decisiones podran involucrar la ganancia o prdida de grandes
sumas de dinero o el cumplimiento o incumplimiento de la misin y las metas de la
empresa.
En este mundo cada vez ms complejo, la dificultad de las tareas de los decidores
aumenta da a da. El decidor debe responder con rapidez a los acontecimientos
que parecen ocurrir a un ritmo cada vez ms veloz.
Adems, un decidor debe asimilar a su decisin un conjunto de opciones y
consecuencias que muchas veces resultan desconcertantes. Con frecuencia, las
decisiones de rutina se toman rpidamente, quizs inconscientemente, sin
necesidad de elaborar un proceso detallado de consideracin. Sin embargo,
cuando las decisiones son complejas, crticas o importantes, es necesario tomarse
el tiempo para decidir sistemticamente.
Las decisiones crticas son las que no pueden ni deben salir mal o fracasar. Uno
debe confiar en el propio juicio y aceptar la responsabilidad. Existe una tendencia
a buscar chivos expiatorios o transferir responsabilidades.
El conocimiento es lo que sabemos. La informacin es la comunicacin de
conocimientos. En cada intercambio de conocimientos, hay un remitente y un
receptor. El remitente hace comn lo que es privado, hace la informacin, la
comunicacin. La informacin se puede clasificar como formas explcitas y tcitas.
La informacin explcita se puede explicar de forma estructurada, mientras que la
informacin tcita es inconsistente e imprecisa de explicar.
Los datos son conocidos como informacin cruda y no como conocimientos en s.

La secuencia que va desde los datos hasta el conocimiento es (observe el
siguiente cuadro): de los Datos (Data) a la Informacin (Informacin), de la
Informacin (Informacin) a los Hechos (Facts), y finalmente, de los Hechos
(Facts) al Conocimiento (Knowledge). Los datos se convierten en informacin,
cuando se hacen relevantes para la toma de decisin a un problema. La
informacin se convierte en hecho, cuando es respaldada por los datos. Los
hechos son lo que los datos revelan. Sin embargo el conocimiento instrumental es
expresado junto con un cierto grado estadstico de confianza (gl).
Los hechos se convierten en conocimiento, cuando son utilizados en la
complementacin exitosa de un proceso de decisin. Una vez que se tenga una
cantidad masiva de hechos integrados como conocimiento, entonces su mente
ser sobrehumana en el mismo sentido en que, con la escritura, la humanidad es
sobrehumana comparada a la humanidad antes de escribir. La figura siguiente
ilustra el proceso de razonamiento estadstico basado en datos para construir los
modelos estadsticos para la toma de decisin bajo incertidumbre.
De donde:
Level of Exactness of Statistical Model = Nivel de Exactitud del Modelo
Estadstico.
Level of improvements on decisin making = Nivel de Mejoramiento en la Toma de
Decisiones
La figura anterior representa el hecho que a medida que la exactitud de un modelo
estadstico aumenta, el nivel de mejoramiento en la toma de decisin aumenta.
Esta es la razn del porqu necesitamos la estadstica de negocio. La estadstica
se cre por la necesidad de poner conocimiento en una base sistemtica de la
evidencia. Esto requiri un estudio de las leyes de la probabilidad, del desarrollo
de las propiedades de medicin, relacin de datos.
La inferencia estadstica intenta determinar si alguna significancia estadstica
puede ser adjunta luego que se permita una variacin aleatoria como fuente de
error. Una inteligente y crtica inferencia no puede ser hecha por aquellos que no
entiendan el propsito, las condiciones, y la aplicabilidad de las de diversas
tcnicas para juzgar el significado.
Considerando el ambiente de la incertidumbre, la posibilidad de que las buenas
decisiones sean tomadas incrementa con la disponibilidad de la buena
informacin. El chance de la disponibilidad de la buena informacin incrementa
con el nivel de estructuracin del proceso de Direccin de Conocimiento. La figura
anterior tambin ilustra el hecho que mientras la exactitud de un modelo
estadstico aumenta, el nivel de mejora en la toma de decisiones aumenta.
Conocimiento es ms que simplemente saber algo tcnico. El conocimiento

necesita la sabidura. La sabidura es el poder de poner nuestro tiempo y nuestro
conocimiento en el uso apropiado. La sabidura viene con edad y experiencia. La
sabidura es la aplicacin exacta del conocimiento exacto. La sabidura es sobre
saber cmo algo tcnico puede ser mejor utilizado para cubrir las necesidades de
los encargados de tomar decisiones. La sabidura, por ejemplo, crea el software
estadstico que es til, ms bien que tcnicamente brillante. Por ejemplo, desde
que la Web entr en el conocimiento popular, los observadores han notado que
esto pone la informacin en nuestras manos, pero guardar la sabidura fuera de
nuestro alcance.
PROCESO DE TOMA DE DECISIONES PROBABILSTICA.

A diferencia de los procesos de toma de decisiones de terminanticas tal como,
optimizacin lineal resuelto mediante sistema de ecuaciones, sistemas
paramtricos de ecuaciones y en la toma de decisin bajo pura incertidumbre, las
variables son normalmente ms numerosas y por lo tanto ms difciles de medir y
controlar. Sin embargo, los pasos para resolverlos son los mismos. Estos son:
1.
Simplificar
2.
Construir un modelo de decisin
3.
Probar el modelo
4.
Usando el modelo para encontrar soluciones:
El modelo es una representacin simplificada de la situacin real
No necesita estar completo o exacto en todas las relaciones
Se concentra en las relaciones fundamentales e ignora las irrelevantes.
o
Este es entendido con mayor facilidad que un suceso emprico (observado),
por lo tanto permite que el problema sea resuelto con mayor facilidad y con un
mnimo de esfuerzo y prdida de tiempo.
5.
El modelo puede ser usado repetidas veces para problemas similares, y
adems puede ser ajustado y modificado.
Afortunadamente, los mtodos probabilsticos y estadsticos para el anlisis de
toma de decisiones bajo incertidumbre son ms numerosos y mucho ms
poderosos que nunca. Las computadoras hacen disponible muchos usos
prcticos. Algunos de los ejemplos de aplicaciones para negocios son los
siguientes:

Un auditor puede utilizar tcnicas de muestreo aleatorio para auditar las
cuentas por cobrar de un cliente.
Un gerente de planta puede utilizar tcnicas estadsticas de control de

calidad para asegurar la calidad de los productos con mnima inspeccin y menor
nmero de pruebas.
Un analista financiero podra usar mtodos de regresin y correlacin para

entender mejor la analoga entre los indicadores financieros y un conjunto de otras
variables de negocio.
Un analista de mercadeo podra usar pruebas de significancia para aceptar

o rechazar una hiptesis sobre un grupo de posibles compradores a los cuales la
compaa est interesada en vender sus productos.
Un gerente de ventas podra usar tcnicas estadsticas para predecir las

ventas de los prximos periodos.
TEORIA DE DECISIN SIN PROBABILIDAD.

Criterios posibles:
_ enfoque optimista
_ Enfoque Conservador
_ Enfoque minimax de arrepentimiento.
ENFOQUE DEL OPTIMISTA.

Para cada accin posible, encontrar el pago mejor sobre todos los estados
posibles de la naturaleza.
Despus, encuentre el mejor de estos pagos.
Juzga a cada alternativa de decisin en funcin del mejor pago que pueda ocurrir.
En un problema de maximizacin lleva a elegir con el mximo de los resultados
mximos.
Es un problema de minimizacin lleva a elegir la alternativa con el mnimo de los
elegir la alternativa con el mnimo de los resultados mnimos.
10
ENFOQUE CONSERVADOR.
Para cada accin posible, encontrar el peor pago sobre todos los estados posibles
de la naturaleza.
Despus, encuentre el mejor de estos pagos.
Evala cada alternativa de decisin en funcin del peor pago que pueda ocurrir.
En un problema de maximizacin lleva a elegir la alternativa que maximice la
utilidad mnima obtenible.
En un problema de minimizacin lleva a elegir la alternativa que minimice el costo
mximo obtenible.
TEORIA DE DECISIN CON PROBABILIDAD.

Para seleccionar la mejor alternativa se puede usar el criterio de Valor Esperado.
El valor esperado es la suma ponderada de los pagos correspondientes a la
alternativa de decisin.
El factor de ponderacin de cada pago es la probabilidad de ocurrencia del estado
de la naturaleza asociado a ese pago
REGLA DE DECISIN DE BAYERS.

Se usan las mejores estimaciones posibles de las probabilidades de los
respectivos estados de la naturaleza en este momento las probabilidades a priori y
se calcula el valor esperado del pago de cada accin posible.
Se elige la accin con el mximo pago esperado.
11
LIMITACIONES DEL VALOR ESPERADO.

Si las consecuencias de un resultado potencialmente desfavorable pueden
sobrellevarse sin mayores sobre saltos, el VE es un criterio razonable para la
accin.
Cuando las consecuencias de un resultado potencialmente desfavorable no se
pueden ignorarse.
La Cafetera ha estado asesorada por Mercadeo Cientfico, una firma que
propone ayudar a Amazonas a tomar una decisin acerca de que cualquiera o
ningn edificio de la planta produzca esos desperdicios y los almacene.
Mercadeo Cientfico afirma que ese anlisis tcnico podr decirle a la Cafetera
con certeza que cualquiera o ningn mercado es favorable para este producto
propuesto. En otras palabras si yo voy a cambiar este ambiente de una decisin
de mercadeo bajo un riesgo, a una decisin de mercado bajo seguridad.
Esta decisin puede prevenir a la Cafetera de cometer un gran error. Mercadeo
Cientfico podr cobrarle a la Empresa $65.000 por el trabajo y la informacin.
Qu podr usted recomendarle a la Cafetera?
Podr l emplear la firma para el estudio de mercadeo?
An si la informacin del estudio de mercadeo es perfectamente precisa,

vale la pena gastar $65.000?
Podr servir de algo?.
A travs de algunas de estas preguntas que son difciles de responder,

determinando el valor de esta Informacin Perfecta podr ser til. En esta
seccin, dos trminos relativos son investigados La informacin perfecta del valor
esperado (EVPT) y la Informacin Perfecta con el valor esperado), esas tcnicas
pueden ayudar a la Cafetera a resolver esta situacin que es la de alquilar los
servicios de consultora de mercadeo.
El valor supuesto con la informacin perfecta es la suposicin o promedio de
volverse a lo largo del camino, si nosotros tenemos una informacin perfecta antes
de tomar una decisin, en orden para calcular este valor, nosotros escogemos la
mejor alternativa para cada estado de naturaleza y multiplicamos este resultado
final las veces que ocurra la probabilidad de ocurrir el estado de naturaleza.
12
INFORMACION PERFECTA CON EL VALOR ESPERADO

La informacin perfecta del valor esperado EVPI, es el resultado esperado con la
informacin perfecta menos el resultado esperado sin la informacin perfecta es
decir, el mximo EMV. Si se pudiera contar con un predictor perfecto, se podra
seleccionar por anticipado el curso de acciono timo correspondiente a cada evento
pronosticado.
Ponderando la utilidad correspondiente a cada curso de accin ptimo por la
probabilidad de ocurrencia de cada evento se obtienen la utilidad esperada
contando con informacin perfecta UEIP. EL VEIP es la diferencia entre UEIP y
VE. Refleja el aumento en la utilidad esperada a partir de contar con un
mecanismo de prediccin perfecto.
EL VEIP puede considerarse como una medida general del impacto econmico de
la incertidumbre en el problema de decisin.
Es un indicador del valor mximo que convendra pagar por conseguir informacin
adicional antes actuar.
EL VEIP tambin da una medida de las oportunidades perdidas. Si el VEIP es
grande, es una seal para que quien toma la decisin busque otra alternativa que
no se haya considerado hasta el momento.
EL VALOR ESPERADO AL CONTAR CON INFORMACION PERFECTA.

La ganancia que se espera obtener al conocer con certeza la ocurrencia de ciertos
estados de la naturaleza se le denomina:
El valor esperado de la informacin:
Por lo tanto, la VEIP corresponde al costo de oportunidad de la decisin
seleccionada usando el criterio de la ganancia esperada.
Esta decisin es la que genera una menor perdida para el tomador de decisiones.
La estadstica Bayesiana construye un modelo a partir de informacin adicional
obtenida de diversas fuentes.
13
Esta informacin adicional mejora la probabilidad obtenida de la ocurrencia de un

determinado estado de la naturaleza y ayuda al tomador de decisiones a escoger
la mejor opcin.
CONCEPTO
rbol de decisiones: El rbol de decisiones es una representacin cronolgica del
proceso de decisin, mediante una red que utiliza dos tipos de nodos: los nodos
de decisin, representados por medio de una forma cuadrada (el nodo de
eleccin), y los nodos de estados de la naturaleza, representados por crculos (el
nodo de probabilidad). Dibuje la lgica del problema construyendo un rbol de
decisiones. Para los nodos de probabilidad asegrese de que las probabilidades
en todas las ramas salientes sumen uno. Calcule los beneficios esperados
retrocediendo en el rbol, comenzando por la derecha y trabajando hacia la
izquierda.
Un rbol de decisin es un modelo de prediccin utilizado en el mbito de la
inteligencia artificial.
Dada una base de datos se construyen 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 ocurren de forma sucesiva,
para la resolucin de un problema.
Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una
situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve
una respuesta la cual en ltimas es una decisin que es tomada a partir de las
entradas.
Los valores que pueden tomar las entradas y las salidas pueden ser valores
discretos o continuos. Se utilizan ms los valores discretos por simplicidad,
cuando se utilizan valores discretos en las funciones de una aplicacin se
denomina clasificacin y cuando se utilizan los continuos se denomina regresin.
Un rbol de decisin lleva a cabo un test a medida que este se recorre hacia las
hojas para alcanzar as una decisin. El rbol de decisin suele contener nodos
internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un
test sobre algn valor de una de las propiedades.
Un nodo de probabilidad indica que debe ocurrir un evento aleatorio de acuerdo a
la naturaleza del problema, este tipo de nodos es redondo, los dems son
cuadrados. Un nodo hoja representa el valor que devolver el rbol de decisin y
finalmente las ramas brindan los posibles caminos que se tienen de acuerdo a la
decisin tomada.
14
De forma ms concreta, refirindonos al mbito empresarial, podemos decir que

los rboles de decisin son diagramas de decisiones secuenciales nos muestran
sus posibles resultados. stos ayudan a las empresas a determinar cules son
sus opciones al mostrarles las distintas decisiones y sus resultados. La opcin que
evita una prdida o produce un beneficio extra tiene un valor. La habilidad de crear
una opcin, por lo tanto, tiene un valor que puede ser comprado o vendido.
Usted puede imaginarse el conducir de su coche, el comenzar en el pie del rbol

de la decisin y el trasladarse a la derecha a lo largo de las ramificaciones. En
cada nodo cuadrado usted tiene control, puede tomar una decisin, y da vuelta a
la rueda de su coche. En cada nodo del crculo la seora Fortuna asume el control
la rueda, y usted es impotente.
A continuacin se indica una descripcin paso a paso de cmo construir un rbol
de decisiones:
1.
Dibuje el rbol de decisiones usando cuadrados para representar las
decisiones y crculos para representar la incertidumbre.
2.
Evale el rbol de decisiones, para verificar que se han incluido todos los
resultados posibles.
3.
Calcule los valores del rbol trabajando en retroceso, del lado derecho al
izquierdo.
4.
Calcule los valores de los nodos de resultado incierto multiplicando el valor
de los resultados por su probabilidad (es decir, los valores esperados).
El rbol es una excelente ayuda para la eleccin entre varios cursos de accin.
Proveen una estructura sumamente efectiva dentro de la cual estimar cuales son
las opciones e investigar las posibles consecuencias de seleccionar cada una de
ellas. Tambin ayudan a construir una imagen balanceada de los riesgos y
recompensas asociados con cada posible curso de accin.
En resumen, los rboles de decisin proveen un mtodo efectivo para la toma de
decisiones debido a que:
- claramente plantean el problema para que todas las opciones sean analizadas.
- permiten analizar totalmente las posibles consecuencias de tomar una decisin.
- proveen un esquema para cuantificar el costo de un resultado y la probabilidad
de que suceda.
- nos ayuda a realizar las mejores decisiones sobre la base de la informacin
existente y de las mejores suposiciones.
15
16
CMO DIBUJAR UN RBOL DE DECISIONES

Para comenzar a dibujar un rbol de decisin debemos escribir cul es la decisin
que necesitamos tomar. Dibujaremos un recuadro para representar esto en la
parte izquierda de una pgina grande de papel.
Desde este recuadro se deben dibujar lneas hacia la derecha para cada posible
solucin, y escribir cul es la solucin sobre cada lnea. Se debe mantener las
lneas lo ms apartadas posibles para poder expandir tanto como se pueda el
esquema.
Al final de cada lnea se debe estimar cul puede ser el resultado. Si este
resultado es incierto, se puede dibujar un pequeo crculo. Si el resultado es otra
decisin que necesita ser tomada, se debe dibujar otro recuadro. Los recuadros
representan decisiones, y los crculos representan resultados inciertos. Se debe
escribir la decisin o el causante arriba de los cuadros o crculos. Si se completa la
solucin al final de la lnea, se puede dejar en blanco.
Comenzando por los recuadros de una nueva decisin en el diagrama, dibujar
lneas que salgan representando las opciones que podemos seleccionar. Desde
los crculos se deben dibujar lneas que representen las posibles consecuencias.
Nuevamente se debe hacer una pequea inscripcin sobre las lneas que digan
que significan. Seguir realizando esto hasta que tengamos dibujado tantas
consecuencias y decisiones como sea posible ver asociadas a la decisin original.
Podemos calcular el valor de un nodo del rbol cuando tenemos el valor de todos
los nodos que siguen. El valor de un nodo de eleccin es el valor ms alto de
todos los nodos que le siguen inmediatamente. El valor de un nodo de
probabilidad es el valor esperado de los valores de los nodos que le siguen,
usando la probabilidad de los arcos. Retrocediendo en el rbol, desde las ramas
hacia la raz, se puede calcular el valor de todos los nodos, incluida la raz del
rbol. Al poner estos resultados numricos en el rbol de decisiones obtenemos
como resultado el siguiente grfico:
rbol de decisiones tpicas

No Consultant = Sin consultor;
$500 fee = $500 por honorarios;
Hire Consultant = Contratar consultor
17
Determine la mejor decisin con el rbol partiendo de la raz y avanzando.

Del rbol de decisiones surge que nuestra decisin es la siguiente:
Contratar al consultor y luego aguardar su informe.
Si el informe predice muchas ventas o ventas medias, entonces producir el
producto.
De lo contrario, no producirlo.
Verifique la eficiencia del consultor (%) calculando el ndice: (Beneficio esperado
recurriendo al consultor {monto en $}) / VEIP. El beneficio esperado recurriendo al
consultor surge del grfico como
BE = 1000 - 500 = 500, mientras que VEIP = 0,2(3000) + 0,5(2000) + 0,3(0) =
1600.
Por lo tanto, la eficiencia de este consultor es: 500/1600 = 31%
Como trabajo domiciliario rehaga este problema con distribucin previa plana, es
decir, trabajando slo con las recomendaciones de la firma de marketing. Trabajar
con distribucin previa plana significa que asigna igual probabilidad, a diferencia
de (0,2, 0,5, 0,3). Es decir, el dueo del problema no conoce el nivel de ventas si
introduce el producto al mercado.
El Impacto de una Probabilidad Previa y la Matriz de Confiabilidad en sus
Decisiones: Para estudiar cun importante es su conocimiento previo y/ o la
precisin de la informacin esperada de los consultores en sus decisiones, le
sugiero que realice de nuevo el ejemplo numrico anterior aplicando anlisis de
sensibilidad. Usted podra comenzar con el siguiente caso extremo e interesante
usando este Java Script para los clculos necesarios:
Considere una prioridad plana, sin cambiar la matriz de confiabilidad.
o
Considera Ana matriz de confiabilidad perfecta (es decir, con una matriz de
identidad), sin cambiar la prioridad.
o
Considere una prioridad perfecta, sin cambiar la matriz de confiabilidad.
o
Considera una matriz de confiabilidad plana (es decir, con todos los
elementos iguales), sin cambiar la prioridad.
o
Considere la prediccin de probabilidades de los consultores como su
propia prioridad, sin cambiar la matriz de confiabilidad.
18
EVALUAR LOS RBOLES

Ahora ya estamos en condicin de evaluar un rbol de decisiones. Aqu es cuando
podemos analizar cul opcin tiene el mayor valor para nosotros. Comencemos
por asignar un costo o puntaje a cada posible resultado - cunto creemos que
podra ser el valor para nosotros si estos resultados ocurren.
Luego, debemos ver cada uno de los crculos (que representan puntos de
incertidumbre) y estimar la probabilidad de cada resultado. Si utilizamos
porcentajes, el total debe sumar 100%. Si utilizamos fracciones, estas deberan
sumar 1. Si tenemos algn tipo de informacin basada en eventos del pasado,
quizs estemos en mejores condiciones de hacer estimaciones ms rigurosas
sobre las probabilidades. De otra forma, debemos realizar nuestra mejor
suposicin.
CALCULAR LOS VALORES DE LOS RBOLES

Una vez que calculamos el valor de cada uno de los resultados, y hemos evaluado
la probabilidad de que ocurran las consecuencias inciertas, ya es momento de
calcular el valor que nos ayudar a tomar nuestras decisiones.
Comenzamos por la derecha del rbol de decisin, y recorremos el mismo hacia la
izquierda. Cuando completamos un conjunto de clculos en un nodo (cuadro de
decisin o crculo de incertidumbre), todo lo que necesitamos hacer es anotar el
resultado. Podemos ignorar todos los clculos que llevan a ese resultado.
CALCULAR EL VALOR DE LOS NODOS DE INCERTIDUMBRE

Cuando vayamos a calcular el valor para resultados inciertos (los crculos),
debemos hacerlo multiplicando el costo de estos resultados por la probabilidad de
que se produzcan. El total para esos nodos del rbol lo constituye la suma de
todos estos valores. En este ejemplo, el valor para "Producto Nuevo, Desarrollo
Meticuloso" es:
0,4 (probabilidad de un resultado bueno) x $500.000 (costo) $ 200.000

19
0,4 (probabilidad de un resultado moderado) x $25.000 (costo) $ 10.000

0,2 (probabilidad de un resultado pobre) x $1.000 (costo) $ 200
Total: $ 210.200
Colocamos el valor calculado para cada nodo en un recuadro.
CALCULAR EL VALOR DE LOS NODOS DE DECISIN

Cuando evaluamos los nodos de decisin, debemos escribir el costo de la opcin
sobre cada lnea de decisin. Luego, debemos calcular el costo total basado en
los valores de los resultados que ya hemos calculado. Esto nos dar un valor que
representa el beneficio de tal decisin.
Hay que tener en cuenta que la cantidad ya gastada no cuenta en este anlisis estos son costos ya perdidos y (a pesar de los argumentos que pueda tener un
contador) no deberan ser imputados a las decisiones.
Cuando ya hayamos calculado los beneficios de estas decisiones, deberemos
elegir la opcin que tiene el beneficio ms importante, y tomar a este como la
decisin tomada. Este es el valor de este nodo de decisin.
En este ejemplo, el beneficio que hemos calculado previamente para "Nuevo
Producto, Desarrollo Meticuloso" fue $210.000. Luego, estimamos el futuro costo
aproximado de esta decisin como $75.000. Esto da un beneficio neto de
$135.000.
El beneficio neto de "Nuevo Producto, Desarrollo Rpido" es $15.700. En esta
rama por consiguiente seleccionamos la opcin de mayor valor, "Nuevo Producto,
Desarrollo Meticuloso", y escribimos ese valor en el nodo de decisin.
CUL ES EL RESULTADO
Realizando este anlisis podemos ver que la mejor opcin es el desarrollo de un
nuevo producto. Es mucho ms valiosos para nosotros que tomemos suficiente
tiempo para registrar el producto antes que apurarnos a sacarlo rpidamente al
mercado. Es preferible el mejorar nuestros productos ya desarrollados que echar a
perder un nuevo producto, incluso sabiendo que nos costar menos.
As como todos los mtodos ya vistos para la toma de decisiones, y como ya

escribimos en la edicin pasada, aunque contemos con todas las herramientas
20
que existen para realizar decisiones adecuadas, estas slo servirn de ayuda a
nuestra inteligencia y sentido comn - ellos son nuestros mejores activos a la hora
de realizar esta tarea.
Economista francs, primer profesor en la ctedra de economa poltica de la
Universidad de Lausanne y creador de esta escuela econmica. Analiz las
condiciones del equilibrio general en la economa, desarrollando,
independientemente de Jevons.
En la teora de la Utilidad se supone que los consumidores poseen una
informacin completa acerca de todo lo que se relacione con su decisin de
consumo, pues conoce todo el conjunto de bienes y servicios que se venden en
los mercados, adems de conocer el precio exacto que tienen y que no pueden
variar como resultado de sus acciones como consumidor, adicionalmente tambin
conocen la magnitud de sus ingresos.
Por tanto, la actitud de consumo de bienes ser diferente para cada uno de ellos,
independiente de la satisfaccin que deseen obtener. De lo anterior se deriva la
idea de definir a la utilidad como la cualidad que vuelve deseable a un bien, dicha
utilidad est basada en los estudios que realizaron los economistas clsicos.
Adam Smith y David Ricardo, quienes fundamentaban sus razones acerca de la

utilidad de los objetos por la capacidad que tienen para satisfacer una necesidad.
El nico medio para medir la utilidad de las cosas consiste en utilizar una escala
subjetiva de gustos que muestre tericamente un registro estadstico de la utilidad
del consumo que se hace. Sin embargo, existen otras razones por las cuales
tambin puede obtenerse satisfaccin y no es precisamente utilidad.
LA UTILIDAD MARGINAL
Este concepto, se encontraba esbozado en la teora de Gossen, pero es
desarrollado en los trabajos de Jevons, Walras y Menger, y se puede definir
brevemente sealando que La utilidad marginal es la utilidad aportada por la
ltima dosis disponible de un bien, y en definitiva, corresponde a la caracterstica
ya vista de que la utilidad es concreta, recordando que esto significa que el grado
de satisfaccin de la necesidad no depende del bien en s mismo, sino de la
intensidad experimentada por el sujeto respecto de la satisfaccin de la necesidad
y de la cantidad de bienes disponibles para esto, considerando que marginal como
concepto significa adicional.
21
TEORA DE LA UTILIDAD
La teora de la utilidad trata de explicar el comportamiento del consumidor. Desde
esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. As un bien es ms til en la medida que satisfaga mejor una
necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y
temporal (se refiere al momento en que se satisface la necesidad).
Esta teora parte de varios supuestos:
El ingreso del consumidor por unidad de tiempo es limitado.
Las caractersticas del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.
El consumidor busca maximizar su satisfaccin total (utilidad total), y por

tanto gasta todo su ingreso.
El consumidor posee informacin perfecta, es decir, conoce los bienes (sus

caractersticas y precios).
El consumidor es racional, esto quiere decir que busca lograr sus objetivos,
en este caso trata de alcanzar la mayor satisfaccin posible. Esto quiere decir que
el consumidor es capaz de determinar sus preferencias y ser consistente en
relacin con sus preferencias. As, si el consumidor prefiere el bien A sobre el bien
B y prefiere el bien B sobre el bien C, entonces preferir el bien A sobre el bien C
(transitividad).
La teora econmica del comportamiento del consumidor se topa con un problema
importante (llamado el problema central de la teora del consumidor), el cual es la
imposibilidad de cuantificar el grado de satisfaccin o utilidad que el consumidor
obtiene de los bienes. No existe una unidad de medida objetiva de la satisfaccin.
Este problema se ha enfrentado a travs de dos enfoques distintos:
Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si se

dispone de una unidad de medida de la satisfaccin.
Enfoque ordinal: En este enfoque el consumidor no mide la utilidad, slo

establece combinaciones de bienes que prefiere o le son indiferentes con respecto
a otras combinaciones de bienes.
22
ENFOQUE CARDINAL
A partir de los supuestos y conceptos mencionados se definen dos conceptos de
utilidad o satisfaccin:
Utilidad Total: es la satisfaccin total de consumir una cierta cantidad de un

bien.
Utilidad Marginal: es la satisfaccin extra de una unidad de consumo

adicional.
Ejemplo: Suponga que un consumidor percibe los siguientes niveles de utilidad
total y marginal por el consumo de chocolates:
Q
UT
UM
18
10
26
32
36
38
38
36
-2
En los datos anteriores se observa que se satisface la LEY DE LA UTILIDAD

MARGINAL DECRECIENTE, es decir, la satisfaccin adicional del consumidor
disminuye a medida que se consume una mayor cantidad del bien. Observe que
hay un punto de inflexin, a partir del cual la utilidad marginal (UM) se vuelve
decreciente:
Cunto debe comprar el consumidor?

Para responder a esa pregunta es necesaria ms informacin:
El ingreso del consumidor.
La utilidad que obtiene por los dems bienes alternativos.
23
Supngase que el consumidor puede comprar dos bienes A y B. Entonces deben

cumplirse dos condiciones para maximizar la satisfaccin total:
1. El consumidor gasto todo su ingreso: restriccin presupuestaria:
I = Pa Qa + Pb Qb
2. El consumidor maximiza su utilidad total: condicin de equimarginalidad:
TIPOS DE UTILIDAD.
La utilidad de los bienes no podr medirse jams, pero si puede calcularse
mediante un sencillo procedimiento matemtico, el cual se desarrollar de manera
analtica.
El punto de partida lo constituye la definicin de la utilidad que dice lo siguiente:
Es el grado de satisfaccin que proporcionan los distintos satis factores que utiliza
un consumidor.
La utilidad de un bien se calcula mediante las frmulas matemticas de la Utilidad

Total (utx), utilidad marginal (Umx) y la Promedio (Upx), las cuales muestran que
mientras unidades se consuman por cada unidad de un bien, mayor ser la
utilidad que se reciba; a pesar de que la utilidad total aumenta, la marginal
disminuir.
Se observar que la utilidad total llegar a un mximo; la promedio conservar un
comportamiento normal a la media aritmtica mientras que la marginal ser igual a
cero. Esto es el punto de Saturacin en el consumo, lo que indica la plena y total
satisfaccin de un consumidor.
Utilidad Total. (Utx)

Representa la suma de las utilidades que obtiene un consumidor al utilizar cierta
cantidad de bienes (artculos).
Utilidad Promedio (Upx)

Representa una distribucin aritmtica como resultado de la accin de dividir la
utilidad total entre el nmero de satis factores consumidos. La Frmula de clculo
se expresa:
24
Upx= Utx/Qx
Donde:
Upx =Utilidad promedio de un artculo.
Utx = Utilidad de cierto artculo.
Qx = Cantidad de cierto artculo.
Utilidad marginal (Umx):

Representa el incremento en la utilidad de un artculo X en la medida que el
consumidor utiliza una unidad ms de un mismo satisfactor. La frmula para
calcularla es:
Donde:
Umx = Utilidad de cierto artculo.
D Utx = Incremento o adicin de la utilidad total de ciertos artculos.
D Qx = Incremento o adicin de la cantidad de cierto artculo.
Veamos un ejemplo con la siguiente tabla de datos:

Qx
Utx
Umx Upx
10
10
10
18
24
28
30
30
28
-2
24
-4
25
A continuacin se presentarn la manera en cmo se aplican las frmulas

anteriores:
En las columnas de la tabla anterior se encuentran la utilidad total hipottica, la
marginal y la promedio de un individuo al consumir cantidades alternas de un
satisfactor.
Se consume un bien y se observa la medida en que se consume, la satisfaccin
se incrementa hasta un mximo, de seguir consumiendo ese bien en lugar de
contribuir a la satisfaccin, puede provocar un malestar, por tanto se puede decir
que la satisfaccin disminuye, por lo que su utilidad marginal ser negativa.
(Recuerda el principio de utilidad decreciente).
Explicacin de la tabla:
QX
Utx
Umx Upx
10
10
10
18
24
28
30
30
28
-2
24
-4
La columna 1 muestra las cantidades de consumo del bien que ha hecho una
persona.
La columna 2 muestra la satisfaccin o utilidad total acumulada de
acuerdo con las cantidades suministradas.
La columna tres representa las
adiciones que va sufriendo la utilidad total por el hecho de consumir una unidad
ms del mismo.
La columna 4 solo muestra el consumo promedio del bien
26
Son decisiones encadenadas entre s que se presentan a lo largo del periodo del
estudio previamente seleccionado.
En consecuencia, la decisin inicial se toma sobre la base de la consideracin
explicitas de otras decisiones futuras.
Para tomar una decisin se toma de base el rbol de decisin que son modelos
grficos empleados para representar las decisiones secuenciales, as como la
incertidumbre asociada a la ocurrencia de eventos considerados claves.
EJEMPLO DE UNA DECISION SECUENCIAL.

Una empresa est considerando el lanzamiento de un nuevo producto al mercado
o tal vez diferirlo para dentro de dos aos.
Esto significa que la empresa debe tomar la decisin de invertir o de no invertir en
t= 0 y t=2.
-
CONSTRUCCION DE UN ARBOL DE DECISION.
NODOS
1.
DE DECISION..
Indican los puntos en el tiempo donde se tomara la decisin.
2.
DE EVENTOS.
Indican las existencias de eventos sujetos a incertidumbre asociados a las

alternativas de inversin.
RAMAS
1.
Que parten de los nodos de decisin representan alternativas de inversin o
de curso de accin:
27
2.
Las ramas que parten de los nodos de eventos representas situaciones
sujetas a incertidumbre que han sido cuantificadas por intermedio del uso de
probabilidades.
Demanda alta... 0.6
Demanda baja... 0.4
PASOS A SEGUIR:
1.
Identifique las decisiones requeridas, as como los eventos sujetos a
incertidumbre.
2.
Construya el rbol de decisin.
Orden cronolgico de las decisiones
Eventos claves
Alternativas y probabilidades asociadas a los eventos claves.
3.
Estime los flujos monetarios de cada alternativa bajo la ocurrencia de cada
uno de los eventos probabilsticos.
4.
Estime las probabilidades de cada rama y de cada nodo probabilstico.
5.
Resuelva de atrs hacia adelante para conocer el E [VPN (i)].
* DETERMINACION DE PROBABILIDADES EN LOS NODOS DE EVENTOS.

P (A1/A2)
P (A1A2) = P1
P (A1)
P (A1B2) = P2
P (B2/A1)
P (B1B2) = P3
P (B1B2)
P (A1/A2) = P (A1A2)
P (B2/A1) =
28
P (A1B2)
P (A1)
P (A1)
RESOLUCION DEL ARBOL.
Siendo el nodo es un Nodo de evento el valor esperado es igual a :
E (NE) =
Donde m es el nmero de ramas que parten de nodo.
Si el nodo es un Nodo de decisin el valor esperado se determina

seleccionando el mximo valor esperado de las ramas que parten de ese nodo.
E (ND) = Max. [E (VPN) 1, E (VPN) 2,.

Donde 1,2 representan el nmero de ramas que parten del nodo.
VENTAJAS Y DESVENTAJAS.
1.
La consideracin explicita de decisiones futuras obliga al decisor a elaborar
planes de ms largo plazo.
2.
La tcnica de resolucin, aunque sencilla, puede volverse compleja en la
medida que aumentan alternativas y eventos probabilsticos.
3.
Solo maneja distribuciones de probabilidades discretas.
En el momento de tomar decisiones sobre la herramienta financiera en la que

debemos invertir nuestros ahorros, es necesario conocer algunos mtodos para
obtener el grado de riesgo que representa esa inversin. Existe una forma de
anlisis de uso frecuente en la administracin financiera llamada de Sensibilidad,
que permite visualizar de forma inmediata las ventajas y desventajas econmicas
de un proyecto.
ste mtodo se puede aplicar tambin a inversiones que no sean productos de

instituciones financieras, por lo que tambin es recomendable para los casos en
29
que un familiar o amigo nos ofrezca invertir en algn negocio o proyecto que nos
redituara dividendos en el futuro.
El anlisis de sensibilidad de un proyecto de inversin es una de las herramientas
ms sencillas de aplicar y que nos puede proporcionar la informacin bsica para
tomar una decisin acorde al grado de riesgo que decidamos asumir.
El anlisis de sensibilidad es una de las partes ms importantes en la
programacin lineal, sobre todo para la toma de decisiones; pues permite
determinar cundo una solucin sigue siendo ptima, dados algunos cambios ya
sea en el entorno del problema, en la empresa o en los datos del problema
mismo.
El anlisis de sensibilidad es un trmino financiero, muy utilizado en el mundo de
la empresa a la hora de tomar decisiones de inversin, que consiste en calcular
los nuevos flujos de caja y el VAN (en un proyecto, en un negocio, etc.), al cambiar
una variable (la inversin inicial, la duracin, los ingresos, la tasa de crecimiento
de los ingresos, la tasa de crecimiento de los ingresos, los costes, etc.). De este
modo teniendo los nuevos flujos de caja y el nuevo VAN podremos calcular o
mejorar nuestras estimaciones sobre el proyecto que vamos a comenzar en el
caso de que esas variables cambiasen o existiesen errores iniciales de
apreciacin por nuestra parte en los datos obtenidos inicialmente.
Para hacer el anlisis de sensibilidad tenemos que comparar el VAN antiguo con
el VAN nuevo y nos dar un valor que al multiplicarlo por cien obtendremos el
porcentaje de cambio. La frmula a utilizar es la siguiente: (VANn VANe) / VANe.
Donde VANn es el nuevo VAN obtenido y VANe es el VAN que tenamos antes de
realizar el cambio en la variable.
Este anlisis consiste en determinar que tan sensible es la respuesta ptima del
Mtodo
Simplex, al cambio de algunos datos como las ganancias o costos unitarios
(coeficientes de la funcin objetivo) o la disponibilidad de los recursos (trminos
independientes de las restricciones).
La variacin en estos datos del problema se analizar individualmente, es decir, se
analiza la sensibilidad de la solucin debido a la modificacin de un dato a la vez,
asumiendo que todos los dems permanecen sin alteracin alguna. Esto es
importante porque estamos hablando de que la sensibilidad es esttica y no
dinmica, pues solo contempla el cambio de un dato a la vez y no el de varios.
30
OBJETIVO PRINCIPAL DEL ANLISIS DE SENSIBILIDAD

Establecer un intervalo de nmeros reales en el cual el dato que se analiza puede
estar contenido, de tal manera que la solucin sigue siendo ptimo siempre que el
dato pertenezca a dicho intervalo.
Los anlisis ms importantes son;
1. Los coeficientes de la funcin objetivo; y

2. Los trminos independientes de las restricciones y pueden abordar por medio
del Mtodo Grfico o del Mtodo Simplex.
EJERCICIO PROPUESTO
La vendedora de peridicos Phyllis Pauley, debe determinar cuntos peridicos
debe comprar al da, si paga a la compaa $20 unidades/monetarias por cada
ejemplar y lo vende a $25 unidades/monetarias. Los peridicos que no se venden
al final del da no tiene valor alguno, ella sabe que cada da puede vender entre 6
y 10 ejemplares, cada una con probabilidad x, es decir, la misma probabilidad de
que ocurra. Demuestre como se ajusta al modelo.
Solucin En este ejemplo, los elementos de son los valores posibles de la

demanda diaria de peridicos. Se sabe que Phyllis debe elegir una accin (el
numero de peridicos que debe ordenar cada da) de Si Phyllis compra i
ejemplares y la demanda es de j, entonces se compran i ejemplares a un costo de
$20i, y min (i, j) peridicos de venden a $25 cada uno. As, si Phyllis compra i
peridicos y se venden j, obtiene una ganancia neta de Rij, donde:
Ejemplo:
31
1er Criterio Maxi-Min: elige la accin ai con el valor ms grande de minjsRij. Este
criterio recomienda ordenar 6 peridicos para obtener un beneficio de $30
unidades/monetarias.
2do Criterio Maxi-Max: elige la accin ai con el valor ms grande de maxjsRij.
Este criterio recomienda ordenar 10 peridicos para obtener un beneficio de $50
3er Criterio Arrepentimiento Mini-Max: utiliza el concepto costo de oportunidad
para llegar a una decisin, elige la accin ai y el estado sj, la perdida de
oportunidad o arrepentimiento para ai en sj es ri*(j),j-Rij. Este criterio recomienda
entre 6 o 7 peridicos para no arrepentirse de mayores prdidas sino de $20
4to Criterio Valor Esperado: elige la accin que produce la recompensa esperada
ms grande. Este criterio recomienda ordenar entre 6 o 7 peridicos para obtener
una ganancia de $30 unidades/monetarias.
EJERCICIO RESUELTO TEORA DE DECISIONES

Tomado del libro: Investigacin de Operaciones, Winston
1. La vendedora de peridicos Phyllis Pauley vende peridicos y todos los das

debe determinar cuntos peridicos debe comprar al da, si paga a la compaa
$20 unidades/monetarias por cada ejemplar y lo vende a $25 unidades/monetarias
cada uno. Los peridicos que no se venden al final del da no tiene valor alguno,
Ella sabe que cada da puede vender entre 6 y 10 ejemplares, cada una con una
posibilidad equiprobable, es decir, la misma. Demuestre como se ajusta este
problema en el modelo del estado del mundo.
Solucin En este ejemplo, los elementos de S= { 6,7,8,9,10} son los valores
posibles de la demanda diaria de peridicos. Se sabe que P6=P7=P8=P9=P10=
1/5. Phyllis debe elegir una accin (el numero de peridicos que debe ordenar
cada da) de A= {6,7,8,9,10}.
Si Phyllis compra i ejemplares y la demanda es de j, entonces se compran i
ejemplares a un costo de $20i, y min (i, j) peridicos de venden a $25 cada uno.
As, si Phyllis compra i peridicos y se venden j, obtiene una ganancia por
peridico de $5i; (25i-20j).
32
Ahora calculemos la utilidad en cada una de las alternativas:
Si Phyllis pide 6 peridicos, se pueden presentar las siguientes situaciones:
o La demanda sea de 6 peridicos; obteniendo as una ganancia de $30 {(6*25)

(6*20)}
o La demanda sea de 7 peridicos; obteniendo as una ganancia de $30 ya que
solo tiene 6 para la venta {(6*25) (6*20)}, adems para el presente ejemplo, no
hay penalizacin por no satisfacer la demanda.
solo tiene 6 para la venta {(6*25) (6*20)}.
o La demanda sea solo de 6 peridicos; obteniendo as una ganancia neta de

solo $10, ya que de la venta de los 6 peridicos recibe $30, pero como le hizo falta
vender uno y para el presente ejemplo este no tiene ningn valor, perdera por
este $20; {(6*25) (7*20)}.
o La demanda sea de 7 peridicos; obteniendo as una ganancia neta de $35;
{(7*25) (7*20)}.
o La demanda sea solo de 6 peridicos; obteniendo as una prdida de -$10, ya

que de la venta de los 6 peridicos recibe $30, pero como le hizo falta vender dos
33
y para el presente ejemplo este no tiene ningn valor, perdera por estos $40;
{(6*25) (8*20)}.
$15, ya que de la venta de los 7 peridicos recibe $35, pero como le hizo falta
vender 1 y para el presente ejemplo este no tiene ningn valor, perdera por este
$20; {(7*25) (8*20)}.
(8*20)}.

que de la venta de los 6 peridicos recibe $30, pero como le hizo falta vender tres
y para el presente ejemplo estos no tienen ningn valor, perdera por estos $60;
{(6*25) (9*20)}.
que de la venta de los 7 peridicos recibe $35, pero como le hizo falta vender 2,
perdera por estos $40; {(7*25) (9*20)}.
vender 1, perdera por este $20; {(8*25) (9*20)}.
(9*20)}.
Si Phyllis pide 10 peridicos, se pueden presentar las siguientes

situaciones:
que de la venta de los 6 peridicos recibe $30, pero como le hizo falta vender 4 y
34
para el presente ejemplo estos no tienen ningn valor, perdera por estos $80;
{(6*25) (10*20)}.
que de la venta de los 7 peridicos recibe $35, pero como le hizo falta vender 3,
perdera por estos $60; {(7*25) (10*20)}.
o
La demanda sea de 10 peridicos; obteniendo as una ganancia de $50
{(10*25) (10*20)}.
A continuacin se presenta la matriz de pagos que resume la explicacin anterior

para cada una de las situaciones:
Ejemplares pedidosDemanda de ejemplares

6
10
30
30
30
30
30
10
35
35
35
35
-10
15
40
40
40
-30
-5
20
45
45
10
-50
-25
25
50
Luego, con esta informacin aplicamos los criterios MAXIMIN, MAXIMAX,

ARREPENTIMIENTO MINIMAX Y VEIPER.
CRITERIO MAXIMIN
35
Como ya sabemos, consiste en escoger el peor de los resultados de cada

alternativa y luego el mayor de estos.
Ejemplares pedidosDemanda de ejemplares Maximin

6
10
30
30
30
30
30
30
10
35
35
35
35
10
-10
15
40
40
40
-10
-30
-5
20
45
45
-30
10
-50
-25
25
50
-50
Bajo este criterio, Phyllis debe pedir 6 peridicos para la venta, esta decisin le
garantiza que en el peor de los casos ella obtendr una utilidad de $30. Sin
embargo, estara perdiendo la oportunidad de obtener mayores utilidades, nunca
podr obtener ms de $30 en ganancias.
CRITERIO MAXIMAX
Como ya sabemos, consiste en escoger el mejor de los resultados de cada

alternativa y luego el mayor de estos.
Ejemplares pedidosDemanda de ejemplares Maximax

6
10
36
30
30
30
30
30
30
10
35
35
35
35
35
-10
15
40
40
40
40
-30
-5
20
45
45
45
10
-50
-25
25
50
50
Bajo este criterio, Phyllis debe pedir 10 peridicos para la venta, esta decisin le
garantiza que en el mejor de los casos ella obtendr una utilidad de $50. Sin
embargo, estara corriendo un riesgo muy grande, puesto que si no vende ms de
7 peridicos, estara perdiendo dinero; esta decisin sera optimista, sin embargo,
bastante riesgosa.
CRITERIO ARREPENTIMIENTO MINIMAX
Como ya sabemos, Consiste en que para cada accin y cada estado del mundo,
se compara lo mejor que pudo haber sucedido en cada situacin con lo que puede
suceder. De cada alternativa se debe escoger el mayor arrepentimiento, y luego
de estos el menor.
Para la primera alternativa, Phyllis pide 6 peridicos, lo mejor que podra suceder
es que la demanda sea de 6 y obtener una ganancia de $30. Este valor lo
comparamos con los dems resultados de las otras alternativas para esta misma
demanda (6 peridicos).
Para la Segunda alternativa, Phyllis pide 7 peridicos, lo mejor que podra suceder
Para la Tercera alternativa, Phyllis pide 8 peridicos, lo mejor que podra suceder
37
Para la Cuarta alternativa, Phyllis pide 9 peridicos, lo mejor que podra suceder
Para la Quinta alternativa, Phyllis pide 10 peridicos, lo mejor que podra suceder
Ejemplares pedidosDemanda de ejemplares Arrepent.

Minimax
6
10
30-30=0
35-30=5
40-30=10
45-30=15
50-30=20
20
30-10=20
35-35=0
40-35=5
45-35=10
50-35=15
20
30+10=40
35-15=20
40-40=0
45-40=5
50-40=10
40
30+30=60
35+5=40
40-20=20
45-45=0
50-45=5
60
10
30+50=80
35+25=60
40-0=40
45-25=20
50-50=0
80
Bajo este criterio, Phyllis debe pedir 6 7 peridicos para la venta.
CRITERIO VALOR ESPERADO

Como ya sabemos, se asume que todos los estados de la naturaleza son
igualmente propensos a ocurrir; luego asigna a todos la misma probabilidad. Se
38
calculan los valores esperados y se selecciona la alternativa con mejor valor

esperado.
Ejemplares pedidosDemanda de Ejemplares Valor esperado

0.2
0.2
0.2
0.2
0.2
10
0.2 * (30+30+30+30+30)=30
30
0.2 * (10+35+35+35+35)=30
30
0.2 * (-10+15+40+40+40)=25
25
0.2 * (-30-5+20+45+45)=15
15
10
0.2 * (-50-25+0+25+50)=0 0
Bajo este criterio, Phyllis debe pedir 6 7 peridicos para la venta.
Se confirma de esta manera que tanto el criterio de arrepentimiento minimax y el

criterio de valor esperado, dan como resultado escoger la misma alternativa, en
este caso, pedir 6 7 ejemplares para la venta.
VEIPER (VALOR ESPERADO CON INFORMACIN PERFECTA)
Consiste en escoger de cada alternativa, el mejor de los resultados, asumiendo

que todos los estados de la naturaleza son igualmente propensos a ocurrir, por
ende se les asigna la misma probabilidad; el resultado representa la mayor
rentabilidad que puede obtener Phyllis.
A continuacin se resalta para cada alternativa, el mejor resultado:
Ejemplares pedidosDemanda de ejemplares
10
30
30
30
30
30
39
10
35
35
35
35
-10
15
40
40
40
-30
-5
20
45
45
10
-50
-25
25
50
Luego el VEIPER sera:
VEIPER: 0.2* (30+35+40+45+50)= 40
Este valor representa el mejor de los resultados que podra obtener Phyllis, por lo
tanto, si alguien quisiera ofrecerle informacin adicional y cobrarle por esto un
monto mayor de $10, ella no debera aceptarlo, ya que sin esta informacin ella
podra obtener una ganancia de $30 tomando la alternativa de pedir 6 7
peridicos.
Es decir, no le sera rentable pagar ni siquiera $10, ya que lo mximo que se

puede ganar es $40, por lo tanto, al final se estara ganando los mismos $30 sin
esta informacin.
BIBLIOGRAFIA
Denorolo, E.V. dynamic programing Theory and aplications, prenticee Hall,

englewood cliffs, N.J 1982
40
Sniendovich, M. dynamic Programming, Marcel Dekker, New York, 1991.
Programmacion Dinamica determinantica y modelos. Prentice Hall,

Englewood Ciffs, 1987.
41

Unidad 3 Teoría de Decisiones

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Unidad 3 Teoría de Decisiones

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO TECNOLOGICO DE TUXTLA

INSTITUTO TECNNOLOGICO DE TUXTLA GUTIERREZ

TITULO: UNIDAD 3 TEORIA DE DECISIONES

PROFESOR: Ing. Jorge Antonio Orozco Torres

Fecha de entrega: 30/07/2015

EJERCICIO RESUELTO TEORA DE DECISIONES...............................................30

UNIDAD 3 TEORA DE DECISIONES.

Decisin sin riesgo entre mercancas inconmensurables (mercancas que

Eleccin bajo impredecibilidad

Decisiones sociales: decisiones tomadas en grupo o bajo una estructura

ELEMENTOS DE UNA TOMA DE DECISIN

Los diferentes estados de la naturaleza sj (s1, s2, , sn).

Las distintas alternativas o cursos de accin, entre los cuales el TD deber

Los resultados Rij que surgen de la eleccin de la alternativa ai cuando se

Cul es la meta que usted desea alcanzar?

Averige cual es el conjunto de cursos de accin posibles que puede tomar y

Su decisin no significa nada a menos que la ponga en accin.

Los datos son conocidos como informacin cruda y no como conocimientos en s.

Conocimiento es ms que simplemente saber algo tcnico. El conocimiento

PROCESO DE TOMA DE DECISIONES PROBABILSTICA.

Construir un modelo de decisin

Usando el modelo para encontrar soluciones:

El modelo es una representacin simplificada de la situacin real

No necesita estar completo o exacto en todas las relaciones

Se concentra en las relaciones fundamentales e ignora las irrelevantes.

Un gerente de planta puede utilizar tcnicas estadsticas de control de

Un analista financiero podra usar mtodos de regresin y correlacin para

Un analista de mercadeo podra usar pruebas de significancia para aceptar

Un gerente de ventas podra usar tcnicas estadsticas para predecir las

TEORIA DE DECISIN SIN PROBABILIDAD.

ENFOQUE DEL OPTIMISTA.

TEORIA DE DECISIN CON PROBABILIDAD.

REGLA DE DECISIN DE BAYERS.

LIMITACIONES DEL VALOR ESPERADO.

Qu podr usted recomendarle a la Cafetera?

Podr l emplear la firma para el estudio de mercadeo?

An si la informacin del estudio de mercadeo es perfectamente precisa,

Podr servir de algo?.

A travs de algunas de estas preguntas que son difciles de responder,

INFORMACION PERFECTA CON EL VALOR ESPERADO

EL VALOR ESPERADO AL CONTAR CON INFORMACION PERFECTA.

Esta informacin adicional mejora la probabilidad obtenida de la ocurrencia de un

De forma ms concreta, refirindonos al mbito empresarial, podemos decir que

Usted puede imaginarse el conducir de su coche, el comenzar en el pie del rbol

CMO DIBUJAR UN RBOL DE DECISIONES

rbol de decisiones tpicas

Determine la mejor decisin con el rbol partiendo de la raz y avanzando.

Considere una prioridad plana, sin cambiar la matriz de confiabilidad.

Considere una prioridad perfecta, sin cambiar la matriz de confiabilidad.

Considere la prediccin de probabilidades de los consultores como su

propia prioridad, sin cambiar la matriz de confiabilidad.

EVALUAR LOS RBOLES

CALCULAR LOS VALORES DE LOS RBOLES

CALCULAR EL VALOR DE LOS NODOS DE INCERTIDUMBRE

0,4 (probabilidad de un resultado bueno) x $500.000 (costo) $ 200.000

0,4 (probabilidad de un resultado moderado) x $25.000 (costo) $ 10.000

CALCULAR EL VALOR DE LOS NODOS DE DECISIN

As como todos los mtodos ya vistos para la toma de decisiones, y como ya

Adam Smith y David Ricardo, quienes fundamentaban sus razones acerca de la

El ingreso del consumidor por unidad de tiempo es limitado.

El consumidor busca maximizar su satisfaccin total (utilidad total), y por

El consumidor posee informacin perfecta, es decir, conoce los bienes (sus

Enfoque cardinal: Supone que si es posible medir la utilidad, o sea que si se