UNIDAD 3

TEORA DE DECISIONES

Introduccin

Todos y cada uno de nosotros pasamos los das y las horas de nuestra vida teniendo que
tomar decisiones. Algunas decisiones tienen una importancia relativa en el desarrollo de
nuestra vida, mientras otras son trascendentales en ella.

La buena toma de decisiones permite vivir mejor. Nos otorga algo de control sobre nuestras
vidas. De hecho, muchas de las frustraciones que sufrimos con nosotros mismos se deben a
no poder usar la propia mente para entender el problema de decisin, y el coraje para actuar
en consecuencia. Una mala decisin puede obligarnos a tomar otra mala decisin, como dijo
Harry Truman: Toda mala decisin que tomo va seguida de otra mala decisin.

En el siguiente trabajo se encuentran temas relacionados con la Teora de Decisiones, as

como sus criterios, adems se tratan temas importantes como son los Arboles de decisiones
las Teoras de utilidad, todos estos temas redactados de una forma breve pero concisa.

La investigacin de operaciones est en pleno desarrollo y depende ampliamente de los

mtodos que han demostrado tener xito en la ciencia, desde el punto de vista de la
investigacin de operaciones, una decisin es una recomendacin de que se lleve a cabo un
curso de accin que se espera produzca los mejores resultados.

3.1 caractersticas generales de la teora de decisiones

La teora de decisiones puede definirse como el anlisis lgico y cuantitativo de todos los
factores que afectan los resultados de una decisin en un mundo incierto.

La toma de decisin es tambin un proceso durante el cual la persona debe escoger entre dos
o ms alternativas. Todos y cada uno de nosotros pasamos los das y las horas de nuestra
vida teniendo que tomar decisiones. En los administradores, el proceso de toma de decisin
es sin duda una de las mayores responsabilidades.

La toma de decisiones en una organizacin se circunscribe a una serie de personas que estn
apoyando el mismo proyecto. Debemos empezar por hacer una seleccin de decisiones, y
esta seleccin es una de las tareas de gran trascendencia.

Con frecuencia se dice que las decisiones son algo as como el motor de los negocios y en
efecto, de la adecuada seleccin de alternativas depende en gran parte el xito de cualquier
organizacin. Los administradores consideran a veces la toma de decisiones como su trabajo

96
principal, porque constantemente tienen que decidir lo que debe hacerse, quin ha de hacerlo,
cundo y dnde, y en ocasiones hasta cmo se har. Sin embargo, la toma de decisiones slo
es un paso de la planeacin, incluso cuando se hace con rapidez y dedicndole poca atencin
o cuando influye sobre la accin slo durante unos minutos.

Modelos de criterios de decisin.

Certeza: Sabemos con seguridad cules son los efectos de las acciones.

Riesgo: No sabemos qu ocurrir tomando determinadas decisiones, pero s sabemos qu

puede ocurrir y cul es la probabilidad de ello. Es decir esa categora incluye aquellas
decisiones para las que las consecuencias de una accin dada dependen de algn evento
probabilista.

Incertidumbre: En este caso no sabemos qu puede ocurrir ni tampoco qu probabilidades

hay para cada posibilidad. Es cuando no tenemos ni idea qu puede pasar.

Categoras Consecuencias

Certidumbre Deterministas

Riesgo Probabilistas

Incertidumbre Desconocidas

Conflicto Influidas por un oponente

Las Funciones Administrativas De La Toma De Decisiones.

La toma de decisiones en una organizacin invade cuatro funciones administrativas que son:
planeacin, organizacin, direccin y control.

Funciones administrativa dentro de la organizacin al tomar decisiones:

Planeacin: Procedimientos

Presupuestos
Programas

Polticas

Estrategias

97
 Objetivos

Propsitos

Organizacin: Divisin del trabajo Descripcin de Funciones

Departamentalizacin
Jerarquizacin

Direccin o ejecucin: Supervisin

Comunicacin
Motivacin

Integracin

Control: Retroalimentacin

Correccin
Medicin

Importancia De La Toma De Decisiones.

En el momento de tomar una decisin es importante ya que por medio de esta podemos
estudiar un problema o situacin que es valorado y considerado profundamente para elegir el
mejor camino a seguir segn las diferentes alternativas y operaciones.

Tambin es de vital importancia para la administracin ya que contribuye a mantener la

armona y coherencia del grupo, y por ende su eficiencia.

En la Toma de Decisiones, podemos considerar un problema y llegar a una conclusin vlida,

significa que se han examinado todas las alternativas y que la eleccin ha sido correcta. Uno
de los enfoques ms competitivos de investigacin y anlisis para la toma de las decisiones
es la investigacin de operaciones. Puesto que esta es una herramienta importante para la
administracin de la produccin y las operaciones.

Todos hemos tenido que tomar decisiones importantes en situaciones donde haba
incertidumbre acerca de los factores pertinentes para las decisiones.
El siguiente modelo abarca varios aspectos de la toma de decisiones en ausencia de
certidumbre. Quien toma las decisin elige primero una accin de un conjunto A={a1, a2,
ak} de acciones disponibles. Luego se observa el estado del mundo; con probabilidad pj,
se observa el estado del mundo sj S={s1, s2, sn,} Si se elige la accin y el estado del

98
mundo es sj quien toma la decisin recibe una recompensa . Se hace referencia a este
modelo como toma de decisiones observando el estado del mundo.
3.2 Criterios de decisin deterministas y probabilistas

En los modelos determinsticos una buena decisin es juzgada de acuerdo a los resultados.
Sin embargo, en los modelos probabilsticos, el gerente no esta preocupado solamente por
los resultados, sino que tambin con la cantidad de riesgo que cada decisin acarrea.

Como un ejemplo de la diferencia entre los modelos probabilsticos versus determinsticos,

considere el pasado y el futuro: Nada que hagamos ahora puede cambiar el pasado, pero
cualquier cosa que hacemos influencia y cambia el futuro, a pesar de que el futuro tiene un
elemento de incertidumbre. Los gerentes se encuentran mucho mas cautivados por darle
forma al futuro que por la historia pasada.

El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones,

ya sea que el problema es enfrentado en una compaa, en el gobierno, en las ciencias
sociales, o simplemente en nuestra vida diaria. En muy pocas situaciones de toma de
decisiones existe informacin perfectamente disponible todos los hechos necesarios.- La
mayora de las decisiones son hechas de cara a la incertidumbre. La probabilidad entra en el
proceso representando el; rol de sustituto de la certeza un sustituto para el conocimiento
completo.

Los modelos probabilsticos estn ampliamente basados en aplicaciones estadsticas para la

evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin del riesgo
de sus decisiones. La idea original de la estadstica fue la recoleccin de informacin sobre y
para el Estado. La raz etimolgica de la palabra estadstica proviene del latn status que
significa estado o situacin. La probabilidad tiene una historia mucho mas larga. La
Probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan fcil de
obtener o entender. La palabra "prueba" tiene el mismo origen el cual proporciona los detalles
necesarios para entender lo que se requiere que sea cierto.

Los modelos probabilsticos son vistos de manera similar que a un juego; las acciones estn
basadas en los resultados esperados. El centro de inters se mueve desde un modelo
determinstico a uno probabilstico usando tcnicas estadsticas subjetivas para estimacin,
prueba y prediccin. En los modelos probabilsticos, el riesgo significa incertidumbre para la
cual la distribucin de probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa
un estudio para determinar los resultados de las decisiones junto a sus probabilidades.

Los tomadores de decisiones generalmente se enfrentan a severa escasez de informacin. La

evaluacin de riesgo cuantifica la brecha de informacin entre lo que es conocido y lo que

99
necesita saber para tomar una decisin ptima. Los modelos probabilstico son utilizados para
protegerse de la incertidumbre adversa, y de la explotacin de la propia incertidumbre.

La Dificultad en la Evaluacin de la Probabilidad se obtiene de la informacin, la cual es

escasa, vaga, inconsistente, o incompleta. Una afirmacin tal y como que "la probabilidad de
una baja de electricidad se encuentra entre 0.3 y 0.4" es mas natural y realista que su
contraparte exacta de que "la probabilidad de una baja de electricidad es 0.36342."

El dominio de los modelos de anlisis de decisiones est entre los siguientes dos casos
extremos, dependiendo del grado de conocimiento que tenemos sobre el resultado de
nuestras acciones, como se muestra a continuacin:

Situacin de
Ignorancia Conocimiento Completo
riesgo

_________________________________________________________________

Modelo de Modelo Modelo

incertidumbre pura probabilstico Determinista

Uno de los "polos" de esta escala es determinista. El "polo" opuesto es la incertidumbre pura.
Entre estos dos hay problemas con riesgo. La idea principal, aqu, es que para un problema
dado, el grado de certidumbre vara segn el gerente, dependiendo de la cantidad de
conocimiento que cada gerente tenga sobre el mismo problema y refleja la solucin
diferente que cada persona recomienda.

En esta seccin, se consideran cuatro criterios de decisin que se pueden usar para tomar decisiones bajo
incertidumbre.

Ejemplo 1 Vendedora de peridico.

La vendedora Phyllis Pauley vende peridicos en la esquina de la avenida kirkwood y la calle

indiana, y todos los das debe determinar cuantos peridicos pedir. Phyllis paga a la compaa
20c por cada ejemplar y los vende a 25c cada uno. Los peridicos que no se venden al
terminar el da no tienen valor alguno. Phyllis sabe que cada da puede vender entre 6 y 10
ejemplares, cada uno con una posibilidad equiprobable. Demuestre como se ajusta este
problema en el modelo del estado del mundo.

100
En este ejemplo, los elementos de S= {6, 7, 8, 9, 10} son los valores posibles de la demanda
1
diaria de peridicos. Se sabe que = = = =
= 5 . Phyllis debe elegir una accin (el
nmero 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 20ic, y min (i, j) peridicos se venden a 25c cada uno. (Nota: min(i, j) significa el ms
pequeo de i y j). As, si Phyllis compra i peridicos y se venden j, obtiene una ganancia neta
de rij, donde:
rij = 25i 20i = 5i (i j)
rij = 25j 20i = (i j)

Los valores de se tabulan en la tabla 1.

Tabla 1
Premios para la vendedora de peridicos.

demanda de ejemplares

Ejemplares 6 7 8 9 10
pedidos

6 30c 30c 30c 30c 30c

7 10c 35c 35c 35c 35c

8 - 10c 15c 40c 40c 40c

9 - 30c - 5c 20c 45c 45c

10 - 50c - 25c 0c 25c 50c

Acciones dominadas.
Por qu no se considero la posibilidad de que Phyllis ordenara 1, 2, 3, 4, 5 o ms de 10
ejemplares? Contestar esta pregunta tiene que ver con la idea de una accin dominada.
Definicin

Una accin es dominada por una accin si para toda sj S, rij rij , y
para algn estado sj , rij < rij

101
Si en la accin es dominada, entonces en ninguna situacin del mundo es mejor que
y en por lo menos una situacin del mundo es inferior a . As, si la accin es
dominada, no hay razn para elegir ( seria una mejor eleccin)
Si Phyllis ordena i peridicos (i=1, 2, 3, 4, 5). Obtendr (para todas las situaciones del mundo)
una ganancia de 5ic. A partir de la tabla de premios, se observa que, para i= 1, 2, 3, 4, 5,
ordenar 6 peridicos domina a ordenar i peridicos (j = 6, 7, 8, 9 o 10 ser suficiente). De
manera similar, el lector debe comprobar que ordenar i peridicos (i > 11) est dominado por
ordenar 10. Una comprobacin rpida muestra que ninguna de las acciones en A= {6, 7, 8,
9,10} est dominada.
As Phyllis debe de echo elegir la accin A= {6, 7, 8, 9,10}.

1.- Criterio maximin

Para cada accin, determine el peor resultado (premio ms pequeo). El criterio maximin elige
la accin con el mejor peor resultado.
Definicin

El criterio maximin elige la accin con el valor mas grande de minjS rij

Para el ejemplo1, se obtienen los resultados de la tabla 2. As, el criterio maximin recomienda
ordenar 6 peridicos. Con esto se asegura que Phyllis, sin importar el estado del mundo,
obtendr una ganancia de por lo menos 30c. El criterio maximin tiene que ver con hacer lo
ms placentero que se pueda el peor resultado posible. Infortunadamente, elegir una decisin
para mitigar el peor caso podra evitar que quien toma la decisin aproveche la buena
fortuna. Por ejemplo, si Phyllis sigue el criterio maximin, nunca obtendr menos de 30c, pero
nunca har ms de 30c

Tabla 2.
Calculo de la decisin maximin para la vendedora de peridicos

Peridicos ordenados Peor estado del mundo Premio en el peor estado del mundo

6 6, 7, 8, 9, 10 30c

7 6 10c

8 6 - 10c

102
 9 6 - 30c

10 6 - 50c

2.- Criterio maximax.

Para cada accin, determine el mejor resultado (mayor recompensa).el criterio maximax elige
la accin con el mejor resultado.
Definicin

El criterio maximax elige la accin con el valor ms grande de maxjS rij.

Para el ejemplo 1, se obtienen los resultados de la tabla 3. As el criterio maximax

recomendara ordenar 10 peridicos. En la mejor situacin (cuando la demanda sea de 10
ejemplares), esto produce una ganancia de 50c. Por supuesto, tomar una decisin de acuerdo
con el criterio maximax deja a Phyllis expuesta a la desastrosa posibilidad de que solo se
vendern 6 ejemplares, en cuyo caso pierde 50c.

Tabla 3.
Calculo de la decisin maximax para la vendedora de peridicos

Peridicos ordenados Situacin que produce el mejor Mejor resultado

resultado

6 6, 7, 8, 9, 10 30c

7 7, 8, 9, 10 35c

8 8, 9, 10 40c

9 9, 10 45c

10 10 50c

3.- Criterio Arrepentimiento mnimax

El criterio de arrepentimiento mnimas (creacin de L. J. Savage) utiliza el concepto de costo
de oportunidad para llegar a una decisin. Para cada situacin posible del mundo sj,

103
encuentre una accin i * ( j ) que maximiza a . Es decir, i * ( j ) es la mejor accin posible
para elegir si el estado del mundo es en realidad sj.

Entonces para cualquier accin y el estado sj, la perdida de oportunidad o arrepentimiento

para en sj es r i * ( j ), j - r i j. Por ejemplo, si la demanda de peridicos es j = 7, la mejor
decisin es ordenar i * ( 7 ) = 7 peridicos, produciendo una ganancia de r77=7(25) 7(20) =
35c. Suponga que se elige ordenar i = 6 peridicos. Puesto que r67=6(25) 6(20) = 30c, la
prdida de oportunidad o arrepentimiento para i = 6 y j = 7 es 35 30 = 5c. As, si ordenamos
6 peridicos y la demanda es de 7, a posteriori se comprende que al hacer la eleccin ptima
(ordenar 7 peridicos) para la situacin real del mundo (7 peridicos requeridos), se habran
obtenido 5c ms de lo que se obtendra ordenando 6 peridicos.
En la tabla 4 se muestra la matriz de costos de oportunidad o de arrepentimiento para el
ejemplo 1
Tabla 4.
Matriz de arrepentimiento para la vendedora de peridicos

demanda de ejemplares

peridico 6 7 8 9 10
s
pedidos

6 30 30 = 0c 35 30 = 5c 40 30 = 10c 45 30 = 15c 50 30 = 20c

7 30 10 = 20c 35 35 = 0c 40 35 = 5c 45 35 = 10c 50 35 = 15c

8 30 + 10 = 40c 35 15 = 20c 40 40 = 0c 45 40 = 5c 50 40 = 10c

9 30 + 30 = 60c 35 + 5 = 40c 40 20 = 20c 45 45 = 0c 50 45 = 5c

10 30 + 50 = 80c 35 + 25 = 60c 40 0 = 40c 45 25 = 20c 50 50 = 0c

El criterio de arrepentimiento mnimax elige una accin aplicando el criterio mnimax a la

matriz de arrepentimiento. En otras palabras, el criterio de arrepentimiento mnimax intenta
evitar la desilusin sobre que podra haber sido. De la matriz de arrepentimiento en la tabla 4,
se obtiene la decisin de arrepentimiento mnimax en la tabla 5. As el criterio de
arrepentimiento mnimax recomienda ordenar 6 o 7 peridicos.

104
Tabla 5.
Calculo de decisin de arrepentimiento minimax para la vendedora de peridicos

Peridicos ordenados Arrepentimiento mximo

6 20c

7 20c

8 40c

9 60c

10 80c

4.- Criterio del valor esperado

El criterio del valor esperado elige la accin que produce la recompensa esperada ms
grande. Para el ejemplo 1, el criterio del valor esperado recomendara ordenar 6 o 7
peridicos (vase la tabla 6)

Tabla 6.
Calculo de la decisin del valor esperado para la vendedora de peridicos

Peridicos ordenados Arrepentimiento mximo

6 1/5 (30+30+30+30+30) = 30c

7 1/5 (10+35+35+35+35) = 30c

8 1/5 (-10+15+40+40+40) = 25c

9 1/5 (-30-5+20+45+45) = 15c

10 1/5 (-50-25+0+25+50) = 0c

Los criterios de decisiones analizados en esta seccin podran parecer razonables, pero
muchas personas toman decisiones sin usar alguno de ellos. Un modelo ms completo de
toma de decisiones individuales, el modelo de Utilidad de Von Neumann-Morgenstern se
analizar en la seccin 3.5 Teora de Utilidad.

3.3 Valor de la informacin perfecta.

105
{Este tema fue tomado del libro Investigacin de Operaciones en la Ciencia Administrativa
de G. D. Eppen y F. J. Gould Editorial Prentice-Hall Hispanoamericana}

La teora de la decisin proporciona alternativas de acercamientos para los problemas que

carecen de completa certeza. Uno de dichos tratamientos se llama "decisiones bajo riesgo".
En este contexto, la palabra "riesgo" tiene un significado estrecho y bien definido. Cuando
hablamos de "decisiones bajo riesgo" nos referimos a la clase de problemas de decisin para
los cuales hay ms de un estado de natura y para los que tomamos la suposicin de que el
que toma la decisin conoce la probabilidad con la que ocurrir cada estado natural. Por
ejemplo, supngase que hay m > 1 estados de la naturaleza y sea p j, la probabilidad de que
ocurra el estado j. Podemos, entonces, usar la ecuacin UE i, para determinar la utilidad
esperada cuando tomamos la decisin i.

En este tipo de problemas, el administrador debe tomar despus la decisin que maximice la
utilidad esperada. Dicho de otra manera, i* es la decisin ptima donde

UEi. = mximo entre todos los i de UEi

El problema del voceador es un ejemplo de dichos problemas. Supongamos que un voceador

puede comprar peridicos a 10 centavos cada uno y venderlos a 25 centavos. Sin embargo, la
demanda no se conoce con certeza. l supone que es igualmente probable cualquier
demanda entre 1 y 100. En concreto, sea el estado j el evento de que la demanda sea de j
artculos, y l supone que para cualquier entero j tal que 1 < j < 100, ser p j = 0.01. Para
propsitos ilustrativos y fciles de calcular, supngase que l esperaba la siguiente
distribucin de la probabilidad de la demanda:

En este problema, cada uno de los cuatro valores diferentes de la demanda es un estado de
natura distinto, y la decisin es el nmero de peridicos por ordenar. Las utilidades, o pagos,
de este problema aparecen en la tabla 7

Tabla 7.
Utilidades (Flujo neto de efectivo) para el problema del voceador.

106
Los datos de esta tabla 7, representan el flujo de efectivo neto asociado con cada
combinacin de nmeros de pedido y de demanda. Estos datos se calculan mediante la
expresin 3.1

Utilidad = 25 (nmero de peridicos vendidos) 10 (nmero de peridicos ordenados)

(3.1)

Donde el precio de venta por peridico es de 25 centavos y el de compra es de 10 centavos.

Es importante anotar que en este modelo las ventas y la demanda no son necesariamente
idnticas. En realidad, la venta es el mnimo de entre las dos cantidades (demanda, pedido].
Por ejemplo, cuando no hay pedido de peridicos, claro est que no podr haber ventas, sin
importar cul sea la demanda. Entonces, para todos los dems datos del primer rengln, la
expresin (3.1) da 25(0) - 10(0) = 0. Si se ordena un peridico y no hay demanda, entonces
no hay ventas y la expresin (3.1) produce 25(0) - 10(1) = -10, que es el primer dato del
rengln 2. Sin embargo, si se ordena 1 peridico y la demanda es de 1 o ms, entonces se
vender precisamente 1 y (3.1) produce 25(1) - 10(1) = 15. Esto explica los otros tres datos
del rengln 2. Puede usted verificar que los valores restantes del cuerpo de la tabla 7 son
correctos?

Una vez que se renen todos los datos de la tabla 7, el proceso de encontrar la decisin
ptima es puramente mecnico. sese la expresin (3.1) para evaluar la utilidad esperada
para cada decisin (UEi para i = O, 1, 2, 3) y escjase la mayor. Por ejemplo, si ordena dos
peridicos,

UE2 = -20(1/10) + 5(3/10) + 30(4/10) + 30(2/10) = 17.5

El primer trmino es la utilidad que se obtiene al ordenar 2 peridicos con demanda ce-ro,
multiplicada por la probabilidad de que la demanda sea cero. El segundo trmino es la utilidad
que se obtiene cuando se ordenan 2 peridicos y la demanda es 1 (vase la tabla 7) por la
probabilidad de que la demanda sea 1 peridico. Los dems trminos se definen de manera
semejante. Las utilidades esperadas en todas las decisiones se calculan en esta forma:

107
Puesto que

UE2 es el mayor de los cuatro valores, la decisin ptima consiste en ordenar 2 peridicos.

Mediante este ejemplo, hemos ilustrado otra clase de problemas de decisin (decisiones bajo
riesgo) y el criterio de decisin asociado (maximizar el beneficio esperado).

Regresemos al problema del voceador bajo riesgo (o sea, con una distribucin de la
probabilidad de la demanda). Recurdese que en este caso la poltica ptima fue ordenar dos
peridicos y que la utilidad esperada fue 17.5. Es til pensar este problema en una forma muy
estilizada con el objeto de introducir el concepto de valor esperado con informacin perfecta.
En particular, supngase que la secuencia de eventos en el da de un voceador (la "secuencia
ordinaria de eventos") se desarrolla de esta manera:

1. El diablo, manipulando la distribucin de la demanda de peridicos, determina el

nmero de los que sern solicitados.
2. El voceador, sin saber la demanda que ha sido determinada, pero conociendo la
distribucin de la demanda, ordena sus peridicos.
3. La demanda es revelada despus al voceador y l alcanza una utilidad verdadera (en
oposicin a la esperada) determinada por su decisin del tamao del pedido y la
demanda.

Considrese ahora una nueva escena. El voceador tiene oportunidad de hacer un pacto con el
diablo. (Si esto le parece disparatado, recuerde que Fausto es igualmente improbable.) Son el
nuevo trato, la secuencia de eventos se produce como sigue:

1. El voceador paga una cuota al diablo.

2. El diablo determina la demanda, como antes.
3. El diablo le dice al voceador cul ser la demanda.
4. El voceador ordena sus peridicos.
5. El voceador logra la utilidad determinada por la demanda y el nmero de peridicos que
pidi.

La pregunta es: "Cul es la cuota ms grande que el voceador estara dispuesto a pagar en
el paso 1?" Esta cuota se llama valor esperado de la informacin perfecta. En trminos
generales,

CUOTA= (Utilidad esperada con el nuevo trato)-(Utilidad con la secuencia ordinaria de evento)

108
Con el nuevo trato, el voceador siempre ordenar, en el paso 4, el nmero de peridicos que
le d el mximo beneficio con el estado de la naturaleza que ocurra. Sin embargo, el pago del
paso 1 debe hacerse antes de que l sepa cul ser la demanda. Con referencia a la tabla 7
se ve que si la demanda fuera de 0 peridicos, su orden seria de 0 y disfrutara de la utilidad
mxima, 0. Puesto que el diablo est manejando la distribucin de la demanda, hay una
probabilidad de 1/10 de que lo que el voceador aprenda del diablo es que la demanda ser
cero en efecto. En forma similar, sabr con probabilidad de 3/10 que habr una demanda de 1
peridico. Siguiendo este razonamiento, su utilidad esperada conforme al nuevo trato es

UE (nueva) = 0(1/10) + 15(3/10) + 30(4/10) + 45(2/10) = 25.5

Ya hemos visto que en ausencia de informacin perfecta, su decisin ptima (ordenar 2

peridicos) da una utilidad esperada de 17.5. En consecuencia, si representamos con VEIP el
valor esperado de la informacin perfecta, podemos calcularla as:

VEIP = 25.5 - 17.5 = 8.0

sta es la mxima cantidad que nuestro vendedor estara dispuesto a pagar en el paso 1 por
su pacto con el demonio. Aunque la historia que hemos usado para desarrollar el concepto es
ficticia, el valor esperado de la informacin perfecta (VEIP) tiene una gran significacin
prctica. Es la cota superior de la cantidad que se estara dispuesto a pagar por mejorar el
conocimiento del estado natural que ocurrir. Se gas-tan literalmente millones de dlares en
diversos proyectos de investigacin de mercados y otros recursos de verificacin (pruebas
geolgicas, experimentos de control de calidad, etc.) para determinar cul estado natural
ocurrir en una amplia variedad de aplicaciones.

El valor esperado de la informacin perfecta indica la cantidad prevista que ser ganada en
cualquier esfuerzo semejante, con lo que coloca una cota superior a la cantidad que se puede
gastar en recaudar informacin.

El valor esperado de la informacin perfecta es siempre igual al arrepentimiento esperado de

la decisin ptima bajo riesgo (la decisin que maximiza la utilidad esperada). Demostraremos
que este hecho se cumple en el ejemplo del voceador.

_ La tabla 8 presenta el arrepentimiento por cada combinacin de decisiones y estados de la

naturaleza. Se deduce de la tabla 7 mediante:

1. Encuntrese el mximo dato de cada figura (por ejemplo, 30 es el dato ms grande de la

tercera columna, o sea la columna del estado natural "2").

109
2. Calclese el nuevo dato restando el dato actual al mximo de la columna. Entonces, el
nuevo dato del rengln 2, columna 3, es

En cada columna, estos nuevos datos, llamados penas, indican cmo se pudo hacer mejor.
En otras palabras, "pena" es sinnimo de "costo de oportunidad" perdido al no tomar la mejor
decisin para un estado natural dado. De ello se sigue que al que toma las decisiones le
gustara tomar la que minimiza los arrepentimientos; pero (otra vez la vieja historia) l no sabe
qu estado natural ocurrir. Si supiera la distribucin de la probabilidad de los estados
naturales, podra minimizar el arrepentimiento esperado. (En la siguiente seccin veremos que
esto equivale a maximizar el flujo de efectivo neto esperado.) Si no conoce las probabilidades,
la sugerencia ordinaria es que use el conservador criterio minimax, que consiste en elegir la
decisin que resulte lo mejor para el peor de los casos (o sea la que tiene el menor de los
arrepentimientos mximos).

Tabla 8.
Tabla de arrepentimientos para el problema del voceador

Por ejemplo, considrese la tabla de arrepentimiento del problema del voceador de la tabla 8.
Si se ordena un peridico, la mxima pena 30 ocurre si hay una demanda de 3 peridicos.
Entonces, se asocia el valor 30 a la decisin "ordenar un peridico". En otras palabras, el
valor mximo de cada rengln se asocia con la decisin de ese rengln. Siguiendo esa regla
se obtiene la tabla que se da a continuacin:

110
El que toma las decisiones elige despus la que minimiza los arrepentimientos mximos. En
este caso, el criterio de la pena minimax implica que el voceador debe ordenar 2 peridicos.
Nuestro ejemplo del papelero ilustra que, cuando se toman decisiones sin usar
probabilidades, los tres criterios (maximin del flujo de efectivo, maximax del flujo de efectivo y
minimax del arrepentimiento producen diferentes decisiones "ptimas".

-Cuando se especifican las probabilidades de los estados de la naturaleza, resulta un trabajo

directo calcular el arrepentimiento esperado de cada decisin. Usando la distribucin de
probabilidad anterior y la tabla de penas (tabla 8), los clculos de la pena esperada si se
ordenan 0 peridicos son pena esperada
(0) = 0(1/10) + 15(3/10) + 30(4/10) + 45(2/10) = 25.5

El primer trmino es la pena si la demanda es 0 peridicos, multiplicada por la probabilidad de

que sa sea la demanda. El segundo es el arrepentimiento de que la demanda sea de 1
peridico multiplicada por la probabilidad de que sa sea la demanda, etc.

El arrepentimiento esperado para los otros pedidos posibles se calcula en forma similar.

pena esperada (1) = 10(1/10) + 0(3/10) + 15(4/10) + 30(2/10) = 13.0

pena esperada (2) = 20(1/10) + 10(3/10) + 0(4/10) + 15(2/10) = 8.0
pena esperada (3) = 30(1/10) + 20(3/10) + 10(4/10) + 0(2/10) = 13.0

Vemos que el pedido de 2 peridicos produce el arrepentimiento mnimo esperado. Pero ese
pedido era tambin la decisin ptima cuando el criterio consista en maximizar la utilidad neta
en dlares.

Siempre se da el caso de que, al tomar decisiones bajo riesgo, estos dos criterios (minimizar
la pena esperada, maximizar la utilidad neta esperada en dlares) prescriben la misma
decisin como ptima.

Y tambin:

El arrepentimiento esperado de la decisin ptima bajo riesgo (o sea el mnimo esperado del
arrepentimiento es igual al valor esperado de la informacin perfecta.

111
3.4 Arboles de decisin.

A menudo las personas deben tomar una serie de decisiones en diferentes puntos del tiempo.
Entonces se pueden usar rboles de decisin para determinar decisiones ptimas.
Un rbol de decisin permite que quien toma la decisin descomponga un gran problema de
decisin complejo en varios problemas ms pequeos.
Vemoslo mediante un ejemplo:
Ejemplo 1: Comercializacin de Colaco.
Colaco tiene en la actualidad activos de $ 150 000 y quiere decidir si comercializa una nueva
soda con sabor a chocolate, Chocola. Colaco tiene tres opciones:

Opcin 1 Promocionar Chocola en el mercado local, luego utilizar los resultados del
estudio del mercado para determinar si se comercializa Chocola a nivel nacional.
Opcin 2 Comercializar Chocola de inmediato (sin promocionar) a nivel nacional.
Opcin 3 Decidir de inmediato (sin promocionar) no comercializar Chocola a nivel
nacional.

En ausencia de un estudio de mercado, Colaco cree que Chocola tiene una probabilidad de
55% de ser un xito nacional, y una probabilidad de 45% de ser un fracaso nacional. Si
Chocola es un xito nacional, la posicin del activo de Colaco se incrementara en $ 300 000, y
si Chocola es un fracaso nacional, la posicin del activo de Colaco disminuir en $ 100 000.
Si Colaco lleva a cabo un estudio de mercado (a un costo de $30 000), hay una probabilidad
de 60% de que el estudio produzca resultados favorables (indicados como un xito local) y
una probabilidad de 40% de que el estudio produzca resultados no favorables (mencionados
como un fracaso local). Si se observa un xito local, hay una probabilidad de 85% de que
Chocola sea un xito nacional. Si se observa un fracaso local, hay slo una probabilidad del
10% de que Chocola sea un xito nacional. Si Colaco es neutral al riesgo (quiere maximizar
su estado final esperado de activos), Qu estrategias debe seguir la compaa?

Solucin
Para trazar un rbol de decisin que represente el problema de Colaco, se comienza en el
presente y se procede hacia sucesos y decisiones futuras. El rbol de decisiones de la Figura
1 se construye con dos clases de bifurcaciones:

112
Las bifurcaciones de decisin (denotadas por )

Y las bifurcaciones de suceso (denotada por )

Una bifurcacin de decisin representa un punto en el tiempo cuando Colaco tiene que tomar
una decisin.

Cada rama que emana de un rbol de decisin representa una decisin posible.

Un ejemplo de una bifurcacin de decisin ocurre cuando Colaco debe determinar si

promociona Chocola o no.
Promocionar Chocola

No promocionar Chocola

Se traza una bifurcacin de suceso cuando las fuerzas externas determinan cual de varios
sucesos aleatorios ocurrir. Cada rama de una bifurcacin de suceso representa un resultado
posible, y el nmero en cada rama representa la probabilidad de que ocurra el suceso.
Por ejemplo, si colaco decide promocionar Chocola, la compaa enfrenta la siguiente
bifurcacin de suceso al observar los resultados del estudio de mercados:
.60 xito
local

.40 Fracaso
local

Una rama de un rbol de decisin es una rama terminal si ninguna bifurcacin emana de la
rama. As, las ramas que indican xito nacional y fracaso nacional son ramas terminales del
rbol de decisin de Colaco. Puesto que se est maximizando el estado final esperado del

113
activo en cada rama terminal, se debe introducir el estado final del activo que resulta si ocurre
la trayectoria que lleva a la rama terminal determinada.
Por ejemplo, la rama terminal fracaso nacional que sigue a fracaso local, conduce a un estado
final de los activos de 150 000 30 000 100 000 = $20 000. Si se fueran a maximizar los
ingresos esperados, se introduciran los ingresos en cada rama terminal.
Para determinar las decisiones que maximizaran el estado final esperado de los activos de
Colaco, se trabaja hacia atrs (a lo que a veces se conoce como plegado del rbol hacia
atrs) de derecha a izquierda.
En cada bifurcacin de suceso, se calcula el estado final o de los activos y se introduce en .
En cada bifurcacin de decisin, se denota por la decisin que maximiza el estado final de
los activos y se introduce el estado final esperado de los activos asociado con esa decisin en
. Se continua trabajando hacia atrs de este modo hasta que se llega al comienzo del
rbol. Entonces la secuencia ptima de decisiones se puede obtener siguiendo el smbolo
Se empieza por determinar los estados finales esperados de los activos para las tres
bifurcaciones de suceso siguientes
1 Comercializar a nivel nacional despus del xito local. Aqu se tiene un estado final
esperados de los activos de
0.85(420 000) + 0.15(20 000) = $ 360 000.
2 Comercializar a nivel nacional despus del fracaso local. Aqu se tiene un estado final
esperado de los activos de
0.10(420 000) + 0.90(20 000) = $60 000.
3 Comercializar a nivel nacional despus de no probar en el mercado. Aqu se tiene un
estado final esperado de los activos de
0.55(450 000) + 0.45(50 000) = $270 000.
Ahora se podran evaluar tres bifurcaciones de decisin:
1 Decisin despus del xito local. Comercializar a nivel nacional produce un estado final
esperado de los activos ms grande que no comercializar a nivel nacional, de modo que se
comercializa a nivel nacional y se introduce un estado final esperado de los activos de $360
000.
2 Decisin despus de fracaso local. No comercializar a nivel nacional produce un estado
final esperado de los activos ms grande que comercializar a nivel nacional, de modo que no
se comercializa a nivel nacional y se introduce un estado final esperado de los activos de
$120 000.

114
3 Decisin de no probar en el mercado. Comercializar a nivel nacional produce un estado
final esperado de los activos ms grande que no comercializar a nivel nacional, de modo que
se comercializa a nivel nacional y se introduce un estado final esperado de los activos de
$270 000.
Ahora se debe evaluar la bifurcacin de suceso que emana de la decisin de promocionar el
producto. Esta bifurcacin de suceso produce un estado final esperado de los activos de
que se introduce en .

Lo que resta es determinar la decisin correcta en la bifurcacin, promocionar el producto

contra ninguna promocin. Se ha encontrado que promocionar el producto produce un estado
final esperado de los activos de $264 000, y no promocionar da un estado final esperado de
los activos de $270 000. As que no se realiza una promocin del producto y se introduce
$270 000 en .

Ahora estamos en el comienzo del rbol y se encontr que la decisin ptima de Colaco es
no promocionar y comercializar a nivel nacional.
Esta estrategia producir un estado final esperado de los activos de $270 000.

Figura 1 rbol de decisin de Colaco (neutral al riesgo)

Observe que el rbol de decisin tambin muestra que si se hubiera promocionado el

producto y en consecuencia, actuando de manera optima (comercializar a nivel nacional

115
despus del xito local y no comercializar a nivel nacional despus del fracaso local), se
habra obtenido un estado final esperado de los activos de $264 000.

Ejemplo 2: Venta de tractores para casa y jardn.

Se acaba de completar la fase de diseo y prueba del producto para la nueva lnea de
tractores de casa y jardn de la Protrac. La administracin suprema trata de decidir la
estrategia adecuada que se usar en la comercializacin y produccin de estos artculos. Se
discuten tres alternativas principales. Cada alternativa se identifica mediante una sola palabra.

1. Agresiva (A):
Esta alternativa representa el mayor compromiso de la firma con su lnea de productos. Se
hara una sustanciosa inversin para un medio de produccin nuevo y eficiente. Se
construiran en grandes existencias para garantizar la pronta entrega de todos los modelos.
Se iniciara una gran campaa de publicidad que abarcara comerciales de televisin,
patrocinada en toda la nacin y descuentos promocionales.

2. Bsica (B):
En este plan, la produccin del E-4 (tractor oruga pequeo) se cambiara de Joliet a Moline.
Esta mudanza desfasara al departamento plagado de dificultades de produccin de mquinas
ajustables y excavadoras. Al mismo tiempo, la lnea E-4 en Joliet se modificara para producir
la nueva mquina para casa y jardn. Se conservaran existencias slo de los artculos ms
populares. La matriz general pondra fondos a disposicin para apoyar una publicidad local o
regional, pero sin montar una campaa publicitaria nacional.

3. Cautelosa (C):
En este plan, se usara el exceso de capacidad de varias lneas de E-4 ya existentes, para
producir los nuevos implementos. La nueva instrumentacin que se desarrollase sera mnima.
Se equipara la produccin para satisfacer la demanda y la publicidad quedara a discrecin
del distribuidor local.

116
Tabla 8
Utilidades (en millones de dlares) y probabilidades para el problema de mercadeo bsico

La administracin decide clasificar la condicin del mercado en fuerte (S) y dbil (W). La tabla
8 presenta la tabla de pagos y la mejor estimacin del administrador, de la probabilidad de un
mercado fuerte o dbil. Los pagos anotados en el cuerpo de la tabla representan beneficios
netos medidos en millones de dlares.

Se obtuvieron mediante un cuidadoso estudio de las ventas, ganancias y costos asociados

con cada combinacin de decisin y estado de la naturaleza. Es interesante anotar que la
decisin cautelosa (C) produce una utilidad mayor en un mercado dbil que en uno fuerte.
Cuando el mercado es fuerte y la Protrac precavida, no slo captura la competencia el
mercado de tractores pequeos, sino que como resultado del efecto persistente de esas
ventas, la competencia se introducira decisivamente en la posicin actual en el merca-do de
la Protrac, en lo relativo a accesorios y otros productos para el hogar.

Estamos trabajando aqu con las llamadas "decisiones bajo riesgo" y, por su-puesto, es
posible calcular !a ganancia esperada para cada decisin y elegir la mejor. Los clculos son:

UE (A) = 30(0.45) - 8(0.55) = 9.10

UE (B) = 20(0.45) + 7(0.55) = 12.85
UE (C) = 5(0.45) + 15(0.55) = 10.50

La decisin ptima consiste en elegir (B), la estrategia bsica de produccin y mercadeo.

Tambin este problema mercantil se representa mediante un rbol de decisin. En la figura 2,

se presenta el primer paso de la construccin. En nuestra exposicin sobre los rboles de

117
decisin, un nodo cuadrado representar el punto en el que debe tomarse una decisin, y
cada lnea que salga de l representar una decisin posible. Los nodos circulares
representarn situaciones en las que no haya certeza en los resultados. Cada lnea que salga
de un crculo representar un resultado posible. Se usar el trmino rama para designar las
lneas que emanen de los nodos, ya sean cuadrados o circulares.

Para el problema de los tractores de casa y jardn, el rbol de decisin de la figura 2 muestra
el nodo inicial, marcado con I. Dado que es cuadrado, se debe tomar una decisin. Entonces,
la administracin escoger una de las estrategias, A, B y C. Segn la decisin que se elija, se
obtendr una nueva posicin en el rbol. Por ejemplo, tomar la estrategia A nos lleva del nodo
I al nodo II. Como II es un crculo, no se conoce con certidumbre la siguiente rama que
ocurrir.

Figura 2. Primer paso en la construccin del rbol de decisin para el problema de tractores
para casa y jardn

S = mercado fuerte W = mercado dbil

Si resulta que la condicin del mercado es fuerte, se obtiene la posicin V. Si, por el contrario,
resulta un mercado dbil, se obtiene la posicin VI. Como las posiciones V y VI representan el

118
final del proceso de de-cisin, nos referiremos a ellas como posiciones terminales. Tambin,
dado que de los nodos, II, III y IV no siguen otros, sern nodos terminales.

El rbol de decisin que se presenta en la figura 2 proporciona un mtodo eficiente para que
la administracin visualice las interacciones que hay entre las decisiones y los eventos que no
son seguros. No obstante, si la administracin desea usar el rbol de decisin para elegir la
decisin ptima, debe agregarse alguna informacin adicional al diagrama.

En concreto, se debe asignar la ganancia asociada a cada posicin terminal. sta se llama
valor terminal. Tambin se debe asignar una probabilidad a cada rama que emane de un nodo
circular. Para el modelo bsico, sta es una tarea sencilla, y su realizacin produce el rbol de
decisin que se presenta en la figura 3. Puede verse que los valores terminales agregados y
las probabilidades de las ramas fueron tomadas directamente de la tabla 8.

Se llama "resolver el rbol" al hecho de usarlo para encontrar la decisin ptima. Para
resolver un rbol de decisin se retrocede en la jerga profesional, replegando el rbol. Se
empieza por replegar las ramas terminales calculando un valor esperado de cada nodo
terminal. Por ejemplo, considrese el nodo II. El clculo para obtener el valor esperado de
este nodo es

Valor terminal esperado = 30(0.45) + (-8)(0.55) = 9.10

En otras palabras, el valor esperado que se obtiene si se llega desde el nodo II es 9.10.
Ahora, se repliegan (esto es, se eliminan) las ramas que emanan del nodo y se asigna a ste
el valor 9.10, como se ve en la figura 4.

Figura 3. rbol completo de decisin para el problema de tractores para casa y jardn

119
Figura 4. Repliegue de ramas terminales

Figura 5. rbol de decisin reducido para el problema de tractores de casa y jardn

Realizando los mismos clculos para los nodos III y IV se obtiene lo que se llama rbol de
decisin reducido y que se muestra en la figura 5. Advirtase que los valores terminales
esperados de los nodos II, III y IV son idnticos a los beneficios esperados que se calcularon
antes en esta seccin, para las decisiones A, B y C, respectivamente.

120
La administracin encara ahora el problema de escoger la alternativa que produzca el valor
terminal esperado ms elevado. En este caso, como antes vimos, la eleccin es la alternativa
B. Esto concluye el anlisis del modelo bsico en trminos de un rbol de decisin.

3.5 Teora de Utilidad.

Ahora se muestra como se puede usar el concepto de Von Neumann-Morgenstern de una

funcin de utilidad como auxiliar en la toma de decisiones bajo incertidumbre

Considere una situacin en la que una persona recibir, para i = 1, 2,,n, una recompensa r i
con probabilidad pi . Esto se denota como la lotera. Una lotera suele representarse mediante
un rbol en el que cada rama representa un resultado posible de la lotera y el nmero en
cada rama represente la probabilidad de que ocurrir el resultado.

As, la lotera ( , $500; , $0) se podra denotar por:

$500

$0

Suponga que se pide elegir entre dos loteras (L 1 , L2 ). Con certeza, la lotera L1 produce
$10,000:

1
L1 $10,000

La lotera 2 consiste en lanzar una moneda. Si el resultado es cara, se reciben $30,000, y si

sale cruz se reciben $0.

$30000

L2
$0

L1 produce una recompensa esperada de $10000 y L 2 da una recompensa de (1/2) (30000) +

(1/2)(0) = $ 15 000 . Aun que L 2 tiene un valor esperado ms grande que L 1 la mayora de las
personas prefieren L1 a L2 por que L1 ofrece la certeza de un pago relativamente grande, en

121
tanto que L2 produce un cambio sustancial (1/2) de obtener una recompensa de cero peso. En
resumen la mayora de las personas prefieren la primera opcin por que esta tiene menos
riesgo que (o incertidumbre) que la segunda. El objetivo es determinar un mtodo que pueda
usar una persona para elegir entre loteras.

El mtodo de Von Neumann para clasificar estas loteras es como sigue:

1. Comience por identificar los resultados ms favorables y el menos favorable

2. Se pide a quien toma la decisin que determine la probabilidad p i tal que no se tenga
preferencia

3. Quien toma la decisin construye las loteras en un rbol de decisin, tal que solo tiene
que ver con el mejor resultado posible y el peor

4. Con cada probabilidad produce una recompensa, si una lotera no es compuesta se

trata de una lotera simple (con una sola probabilidad)

Axiomas de Von Neumann-Morgenstern

Axioma 1: De Ordenacin Completa.

Para dos recompensas, r1 y r2 uno de los siguientes enunciados debe ser cierto: la persona
que toma la decisin (1) prefiere r1 a r2 ;(2) prefiere r2 a r1 ;(3) es indiferente entre r1 y r2.
Tambin, si la persona prefiere r1 a r2 y r2 a r3 entonces debe preferir r1 y r3 (transitividad de
preferencias).

En nuestro anlisis, utilizamos el axioma de ordenacin completa para determinar los

resultados ms y menos favorables.

Axioma 2: De Continuidad.

Si la persona que toma la decisin prefiere r 1 a r2 y r2 a r3 entonces para alguna c(0<c<1), L 1 i

L2 donde:
c
1 r1
L r2
1
En nuestro
L 1- c
anlisis informal, utilizamos el axioma 2de continuidad cuando ser encontr, por
ejemplo, que L3iL3 3

Axioma 3: De Independencia.

Suponga que quien toma la decisin no tiene preferencia entre las recompensas r1 y r2. Sea r3
cualquier otra recompensa. Entonces para cualquier c ( 0 < c < 1) L 1iL2 donde:
c
r1 122
L1 1- c
r3
 c
r2
L2 1- c
r3

Axioma 4: De Probabilidad Desigual.

Suponga que la persona que toma la decisin prefiere la recompensa r 1 en vez de la

recompensa r2 si las dos loteras tienen r1 y r2 como sus resultados posibles, la persona
prefiere la lotera con la mayor probabilidad de obtener r 1

Se utiliza el axioma de probabilidad desigual cuando se concluye por ejemplo, que se prefiere
L1 en vez de L2

Axioma 5: De lotera compuesta.

Suponga que cuando se consideran todos los resultados posibles, una lotera compuesta L
produce (para i = 1, 2, , n) una probabilidad pi de recibir una recompensa r i. Entonces LiL,
donde L es la lotera simple (p1, r1; p2, r2; ; pn, rn).

3.6 Anlisis de sensibilidad.

Antes de proceder con el siguiente tema, relativo a un modelo en el que se aprovecha la

nueva informacin concerniente a la probabilidad de los eventos azarosos, es conveniente
considerar otra vez la ganancia esperada asociada con cada una de las decisiones de nuestro
ejemplo anterior (ejemplo 2: Venta de tractores para casa y jardn). de la seccin 3.4
Ya hemos notado que para calcular la ganancia esperada de la estrategia A, se usa la relacin

UE(A)= (30) P(S) + (-8) P(W)

Donde P(S) es la probabilidad de un mercado fuerte y P(W) la de uno dbil. Sabemos tambin
que

P(S) + P (W) = 1 P(W) = 1 - P(S)

En consecuencia,

UE(A) = 30P(S) - 8[1 - P(S)] = -8 + 38 P(S)

Entonces, esta ganancia esperada es una funcin lineal de la probabilidad de que la res-
puesta del mercado sea fuerte.

Se puede encontrar una funcin similar para las alternativas B y C, puesto que

123
 UE (B) = 20P(S) + 7[1 -P(S)] = 7 + 13P(S)

UE(C) = 15P(S) + 15[1 P(S)] = 15 - 10P(S)

Vamos a construir la grfica de estas tres funciones en el mismo conjunto de ejes.

Empecemos en la figura 6 con el beneficio esperado para la decisin A, UE(A). El eje vertical
es la ganancia esperada y el eje horizontal es P(S), la probabilidad de que el mercado sea
fuerte. Ntese que cuando P(S) = O, entonces UE (A) = -8. Para ver que esto tiene sentido,
recuerde que cuando P(S) = O, estamos seguros de que el mercado ser dbil y la tabla 8
muestra que si el mercado es dbil y tomamos la decisin A, la ganancia es -8.

Un razonamiento similar muestra que UE(A) debe ser 30 cuando P(S) = 1, ya que en este
caso estamos seguros de que el mercado es fuerte. El hecho de que una recta conecte estos
dos puntos se deduce del hecho de que

UE(A) = -8 + 38P(S)

Figura 6. UE(A) contra P(S)

que es una funcin lineal de P(S). En la figura 7, UE(B)y UE(C) se ven las grficas sobre el
mismo conjunto de ejes.

Como el criterio para la toma de decisiones bajo riesgo consiste en elegir la decisin que
tenga el beneficio esperado ms alto, la figura 7 muestra cul decisin es ptima para
cualquier valor concreto de P(S). Por ejemplo, si el valor de P(S) es 0.45, como en la tabla 8,
la figura 7 muestra que UE(B) > UE(C) > UE(A). Por lo tanto, como ya hemos calculado, la
decisin ptima para este valor de P(S) es B. Por otra parte, si P(S) = 0.8 vemos que UE(A) >
UE(B) > UE(C) y, por lo tanto, la decisin ptima es A.

En trminos ms generales vemos que si P(S) es mayor que el valor de esta probabilidad en
el punto en el que se cortan las grficas de A y B, debe escogerse la estrategia A. El valor de

124
P(S) para el que la estrategia A resulta ptima puede encontrarse igualando UE(A) y UE(B) y
despejando P(S); es decir,

Figura 7. Ganancia esperada, como funcin de P(S)

UE (A) = UE(B)
-8 + 38P(S) = 7 + 13P(S)
25P(S) = 15
P(S) = 0.6

En forma semejante, es fcil determinar que las grficas de UE(C) y UE(B) se cortan cuando
P(S) = 0.348. Entonces, la figura 7 indica que la Protrac debe elegir la estrategia bsica de
produccin y mercado (o sea la decisin B) s P(S) es mayor que 0.348 y menor que 0.6. Esto
concuerda con lo que ya hemos calculado bajo el supuesto de que P(S) = 0.45. Sin embargo,
el anlisis de la figura 7 proporciona informacin ms considerable que la que antes
obtuvimos. Por ejemplo, ahora est claro que la decisin ptima para este caso no es muy
sensible a la precisin de nuestra estimacin de P(S). La misma estrategia, B, permanece
siendo ptima para un aumento o disminucin de 0.10 en la estimacin anterior de la
probabilidad que fue 0.45.

Aunque un diagrama como el de la figura 7 slo se puede usar cuando hay dos estados
naturales posibles, proporciona un recurso didctico valioso para ilustrar la sensibilidad de la
solucin ptima a las estimaciones de las probabilidades. Para dimensiones mayores, existen
generalizaciones de este enfoque, pero dicha discusin escapa al nivel introductorio de este
captulo.

3.7 Uso de software.

Se sugiere el uso del software Win-QSB

125
La llamada administracin cientfica aboga por el uso de los mtodos cuantitativos en la toma
de decisiones empresariales; de ah que en los planes de estudio correspondientes a la
formacin de profesionales de la ingeniera industrial, la administracin en sus diferentes
matices, las finanzas y muchas ms disciplinas, figuren asignaturas que pretendan que los
egresados de estas disciplinas se apropien de un cmulo de herramientas que les facilite el
anlisis y la toma de decisiones en situaciones complejas.

Con la popularizacin de los computadores personales (PCs) han surgido programas y

aplicaciones muy completas para el tratamiento de los problemas de gestin mediante
herramientas cuantitativas, las que en su conjunto constituyen los mtodos de la investigacin
de operaciones.

QSB (Quantitative System Business), podra decirse que es el software ms utilizado en la

actualidad por estudiantes de Licenciatura y postgrados que incluyen en su plan de estudios
asignaturas como la investigacin de operaciones o temas relacionados.

TORA

El sistema tora de optimizacin en un programa basado en Windows que tiene por objetivo
usarse con muchas de las tcnicas presentadas como ejemplo la PL. Una propiedad
importante del sistema es que se puede usar para resolver problemas de modos tutorial o
automatizado. El modo tutorial tiene bastante utilidad por que permite concentrarse en los
conceptos principales de los algoritmos al mismo tiempo que se descarga el peso de los
tediosos clculos que suelen caracterizar a los algoritmos de I O.

Tora es totalmente autosuficiente en el sentido de que todas las instrucciones necesarias para
activar el programa se representan con mens, botones de comando, cuadros de verificacin
y cosas por el estilo. No necesita manual de usuario. Sin embargo, este apndice se
presentara un resumen de las funciones bsicas del sistema.

126
Tora esta automatizado para ajuntes de presentacin en pantalla de 800x600 y 1024x768
pixeles. Se recomienda el segundo ajuste por que produce una distribucin ms
proporcionada de la pantalla

Men Principal

Muestra la pantalla del men principal. Una seleccin de este men lleva a una nueva pantalla
para seleccionar el modo de ingreso de datos del problema.

Modo y formato de ingresos de datos

La pantalla del modo de ingreso, captura o entrada de datos hace dos cosas

1. Permite ingresar un nuevo conjunto de datos para el problema (es lo predeterminado),

o leer los datos en un archivo existente que haya sido creado originalmente por tora.
2. Permite seleccionar el formato (decimal o cientfico) al igual que controlar el grado
deseado de exactitud al capturar los datos.

El formato decimal (es el predeterminado) se representa por el cdigo NNNNN.DD, mientras

que el formato cientfico se representa como .NNNNNeDD. Los valores predeterminados de N
y de D son 5 y 2 respectivamente. Esos valores se pueden cambiar a cualquier otro valor
(razonable)

Pantalla de ingreso de datos

Al ingresar el tamao correspondiente del problema (superior izquierda de la pantalla de

datos) aparece de inmediato la tabla de datos Los elementos de la tabla estn diseados para
coincidir con los datos del modelo seleccionado (por ejemplo, PL o modelo de transporte).
Independientemente del modulo usado, la tabla de datos se edita en forma muy parecida a
una hoja de calculo

El diseo de la tabla permite insertar o eliminar una columna o un rengln asi como copiar y
pegar el contenido de un rengln o de una columna. Para lograrlo, primero se hace clic en el
encabezado de la columna o el rengln que se desea. A continuacin se usa el men editgrid
para lograr el resultado que se desee. El men usa combinaciones sugerentes de teclas,
como CTRL+ I, CTROL + D, CTRL + C, CTRL + P, para insertar, eliminar, copiar y pegar.
Cualquiera de estas operaciones se puede deshacer con CTRL + U.

Una vez capturados todos los datos, se oprime solve men y se siguen las instrucciones
para guardar los datos en un archivo, si asi se desea.

Men Solve-Modify

127
El men solve-modify presenta opciones para resolver el problema que se desee. Una
propiedad importante de tora es que permite resolver el problema en forma automtica, o bien
en modo tutorial (guiado por el usuario). Todas esas opciones se generan en forma lgica,
usando sub menes .

El elemento modify permite regresar a la pantalla de ingreso de datos, para hacer cambios en
los datos originales del problema.

Formato de los resultados

La pantalla output format controla la exactitud de los resultados. Los detalles del formato de
los resultados son iguales a los del formato de los datos de entrada.

Pantalla de resultados

La pantalla de resultados muestra resultados en forma de texto o grficamente dependiendo

del tipo de problemas que se est resolviendo se pueden imprimir resultados en texto o en
grficos usando el botn de comando write to printer

Problemas propuestos
3-1. Una compaa dise un nuevo circuito integrado que le permitir entrar al campo de las
computadoras si as lo desea. De otra manera, puede vender sus derechos por $800 000. Si
elige construir computadoras, la rentabilidad de este proyecto depende de la habilidad de la
compaa para comercializarlas durante el primer ao. Tiene suficiente acceso a los
distribuidores al menudeo como para garantizar la venta de 1000 computadoras. Por otro
lado, si tiene xito puede llegar a vender hasta 10 000 mquinas. La compaa piensa que
ambas alternativas de venta son igualmente probables y que cualquier otra puede ignorarse.
El costo de instalar la lnea de produccin es de $600 000. La diferencia entre el precio de
venta y el costo variable de cada computadora es de $600.
a) Desarrolle una formulacin para el anlisis de decisiones para este problema identificando
las acciones, los estados de la naturaleza y la matriz de pagos.
b) Determine la accin ptima segn la regla de decisin de Bayes.

3-2. Una universidad debe decidir entre dos planes para comenzar un programa dePosgrado
en una nueva rea acadmica. La meta es maximizar el incremento en la poblacin
estudiantil, paro no est claro si el inters en esta nueva rea ser alta, medio o bajo. En la
tabla siguiente se muestran las proyecciones del incremento en poblacin y sus
probabilidades para cada plan.
Incremento
Inters Probabilid Plan 1 Plan 2
ad

128
 Alto 0.6 220 200
Medio 0.3 170 180
Bajo 0.1 110 150
a) Desarrolle una formulacin para el anlisis de decisiones para este problema identificando
las acciones, los estados de la naturaleza y la matriz de pagos.
b) Cul es la accin ptima bajo el criterio minimax?

3-3. Suponga que vende fresas en un mercado. Usted no sabe de antemano el nmero de
cajas que vender maana, pero debe decidir hoy cuntas tener en inventario maana con el
fin de maximizar las ganancias. Puede comprar fresas en $3 por caja y venderlas en $8 por
caja. Debido a que se trata de un producto perecedero, las fresas no tienen valor despus del
primer da en que se ofrecen a la venta.
Un anlisis de las ventas anteriores proporciona la siguiente informacin:
Cajas vendidas Probabilidad
diarias
10 0.2
11 0.4
12 0.3
13 0.1

a) Desarrolle una formulacin para el anlisis de decisiones para este problema identificando
las acciones, los estados de la naturaleza y la matriz de pagos.
b) Cul es la accin ptima bajo el criterio del pago mximo?
c) Cul es la accin ptima segn el criterio de valor esperado?
d) Cul es la accin ptima segn criterio maximax?

BIBLIOGRAFA

G. D. Eppen y F. J. Gould Investigacin de Operaciones en la Ciencia Administrativa, Editorial

Prentice-Hall Hispanoamericana

Taha Hamdy A. INVESTIGACIN DE OPERACIONES, Sptima Edicin, Ed. 2004, Editorial:

Pearson- Prentice Hall

Winston Wayne L. INVESTIGACIN DE OPERACIONES, APLICACIONES Y ALGORITMOS,

Cuarta Edicin, Editorial: CENGAGE

Blank, Leland T; Tarquin, Anthony J. INGENIERA ECONMICA Editorial Mc. Graw Hill.

129