UNIVERSIDAD NACIONAL DEL SANTA

Escuela Profesional de Ingeniería de Sistemas e Informática

CURSO: INVESTIGACIÓN DE OPERACIONES II

Facilitador: Ing. Juan Pablo Sánchez Chávez

SEMESTRE 2018 I

SEMANAS 9 Y 10

CONTENIDO

SEMANA 09
TEORIA DE DECISIONES
1. PROBABILIDADES BAJO CONDICIONES DE
INDEPENDENCIA ESTADÍSTICA
2. PROBABILIDAD BAJO CONDICIONES DE
DEPENDENCIA ESTADÍSTICA
3. TEOREMA DE BAYES:

SEMANA 10
CLASIFICACION DE LOS MODELOS DE DECISIONES
EN CATEGORIAS
4. CRITERIOS PARA LA TOMA DE DECISIOES BAJO
CONDICIONES DE INCERTIDUMBRE
 UNIDAD II
SEMANA 09

TEORIA DE DECISIONES

1. PROBABILIDADES BAJO CONDICIONES DE

INDEPENDENCIA ESTADÍSTICA
Los eventos son estadísticamente Independientes cuando la
ocurrencia de un evento no influye en la ocurrencia de
cualquier otro evento futuro.

Tipos de Probabilidades Bajo independencia Estadística

Son Marginal, Conjunta y Condicional

Probabilidades Marginales Bajo independencia

Estadística

Esta dado por la probabilidad Sencilla de la Ocurrencia de

un evento.
Ejemplos:
1. Acción :
Se lanza una moneda por tercera
vez, si dos resultados anteriores fueron Sello y Sello
cual es la probabilidad que el tercer resultado sea sello.

Evento :
Salga Sello (la ocurrencia de los dos eventos anteriores no
influyen en el tercer resultado ya que son eventos
estadísticamente independientes).
P(sello) = 1/2

2. Acción :
Con la información de una moneda cargada en la que Cara
ocurren el 0.90 del tiempo y Sello el 0.10 del tiempo, si
el resultado del ultimo evento es Sello cuál es la
Probabilidad que en el siguiente evento el resultado sea
Cara ?

Evento :
Salga Cara (El resultado par el nuevo evento no se ve
afectado por el resultado del último evento; por que
son eventos estadísticamente independientes)
P(Cara) = 0.90

Probabilidades Conjuntas Bajo Independencia

Estadística
La probabilidad de que ocurran juntos o en sucesión dos ó
más eventos independientes, esta dado por el producto de
las Probabilidades Marginales.

P(AB) = P(A) * P(B)

Donde:

P(AB) = Conocido como Probabilidad Conjunta, es la

probabilidad de que los eventos A y B ocurran juntos o
en sucesión.
P(A) = Probabilidad Marginal de que el evento A ocurra
P{B) = Probabilidad Marginal de que el evento B ocurra
Ejemplos:

1. Acción
Un Experimento de lanzamiento de una moneda imparcial en el
que se desea conocer la probabilidad de que se obtengan:
a) Dos caras en dos tiros consecutivos.
b) Tres sellos en tres tiros consecutivos.
c) Cara – Sello – Sello – Cara – en cuatro tiros
consecutivos, (C1 – S2 – S3 – C4).

Eventos: a) Cara 1–Cara 2 (1=primer tiro, 2=segundo tiro).

P(cara1,cara2) = P(cara1) * P(cara2)
= 1/2 * 1/2 = 1/4 = 0.25

Eventos: b) Sello 1 – Sello2 – Sello3

P(Sello1,Sello2,Sello3) = P(sello1) * P(Sello2) * P(sello3)
= 1/2 * 1/2 * 1/2
= 1/8 = 0.125

Eventos: c) C1 – S2 – S3 – C4
P(C1,S2,S3,C4)= P(cara1)*P(sello2) *P(sello3)* P(cara4)
= 1/2 * 1/2 * 1/2 * 1/2
= 1/16 = 0.0625

2. Acción :
Se da una probabilidad de que se haga una venta, p, y de
que el éxito o fracaso en la venta ocurra
independientemente. Se desea conocer con las siguientes
variables:

venta = p, no venta = l - p = q ,directamente:

a) La probabilidad de una secuencia de ventas y no ventas
alternas en seis visitas de venta, realizándose la
primera.
b) La probabilidad de venta, no venta, no venta, venta,
venta, venta.

a) La probabilidad de no venta, venta, venta, venta, venta

y no venta.

Para (a)
P(p,q,p,q,p,q) = P(p) *P(q) *P(p) *P(q) *P(p) *P (q)
= p*q*p*q*p*q.
= p*p*p*q*q*q.

Para (b)
P(p,q,q,p,p,p) = P(p) *P(q) *P(q) *P(p) *P(p) *P(p)
= p*q*q*p*p*p.
= p*p*p*p*q*q.

Para (c)
c)P{q,p,p,p,p,q) = P(q) *P(p) *P(p) *P(p) *P(p) *P(q)
= q*p*p*p*p*q.
= p*p*p*p*q*q.

3. Acción
Se da las listas colectivamente exhaustivas para uno, dos y
tres lanzamientos consecutivos de monedas imparciales.
Sabiendo que las probabilidades de eventos independientes
mutuamente exclusivos son ADITIVOS (SE SUMAN), se pide las
probabilidades.

1 TIRO 2 TIROS 3 TIROS

Result. Proba- Resultad. Probabilid. Resultados Probabilid.

Posible bilidad Posibles Posibles
Cl 0.5 C1C2 0.25 C1C2C3 0.125
S1 0.5 C1S2 0.25 C1C2S3 0.125
S1C2 0.25 C1S2C3 0.125
1.0 S1S2 0.25 C1S2S3 0.125
S1C2C3 0.125
1.00 S1C2S3 0.125
S1S2C3 0.125
S1S2S3 0.125

1.000

a) De cuando menos una cara (C) en dos tiros

b) De al menos un Sello (S) en tres tiros
c) De al menos dos Sellos (S) en tres tiros

a) Eventos : Una cara o más

P(C ó más) = 1 - P(S1,S2) = 1 - 0.25 = 0.75

b) Eventos : Un Sello o más

P(S ó más) = 1 - P(C1,C2,C3) = 1 - 0.125 = 0.875
c) Eventos : Dos Sellos o más
P(2 sellos o más) = P(C1,S2,S3) + P(S1,C2,S3) + P(S1,S2,C3)
+ P(S1,S2,S3).

= 0.125 + 0.125 + 0.125 + 0.125 = 0.5

Probabilidades Condicionales Bajo Independencia

Estadística

Simbólicamente P(A\B)
Es la Probabilidad de que suceda el evento A dado que, ha
ocurrido el evento B, y esta dado por:

P(A\B) = P(A)
Esto es cierto ya que, para eventos estadísticamente
independientes la ocurrencia de eventos anteriores NO
AFECTAN la probabilidad del nuevo evento, Ejemplo:

1. Acción :
Se ha lanzado una moneda imparcial una vez; y ha resultado
el evento sello, para un nuevo lanzamiento se pide la
probabilidad de que salga nuevamente sello.

Evento : S2 \ S1
P(S2\S1) = P(S2) = 0.5
2. PROBABILIDAD BAJO CONDICIONES DE
DEPENDENCIA ESTADÍSTICA
La Dependencia Estadística Existe cuando la Probabilidad de
algún evento es DEPENDIENTE DE O AFECTADO POR la ocurrencia
de algún otro evento, los tipos de Probabilidades bajo
dependencia estadística son: Marginal, Condicional y
Conjunta.

Probabilidades Marginales Bajo Dependencia

Estadística
Simbólicamente se representa por P(A) es exactamente igual
a la probabilidad marginal de un evento estadísticamente
independiente, es decir su formula es:

P(A) = P(A) Puesto que una y sólo una probabilidad

esta involucrada y la probabilidad
marginal se refiere a sólo una de ellas.

Probabilidades Condicionales Bajo Dependencia

Estadística

Dado por: P(A\B)

Significa: Probabilidad de que el evento A ocurra dado que
ha ocurrido el evento B, en este caso la probabilidad de
que ocurra A depende de B o es afectado por la probabilidad
de B.

P(AB)
P(A\B) = --------
P(B)
Se lee, la probabilidad que ocurra A dado que B a ocurrido
es igual a la probabilidad de que A y B ocurran juntos
dividido por la probabilidad de ocurrencia de B, ejemplo:

1. Acción :
Se tiene la siguiente información una caja que contiene 10
bolas de las cuales:
3 bolas son color rojo y con puntos,
1 bola es color roja y con rayas,
4 bolas son color amarillas y con puntos, y
2 bolas son color amarillas y con rayas.

La probabilidad de sacar cualquier bola en particular es:

1/10 = 0.1

Equivalencia:
Ro = Roja
Am = Amarilla
Pu = Punteada
Ra = Rayada

* 1 Suponga que alguien saca una bola de la caja y nos

dice que es Roja.
 a) ¿Cuál es la probabilidad que sea Punteada?
b) ¿Cuál es la probabilidad que sea Rayada?

* 2 Suponga que alguien saca una bola de la caja y nos

dice que es Amarilla.
c) ¿Cuál es la probabilidad que sea Punteada?
d) ¿Cuál es la probabilidad que sea Rayada?

* 3 Suponga que alguien saca una bola de la caja y nos

dice que es Punteada.
e) ¿Cuál es la probabilidad que sea Roja?
f) ¿Cuál es la probabilidad que sea Amarilla?

* 4 Suponga que alguien saca una bola de la caja y nos dice

que es Rayada.
g) ¿Cuál es la probabilidad que sea Roja?
h) ¿Cuál es la probabilidad que sea Amarilla?

Solución:

*1 a) P(Pu\Ro) =

b) P(Ra\Ro) =

*2 c) P(Pu\Am) =

d) P(Ra\Am) =

*3 e) P(Ro\Pu) =

f) P(Am\Pu) =

*4 g) P(Ro\Ra) =
 h) P(Am\Ra) =

Probabilidades Conjuntas Bajo Dependencia

Estadística
De la formula de Probabilidad condicional bajo dependencia
estadística: P(A\B) = P(AB) / P(B), la P(AB) sería la
Probabilidad Conjunta Bajo Dependencia Estadística,
entonces:

P(AB) = P(A\B) * P(B)

Se lee, La probabilidad conjunta de los eventos A y B es

igual a la probabilidad del evento A, dado que el evento B
ha ocurrido, por la probabilidad del evento B.
Ejemplos:

Usando la misma información del ejemplo general de

probabilidad condicional bajo dependencia estadística,

*l A alguien se le pedirá que saque una bola de la caja,

¿cuál es la probabilidad que la bola que saque sea:

a) Roja y Rayada ?.
b) Roja y Punteada ?.
c) Amarilla y Rayada, si la probabilidad de ocurrencia que
la bola sea amarilla dado que es rayada es 0.8.
d) Amarilla y Punteada, si la probabilidad de ocurrencia
que la bola sea amarilla dado que es punteada es 0.4.

Solución.- Expresando en la formula general los eventos

conjuntos tenemos:

*1 a) P(RoRa) = P(Ro\Ra) * P(Ra)

 = P(RoRa) * P(Ra)
P(Ra)

= 0.2 * 0.5 = 0.1

b) P(RoPu) = P(Ro\Pu) * P(Pu)

= P(RoPu) * P(Pu)
P(Pu)

= 0.6 * 0.5 = 0.3

c) P(AmRa) = P(Am\Ra) * P(Ra)

= 0.8 * 0.5 = 0.4

d) P(AmPu) = P(Am\Pu) * P(Pu)

= 0.4 * 0.5 = 0.2

Ejemplos De Calculo De Probabilidades Marginales Bajo

Dependencia Estadística

Con la siguiente información de probabilidades conjuntas

obtenidas en *1,

P(RoRa) = 0.1
P(RoPu) = 0.3
P(AmRa) = 0.4
P(AmPu) = 0.2

a) Hallar la probabilidad Marginal del evento Rojo, P(Ro)

b) Hallar la probabilidad Marginal del evento Amarillo,
P(Am)
c) Hallar la probabilidad Marginal del evento Punteado,
P(Pu)
d) Hallar la probabilidad Marginal del evento Rayado, P(Ra)

Solución : Estas probabilidades marginales se obtienen al

sumar probabilidades conjuntas en donde
aparezca el evento de interés que queremos
calcular, así:

a) P(Ro) = P(RoRa) + P(RoPu) = 0.1 + 0.3 = 0.4

b) P(Am) = P(AmRa) + P(AmPu) = 0.4 + 0.2 = 0.6
c) P(Ra) = P(RoRa) + P(AmRa) = 0.1 + 0.4 = 0.5
d) P(Pu) = P(RoPu) + P(AmPu) = 0.3 + 0.2 = 0.5

Aplicaciones de probabilidades marginales.

Problema 1:
En una de las divisiones de la Compañía “XYZ” un grupo de
auditoria interna conformado por dos personas ha comenzado
a evaluar el sistema de seguridad para encontrar alguna
deficiencia. Cada auditor trabaja independientemente del
otro. Por experiencia en auditorías anteriores cada auditor
tiene una probabilidad de 0.6 de encontrar una deficiencia
del sistema durante el período de auditoría. Si ambos
auditores encuentran tal deficiencia la probabilidad de que
el sistema necesite rediseñarse es del 0.8. Si cualquiera
de los dos auditores encuentran una deficiencia, la
probabilidad es 0.5 que el sistema necesite rediseñarse. Sí
ninguno de los auditores encuentra una deficiencia, todavía
hay una pequeña probabilidad de 0.2 que el sistema necesite
rediseñarse.
¿Cuál es la probabilidad que, después de una auditoria
cualesquiera de un grupo de dos personas (auditores), se
tenga que rediseñarse el sistema?

Solución:
Datos:
Definición de las variables de los eventos:
A = El auditor 1 encuentra una deficiencia
B = El auditor 2 encuentra una deficiencia
nA = El auditor 1 no encuentra una deficiencia
nB = El auditor 2 no encuentra una deficiencia
Rl = Rediseñar el sistema si (A y B)
R2 = Rediseñar el sistema si ((A y nB) o (B y nA))
R3 = Rediseñar el sistema si (nA y nB)

Independencia Estadística

P(A) = 0.6 P(nA) = 1 - 0.6 = 0.4

P(B) = 0.6 P(nB) = 1 - 0.6 = 0.4

P(R1) = 0.8
P(R2) = 0.5
P(R3) = 0.2

Lo que buscamos es la probabilidad marginal de rediseñar el

sistema y esta está dado por la suma de las probabilidades
conjuntas en donde aparezca rediseñar el sistema.

P(Rediseñar el sistema)=P((R1(AB))+P(R2 ((A nB)o(B nA) ))

+ P(R3 (nA nB)) .... = ???

A continuación encontramos las probabilidades conjunta

Probabilidad de que ambos auditores encuentren una
deficiencia

P(AB) = P(A) * P(B) = 0.6 * 0.6 = 0.36

Probabilidad de sólo uno de ellos encuentre una deficiencia

P((A nB) ó (B nA)) = P(A) * P(nB) + P(B) * P(nA)

= 0.6 * 0.4 + 0.6 * 0.4

= 0.48

Probabilidad de que ninguno de ellos encuentre una

deficiencia

P(nA nB) = P(nA) * P(nB) = 0.4 * 0.4

= 0.16

A continuación encontramos la Probabilidad Marginal

P(Rediseñar el sistema)= P((R1 (AB))+P(R2((A nB)o(B nA))) +

P(R3 (nA nB))

=P(R1)*P(AB) + P(R2)* P((A nB) ó (B nA)) + P(R3) *P(nA nB)

= 0.8 * 0.36 + 0.5 * 0.48 + 0.2 * 0.16

= 0.56

Respuesta :
Después de una auditoria de un grupo cualesquiera de dos
personas, hay una probabilidad de 0.56 de que el sistema de
seguridad tendrá que ser rediseñado.

3. TEOREMA DE BAYES:
A la formula fundamental de Probabilidad Condicional Bajo
Dependencia Estadística se le conoce como Teorema de Bayes:

P(A\B) = P(AB) / P(B)

El teorema de Bayes constituye un poderoso método

estadístico de evaluación de nueva información limitada la
que es tomada de base para revisar nuestras preestimaciones
de probabilidades. Al usar correctamente este método no es
necesario recolectar una gran cantidad de datos a través de
largos períodos de tiempo, para tomar decisiones basadas en
probabilidades.

Problema N° 01
El despertador de Conco no funciona muy bien, pues el 20%
de las veces no suena. Cuando suena, Conco llega tarde a
clase con probabilidad 0.2, pero si no suena, la
probabilidad de que llegue tarde a clase es 0.9.
a) Determine la probabilidad de que llegue tarde a clase y
haya sonado el despertador.
b) Determine la probabilidad de que llegue temprano a
clase.
c) Conco ha llegado tarde a clase, ¿Cuál es la probabilidad
de que haya sonado el despertador?.

Solución:
Eventos Elementales
1. nA = No suena el despertador P(nA) = 0.2
2. A = Suena el despertador P(A) = 1 – 0.2 = 0.8
3. B = Llega tarde a clase
4. nB = Llega temprano a clase
5. Llega tarde a clase y suena el despertador P(B\A) =
0.2
6. Llega temprano a clase y suena el despertador = 1 –
0.2 = 0.8 = P(nB\A)
7. Llega tarde a clases y no suena el despertador P(B\nA)
= 0.9
8. nB = Llega temprano a clase y no suena el despertador
= 1 – 0.9 = 0.1 = P(nB\nA)

a) Determine la probabilidad de que llegue tarde a clase y

haya sonado el despertador.

P(AB) = P(B\A)P(A) = 0.2 * 0.8 = 0.16

b) Determine la probabilidad de que llegue tarde a clase.

Nos piden la Probalibidad marginal de llegar tarde a clase
y estará dada por las probabilidades conjuntas de que
llegue tarde a clase y haya sonado el despetador y llegue
tarde a clase y no haya sonado el despertador:

P(B) = P(B A) + P(B nA)

P(B) = P(B\A) * P(A) + P(B\nA)*P(nA), reemplazando datos:
P(B) = 0.2*0.8 + 0.9*0.2 = 0.34

c) Determine la probabilidad de que llegue temprano a

clase.
Nos piden la Probalibidad marginal de llegar temprano a
clase y estará dada por las probabilidades conjuntas de que
llegue temprano a clase y haya sonado el despetador y
llegue temprano a clase y no haya sonado el despertador:

P(nB) = P(nB A) + P(nB nA)

P(nB) = P(nB\A) * P(A) + P(nB\nA)*P(nA), reemplazando
datos:
P(nB) = 0.2*0.8 + 0.1*0.2 = 0.36

c) Conco ha llegado tarde a clase, ¿Cuál es la probabilidad

de que haya sonado el despertador?.

Aquí nos piden la probabilidad condicional de que haya

sonado el despertador dado el evento llegar tarde,
aplicando el teorema de Bayes se tiene:

P(A\B) = P(A B) / P(B) = 0.16 / 0.34 = 0.47

SEMANA 10

CLASIFICACION DE LOS MODELOS DE DECISIONES

EN CATEGORIAS
4. CRITERIOS PARA LA TOMA DE DECISIOES BAJO
CONDICIONES DE INCERTIDUMBRE

En el caso de la toma de decisiones bajo incertidumbre,

se sabe que estados de la naturaleza pueden ocurrir,
pero no se tiene información que permita especificar la
probabilidad con que ocurrirán estos estados. En esta
situación, hay cuatro criterios que se puede usar;
examinaremos brevemente cada uno de ellos.
  Criterio Máximax.
 Criterio Máximin.
 Criterio de arrepentimiento Mínimax.
 Criterio de Realismo.

El Criterio Máximax : (Ver tablas 1 y 2)

El criterio máximax para tomar decisiones bajo
incertidumbre proporciona un criterio optimista. Si
quisiéramos usar este criterio, debemos seleccionar la
alternativa de decisión que maximizaría su beneficio
máximo. En nuestro problema ilustrado en la Tabla 1, se
selecciona primero el beneficio máximo posible para cada
alternativa de decisión, después se selecciona la
alternativa que proporciona el beneficio máximo dentro de
ese grupo. La Tabla 2, es una repetición de la Tabla 1, que
ilustra este método. En la Tabla 2, se ha encerrado en un
círculo el beneficio máximo posible para cada una de las
tres alternativas de decisión. La alternativa dentro de
este grupo de tres que proporciona el máximo beneficio, es
“construir”, con un beneficio asociado sobre los 5 años de
$ 700 000.

Tabla 1. Tabla de beneficios para la decisión de expansión

de la compañía de cintas y discos (beneficios expresados en
utilidades obtenidas en los siguientes 5 años).

Estados de la naturaleza ( demanda)

Alta Moderada Baja Falla
Alternativas Expander $500 000 $250 000 -$250 000 -$450 000
del tomador de
Construir $700 000 $300 000 -$400 000 -$800 000
decisiones
Subcontratar $300 000 $150 000 -$10 000 -$100 000
 Tabla 2. Tabla de beneficios para la decisión de expansión
de la compañía de cintas y discos (beneficios expresados en
utilidades obtenidas en los siguientes 5 años).

Estados de la naturaleza ( demanda)

Alta Moderada Baja Falla
Alternativas Expander $500 000 $250 000 -$250 000 -$450 000
del tomador Construir $700 000 $300 000 -$400 000 -$800 000
de Subcontratar $300 000 $150 000 -$10 000 -$100 000
decisiones

El Criterio Máximin (Ver tablas 1 y 3):

El criterio máximin para la toma de decisiones bajo
incertidumbre da un criterio pesimista. Para usar este
método, se intenta maximizar sus beneficios mínimos
posibles. Se empieza listando el beneficio mínimo que es
posible para cada alternativa de decisión; después se
seleccionaría la alternativa dentro de este grupo de tres
que resulta en el beneficio máximo. La tabla 3 repite la
Tabla 1.

En la Tabla 3, se ha encerrado en un círculo el beneficio

mínimo que es posible para cada una de las tres
alternativas de decisión. La alternativa de decisión dentro
de este grupo de tres que proporciona el beneficio máximo
es la alternativa “subcontratar”, con un beneficio asociado
de -$100 000 sobre los próximos 5 años.
 Tabla 3. - Tabla de beneficios para la decisión de
expansión de la compañía de cintas y discos (beneficios
expresados en utilidades obtenidas en los siguientes 5
años).

Estados de la naturaleza ( demanda)

Alta Moderada Baja Falla
Alternativas Expander $500 000 $250 000 -$250 000 -$450 000
del tomador Construir $700 000 $300 000 -$400 000 -$800 000
de Subcontratar $300 000 $150 000 -$10 000 -$100 000
decisiones

El Criterio de Arrepentimiento Mínimax (Ver

Tablas 1 y 4)

Para presentar este criterio, supongamos que se puede ir

al futuro por un minuto y mirar al pasado. Supongamos
que inicialmente tomo la decisión de subcontratar la
producción de discos y cintas (basado en la información
que tenía en ese entonces) y resulta que la demanda es
alta. La utilidad que tendría al subcontratar con
demanda alta es $ 300 000, pero si se hubiese sabido que
la demanda iba ser alta, no habría subcontratado sino
habría escogido “construir” con una utilidad de $ 700
000. La diferencia entre $ 700 000 (el beneficio óptimo
“si él hubiese sabido”) y $ 300 000 (el beneficio
efectivamente realizado de la subcontratación) es $ 400
000 y es conocido como el arrepentimiento resultante de
su decisión.

Veamos el cálculo de un valor adicional de

arrepentimiento. Supongamos que hubiésemos escogido la
alternativa “construir”, y la demanda hubiese resultado
ser moderada. En este caso no habría arrepentimiento
porque, según resultó, la alternativa de decisión
“construir” es óptima cuando la demanda es moderada y $
300 000 es el beneficio máximo posible.

En la Tabla 4 mostramos el arrepentimiento máximo

asociado para cada alternativa de decisión y estado de
la naturaleza. Estos valores de arrepentimiento se
obtienen al restar cada asiento en la tabla de
beneficios (Tabla 1) del máximo asiento en su columna.
Para aplicar el criterio de arrepentimiento máximo para
cada alternativa de decisión, se ha hecho esto al
encerrar en un círculo el arrepentimiento máximo para
las tres alternativas de decisión en la Tabla 4.

Finalmente, el escoge el mínimo de estos tres valores de

arrepentimiento ($ 350 000, $ 700 000 y $ 400 000); en
este caso, $ 350 000 es el valor de arrepentimiento
mínimo y su arrepentimiento asociado con la alternativa
de decisión “expander”.
 Tabla. 4 Arrepentimiento para cada una de las doce
combinaciones de alternativa de decisión y estado de la
naturaleza para la compañía de discos y cintas.

Estados de la naturaleza ( demanda)

Alta Moderada Baja Falla
Alternativas Expander $200 000 $50 000 $240 000 $350 000 B
E
del tomador Construir 0 0 $390 000 $700 000 N
de Subcontratar $400 000 $150 000 0 0
E
F
decisiones I
C
I
O
S
El Criterio de Realismo: (Ver tabla 5)
Este criterio para la toma de decisiones bajo
incertidumbre es un criterio intermedio entre el máximax
y el mínimax; esto es, entre el optimismo y el
pesimismo. Este compromiso requiere que se especifique
un coeficiente o índice de optimismo, simbolizado por α
donde α está entre 0 y 1. Cuando se asigna a α un valor
de cero (0), expresa pesimismo sobre la naturaleza.
Cuando se asigna a α un valor de uno (1), expresa
optimismo sobre la naturaleza. Para aplicar este
criterio a su decisión sobre la expansión de la compañía
de discos y cintas, primero se determina tanto el
beneficio máximo como el mínimo para cada alternativa de
decisión. Esto se ha hecho esto en la Tabla 5. El
beneficio máximo para cada decisión está encerrado en un
círculo punteado, y el mínimo en un círculo normal.

Entonces, para cada alternativa de decisión, se

calculara este valor:
 Medida de realismo = α( beneficio máximo) + ( 1 – α )
(Beneficio mínimo)

Tabla 5 Beneficios máximo y mínimo para cada alternativa

de decisión para la compañía de discos y cintas.

Estados de la naturaleza ( demanda)

Alta Moderada Baja Falla
Alternativas Expander $500 000 $250 000 -$250 000 -$450 000
del tomador Construir $700 000 $300 000 -$400 000 -$800 000
de decisiones Subcontratar $300 000 $150 000 -$10 000 -$100 000

Ejemplo de la Aplicación del criterio del realismo :

Supongamos en este ejemplo que el presidente de la

compañía se siente bastante optimista y le asigna un
valor de .7 a α. Bajo estas condiciones, los valores de
la medida de realismo para las tres alternativas de
decisión son:

Expandir .7($500 000) + .3(-$450 000) = 215 000

Construir .7($700 000) + .3(-$800 000) = 250 000
Subcontratar .7($300 000) + .3(-$100 000) = 180 000

La aplicación del criterio de realismo en este caso

sugiere que se escoja la alternativa “construir” por
tener el máximo beneficio de las tres alternativas. La
ventaja de usar el criterio de realismo es que se puede
introducir sus propios sentimientos personales de
pesimismo u optimismo relativos en el proceso de
decisión.