Tema 5.

Árboles de Decisión

1.- Introducción

2.- Resolución de un árbol de decisión

3.- Análisis de la información adicional

1
1. Introducción

Son frecuentes en la empresa las decisiones en las

que el decisor debe tomar una secuencia de
decisiones encadenadas.

¿SOLUCIÓN?

En este caso, en el que las decisiones son

secuenciales, suele utilizarse una técnica
denominada “árbol de decisión”.

¿QUÉ ES?

Un árbol de decisión es un grafo explicativo de la

secuencia de decisiones que se deben adoptar, así
como los distintos acontecimientos que pueden
producirse y que condicionan los resultados
asociados a cada decisión.

2
2. Resolución de un árbol de
decisión
FASES PARA SU RESOLUCIÓN

1. DETERMINACIÓN
ALTERNATIVAS / ESTADOS DE LA
NATURALEZA

2. DISEÑO DEL ÁRBOL

3. CÁLCULO DE LOS
RESULTADOS ESPERADOS

4. ASIGNACIÓN DE
PROBABILIDADES A LOS
ESTADOS DE LA NATURALEZA

5. RESOLUCIÓN DEL ÁRBOL

3
1. DETERMINACIÓN ALTERNATIVAS
/ ESTADOS DE LA NATURALEZA

Determinar cuáles son las distintas acciones

alternativas sobre las que deberemos tomar
decisiones así como los diferentes estados de la
naturaleza a considerar.
Establecer las relaciones existentes entre unas y / u
otros.

2. DISEÑO DEL ÁRBOL

Los elementos de los que nos vamos a servir para

representar el árbol de decisión son:

Puntos de decisión o nudos decisionales

Acontecimientos o nudos aleatorios

Resultados esperados

Ramas decisionales

Ramas aleatorias

4
- Puntos de decisión. Representan etapas en las que
el decisor ha de tomar alguna decisión (elegir entre
varias alternativas posibles).
- Ramas decisionales. Indican las distintas
alternativas de decisión que salen de un punto de
decisión.
- Acontecimientos. Vienen a indicar el momento del
tiempo en el que el sujeto decisor se enfrenta a los
distintos sucesos o estados de la naturaleza que
escapan de su ámbito de influencia.
- Ramas aleatorias. Representan los distintos
eventos o estados de la naturaleza considerados a
partir de un determinado acontecimiento.
- Resultados esperados. Valor asignado a cada rama
en función de las alternativas y acontecimientos que la
integran.

3. CÁLCULO DE LOS RESULTADOS

ESPERADOS

Deberemos completar el árbol diseñado en la fase

anterior con la estimación monetaria de todas y cada
una de las ramas en función de las alternativas y
acontecimientos que la integran.
Será necesario referir los valores monetarios al
momento inicial mediante una adecuada tasa de
actualización.

5
4. ASIGNACIÓN DE PROBABILIDADES
A LOS ESTADOS DE LA NATURALEZA

Se trata de asignar probabilidades a las ramas

aleatorias, o sea, a los distintos estados de la
naturaleza.
Dado que supondremos, para cada acontecimiento o
nudo aleatorio, un conjunto de estados de la naturaleza
exhaustivos y mutuamente excluyentes, la suma de las
probabilidades de las ramas de un nudo concreto
deberá ser igual a la unidad.

5. RESOLUCIÓN DEL ÁRBOL

Se trata de señalar cuál es la decisión final del sujeto

decisor.
Para la resolución del árbol se deben valorar los nudos
operándose de derecha a izquierda.
La valoración de éstos será diferente según se trate de
un nudo aleatorio o decisional.

6
- El valor de un nudo aleatorio se obtendría
multiplicando los resultados de las distintas ramas
aleatorias que parten del mismo por la probabilidad
asociada a cada rama y sumando los resultados
parciales.
- La valoración de los nudos decisionales es como
sigue:

a) Si los resultados están en términos de beneficio se

elegirá el valor de la rama que presente el valor
máximo.
b) Si los resultados vienen expresados en términos de
costes, deberá asignarse al nudo decisional el menor
de los valores asociados a las distintas ramas
decisionales que tienen su origen en el nudo a valorar.

7
3. Análisis de la información
adicional
Cabe la posibilidad, muchas veces, de retrasar la
elección de una alternativa estudiando previamente
la conveniencia de conseguir información adicional
que reduzca la incertidumbre existente.

La unidad decisoria ha valorado las probabilidades

de los distintos sucesos o estados de la naturaleza
con la información de que dispone inicialmente: se
trata de probabilidades iniciales o a priori.

Si dicha unidad decisoria recibe nueva información,

obtiene información adicional con la que estará
dispuesta a modificar sus opiniones o
probabilidades a priori asignando unas nuevas
probabilidades a posteriori que tengan en cuenta
tanto la información inicial como la información
adicional.

8
En este contexto, caben plantearse las siguientes
cuestiones:

1) ¿De qué manera una información adicional

concreta debe modificar las probabilidades a priori
que estaban basadas únicamente en la información
inicial?

El teorema de Bayes va a ser el mecanismo técnico

en el que se fundamenta la revisión de dichas
probabilidades.

2) ¿Cuánto se puede pagar por la información

adicional?

Depende de la calidad o fiabilidad de la información

adicional y de la necesidad que se tiene de
obtenerla, o sea, de la incertidumbre que se asocia
al resultado esperado.

9
DECISIONES SOBRE LA INFORMACIÓN
ADICIONAL PERFECTA

Con la expresión valor esperado de la información

perfecta (VEIP) se recoge el valor máximo que puede
aportar la información adicional.

CÁLCULO

VEIP = BEIP - BENEF. ESPERADO CON INFORMAC.

PRIORI

PROCEDIMIENTO

Comparar lo que se podría ganar, por término medio,

en el supuesto de que el sujeto decisor supiera lo que
va a ocurrir (beneficio esperado con información
perfecta o BEIP), con la esperanza de ganancia sin
tener esta información.
OBSERVACIONES

El BEIP es el que obtendría El VEIP sería lo máximo

por término medio un
decisor que nunca se
equivocara en su decisión.
Quiere esto decir que el
sujeto decisor tomaría para
cada estado de la
naturaleza la mejor decisión
posible.
que el sujeto decisor
estaría dispuesto a
pagar por disponer de
información ya que esto
es el máximo beneficio
que le podría aportar la
misma.

10
DECISIONES SOBRE LA INFORMACIÓN
ADICIONAL IMPERFECTA

Cuando el sujeto decisor se plantea la posibilidad de

recabar información adicional que no es perfecta, si la
misma conviene o no dado el precio que por ella se
pide, se debe proceder a replantear el problema en el
sentido de que la primera decisión a adoptar debe
referirse a si se debe o no acudir por información.

PASOS

A) Calcular el VEIP

Si el VEIP es inferior al Si el VEIP es superior al

precio fijado por la precio fijado, calcular
información, rechazarla. entonces el valor esperado
de la información
imperfecta (VEII).

B) Calcular el VEII

Si el VEII > Precio de la Si el VEII < Precio de la

información (la información
aporta más de lo que exige
como contrapartida), la
información debe aceptarse.
información (la información
aporta menos de lo que se
exige por ella) no debe
acudirse a información
adicional.

11
 TEOREMA DE BAYES

El mecanismo técnico a través del cual una información

adicional concreta debe modificar las probabilidades a
priori que estaban basadas únicamente en la
información inicial.

Probabilidades Fórmula de Bayes Probabilidades

a priori a posteriori
o revisadas
P( A ) P( H / Ai )
P( Ai / H ) = n i
P (Ai) ∑ P( Ai ) P( H / Ai ) P (Ai / H)
1

Información
suplementaria

P (H / Ai)

12