TEMA 3.

CRITERIOS E INSTRUMENTOS DE DECISIÓN

3.1. DECISIONES EN AMBIENTE DE INCERTIDUMBRE
Los ambientes de decisión vienen determinados por el nivel de información, de que se
dispone sobre los estados de la naturaleza (sucesos de los depende la decisión y en los que no
puede influir apenas).
Cuando mayor sea la información, menor será la incertidumbre y mayor será la
facilidad para decidir. Según el nivel de información que tengo, encontramos los siguientes
niveles de decisión:
1. Certeza: conozco todos los estados de la naturaleza (E) con certeza (demanda 75.000
ud. Año y que no tendrá competencia)
2. Riesgo: no conozco que estados se van a dar, pero si sus probabilidades (demanda
de 75.000 pero con una probabilidad del 25 %).
3. Incertidumbre estructurada: Se conocen los E (estados de la naturaleza) pero no sus
P (probabilidades) (la demanda puede ser de 150.000 o 75.000 pero sin conocer
probabilidades)
4. Incertidumbre no estructurada: ni siquiera conocemos los posibles E ni las P
(demanda cualquier nivel y con cualquier grado de competencia)
Proceso de aprendizaje es el proceso de consecución de información que permite pasar
de un ambiente a otro.
Si la incertidumbre no es estructurada, y no se puede obtener mayor información, hay que
basarse en la intuición. Si la incertidumbre es estructurada, los criterios de decisión son los
siguientes:
1. Criterio de Laplace (= verosimilitud / donde todos los E tienen las mismas
probabilidades): también llamado racionalista o de igual verosimilitud., si no se conocen
las probabilidades de cada uno de los estados, no hay razón para pensar que uno
tenga más probabilidad que otros, por lo que se calcula la media aritmética de los
resultados que puedan resultar de las decisiones y se elige la decisión que
correspondería un resultado medio mayor:
Ejemplo; Un agricultor se tiene que decidir por un cultivo u otro y los resultados dependen de
que sea seco S1 (son estados de la naturaleza) S2 medio y S3 húmedo; E alternativas de
decisión
S1 S2 S3
E1 60 50 40
E2 10 40 70
60+50+40 / 3 = 50 (FAVORABLE) 10 + 40 + 70 / 3 = 40 (DESFAVORABLE)

2. Criterio optimista (Maxi-max): también denominado maxi-max o mini-mix, es aquel

que piensa que cualquiera que fuera la estrategia que eligiera, el estado que se
presentaría sería el más favorable. Se determina el estado más elevado que puede
obtenerse y se elige la decisión que conduzca al mismo.
Ejemplo: E1 favorable = 60 E2 favorable = 70 Maxi-max = 70 _ E2
3. Criterio pesimista o Wald (Wald o Maxmin): persona que cualquiera que fuera la
estrategia que eligiera, el estado que se presentaría sería el menos favorable (maxi-
min o mini-max).
Ejemplo: E1 = 40 E2 = 10 Maxi-min = 40 -> E1 (El resultado nunca será menor que 40)
4. Criterio de optimismo parcial de Hurwicz (Se denomina α al coef. de optimismo
[0,1]: Mejor resultado / Se denomina 1- α al coef. de pesimismo: peor resultado): se
situa entre el optimista y el pesimista, mediante la introducción de un coeficiente de
optimismo “x” entre 0 y 1, y otro coeficiente de pesimismo “1-x”. El mejor de los
resultados se multiplica por “x” // El peor de los resultados se multiplica por “1-x”
Ejemplo: H1 = 60 · x + 40 (1-x)
H2 = 70 · x + 10 (1-x) Aplicando 60% = x (criterio de optimismo)
H1 = 60 · 0,6 + 40 · 0,4 = 52 favorable
H2 = 70 · 0,6 + 10 · 0,4 = 46 desfavorable
5. Criterio del mínimo pesar de Savage (mínimo pesar / Se crea la matriz de pesares
y se aplica un mini-max): lo siguen aquellos quienes tienen aversión a arrepentirse
por equivocarse. Se elabora una matriz de pesares, se elige el criterio correspondiente
al menor pesar.
S1 S2 S3
E1 0 0 30
E2 50 10 0
Lo máximo que puede dejar de ganar es Estrategias dominadas: Se dice que una
30. -> E1 (el menor de los máximos estrategia A esta dominada por una B, si
pesares) cualquiera que sea el estado de la
naturaleza que se presente en B es igual o
menor que A. B>= A
* Ojo: Hay que tener en cuenta las estrategias dominadas, para excluirlas.
6. Teoría de los juegos de estrategia: Existen muchos tipos de juego, se clasifican
según el nº participantes, nº jugadores, información de los participantes, etc. Juego
rectangular: juego de 2 personas (suma nula). La matriz es rectangular y es el caso
más sencillo. Solución: obtener el valor del juego === la cantidad que gana un jugador
y que pierde otro.

3.2. LA ENTROPÍA
La entropía o desorden de un sistema mide la incertidumbre que afecta al sistema
antes de saberse cuál de los sucesos va a producirse. La entropía es mínima (H = 0) cuando
sólo uno de los sucesos es posible. Y es máxima [H = log (n)] cuando todos los sucesos tienen
la misma probabilidad de presentarse.
El contenido informativo de un mensaje, o la ganancia de información derivada del
mismo, es la modificación de la incertidumbre, sobre la ocurrencia del suceso, existente
previamente a su llegada. Cuando son varios sucesos, la variación de las probabilidades de
cada uno de ellos como consecuencia de la llegada de un mensaje se denomina información
de canal.
Ejemplo: ¿Cual es la entropía asociada al lanzamiento de una moneda perfecta? P(cara) = ½
P(cruz) = ½
En teoría de la información, como medida de la información el log 2(1/P) 0> h(p) = -log(P)
normalmente se utilizan logaritmos binarios h(1/2) = -log(1/2) = 1
La entropía seria igual a H = P(cara) * h(p) + P(cruz) * h(p)
H= ½ * 1 + ½ * 1 = 1 bit
La moneda no es perfecta hay un 25% de que salga cara ¿Cuánto vale la entropía?
P(cara) = 0,25 P(cruz) = 0,75
h(cara) = log2(1/P) = log2(1/0,25) h(cruz) = log2(1/P) = log2(1/0,75)
h(cara) = log2(1/4)= 2 bits h(cruz) = 0,415 bits
H = P(cara) * h(p) + P(cruz) * h(p)
 H= 0,25 * 2 + 0,75 * 0,415
H = 0,811225 bits

3.3. EL VALOR DEL DINERO EN EL TIEMPO

Los capitales tienen distinto valor según el momento en el que se generan. Suele valer
más cuanto más próxima al momento actual se encuentre su disposición. Entre cobrar
ahora o dentro de un año, solo accederíamos cobrando más. Razones:
 Podríamos tener el dinero colocado a un tipo de interés.
 Existe inflación (hay que tenerla en cuenta para mantener la capacidad adquisitiva)
 Riesgo (pueden no pagarnos)
Si no hay inflación, la rentabilidad que obtenemos es la correcta. Pero con inflación
debemos calcular: 𝑘 =𝑖+𝑔+𝑖∗𝑔 siendo k (Rentabilidad por inflación); g (la tasa
de inflación anual) e i (Rentabilidad sin inflación

3.4. LOS ÁRBOLES DE DECISIÓN

Las decisiones secuenciales son aquellas que se encuentran sometidas a un proceso
dinámico y adaptativo en un período de tiempo más o menos amplio. Para ello, los árboles de
decisión constituyen un instrumento de gran utilidad.
Un árbol de decisión es un sistema de representación del proceso decisional en el
que se reflejan las posibles alternativas por las que se puede optar y los resultados que
corresponden a cada alternativa según cual sea el estado de la naturaleza que se presenta.
Para ello, el primer nudo es siempre decisional (cuadrados), representa la primera de
las decisiones que han de tomarse, frente a los nudos aleatorios (círculos), donde el decisor se
enfrenta a distintos estados de la naturaleza o sucesos, a través de las ramas que parten de
los nudos y representan las alternativas de decisión.
El valor asociado a un nudo aleatorio es la esperanza matemática de los valores
situados al final de las ramas que parten de él, mientras que el valor asociado a un nudo
decisional es el mejor de los valores en los que tienen destino las ramas que parten de él.
VALOR ASOCIADO A CADA NUDO
V4 =100.000*0.4 +0*0.6 = 40.00 u.m.
V2 = 40.000*0,7 + 0*0,3 = 28.000 u.m.
V5 = 150.000*0.5 + 0*0.5 =75.000 u.m.
V3 = 75.000*0,4 + 0*0,6 = 30.000 u.m.
V1 = Max(28.000 ; 30.000) = 30.000 u.m.
Se debe presentar a la oposición Y (Inspector)
ÁRBOLES DE DECISIÓN CON BAYES
Una empresa que tiene un cliente de mal carácter y en el que no se puede confiar. Si
se le pregunta por algo afirma que sí en el 10 por ciento de las ocasiones en las que realmente
piensa que no. Cuando piensa que sí, sólo dice la verdad en el 80 por ciento de los casos. Es
decir, siendo:
 DS el suceso "el cliente dice que si", DN el suceso "el cliente dice que no",
 S el suceso "el cliente piensa que si", N el suceso "el cliente piensa que no", las
probabilidades son:
P(DS/N) = 0,1 >>>> P(DN/N) = 1 – 0,1 = 0,9
P(DS/S) = 0,8 >>>> P(DN/S) = 1 – 08 = 0,2
Actualmente se está pensando en que a este cliente le preste servicios un nuevo
vendedor que acaba de incorporarse a la plantilla de la empresa. Se estima que hay un 60 por
cien de probabilidades de que este vendedor le agrade y, si así fuera, se sabe por experiencia
que se aumentarían las ventas en 39.000 unidades monetarias (u.m.) mensuales. Pero, si
trabajara para este cliente, y no fuera de su agrado, se perderían 61.000 unidades de ventas
cada mes. Por ello, antes de decidir si asignarle el nuevo vendedor o no, se ha de plantear la
posibilidad de presentársele al cliente para preguntarle si este vendedor es de su agrado. Esta
posibilidad tiene algunos inconvenientes: por un lado, como se señaló anteriormente, el cliente
es algo mentiroso; por otro lado, dado su mal carácter, la experiencia enseña que, por el mero
hecho de molestarle para preguntarle, se perderían 10.000 u.m. de ventas mensuales. El
objetivo de la empresa es maximizar el crecimiento esperado de sus ventas. ¿Cuál es la mejor
secuencia de decisiones?
 Cualquier numeración de los nudos es válida siempre que a nudos posteriores
correspondan números más altos y que no se salte ningún número.
 Al final de cada camino se ha situado el resultado que le corresponde, no teniéndose
en cuenta, de momento, por las razones que se expondrán con posterioridad, el coste
de la consecución de la información (en este caso, las 10.000 u.m. de ventas
mensuales que se pierden al preguntar al cliente).
 Las demás probabilidades han de ser calculadas aplicando el análisis bayesiano.
 La probabilidad de que el cliente diga que sí le agrada el vendedor (suceso DS) será:
P(DS) = P(S) * P(DS/S) + P(N) * P(DS/N) = 0,8 * 06 + 0,1 * 0,4 = 0,52
Pues el cliente puede decir que sí en dos casos: cuando piensa que sí y cuando piensa que no:
P(DN) = 1 – P(DS) = 1 – 0,52 = 0,48
 Necesitamos calcular la demás probabilidades para poder resolver:
P(S/DS) = P(DS/S) * P(S) / P(DS) = 0,8 * 0,6 / 0,52 = 0,92307692
P(N/DS) = P(DS/N) * P(N) / P(DS) = 0,1 * 0,4 / 0,52 = 0,07692307
P(S/DN) = P(DN/S) * P(S) / P(DN) = 0,2 * 0,6 / 0,48 = 0,25
P(N/DN) = P(DN/N) * P(N) / P(DN) = 0,9 * 0,4 / 0,48 = 0,75

3.5. EL VALOR ESPERADO DE LA INFORMACIÓN PERFECTA

La información perfecta es aquella en la que la probabilidad de que sea correcta es el
100%
 VEI: Valor esperado de la información
 VEIP: Valor esperado de la información perfecta. Es la esperanza matemática del
valor de la información y el límite que podrá pagarse por cualquier información.
 VENI: Valor esperado neto de la información >>> VENI = VEI – COSTE
Ejemplo: Deseamos conocer el VENI, antes de preguntar al cliente. Sabemos que si se le
asigna al cliente ganaría 39.000 y si no le agrada, no se le asignaría (por lo que supondría
perder 61.000). Por ello, los dos resultados que se pueden barajar son 39.000 y 0.
Si la probabilidad es 60% de que S y 40% de que N, el VEIP = 39.000*0,6 + 0*0,4 = 23.400,
este es superior que el de una fuente imperfecta como es preguntar a alguien que no siempre
dice la verdad (16.280)
Una vez calculadas las probabilidades de los diversos sucesos se procede de derecha a
izquierda, calculando los valores esperados asociados a los diversos nudos :
V3: 39.00*0.6 +(-61.000*0.4) =-1.000
V2: Max(-1.000,valor nudo )
V6: 39.000*0.923 + (-61.000 * 0.077) = 31.307,69
V5: Max (31.307,69, 0) = 31.307,69
V8: Esperanza matemática
V7: Mejor valor (0)
V4 : Esperanza matemática 16280 (31307,69*0,52 + 0*0,48)
V1: Mejor valor (16.280)
El valor esperado de la información (VEI) es de 16.280 u.m.. Como el valor esperado
de la información es superior que su coste (10.000 u.m.), conviene utilizar la fuente de
información (preguntar al cliente); dicho de otro modo, conviene utilizar la fuente de información
porque su valor esperado neto (VENI) es positivo:
VENI = VEI – coste = 16.280 - 10.000 = 6.280 > 0

3.6. LA PROGRAMACIÓN LINEAL

Todo problema de programación lineal consiste en una función de objetivo lineal que
se ha de maximizar o minimizar y un conjunto de restricciones de carácter también lineal. Los
pasos a seguir para resolver un problema de programación lineal son:
1. Representar las ecuaciones que se obtienen al establecer las restricciones como si
fueran igualdades y siempre en el primer cuadrante (las variables no pueden ser
negativas)
2. Representar la función objetivo tomando un valor arbitrario cualquiera para Z
3. Trazar paralelas a esta última recta tan alejadas como sea posible del origen de
coordenadas, hasta determinar la más lejana que tenga algún punto Perteneciente a la
región de soluciones posibles. Si el problema fuera de minimización habría que trazar
las paralelas lo más próximas al origen de coordenadas.
4. Determinar el punto de esa paralela que se encuentra en el área de soluciones
posibles. Las coordenadas de ese punto son las soluciones. Si hubiera varios puntos el
 problema tendría varias soluciones.
 Hay que formular el objetivo perseguido en forma de función lineal  Función
Objetivo (será la función a optimizar).
 Formular las condiciones o restricciones del problema  ecuaciones lineales en
forma de desigualdad.
 Hay que encontrar un algoritmo que nos permita resolver el modelo construido.
 Solución P.L. : desde solución gráfica hasta programas de ordenador.

Ejemplo: Maximizar la función Z = 40X + 25Y (función objetivo) sujetas a las restricciones:
70X + 70Y <= 650
5OX + 75Y <= 300
70X + 35Y <= 280
X, Y => que el resultado está en el primer cuadrante
Solución:
1. Ver si alguna restricción es combinación lineal de la función objetivo
2. Si hay solo dos restricciones y una es combinación lineal de la función objetivo es
infinitas soluciones
3. Representar las restricciones
 Para todo X = 0; 70Y = 650 => Y=9,28 (0,9’28)
 Para todo Y = 0; 70X = 650 => X=9,28 (9’28,0)
 Para todo X = 0; 75Y = 300 => Y=4 (0,4)
 Para todo Y = 0; 50X = 300 => X=6 (6,0)
 Para todo X = 0; 35Y = 280 => Y=8 (0,8)
 Para todo Y = 0; 70X = 280 => X=4 (4,0)
4. Calcular el polígono de soluciones mediante la representación gráfica: El polígono de
soluciones se halla mediante las restricciones, la primera indica que ha de ser <= 650 por tanto
estará por debajo de la línea de ella, la segunda y la tercera también son menores por tanto las
soluciones estarán en la zona comprendida desde la coordenada (0,0) hasta la delimitación de
las restricciones 2 y 3. En caso de ser > estarían por encima. Maximizar seria el punto de corte
de la 2 con la 3 restricción: 2.- 50x + 75y <= 300 dan como resultado x=3 y = 2 3.- 70x + 35y
<= 280
3.7. EL MÉTODO PERT
Las siglas PERT, provienen de Program Evaluation and Review Technique.
Previamente a la aplicación de esta técnica, es preciso identificar las actividades que integran
el proyecto, así como las dependencias y condicionamientos existentes entre ellas, así como
sus duraciones. En ocasiones, los proyectos pueden realizarse de varias formas y hay que
elegir una de ellas. Precisamente, una de las principales aportaciones del PERT es la sencilla
simulación de alternativas.
La relación de actividades y las dependencias y condicionamientos existentes entre
ellas se ponen de manifiesto en la tabla de precedencias o prelaciones, que contienen la
información necesaria para elaborar el grafo PERT.
 Permite la planificación, ejecución y control de proyectos que requieren coordinar
muchas actividades.
 Sirve para calcular el tiempo de duración de la ejecución de un proyecto ( y las
actividades que lo integran)  búsqueda del camino crítico.
 Representamos los nudos (sucesos) por un circulo en cuyo interior figurará un nº que
indica su posición en el grafo. Las actividades se representan por arcos (flechas).
 Una vez representado el proyecto se procede a la asignación de tiempos a cada una
de las actividades. (Duración de las actividades encima de las flechas).
 No sabemos la duración: calculan los t mínimo, máximo y normal de ejecución de cada
actividad: Tp = (t optimista + 4*t normal + t pesimista) / 6
Los principios del grafo PERT son:
1. Principio de designación unívoca de las actividades: Dos actividades no pueden
partir del mismo nudo y llegar al mismo nudo (serían la misma actividad)
2. Principio de secuencias unívocas: el proyecto debe estar fielmente representado en
el grafo, hay que evitar representaciones que puedan llevar a errores (también
utilizamos actividades ficticias)
3. Principio de designación sucesiva de actividades: los nudos deberán ir numerados
correlativamente de izquierda a derecha y de arriba hacia abajo.
4. Principio de estado inicial y final: se debe comenzar en un único nudo y terminar en
un nudo.

CALCULO DE HOLGURAS
 A las actividades situadas sobre el camino crítico se les denomina actividades
críticas: cualquier retraso en su ejecución supone un retraso en la finalización del
proyecto.
 El tiempo Early (Ei) de un determinado acontecimiento es el momento en el que dicha
 situación se alcanzará como muy pronto (se calcula de izq. a derecha sumando)
 El tiempo Last (Li) de un determinado nudo es el momento más tardío en el que se
puede llegar a un determinado acontecimiento o situación (nudo) sin que ello
perjudique la duración total del proyecto. (se calcula de dcha. a izq. restando)
 Holgura total >>> Holgura libre >>> Holgura independiente
ANALISIS DE LAS HOLGURAS DE LAS ACTIVIDADES

TIPOS DE HOLGURAS EXPRESIÓN

Total Lj – Ei – dij
Libre Ej – Ei – dij = HT – Oj
Independiente Ej – Li – dij = HL - Oi
Se denomina oscilación de un nudo a la diferencia entre su tiempo last y su tiempo
early. Se denomina camino crítico al formado por las actividades en las que no debe
producirse ninguna demora si se desea que el trabajo se termine en el mínimo tiempo posible.
Es el camino que tiene mayor duración entre los que unen el primer nudo y el último

3.8. LOS GRÁFICOS DE GANTT

Entre los gráficos de control, como técnicas de programación temporal de actividades,
el más empleado es el gráfico de GANTT. Consiste en representar en el eje de abscisas el
tiempo o las fechas de realización del proyecto, y en el de ordenadas las actividades que lo
integran.
Con barras horizontales se reflejan los tiempos precisos para realizar las tareas. A
medida que va avanzándose en la ejecución de cada tarea, se sombrea la barra que la
representa para controlar la ejecución de las actividades.
El grafico de Gantt permite controlar visualmente la ejecución de los trabajos. Trazando
una recta vertical (3) sobre la fecha actual se observa los niveles de ejecución los sombreados
por color negro están realizados en tiempos previstos.

3.9. EL MÉTODO PERT EN INCERTIDUMBRE

Se denomina método PERT en incertidumbre a la aplicación de este método cuando no
se pueden prever la duración de algunas actividades, aunque se suponen conocidas sus
distribuciones de probabilidad.
Para calcularlo se estiman los tiempos optimista (To), probable (Tm) y pesimista (Tp)
de una actividad. En el método PERT se supone que la duración de una actividad (d) es una
variable aleatoria que se ajusta a la distribución de probabilidad de las denominadas
distribuciones beta. Su esperanza matemática es:
𝑻𝒐+𝟒𝑻𝒎+𝒕𝒑 (𝒕𝒑−𝒕𝒐)𝟐
𝑬(𝒅) = 𝝏𝟐 =
𝟔 𝟑𝟔
Estimadas las duraciones esperadas de las actividades, se sitúan sobre las flechas
correspondientes, y se procede de la misma manera que en certeza.
Si, además, las duraciones de las actividades son independientes entre sí, la varianza
de la duración del proyecto será igual a la suma de las varianzas de las duraciones de las
tareas. Si es aplicable el teorema central del límite, la duración del proyecto seguirá una
distribución normal, y se podrán utilizar las tablas para calcular la probabilidad de que el
proyecto tenga una duración superior o inferior a cierto número de unidades de tiempo.

PERT-COSTE
Es una extensión del PERT tiempo, en la que se consideran explícitamente los costes.
Se distinguen los costes directos y los costes de estructura.
 Los costes directos se pueden imputar a las actividades que los generan.
o Los costes directos aumentan a medida que reducen las duraciones (se meten
horas extras para terminar en menos tiempo)
 Los costes indirectos se imputan a la generalidad del proyecto. (amortización
maquinaria, se aplica según el tiempo por lo tanto más tiempo más imputación de
amortización)
o costes indirectos aumentan cuanto mayor sea la duración del proyecto
Por tanto la duración óptima será aquella que tenga el mínimo coste total.
Coeficiente de costes = Ce – Cn / Tn - Te
Ce = coste directo correspondiente a su duración extrema
Cn = el coste directo duración normal
Tn = tiempo o duración normal
Te = tiempo o duración extrema

Coeficiente de costes: es el coeficiente que modifica el coste directo de una actividad

al modificar su duración en una unidad de tiempo. Para reducir el tiempo sobre el inicial
previsto se deberá acelera primero la actividad critica que tenga menor coeficiente de costes,
seguidamente se acelera el resto de actividades críticas que se encuentre en su duración
extrema. Para la duración total del camino critico, se calcula el coste directo total y luego el
indirecto correspondiente.
La duración óptima del proyecto será aquélla que tenga el mínimo coste total, es
decir, aquélla para la que sea mínima la suma de los costes directos e indirectos.
APENDICE: ELEMENTOS BÁSICOS DE CÁLCULO DE PROBABILIDADES
El estudio de las decisiones en ambiente de riesgo precisa unos conocimientos básicos sobre
cálculo de probabilidades.
Existen dos concepciones sobre la probabilidad: la definición clásica, o de Laplace, y la
concepción frecuencial u objetivista.
1. La definición de Laplace, si de un total den casos, todos igualmente factibles, un suceso S
puede presentarse en h de los casos, la probabilidad de ocurrencia de ese suceso, P(S), es el
ℎ
cociente entre el número de casos favorables y el de casos posibles. Es decir: 𝑃(𝑆) = 𝑛
2. La concepción frecuencial u objetivista de la probabilidad, como probabilidad estimada, o
empírica, se tomaría la frecuencia relativa de la aparición del suceso, considerando que el
número de observaciones del experimento es suficientemente grande. La probabilidad, en sí, es
el límite de la frecuencia relativa cuando el número de observaciones crece indefinidamente.
Sean S y T dos sucesos. Se denomina suceso compuesto de S y Tal consistente en que acontezcan
S y T, y se le designa 𝑺 ∩ 𝑻. La probabilidad del suceso compuesto es igual a: 𝑃(𝑆 ∩ 𝑇) =
𝑃(𝑇) ∗ 𝑃(𝑆/𝑇) = 𝑃(𝑆) ∗ 𝑃(𝑇/𝑆)
donde P(S / T) es la probabilidad de S condicionada a T, es decir, la probabilidad que tendría S si hubiera
ocurrido T. Del mismo modo, P(T / S) es la probabilidad de que ocurra T suponiendo que ha ocurrido S.
Evidentemente, si S y T son sucesos independientes entre sí:
P(S/ T) = P(S)
P(T/ S) = P(T)
Cuando dos sucesos no se pueden presentar conjuntamente, se dice que son mutuamente
excluyentes. Se dice que una variable es aleatoria cuando no se sabe con certeza el valor que tomará,
sino sólo qué valores puede tomar y que probabilidades tiene cada uno de ellos.
Al conjunto de valores que puede tomar una variable aleatoria y sus respectivas probabilidades
se le denomina distribución de probabilidad de la variable aleatoria. La distribución de probabilidad se
suele representar por medio de un histograma, es decir, mediante rectángulos cuyas áreas son
proporcionales a los tamaños de las probabilidades que representan.
La esperanza matemática de una variable es la media aritmética ponderada de los valores que
puede tomar la variable, utilizándose, como coeficiente de ponderación de cada valor, su probabilidad.
La esperanza matemática, o valor esperado de la variable, también denominada simplemente
media, es un valor de referencia que señala donde se encuentra centrada la distribución de probabilidad.
La varianza es la esperanza matemática de los cuadrados de las desviaciones de los valores
probables respecto a su media. La varianza da idea de la forma de la distribución de probabilidad. Se la
suele representar por el cuadrado de la letra griega «sigma». La desviación típica es la raíz cuadrada
positiva de la varianza y, frente a ella, tiene la ventaja de medirse en las mismas unidades que la variable
en cuestión.
Dispersión significa riesgo. Cuando es muy pequeña, puede decirse que hay una probabilidad
elevada de que la variable tome un valor muy próximo a su valor esperado. Si es muy elevada, habrá una
gran probabilidad de que la variable se desvíe, al alza o a la baja, respecto a ese valor medio. En el caso
de certeza, la dispersión vale cero y va creciendo a medida que el nesgo va siendo superior.
El coeficiente de variación, CV, es un parámetro que combina el riesgo y la esperanza
matemática: es la desviación típica por unidad de valor esperado.