ANLISIS DE

DECISIONES
Investigacin de Operaciones II

Anlisis de Decisiones
Son modelos diseados para estudiar
decisiones que deben tomarse en un
ambiente de gran incertidumbre.
Es una herramienta que proporciona un
marco de trabajo y una metodologa para la
toma de decisiones racional cuando los
resultados son inciertos.

Anlisis de Decisiones

Ejemplos
de
Incertidumbre:
1.
2.
3.
4.

Situaciones

con

Gran

Introduccin de un nuevo producto

Inversin en certificados de depsito
Presentacin de una oferta de licitacin pblica
Seleccin de mezclas de cosechas y ganado
para la prxima temporada
5. Perforacin petrolera en cierta regin

Anlisis de Decisiones

Contiene TODAS
las alternativas
factibles

Marco de
Decisiones:

Referencia

para

la

Toma

de

Existe un Tomador de Decisiones que necesita elegir

una de las opciones posibles.
Luego la Naturaleza elegir uno de los estados de la
naturaleza posibles.
Cada combinacin de una opcin y un estado de la
naturaleza da como resultado un pago, que est dado
como uno de los elementos de la tabla de pagos.
Esta tabla de pagos debe utilizarse para encontrar
una opcin ptima para el Tomador de Decisiones
segn un criterio adecuado.

Anlisis de Decisiones

Diferencia entre Teora de Juegos y Anlisis

de Decisiones:

Teora de Juegos
Ambos
Jugadores
son
racionales.
Ambos Jugadores eligen sus
estrategias para promover su
propio beneficio.
Ninguno de los jugadores
tiene informacin de la
estrategia que tomar su
oponente.

Anlisis de Decisiones
Solamente el Tomador de
Decisiones es racional.
La Naturaleza es un jugador
pasivo
que
elige
su
estrategia de alguna manera
aleatoria.
El Tomador de Decisiones
casi siempre tendr alguna
informacin que debe tomar
en
cuenta
sobre
la
posibilidad relativa de los
estados de la naturaleza.

Anlisis de Decisiones

Toma de Decisiones
Sin Experimentacin
Probabilidad A Priori de los
Estados de la Naturaleza

Criterios para Encontrar la Opcin

ptima en la Toma de Decisin

Criterio de Pago Mximo

Maximax

Ejemplo de Criterio de Pago

Mximo
Alternativa

1. Perforar en busca de petrleo

2. Vender el terreno
Probabilidad A Priori

Estado de la
Naturaleza
Petrle
o

Seco

700

-100

90

90

25%

75%

Mximo
700
90

Valor
Mximo de
los Mximos

Se elije la opcin de perforar en busca de petrleo,

arriesgando para esperar obtener US$700k.

Criterio de Pago Mximo

Minimax

Ejemplo de Criterio de Pago

Mnimo
Alternativa

1. Perforar en busca de petrleo

2. Vender el terreno
Probabilidad A Priori

Estado de la
Naturaleza
Petrle
o

Seco

700

-100

90

90

25%

75%

Mnimo
-100
90

Valor
Mximo de
los Mnimos

Se elije la opcin de vender el terreno y obtener

US$90k sin arriesgar.

Criterio de la Mxima
Probabilidad

Ejemplo de Criterio de la
Mxima Probabilidad
Alternativa

1. Perforar en busca de petrleo

2. Vender el terreno
Probabilidad A Priori

Estado de la
Naturaleza
Petrle
o

Seco

700

-100

90

90

25%

75%

Mximo
pago de la
opcin de
estado seco.

Probabilidad
A Priori ms
alta

Se elije la opcin de vender el terreno y obtener

US$90k porque lo ms probable es que el pozo est
seco y es donde ms se gana estando el pozo seco.

Criterio de Regla de Decisin de

Bayes

Ejemplo de Criterio de Regla de

Decisin de Bayes
Alternativa

1. Perforar en busca de petrleo

2. Vender el terreno
Probabilidad A Priori

Estado de la
Naturaleza
Petrle
o

Seco

700

-100

90

90

25%

75%

Mayor
Valor
Esperad
o

Valor Esperado Perforar: E(perforar) = 0.25(700) + 0.75(100) = 100

Valor Esperado Vender: E(vender) = 0.25(90) + 0.75(90) =
90
Se elije la opcin de perforar porque se espera tener un
mayor pago promedio.

Anlisis de Sensibilidad con la

Regla de Bayes
Se

hace uso de la tcnica de Anlisis de

Sensibilidad para estudiar el efecto si
alguno de los parmetros incluidos en el
modelo matemtico no son correctos.
En estos casos, el modelo matemtico est
representado por la tabla de pagos.
Generalmente
los
nmero
ms
cuestionables
de
la
tabla
son
las
probabilidades de ocurrencia de los estados
de la naturaleza.

Anlisis de Sensibilidad con la

Regla de Bayes
Procedimiento:

Se sabe que la suma de las probabilidades a priori es

1 (100%).
Se determina el valor de alguna de las
probabilidades a priori para la cual el valor esperado
de ambas opciones del tomador de decisiones sea el
mismo. (se igualan los valores esperados).
Sea p = probabilidad a priori de encontrar petrleo
Entonces 1-p = probabilidad a priori de no encontrar petrleo
E(perforar) = 700p 100(1-p) = 800p 100
E(vender) = 90p 90(1-p) = 90
Si E(perforar) = E(vender):
p = 23.75%

Anlisis de Sensibilidad con la

Regla de Bayes
Procedimiento:
Sea p = probabilidad a priori de encontrar petrleo
Entonces 1-p = probabilidad a priori de no encontrar petrleo
E(perforar) = 700p 100(1-p) = 800p 100
E(vender) = 90p 90(1-p) = 90
Si E(perforar) = E(vender):
p = 23.75%

Conclusin:
Vender terreno si p < 23.75%
Perforar si p > 23.75%

Toma de Decisiones
Con Experimentacin
Probabilidad A Posteriori de
los Estados de la Naturaleza

Probabilidades a Posteriori

n = nmero posible de estados de la naturaleza

P(Estado = estado i) = probabilidad a priori de
que el estado de la naturaleza verdadero sea el
estado i, para i = 1, 2, , n
Resultado = resultado de la experimentacin
(una variable aleatoria)
Resultado j = un valor posible del resultado
P(Estado = estado i | Resultado = resultado j) =
probabilidad a posteriori de que el estado de la
naturaleza verdadero sea el estado i, dado que
Resultado = resultado j, para i = 1, 2, , n.

Probabilidades a Posteriori

P(Estado = estado i | Resultado = resultado j) =

P(Resultado = resultado j | Estado = estado i) x P(Estado =

estado i)
[P(Resultado = resultado j | Estado = estado k) x P(Estado =
estado k)]
Teorema de Bayes

Ejemplo de Toma de Decisiones

con Experimentacin
Alternativa

1. Perforar en busca de petrleo

2. Vender el terreno
Probabilidad A Priori

Estado de la
Naturaleza
Petrle
o

Seco

700

-100

90

90

25%

75%

Estudio con costo de US$30k, con resultados posibles:

SSD: Sondeo ssmico desfavorable (poco probable encontrar

petrleo)
SSD: Sondeo ssmico favorable (bastante probable encontrar
Porpetrleo)
experiencias pasadas, se sabe que:

P(SSD|Estado = Petrleo) = 40%

P(SSD|Estado = Seco) = 80%

Ejemplo de Toma de Decisiones

con Experimentacin

Clculo de Probabilidades A Posteriori:

Dadas las Probabilidades A Priori:
Estado Naturaleza con Petrleo: 25%
Estado Naturaleza Seco: 75%

Certeza de Resultados de Experimentacin:

P(SSD|Estado = Petrleo) = 40%
De donde se obtiene:

P(SSF|Estado = Petrleo) = 1 -40% = 60%

P(SSD|Estado = Seco) = 80%
De donde se obtiene:

P(SSF|Estado = Seco) = 1 -80% = 20%

Ejemplo de Toma de Decisiones

con Experimentacin

Utilizando el Teorema de Bayes, se obtiene:

Probabilidad A Posteriori con Resultado Experimentacin SSD:

P(Estado = Pet.|Resultado = SSD)
=
P(Estado = Seco|Resultado = SSD)
=

(0.4)(0.25)
(0.4)(0.25)+(0.8)
(0.75)
(0.8)(0.75)
(0.4)(0.25)+(0.8)
(0.75)

1
7
6
7

Probabilidad A Posteriori con Resultado Experimentacin SSF:

P(Estado = Pet.|Resultado = SSF) =

P(Estado = Seco|Resultado = SSF)

=

(0.6)(0.25)
(0.6)(0.25)+(0.2)
(0.75)
(0.2)(0.75)
(0.6)(0.25)+(0.2)

1
2
1
2

Ejemplo de Toma de Decisiones

con Experimentacin

Clculo de Pago Esperado con Resultados

Costo de la
de la Experimentacin:
Resultado de Experimentacin SSD
E[Pago (Perforar|Resultado SSD)] =
(1/7)*(700) + (6/7)*(-100) 30 = -15.7
E[Pago (Venta|Resultado SSD)] =
(1/7)*(90) + (6/7)*(90) 30 = 60

Experimentaci
n

Pago
Esperado
Mayor

Si el resultado de la experimentacin es SSD, conviene vender

el terreno, ya que su valor esperado es mayor que si se decide
perforar para explotar petrleo. Riesgo muy alto y la
probabilidad de encontrar petrleo un muy baja.

Ejemplo de Toma de Decisiones

con Experimentacin

Clculo de Pago Esperado con Resultados

Costo de la
de la Experimentacin:
Experimentaci
Resultado de Experimentacin

E[Pago (Perforar|Resultado SSF)] =

(1/2)*(700) + (1/2)*(-100) 30 = 270
E[Pago (Venta|Resultado SSD)] =
(1/2)*(90) + (1/2)*(90) 30 = 60

Pago
Esperado
Mayor

Si el resultado de la experimentacin es SSF, se recomienda

perforar en busca de petrleo, ya que su valor esperado es
mayor que si se decide vender el terreno. Baja el riesgo
porque la probabilidad de encontrar petrleo se eleva.

El Valor de la Experimentacin
Antes de realizar cualquier experimento,
debe determinarse su valor potencial.
Dos mtodos que pueden utilizarse para
determinar este valor potencial son:

Valor Esperado de la Informacin Perfecta (VEIP):

Valor Esperado de la Experimentacin (VEE)

Valor Esperado de la
Informacin Perfecta

Asume que el resultado de la experimentacin

es totalmente certero (100% de certeza en el
resultado.
Si esto es cierto, el Pago Esperado con
Informacin Perfecta
se obtiene por la
sumatoria del pago mximo de cada estado por
la probabilidad a priori que le corresponde.
El Valor Esperado de la Informacin
Perfecta es la diferencia de el Pago Esperado
con Informacin Perfecta y el Pago Esperado Sin
Experimentacin.

Valor Esperado de la
Informacin Perfecta
Alternativa

Estado de la Naturaleza
Petrleo

Seco

1. Perforar

700

-100

2. Vender el Terreno
Pago Mximo

90
700

90
90

Probabilidad A Priori

25%

75%

Pago Esperado con Informacin Perfecta = 0.25(700) +

0.75(90) = 242.5
VEIP = Pago Esperado con Informacin Perfecta Pago Esperado Sin
Experimentacin

VEIP = 242.5 100 =

142.5
Debido a que
VEIP (142.5) > Costo Experimentacin (30), se
recomienda que SI conviene realizar las pruebas de
experimentacin

Valor Esperado de la
Informacin Perfecta
Debido

a que la experimentacin
casi nunca proporciona informacin
perfecta, el VEIP resulta ser una cota
superior sobre el valor esperado de
la experimentacin (el mximo que
se
puede
esperar
de
la
experimentacin).

Valor Esperado de la
Experimentacin
1.

Calcular el valor o pago esperado con

experimentacin (sin el costo del experimento)
PECE = [P(Resultado = resultado j)*E(pago|Resultado =
resultado j)]

PECE = (Probabilidad del Resultado del Experimento)*(Valor

Esperado conociendo el Resultado del Experimento)
2.

Calcular el valor esperado de la experimentacin

como la diferencia de el Pago Esperado con
Experimentacin y el Pago Esperado Sin
Experimentacin
VEE = PECE Pago Esperado Sin Experimentacin

Valor Esperado de la
Experimentacin
P(Resultado = resultado j) = [P(Resultado = resultado j |
Estado = estado k) x P(Estado = estado k)]
Para el ejemplo con resultado SSD:
P(Resultado = SSD) = [P(Resultado = SSD| Estado = Petrleo) x
P(Estado = Petrleo)] + [P(Resultado = SSD| Estado = Seco) x P(Estado
= Seco)]
P(Resultado = SDD) = (0.25)(0.4) + (0.75)(0.8) = 0.7 = 70%
Para el ejemplo con resultado SSF:
P(Resultado = SSF) = [P(Resultado = SSF| Estado = Petrleo) x
P(Estado = Petrleo)] + [P(Resultado = SSF| Estado = Seco) x P(Estado
= Seco)]
P(Resultado = SSF) = (0.25)(0.6) + (0.75)(0.2) = 0.3 = 30%

Valor Esperado de la
Experimentacin

Pago Esperado con Resultados

Experimentacin, sin el costo
experimentacin:
E[Pago (Perforar|Resultado SSF)] =
(1/2)*(700) + (1/2)*(-100) = 300
E[Pago (Venta|Resultado SSD)] =
(1/2)*(90) + (1/2)*(90) = 90
PECE = (0.70)(90) + (0.30)(300) = 153

de
de

la
la

Valor Esperado de la
Experimentacin
VEE = PECE Pago Esperado Sin Experimentacin
VEE= 153 100 = 53

Debido a que VEE (53) > Costo Experimentacin (30), se

recomienda que SI conviene realizar las pruebas de
experimentacin

Ejemplo de Toma de Decisiones

con Experimentacin
Alternativa

1. Perforar en busca de petrleo

2. Vender el terreno
Probabilidad A Priori

Estado de la
Naturaleza
Petrle
o

Seco

700

-100

90

90

25%

75%

Estudio con costo de US$30k, con resultados posibles:

SSD: Sondeo ssmico desfavorable (poco probable encontrar

petrleo)
SSD: Sondeo ssmico favorable (bastante probable encontrar
Porpetrleo)
experiencias pasadas, se sabe que:

P(SSD|Estado = Petrleo) = 40%

P(SSD|Estado = Seco) = 80%

Clculo de Probabilidades a
Posteriori con rbol de
Probabilidad
Elaboracin de Estudio
(Experimentacin)

0.6

25
0.

SSD
, dad
o Pe
trle
o

75
0.

c
Se

Estado de la
Naturaleza

le
r
t
Pe

trle
do Pe
a
d
,
F
SS
0. 4

0.2

e co
ado S
d
,
F
S
S

0.25(0.6)=0.15

0.15/0.3=0.5

Petrleo y SSF

Petrleo dado
SSF

0.25(0.4)=0.1

0.1/0.7=0.14

Petrleo y SSD

Petrleo dado
SSD

0.75(0.2)=0.15

0.15/0.3=0.5

Seco y SSF

Seco dado SSF

0.8

SSD
, da
do
Sec
o

0.75(0.8)=0.6
Seco y SSD

0.6/0.7=0.86
Seco dado SSD

Probabilidades Incondicionales: P(SSF) = 0.15 + 0.15 = 0.3

P(resultado)
P(SSD) = 0.1 + 0.6 = 0.7

rboles de Decisin

rbol de Decisin

Modelo de prediccin utilizado en el mbito

de la inteligencia artificial. Dada una base
de datos se construyen diagramas de
construcciones lgicas, muy similares a los
sistemas de prediccin basados en reglas,
que sirven para representar y categorizar
una serie de condiciones que ocurren de
forma sucesiva, para la resolucin de un
problema.1
Fuente: Wikipedia

rbol de Decisin

Est formado por Nodos y Ramas.

Nodos:
Decisin: Representados por un cuadrado
, e
indican que debe tomarse una decisin en ese punto
del proceso.
Evento: o Nodo de Probabilidad, representados por un
crculo
, indica que ocurre un evento aleatorio en
ese punto

rbol de Decisin

Informacin que se necesita para

elaboracin de un rbol de decisin:
1.
2.
3.

4.
5.
6.

Estados de la Naturaleza
Alternativas a Elegir
Probabilidades a Priori de los Estados
de la Naturaleza
Certeza de la experimentacin
Costo de la Experimentacin
Pago
esperado
segn
Alternativa
elegida y Estado de la Naturaleza dado.

la

rbol de Decisin

Procedimiento para toma de decisin

ptima por medio de un rbol de Decisin:
Inicie en el lado derecho del rbol de decisin y
muvase a la izquierda 1 columna a la vez.

Para cada Nodo de Evento (Probabilidad) calcule su

pago esperado.

En cada nodo, compare los pagos esperados y elija la

alternativa cuya rama tenga el mayor pago esperado.