Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Investigaci on de operaciones II Teor a de decisiones

Silvia Adriana Galv an N un ez Escuela de Estudios Industriales y Empresariales Universidad Industrial de Santander

30 de noviembre de 2012

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Secci on 1 Conceptos b asicos

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Conceptos b asicos

Figura 1: Clasicaci on del proceso de toma de decisiones

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Toma de decisiones bajo certidumbre

Denici on Los datos se conocen de forma determinista. Ejemplo Determinar la secuencia de clientes con el menor costo, de forma tal que todos sean visitados una vez.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Toma de decisiones bajo certidumbre

Denici on Los datos se conocen de forma determinista. Ejemplo Determinar la secuencia de clientes con el menor costo, de forma tal que todos sean visitados una vez.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Conceptos b asicos

Figura 2: Clasicaci on del proceso de toma de decisiones

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Conceptos b asicos

Denici on La teor a de la decisi on proporciona un marco de trabajo racional para elegir entre cursos de acci on alternativos cuando las consecuencias derivadas de esta selecci on son imperfectamente conocidas. [3]

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Conceptos b asicos

Ejemplo Suponga que usted, como presidente de una compa n a, ha descubierto que uno de sus empleados caracterizado por ser valioso y conable, y cuyos juicios hab an resultado infalibles, en realidad bas o sus decisiones en el consejo de una gitana. Deber a promover o despedir al empleado?

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Secci on 2 Toma de decisiones bajo riesgo

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Toma de decisiones bajo riesgo

Denici on Los benecios asociados a cada alternativa son descritos con distribuciones de probabilidad.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Generalidades Se usan para desarrollar una estrategia optima cuando el tomador de decisiones se enfrenta con:
Una serie de alternativas de decisi on. Incertidumbre o eventos futuros con riesgo Un buen an alisis de decisiones incluye un an alisis de riesgo.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Componentes de un arbol de decisi on Alternativas de decisi on en cada punto de decisi on.

Eventos que pueden ocurrir como resultado de cada

alternativa de decisi on (Estados de la naturaleza).

Probabilidades de ocurrencia de los eventos posibles. Resultados de las posibles interacciones entre las alternativas

de decisi on y los eventos (Pagos).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Componentes de un arbol de decisi on Alternativas de decisi on en cada punto de decisi on.

Eventos que pueden ocurrir como resultado de cada

alternativa de decisi on (Estados de la naturaleza).

Probabilidades de ocurrencia de los eventos posibles. Resultados de las posibles interacciones entre las alternativas

de decisi on y los eventos (Pagos).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Componentes de un arbol de decisi on Alternativas de decisi on en cada punto de decisi on.

Eventos que pueden ocurrir como resultado de cada

alternativa de decisi on (Estados de la naturaleza).

Probabilidades de ocurrencia de los eventos posibles. Resultados de las posibles interacciones entre las alternativas

de decisi on y los eventos (Pagos).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Componentes de un arbol de decisi on Alternativas de decisi on en cada punto de decisi on.

Eventos que pueden ocurrir como resultado de cada

alternativa de decisi on (Estados de la naturaleza).

Probabilidades de ocurrencia de los eventos posibles. Resultados de las posibles interacciones entre las alternativas

de decisi on y los eventos (Pagos).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Estructura de un arbol de decisi on Ramas: L neas del arbol.

Nodos de decisi on: Punto en el cual se debe tomar una

decisi on. Se representa mediante un cuadrado

Nodos de incertidumbre: Representa las situaciones cuyas

ocurrencias son inciertas. Nodo en el que salen las ramas de los eventos. Se representa mediante un c rculo

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Figura 3: Ejemplo de un arbol de decisi on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Figura 3: Ejemplo de un arbol de decisi on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Figura 3: Ejemplo de un arbol de decisi on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Figura 3: Ejemplo de un arbol de decisi on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Figura 3: Ejemplo de un arbol de decisi on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Figura 3: Ejemplo de un arbol de decisi on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Ejemplo 1 Un estudiante reci en egresado de la UIS, ha recibido tres ofertas de beca en tres instituciones para estudios de posgrado: Universidad A, Universidad B, Universidad C. Para seleccionar una universidad, el estudiante enuncia dos criterios principales:
Ubicaci on Reputaci on acad emica

Construir el arbol de decisi on para este caso.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Arboles de decisi on

Ejemplo 2 Un agricultor tiene la opci on de sembrar caf e o cacao. Las probabilidades que los precios de la siguiente cosecha suban, bajen o se mantengan estables son 0.25, 0.30 y 0.45, respectivamente. Si los precios suben, la cosecha de caf e equivaldr a a $300.000, y la de cacao producir a $100.000. Si los precios no cambian, el agricultor saldr a apenas sin p erdidas. Pero si los precios bajan, las cosechas de caf e y de cacao tendr an p erdidas respectivas de $350.000 y $50.000 respectivamente.
Represente el problema del agricultor con un arbol de decisi on.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Experimento aleatorio Un experimento aleatorio es aquel que puede producir diferentes salidas a pesar que se repite de la misma manera cada vez. Variable aleatoria Una variable aleatoria es una funci on que asigna un n umero real a cada resultado en el espacio muestral de un experimento aleatorio.
Las variables aleatorias se denotan con letra may uscula (e.g.

X ).
El valor posible de la variable se denota en letra min uscula

(e.g. x).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Experimento aleatorio Un experimento aleatorio es aquel que puede producir diferentes salidas a pesar que se repite de la misma manera cada vez. Variable aleatoria Una variable aleatoria es una funci on que asigna un n umero real a cada resultado en el espacio muestral de un experimento aleatorio.
Las variables aleatorias se denotan con letra may uscula (e.g.

X ).
El valor posible de la variable se denota en letra min uscula

(e.g. x).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Experimento aleatorio Un experimento aleatorio es aquel que puede producir diferentes salidas a pesar que se repite de la misma manera cada vez. Variable aleatoria Una variable aleatoria es una funci on que asigna un n umero real a cada resultado en el espacio muestral de un experimento aleatorio.
Las variables aleatorias se denotan con letra may uscula (e.g.

X ).
El valor posible de la variable se denota en letra min uscula

(e.g. x).

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Distribuciones de una variable aleatoria El evento formado por todos los resultados para los que X = x se denota como X = x, y la probabilidad del evento como P (X = x).
La distribuci on de probabilidad o distribuci on de una

variable aleatoria es una descripci on del conjunto de valores posibles de X (rango de X ), junto con la probabilidad asociada a cada uno de estos valores. x P (X = x) 0 0,06 1 0,4 2 0,54

Cuadro 1: Ejemplo de probabilidades de un evento aleatorio

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Funci on de probabilidad [2] La funci on fX (x) = P (X = x) del conjunto de los valores posibles de la variable aleatoria discreta X al intervalo [0, 1] recibe el nombre de funci on de probabilidad. Propiedades:
fX (x) = P (X = x) fX (x) 0 para toda x
x fX (x) = 1

Figura 4: Ejemplo funci on de probabilidad

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Valor esperado La media o valor esperado de una variable aleatoria discreta X , denotada por o E (X ), es: = E (X ) = X xfX (X ) Varianza
2 La varianza de una variable aleatoria discreta X , denotada por X o V (X ) es: 2 X = E (X )2 = X

(X )2 fX (X )

Desviaci on est andar La desviaci on est andar de una variable aleatoria discreta X , 2 denotada por X , es: X = + X

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Denici on Busca la maximizaci on de la utilidad esperada (promedio) o la minimizaci on del costo esperado. Sea:
n = N umero de alternativas. m = N umero de estados de la naturaleza. Pj = Probabilidad de ocurrencia para el estado de la

naturaleza j .
aij = Retribuci on de la alternativa i dado el estado de la

naturaleza j .
Donde: i = 1, 2, ..., n y j = 1, 2, ..., m

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Retribuci on esperada para la alternativa i Ei = ai1 p1 + ai2 p2 + ... + aim pm , donde : p1 + p2 + ... + pm = 1 La mejor alternativa de decisi on es:
Ei = max {Ei } o Ei = min {Ei }

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio del valor esperado

Ejemplo 3 Un vendedor de peri odicos compra estos al cami on de entrega al inicio de cada d a. Durante el d a, vende los peri odicos. Aquellos peri odicos sobrantes al nal del d a constituyen p erdidas. Asuma que cada peri odico le cuesta 15 centavos y los vende a 50 centavos cada uno, y que la siguiente distribuci on de probabilidades es conocida: 1 2 p0 = P rob {dem = 0} = p1 = P rob {dem = 1} = 5 5 3 1 p2 = P rob {dem = 2} = p3 = P rob {dem = 3} = 10 10
Cu antos peri odicos deber a comprar el vendedor cada d a al

cami on de entrega?

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Funci on de probabilidad condicional Dadas las variables aleatorias X y Y con funci on de probabilidad conjunta fXY (x, y ), la funci on de probabilidad condicional de Y dado que X = x es: fY /x (y ) = fXY (x, y ) fX (x) fx (x) > 0

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Ejemplo 4 La Compa n a ABC ha desarrollado una nueva l nea de productos. La Administraci on debe decidir una de las siguientes tres estrategias de marketing: A (agresiva), B (b asica) y C (precavida). Las condiciones del mercado bajo estudio se denotan mediante F (fuerte) o D (d ebil). Las estimaciones de la Administraci on para cada caso son: A B C F 30 20 5 D -8 7 15 Adem as, la Administraci on tambi en estima que las probabilidades que el mercado sea fuerte o d ebil son 0.45 y 0.55 respectivamente. Cu al estrategia deber a ser escogida?

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas
Continuaci on Ejemplo 4 A pesar de lo atrayente de la estrategia b asica B, la Administraci on de ABC tiene la opci on de pedir al grupo de investigaci on de marketing un estudio de mercado. Dentro de un mes, este grupo puede informar si el estudio fue alentador (E) o desalentador (G). En el pasado, dichos estudios han tendido a se nalar la direcci on correcta: Cuando el mercado tiende a ser fuerte, los estudios resultan alentadores el 60 % de las veces y fueron desalentadores el 40 % de las veces. Por otro lado, cuando el mercado result o d ebil, los estudios fueron alentadores el 30 % de las veces y desalentadores el 70 % de las veces. El estudio costar a $500.000. Conviene que la administraci on decida ordenar el estudio de mercado?

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas
Pasos para calcular la probabilidad a posteriori [4]
1

Identicar las probabilidades condicionales dadas en el problema. Calcular las probabilidades conjuntas: P {mi , vj } = P {vj | mi }P {mi } i, j

Calcular las probabilidades absolutas: P {vj } =

i

P {mi , vj },

Determinar las probabilidades a posteriori buscadas: P {mi | vj } = P {mi , vj } P {vj }

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Continuaci on Ejemplo 4 F 30 20 5 D -8 7 15 F 29.5 19.5 4.5 D -8.5 6.5 14.5

A B C

A B C

Cuadro 2: Matriz de retribuciones sin experimentaci on

Cuadro 3: Matriz de retribuciones con experimentaci on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Figura 5: Soluci on del arbol de decisi on Ejemplo 4.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Figura 5: Soluci on del arbol de decisi on Ejemplo 4.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Figura 5: Soluci on del arbol de decisi on Ejemplo 4.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Figura 5: Soluci on del arbol de decisi on Ejemplo 4.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Decisiones Bayesianas

Valor esperado de la experimentacion (VEE)[1] VEE= Pago esperado con experimentaci on - Pago esperado sin experimentaci on

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Secci on 3 Toma de decisiones bajo incertidumbre

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Toma de decisiones bajo incertidumbre [4]

a1 a2 . . . an s1 v (a1 , s1 ) v (a2 , s1 ) . . . v (an , s1 ) s2 v (a1 , s2 ) v (a2 , s2 ) . . . v (an , s2 ) ... ... ... . . . ... sm v (a1 , sm ) v (a2 , sm ) . . . v (an , sm )

Cuadro 4: Matriz de retribuciones

Donde: ai : Alternativa de decisi on i. sj : Estado de la naturaleza j . v (ai , sj ): Retribuci on de la alternativa de decisi on ai y el estado de la naturaleza sj . i = 1, 2, ..., n j = 1, 2, ..., m

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Toma de decisiones bajo incertidumbre

Criterios para la toma de decisiones [4]

1 2 3 4

Laplace Minimax Savage Hurwicz

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio de Laplace

Denici on Asume que todos los estados de la naturaleza son igualmente probables. 1 maxai { m
m

v (ai , sj )}
j =1

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio de Laplace

Ejemplo 5 a1 a2 a3 s1 $200.000 $150.000 $100.000 s2 $-20.000 $20.000 $60.000

Cuadro 5: Matriz de retribuciones

Seleccionar la mejor alternativa de decisi on.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio minimax
Denici on Considera siempre disminuir las p erdidas. Si v es p erdida: minai {maxsj v (ai , sj )} Si v es ganancia (maximin): maxai {minsj v (ai , sj )} Criterio Maximax Considera siempre maximizar las ganancias. maxai {maxsj v (ai , sj )}

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio minimax
Denici on Considera siempre disminuir las p erdidas. Si v es p erdida: minai {maxsj v (ai , sj )} Si v es ganancia (maximin): maxai {minsj v (ai , sj )} Criterio Maximax Considera siempre maximizar las ganancias. maxai {maxsj v (ai , sj )}

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio de pesadumbre o arrepentimiento de Savage

Denici on Modera el criterio del minimax/maximin, reemplazando la matriz de retribuciones por una matriz de p erdida mediante la siguiente transformaci on: r(ai , sj ) = v (ai , sj ) minak {v (ak , sj )}, si v es p erdida. r(ai , sj ) = maxak {v (ak , sj )} v (ai , sj ), si v es ganancia.

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Criterio de Hurwicz
Denici on Supone la combinaci on de ponderaciones de optimismo y pesimismo. Si v es ganancia: maxai {maxsj v (ai , sj ) + (1 )minsj v (ai , sj )} Si v es p erdida: minai {minsj v (ai , sj ) + (1 )maxsj v (ai , sj )} Donde: : Indice de optimismo. 0 1

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Secci on 4 Referencias

Conceptos b asicos

Toma de decisiones bajo riesgo

Toma de decisiones bajo incertidumbre

Referencias

Referencias
Gerald J. Lieberman Frederick S. Hillier. Introduction to Operations Research. McGraw-Hill, 9th edition, 2010. Douglas C Montgomery and George C Runger. Applied Statistics and Probability for Engineers. John Wiley & Sons, Inc, 3rd edition, 2003. D Warner North. Introduction to Decision Theory. IEEE Transactions on systems science and cybernetics, 4(3), 1968. Hamdy Taha. Investigaci on de Operaciones. Pearson, 7a edition, 2004.