Vous êtes sur la page 1sur 20

MDULO II: "Problemas de Decisin Simple"

Cap.1: Introduccin
En ste mdulo trataremos los problemas de decisin con las siguientes caractersticas: 1. El tomador de decisin debe tomar su decisin de un conjunto de alternativas denominadas acciones o estrategias. Esas estrategias pueden ser descriptas numricamente (ordenar 100 unidades) o no numricamente (encargar una investigacin de mercado). 2. Un conjunto de eventos especficos existen los cuales no estn bajo el control del tomador de decisin. Como para las estrategias, los eventos pueden estar valuados numricamente (demanda de 50 unidades) o no numricamente (introduccin de un producto competitivo) 3. Para cada estrategia elegida por el tomador de decisin, resultar un retorno (payoff) conocido, el cual est condicionado con el evento que ocurra. Los retornos tambin pueden ser descriptos numricamente o no numricamente. Los trminos usuales para los retornos son retorno condicional, utilidad condicional, costo condicional o prdida de oportunidad condicional. Esta clase de problemas, conocidos como problemas de decisin simple sern analizados para las tres clasificaciones: certidumbre, incertidumbre y riesgo.

Cap.2: Replanteo del problema del vendedor de manzanas


2.1 Planteo del Problema El vendedor encuentra que puede solo ordenar manzanas en cajas de 100 kg. y que su capacidad de almacenamiento permite un mximo de 400 kg. Su experiencia pasada le ha enseado que la demanda diaria oscila de 0 a 400 kg. en lotes de 100 kg. El vendedor ha decidido vender sus manzanas a 50 cents./kg. El precio de costo es 30 cents./kg. , el vendedor gana 20 cents. por cada kilogramo que vende. Por cada kg. que no vende una compaa se lo compra a 20 cents. siendo ste el precio de salvatage. El objetivo del vendedor es determinar cuntos kg. de manzanas comprar cada da para maximizar sus utilidades. 2.2 Matriz de retorno (payoff) Para ordenar la informacin de manera clara y concisa y facilitar los clculos necesarios para tomar una decisin, se desarrolla una matriz de retornos. La forma general de sta matriz se muestra en la Tabla 2.2.1 y cuenta de tres partes: las estrategias, los eventos y los valores de retorno condicional. Las estrategias consisten de M acciones alternativas para el tomador de decisin; Los eventos consisten de N resultados posibles de un fenmeno aleatorio fuera
Mdulo II: Teora de decisin 1

del control del tomador de decisin; y los retornos condicionales son valores numricos asignados a cada estrategia i condicionada sobre cada evento j. Tabla 2.2.1. Forma general de la Matriz de retornos Eventos Estrategias S1 S2 . . . SM Para el problema del vendedor de manzanas hay cinco estrategias desde las cuales elegir, comprar 0, 100, 200, 300 o 400 kg. Hay cinco eventos que pueden tomar lugar. Esos son los cinco valores posibles de la demanda diaria, 0,100, 200, 300 o 400 kg. Usemos la utilidad como la medida del retorno para este problema. Para encontrar los retornos condicionales es necesario determinar para cada combinacin estrategia - evento el total de las ventas y el total de los costos produciendo la utilidad condicional (CP) . Por ejemplo si la decisin es comprar 100 kg. , entonces los costos son 100 * 0.30 = $ 30 y la utilidad renta depende de cuantos kg. el vende a 50 cents. y cuantos vende al precio de salvatage de 20 cents. Para una demanda de demanda de 0 kg. todas deben ser vendidas a 20 cents. produciendo una renta de $ 20 y la utilidad condicional (CP) es igual a $ 20 - $ 30 = -$10. Si la demanda es de 100 (o ms) todas son vendidas a 50 cents., produciendo una renta de $ 50 y una UC de $ 50 - $ 30 = $ 20 . La matriz de las utilidades condicionales (CP) se presenta en la tabla 2.2.2. Tabla 2.2.2. Eventos Estrategias S1: comp. 0 S2: comp. 100 S3: comp. 200 S4: comp. 300 S5: comp. 400 E1: Dem. =0 0 -10 -20 -30 -40 E2: Dem. = 100 0 20 10 0 -10 E3: Dem. = 200 0 20 40 30 20 E4: Dem. = 300 0 20 40 60 50 E5: Dem. = 400 0 20 40 60 80 E1 ... E2 ... EN

En la matriz el vendedor de manzanas puede en principio tener un panorama acerca de los posibles retorno si toma alguna de la estrategias tenidas en cuenta pero sin dudas no le ser fcil tomar una decisin. En la prxima
Mdulo II: Teora de decisin 2

seccin daremos ms detalle al problema y presentaremos las reglas de decisin. 2.3 Decisin Bajo Certidumbre Asumamos que el vendedor de manzanas no tiene que comprar las mismas hasta el final del da luego de haber levantado los pedidos de sus clientes. De esta forma, la variable no controlable demanda, ya no es desconocida sino por el contrario se conoce con certeza, tanto como los costos de las manzanas. Esta clase de problemas se conoce como decisin bajo certidumbre. El mtodo de anlisis para stos es el siguiente: 1. Determinar que evento tiene lugar 2. Para dicho evento examinar los valores de los distintos retornos condicionales en cada estrategia 3. La decisin ptima es aquella que arroje el mejor valor de retorno. Si los retornos son utilidades, la mayor utilidad y por el contrario si son costos, el menor valor. Por ejemplo si suponemos que la demanda en un da determinado es de 100 kg. de manzanas, analizando la tabla 2.2.2, la mejor decisin ser adoptar la estrategia S2 con un retorno de $ 20, es decir, comprar 100 kg. de manzanas. De ah que, en sta clase de problemas, el tomador de decisin siempre recibir el mximo retorno posible. Sin embargo en la mayora de los problemas de decisin simple no es posible conocer con certeza la demanda, sino por el contrario, los problemas involucran incertidumbre o es necesario asumir ciertos riesgos. 2.4 Decisin Bajo Incertidumbre 2.4.1 Introduccin. Sin el conocimiento de los valores de probabilidad de los posibles eventos que pueden ocurrir, el tomador de decisin debe basar su decisin solamente en los valores actuales de los retornos condicionales, junto con su conocimiento aportado por la experiencia en el negocio. Cinco criterios reflejando diferentes actitudes sern discutidos: el pesimista, el optimista, el de Hurwicz, el de igual probabilidad, y el de prdida de oportunidad de Savage. Trataremos los diferentes criterios con el problema del vendedor de manzanas. 2.4.2 Criterio de Decisin Pesimista El criterio de decisin pesimista, o algunas veces llamado minimax o maximin, asegura al tomador de decisin que no ganar menos (o perder ms) que una suma determinada. Este criterio es muy conservativo. El procedimiento para encontrar la decisin pesimista es como sigue:

Mdulo II: Teora de decisin

1. Para cada estrategia posible, identificar el peor retorno. Este ser la utilidad mnima o el mximo costo. Colocar ste nmero en una nueva columna de la matriz (ver Tabla 2.4.1). 2. Seleccionar la estrategia con el mejor retorno anticipado. Este proceso se aplica para el problema del vendedor de manzanas en la tabla 3.4.1. Tabla 2.4.1 Criterio Pesimista Eventos E1: E2: E3: Dem. Dem. Dem. Estrategias =0 = 100 = 200 S1: comp. 0 0 0 0 S2: comp. 100 S3: comp. 200 S4: comp. 300 S5: comp. 400 -10 -20 -30 -40 20 10 0 -10 20 40 30 20

E4: Dem. = 300 0 20 40 60 50

E5: Dem. = 400 0 20 40 60 80

Peores retornos 0 -10 -20 -30 -40

La estrategia ptima utilizando ste criterio es la S 1 dado que es el mejor valor de todos los peores retornos posibles (maximin). Este criterio es utilizado cuando los valores de probabilidad no son fcilmente evaluados y el tomador de decisin es muy conservativo. 2.4.3 Criterio de Decisin Optimista El criterio de decisin optimista, tambin llamado algunas veces el maximax o minimin , asegura al tomador de decisin que no perder la oportunidad de obtener los mayores beneficios o los menores costos posibles. Sin embargo, este comportamiento asume el riesgo de grandes prdidas. El procedimiento formal para encontrar la decisin optimista es el siguiente: 1. Para cada estrategia posible, identificar el mejor retorno. Este ser la utilidad mxima o el mnimo costo. Colocar ste nmero en una nueva columna de la matriz (ver Tabla 2.4.2). 2. Seleccionar la estrategia con el mejor retorno anticipado. Este proceso se aplica para el problema del vendedor de manzanas en la tabla 3.4.2.

Mdulo II: Teora de decisin

Tabla 2.4.2 Criterio Optimista Eventos E1: E2: E3: Dem. Dem. Dem. Estrategias =0 = 100 = 200 S1: comp. 0 0 0 0 S2: comp. 100 S3: comp. 200 S4: comp. 300 S5: comp. 400 -10 -20 -30 -40 20 10 0 -10 20 40 30 20

E4: Dem. = 300 0 20 40 60 50

E5: Dem. = 400 0 20 40 60 80

Mejores retornos 0 20 40 60 80

La decisin ptima usando este criterio es la estrategia S 5 dado que es el mejor valor de todos los mejores retornos (maximax). Este criterio asegura que no se perder la oportunidad de ganar aunque debemos notar que asumimos el riesgo de perder $ 40 si la demanda es 0 kg. 2.4.4 Criterio de Hurwicz Con este criterio , la idea es combinar los criterios pesimista y optimista, decidiendo qu tan optimista o qu tan pesimista se desea ser, de la manera siguiente: 1. Escoja un coeficiente de optimismo, (alfa), que tiene un valor entre 0 y 1 (cuanto ms cerca se est de uno, ms optimista se es). 2. Calcule, para cada estrategia: Retorno pesado = * (retorno mximo) + (1- ) * (retorno mnimo) 3. Seleccione la estrategia que tenga el mayor retorno pesado Para ilustrar este criterio con el ejemplo del vendedor de manzanas , supongamos que = 0.7. Este valor significa que Ud. est ms optimista que pesimista. Utilizando la frmula anterior calculamos los retornos pesados para las distintas estrategias. Por ejemplo, para la estrategia S 2 (comprar 100 kg de manzanas) : Retorno pesado = * (retorno mximo) + (1- ) * (retorno mnimo) = 0.7 * 20+ (1-0.7) * (-10) = 11 Los resultados de los clculo se resumen en la Tabla 2.4.3

Mdulo II: Teora de decisin

Tabla 2.4.3 Criterio de Hurwicz Eventos E1: E2: E3: Dem. Dem. Dem. Estrategias =0 = 100 = 200 S1: comp. 0 0 0 0 S2: comp. 100 S3: comp. 200 S4: comp. 300 S5: comp. 400 -10 -20 -30 -40 20 10 0 -10 20 40 30 20

E4: Dem. = 300 0 20 40 60 50

E5: Dem. = 400 0 20 40 60 80

Retornos Pesados 0 11 22 33 44

Sobre la base de estos resultado se selecciona la estrategia S 5 , porque su retorno pesado de $ 44 es el mayor de todos. Observe que si se toma como 1, entonces este criterio se convierte en el optimista, en cambio para = 0 , este criterio se convierte en el pesimista. 2.4.5 Criterio de Decisin de Igual Probabilidad Este criterio es atribuido a Laplace y asume que el tomador de decisin no tiene conocimiento acerca de cual evento ocurrir, y entonces considera que la probabilidad de que ocurra cualquier evento es la misma y es igual a 1/nmero de eventos. El procedimiento formal para encontrar la decisin optimista es el siguiente: 1. Para cada estrategia, encontrar el retorno promedio o esperado sumando todos los posibles retornos y dividiendo por el nmero de eventos posibles. Este valor se guarda en una nueva columna (ver Tabla 2.4.4.). 2. Seleccionar la estrategia que arroje el mejor retorno: mximo para utilidades y mnimo para los costos. Este proceso se aplica para el problema del vendedor de manzanas en la tabla 2.4.4. Tabla 2.4.4 Criterio de Igual Probabilidad Eventos E1: E2: E3: E4: Dem. Dem. Dem. Dem. Estrategias =0 = 100 = 200 = 300 S1: comp. 0 0 0 0 0 S2: comp. 100 S3: comp. 200 S4: comp. 300 S5: comp. 400 -10 -20 -30 -40 20 10 0 -10 20 40 30 20 20 40 60 50

E5: Dem. = 400 0 20 40 60 80

Retornos promedio 0 14 22 24 20

Mdulo II: Teora de decisin

La decisin ptima usando este criterio es la estrategia S 4 dado que es el mejor valor de todos los retornos promedios. Como ejemplo calculamos el retorno promedio para la estrategia S2 :
10 + 20 + 20 + 20 + 20 = $14 5

Este criterio es raramente usado dado que el tomador de decisin usualmente tiene una sensacin subjetiva de cul evento tiene mayor probabilidad de ocurrir. 2.4.6 Criterio de Decisin de Prdida de Oportunidad de Savage Para adoptar este criterio es necesario desarrollar la matriz de los valores de prdidas de oportunidad condicional. Estos valores se calculan para cada par estrategia - evento de la siguiente forma: 1. Desde la tabla de retornos condicionales para cada evento posible elegir el mejor valor de retorno posible. 2. Para cada estrategia posible sustraer el valor del mejor retorno con el retorno elegido. Estos valores son las prdidas de oportunidad condicional. Con los valores se construye la matriz de prdidas de oportunidad (ver Tabla 2.4.4.) que tiene una forma similar a la de retornos condicionales. Tabla 2.4.4. Forma general de la Matriz prdidas de oportunidad Eventos Estrategias S1 S2 . . . SM E1 ... E2 ... EN

Prdidas de oportunidad condicional

Con la matriz de prdidas de oportunidad confeccionada es posible aplicar el procedimiento para la toma de decisin como sigue: 1. Para cada estrategia posible, identificar el peor o mximo valor de prdida de oportunidad y guardarlo en una nueva columna de la tabla (ver Tabla 2.4.5). 2. Seleccionar la estrategia con la menor prdida de oportunidad esperada.

Mdulo II: Teora de decisin

Este proceso se aplica para el problema del vendedor de manzanas en la tabla 2.4.5. Tabla 2.4.5. Criterio de Prdida de Oportunidad de Savage Eventos Peores E1: E2: E3: E4: E5: Prdidas Dem. Dem. Dem. Dem. Dem. Estrategias de =0 = 100 = 200 = 300 = 400 Oportun. S1: comp. 0 0 20 40 60 80 80 S2: comp. 100 S3: comp. 200 S4: comp. 300 S5: comp. 400 10 20 30 40 0 10 20 30 20 0 10 20 40 20 0 10 60 40 20 0 60 40 30 40

La decisin ptima usando este criterio es la estrategia S 4 dado que es el menor riesgo de prdida de oportunidad. Dicho en otras palabras, tomando la estrategia S4 , sin importar cual sea el resultado, el vendedor en el peor de los casos ganar $ 30 menos de los que hubiera obtenido si hubiera sabido cual sera el resultado final. La prdida de oportunidad es una medida cuantificada de el riesgo de tomar una decisin. Al observar los datos de la tabla vemos que donde la prdida de oportunidad vale cero coinciden las cantidades demandadas con la decisin de compra. Consideremos como ejemplo la ocurrencia del evento "demanda de 100 kg.". El mximo retorno se produce con la decisin de comprar 100 kg. (S 2) produciendo una utilidad de $ 20. Si la decisin fuera comprar 0 kg. el retorno es $ 0 y la prdida de oportunidad es $ 20 - $ 0 = $ 20, es decir la diferencia entre el mximo retorno del evento y el retorno condicional. 2.5 Decisin Bajo Riesgo

2.5.1 Introduccin La principal consideracin asumida en el criterio de decisin bajo incertidumbre discutido en la seccin anterior es que no se dispone de informacin con respecto a la probabilidad de ocurrencia de los eventos. De esta forma, la decisin se toma solamente con los valores de los retornos condicionales. Supongamos que el vendedor de manzanas ha guardado las demandas para los ltimos 100 das y ha formado la siguiente distribucin de frecuencia:

Mdulo II: Teora de decisin

Demanda kg. 0 100 200 300 400

Frecuencia de ocurrencia (das) 10 20 40 20 10 100 das

Desde la distribucin de frecuencia el puede estimar la distribucin probabilidad de la demanda como: Demanda (kg) Probabilidad 0 0.1 100 0.2 200 0.4 300 0.2 400 0.1

El disponer de las probabilidades de las demandas reduce la incertidumbre en el problema a un nivel de riesgo que permite la aplicacin de la regla de decisin de Bayes. Esta regla ser aplicada a la tabla de retornos condicionales, produciendo el valor monetario esperado (EMV) y a la tabla de prdidas de oportunidad, produciendo la prdida de oportunidad esperada (EOL). 2.5.2 La Regla de Decisin de Bayes Supongamos que el tomador de decisin decide elegir la estrategia S 4 , comprar 300 kg. . El ganar - $30 si la demanda es 0, lo cual ocurre el 10% de las veces. El ganar $0 si la demanda es 100, lo cual ocurre el 20% de las veces. Similarmente, el ganar $30 si la demanda es 200, lo cual ocurre el 40% de las veces, y $60 el 20% de las veces (demanda 300), y $ 60 el 10% de las veces (demanda 400). Esta informacin se resume en la Tabla 2.5.1.. Tabla 2.5.1 E1 Estrategia S4 Probabilidad -30 0.1 E2 0 0.2 E3 30 0.4 E4 60 0.2 E5 60 0.1

La ganancia esperada por el vendedor ser:

retornos probabilidad

Mdulo II: Teora de decisin

Para la estrategia S4 nos queda -$30(0.10)+0(0.20)+30(0.40)+60(0.20)+60(0.10) = $ 27 El vendedor adoptar la estrategia S 4 si las ganancias esperadas son las mejores que puede obtener. Entonces, el vendedor examinara cada posible estrategia y adoptar la que devuelva los mejores valores esperados. Esta es la esencia de la regla de decisin de Bayes. Podemos aplicar ste modelo para la tabla de retornos condicionales o para la de prdidas de oportunidad. En el primer caso obtenemos los valores monetarios esperados (EMV) y en el segundo caso las prdidas de oportunidad esperadas (EOL). Demostraremos mas adelante que en los dos casos obtendremos la misma estrategia ptima dado que las dos reglas son equivalentes. El procedimiento formal para aplicar las reglas de decisin de Bayes es el siguiente: 1. EMV. Para cada posible estrategia, multiplicar cada retorno condicional (CP) por su probabilidad. La sumatoria de los productos es el EMV para esa estrategia. La estrategia con el mejor EMV (EMV*) es la estrategia ptima. 2. EOL. Para cada posible estrategia, multiplicar cada prdida de oportunidad por su probabilidad. La sumatoria de los productos es el EOL para esa estrategia. La estrategia con el menor EOL (EOL*) es la estrategia ptima. Estas reglas de decisin son aplicadas al problema del vendedor de manzanas y los resultados se muestran en las Tablas 2.5.2 y 2.5.3. En ambos casos la estrategia elegida es la S3 dado que devuelve los valores ptimos. La interpretacin de los resultados de los EMV y EOL es que son los mejores valores a lo largo de un periodo prolongado de tiempo. De esta forma, si el vendedor repitiera su decisin muchas veces en el tiempo usando la estrategia S3 , obtendra una utilidad de -$20 aproximadamente el 10% de las veces; $10 aproximadamente el 20% de las veces; y $40 aproximadamente el 70% (40% +20%+10%) de las veces. A travs de un largo periodo de tiempo la S 3 producira una utilidad promedio de $28. Un anlisis similar se podra hacer para la tabla de los EOL. El criterio de decisin del valor esperado (Bayes) es una de los ms potentes para la toma de decisin dado que garantiza el mejor retorno a travs del tiempo. Sin embargo, aunque se deba tomar una decisin por nica vez, tambin el criterio del valor esperado se puede emplear con seguridad.

Mdulo II: Teora de decisin

10

Tabla 2.5.2. Clculo del EMV para el problema del vendedor de manzanas E1: E2: E3: E4: E5: Dem. Dem. Dem. Dem. Dem. =0 = 100 = 200 = 300 = 400 Probabilidad 0.1 Estrategia 1: (retornos probab. ) Estrategia 2: (retornos probab. ) Estrategia 3: (retornos probab. ) Estrategia 4: (retornos probab. ) Estrategia 5: (retornos probab. ) 0 0+ -10 -1 + -20 -2 + -30 -3 + -40 -4 + 0.2 0 0+ 20 4+ 10 2+ 0 0+ -10 -2 + 0.4 0 0+ 20 8+ 40 16 + 30 12 + 20 8+ 0.2 0 0+ 20 4+ 40 8+ 60 12 + 50 10 + 0.1 0 0 20 2 40 4 60 6 80 8 EMV* = 28 = 17 =$0 EMV = retornos prob.

= 27

= 20

11

Tabla 2.5.3. Clculo del EOL para el problema del vendedor de manzanas E1: E2: E3: E4: E5: Dem. Dem. Dem. Dem. Dem. =0 = 100 = 200 = 300 = 400 Probabilidad 0.1 Estrategia 1: (prd. de oportunidad probab. ) Estrategia 2: (prd. de oportunidad probab. ) Estrategia 3: (prd. de oportunidad probab. ) Estrategia 4: (prd. de oportunidad probab. ) Estrategia 5: (prd. de oportunidad probab. ) 0 0+ 10 1+ 20 2+ 30 3+ 40 4+ 0.2 20 4+ 0 0+ 10 2+ 20 4+ 30 6+ 0.4 40 16 + 20 8+ 0 0+ 10 4+ 20 8+ 0.2 60 12 + 40 8+ 20 4+ 0 0+ 10 2+ 0.1 80 8 60 6 40 4 20 2 0 0 = 20
Teora de decisin 12

EOL = (prdidas de oportunidad probabilidad)

= $ 40

= 23

EOL* = 12

= 13

2.6 Valor de la Informacin Perfecta En la seccin anterior asumimos que el vendedor de manzanas conoca la probabilidad de la demanda de manzanas. Sin embargo, el no conoca exactamente la demanda de cada da. Asumamos ahora que el vendedor puede predecir la demanda de cada da con certeza. De esta forma, el predecir esos 10% de das con demanda 0 kg. ; esos 20% de das con demanda de 100 kg. ; etc. Para cada da comprar la cantidad que produzca el mximo de utilidad. Por ejemplo, cuando la demanda sea de 100 kg. el comprar 100 kg. con una utilidad de $ 20. La Tabla 2.6.1. resume las estrategias del vendedor y los retornos para cada posible evento como as tambin su total utilidad esperada con informacin perfecta , EPPI. Matemticamente definimos a la EPPI como:
EPPI = Pr obab.( evento ) CP * ( utilidad condicional optima )

Tabla 2.6.1. Clculo de la utilidad esperada con Informacin Perfecta E1: Dem. =0 Probabilidad Estrategia ptima con Informacin Perfecta Utilidad con Informacin Perfecta Probab. CP* 0.1 S1: comprar 0 $0 $0 E2: Dem. = 100 0.2 S2: comprar 100 20 4 E3: Dem. = 200 0.4 S3: comprar 200 40 16 E4: Dem. = 300 0.2 S4: comprar 300 60 12 E5: Dem. = 400 0.1 S5: comprar 400 80 8

EPPI = $ 0 + 4 + 16 + 12 + 8 = $ 40 El valor EPPI = $ 40 representa el retorno promedio para el vendedor si, a travs de un largo periodo de tiempo, siempre elige la estrategia ptima basado en la informacin perfecta. Si embargo, la informacin debe estar disponible. Queda a la vista, que el vendedor puede incrementar su retorno esperado ptimo desde EMV* = $ 28 a EPPI = $ 40 si dispone de la informacin perfecta acerca de la demanda diaria de manzanas. Claramente el vendedor puede pagar una suma igual a la diferencia entre EPPI y EMV* para obtener esta informacin. Definimos a ste nmero como el valor esperado de la informacin perfecta, EVPI. Entonces: EVPI = EPPI - EMV* = $ 40 - 28 = $ 12 (1)

Teora de decisin

13

Otra forma de encontrar el valor de la informacin perfecta es analizando las prdidas de oportunidad. Recordemos que el EOL es en esencia la diferencia entre lo que ganamos y lo que nos gustara ganar. Entonces, si la informacin perfecta nos permite ganar el mximo, el EOL, debera ser cero, es decir, no se pierden oportunidades de ganar. Consideremos la relacin entre EMV y EOL para el problema del vendedor de manzanas como se muestra en la Tabla 2.6.2. Tabla 2.6.2 Valor monetario esperado EMV $0 17 28* 27 20 Prdida de oportunidad esperada EOL EMV + EOL $ 40 23 12* 13 20 $ 40 40 40 40 40

Estrategias S1: comprar 0 S2: comprar 100 S3: comprar 200 S4: comprar 300 S5: comprar 400

Si no hay prdida de oportunidad, la mxima utilidad que se podra esperar es $ 40. Esto es precisamente EPPI. Entonces, EPPI = EMV + EOL = EMV* + EOL* Sustituyendo en (1) obtenemos EVPI = EMV* + EOL* - EMV* = EOL* Esto es, el valor de la informacin perfecta es exactamente igual a la prdida de oportunidad esperada ptima. (2)

Teora de decisin

14

MODULO II
PROBLEMAS 1- Un local de venta de discos desea hacer copias de un antiguo lbum. Pasadas experiencias han indicado que la demanda de un nuevo disco ser de 2000 , 3000 , 4000 o 5000 discos. El costo de un disco almacenado es de $3 y son vendidos por $7. a) Construir la tabla de retorno. b) Determinar el nmero de discos que el local debera comprar usando : 1) El criterio de la decisin pesimista. 2) El criterio de la decisin optimista. 3) El criterio de la decisin de Hurwicz (= 0.7 y = 0.3) 4) El criterio de la decisin igualmente posible. 5) Prepare un resumen con los resultados 2a) Construir la tabla de perdida de oportunidad condicional. b) Determinar el nmero de discos que el local debera comprar usando el criterio de decisin de Savage. 3- Asumiendo que el dueo del local ha analizado sus ventas de discos previas y ha completado la siguiente tabla de datos: Demanda para un nuevo disco 2000 3000 4000 5000 Frecuencia de ocurrencia de la demanda 6 18 24 12

a) Encuentre la distribucin de probabilidades de la demanda . b) Determine el nmero de discos que el local debera comprar usando : 1) El criterio de EMV. 2) El criterio de EOL. 4) Supongamos que el dueo del local puede obtener la informacin exacta acerca de la demanda de un nuevo disco. a) Cual es la ganancia esperada bajo informacin exacta ? b) Cual es el costo esperado de la informacin ? 5) El dueo del local habiendo perdido sus datos previos de ventas estima las probabilidades de demanda como sigue: El evento mas posible es una demanda de 4000 discos. Una demanda de 3000 discos es de posible. Una demanda de 2000 discos es 1/3 posible. Una demanda de 5000 discos es 1/6 posible. a) Encontrar la distribucin de probabilidades de la demanda.
Teora de decisin 15

b) Usando el criterio EMV , determinar el nmero de discos que el local debera comprar. c) Cual es el EVPI. 6) El dueo del local se ha dado cuenta que el puede vender los discos no vendidos a un valor de $2. Resolver los problemas 1 al 6 con estas condiciones. 7) Una compaa de vestimenta est planeando vender una nueva chaqueta de bajo costo a travs de su red mundial de distribucin. El precio dejado a los distribuidores ser de $20. La eleccin del confeccionador afectar el rendimiento. Un confeccionador manual tendr un costo fijo de $ 80000 y un costo variable por unidad de $ 4. Un confeccionador automtico tendr un costo fijo de $ 120000 con un bajo costo por unidad de $ 2,50. Un confeccionador especial tendr el mas alto costo fijo de $ 200000 con costos variables de $ 1 por unidad. La demanda de chaquetas es incierta pero la compaa percibe que uno de los siguientes eventos tendr lugar: E1 : dem. = 20000 Unid., E2 : dem. = 40000 Unid. , E3 : dem. = 60000 Unid. a) Construir la tabla de retorno. b) Determinar la decisin ptima de la compra usando el criterio de decisin pesimista. c) Determinar la decisin ptima de la compra usando el criterio de decisin optimista. d) Determinar la decisin ptima de la compra usando el criterio de decisin de Hurwicz (= 0.6 y = 0.3) e) Determinar la decisin ptima de la compra usando el criterio de decisin igualmente posible. f) Prepare un resumen con los resultados 8) a) Construir la tabla de perdida de oportunidad condicional. b) Determinar la decisin optima para la compaa usando el criterio de decisin de Savage. 9) Supongamos que la compaa ha determinado las probabilidades de las tres posibles demandas como sigue: Demanda Probabilidad E1 0,2 E2 0,5 E3 0,3 a) Determinar la decisin ptima de la compaa usando el criterio EMV. b) Determinar la decisin ptima de la compaa usando el criterio de EOL. c) Supongamos que el manufacturero es capaz de predecir perfectamente la demanda . Cul es la ganancia esperada bajo ests condiciones ?
Teora de decisin 16

10) Una compaa de estudios de mercado ofrece proveer un modelo para determinar perfectamente la demanda de chaquetas. Cuanto debera la manufacturera pagar a esta compaa por este modelo. Responder las mismas preguntas sin usar el EPPI. 11) a) Cual es el valor esperado de la demanda ? b) Si la demanda actual fue la demanda calculada en (a) cual sera la la decisin ptima y cual sera la ganancia.? 12) Una compaa de extraccin de minerales debe decidir cual de los tres materiales extraer : carbn, hierro o cobre. El rendimiento depende del tiempo, el cual puede ser lluvioso, caluroso o bueno. El rendimiento en pesos de los tres materiales bajo las diferentes condiciones del tiempo estan expresadas en la siguiente tabla . EVENTOS ESTRATEGIAS s1: carbn s2: hierro s3: cobre E1 lluv. 20000 25000 20000 E2 cal. 15000 20000 10000 E3 bueno 10000 5000 15000

a) Cual material se debera extraer usando las reglas de decisin inciertas. b) Los datos del tiempo indican que la probabilidad de lluvia es 0,4 y tiempo caluroso 0,4 . Cual material se deber extraer usando la regla de decisin de Savage. c) Un servicio de prediccin de del tiempo ofrece proveer una prediccin garantizada del tiempo por un valor de $500 . Deber la compaa comprar este servicio ? 13) Un trabajador est considerando la posibilidad de cambiar trabajos de uno a dos ubicaciones . El costo total del cambio ser de $ 40000 . El estima el salario para estas tres ubicaciones ( presente , trabajo 1 , trabajo2) como sigue. Trabajo presente Salario anual Prob. 30000 0,3 40000 0,4 60000 0,3 Trabajo 1 Trabajo 2 Salario anual Prob.Salario anual Prob. 60000 0,3 70000 0,4 80000 0,5 100000 0,3 100000 0,2 120000 0,3

a) Compute los valores en pesos de salario al final de un ao para cada estrategia. b) Si la decisin ptima esta basada sobre el total de los salarios al final de cuatro aos , cual decisin debera tomar ? c) Cuanto tiempo se requiere para que el salario total al irse al trabajo 1 sea igual al salario en caso de no haberse mudado de empleo.?
Teora de decisin 17

14- Una gran firma consultora est contemplando vender 10000 cuotas de acciones de una compaa, para recaudar el capital necesario para expansin , comnmente se venden a $20 por cuota. La compaa est enfrentando 2 situaciones cruciales, ambas pueden influir el precio futuro de las acciones: Un pleito con el Departamento de Justicia el que podra bajar el valor de las acciones. Un gran contrato con el Departamento de Defensa el que podra subir el valor de las acciones. As, hay cuatro eventos de estado de naturaleza: E1: se obtiene el contrato , no hay pleito , las cuotas suben a $ 24. E2: se obtiene el contrato , hay pleito , las cuotas suben a $ 22. E3: no se obtiene contrato , no hay pleito , las cuotas se mantienen igual. E4: no se obtiene el contrato , hay pleito , las cuotas bajan a $ 16. Consideramos tres posibles estrategias: S1: vender todas las acciones inmediatamente. S2: vender las acciones solo despus que los dos eventos pendientes han ocurrido. S3: optar por vender 5000 cuotas ahora y 5000 cuotas despus de que los eventos pendientes han ocurrido. El objetivo de la firma consultora es maximizar el rdito en la venta de las acciones. a) Construir la tabla de retorno condicional. b) Determinar cual estrategia usar la compaa si la eleccin est basada en: 1. El criterio de decisin pesimista. 2. El criterio de decisin optimista. 3. El criterio de decisin de Hurwicz (= 0.8 y = 0.2) 4. El criterio de decisin igualmente probable. 5. El criterio de Savage. 6. Prepare un resumen con los resultados 15- Supongamos que se conoce que la probabilidad que la compaa gane el contrato es 70% y que la probabilidad de un pleito es de 60% y estos eventos son independientes. a) Encontrar la distribucin de probabilidad de eventos. b) Cual es la estrategia ptima basada en EMV y en EOL. c) Cual es el EVPI y EPPI. 16- Una empresa est planeando introducir un nuevo televisor. Tres tipos estrategias publicitarias son consideradas : carteles , revistas y televisin. El beneficio de cada estrategia depende de la calidad de la produccin televisores de la empresa. Tres eventos diferentes pueden ocurrir. produccin tendr calidad perfecta , 1% defecto , o 5% defecto. La tabla retorno condicional es como sigue : Eventos Estrategias E1 Cal. Perf. E2 E3 1% Defectos 5% Defectos
Teora de decisin 18

de de La de

S1 S2 S3

$15000 $20000 $25000

$10000 $20000 $15000

$15000 $10000 $5000

La compaa considera entregar 1% de defectos como el evento mas probable, calidad perfecta de probable y 5% de defectos como de probable. a) Estimar la distribucin de probabilidad de los eventos. b) Cual es la estrategia ptima usando el EMV. c) Una inspeccin extra se puede usar para garantizar la calidad perfecta por un costo de $ 10000 . Debera la compaa sacar ventaja de este servicio. d) Como es la respuesta a la parte desde el EVPI. 17- Una compaa postal requiere que todas las cartas documentos enviadas en un da sean procesadas el mismo da. De datos previos se desarrollo la siguiente distribucin de probabilidad de cartas enviadas: Numero de cartas enviadas 400-499 500-599 600-699 700-799 800-899 Probabilidad 0,05 0,15 0,35 0,20 0,25

Un empleado procesa, en promedio, 40 cartas por hora y gana $5 por hora. Se le paga 2 veces por tiempo extra. Un da de trabajo regular es de 8 horas y se permiten un mximo de 5 horas extras por trabajador por da. a) Cuales son las posibles estrategias de la empresa. b) Cuantos empleados deberan ser contratados usando el criterio EMV. c) Para una estrategia ptima, cual es el tiempo ocioso esperado. d) Para una estrategia ptima , cual es al costo esperado por horas extras. 18- Una empresa debe decidir entre comprar acero ahora en anticipacin a una posible suba en el precio del acero , o esperar hasta ms tarde. La matriz de costo condicional en miles de pesos es como sigue: Eventos Estrategias S1: Comprar ahora S2: Comprar luego E1 Precio alto $100 $75 E2 E3 Precio medioPrecio bajo $75 $10 $50 $25

a) Encontrar la estrategia ptima usando: 1. El criterio de decisin pesimista. 2. El criterio de decisin de Savage.
Teora de decisin 19

b) Si la probabilidad de un precio alto es de 0,25, de un precio medio de 0,5 y de 0,25 para precio bajo, encontrar la decisin ptima usando EMV. c) Cual es el valor de la informacin perfecta. d) Usando solo las partes (b) y , determinar el EPPI y el EOL. 19- El dueo de un auto ha sido citado por la baja calidad de sus neumticos en la inspeccin anual . Para corregir el problema la persona est considerando tres diferentes neumticos. El mejor neumtico cuesta $100 y est garantizado por 2 aos. Un neumtico de primera lnea cuesta $75 y est garantizado por 1 ao, la probabilidad que dure 1 o 2 aos es igualmente posible. La segunda lnea de neumticos no est garantizada , cuesta $45 y la probabilidad que dure 6 meses es de 0,4 , 1 ao 0,3 y 2 aos 0,3. Si el necesita cuatro neumticos idnticos y el auto durar solo 2 aos , cual decisin deber el tomar. 20- Un estudiante ha elegido uno de tres caminos para ir a la escuela. El tiempo que toma para viajar no solo depende del camino que elige para viajar sino tambin del tiempo del da. La siguiente es una tabla de retorno que nos da los minutos que tarda en llegar a la escuela bajo cada condicin de tiempo. Eventos Estrategias Ruta 1 Ruta 2 Ruta 3 Soleado 25 30 35 Ventoso 55 35 40 Lluvioso 60 45 40

a) Si el estudiante es un pesimista, cual camino deber elegir. b) Si el estudiante es un optimista , cual camino deber elegir. c) El estudiante cree que cualquier tipo de clima es igualmente posible. Por cual camino deber el ir. d) Si el usa el criterio minimax de Savage , como ir a la escuela. 21- El pronostico del tiempo para maana dice que hay un 20% de probabilidad de lluvia , un 40% de probabilidad de viento y un 40% de probabilidad de sol. a) Usando el criterio EMV , por cual camino deber ir. b) Cual es el mejor camino usando el criterio EOL. c) Es un coincidencia que las respuestas de (a) y (b) sean iguales. 22a) Si el estudiante puede obtener un perfecto pronostico del clima, cual es el tiempo esperado en llegar a la escuela. b) Cuanto tiempo le ahorrara un perfecto pronostico del clima. (Tomando los dos caminos)

Teora de decisin

20