Teora de Decisin

Teora de Decisin

La Decisin: Es una eleccin entre dos o

mas lneas de accin diferentes. El
objeto de la teora de la decisin es
racionalizar dicha eleccin. El estudio de
la teora de decisin provee de
herramientas para la toma de
decisiones importantes.

Esquema de actuacin
1) Definicin del problema

2) Enumeracin de posibles alternativas

(Ai: Alternativas o estrategias)
3) Identificacin de los posibles escenarios o estados de
la naturaleza. (Ej: Estados de la naturaleza)
4) Obtencin de resultados y valoracin de los mismos.
(Xij: Resultados)
5) Prediccin de probabilidad sobre la ocurrencia
de cada estado de la naturaleza.(Pj: Probabilidad)

Esquema de actuacin
6) Fijacin de criterios de decisin que permitan la
eleccin de una estrategia o alternativa.
7) Identificacin del tipo de decisin:


Decisiones estticas

Decisiones secuenciales

8) Identificacin del contexto en el que se toma la

decisin


Incertidumbre

Riesgo
Certeza

2. Desiciones estticas: Anlisis por Matriz de

Ganancias
* Las filas corresponden a las posibles decisiones alternativas o estrategias
que se contemplen.

Ai= {a1, a2, ..an}

* Las columnas corresponden a los posibles estados de la

Ej= { e1, e2, ..em }

* El cuerpo de la tabla contiene las ganancias.

x11

X ij = x21
x
n1

x12 ... x1m

x22 x2 m matriz n m
xn 2 xnm

naturaleza.

2.1. Decisin tomada bajo Incertidumbre

- El criterio de decisin se toma basandose en la experiencia
de quien toma la decisin.
- Este incluye un punto de vista optimista o pesimista, agresivo
o conservador.
-Criterios:
* Criterio Maximin - pesimista o conservador
* Criterio Minimax - pesimista o conservador
* Criterio Maximax - optimista o agresivo
* Principio de Razonamiento Insuficiente o Laplace
* Criterio de Hurwicz

La Inversin de John Prez

John Prez ha heredado $1000.

El ha decidido invertir su dinero por un ao.
Un inversionista le ha sugerido 5 inversiones
posibles:
*
*
*
*
*

Oro.
Bonos.
Negocio en Desarrollo.
Certificado de Depsito.
Acciones.

John debe decidir cuanto invertir en cada opcin.

Solucin

Construir una matriz de ganancias

Seleccionar un criterio de decisin
Aplicar el criterio en la matriz de ganancia
Identificar la decisin ptima
Evaluar la solucin

Matriz de Ganancias
Estados de la Naturaleza
Altern. De Dec. Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro
-100
100
200
300
0
Bonos
250
200
150
-100
-150
Negocio Des.
500
250
100
-200
-600
Certf. De Dep
60
60
60
60
60
Acciones
200
150
150
-200
-150

El conjunto de opciones es dominado por la

segunda alternativa (desechamos inversin en
acciones)

2.1.1. Criterio Maximin o Wald (1)

-Este criterio se basa pensando en el peor de los casos
* Una decisin pesimista se toma creyendo que el peor
caso ocurrir.
* Una decisin bajo criterio conservador asegura una ganancia
mnima posible.
-Para encontrar una decisin optima:
* Marcar la mnima ganancia a travs de todos lo estados de la
naturaleza posibles.

Criterio Maximin (2)

* Identificar la decisin que tiene mximo de las
mnimas ganancias.

Continuacin del Problema de John Prez

El Criterio Maximin
Gran Alza
Decisiones
-100
Oro
250
Bonos
500
Negocio en D.
60
Cert. De Dep.

Peq. Alza

100
200
250
60

Minimos

Sin Cambios Peq. Baja

200
150
100
60

300
-100
-200
60

Gran Baja

0
-150
-600
60

Ganancias

-100
-150
-600
60

2.1.2. Criterio Minimax o Savage (1)

- Este criterio se ajusta a decisiones pesimistas y conservadoras.
- La matriz de ganancia es basada en el coste de oportunidad
- El tomador de decisiones evala en qu prdidas incurre si no escoge
la mejor decisin.


Para encontrar la decisin ptima:



Para cada estado de la naturaleza:

Determine la mejor ganancias de todas las decisiones

 Calcule el costo de oportunidad para cada alternativa de
decisin como la diferencia entre su ganancia y la mejor
ganancia calculada.
Para cada decisin
 Encuentre el mximo costo de oportunidad para todos los
estados de la naturaleza.
 Seleccione la alternativa de decisin que tiene el mnimo
costo de oportunidad.


Criterio Minimax
500 - (-100) = 600
500
o Savage (2)
-100
500
Continuacin Problema John Prez
500
-100
-100
de Ganancias
500 Matriz
Decision Gran Alza -100
Peq. Alza Sin Cambios
Peq. Baja Gran Baja
-100-100 100
200
300
0
Oro
Invertir en Oro incurre en una
250 500 200
150
-100
-150
Bonos
prdida mayor cuando el mercado
500 500 250
100
-200
-600
Negocio
presenta
60
60
60 una gran
60 alza 60
Cert Dep
Matriz de Costo de Oportunidad
Maximo
Decision Gran Alza Peq. AlzaSin CambiosPeq Baja Gran Baja Costo Op
600
150
0
0
60
600
Oro
de Costo 50
de Oportunidad
250 Tabla50
400
210
400
Bonos
0
0
100
500
660
660
Negocio D.
440
190
140
240
0
440
Cert. Dep

2.1.3. El Criterio Maximax (1)

- Este criterio se basa en el mejor de los casos.
- Este criterio considera los puntos de vista optimista y
agresivo.
* Un tomador de decisiones optimista cree que siempre
obtendr el mejor resultado sin importar la decisin tomada.
* Un tomador de decisiones agresivo escoge la decisin que le
proporcionar una mayor ganancia.

El Criterio Maximax (2)

- Para encontrar la decisin ptima:
* Encuentre la mxima ganancia para cada alternativa de
decisin.
* Seleccione la decisin que tiene la mxima de las
mximas ganancias.

Continuacin del Problema de John Prez

El Criterio Maximax
Decision Gran Alza Peq. Alza Sin Cambios
Peq. Baja Gran Baja
-100
100
200
300
0
Oro
250
200
150
-100
-150
Bonos
500
250
100
-200
-600
Neg. Des
60
60
60
60
60
Cert. Dep.

2.1.4. El Principio de Razonamiento

Insuficiente o Criterio de Laplace (1)
- Este criterio puede ser utilizado por un tomador de
decisiones que no sea optimista ni pesimista.
- El tomador de decisiones asume que todos los estados
de la naturaleza son equiprobables.
- El procedimiento para encontrar una decisin ptima:
* Para cada decisin calcule la ganancia esperada.
m

E ( X i ) = X ij Pj
j =1

=1

j =1

* Seleccione la decisin con la mayor ganancia

esperada.

El Principio de Razonamiento Insuficiente o Criterio de Laplace (2)

Ganancias Esperadas (simplemente sumando):
Decisin ptima
* Oro = -100+100+200+300+0= $500
* Bonos = 250+200+150250+200+150-100100-150= $350
* Negocio D. = 500+250+100500+250+100-200200-600= $50
* Cert. Dep. = 60+60+60+60+60 = 300
- Ganancias Esperadas (aplicando frmula):
E ( X1 ) = E (Oro) = 100 0,2 + 100 0,2 + 200 0,2 + 300 0,2 + 0 * 0,2
= 100

Decisin ptima

E ( X ) = E ( Bonos ) = 250 0,2 + 200 0, 2 + 150 0,2 100 0, 2 150 0,2

2
= 70
E ( X 3 ) = E ( Negocio) = 500 0, 2 + 250 0, 2 + 100 0, 2 200 0, 2 600 0, 2
= 10

E ( X 4 ) = E (Certif .) = 60 0,2 + 60 0,2 + 60 0,2 + 60 0, 2 + 60 0,2

= 60

2.1.5. El Criterio de Hurwicz (1)



Es un criterio intermedio entre maximin y el maximax:

Supone la combinacin de ponderaciones de
optimismo y pesimismo.

Sugiere la definicin del llamado coeficiente de

optimismo (), y propone que se utilice como criterio
de decisin una media ponderada entre el mximo
resultado asociado a cada alternativa, y el mnimo
resultado asociado a la misma.

El Criterio de Hurwicz (2)

En nuestro ejemplo, si suponemos que el empresario es neutral =0,5
EL CRITERIO HURWICS
ESTADOS DE LA NATURALEZA

Mximas
Ganancias
Con =0,5

ALTERNATIVAS

Gran alza

peque
a alza

sin
cambio
s

peque
a
baja

gra
n
baja

Oro

-100

100

200

300

Bonos

250

200

150

-100

-150 50

Negocio

500

250

100

-200

-600 -50

Cert. de depsito

60

60

60

60

60

100

60

T ( X 1 ) = T (Oro) = 0.5 300 + 0.5 (100) = 100 Se elige

Las demas alternativas se calculan de forma anloga

2.2. Decisin tomada bajo Riesgo

El Criterios de la ganancia esperada

- Si existe una estimacin de la probabilidad de que un
determinado estado de la naturaleza ocurra , entonces se
puede calcular la ganancia esperada.

- Para cada decisin la ganancia esperada se calcula como:

Ganancia Esperada = (Probabilidad)*(Ganancia)
(Para cada estado de la naturaleza)

Continuacin Problema de John Prez

El Criterio de la Ganancia Esperada

Ganancia
Decision Gran Alza Peq. Alza Sin Cambios
Peq. Baja Gran Baja Esperada
-100
100
200
300
0
100
Oro
250
200
150
-100
-150
130
Bonos
500
250
100
-200
-600
125
Neg. Des
60
60
60
60
60
60
Cert. Dep.
0,3
0,3
0,1
0,1
Probabilidad 0,2

(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130

Observaciones sobre el criterio de la ganancia

esperada.

El criterio de la ganancia esperada es factible de usar en

situaciones donde al sujeto decisor no le importe la
dispersin del resultado (no tiene en cuenta la desviacin tpica)

Un problema de este criterio es que no considera las

situaciones ante posibles prdidas, no considera la existencia
del riesgo de ruina .

Para solucionar estas limitaciones se construyen

funciones de utilidad

a) Consideracin de la variabilidad de los

resultados:
Si a
a
1 Mayor aversin al riesgo. Perfil ms conservador
Si a
a0 Poca aversin al riesgo. Perfil ms arriesgado.
X2 = var ianza como medida de var iabilidad de los resultados
m

Varianza :

2
X

= ( X ij E ( X i )) 2 Pj

X = Desviacin tpica : X2

j =1

En nuestro ejemplo:
ejemplo: Si Jhon Prez tiene una aversin al riesgo
del 15%: a=0,15
U ( X 2 ) = E ( Bonos ) a V ( Bonos )
= 130 0,15 (250 130)2 0, 2 + (200 130) 2 0.3 + (150 130) 2 0.3 + (100 130) 2 0,1 + (150 130) 2 0,1
= 71,71

Las demas alternativas se calculan de forma anloga

b) Consideracin del riesgo de ruina: prdidas que se est

dispuesto a asumir o beneficio mnimo exigido
En nuestro ejemplo, si estamos dispuestos a asumir prdidas
hasta 180 unidades monetarias, se rechazan las inversiones
en negocio y en acciones ya que podran generar prdidas que
no se podran asumir ((-600; -200).
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERNATIVAS

Gran alza

pequea
alza

sin
cambios

pequea
baja

gran
baja

Oro

-100

100

200

300

Bonos

250

200

150

-100

-150

Negocio

500

250

100

-200

-600

Cert. de depsito

60

60

60

60

60

Acciones

200

150

150

-200

-150

Se desechan

2.3 El valor de la informacin perfecta (I)



Principio de maximizacin de ganancias cuando se

dispone de informacin perfecta, se conoce con
certeza la ocurrencia de cierto estado de la
naturaleza, Ej:
Decisin ptima= Max {Xij }

Estados de la Naturaleza
Altern. De Dec. Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro
-100
100
200
300
0
Bonos
250
200
150
-100
-150
Negocio Des.
500
250
100
-200
-600
Certf. De Dep
60
60
60
60
60
Acciones
200
150
150
-200
-150

El valor de la informacin perfecta (II)

Principio de mxima ganancias esperada cuando se
dispone de informacin probabilstica, en condiciones
de riesgo.
m
Decisin ptima= Mxima ganancia esperada= Max( X ij Pj )

j =1

El Criterio de la Ganancia Esperada

Ganancia
Decision Gran Alza Peq. Alza Sin Cambios
Peq. Baja Gran Baja Esperada
-100
100
200
300
0
100
Oro
250
200
150
-100
-150
130
Bonos
500
250
100
-200
-600
125
Neg. Des
60
60
60
60
60
60
Cert. Dep.
0,3
0,3
0,1
0,1
Probabilidad 0,2

(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130

El valor de la informacin perfecta (III)

El valor esperado monetario en informacin perfecta
(VEMIT) indica la ganancia esperada o valor
esperado monetario de aquel individuo que pudiera
adaptar su decisin al estado realizado despus de
m
sta realizacin.
VEMIP = Max( X i ) P( E j )
j =1

El Criterio de la Ganancia Esperada

Ganancia
Decision Gran Alza Peq. Alza Sin Cambios
Peq. Baja Gran Baja Esperada
-100
100
200
300
0
100
Oro
250
200
150
-100
-150
130
Bonos
500
250
100
-200
-600
125
Neg. Des
60
60
60
60
60
60
Cert. Dep.
0,3
0,3
0,1
0,1
Probabilidad 0,2

VEMIP = 500*0, 2 + 250*0,3 + 200*0,3 + 300*0,1 + 60*0,10 = 271

El valor de la informacin perfecta (IV)

En condiciones de incertidumbre la decisin debe
producirse antes de la realizacin del estado de la
naturaleza, cuando todo an es posible. La decisin
tomada no puede revisarse y se mantendr una vez
ocurrido ese estado de la naturaleza, sea cual sea.
Si el individuo que toma la decisin se rige segn el
criterio de ganancia esperada o valor esperado
monetario, es fcil ver que:

VEMIP Ganancia Esperada

Poseer informacin perfecta aumenta la ganancia
esperada en la cantidad [VEMIT
[VEMIT--Ganancia Esperada]0
Por definicin, esta diferencia es la Ganancia Esperada de
La Informacin Perfecta (GEIP)

El valor de la informacin perfecta (V)

La Ganancia Esperada de La Informacin Perfecta
(GEIP), nos indica el mximo valor que el individuo
est dispuesto a pagar para librarse de la
incertidumbre, comprar informacin y tomar su
decisin con informacin perfecta de lo que va a
VEMIT-Ganancia Esperada:
suceder. El GEIP = VEMITm

j =1

j =1

GEIP = Max( X i ) P ( E j ) Max( X ij Pj )

En nuestro ejemplo:

GEIP = 271 130 = 141

Si el coste (c) de adquisicin de informacin es

inferior al GEIP, el decisor prefiere comprar la decisin
y eliminar la incertidumbre , en caso contrario prefiere
no comprar y tomar su decisin en incertidumbre.

El valor de la informacin perfecta (VI)

m

j =1

j =1

GEIP = Max( X i ) P( E j ) Max( X ij Pj )

En nuestro ejemplo:

GEIP = 271 130 = 141

El Criterio de la Ganancia Esperada

Ganancia
Decision Gran Alza Peq. Alza Sin Cambios
Peq. Baja Gran Baja Esperada
-100
100
200
300
0
100
Oro
250
200
150
-100
-150
130
Bonos
500
250
100
-200
-600
125
Neg. Des
60
60
60
60
60
60
Cert. Dep.
0,3
0,3
0,1
0,1
Probabilidad 0,2

VEMIP = 500*0, 2 + 250*0,3 + 200*0,3 + 300*0,1 + 60*0,10 = 271

Si el coste (c) de adquisicin de informacin es
inferior al GEIP, el decisor prefiere comprar la decisin
y eliminar la incertidumbre , en caso contrario prefiere
no comprar y tomar su decisin en incertidumbre.

2.4. El valor de la informacin imperfecta (I)

La informacin adicional no siempre es perfecta,
muchas veces los estudios que se encargan a
consultoras especializadas presentan un margen de
error. La informacin adicional obtenida de estos
informes mejora la probabilidad obtenida de la
ocurrencia de un determinado estado de la
naturaleza y ayuda al tomador de decisiones a
escoger la mejor opcin.
La estadstica Bayesiana construye un modelo a partir
de la informacin adicional obtenida a partir de
diversas fuentes que nos permite calcular la Ganacia
Esperada con la Informacin Adicional (GECIA) y la
Ganancia Esperada de la Informacin adiciona (GEIA)

El valor de la informacin imperfecta (II)

El teorema de Bayes:
P( E j / Ai ) = probabilidad revisada

P( E j / Ai ) =

P( E j ) * P ( Ai / E j )
n

P( E ) * P( A / E )
j

i =1

P( E j ) = probabilidad

a priori

P( Ai / E j ) = probabilidad condicionada
n

P( E ) *P( A / E ) = sumatoria probabilidad conjunta

j

i =1

Ejemplo de Jhon Prez: Supongamos que hemos contratado

un informe adicional que nos indica la probabilidad de
ocurrecia de una gran alza, pequea alza, etc. condicionada
a que el crecimiento econmico sea positivo o negativo.
Los resultados se pueden ver en la siguiente tabla.
ESTADOS DE LA NATURALEZA
Gran pequea sin pequea Gran
ALTERNATIVAS
alza
alza cambios baja
baja
0,800 0,700 0,500 0,400 0,000
Probabilidad Crec. Positivo
0,200 0,300 0,500 0,600 1,000
Condicionada Crec, Negat.

El valor de la informacin imperfecta (IIi)

Reconstruimos la informacin para mejorar la informacin:
EL CRITERIO DE LA GANACIA ESPERADA CON INFORMACIN ADICIONAL
ESTADOS DE LA NATURALEZA
Gran
pequea
sin
pequea
ALTERNATIVAS
alza
alza
cambios
baja
-100
100
200
300
Oro
250
200
150
-100
Bonos
500
250
100
-200
Negocio
60
60
60
60
Cert. de depsito
200
150
150
-200
Acciones
0,2
0,3
0,3
0,1
Probabilidad
Probabilidad Crec. Positivo
0,800
0,700
0,500
0,400
Condicionada Crec, Negat.
0,200
0,300
0,500
0,600
0,210
0,160
0,150
0,040
Probabilidad Crec. Positivo
0,040
0,090
0,150
0,060
Conjunta
Crec. Negat.
0,286
0,375
0,268
0,071
Probabilidad Crec. Positivo
0,091
0,205
0,341
0,136
Revisada
Crec. Negat.

E ( X ij ) a posteriori o revisada =
n

ij

Gran
baja
0
-150
-600
60
-150
0,1
0,000
1,000
0,000
0,100
0,000
0,227

Gan. Esp. Gan. Esp.

a priori Revisada
Cre. Posi. Crec. Neg.
120
84
100
67
179
130
-33
249
125
60
60
60
39
139
95
=1

0,560
0,440
1,000
1,000

Pj
m

GECIA = Max[ E ( X ij ) a posteriori * P ( E j ) *P( Ai / E j ) = 249 0,56 + 120 0, 44 = 193

= 100 0,286 + 100
i =1
j =1 0,375 + 200 0, 268 + 300 0,071 + 0 0 = 84
j =1

probabilidad conjunta = P ( E j ) * P ( Ai / E j ) = 0,80 * 0, 20 = 0,16

P ( E j ) * P( Ai / E j )

0,16
=
= 0, 286
a priori ] = 193 130 = 63 0,56
P( E j ) * P( Ai / E j )

( E j [/EA(i )X= ) n
GEIA = GECIA PMax
ij

i =1

El valor de la informacin imperfecta (IIi)

Reconstruimos la informacin para mejorar la informacin:
EL CRITERIO DE LA GANACIA ESPERADA CON INFORMACIN ADICIONAL
ESTADOS DE LA NATURALEZA
Gran
pequea
sin
pequea
ALTERNATIVAS
alza
alza
cambios
baja
-100
100
200
300
Oro
250
200
150
-100
Bonos
500
250
100
-200
Negocio
60
60
60
60
Cert. de depsito
200
150
150
-200
Acciones
0,2
0,3
0,3
0,1
Probabilidad
Probabilidad Crec. Positivo
0,800
0,700
0,500
0,400
Condicionada Crec, Negat.
0,200
0,300
0,500
0,600
Probabilidad Crec. Positivo
0,160
0,210
0,150
0,040
Conjunta
Crec. Negat.
0,040
0,090
0,150
0,060
Probabilidad Crec. Positivo
0,286
0,375
0,268
0,071
Revisada
Crec. Negat.
0,091
0,205
0,341
0,136
n

Gran
baja
0
-150
-600
60
-150
0,1
0,000
1,000
0,000
0,100
0,000
0,227

Gan. Esp. Gan. Esp.

a priori Revisada
Cre. Posi. Crec. Neg.
100
84
120
130
179
67
125
249
-33
60
60
60
95
139
39
=1

0,560
0,440
1,000
1,000

GECIA = Max[ E ( X ij ) a posteriori * P ( E j ) *P( Ai / E j ) = 249 0,56 + 120 0, 44 = 193

i =1

j =1

) * P ( A / E ) = 0,80 * 0, 20 = 0,16
E ( X ijprobabilidad
) a posteriori o revisadaconjunta
=
X ij =
Pj PP((E
E jj) * P ( Ai / Ei j ) j 0,16
(j =E1 j [/EA(i )X= ) n ] = 193 130 = 63
=
= 0, 286
GEIA = GECIA PMax
ij a priori
0,56
( E j)0*,375
P ( Ai+/ 200
E j ) 0,268 + 300 0,071 + 0 0 = 84
+P100
= 100 0,286
i =1