UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA

VICERRECTORADO ACADMICO
COORDINACIN DE INGENIERA INDUSTRIAL
CTEDRA: MODELO DE DECISIONES

TEORA DE
DECISIONES

PROFESOR:

BACHILLERES

R.D` AMBROSI

TANIA RODRIGUEZ
JARAMILLO YUDEISY
IDROGO DEYMAR
MARCANO ROSA

Puerto Ordaz, Julio 2015

INTRODUCCIN
1

El inconveniente de la Decisin, motivado por la existencia de ciertos estados

de enigma que constan de proposiciones verdaderas (conocidas o
desconocidas), es tan antiguo como la vida misma. Podemos aseverar que
todos los seres vivientes, an los ms simples, se enfrentan con problemas
de decisin. As, un organismo unicelular asimila partculas de su medio
ambiente, unas nutritivas y otras nocivas para l. La composicin biolgica
del organismo y las leyes fsicas y qumicas determinan qu partculas sern
asimiladas y cules sern rechazadas.
Conforme aumenta la complicacin del ser vivo, aumenta tambin la
complejidad de sus decisiones y la forma en que stas se toman. As,
pasamos de una toma de decisiones guiada instintivamente, a procesos de
toma de decisiones que deben estar guiados por un pensamiento racional en
el ser humano. La Teora de la Decisin tratar, por tanto, el estudio de los
procesos de toma de decisiones desde una perspectiva racional.

TEORIA DE DECISION

En cualquier acto de decisin se distinguen los siguientes elementos:

Uno o ms decidores que tienen una serie de objetivos y metas
supuestamente bien definidos.
Un conjunto de posibles acciones o alternativas disponibles a los
decidores.
Un conjunto de posibles resultados por la instrumentacin de
acciones.
Un entorno dado por los posibles estados que guarda la naturaleza en
relacin a los objetivos de los decidores, sobre los cuales estos no
ejercen ningn control.
Una funcin que asocian acciones y resultados con el entorno.
Un proceso de decisin, que selecciona una o varias acciones, dado
un cierto entorno y metas explicitas del grupo de decidores.
Un criterio que marca el proceso de decisin
Ejemplo 1.1
Suponga un decisor llamado PEMEX, cuyo objetivo es hacer de Mxico, un
pas autosuficiente en energtico y con capacidad de generar importante
divisas a travs de la exportacin de excedentes. Estos propsitos traducidos
a metas para 1982 significan, por ejemplo, una explotacin de dos millones y
medio de barriles diarios de crudo, de los cuales un milln sern exportados.
Suponga que estudios geolgicos del paleo canal de Chicontepec en estado
de Veracruz, muestra que los posibles estados de la naturaleza (entorno)
relativos a los objetivos de PEMEX son cuatro:
Regin posible con posible produccin de un milln de barriles diarios
de crudo ligero.
Regin con posible produccin de 200 mil barriles diarios de crudo
ligero.
Regin con gas nicamente
Regin seca.

Ante tales posibilidades, PEMEX puede instrumentar en la regin una sola o

una combinacin de las tres siguientes alternativas o curso de accin:
o

no hacer nada.

Explorar y explotar

Realizar estudios geolgicos ms completos.

El proceso de decisin consiste en seleccionar una o varias alternativas o

curso de accin, el criterio de minimizar los riesgos de prdidas financieras.
En el ejemplo anterior observamos todos los elementos que intervienen en
una decisin, los cuales mencionamos a continuacin:
El decisor, encargado de realizar la designacin de la mejor forma de
actuar de acuerdo con sus intereses.
Las alternativas o acciones, que son las diferentes formas de actuar
posibles, de entre las cuales se seleccionar una. Deben ser
excluyentes entre s.

 Los posibles estados de la naturaleza, trmino mediante el cual se

designan a todos aquellos eventos futuros que escapan al control del
decisor y que influyen en el proceso.
Las consecuencias o resultados que se obtienen al seleccionar las
diferentes alternativas bajo cada uno de los posibles estados de la
naturaleza.
La regla de decisin o criterio, que es la especificacin de un
procedimiento para identificar la mejor alternativa en un problema de
decisin.
Los procesos de decisin pueden hacerse bajo:

Completa certeza
Riesgo
Conflicto
Completa incertidumbre.

Solamente en el caso de conflicto existen por lo menos dos grupos diferentes

de decidores.
Completa certeza
Los procesos de decisin bajo completa certeza, tambin llamados
determinsticos, se caracterizan porque el grupo de decisor conoce
perfectamente cul va a ser el estado de la naturaleza relativo a sus
objetivos y, por lo tanto, selecciona aquella accin que de acuerdo al criterio
imperante, lograra acercarlos ms rpido a la meta restablecida.
Riesgo
En el caso con riesgo, tambin conocido como estocstico, no se conoce
perfectamente el estado que adoptara la naturaleza pero se asocia a este
una distribucin de probabilidad (continua o discreta). En funcin a esta
ltima, el grupo decisor selecciona aquella accin que maximiza la
esperanza de acercarlos a la meta propuesta.
5

Conflicto
En el caso conflictivo, los estados de la naturaleza obligan a que el logro de
las metas de un grupo de decisores reduzca, simultneamente, las
probabilidades de que otro grupo alcancen las suyas.
Completa incertidumbre
En el caso de total incertidumbre, se desconoce la verosimilitud asociada la
ocurrencia de los posibles estados de la naturaleza, es decir no se tiene una
idea de la distribucin de probabilidad o funcin de densidad asociada a los
diferentes entornos.
El ejemplo ilustrativo que aparece en la tabla anterior seria determinstico si
se sabe con certeza, por ejemplo, que se trata de una regin seca; seria
estocstico si se dice que los entornos tienen la siguiente distribucin de
probabilidad de ocurrencia, el problema es de incertidumbre completa.
Si no se tiene idea de lo que hay en el paleo canal de Chicotepec
En el caso determinstico, los criterios que imperan en el proceso de decisin
son generalmente dos:
Minimizacin de costos, prdidas, esfuerzos.
Maximizacin de ganancias, beneficios.
En el caso estocstico, se optimizan (maximizan o minimizan) los valores
esperados correspondientes. En el caso conflictivo, se minimizan las
mximas perdidas (que equivale a maximizar las mnimas ganancias del
oponente), o bien, se utilizan con menos frecuencias otros criterios.
En el caso de total incertidumbre, los criterios que pueden enmarcar el
proceso de decisin son:
6

 maximizar la mnima perdida.

maximizar la mxima ganancia.
Coeficientes optimista - pesimista.
minimizar el arrepentimiento mximo.
Igualdad en la verosimilitud asociada a la ocurrencia de cualquiera de los
estados de la naturaleza.
Estrategias mixtas.
CARACTERSTICAS Y FASES DEL PROCESO DE DECISIN.
Un proceso de decisin presenta las siguientes caractersticas principales:
Existen al menos dos posibles formas de actuar, que llamaremos alternativas
o acciones, excluyentes entre s, de manera que la actuacin segn una de
ellas imposibilita cualquiera de las restantes. Mediante un proceso de
decisin se elige una alternativa, que es la que se lleva a cabo.La eleccin
de una alternativa ha de realizarse de modo que cumpla un fin determinado.
El proceso de decisin consta de las siguientes fases fundamentales:

Prediccin de las consecuencias de cada actuacin. Esta prediccin

deber basarse en la experiencia y se obtiene por induccin sobre un
conjunto de datos. La recopilacin de este conjunto de datos y su
utilizacin entran dentro del campo de la Estadstica.

Valoracin de las consecuencias de acuerdo con una escala de

bondad o deseabilidad. Esta escala de valor dar lugar a un sistema
de preferencias.

Eleccin de la alternativa mediante un criterio de decisin adecuado.

Este punto lleva a su vez asociado el problema de eleccin del criterio

ms adecuado para nuestra decisin, cuestin que no siempre es fcil

de resolver de un modo totalmente satisfactorio.
Formalmente, un problema de decisin establece la existencia de un
conjunto de posibles acciones A = {a1,a2, ., an}. Al elegir el grupo
decisor (uno o mas personas) una accin cualquiera aj A, se conocen o
estiman las posibles consecuencias, que son a su vez funcin de los estados
de la naturaleza. El conjunto representa los posibles estados de la naturaleza
1, 2, ., n y estos, a su vez, son solo las representacin de la situacin
real donde incide la accin aj A. el decisor no ejerce ningn control sobre la
ocurrencia de los posibles estados de la naturaleza. Las consecuencias de
instrumentar una accin cualquiera aj A, dado un estado de la naturaleza k
, se mide a travs de una funcin f (aj, k ), que puede dimensionarse en
trminos monetarios o de utilidad.
Se puede o no conocer o estimar la distribucin de probabilidad asociada a la
ocurrencia de cualquier k . Si se conoce, se tiene un caso llamado de
riesgo; y si no, se acta bajo total incertidumbre. Es ms, si el grupo de
decisin sabe que la probabilidad de ocurrencia de k es igual a uno para una
k dada, el problema de decisin es determinsticos. La experimentacin de
los datos histricos son herramientas tiles que permiten estimar la
distribucin de probabilidad asociada a la ocurrencia de los diferentes
estados de la naturaleza.
Los criterios que enmarcan el proceso de decisin es decir, la seleccin de la
accin aj A adecuadamente para una k dada, varan si el problema es
determinstico, bajo riesgo, incertidumbre o conflictivo.
La estadstica clsica resuelve problemas de decisin en el caso con riesgo
en el de total incertidumbre, pero solo si es posible experimentar. Si la
experimentacin no es factible, el anlisis estadstico clsico (tambin
8

conocido como enfoque objetivita) no es til para resolver los problemas de

decisin. En estos casos se requieren otras tcnicas y enfoques, conocidos
como teora de decisin estadstica. Aqu se presenta un mtodo de la teora
de decisin estadstica, basado en el teorema de Bayes, que recibe el
nombre de Teora Bayesiana de Decisin. Esta teora resuelve problemas de
decisin, en el caso con riesgo y bajo incertidumbre, con o sin la precensia
de la experimentacin.
TOMA DE DESICIONES BAJO RIESGO.
El riesgo implica cierto grado de incertidumbre y la habilidad para controlar
plenamente los resultados o consecuencias de dichas acciones. El riesgo o
la eliminacin del mismo es un esfuerzo que los gerentes deben realizar. Sin
embrago, en algunos casos la eliminacin de cierto riesgo podra incrementar
riesgos de otra ndole. El manejo efectivo del riesgo requiere la evaluacin y
el anlisis del impacto subsiguiente del proceso de decisin. Este proceso
permite al tomador de decisiones evaluar las estrategias alternativas antes
de tomar cualquier decisin. El proceso de decisin se describe a
continuacin:
El problema est definido y todas las alternativas confiables han sido
consideradas. Los resultados posibles para cada alternativa son
evaluados.
Los resultados son discutidos de acuerdo a su reembolso monetario
o de acuerdo a la ganancia neta en activos o con respecto al tiempo.
Varios valores inciertos son cuantificados en trminos de
probabilidad.
La calidad de la estrategia ptima depende de la calidad con que se
juzgue. El tomador de decisiones deber examinar e identificar la

sensitividad de la estrategia optima con respecto a los factores

cruciales.
Cuando el decisor posee algn conocimiento sobre los estados de la
naturaleza puede asignarle a la ocurrencia de cada estado alguna estimacin
subjetiva de probabilidad. En estos casos, el problema se clasifica como de
toma de decisiones con riesgo.
PROCESO DE TOMA DE DECISIONES CON RIESGO
El decisor puede asignar probabilidades a la ocurrencia de los estados de la
naturaleza. El proceso de toma de decisin con riesgo es el siguiente:
a) Use la informacin que tenga para asignar su parecer personal (llamado
probabilidades subjetivas) sobre el estado de la naturaleza, p(s);
b) Cada curso de accin tiene asociado un determinado beneficio con cada
uno de los estados de la naturaleza, X(a,s);
c) Calculamos el beneficio esperado, tambin llamado riesgo o R,
correspondiente a cada curso de accin como R(a) = Sumas de [X(a,s) p(s)];
d) Aceptamos el principio que dice que deberamos actuar para minimizar (o
maximizar) el beneficio esperado;
e) Ejecute la accin que minimice R(a).
A continuacin se introduce la teora bayesiana de decisin, cuando el grupo
decisor tiene un solo objetivo y se describe en los casos con o sin
experimentacin, con funcin objetiva dados en unidades monetarias y de
utilidad. Se concluye tambin una representacin grfica del mtodo de
solucin llamado rbol de decisin; se compara el anlisis clsico de la
estadstica objetiva con el mtodo bayesiano.

10

TEORIA BAYESIANA DE DECISION.

Decisin Sin Experimentacin.
En las siguientes secciones, a menos que se diga lo contrario, se supone
que el grupo decisor solo tiene un solo objetivo (el que sea) y que la funcin f
(aj, k ) est dada en decisiones monetarias.
El grupo de asesor tiene que escoger una alternativa aj A dado un estado
de la naturaleza k . Como se desconoce cul ser el estado k, la decisin
opta por utilizar un criterio mnimax, es decir, para una k dada elegir aquella
aj A que genere el mximo f (aj, k ). Sea esta accin la a*jk (el subndice j
indica la fila y el k, la columna de la matriz f (aj, k)) entonces, el criterio
mnimas consiste en seleccionar el mnimo de todas las a*jk identificadas
anteriormente, es decir, el grupo decisor elegir Mn {a*jk}.K
Este criterio es similar al que se utiliza en la teora de juegos; en este caso
un jugador es el grupo decisor y el otro la naturaleza. El grupo decisor desea
minimizar los mximos riesgos que puedan afrontar o bien su equivalente:
maximizar los mnimos beneficios que se puedan derivar El tipo de criterio
mnimax ha sido criticado por que supone que la naturaleza es malvola y
trata de hacer el mayor dao posible al oponente (en este caso el grupo
decisor), como la naturaleza no es as se debe buscar un criterio substituto al
mnimax o maximin.
El criterio de Bayes supone que los estados que presentan la naturaleza son
variables aleatorias que pueden o no tener una distribucin de probabilidad
conocida o estimada. Si esta distribucin se conoce o se le puede estimar
por datos histricos, entonces se le llama distribucin a priori. Todas las

11

distribuciones a priori son subjetivas, ya que se estiman en funcin a la

experiencia o intuicin de los individuos que forman el grupo decisor.
Decisin Con Experimentacin.
Sea X una variable aleatoria que denota la informacin disponible de una
muestra aleatoria a travs de la experimentacin. Por ejemplo, el mximo
valor observado o un simple vector de observaciones. El decisor debe
seleccionar una serie de reglas, conocidas como polticas o estrategias, que
le orienten sobre el uso que deba darle a la informacin derivada de un
experimento con el fin de apoyar su toma de dediciones.
Sea g(y) una funcin que se define como:
a=g(y) si X = y,
Es decir, se selecciona la accin a, si la variable aleatoria X toma el valor y. el
decisor seleccionara dentro de todas las acciones aj A generadas por esta
funcin, aquella que satisfaga cierto criterio de optimalidad (el que sea).
Como y es una variable aleatoria, la funcin g (y) tambin lo es; por lo tanto
se requiere hablar de valores esperados.
Complementariamente se requiere de otra funcin que ligue al posible estado
de la naturaleza con la accin seleccionada aj A, que a su vez se deriva del
valor de la variable aleatoria X. esta funcin, conocida como funcin de
riesgo, se define como:
R(g(y), k)=E{f(g(y), k)}-C
Donde el valor esperado se toma con respecto a la distribucin de la variable
aleatoria X y C es el costo del experimento la funcin de riesgo debe incluir
obviamente el costo del experimento.El desisor seleccionara aquella accin
aj A que, por ejemplo, minimice el valor de la funcin riesgo.

12

Ejemplo 1.2
Suponga que PEMEX realiza estudios ssmicos de la regin a un costo de
112 000 000 de pesos. Estos estudios (sondeos ssmicos) producen
resultados que pueden clasificarse en cualquiera de los siguientes cuatro
grupos, mutuamente excluyentes:
Ondas ssmicas que denotan una estructura geolgica cerrada,
altamente favorable (categora I)
Ondas ssmicas que denotan una estructura geolgica un poco ms
abierta, situacin menos favorable (categora II).
Ondas ssmicas que denotan una estructura abierta (categora III).
Ondas ssmicas que denotan que no existe una estructura geolgica
en el sitio de inters (categora IV).

Los siguientes puntos resumen el teorema de bayes:

Si no existe experimentacin (datos adicionales), se selecciona

aquella accin que minimiza (maximiza) la perdida (ganancia)
esperada, calculndose esta con distribucin a priori de los estados de
la naturaleza.
13

Si existe informacin adicional (posiblemente a traves de la

experimentacin), esta se usa para actualizar la distribucin a priori de
los estados de la naturaleza. La nueva distribucin, llamada a
posteriori es la distribucin condicional del estado de la naturaleza ,
dado que el experimento X arroja un cierto valor Y. con la distribucin
a posteriori, se calcula una nueva funcin de riesgo de criterio de
bayes selecciona aquella accin que minimiza (maximiza) la perdida
(ganancia) esperada de la nueva funcin.

Una

Discusin

Acerca

de

la

Posibilidad

de

Prdida

esperada

(Arrepentimiento Esperado): Comparando el resultado de una decisin con

respecto a sus alternativas aparenta ser un componente importante en el
proceso de toma de decisiones. Un factor importante es el sentimiento de
arrepentimiento. Este ocurre cuando los resultados de las decisiones son
comparados a los resultados que se hubieran obtenidos si se hubiera tomado
una decisin diferente. Esto significa un contrastante desacuerdo, el cual
resulta de la comparacin de resultados como consecuencia de la misma
decisin.
Los resultados de arrepentimiento es la comparacin de lo que se ha
obtenido de una decisin con respecto a lo que hubiese ocurrido. Por lo
tanto, esto depende de la disponibilidad de respuestas que reciben los
tomadores de decisiones con respecto al resultado de la opcin alternativa
hubiera generado. Alterando el potencial de arrepentimiento mediante la
manipulacin de

la

resolucin

de

la

incertidumbre

revela que el

comportamiento de la toma de decisin que aparenta aversin al riesgo

puede de hecho ser atribuida a la aversin al arrepentimiento.

14

No existe indicativo de que el arrepentimiento pueda estar relacionado a la

distincin entre actos y omisin. Algunos estudios han encontrado que el
arrepentimiento es ms intenso siguiendo una accin, que a una omisin.
Por ejemplo, en un estudio, los participantes concluyeron que un tomador de
decisiones que intercambia acciones de una compaa a otra y pierde dinero,
se sentir mas arrepentido que otro que no intercambia acciones pero que
igualmente pierde dinero. Las personas normalmente asignan un mayor valor
a un resultado inferior proveniente de una accin ms que al de una omisin.
Presumiblemente, esta una manera de contrarrestar el arrepentimiento que
podra resultar de una accin.
RBOLES DE DECISIN.
Un mtodo diagramtico para representar y analizar los problemas de
decisin.Un rbol de decisin es un diagrama del problema que tiene el
decisor. Los rasgos principales del rbol son puntos de ramificacin y cada
punto designa una seleccin de acciones, una de las cuales debe ser tomada
por el decisor, o un grupo de resultados con incertidumbre, uno de los cuales
ocurrir El primer tipo de puntos de ramificacin se conoce como nudo de
decisin y l ultimo tipo es llamado nudo de incertidumbre.

15

El proceso bayesiano de decisin, con o sin experimentacin puede

representarse y resolverse grficamente a travs de los llamados rboles de
decisin. Por medio de este mtodo grafico se expresa en orden cronolgico
las acciones disponibles al divisor y los eventos variables a asociados a los
estados de la naturaleza. Las primeras se representan en el rbol por un
cuadrado; los segundos, por un circulo.
Los rboles de decisin contemplan dos etapas:

diseo

solucin.

El diseo se hace cronolgicamente de izquierda derecha la solucin, en

sentido contrario.
Para resolver el rbol de decisin se utiliza en cada una de las ramas
asociadas al estado de la naturaleza (1, 2, 3, 4) el valor de la funcin de
consecuencias la funcin f (aj, k ) correspondiente para la parte sin
experimentacin, se utiliza las distribuciones a priori, p (k) que genera los

16

valores esperados de los nodos 1.1.1, 1.1.2 y 1.1.3 respectivamente. El

mximo de estos tres valores es el que se asocia al nodo 1.1. en cambio ,
para las ramas de al extrema derecha que se derivan del nodo de
experimentacin 1.2, se utilizan las distribuciones a posteriori h/x = y, ( k ),
para calcular los valores esperados de los nodos 1.2.1.1, 1.2.1.2, 1.2.1.3,
1.2.2.1, 1.2.2.2, 1.2.2.3, 1.2.3.1, 1.2.3.2, 1.2.3.3, 1.2.4.1, 1.2.4.2 y 1.2.4.3. En
forma similar se calculan los valores esperados de los nodos 1.2.2, 1.2.3 y
1.2.4. estos valores afectados por la distribucin marginal.
Valor esperado del nodo 1 resultado del proceso de decisin, es el mximo
de los valores del nodo 1.1 y del nodo 1.2, a este ltimo deducindole el
costo de la experimentacin.
Se utiliza el operador mximo para ganancias y mnimo para perdidas.
En el siguiente rbol observamos un ejemplo de lo anteriormente expuesto.
ESTADISTICA CLASICA Y LOS PROCESOS BAYESIANOS
Aqu presentamos un anlisis comparativo entre la estadstica clsica y la
teora de decisin bayesiana. Los precisos bayesianos no requieren de un
experimento para poder decidir, como es el caso de la estadstica clsica
claro est que si existe experimento en el proceso bayesiano se enriquece el
e proceso con la ayuda de las distribuciones a posteriori y marginales.
Los procesos bayesianos pueden utilizarse en problemas de una o n etapas,
en cambio el anlisis clsico resuelve problemas de una etapa.
La estadstica clsica puede seleccionar una de dos acciones, aceptando o
rechazando una. Los procesos bayesianos pueden seleccionar un conjunto
finito de m alternativas (m>1).
En la estadstica clsica el decisor nicamente tiene opcin a ejercer el
control de una sola variable, determinar el tamao de la muestra. En los
procesos bayesianos el decisor ejerce ms controles a ms variables.
17

La estadstica clsica infiere un recomendacin en base a la prueba de

hiptesis; los bayesianos en base a la distribucin a priori, a posteriori y
marginales. Esto hace que la estadstica clsica sea un proceso ms objetivo
que el precedo bayesiano.
Por ltimo el proceso bayesiano de decisin requiere de ms computaciones
numricas que la estadstica clsica.
ANALISIS DE DECISIONES CON OBJETIVOS MULTIPLES
En un problema de decisin existe ms de un objetivo entre el grupo de
decidores.
As en la construccin de los ejes viales de la c.d de Mxico se buscaba.

Dar fluidez al trfico de la ciudad.

Optimizar el transporte de personas y no de vehculos

Maximizar la seguridad de peatones.

Proporcionar empleo

Estimular la economa

En el ejemplo anterior los objetivos descritos son vagos y no estn definidos

en forma operacional. Estos objetivos requieren de ciertas caractersticas
que los definan y los hagan operacionales. Estas caractersticas se llaman
atributos deben tener las siguientes propiedades:
Deben ser un conjunto completo para cubrir todos los aspectos
importantes del objetivo y del problema.
deben ser operacionales, para que el anlisis tenga sentido se pueden
medir el logro o no del mismo.
deben poderse descomponer, para simplificar los aspectos del
proceso de evaluacin.
18

 deben ser no redundantes para evitar la doble o triple contabilidad.

deben pertenecer a un conjunto con un nmero mnimo de elementos,
para garantizar la irrelevancia del objetivo.

CONCLUSION
"Decidir presupone una accin humana, siempre y necesariamente humana,
que enfrentada a un suceso externo (informacin) debe identificar los futuros
estados de ese suceso y establecer los posibles cursos de accin que
respondan al cumplimiento de la meta establecida" (Prez 1981, pg. 37).
Los trminos que intervienen en esta clsica definicin, como por ejemplo
accin humana, informacin, futuro, son subjetivos, inciertos o imprecisos o
sea borrosos. Adems el modelo de decisin presupone incertidumbre.
19

La percepcin de todo decisor ante un suceso, (por ejemplo demanda) que

puede tomar distintos estados (por ejemplo entre 2000 y 3000) y sobre los
que no puede ejercer ninguna influencia, es incierta y subjetiva.
Por esto consideramos que la matemtica borrosa es una herramienta
apropiada para describir, representar, plantear y resolver los problemas de la
teora de la decisin. "Un decisor toma como gua el valor esperado pero no
deja de ordenar sus cursos de accin con un criterio emprico adicional.
Cunto es lo mximo que puedo ganar? Cunto es lo mximo que puedo
perder?. Est estableciendo el rango de sus resultados y el rango es una
medida de riesgo. Segn fuere su actitud frente al riesgo ordenar sus
preferencias." (Prez 1981, pg. 30)
El modelo de decisin propuesto en esta comunicacin adquiere su real
dimensin cuando incorporamos la funcin de utilidad. Pensamos que el
criterio utilizado es un adecuado ordenador de las preferencias del decisor
con aversin al riesgo. Debe tenerse en cuenta que en el caso de utilizar
NBT el nmero con nivel de presuncin 1 siempre aparece en primer orden,
lo que es lgico considerando que lo ms posible es que sea la cantidad
demandada; por lo cual consideramos que desde el punto de vista terico es
vlido el anlisis realizado con NBT, pero desde el punto de vista de su
aplicacin la respuesta que nos da es obvia. Cuando la informacin
disponible no conforme un NBT, sino una estructura borrosa con menor
afabilidad * ; como es el caso de los NBTr, la metodologa propuesta, que
proveer una informacin que facilitar la decisin

20

BIBLIOGRAFIA
Fuzzy mathematical techniques with applications. Addison-Wesley Publishing
Company. Massachusetts, 1986.
- KAUFMANN A. GUPTA M. Introduction to fuzzy arithmetic. Van Nostrand
Reinhold, Company. New York, 1985.

21

- KAUFMANN A. GIL ALUJA J. Tcnicas operativas de gestin para el

tratamiento de la incertidumbre. Editorial Hispano Europea. Barcelona, 1987.
- KAUFMANN A. GIL ALUJA J. Las matemticas del azar y de la
incertidumbre. Editorial Ceura. Madrid, 1990.
- LAZZARI L. MACHADO E. PEREZ R. Matemtica Borrosa. Fac. de
Ciencias Econmicas. Universidad de Buenos Aires. Buenos Aires, 1994.
- PEREZ R. Como decidir. Editorial Cangallo Buenos Aires, 1981.
- PEREZ R. Teora de la Administracin. Ediciones Macchi. Buenos Aires,
1986.

22