INTRODUCCIÓN

Los sistemas de planificación y los planificadores en los países en desarrollo no pueden

ser totalmente responsables de lo inadecuado de la evaluación de riesgo y de las
medidas de mitigación implementada, gran parte del desarrollo está basado sobre
escenario existente expuesto al peligro.

Se sabe que hay que tomar decisiones y en consecuencia, asumir riesgos. La

recompensa será la ganancia empresarial si la gestión ha sido la adecuada o pérdida
empresarial si no lo ha sido o no se ha sabido realizar correctamente.

Entonces, los parámetros riesgos e incertidumbre, son los elementos con los que se va a
enfrentar constantemente a la hora de la toma de decisiones, por tanto la Gestión y
estrategias empresariales son el medio más útil para afrontar dichos parámetros.

Cuando se toma una decisión, sin conocer las probabilidades que tiene de que ésta, sea o
no exitosa, se enfrenta a una situación de incertidumbre. Pero una vez que toma esa
decisión, conociendo esas probabilidades, se enfrenta a una situación de riesgo.

Actualmente, existen técnicas empresariales que ofrecen una actualizada y completa

información que disipan esa incertidumbre y en consecuencia, antes de tomar la
decisión, está en condiciones de estimar el riesgo que corre.
 1. Alternativas de decisiones mediante distribuciones de probabilidad

La mayor dificultad en este contexto es como valorar una decisión o alternativa para
poder compararla con otras. Así se presentas distintos criterios para valorar las
alternativas y según sea el criterio adoptado, decidir cuál es la decisión óptima.

Los diferentes criterios de decisión en ambiente de riesgo se basan en estadísticos

asociados a la distribución de probabilidad de los resultados. Algunos de estos criterios
se aplican sobre la totalidad de las alternativas, mientras que otros tienes en cuentas un
subconjunto de ellas. Los criterios de decisión en ambiente de riesgos son los
siguientes:

Criterio de valor esperado

Criterio de mínima varianza con media acotada
Criterio de la media con varianza acotada
Criterio de la dispersión
Criterio de la probabilidad máxima
La técnica de árbol para la toma de decisiones.

2. Criterio de valor esperado

Valor esperado o esperanza, que no es más que la ganancia o pérdida media resultante
de una situación teniendo en cuenta todos los resultados posibles y sus probabilidades.
Explicándolo mejor:

Este criterio supone seleccionar aquella alternativa cuyo pago esperado o medio sea
mejor (si los pagos son beneficios la de mayor beneficio esperado y si son costes la de
menor coste esperado). Este criterio es el más común cuando las probabilidades son
conocidas, pero no tiene por qué ser el más apropiado. Obsérvese que si el proceso de
decisión se repite muchas veces en idénticas condiciones las leyes de los grandes
números aseguran que en el límite el pago medio es la esperanza. Así pues este criterio
es apropiado cuando el proceso se va a repetir muchas veces, pero puede no serlo
cuando se presenta una situación única, en la que el proceso no va a ser repetido

Como ya hemos visto el concepto del valor esperado (VE) se utiliza en la estadística
para determinar cuán beneficiosa o perjudicial podría ser una decisión, y es por eso que
es muy importante para la toma de decisiones

3. Árbol de Decisión

Un Árbol de Decisión (o Árboles de Decisiones) es un método analítico que a

través de una representación esquemática de las alternativas disponible facilita la
toma de mejores decisiones, especialmente cuando existen riesgos, costos,
beneficios y múltiples opciones. El nombre se deriva de la apariencia del modelo
parecido a un árbol y su uso es amplio en el ámbito de la toma de decisiones
bajo incertidumbre (Teoría de Decisiones) junto a otras herramientas como el
Análisis del Punto de Equilibrio.
 Los árboles de decisión son especialmente útiles cuando:

1. Las alternativas o cursos de acción están bien definidas (por ejemplo: aceptar o rechazar
una propuesta, aumentar o no la capacidad de producción, construir o no una nueva
bodega, etc.)
2. Las incertidumbres pueden ser cuantificadas (por ejemplo: probabilidad de éxito de una
campaña publicitaria, probable efecto en ventas, probabilidad de pasar de etapas, etc.)
3. Los objetivos están claros (por ejemplo: aumentar las ventas, maximizar utilidades,
minimizar costos, etc.)

Ventajas y desventajas

Los árboles de decisión siguen siendo populares por razones como las siguientes:

 Son muy fáciles de entender

 Pueden ser útiles con o sin datos fehacientes, y cualquier dato requiere una
preparación mínima
 Se pueden agregar nuevas opciones a los árboles existentes
 Su valor al seleccionar la mejor de numerosas opciones
 Se combinan fácilmente con otras herramientas de toma de decisiones

Sin embargo, los árboles de decisión pueden volverse excesivamente complejos. En

esos casos, un diagrama de influencia más compacto puede ser una buena alternativa.
Los diagramas de influencia se enfocan en los objetivos, las entradas y las decisiones
fundamentales.

4. Función de utilidad

Una función de utilidad es una función real que mide la "satisfacción" o "utilidad"
obtenida por un consumidor cuando disfruta vía consumo de cierta cantidad de bienes.
Matemáticamente puede demostrarse que si es posible modernizar la conducta de un
consumidor perfectamente racional mediante funciones de utilidad convexa, entonces
esta conducta puede resumirse mediante una curva de demanda decreciente. Más
sencillamente, si existe una función de utilidad para el consumidor racional y se dan
unos supuestos matemáticamente razonables entonces existe una "curva de demanda"

En el siguiente gráfico vemos un ejemplo de la función de utilidad:

 Las características más destacadas de la función de utilidad, que podemos ver en este
gráfico son las siguientes:

 La utilidad se incrementa pero de manera decreciente, es decir, tiene un valor

máximo y a partir de ese punto la utilidad disminuirá.
 Si aumenta el consumo del bien la satisfacción total crece, sin embargo llegados
a un punto las variaciones en la utilidad son cada vez más menores.

Qué son probabilidades posteriores

En estadística bayesiana, la probabilidad a posteriori de un evento aleatorio

es la probabilidad condicional que es asignada después de que la evidencia
es tomada en cuenta

Ejemplo

Supongamos que un colegio mixto donde el 60% de los estudiantes son chicos y el 40%
son chicas. Las chicas llevan pantalón o falda en probabilidades iguales; los chicos
siempre llevan pantalones. Un observador ve desde lejos a un estudiante aleatorio; lo
único que puede distinguir el observador es que el o la estudiante lleva pantalones.
¿Cuál es la probabilidad de que sea una chica? La respuesta correcta se puede hallar
usando el Teorema de Bayes.

El evento A es que el estudiante observado sea una chica, mientras que el evento B es
que el estudiante observado lleva pantalones. Para hallar P(A|B), primero necesitamos
saber:


P(A), o la probabilidad de que el estudiante sea una chica a pesar de cualquier
otra información. Ya que el observador ve un estudiante aleatorio, y dado que
todos los estudiantes tienen la misma probabilidad de ser observados, y el
porcentaje de chicas entre los estudiantes es el 40%, esta probabilidad es 0,4.
 P(A'), o la probabilidad de que el estudiante observado sea un chico a pesar de
cualquier otra información (A' es el complementario del evento A). Esto es el
60%, o 0,6.
 P(B|A), o la probabilidad de que el estudiante lleve pantalones siendo una chica.
Como tienen la misma probabilidad de llevar falda o pantalones, esto es 0,5.
 P(B|A'), o la probabilidad de que el estudiante lleve pantalones siendo un chico.
Esto es 1.
 P(B), o la probabilidad de que un estudiante (aleatorio) lleve pantalones. Dado
que P(B) = P(B|A)P(A) + P(B|A')P(A'), esto es 0,5×0,4 + 1×0,6 = 0,8.

Dados todos estos datos, la probabilidad de que el observador haya visto a una chica
habiendo observado que lleva pantalones puede ser calculada sustituyendo estos valores
en la fórmula:

P(A|B)= P(B|A)P(A) = 0,5*0,4 = 0,25.

P(B) 0,8
 CONCLUSIONES

Con el desarrollo de este trabajo se obtuvieron las conclusiones de que los proyectos
económicos que comprendan riesgos e incertidumbre son considerados casos no
determinísticos, el concepto de incertidumbre implica que no se asignan distribuciones
de probabilidad (definidas en términos de sus parámetros, tales como la media y la
desviación estándar), el riesgo implica que sí se le puede asignar algún tipo de
distribución probabilística, el término incertidumbre se utiliza para indicar una situación
de desconocimiento del futuro y el hecho mismo de predictibilidad de los hechos, no se
puede garantizar que una inversión de los frutos deseados y en consecuencia es posible
que no ocurra el evento en teoría cierto.