CAP.

6
ANALISIS DE
DECISIONES
MATRIZ DE PAGOS
OTRA HERRAMIENTA DE TOMA
DE DECISIONES

TOMA DE DECISIONES
CATEGORIAS:
Certidumbre >>>>>>Deterministas
Riesgo >>>>>>>>>>Probabilistas
Incertidumbre >>>>>Desconocidas
Conflicto >>>>>>>>>Influenciadas por el oponente

EN INCERTIDUMBRE UN CRITERIO DE DECISION

ESTA BASADO EN EL VALOR ESPERADO
El Valor Esperado de una variable aleatoria X es:
E(X) = Xj p (Xj)
Xj valores de X
p (XJ) = probabilidades de X

1.- Cuando debe tomarse una sola decisin:

MATRIZ DE PAGOS
2.- Cuando debe tomarse una serie de decisiones:
ARBOL DE DECISIONES
EVENTOS: Son los resultados posibles Futuros.
Pueden ser: FINITOS: Discretos(Ganar o Perder un contrato)
INFINITOS: Continuos (Pronostico de
utilidades)
- Cuando la ocurrencia de un evento evita la ocurrencia de
los dems se denominan : EVENTOS MUTUAMENTE
EXCLUYENTES
- Cuando la coleccin de los eventos describen todas las
posibilidades: EVENTOS COLECTIVAMENTE
EXAUSTIVOS

 Para eventos discretos la probabilidad es

un numero entre 0 y 1. Si son mutuamente
excluyentes y colectivamente exhaustivos
la suma de probabilidades es 1.
FUENTES DE LAS PROBABILIDADES:
- Datos histricos: Las frecuencias relativas
se convierten en probabilidades de los
eventos futuros:

 Ejemplo:
Xj = Cantidad Demandada
nj = Nmero de semanas que se
demando Xj
hj = Frecuencia Relativa
Xj

nj

Hj

0.08

0.16

20

0.4

12

0.24

0.12

TOTALES

50

 Otras fuentes de las probabilidades sern

las distribuciones tericas BINOMIAL,
POISSON, NORMAL.
MATRIZ DE PAGOS: Proporciona una
estructura organizada para analizar
situaciones probabilsticas en las que se
debe seleccionar una sola alternativa.

Los Componentes de la Matriz de Pagos:

1.Un conjunto de decisiones alternativas o
cursos de accin X1, X2,.Xm, que
contienen todas las alternativas factibles y
son mutuamente excluyentes.
2.Conjunto de eventos que pueden ocurrir E1,
E2,.En, llamados Estados de la
Naturaleza, que estn fuera de control. Son
probabilsticos, mutuamente excluyentes y
colectivamente exhaustivos.

ESQUEMA DE MATRIZ DE PAGOS:

Estados de la Naturaleza (Eventos)

Acciones

E1

E2

..

En

X1

R11

R12

..

R1n

X2

R21

R22

R2n

..

..

Xm

Rn1

Rn2

..

Rmn

Ej. Cuantos Arboles de Navidad ordenar?

Costo: $US. 3,5 c/u.
Precio de Venta. $US. 8,0 c/u.
Se pueden ordenar solo lotes de 100 u.
Si no se vende no hay valor de recuperacin.
Las ventas del ao pasado nos dieron la siguiente
estimacin:

Venta de Arboles
100
200
300

Probabilidad
0.3
0.3
0.4

Las Decisiones Alternativas o Acciones son:

- X1 = Ordenar 100 Arboles
- X2 = Ordenar 200 Arboles
- X3 = Ordenar 300 Arboles
Los Eventos probabilsticamente son:
- E1 = Demanda de 100 a. Con prob. 30 %
- E2 = Demanda de 200 a. Con prob. 30 %
- E3 = Demanda de 300 a. Con prob. 40 %

 La Tabla de Pagos resultante ser:

Eventos

Acciones

E1
E1

E2
E2

E3
E3

X1
X1

450
450

450
450

450
450

X2
X2

100
100

900
900

900
900

X3
X3

-250
-250

550
550

1350
1350

Probabilidad
Probabilidad

0.3
0.3

0.3
0.3

0.4
0.4

 EN CONDICIONES DE CERTIDUMBRE:
- Si se conoce la demanda se toma la
accin que maximiza el pago.
- Si habr demanda de 100 rboles se pide
100 y as sucesivamente.
- EN CONDICIONES BAJO RIESGO:
Se utiliza el criterio del VALOR ESPERADO

 CRITERIO DEL VALOR ESPERADO

(REGLA DE DECISION DE BAYES): Para
cada alternativa se realiza el clculo del
valor esperado. Se elige el que tiene
mayor valor esperado
VE (X1) = V (100) = 450
VE (X2) = V (200) = 660
VE (X3) = V (300) = 630
Ordenar 200 rboles utiliza toda la
informacin disponible.

 CRITERIO DE LA MAXIMA POSIBILIDAD:

Se identifica el estado mas probable de la
naturaleza seleccionando el que tenga el
pago mximo.
Como la mayor probabilidad es 0,4 para E3
se debe elegir ordenar 300 rboles.
La desventaja de este criterio es que ignora
mucha informacin relevante sobre todo
cuando existen muchos eventos.

 ESTRATEGIA MAXIMAX (OPTIMISTA)

Selecciona la accin que maximiza el pago
mximo. Ordenar 300 rboles con un
pago de $US. 1350.
ESTRATEGIA MAXIMIN (PESIMISTA) o
Criterio del Pago Mximo:
Seleciona la accin con el mayor de los
pagos mnimos de cada alternativa.
Max ( 450, 100, -250) Se elige 450 que
corresponde a ordenar 100 arboles

 CRITERIO DE HURWICZ: Es para aquel

que es ambos extremos Optimista y
pesimista. = 1 OPTIMISTA
= 0 PESIMISTA ABSOLUTO
Si M es el pago mximo de cada alternativa
y m el pago mnimo de tal alternativa,
entonces el PAGO PONDERADO es:
PP = M + ( 1 - ) m
Para X1
PP = 450 Para X2 PP = 340
Para X3
PP = 230 Se elige 100 rboles

 CRITERIO
DE
LA
RAZON
INSUFICIENTE ( LAPLACE):
Este principio supone que todos los eventos
son equiprobables. En el ejemplo todos
los estados dela naturaleza tienen
probabilidad 1/3.
VE (X1) = 450
VE (X2) = 633,33
VE (X3) = 550 Ordenar 200 rboles.

 CRITERIO DE ARREPENTIMIENTO:
Se mide mediante la diferencia entre el
pago que se obtiene al tomar la decisin y
el pago ptimo que podra conseguirse de
haber sabido que estado de la naturaleza
iba a ocurrir. Esta diferencia tambin se
llama perdida de oportunidad
+ o costo de oportunidad. Es la magnitud de
la perdida en que se incurri por no
seleccionar la mejor opcin.

 De la Matriz de pago se identifica el

arrepentimiento mximo para cada
alternativa y se elige la alternativa que
minimice los valores de arrepentimiento.

EVENTOS

ACCIONES

E1

E2

E3

X1

450

900

X2

350

450

X3

700

350

El arrepentimiento mximo de X1 es 900,

para X2 es 450 y para X3 es700. El
mnimo es 450. Debe ordenarse 200
arboles.

 RBOLES DE DECISIN
Son grafos que representan un proceso de
decisin en forma extensiva
Pueden ser aplicados a problemas generales
de decisin y a juegos de estrategia, con uno o
ms decisores
Facilita considerar de manera integrada la
secuencia de las decisiones, los posibles
resultados asociados con cada alternativa, las
asignaciones de probabilidad, los efectos
monetarios
y
las
utilidades.

 El ARBOL DE DECISIONES es una excelente

ayuda para la eleccin entre varios cursos de
accin.
Proveen una estructura sumamente
dentro de la cual estimar cuales
opciones
e
investigar
las
consecuencias de seleccionar cada
ellas.

efectiva
son las
posibles
una de

Tambin ayudan a construir una imagen

balanceada de los riesgos y recompensas
asociados con cada posible curso de accin.

 En resumen, los rboles de decisin proveen

un mtodo efectivo para la toma de decisiones
debido a que:
- claramente plantean el problema para que
todas las opciones sean analizadas.
- permiten analizar totalmente las posibles
consecuencias de tomar una decisin.
- proveen un esquema para cuantificar el costo
de un resultado y la probabilidad de que
suceda.
- nos ayuda a realizar las mejores decisiones
sobre la base de la informacin existente y de
las mejores suposiciones.

DEFINICION
Consiste en un GRAFO, o esquema con nodos y
ramas, donde se ordenan en forma cronolgica
todos los momentos en que debe tomarse una
decisin o acontece un evento aleatorio,
indicando al final los resultados de una decisin.
Es una de las dos herramientas bsicas del modelo
general de decisin, que pueden ser utilizadas para
esquematizar cualquier tipo de decisin (la otra
herramienta bsica es la matriz de decisin).

CONTENIDO
Nodos de decisin
Nodos de acontecimiento
Resultados

MOMENTOS DE DECISIN
S1
S2
S3

Las ramas que nacen de un nodo de decisin

representan a las alternativas.

EVENTOS ALEATORIOS
N1
N2
N3

Las ramas que nacen de un nodo de acontecimiento

representan a los distintos estados de una Variable
No Controlable.

CONSTRUCCIN DEL RBOL

Se desarrolla de izquierda a derecha indicando en forma
secuencial todos los momentos de decisin y los momentos de
acontecimiento de un evento aleatorio.
Luego se colocan al final de las ramas los resultados acumulados
despus de sortear todas las vicisitudes desde el inicio del
proceso.
Se evala de atrs hacia delante reconociendo la influencia de
las decisiones y eventos aleatorios ltimos sobre los primeros.
En los nodos de decisin se elige la mejor alternativa.
En los eventos aleatorios se indica el criterio usado para evaluar
los resultados posteriores (valor esperado, minimax, etc.).

Valor esperado: ejemplo

Suponga que usted compra en Bs.1000
un nmero de una rifa, la cual paga un
premio de Bs.50.000.
Hay dos eventos posibles:
Usted gana la rifa, o
Pierde
Cul es el valor esperado del juego?

 La distribucin de probabilidades es:

Evento

P(X)

Gana

Bs. 49000

1/100

Pierde

- 1000

99/100

El valor esperado es:

49000*(1/100) + -1000*99/100 = -500
Qu significa ese resultado?

rboles de decisin: Anlisis:

criterio del Valor Monetario
Esperado

Generalmente se inicia de derecha a

izquierda, calculando cada pago al final de
las ramas
Luego en cada nodo de evento se calcula un
valor esperado
Despus en cada punto de decisin se
selecciona la alternativa con el valor
esperado ptimo

rboles de decisin: Anlisis:

ejemplo de la rifa
Punto de
decisin
Juega la rifa

No juega la rifa

Gana
(0,01)

49.000

Pierde
(0,99)

-1000

-500

rboles de decisin: Anlisis:

ejemplo de la rifa
En el nodo de evento se calcul el valor
esperado de jugar la rifa
Luego se selecciona, en este caso el
valor ms alto (por ser ganancias)
En este caso la decisin es no jugar la
rifa

Ejemplo
Existe una empresa que est por construir una planta
de produccin para los prximos 10 aos.
La opcin es construir una planta grande para
enfrentar una demanda sostenidamente alta o una
planta pequea y a los dos aos ampliarla si la
demanda fuese alta.
Si al inicio la demanda es baja seguir as en el futuro.
Pero puede ser alta en los primeros dos aos y luego
reducirse por efecto de la competencia.
La planta grande demanda ms inversin inicial y
posee ms costos de mantenimiento que la pequea.

Ejemplo
Ventas sostenidamente altas
Ventas iniciales altas y luego bajas
Planta
grande

Ventas sostenidamente bajas

Vtas. altas
Ampliar

Planta
pequea

Venta inicial
alta

Venta
inicial baja

Vtas. bajas
No
ampliar

Vtas. altas
Vtas. bajas

R1
R2
R3
R4
R5
R6
R7
R8

Ejemplo
Probabilidades: luego de desarrollar el rbol se
colocan las probabilidades de los estados en los
casos en que se conozcan.
Se calculan los resultados acumulados: los
ingresos son mayores cuando se acierta con la
dimensin de la planta y tambin si es mayor su
nivel de produccin, pero hay ms costos de
inversin y mantenimiento cuanto mayor es la
misma.

Ejemplo
0,60 - Ventas sostenidamente altas
0,20 - Vtas. iniciales altas y luego bajas
Planta
grande

0,20 - Ventas sostenidamente bajas

0,75 - altas
Ampliar

Planta
pequea

0,80 - Vta.
inicial
alta

0,20 - Vta.
inicial baja

0,25 - bajas
No
ampliar

0,75 - altas
0,25 - bajas

70
10
- 30
60
- 20
40
20
10

Ejemplo
Resolucin del rbol
Se comienzan a resolver los nodos ms cercanos a
los resultados finales.
En el caso de eventos aleatorios al conocerse la
probabilidad se aplica el criterio del valor esperado.
En el caso de los nodos de decisin se elige el mejor
resultado (o mejor valor esperado).
Se llega al principio donde queda en claro cul es la
mejor alternativa inicial, la que debe elegirse.

Ejemplo
0,60 - Ventas sostenidamente altas
Planta
grande

38

0,20 - Vtas. iniciales altas y luego bajas

0,20 - Ventas sostenidamente bajas
0,75 - altas
Ampliar

38
0,80 - Vta.
inicial
alta

Planta
pequea
34

0,20 - Vta.
inicial baja

40
0,25 - bajas

40
No
ampliar

0,75 - altas
35
0,25 - bajas

70
10
- 30
60
- 20
40
20
10

USO DEL RBOL DE DECISIN

VENTAJAS
Refleja mejor a las situaciones con decisiones
secuenciales (con ms de un momento de
decisin).
DESVENTAJAS
No permite analizar los casos de dominancia.
Cuando una misma VNC afecta a distintas
alternativas, figura como si fuese otra VNC.