Académique Documents
Professionnel Documents
Culture Documents
INGENIERIA INDUSTRIAL
ANALISIS DE DECISIONES.
SEMANA 6 T: EL VALOR ESPERADO.
LA INFORMACION PERFECTA.
ARBOL DE DECISIONES CON PROBABILIDADES
CONDICIONALES.
Valor esperado.
El valor esperado de una alternativa de decisin es la
suma de los beneficios y/o perdidas ponderados
respecto a las probabilidades de ocurrencia de los
estados de la naturaleza que se toman en cuenta y que
corresponden a esa alternativa de decisin.
VE = Beneficios o Perdidas X Probabilidad
Ejemplo
La empresa Casinelli desea conocer cual es la mejor
alternativa a seleccionar en funcin del mejor valor
esperado de sus productos en un mes .
La informacin se detalla en la siguiente tabla de
beneficios y perdidas dados en miles de soles.
ALTERNATIVAS/ESTAD
OS
Ventas
altas
(p=0.1
5)
Ventas
Moderad
as
(p=0.45)
Ventas
bajas (p=
0.40)
Valor
esperado
250
380
215
294.5
Gaseosas Casinelli
105
320
-80
157.75
Jugos LIBER
450
600
150
397.5
150
280
120
196.5
Valor esperado
157.75
Jugos LIBER
EL VALOR DE LA INFORMACION
La toma de decisiones debe minimizar errores que generan perdidas o
mnimas ganancias. La informacin esta en funcin al conocimiento y
experiencia que se tenga sobre los eventos o sucesos que deben
ANALIZARSE.
EXISTE LA INFORMACION PERFECTA?......NO!!!
Puesto que la informacin perfecta es virtualmente imposible de conseguir
Por qu calcular su valor? Hay dos razones para hacerlo antes de calcular
el valor de cualquier informacin adicional que se sabe serimperfecta.
Primero, el valor de la informacin perfecta presenta el lmite superior del
valor de cualquier informacin imperfecta.
Segundo, permite definir en qu circunstancia ser conveniente planificar
acciones de recoleccin deinformacin. El valor de la informacin perfecta
es fcil de calcular una vez que la estructura del rbol de decisiones ha
sido establecida.
VALOR DE LA INFORMACION.
Si EL VALOR DE LA INFORMACION ES BAJO, no ser
rentable invertir recursos adicionales en obtener ms
informacin, pues los costos de hacerlo podran superar
fcilmente el valor lmite establecido por el valor de la
informacin perfecta.
En cambio, si el VALOR DE LA INFORMACION ES ALTO,
podra ser rentable dedicar algn esfuerzo a poner en
marcha programas para mejorar la informacin
VALOR DE LA INFORMACION
PERFECTA
VE = VESIP = VALOR ESPERADO SIN INFORMACION
PERFECTA
VECIP = VALOR ESPERADO CON INFORMACION
PERFECTA.
VIP = VALOR DE LA INFORMACION PERFECTA
VIP = VECIP - VE
Ejemplo
La compaa ABC adquiri terrenos para un complejo de condominios de lujo. Las unidades
individuales tendran un precio de $300,000 a $1200,000 dependiendo del piso en el cual esta
localizada la unidad, su superficie (en m2) y caractersticas opcionales (como chimeneas y grandes
terrazas).
La Cia ABC desarrollo planos arquitectnicos preliminares para 3 tamaos:
d1) un complejo pequeo con 6 pisos y 30 unidades
d2) un complejo medio con 12 pisos y 60 unidades
d3) un complejo grande con 18 pisos y 90 unidades.
Un factor clave en la seleccin de alguna de las alternativas de decisin, involucra el juicio de la
administracin sobre la demanda existente para estos condominios.
Al preguntarle sobre la aceptacin del mercado, la administracin considero la posible aceptacin
del proyecto como una situacin de todo o nada, esto es, que la aceptacin en el mercado ser una
de dos posibilidades:
Dr. Ing MANUEL URCIA CRUZ.
Estados:
A.-.Una elevada aceptacin del mercado y por lo tanto una demanda
sustancial de los condominios o
B.-Una baja aceptacin del mercado y por lo tanto una demanda
limitada de condominios
Aunque utilizando la publicidad la administracin puede tener alguna
influencia sobre la aceptacin en el mercado, los elevados precios de los
condominios son factores en las cuales la compaa ABC no tendr el
control.
Dr. Ing MANUEL URCIA CRUZ.
Alternativa de
decisin
d1 = Complejo pequeo
Estado de la naturaleza
S1: Alta aceptacin
(p=0.8)
8
d2 = Complejo medio
14
d3 = Complejo grande
20
-9
10
Arbol de decisiones
Elevada aceptacin
0.8
Pequeo
Baja aceptacin
0.2
8
7
14
Mediano
3
5
20
Grande
4
Dr. Ing MANUEL URCIA CRUZ.
-9
11
Elevado P=
0.8
o (d1)
VE(d
) = 0.8(8) + 0.2(7)
= 7.8
7
Bajo
P(S2 )=0.2
14
Mediano (d2)
VE(d2
) = 0.8(14) + 0.2(5)
= 12.2
20
VE(d2
Grande (d3)
) = 0.8(20)
+ 0.2( - 9)
14.2
-9
12
Analisis de sensibilidad
Una alternativa es seleccionada en funcin de
su mejor valor esperado y considerando una
probabilidad de ocurrencia.
Pero, si este valor esperado se alterara al
modificarse las probabilidades, hasta cuando
puede todava ser la mejor alternativa?? A
esto se llama ANALISIS DE SENSIBILIDAD
Las probabilidades pueden variar de 0 a 1
Dr. Ing MANUEL URCIA CRUZ.
13
Grafica
14
La Informacin Perfecta
15
16
VEIP
17
Anlisis muestral
La informacin se puede utilizar para revisar o
actualizar las probabilidades previas (a priori), a
travs de un procedimiento de revisin bayesiano de
manera que la decisin final se base en estimaciones de
probabilidades mas precisas y actualizadas para los
estados de la naturaleza (probabilidades
posteriores)
Ejemplo
Suponga que ABC lleva a cabo un estudio de investigacin para evaluar la
personas
muestran
19
Estado de la Investigacin de
naturaleza
mercados
F: Favorable V: No
Favorable
Elevada
P(F/S1) =
P(V/S1) =
aceptacin
0.90
0.10
Baja
P(F/S2) =
P(V/S2) =
Dr. Ing MANUEL URCIA CRUZ.
20
.
.
21
Interpretacion
Observe que de izquierda a derecha, el rbol muestra el
orden natural o lgico que ocurrida en el proceso de
toma de decisiones. Primero ABC, tendr los resultados
de investigacin de mercados (F o U), a continuacin se
tomara una decisin (d1, d2 o d3); finalmente ocurrir
el estado de la naturaleza (S1 o S2).
22
23
24
.
Una vez que hemos calculado las probabilidades
actualizadas (con la informacin muestral) podemos
utilizar el enfoque de valor esperado para determinar la
estrategia ptima de decisin, para esto trabajamos hacia
atrs por el rbol de decisin:
25
Peque
Favorable (F)
P(F)
d1)
o(
Medio (d2)
= 0.77
Grande (d3)
1
Peque
No Favorable (V)
P(V ) = 0.23
(d1)
Medio (d2)
Grande (d3)
26
27
3ero. Continuamos trabajando hacia atrs para determinar el VE(nodo 1), este
nodo tiene 2 ramas con probabilidades que corresponden a los resultados de la
informacin muestral F y U.
Debemos utilizar estas probabilidades para calcular el VE(nodo 1) o VE(nodo 1)
= (0.77)VE(nodo 2) + (0.23)VE(nodo 3)
28
29
A1Bombardear
A2No
bombardear
12
Informacin adicional
El comandante asigna las siguientes probabilidades
condicionales subjetivamente.
P (E1/S1) = 0.4
P (E2/S1) = 0.1
P (E3/S1) = 0.5
P (E1/S2) = 0.2
P (E2/S2) = 0.8
P (E3/S2) = 0.0
Anlisis.
El comandante puede elegir entre A1 y A2 sin necesidad de informacin
adicional, o el comandante puede enviar una patrulla de reconocimiento para
obtener una informacin adicional, pudiendo entonces suceder tres eventos:
E1:Si La patrulla es descubierta, se bombardea habiendo movimiento de
tropa, la prdida es de 3 unidades. Si no hay movimiento de tropa la prdida
es 7.
Si la patrulla es descubierta No se bombardea habiendo movimiento de tropa,
la prdida es de 15 unidades. Si no hay movimiento de tropa la prdida es 3.
E2 : Si La patrulla regresa sin informacin, Se bombardea habiendo
movimiento de tropa la prdida es de 0.2 unidades, si no hay movimiento de
tropa la perdida es de 4.2
Si la patrulla regresa sin informacin y No se bombardea habiendo movimiento
de tropa, la prdida es de 12.2 unidades. Si no hay movimiento de tropa la
prdida es 0.2
E3 : Si La patrulla regresa reportando las actividades de la tropa, Se
bombardea habiendo movimiento de tropa la prdida es de 0.2 unidades, si
no hay movimiento de tropa la perdida es de 4.2
Si la patrulla regresa reportando informacin y No se bombardea habiendo
movimiento de tropa, la prdida es de 12.2 unidades. Si no hay movimiento de
tropa la prdida es 0.2
Probabilidades condicionales
c) Al resolver el rbol de decisiones tenemos que aplicar el valor esperado en los nodos ms distantes y acercarse hasta el nodo raz :
VALOR DE LA INFORMACION
Obteniendo el valor esperado para el nodo D1:
VE(con informacin)= 3.72 (0.34) + (2.96)(0.31)
+ (0.2)(0.35) = 2.25
VE(sin informacin) = 1.2
VALOR DE LA INFORMACION = VECIP VESIP =
2.25-1.2=1.05 UNIDADES PERDIDAS.
Por lo tanto, la decisin debe ser no mandar
patrulla y bombardear inmediatamente la ruta.
EJEMPLO
Alternativas
De Decisin
Fabricar (F)
Comprar(C)
130
70
40
45
-20
10
PREGUNTAS:
Determine la decisin ptima segn criterio del
valor esperado y suponiendo P(DA) = 0.30,
P(DM) = 0.30, P(DB) = 0.40.
Calcular el valor esperado de la informacin
perfecta
Calcular el valor esperado de la informacin de la
muestra e identifique la decisin ptima.
Calcule la informacin de la eficiencia de la
muestra.
Valor esperado
De acuerdo con la experiencia de la
administracin de la Ca. se asign las
siguientes probabilidades de ocurrencia.
Puede ser entonces : P(DA) = 0.30, P(DM)
= 0.30, P(DB) = 0.40
Valor esperado de
Ganancia esperada con
Ganancia esperada
la informacin
=
informacin perfecta
sin
informacin
perfecta perfecta
Resultado futuro
La mejor decisin
Ganancia
DA
F
130
DM
C
45
DB
C
10
VECIP
La ganancia esperada con informacin perfecta es
:
.
entonces, conocer la informacin perfecta
aumenta la ganancia esperada de 43,000 a 56,500
dlares; es decir aumenta en 13,500 dlares y
esto es lo mximo que se podra pagar por la
investigacin de mercado.
Dem.Baja(DB)
Dem.Alta(DA)
0.15
0.65
0.85
0.35
Dem.Media(DM)
0.45
0.55
Interpretacin.
Donde :
0.15 = P(I1/DB), es la probabilidad
condicional de que el indicador ser I1
dado que el producto tiene aceptacin
baja. (Si el nivel de demanda es bajo, el
reporte slo ser favorable 5% de las
veces)
P(DB/I1) =
P(DM/I1) =
P(DA/I1) =
P(DBI1) =
P(I1)
P(DMI1) =
P(I1)
P(DAI1) =
0.06 = 0.1538=0.15
0.39
0.135 = 0.3462= 0.35
0.39
0.195 = 0.50 = 0.5
P(I2)
0.61
P(I2)
0.61
P(I2)
0.61
Decisin
Fabricar
Comprar (C)
Ganancia Esperada
(F) 130 (0.50) + 40 (0.35) + -20(0.15)
70 (0.50) + 45 (0.35) + 10 (0.15)
= 76
= 52.25
La decisin ptima es fabricar ya que as se tendr la mayor ganancia esperada igual a $ 76,000.
Decisin
Fabricar
Ganancia Esperada
(F) 130 (0.17) + 40 (0.27) + -20(0.56) = 21.70
Comprar (C)
29.65
La decisin ptima es comprar ya que as se tendr la mayor ganancia esperada igual a $ 29,650.
CONCLUSION
En conclusin, lo que debemos calcular es cul es
la ganancia esperada con informacin de la IM. o
de la muestra usada. Esta ganancia esperada
depende de los resultados de la IM.
Ganancia esperada
= ( cuando el indicador es I1 )* P(I1) + Ganancia esperada
( cuando el indicador es I2 ) * P(I2)
= (76) * (0.39)
(29.65) * (0.61)
= 47.7265
(47,730 dlares)
Finalmente :
Valor esperado de la
Ganancia esperada con
Ganancia esperada sin
informacin de la muestra= informacin de la muestra - informacin de la
muestra
47.7265 43.0
4.7265
4,730 dlares
FINALMENTE se CONCLUYE:
La administracin de la empresa no debera
gastar mas de $ 4,730 dlares en llevar a cabo la
investigacin de mercados considerando la
confiabilidad de la investigacin de mercado.
Eficiencia de la muestra
=
Valor esperado de la informacin de muestra x 100
=
4.7265 x 100
= 35 %
13.50
PROBLEMA
Un ingeniero Industrial inventa un dispositivo nuevo y lo patenta. El
banco BCP est dispuesto a facilitarle dinero para que l mismo pueda
fabricarlo y vender el producto. De acuerdo a la investigacin del
mercado se estima que los prximos 5 aos sern un buen perodo
para la comparacin de los beneficios que generara el invento.
De acuerdo con su anlisis y en el supuesto de que las ventas sean
altas, el inventor prev un beneficio de 12 millones de soles durante
los prximos 5 aos; si las ventas son regulares, espera ganar 3
millones de soles y si las ventas son bajas, espera perder 750.000
soles.
Una gran empresa le ofrece comprarle los derechos de patente.
Basado en el trato que le ofrecen, el ingeniero estima que si vende los
derechos de patente y las ventas son altas, puede obtener un
beneficio de 6 millones de soles; si las ventas son regulares espera
ganar 1 milln de soles y si las ventas son bajas, espera ganar
solamente 150 mil soles.
Matriz de decisiones
Estrategias
Estados de la naturaleza
E1
E2
E3
12000,000
3000,000
-750,000
Anlisis.
Si el ivestigador que proporciona la informacion dice
que ocurrir el evento E1, entonces el sujeto de la
decisin escoger la alternativa A1,
Si el investigador dice que ocurrir el evento E2, el
sujeto de la decisin optar tambin por la alternativa
A1,
Si el investigador dice que ocurrir el evento E3,
entonces el decisor optar por la alternativa A2. Es
decir, que el decisor escoge la alternativa ms
conveniente, a partir de la informacin que le brinda el
investigador perfecto avisndole cul ser el estado de
la naturaleza que se producir
Evento
pronosticado
Ganancias
condicionales
Probabilidad Ganancias
es
esperadas
(VECIP)
S/ 12.000.000
0.20
S/ 2.400.000
E1: ventas
altas
E2: ventas
medias
E3: ventas
bajas
S/ 3.000.000
0.50
S/
150.000
S/ 1.500.000
0.30
S/
45.000
Estrategias
Ganancias esperadas
A1
$ 3.675.000
A2
$ 1.745.00
PROBLEMA 2
Un empresario agricola est pensando en adquirir un
terreno, que venden barato (en 100.000 u.m.) por no tener
pozo, para luego construir el pozo y revenderlo en 200.000
u.m. Su idea se basa en las estimaciones de un grupo de
expertos que le aseguraron que hay una probabilidad del 60
% de que, si se excava en una pequea porcin de tierra
localizada en ese terreno, se encontrar agua. Por
consiguiente, existe una probabilidad, a priori, del 40 % de
que el terreno no tenga agua, y, si fuera as, el empresario
estima que podra revenderlo por 90.000 u.m. Ante este
riesgo, este seor est pensando en, antes de comprarlo,
alquilar, por 10.000 u.m., un aparato detector de aguas
subterrneas que, aunque no tiene una fiabilidad absoluta,
seala que hay agua en el 90 % de los casos en los que
realmente la hay y en el 20 % de los casos en los que no la
hay (el coste de la excavacin es de 57.000 u.m.).
Se pide:
(a) La secuencia ptima de decisiones si el objetivo
del empresario agrcola es maximizar el beneficio
esperado con la operacin.
(b) El valor esperado de la informacin perfecta
para este decisor antes de utilizar el detector y
despus de emplearlo,
suponiendo que dicho aparato haya indicado que
hay agua.
(c) El valor esperado de la informacin del detector
antes de alquilarlo.
ALTERNATIV S1
AS
S2
A1
0.6
0.4
A2
0.6
0.4
S2
VE
A1
200-100-57=
43
90-100-57=67
43
A2
.
ARBOL PARA DETERMINAR EL VALOR DE LA INFORMACION
S1
S2
SI DETECTA
AGUA.
SDA.
0.9
0.2
P(SDA/S1)
P(SDA/S2)
NO DETECTA
AGUA
NDA
0.1
0.8
P(NDA/S1)
P(NDA/S2)
SUCESOS
PROBABILIDAD
A PRIORI P(Si)
PROBABILIDAD
CONDICIONADA
P(SDA/Si)
PROBABILIDAD
CONJUNTA
PROBABILIDAD
REVISADA
P(Si/SDA)
S1
0.60
0.90
0.54
0.87
S2
0.40
0.20
0.08
0.13
TOTAL..
0.62
SUCESO
S
P(Si)
P(NDA)
P(SDA/Si)
PROBABILIDAD
CONJUNTA
(SDA)
PROBABILIDAD
CONJUNTA
(NDA)
P(Si/SDA)
P(Si/NDA)
S1
0.60
0.90
0.10
0.54
0.06
0.87
0.15
S2
0.40
0.20
0.80
0.08
0.32
0.13
0.85
TOTAL
0.62
0.38
81