TEORIA DE DECISIONES

En economa y administracin existen ciertos tipos de problemas en los que no es posible obtener muestras(informacin objetiva) para estimar ciertas caractersticas de la poblacin. Es necesario recurrir a la informacin de una persona (informacin subjetiva). La teora de decisiones puede definirse como el anlisis lgico y cuantitativo de todos los factores que afectan los resultados de una decisin en un mundo incierto. Se resuelven segn : 1) INFORMACION PERFECTA : Toma de decisiones en condiciones de certeza. Se conocen los datos (disponibilidad completa) 2) INFORMACION IMPERFECTA O PARCIAL : Dos situaciones : a) Decisiones con Riesgo: Disponibilidad intermedia de datos. Los datos se representan a travs de las funciones de probabilidad b) Decisiones con Incertidumbre: No se disponen de datos : b.1. No se conocen los datos y no puede determinarse una funcin de probabilidad b.2. Si el decisor adems tiene un oponente inteligente se formularn Teora de Juegos.

Observaciones : - El propsito de la teora de decisiones es incrementar la probabilidad de obtener buenos resultados en un mundo de incertidumbre. - El decisor es el individuo o conjunto de individuos, que tiene la responsabilidad de comprometer o asignar recursos de una organizacin. - La calidad de la decisin depender de si esta es no consistente con las alternativas, informacin y preferencias del decisor.

DECISIONES CON RIESGO (*) Cuando las decisiones a futuro no dependen de lo que se tiene ahora: Evaluacin de alternativas de una sola etapa. Criterios : c) Valor esperado d) Valor esperado y Varianza combinados e) Nivel de aceptacin conocido f) Ocurrencia mas probable de un estado futuro (*) Evaluacin de alternativas de mltiples etapas : Criterio del Arbol de decisin.

DECISIONES CON INCERTIDUMBRE Los criterios se diferencian por el grado de conservador del decisor, esto es; segn asuma una posicin entre Optimista y Pesimista. Criterios : a) Laplace b) Wald c) Savage d) Hurwicz

Supuesto para aplicar los criterios : El decisor no tiene un oponente inteligente. Se dice que la naturaleza es el oponente y que no existe razn para creer que la naturaleza se proponga provocar prdidas al decisor. Si existe un oponente inteligente, se aplicar otros criterios correspondientes a la teora de juegos. Criterio del Valor Esperado Se busca maximizar el beneficio esperado (o minimizar el costo esperado). Se supone que el procedimiento de decisin se repite un nmero suficientemente grande de veces. La esperanza implica que la misma decisin debera repetirse un nmero suficientemente grande de veces antes de obtener el valor neto calculado por la frmula de esperanza. Si X es ganancia : Seleccionar la alternativa de valor Mx xf(x) Si X es prdida : Seleccionar la alternativa de valor Mn xf(x)

Ejemplo : Dada la informacin de unidades vendidas y sus respectivas probabilidades : Unidades Vendidas Probabilidad de venta 25 0.15 26 0.30 27 0.40 28 0.15 El costo unitario es de 5 soles y el precio de venta es de 10 soles. a) Elaborar la tabla de ganancias condicionales, considerando que las unidades no vendidas se descartan y se consideran como egresos. b) Elaborar la tabla de ganancias esperadas. Qu nivel de inventario recomendara? Solucin : a) Tabla de Ganancias condicionales : Demanda \ Oferta 25 26 27 28 Clculos : (Dem, Oferta) ( 25 , 25 ) = ( 25 , 26 ) = ( 25 , 27 ) = ( 25 , 28 ) = (Dem, Oferta) ( 26 , 25 ) = ( 26 , 26 ) = ( 26 , 27 ) = ( 26 , 28 ) = ....................... ( 28 , 27 ) = ( 28 , 28 ) = 25 125 125 125 125 26 120 130 130 130 27 115 125 135 135 28 110 120 130 140

25(10) 25(5) = 125 [25(10) 25(5) ] - 1(5) = 120, se descarta una [25(10) 25(5) ] - 2(5) = 115, se descartan dos [25(10) 25(5) ] - 3(5) = 110, se descartan tres 25(10) 25(5) = 125, Se vende lo que se oferta [26(10) 26(5) ] = 130, [26(10) 26(5) ] - 1(5) = 125, se descartan una [26(10) 26(5) ] - 2(5) = 120, se descartan dos [27(10) 27(5) ] [28(10) 28(5) ] = 135 = 140

b) Tabla de Ganancias Esperadas

25 Dem. 25 26 27 28 Probb. 0.15 0.30 0.40 0.15 G.C. 125 125 125 125 G.E. 18.75 37.50 50.0 18.75 G.C. 120 130 130 130 26 G.E. 78 39 52 19.5 G.C. 115 125 135 135 27 G.E. 17.25 37.25 54.0 20.25 G.C. 110 120 130 140 28 G.E 16.5 36.0 52.0 21.0

125.0

128.5

129.0

125.5

La mayor ganancia esperada es 129. Por lo tanto se decidir abastecer u ofertar 27 unidades.

MATRIZ DE PAGOS La informacin utilizada al tomar decisiones con incertidumbre, se resume en una Matriz : 1 2 ...... n

a1 a2

V(a1, 1) V(a1, 2) ...... V(a1, n)

V(a2, 1) V(a2, 2) ...... V(a2, n) ..... .................................................. am V(am, 1) V(am, 2) ...... V(am, n) Donde : ai (i = 1,2,....,m): Representan las acciones posibles Una accin representa una decisin posible j (j = 1,2,...n) : Representan los estados futuros posibles Son los eventos futuros inciertos V(ai, j) : Representa el resultado asociado a cada accin y estado futuro; el cual puede ser una ganancia o prdida; resultado de tomar la i-sima accin cuando ocurre el j-simo estado.

Contina..... Criterio de Laplace.

CRITERIO DE LAPLACE Supuesto : Las probabilidades de ocurrencia de los estados futuros son Iguales: P(1) = P(2) = ......... = P(n) = 1/n Luego, si se asignan probabilidades (iguales), el problema de incertidumbre se convierte en uno de Riesgo. Criterios : n * Si V(ai, j) es ganancia; elegir ai : Max 1/n V(ai, j) ai j=1 n * Si V(ai, j) es prdida ; elegir ai : Mn 1/n V(ai, j) ai j=1

CRITERIO DE WALD (Minimax-Maximin) Supuesto : Est basado en lograr lo mejor de las peores condiciones posibles . Es el criterio mas conservador. Criterios : * Si V(ai, j) es ganancia , la menor ganancia ser el valor mn V(ai, j) j Luego lo mejor de lo peor ser elegir : mx mn V(ai, j) ai j * Si V(ai, j) es prdida , la peor prdida ser el valor mx V(ai, j) j Luego lo mejor de lo peor ser elegir : mn mx V(ai, j) ai j

CRITERIO DE SAVAGE Supuesto : Es el criterio menos conservador. Es contrario a la aplicacin del criterio de Wald. Deduccin del Criterio : Sea la matriz de prdidas siguientes (en miles de $) 1 11,000 10,000 2 900 10,000

a1 a2

Qu accin decidir ? Aplicando el criterio de Wald, y como V(ai, j) son prdidas ; se elegir la accin ai relacionada con Minimax : 1 11,000 10,000 2 900 10,000 Max 11000 10000 Mn 10000 (elegir a2)b

a1 a2

Pero, intuitivamente se podra elegir a1, ya que existe la posibilidad de que si el estado futuro es 2, slo se perdera 900. Criterio : Savage, rectifica el criterio Wald; construyendo una matriz de deploracin, cuyos elementos se representan por r(ai, j). Posteriormente se aplica el criterio minimax(y no el maximin) a dicha matriz.

 Si V(ai, j) es ganancia o beneficio mx V(ak, j) - V(ai, j) ak Diferencia entre la mejor seleccin en la columna j y los valores de V(ai, j) en la misma columna Si V(ai, j) es prdida o costo:

V(ai, j) - mn V(ak, j)
ak En la matriz anterior; como V(ai, j) son prdidas : 1 a1 11,000 -10000 a2 10,000 -10000 2 900 900 10000 900 1 r(ai,j) : a1 1000 a2 0 2 0 9100

Finalmente se aplica el criterio minimax a la matriz r(ai, j) y la decisin es elegir a1.

CRITERIO DE HURWICZ Supuesto : Considera actitudes, desde la mas optimista hasta la mas pesimista. - En una condicin mas optimista se elegir la accin que proporcione : Max mx V(ai, j) , siendo V(ai, j) ganancias - En una condicin mas pesimista se elegir la accin que proporcione : Max mn V(ai, j) , siendo V(ai, j) ganancias

Criterios : El criterio Hurwicz busca equilibrar el criterio mas optimista y el mas pesimista; para lo cual pondera las 2 condiciones a travs de un parmetro , siendo 0 < < 1. El parmetro es llamado ndice de optimismo. Si = 1, el criterio es demasiado optimista ; y si = 0 es demasiado pesimista . Si V(ai, j) representa beneficios, seleccionar la accin ai tal que : Max max V(ai, j) + (1-)mnV(ai, j) ai j j Si V(ai, j) representa prdidas, seleccionar la accin ai tal que : Mn mn V(ai, j) + (1-)mx V(ai, j) ai j j

ARBOL DE DECISIONES - Es utilizado para estructurar el proceso de Toma de decisiones bajo Incertidumbre. - Variable de decisin: Son las alternativas disponibles - Variable de estado : Estados de la naturaleza, estados futuros , ocurrencias probables. - Los problemas de decisin que involucran una sola variable de decisin y una variable de estado pueden ser analizados usando las tablas de ganancias esperadas. - El Arbol de decisin muestra la progresin natural o lgica que ocurre en el proceso de Toma de decisiones. Nodo de Decisin Alternativas Nodo de decisin de azar Ramas de estado

Resultados

1. Para cada variable de decisin, que se denota por un cuadrado; salen tantas lneas como alternativas disponibles existan. 2. Los terminales de las ramas de decisin son usados como nodos de comienzo de variables de estado 3. De cada uno de los nodos redondos salen tantas ramas como posibles valores pueda tomar la primera variable de estado. 4. Los valores de la variable de estado se ubican encima de la rama respectiva y su probabilidad de ocurrencia debajo de la misma. 5. Los nodos finales representan todos los posibles resultados, asociados con cada una de las alternativas de decisin