Teoria de Decisiones 2015

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN
Prof. JULIA MARCANO I-2015
TEORIA DE DECISIN
1. DEFINICIN Y FORMULACIN DEL MODELO
El Proceso de toma de decisin
Una decisin puede definirse como el proceso de elegir la solucin para un problema, siempre y
cuando existan al menos dos soluciones alternativas es evidente que deben llevarse a cabo varias
acciones antes de tomar una decisin.
Terminologa de modelos de toma de decisiones

Al igual que cualquier tipo de modelo, los modelos de toma de decisiones tienen una terminologa
propia. Esta terminologa describe tres partes:
1. Las decisiones alternativas (ai), de entre las cuales el tomador de decisiones, puede elegir.
(Variables que se pueden controlar).
2. Los estados naturales (Sj), o acciones externas que enfrenta la persona encargada de
tomar las decisiones. Los estados naturales son las circunstancias que afectan el resultado
de la decisin pero que estn fuera del control del tomador de decisin. (Variables que no
se pueden controlar).
3. El resultado (( , )) que se obtiene por el uso de una alternativa determinada cuando
se presenta cierto estado de la naturaleza. Para cada combinacin de estrategia y estado
de la naturaleza habr un resultado. Este resultado puede expresarse en trminos de
utilidades o costo de alguna medida no monetaria. En general, si existen m alternativas y n
estados naturales, ser necesario calcular m*n resultados, que se expresa en una tabla de
pagos
Tabla de Pago
Decisin
(1 , 1 ) (1 , 2 )
(2 , 1 ) (2 , 2 )
( , 1 ) ( , 2 )
( , 1 ) ( , 2 )
Estado de la naturaleza
(1 , )
(2 , )
( , )
..
( , )
1
..
(1 , )
(2 , )
( , )
( , )
2. TIPOS DE DECISIONES
En esencia existen tres tipos principales de decisiones.
1. Decisiones bajo certeza: el que toma las decisiones sabe con precisin cul estado de la
naturaleza ocurrir. Su nico problema consiste en elegir la mejor decisin. En esta
categora entra los problemas determinstico, tales como programacin lineal y de entero,
los modelos de inventario EOQ.
2. Decisiones bajo riesgo: el que toma las decisiones sabe que existen dato previo que
permiten calcula probabilidades del
cul estado de la naturaleza ocurrir. En esta
categora entra los problemas probabilstico, tales como modelos de inventario

probabilsticos, modelos de cola.
3. Decisiones bajo incertidumbre: aqu se supone que el que toma las decisiones no tiene
conocimiento de la probabilidad con la que ocurrirn los estados de la naturaleza.
DECISIN BAJO INCERTIDUMBRE

La toma de decisin bajo incertidumbre, al igual que bajo riesgo, implica acciones alternativas
cuyas retribuciones depende de los estados naturales (aleatorio). La matriz de
pago es la
siguiente:
Tabla de Pago
Decisin
(1 , 1 ) (1 , 2 )
(2 , 1 ) (2 , 2 )
( , 1 ) ( , 2 )
( , 1 ) ( , 2 )
(1 , )
(2 , )
( , )
..
( , )
Para analizar este tipo de decisiones se utilizan varios criterios:

1. Laplace
2. Minimax.
3. Savage.
4. Hurwicz.
2
..
(1 , )
(2 , )
( , )
( , )
Criterio de Laplace
Este criterio se basa en el principio de la razn de insuficiente. Como no se conocen las
distribuciones de probabilidades de los estados de la naturaleza ( ), no hay razn para creer
1
que sean distintas. Es decir, (1 ) = (2 ) = = ( ) = ,
si la retribucin representa
ganancia, la mejor alternativa es la que produce
1
max { ( , )}
=1
Si la retribucin representa prdida, la mejor alternativa es la que produce
1
min { ( , )}
=1
Criterio Maximin (Minimax) se basa en la actitud conservadora de elegir la mejor entre las peores
condiciones posibles. Si ( , ) es una prdida, se selecciona la accin que corresponde al
criterio minimax
min {max ( , )}
Si ( , ) es ganancia, se selecciona la accin que corresponde al criterio maximin

max {min ( , )}
EJEMPLO 1.- Considere la siguiente tabla de retribuciones en la cada dato es un rendimiento en

dlares. Suponga que es una decisin en la que no se tiene conocimiento de los estados de la
naturaleza.
a) Cul es la decisin ptima si se usa el criterio de Laplace?
b) Cul es la decisin ptima si se usa el criterio maximin?
35
27
22
20
Decisin
22
25
25
25
25
20
25
28
12
18
28
33
Criterio de Laplace
Dada { } = = 14 , j = 1, 2, 3, 4, los valores esperados para las diversas acciones se
calculan como sigue:
1
(35 + 22 + 25 + 12) = 23.5 $
4
1
{2 } = (27 + 25 + 20 + 18) = 22.5 $
4
1
{3 } = (22 + 25 + 25 + 28) = 25.0 $
4
1
{4 } = (20 + 25 + 28 + 33) = . $
4
{1 } =
Se selecciona la cuarta alternativa
Criterio maximin
Decisin
35
27
22
20
22
25
25
25
25
20
25
28
12
18
28
33
Se selecciona la tercera alternativa
Mnimo de regln
12
18
22
20
DECISIN BAJO RIESGO

A. Toma de decisin sin experimentacin
Este modelo se formula considerando las siguientes partes:
1. El tomador de decisiones necesita elegir una de las acciones posibles o alternativas (ai)
se pueden controlar). Se conoce la probabilidad de ocurrencia del estado natural j (P(Sj)).
de la naturaleza habr un resultado.
4. Criterio de seleccin: el criterio del valor esperado busca la maximizacin de la utilidad
(promedio) esperada o la minimizacin del costo esperado. Se supone que la retribucin (o
el costo) asociada con cada alternativa de decisin es probabilstica.
Si ( , ) es una prdida, se selecciona la accin que corresponde al mnimo valor esperado
min{ }
Si ( , ) es ganancia, se selecciona la accin que corresponde al mximo valor esperado

max{ }
Siendo = 1 (1 ) + 2 (2 ) + + ( ) + + ( ) = =1 v(ai , Sj ) ( )
Modelo tabular
Decisin
Probabilidad P(Sj)
(1 , 1 )
(2 , 1 )
( , 1 )
( , 1 )
P(S1)
(1 , 2 )
(1 , )
(2 , 2 )
(2 , )
( , 2 )
( , )
( , 2 )
..
( , )
P(S2)
P(Sj)
..
(1 , )
(2 , )
( , )
( , )
P(Sn)
Arbol de decisin
Un rbol de decisin es un recurso grfico para analizar decisiones bajo riesgo, o sea problemas en
los que se han especificado las probabilidades de los estados naturales. Los arboles de decisin se
crearon para usarse en problemas en los que hay una secuencia de decisiones, cada una de las
cuales conduce a uno de entre varios resultados inciertos. Los puntos de ramificacin del rbol de
decisin se conocen como nodos y los arcos se llaman ramas. En el rbol se usan dos clases de
nodos: un cuadrado
que representa un punto de decisin, o nodo de decisin. Un nodo de
decisin indica que en ese punto del proceso debe tomarse una decisin. y un crculo que
representa un evento aleatorio o nodo de evento. Como se muestra en el siguiente grfico.
P(S1)
(1 , 1 )
1
.
.
EJEMPLO 2.- Cierto producto tiene la siguiente distribucin de demanda

, unidades
P(n)
12
0.15
14
0.40
16
0.30
18
0.10
20
0.05
El producto se vende en 100 Bs.F, pero antes de que se inicie la estacin, puede adquirirse por 60
Bs.F. Una vez que la estacin comienza, se puede remplazar los faltantes a un costo de 75 Bs.F
cada uno. Si, al final de la estacin, queda producto, puede rematarse en 40 Bs.F por pieza.
Encuentre que decisin se debe tomar.
Formulacin
1.
Curso de accin o alternativas

: ( = , , , , )
1: 12, 2: 14, 3: 16, 4: 18 y 5: 20
2. Estados naturales
: ( = , , , , )
1: 12, 2: 14, 3: 16, 4: 18 y 5: 20
P(Sj)
12
0.15
14
0.40
16
0.30
18
0.10
20
0.05
3. Resultados (matriz de pagos)

: , = , utilidad = 12*(PV costo) = 12*(100-60) = 480
: , = , utilidad = 12*(PV costo) + 2(PV-costo faltante) = 12*(100-60) + 2*(100-75)
= 480 + 50 = 530
: , = , utilidad = 12*(PV costo) + 4(PV-costo faltante)=12*(100-60)+ 4*(100-75) =
480 + 100 = 580
480 + 150 = 630
480 + 200 = 680
: , = , utilidad = 12*(PV costo) + 2(PV remate - costo)=12*(100-60)+ 2*(40-60) =
480 - 40 = 440
7

560 + 50 = 610
560 + 100 = 660
560 + 150 = 710
480 - 80 = 400
560 - 40 = 520
: , = , utilidad = 16*(PV costo) =16*(100-60) = 640
: , = , utilidad = 16*(PV costo) + 2(PV costo faltante)=16*(100-60)+ 2*(100-75)
= 640 + 50 = 690
= 640 + 100 = 740
: , = , utilidad = 12*(PV costo) + 6(PV remate costo)=12*(100-60)+ 6*(40-60) =
480 - 120 = 360
560 - 80 = 480
640 - 40 = 600
= 720 + 50 = 770
480 - 160 = 320
560 - 120 = 440
640 - 80 = 560
8

560 - 40 = 520
Decisin
Probabilidad
P(Sj)
Demanda j
12
14
16
18
20
480
530
580
630
680
440
560
610
660
710
400
520
640
690
740
360
480
600
720
770
320
440
560
520
800
P(S1)=0.15 P(S2)=0.40 P(S3)=0.30 P(S4)=0.10 P(S5)=0.05
4. Criterio de seleccin: mximo valor esperado

max{ }
Siendo = =1 v(ai , Sj ) ( )
Los valores esperados para las diversas acciones se calculan como sigue:
{1 } = 0.15 480 + 0.40 530 + 0.30 580 + 0.10 630 + 0.05 680 = 555 .
{2 } = 0.15 440 + 0.40 560 + 0.30 610 + 0.10 660 + 0.05 710 = 574.5
{3 } = 0.15 400 + 0.40 520 + 0.30 640 + 0.10 690 + 0.05 740 = 566 .
{4 } = 0.15 360 + 0.40 480 + 0.30 600 + 0.10 720 + 0.05 770 = 536.5 .
{5 } = 0.15 320 + 0.40 440 + 0.30 560 + 0.10 520 + 0.05 800 = 484 .
Se selecciona la segunda alternativa, es decir se debe mantener una existencia o inventario de 14
unidades, generando una utilidad de 574.5 Bs. F.
B. Toma de decisin con experimentacin

Este modelo se formula considerando las siguientes partes:
1. El tomador de decisiones necesita elegir una de las acciones posibles o alternativas (ai)
se pueden controlar). Se conoce la probabilidad de ocurrencia del estado natural j (P(S j))
(probabilidad a priori) y el comportamiento del estado natural (probabilidad a posteriori o
de Bayes ( ), donde Xi es la variable aleatoria del estado natural).

de la naturaleza habr un resultado.
4. Criterio de seleccin: el criterio del valor esperado busca la maximizacin de la utilidad
(promedio) esperada o la minimizacin del costo esperado. Se supone que la retribucin (o
el costo) asociada con cada alternativa de decisin es probabilstica.
Si ( , ) es una prdida, se selecciona la accin que corresponde al mnimo valor esperado
min{ }
Si ( , ) es ganancia, se selecciona la accin que corresponde al mximo valor esperado

max{ }
Siendo
= ( , ) ( )
=1
Considerando la siguiente tabla de probabilidad condicional ( )
10

X1
P(X1/S1)
P(X1/S2)
S1
S2
X2
.
P(X2/S1)
P(X2/S2)
Xn
P(Xn/S1)
P(Xn/S2)
Las probabilidades conjuntas:
( , ) = ( ) ( )
Las probabilidades marginales:
( ) = ( , )
=1
( ): Probabilidades a posteriori
Donde
( ) =
( , )
( )
( ) ( )
=1 ( ) ( )
.
.
Valor esperado de la informacin perfecta (VIP)

La pregunta que se hace es Cuanto estara dispuesta a pagar por la persona que toma las
decisiones para obtener informacin adicional sobre cules sern las circunstancias reales?.
Si sabemos con exactitud cul estado de la naturaleza ocurrir, es fcil determinar la alternativa
que debe elegirse. Se elegir la alternativa que produce mayor pago para cada estado de la
naturaleza.
El valor esperado de la informacin perfecta (VIP):
= ( , ) ( )
=1
Donde:
11
( , ) : Mxima utilidad (mnima prdida) para cada estado de la naturaleza.

( ): Probabilidad de cada estado de la naturaleza j.
El valor esperado de la informacin perfecta, es la diferencia entre el valor esperado de la
informacin perfecta y el valor esperada sin informacin perfecta.
12
EJEMPLO 3. Prado fabrica lotes de un artculo con 8%, 10%, 12% y 14% de piezas defectuosas, con
probabilidades correspondiente 0.4, 0.3, 0.25 y 0.05. Se contrata con tres clientes, A, B y C, para
recibir lotes con no ms de 8%, 12% y 14% de piezas defectuosas, respectivamente. Prado tendr
que pagar 1000 Bs.F de multa por cada punto porcentual si el porcentaje de piezas defectuosas es
mayor que el especificado en el contrato. A la inversa, si suministra lotes de mayor calidad que la
requerida, el costo para Prado es de 500 Bs.F por punto porcentual.
A.- Suponga que no se inspeccionan los lotes antes de enviarlos.
1. Trace el rbol de decisin correspondiente.
2. Cul de los pedidos de los tres clientes se debe recibir con mxima prioridad?
B.- Suponga que se inspeccionan una muestra de 20 unidades antes de que cada lote se enve a
los clientes. Si se encuentran cuatro artculos defectuosos en la muestra, teniendo un 8%, 10%,
12% y 14% de piezas defectuosa. Cul de los pedidos de los tres clientes se debe recibir con
mxima prioridad?
Formulacin
Curso de accin o alternativas:
: ( = , , )
Estados naturales:
: % ( = . , , . , . )
%
P(Sj)
8
0.40
rbol de decisin:
Parte a:
13
10
0.30
12
0.25
14
0.05
8% (0.4)
10%
Cliente A
190
1
9
120
(0.3)
0
(10-8)*100 = 200
12%
(0.25)
(12-8) * 100 = 400
14%
(0.05)
(14-8) * 100 = 600
(0.4)
(12-8)*50 = 200
0
Cliente B
8%
1
120
Cliente C
9
0
1
205
9
10%
(0.3)
12%
14%
(0.25)
(0.05)
(12-10)*50 = 100
0
(14-12)*100 = 200
8%
(0.4)
(14-8)*50 = 300
10%
(0.3)
(14-10)*50 = 200
12%
(0.25)
(14-12)*50 = 100
14% (0.05)
0
0
El Cliente B tiene la mxima prioridad, generando un costo esperado de 120 Bs. F
Parte b:
Xj : artculos defectuosos, sigue una Distribucin Binomial con p = P(Sj) = 0.08, 0.10, 0.12 y 0.14 .
N = 20 y X = 4
Las probabilidades condicionales:
( ) = (1 )
( =4 = 0.08) = 420 (0.08)4 (0.92)204 = 0.05227
( =4 = 0.1) = 420 (0.1)4 (0.9)204 = 0.089788
( =4 = 0.12) = 420 (0.12)4 (0.88)204 = 0.129934
( =4 = 0.14) = 420 (0.14)4 (0.86)204 = 0.166640
Las probabilidades conjuntas:
( , ) = ( ) ( )
=4
= 0.08) ( = 0.08) = 0.05227 0.4 = 0.020908
( = 0.08, = 4) = (
14
=4
= 0.1) ( = 0.1) = 0.089788 0.3 = 0.0269364
( = 0.1, = 4) = (
=4
= 0.12) ( = 0.12) = 0.129934 0.25 = 0.0324835
( = 0.12, = 4) = (
=4
= 0.14) ( = 0.14) = 0.166640 0.05 = 0.008332
( = 0.14, = 4) = (
Las probabilidades marginales:
( ) = ( , ) = 0.020908 + 0.0269364 + 0.0324835 + 0.008332 = 0.0886599

=1
( ): Probabilidades a posteriori
Donde
( ) ( )
( , )
.
( ) =
=
=
( )
=1 ( ) ( )
= 0.08
(
= 4) =
0.020908
0.0886599
= 0.235
= 0.1
(
= 4) =
= 0.12
(
= 4) =
0.0324835
0.0886599
= 0.366
= 0.14
(
= 4) =
Cliente A
263.7
190
93.3
Cliente B
Cliente C
El Cliente B tiene la
mxima
prioridad,
generando un costo
esperado de 93.3 Bs.
F
19
93.3
0
190
168.2
0.0269364
0.0886599
0.008332
0.0886599
8% (0.235)
10%
(10-8)*100 = 200
(0.304)
12%
(0.366)
(12-8) * 100 = 400
14%
(0.094)
(14-8) * 100 = 600
8%
(0.235)
(12-8)*50 = 200
10%
(0.304)
12%
14%
(0.366)
(0.094)
(12-10)*50 = 100
0
(14-12)*100 = 200
8%
(0.235)
(14-8)*50 = 300
10%
(0.304)
(14-10)*50 = 200
12%
(0.366)
14%
(0.094)
15
(14-12)*50 = 100
0
= 0.304
= 0.094
EJEMPLO 4.- Una empresa debe considerar el estado futuro (bueno o malo) del mercado para su
producto cuando piensa comprar una mquina. La probabilidad de un buen mercado es 0.4, de
uno malo, 0.6. Las utilidades se dan en 1000 Bs. F de la siguiente tabla:
Mquina
nueva
20
-6
Mercado bueno
Mercado malo
Mquina
existente
10
9
Una investigacin que cuesta 200 Bs.F est disponible e incluye los datos que se dan en la tabla
Cuando el estudio
arrojo
bueno
malo
El mercado resulto que ha sido

bueno
malo
0.60
0.40
0.25
0.75
Formulacin
1.
Curso de accin o alternativas

:
:
:
:
:
:
2. Estados naturales
:
:
P(Sj)
bueno
0.40
3. Criterio de seleccin: mximo valor esperado

mx{ }
Siendo = =1 ( )
Sin Considerando la encuesta
16
malo
0.60
Mercado
bueno
20
10
0.4
Mquina nueva
Mquina existente
P(Sj)
Mercado
malo
-6
9
0.6
{1 } = 0.4 20 + 0.6 (6) = 4.4 .

{2 } = 0.4 10 + 0.6 9 = 9.4 .
La decisin es mantener la mquina existente con una ganancia de 9.4*1000= 9400Bs.F.
Considerando la encuesta
Se dispone de la siguiente informacin:
Tabla 1
Alternativas
1
2
Estados naturales
Mercado bueno Mercado malo
1
2
20
-6
10
9
Tabla 2
Estudio arrojo
1 :
2 :
( )
Estados naturales
Mercado bueno Mercado malo
1
2
0.60
0.40
(1 ) = 0.4
0.25
0.75
(2 ) = 0.6
La tabla 2, muestra las probabilidades condicionales
( 1 ) = 0.60, ( 2 ) = 0.40,
1
1
( 1 ) = 0.25 ( 2 ) = 0.75
2
2
Se desea calcular la probabilidad posteriori de Bayes:
17
( ) =
( ) ( )
( )
( )
.
.
Calcular las probabilidades conjuntas:

X1
X2
( )
0.24
0.16
0.4
0.15
0.45
0.6
0.39
0.61
1
(1 , 1 ) = 0.6 0.4 = 0.24, (2 , 1 ) = 0.25 0.6 = 0.15

(1 , 2 ) = 0.4 0.4 = 0.16, (2 , 1 ) = 0.75 0.6 = 0.45
Calcular las probabilidades marginales:
(1 )
0.24 + 0.15 = 0.39
(2 )
0.16 + 0.45 = 0.61
Las probabilidades a posteriori:
X1
X2
S1
0.615
0.262
S2
0.385
0.738
1,000
1,000
0.24
( 1 ) =
= 0.615,
1
0.39
0.15
( 2 ) =
= 0.385
1
0.39
0.16
( 1 ) =
= 0.262,
2
0.61
0.45
( 2 ) =
= 0.738
2
0.61
Se determina el valor esperado:

( ) ( ) = ( )
X1
S1
S2
0.615
0.385
S1
20
10
S2
-6
*
X2
0.262
0.738
18
Max valor esperado
X1
0.615*20 + 0.385*(-6) = 10.00
0.615*10 + 0.385*9 = 9.62
10
X2
0.262*20 + 0.738*(-6) = 0.81
0.262*20 + 0.738*(-6) = 9.26
9.26
Esta tabla se interpreta de la siguiente manera:

-
Si el resultado de la encuesta arroja un mercado bueno, se debe comprar la mquina

nueva.
Si el mercado es malo se debe mantener la mquina existente
Se escoge el mximo valor esperado, para calcular el valor esperado del resultado que arroja la
encuesta con la probabilidad marginal del mercado.
10
[0.39, 0.61] [
] = 9.55
9.26
A este valor se le resta el valor de la encuesta (200Bs.F)
9.55* 1000 200 = 9350 Bs.F
Decisin: entre no realizar la encuesta (Valor esperado de 9400) y realizar la encuesta (Valor
esperado de 9350), se debe tomar la decisin de no realizar la encuesta y mantener la mquina
existente, con una ganancia esperada de 9400 Bs.F.
19
VE =0.4(20) + 0.6(-6)= 4.4
20
Merc. Bueno
(0.4)
Merc. Malo (0.6)
-6
Mquina Nueva
10
Merc. Bueno (0.4)
9.4 Mquina Existente
Merc. Malo (0.6)
Sin encuesta
VE =0.4(10)+0.6(9)=9.4
20
Merc. Bueno (0.615)
VE =0.615(20) + 0.385(-6)= 10
9.4
Con encuesta
Merc. Malo (0.385) -6

Mquina Nueva
VE =0.615(10)+0.385(9)= 9.62
10
Merc.
Bueno
(0.615)
10
Mquina Existente
Merc. Malo (0.385)
Pronostico Merc. Bueno
9
0.39
VE =0.262(20) + 0.738(-6)= 0.81
20
Merc. Bueno (0.262)
9.55-0.2=9.35
Pronostico Merc. Malo

0.61
VE= 0.39(10)+0.61(9.26)=9.55
Mquina Nueva
9.26
Merc. Malo (0.738)

-6
VE=0.262(10)+0.738(9)=9.26
10
Merc. Bueno (0.262)
Mquina Existente
Merc. Malo (0.738)
9
20
EJEMPLO 5. (Problema 4.7, Bierman). La probabilidad de obtener un 7 o un 11 con un par de

dados legtimos es 2/9. Si los dados estn cargados de cierta manera, la probabilidad de un 7 o un
11 es 4/9. Un conocido le pide que juegue a los dados con l. Si el lanza un 7 o un 11, usted le paga
tres dlares; de lo contrario, l le paga a usted un dlar. Usted tendra la ventaja en el juego si los
dados fueran legtimos, por lo que se sospecha acerca de esta persona. Especficamente, usted
considera que hay 0.7 de probabilidad de que est usando dados cargados con probabilidad de
4/9 para el 7 o el 11. Para que usted no tenga sospechas, su oponente le permite lanzar dos veces
los dados, usted lo hace y no aparece ni un 7 ni un 11 en los dos tiros.
0
Prob utilidad
4/9(-3)+5/9(1)=-7/9
No jugar
4/9
-3
7 o 11
No jugar
0.55
Jugar
No 7 o 11
5/9
cargados
0.45
No cargados
2/9
-3
7/9
7 o 11
0.55(-7/9)+0.45(1/9)= - 0.37
No 7 o 11
2/9(-3)+7/9(1)= 1/9
7 o 11
No 7 o 11
7 o 11
No 7 o 11
cargados
(2/9)2
(5/9)2
0,7
No cargados
(4/9)2
(7/9)2
0,3
cargado
No cargado
0,10
0,45
0,90
0,55
7 o 11
No 7 o 11
cargado
0,14
0,22
Decisin: no debe jugar, porque si decide jugar pierde 0.37 dlares.
21
No cargado
0,01
0,18
0,15
0,40
EJEMPLO 6. (Problema 4.32, Bierman). Una compaa de gran tamao puede satisfacer sus
necesidades de combustible con un contrato anual o una serie de contratos mensuales durante el
invierno. El costo del contrato anual es 80 centavos por litros. Si el ao es normal, el costo medio
del litro de combustible en los contratos mensuales ser de 75 centavos, pero si es un ao de
escasez de combustible, el costo medio de los contratos mensuales ser de 95 centavos por
litro. La compaa usar 100 000 litros de combustible en el ao y el director estima que la
probabilidad de escasez es de 1/10.
El gerente puede gastar 500 dlares para obtener un pronstico econmico profesional con el fin
de saber si el ao ser normal o de escasez. A continuacin se exhiben los datos de los
pronsticos anteriores y la ocurrencia real en los ltimos 20 aos.
1. Elabore un rbol de decisin para este problema.
2. Debe comprarse el pronstico?
3. Cul es el costo monetario mnimo esperado?
Real
Normal
Escasez
Total
Normal
15
0
15
Escasez
3
2
5
Total
18
2
20
Contrato anual
Ao normal
Contrato mensual
Ao escasez
No comprar el pronstico
Contrato anual
Ao normal
Contrato mensual
Ao escasez
Comprar el pronstico
Pronstico normal
Contrato Anual
Pronostico escasez
Ao normal
500
Contrato Mensual
Ao escasez
22
Contrato anual
77000
No comprar el pronstico
0,80*100 000 = 80 000

Probabilidad Costo
1/10
75 000
Ao normal
Contrato mensual
Ao escasez 9/10
VE= (1/10)7500 + (9/10)95000 = 77000
95000
Contrato anual 80 000

VE= 1(75000)+0(95000)=75000
1 75 000
Ao
normal
75000
Comprar
Contrato mensual
0
Pronstico Normal
Ao escasez
Comprar el pronstico
0.75
0 95 000
Contrato Anual
Pronstico Escasez
0.25
76250 + 500=76750
80000
VE= 0.75(75000)+0.25(80000)= 76250
80 000
0,6 75 000
Ao normal
Contrato Mensual
Ao escasez
0,4 95 000
0.6(75000)+0.4(95000)= 83000
Tabla de Probabilidad conjunta y

Marginal
Real
Probabilidad
Real
Pronstico
Normal
Escasez
Normal
15
3
15
Escasez
0
2
5
15
5
20
Pronstico
Normal
Escasez
Prob. marginal
Normal
0,75
0,15
0,9
Escasez
0
0,1
0,1
marginal
0,75
0,25
1
Tabla de probabilidad condicional (P (real/pronostico))

Real
Pronstico
Normal
Escasez
Normal
1
0,6
Escasez
0
0,4
Decisin: se debe comprar el pronstico, generando un costo esperado de 76750 dlares.

Si el pronstico es normal, se debe realizar el contrato mensual.
Si el pronstico es escasez, se debe realizar el contrato anual.
23
EJEMPLO 7. Roberto Barrios, jefe del Consejo de Administracin de una Empresa electrnica,
acaba de enterarse de que un competidor ha presentado dos demandas contra su empresa por
violacin de patentes. La primera se ventilar en el tribunal superior dentro de tres meses, y la
segundan se resolver al cabo de seis meses. El Sr. Barrios estima que el primer juicio no tardar
ms de cuatro meses. Las opciones disponibles para la empresa electrnica en ambos casos son
llegar a un arreglo en forma privada o bien acudir a los tribunales. La mera preparacin para
rebatir una u otra demanda le costar Bs. 7 500, pero parte de la preparacin legal para el primer
juicio se usar en el segundo, de modo que el costo de preparar ambas demandas ser de slo
Bs. 12 000. El Sr. Barrios estima que costar Bs. 75 000 llegar a un arreglo en la primera demanda
sin ir a los tribunales y Bs. 45 000 hacer lo mismo con la segunda demanda. Desde luego, si la
empresa llegara a un arreglo fuera de los tribunales se ahorrara los costos de preparacin de los
juicios. Si las demandas se llevan a los tribunales y la empresa gana el juicio, no incurrir en ms
costos. El Sr. Barrios estima que perder la primera demanda significara costos adicionales por Bs.
150 000 y perder la segunda demanda costara aproximadamente Bs. 90 000. Piensa que su
empresa tiene una probabilidad de 60% de ganar el primer juicio. Las probabilidades de ganar el
segundo juicio depende del desenlace del primero: 40% si llega a un arreglo fuera de los
tribunales, 80% si se llega a de los tribunales y 10% si se pierde el juicio.
Construya un rbol de decisin para que el Sr. Barrios decida cul opcin seguir.
24

Arreglo 2da demanda

75000+45000 = 120 000
Probabilidad Costo
7500+75000= 82500
Ganar (0.40)
da
120000 Ir a tribunales 2 demanda
Perder (060)
7500+75000+90000= 172500
VE= (0.40)82500 + (0.60)172500 = 136500
Arreglo 1era demanda

Arreglo 2da demanda
99000
30000
0
Ir a tribunales 1era demanda

0.60
Ganar
7500+45000= 52500
VE= 0.80(12000)+0.20(102000)=30000
12000
Ganar (0.80)
Ir a tribunales 2da demanda
Perder (0.20)
12000+90000= 102000
Arreglo 2da demanda
0.40
Perder
15000+45000+7500=202500
12000+150000=162000
Ganar (0.10)
202500Ir a tribunales 2da dem
VE= 0.60(30000)+0.40(202500)= 99000
Perder (0.90)
12000+150000+90000=252000
VE= 0.1(162000)+0.9(252000)= 243000
Decisin: se debe ir a los tribunales en la primera demanda, pero:
Si gana la primera demanda, se debe ir a los tribunales para la segunda demanda.

Si pierde la primera demanda, se debe llegar a un arreglo para la segunda demanda.
Esta decisin genera un costo esperado de Bs. 99 000.
25
EJEMPLO 8. La Fuerza Area comprar un nuevo tipo de avin y debe determinar el nmero de
motores de repuesto que va a ordenar. Estos motores de repuestos se deben ordenar en lotes de
5 y se pueden elegir slo entre 15, 20 o 25 repuestos. El proveedor de motores tiene dos plantas
y la Fuerza area debe tomar sus decisiones antes de saber que planta se usar. Por experiencia, la
Fuerza area sabe que dos tercio de los motores de todos tipos se producen en la planta A y slo
un tercio en la planta B. La Fuerza area tambin sabe que el nmero de motores de repuestos
requeridos cuando se lleva a cabo la produccin en la planta A se aproxima por una Distribucin
Poisson con media = 21, mientras que el nmero de motores de repuestos que se requiere
cuando la produccin se lleva a cabo en la planta B se aproxima por una Distribucin Poisson con
media = 24. El costo de un motor de repuesto comprado ahora es Bs. 400000, si se compra
despus ser de Bs. 900000. Los repuestos siempre se surten si se piden y las mquinas que no se
usen sern chatarra cuando los aviones se vuelvan obsoletos. Los costos de mantener un
inventario y del inters pueden despreciarse. A partir de estos datos se calcul el costo total
(pagos negativos) de la siguiente forma:
Alternativas
Ordenar 15
Ordenar 20
Ordenar 25
= 21
1.155 x 107
1.012 x 107
1.047 x 107
= 24
1.414 x 107
1.207 x 107
1.135 x 107
1. Determine la accin ptima, si no se dispone la informacin acerca de la produccin de

los repuestos de los motores en las plantas A y B.
2. Cuanto dinero puede pagarse para tener la informacin perfecta.
3. Determine la accin ptima, si se requirieron 30 repuestos y se dispone la informacin
acerca de la produccin de los repuestos de los motores en las plantas A y B.
1. Determine la accin ptima, si no se dispone la informacin acerca de la produccin de

los repuestos de los motores en las plantas A y B.
Cursos de Accin:
Estados naturales:
A1: Ordenar 15 motores de repuestos
S1: Planta 1 con produccin media de 21

Criterio de Seleccin:
Min VE(Ai)
= =1 ( )
26
Alternativas
Ordenar 15
Ordenar 20
Ordenar 25
PS(Sj)
= 21
1.155 x 107
1.012 x 107
1.047 x 107
2/3
= 24
1.414 x 107
1.207 x 107
1.135 x 107
1/3
Valor Esperado (VE(Ai))

1.155 x 10 *(2/3) +1.414 x 107*(1/3) = 1.241 x 107
1.012 x 107*(2/3) +1.207 x 107*(1/3) = 1.077 x 107
1.047 x 107*(2/3) +1.135 x 107*(1/3) = 1.076 x 107*
7
Decisin: se debe Ordenar 25 motores de repuestos, con un costo esperado de Bs. 1.076 x 107
2. Cuanto dinero puede pagarse para tener la informacin perfecta.

VIP = 1.012 x 107*(2/3) +1.135 x 107*(1/3) = Bs. 1.053 x 107
VEIP = [1.076 x 107- 1.053 x 107] = 0.023 x 107 = Bs. 230000
Para obtener la informacin perfecta se debe pagar un mximo de Bs. 230000
3. Determine la accin ptima, si se requirieron 30 repuestos y se dispone la informacin

acerca de la produccin de los repuestos de los motores en las plantas A y B.
Cursos de Accin:
Estados naturales:
X: Requerimientos de motores (30 motores)
Criterio de seleccin:
Min VE(Ai)
= =1 ( , ) ( )
( ) =
( ) ( )
.
=
( ) ( ) .
( ) () =

,
!
24, = 30
2130 21
= 30
1 = 21 (
)
=
= 0.01326 0.013
= 21
30!
27
==
1 = 21 , 2 =
2430 24
= 30
1 = 24 (
= 0.03627 0.036
= 24) =
30!
2
1
( ) ( ) = 0.013 ( ) + 0.036 ( ) = 0.0206666 0.02067
3
3
2
0.013 ( )
= 21
3
(
= 30) = 0.02067 = 0.41928 0.42
1
0.036 ( )
= 24
3
(
= 30) = 0.02067 = 0.5805 0.58
Alternativas
Ordenar 15
Ordenar 20
Ordenar 25
PS(Sj)
= 21
1.155 x 107
1.012 x 107
1.047 x 107
0.42
= 24
1.414 x 107
1.207 x 107
1.135 x 107
0.58
Valor Esperado (VE(Ai))

1.155 x 107*0.42 +1.414 x 107*0.58 = 1.30522 x 107
1.012 x 107*0.42 +1.207 x 107*0.58 = 1.1251 x 107
1.047 x 107*0.42 +1.135 x 107*0.58 = 1.09804 x 107
Decisin: se debe Ordenar 25 motores de repuestos, con un costo esperado de Bs. 1.09804 x 107
28
EJEMPLO 1.- Considere la siguiente tabla de retribuciones en la cada dato es un rendimiento en dlares.
Suponga que es una decisin en la que no se tiene conocimiento de los estados de la naturaleza.
a) Cul es la decisin ptima si se usa el criterio de Laplace?
b) Cul es la decisin ptima si se usa el criterio maximin?
Decisin
35
22
25
12
27
25
20
18
22
25
25
28
20
25
28
33
EJEMPLO 2.- Cierto producto tiene la siguiente distribucin de demanda
, unidades
12
14
16
18
20
P(n)
0.15
0.40
0.30
0.10
0.05
El producto se vende en 100 Bs.F, pero antes de que se inicie la estacin, puede adquirirse por 60 Bs.F. Una
vez que la estacin comienza, se puede remplazar los faltantes a un costo de 75 Bs.F cada uno. Si, al final de
la estacin, queda producto, puede rematarse en 40 Bs.F por pieza. Encuentre que decisin se debe tomar.
EJEMPLO 3. Prado fabrica lotes de un artculo con 8%, 10%, 12% y 14% de piezas defectuosas, con
probabilidades correspondiente 0.4, 0.3, 0.25 y 0.05. Se contrata con tres clientes, A, B y C, para recibir lotes
con no ms de 8%, 12% y 14% de piezas defectuosas, respectivamente. Prado tendr que pagar 1000 Bs.F de
multa por cada punto porcentual si el porcentaje de piezas defectuosas es mayor que el especificado en el
contrato. A la inversa, si suministra lotes de mayor calidad que la requerida, el costo para Prado es de 500
Bs.F por punto porcentual.
A.- Suponga que no se inspeccionan los lotes antes de enviarlos. 1.- Trace el rbol de decisin
correspondiente. 2.- Cul de los pedidos de los tres clientes se debe recibir con mxima prioridad?
B.- Suponga que se inspeccionan una muestra de 20 unidades antes de que cada lote se enve a los clientes.
Si se encuentran cuatro artculos defectuosos en la muestra, teniendo un 8%, 10%, 12% y 14% de piezas
defectuosa. Cul de los pedidos de los tres clientes se debe recibir con mxima prioridad?
EJEMPLO 4.- Una empresa debe considerar el estado futuro (bueno o malo) del mercado para su producto
cuando piensa comprar una mquina. La probabilidad de un buen mercado es 0.4, de uno malo, 0.6. Las
utilidades se dan en 1000 Bs. F de la siguiente tabla:
Mquina nueva
Mquina existente
Mercado bueno
20
10
Mercado malo
-6
9
Una investigacin que cuesta 200 Bs.F est disponible e incluye los datos que se dan en la tabla
El mercado resulto que ha sido
Cuando el estudio arrojo
bueno
malo
bueno
0.60
0.25
malo
0.40
0.75
EJEMPLO 5. (Prob. 4.7, Bierman). La probabilidad de obtener un 7 o un 11 con un par de dados legtimos es
2/9. Si los dados estn cargados de cierta manera, la probabilidad de un 7 o un 11 es 4/9. Un conocido le
pide que juegue a los dados con l. Si el lanza un 7 o un 11, usted le paga tres dlares; de lo contrario, l le
paga a usted un dlar. Usted tendra la ventaja en el juego si los dados fueran legtimos, por lo que se
sospecha acerca de esta persona. Especficamente, usted considera que hay 0.7 de probabilidad de que est
usando dados cargados con probabilidad de 4/9 para el 7 o el 11. Para que usted no tenga sospechas, su
oponente le permite lanzar dos veces los dados, usted lo hace y no aparece ni un 7 ni un 11 en los dos tiros.
EJEMPLO 6. (Problema 4.32, Bierman). Una compaa de gran tamao puede satisfacer sus necesidades de
combustible con un contrato anual o una serie de contratos mensuales durante el invierno. El costo del
contrato anual es 80 centavos por litros. Si el ao es normal, el costo medio del litro de combustible en los
contratos mensuales ser de 75 centavos, pero si es un ao de escasez de combustible, el costo medio de
los contratos mensuales ser de 95 centavos por litro. La compaa usar 100 000 litros de combustible en el
ao y el director estima que la probabilidad de escasez es de 1/10.
29
El gerente puede gastar 500 dlares para obtener un pronstico econmico profesional con el fin de saber si
el ao ser normal o de escasez. A continuacin se exhiben los datos de los pronsticos anteriores y la
ocurrencia real en los ltimos 20 aos.
1. Elabore un rbol de decisin para este problema.
2. Debe comprarse el pronstico?
3. Cul es el costo monetario mnimo esperado?
Real
Normal
Escasez
Total
Normal
15
3
18
Escasez
0
2
2
Total
15
5
20
EJEMPLO 7. Roberto Barrios, jefe del Consejo de Administracin de una Empresa electrnica, acaba de
enterarse de que un competidor ha presentado dos demandas contra su empresa por violacin de
patentes. La primera se ventilar en el tribunal superior dentro de tres meses, y la segundan se resolver al
cabo de seis meses. El Sr. Barrios estima que el primer juicio no tardar ms de cuatro meses. Las opciones
disponibles para la empresa electrnica en ambos casos son llegar a un arreglo en forma privada o bien
acudir a los tribunales. La mera preparacin para rebatir una u otra demanda le costar Bs. 7 500, pero
parte de la preparacin legal para el primer juicio se usar en el segundo, de modo que el costo de
preparar ambas demandas ser de slo Bs. 12 000. El Sr. Barrios estima que costar Bs. 75 000 llegar a un
arreglo en la primera demanda sin ir a los tribunales y Bs. 45 000 hacer lo mismo con la segunda demanda.
Desde luego, si la empresa llegara a un arreglo fuera de los tribunales se ahorrara los costos de preparacin
de los juicios. Si las demandas se llevan a los tribunales y la empresa gana el juicio, no incurrir en ms
costos. El Sr. Barrios estima que perder la primera demanda significara costos adicionales por Bs. 150 000 y
perder la segunda demanda costara aproximadamente Bs. 90 000. Piensa que su empresa tiene una
probabilidad de 60% de ganar el primer juicio. Las probabilidades de ganar el segundo juicio depende del
desenlace del primero: 40% si llega a un arreglo fuera de los tribunales, 80% si se llega a de los tribunales y
10% si se pierde el juicio. Construya un rbol de decisin para que el Sr. Barrios decida cul opcin seguir.
EJEMPLO 8. La Fuerza Area comprar un nuevo tipo de avin y debe determinar el nmero de motores de
repuesto que va a ordenar. Estos motores de repuestos se deben ordenar en lotes de 5 y se pueden elegir
slo entre 15, 20 o 25 repuestos. El proveedor de motores tiene dos plantas y la Fuerza area debe tomar
sus decisiones antes de saber que planta se usar. Por experiencia, la Fuerza area sabe que dos tercio de
los motores de todos tipos se producen en la planta A y slo un tercio en la planta B. La Fuerza area
tambin sabe que el nmero de motores de repuestos requeridos cuando se lleva a cabo la produccin en la
planta A se aproxima por una Distribucin Poisson con media = 21, mientras que el nmero de motores de
repuestos que se requiere cuando la produccin se lleva a cabo en la planta B se aproxima por una
Distribucin Poisson con media = 24. El costo de un motor de repuesto comprado ahora es Bs. 400000, si
se compra despus ser de Bs. 900000. Los repuestos siempre se surten si se piden y las mquinas que no
se usen sern chatarra cuando los aviones se vuelvan obsoletos. Los costos de mantener un inventario y del
inters pueden despreciarse. A partir de estos datos se calcul el costo total (pagos negativos) de la
siguiente forma:
Alternativas
= 21
= 24
Ordenar 15
1.155 x 107
1.414 x 107
Ordenar 20
1.012 x 107
1.207 x 107
7
Ordenar 25
1.047 x 10
1.135 x 107
1.
2.
3.
Determine la accin ptima, si no se dispone la informacin acerca de la produccin de los

repuestos de los motores en las plantas A y B.
Cuanto dinero puede pagarse para tener la informacin perfecta.
Determine la accin ptima, si se requirieron 30 repuestos y se dispone la informacin acerca de la
produccin de los repuestos de los motores en las plantas A y B.
30
31

Teoria de Decisiones 2015

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Teoria de Decisiones 2015

Caricato da

Copyright:

Formati disponibili

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

Terminologa de modelos de toma de decisiones

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

cul estado de la naturaleza ocurrir. En esta

categora entra los problemas probabilstico, tales como modelos de inventario

DECISIN BAJO INCERTIDUMBRE

Para analizar este tipo de decisiones se utilizan varios criterios:

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

que sean distintas. Es decir, (1 ) = (2 ) = = ( ) = ,

ganancia, la mejor alternativa es la que produce

Si la retribucin representa prdida, la mejor alternativa es la que produce

Si ( , ) es ganancia, se selecciona la accin que corresponde al criterio maximin

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

EJEMPLO 1.- Considere la siguiente tabla de retribuciones en la cada dato es un rendimiento en

Se selecciona la cuarta alternativa

Se selecciona la tercera alternativa

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

DECISIN BAJO RIESGO

Si ( , ) es ganancia, se selecciona la accin que corresponde al mximo valor esperado

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

que representa un punto de decisin, o nodo de decisin. Un nodo de

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

EJEMPLO 2.- Cierto producto tiene la siguiente distribucin de demanda

Curso de accin o alternativas

3. Resultados (matriz de pagos)

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

: , = , utilidad = 14*(PV costo) = 14*(100-60) = 560

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

: , = , utilidad = 18*(PV costo) + 2(PV remate costo)=18*(100-60)+ 2*(40-60) =

4. Criterio de seleccin: mximo valor esperado

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

B. Toma de decisin con experimentacin

de Bayes ( ), donde Xi es la variable aleatoria del estado natural).

3. El resultado (( , )) que se obtiene por el uso de una alternativa determinada cuando

Si ( , ) es ganancia, se selecciona la accin que corresponde al mximo valor esperado

Considerando la siguiente tabla de probabilidad condicional ( )

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

Las probabilidades conjuntas:

Las probabilidades marginales:

Valor esperado de la informacin perfecta (VIP)

El valor esperado de la informacin perfecta (VIP):

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

( , ) : Mxima utilidad (mnima prdida) para cada estado de la naturaleza.

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

INVESTIGACIN OPERATIVA I - TEORA DE DECISIN

Prof. JULIA MARCANO I-2015

(12-8) * 100 = 400

(14-8) * 100 = 600

( =4 = 0.08) = 420 (0.08)4 (0.92)204 = 0.05227

( =4 = 0.1) = 420 (0.1)4 (0.9)204 = 0.089788

( =4 = 0.12) = 420 (0.12)4 (0.88)204 = 0.129934

: , = , utilidad = 14(PV costo) = 14(100-60) = 560

: , = , utilidad = 18(PV costo) + 2(PV remate costo)=18(100-60)+ 2*(40-60) =

0.61520 + 0.385(-6) = 10.00

0.61510 + 0.3859 = 9.62

0.26220 + 0.738(-6) = 0.81

0.26220 + 0.738(-6) = 9.26