Teora y anlisis de

las Decisiones

Wilfredo Lafosse Quintana

Elementos comunes en la Toma de Decisiones.

1. Un Objetivo que el responsable de la Toma de
Decisiones busca cumplir.
2. Varios cursos de Accin Posibles.
3. Una Medicin calculable del Valor de las diversas
opciones.
4. Aspectos que estn mas all del control del decisor
5. Incertidumbre respecto a que resultado ocurrir
realmente.

Teora de las Decisiones

Tenemos tres clases de modelos de
Decisiones:
1. Decisiones bajo Certidumbre
2. Decisiones bajo Riesgo
3. Decisiones bajo Incertidumbre

3. Decisiones bajo Incertidumbre (1)

En esta situacin existen tres diferentes
criterios a utilizar para tomar decisiones:
Maximax
Maximin
Minimax y Arrepentimiento

EJEMPLOS

1. Pittsburg Development Corporation

2. Caso Vendedor de Peridicos

EJEMPLO 1

Estado de la Naturaleza
Millones de
Dlares

Demanda

Decisin

S1

S2

d1

d2

14

d3

20

-9

Otra forma de presentar el caso

EJEMPLO 2 VENDEDOR PERIODICOS

Vendedor de peridicos desea optimizar la cantidad de

unidades a pedir el da anterior.
Un peridico cuesta 40 centavos y puede venderlo a 75.
Considera que NO tener un peridico para un cliente le
representa una perdida futura de 50 centavos (PBRC).
Sabe que su demanda esta entre 0 y 4 unidades.
No tiene idea de las probabilidades de la demanda.

EJEMPLO 2
VENDEDOR PERIODICOS
Valores en centavos

Nmero
a pedir

Perdida de Buena Reputacin Comercial = PBRC

Ejemplo PDC
MAXIMAX

Vendedor de peridicos, Criterio Maximax

MAXIMIN

Ejemplo PDC

Ejemplo Vendedor de Peridicos, Criterio Maximin

Ejemplo PDC

S1 o S2

Escojo el mayor valor

de cada Decisin

EN FORMA SIMILAR CON VENDEDOR DE PERIODICOS

II. Decisiones bajo Riesgo : Caso vendedor de

peridicos VALOR ESPERADO
Retribucin = 75*Nro peridicos vendidos 40*Nro peridicos ordenados - 50* Demanda
no satisfecha

Mejor
Decisin
Importante
Perdida de Buena Reputacin Comercial = PBRC

Sensibilidad para PBRC

Caso Vendedor Periodicos

50

Rendimiento Esperado

-50
Ordenar 0
Ordenar 1

-100

Ordenar 2
Ordenar 3
-150

-200

-250

-300

Costo Perd Buena Rep Com

Decisiones bajo
Riesgo :PDC

P (S1) = 0.8
P (S2 ) = 0.2

Anlisis de Riesgo

Anlisis de Riesgo

Anlisis de Riesgo

Anlisis de Sensibilidad

Anlisis de Sensibilidad

Anlisis de Sensibilidad

Anlisis de rbol de Decisiones

El rbol de decisiones es un modelo grfico de
un proceso de decisin
Contiene Probabilidades de los resultados y los
valores utilidad vinculada a ellos Valores
Esperados.
Los Puntos de Decisin se representan como un
cuadrado de donde salen las ramas.
Los Eventos Causales se representan con
Crculos; estos estn fuera del control del
decisor, de all tambin salen ramas.

Anlisis de rbol de Decisiones

Para resolverlos se utiliza el llamado proceso
de Retrospeccin es decir resolver empezando
por la parte final.
Puede utilizarse tambin el Teorema de Bayes
para mejorar la Toma de Decisiones..
PA
PM
PB

DA
DM
DA DB
DM
DB
DA
DM
DB

Analisis de Arbol de Decisiones

Usted es el gerente de una empresa de productos de computo.
Debe decidir entre producir las tarjetas Madre adquirirlas de su
proveedor habitual.
Tiene la suiguiente informacin estadistica:
Accion
Demanda Prob. DemandaGanacia esperada
Producir
Alta
0.3
250000
Media
0.5
120000
Baja
0.2
-230000
Comprar
Alta
0.3
180000
Media
0.5
125000
Baja
0.2
-90000
Cual es su decisin? Cual es el valor esperado con informacin perfecta?
Cual seria l maximo que estara dispuesto a pagar por informacin adicional?

Decision
Utilidad Esperada 98500

Demanda P(X)
Alta
75000
Producir
Media
89000
60000
Baja
-46000
Alta

Decisi:
Comprar la Tarjeta

0.5

120000

0.2

-230000

0.3

180000

0.5

125000

0.2

-90000

54000
Comprar

Media
98500

62500
Baja
-18000

Valor esperado con Informacin Perfecta:

Demanda
P(X)
Accin
Alta
0.3 Producir
Media
0.5 Comprar
Baja
0.2 Comprar
VEIP=
119500
VIP=

Utilidad Esperada
0.3
250000

21000

Utilidad
250000
125000
-90000

Calculos de Retrospeccin

Caso de la
Constructora

Teorema de
Bayes

F: informe de Investigacin de Mercado Favorable

D: Informe de investigacin de Mercado Desfavorable
S1: Demanda alta
P( A
S2 : Demanda baja
P (E A )

E ) P (E )
P ( A E ) P (E ) P ( A E ) P (E )

Investigacion de Mercados
Favorable
Desfavorable
(F)
(D)
S1

0.9

0.1

Si tenemos S1 ==>Prob de F y D

S2

0.25

0.75

Si tenemos S2 ==> Prob de F y D

Se modifican las probabilidades de S1 y S2 en base al

Informe de Investigacin
Prob de Rama para PDC con Reporte de Investigacion Favorable
Sj

P(Sj)

P(F \ Sj)

P(F&Sj)

P(Sj \ F)

S1

0.8

0.9

0.72

0.94

S2

0.2

0.25

0.05

0.06

P(F)=

0.77

1.00
Prob Posteriores

Prob de Rama para PDC con Reporte de Investigacion Desfavorable

Sj

P(Sj)

P(D \ Sj)

P(D&Sj)

P(Sj \ D)

S1

0.8

0.1

0.08

0.348

S2

0.2

0.75

0.15

0.652

P(D)=

0.23

1.00
Prob Posteriores

Caso Constructora

Homework :
Desarrollar Caso 2 del capitulo 4 de su libro

Cul debo usar?