Capítulo 1

Teoría de Decisión
 1.1 Introducción a la Teoría de
Decisión
 El estudio de la teoría de decisión provee de
herramientas para la toma de decisiones
importantes.
 La Teoría de decisión permite seleccionar una
decisión de un conjunto de alternativas cuando
existe incertidumbre sobre el futuro.
 La solución optima es obtenida de una matriz
de ganancias en términos de criterios de
decisión
 Maximizar el beneficio esperado es un criterio
común cuando las probabilidades son
favorables.
 Cuando el riesgo puede ser medido dentro del
proceso de decisión, la Teoría provee de
mecanismos para analizar la decisión en
función de los riesgos.
1.2 Análisis por Matriz de Ganancias
 Matriz de Ganancias
- El análisis por matriz de ganancias puede ser aplicado cuando:
* Hay un conjunto finito de decisiones discretas
alternativas.
* El resultado de una decisión es una función de un
estado de la naturaleza simple.

- En una matriz de ganancias:

* Las filas corresponden a las posibles decisiones
alternativas.
* Las columnas corresponden a los posibles estados de la
naturaleza.
* El cuerpo de la tabla contiene las ganancias.
 La Inversión de John Pérez
 John Pérez ha heredado $1000.
 El ha decidido invertir su dinero por un año.
 Un inversionista le ha sugerido 5 inversiones
posibles:
* Oro.
* Bonos.
* Negocio en Desarrollo.
* Certificado de Depósito.
* Acciones.
 John debe decidir cuanto invertir en cada opción.
 Solución

 Construir una matriz de ganancias

 Seleccionar un criterio de decisión
 Aplicar el criterio en la matriz de ganancia
 Identificar la decisión óptima
 Evaluar la solución
 Construcción de la Matriz de Ganancia
-Determinar el conjunto de posibles decisiones alternativas
(Para John corresponde a las posibles inversiones)

- Definir los estados de la naturaleza

(John considera las diversas variaciones del mercado)

Estados de la Naturaleza Efecto de la decisión

s1: Una fuerte alza en los mercados
s2: Una pequeña alza en los mercados
s3: No hay cambios en los mercados
s4: Una pequeña baja en los mercados
s5 Una gran baja en los mercados
Incremento sobre 1000 puntos
Incremento entre 300 y 1000
Cambio entre -300 y 300
Disminución entre 300 y 800
Disminución en más de 800
 Matriz de Ganancias
Estados de la Naturaleza
Altern. De Dec. Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Negocio Des. 500 250 100 -200 -600
Certf. De Dep 60 60 60 60 60
Acciones 200 150 150 -200 -150

El conjunto de opciones es dominado por la

segunda alternativa
 1.3 Elección de un Criterio de
Decisión
 Clasificación de Criterios de Decisión
-Decisión tomada bajo certeza
* Los estados de la naturaleza que ocurrirán se asumen
conocidos.

-Decisión tomada bajo riesgo

* Existe conocimiento de la probabilidad que un estado de
la naturaleza ocurra.

-Decisión tomada bajo incertidumbre

*La probabilidad de que ocurra un estado de la naturaleza
es absolutamente desconocida.
 Decisión tomada bajo Incertidumbre

- El criterio de decisión se toma basandose en la experiencia

de quien toma la decisión.

- Este incluye un punto de vista optimista o pesimista, agresivo

o conservador.

-Criterios:
* Criterio Maximin - pesimista o conservador
* Criterio Minimax - pesimista o conservador
* Criterio Maximax - optimista o agresivo
* Principio de Razonamiento Insuficiente
 Criterio Maximin
-Este criterio se basa pensando en el peor de los casos

-El criterio se ajusta a ambos tipos de decisiones, es decir

pesimista y optimista.

* Una decisión pesimista se toma creyendo que el peor

caso ocurrirá.
* Una decisión bajo criterio conservador asegura una
ganancia mínima posible.

-Para encontrar una decisión optima:

* Marcar la mínima ganancia a través de todos lo estados

de la naturaleza posibles.
 * Identificar la decisión que tiene máximo de las
“mínimas ganancias”.

Continuación del Problema de John Pérez

The MaximinMaximin
El Criterio Criterion Minimos
Decisiones Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja Ganancias
Oro -100 100 200 300 0 -100
Bonos 250 200 150 -100 -150 -150
Negocio en D. 500 250 100 -200 -600 -600
Cert. De Dep. 60 60 60 60 60 60
 Criterio Minimax
-Este criterio se ajusta a decisiones pesimistas y conservadoras.

-La matriz de ganancia es basada en el costo de oportunidad

-El tomador de decisiones incurre en una perdida por no

escoger la mejor decisión.

-Para encontrar la decisión óptima:

-Para cada estado de la naturaleza:
* Determine la mejor ganancias de todas las decisiones
* Calcule el costo de oportunidad para cada alternativa
de decisión como la diferencia entre su ganancia y la
mejor ganancia calculada.
-Para cada decisión encuentre el máximo costo de opor-
tunidad para todos los estados de la naturaleza.

- Seleccione la alternativa de decisión que tiene el mínimo

costo de oportunidad.
 500 - (-100) = 600
500 -100
500
Continuación Problema John Pérez
500 -100
-100
500 Matriz de Ganancias
Decision Gran Alza -100
Peq. Alza Sin CambiosPeq. Baja Gran Baja
Oro -100-100 100 200 300 0
Invertir en Oro incurre en una
Bonos 250 500 200 150 -100 -150
pérdida mayor cuando el mercado
Negocio 500 500 250 100 -200 -600
presenta una gran alza
Cert Dep 60 60 60 60 60

Matriz de Costo de Oportunidad Maximo

Decision Gran Alza Peq. AlzaSin CambiosPeq Baja Gran Baja Costo Op
Oro 600 150 0 0 60 600
Bonos 250 Tabla50 de Costo 50
de Oportunidad
400 210 400
Negocio D. 0 0 100 500 660 660
Cert. Dep 440 190 140 240 0 440
 El Criterio Maximax

- Este criterio se basa en el mejor de los casos.

- Este criterio considera los puntos de vista optimista y

agresivo.
* Un tomador de decisiones optimista cree que
siempre obtendrá el mejor resultado sin importar
la decisión tomada.
* Un tomador de decisiones agresivo escoge la decisión
que le proporcionará una mayor ganancia.
 - Para encontrar la decisión óptima:
* Encuentre la máxima ganancia para cada alternativa de
decisión.
* Seleccione la decisión que tiene la máxima de las
“máximas ganancias”.

Continuación del Problema de John Pérez

El Criterio Maximax
Decision Gran Alza Peq. Alza Sin Cambios
Peq. Baja Gran Baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Neg. Des 500 250 100 -200 -600
Cert. Dep. 60 60 60 60 60
 El Principio de Razonamiento Insuficiente o Criterio
de Laplace

- Este criterio puede ser utilizado por un tomador de decisiones

que no sea optimista ni pesimista.

- El tomador de decisiones asume que todos los estados de la

naturaleza son equiprobables.

- El procedimiento para encontrar una decisión óptima:

* Para cada decisión calcule la ganancia esperada.
* Seleccione la decisión con la mayor ganancia esperada.
 Continuación del Problema de John Pérez

- Ganancias Esperadas:
* Oro $150
* Bonos $87.5
* Negocio D. $12.5
* Cert. Dep. $75

- Basado en este criterio la decisión óptima es invertir en oro.

 Decisión tomada bajo Riesgo

 El Criterios de la ganancia esperada

- Si existe una estimación de la probabilidad de que un
determinado estado de la naturaleza ocurra , entonces se
puede calcular la ganancia esperada.

- Para cada decisión la ganancia esperada se calcula como:

Ganancia Esperada = S (Probabilidad)*(Ganancia)

(Para cada estado de la naturaleza)

 Continuación Problema de John Pérez

El Criterio de la Ganancia Esperada Ganancia

Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja Esperada
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Neg. Des 500 250 100 -200 -600 125
Cert. Dep. 60 60 60 60 60 60
Probabilidad 0,2 0,3 0,3 0,1 0,1

(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130

 Observaciones sobre el criterio de la ganancia
esperada.

- El criterio de la ganancia esperada es factible de usar en

situaciones donde es posible hacer una planificación
apropiada, y las situaciones de decisión son repetitivas.

- Un problema de este criterio es que no considera las

situaciones ante posibles pérdidas.
1.4 ·La Ganancia Esperada al Contar
con Información Perfecta.
 La Ganancia que se espera obtener al conocer con
certeza la ocurrencia de ciertos estados de la
naturaleza se le denomina:

Ganancia
Por loEsperada de la Información
tanto, la GEIP corresponde al costo
Perfecta
de oportunidad de la(GEIP)
decisión seleccionada
usando el criterio de la ganancia esperada.

 Esta decisión es la que genera una menor pérdida

para el tomador de decisiones.
  Continuación Problema de John Pérez

-Si se conoce con certeza que ocurrirá una “Gran Alza” en los
mercados:
La Ganancia
- Esperada de la Información Perfecta
GranAlza
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro 100-100 100 200 300 0
Bonos
Neg. Des.s 250250 200 150 -100 -150
Neg. Des 500 250 100 -200 -600
Cert. Dep
Probab.
500 60
0,2
60
0,3
60
0,3
60
0,1
60
0,1
60
... La decisión óptima es invertir en... Análogamente,

Ganancia Esperada de la Información Perfecta=

0.2(500)+0.3(250)+0.3(200)+0.1(300)+0.1(60) = $271
GEIP = CO - EV = $271 - $130 = $141
 1.5 Análisis Bayesiano - Tomador de
Decisiones con Información
Imperfecta.

 La estadística Bayesiana construye un modelo a partir

de información adicional obtenida de diversas fuentes.

 Esta información adicional mejora la probabilidad

obtenida de la ocurrencia de un determinado estado
de la naturaleza y ayuda al tomador de decisiones a
escoger la mejor opción.
  Continuación Problema de John Pérez
-John puede contratar un análisis de resultados económicos por
$50

- El resultado del análisis puede arrojar un crecimiento

económico “positivo” o “negativo”.

- Estadísticas con relación al análisis:

¿Le conviene a John contratar el análisis?
El análisis arroja Cuando el mercado muestra una

Gran Alza Peq.Alza Sin Cambios Peq.Baja Gran Baja

Crec. Ec. Positivo 80% 70% 50% 40% 0%

Crec. Ec. Negativo 20% 30% 50% 60% 100%

Cuando el mercado muestra una gran alza , el análisis

arroja un “crecimiento positivo” del 80%
 Solución
 John debe determinar su decisión óptima cuando el
análisis arroja resultados “positivos” y “negativos”.

 Si su decisión cambia a causa del análisis, debe

comparar las ganancias esperadas con y sin el
análisis.

 Si la ganancia esperada que resulta de la decisión

hecha con el análisis excede los $50, John debe
comprar el análisis económico.
 John necesita conocer las siguientes probabilidades:

- P (Gran Alza | Análisis arroja crecimiento “positivo”)

- P (Peq. Alza | Análisis arroja crecimiento “positivo”)
- P (Sin Cambios | Análisis arroja crecimiento “positivo”)
- P ( Peq. Baja | Análisis arroja crecimiento “positivo”)
- P (Gran Baja | Análisis arroja crecimiento “positivo”)
- P (Gran Alza | Análisis arroja crecimiento “negativo”)
- P ( Peq. Alza | Análisis arroja crecimiento “negativo”)
- P (Sin Cambios | Análisis arroja crecimiento “negativo”)
- P (Peq. Baja | Análisis arroja crecimiento “negativo”)
- P (Gran Baja | Análisis arroja crecimiento “negativo”)
  El teorema de Bayes muestra un procedimiento para
calcular estas probabilidades:

P(B |A i)P(A i)
P(A i | B) =
[ P(B | A 1)P(A 1)+ P(B | A 2)P(A 2)+…+ P(B | A n)P(A n) ]

Las Probabilidades “a posteriori” pueden tabularse como siguen:

Estados de Prob. Prob Prob. Prob. 0.16
la Naturaleza a Priori Condicional Conjunta Posteriori 0.56
Gran Alza 0.2
0.2 X 0.8 = 0.16 0.286
0.286
Peq. Alza 0.3
0.3 0.7 0.21 0.375
0.375
Sin Cambios 0.3
0.3 0.5 0.15 0.268
0.268
Peq. Baja La
0.1 Probabilidad
0.1 0.4 que
La Observe
Probabilidad elqueel mercado
ajuste
el0.04en
análisis 0.071
0.071
Gran Baja 0.1 arroje
muestre
0.1 lacrec.
una “positivo”
0“prob
“Gran aAlza”, y0dado
priori” que el que 0
0.000
Sumarroja
mercado
el análisis = tenga
0.56crecimiento
una “Gran Alza ”.
“positivo””
- La Probabilidad a posteriori para cuando el análisis arroja
un crecimiento “negativo” , se puede calcular de forma similar.

WINQSB imprime el calculo de las probabilidades a posteriori

 Ganancia esperada de la información adicional.

- Corresponde a la ganancia esperada por un tomador de

decisiones usando una información adicional.

- Usando el análisis se calcula la ganancia esperada.

GE(Al invertir en BONOS

…....
ORO |Análisis “positivo”) =
=.286( 250
-100 )+.375( 200100 )+.268( 150
200 )+.071( 300
-100 )+0( 150
0 ) = 180
84

ORO |Análisis “negativo”)=

GE(Al invertir enBONOS
…….
=.091( 250
-100 )+.205(200
100 )+.341( 150
200 )+.136( -100 0 )= 120
300 )+.227( 150 65
 GESIA = Ganancia Esperada Sin Información Adicional = 130
- El resto de las ganancias esperadas son calculadas de forma
similar.
Ganancia esperada de la información adicional
GE GE Revisada
Decisions/Gran Alza
Peq. Alza
Sin Cambios
Peq. Baja
Gran Baja
a Priori Pos Neg
Oro -100 100 200 300 0 100 84 120
Bonos 250 200 150 -100 -150 130 180 65
Neg.Des 500 250 100 -200 -600 125 250 -37
Cert. Dep 60 60 60 60 60 60 60 60
P. Priori 0,2
Entonces,
0,3
An. Pos 0,29 0,38 0,27 0,07
0,3 0,1 0,1
0 0,56
Debe contratar John el Análisis Económico?
An. Neg 0,09 0,21 0,34 0,14 0,23 0,44

Inversión en Negocio en Desarrollo cuando el Análisis es “positivo”.

GECIA = Ganancia Esperada Con Inform. Adicional=

Invertir en Oro cuando el Análisis es “negativo”.
(0.56)(250) + (0.44)(120) = $193
 GEIA = Ganancia Esperada de la Información
Adicional =

GECIA - GESIA = $193 - $130 = $63

Por lo tanto John debe contratar el Análisis

Económico, ya que su ganancia esperada es mayor
que el costo del Análisis.

 Eficiencia = GEIA / GEIP = 63 / 141 = 0.45

 1.6 Árboles de decisión
 La Matriz de Ganancias es conveniente de utilizar
para la toma de decisiones en situaciones simples.

 Muchos problemas de decisión del mundo real se

conforman de una secuencia de decisiones
dependientes.

 Los árboles de decisión se utilizan en los análisis de

procesos de decisión escalonados.
  Características del Árbol de Decisión

- Un árbol de decisión es una representación cronológica del

proceso de decisión.
- Hay dos tipos de nodos:
 nodos de decisión (representados por cuadros)

 nodos del estado de la naturaleza (representados por

círculos).
- La raíz del árbol corresponde al tiempo presente.
- El árbol se construye hacia el futuro, con las ramas saliendo
desde los nodos.
 Una rama saliente desde un nodo de decisión

corresponde a una decisión alternativa. Incluido el valor

del costo o beneficio.
 Una rama saliente desde un nodo estado de la

naturaleza corresponde a un estado de la naturaleza

particular e incluye la probabilidad de este estado.
  Bill Gallen, compañía consultora y evaluaciones
(B.G.D.)
- B.G.D, planea una evaluación comercial de una propiedad.
- Datos relevantes:
- Pedir el precio por la propiedad que es de $300.000
- Costo de construcción es de $500.000
- Precio de venta es aproximadamente $950.000
- El costo de la aplicación del acuerdo variables es de $30.000
en pagos y gastos.
 Hay un 40% de posibilidad que se llegue a acuerdo.

 Si B.G.D. compra la propiedad y no se llega a acuerdo, la

propiedad se puede vender obteniendo una utilidad de

$260.000.
 Existe la opción de comprar la propiedad a tres meses a

$20.000, lo cual que permitiría a B.G.D. Aplicar el

acuerdo.
- Un consultor se puede contratar por $5.000.
-P(consultor da su aprobación /otorga aprobación)=0.70
-P(consultor no da su aprobación/se niega
  Solución

Construcción de un árbol de decisión

 Inicialmente la compañía encara una decisión sobre contratar un

consultor.

 Después de esta decisión, se toman otras decisiones tomando

en cuenta lo siguiente:
– aplicaciones del acuerdo.
– comprar la opción
– comprar la propiedad
 0
3

Compre tierra Aplicar el acuerdo

2 4
-300,000 -30,000

1 Aplicar el acuerdo
11 -30,000
 120,000
construya venda
6 7 8
-500,000 950,000

5
-70,000
venda
9 10
260,000
Comprar tierra construya venda
13 14 15 16
-300,000 -500,000 950,000
100,000
12

17
-50,000
 2 20 -5000

1
Comprar tierra Aplicación del acuerdo
19 21
-300,000 -30,000

Aplicación del acuerdo

28
18 -30,000

36 -5000

Comprar tierra Aplicación del acuerdo

35 37
-300,000 -30,000

Aplicación del acuerdo

44
-30,000
 115,000
construya venda
23 24 25
-500,000 950,000

0.70
?
22
-75,000
0.30 venda
? 26 27
260,000

El consultor sirve como una fuente de información adicional

para el rechazo o aprobación del acuerdo..
Por lo tanto, en este punto necesitamos calcular
las probabilidades “a posteriori” para la aprobación o rechazo
de la aplicación del acuerdo
Probabilidad “a posteriori” de aprobación|consultor da su aprobación) = 0.70
probabilidad “a posteriori” de rechazo|consultor da su aprobación) = 0.30
El resto del árbol de decisión se puede
construir análogamente.

Un completo análisis se puede

obtener usando WINQSB
 DETERMINANCION DE LA ESTRATEGIA
ÓPTIMA

 Se trabaja de manera tal que se retrocede desde el

final de la rama.
 Luego se calcula el valor esperado del nodo estado
de la naturaleza.
 Para un nodo de decisión, la rama que tiene el mayor
valor final es la decisión óptima.
 El mayor valor del nodo final es el valor del nodo de
decisión.
 115,000 115,000 115,000
115,000 115,000 115,000
construye vende
23 24 25
-500,000 950,000
58,000 0.70
? -75,000 -75,000 -75,000
22 - -75,000 -75,000
75,000 vende
0.30
? 26 27
260,000

Con 58.000 como el valor final del nodo,

se puede continuar retrocediendo para evaluar los nodos
anteriores.
Aquí se muestra una pantalla de un
árbol de decisión en WINQSB
Contratar al
consultor
(ir al nodo
18)
Si el consultor Entonces
da su compre la
aprobación tierra y apli-
(indicado por quela al
el nodo 19) acuerdo..
Luego espere
Si el acuerdo por los
se aprueba resultados
Luego procedemos de la misma
(indicada por manera y completamos la estrategia ... Entonces
el nodo 23) construya y
venda.
 1.7 Utilidad y elaboración de la
decisión
 Introducción
- El criterio de la ganancia esperada puede no ser
apropiado cuando se tenga una única oportunidad
para tomar la decisión y ésta tiene riesgos
considerables.
- La decisión no siempre se escoge en base al criterio
de la ganancia esperada.
*Un boleto de lotería tiene una ganancia esperada
negativa.
*Una póliza de seguros cuesta más que el valor
actual de las pérdidas esperadas de la compañía
aseguradora.
  Acerca de la utilidad

 El valor de la utilidad, U(V) refleja la perspectiva del tomador de

decisiones.
 El valor de la utilidad se calcula para cada posible ganancia.
 El menor resultado obtenido tiene un valor de utilidad de 0.
 El mayor resultado obtenido tiene un valor de utilidad de 1.
 La decisión óptima se elige usando el criterio de la utilidad
esperada.
 Sobre la indiferencia para asignaciones de valores de
utilidad

 Listar todas las posibles ganancias en la matriz de ganancias en

orden ascendente.
 Asignar una utilidad 0 al valor más bajo y un valor 1 al más alto.
 Para todas las otras posibles ganancias formular al tomador de
decisiones la siguiente pregunta:
“ suponga que Ud. Podría recibir esa ganancia en forma segura
o recibiría, ya sea la mayor ganancia con probabilidad p y la
menor ganancia con probabilidad (1-p).
¿qué valor para p lo haría indiferente ante esas dos situaciones?
 la respuesta a esta pregunta son las probabilidades de
indiferencia con respecto a la ganancia y se usan como valores
para la utilidad.
  Determinando el valor de la utilidad

- La técnica provee una cierta cantidad de riesgo para cuando el

tomador de decisiones debe elegir una opción.

- La técnica se basa en tomar la ganancia más segura versus

arriesgar la obtención de la más alta o baja de las ganancias.
  John Pérez - continuación

- Datos
 La mayor ganancia fue $500, la menor ganancia fue
$-600.
 La probabilidad de indiferencia obtenida por John es:

Ganancia-600 -200 -150 -100 0 60 100 150 200 250 300 500
Prob. 0 0,25 0,3 0,35 0,5 0,6 0,65 0,7 0,75 0,85 0,9 1

 John desea determinar su decisión óptima de inversión.

 Utilidad
Utility de la matriz
Payoff Tablede ganacia Utilidad
Decisión Gran alza Peq. Alza sin cambios Peq. Caída Gran caída esperada
Oro 0,35 0,65 0,75 0,9 0,5 0,63
Bonos 0,85 0,75 0,7 0,35 0,3 0,67
Neg. Des. 1 0,85 0,65 0,25 0 0,675
Cert. Dept. 0,6 0,6 0,6 0,6 0,6 0,6
Probabilidad 0,2 0,3 0,3 0,1 0,1

Use este resultado con

precaución: la inversión
en bonos tiene casi la
misma utilidad !!
  Tres tipos de tomadores de decisiones

 El no arriesgado - prefiere una ganancia segura a una

probabilidad de una misma ganancia esperada.

 El arriesgado - prefiere una ganancia probabilistica a una

misma ganancia segura esperada.

 El neutral es indiferente a una ganancia segura o probabilistica.

Utilidades No arriesgado al determinar la decisión

Arriesgado al determinar la decisión

Ganancia