TEORÍA DE DECISIONES

Contenido

 Definición
 Tipos
 Características
 Formulación
 Método Tabular
 Método del Árbol de Decisión
 Objetivo Terminal

Al finalizar este tema, previamente dada y

analizada en clase la teoría de decisiones, sus
características y su formulación, el estudiante
estará en capacidad de representar y aplicar los
conocimientos necesarios para resolver problemas
de toma de decisión
 1. Definición de Teoría de Decisiones

Cursos de Acción

Estado de la Naturaleza
 2. Tipos de Toma de Decisiones

Ejemplo:
• Programación Lineal
 Bajo certeza o certidumbre • Programación Entera
• Programación Dinámica deterministica

 Bajo Incertidumbre

Ejemplo:
• Programación Dinámica Probabilística
 Bajo Riesgo • Pert
• Líneas de Espera
 3. Características de un Problema de
Toma de Decisión

 Alternativas, Cursos de Acción o Estrategias

 Estados Naturales o eventos

 Relación

(Cursos de Acción Estados Naturales)

 4. Formulación de un problema de
Toma de Decisión
 Definir los Posibles Cursos de Acción

A = { a1, a2, …, ai, … am }

 Definir los Posibles Estados Naturales, eventos o

Situaciones del Ambiente

θ = {θ1, θ2, …, θj, … θn }

 Establecer la Relación Cursos de Acción- Estado Natural

R(ai, θj)

 Definir el Criterio de Selección

Incertidumbre : * Acción dominada, *Laplace,
* Minimax- Maximin, * Savage, * Hurwicz

Riesgo: * Valor Esperado

 Ejemplo:
Propietario de terreno

Una gran compañía energética ofrece al dueño de un terreno 60.000$

por los derechos de exploración de gas natural en un sitio determinado
y la opción para desarrollo futuro. La opción, si se ejerce, vale 600.000$
adicionales para el propietario, pero esto ocurrirá solo si se descubre
gas natural durante la etapa de exploración. El propietario,
considerando que el interés de la compañía es una buena indicación de
que existe gas, esta tentado a desarrollar él mismo el campo. Para hacer
esto deberá contratar equipos locales con experiencia en explotación y
desarrollo. El costo inicial es 10.000$, los que se perderán si no se
encuentra gas, el propietario estima un beneficio neto de dos millones de
dólares.
 Evalúe bajo los criterios de incertidumbre para determinar cual
decisión tomar.
 Definir los Posibles Cursos de Acción

a1 : Vender el terreno
a2 : Desarrollar el Campo

 Definir los Posibles Estados Naturales, eventos o

Situaciones del Ambiente

θ1: Existe Gas natural

θ2: No Existe Gas natural

 Establecer la Relación Cursos de Acción- Estado Natural R (a i, θj)

Estados Naturales
θ1: θ2:
Existe gas natural No Existe gas natural

Cursos a1: Vender el Terreno 660 60

de
Acción a2: Desarrollar el campo 1990 - 10
 Definir el Criterio de Selección

 Bajo Incertidumbre:

Acción Dominada
Pierre Laplace
 minimax - maximin
 Savage
 Leonid Hurwicz

 Bajo Riesgo:

Valor Esperado
PIERRE LAPLACE
(FRANCÉS: 1749 – 1827)

Principio de Razón Insuficiente

máx.{ 1/n ∑ R (a i , θj ) }
J =1
ai

Donde 1/n es la probabilidad de que

Ocurra θj (j =1, 2,…,n)
 PIERRE LAPLACE
(FRANCÉS: 1749 – 1827)

Estados Naturales

θ1: θ2:
Existe gas natural No Existe gas natural

Cursos a1: Vender el Terreno 660 60

de
Acción a2: Desarrollar el campo 1990 - 10
Decisión
Probabilidad: 0,5 0,5

VE a1 : 660x0,5 + 60x0,5 =360

VE a2 : 1990x0,5 + ( - 10x0,5) = 990
Abraham Wald (Hungría 1902 - 1950
Minimax - Maximin

Minimax

mín. máx. { R (a i , θj )}
ai θj

Maximin
máx. mín. { R (a i , θj )}
ai θj
 Maximin
Minimax - Maximin
Minimax
Estados Naturales

θ1: θ2: Min. Máx..

Existe gas natural No Existe gas natural

Cursos
de a1: Vender el Terreno
660 60 60 660
Acción
a2: Desarrollar el campo 1990 - 10 -10 1990

Maximax
Minimax a1

Decisión Maximin a1

Maximax a2
 Deploración de
Leonard Savage
(FRANCÉS: 1917 – 1971)

Matriz de deploracion

máx. {v(a k , θj)} - v(a i , θj),

a k
si v es beneficio
R (a i , θj) :
v(a i , θj) - min. {v(a k , θj)}
ak

si v es perdida
 Deploración de
Savage
(FRANCÉS: 1749 – 1827)

Estados Naturales

θ1: θ2: Máx.

Existe gas natural No Existe gas natural

Cursos Minimax
de
a1: Vender el Terreno 1330 0 1330
Acción 0 70
a2: Desarrollar el campo 70

Decisión a2
Leonid Hurwicz
(Rusia: 1917 – 2008)

Optimista - Pesimista
Beneficio
máx. { α máx. v (a i , θj ) + (1 – α ) min. V (a i , θj )
ai θj θj

Costos
Min.. { α min. v (a i , θj ) + (1 – α ) máx. V (a i , θj )
ai θj θj
 Leonid Hurwicz
(FRANCÉS: 1749 – 1827)
Estados Naturales

θ1: θ2: Máx.. Min.

Existe gas natural No Existe gas natural

Cursos a1: Vender el Terreno

de
660 60 660 60
Acción a2: Desarrollar el campo 1990 - 10 1990 -10

VE a1 : 660x0,5 + 60x(1 - 0,5) =360

VE a2 : 1990x0,5 + ( - 10x(1 - 0,5)) = 990

Decisión
 Resumen de Toma de Decisión
Bajo Incertidumbre

Criterio Decisión
Pierre Laplace a2 : Desarrollar el campo
Minimax a1 : Vender el terreno
Maximin a1 : Vender el terreno
Maximax a2 : Desarrollar el campo
Savage a2 : Desarrollar el campo
Leonid Hurwicz a2 : Desarrollar el campo
 Definir el Criterio de Selección

 Bajo Incertidumbre:

Acción Dominada
Pierre Laplace
 minimax - maximin
 Savage
 Leonid Hurwicz

 Bajo Riesgo:

Valor Esperado
 4.1. Toma de Decisión Bajo Riesgo

 Sin conocimiento de la información (Formulación)

Definir los Posibles Cursos de Acción

A = { a1, a2, …, ai, … am }

 Definir los Posibles Estados Naturales, eventos o

Situaciones del Ambiente

θ = {θ1, θ2, …, θj, … θn } ; Pθ(θj):

 Establecer la Relación Cursos de Acción - Estado Natural

R(ai, θj)

 Definir el Criterio de Selección

Ingreso o utilidad Máximo Valor esperado
Costo o perdida Mínimo Valor esperado
 Ejemplo
Procesos de Manufactura

En un proceso de manufactura los lotes que tienen 8, 10, 12 o 14% de artículos defectuosos se
producen de acuerdo a las probabilidades respectivas de 0.4, 0.3, 0.25 y 0.05.

Tres clientes tienen contratos para recibir los lotes del fabricante. Los contratos especifican
que el porcentaje de artículos defectuosos en los lotes enviados a los clientes A, B y C no
deberán exceder de 8, 12 y 14%, respectivamente.

Si un lote tiene un porcentaje mas alto de artículos defectuosos que lo estipulado se incurre en
una penalización de $100 por punto de porcentaje. Por otra parte, suministrar mejor calidad
que la requerida le cuesta al fabricante $50 por punto de porcentaje.

Si los lotes no se inspeccionan antes de enviarse, ¿Cuál cliente deberá tener la máxima
prioridad para recibir el pedido?

Supóngase que se toma una muestra de tamaño n = 20, se inspecciona antes de que cada lote
se envíe a los clientes. Si se encuentran cuatros defectuosos en la muestra, determine que
cliente tiene el costo esperado mas bajo. (Nota: este estudio de muestreo cuesta 30 dólares)
Si los lotes no se inspeccionan antes de enviarse, ¿Cuál
cliente deberá tener la máxima prioridad para recibir
el pedido?

• Tomador de decisiones: el fabricante

• Definir los posibles cursos de acción
a1 : enviar lote al cliente A
a2 : enviar lote al cliente B
a3 : enviar lote al cliente C
• Definir los posibles estado naturales, eventos o
situaciones
θ1 : 8% de art. defect. en el lote Pθ (θ1 ) = 0.40
θ2 : 10% de art. defect. en el lote Pθ (θ2 ) = 0.30
θ3 : 12% de art. defect. en el lote Pθ (θ3 ) = 0.25
θ4 : 14% de art. defect. en el lote Pθ (θ4 ) = 0.05
Suma = 1.00
 5. Método tabular

Estados Naturales
θ1 θ2 … θj … θn
Cursos de Acción

a1 R(a1,θ1) R(a1,θ2) … R(a1,θj) … R(a1,θn)

a2 R(a2,θ1) R(a2,θ2) … R(a2,θj) … R(a2,θn)
…

…
ai R(ai,θ1) R(ai,θ2) … R(ai,θj) … R(ai,θn)
…

…
am R(am ,θ1) R(am ,θ2) … R(am ,θj) … R(am ,θn)
Probabilidades Pθ(θ1) Pθ(θ2) Pθ(θj) Pθ(θn)

Bayes con Datos P(θ1/x) P(θ2/x) P(θj/x) P(θn/x)

• Establecer relación curso de acción - estado natural R (a i ,θj )

estados naturales
θ1 = 8% θ2 = 10% θ3 = 12% θ4 = 14%
a1 :Cliente A (8%) 0 200 400 600
cursos de
acción

a2 :Cliente B (12%) 200 100 0 200

a3 :Cliente C (14%) 300 200 100 0
Probabilidad 0,40 0,30 0,25 0,05
• Definir el criterio de selección
Costos Mínimo Valor esperado VE = ∑ R(ai , θj ). Pθ (θj )

VE a1 = 0.40x0 + 0.30x200 + 0.25x400 + 0.05x600 = 190

VE a2 = 0.40x200 + 0.30x100 + 0.25x0 + 0.05x200 = 120
VE a3 = 0.40x300 + 0.30x200 + 0.25x100 + 0.05x0 = 205
 6. Método Del Árbol de Decisiones
Nodo de Decisión

Nodo del Estado Natural

VE1 θ1 R(a1,θ1)
θ2 R(a1,θ2)
a1
θj
R(a1,θj)
θn R(a1,θn)
VE2 θ1 R(a2,θ1)
θ2 R(a2,θ2)
a2
θj
R(a2,θj)
θn R(a2,θn)
Decisión
VEj θ1 R(ai,θ1)
θ2 R(ai,θ2)
ai
θj
R(ai,θj)
θn R(ai,θn)
θ1 R(am,θ1)
VEn θ2
am R(am,θ2)
θj
R(am,θj)
θn R(am,θn)
 Árbol de decisión

Θ1 : 8% Prob. 0.40 0
Θ2 : 10% Prob. 0.30 200
a1 : A(8%)
190 Θ3 : 12% Prob. 0.25 400
Θ4 : 14% Prob. 0.05 600
Θ1 : 8% Prob. 0.40 200
Decisión
Θ2 : 10% Prob. 0.30 100
a2 : B(12%)
120 120 Θ3 : 12% Prob. 0.25 0
Θ4 : 14% Prob. 0.05 200
Θ1 : 8% Prob. 0.40 300

a3 : C(14%) Θ2 : 10% Prob. 0.30 200

205 Θ3 : 12% Prob. 0.25 100
Θ4 : 14% Prob. 0.05 0
 n

Valor Esperado = VE = ∑ R(ai,θj )x Pθ(θj)

J=1

Valor esperado de la Información perfecta (VEIP):

n

VEBC = ∑ R(ai,θj )x Pθ(θj)

J=1

VME = máx. { VE (ai) }

VEIP = VEBC - VME

 estados naturales
θ1 = 8% θ2 = 10% θ3 = 12% θ4 = 14%
a1 :Cliente A (8%) 0 200 400 600
cursos de
acción

a2 :Cliente B (12%) 200 100 0 200

a3 :Cliente C (14%) 300 200 100 0
Probabilidad 0,40 0,30 0,25 0,05

Valor esperado bajo certeza (VEBC)=

0,40x0 + 0,30x100 + 0,25x0 + 0,05x0 = 30
MVE = 120

VEIP = VEBC – VME

VEIP = 30 – 120 = - 90
 4.1. Toma de Decisión Bajo Riesgo

 Con conocimiento de la información (Formulación)

Definir los Posibles Cursos de Acción

A = { a1, a2, …, ai, … am }

 Definir los Posibles Estados Naturales, eventos o

Situaciones del Ambiente

θ = {θ1, θ2, …, θj, … θn } ; Pθ(θj): ; X

 Establecer la Relación Cursos de Acción - Estado Natural

R(ai, θj)

 Definir el Criterio de Selección

Ingreso o utilidad Máximo Valor esperado
Costo o perdida Mínimo Valor esperado
 n

Valor Esperado = VE = ∑ R(ai,θj )x P (θ=θj / X=x)

J=1

P (θ=θj / X=x) = P (X=x / θ=θj )x Pθ(θj)

n
∑ P (X=x / θ=θj )x Pθ(θj)
J=1
Suponga que se toma un tamaño de muestra n = 20, se
inspecciona antes de que cada lote se envíe a los clientes. Si se
encuentran cuatros defectuosos en la muestra, determine que
cliente tiene el costo esperado mas bajo

• Definir el criterio de selección

costos mínimo valor esperado
n

Ve = ∑ R(ai , θj ) x P(θ = θj / X = x)
j

P(θ = θj / X = x) = P (X = x /θ = θj) x Pθ (θj )

n

∑ P (X = x /θ = θj) x Pθ (θj )
j

Sea x = 4, el numero de artículos defectuosos en una

muestra de tamaño n = 20
P (X = x /θ = θj) : función de densidad de probabilidad binomial

n
P (X = x /θ = θj) = Cx θx (1-θ)(n-x) , x ≥ 0, θj = 0.08, 0.10, 0.12, 0.14

8% de defectuosos
20
P (X = 4 /θ = 0.08) = C
4
(0.08)4 (1-0.08)(20-4) = 0.05227
P (X = 4 /θ = 0.08)x Pθ (θ= 0.08) = 0.05227 x 0.4 = 0.020908
10% de defectuosos
20
P (X = 4 /θ = 0.10) = C (0.10) 4 (1-0.10)(20-4) = 0.089788
4

P (X = 4 /θ = 0.10)x Pθ (θ= 0.10) = 0.089788 x 0.3 = 0.026936

12% de defectuosos
20
P (X = 4 /θ = 0.12) = C
4
(0.12)4 (1-0.12)(20-4) = 0.129939
P (X = 4 /θ = 0.12)x Pθ (θ= 0.12) = 0.129939 x 0.25 = 0.032484
14% de defectuosos
20
P (X = 4 /θ = 0.14) = C
4
(0.14)4 (1-0.14)(20-4) = 0.166640
P (X = 4 /θ = 0.14)x Pθ (θ= 0.14) = 0.166640 x 0.05 = 0.008332
 n
∑ P (X = x /θ = θj) x Pθ (θj ) = 0.08866
j

P(θ = θj / X = x) = P (X = x /θ = θj) x Pθ (θj )

n

∑ P (X = x /θ = θj) x Pθ (θj )
j

P(θ = 0.08 / X = 4) = 0.020908 = 0.236

0.08866
P(θ = 0.10 / X = 4) = 0.026936 = 0.304
0.08866
P(θ = 0.12 / X = 4) = 0.032484 = 0.366
0.08866
P(θ = 0.14 / X = 4) = 0.008332 = 0.094
0.08866
Suma = 1.000
 estados naturales
θ1 = 8% θ2 = 10% θ3 = 12% θ4 = 14%
a1 :Cliente A (8%) 0 200 400 600
cursos de
acción

a2 :Cliente B (12%) 200 100 0 200

a3 :Cliente C (14%) 300 200 100 0
Probabilidad 0,236 0,304 0,366 0,094

VE a1 = 0.236x0 + 0.304x200 + 0.366x400 + 0.094x600 = 263.6

VE a2 = 0.236x200 + 0.304x100 + 0.366x0 + 0.094x200 = 96.4
VE a3 = 0.236x300 + 0.304x200 + 0.366x100 + 0.094x0 = 168.2
 Resumen

Teoría de decisiones
Tipos:
Características de un problema de decisión
Formulación de un problema de toma de decisiones
 Principales Bibliografías

 Lieberman, G. – Hillier, F., Investigacion de Operaciones, Septima

Edicion, Mexico 2001.

 Taha, Hamdy., Investigación de Operaciones, Quinta Edición, México

1998.

 Bronson, Richard, Investigación de Operaciones, Segunda Edición,

México 2001.

 Eppen, G.-Gould, F.-Schmidt, C.-Moore, J.- Wartherford, L., Investigación

de Operaciones de la Ciencia Administrativa, Quinta Edición, México
2000.

 Maynard, Manual del Ingeniero Industrial, Quinta edición, México 2000.