Anlisis de decisiones En el anlisis de decisiones se usa un proceso racional para seleccionar la mejor de varias alternativas.

La bondad de una alternativa seleccionada depende de la calidad de los datos que se usen para describir el caso de la decisin. Desde este punto de vista, un proceso de toma de decisin puede caer en una de las tres categoras siguientes: 1. Toma de decisiones bajo certidumbre, en la que los datos se conocen en forma determinista. 2. Toma de decisiones bajo riesgo, en la que los datos se pueden describir con distribuciones de probabilidades. 3. Toma de decisiones bajo incertidumbre, en donde a los datos no se les puede asignar pesos o factores de ponderacin que representen su grado de importancia en el proceso de decisin. De hecho, bajo certidumbre, los datos estn bien definidos y bajo incertidumbre, los datos son ambiguos. La toma de decisiones bajo riesgo representa entonces el caso de la mitad del camino. TOMA DE DECISIONES BAJO CERTIDUMBRE: PROCESO DE JERARQUA ANALTICA (AHP) Los modelos de programacin lineal presentados en los captulos 2 al 8 son ejemplos de toma de decisin bajo certidumbre, en donde todas las funciones estn bien definidas. El proceso de jerarqua analtica (AHP, por sus siglas en ingls) est diseado para casos en los que las ideas, sentimientos y emociones se cuantifican con base en juicios subjetivos para obtener una escala numrica para dar prioridades a las alternativas de decisin. Antes de presentar los detalles del proceso de jerarqua analtica usaremos un ejemplo que muestra la idea general del mtodo. Toma de decisiones bajo certidumbre: proceso de jerarqua analtica (AHP) las decisiones tiene una consistencia perfecta para especificar los elementos de la matriz de comparacin A. Este punto se describir ms adelante en esta seccin. Los pesos relativos de las alternativas U de A, U de B y U de C se determinan con cada uno de los criterios L y R, usando las dos matrices de comparacin siguientes, cuyos elementos se basan en el juicio de Martin acerca de la importancia relativa de las tres universidades. Toma de decisiones bajo certidumbre: proceso de jerarqua analtica (AHP) 509 El ndice de consistencia aleatoria (o simplemente ndice aleatorio), RI, se determina en forma emprica como el promedio del ndice de consistencia (CI) de una muestra grande de matrices de comparacin A generadas en forma aleatoria. Observe que los nombres de las alternativas se guardan en K8:K10. Es responsabilidad del usuario asegurarse de que esas celdas contengan los nombres de las alternativas. El procedimiento para evaluar alternativas se puede ampliar con facilidad a cualquier Cantidad de niveles de jerarqua. Una vez planteada la frmula en forma correcta para la primera alternativa, la misma frmula se puede aplicar al resto de las alternativas, slo copindola en los renglones sucesivos (de la misma columna). Slo se debe recordar que todas las referencias

de celda en la frmula debe ser de rengln y columna fijos, excepto las referencias de las alternativas, que slo deben tener columna fija. En el problema 1, conjunto de problemas 14.1b, se le pide deducir la frmula para un problema con tres niveles. TOMA DE DECISIONES BAJO RIESGO En condiciones de riesgo, las ventajas asociadas a cada alternativa de decisin se describen con distribuciones de probabilidades. Por esta razn la toma de decisiones bajo riesgo se suele basar en el criterio de valor esperado, en el que se comparan alternativas de decisin con base en la maximizacin de la utilidad esperada, o la minimizacin del costo esperado. Sin embargo, como el mtodo tiene sus limitaciones, se modifica el criterio de valor esperado para enfrentar otras situaciones. Criterio del valor esperado El criterio del valor esperado busca la maximizacin de la utilidad (promedio) esperada o la minimizacin del costo esperado. En los datos del problema se supone que la retribucin (o el costo) asociada con cada alternativa de decisin es probabilstica. Anlisis con rbol de decisin. En el ejemplo que sigue se describen casos sencillos de decisin con una cantidad finita de alternativas de decisin con matrices explcitas de retribucin.