DECISIONES BAJO RIESGO

Como ha especificado en diversa literatura se

considera que se tiene riesgo cuando se conoce la
distribucin la ley de probabilidad de la relacin causa
- efecto.
Al igual que en el capitulo anterior se plantear dos
formas de problemas:
1.- Problemas de estados de la naturaleza discretos
y alternativas discretas, esto es habr n estados de
la naturaleza y m alternativas distintas, estos
problemas podrn representar se en forma de matrices
en donde el elemento a
i,j
ser el beneficio (o costo)
de seleccionar la alternativa i y el estado de la
naturaleza es j, y un vector p, cuyos elementos p
j
representan la probabilidad de que suceda el estado
j, si se considera que los estados de la naturaleza
son independientes de la alternativa seleccionada y
sino una matriz P, cuyos elementos p
i,
j representan
la probabilidad de que el estado de la naturaleza sea
j dado que la alternativa seleccionada sea la i.
2.- Problemas en donde hay un continuo de estados
posibles de la naturaleza y hay un continuo de
alternativas posibles. Esto es la funcin de
beneficio (o costo) ser f(x,y), en donde si
selecciona el nivel x para la alternativa y la
naturaleza esta en el estado "y", el valor del
beneficio (o costo) ser f(x,y) y adems se tendr
una funcin de densidad de distribucin p(y), si se
considera que los estados de la naturaleza son
independientes de la alternativa seleccionada y sino
una funcin de densidad p(y|x), que representan la
funcin de densidad de probabilidad condicionada a la
seleccin de la alternativa x.
Adicionalmente y ocasionalmente, se tratar casos
mixtos, esto es que haya n estados de la naturaleza y un
continuo de valores, o bien que hay un continuo de
valores de estados de la naturaleza y haya m alternativas
distintas.

CRITERIOS DE DECISION:
Al igual que en el caso de toma de decisiones bajo
incertidumbre habr criterios que llevan a tomar
soluciones puras y otros que llevan a tomar soluciones
mixtas. Obviamente tambin se puede planear trabajar
sobre los valores originales o sobre los valores de
arrepentimiento. Ahora bien, como la tcnica de
2
arrepentimiento lo nico que varia son los valores sobre
los cuales se aplica los dems criterios, en este
capitulo, para no caer en una redundancia (y hasta
aburrimiento) debida a la repeticin no diferencia el
hecho de trabajar con valores originales o valores de
arrepentimiento.

I.- Criterios puros
Como se dijo anteriormente, son aquellos criterios
en los cuales se selecciona una sola alternativa.
1.- Probabilidades de los estados de la naturaleza
independiente de la alternativa seleccionada.
1.- Caso matricial
Para cada alternativa i se procede a hallar su
valor esperado.
Esto es: VE(A
i
) = E
j
a
i,j
p
j
y se procede a seleccionar la alternativa para
la cual es mximo el valor esperado. Esto es,
se escoge la alternativa i para la cual se
tiene el max
i
{E
j
a
i,j
p
j
}
1
. Esto es equivalente a
multiplicar la matriz de beneficios por el
vector columna formado por la probabilidad de

1 El min
i
{E
j
a
i,j
p
j
} cuando se tiene una matriz de costos.
3
los estados, y seleccionar como alternativa, la
que tenga el componente mayor:



VE(A
1
)
VE(A
2
)
VE = Ap
t
= :
:
VE(A
m
)

2.- Caso funciones de beneficio continuo.
Se procede a hallar la funcin de valores
esperados como:

b
a
VE(x) f(x,y) p(y) dy =
}


Y se escoge el nivel x, para el cual se tiene el
max
x
{VE(x)}.
1


1.- Probabilidades de los estados de la naturaleza
condicionadas a la alternativa seleccionada.
1.- Caso matricial.
Para cada alternativa i se procede a hallar su
valor esperado. Esto es:
VE(A
i
) = E
j
a
i,j
p
i,j



2 El min
x
{VE(x)} cuando se tiene una funcin de costos.

4
y se procede a seleccionar la alternativa para
la cual es mximo el valor esperado. Esto es, se
escoge la alternativa i para la cual se tiene el
max
i
{E
j
a
i,j
p
i,j
}
1
.

2.- Caso funciones de beneficio continuo.
Se procede a hallar la funcin de valores
esperados como:
b
a
VE(x) f(x,y) p(y|x) dy =
}




Y se escoge el nivel x, para el cual se tiene el
max
x
{VE(x)}.
2



3 El min
i
{E
j
a
i,j
p
i,j
} cuando se tiene una matriz de costos.

4 el min
x
{VE(x)} cuando se tiene una funcin de costos.

5
EJEMPLO 1:
Sea la matriz de beneficios del ejemplo 1-1

E
1
E
2
E
3
E
4
E
5

A
1
20 40 60 80 100
A
2
90 60 55 45 40
A
3
65 50 45 55 60
A
4
70 40 45 50 85


Y sea el siguiente el vector de probabilidades:

E
1
E
2
E
3
E
4
E
5

Prob. 0,075 0,225 0,40 0,225 0,075

Al multiplicar, la matriz de decisiones por el vector
de probabilidades se tendr el siguiente vector de
valores esperados:
VE

A
1
60,0
A
2
55,375
A
3
51,0
A
4
49,875

Y como el max
i
{
j
a
i,j
p
j
} = 60 = VE(A
1
), se
seleccionara la alternativa 1.

6
EJEMPLO 2:

Supngase que en el ejemplo 2-1 la demanda D
tiene una distribucin triangular entre a y b, con la
moda en (a+b)/2:
f
D
(D)=2/(b-a)-2|a+b-2D|/(b-a), D e [a; b].
Entonces se tendr como valor esperado del beneficio:
=
Q b
D D
a Q
Q Q b b
D D D D
a a Q Q
Q b b
D D D
a Q a
VE(Q) (p D - c Q) f (D) dD (p - c) Q f (D) dD
p D f (D) dD c Q f (D) dD p Q f (D) dD - c Q f (D) dD
p D f (D) dD p Q f (D) dD - c Q f (D) dD
= + =
+
= +
} }
} } } }
} } }
=

y evaluando estas integrales anteriores se tendr:


(p-c)Q -(2/3)p(Q-a)
3
/(b-a) Q s (a+b)/2
VE(Q) =
(2/3)p(Q-b)
3
/(b-a)+p(a+b)-cQ Q > (a+b)/2


Derivando VE(Q) respecto a Q se tiene:


(p - c) - 2p(Q - a)
2
/(b-a) Q s (a+b)/2
VE'(Q) =
2p(Q-b)
2
/(b-a) - c Q > (a+b)/2


y los puntos en que se anulan las derivadas:

_________
a + (b-a)(p-c)/2p Q s (a+b)/2 ==> p s 2c
Q = _____
b - (b-a). c/2p Q > (a+b)/2 ==> p > 2c
7

que seran los puntos ptimos dependiendo de si la
razn precio costo es menor o mayor que 2.
8
EJEMPLO 3:
Supongase que en el ejemplo 1-3, los intereses
tienen una distribucin triangular, entre 27% y 33%,
con la moda en 33%.
Esto es:
f
I
(I) = 2(I-0,27)/(0,33 - 0,27), I [0,27 ; 0,37]
o
f
I
(I) = 2(I - 0,27)/0,0036 , I [0,27 ; 0,37]
De esta manera los beneficios esperados sern:


0,33
1 1 I
0,27
0,33
0,27
0,33
0,27
2
0
VE B (I) f (I) dI =
25.833,33 (2 +I/12) 2 (I - 0,27)/0,0036 dI =
14.351.851,51 (2 +I/12)(I - 0,27) dI =
14.351.851,51 (I /12 +1,9775 I - 0,54) dI =
=
=
=
=
}
}
}
0,33
,27
}

= 52.334,02777


0,33
2 2 I
0,27
0,33
0,27
0,33
0,27
2
VE B (I) f (I) dI =
(1.025.000 I/12 +25.000) 2 (I - 0,27)/0,0036 dI =
13.888.888,89 (41 I/12 +1)(I - 0,27) dI =
13.888.888,89 (41 I /12 +0,0775 I - 0
=
=
=
=
}
}
}
0,33
0,27
,27) dI =
}

9
= 51479,16667



II.- Estrategias Mixtas.
En este caso, al igual que en el capitulo
anterior, se supone que se puede seleccionar una
combinacin de las alternativas, lo cual supone
obviamente que las alternativas no son mutuamente
excluyentes. Estos criterios se basan en el concepto
de riesgo, el cual a su vez puede ser entendido de
diversas maneras.
A.- Cuando el problema es planteado en forma
matricial:
1.- El riesgo asociado a la varianza o ms
exactamente: se considera la desviacin
tpica como una medida del riesgo. De esta
manera, se tendra el siguiente problema:
Minimizar: E
i
E
j
o
i,j
x
i
x
j

Sujeto a: E
i
VE(A
i
)x
i
> w
1

E
i
x
i
= 1
en donde o
i,j
es la covarianza entre los
resultados de la alternativa i e j y se puede
hallar de la siguiente manera:

1 Cuando es una matriz de costo esta restriccin pasa a ser: E
i
VE(A
i
)x
i
s w
10
o
i,j
= E
k
p
k
a
i,k
a
j,k
- VE(A
i
)VE(A
j
)
y w el resultado mnimo deseado y los x
i
el
porcentaje de cada alternativa a tomar.
EJEMPLO 4:
Tomemos el ejemplo 1, supongamos que queremos un
beneficio de al menos 55.
La matriz de covarianza o sera:



A
1
A
2
A
3
A
4

A
1
420 -217,5 7,5 90
A
2
-217,5 136,734375 16,5 1,921875
A
3
7,5 16,5 39 58,875
A
4
90 1,921875 58,875 154,359375



Quedando como problema :

minimizar: S = X
T
oX

Sujeto a: 60x1+55,375x2+51x3+49,875x4 > 55

x1+ x2+ x3+ x4 = 55

x1, x2, x3, x4 > 0

El cual tiene como solucin:

x1
*
= 0,357187; x2
*
= 0,642813; x3
*
= x4
*
= 0

w
*
= 57,026989; S = 3,194769



11

2.- El riesgo asociado a un nivel de seguridad:
En este caso se trata de asegurar de la
probabilidad de obtener un beneficio B mayor
o igual a cierto nivel w sea igual a 1-o.
En este caso se procede, como en el caso de
toma decisiones bajo incertidumbre, el cual
es equivalente un nivel de seguridad de
100%.
Al resolverse el problema por programacin
lineal, quedaran alguna restricciones como
restricciones activas. Se procede a eliminar
de estas la restriccin correspondiente al
Estado de la Naturaleza con menor
probabilidad y se vuelve a resolver el
problema como si fuera un problema de toma
de decisiones bajo incertidumbre, y asi
sucesivamente.
De esta manera se obtiene una serie puntos
(B
i
, o
i
), i = 1, 2, ..., n-1.

EJEMPLO 5:
Tomemos el ejemplo 1. Aplicando el algoritmo descrito
anteriormente se tienen los siguientes puntos:

12
13

B o A1 A2 A3 A4
---------------------------------------------------------
54,545 0% 0,273 0,727 0 0
57,333 22,5% 0,467 0,533 0 0
60,000 30% 1 0 0 0
80,000 70% 1 0 0 0
100,000 92,5% 1 0 0 0



B.- Caso continuo