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 = + = + = + } } } } } } } } } =
(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: