Decisin Bajo Riesgo: Los procesos de decisin en ambiente de riesgo se caracterizan

porque puede asociarse una probabilidad de ocurrencia a cada estado de la naturaleza,

probabilidades que son conocidas o pueden ser estimadas por el decisor antes del proceso
de toma de decisiones. Esta categora incluye aquellas decisiones para las que las
consecuencias de una accin dada dependen de algn evento probabilista. El proceso de
decisin se describe a continuacin:
- El problema esta definido y todas las alternativas confiables han sido consideradas. Los
resultados posibles para cada alternativa son evaluados.
- Los resultados son discutidos de acuerdo a su reembolso monetario o de acuerdo a la
ganancia neta en activos o con respecto al tiempo.
- Varios valores inciertos son cuantificados en trminos de probabilidad.
- La calidad de la estrategia ptima depende de la calidad con que se juzgue. El tomador
de decisiones deber examinar e identificar la sensitividad de la estrategia optima con
respecto a los factores cruciales.
Decisiones Bajo Riesgo (Ejemplo)
El vendedor de peridicos. Es un caso muy didctico para explicar la toma de decisiones bajo
riesgo. El vendedor de peridicos compra la unidad en $1200 y lo vende en $2000. Si un
peridico no se vende lo debe devolver a la editorial recibiendo $200 como valor de
recuperacin.
Esto quiere decir que un peridico que se venda deja una utilidad de $800, mientras que un
peridico que no se venda deja una prdida de $1000. La demanda del peridico es variable.
Alternativas de decisin mediante distribuciones de probabilidad
Criterios para valorar las posibles decisiones
La mayor dificultad en este contexto es cmo valorar una decisin o alternativa para poder
compararla con otras. As se presentan distintos criterios para valorar las alternativas y, segn
sea el criterio adoptado, decidir cul es la decisin ptima.
Los criterios se clasifican segn utilicen las probabilidades de los distintos estados o no. Los
primeros est claro que slo pueden ser utilizados cuando estas probabilidades son conocidas,
mientras que los segundos pueden ser aplicados en cualquier caso.
Criterios utilizando las probabilidades de los estados de la naturaleza.
Criterio del valor esperado: Este criterio supone seleccionar aquella alternativa cuyo pago
esperado o medio sea mejor (si los pagos son beneficios la de mayor beneficio esperado y si son
costes la de menor coste esperado).
Criterio del escenario medio
En ocasiones, cuando el espacio de estados es numrico, tambin es posible establecer un
escenario medio y buscar aquella alternativa ptima para este escenario. Tiene sentido hacerlo
sobre todo con distribuciones continuas (espacio de estados infinito).
Criterio del valor en riesgo VaR (value at risk)
Este criterio es especialmente til cuando el conjunto de estados de la naturaleza es continuo o
al menos tiene un nmero de posibles escenarios muy elevado. Se basa en que normalmente el
decidor siente aversin por el riesgo, mientras que para cantidades que superan un umbral las
diferencias no le importan tanto. El VaR es un percentil de la distribucin de la funcin de
utilidad
Criterio de Valor Esperado
Podemos ver al criterio de Valor Esperado como la ganancia promedio a largo plazo a la que
llegaramos con cada alternativa despus de repetir la decisin muchas veces. Para aplicar el
Criterio del Valor Esperado a una alternativa de solucin, se utiliza la suma ponderada de los
pagos por las probabilidades de cada estado de la naturaleza, de la siguiente manera:

Ejemplo Criterio Valor Esperado
La siguiente tabla de pagos muestra los pagos para distintos estados de la naturaleza y las
probabilidades relacionadas a los estados:

El primer paso ser calcular el valor esperado de cada alternativa.
Para calcular el Valor Esperado de cada alternativa, multiplicamos cada pago por la
probabilidad del estado de la naturaleza correspondiente, de tal manera que:

La ptima alternativa ser aquella que maximice el valor esperado.
Para el ejemplo:

Se seleccionar la ptima alternativa segn la que tenga el valor esperado ms alto, siendo en
este caso, la Alternativa 1
Arboles de decisin

El rbol es una excelente ayuda para la eleccin entre varios cursos de accin. Proveen
una estructura sumamente efectiva dentro de la cual estimar cuales son las opciones e
investigar las posibles consecuencias de seleccionar cada una de ellas. Tambin ayudan
a construir una imagen balanceada de los riesgos y recompensas asociados con cada
posible curso de accin.

Los rboles de decisin proveen un mtodo efectivo para la toma de decisiones debido a
que:
- claramente plantean el problema para que todas las opciones sean analizadas.
- permiten analizar totalmente las posibles consecuencias de tomar una decisin.
- proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que
suceda.
- nos ayuda a realizar las mejores decisiones sobre la base de la informacin existente y de
las mejores suposiciones.
Uso de rboles decisiones
El desarrollo de rboles de decisin beneficiado analista en dos formas. Primero que todo, la
necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera
formal las decisiones que actualmente deben tomarse. De esta forma, es difcil para ellos pasar
por alto cualquier etapa del proceso de decisin, sin importar que este dependa de variables
cuantitativas o cualitativas. Los rboles tambin obligan a los analistas a considerar la
consecuencia de las decisiones.
Se ha demostrado que los rboles de decisin son eficaces cuando es necesario describir
problemas con ms de una dimensin o condicin. Tambin son tiles para identificar los
requerimientos de datos crticos que rodean al proceso de decisin, es decir, los rboles indican
los conjuntos de datos que la gerencia requiere para formular decisiones o tomar acciones. El
analista debe identificar y elaborar una lista de todos los datos utilizados en el proceso de
decisin, aunque el rbol de decisin no muestra todo los datos.
Si los rboles de decisin se construyen despus de completar el anlisis de flujo de datos,
entonces es posible que los datos crticos se encuentren definidos en el diccionario de datos (el
cual describe los datos utilizados por el sistema y donde se emplean). Si nicamente se usan
rboles de decisiones, entonces el analista debe tener la certeza de identificar con precisin cada
dato necesario para tomar la decisin.
Probabilidades posteriores
Probabilidad que resulta de revisar una probabilidad a priori, inicial o de partida, en funcin de la
informacin deducida de las nuevas pruebas practicadas.
Ejemplo
Supongamos que un colegio mixto donde el 60% de los estudiantes son chicos y el 40% son
chicas. Las chicas llevan pantaln o falda en probabilidades iguales; los chicos siempre llevan
pantalones. Un observador ve desde lejos a un estudiante aleatorio; lo nico que puede
distinguir el observador es que el o la estudiante lleva pantalones. Cul es la probabilidad de
que sea una chica? La respuesta correcta se puede hallar usando el Teorema de Bayes.
El evento A es que el estudiante observado sea una chica, mientras que el evento B es que el
estudiante observado lleva pantalones. Para hallar P(A|B), primero necesitamos saber:
P(A), o la probabilidad de que el estudiante sea una chica a pesar de cualquier otra informacin.
Ya que el observador ve un estudiante aleatorio, y dado que todos los estudiantes tienen la
misma probabilidad de ser observados, y el porcentaje de chicas entre los estudiantes es el 40%,
esta probabilidad es 0,4.
P(A'), o la probabilidad de que el estudiante observado sea un chico a pesar de cualquier otra
informacin (A' es el complementario del evento A). Esto es el 60%, o 0,6.
P(B|A), o la probabilidad de que el estudiante que lleva pantalones sea una chica. Como tienen
la misma probabilidad de llevar falda o pantalones, esto es 0,5.
P(B|A'), o la probabilidad de que el estudiante que lleva pantalones sea un chico. Esto es 1.
P(B), o la probabilidad de que un estudiante (aleatorio) lleve pantalones a pesar de cualquier
otra informacin. Dado que P(B) = P(B|A)P(A) + P(B|A')P(A'), esto es 0,50,4 + 10,6 = 0,8.
Dados todos estos datos, la probabilidad de que el observador haya visto a una chica habiendo
observado que lleva pantalones puede ser calculada sustituyendo estos valores en la frmula:
P(A|B) = P(B|A) P(A)/P(B) = 0,5x0,4/0,8 = 0,25.
Funciones de utilidadUna funcin de utilidad asigna valores numricos (que se pueden denominar
"utiles") a cada cantidad de bienes consumidos. Un valor mas elevado de la funcin de utilidad es
preferido a un valor inferior.
\[ U(x) = f(x) \]
En el siguiente grfico, vemos un ejemplo de una funcin de utilidad:

Las funciones de utilidad, describen el comportamiento de los consumidores:
- Si ms es preferido a menos: la funcin de utilidad tiene pendiente positiva.
- Ley de los rendimientos marginales decrecientes: la funcin de utilidad es cncava, su derivada
parcial (la utilidad marginal) es decreciente.
- Aversin al riesgo: Utilidad marginal decreciente.
- Indiferente al riesgo: Funcin de utilidad recta, con origen en 0.
- Amante del riesgo: Utilidad marginal creciente.
Las caractersticas ms resaltantes de esta curva son las siguientes:
a) La utilidad se incrementa pero de manera decreciente, lo que significa que es cncava hacia abajo,
por tanto tendr un valor mximo y a partir de ste la utilidad disminuir.
b) Si aumenta el consumo de X, la satisfaccin total crece; sin embargo las variaciones pequeas
en la utilidad cada vez son menores.
c) Si se divide el eje horizontal en cantidades iguales y las proyectamos verticalmente, los cambios
en la utilidad (U), cada vez se harn menores hasta hacerse cero.
d) Si hacemos que los cambios en el consumo del bien X sean infinitamente pequeos, tendremos
una curva continua que aumenta de manera decreciente, lo que significa que la utilidad marginal
disminuye a medida que aumenta el consumo de X.