Documente Academic
Documente Profesional
Documente Cultură
com
TEORA
w
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
DE DECISIONES
INGENIERA DE SISTEMAS
305
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
DE DECISIONES
om
TEORA
@ UNA
1993
CAV
Teora de decisiones i (Mara Luisa Pana
de Carrera, Enzo Pittari Paolino, Pedro
Carrera Brano). - Caracas : UNA, 1993.
366 p. : U. ; 30 cm.
"Estudios Profesionales IV"
En la cubierta : Ingeniera de sistemas.
fo
ro
s.
c
om
HD69
D4T4
1993
1982
yc
Primera edicin
on
t
un
a.
.a
dm
ISBN 980-236-446-0
w
w
Registro de Publicaciones de la
Universidad Nacional Abierta
N UNA-EP4-82-0103
Diseo de la portada:
Valentina Carrosquel U.
s.
c
fo
ro
TEORA DE DECISIONES
om
UNIVERSIDAD
NACIONAL
ABIERTA
on
t
un
a.
ESTUDIOS PROFESIONALES IV
dm
yc
w
w
.a
ESPECIALISTA EN EVALUACIN
NDICE
INTRODUCCIN
11
13
Objetm*
13
Introduccin
13
15
Autoevaluacin
25
33
Autoevaluacin
41
69
s.
c
61
om
Autoevaluacin
47
87
fo
ro
Autoevaluacin
Unidad 5: Arboles de Decisin
123
a.
Autoevaluacin
93
un
on
t
139
139
yc
Objetivos
141
dm
Introduccin
143
Autoevaluacin
169
.a
179
w
w
205
217
Autoevaluacin
235
245
Autoevaluacin
267
283
Objetivos
283
Introduccin
283
285
Autoevaluacin
^.............
..
337
INTRODUCCIN
El propsito fundamental de este Curso es presentar una metodologa para
el anlisis de problemas de decisin en condiciones de incertidumbre.
un
a.
fo
ro
s.
c
om
dm
yc
on
t
La metodologa del Anlisis de Decisiones ataca con xito el tipo de problemas que las personas que toman decisiones enfrentan cada da. problemas que se
caracterizan por la incertidumbre de las variables involucradas, por la poca informacin disponible, por el monto de los recursos en juego y por su trascendencia
e impacto.
w
w
.a
Todo esto indica la necesidad que tienen las organizaciones modernas de disponer de un instrumento o metodologa la cual facilite el proceso de tomar decisiones.
No es la intencin del Curso presentar una teora descriptiva del comportamiento real de una persona que toma decisiones, ante un problema o situacin de
decisiones sino que por el contrario, el objetivo es presentar una teora normativa
de lo que un individuo normal, enfrentado con un problema de decisiones, deber
hacer para seleccionar un curso de accin que sea consistente con las convicciones
y preferencias suyas o de su organizacin.
La metodologa expuesta en este texto es producto del estudio, recopilacin
y seleccin de material existente sobre el tema, resaltando y adoptando lo que a
juicio de los autores constituye lo ms relevante, prctico e importante para un
Curso de esta naturaleza.
"El texto ha sido dividido en tres mdulos. En los Mdulos I y II se proporcionan al alumno los conocimientos bsicos necesarios y se le prepara para el
manejo de la metodologa del Anlisis de Decisiones. En el Mdulo m se presenta
la metodologa del Anlisis de Decisiones utilizando e integrando los conocimientos y las tcnicas adquiridas en los Mdulos I y II,
11
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
ODULO I
ANLISIS DE DECISIONES
FUNDAMENTOS Y
ELEMENTOS BSICOS
om
Lista de unidades
s.
c
fo
ro
a.
on
t
un
yc
Objetivos
dm
.a
de:
w
w
Introduccin
Antes de iniciar el estudio de tcnicas y procedimientos para estructurar y
resolver problemas de decisiones, es necesario comprender qu se entiende por
una situacin o problema de decisiones, examinar los elementos que conforman
un problema de decisiones y distinguir los tipos de situaciones o problemas de decisin.
Habiendo realizado estoa estaremos en capacidad de pasar a estudiar el primer instrumento bsico para el anlisis de un problema de decisiones, como es la
Teora de las Probabilidades que prepara al alumno para la estructuracin del problema de decisin.
Finalmente, se introduce el manejo del rbol de decisiones que constituye
el instrumento fundamental para estructurar un problema de decisiones.
13
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
actitud ante el riesgo de ia persona que toma las decisiones. El instrumento bsico
para cumplir este objetivo es la Teona de la Utilidad/
Utilizando estos instrumentos el Anlisis de Decisiones desarrolla un procedimiento, llamado Ciclo del Anlisis de Decisiones, que en tres etapas o fases permite
conducir el anlisis de un problema de decisiones.
La capacidad para interpretar y cuanticar factores.tan subjetivos como las
preferencias y la actitud ahT"eTriesgo, es lo que ha hecho del Anlisis de Decisiones una metodologa tan exitosa.
om
Tal como hemos mencionado anteriormente el Anlisis de_J)ecisiones constituye el ltimo logro de una larga cadena de avances en el desarrpUo_de_metodologas y procedimientos, FoT cualesjhan'srgicb para el estudio del problema general
de toma de decisiones y asignacin de recursos.
s.
c
^^
^ *
^V
\Q
"X.
-^
N ?~^
Jf
>^
yc
dm
.a
w
w
,
.5
^
J
\
.
^s
^N
^J
on
t
un
a.
fo
ro
s.
c
om
fo
ro
on
t
3. Presupuesto de inversiones.
un
a.
yc
4. Portafolio de inversiones.
dm
.a
w
w
7. Planificacin Social.
8. impacto Ecolgico de Desarrollos Industriales.
La figura No. 1-1 maestra los problemas tpicos de cada rea o campo de
accin, en base a la lista anterior.
PROBLEMA
3
X
v
/v
REA
Industria
Barca
Comercio
Gobierno
v
A
8
X
Fig. 1-1
Campo de Accin del Anlisis de Decisiones
18
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
EL ANLISIS DE DECISIONES
IMPORTANCIA Y DELIMITACIN
2)
3)
4)
Dada una situacin de decisiones en condiciones de ineertidumbre, identificar los elementos que conforman el problema de decisiones.
fo
ro
s.
c
om
1)
a.
ESQUEMA DE CONTENIDO
16
17
yc
on
t
un
pg
18
dm
19
.a
20
E Decisor
Las Alternativas
Los Estados de la Naturaleza.
Los Resultados
Ejemplo
20
20
20
21
21
19
w
w
,.....
Solucin de la Autoevaluacin * , , . * . , . , , _ , _ . ,
22
22
23
25
29
fo
ro
s.
c
om
.a
dm
yc
on
t
un
a.
w
w
16
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
on
t
un
a.
fo
ro
s.
c
El trmino irrevocable se refiere al hecho de que una vez tomada una decisin, se han comprometido de manera irreversible recursos, uno de los cuales es el
tiempo.
i
Lo anterior no contradice el hecho de que la mayora de las decisiones en
realidad conllevan una serie de decisiones secuenciales, algunas de las cuales pueden ser modificadas en el tiempo; sino que se refieren al carcter irreversible de
la decisin inicial, la cual compromete siempre, al menos algn recurso.
yc
.a
dm
Comnmente se confunde una buena decisin con un buen resultado, o viceversa. Para clarificar la diferencia entre estas dos expresiones, utilicemos el siguiente ejemplo:
w
w
19
- La nica manera de evaluar la calidad de una decisin es examinando si ella es consistente con los valores, informacin y preferencia del que toma la decisin.
- Tomar buenas decisiones es la nica manera de asegurar mayor
posibilidad de buenos resultados.
- Es cierto que todo el mundo prefiere un buen resultado a uno
malo, pero slo el acto de decidir est bajo el control de quien
decide, y no los resultados.
Tomar una decisin correcta no es garanta de obtener un buen
resultado.
fo
ro
s.
c
om
un
a.
En cualquier problema de decisiones, independientemente del tipo de organizacin o del nivel en que se presente, concurren varios elementos, que describen
plenamente el problema de decisiones. Estos son:
dm
yc
on
t
1.6.1. El decisor
Persona u organismo responsable de la toma de decisiones, quien se
caracteriza por tener objetivos, preferencias e informacin, acerca del
problema y su contexto. El decisor es el individuo que tiene el poder
para comprometer los recursos de su organizacin.
w
w
.a
.b,4. U* resultados
El conjunto de consecuencias derivadas de la combinacin de diversos cursos de accin factibles (alternativas) y de la ocurrencia de uno
o ms eventos (estados naturales).
El diagrama de la figura 1-2, indica la relacin entre los elementos de
un problema de decisin.
Estados de la
naturaleza
om
Objetivos
a.
un
FSg. 1-2
Alternativas
fo
ro
Preferencias
s.
c
Informacin
on
t
.a
dm
yc
1.6.5. Ejemplo
Con la explicacin anterior estamos en capacidad de identificar los
elementos de un problema de decisiones. Para ilustrarlo examinemos
el siguiente problema:
w
w
Un industrial debe decidk la construccin de una planta para la fabricacin de un nuevo producto que desea introducir al mercado. La
demanda del producto es incierta, por tratarse de algo nuevo por lo
que no se dispone de mayor informacin ai respecto. El industrial
sabe que si ia demanda resulta elevada, la inversin ser altamente
rentable, mientras que si la demanda es baja apenas podr cubrir los
costos de montaje de la planta.
Como empresario, l est interesado en obtener el mayor beneficio
de su inversin al menor riesgo posible.
El producto es muy novedoso y ha tenido gran aceptacin en otros
pases, por lo que el industrial espera correr con la misma suerte.
Con la anterior descripcin podemos identificar los elementos del
problema de decisiones.
1. El Decisor: el Industrial
Siendo sus:
Objetivos: Obtener el mayor beneficio econmico.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
21
om
4. Los resultados:
fo
ro
s.
c
a.
un
dm
yc
on
t
.a
w
w
22
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
a.
fo
ro
s.
c
dm
yc
on
t
un
w
w
.a
como problema de decisin bajo certidumbre o problema de decisin bajo incertidumbre, segn las consideraciones que se realicen, el enioque que se adopte a las
simplificaciones que se hagan al estudiar el problema.
Tomemos el siguiente ejemplo.
Problema de Transporte
Una compaa fabricante y distribuidora de productos de consumo masivo
posee tres plantas A, B y C donde se encuentra almacenada la totalidad de la produccin del mes anterior de un cierto producto.
Ella cuenta con cuatro almacenes, o centros de distribucin, 1, 2, 3 y 4,
respectivamente, cada uno de los cuales maneja o requiere un cierto volumen del
producto.
om
fo
ro
s.
c
on
t
un
a.
Dada la informacin con que ha sido planteado el problema, y si los volmenes de inventario del producto, la demanda de cada centro de distribucin y las
distancias entre plantas y centros de distribucin, son perfectamente conocidos,
estamos en presencia de un problema de decisiones en condiciones de certeza o
certidumbre.
w
w
.a
dm
yc
24
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
AUTOE VALUACIN
Instrucciones
PRIMERA PARTE:
A continuacin se le presentan distintas situaciones seguidas de alternativas de respuesta. Slo una de las alternativas es correcta para cada situacin. Seleccione la que
considere que es correcta y selela, encerrando en un
circulo la letra que la identifica.
(9
om
s.
c
'
L*2
un
7TS
on
t
a.
fo
ro
.a
dm
yc
w
w
Buen Resultado
Buena Decisin
Mal Resultado
Mala Decisin
Mala E'ecisin
Mal Resultado
25
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
SEGUNDA PARTE:
Dadas las situaciones de Decisin en Condiciones de Incertidumbre propuestas, identifique los elementos que se
iican al final del problema.
fo
ro
s.
c
om
a.
on
t
un
f^
yc
.0
dm
w
w
.a
26
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
El decisor
(^ ^jjfy9&
C_^ ,-vjr . --'
Los resultados
\; J A
' r, - ;
. - , - , . A-> W
i L r '
' 1
, r-'1 ^
v
'
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
_^;
27
CLAVE
OBJETIVO EVALUADO
1.1
1.3
1.6
1.7
Ver Clave
razonada
1.6
Ver Clave
razonada
om
PREGUNTA
SECCIN
REFERENCIA
a.
fo
ro
s.
c
1.6
un
Clave Razonada
on
t
Pregunta 1
dm
yc
w
w
.a
29
Pregunta 3
A. Incorrecto. La decisin fue buena y el resultado no result bueno.
B. Correcto. La decisin fue buena aunque el resultado fue desfavorable.
C. Incorrecto. La decisin fue buena dada la informacin disponible.
D. Incorrecto. Igual que c.
Pregunta 4
A. Incorrecto. La ocurrencia de los estados de la naturaleza es un evento
incierto.
s.
c
om
B. Incorrecto. Si el problema de decisin ha sido correctamente estructurado, el decisor conoce los cursos de accin posibles.
fo
ro
C. Incorrecto. Si el problema de decisin ha sido correctamente estructurado, el decisor conoce el conjunto de resultados posibles.
un
a.
on
t
Preguntas
dm
yc
No existe una sola respuesta vlida, pues depende de los eventos que se consideren en el anlisis. A manera de ilustracin, se suministran dos tipos de
respuestas.
.a
Respuesta A
w
w
A. Usted
B. Vacunar
No vacunar
C. Perro rabioso
Perro no rabioso
om
No existe una nica respuesta, por las mismas razones indicadas en la pregunta 5.
s.
c
fo
ro
a.
on
t
un
C. Demanda alta
Demanda baja
w
w
.a
dm
yc
31
UNIDAD
6)
on
t
un
a.
fo
ro
s.
c
om
5)
yc
ESQUEMA DE CONTENIDO
Pag.
34
dm
37
37
37
38
w
w
.a
39
Autoevaluacin
41
Solucin de la Autoevaluacin
45
33
fo
ro
s.
c
om
6 : pozo seco
yc
on
t
un
a.
w
w
.a
dm
om
Es importante notar que en la practica, cuando es imposible hacer una descripcin de todos y cada uno de los eventos elementales resultantes de un experimento aleatorio, se puede lograr sealar un conjunto de eventos compuestos que
abarque la totalidad de los eventos elementales, de manera tal que aquellos sean
colectivamente exhaustivos. El ejemplo de la perforacin del pozo petrolero
reportado al inicio, brinda una muestra clara de lo que acabamos de decir; ios
eventos o estados de la naturaleza dl; 82 y # 3 abarcan la totalidad de los posibles resultados del experimento aleatorio considerado; por lo tanto, constituyen
un conjunto de eventos colectivamente exhaustivos y conforman a su vez un espacio de eventos.
fo
ro
s.
c
un
a.
w
w
.a
dm
yc
on
t
Fig. 2.1.
(2.1.)
u
i
FIG. 2.2.
om
f^ A -
(2.2.)
fo
ro
s.
c
dm
yc
on
t
un
a.
i 1
w
w
.a
:A,=
FIG, 2.3.
n A3 = 0 y A 2 n A 3 =
En la figura 2.3 se cumple que A n A2 =
por lo que los eventos Al , A2 y A 3 son mutuamente excluyentes. Obsrvese que
en la figura 2.2 no es vlida esta afirmacin.
Las definiciones que acabamos de ver permiten afirmar que un conjunto de
eventos, son colectivamente exhaustivos y mutuamente excluyentes, si estn contemplados en el conjunto todos los estados de la naturaleza factibles y si la
ocurrencia de uno de los estados implica la no ocurrencia de cualquiera de los
restantes.
36
o
Fig. 2.4.
om
s.
c
fo
ro
un
a.
dm
yc
on
t
.a
w
w
Tambin denominada probabilidad[combinatoria,Lconcibe la probabilidad de un evento aleatorio como el cociente entre. eEnSmerp^ de_
resultados del expenm^
total
de resultados posibles e igualmente probables.
Esta definicin, aparte de que hace uso de la palabra "probable" que
an no se ha definido (tautologa), posee dos limitaciones en cuanto
a su aplicacin:
a) no siempre es factible enumerar exhaustivamente los resultados de un experimento
b) La suposicin de que todos los resultados puedan ser igualmente probables, no siempre es vlida.
2.2.2
LA DEFINICIN FRECUENCIAL
Esta es una definicin que se basa en la relacin intuitiva que existe
entre probabilidad y frecuencia; segn ella, la probabilidad, de un
evento es la frecuencia relativa de dicho evento en n intentos repetiDigitalizado por Liz Zambrano para www.admycontuna.mforos.com
37
P(A)=
lim
o -> oo
yc
on
t
un
a.
fo
ro
s.
c
om
dm
w
w
.a
38
fo
ro
s.
c
om
1. P ( 2 ) = 1
2. P (A) > O para todo A C 2
3. P(A! U A2 U A 3 U
) -P (AJ + P (A 2 ) + P'(A 3 ) +
si Aj n A = 0 para todo i i= i
a.
c) P(A) < 1
(2.6.)
on
t
un
.a
dm
yc
sin dificultad tambin se puede demostrar que, tratndose de eventos no excluyentes, eventos cuya interseccin es no vaca, se cumple que:
(2.7)
w
w
39
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
6 n 62 = 6, H ?3 = $ 2 O 0 3 - 0
_2
i
om
P (6 ) = 1 ; fcilmente observa-
a.
un
b)
fo
ro
s.
c
dm
yc
on
t
.a
P (r ^ 3) - P (r = 3) + P (r = 2) + P (r = 1) = + + =
6 6 6 2
w
w
={(r=3)} n{(r=l)}=
40
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
AUTOE VALUACIN
Instrucciones
fo
ro
s.
c
om
B)
.a
dm
yc
on
t
un
a.
A)
w
w
1.
C)
D)
41
2.
a.
fo
ro
s.
c
om
B)
dm
yc
on
t
un
C)
.a
w
w
D)
3.
Teniendo una empresa a su disposicin las estadsticas de ventas de automviles de los ltimos cuatro aos, afirmar que la probabilidad de que esas
ventas para el ao prximo suban en un 20 por ciento es de 0,25, responde a
una concepcin de la probabilidad esencialmente.
(A\
Frecuencial
Subjetiva
C
42
Clsica
Despus ce un conjunto de pruebas debidamente especificadas, el Departamento de Control de Calidad de una empresa fabricante de lmparas incandescentes afirma que la probabilidad de que una de sus lmparas falle antes
de las 1,000 horas es de 0,05. Esta afirmacin responde a una concepcin de
la probabilidad esencialmente.
Frecuencial
Subjetiva
Frecuencial
Subjetiva
Clsica
yc
on
t
un
a.
fo
ro
s.
c
om
.a
dm
El que las probabilidades de cada uno de los eventos excluyentes que constituyen exhaustivamente un espacio de eventos sumen 1, significa que dichas
probabilidades.
w
w
4.
Cuando a los eventos mutuamente excluyentes que constituyen exhaustivamente un espacio, se les asigna probabilidades bajo una concepcin subjetiva,
la suma de las probabilidades asignadas.
No necesariamente es 1
tr
Es
43
SOLUCIN DE LA AUTOEVALUACION
PREGUNTA
PT
A1
\jL\
AVE
2
3
r1!
OBJETIVO EVALUADO
Cc
6
6
5
B
A
C
6
7
2.1
2.1.
2.2
2.2
2.2
2.3
2.3
5
5
6
4
5
SECCIN DE
REFERENCIA
Clave razonada
Los nicos eventos cuya interseccin es vaca son los de la situacin "B"
Pregunta 2
om
Pregunta 1
Pregunta 4
Las pruebas efectuadas a las lmparas consisten en el sometimiento de un lote de las mismas a un proceso de "envejecimiento" rpido, durante e cual se hace un conteo de las que van
fallando. La probabilidad es un cociente entre el nmero de
ii^pai'ss qua fallan antes de un determinado tiempo y el nmero total de las sometidas a prueba. Vale la pena aclarar que si la
asignacin de probabilidad es hecha tomando en consideracin
los resultados de "muchas" pruebas, estar involucrando un
concepto estadstico y por io tanto entra en juego la concep-
Pregunta 5
.a
dm
yc
on
t
un
a.
Pregunta 3
w
w
fo
ro
s.
c
Pregunta 6
Son los axiomas los que especifican coherentemente las relaciones entre las medidas de probabilidad de los eventos de un experimento aleatorio dado y no la concepcin misma de la probabi-
Pregunta 7
45
UNIDAD 3
INFORMACIN Y ASIGNACIN DE
PROBABILIDADES
8)
un
a.
fo
ro
s.
c
om
7)
on
t
ESQUEMA DE CONTENIDO
Pag.
48
50
.a
dm
yc
55
Autoevaluacin
61
w
w
Solucin de la Autoevaluacin
65
47
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
dm
yc
on
t
un
a.
fo
ro
s.
c
w
w
.a
Supongamos ahora que seguimos sin poder examinar los dados pero que esta
vez alcanzamos a obtener una tabla de valores donde aparecen los resultados
observados despus de haber realisado 1
lanzamientos consecutivos del par de
dados en cuestin (tabla 3.1).
Tabla 3.1.* Resultados de mfl lanzamientos
consecutivos de un per de dados.
Evento
(i,D
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,3)
(3,4)
(3,5)
(3,6)
(4,4)
(4,5)
(4,6)
(5,5)
(5,6)
(6,6)
44
43
24
46
46
41
26
44
43
20
40
17
1000
48
59
84
85
74
76
79
23
45
41
on
t
un
a.
fo
ro
s.
c
om
w
w
.a
dm
yc
go muy extenso; hay situaciones de las que se tiene un conocimiento slido, producto de muchos aos de experiencia, as como otras de las que se poseen simplemente algunos indicios o una vaga idea proveniente de unos cuantos datos. Es por
olio que resulta difcil establecer un procedimiento que permita, en forma simple,
eficiente y ms o menos precisa, hacer asignaciones de probabilidad.
En la prctica, cuando los problemas conciernen a una organizacin, empresa
o institucin, las variables involucradas en ei proceso de decisin, que representan
estados de la naturaleza cuya probabilidad hay que asignar, se clasifican por especialidades y se designa dentro de la organiacin a la(s) persona(s) que mayor conocimiento tiene(n) sobre cada grupo de variables, para realizar las respectivas asignaciones; as, las variables tecnolgicas se asignan al Departamento de Tecnologa,
las variables de mercadeo al Departamento de Mercadeo, etc
s.
c
om
Sin duda, que en este proceso de asignacin intervienen mecanismos psicolgicos particulares; entre otras cosas, por ejemplo, cuando el especialista es interrogado por su conocimiento sobre cierta materia, puede creer que se est tratando
de evaluar su persona y no su conocimiento. Es por ello que han sido diseados
procedimientos que permiten salvar, en una cierta medida, ste y otros obstculos
y que se han demostrado bastante eficaces en la prctica.
fo
ro
a.
un
on
t
yc
.a
dm
w
w
Claro est, que segn sea la naturaleza del evento, cada uno de los puntos
anteriores tendr mayor o menor importancia. Por ejemplo, en la asignacin de la
probabilidad de falla de una turbina de avin a reaccin, son de especial importancia la consideracin de los aspectos fsicos, la tecnologa empleada en la fabricacin y la observacin de las estadsticas referentes a las pruebas efectuadas previamente. Mientras que en la asignacin de la probabilidad de que los precios de
venta del petrleo, para el segundo semestre del ao prximo estn por debajo de
los treinta dlares el barril, es fundamental la opinin de los expertos en la
materia, la relacin del evento con acontecimientos polticos, blicos, etc., y toda
informacin colateral que tenga algo que ver.
En la Unidad 4, cuando tratemos la Metodologa de la Asignacin, volveremos sobre este punto ms extensamente; por ahora continuaremos con otros
conceptos que son imprescindibles para el estudio de tal metodologa.
3.2. PROBABILIDAD CONDICIONAL
Como ya se ha hecho resaltar, la probabilidad que asignamos a un evento est
sujeta a cambios, segn vara nuestro grado de informacin respecto al fenmeno
analizado y su entorno.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
a.
fo
ro
s.
c
on
t
un
P ( E n C)
'
.a
P ( E/C) =
; P (C) * O
w
w
(3.1.)
dm
yc
79
Se consideran normales aquellas lmparas cuya vida mnima es de setecientas horas de
encendido.
51
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
100 - 0,85
La diferencia entre esta asignacin y la anterior radica en que se produjo un
cambio en las condiciones en que se realizaba la adquisicin de las lmparas. Un
mismo evento: "La compra de una lmpara normal" tiene asignadas dos probabilidades distintas, pero en condiciones (estados de informacin) tambin distintas.
fo
ro
s.
c
om
a.
P (E) - 0,79
w
w
.a
dm
yc
on
t
un
i 1
Supongamos ahora que recibimos informacin adicional sobre el experimento, la cual nos indica con certeza que los eventos e2 y e4 no ocurrirn; esta informacin constituye el evento condicionante O "no ocurre e2 y no ocurre e " y se
refleja en la figura 3.2. En estas condiciones, los nicos eventos posibles son e ,
fig. 3.2.
on
t
un
a.
fo
ro
s.
c
om
dm
yc
Este nuevo espacio debe satisfacer los axiomas de probabilidad, de tal forma
que P (e,/C) + P (e 3 /C) + P (e s /C) - 1
.a
w
w
om
Se cumplen
fo
ro
fig. 3.5.
s.
c
U A=
un
a.
on
t
yc
.a
dm
(que equivale decir que la pelota no podr provenir de la caja 2). Nuestro espacio
condicional de eventos estar representado en la figura por la parte punteada; en
dicho espacio se cumple:
w
w
i = l/5
P(N/C t ) + P(B/C 1 ) = 1
P(B/C 2 ) - 3/5
P(N/C 2 ) + P(B/C 2 ) - 1
si consideramos ahora P (
A! = N n C , = N C ,
A4 = N n C 2 - N C 2
54
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
s.
c
un
a.
fo
ro
dm
yc
on
t
P (E) - P (E / C)
w
w
.a
(3.
y
P ( 0 i / 0 2 ) = 0,9
55
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
s.
c
om
P ( C 2 ) = 0,30
a.
fo
ro
P d ) = 0,70
un
on
t
tenemos que
dm
yc
P(E/C,) - 0,85
P(E/C 2 ) = 0,65
w
w
.a
si nos referimos a las figura 3.4. que representa la situacin en cuestin, vemos
claramente que:
E = (E n C , ) U (E o C 3 ),
gracias al axioma 3 podemos escribir:
P (E) = P (E O C,) + P (E D C 2 )
C2
fiiZ.3.4,
+P(E/C2)
(3.3)
--
PE/OJ) P(C)
i1
56
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
(3.4)
P (E) = 0,79
Es interesante observar que si bien anteriormente habamos dado el valor de
P(E) como una asignacin hecha por el condominio, despus de una larga y poco
comn observacin de las compras anteriores, tal valor de probabilidad puede ser
fcilmente calculado, como acabamos de hacer, siempre que se disponga de los
valores de P (C), P (C 2 ), P (E/Cj), P (E/C 2 ) que supusimos ignorados por el condominio.
Supongamos ahora que estamos interesados en determinar la proveniencia de
la lmpara, sabiendo previamente que se trata de una lmpara normal, o sea,
supongamos que queremos determinar los valores
P(C 2 /E)
om
s.
c
P((VE)
fo
ro
Si escribimos
un
a.
on
t
y su simtrica
dm
yc
P(E n C J - P E / C J - P(C,)
.a
dado que
vale entonces
w
w
E n d) = (Cl H E )
de donde
P(C,/E)
I \^l / U I
=
P(E)
P(E)
P (C,/E) 3
._,
3 =1
.
k
/oc,
(3-6J
j=1
(3.7)
2 P(E/C P(C^
i =i
57
P(C!/E)= P(E/C,) - P ( c t )
P(E)
0..85 0,70
P(Cj/E) =
0,79
0,75
P(E/C 2 ) P ( C 2 )
F(C 2 /E) -
P(E)
J3,6b 0,30
P(C 2 /E) -
om
0,25
fo
ro
P(C,/E) -
0,79
s.
c
P(C 1 /E) =
un
a.
stas son las probabilidades finales o o posterion que no son ms que las prooabilidades a pnon corregidas o modificadas por la informacin contenida en el hecho
de que la lmpara comprada ha resultado normal.
es oportuno detenerse ante el hecho siguiente:
on
t
En sste i
w
w
.a
dm
yc
Tanto P (Cj/E) como P (E/C.) son probabilidades condicionales que son susceptiles de ser evaluadas en foi-ma autnoma,, aplicando cualquiera de los critetrios de asignacin discutidos anteriormente; sin embargo, en cuanto a dificultad,
existe una gran diferencia entre asignar la probabilidad P (C./E) y asignar la probabilidad P (E/C.). Notemos que mientras la evaluacin de P (E/C.) es un proceso
que va de lo general a lo particular, ia evaluacin de P (C-/E) implica un proceso
inverso; se puede decir, prcticamente, que la diferencia entre un proceso y otro
es la misma diferencia que existe entre el proceso de interpolacin de un valor
dentro de una tabla de valores y el proceso de extrapolacin. Indudablemsnte que lo primero es mucho ms simple y menos riesgoso que lo segundo.
58
P(E/Cj) }
i = l,...-
j = 1 ...... , k
fo
ro
s.
c
om
Los analistas de la empresa han determinado que la fabricacin de este producto entra dentro de los cnones aceptables de rentabilidad, slo si del mismo se
produce un volumen no inferior a las 1000 unidades mensuales, a partir del cual
los precios de venta comienzan a ser competitivos en el mercado,
a.
Actualmente la empresa ha establecido una lnea de produccin experimental que puede arrojar un mximo de 10 unidades semanales.
on
t
un
.a
dm
yc
w
w
59
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
P ( 0 2 ) = 0,4
P ( M , / 0 2 ) = 0,3
fo
ro
s.
c
om
un
a.
0,9 0,6
0,9 0,6 + 0,3 0,4
w
w
.a
dm
yc
on
t
- 0,82
0>3 0,4
0,9 - 0,6+0,3 - 0,4
- 0,18
60
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
s.
c
fo
ro
a.
TABLA
ASPECTO
on
t
un
EVENTOS
Obtener un premio en la lotera
2)
3)
4)
5)
6)
7)
.a
dm
yc
1)
w
w
1)
61
2)
P = 0,891
(c)
P = 0,109
P = 0,280
om
p- 0,720
Supngase una prueba de embarazo (E) que cumple las propiedades siguientes:
fo
ro
s.
c
3)
un
a.
donde:
on
t
yc
.a
dm
w
w
0.087
0.913
0.005
O.S95
4)
62
a)
b)
s.
c
fo
ro
m
a.
0,82
un
on
t
0,18
yc
dm
0,54
.a
0,46
w
w
om
63
SOLUCIN DE LA
PREGUNTA
CLAVE
AUTOEVALUACION
OBJETIVO EVALUADO
SECCIN DE
REFERENCIA
3.1
1.2.
3.1
1.3.
3.1
1.4.
3.1
1.5.
3.1
1.6.
3.1
1.7,
3.1
3.2
om
1.1
3.4
a.
fo
ro
s.
c
3.3
on
t
un
Clave Razonada
yc
Pregunta 1
Evento 2
Evento 3
Este es un evento que esencialmente est sujeto a los aspectos tecnolgicos de los equipos empleados para su suceso, del diseo adecuado
de los sistemas y de las caractersticas fsico-ambientales de donde se
se lleva a cabo la prueba (conversacin telefnica).
Evento 4
Evento 5
w
w
.a
dm
Evento 1
65
Evento 6
Evento 7
om
P (A) = 0,20
fo
ro
s.
c
Pregunta 2
un
a.
P (E/A)-0,05
on
t
P (B) - 0,50
P(E/C) = 0,
.a
dm
yc
P(C)-0,30
P(E/B) = 0,15
w
w
sustituyendo
P (E)-0,20 - 0,05 + 0,50 - 0,15 + 0,30 - 0,08
P (E)-0,109
Pregunta 3
P(A/E) -0,95
P (AVE') -0,95
P (E/A) = ?
.1
P (E/A)
P (E/A) -
P (E) - 0,005
66
P (E/A) -
P(A/E) - P(E)
P (A/E) P (E) + P (A/E) P (E')
0,95 0,005
0,95 0,0005 + 0,05 - 0,995
P (E/A)
P (E/A) - 0,087
P(A/E')=1-P(AYE')
P (A/E1) = 1-0,95 = 0,05
Pregunta 4
om
s.
c
fo
ro
*2 * "candidato B vencer"
a.
un
dm
yc
on
t
.a
P(M 2 /0 2 ) = 0,
w
w
P(M 2 /0 2 ) P ( 0 2 )
2 2J
P(M2/^j) P ^ J + P M j / ^ j ) P(^2)
0,66
67
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
UNIDAD
un
a.
fo
ro
s.
c
om
on
t
ESQUEMA DE CONTENIDO
Pag.
70
yc
dm
72
w
w
.a
,.
Solucin de la Autoevaluacin
73
76
76
79
79
80
82
87
91
117
200
s.
c
<
118
119
120
60
15
34
15 1/2
18
16
10
121
1,500
2.580
1.420
122
750
fo
ro
38
14 1/2
700
150
> 123
on
t
un
14
10
14
a.
13
13 1/2
No, arandelas
No. camisas
om
talla
.a
dm
yc
60
w
w
te
2700 -
50
U 2400
40 .,
1 210
1 1800
o 1500
o 1 200
30 -
20 -
600
300
10
13
14
fig. 4.1.
15
16 talla
'
117
119
121
123
fig. 4.2.
Observando las figuras 4.1 y 4.2, notamos que aun cuando los respectivos
valores de abscisas y ordenadas difieren, por cuanto describen situaciones verdaderamente distintas, la forma de las grficas es prcticamente la misma en ambos
casos.
70
fo
ro
s.
c
om
Esto tiene una gran utilidad porque permite, una vez reconocido un determinado fenmeno, decir que se ajusta a tal o cual ley de probabilidades, ley que en
su forma ms general y haciendo abstraccin de consideraciones particulares,
puede ser estudiada, analizada y hasta representada por una expresin matemtica
adecuada.
un
a.
on
t
Definicin:
.a
dm
yc
Una variable aleatoria X es una funcin real de los elementos del espacio de
eventos, su dominio es el espacio de eventos y su rango es un subconjunto de los
nmeros reales.
w
w
""" -^ ,
fig. 4.3.
71
s.
c
om
{ z/0<Z<30
a.
Rz=
fo
ro
on
t
un
Es usual designar las v.a. por las ltimas maysculas del alfabeto y ios valores
que toma la variable por la correspondiente minscula.
yc
Como acabamos de ver con los ejemplos, una variable aleatoria puede ser
discreta o continua.
w
w
.a
dm
fig. 4.4.
72
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
flg.4.6.
fo
ro
s.
c
om
un
a.
yc
on
t
dm
.a
w
w
V x S R y co e n
Ejemplo:
sea X la v.a. que representa la suma de los puntos en el
lanzamiento de un par de dados.
El rango de X es:
r x =12,3,4,5,6,7,8,9,10,11,12}
el dominio est dado por
que por extensin es.
D(2) =
D(3) =
(1, l)
(1,2), (2,1)}
73
D(4)=
D(12) = f(6,6)J
D (x) -
{.$}
para cualquier x r x
om
PX W = 3/36
s.
c
Px (6) = 1/36
fo
ro
PX ( x ) ~ O para cualquier x ^ rx
a.
on
t
un
w
w
.a
dm
yc
6/36 .
P x (x)
i , Fx (t)
5/36
4/-36
24/36 .
3/sa
16/36 .
2/36 .
12/36
1/36 .
6/36
-^
30/3fi
"~1
i
4 5 a
w.
s-
9 1 0 11 12 X ' 1 2 3 4 5 6 7 8
fig.www.admycontuna.mforos.com
4.6.
Digitalizado por Liz Zambrano para
7
9 10 11 2
La funcin densidad de probabilidad resulta til en la determinacin de algunos parmetros de la v.a. correspondiente,
as:
Llamamos media o valor esperado de la v.a. X al valor
mx= E(X)=
x P x (x)
Rango
de X ,
H(x) P x (x)
fo
ro
Rango
de X
s.
c
E[H(x)]=
om
un
a.
on
t
r x = ax2 = E [ ( X - m x ) 2 ]
dm
yc
= E [ X 2 ] -m x2
w
w
.a
sustituyendo:
E [ H ( X ) ] = (100.2-500) ~ + (100.3-500) +
ob
uO
+(100.4-500) - + (100.5-500) A. +
+(100.6 - 500) + dOO.7 - 500) +
+(100.8-500) -|r +
+(100.12 - 500)
36
E [ H (X) ] = 7200
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
75
fo
ro
s.
c
om
un
a.
w
w
.a
dm
yc
on
t
f(x)<dx
OO
,
<&
76
Px(x<tk)
fig.4.7.
s.
c
10 25 = primer cuartil
fo
ro
om
el vigsimo
vi
fract, F(tQ 2 0 ) = 0,20
un
a.
t 0 7 5 = tercer cuartil
on
t
Ejemplo:
yc
dm
w
w
.a
VTparaO<t <1
de donde
= (0,50)2 = 0,25
Mediana = 0,25
de forma similar se
podrn determinar los cuartiles t nU,
y tnU,
(pri...
O *
7O **
mer y tercer cuart), obtenindose:
t
t o . 2 6 = '625
t O T 5 = 0,5625
Una cantidad a menudo til es el rango intercuartes,7 t 0,75
f - 1 f t, ,.
0,25 *
en nuestro ejemplo
O,75
^ 0 . 2 5 =0,5
77
om
50 de cada 100 veces podra ocurrir que el precio por unidad ofrecido sea inferior a Bs. 50 mil
s.
c
75 de cada 100 veces podra ocurrir que el precio por unidad ofrecido sea inferior a Bs. 53 mil
fo
ro
99 de cada 100 veces podra ocurrir que el precio por unidad ofrecido sea inferior a Bs. 60 mil.
on
t
un
a.
=50.000 ;
yc
=48.000 ,t 0
dm
w
w
.a
35
40 45
45
50
55
60
fig. 4.8.
78
65
70
t <Bs.lo3)
fo
ro
s.
c
om
a.
un
w
w
.a
dm
yc
on
t
79
om
un
.a
dm
yc
on
t
f)
a.
fo
ro
s.
c
w
w
om
fo
ro
s.
c
un
a.
Este consiste tambin en algunos "ajustes" que introduc sistemticamente en sus respuestas el individuo, en la medida en la cual va
procesando intelectualmente sus percepciones, por ejemplo:
w
w
.a
dm
yc
on
t
Es comn que una determinada respuesta est influida por una informacin en particular, simplemente porque esta informacin es ms
reciente y por lo tanto se encuentra ms a la mano; no es extrao que
cuando a nuestro gerente de ventas le sea pedido un pronstico para
el ao venidero, le d mayor peso al resultado de las ventas del
presente ao que al de las ventas de los aos anteriores. Puede darse
tambin el caso en el cual el especialista ignore ciertas circunstancias,
que aun escapando a su dominio, sean factibles, como pueden ser
virajes polticos, controles financieros inusuales, devaluacin de la
moneda, conflictos blicos, etc.
Vemos claramente que una de las responsabilidades del analista es
entonces la de tratar de detectar las actitudes asumidas por el especialista y su modo de juzgar las situaciones, con el fin de intentar minimizar el sesgo y lograr lo que es denominado el conocimiento firme o
estable que posee ste sobre la materia tratada.
No nos detendremos sobre las formas de lograrlo, ya que escapa al
objetivo de este texto, simplemente llamamos la atencin sobre la
importancia de que tales consideraciones tienen en el proceso de asignacin.
Para concluir este aspecto, en la figura 4.9. podemos apreciar, grficamente, cmo queda alterada la funcin de densidad de probabilidad
asignada a un cierto estado de la naturaleza, por la presencia del sesgo
que hemos mencionado.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
81
ucfl
3
:=!
J2
ta
43
"S
TJ
Valor
fig. 4.9.
s.
c
om
un
a.
fo
ro
on
t
dm
yc
w
w
.a
Fijado un rango de valores de la variable aleatoria se piden respuestas sobre la escala de probabilidades.
Mtodo V.
Mtodo P.V.
Los cuestionarios son elaborados de manera que las respuestas puedan ser de forma directa o indirecta. Y las tcnicas de codificacin
varan segn los mtodos y segn el tipo de respuesta; este esquema
se resume en la tabla 4.3.
82
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
TABLA 4.3.
Clasificacin de las Tcnicas de Asignacin de Probabilidad
Mtodo de codificacin
INDIRECTA
Proceso de referencia
Eventos internos al
proceso
externa
DIRECTA
fo
ro
Probabilidad
(fijo el valor)
s.
c
Tipo de respuesta
Mediante un Disco
fijando el valor
.a
Mediante fractfles
w
w
Valor
(fija la probabilidad)
dm
yc
on
t
un
a.
Mediante curva
de distribucin
acumulativa
Probabilidad
Valor
(ninguno fijo)
Dibujando un grfico ;
descripcin para
mtrica
TABLA 4.3.
83
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
fig. 4.10
a.
fo
ro
s.
c
om
yc
on
t
un
w
w
.a
dm
85
AUTO E VALUACIN
Instrucciones
A continuacin se le presentan distintas situaciones seguidas de alternativas
de respuesta. Slo una de las alternativas es correcta para cada situacin.
Seleccione la correcta y selela encerrando en un crculo la letra ,que la
identifica.
Suponga que tiene la v.a. X la cual representa un costo que se sabe est
entre los 100 mil y los 300 mil bolvares; la distribucin de probabilidad
acumulada de la v.a. es la que muestra la figura. Se quiere determinar, en
forma aproximada, el valor esperado de la v.a.; para ello suponga que los
valores se agrupan en cuatro grupos equiprobables y que el valor representativo de cada uno es su punto medio.
150
200
250
300
t(Bs. 10a)
w
w
100
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
1.
2.
Bs. 183.000
Bs. 200.000
Bs. 487.000
91
P(A<t)
rf
>-
15%;
= 15M/c
15%,
t = M/l,15c
a.
(\
s.
c
fo
ro
om
^x
j
^\e
cul es el valor esperado del porcentaje de aumento y, en conse(
> v cuencia, el valor esperado del tiempo de amortizacin, si antes de recibir
el aumento la persona estaba dispuesta a aportar la cantidad de C bolvares.
on
t
un
3.
dm
yc
.a
'M
AN
r\
. /
O
i/)
{V
I; !
w
w
7
j /T
4.
88
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
w
w
89
SOLUCIN DE LA AUTOEVALUACION
PREGUNTA
CLAVE
OBJETIVO EVALUADO
SECCIN DE REREFERENCIA
4.2
4.2
4.3
10
4.3
om
10
10
fo
ro
s.
c
4.3
a.
Clave Razonada
on
t
un
Pregunta 1 Refirindonos a la grfica y usando la sugerencia del problema, tenemos identificados cuatro grupos de valores:
Grupo de valores
yc
w
w
.a
dm
de 100 a 150
de 200 a 300
125
166
192
250
E (X) = 183,25
Como los valores estaban dados en miles de bolvares, la respuesta
ser: "El valor esperado de X es aprox. B' 183.000".
Ntese que si los valores se hubieran agrupado en vez de cuatro en
5,10, 20 ms grupos equiprobables, se hubiera tenido una aproximacin mayor.
91
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Pregunta 2 Como una aproximacin consideramos en la c.d. de los valores agrupados en cuatro grupos cuyo representante es el valor central del
grupo, de esta manera
GRUPO
VALOR CEN
VL
PROBABILIDAD
0-10%
5%
0,25
10-15 %
12,5 %
0,25
15-20 %
17,5 %
0,25
20-30%
25 %
0,25
s.
c
om
E 15 %
w
w
.a
dm
yc
on
t
un
a.
fo
ro
92
UNIDAD
ARBOLES DE DECISIONES
fo
ro
s.
c
om
Pg
94
95
, ,,.,
96
,,.
101
101
un
a.
94
yc
on
t
.a
dm
....
...............
5.6.2. Fases para la estructuracin del rbol de Decisin
.........
........................
110
w
w
101
109
........
..................
..........
.
.......
110
112
113
115
122
...........
123
..........
...............
. ...... . ..... . . . . .
127
93
5.1. INTRODUCCIN
En esta Unidad nos dedicaremos a estudiar una tcnica para facilitar la
estructuracin de un problema de decisiones. La Teora de las Probabilidades
introducida en las unidades anteriores, junto con la Teora de la Utilidad, a su ves
desarrollada en el prximo Mdulo, constituyen los principales instrumentos utilizados en el Anlisis de Decisiones.
Existen una serie de tcnicas basadas en dichas teoras, que facilitan el anlisis de problemas de decisiones; dentro de stas, podramos decir que la ms importante y utilizada, debido a la forma en que contribuye a la clara e ilustrativa
estructuracin del problema, es la del rbol de Deciciones.
fo
ro
s.
c
om
Antes de que definamos lo que llamaremos rbol de Decisiones y nos dediquemos a aprender cmo estructurarlo y utilizarlo, es conveniente introducir los
conceptos de Graf o y de rbol, como caso particular de aquel. Posteriormente al
referirnos a Arboles consideraremos dos casos: rbol de Probabilidades y rbol
de Decisiones.
dm
yc
on
t
un
a.
Se entiende por Grafo a una figura formada por puntos llamados vrtices o
nodos y por segmentos de lnea, que conectan dichos nodos, denominados ramas.
La Teora de Grafos es un instrumento de uso comn en gran cantidad de campos.
Inicialmente tuvo su mayor aplicacin en diagramas eircuitales y moleculares,
pero su campo de accin se ha ido ampliando de manera asombrosa y hoy en da
su uso se ha extendido a casi todas las ramas del saber (Ingeniera, Economa,
Biologa, Sicologa, etc.),
w
w
.a
"
" A,C
C "
"
" A,B,D
D "
"
" A,C
om
Los puntos A, B, C, D son los nodos del Grafo. Los segmentos AB, AD, AC,
CB y CD son las ramas del Grafo.
un
a.
fo
ro
s.
c
on
t
dm
yc
.a
w
w
Usaremos el siguiente ejemplo para ilustrar un rbol. Supongamos el experimento que consiste en lanzar una moneda dos veces. La descripcin de los resultados puede presentarse a travs de un rbol (figura 5-2).
A, Bs C, D, E, F, G representan los nodos del rbol.
AB, AC, BD, BE, GF y CG son las ramas del rbol.
Ntese que: Nmero de ramas = nmero de nodos menos uno (1). Relacin
que se cumple para cualquier rbol.
Tabla de Resultados
Cara - Cara
Cara - Sello
Sello - Cara
Sello - Sello
FIG. 5-2 rbol experimento lanzar moneda dos veces
95
s.
c
om
El rbol de probabilidades est constituido por nodos y ramas. Cada uno <te
los nodos a los cuales denominaremos nodos de incertidumbre, representa v?i
determinado estado de naturaleza. El fenmeno aleatorio puede ser de naturaroa^
continua o discreta. La representacin de estos fenmenos a travs del rbo! es la
siguiente:
fo
ro
Nodo Incertidumbre
a.
.a
dm
yc
on
t
un
Donde x.,.
x0 x.3 representan variables aleatorias discretas.
1
w
w
Nodo
incertidumbre
FIG. 5-4
Donde x representa una variable aleatoria continua que tiene una funcin densi
dad de probabilidad f(x) dada.
Tomemos ahora nuestro ejemplo de las lmparas analizado en las unidades
anteriores, e identifiquemos los estados de la naturaleza para l mismo,
Cj : lmpara procede fabricante A
C : lmpara procede fabricante B
B:
M:
resulta buena
"
mala
96
C 2 M:
" mala
buena
"
"
"
"
" mala
Por otra parte las ramas de un rbol de probabilidades indica que a partir de
un estado de la naturaleza (1) pasamos a un estado de la naturaleza (2)
En la figura 5-5 se indica el rbol de probabilidades para el ejemplo considerado.
B
om
B C,
dm
yc
on
t
un
a.
fo
ro
s.
c
C.
MC,
.a
w
w
A cada una de las ramas que se indican en la figura 5-5, se le asigna un valor
de probabilidad determinado.
T>, D ,~ J
^-n0,
P(C 1 )= 0,7
P(C2J=0,3
97
Se multiplican las probabilidades de cada una de las ramas que partiendo del
nodo terminal llegan al nodo inicial.
Por ejemplo:
om
P ( M C j ) = P ( M / C , ) - P ( C J = 0,105
s.
c
P ( B C 2 ) = P(B/C 2 ) - P ( C 2 ) = 0,195
fo
ro
un
a.
on
t
.a
P(B) = 0,790
0,595
dm
P(B) = 0,195 +
yc
w
w
C :
N:
r>
negra
B:
"
blanca
"
NC 2 :
BC 2 .
"
blanca
"
" " 1
negra
>
blanca
"
"2
om
fo
ro
s.
c
on
t
un
a.
BC,
BC,
w
w
.a
dm
yc
NC,
Cada una de las ramas que se indican en la figura 5-8, tiene asignado un valor
de probabilidades.
te.
f/c
'3)
99
4
P(NC.) -
om
P ( N C 1 ) = P (N/C,) - P ( C , )
fo
ro
s.
c
De igual forma podemos calcular las probabilidades para el resto de los nodos
terminales
J =1/10
un
a.
P(NC 2 ) -3/10
on
t
P(BC 2 ) - 2/10
yc
.a
dm
P(N)=
10
w
w
10
P(N)=
y la probabilidad del evento pelota blanca
P(B) = P ( B C ) + P(BC 2 )
"
10
" 10
P(B)--^
= 1
fo
ro
s.
c
om
dm
yc
on
t
un
a.
Como indicamos al inicio de esta Unidad, un rbol de decisiones es un mtodo grfico que nos permite visualizar e ilustrar el proceso del anlisis de decisiones, expresando en orden secuencia! las acciones alternativas que estn disponibles
para el Decisor, los estados de la naturaleza y los resultados determinados por la
incertidumbre.
.a
w
w
Para realizar la estructuracin de un rbol de decisin debemos establecer los elementos que lo forman. Para ilustrar la determinacin
de elementos nos basaremos en el siguiente ejemplo:
El presidente de una compaa de perforaciones de pozos petroleros,
que realiza actualmente trabajos de perforacin en un rea de productividad razonable, est evaluando la posibilidad de iniciar una
perforacin.
Los posibles estados de la naturaleza son:
es pequeo
03;
grande
.
ir. I
P(0 2 /A)=0,2
P (0 3 /A) = 0,4
Otro tipo de terreno distinto a A (A'), determinar la siguiente probabilidad de ocurrencia de los eventos:
om
P (VA') = 0,6
s.
c
fo
ro
P(0 3 /A')=0,1
on
t
P(A) = 0,4
un
a.
w
w
.a
dm
yc
B (6) = 'O
B (B2) = 500.000
B(0 3 ) = 1.200.000
Identifiquemos ahora los elementos que constituyen el rbol de decisiones y procedamos a estructurarlo.
5.6.1.1. Nodos
Como todo rbol, el rbol de decisiones tiene nodos, los
cuales pueden ser de tres tipos:
1)
Nodos de decisin
A partir de los cuales se originan las diferentes alternativas o acciones a seguir. Para esquematizarlas utilizaremos un pequeo cuadrado.
En nuestro ejemplo, las diferentes acciones que nos
hemos planteado son si perforamos o o el pozo,
las cuales se derivan del nodo de decisin. Esta situacin la esquematizamos en la figura 5-9
fo
ro
s.
c
om
Nodos de incertudumbre
a.
2)
dm
yc
on
t
un
w
w
.a
En nuestro ejemplo del nodo de incertidumbre ce derivan los estados de la naturaleza (0,, 0 2 , 0 3 ). En la figura 5-10 se indica esta situacin.
NODO INCERTIDUMBRK
103
Observemos que estos nodos son los mismos que hemos definido en el rbol de probabilidades.
Ntese que ios eventos que convergen a un nodo de
incertidumbre son mutuamente excluyentes y colectivamente exhaustivos.
3)
Nodos terminales
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
5;6.1.2.
NODOS
INCERTIDUMBRE
FIG. 5-11
NODOS
TERMINALES
Ramas
Definamos ahora las ramas en el rbol de decisin.
Podramos diferenciar dos tipos de ramas.
Ramas que representan alternativas o acciones a tomar
y ramas que representan ocurrencia de eventos inciertos o estados de la naturaleza.
En nuestro ejemplo identificaremos como alternativas
Perforar pozo
No perforar pozo
e identificaremos como eventos inciertos o estados de
la naturaleza a:
Encontrar pozo seco
104
pequeo
"
" grande
eventos
inciertos
FIG. B-12
.a
dm
yc
li_. alternativa
on
t
un
a.
fo
ro
s.
c
om
w
w
Perforar
No perforar
105
Pregunta 4
Hacer el estudio
om
las cuales iniciaran la estructuracin del rbol de decicin, tal como se indica enjg figura 5-13
s.
c
fo
ro
Otro nodo de decisin se presentar una vez que se haya realizado el estudio; al obtener el resultado, se preguntar la conveniencia de perforar o no.
w
w
.a
dm
yc
on
t
un
a.
jrarj"
Perforar
106
1*-Alternativas
ivas-Jn- Eventos
Nodo
Nodo
Decisin
Incertidumbre
FIG. 5.14
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
"
"
" no perforar
6-2
" pequeo
03
" grande
om
91 Pozo seco
s.
c
A Terreno tipo A
fo
ro
Asignacin de valores
dm
5.6.1.3.
yc
on
t
un
a.
Observemos a travs de este ejemplo, que la estructuracin del rbol requiere de una lgica, en el razonamiento. Ntese que la decisin de realizar el estudio es previa a la de perforar, es decir, una vez que perforamos la
informacin que nos podra suministrar el estudio pierde validez.
w
w
.a
107
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
fo
ro
s.
c
Para efectos del anlisis, de esta Unidad, consideraremos que la funcin B(A,0) mide el
Beneficio Neto Involucrado en tomar cierto
curso de accin.
w
w
.a
dm
yc
on
t
un
a.
Dado que los posibles estados de la naturaleza son inciertos, la funcin B(A,f) tambin
constituir una vajiable aleatoria y por lo
tanto el valor esperado de la funcin Beneficio Neto B(A,0) ser un valor esperado del
beneficio que se incurre al seguir un curso de
accin A.
Volvamos a analizar nuestro ejemplo de la
compaa petrolera que debe decidir si perfora o no un determinado pozo.
Supongamos que se perfora el pozo; esto necesariamente involucra un costo, el cual hemos supuesto en doscientos mil bolvares (Bs
200.000). Si al perforar se encuentra un pozo seco, que corresponde al nodo terminal
(4) en la figura 5-10, se obtendr un beneficio bruto de cero (0) bolvar: por lo tanto, el
Beneficio Neto (B4) para ese nodo terminal
ser de doscientos mil bolvares (B* 200.000).
108
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
+3OO.OOO
+ 1.000.000
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
- 200.000
5.6.2.
FIO. 5-15
2.
Organizar el rbol como un arreglo cronolgico de las alternativas que controla el Decisor
y los resultados que determine el azar (estado
de la naturaleza).
3.
2)
s.
c
om
fo
ro
w
w
.a
dm
yc
on
t
un
a.
Nodo
Operacin
Decisin
Incertidumbre
Maximizacin Valor Esperado
FIG. 5-16
De esta forma, al obtener el rbol definitivo cada uno de los nodos y ramas
tendrn valores monerarios asignados a ellos.
5.8. EVALUACIN DEL RBOL DE DECISIN
Veamos el procedimiento para evaluar el rbol de decisin, obteniendo los
valores asignados a los nodos de incertidumbre y decisin.
110
Cada uno de los valores asignados a los nodos terminales, se multiplican por la probabilidad asociada a la rama correspondiente hasta el
nodo de incertidumbre ms cercano.
b)
Se suman todos los valores que convergen a un nodo de incertidumbre y ese ser el valor esperado asignado a ese nodo de incertidumbre.
s.
c
om
fo
ro
4 -200.000
300.000
+ 1.000.000
w
w
.a
dm
yc
on
t
un
a.
0,52
FIG. 5-17
Convergen
nodo 2
(Valor nodo 4)
(Valor nodo 5)
(Valor nodo 6)
Convergen
nodo 3
om
-200.000
300.000
un
a.
fo
ro
s.
c
w
w
.a
dm
yc
on
t
1.000.000
FIG. 5-18
Los valores indicados sobre cada nodo de incertidumbre representan entonces el Valor Esperado de los valores terminales, con
respecto a las probabilidades de las ramas correspondientes.
Como se puede notar, la operacin de expectacin est asociada a cada uno de los nodos de invertidumbre
5.8.2.
Paso 2
rbol modificado
Para lograr una mejor visualizacin, y a efectos de la evaluacin
del rbol de decisin, se puede asumir que a este nivel, sobre el
rbol han sido eliminadas todas aquellas ramas que fueron utilizadas en el paso anterior, quedando ahora como nodos terminales los riodos de incertidumbre ms prximos, que tendrn
asignado el valor terminal igual al valor esperado calculado en
el paso anterior.
112
om
FIG. 5-19
s.
c
fo
ro
un
a.
yc
on
t
w
w
5.8.3. Paso 3
.a
dm
113
Mximo
(l94.000 ;0}
194,000
(0)
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
194.000)
Este valor representa el Beneficio Neto (BN) promedio que obtendremos al tomar la decisin de perforar el pozo.
El Beneficio Bruto (BB) promedio estar dado por
BB = BN + costo = 194.000+ 200.000 = 394.000
El proceso de determinacin de los valores asignados a los nodos ha
culminado, ya que se ha asignado un valor (Bs. 194.000) al nodo
inicial, el cual corresponde a la decisin de perforar el pozo. Por lo
tanto, el presidente de la compaa de pozos petroleros, de seguir un
anlisis de esta naturaleza y asumiendo todas las prez
das, deber decidir t
PASO O
Estructuracin
om
PASO 1
Expectacin
a.
fo
ro
s.
c
w
w
.a
dm
yc
on
t
un
Se-
lleg al nodo
inicial?
PASO 2
rbol modificado
Hay
nodos de
incertidumbre
prxima
etapa1?
PASOS
Maxim izacin
115
Tabla de
Valores
fo
ro
s.
c
om
Nodo
1.000.000
12
-300,000
13
200.000
14
900.000
15
-100.000
16
-300.000
17
200.000
18
900.000
11
11
-100.000
19
19
m
a.
-200.000
300.000
JL2
w
w
.a
dm
yc
on
t
un
Valor
Esperado
F1G. 5-21
rbol decisin perforacin pozo
116
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Paso 1
En este primer paso los nodos de incertidumbre son (4) (9) (10)
Por lo tanto
Paso 1.1.
(-200.000) 0.52:
300.000 0,26 =
1.000.000 - 0,22:
-104.000
78.000
220.000
Converge
nodo
9
(-300.000) -0,4 =
( 200.000) - 0,2 (900.000) -0,4 =
-120.000
40.000
360.000
Converge
nodo
10
(-300.000) 0,6 =
(200.000)- 0,3 =
( 900.000) 0,1 -
-180.000
60.000
90.000
s.
c
om
Converge
nodo
2
fo
ro
Paso 1a
194.000
280.000
-30.000
un
a.
w
w
.a
dm
yc
on
t
Paso 2
100.000
-100.000
om
s.
c
Por lo tanto el valor asignado al nodo 8 es -30.000 que corresponde a la decisin de perforar.
(Perforar.)
.a
dm
yc
on
t
un
a.
fo
ro
w
w
(Perforar)
118
= 0,4
280.000 + 0,6 (-30.000) =
= 152.000-18.000=134.000
s.
c
om
fo
ro
fig. 5-24
a.
un
on
t
yc
dm
(Paso 3)
w
w
.a
(X)
1/3
119
es decir
J- O
f(x)
O
x >
El Beneficio Neto total que podr obtener el comerciante, en su forma ms simplificada, vendr dada por:
B (x) - 100.000 x -20.000
Donde
x: nmero de aos que opera la mquina.
om
fo
ro
Comprar mquina
No comprar mquina
s.
c
on
t
un
a.
Los estados de la nat'iralea, estarn representados por el tiempo de operacin de la mquina, que en nuestro ejemplo es una variable aleatoria continua,
expresado por la funcin de probabilidades
J_
x > 3
.a
dm
0< x < 3
yc
f(x) =
Paso O
w
w
100.000 x-20.000
FIG. 5-25
120
Pasol
Calculemos ahora los valores esperados asociados a los nodos de incertidumbre 2 y 3.
Nodo de incertidumbre (2)
Por ser la funcin densidad de probabilidad una funcin continua, sabemos
que para cada estado de la naturaleza xi se cumple que
B(x)f(x) =
x>3
=(
JO
x 2 - 20.000 x
150.000
a.
130.000
un
[B(x)f(x)] =
on
t
20.000 =130.000
s.
c
[B(x)f(x)l
fo
ro
om
yc
Mientras que valor esperado para el beneficio neto en el nodo 3 es cero (0).
dm
Ardol modificado
w
w
.a
130.000
FIG. 5-26
{130.000; 0}
121
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Por lo tanto, el valor asociado al nodo de decisin es ciento treinta mil bolvares (B si30.000) y la alternativa es adquirir la mquina.
s.
c
om
fo
ro
Ese valor representa el Beneficio Neto que se debe esperar a la larga, sabiendo que la decisin debe tomarse una sola vez y que el comportamiento de la naturaleza, es decir, la ocurrencia de los posibles eventos, contina siendo en lo sucesivo como lo ha sido en el pasado.
dm
yc
on
t
un
a.
w
w
.a
122
AUTOE VALUACIN
Instrucciones
PRIMERA PARTE
Dados los problemas de decisin propuestos, responda las preguntas planteadas al final de cada enunciado.
1)
om
s.
c
Se pide:
Determinar cul es la probabilidad que debe asegurar el empresario, a la ocurrencia de una recesin econmica antes de opinar que
la decisin de invertir en bonos es la mejor estrategia a seguir.
on
t
Una persona que posee bienes por un valor A recibe una herencia en joyas
por un valor X. En las negociaciones para asegurar las joyas, tanto la compaa aseguradora como l asigna una probabilidad P de que las joyas .puedan
ser robadas. Asuma que tanto la aseguradora como el dueo de las joyas se
guan por el criterio del Valor Esperado y han acordado un valor R, para la
pliza anual que pagar ste.
3)
w
w
Se pide:
.a
dm
yc
2)
un
a.
fo
ro
Un competidor en una carrera asigna una probabilidad de 0,5 a que completar la carrera en un tiempo menor o igual a cuatro minutos.
Si l completa la carrera, entonces:
1) Su tiempo de terminacin de la carrera (t) estar uniformemente distribuido entre 3, 5 y 4 minutos.
2) Un premio que recibir ser X = 1000 (4-t).
Si l no completa la carrera dentro de los cuatro minutos no recibir
ningn premio.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
123
Se pide:
4)
s.
c
om
Para la compaa, un tarjeta-habiente de buen crdito representa un beneficio anual de mil quinientos bolvares (B $1.500) mientras que un mal crdito
representa una prdida de mil bolvares (B si.000) anual.
on
t
un
a.
fo
ro
dm
yc
w
w
.a
Se pide:
124
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Instrucciones
SEGUNDA PARTE
A continuacin se le presentan distintas situaciones seguidas de alternativas
de respuesta. Slo una de las alternativas es correcta para cada situacin. Seleccione la alternativa correcta y selela encerrando en un crculo la letra que la identifica.
Un Decisor enfrenta la situacin de decisiones indicada en el rbol de decisiones siguiente:
fo
ro
s.
c
om
5)
0,5
on
t
1,0
yc
dm
0,4
.a
0,6
w
w
6)
un
a.
-12
o o
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
125
Alternativa II
Alternativa III
Alternativa I y II
om
7)
s.
c
f(x)
un
a.
fo
ro
0,4
dm
yc
on
t
w
w
.a
VME- 25.000
VME = 37.500
VME-
126
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
SOLUCIN DE LA AUTOEVALUACION
1-B
2
2-A
OBJETIVO EVALUADO
Ver vlave
razonada
P=2/3
11
5.6
11
5.6
Ver clave
razonada
11
5.7-5.8
om
1
1-
CLAVE
s.
c
PREGUNTA
2-B
5.7-5.8
Participar
en carrera
11
11
5.6
5.10
11
5,6
11
5.10
b (P - 0.4)
11
5.9-5.10
d (alternativa I y II)
11
5.9-5.10
d(VME
-53.500)
11
5.9-5.10
yc
dm
w
w
4-B
Ver clave
razonada
.a
4
4-A
3-B
on
t
un
a.
Ver clave
razonada
fo
ro
11
3
3~A
SECCIN
REFERENCIA
127
Clave razonada:
fo
ro
s.
c
om
Pregunta 1
o 9%
dm
yc
on
t
un
a.
.a
Pregunta 2
w
w
A-fx-R
x - R > P A + (1-P) (A + x)
R<Px
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Pregunta 3
De los datos del problema
(4-t)
E(nodo 3 )=
.a
dm
w
w
b)
yc
on
t
un
a.
fo
ro
s.
c
om
1000
1.1000(4-t)dt
3.5
E (nodo 3) =
125
E(nodo 2) =
E (nodo 3) >
E(nodo 2)
Luego:
La estrategia ptima es:
Participar en carrera
129
15
Pregunta 4
1490
4010
dm
yc
on
t
un
a.
fo
ro
s.
c
om
1470
w
w
.a
0,24
0,04
P("F")
iao
a.
fo
ro
s.
c
om
1500
w
w
.a
dm
yc
on
t
un
1470
-1010
O -10
'
.
131
fo
ro
s.
c
om
b)
w
w
.a
dm
yc
on
t
un
a.
(500)
(1220)
Del rbol
(10)
E(T)= 500
E(R)= O
E (I) = 482.
Pregunta 5
E(M) =
E (N) =
(6)
-P) = 9P-3
(-3)
(-3)
E (M) = E (N)
9P - 3 = 1 - P
P = 04
Indiferencia
ante estrategias M y N.
Pregunta 6
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
(+2)
+2}
133
Pregunta 7
De acuerdo a los datos, el Beneficio Neto total, en su forma ms simplificada, vendr dado por
BN = 15.000 x - 20.000
donde
x representa el tiempo, en aos, que opera la computadora.
Estructuremos el rbol de decisiones.
Las alternativas sern.
Comprar minicomputadora
No comprar minicomputadora
fo
ro
s.
c
om
Los resultados de la naturaleza estarn representados por el tiempo de duracin de la minicomputadora, que en nuestro ejemplo es una variable aleatoria, expresada por la funcin de probabilidades.
0<x<2
fO,4
a.
2<x<3
un
l(3-X)0,4
f(x) =
15000 X - 20.000
w
w
.a
dm
yc
on
t
Ali
Calculemos ahora los valores esperados asociados a los nodos de incertidumbre2y 3 (Paso 1).
134
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
(15.000 x -20.000)
0,4
o < x <2
COStO X;
lo tanto
(15.000 x-20.000) 0,4 dx
E(nodo 2)
s.
c
fo
ro
I2
E (nodo 2)- 6000 j-8000 x
9
Jo
om
un
a.
dm
- 1000
w
w
.a
E (nodo 2) = -1000
Mientras que:
24.000
yc
on
t
E (nodo 3) - O
135
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
136
CARLUCCI, Francesco
DALL'AGLIO, Giorgio
DRAKE, Alvin
GNEDENKO, Jinchin
R. A., Howard
R. A., Howard
R. A., Howard
w
w
LARSON, Harold J.
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
MATHESON - Howard
MEYER, Paul
MATHESON - Roths
NORTH, D. W.
137
PARSEN, Emanuel
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
PAPOULIS, Athanasios
138
s.
c
om
MODULO II
fo
ro
w
w
Lista de Unidades
.a
dm
yc
on
t
un
a.
Unidad 6.
Unidad 7.
Unidad 8.
Criterios de Decisin
\d 9. El Valor de la Informacin
Objetivos
Al finalizar el estudio del Mdulo II, el estudiante deber estar en capacidad
de:
Dado un problema de decisin, determinar la alternativa ptima de acuerdo a los objetivos y preferencias del Decisor.
Determinar el Valor de la Informacin en un problema de decisin.
a.
fo
ro
s.
c
om
un
Introduccin
yc
on
t
2)
3)
4)
w
w
.a
dm
1)
En el primer Mdulo de este Curso hemos aprendido a resolver las dos primeras etapas de este proceso de analizar decisiones; en el segundo estudiaremos
los instrumentos para llevar a cabo las dos ltimas etapas.
La primera Unidad del Mdulo se dedica a las Preferencias al Valor y a las
Preferencias Temporales.
La segunda Unidad estudia las Preferencias al Riesgo o actitud del decisor
ante el riesgo.
Las tercera establece los Criterios de Decisin para seleccionar la alternativa
ptima.
En la ltima Unidad se contempla el Valor de la Informacin en un problema de decisiones.
141
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
( .
^.
^^
om
13) Aplicar el criterio del Valor Presente para considerar las preferencias temporales del Decisor.
s.
c
ESQUEMA DE CONTENIDO
fo
ro
Pag.
144
144
a.
145
un
dm
151
152
Inters
Tasa de Inters
Valor Temporal del Dinero
Diagama-de Flujo de Fondos
Equivalencia
Frmulas de Inters
,
Equivalencia de Flujos de Fondos
w
w
6.5.1.
6.5.2.
6.5.3.
6.5.4.
6.5.5.
6.5.6.
6.5.7.
145
146
147
.a
yc
on
t
.
.
152
152
152
153
154
155
159
162
...
.
6.7. Resumen
162
164
165
167
168
Autoevaluacin
Solucin de la Autoevaluacin
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
169
173
143
om
Para la valoracin de resultados se utilizan criterios de valoracin. Como estudiaremos posteriormente, en la mayora de los problemas de decisin, la manera ms fcil de valorar adecuadamente los resultados es atribuir un valor monetario a las consecuencias de cada alternativa. A este proceso de asignar valores a
los resultados se le llama Valoracin y al medio o recurso de asignacin se le
llama Criterio de Valoracin. Los criterios de valoracin vienen determinados por
los objetivos y preferencias del Decisor.
s.
c
fo
ro
un
a.
on
t
dm
yc
.a
Preferencias al Valor
w
w
Preferencias Temporales
Preferencias al Riesgo
El problema fundamental del tratamiento de las preferencias del Decisor estriba en cmo introducirlas en el anlisis, cmo lograr cuantificarlas de manera
que permitan la valoracin y evaluacin del rbol de decisiones.
En esta Unidad nos dedicaremos al estudio de. los mtodos y criterios para
establecer las preferencias al Valor y las Temporales.
En la Unidad siguiente estudiaremos la actitud del Decisor ante el riesgo o
Preferencias al Riesgo.
6.2. PREFERENCIAS AL VALOR
La Preferencia al Valor, asignacin de valor o simplemente valoracin, considera la existencia de los varios resultados posibles y la necesidad de establecer el
valor relativo de cada resultado con el fin de compararlos. Por lo tanto, la preferencia al valor responde a la pregunta: cunto ms valioso es este resultado que
aqul?
144
fo
ro
s.
c
om
Los Criterios de Valoracin} funciones de valoracin o modelos de valoracin, como tambin se les llama, cuantifican la preferencia del Decisor por un resultado en comparacin con otros, asignando valores a cada resultado. Asignar un
alor significa asociar un valor cualitativo o cuantitativo a un resultado. Aunque
un resultado pueda tener muchas caractersticas o atributos que lo describan, generalmente, la asignacin de valor utiliza un solo nmero o figura, que se asocia
con el resultado, y el cual resume el conjunto de atributos.
dm
yc
on
t
un
a.
Como veremos posteriormente, en algunos casos es fcil asignar objetivamente un valor a cada resultado valcjr que describe adecuadamente las consecuencias
de ese resultado. Por ejemplo, en un problema de negocios, el valor de que hablarr.os sera un valor numrico y monetario, que refleje plenamente todas las consecuencias financieras y econmicas del resultado, sin que haya lugar a considerar
3tros factores. En un problema de medicina, el valor podra ser la rata de curacin
para una enfermedad dada. En tales problemas, las consecuencias se describen
adecuadamente en trminos de un atributo, el cual se escoge porque refleja satisfactoriamente las consecuencias y efectos asociados ai resultado que se considera.
.a
w
w
145
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
2)
Para el primer objetivo, minimizar el tiempo de entrega se puede definir el atributo, tiempo en das desde el remitente al destinatario.
om
La definicin de atributos se realiza con la finalidad de valorar, evaluar y comparar resultados. El proceso de generar objetivos y atributos es un proceso creativo por parte del analista y del Decisor y por
lo tanto no admite mtodos formales ni recetas efectivas para todos
los casos prcticos.
un
a.
fo
ro
s.
c
Recordemos el caso del Correo, donde el objetivo establecido era minimizar el tiempo de entrega, el cual fue caracterizado por el atributo: minimizar el nmero de das de entrega del correo; por lo tanto
el parmetro sobre el cual debe enfocarse el anlisis es el tiempo de
entrega y, por consiguiente, se analizarn y compararn los resultados
en base al tiempo y se considerarn mejores los resultados y alternativas que optimicen el para'metro (atributo) tiempo.
on
t
w
w
.a
dm
yc
En situaciones comerciales o empresariales, el valor asociado a un reresultado es tpicamente alguna forma de beneficio econmico; el Decisor o el analista escogern tomando en cuenta los objetivos del decisor, el criterio de valoracin a utilizar, as podran valorarse los resultados en base a utilidades, beneficio neto, crecimiento, etc. o cualquier
parmetro financiero. En general, si el problema de decisin se refiere
a la asignacin de recursos monetarios, entonces en lgico medir el
valor en trminos monetarios.
Cuando un Decisor sea particularmente opuesto a asignar valores
en una escala monetaria directamente puede emplearse una escala
cardinal; sta se construye de tal manera que el beneficio ptimo
represente un valor mximo que se fija. Los otros beneficios se refieren a ese valor mximo, obtenindose as un sistema o escala de
valores relativos.
146
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
Ir a la playa
s.
c
Permanecer en casa
fo
ro
~ Sol
a.
Lluvia
on
t
un
De manera que para cada alternativa hay dos resultados posibles; por lo que, en total, tenemos que valorar cuatro resultados.
dm
yc
w
w
.a
Hagamos en primer lugar una valoracin cualitativa de los resultados lo cual ilustramos en la grfica 6-.
ESTADO NATURALES
SOL
PLAYA
SATISFACCIN
CASA
MALHUMOR
LLUVIA
DISGUSTO
CONFORMIDAD
Grfica 6-1
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
147
ESTADOS NATURALES
un
a.
fo
ro
s.
c
om
i
on
t
GRFICA 6-2
w
w
.a
dm
yc
SOL
PLAYA
LLUVIA
10
CASA
GRFICA 6-3
148
RBOL DE DECISIN
VALOR
10
fo
ro
s.
c
om
Playa
a.
Casa
GRFICA 6-4
.a
dm
yc
on
t
un
Lluvia
w
w
149
TABLA DE GANANCIAS
GANANCIA (G)
en millones
3.5
0.35
3.0
0.25
2.0
s.
c
Grfica 6-5
om
0.40
fo
ro
El industrial desea estudiar sus alternativas, valorar los resultados y escoger una estrategia.
un
a.
Solucin
on
t
yc
I: Comprar maquinaria
dm
w
w
.a
B= I-C
donde
B es el beneficio neto
I son los ingresos o ganancias totales
C son los costos totales
150
RBOL DE DECISIN
VALOR
= 3.5-(1.5 +0,15)
= 1.86m
B = 3.0-(1.5 +0.15)
3 = 2.0(1.5 +0.15)
s.
c
om
3= 0.35m.
fo
ro
1=1.5 + 0 . 2 ( 1 . 5 }
= 1.80 m
on
t
un
a.
III
= 1.5 m
dm
yc
Grfica 6-6
.a
w
w
151
Al igual que las personas, la tendencia general de las empresas y organizaciones es considerar ms valiosos los resultados percibidos pronto que los recibidos ms tarde. En las organizaciones, este fenmeno usualmente ocurre en conexin con el flujo de beneficios en el tiempo; de hecho, los flujos de beneficios
que muestran una mayor porcin de retorno en los perodos tempranos, se prefieren generalmente.
En el proceso del anlisis de decisiones, la asignacin de valores a los resultados, en primer lugar, y segundo, el establecimiento de las preferencias temporales
del Decisor permiten jerarquizar u ordenar los resultados, primero como un conjunto de valores y luego como un valor equivalente, el cual permitir y facilitar la
comparacin de alternativas.
s.
c
om
Para el tratamiento de las preferencias temporales se dispone de un buen nmero de conceptos y mtodos que han sido desarrollados, principalmente, dentro
de los campos de las matemticas financieras y de la ingeniera econmica. Dichos
mtodos permiten describir y estructurar las preferencias temporales, reduciendo
o simplificando las corrientes de valores en el tiempo, a un simple valor o figura
adecuada para la comparacin de alternativas.
on
t
un
a.
fo
ro
yc
6.5.1. Inters
w
w
.a
dm
Cuando entendemos por inters la cantidad pagada por el uso del diero prestado, este representa un costo.
152
fo
ro
s.
c
om
El anlisis de alternativas requiere una comparacin de las consecuencias econmicas de las alternativas. A las alternativas frecuentemente
se les describe sealando los montos de los ingresos (ganancias) y de
los egresos (costos) relacionados con la alternativa en referencia y el
momento en que dichos montos ocurren. De manera que estos dos
factores: cantidad y tiempo, caracterizan la alternativa bajo estudio.
yc
on
t
un
a.
Los ingresos percibidos con signo positivo, como flechas orientadas hacia arriba y colocadas al final del perodo en que
ocurren.
w
w
.a
dm
Los egresos producidos, con signo negativo, como flechas orientadas hacia abajo y colocadas al comienzo del perodo en que
ocurren.
Un ejemplo de un diagrama de flujo de fondos se muestra en la grfica 6-7, as como la tabla correspondiente.
1
20
I ngresos
t2
I5
3
tiempo
^ 100
Egresos
'20
153
PERIODO
INGRESOS
EGRESOS
100
20
20
s.
c
om
6.5.5. Equivalencia
fo
ro
on
t
un
a.
dm
La tasa de inters.
w
w
.a
yc
154
s.
c
om
fo
ro
on
t
un
a.
w
w
.a
dm
yc
155
Cantidad al
comienzo
del perodo
P(l + i)
P (1 + i) i
P(l+i) + P(l+i)i =
= P(l + i)2
P(l + l) 2
P(l-M)2 i
P(l+i) 2 +P(l+i) 2 i =
- P (1 + i)3
P (1 + i)
n-l
n 1
P(l + i) i
P(l-H)
n 1
n 1
P ( l + i ) + P ( l + i) i =
= P (1 + i)" = F
fo
ro
s.
c
om
P i
Grfica 6-9
on
t
un
a.
F=
w
w
.a
dm
yc
El factor resultante; F = (1 + i)
dado P como P dado F o sea:
Cunto debe invertirse el lo. de julio de 1982 al 6% de inters anual a fin de disponer de Bs. 1.790 el lo, de julio de
1988?
Solucin:
F = 1790
i- 0.06
(1 + i)n
P=1790 X
(1 + 0.06)'
P= 1.266
Ntese que el problema anterior es equivalente a preguntar.
Cul es el valor presente el lo. de julio de 1982, de Bs. 1790
el lo, de julio de 1988 si la tasa de inters es del 6& anual?
6.5.6.3. Frmula para calcular el Valor Presente (P) dado un Valor
Peridico (A)
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
Supongamos que un depsito de monto (P) es realizado ahora, a una tasa de inters (i), y que el inversionista desea retirar
el capital ms el inters percibido en una serie de montos peridicos iguales, cada uno al final de cada perodo. Cuando se
realice el ltimo retiro no debern quedar fondos en depsito.
El diagrama de flujo de fondos para esta situacin se muestra
en la grfica 6-10.
-"(i+ir1
d+i)
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
157
II) (1+i) P-
(1 + i) "'
A
i n2
n-l
P-(l+i) P =
-A +
simplificando
om
A-
s.
c
iP =
fo
ro
de donde
un
a.
P- A
dm
yc
on
t
El factor entre parntesis se utiliza para calcular el valor presente (P) correspondiente a una serie de montos iguales (A)
que ocurren durante un nmero n de perodos y a una tasa de
inters i.
w
w
.a
Ejemplo:
Cul es el valor presente de una serie de pagos anuales de Bs.
10.000 durante 7 aos a un inters del 6% anual?
P= A
10.000
i (l+i) n
(1+0.06)7 - l l
.06 (1+0.06)7
55.820
158
,_
F ocurre al final del perodo n contando a partir del peperodo escogido como presente.
fo
ro
s.
c
om
Para que un flujo de fondos sea equivalente a otro, los valores equivalentes de ambos deben ser iguales en cualquier punto del tiempo. De
no ser as, el Decisor que est considerando las alternativas, no podr
ser indiferente a alguno de ellos y no podr decirse que los flujos de
fondos sean equivalentes.
dm
yc
on
t
un
a.
.a
Veamos un ejemplo.
w
w
100
100
100
Grfica 6-11
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
159
(1+0.05)3 -ll
0.05 (1+0,05)2
= 272.3
om
fo
ro
s.
c
un
a.
dm
yc
on
t
w
w
.a
100.000
25.000
Ji
J*.. ......... 1
Grfica 6-12
160
AI
100.000
25.000
25.000
25.000
fo
ro
om
A2
s.
c
AO
un
a.
25.000
on
t
125.000
.a
dm
yc
100.000
25.000
Grfica 6-13
w
w
P2 = A
P2= 25.000
-1
(1+0.10)5 1
(0.10) (1+0.10)'
:= 94.770
Esta cifra de Bs. 94.770 s es directamente comparable con el valor
presente de Bs. 100.000 porque ambas representan cantidades de dinero en el mismo punto del tiempo. As, el decisor puede concluir, sobre
una base equivalente, que la suma de Bs. 100.000 en un solo pago es
preferible a 5 pagos anuales de Bs. 25.000 y por lo tanto se decidir
por la alternativa Al.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
2) El Valor Futuro
fo
ro
s.
c
a.
un
6) El Valor Prospectivo
dm
yc
on
t
La metodologa del Anlisis de Decisiones utiliza fundamentalmente el ndice del Valor Presente, por lo cual consideramos slo este ndice de comparacin.
El estudiante interesado podr estudiar los otros ndices en la Bibliografa suministrada.
w
w
.a
Es importante aclarar que la utilizacin de los ndices de comparacin constituye slo una etapa ms dentro de la metodologa del Anlisis de Decisiones.
Antes de estudiar el ndice del Valor Presente es necesario aprender qu se
entiente por flujo neto de fondos.
6.6.1. Flujo Neto de Fondos
Ya hemos aprendido, cuando estudiamos Flujob de Fondos, que las
consecuencias monetarias de una alternativa pueden describirse en trminos de los ingresos y egresos que se produciran si la alternativa
fuese elegida y que la representacin de estos montos, y del tiempo en
que ocurren, se conoce como diagrama de flujo de fondos de la alternativa.
Cuando una alternativa en particular muestra ingresos y egresos ocurriendo simultneamente, se acostumbra trabajar con el flujo neto de
fondos, el cual resulta de la suma algebraica, por cada punto o momento del tiempo, de los ingresos y los egresos. Cuando el flujo neto es
positivo, representa un ingreso o beneficio o sea, que el ingreso supera
a los egresos; mientras que si el flujo de neto de fondos es negativo,
representa un egreso o costo, o sea que los egresos superan los ingresos.
162
fo
ro
s.
c
om
,')'
un
a.
Ejemplo:
on
t
Una empresa est considerando la adquisicin de una nueva maquinaria la cual puede pagarse de la manera siguiente:
dm
yc
w
w
.a
Ao
Ingresos
Egresos
Flujo Neto
20.000
- 20.000
15.000
5.000
10.000
15.000
5.000
10.000
15.000
23.000
8.000
Flujo Neto de Fondos
Figura 6-15
163
23.000
10.000
10.000
ji
fo
ro
s.
c
om
20.000
un
a.
on
t
dm
yc
w
w
.a
x_
^0
164
As el valor presente (VP) del flujo neto de fondos X (t) a una tasa de
inters i y durante un lapso de n perodos puede estimarse, utilizando
la frmula de P dado F, como:
x,
\T'D
V
fo
ro
s.
c
om
X(t) x
on
t
X (t)
un
a.
representa al tiempo
^ (Lu, (T-
^
^
JU /e
.a
dm
yc
w
w
El estudiante deber tener claro que tanto el clculo del valor como su
utilizacin como ndice de comparacin, se basan en el concepto de
equivalencia.
6.6.3. Utilizacin del ndice Valor Presente
Conocido el flujo neto de fondos que representa la alternativa y dada
una tasa de inters, fue posible calcular una cantidad equivalente, el
valor presente, al flujo neto de fondos. As que siempre es posible estimar una cantidad equivalente en cualquier punto del tiempo que equivale en valor al flujo neto de fondos. Puesto que este valor presente
resume o representa el valor neto de los fondos, puede apropiadamente utilizrsele como ndice de comparacin.
Ejemplo:
Supongamos que una alternativa est descrita por el flujo neto de fondo que se indica y que deseamos calcular el valor presente equivalente
al flujo neto de fondos a una tasa de inters del 10% anual.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
165
Aos
Montos
-1000
400
400
400
400
s.
c
om
Grfica 6-18
fo
ro
400
400
400
on
t
un
a.
400
dm
yc
w
w
.a
1000
Grfica 6-19
X(t)
t=
VP=
-1000
X .. _- r + 400 X
+ 400 X
(14-0.1)
(1-fO.l)2
(l+O.l)1
400X
(l+O.l)3
+ 400 X
166
fo
ro
s.
c
om
3) El valor del ndice valor presente es siempre nico para cada flujo
neto de fondos, o sea, que una secuencia de ingresos y egresos originar un valor presente nico para un determinado valor de tasa
de inters y para un particular punto del tiempo.
un
a.
w
w
.a
dm
yc
on
t
VP
Grfica 6-20
El examen de la grfica VP ~ f(i) provee informacin muy til. El rango de tasa de inters (i) para el cual el valor presente (VP) es positivo
corresponde a ingresos mayores que egresos y por lo tanto la alternativa es deseable, mientras que cuando (VP) es negativo corresponde a
ingresos menores que egresos (prdidas) y la alternativa no es deseable.
Por lo tanto, el valor presente provee un criterio o medida directa y
muy visible y de fcil interpretacin acerca de la deseabilidad de una
alternativa o resultado.
A mayor valor presente, mejor y ms atractiva es la alternativa
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
167
6.7. RESUMEN
En esta Unidad nos hemos dedicado al estudio de las Preferencias al Valor y
a las Preferencias Temporales del Decisor.
s.
c
om
w
w
.a
dm
yc
on
t
un
a.
fo
ro
Mediante el estudio y aplicacin del Criterio del Valor Presente hemos aprendido a establecer las Preferencias Temporales del Decisor.
168
AUTOE VALUACIN
Instrucciones
Para cada uno de los problemas suministrados, responda la (s) pregunta (s)
:orrespondiente (s).
om
s.
c
Se pide:
Estructurar el problema en forma de rbol de decisin.
B)
C)
a.
fo
ro
A)
8
10
.a
w
w
w
Costo (X)
en millones
dm
yc
on
t
un
0.2
0.4
12
0.3
14
0.1
Se pide:
A)
B)
C)
169
Campaa I
Porcentaje
Pblico
Ao
60%
-500
20%
-500
200
100
200
200
300
200
200
200
300
Campaa II
dm
yc
on
t
un
a.
-500
s.
c
20%
fo
ro
om
Tipo
Respuesta
Porcentaje
Pblico
w
w
.a
Tipo
Respuesta
Ao
30%
-600
300
200
200
40%
-600
200
300
300
30%
-600
300
300
300
Se pide:
170
A)
B)
Asignar valores a los resultados y determinar para una tasa de inters del
10% , qu campaa de publicidad deber adoptarse, por medio del clculo del Valor Presente.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Fabricar
Producto
Costo Inicial
15.000
30.000
12.000
25.000
0.4
0.6
0.6
0.4
s.
c
10%
a.
Tasa de inters
fo
ro
Probabilidad de
duracin en aos
de las ventas
om
Mejorar
Producto
un
Se pide:
B)
Determinar cul es la mejor estrategia a seguir, asignando valores y utilizando el mtodo del Valor Presente.
w
w
.a
dm
yc
on
t
A)
171
SOLUCIN DE LA AUTOEVALUAC1ON
Seccin
Referencia
Objetivo
Evaluado
Problema
12
6-3
12
6-3
13
6-6
13
6-6
om
Clave Razonada
s.
c
Problema 1
fo
ro
Valor
B=f 2-0.5)
1.5
B= (1.6 -0.5)
1.1
B=(.8~0.5)
0.3
dm
yc
on
t
un
a.
A) RBOL DE DECISIN
w
w
.a
B= (0-0)
B) Por tratarse de un problema de tipo empresarial es lgico utilizar como criterio de valoracin el beneficio econmico neto definindolo como
donde
B = beneficio neto
I = ingresos o ganancias
C= costos
Utilizando esta frmula se calculan los valores para cada resultado, los cuales
se indican en la tabla.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
173
[II]- O
Puesto que
E [ I ] > E [ II ]
Por lo tanto
Seleccionar alternativa I: Fabricar
Problema 2
fo
ro
s.
c
om
B) CALCULO DEL
VALOR
VALOR
un
a.
A) RBOL DE DECISIN
(12.5
4.5
(12.5-10)
2.5
(12.5-12)
0.5
(12.5-14)
-1.5
w
w
.a
dm
yc
on
t
0,2
0-0 )
174
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
E ( I ) = 1.9
E ( I )= 1(0) = O
Puesto que
E (I) > E ( I )
Problema 3
fo
ro
s.
c
om
VALOR
1.3
72
w
w
.a
dm
yc
on
t
un
a.
RBOL DE DECISIN
-3
-12
55
146
B) Para valorar cada nodo terminal debemos calcular el Valor Presente del Flujo
de Fondos correspondiente a cada resultado. Los valores que se obtengan se
asignarn a cada nodo terminal.
175
X(t)
t=o
con n = 3
i = 10%
Para la alternativa I:
VP<IA) = -500
VP (IA) =
200
100
(l+O.l)2
(1+0.1)
300
+ 13
om
Similarmente se obtiene:
s.
c
VP (IB) = 72
200
fo
ro
VP (IC) = -3
200
+55
on
t
VP(IIB)=
un
a.
30
yc
VP (IIC) = + 146
.a
dm
w
w
E [ I ]=
E [ I ]=
45.2
E [ U ]=
E [ II ]=
62.2
Puesto que
E [ II ] >
E [I]
176
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Problema 4
A) Estructuracin del problema (rbol de Decisin).
RBOL DE DECISIN
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
Alternativa M
Alternativa N
w
w
-.izaremos:
7 ;r.5dera>'emos:
Itdo Natural 1:
Espado Natural 2:
-15000
VF(M1)=
-4091
12.000
(l+O.l) 1
177
Similarmente
VP (M2) -
5826
Para la alternativa N
VP (NI) =
-30.000 +
25.000
( i + o.i)i
VP (NI) - -7273
Similarmente
VP (N2) -
25000
25000
om
-30000 -i13388
.-, -4091
on
t
un
a.
fo
ro
s.
c
.0
5826
w
w
.a
dm
yc
-7273
13388
E [ N ] = 0.6
(-7273) +0.4(13388)
E [ N ] = 991
Puesto que
UNIDAD
om
14) Establecer, grfica y analticamente, la funcin de utilidad del Decisor y determinar la consistencia del mismo, a travs de la utilizacin de los axiomas
de la Teora de la Utilidad.
on
t
un
a.
fo
ro
s.
c
yc
ESQUEMA DE CONTENIDO
.a
Lotera
Valor monetario de la Lotera
Equivalente cierto de una Lotera
Axiomas de la Teora de la Utilidad
w
w
7.2.1.
7.2.2.
7.2.3.
7.2.4.
dm
Ll. Introduccin
Pag.
180
180
181
182
183
184
190
197
198
A .;: Devaluacin
205
:: !ucin de la Autoevaluacin
211
179
7.1. INTRODUCCIN
Cuando un Decisor se enfrenta ante una serie de alternativas, la seleccin de
la estrategia a seguir constituye un problema, ya sea porque hay incertidumbre
sobre la ocurrencia de los estados de la naturaleza, o porque no se tiene certeza
de las consecuencias que involucrara un determinado curso de accin. En general,
el Decisor procurar elegir aquella alternativa que le garantice el mximo provecho
o mxima utilidad como la llamaremos de ahora en adelante.
fo
ro
s.
c
om
un
a.
Cuantificar las preferencias de un Decisor es una necesidad, a fin de establecer un mecanismo que permita determinar la alternativa ms favorable, de acuerdo
con su evaluacin subjetiva frente a un conjunto de factores. Con este propsito
se utiliza la Teora de la Utilidad.
yc
on
t
w
w
.a
dm
En esta Unidad se desarrollan las funciones de utilidad de aquellos que toman decisiones racionalmente y se describen sus diferentes actitudes ante el
riesgo. Veremos que una funcin de utilidad no pretende representar el valor del
dinero como tal, sino que refleja una integracin de diversos elementos que tienen
que ser tomados en cuenta, tales como: los beneficios o las prdidas potenciales^
el patrimonio financiero inicial de! Decisor, sus perspectivas a corto plazo, los
posibles cambios de la actitud ante el riesgo, etc.
7,2. TEORA DE LA UTILIDAD
La teora de la utilidad nos provee de una serie de elementos o mecanismos
para establecer una cuantificacin de las preferencias del Decisor. El resultado de
este proceso ser una funcin utilidad, la cual tomar en cuenta las preferencias
del Decisor, tanto monetarias como no monetarias, en un determinado momento
y con un estado de conocimiento.
La funcin utilidad, a la cual simbolizaremos por U (.), es una medida subjetiva de la trascendencia que para el Decisor representa la incetidumbre sobre las
consecuencias, tanto cualitativa como cuantitativamente. El valor de utilidad
U (X) indicar el "beneficio" o "utilidad" que para l representa disponer de X
unidades del bien o atributo considerado. Pero, cmo constuiremos la funcin
utilidad para cada uno de los diferentes decisores?
Para establecer la funcin de utilidad es necesario introducir una serie de
nuevos conceptos, los cuales describiremos a continuacin.
180
7.2.1. Lotera
Si nos encontramos observando un resorte, una forma de evaluar los efectos
que sobre el material causan las variaciones de temperatura es midiendo la longitud del resorte para diferentes valores de temperatura y, con estas mediciones,
trazar una curva de elongacin versus temperatura. Para medir las variaciones utilizamos una cinta mtrica. De forma anloga, para establecer la funcin de utilidad se utiliza una lotera.
Lotera, la cual representaremos por (L), es un trmino tcnico que define
una seleccin de premios o consecuencias, a los que designaremos por (X17 X 2 ,,. .
X ), de los cuales solamente uno se obtendr, y que tiene asociados a cada uno de
ellos una probabilidad P de obtener el premio, tal que 2 P. = 1
[(X^P^CX^MX^PJJ
= L ( X , , P i ) 1-1....n
s.
c
om
fo
ro
donde
X.: premio i
a.
un
.a
w
w
LX,,?,)
dm
yc
on
t
(X 1( ...X n )por:
donde
^
equivalente a
(~10,-|-)
10.000
-10
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
181
-10
7.2.2. Valor monetario esperado de la Lotera
Para cada una de las loteras L planteadas a un Decisor es posible Determinar
el valor esperado de la Lotera, al cual representaremos por E (L) = X, definido
como:
s.
c
om
X = E (X)= X. P.
v '
1=1
l >
fo
ro
donde
probabilidad de obtener Xi
un
a.
X- :
on
t
yc
w
w
.a
dm
X1=E(L1)10.000x--10x
Como se observa
= 50
2
200
--
20
m ^ 20
2
X2 < Xj
10-000
199/200
-10
50
10
182
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
-10
s.
c
om
X. P.
l '
fo
ro
donde
probabilidad de obtener Xi
un
a.
X-:
on
t
yc
SOL
w
w
X2
.a
dm
^-E^)-10.000X^-10X1--
Como se observa
w. _ ly. - 20
2
X2 < X!
182
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Si el Decisor slo toma en cuenta el valor monetario esperado y utiliza el procedimiento indicado anteriormente el rbol se reducir:
s.
c
om
y la decisin deber ser elegir Ll, es decir, participar en la rifa, sin embargo, la
probabilidad de salir favorecido con el juego de la moneda es mayor. Habr personas que preferirn participar en L 2 .
fo
ro
a.
un
dm
yc
on
t
/*
El equivalente cierto de una Lotera L (X., P.), al cual designamos por X, es
la cantidad X para la cual el Decisor es indiferente entre participar en la Lotera
L (Xp P) y recibir X con certeza, es decir,
w
w
.a
^ x,
siendo
'v ; smbolo que indica indiferencia.
Tomemos un ejemplo para interpretar mejor este concepto; supongamos que
usted posee un boleto para la rifa de un pasaje ida y vuelta a Pars que tiene un
total de 100 nmeros. Si le pidieran su opcin a la rifa cul sera el precio por el
cual usted estara dispuesto a vender su boleto? Digamos que usted dice Bs. 100,
esto significa que usted es indiferente entre tener la opcin a la rifa o disponer de
Bs. 100 seguros.
1/100
Ir a Pars
Grficamente,
100
99/100
Quedarse en casa
183
om
X,
Xi
un
a.
>
fo
ro
s.
c
Este axioma se refiere a que un Decisor debe poder clasificar una serie de premios dados X1,. . . . , Xj,. . . . X , de acuerdo a sus preferencias. Digamos que las preferencias del Decisor se pueden resumir
en
yc
on
t
Tomemos un ejemplo para ilustrar este axioma. Supongamos las siguientes consecuencias o premios:
dm
X1 = Ir a Pars
.a
X2 - Ir a Los Roques
w
w
X2
> Xx
La ordenabilidad obliga a la transitividad, es decir, si un Decisor prefiere X. a X. + l (X. > X. +1) y a su vez X + j a X. + 2 (X. + 3 >
Xj + 2 ) entonces X > Xj + 2
184
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
s.
c
V
A 2-
V
Al
fo
ro
yc
x, -v x3
on
t
un
a.
.a
dm
Supngase que adems de ir a Pars el premio incluye una gira adicional (X 4 ) y usted dice que X3 ^ X 4 , siguiendo este procedimiento
donde Xj 'v X 4- A X podramos llegar a situaciones donde
w
w
185
Muchas veces la transitividad de las preferencias pareciera no satisfacerse y esto se debe a que el Decisor involucrado en el proceso ha asimilado nuevas experiencias a su comportamiento que pueden hacer
variar sus preferencias, es decir, se ha realizado un proceso de cambio
en el estado de informacin. En este caso la transitividad no ha sido
violada sino que se ha producido un cambio en el estado de informacin del Decisor, lo que ha ocasionado una alteracin en el orden de
sus preferencias.
Para la aplicacin de estos axiomas a un mismo Decisor, necesariamente debe considerarse el mismo marco de referencia y estado de
informacin.
Figura 7-1
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
w
w
-x,
186
om
fo
ro
s.
c
x.
Boleto cine
un
a.
yc
'
on
t
dm
.a
w
w
Si un decisor es indiferente ante dos loteras L y L 2 , stas son intercambiables sin que se afecten las preferencias del Decisor. Por ejemplo, supongamos las siguientes loteras.
187
X1>x2>....>xn
entonces, l deber preferir aquella Lotera que le proporcionar la
mr,yo' probabilidad de cbtanau el premio "ms deseado" (XA
Utilicemos la nomenclatura tradicional para representar ste axioSeaL
fo
ro
s.
c
om
tal que
w
w
.a
dm
yc
on
t
un
a.
p'
r
Este axioma de monotonicidad es una de las caractersticas ms importantes de las funciones de utilidad, ya que permite establecer la
estrategia que maximizar la utilidad del Decisor. La maximizacin
de la utilidad depender del parmetro de ponderacin utilizado.
Si por ejemplo se toma si valor monetario como aquel que sirve para
ponderar las diferentes consecuencias o premios, preferirn el mayor
U(X)
188
a.
fo
ro
s.
c
om
El axioma de descomponibilidad establece que una Lotera Compuesta puede ser reducida a una Lotera sencilla que tenga por premios
todos los incluidos en la Lotera Compuesta y cada uno de los premios (concecuencia) tenga asociado un valor de probabilidad determinado a travs de la utilizacin de la Teora de las Probabilidades.
w
w
.a
dm
i-p
yc
on
t
un
pp
Todos estos axiomas nos permiten establecer una metodologa consistente para la determinacin de la funcin utilidad, lo cual analizaremos en la prxima seccin.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
189
m>0
tambin ser una funcin de utilidad que codificar las preferencias del Decisor,
ec decir,
om
dm
yc
on
t
un
a.
fo
ro
s.
c
w
w
.a
Esta asignacin establece una escala o rango de variacin de la utilidad, la cual nos
parmte tenei* otros plintos de la curva de utilidad a fin de codificar las preferencias del Decisor ante un conjunto de consecuencias o premios (X, > ..... , X )
Cmo procedemos a determinar los puntos restantes de la curva de utilidad?, es
decir, para un premio X x < X; < X n ? V i. Qu valor de utilidad le asignaremos?
Para determinar U (X) 5 el Decisor debe determinar el valor X de los resultados o
eonsecu^cias posibles que hara que fuese Indiferente (para el Decisor) entre
poseer X con certeza o participar en la Lotera L (X mx , 1/2); (X m f n , 1/2)
con premio (X^,,. , ~ ; ^ rnn ), es decir.
I/
X
rain.
Utilidad
Xmx.
0.5
X mn.
fo
ro
s.
c
om
Para determinar otros puntos de la funcin de utilidad, se le pregunta al Decisor qu valor X' hara que fuese indiferente para el poseer X' con certeza o participar en una Lotera (L) equiprobable de premios (X, Xmn ), es decir,
un
a.
X'-VL
Analticamente
w
w
.a
dm
yc
on
t
1/2
U(X') = X0.5 + X 0 =
2
2
4
U ( X min.
191
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Y para determinar puntos adicionales en la curva se establece con qu probabilidad (P) se podra recibir el premio Xmx de una lotera L [ (X ,
P);
(X mfn 1P) ] tal que fuese indiferente para el Decisor participar en la Lotera
L u obtener con seguridad la cantidad X, es decir,
mx.
1-P
Analticamente,
U(X) = P
U(X m J + (l-P) U ( X m n ) = P
Premio (.)
Utilidad (o)
a.
A.
fo
ro
s.
c
Xmx
om
on
t
un
yc
dm
U(X m n .) = 0
w
w
X m n.
U(Xmx.)=l
100
.a
1 350
i/2
U(350)=-U
v
2
- U ( 0 ) = 0.5
2
U (350)- 0.5
Ntese que 350 sera el equivalente cierto de la Lotera L.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
1/2
1 150
om
1/2
fo
ro
s.
c
U (150)-0,25
on
t
un
a.
w
w
.a
1 250 -v L
dm
yc
350
1/2
150
U (250) -
Con estos valores podramos entonces trazar la curva de utilidad tal como se
:a en la figura 7-2
FUNCIN
UTILIDAD
1000
FIG. 7-2
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
193
Ahora bien, antes de afirmar que esa grfica representa la curva de utilidad
de un Decisor, es necesario comprobar la consistencia de la actuacin del mismo.
Preguntrnosle matonees al Duchen- cul ser la probabilidad (P) que lo hara
indiferente ante una Lotera L[(1000, P); (O, l~P)]o recibir con segundad 250 Bs.
Supongamos que nuestro Decisor establece P = 0.75; determinemos si el comportamiento es coiioiGtete con los axiomas de la Teora de la Utilidad
000
om
0.75
fo
ro
U (1000)
'
a.
U (250
s.
c
Esto equivaldra a
on
t
un
dm
yc
cual determina un comportamiento inconsistente por parte suya. Esto nos indica
que debemos realizar nuevas pruebas para establecer a veracidad de las curvas y
efectuar los cambios que sean necesarios.
w
w
.a
'-:
-. . . - . . - - . '.:.- .
' . ....... ." ;:;;/: ::;. y^i c^iie cada uno dlos
posibles premios (consecuencias) derivados de un curso de accin pueden describirse en trminos de un solo bien o atributo (dinero^ tiempo, bonos); en nuestro caso
hemos tomado como atributo de evaluacin, el dinero. Sin embargo, podra darse
el caso de que las consecuencias de una determinada alternativa no pudieran ser
identificadas en trminos de un solo bien. En este caso estaramos en el de curvas
multidimensionales. Todo esto constituye parte de un anlisis ms profundo, que
se escapa del carcter introductorio de este Curso; por lo tanto, analizaremos curvas ae utilidad dovele al parmetro udlhado es a! ben moneteio.
2)
om
s.
c
fo
ro
on
t
un
a.
mo toda grfica, las curvas de utilidad pueden ser representadas analtica3in embargo, la representacin analtica es muchas veces complicada y no
n valores exactos sino aproximaciones. Para ello pueden utilizarse cualese los mtodos de ajuste de curvas disponibles en la literatura.
w
w
.a
dm
yc
1:
pongamos que una persona tiene una funcin de utilidad descrita por
X
X>0
x<0
L-v
-160
195
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
"">
^> Y
A! >
2)
> Xn
u(x m i n .)=o
2)
s.
c
fo
ro
1)
om
on
t
un
a.
Como toda grfica, las curvas de utilidad pueden ser representadas analticamente. Sin embargo, la representacin analtica es muchas veces complicada y no
se logran valores exactos sino aproximaciones. Para ello pueden utilizarse cualesquiera de los mtodos de ajuste de curvas disponibles en la literatura.
.a
dm
yc
;ernplo 1:
w
w
Supongamos que una persona tiene una funcin de utilidad descrita por
v s^
->. U
n
.A.
x<0
El equivalente cierto de esta Lotera vendra dado por un valor X tal que
U(X) =
U (100)+
U (20)-
U (-160)
om
fo
ro
s.
c
X - 2 5 yaque X > 0
a.
Ejemplo 2
1/4
60
1/3
10
.a
dm
yc
on
t
un
w
w
60
10
L,
1/2
10
en este caso hemos llegado a la conclusin que ambas loteras son idnticas, es
decir, L j 'v L2 y si el decisor prefiere Ll > L 2 ; esto indica inconsistencia, ya
que ha violado un axioma de la Teora de la Utilidad.
196
ATRIBUTO (X)
a.
fo
ro
s.
c
om
UTILIDAD (U (.))
w
w
w
\:
.a
dm
yc
on
t
un
"-3.S curvas sealadas en el grfico por 1,2 . . . . n nos indican que el equivalente
cierto de una Lotera L es menor que el valor monetario esperado, representado
. -:e ltimo por una lnea recta de pendiente 45 y que pasa por el origen de coor:? nadas.
i ;u(X)]= U E X )
*s:e caso la curva es la lnea recta y decimos que el Decisor es indiferente al
: 3 sea, que tiene el mismo comportamiento que un Decisor cuyo criterio de
: < : ~ ser elegir la alternativa que maximice el valor monetario esperado.
197
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
om
En un problema de decisin, el primer paso es establecer el conjunto de alternativas, estados de la naturaleza y resultados o consecuencias derivados de stos y
estructurales a travs de un rbol de decisiones.
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
X 'v L
donde
U ( X i ) = a U (Xmax.) + (1-a) U ( X m i n . )
U(Xi)= a
198
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
un
a.
fo
ro
s.
c
om
Por lo tanto, X 2 ) X 3 pueden ser sustituidos por loteras con premios X 1 ( X4;en
este caso quedara el rbol
yc
on
t
siendo a- U (X 2 ) y b = U (X 3 ) , U (X,) - 1U (X 4 ) =0
w
w
.a
dm
X4
(l-P ) + P (l-b)
X4
_i loteras Lj y L 2 son loteras con los mismos premios pero con diferentes var5 de probabilidades, por lo tanto, podemos establecer las preferencias del
I Tisor frente a las alternativas.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
199
*>
P + a ( 1-P) > P! b
Sustituyendo
a- U ( X 2 )
b = U(X,)
P+ U ( X 2 ) (1-P) > P' U ( X 3 )
Entonces el criterio de decisin est establecido y nos indica que el Decisor
deber elegir;
La alternativa A, siempre y cuando
om
1)
fo
ro
2)
s.
c
P 4 - U ( X 2 ) (1-P) > P J U ( X 3 )
P + U ( X 2 ) (1-P)- P' U ( X 3 )
Deber elegir A' si
a.
3)
U(X2
on
t
un
P'U(X3)
dm
yc
Notemos que en el criterio de decisin ha sido involucrado el valor de utilidad para cada uno de los premios (1. X 2 , X 3 , X 4 ) y que para establecer ese criterio se ha hecho uso de los axiomas de la Teora de la Utilidad.
w
w
.a
Utilidad
U (Xa)
U(XB)
i-p'
X4
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
P + (1-P)
U ( X 2 ) = E [U (A)]
om
P' U ( X 3 ) = E [U (A')]
A - A'
(1--P)U(X2) = P'U(X3)
fo
ro
A1
a.
un
s.
c
on
t
.a
dm
yc
2)
3)
4)
w
w
1)
201
60.000
10.000
E (A) - 20.C
30.000 .. 30.000
fo
ro
P / A ' w 60.000
s.
c
om
a.
siendo
on
t
un
dm
yc
Notemos que en este criterio no han intervenido la actitud ante el riesgo del
Decisor.
.a
w
w
U(X)
0.5
20.000
60.000
- 10.000
-10.000
U(')
;_
0.000
Determinemos ahora la estrategia a seguir, utilizando como criterio la maximizacin del valor esperado de la utilidad.
En este caso el rbol es:
202
om
=*
fo
ro
s.
c
UjX)
10,000
on
t
un
a.
0.2
1
0
20.000
60.000
10.000
- 0.2
1
4
w
w
E (U (A')) =
.a
E (U (A)
dm
yc
en este caso el criterio de maximizar el valor esperado de la utilidad nos indica que
para ese Decisor la alternativa de invertir en el negocio (A') es ms atractiva, ya
que:
- E (U (A) )<
Con este simple ejemplo hemos querido ilustrar el efecto que sobre la decisin tienen las preferencias del Decisor (funcin de utilidad).
Utilicemos ahora el ejemplo de la tarjeta de crdito, desarrollado en la autoevaluacin del Mdulo I, e introduzcamos la funcin de utilidad de la compaa.
Las condiciones del problema son las mismas y la funcin de utilidad de la compaa est representada por:
si
XX)
2X
si
X>0
U(X) =
203
VALOR
MONETARIO
1500
1500
1000
2000
O
1470
1030
- 2060
30
60
1490
1490
om
1470
- 2020
10
20
fo
ro
s.
c
0,6
a.
FIG 7-3
on
t
un
w
w
.a
dm
yc
E(U(T)) =
E(U(R)) =
E (U (1))
100
204
AUTOE VALUACIN
Instrucciones
fo
ro
a.
si X< O
un
U(X) =
on
t
si O < X < 2
2 + 3X
dm
yc
si 2 < X
.a
Supongamos la Lotera
w
w
1)
s.
c
om
-i
B)
C)
205
2)
om
(a)
w
w
w
(c)
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
(b)
3)
= O
U (100)
206
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
100
I)
(IV)
O
100
II)
1/2
40
fo
ro
s.
c
om
58
a.
15
un
Se pide:
B)
C)
Grafique la funcin.
4)
w
w
.a
dm
yc
on
t
A)
Supongamos que en entrevista con el gerente de una compaa se ha deducido la siguiente informacin:
A)
B)
100
1/2
30
O
30
1/2
10
1/2
207
100
10
1 p
a)
U (X) =
4+-X
<*
fo
ro
X *
om
s.
c
5)
w
w
.a
dm
yc
on
t
un
a.
0,5
11
208
Se pide:
Qu decisin deber tomar?
B)
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
A)
209
OBJETIVO
EVALUADO
PROBLEMA
SECCIN
REFERENCIA
14
7.2
14
9.2
14
7.2-7.3
14
7.4
15
fo
ro
s.
c
om
un
a.
7,5
.a
1:
w
w
:-*::*ema
dm
yc
on
t
Clave razonada
211
A)
riesgo
VX > O
B)
0}
Correcta,
Ic-a O < X < 2 la U (X) es la misma, por lo tanto hay varios valores de X que proporcionan la misma utilidad al Decisor.
Problema 2
Esta grfica podra representar una funcin de utilidad. Lo nico que
indica que a partir de X, la utilidad de disponer de una unidad ms de
X decrece.
yc
on
t
un
a.
fo
ro
s.
c
om
A)
dm
.a
w
w
B)
X X X
3
U (X t ) =
ningn axioma.
212
U (X 2 ) =
fo
ro
s.
c
om
.a
A)
dm
yc
on
t
un
a.
w
w
U (15)=-i-U (40)
+--U(0) =
B)
U (38)
213
NC.)
100 X
obiema 4
fo
ro
s.
c
om
A)
1/2
on
t
un
1/2
a.
10
dm
yc
.a
1/2
100
w
w
1/2
100
10
Por lo tanto
P = 0.25
214
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Problema 5
A)
om
6,5
7,25
un
a.
fo
ro
s.
c
11
10
w
w
.a
dm
yc
on
t
DC
215
UNIDAD
CRITERIOS DE DECISIN
un
a.
fo
ro
s.
c
om
yc
on
t
ESQUEMA DE CONTENIDO
dm
8.1. Introduccin
218
220
222
w
w
.a
Pag.
218
8.4.1.
8.4.2.
8.4.3.
8.4.4.
8.4.5.
8.4.6.
8.4.7.
8.4.8.
Introduccin
La Matriz de Decisiones
Criterio Maximin o de Wald
Criterio Maximax
Criterio de Hurwicz
Criterio de Laplace
Criterio del Arrepentimiento o Criterio de Savage
Resumen Comparacin de Criterios
222
223
227
228
229
230
231
233
Autoevaluacin
235
Solucin de la Autoevaluacin
239
217
8.1. INTRODUCCIN
Una vez que el problema de decisin ha sido estructurado, habiendo identificado sus elementos, asignado probabilidades a la ocurrencia de los estados naturales y valores a cada resultado y establecido preferencias y actitudes temporales
ante el riesgo, es necesario disponer de un criterio que permita la seleccin de la
alternativa ptima.
El establecimiento de un criterio de decisin responde a la pregunta de cul
alternativa debe seleccionarse? La alternativa con el mayor valor esperado de
beneficio neto? La alternativa con la mnima prdida mxima? La alternativa
con la mayor utilidad esperada? La pregunta es difcil de responder.
s.
c
om
Criterio Maximax
Criterio de Hurwicz
.a
dm
yc
on
t
un
a.
fo
ro
w
w
Criterio de Laplace
En pginas anteriores hemos introducido y utilizado ampliamente los dos primeros criterios, por lo que en esta Unidad nos limitaremos a su formalizacin, sin
abundar en detalles puesto que el estudiante ya conoce su aplicacin. Por lo tanto,
la Unidad se dedicar principalmente al estudio de los otros criterios.
8.2. CRITERIO DEL VALOR MONETARIO ESPERADO
Ya hemos mencionado que en gran parte de los problemas de decisin, el
valor asignado a un resultado puede establecerse adecuadamente en trminos monetarios. Este hecho justifica el uso frecuente de este criterio en los problemas
de decisin, especialmente del rea empresarial donde el objetivo del Decisor es
optimizar alguna forma de Valor Monetario y maximizar el beneficio econmico
neto.
El procedimiento para aplicar el criterio del Valor Monetario Esperado es el
siguiente;
218
Faso 1.
Paso 2.
Paso 3,
Hay que tener claro que en realidad no ocurre que una vez tomada la
decisin, se obtenga un beneficio igual al Valor Monetario Esperado. En realidad,
el valor que se obtendr estar determinado por el estado natural que ocurra y no
coincidir, en genera], con el Valor Monetario Esperado; sin embargo, este valor
permite tomar en cuenta el hecho de que no todos los eventos son igualmente probables. El hecho es por lo tanto que el Valor Monetario Esperado representa un
valor ficticio y no un valor real.
om
Ejemplo:
s.
c
w
w
.a
dm
yc
on
t
un
a.
fo
ro
: i.ucion:
l i i a la informacin suministrada, el Decisor deber utilizar el criterio de
. : r. el Valor Monetario Esperado.
,::: io tanto, aplicando el procedimiento se deber calcular:
^o: monetario de cada resultado, que para este problema es un dato.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
219
2)
f AI]
o | .5 x 10} + (6 x 8) |
+ -5 ! (.5 x 4) + (.5 x 2) ] = 6
E [AJ = 6
3}
{A2f
-f .5
(.5 x 9)
+ (.5 x 11} ]
- 1
A,
Seleccionar alternativa
s.
c
om
un
a.
fo
ro
dm
yc
on
t
w
w
Paso 1.
.a
Paso 2.
Paso 3.
220
VALOR
RBOL DE DECISIN
on
t
un
a.
fo
ro
s.
c
om
10
dm
yc
11
.a
Solucin:
w
w
CALCULO
10
10
8
4
2
UTILIDAD
4 +
4 +
10
8
6
2
2
f21
4 +
CO\
5,5
4 -f (B)
6,5
9
11
2
9
11
9
11
221
2)
3)
U (Ai) =
U (A,) -
7.25
U (A 3 ) =
U ( 2 ) =
8,00
E j U {A 2 ) j
Seleccionar alternativa
>
| U i A, > j
A2
s.
c
om
fo
ro
8.4.1. Introduccin
on
t
un
a.
dm
yc
Por otra pavte, los autores no subjetivistas consideran que existen situaciones de decisin en las cuales puede ser imposible asignar probabilidades a la ocurrencia de los estados naturales. Como razones para
tal afirmacin se sealan los hechos siguientes:
w
w
.a
La dificultad para la obtencin de datos suficientemente significativos para derivar, calcular y asignar probabilidades a la
ocurrencia de los estados naturales.
La oposicin del Decisor mismo, a la asignacin de probabilidades, hecho que ocurre frecuentemente cuando el estado natural
pertinente es un evento desagradable o comprometedor.
222
s.
c
om
a.
fo
ro
on
t
un
Para cada alternativa (A) y para cada estado natural (E.) se asocia un resultado (R^) nico al cual, se le asigna un valor (V..) cualitativo o cuantitativo.
dm
yc
w
w
.a
MATRIZ DE DECISIN
ESTADOS NATURALES
223
om
Una compaa de ingeniera civil dedicada al diseo y construccin de obras tiene la oportunidad de participar en una licitacin
de dos contratos muy importantes.
fo
ro
s.
c
El primero de ellos involucra el diseo y construccin de una fbrica, y el segundo contempla el diseo y construccin de un sistema colector de aguas negras.
on
t
un
a.
La compaa esta en posicin de ganar cualquiera de las licitaciones e incluso ambas y por ello desea analizar el problema y establecer la mejor estrategia a seguir
yc
w
w
.a
dm
El Decisor
Los directivos de la compaa
Estados naturales
(E, | Obtener contrato 1
( E 2 ) Obtener contrato 2
(E.j Obtener contrato 1 y 3
Alternativas:
Al considerar las oportunidades relativas al contrato,
se pueden desarrollar cuatro alternativas.
A,
A2
A3
224
Resultados:
Una vez identificados los estados naturales y las alternativas, deben
identificarse los resultados y asignarse valores a cada resultado.
En este ejemplo, pueden identificarse doce resultados, producto de
cuatro alternativas y tres estados naturales, e igualemente deben asignarse doce valores
El mtodo de asignacin de valores que la compaa ha escogido seguir
es el siguiente:
Listar los ingresos y egresos proyectados en el tiempo asociado a
cada i, -ultado.
om
s.
c
fo
ro
un
a.
MATRIZ DE DECISIN
w
w
.a
dm
yc
on
t
Si el contrato es otorgado el beneficio ser de 1 milln; si los dos contratos le son otorgados el beneficio neto, en valor presente, ser de 2
millones.
-2
FIG. 8-2
225
Los valores en la matriz de decisin no requieren ser de carcter monetario, pueden ser expresiones cualitativas o cuantitativas de la utilidad
asociada a cada resultado. Es esencial sin embargo, que los valores asignados estn expresados en una medida o unidad comn directamente
comparable, tales como valor presente, tiles, equivalente anual, etc.
En la matriz de nuestro ejemplo los valores se expresan en valor presente.
El estudiante debe tener muy claro que la matriz de decisin es una
representacin alternativa al rbol de decisin, quedando al criterio del
analista cul forma de representacin le conviene utilizar para cada
problema particular.
a.
fo
ro
s.
c
om
un
-4
1
2
on
t
yc
.a
dm
w
w
-2
1,6
6
O
2
5
RBOL DE DECISIN
FIG. 8-3
226
Vi
fo
ro
nin V ; j ),
j
s.
c
om
un
a.
yc
on
t
A - A i / m a x [min, (V )] Vi
AI
"
Siendo A = alternativa ptima
.a
dm
w
w
CRITERIO MAXIMIN
Alternativa
[minj ( V U ) ]
AI
A2
A3
-2
A4
FIG. 8-4
227
La seleccin de la alternativa A asegura al Decisor un resultado o beneficio de al menos 1 milln, independientemente del estado natural que
resulte.
8.4.4. El Criterio Maximax
El criterio Maximax est basado en una visin optimista del fu turo; su
utilizacin supone que la naturaleza es bondadosa y producir el estado natural que maximiza el beneficio del Decisor.
La aplicacin del criterio Maximax permitir al Decisor escoger la alternativa que corresponda al mejor de los mejores resultados posibles
o sea, que deber escogerse la alternativa que maximice los beneficios
mximos.
s.
c
om
Si, al igual que antes, Vu representa el valor asignado al resultado asociado a la alternativa i y al estado natural j, la aplicacin del criterio
Maximax se realiza en los pasos siguientes:
fo
ro
un
a.
[max
yc
on
t
.a
dm
A = A; /max
A
w
w
w
Vi
CRITERIO MAXIMAX
Alternativa
228
[Maxj
(Vy)]
AI
A2
A3
A4
Maxi
[Maxj (V y ) ]
FIG. 8-5
om
En contraposicin, si un Decisor sigue el criterio Maximax, es un optimista que decide basndose slo en el mejor resultado ofrecido por
cada alternativa; as, si en nuestro ejemplo, la alternativa A2 es seleccionada, la compaa enfrenta la posibilidad de una prdida de 2 millones, en su &n por obtener una ganancia de 6 millones.
s.
c
yc
on
t
un
a.
fo
ro
O < a < 1
.a
dm
w
w
Paso 2: Seleccionar el mximo de los valores del coeficiente de Hurwicz, calculados en el paso 1 para todas las alternativas y asociado a la alternativa que lo produce, o sea:
CH M = Max ja [Max (Vu) J + (1-*) [min, (V)]
i
'
229
Clculo de CH
CH"
AI
u. 25 (2) +0.75 ( 4 )
-2.5
A2
0.25(4) +0.75 ( 1 )
+ 1.75
A3
-0.50
A4
0.25 (5) + 0 . 7 5 ( )
+ 1.25
Mximo
CH
+ 1.75
om
Alternativa
F1G. 8-6
fo
ro
s.
c
on
t
un
a.
dm
yc
As, que los criterios Maximin y Maximax constituyen casos particulares del criterio de Hurwicz.
.a
w
w
P =
donde n es el nmero de estados naturales considerados.
230
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Faso 2: Calcular el valor esperado de les valores asignados a los resultados correspondientes a cada alternativa, o sea:
E [ V j = p 2 V,
Vi.
Vi
om
p = -s-
s.
c
n= 3
fo
ro
CRITERIO DE LAPLACE
Clculo
(p 2vj)
J
IMaxjpDVij)
i
i
-0.33
f 4 + 1 -f 2)
un
AS
a.
Alternativa
yc
on
t
1
a
dm
1
( -2 + 1.5 + 6 )
- (0 +2 + 5}
3
w
w
A4
.a
A3
'
^2,00
U
i
1.80
2.30
2.30
pin u,7
s.
c
om
un
a.
Paso 4
(ARij)
fo
ro
max) , = max
A, min |max ( A R l t )
on
t
A,
Vi
dm
yc
w
w
.a
1.5
FIG. 8-S
232
MATRIZ DE ARREPENTIMIENTOS
mn max
fo
ro
s.
c
om
AR 13
a.
figura 8-9
on
t
un
dm
yc
w
w
.a
COMPARACIN DE CRITERIOS
CRITERIO
ALTERNATIVA ESCOGIDA
MAXIMIN
A2
MAX MAX
A3
HURWICZ
A2
L APLACE
A4
SAVAGE
A4
Figura 8-10
233
om
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
Debe mantenerse claro que si la asignacin de probabilidades es posible y se desea, estaremos en un caso donde podemos aplicar las tcnicas que hemos estudiado en las otras unidades y podremos seleccionar
la alternativa ptima utilizando los criterios del Valor Esperado, ya sea
monetario o de la utilidad.
234
AUTOE VALUACIN
Instrucciones
s.
c
om
Los estimados realizados (en millones), se muestran en la tabla anexa e indican que la introduccin del producto generara un flujo de fondos A si la
demanda disminuye; un flujo B, si la demanda permanece estacionaria y un
flujo C, si la demanda crece.
fo
ro
un
a.
La empresa comnmente utiliza una rata de inters del 10% anual para sus
anlisis econmicos.
,
on
t
Pregunta:
dm
yc
.a
Sugerencia:
w
w
1)
Ao
Probabilidad de ocurrencia de
Flujo de Fondos
P ( A ) = 0.1
P(B) = 0.3
P ( C ) = 0.6
-30
-30
11
11
10
11
11
10
11
-30
235
2)
Suponga que los directivos de la empresa del problema No.l se rigen por la
funcin de utilidad definida como:
X para
X < O
3X + 5 para X > O
Pregunta:
Utilizando el criterio del Valor Esperado de la Utilidad, estimar y justificar si
la empresa debe introducir el nuevo producto.
Sugerencia:
a) Estructurar el rbol de decisin
om
fo
ro
3)
s.
c
a.
un
A2
A3
on
t
.a
dm
yc
E! : Revolucin
E 2 : Paz- sin recesin econmica
E 3 : Paz con recesin econmica
w
w
E2
-i
E3
A,
20
A2
A3
-6
MATRIZ PROBLEMA 3
Pregunta:
Qu alternativa se seleccionar de acuerdo al criterio de:
a)
b)
c)
d)
e)
236
Maximin
Maximax
Hurwicz con o= 0.50
Lapiace
Arrepentimiento o Savage.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
La tabla anexa muestra la matriz de decisin (en tiles) para tres alternativas
y tres estados naturales
MATRIZ PROBLEMA 4
Pregunta:
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
Maxim in
Mxima::
Hurwicz con a = 0.75
L aplace
Arrepentimiento o Savage.
a)
b)
c)
d)
e)
om
w
w
4)
SOLUCIN DE LA AUTOEVALUACION
OBJETIVO
EVALUADO
PREGUNTA
SECCIN
REFERENCIA
16
8-2
16
8-3
16
8-4
16
8-4
om
s.
c
CLAVE RAZONADA
A:
B:
C:
Demanda decreciente
Demanda constante
Demanda creciente
Introducir producto
No introducir producto
dm
yc
on
t
un
Estados naturales
I:
I:
a.
Alternativa
.a
RBOL DE DECISIN
w
w
a)
fo
ro
1)
VP,
239
b)
9X
VPA =
4. i () y
(l + O.l)1
(l+O.l)2
+ 8 X
--.-.,---
(1 + 0.1)2
(i + or
+ 0.492
Similarmente se obtiene
VPB =
VPC =
+ 4.870
- 4.185
s.
c
om
Estos valores se asignan a los nodos terminales del rbol de decisin y por lo
tanto
VALOR
0.492
4.870
w
w
.a
dm
yc
on
t
un
a.
fo
ro
RBOL DE DECISIN
c)
E [I] = - 1.000
E[T]= O
Puesto que
E [I] < E [ f ]
2)
a)
240
VALOR PRESENTE
RBOL DE DECISIN
0.492
4.870
un
on
t
b)
a.
fo
ro
s.
c
om
-4.185
X < O
yc
dm
U(X)
X >O
w
w
.a
3X + 5
Puesto que
E [U (I) ]
<
E [U ( T )]
241
om
CRITERIO MAXIMIN
a}
A,
20
-1
A2
A3
ALTERNATIVA
PTIMA
A3
0
W ...
yc
on
t
un
a.
MAXIMIN
(V)
s.
c
E3
fo
ro
E2
dm
CRITERIO MAXIMAX
w
w
.a
ALTERNATIVA!
OPTiMA
Aj
242
V
t]
E-
E3
20
-6
L__^____
A2
A3
CALCULO CH
^-(20) +4- -)
(9) +J-(0)
2
2
i(4)+ .(4)
2
2
CH
4.5
4
Alternativa
ptima
AI
d)
CRITERIO LAPLACE (n ~
e)
CRITERIO SAVAGE
AR..
AR.,
i3
\
Minmax
AR
Alternativa ptima
Al
E3
ARn
10
11
-i
20
-1
-6
A2
&
11
A3
16
16
yc
on
t
un
a.
AI
om
E:
s.
c
fo
ro
E,
MAXIMIN
MAXIM AX
HURWICZ
AI
.a
DECISIN
dm
GRITERO
A3
w
w
A3
LAPLACE
A]
SAVAGE
A,
CRITERIO MAXIMIN
MAXIMIN
(V)
El
E2
E3
A,
50
80
80
(&8)
A2
60
70
'0
20
A3
90
3u
60
20
ALTERNATIVA
PTIMA
AI
243
b)
c)
AI
50
80
80
f-{80) + ^ - ( 5 0 )
A2
60
70
20
|(70) + ^(20)
A3
90
30
60
4(90) 4- 4<30)
CH
Alternativa
ptima
72.5
57. 5
(75)
A3
un
a.
fo
ro
s.
c
om
EI
on
t
d)
CRITERIO LAPLACE ( n = 3 )
CALCULO
E [Vif
E [Vi]
80
80
J-(50 + 80 + 8 0 )
60
70
20
50
90
30
60
4(90 +30 + 6 0 )
60
w
w
A3
E3
50
.a
A2
dm
AI
E5
yc
El
....
E,
244
E2
SAVAGE
.___ CRITERIO
"""""
E3
AR 2 AR 3
AKn
.,_-
Alternativa
ptima
A!
Minimax Alternativa
ptima
(AR)
(43)
Aj
50
80
80
40
A2
60
70
20
30
10
60
60
A3
90
30
60
50
20
50
A,
UNIDAD
EL VALOR OE LA INFORMACIN
on
t
un
a.
fo
ro
s.
c
om
9.1. Introduccin , ,
246
,
246
.a
dm
yc
ESQUEMA DE CONTENIDO
246
254
260
w
w
,..
263
Autoevaluacin
267
Solucin de la Autoevaluacin .
271
9.1. INTRODUCCIN
En la Unidad 3 destacarnos la importancia que tiene el grado de informacin
disponible, respecto a un fenmeno aleatorio determinado, en la asignacin de las
probabilidades a los posibles eventos en l asociados. Tambin estudiamos corno
se modificaba la probabilidad asignada apriori a un evento dado, con la consideracin de informacin adicional. En esta Unidad centraremos nuestro inters en la
determinacin y evaluacin del costo de adquisicin de informacin adicional una
vez que se dispone de una parte de ella.
En el Anlisis de Decisiones, el estudio de este aspecto es importante porque
permite conocer hasta qu punto vale la pena, econmicamente hablando, llevar a
cabo una actividad de captacin de nueva informacin antes de la toma de la decisin definitiva.
fo
ro
s.
c
om
on
t
un
a.
El problema radica en si el Decisor debe actuar con la informacin disponible o si pospone la decisin e inicia un proceso de captacin de informacin adicional.
yc
w
w
.a
dm
Postularemos una "persona" denominada "pronosticador perfecto" o "clarividente" como "alguien" que por adelantado conoce o que va a suceder respecto
a cualquier fenmeno aleatorio, conoce con exactitud qu valor en particular va a
tomar cada una de las variables aleatorias involucradas en nuestro problema.
Mediante el pronosticador perfecto estaremos en capacidad de eliminar todo tipo
de incertidumbre, de disponer de la informacin perfecta, pero claro est, a un
determinado costo.
Es obvio que materialmente no existen los clarividentes o los pronosticadores
perfectos; se trata, sencillamente, de un postulado til en el proceso real de captacin de nueva informacin, porque permite establecer un tope mximo a lo que
vale la pena pagar a fin de obtener informacin adicional. La determinacin de
este tope mximo es esencial en la decisin de si debe iniciarse o no el proceso de
captacin de informacin adicional.
246
om
Para ilustrar esta definicin, tomemos como ejemplo el caso de la perforacin del pozo petrolero tratado en la Unidad 5 y determinemos cunto es en ese
caso el valor esperado de la informacin perfecta (VEIP).
fo
ro
s.
c
Segn podemos recordar, los estados de la naturaleza con sus respectivas probabilidades a priori y el beneficio neto correspondiente a cada accin y a cada
estado, son los que aparecen en el cuadro 9-1.
ESTADOS DE LA N A T U R A L E Z A
w
w
.a
dm
yc
on
t
un
a.
Cuadro 9-1
247
Estados de la Naturaleza
P(E,)
Al
A2
E2
...
P(E 2 )
V,
v i t.
V22
Sn
P(E n )
VIH
V!J
v, ;
V2n
on
t
w
w
.a
dm
yc
..
un
a.
...
P(%)
VM
EJ
s.
c
fo
ro
. EJ
Acciones
.Alternativas o
I?
om
CUADRO 9.2
donde los EJ (j = 1,.. . n) son ios distintos estados de la naturaleza con sus respectivas probabilidades P (E i ) l las Ai (i - 1, . . . m) son las distintas alternativas o cursos de accin y V^- es el beneficio neto o valor monetario correspondiente a cada
pareja (Aj, EJ), segn e! criterio que maximiza el beneficio neto esperado, la alternativa elegida debe ser aquella para la cual el valor
, . , .m
(9.2)
sea mximo, o sea, el curso de accin elegido con las probabilidades asignadas
usando la informacin disponible a priori arrojar un beneficio neto esperado que
puede expresaran como
BEIAP= mx (B;
248
(8-3)
i = 1, . . . m
(9.4)
As, segn a definicin que hemos dado, la expresin del valor esperado de
la informacin perfecta ser:
fo
ro
s.
c
om
yc
on
t
un
a.
Es equivalente a la definicin resumida por las ecuaciones 9.1 y 9.5 la interpretacin que permite definir el valor esperado de a informacin perfecta como la
cantidad en la cual se incrementa nuestro beneficio neto esperado como cpnse;u enca de haber tenido conocimiento de la informacin perfecta, Si designamos
:n K esta cantidad podramos escribir
(9.6)
dm
BEIAP + K = BEIP
w
w
.a
:. ordenamos los trminos de esta ecuacin y sustituimos las ecuaciones 9.2, 9.3
9,4 obtenemos
? ( , ) mx (V u ;
(9.7)
-K=mx
P (E ) Vu
~i
(9.8)
249
b)
e)
d)
e)
f)
Despejar el valor de K
a.
fo
ro
s.
c
om
a)
.a
dm
yc
on
t
un
Ahora bien, debido a que en este Curso hemos estructurado los problemas de
decisiones principalmente en forma de rbol, describiremos a continuacin el procedimiento a emplearse para determinar el VEIP, cuando se tiene tal estructuracin. Es importante notar que en una estructuracin en forma de rbol, los estados Ej del cuadro 9.2 equivaldran a los estados representados por los nodos termnales del rbol, las probabilidades P (Ej), las probabilidades asociadas a dichos
nodos terminales y los beneficios V 4 j a los beneficios netos asociados a cada uno
de tales nodos.
w
w
Tenemos entonces:
Dado un problema estructurado en forma de rbol de decisiones
a)
j
Ii
Evaluar el beneficio neto esperado asociado al rbol que considera la j
informacin a priori
b)
;i
c)
d)
e)
f)
Despojar el valor de K
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
300.000
om
1000.000
s.
c
Figura 9.1
fo
ro
on
t
un
a.
-O
0-K
300.000 K
0-K
10000.000K
w
w
.a
dm
yc
'-r-,000-K)
-200.000-K
Figura 9.2
9.5.
Veamos el siguiente ejemplo, donde determinaremos el VEIP empleado ini: emente la manera sugerida por la ecuacin 9.1 y luego el procedimiento sugeri:: por la ecuacin 9.8.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
251
E:
Lo contrario de E (fracaso).
G:
Grabar el disco
G;
om
E:
100.000
20.000
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
FIG. 9.3
De la evaluacin del mismo resulta que la decisin debe ser grabar el disco,
con un beneficio neto esperado de Bs. 10.000.
Supongamos ahora que el grupo XXX y compaa tiene la posibilidad de
consultarle al profesor Alfa quien es un pronosticador perfecto y posee informacin perfecta sobre los procesos mentales de todos los fanticos de la msica
"rock"; consideremos los eventos
"E": El profesor Alfa dice que el disco ser un xito.
"E": Lo contrario de "E"
en este caso, previo a cualquier decisin hay que considerar la informacin perfecta suministrada por el profesor Alfa; si ste dice que el disco ser un xito, la decisin ser grabar, de lo contrario no traer ningn beneficio hacerlo. Calculemos
cunto es el beneficio neto esperado en caso de poseer ia informacin perfecta del
profesor Alfa; el rbol correspondiente (rbol del clarividente) es el de la figura
9.4.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
100.000
"E"
1/4
- 20000
15,000
VEIP =
fo
ro
s.
c
om
El beneficio neto esperado en este caso es el de Bs. 25.000, por lo tanto, cualquier
consejo que pueda dar el profesor, tiene un valor para ei grupo, de Bs. 15.000, que
es ia diferencia de beneficio esperado antre tomar la decisin disponiendo de la
informacin perfecta y tomaila con la informacin a priori representada por la
asignacin de probabilidades hecha al inicio, diferencia que hemos designado
como el valor esperado de la informacin perfecta.
w
w
.a
dm
yc
on
t
un
a.
Figura 9.5
igualando el beneficio aspeado que arroja este rbol (paso e) con el beneficio
esperado correspondiente ai rbol de la figura 9.1 (informacin inicial) tenemos la
siguiente ecuacin:
_1_
4
:e donde, despejando K (paso f) se obtiene:
K = VEIP= Bs. 15,
:al y como habamos obtenido antes.
E! anlisis que hemos conducido hasta el momento est basado en las proba:i]idades que han sido asignadas cers la informacin disponible apnon, segn un
rierto estado de conocimiento, V-aremos en el prximo punto cmo incorporar
formacin adicional (aunque no perfecta) y proseguir as con si anlisis.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
253
P (e~/) = 0,8
Pe/E) = 0,2
s.
c
P(e/E) = 0,4
fo
ro
P(e./E) = 0,6
om
Si indicamos con e el evento; "el i-simo estudio del mercado indica que el disco
ser un xito", la confiabilidad del estudio se traduce en las siguientes probabilidades.
yc
on
t
un
a.
0,15= PtEOe.
0,10 =P (E H e
dm
0,4
w
w
.a
,15=P (
3/4
0(60=P(n.
Figura 9,6
P ( E n e . ) = 0,10
P (En e .) = 0,15
P (e.) = 0,30
P(i) = 0,70
254
P (E/e.) =1/7
P(E/e.)= 1/2
0,60
om
Figura 9.7
-20000
100.000
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
Estamos en condiciones ahora de analizar el rbol de decisiones, contemplan:o un primer estudio de mercado (figura 98)
w
w
20000
F i g u r a 9,8
jperando sobre este rbol se obtiene que el beneficio neto esperado, una vez que
_:~ ha realizado el primer estudio de mercado, es de Bs 12.000, tal como se indica
en la figura 9-8.
El valor esperado de la informacin que arroja el estudio de mercado se pue:e calcular como la diferencia entre el beneficio neto esperado, tomando en cuen: la investigacin menos el beneficio neto esperado segn el anlisis realizado con
.i= probabilidades a priori, "anlisis a priori". A este valor se le suele llamar
Valor esperado de la informacin imperfecta o valor esperado de la informacin
auestral (VEIM).
En el ejemplo tenemos entonces,
VEIM-Bs (12.000-10.000)- Bs 2.000
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
255
om
(172(80000- 2 K
fo
ro
s.
c
(jV7- (IQQQOO^K
4- K/j) ___-E o 100.000
_ - , _ . _ 7.)'-6/7(20000
. . _
..__
20000 - K
-K
F i g u r a 9.9
dm
yc
on
t
un
a.
s^
w
w
.a
igualando el valor que aparece en el nodo incial con el beneficio neto esperado
con la informacin a priori, podremos despejar a K' que ser el valor esperado de
la informacin muestral o imperfecta (VEIM).
256
fo
ro
s.
c
om
20,000
-C^
100.000 - K'
E
*^H
6/7
20000- K'
Figura 9.9
dm
yc
on
t
un
a.
^Q/7
(lOOOOO-K
+ K7))_ E
\
_ _ , _, _,f )-"6/7(20QOO
. _ ,
^_
w
w
.a
igualando el valor que aparece en el nodo incial con el beneficio neto esperado
con ia informacin a priori, podremos despejar a K' que ser el valor esperado de
la informacin muestra! o imperfecta (VEIM).
0,3 -^(80000 - 2K') + 0,7 (-K') - 10.000
12.000 ~ K ' - 10.000
K' - 2000 - VEIM
tal como habamos obtenido anteriormente.
Hay que resaltar que esta informacin adicional que incorporamos a nuestro
estado de informacin inicial (a priori), siendo en la mayora de los casos producto de un estudio estadstico sobre una muestra restringida, pero representativa de
la poblacin sujeto del problema de decisiones, es una informacin imoerfecta porque no existe ninguna investigacin, estudio o encuesta que pueda decirnos
con precisin, qu es lo que va a suceder ante un fenmeno de naturaleza aleatoria, salvo el clarivi .ente que postulamos al inicio.
Es importante notar que en el anlisis a posteriori, cuando se incorpora informacin adicional a !a disponible en el anlisis a priori, lo que se pretende es disminuir la incertidumbre y, por lo tanto, teniendo mayor conocimiento de la situacin que se tiesse entre manos, resultar factible que una estrategia recomendada
256
inicialmente durante el anlisis a priori, pase a ser sustituida por otra anteriormente desechada. Es realmente en este caso, cuando la investigacin o ei experimento
empleado en la recoleccin de informacin adicional, es ms valioso.
La adquisicin de informacin adicional nunca es gratuita, siempre conlleva
un costo que est estrechamente relacionado, o bien con un proceso de muestreo
estadstico o bien con los honorarios de los especialistas consultados. Este costo
es comnmente denominado Costo Asociado a a Adquisicin de Informacin,
om
fo
ro
s.
c
dm
yc
on
t
un
a.
w
w
.a
P (a/A) = 0.9
P (a/A')= 0,3
donde:
Estas, junto con las probabilidades a pron P (A) y P (A') se pueden representar
en el rbol de probabilidades re la figura 9-10.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
257
0,36
0,1 >>
0,04
0,18
0,6
om
0.42
fo
ro
s.
c
Figura 9.10
on
t
P ( A ^ a ' ) = 0,04
P (A' n a') = 0,42
P ( a ' ) - 0,46
yc
P ( A ^ a ) =0,36 ,
P (A' n a) 0,18 ,
P ( a ) = 0,54
,
un
a.
Para analizar el rbol de decisiones que contempla la realizacin del estudio geofsico es necesario que determinemos las probabilidaes a posteriori (Bayes). Del
rbol de la figura 940 se desprende:
.a
dm
w
w
0,36
0,18
0,04
0,46
0/2
Figura 9.11
258
; P(A ? / a; ) - 21/23
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
Cada nodo terminal tiene asignado el beneficio neto correspondiente, disminuido de la cantidad K' (los valores han sido tomados del cuadro 9-1 y expresados en Bs -103), que es el valor esperado del estudio (VEIM) y es lo que queremos determinar.
-K
.12
259
s.
c
om
Ya en la Unidad 7 qued establecida la importancia que puede tener la consideracin de la actitud del Decisor ante el riesgo en la toma de decisiones. Vimos
que cada Decisor queda caracterizado por una curva o funcin de utilidad y que la
decisin es tomada buscando maximizar esta utilidad, que refleja el grado de satisfaccin que le puede producir uno u otro beneficio (monetario o no).
fo
ro
En el caso de la determinacin del valor del valor de la informacin, podemos ver que es tambin muy importante la consideracin de las preferencias al
riesgo.
on
t
un
a.
PE.J-U^.)
(9.9)
.a
dm
yc
w
w
Esta es una ecuacin en K, pero ya no de primer grado (a menos que la funcin utilidad, U (v), sea lineal), K sigue siendo el valor esperado de la informacin
perfecta, pero ahora, est determinado no por una relacin de beneficios sino por
una relacin de la utilidad que al Decisor le producen tales beneficios.
Dependiendo de la forma de la funcin U (v), de si tiene expresin analtica o no, ser ms o menos fcil el despeje de K. Este despeje, en todo caso, puede
conducirse mediante un proceso de tanteo.
Ntese que gracias al axioma de monotonicidad, a pesar de ser K una incgnita a despejar, siempre podr establecerse el valor
mx
[ U (V'
-K)
JJ = 1. , . n
260
1000
300
on
t
un
a.
100
fo
ro
s.
c
om
w
w
.a
dm
yc
281
BENEFICIO
UTILIDAD
- 200 -K
[ (-200 K )
0
0,52 U f - K ) + 0,26 U (300-K)
300
Kj
U ( - K)
K V (300 -K)
u
K;
om
1000
!' .
K i
L'(IOOO-K)
U i- K)
Figura 9,15
fo
ro
s.
c
Vi
un
a.
-K = 0,5
on
t
.a
Para K = 200
0,52 U ( -200) + 0,26 U 100) + 0,22 U (800) -
1.
dm
yc
Dado que U ( v ) no est representada por una funcin analtica continua, es necesario resolver esta ecuacin por tanteo. Trataremos de reproducir el miembro derecho de la ecuacin, sustituyendo valores de K en el miembro izquierdo.
w
w
2.
4 0,26.0,75 + 0,22.0,96
0,5
0,4056
O, 5
Para K - O
0,52 U (0) + 0,26 U (300) + 0,22 U (1000)
O, 52. 0,5 + 0,26. O, 85 + 0,22
3.
4.
1
0,7010
Para K - 104
0,52 U (-104) + 0,26 U (196) + 0,22 U (896)
0,52. 0,24
Of5
= 0,5
:> 0,5
0,5
- 0,5
> 0,5
Para K - 130
0,52 U (-130) + 0,26 U (170) + 0,22 U (870) =
0,52. 0.18 + 0,26. 0.77 + 0,22. 0,97
0,51
262
0,5
0,5
- 0,5
^ 0,5
Si aceptamos la aproxknacin, el Valor esperado de la informacin perfecta, considerando la funcin de utilidad de la figura 9.13 es:
VEJP = Bs. 130.000
9.6. EL VALOR DE LA INFORMACIN Y LA PERDIDA DE OPORTUNIDAD
Muchos autores enfocan el anlisis del valor de la informacin considerando,
asociado a cada nodo terminal del rbol de decisiones, un valor de prdida d
oportunidad en cambio de un valor de beneficio neto.
A pesar de que se trata simplemente de un modo alternativo de resolver el
mismo problema, a continuacin lo trataremos, ya que en algunos casos su uso facilita la determinacin del valor de la informacin.
om
fo
ro
s.
c
200.000
un
a.
on
t
1000000
0,22
Figura 9 . 1 6
w
w
.a
dm
yc
300.000
263
om
20.000
100.000
on
t
un
a.
fo
ro
s.
c
dm
yc
Figura 9.17
w
w
.a
de donde se desprende que las prdidas de oportunidad asociadas con las estrategias G y G son respectivamente 15.000 y 25.000, por lo que G es la estrategia
ptima y 15.000 es la prdida de oportunidad a ella asociada.
VEIP = 15.000
Una vez que se considera la informacin muestral se tiene lo reflejado en la
figura 9-18
O
20000
100000
CiGoTogo/T?
Figura 9.18
264
del mismo se puede observar que reiterando los resultados del rbol de la figura
9.8, si la encuesta pronostica xito, entonces la estrategia ptima es G ( l a de menor prdida de oportunidad); si en cambio, pronostica fracaso, la estrategia a elegir sera G; en iodo caso la prdida de oportunidad asociada con la estrategia ptima despus de conocer la informacin muestra! es, como se lee en el rbol, de Bs.
13.000, por lo tanto
15,000 - 3
,000
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
Instrucciones
Resuelva los siguientes problemas:
Dada la siguiente matriz de decisiones, donde a cada par (A., E.) le corresponde un beneficio V.- expresado en miles de bolvares, el cual representa el
ingreso neto resultado de la comercializacin de un producto; E 1 ( E3 y E 3
ESTADOS NATURALES
E
E3
A,
600
A2
700
2100
om
CURSOS
DE
ACCIN
1400
s.
c
1)
1000
fo
ro
700
un
a.
son tres posibles grados de aceptacin del producto por parte del pblico,
cuyas probabilidades a priori son respectivamente 0,3; 0,6; y 0,1 y A I , Aj
y A3 son tres distintas estrategias de ventas, determinar:
El beneficio neto esperado con la informacin a priori, (en Bs ).
b)
dm
yc
on
t
a)
.a
w
w
U, ( X ) = l - e
>X
U 2 (X) = e
Suponga usted que existen tres eventos de inters con las probabilidades de
ocurrencia siguientes:
E! : el empresario obtendr xito completo, con P (E a ) = 0,58
E 2 : el empresario obtendr un xito limitado con P (E 2 ) = 0,25
E 3 : ei empresario fracasar, con P (E 3 ) - 0,17
Suponga tambin la siguiente matriz de beneficios netos dados en Bs -103
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
267
Estados Naturales
Cunos
de
Aeeivs
E5
A,
5000
2000
1000
A2
donde
A! . invertir en el negocio del empresario.
om
m
a.
un
fo
ro
s.
c
Se lleva a cabo una encuesta cuyo costo es de Bs. 125.000. La misma arroja
los siguientes resultados mustrales:
on
t
dm
yc
.a
b)
c)
w
w
a)
3)
4)
268
om
P E , ) = 0,5 ,
fo
ro
s.
c
a.
P ( e , / E , ) - 0,55
P(e 2 /EJ- 0,45
un
on
t
ESTADOS NATURALES
CURSOS
DE
ACCIN
yc
dm
500000
550000
w
w
.a
AI
A7
E2
E,
a)
b)
c)
d)
Pe,) y P(ea)
e)
269
AUTOEVALUACIOIM
Seccin
de Referencia
Objetivo
Evaluado
17
9.3
9.4
17
9,4
18
9.4 - 9.6
s.
c
Problema
om
SOLUCSOISI OE LA
fo
ro
w
w
.a
dm
yc
on
t
un
a.
100
1000
700
271
300-K
300-K
100-K
600-K
700-K
1000-K
2100--K
1400K
700~K
s.
c
om
900 - K =
K - 200
fo
ro
BENEFICIO
w
w
72
Ui
U2
300
0,1331
0,0764
600
0,5756
0,1173
2100
0,9502
1,000
300
0,3486
0.0764
700
0,6321
0,1353
1400
0,8647
0,3679
100
0,1331
0,0574
1000
0,7603
0,2077
700
0,6321
0,1353
.a
dm
yc
on
t
un
a.
U j (300K)
U 2 (300-K)
300 - K
U! (300 K)
U 2 (300-K)
100 - K
U j (100-K)
U 2 (100-K)
600 - k
U j (600-K)
U2 (GOO-K)
700 -K
U j (700-K)
om
300 K
fo
ro
U j l O O O - K ) U2 (1000K)
U! (2100 K) U 2 (2100 K)
un
a.
2100- K
1400 - K
U 2 (700-K)
s.
c
1000 - K
U2
Ui
Beneficio
Uj(1400-K) U 2 (1400 K)
U i (700-K)
U 2 (700-K)
yc
on
t
700 - K
.a
dm
w
w
3.00K
700
0,3(1-6
K
700
1-e
) +0,6(l-e
3_
~~ 7
(0,3 e
_ 30
7
+0,6 e
2100-K
700
) + 0,l(l-e
) = 0,5703
+ 0,1 e
) = 0,5703
/. K - 155.3
Para el Decisor caracterizado por U, el VEIP es entonces igual a Bs. 155.300
(respuesta c).
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
273
700
1000K- 2100
,
r,
700
-r
O5n
*
V
W P
^
18
e 7~
(0,3 e
K
- 0,1933
11
4 0,6 e
+ 0,1 e
2100 -K -2100
700
+ 0 , 1 ) -0,1933
173,3
fo
ro
s.
c
om
Solucin al problema No 2
SO O O
15,
20
0,25
o r
-o
1000
w
w
.a
dm
yc
on
t
un
a.
El rbol correspondiente es
C_3400
274
Igualando tenemos:
3400-K = 3230
K = 170
El valor esperado de la informacin perfecta es:
VEIP= Bs. 170.000
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
w
w
Igualando el beneficio neto esperado (valo del nodo inicial) con el beneficio
neto esperado con la informacin a priori, obtenemos:
3230-K'-3230
K'=
o sea, el valor esperado de la informacin muestral es nulo, VEIM - 0. Esto obviamente era de esperar desde que se observa en el rbol anterior que, independientemente del resultado que arroje la encuesta, la estrategia recomendable es siempre
A j , la misma que se haba seleccionado en el anlisis apriori.
La ganancia neta asociada a la encuesta es:
GEIM - VEIM - costo del estudio
GEIM= O - 125.000
GEIM- - 125.000
O sea, es una prdida. No vale la pena realizar esa encuesta.
275
0,06
0,06
0,04
0,03
3/4
0,12
0,18
fo
ro
s.
c
om
0,12
un
a.
on
t
P (M/E) P (E)
P (M/E) P (E) + P (M/E') - P (E')
J_
3
0.48 X 1/4
0.48 X 1/4 + 0.32 X 3/4
.a
dm
yc
P (E/M) =
w
w
P (E/M) = 2/3
de esta manera podemos construir el siguiente rbol de decisiones: (M es el complemento de M) en cuyos nodos terminales hemos indicado la prdida de oportunidad respectiva.
20000
100000
o
o
20000
100000
Resolviendo el rbol se nota que para ei caso en que uno de los estudios
determina xito y el otro fracaso (para el caso en el cual se verifica M) la estrategia
con menor prdida de oportunidad es G (grabar el disco) con un valor asociado de
Bs. 13.333,33.
Ntese que no hemos resuelto la parte del rbol asociada a M; el estudiante
puede hacerlo y de esta forma determinar el VEIM, recordando que para este problema VEIP = POEIAP = Bs. 15.000.
Solucin al problema No. 4
Construyamos el rbol correspondiente:
om
500.000
550.000
0,5
a.
fo
ro
s.
c
250.000)
yc
.a
w
w
b)
POEIAP- 250.000
dm
on
t
un
500000
C238095.53
500000
550000
0,52632
277
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
VEIM = 1251,3
279
P(EI/el) =
0,55 X 0,5
0,50 X 0,5
P(E2)
= 0,522381
0,47368
P(E2/e2 ) -
0,52632
s.
c
P(E1/e2 ) -
fo
ro
0,47619
P(E2/e, ) =
om
Similarmente se obtienen:
un
a.
Llevando estos valores al rbol se pueden obtener las prdidas de qportunidad asociadas con cada estrategia, tal como se indica.
yc
on
t
Si se observa e{ el curso ptimo de accin ser A t , por ser el de menor prdida de oportunidad asociado.
Si se observa e 2 el curso ptimo de accin ser A 2 por ser el de menor prdida de oportunidad asociado.
d)
P(e ,) - P ( e , / E ( )
P ( E , ) + P (e , /E 2 ) P (E 2 )
w
w
.a
dm
c)
0,525
P ( e 2 ) = P ( e 2 / E , ) P ( E t ) + P (e2 / E 2 ) P (E 2 )
P ( e 2 ) = 0,45 X 0,5 +0,50 X 0,5 -
0,475
C.238095,0)
C248748.7)
0,475
(260524,0)
POEIM - 248748,7
278
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
VEIM - 1251,3
279
BARCN, Jaime
BONINI,C.ySPURR,W.
GRANT, E. y IRESON, G.
HOWARD, R. A.
s.
c
om
ACKOFF, R. y SASIENI, M.
a.
fo
ro
.a
dm
yc
on
t
un
MATHESON J. y HOWARD R.
RAIFFA, H,
RHEAULT, J. P.
STAEL, C.
w
w
KEENEYR. y RAIFFAH.
THUESEN, H. y FABRYCKY, W.
281
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
I
METODOLOGA DEL ANLISIS
DE DECISIONES
Lista de Unidades
El ciclo y las fases del Anlisis de Decisiones.
om
Unidad 10.
s.
c
Objetivos
fo
ro
de:
on
t
un
a.
dm
yc
Introduccin
.a
Con todos los elementos que se han analizado durante el desarrollo de este
Curso, esencialmente con:
w
w
283
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
UNIDAD
FASES OEL ANLISIS DE DECISIONES
10.2.
La Fase Determinstica
289
289
292
287
s.
c
fo
ro
10.1.
om
pg
La Fase Probabiistica
294
10.4.
La Fase Inforrnacionai
w
w
.a
dm
yc
on
t
un
a.
10.3.
294
296
297
298
299
300
300
300
301
10.5.
301
10.6.
La Modelacin
302
10.7.
308
10.8.
309
10.9.
312
312
315
Autoevaluacin
Solucin de la Autoevaluacin
..,
,
337
;
345
285
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
s.
c
om
a.
fo
ro
w
w
.a
dm
yc
FASE
DETERMINISTLGA
on
t
un
Informacin
Inicial
FASE
PROBABILISTICA
Captacin de
nueva Informa
cin
FASE
INFORMACIONAL
287
om
fo
ro
s.
c
un
a.
CUADRO 10-1
on
t
FASE DETERMINSTICA
.a
(2)
Delimitacin de la Decisin
dm
(1)
yc
Etapa de Modelacin
w
w
(3)
(4)
(5)
(6)
(7)
Etapa de Anlisis
(8)
288
om
Valo
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
En la figura 10.2 podemos observar un esquema en l cual, las variables de estado Sj (i = 1, . . . n), fuera del control del Decisor por
representar a les estado-a izaturaies, junto con las variables de decisin
dj (j - 1,. . . M) por l controladas, producen un resultado que para
l tiene un valor ?, Las variables Sj, dj y el valor v estn relacionados
entre s, segn establece el modelo.
289
yc
on
t
un
a.
fo
ro
s.
c
om
w
w
.a
dm
290
om
un
a.
fo
ro
s.
c
dm
yc
on
t
6. La creacin del modelo de valor o modelo de valoracin es prcticamente una prolongacin del paso (3), o sea, una vez que el
Decisor ha elegido los atributos mediante los cuales va a medir
los resultados, tiene ahora que asignarles un valor, ponderarlos.
w
w
.a
A,
A,
A 5 - A,
otro podra elegir:
291
A2 * A 3 ' A 7
A5 (A6)2
A5 ^ O
^O
fo
ro
s.
c
om
En un ejemplo concerniente a un proceso de seleccin de los aspirantes al primer semestre de una determinada carrera universitaria, podramos mencionar ios siguientes atributos: A, - promedio de calificaciones sn los estudios medios, A2 - nivel socioeconmico del aspirante, A 3 = nivel obtenido en la prueba psicomtrica, A4 = calificacin obtenida en la evaluacin del curso propedutico. Un modelo de valoracin posible sera:
log A2
dm
yc
on
t
un
a.
w
w
.a
En la seccin 64 de la Unidad 6 se trat en forma suficientemente extensa, todo lo necesario para la, creacin del modelo temporal.
Fig. 10-3
fo
ro
s.
c
om
De esta manera se puede detectar cuan importante es la incertidumbre en la variable analizada; en general se cumple que en la medida en
la cual v es mayormente afectada por las fluctuaciones de s^, en la
misma medida es importante codificar detalladamente la naturaleza
incierta de Sj.
on
t
un
a.
v = v(r, s, t , x , y , z ) .
w
w
.a
dm
yc
2
3
4
Vaor
Nominal
o media
ra. 10-4
Digitalizado por Liz Zambrano
para www.admycontuna.mforos.com
293
Y0 es ei valor que tc:na V cuando ?;, s, t, x,, y, z, valen respectivamente v 0 , s e , t 0 ; x 0 , y j 20 que es su correspondiente valor nominal o
medio. Como vemos; Y es poco afectado por x y por t, mientras que
las variaciones de y r son realmente importantes.
Las variables que afectan notablemente en su fluctuacin, al valor de
V, se suelen denominar variables cruciales.
Si sucediera que V es insensible a las fluctuaciones de s, entonces
esta ltima puede considerarse fija en su valor nominal, con la consecuente simplificacin del pi-oblerna.
om
dm
yc
on
t
un
a.
fo
ro
s.
c
.a
w
w
CUADRO
FASE PRCBABILISTICA
Etapa de Modelacin
('2)
un
a.
fo
ro
s.
c
om
(1 )
on
t
Etapa de Anlisis
(4)
(5)
dm
.a
w
w
(6)
yc
(3)
295
decisin. Basta tener el cuidado de que la funcin escalera sea construida de modo que las reas indicadas con el mismo nmero en la
figura, sean aproximadamente iguales.
fo
ro
Fig. 10-5
s.
c
om
Curva resultado de
la codificacin
on
t
un
a.
Es necesario tambin, distinguir entre el grupo de variables %, aquellas que son independientes entre s; para stas la distribucin de probabilidad correspondiente ser simple. Para el resto de las variables
sern consideradas distribuciones condicionales.
dm
yc
w
w
.a
Una vez que se conocen las distribuciones de las Sj, dado que de la
fase determinstica se conoce el modelo estructural que relaciona V
con el conjunto de las s^ y las dj, es posible, para cada una de las
alternativas o cursos de accin, encontrar la distribucin de probabilidad de V.
f(V/E)
M ODE LO
f(S /E)
6
d
296
d - {cL, d , , . . d j f . . . d M ) de variables de decisin, el cual representa una particular alternativa o curso de accin.
A la funcin de distribucin f (V/S) se le designa como Lotera de
valor y representa a probabilidad que tiene el Decisor, de obtener un
resultado cuyo valor sea V. una vez que ha decidido el curso de
accin d,
La determinacin de esta Lotera de valor, en la prctica puede conducirse mediante mtodos analticos, mediante mtodos de simulacin o bien construyendo un rbol de probabilidades que concatene
toda? las variables aleatorias involucradas y, de esta forma, aproximadamente, deducir la distribucin de la variable V.
fo
ro
s.
c
om
on
t
un
a.
Una vez que para cada una de las alternativas consideradas se tienen
construyas las Loteras de valor, el analista debe determinar qu
curso de accin recomendar al Decisor, bajo el estado de informacin
que hemos designado E,
w
w
.a
dm
yc
P{V
Fig. 10-7
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
297
E obvio que cualquiera que sea el valor de t, tiene mayores probabilidades de ser excedido por el valor v con la alternativa A2 que con la
alternativa A}. Este hecho suele denominarse como Dominancia
Estocstica; en nuestro ejemplo, la alternativa A2 domina estocsticamente a la AI ,
fo
ro
s.
c
om
Fig. 10-8
.a
dm
yc
on
t
un
a.
P(v
w
w
fo
ro
s.
c
om
Figura 10.3
yc
on
t
un
a.
dm
w
w
.a
299
fo
ro
s.
c
om
a.
yc
on
t
un
Esta tiene por objeto estudiar si vale la pena o no llevar a cabo un proceso de
captacin de informacin adicional antes de decidir un determinado curso de
accin, a fin de eliminar incertidumbres en algunas de las variables aleatorias.
w
w
.a
dm
Esta fase constituye una gua mediante la cual el Decisor puede orientarse
para mejorar su estado de informacin y consecuentemente su decisin. Es decir,
mediante esta fase, se puede determinar cul es el costo de la incertidumbre en las
variables de estado que en la fase profaabilstica se revelaron importantes y, de esta
forma, evaluar si se est dispuesto a pagar un determinado precio para eliminar o
reducir tal incertidumbre.
Como usted recordar, en la Unidad 9, Mdulo II, se trat extensamente el
tema del valor de la informacin, por lo cual no nos detendremos aqu a explicar
los procedimientos de clculo para la evaluacin de los distintos parmetros.
En el cuadro 10-3 aparecen las distintas etapas que contemplan la fase informacional.
10.4.1. Etapa de Anlisis
El primer paso a seguir es la determinacin del valor de la informacin perfecta; a este proceso se le designa como medida de la sensibilidad econmica y se efecta para cada una de las variables de estado
consideradas. Si una variable muestra una alta sensibilidad econmica, entonces ser la primera candidata a ser explorada en cualquier
programa de captacin de informacin adicional; si en cambio, el
valor de 1?. informacin perfecta concerniente a la variable, es bajo,
puede no valer la pena hacer ninguna investigacin adicional. Este es
300
CUADRO lC-3
FASETNFOBMACIONA
(1)
Etap do Modelacin
Exploracin de las distintas alternativas pafa la captacin de
informacin adicional
un
a.
fo
ro
s.
c
om
(2)
on
t
w
w
.a
dm
yc
301
fo
ro
s.
c
om
Dado que la idea de "Modelo" aparece en forma tan reiterada en este Mdulo y dada tambin su importancia,, se ha querido, antes de entrar en la seccin
dedicada al "Estudio de Casos", incluir esta seccin denominada "Modelacin",
en la cual se vern lincamientos generales tiles a la construccin de un modelo y
se s&alazn adems algunos modelos, los cuales, por la frecuencia con que aparece 9tf h ^ttka ?v3R&atai6nt6 ^ jccssiiuavn do utilidad.
.a
dm
yc
on
t
un
a.
En el estudio de cualquier situacin real que nos ocupe recurrimos a los modelos porque resulta mucho ms econmico y menos comprometedor, hacer ensayos o pruebas sobre el modelo, que sobre la situacin misma. Antes de que el
arquitecto decida el diseo definitivo de un determinado edificio, ha realizado un
nmero considerable de bocetos, dibujos y hasta una maqueta, la cual le ha permitido hacerse una idea lo ms aproximada posible de la realidad que le concierne.
Evidentemente, si ao hiciera esto, sino que estuviera obligado a esperar la construccin del edificio ideado para tener una visin del resultado, no sera nada fcil
hacer correcciones y modificaciones; es ms, podra serle imposible.
w
w
302
CUADRO 10.4
LOS MODELOS SEGN
LA GENERALIDAD
.
co
Do lermi rustico^. Tara un determinado valor ce las variables independientes hay un nico valor
de las variables dependientes. Ej,
Los modelos de la mecnica el asi
ca
ro
s.
on
tu
na
.m
fo
dm
yc
.a
Predicivos. Sirven
para predecir; "Si ocurre esto entonces seguir aquello", relacionan
variables dependientes
e independientes. Ej.:
costos de produccin Costo Materia Prima +
Costo Mano de Obra 4Oeprociacin del equipo
LAINCERTIDUMBRE
EL TIEMPO
LA ESTRUCTURA
LA FUNCIN
Ce
O
Co
Especficos. Se refieran
a un problema particular,
que forma parte de una
generalidad. Ej.: El modelo de crecimiento dul sector carbonfero
O
i*
CQ
M
t
om
a.
y
fo
ro
s.
c
o
Cu
fe
un
a.
C
g
(t
on
t
G
O
yc
a
-,-
dm
O
cd
!X
.a
ta
o
ea
O
W02
< w
w
w
TJ
a
E
c
11
o
.C
o ^
Q.
a -
O)
5i M
T3 c
5-1
0>
ex, a a
S
O
CQ
O
(,]
v,
s -g I
^
304
a -o
MODELO DE COLAS
REPRESENTACIN MATEMTICA
PRESENTACIN PICTRICA
AT
( O OO OO
fo
.m
1.0
na
p (i O
on
tu
T ~: perodos
Promedio de
longitud de la
fila
.a
dm
yc
longitud de
la fila
A / ( - X)
ro
Poblacin
\'m?ro promedio
de unidades eri -
s.
co
P [ n llegadas en T ] :
Encontrar la longitud
promedio de una cola
o fila de espera y el tiem
tiempo medio de espera
de una unidad en la cola
NOMENCLATURA DE LAS
VARIABLES
OBJETIVO
Perodo promedio
de espera de una - 1 (//- X)
unidad en el sistema
05
NOMENCLATURA DE LAS
VARIABLES
REPRESENTACIN
MATEMTICA
co
REPRESENTACIN PICTRICA
.m
fo
Variables independientes:
Beneficio de la inversin
na
C Inversin fija
on
tu
Variable dependiente.
.a
dm
yc
i Inversin
Relacionar recprocamen"
te las variables en una situacin compleja y derivar una expresin matemtica para las variables
dependiente
ro
s.
OBJETIVO
ti
co
s.
Q --
REPRESENTACIN MATEMTICA
REPRESENTACIN PICTRICA
8 costos de pedidos
ro
fo
OBJETIVO
na
.m
tiempo
on
tu
.a
dm
yc
Costo
co
O
fo
ro
s.
c
om
w
w
.a
dm
yc
on
t
un
a.
2.
Una segunda lectura, ms lenta y subrayando prrafo por prrafo la informacin considerada relevante.
3.
4.
Los casos para estudio utilizados en este texto son adaptaciones de los publicados por Harvard Business School, Cambridge, Mass. USA. El caso "Plsticos
5. A." es una modificacin del caso "Brunswick Corporation" y el caso "Fertilizantes C. A." es adaptacin del caso "Fertizers, Inc."
308
s.
c
om
un
a.
fo
ro
on
t
dm
yc
El contrato de licencia prev el pago de una suma por el derecho a fabricacin, ms un porcentaje sobre el monto de las ventas.
w
w
.a
El primer ao de venta el producto fue promocionado como un juego infantil; sin embargo, las patinetas resultaron tener una gran aceptacin entre los adolescentes, factor que nq haba sido previsto adecuadamente, siendo sta la razn
por la cual el Gerente de Mercadeo estimaba que se haban quedado cortos en la
previsin de la demanda. El nmero total de patinetas vendidas durante el primer
ao fue de 35.000 unidades, de las cuales el 60% corresponda al modelo lujoso.
En base a la experiencia del ao anterior, el Gerente de Mercadeo estaba convencido de las excelentes perspectivas para las ventas del corriente ao pero, an
as. tanto l como Jos Gonzlez, Gerente de Produccin, se sentan inseguros
acerca de cul sera la demanda real del mercado y qu fraccin de ste correspondera a cada modelo. De lo que s estaban seguros era de que a fin de maximizar la
rentabilidad el lote debera calcularse de manera cuidadosa.
La Gerencia de Produccin requera, por razones operativas, que la orden de
produccin estuviese lista para la segunda semana de mayo, as que la decisin
habra que tomarla pronto.
Como un primer paso para determinar el volumen del lote a producir, los
gerentes decidieron revisar las estructuras de costos para los dos modelos.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
309
Bs. 55
Modelo Regular:
Bs. 43
s.
c
ielo de Lujo:
om
:ios:
fo
ro
Los costos directos de los modelos eran estimados en Bs. 25 para el modelo
regular y Bs. 32 para el de lujo.
un
a.
w
w
.a
dm
yc
on
t
310
s.
c
om
fo
ro
Gerencia de Mercadeo
un
a.
on
t
Gerencia de Pro-duccin
yc
dm
Presidencia
w
w
.a
311
A)
PRECIOS Y COSTOS DE PRODUCCIN
MODELO
REGULAR
-i 3
Costos Variables
(Bs)
25
(Bs,
Cosos Totales
(Bs
55
om
(Bsj
s.
c
Precio
MODELO
LUJO
2,8
21,2
34,8
fo
ro
2,2
un
a.
32
TABLA 2
on
t
B)
dm
yc
COSTOS DE MAQUINARIAS
COSTO (Bs.)
150.000
.a
PRODUCCIN (n)
w
w
n <
150.000
n >
TOO. 000
200.000
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
La anterior informacin genera cinco (5) puntos de la curva de" distribucin de a demanda total, a partir de los cuales se puede dibujar
dicha curva. La misma se muestra en la figura No. 3,
50
150
TOO
250
Curva de Distribucin
de la demanda total
300
Demanda (d)
en miles de unidades
Figura. 3
313
om
M.O
s.
c
V/
fo
ro
o
1" 0.8
on
t
un
a.
a
&
-o
yc
0,4
.a
0,2
CU
w
w
T3
a
TJ
dm
o1
40
45
Distribucin Acumulativa de v.
50
55
Porcentaje de patinetas
de lu.fti v (% ,i
Fig. 4
314
60
(De la figura 4)
v = (0,33; 0,40; 0.52)
Estos valores corresponden a los fractiles 0,10; 0,50 y 0.90 de las respectivas curvas de distribucin.
10.9.2. Aplicacin del Ciclo del Anlisis de Decisiones
10.9.2.1. Fase Determinstiea
Etapa de Modelacin;
A)
Delimitacin de la Decisin
om
fo
ro
s.
c
a.
un
B) Alternativas
yc
on
t
dm
Alternativa II
w
w
.a
C)
Atributos
El atributo escogido es el Beneficio Econmico Neto.
D)
(n)
(1)
(x)
315
(y)
Variables de Estado:
- Demanda total de patinetas
(d)
(v)
Modelo Estructural
fo
ro
s.
c
E)
om
VALOR
on
t
un
a.
RBOL DE DECISIN
w
w
.a
dm
yc
t h. 1
316
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
El texto del caso establece claramente cules son las alternativas que se desean analizar, por lo tanto el rbol de decisin se puede simplificar de la manera siguiente, discretizando el nodo de decisin:
F)
Modelo de Valoracin.
El Beneficio Neto (B) se calcular como:
Beneficio Neto = Ingresos Costos
B = 1PL V L + P R V R ] - [ CL V'L+ (iV R + C (I1) ]
donde:
P L = Precio de venta de patinetas de lujo.
PR = Precio de venta de patinetas regulares.
V L - Volumen de ventas de patinetas de lujo.
V R = Volumen de ventas de patinetas regulares.
V L = Volumen de patinetas de lujo producidas.
V R = Volumen de patinetas regulares producidas.
C L ~ Costos totales de patinetas de lujo.
C R = Costos totales de patinetas regulares.
317
om
fo
ro
s.
c
un
a.
n < 150.000
150.000
si
700.000
si
yc
on
t
si
n > 200.000
w
w
.a
dm
Cfn > =
G)
Etapa de Anlisis
H)
318
Procedimiento
Para cada una de las variables de estado se establecen
los valores mximo, medio y mnimo, es decir, un
rango de variacin.
om
Para establecer la sensibilidad de una determinada variable de estado, se fijan el resto de las variables de
estado en su valor promedio y se modifica la variable
cuya sensibilidad se va a analizar en todo su rango (valores mximos y mnimos). Esto nos permite determinar si la decisin cambia al modificarse la variable en
todo su rango. Si la decisin se mantiene, diremos que
la decisin no es sensible a cambios en la variable y en
ese caso fijaremos el valor de la variable en su valor
medio.
s.
c
fo
ro
Rango de variacin
d = (100,150,230)
\"mn, *-%ied, U m a x J
un
a.
on
t
v = 0,4
w
w
.a
dm
yc
319
Calculemos ahora el Beneficio para cada una de las alternativas, suponiendo que se producen las diferentes
demandas,
Si d = 100 X 103 entonces
B, - 60 X 15, 8 + 40 X 20, 2 -- 70 X 27, 2 - 55 X
X 3,48 ~ 700 =
El = -2762,0 miles de Bs.
B if - 60 X 15, 8 + 40 X 20, 2 - 20 X 27, 2 - 30 X
X 84, 8 = 168
Bn = 168 miles de Bs,
s.
c
om
B I U = 6 0 X 15, 8 + 40 X 2 Q , 2 - 5 5 X 2 7 , 2 - 4 5 X
X 34,8-150 =
a.
fo
ro
un
yc
on
t
dm
w
w
.a
d X 103
100
230
320
BI
BU
B ni
- 2762
3273
-1456
2678
3384
Como se observa, al variar la demanda entre su posible rango de valores se tiene un cambio de decisin,
diferentes alternativas ptimas, es decir la demanda es
una variable crucial.
Sensibilidad de la variable de estado Porcentaje demanda patinetas de lujo (v).
Rango de variacin
V - (0;33; 0,4; 0,52)
demanda en valor promedio
d = 150 X 103
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
100,50
100,50
321
om
s.
c
I i
fo
ro
un
a.
on
t
yc
por lo tanto
w
w
.a
dm
Resumiendo :
(miles de Bs.)
B,
BU
B ni
0,33
-492
Q578)
814
0,52
- 134
(224^
1324
322
RESULTADO ANLISIS
NUEVO RBOL
Q
EH
Variable Aleatoria
Colocar en Valor
Nominal
11
on
t
un
VARIAB
w
w
Nuevo rbol
.a
dm
yc
III
'
No se eliminan
alternativas
a.
ce
fo
ro
s.
c
om
^
5
RBOL DECISIN
VALOR
323
om
1/4
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
Mediante el grfico No, 3 (Curva Distribucin de la Demanda) y utilizando los conceptos sobre discretizacin de curvas, podemos obtener los siguientes resultados.
324
A\a
15
om
J5
fo
ro
s.
c
100
250
300
yc
on
t
un
50
a.
1/4
dm
Cuartil inferior
Intercuartil
Cuartil superior
(2)
w
w
.a
(1)
PROBABILIDAD
1/4
1/2
1/4
325
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
100
1/4
150
230
s.
c
om
Nota:
fo
ro
4.000.000
dm
yc
on
t
un
a.
w
w
.a
1.250.000
4.000.000
2.000.000
1.250.000
326
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
1.250,000
1/2
3.000.000
s.
c
om
4 000.000
fo
ro
- 3.000.000
un
a.
on
t
Procedimiento
yc
.a
dm
u (4.000.000)= 1
u (0) - O
w
w
tomando como referencia estos valores de utilidad obtendremos puntos sobre la curva.
1
1
u (1. 250.000) - - - u (4.000 .000} + u (0)
^
u (1.250. 000)-
de igual forma
1
1
ui (2.000.000) --u (400.000) + y u (125.000)
u (2.000.000) =
u ( 300.000)
X 1
327
TAmbin de
om
4.000.000
s.
c
~ u (4.000.000) + u (-3.000.000) - O
2
2
fo
ro
Por lo tanto
u (-3.000.000) = - u (4.000.000)
w
w
.a
dm
yc
on
t
un
a.
u (-3.000.000)=-!
C U R V A Db! U T I L I D A D
CODIFICACIN DE LA CURVA DE
UTILIDAD
(Preferencia al riesgo)
328
Etapa de Anlisis
Desarrollo de las Loteras de Valor
Procedimiento
Se establece para cada una de las alternativas con qu probabilidad se obtienen los posibles beneficios para cada uno
de los diferentes valores de la variable de estado, aleatoria
o crucial (d).
Debemos calcular el valor del Beneficio Neto (B) correspondiente a cada valor de probabilidad. De acuerdo con
esto, para la Alternativa I tendremos lo siguiente:
fo
ro
s.
c
om
Alternati a I
w
w
.a
dm
yc
on
t
un
a.
Demanda
100.000
329
es decir, que con probabilidad de 0,25 (p = 1/4), se obtendr una prdida de 2,768 miles de Bs.
Para esta misma Alternativa I se tendr
B = 9 0 X 4 3 + 6 0 X 5 5 - 1 3 0 X 2 7 , 2 -95 X34,8-700 =
= - 372 miles de Bs.
es decir, que con una probabilidad de 0,5 (p =
dr una prdida de 372 miles de Bs.
) se obten-
om
un
a.
fo
ro
s.
c
Resumiendo tendremos:
on
t
LOTERA DE VALOR
BENEFICIO
(miles de Bs. )
2768
w
w
.a
dm
yc
ALTERNATIVA
168
- 1456
Procediendo de forma similar, podemos establecer la distribucin de probabilidad del beneficio para las alternativas II
y III. El resumen de resultados se indica a continuacin:
330
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
168
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
2128
iie mpre a
va siempre domina
minarse la alternati-
UtilMimch os resultados obtenidos j/ des&irollar las loteras de vaor tendremos Ja simiente i&hfa resumen:
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com331
BU
BI
BIII
-2768
168
- 1456
i/2
- 372
2128
934
1/4
3108
2678
3384
fo
ro
s.
c
om
1/4
w
w
.a
dm
yc
on
t
un
a.
B (mBs)
F U N C I N DE DENSIDAD.
332
om
fo
ro
s.
c
3(mBs)
a.
yc
on
t
un
w
w
.a
dm
RBOL DECISIN
VALOR
383
Sensibilidad Estocstica
Del anlisis anterior se concluy que las alternativas II y
III no tenan ninguna dominancia estocstica; por lo tanto,
para establecer cul resultar la decisin ms favorable, es
necesario determinar, utilizando la curva de utilidad del
Decisor, cul ser el equivalente cierto para cada una de las
alternativas. La decisin nas favorable resultar ser aquella
que maximice el equivalente cierto.
Para el caso de este ejemplo tendremos el siguiente rbol:
Beneficio
<x)
168
Utilidad
(x)
0,1
2128
0,76
om
1/4
0,86
-1456
-0,82
934
0,33
3384
0,96
on
t
un
a.
fo
ro
s.
c
2678
yc
Por lo tanto
w
w
.a
dm
u ( E C n ) = X
4
en este caso
u(EC u ) > u(EC i n )
por lo tanto la Alternativa II proporcionar al Decisor una
mayor utilidad y en este caso la decisin deber ser producir un total de 150.000 patinetas, 80.000 del tipo regular y
70.000 de lujo.
Fase Informacional
Valor de la Informacin
Supongamos que el presidente de la compaa Plsticos S.
A. quiere contratar una empresa de mercadeo que le proporcione mayor informacin sobre la demanda real de patinetas. Cul sera la cantidad mxima que l debera pagar
por informacin adicional?
334
Para resolver esto se procede de forma anloga a lo indicado en la Unidad 9, del Mdulo II.
El rbol que hay que calcular ser:
Beneficio
u- 1 (mx)
168-K
II
2128-K
3384-K
III
om
1/4
Alternativa
fo
ro
s.
c
on
t
un
a.
Para calcular k se parte de la consideracin de que la utilidad que obtendremos con el rbol indicado sea al menos
igual a la utilidad sin obtener ningn tipo de informacin,
es decir:
.a
dm
yc
u ( m x ) = 0,62
w
w
por lo tanto
Si k-100
- 1 x O +lx 0,73 + j 0,92 - 0,6
Si k - 5 0
-jX 0,08+ y X 0 , 7 5 + X 0,92-0,63
>r lo tanto 50 < k < 100
335
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
INSTRUCCIONES
Para el caso propuesto, usted deber aplicar la metodologa del Ciclo del
Anlisis de Dscisiones y conduir con una recomendacin para el Decisor.
Especficamente se solicita que usted realice lo siguiente:
om
Fase Deierminstiea:
a.
fo
ro
s.
c
un
dm
yc
on
t
.a
w
w
(H) Determine las variables de estado aleatorias o cruciales, luego elimine las
alternativas dominadas determinsticamente y simplifique el rbol de decisin.
Fase ProbabiHstica:
()
Codifique las curvas de distribucin de probabilidad de las variables de estado, cruciales o sensibles, y discretice dichas curvas.
(J)
337
om
fo
ro
s.
c
a.
on
t
un
1) Se hace pasar vapor de agua a 650 sobre hierro pulverizado para producir hidrgeno ( H 2 ) .
dm
yc
2) E hidrgeno as obtenido se combina con nitrgeno a elevadas temperaturas (400 C ~ 500 C) y elevadas presiones, para formar amonaco.
.a
w
w
NO
HNO-,
N H 4 ) 2 S04
Diagrama df Flujo del Proceso
Grfica No. 1
338
El directorio de Fertilizantes C. A. enfrenta un momento de decisiones cruciales: deber la compaa construir una nueva planta, la cual tendr una capacidad anual de produccin de 160.000 toneladas? y si es as, deber la nueva planta producir nitrato de amonio y sulfato de amonio?
Cada compuesto posee ventajas. El nitrato de amonio es un fertilizante de
mayor calidad, puesto que es menos cido y tiene mayor nitrgeno fijo; por lo
tanto, se vende mejor y a mayor precio. Por otra parte, los costos de construccin
y de operacin de una planta para fabricar nitrato de amonio son tambin ms
elevados.
A fin de ayudar en la toma de decisiones, Fertilizantes C. A. ha contratado
sus servicios como Analista de Decisiones. Durante entrevistas sostenidas con el
personal gerencial de la compaa, usted ha logrado obtener la informacin adicional siguiente:
om
Los costos primario: para cada proceso de produccin son los costos variables de los mismos (gas r : tu ral para ambos procesos y cido sulfrico para el de
obtencin del sulfato) y los costos de construccin.
a.
fo
ro
s.
c
CANTIDAD
MATERIAL
(TONELADAS)
CANTIDAD
GAS
MPC
P R O D U C T OS
on
t
NOMBRE
PRODUCTO
CANTIDAD
PRODUCTO
(TONELADA)
16
.a
dm
yc
NOMBRE
DEL
MATERIAL
un
I N S U M O S
H2
NH 3
H:O
w
w
'
.20
144
NH3
40
24
HN0 3
NH3
HNOj
.80
Despreciable
NH4NO3
NH 3
2fi
-"'
H : S 4
.80
Despreciable
( N H 4 ) 2 S04
,23
Para cada costo (costos de produccin y de construccin), usted ha codificado la distribucin de probabilidad de la variable relevante y ha trazado la curva de
Distribucin Acumulativa correspondiente. Para cada caso ha supuesto que los
valores, bajos medios y altos corresponden a los fractiles 0,05, 0,5 y 0.95 respectivamente.
Todos los costos se medirn en bolvares de 1982. Fertilizantes C. A. desea
utilizar una tasa de descuento del 10% anual para el clculo de valores presentes.
Para fines del anlisis puede suponerse que todos los costos y beneficios ocurren
al final de cada ao y que la vida de la planta es infinita. Igualmente, y a fin de
simplificar, se ha considerado conveniente no incluir el efecto de impuesto en el
anlisis.
El costo del gas natural se expresa en bolvares por mil pies cbicos (Bs/mpc);
de tal manera que el costo del gas vara entre un valor bajo de 10 (Bs/mpc) y un
valor alto de 20 (Bs/mpc) con un valor medio de 12,5 (Bs/mpc).
s.
c
om
un
a.
fo
ro
yc
on
t
El costo para el proceso del nitrato, (a precios de 1982) vara entre 400
millones de bolvares y 1.200 millones de bolvares, con una media de 750 millones.
"~
.a
dm
w
w
Las distribuciones acumulativas de los precios del gas natural, cido sulfrico
y costos de construccin, se muestran en las figuras 3, 4 y 5, respectivamente.
El beneficio econmico que se obtenga ser necesariamente una funcin del
precio del producto y del volumen de ventas.
Para fines del anlisis puede suponerse:
El precio del fertilizante depende fundamentalmente de ios costos variables de la produccin.
Debido a que la industria de fertilizantes maneja casi exclusivamente contratos grandes y tiende a mantener estables los mrgenes de beneficio, la
relacin de los precios con los costos est muy bien definida y adopta la
forma que se indica en la curva de la figura 6.
Despus de una entrevista con el grupo de Mercadeo,'ha sido posible establecer la proyeccin de las ventas para cada producto en funcin del precio de cada
uno. Las figuras 7 y 8 muestran, para cada producto, la proyeccin de ventas para
los fractiles 0.05, 0.25, 0.50, 0.75 y 0.95. Los dos juegos de curvas son dependien340
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
tes; es decir, si el nivel de ventas es alto para un producto, ser alto tambin para
el otro.
n otra entrevista celebrada con ese propsito, fue posible obtener informacin til para establecer la actitud ante el riesgo de Fertilizantes C. A. El presidente del directorio manifest que la poltica de la compaa siempre ha sido preferir
ms o menos, pero se prefiere nunca asumir riesgos.
10
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
200
Figura 4:
,50
300
341
PROBABILIDAD ACUMULATIVA
c n o
o o
o o o
M f e O I O C O
o i o o i o
o o o o
o o o o
C d t U .
w o
o o
o o
:%
e n e
o o
o o
co
ro
s.
-o g
*
fo
n O
IO
S1
g-
na
.m
* (6
a
on
tu
a
o'
yc
3
9.
0>
a
A
O V
o
3
3
E O*
3
.a
dm
a
a
na
.m
fo
ro
s.
co
tu
21
B
.a
dm
yc
on
a
a
ss
CO
SQLU3GSSI BE LA
AUTOEVALUACIOIM
11
PREGUNTA
CLAVE
OBJETIVO
EVALUADO
SECCIN
REFERENCIA
19
10.2
19
10.2
19
10.2
"
'i
19
10.2
19
10.2
19
10.2
19
10.2
19
10.3
20
10.3
20
10.3
20
10.3
20
10.3
w
w
.a
dm
yc
on
t
un
a.
s.
c
Ver Estudio
d*J Caso
fo
ro
om
'!
"
I!
"
L_
20
21
10.3
10.4 - 10.5
345
om
FASE DETERfflNISTICA
s.
c
Etapa de Modelacin
fo
ro
un
a.
yc
on
t
Tipo de fertilizante que debe fabricar la planta: nitrato de amonio o sulfato de amonio.
dm
(B) Alternativas
.a
w
w
VALOR
Il
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
RBOL DE DECISIN
w
w
El primer nodo describe la decisin de fabricar la planta de nitrato, o la planta de sulfato o ninguna de las dos.
El segundo nodo describe a incertidumbre y distribucin de probabilidad de
a variable de estado Costo de Construccin (C ) y (C 2 ).
El tercer nodo describe ia incertidumbre y distribucin de probabilidad de la
variable de estado, precio del gas {Pg).
El cuarto nodo, (slo en a Alternativa II), describe la incertidumbre y distribucin de probabilidad de la variable de estado precio del cido sulfrico
(Pa).
El ltimo nodo describe la incertidumbre y distribucin de probabilidad condicional del volumen de ventas de fertilizante en funcin del precio del gas,
(V,/Pg).
El valor al final, Beneficio Neto (B) es una funcin de C, Pg, Pa y V/Pg; por
lo tanto la decisin se plantea en trminos de seleccionar la alternativa que
maximice e Beneficio Neto (B),
347
l^~Vl X P,
para el nitrato.
I2 = V 2 X P2
para el sulfato.
C T = C 4- C v + C A
fo
ro
s.
c
Costos totales:
om
Por lo tanto:
siendo:
a.
un
yc
dm
Por lo tanto:
on
t
.a
C T - C 4- V X C v + C A t
para el sulfato.
w
w
C T = C2 + V 2 X C v + C A
para el nitrato.
B n = V 2 P 2 -(C 2 + V 2 C V + C A i )
BH-VatPa-Cv,)-^ -cA2
B ^ V , ( P t - C v l ) "C,
348
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Para aplicar las ecuaciones anteriores hay que tener en cuenta que:
~~ CA , Y CA. se .onocen del texto y sus valores son:
CA - 20 millones de bolvares.
CA - 25 millones de bolvares
C tiene distribucin conocida (Figura 5) y adems se sabe que:
C 2 = 0.8 C,
Cv y Cy 2 , los costos variables de produccin no se conocen, pero sabemos que dependen de cada proceso. Por lo tanto, debemos examinar las
ecuaciones de cada proceso y determinamos que los costos variables para
cada proceso son:
Para proceso de nitrato:
= costo total del gas
om
fo
ro
s.
c
yc
on
t
un
a.
Estos costos sabemos que son funcin de la cantidad requerida por cada
proceso; por lo tanto debemos establecer una ecuacin para cada uno y
para ello utilizaremos la tabla No.2. Adems conocemos la distribucin
del precio del gas (?g) y del precio del cido sulfrico (Pa).
(1)
0.4 NH 3 -h 24 gas
(2)
NH 3 -
(3)
w
w
w
H,
.a
HNO 3
dm
160 gas
(4)
(5)
HN0 3 -
(6)
94.4 gas
Por lo tanto:
Cy.
116 Pg
349
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Similarmente
(NH 4 ) 2 S04 - 0.25 NH 3 + 0.8 H 2 S04
(1)
om
fo
ro
s.
c
Con las anteriores aclaraciones se pueden utilizar ya las ecuaciones del Modelo de Valoracin.
yc
on
t
un
a.
w
w
.a
dm
pXv
!
PXV
pyv
, k i
o o ooo o o
'C
<
- vcv
i vcv
PXV
1\
y vvr
H-
'CA
vc\
350
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
Pero como C sio ocurre en t-= O y el resto de los ingresos y costos ocurren
al iiaal del ao.
[V (P-CV ) - C A ] X
om
VP (B) = - C 4-
fo
ro
s.
c
on
t
un
a.
(1 4- i)
dm
yc
Luego
.a
Por consiguiente:
w
w
VP ( B M ) = - C 2 + -p
V 2 (P2 -C V j ) -C A j ]
j-i
r~-
u2 ~
!'\ f"~i
U.o O . -
A O ~^
U.o O
VP(BM)
-0,8C +10V, (P 2 - C v 2 )
VPfB.p'
-250
351
44 Pg + O.
Etapa de Anlisis
(H) Sensibilidad a las variables de estado,
Sensibilidad a ia variable de estado Costos de Construccin (C)
fo
ro
s.
c
om
w
w
.a
dm
yc
on
t
un
a.
Se fijan las otras variables en sus valores medios y se calcula para cada nodo
terminal el valor del Beneficio Neto (B) correspondiente, utilizando las frmulas desarrolladas en el modelo de valoracin. Ejemplo:
352
G -400 X10 6
P - 2300
VP (B) -
P g = 12,5
Fa= O
C v = 1450
V -: 130.
C +10 Vj (F , -Cv . ) ~ 200 X 106
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
w
w
353
VP(B)
1950
150
230
1450
2300
130
155
2320
3600
80
74
600
1350
126
95
710
1450
120
38
104
1800
60
104
fo
ro
s.
c
200
1160
om
un
a.
10
(ioN
20
w
w
12.5
.a
v^
3,,
95
38
B, > B > B
i
II
III
-60
Bn
dm
"i
yc
on
t
RELACIN
B,>Bm>B,,
354
Pa
rt
150
X~
Pg
VP(B)
12 5
750
12.5
670
1400
123
48
710
1450
120
38
750
1500
117
28
200
\0
cv
750
,,
,,
" !I
fo
ro
s.
c
om
BI
.a
Pa
dm
yc
on
t
un
a.
15
20
25
I
j
MLB.s)
w
w
//
r "
RELACIN
Bn
"u,
48
Bi>Bn>Bni
38
28
355
Pa
750
VP(B)
Cv
1450
12.5
2300
90
155
12.5
s.
c
om
325
710
1450
fo
ro
200
38
.a
dm
yc
on
t
un
a.
139
w
w
vl
RELACIN
V.
Bl
Bn
Bm
120
110
90
-33
BI>BII
130
120
155
38
BI>BH>BIH
150
135
325
139
BI>BII>BIII
356
-33
B, > Bm
Crucial
Variable
No crucial
Pa
No crucial
No crucial
om
s.
c
-3n
NUEVO RBOL
RESULTADO
VARIABLE
(U
"G
on
t
yc
.,
dm
III
Eliminar alternativa U
.a
"C'w
A O
>Q
denominada por la
alternativa I
II
w
w
fl
4>
un
3:2
a.
>
fo
ro
3
a
NUEVO RBOL
RBOL DE DECISIN
VALOR
VP(BH|)
357
Fase Ptobabstica.
(!)
a.
fo
ro
s.
c
om
Utilizando los conceptos para discretizacin de curvas de distribucin y aplicndolas a la figura 5 podemos obtener los siguientes resultados:
un
sD
yc
on
t
dm
w
w
.a
Q
O
200
400
600
800
1000
1200
1400
Distribucin Acumulativa de C
Procedimiento:
1)
2)
Para cada regin se encuentra el punto en la curva que haga que las reas
sombreadas sean iguales.
3)
358
P(C)
(I)
1/4
490
1/2
760
1/4
1090
VALOR (B)
fo
ro
s.
c
om
RBOL DE DECISIN
un
a.
415
on
t
145
w
w
.a
dm
yc
185
B,
RELACIN
Bm
1/4
415
B,
1/2
145
BI>BIII
1/4
-185
B,
> Bm
< B n
355
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om
RBOL DE DECISIONES
VALOR
415
o
145
-o
-135
III
400 m
s.
c
om
150
on
t
Se calcula:
yc
A 50)
a.
u (0)= O
un
O m
fo
ro
-200
dm
u (400) -f y
u (-200)
w
w
u(0) - y
u (150) -
.a
O = - (1)+ -i
.i
-1
361
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com
.X'
185
a.
fo
ro
s.
c
om
/ \
on
t
un
'
i. /
T
-- U
S
0,92)
dm
yc
.a
u = 0.26
w
w
la Alt:*:tiva '.
Alternar,!va I
,'- f i
i '
VT 7
Fase Informacional:
(N) Valor de la Informacin Perfecta en las variables aleatorias o cruciales
fo
ro
s.
c
om
a.
Alternativa I
dm
yc
0.48
on
t
un
i,
1
u (415) -i- u (145) + u (- 135)
w
w
.a
Alternativa i
u - 1 X u (0) -
Gpina
Fase Informacin!;
(N) Valoi de la Informacin Perfecta en las variables aleatorias o cruciales,
BENEFICIO
415-k
u (415i)
145k
u(145-k)
om
J?!L_ _rt_____I
UTILIDAD
II!
u (-le)
fo
ro
0-k
O-
s.
c
1/4
on
t
un
a.
dm
yc
.a
w
w
Se obtiene k = 70 aproximadamente
Por lo tanto, el valor de la informacin perfecta del costo de construccin es
de 70 millones de bolvares.
363
HOLISTEN, Gedffrey S.
Pensare per Modelli. Shemi Logici e Strument di Calclo. Mondadori. The Open
University. Italia, 1979.
HOWAHD, R. A,
HOWARD, R, A.
on
t
un
a.
fo
ro
s.
c
om
GEREZ y CZITROM
dm
yc
MATHE8QH, J. E. y
HOWARD, R. A.
w
w
.a
MURDICE, R. y ROSS, J.
SPETZCER, Cari y
ZAMORA, Ramn M.
A titorial in Decisin Analysis. Third Research Conference on Subjective Probability. Utility and Decisin Making, London,
1971.
w
w
.a
dm
yc
on
t
un
a.
fo
ro
s.
c
om