TOMA DE DECISIONES EN CONDICIONES

DE RIESGO
En condiciones de riesgo, los beneficios asociados
con
cada
alternativa
de
decisin
estn
representados por distribuciones de probabilidad, y
la decisin puede basarse en el criterio de VALOR
ESPERADO, maximizacin de la utilidad esperada o
la minimizacin del costo esperado.
ARBOL DE DECISIONES. (Basado en el criterio
del valor esperado)
El criterio del valor esperado busca maximizar la
utilidad esperada (promedio) o la minimizacin del
costo esperado. Los datos del problema asumen que
la retribucin (o costo) asociado con cada
alternativa de decisin es probabilistica.

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO

Anlisis con rbol de decisiones.- El siguiente ejemplo considera

situaciones de decisin simples con una cantidad finita de
alternativas de decisin y matrices explcitas de retribucin.
Ejemplo: Se quiere invertir 10000 dlares en el mercado de valores
adquiriendo acciones de dos compaas A y B. Las acciones de la
compaa A, aun cuando son riesgosas, podran redituar 50% durante
el siguiente ao. Si las condiciones del mercado de valores no son
favorables (mercado bajista) las acciones pueden perder 20% de su
valor. La compaa B proporciona acciones seguras con 15% de
rendimiento en un mercado alcista y de solo 5% en un mercado
bajista. Todas las publicaciones que ha consultado pronostican de
60% en un mercado alcista y 40% en un mercado bajista Cmo
Rendimiento 1 ao de inversin de
debo invertir el dinero?
10000
Alternativas de
decisin

Mercado alcista ($)

Mercado bajista ($)

Acciones Cia. A

5000

-2000

Acciones Cia. B

1500

500

0.6

0.4

Probabilidad

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO
Rendimiento 1 ao de inversin de 10000
Alternativas de decisin

Mercado alcista ($)

Mercado bajista ($)

Acciones Cia. A

5000

-2000

Acciones Cia. B

1500

500

0.6

0.4

Probabilidad ocurrencia

El problema puede representarse como un rbol de decisiones . Se

utilizan dos tipos de nodos:
- cuadrado (
) Representa un punto de decisin
- redondo (
) Representa un evento aleatorio
Mercado alcista (0.6)
Inversin accin A

$ 5000

Accin A = (5000 *0.6 + (-2000*0.4) = 22

Mercado bajista (0.4) $ - 2000

Mercado alcista (0.6)

Inversin accin B

$ 1500

Accin B = (1500 *0.6 + (500*0.4) = 110

3
Mercado bajista (0.4)

$ 500

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO

Variantes del criterio del valor esperado.

Dos temas relacionados con el criterio del valor esperado:
- Determinacin de probabilidades a posteriori basada
experimentacin y
- El uso de la utilidad contra el valor real del dinero

en

Probabilidad a posteriori (de Bayes). Las probabilidades

utilizadas en el criterio del valor esperado se suelen estimar a partir
de datos histricos. En algunos casos la precisin de estas
estimaciones puede mejorarse por medio de experimentacin
adicional. Las probabilidades resultantes se conocen como
probabilidades a posteriori (o de Bayes)
Ejemplo: Del ejemplo anteriorlas probabilidades eran 0.6 alcista y 0.4
bajista. Suponga que en lugar de depender nicamente de
publicaciones, se decidi conducir una investigacin mas personal al
consultar a un amigo que se desempea bien en el mercado de
valores

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO

Ejemplo: Del ejemplo anterior las probabilidades eran 0.6 alcista y 0.4
bajista. Suponga que en lugar de depender nicamente de
publicaciones, se decidi conducir una investigacin mas personal al
consultar a un amigo que se desempea bien en el mercado de
valores. El amigo cuantifica una recomendacin de invertir a favor /
en contra, de la siguiente manera: En un mercado alcista, hay 90%
de probabilidades de que la recomendacin sea a favor. Se reduce
a 50% en un mercado bajista Cmo afecta la informacin adicional
a la decisin?

La afirmacin del amigo proporciona probabilidades condicionales de las

recomendaciones a favor y en contra dado que los estados de la naturaleza
son mercados alcistas y bajista. Se define:
v1 = Voto a favor
m1 = Mercado alcista
v2 = Voto en contra m2 = Voto bajista
Por lo tanto , la afirmacin del amigo se escribe en la forma de enunciados de
probabilidad como:
P{v1 /m1 }= 0.9 ,
P{v2 /m1 }= 0.1
P{v1 /m2 }= 0.5 ,
P{v2 /m2 }= 0.5
Para evaluar las diferentes alternativas es necesario calcular las probabilidades a
posteriori P{v1 /m1 } mostradas en las ramas m1 y m2 de los nodos 4, 5, 6 y 7.
Estas probabilidades a posteriori toman en cuenta la informacin adicional

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO

Ejemplo: Del ejemplo anterior las probabilidades eran 0.6 alcista y 0.4
bajista. Suponga
Mercado alcista (m1)

Accin A

P { m1 / v1 } = 0.730
Mercado bajista (m2)

Voto a favor (v1)

P { m2/ v1 } = 0.270

Mercado alcista (m1)

Accin B

$ 5000

$ - 2000
$ 1500

P { m1 / v1 } = 0.730

5
Mercado bajista (m2)

$ 500

P { m2 / v1 } = 0.730

Mercado alcista (m1)

Accin A

P { m1 / v2 } = 0.231
Mercado bajista (m2)

Voto en contra (v2)

$ 5000

$ - 2000

P { m2 / v2 } = 0.769

Mercado alcista (m1)

Accin B

$ 1500

P { m1 / v2 } = 0.231
Mercado bajista (m2)
P { m2 / v2 } = 0.769

$ 500

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO

Paso 1. Resumir las probabilidades condicionales P{v1/m1} en la siguiente

forma:
Paso 2. Calcule las probabilidades conjuntas como: P{mi,vj} = P{vj/mi}
P{mi} , para todas las i y j
Dadas las probabilidades a priori P{m1}=0.6 y P{m2}=0.4, las probabilidades
conjuntas se determinan multiplicando la primera y segunda filas de la tabla
en el paso 1 por 0.4, respectivamente.
Paso 3. Calcule las probabilidades absolutas como: P{v1} = P{mi/vj} , para
todas las j
Estas probabilidades son la suma en las columnas de la tabla del paso 2, es
decir:
Paso 4. Determine las probabilidades a posteriori deseadas como: P{mi/vj} =
P{mi,vj} / P{vj}
Esta probabilidad se calcula dividiendo cada columna tabla 2 entre la suma en
la columna correspondiente tabla 3.
RESOLVIENDO:
Recomendacin a favor
Recomendacin en contra
Accin A nodo 4 =(5000*0.730)+(-2000*0.270)
Accin A nodo 6
V
v
P{v1 P{v
v1
v2
V1 v2
1
2
=(5000*0.231)+(-2000*0.769)
= 3110
=}383 2}
m1 0.73 0.23
m1 0.5 0.6
m
0.
0.
Accin B nodo 5 =(1500*0.730) + (500*0.270)
Accin
B1 nodo 7 =
0
0.74
0.26
4
0
9
1
1
(1500*0.231)+(500*0.769)
m

0.2

0.2

0.27

0.76

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO
DECISION BAJO INCERTIDUMBRE.
La toma de decisiones bajo incertidumbre, implica acciones
alternativas cuyas retribuciones dependen de los estados de la
naturaleza (aleatorios). Especificamente, la matriz de retribucin de
un problema de decisin con m acciones alternativas y n estados de
la naturaleza puede representarse como:
s1 s2
. . . .
sn
a1
v(a1,s1)
v(a1,s1) . . . .
v(a1,sn)
a2
v(a2,s1)
v(a2,s2) . . . .
v(a2,sn)
an

v(am,s1)

v(am,s1)

. . . .

v(am,sn)

Los elementos ai representan la accin i y el elemento s, representa

el estado de la naturaleza j. La retribucin o resultado con a i y el
estado sj es v(ai,sj).
En la toma de decisiones bajo incertidumbre, la distribucin de
probabilidad asociada con los estados sj , j=1,2,..n o se desconoce o
no puede ser determinada. Esta falta de informacin condujo al
desarrollo de criterios de decisin especiales:

TOMA DE DECISIONES EN CONDICIONES

DE RIESGO

El criterio Laplace se basa en el principio de razn insuficiente.

Ya que no se conoces las distribuciones de probabilidad, no hay razn
alguna para creer que las probabilidades asociadas con los estados de
la naturaleza sean diferentes. Todos los estados son igualmente
probables de que ocurran.
El criterio maximin (minimax) est basado en la actitud conservadora
de hacer la mejor de las peores condiciones posibles.
El criterio lamento de Savage modera el grado de conservadurismo
del criterio minimax (maximin) al reemplazar la matriz de retribucin
(ganancia o perdida) v(ai,sj) con una matriz de perdida (o lamento),
r(ai,sj).
El criterio Hurwicz, est diseado para representar diferentes
actitudes de decisin que van desde la ms optimista hasta la ms
pesimista.