FACULTAD DE INGENIERA INDUSTRIAL

SISTEMAS E INFORMTICA

TOMA DE
DECISIONES

DR. ALCIBIADES SOSA PALOMINO

TOMA DEDECISIONES

Modelo
que
permite
tomar
decisiones cuando un decisor
tiene:
diversas alternativas y
eventos futuros inciertos

MODELO DE
DECISIONES
La estructura general del modelo es:
Sj
d(i)
d1
d2
.
di
.
dm
p(Sj)

S1

Estados de la naturaleza
...
Sj

S2

...

Sn

V(d1;S1)

V(di ;Sj)

p1

p2

...

pj

...

pn

ARBOL DE DECISION

SOLUCIN DEL MODELO

TOMA DE DESICIONES SIN
PROBABILIDADES

EL MTODO OPTIMISTA.
EL MTODO CONSERVADOR.
EL MTODO DE COSTO DE OPORTUNIDAD

TOMA DE DECISIONES CON PROBABILIDADES A

PRIORI

CRITERIO DE PROBABILIDAD MXIMA

CRITERIO DE IGUAL PROBABILIDAD.
REGLA DE DECISIN DE BAYES

REGLA DE DECISION DE
BAYES
Se considera el concepto de valor esperado o esperanza
matemtica:

ANALISIS DE SENSIBILIDAD
Para el caso con dos estados de la naturaleza , se puede realizar un anlisis de
sensibilidad utilizando un procedimiento grfico; para ello se le asigna:

VALOR ESPERADO DE LA INFORMACION PERFECTA

APLICACIN

La siguiente matriz representa la produccin diaria de una pequea empresa que

produce helados as como las posibles demandas ; tambin se muestra los pagos
correspondientes

DECISIN

ESTADO DE NATURALEZA
S1(40)

S2(80)

d1(40)

40

-10

d2(50)

25

12

d3(60)

22

P(sj )

0,45

0,55

METODO PRCTICO (Sin Probabilidad)

METODO OPTIMISTA:
40
25

MEJOR(MEJOR) MAX(MAX)
Escogemos el mayor valor de cada
fila, luego el Max(Max); en este
caso 40(d1)

22

METODO PESIMISTA:
-10
12
8

MEJOR(PEOR) MAX(MIN)
Escogemos el menor valor de cada
fila, luego el Max(Min); en este
caso 12(d2)

METODO PRCTICO (Sin Probabilidad)

METODO COSTO DE OPORTUNIDAD
0

32

32

15

10

15

32

32

MIN(MAX) = 15 (d2)

METODO PRCTICO (Con Probabilidad)

METODO PROBABILIDAD MAXIMA:
1. Se selecciona la mayor probabilidad
2. Identificar el mejor valor de ese estado
P (0.55) 22 d3
METODO PROBABILIDADES IGUALES:
1. Se obtiene el promedio de cada fila.
2. Identificar el mejor promedio

d1) (40+-10)/2=15
d2)
(25+12)/2=18.5
d3) (8+22)/2=15

EL MEJOR PROMEDIO ES 18.5

(d2)

METODO ANALITICO (BAYES)

VE(D1) =
= P(S1)V(D1,S1) + P(S2)V(D1,S2)
= (0.45) (40) + (0.55) (-10)
= 12.50
VE(D2)
=
= P(S1)V(D2,S1) + P(S2)V(D2,S2)
= (0.45) (25) + (0.55) (12)
= 17.85

VE(D3) =
= P(S1)V(D3,S1) + P(S2)V(D3,S2)
= (0.45) (8) + (0.55) (22)
= 15.70

ARBOL DE DECISIN
40

P (S1) = 0.45

d1

VE (d1) = (0.45)40 + (0.55)-10 = 12.50

P (S2) = 0.55

-10

P (S1) = 0.45

d2

25

VE (d2) = (0.45)25 + (0.55)12 = 17.85

P (S2) = 0.55

12

P (S1) = 0.45

d3

VE (d1) = (0.45)8 + (0.55)22 = 15.70

P (S2) = 0.55

22

VALOR ESPERADO CON INFORMACION PERFECTA:

=(0.45) x 40 + (0.55) x 22 = 30.1

VALOR ESPERADO DE INFORMACION PERFECTA:

= 30.1 17.85 = 12.25

MARGEN DE
UTILIDAD
ADICIONAL

ANALISIS DE SENSIBILIDAD
VE (d1) = 40P + (1-P )(-10)
= 40P + 10P 10 P=0, P=1
= 50P - 10

VE (d2) = 25P + (1-P )(12)

= 25P -12P +12
P=0, P=1
= 13P + 12

VE (d3)
= 8P + (1-P )(22)
= 8P -22P +22
P=0, P=1
= -14P + 22

VE
40

VE(d1)

30

VE(d2)

20

10
VE(d3)

.5
-10

0.37

1
0.59

Si:
P E [0 ; 0.37>
P E [0.37 ; 0,59>
P E [0.59 ; 1]

d3
d2
d1

APLICACIN
La siguiente matriz representa las posibilidades de produccin diaria de una
empresa que produce polos as como las posibles demandas ; tambin se muestra
los pagos correspondientes
ESTADOS
Decisiones

S1(30)

S2(100)

d1 (30)

150

-10

d2 (50)

80

200

d3 (80)

-20

300

P(Sj)

0.7

0.3

Evaluar la matriz considerando las probabilidades a priori y sin ellas

y determine cual es la decisin a tomar en cada caso.
Hallar el valor esperado de la informacin perfecta
Realice el anlisis de sensibilidad e interprete sus resultados.

FACULTAD DE INGENIERA INDUSTRIAL

SISTEMAS E INFORMTICA

TOMA DE
DECISIONES CON
PROBABILIDADES A
POSTERIORI

DR. ALCIBIADES SOSA PALOMINO

PROBABILIDADES A POSTERIORI
Son probabilidades asignadas a los estados previo anlisis
utilizando sustento tecnolgico y cientfico lo cual genera un
costo

P(Ik)
P(Sj / Ik)

P(Ik/Sj)

FRMULAS DE BAYES

VE IM = VE IM VE*
de
de

con
con

E = VE IM/ VE IP
de
de

de
de

P (Sj / IK)
di

p( IK)

UTILIDAD Y PREFERENCIA EN
LA TOMA DE DECISIONES
Existen situaciones en las que la alternativa de decisin con el mejor
valor monetario esperado no es la decisin ms deseable.
UTILIDAD ESPERADA

UE(di)

Se asigna en primer lugar un valor utilitario a los posibles resultados

mejor y peor de las situaciones de decisin.
U [min(di ; Sj)] = 0
U[max(di ; Sj)] = 10

Se determina luego la utilidad correspondiente a cada uno de los

resultados V(di ; Sj) restantes.
U(di ; Sj) = p. U[max(di ; Sj)] +(1-p). U [min(di ; Sj)]
U(di ; Sj) = 10p

1. Donde p es la preferencia que tiene el decisor al respecto al V(d i ;

Sj).
(Obtenindose la tabla mostrada en la siguiente diapositiva)

UTILIDAD ESPERADA

La utilidad esperada se obtiene mediante:

La decisin elegida ser aquella con el mejor UE(d i )

UE(di)

APLICACIN 1
En una empresa acaba de completarse la
fase de diseo y prueba de un producto para
la nueva lnea de tractores para jardines y
uso domstico .
La alta gerencia est
tratando de decidir la estrategia de
mercadotecnia y produccin apropiadas para
usarse con este producto.
Se estn
considerando tres alternativas principales y el
departamento
de
investigacin
de
operaciones
proporciona
la
siguiente
informacin.

DEMANDA
ALTERNATIVAS DE
PRODUCCIN

S1
10

S2
20

d1

10

30

-8

d2

20

20

d3

30

15

0.45

0.55

P(Sj)

A dems una empresa especializada en

mercadotecnia proporciona la siguientes
probabilidades a posteriori:
Favorable
I1

Desfavorable
I2

S1

0.6

0.4

S2

0.3

0.7

Cul es la estrategia ptima de la empresa.

Cul es el valor de la informacin muestral.
Elabore el rbol de decisiones para este
problema.
Cul es la eficiencia de la informacin de la
encuesta.
Cul es la utilidad esperada.

VALOR ESPERADO
d(i)

Estados de la naturaleza
S1

S2

VALOR
ESPERADO

d1

30

-8

9.1

d2

20

12.85

d3

15

10.5

P(Sj)

0.45

0.55

VE (d2) *

VALOR ESPERADO
VEconIP = p(Sj) . ( mejor valor en
Sj)
= 0.45(30) + 0.55(15) =
21.75
VEdeIP

= VEconIP - VE*
= 21.75 12.85 = 8.9

CALCULOS:
p (S22)
0.435

P( I11 ) = p(I11/ S11) p( S11 )+ p(I11/ S22)

P( I11 ) = 0.6(0.45)+0.3(0.55) =

P( I22 ) = 1 0.435 = 0.565

p(S11/ I11) = (I11/ S11) p ( S11 )/ p( I11 )=
0.6(0.45)/0.435=0.62
p(S22/ I11) = 1- 0.62 = 0.38
p(S11/ I22) = (I22/ S11) p ( S11 )/ p( I22 )=

P(S1/I1)=0.62

d1

VE(d1/I1)= 15.56
P(S2/I1)=0.38

P(I1)= 0.435

d2

30

P(S1/I1)=0.62

-8
20
VE(d2/I1)= 15.06

P(S2/I1)=0.38

d3

P(S1/I1)=0.62

SE ELIGE
EL MAYOR
VE

7
5
VE(d2/I1)= 8.8

P(S2/I1)=0.38
P(S1/I2)=0.32

d1

d2

15
30
VE(d1/I2)=4.16

P(S2/I2)=0.68

-8

P(S1/I2)=0.32

20
VE(d2/I2)= 11.16

P(I2)= 0.565

P(S2/I2)=0.68

d3

P(S1/I2)=0.32

7
5
VE(d2/I2)=11.8

P(S2/I2)=0.68

15

SE ELIGE
EL MAYOR
VE

VE
rama

con

IM =p(Ik)(mejor valor esperado de cada

)
= (0.435)15,56 + (0.565)11,8 = 13.4356

VE

de

IM =VEconIM VE*
= 13.4356 12.85 = 0.5856

EFICIENCIA

E = VE deIM / VE deIP
E = 0.5856/8.9 =
0.0658

EFICIENCIA

E = VE deIM / VE deIP
E = 0.5856/8.9 =
0.0658

UTILIDAD ESPERADA
Utilidades (ganancia) S/.

Probabilidad de
indiferencia

preferencia
V ( d1 , S1)

30

V ( d2 , S1)

20

0.8

V ( d3 , S2)

15

0.6

V ( d2 , S2)

0.3

V ( d3 , S1)

0.2

V ( d1 , S2)

-8

Se
multiplica
por 10p

TABLA DE UTILIDADES
di

S1

S2

d1

10

d2

d3

P(
Sj)

0.45

0.55

UE(d1)=0.45(10) +0.55(0) = 4.5

UE(d2)=0.45(8) +0.55(3) = 5.25 Entonces UE(d2) es la mejor
Utilidad Esperada
UE(d3)=0.45(2) +0.55(6) = 4.2

APLICACIN 2
La panadera Mi Per, se caracteriza por la elaboracin de sus deliciosos
panes, panetones, tortas, entre otros productos, pero por motivos de la
gran acogida que esta obteniendo entre sus consumidores, se ha optado
producir tortas en tres diferentes tamaos: pequeo, mediano y grande.
Dicha panadera considera como posible demanda 150 y 300 tortas hasta
fin de ao.

A continuacin se muestra la matriz de utilidades por cada tamao de la

torta:
DEMANDA

PRODUCCIO
N

S1 (150)

S2 (300)

D1 (100)

1000

2000

D2 (200)

2250

3000

D3 (300)

2000

4000

Probabilidad

0.6

0.4

PROBABILIDADES A POSTERIORI
Se brinda adems la siguiente informacin:

S
1
S
2
valor

P(Ik/Sj)
I1
I2
0.7
0.3
0.2

0.8

Se pide:
1. Hallar el
esperado de la informacin muestral, la
eficiencia y cuanto pagara a la empresa por la
informacin.
2. Evale la utilidad esperada asignando preferencia a sus
resultados.

SOLUCIN:
Hallar el valor esperado de la informacin muestral, la
eficiencia y cuanto pagara a la empresa por la
informacin.

VALOR ESPERADO

Valor Esperado:
VE (d1) = 0,60 (1000) + 0,40 (2000) = 600 + 800 =
1400
VE (d2) = 0,60 (2250) + 0,40 (3000) = 1350 + 1200
= 2250
VE (d3) = 0,60 (2000) + 0,40 (4000)= 1200 + 1600
= 2800

 Hallar el valor esperado de la informacin muestral, la

eficiencia y cuanto pagara a la empresa por la
informacin.

VALOR ESPERADO CON INFORMACIN PERFECTA

Valor Esperado con Informacin Perfecta:

VE con IP = (0,60) (2250) + (0,40) (4000) = 1350
+ 1600
VE con IP = 2950
VALOR ESPERADO DE INFORMACIN PERFECTA

VE de IP = 2950 2800
VE de IP = 150

Hallar el valor esperado de la informacin muestral:

Aplicamos la ley de Bayes para hallar Ik (I1, I2, I3)

Para I1:
P(I1) = P(I1/S1)P(S1) + P(I1/S2)P(S2)
P(I1) = (0.7)(0.6) + (0.2)(0.4)
P(I1) = 0.5
Para I2:
P(I2) = P(I2/S1)P(S1) + P(I2/S2)P(S2)
P(I2) = (0.3)(0.6) + (0.8)(0.4)
P(I2) = 0.5

Hallamos el valor esperado de la informacin muestral

mediante la siguiente frmula:

P (S1/I1) =

= 0.84

P (S2/I1) =

= 0.16

P (S1/I2) =

= 0.36

P (S2/I2) =

= 0.64

ARBOL DE DECISIN
Realizamos el anlisis bayesiano a travs de un rbol de
decisin:
P(S1/I1
)

1000

P(S2/I1
)

2000

P(S1/I1
)

2250

P(S2/I1
)

3000

D1

I1

D2

P(S1/I1
)

2000

D3
P(S2/I1
)

4000

P(S1/I2
)

1000

D1
P(S2/I2
)

VE =
0.84(1000)+0.16(2000)
VE = 840 + 320
VE(D1/I1) = 1160
VE =
0.84(2250)+0.16(3000)
VE = 1890 + 480
VE(D2/I1) = 2370
VE =
0.84(2000)+0.16(4000)
VE = 1680 + 640

VE(D3/I1) = 2320
VE =
0.36(1000)+0.64(2000)
VE = 360 + 1280
VE(D1/I1) = 1640
VE =
0.36(2250)+0.64(3000)
VE = 810 + 1920
VE(D2/I1) = 2730
VE =
0.36(2000)+0.64(4000)
VE = 720 + 2560

VE(D3/I1) = 3280
2000

VALOR ESPERADO CON INFORMACIN MUESTRAL

VE con IM = (0.5) (2370) + (0.5)(3280)

VE con IM = 1185 + 1640 = 2825

VALOR ESPERADO DE LA INFORMACIN MUESTRAL

VE de IM = 2825 - 2800
VE de IM = 25
Hallamos la eficiencia para evaluar que tan mejor es la
probabilidad a priori con respecto a la posteriori:

E=

UTILIDAD Y PREFERENCIA
Se establece para cada alternativa su
preferencia
V(Di;Sj) Preferencia(
P)

4000
3000
2250
2000
1000

1
0.8
0.6
0.5
0

Elaborando nueva tabla con preferencias (10p)

S1
d1

d2

d3

P(s)

0.6

S2

.6

.5

10

.5
.8

0.4

UTILIDAD Y PREFERENCIA
Se establece para cada alternativa su
preferencia

S1
d1

d2

d3

P(s)

S2

.6

.5

0.6

U(di,sj) =
10p
Utilidad
esperada:
UE(d1) : 0(0.6) + 5 (0.4) =2
UE(d2) : 6(0.6) + 8(0.4) =
6.8
UE(d3) : 5(0.6) + 10(0.4)
=7

10

.5
.8
1

0.4

Como la mayor utilidad esperada

es generada por la alternativa de
decisin 3, se escoge la
alternativa 3 como la mejor de
todas, es decir, que nos brindar
el mayor beneficio.

APLICAC IN
Una cooperativa agraria que cuenta con 100 hectreas disponibles de tierras cultivables
debe decidir entre 2 cultivos para la prxima temporada . Para cada cultivo ha obtenido las
siguientes estimaciones sobre la cosecha con diferentes condiciones de clima y las utilidades
por tonelada:
Ton. Por
P(Sj)

Clima

hectrea
Cultivo
1

Cultivo
2

Seco

0.4

Hmedo

0.6

200

100

Ingreso por
ton.

Utilizando el criterio de valor esperado hallar la mejor alternativa y el valor ptimo

Para las siguientes probabilidades de indiferencia

Utilidad

Probabilidad de
indiferencia

0.6

0.7

Obtenga la decisin preferible utilizando el mtodo de la utilidad esperada.

TALLER 6
La siguiente tabla presenta la informacin de una empresa; donde la
matriz de resultados representa utilidad y est en soles:
S1

S2

S3

d1

400

200

-100

d2

300

-50

200

d3

-100

600

500

P(Sj)

0.70

0.20

0.10

Una empresa de mercado brinda la siguiente informacin:

P(Ik/Sj)
I

S1

0.6

0.3

0.1

S2

0.4

0.2

0.4

S3
0.1
0.4
0.5
Hallar el valor esperado de la informacin muestral, la eficiencia y
cuanto pagara a la empresa por la informacin.
Evale la utilidad esperada asignando preferencia a sus resultados.