DECISIONES BAJO INCERTIDUMBRE

Como se ha especificado en diversos textos, se

considera que se tiene incertidumbre cuando no se conoce
la distribucin de la ley de probabilidad de la relacin
causa - efecto.
Se plantear dos formas de problemas:
1.- Problemas de estados de la naturaleza discretos y
alternativas discretas, esto es: habrn n estados de
la naturaleza y m alternativas distintas, estos
problemas podrn representar se en forma de matrices
en donde el elemento a
i,j
ser el beneficio (o costo)
de seleccionar la alternativa i y el estado de la
naturaleza es j.

2.- Problemas en donde hay un continuo de estados
posibles de la naturaleza y hay un continuo de
alternativas posibles. Esto es la funcin de
beneficio (o costo) ser f(x,y), en donde si
selecciona el nivel x para la alternativa y la
naturaleza esta en el estado "y", el valor del
beneficio (o costo) ser f(x,y).


Adicionalmente y ocasionalmente, se tratarn casos
mixtos, esto es que haya n estados de la naturaleza y un
continuo de valores, o bien que hay un continuo de
valores de estados de la naturaleza y haya m
alternativas distintas.


CRITERIOS DE DECISION

I.- Criterios puros
Son aquellos criterios en los cuales se selecciona
una sola alternativa.
1.- Criterios sobre la matriz o funcin original:
1.- Criterio Optimista
En este criterio se selecciona, en el caso
matricial, la alternativa i para la cual se tiene el
max
i,j
{a
i,j
} de la matriz de beneficios
1
; y en el caso
de una funcin se selecciona el nivel x para el cual
se tiene el max
x,y
{f(x,y)} de la funcin de
beneficios
2
. Este criterio es obviamente
optimista ya que no toma en cuenta para nada los
estados adversos de la naturaleza.

1
El min
i,j
{a
i,j
} si es una matriz de costos.
2
El min
x,y
{f(x,y)} si es una funcin de costos.
2
2.- Criterio de Wald
Tambin llamado criterio MaxMin.
Consiste en seleccionar, cuando el problema
est en forma matricial, la alternativa i para la
cual se tiene el max
i
{min
j
{a
i,j
}} de la matriz de
beneficio
1
; y en el caso de una funcin se
selecciona el nivel x para el cual se tiene el
max
x
{min
y
{f(x,y)} de la funcin de beneficios
2
.
Este criterio asegura que el resultado no puede
ser peor que el que uno escoge, esto es en base al
estado ms adverso de la naturaleza. Algunos
califican este criterio como pesimista, pero
realmente es un criterio preventivo.
3.- Criterio de Hurwicz.
Este criterio se basa en una ponderacin de los
dos criterios anteriores, esto es si se tiene una
matriz de beneficios se seleccionar la alternativa
i para la cual se tiene el
max
i
{maxj{a
i,j
}+(1 - )min
j
{a
i,j
}}
3
;

1
El min
i
{max
j
{a
i,j
}} si es una matriz de costos.
2
El min
x
{max
y
{f(x,y)} en el caso de una funcin de costos.
3
El min
i
{max
j
{a
i,j
}+(1 - )min
j
{a
i,j
}} en caso de que se tenga una matriz de costos.
3
mientras que si se tiene una funcin de beneficios
se seleccionar el nivel x para el cual se tiene el
max
x
{max
y
{f(x,y)}+(1 - )min
y
{f(x,y)}}
1
.
En este criterio se esta
haciendo una ponderacin entre lo ms favorable y lo
ms desfavorable. Aunque el valor puede ser
cualquier numero comprendido entre 0 y 1, si
realmente se quiere ser neutro ante el optimismo y
el pesimismo, se debe tomar = .

4.- Criterio de Laplace
En este criterio, en el cual se supone que
todos los estados de naturaleza tienen la misma
oportunidad de ocurrir, se establece que cuando se
tiene una matriz de beneficio se escoge la
alternativa i para la cual se tiene el
max
i
{E
j
a
i,j
/n}
2
;

y el
b
x
a
max f(x,y)dy/(b-a)

`
)
}


cuando se tiene una funcin de beneficios
1
.

1
El min
x
{max
y
{f(x,y)}+(1 - )min
y
{f(x,y)} en el caso de una funcin de costos.
2
El min
i
{E
j
a
i,j
/n} cuando se tiene una matriz de costos.
4

Este criterio es un caso particular de
asignacin de probabilidades subjetivas, en donde
cada alternativa se le asigna la misma probabilidad,
esto es se supone una distribucin uniforme de
probabilidades.

EJEMPLO 1:
Sea la siguiente matriz de beneficios:

E
1
E
2
E
3
E
4
E
5

A
1
20 40 60 80 100
A
2
90 60 55 45 40
A
3
65 50 45 55 60
A
4
70 40 45 50 85



1.- Criterio Optimista: Como el max
i,j
{a
i,j
} = a
1,1
=
100, se escoge la alternativa 1.


2.- Criterio de Wald:

Min
A
1
20

b
x
a
in f(x,y)dy/(b-a)

`
)
}
1

El m

cuando se tiene una funcin de costos.


5
A
2
40
A
3
45
A
4
40


Y como el max
i
{min
j
{a
i,j
}} = a
3
,
3
. = 45, se escoge
la alternativa 3.


3.- Criterio de Hurwicz (con = 1/2):

Max

Min ponderacin
(Max+Min)/2
A
1
100 20 60
A
2
90 40 65
A
3
65 45 55
A
4
85 40 62,5
Como el max
i
{(max
j
{a
i,j
}+min
j
{a
i,j
})/2} = 65 = pond
2
,
se selecciona la alternativa 2.


4.- Criterio de Laplace


Promedio
A
1
60
A
2
58
A
3
55
A
4
58

Y como el max
i
{E
j
a
i,j
/5} = 60 = prom
1
, se
seleccionara la alternativa 1.

EJEMPLO 2:
6
Supngase que se tiene una demanda D de un
producto que varia entre a y b, y se puede producir
este producto en este mismo rango. El precio de
venta del producto es p y su costo de produccin es
c; y la cantidad de producto que se produce y no se
vende en un periodo se pierde. Qu cantidad de
producto producir?
Se tendr como funcin de beneficio:

pD - cQ Q > D
B(Q, D) = D e [a , b] ; Q e [a , b]
(p - c)Q Q s D




1. Criterio Optimista:
max
Q,D
{B(Q,D)} = (p - c)b , cuando Q = D = b;
por lo tanto la eleccin sera producir la cantidad
b.

2.- Criterio de Wald:
max
Q
{min
D
{B(Q,D)}} = max
Q
{pa - cQ} = (p-c)a ,
Q = D = a; por lo tanto la eleccin sera producir
la cantidad a.

7
3.- Criterio de Hurwicz
max
Q
{[max
D
{B(Q,D)}+min
D
{B(Q,D)}]/2} =
= max
Q
{[(p - c)Q + (pa - cQ)]/2} =
= max
Q
{[pa + (p - 2c)Q]/2} =



[pa + (p - 2c)b]/2, para Q = b, si p > 2c

= (p - c)a, para Q = a, si p < 2c

pa/2 para cualquier Q, si p = 2c



4.- Criterio de Laplace








b
Q
a
Q b
Q
a Q
max B(Q, D) dD/(b-a)
= max [ (p D - c Q) dD + (p - c) Q dD] /(b-a)

=
`
)



`

)
}
} }
=


= max
Q
{[p(Q-a) - c(Q-aQ) + (p-c)(bQ-Q)]/(b-a)}=

= max
Q
{[-pQ + (ca + pb - cb)Q - pa)]/(b-a)} =

derivando, la expresin E entre las llaves {}, se
tiene:

E' = [-pQ + ca + pb - cb]/(b-a) = 0

===> Q = (ca-cb+pb)/p = b - c(b - a)/p

EJEMPLO 3:
8
Se tienen 1.000.000 de Bolvares disponibles
durante 60 das y se pueden colocar a 60 das con
unos intereses pagables mensualmente al 31% (los
intereses del primer mes de reinvierten a 30 das) o
invertir a 30 das con unos intereses del 30%, y
reinvertir en el mes siguiente el capital ms los
intereses a 30 das. Aunque no se conocen los
intereses del mes siguiente se puede asegurar que
estos van a estar entre el 27% y el 33%. Como
invertir?

Hgase primero las funciones de beneficios de
las dos alternativas en funcin de los intereses I,
del segundo mes:
B
1
(I) = 25.833,33(2 + I/12)
B
2
(I) = 1.025.000I/12 + 25.000
1.- Criterio Optimista:
Max
i,I
{B
i
(I)} = max{52.377,08 ; 53.187,50} =
53187,50 correspondiente a la segunda alternativa.
2.- Criterio de Wald:
Max
i
{Min
I
{B
i
(I)}} = max{52.247,92 ; 48.062,50} =
52.247,92 correspondiente a la primera alternativa.
3.- Criterio de Hurwicz
Max
i
{[ Max
I
{B
i
(I)} + Min
I
{B
i
(I)} ]/2} =
9
= max{(52.377,08+52.247,92)/2; (53.187,50+48.062,50)/2}
=
= max{52.312,50 ; 50.625} = 52.312,50
correspondiente a la primera alternativa.

4.- Criterio de Laplace



0,33 0,33
1 2
0,27 0,27
0,33 0,33
0,27 0,27
max B (I)dI/0,06; B (I)dI/0,06
max 25.833,33 (2+I/12)dI/0,06; (1.025.000 I/12+25.000)dI/0,06


=
`

)


=
`

)
} }
} }
=

= max{ 52.312,50 ; 50.625} = 52.312,50
correspondiente
a la primera alternativa.



10
2.- Criterios pre-ex-posfact (Savage)
Estos criterios se basan en un anlisis
situndose el decisor sobre lo que deja de
obtener, si la naturaleza toma una accin, y el
hubiera tomado otra accin; por esto tambin se
llaman estos criterios como criterios de
remordimiento o arrepentimiento mnimo.
Para estos criterios el primer paso
consiste en crear la matriz de arrepentimiento B
a partir de la matriz de beneficios, de la
siguiente forma:
b
i,j
= max
i
{a
i,j
} - a
i,j
.
1
o la
funcin de arrepentimiento g a partir de funcin
de beneficios:
g(x,y) = max
x
{f(x,y)} - f(x,y).
2
Despus de tener la matriz B o la
funcin g de arrepentimientos se procede a
tomar la decisin en base a alguno de los
criterios especificados anteriormente.
El Economista Oscar Lange recomendaba el
uso de este criterio para los decisores que

1
b
i,j
= a
i,j
- min
i
{a
i,j
}, si se tiene una matriz de costos.
2
g(x,y) = f(x,y) - min
x
{f(x,y)} cuando se tiene una funcin de costos.
11
tienen que reportar ante terceros, tales como
los polticos, que los van juzgar despus de
conocer los resultados.


12
EJEMPLO 4:
Sea la matriz de beneficios del ejemplo 1,
entonces los mximos sern:


E
1
E
2
E
3
E
4
E
5

Max 90 60 60 80 100


Obtenindose como matriz de arrepentimiento:

E
1
E
2
E
3
E
4
E
5

A
1
70 20 0 0 0
A
2
0 0 5 35 60
A
3
25 10 15 25 40
A
4
20 20 15 30 15

1.- Criterio Optimista: Como el min
i,j
{b
i,j
} = b
1,3
= b
1,4
=
b
1,5
= b
2,1
= b
2,2
= 0, por lo tanto se estara
indiferente entre escoger la alternativa 1 o la 2.


2.- Criterio de Wald:

Max
A
1
70
A
2
60
A
3
40
A
4
30
13




Y como el min
i
{max
j
{b
i,j
}} = b
4,4
= 30, se escoge la
alternativa 4.

3.- Criterio de Hurwicz:

Max

Min ponderacin
(Max+Min)/2
A
1
70 0 35
A
2
60 0 30
A
3
40 10 25
A
4
30 15 22,5


Como el min
i
{(max
j
{b
i,j
}+minj{b
i,j
})/2} = 22,5 = pond
4
,
se selecciona la alternativa 4.


4.- Criterio de Laplace:

Promedio
A
1
18
A
2
20
A
3
23
A
4
20

Y como el min
i
{E
j
b
i,j
/5} = 18 = prom
1
, se
seleccionara la alternativa 1.
14

EJEMPLO 5:

Tomando el ejemplo 2:

Se construye la funcin de arrepentimiento A(Q,D):

A(Q,D) = max
Q
{B(Q,D)} - B(Q,D) =

c(Q - D), Q > D
D e [a , b] ; Q e [a
, b]
=
(p - c)(D - Q), Q s D



1. Criterio Optimista:

min
Q,D
{A(Q,D)} = 0 , cuando Q = D; por lo tanto se
estara indiferente en producir cualquier cantidad x
e [a,b].

2.- Criterio de Wald:

min
Q
{max
D
{A(Q,D)}} =

= min
Q
{max{c(Q-a);(p-c)(b-Q)}} =


c(Q-a) Q > b - c(b-a)/p
= min
Q
=
(p-c)(b-Q) Q s b - c(b-a)/p



= c(b-a)(p-c)/p, cuando Q = b - c(b-a)/p .



3.- Criterio de Hurwicz

min
Q
{[max
D
{A(Q,D)}+min
D
{A(Q,D)}]/2} =
15

= min
Q
{[max{c(Q-a);(p-c)(b-Q)}(p - c)Q + 0]/2} =

= c(b-a)(p-c)/(2p), cuando Q = b - c(b-a)/p .



4.- Criterio de Laplace









b
Q
a
Q b
Q
a Q
min A(Q, D) dD/(b-a)
= min [ c (D - Q) dD + (p - c) (D Q) dD] /(b-a)

=
`
)



`

)
}
} }
=


= min
Q
{[c(Q-aQ-(Q-a))+ (p-c)((b-Q)-(Qb-Q))]/(b-a)} =

= min
Q
{[pQ - (ca+pb-cb)Q + (pb+c(a-b))]/(b-a)} =

derivando, la expresin E entre las llaves {}, se tiene:

E' = [pQ - (ca + pb - cb)]/(b-a) = 0

===> Q = (ca-cb+pb)/p = b - c(b - a)/p


EJEMPLO 6:

Sea el problema del ejemplo 3.

La construccin de la funcin de remordimiento
dar:



0 ; si I s 32,03%
R1(I) =
999.166,67I/12 - 26.666,67 ; si I > 32,03%



26.666,67 - 999.166,67I/12 ; si I s 32,03%
16
R2(I) =
0 ; si I > 32,03%

17

1.- Criterio Optimista:

Min
i
,
I
{R
i
(I)} = 0, para cualquier alternativa; por
lo tanto sera indiferente ante cualquiera las dos
alternativas.

2.- Criterio de Wald:

Min
i
{Max
I
{R
i
(I)}} = min{810,42; 4185,42} = 810,42
correspondiente a la primera alternativa.

3.- Criterio de Hurwicz
Min
i
{[ Max
I
{R
i
(I)} + Min
I
{R
i
(I)} ]/2} =
= min{(810,42 + 0)/2 ; (4.185,42 + 0)/2} =
= min{405,21 ; 2.092,71} = 405,21 correspondiente a
la primera alternativa.

4.- Criterio de Laplace


0,33 0,33
1 2
0,27 0,27
0,33
0,3203
0,3203
0,27
min R (I)dI/0,06; R (I)dI/0,06
(999.166,67 I/12-26.666,67)dI/0,06
min
(26.666,67-999.166,67 I/12)dI/0,06


=
`

)

= =
`

)
} }
}
}

= min{ 65,73 ; 1754,39} = 65,73 correspondiente a la primera
alternativa.
18
II.- Estrategias Mixtas.
En este caso, se supone que se puede seleccionar una
combinacin de las alternativas, lo cual supone
obviamente que las alternativas no son mutuamente
excluyentes. Adems estos procedimientos que se van a
describir se pueden aplicar tanto sobre la matriz o
funciones de beneficios o costos originales como sobre
las de arrepentimiento. Estos criterios se basan en
aprovechar que mientras la situacin en algunos estados
de la naturaleza es adversa para algunas alternativas es
beneficiosa para otras, mientras que en otros estado
sucede lo contrario. Esto es trata de balancear la
situaciones desfavorables de las distintas alternativa
con las favorables las otras.
A.- Cuando el problema es planteado en forma matricial:
1.- El primer caso que se va a tratar es cuando
se puede tomar una fraccin de las alternativas.
Esto es que se puede tomar una fraccin p
i

de la alternativa i, y
E
i
p
i
=1 (1).
Si se tiene una matriz de beneficio, el
objetivo ser que sea cualquiera que sea el
estado de la naturaleza j:
19
E
i
a
i,j
p
i
> W, j=1,...,n (2).
Y que W sea mximo (3).
Obviamente esto es un problema lineal, y de
hecho si se hace los siguientes cambios:
(a) Se define: Z = (1/W),
(b) t
i
= p
i
/W
(c) Se sustituye en (a) y (b), en (1), (2) y
(3).
Entonces queda:
Minimizar: Z = E
i
t
i

Sujeto a: E
i
a
i,j
t
i
> 1 j=1,...,n
Y cuando se tiene la solucin del problema
anterior lo nico que hay que hacer es la
sustitucin inversa:
W = (1/Z)
p
i
= t
i
W.
1

Es de notar que en este planteamiento se
supone que no hay columna en donde todos los
elementos diferentes de cero sean negativos. De

1
Si es una matriz de costo se tendrn como ecuaciones:
E
i
a
i,j
p
i
W, j=1,...,n (2').
Y que W sea mnimo (3').
Y el problema de programacin lineal quedar de la forma:
Maximizar: Z = E
i
t
i

Sujeto a: Ea
i,j
t
i
1 j=1,...,n
20
hecho, si esto sucediera, habra que hacer una
matriz nueva en donde a'
i,j
= a
i,j
- min
i,j
{a
i,j
}.

EJEMPLO 7:
Sea la matriz del ejemplo 1:
1.- Utilizando directamente la matriz de beneficios, se
tiene:
Minimizar Z = t
1
+ t
2
+ t
3
+ t
4

Sujeto a: 20t
1
+ 90t
2
+ 65t
3
+ 70t
4
> 1
40t
1
+ 60t
2
+ 50t
3
+ 40t
4
> 1
60t
1
+ 55t
2
+ 45t
3
+ 45t
4
> 1
80t
1
+ 45t
2
+ 55t
3
+ 50t
4
> 1
100t
1
+ 40t
2
+ 60t
3
+ 85t
4
> 1
Cuya solucin es:
Z = 0,0183333..
t
1
= 0,005
t
2
= 0,0133333..
t
3
= t
4
= 0
Por lo tanto:
W = 54,5454..
p
1
= 0,2727..
p
2
= 0,7272..
p
3
= p
4
= 0
21

2.- Utilizando la matriz de arrepentimiento desarrollada
en el ejemplo 4, se obtiene:
Maximizar Z = t
1
+ t
2
+ t
3
+ t
4

Sujeto a: 70t
1
+ 25t
3
+ 20t
4
s 1
20t
1
+ 10t
3
+ 20t
4
s 1
5t
2
+ 15t
3
+ 15t
4
s 1
35t
2
+ 25t
3
+ 30t
4
s 1
60t
2
+ 40t
3
+ 15t
4
s 1
Cuya solucin es:
Z = 0,04005602
t
1
= 0,008683474
t
2
= 0,01176471
t
4
= 0,01960784
t
3
= 0
Por lo tanto:
W = 24,96503647
p
1
= 0,216783245
p
2
= 0,293706414
p
4
= 0,48951044
p
3
= 0

2.- El segundo caso sera cuando, se tiene que tomar
las alternativas completas (o no se toman), pero
22
existen restricciones adicionales respecto a
ellas, esto es existe una serie de restricciones
de la forma:
E
i
t
i
,
k
s
i
s (>) Q
k

En donde s
i
seran las variables de decisin
que valen 1, si se toma la alternativa i, y de lo
contrario valen 0 si no se toma.
Adems se tendra:
Maximizar W
Sujeto a: E
i
a
i,j
s
i
> W
1





1
Obviamente, si se tiene una matriz de costo sera:
Minimizar W
Sujeto a: E
i
a
i,j
s
i
W )
23
EJEMPLO 8:
Usando la misma matriz del ejemplo 1, con el
dato adicional que las cuatro alternativas
representan 4 proyectos para los cuales se requiere
un capital de 40, 50, 30 y 20 respectivamente y se
dispone solo de 100.
Como siempre se puede trabajar con la matriz de
beneficio o con la de arrepentimiento, aqu vamos a
resolverlo solo con la matriz de beneficio, dejando
al lector resolver el problema con la matriz de
arrepentimiento. As tenemos:
Maximizar W
Sujeto a: 20s
1
+ 90s
2
+ 65s
3
+ 70s
4
> W
40s
1
+ 60s
2
+ 50s
3
+ 40s
4
> W
60s
1
+ 55s
2
+ 45s
3
+ 45s
4
> W
80s
1
+ 45s2 + 55s
3
+ 50s
4
> W
100s
1
+ 40s
2
+ 60s
3
+ 85s
4
> W
40s
1
+ 50s
2
+ 30s
3
+ 20s
4
s 100
s
1
, s
2
, s
3
, s
4
= 0,1
Que tiene por solucin:
W = 145
s
2
= s
3
= s
4
= 1
s
1
= 0
24

B.- Cuando se tienen funciones de utilidad (o de
costo) para cada alternativa:
Los planteamientos en este caso son
bastantes parecidos a los de los casos de los
planteamientos matriciales, ya que habra que
considerar los p
i
, E
i
p
i
= 1, de manera tal que:
E
i
p
i
f
i
(y) > W, para todos los valores "y" de la
naturaleza; y adems se buscar maximizar W.
El cual se puede, haciendo las mismas
transformaciones que en el caso de los problemas
matriciales, como:
minimizar: Z = E
i
t
i

Sujeto a: E
i
t
i
f
i
(y) > 1 ; y
EJEMPLO 9
Tomemos el problemas del ejemplo 3.
1.- Trabajando directamente con la funcin de
beneficio se tendr:
minimizar: Z = t
1
+ t
2

Sujeto a: t
1
B
1
(I)+ t
2
B
2
(I) > 1, I e [27% ,
33%]

Por lo cual queda:
25
Minimizar: Z = t
1
+ t
2

Sujeto a:
t
1
25.833,33(2 + I/12)+ t
2
(1.025.000I/12 + 25.000) > 1
Por la funcin de la restriccin creciente
respecto a I, es claro que si el (t
1
, t
2
) cumple
para el menor valor de I (27%) la restriccin, lo
cumplir tambin para los dems valores de I:
por lo tanto esta restriccin se puede escribir
como:
52.447,9167t
1
+ 48.062,50t
2
> 1
y es claro que el par (t
1
, t
2
) que van a
minimizar la funcin objetivo sujeto a esta ltima
restriccin ser:

t
1
= 1/52.447,9167 = 0,000019066
t
2
= 0
Z = 0,000019066

As que las proporciones sern:
p
1
= 1
p
2
= 0
W = 52.447,9167

26
O sea que en este caso se da que la
solucin de la estrategia mixta es una estrategia
pura.
2.- Trabajando con la funcin de remordimiento,
desarrollada en el ejemplo 6, se tendr:
maximizar: Z = t
1
+ t
2

Sujeto a: t
1
R
1
(I) + t
2
R
2
(I) s 1, I e [27% , 33%]

Por lo cual queda:
Maximizar: Z = t
1
+ t
2

Sujeto a:
t
2
(26.666,67-999.166,67I/12) s 1 ; I e [27% ; 32,03%]
t
1
.(999.166,67I/12-26.666,67) s 1 ; I e [32,03% ; 33%]

Como la funcin de la primera restriccin
es decreciente respecto a I, es obvio que si se
cumple para el menor valor de I (27%), se cumplir
tambin para los dems valores de I. De la misma
manera como la funcin de la segunda restriccin es
creciente respecto a I, si sta se cumple para el
mayor valor de I (33%), tambin se cumplir
para los dems valores de I. Por lo tanto se tiene:
4185,41666t
2
s 1
27
810,41333t
1
s 1
De lo cual se tiene como solucin:
t
1
= 0,0012339
t
2
= 0,0002389
Z = 0,0014728
Y se tendr como proporciones ptimas:
W = 678,95
p
1
= 0,837782
p
2
= 0,162218
De esta manera se puede afirmar que si se
quiere minimizar el remordimiento luego de los dos
meses, se debe invertir Bs. 837.782 a dos meses y
Bs. 152.218 a un mes.

28
DOMINANCIA
ALTERNATIVAS DOMINANTES Y DOMINADAS:
Definicin 1:
Se dice que una alternativa k domina a otra i,
si:
a
k,j
> a
i,j
j
o
f
k
(y) > f
i
(y) y
y se simbolizar:
A
k
A
i

1

Tambin, se dir que la alternativa i esta
dominada por la alternativa k.
Si una alternativa domina a cualquier otra
alternativa, esto es que:
A
k
A
i
i
se dir que esta alternativa es dominante.
Definicin 2:
Si una alternativa k domina a otra i, y - j
a
k,j
> a
i,j
, entonces se dir que la alternativa k
domina estrictamente a la alternativa i, o la

1
En el caso de matrices de costo, se dir que una alternativa k domina a otra i, si:
a
k,j
_ a
i,j
j o f
k
(y) _ f
i
(y) y y la simbolizacin es la misma. Lo
mismo vale para todas las definiciones sub-siguientes.
29
alternativa i est dominada estrictamente por la
alternativa k, y se denotar por:
A
k
A
i

Definicin 3:
Si una alternativa k domina a otra i, y j
a
k,j
> a
i,j
, entonces se dir que la alternativa k
domina fuertemente a la alternativa i, o la
alternativa i est dominada fuertemente por la
alternativa k, y se denotar por:
A
k
A
i

Teorema 1: Para todos los criterios de decisin dados
anterior mente (con excepcin del mixto
con restricciones), si existe una
alternativa dominante sta ser una de las
alternativas seleccionada por el criterio
1
.
Demostracin:
1.- Criterio Optimista:
Como a
k,j
> a
i,j
, i, j, entonces obviamente:
max
i,j
{a
i,j
} = max
j
{a
k,j
}
as que la alternativa seleccionada ser la k.
2.- Criterio de Wald:

tonces
1
Para el criterio mixto con restricciones habra que cambiar el concepto de dominancia, por
el siguiente: Se define: a'
i,j,h
= a
i,j
/b
i,h
, (esto es la razn utilidad-uso de recursos) en
se dir que la alternativa k domina a la alternativa i si: a'
k,j,h
_ a'
i,j,h
j,h
30
Como a
k,j
> a
i,j
, i, j, entonces:
min
j
{a
k,j
} = a
k,l
> a
i,l
, i
de donde:
min
i
{a
k,j
} > min
ik
{a
i,j
}
por lo cual:
max
i
{min
j
{a
i,j
}} = min
k
{ a
k,j
}
as que la alternativa seleccionada ser la k.
3.- Criterio de Hurwicz:
Como a
k,j
> a
i,j
, i, j, entonces:
min
j
{a
k,j
} = a
k,l
> a
i,l
, i
y max
j
{a
k,j
} > a
i,j
, i, j
de donde:
min
j
{a
k,j
) > min
jk
{a
i,j
}
y max
j
{a
k,j
} > max
jk
{a
i,j
}
por lo cual:
max
i
{[min
j
{a
i,j
} + max
j
{a
i,j
}]/2} = [min
j
{a
k,j
} + min
j
{a
k,j
}]/2
as que la alternativa seleccionada ser la k.
4.- Criterio de Laplace:
Como a
k,j
> a
i,j
, i, j, entonces:
E
j
a
k,j
> E
j
a
i,j
, i
por lo cual:
max
i
{E
j
a
i,j
/n} = E
j
a
k,j
/n
as que la alternativa seleccionada ser la k.
31
5.- Criterio mixto
Como a
k,j
> a
i,j
, i, j, entonces:
a
k,j
> E
i
p
i
a
i,j
, j, E
i
pi
por lo cual:
max W ==> pk = 1, p
i
= 0, i k
as que la alternativa seleccionada ser la
alternativa pura k.

6.- Criterio de arrepentimiento de Savage:
Como a
k,j
> a
i,j
, i, j, entonces:
b
k,j
= 0 , j
por lo cual:
b
k,j
_ b
i,j
, i, j
por lo cual en la matriz de arrepentimiento la
alternativa k tambin es dominante, y al aplicar sobre
esta matriz cualquier otro criterio, la alternativa
seleccionada ser la k.
Corolario 1.1: Para todos los criterios de decisin
dados anteriormente (con excepcin del mixto con
restricciones), si existe una alternativa
fuertemente dominante sta ser la alternativa
seleccionada por el criterio.
32
Teorema 2: Para el criterio de Laplace, si existe una al
ternativamente estrictamente dominante sta ser la
alternativa seleccionada por dicho criterio.
1

Teorema 3: Para todos los criterios de decisin dados
anterior mente (con excepcin del mixto
con restricciones), cualquier
alternativa dominada fuertemente por otra no
ser la alternativa seleccionada por el
criterio.
Teorema 4: Para el criterio de Laplace, cualquier
alternativa estrictamente dominada por
otra no ser la alternativa
seleccionada por dicho criterio.

Teorema 5: La relacin de dominancia forma un cuasi-
orden dentro del conjunto de las
alternativas de un problema.

Definicin 4:
Cualquier criterio en el cul se
cumple:

1
Las demostraciones de este y los siguientes teoremas se dejan como ejercicios para el
lector.
33
a) Si existe una alternativa dominante
sta entra la solucin.
b) Si existe una alternativa fuertemente
dominante sta es la solucin.
c) Si existe una alternativa fuertemente
dominada sta no forma parte de la solucin.
Es un criterio coherente

Teorema 6: Si en un problema existen d alternativas
fuertemente dominadas el problema no se altera,
bajo cualquiera criterio coherente, si se reduce
a un problema de m-d alternativas eliminando las
d alternativas fuertemente dominadas.
Corolario 6.1: Si a un problema de le aade una
alternativa fuertemente dominada por otra
alternativa, esta adicin no va afectar el
resultado bajo cualquier criterio de decisin
coherente anteriormente.
Teorema 7: Si en un problema existen d alternativas
estrictamente dominadas el problema no se
altera, bajo el criterio de Laplace, si se
reduce un problema de m-d alternativas
34
eliminando las d alternativas estrictamente
dominadas.
Corolario 7.1: Si a un problema de le aade una
alternativa fuertemente dominada por otra
alternativa, esta adicin no va afectar el
resultado obtenido anteriormente bajo el
criterio de decisin de Laplace.

ESTADOS DE LA NATURALEZA DOMINANTES Y DOMINADOS

Se dice que un estado de la naturaleza h domina a
otro j, si:
a
i,h
s a
i,j
i
y se simbolizar:
E
h
E
j

1

Tambin, se dir que el estado de la naturaleza j
est dominado por el estado h.
Si un estado de la naturaleza domina a cualquier
otro estado de la naturaleza, esto es que:
E
h
E
j
j
se dir que este estado de la naturaleza es dominante.

1
En el caso de matrices de costo, se dir que el estado de la naturaleza h domina a otro j, si:
a
i,h
_ a
i,j
i y la simbolizacin es la misma. Lo mismo vale para todas las
definiciones sub-siguientes.
35
Si un estado de la naturaleza h domina a otro j, y
- i | a
i,h
< a
i,j
, entonces se dir que el estado de la
naturaleza h domina estrictamente al estado de la
naturaleza j, o el estado de la naturaleza j est
dominado estrictamente por el estado de la naturaleza h,
y se denotar por:
E
h
E
j

Si un estado de la naturaleza h domina a otro j, y
i a
i,h
< a
i,j
, entonces se dir que el estado de la
naturaleza h domina fuertemente al estado de la
naturaleza j, o el estado de la naturaleza j est
dominada fuertemente por el estado de la naturaleza h, y
se denotar por:
E
h
E
j

Teorema 8: Si un estado de la naturaleza h es
fuertemente dominado por todos los dems
estados de la naturaleza, este ser el nico
estado a tomarse en cuenta para el criterio
optimista.
Teorema 9: Si un estado de la naturaleza es fuertemente
dominante este ser el nico estado a tomarse
en cuenta para los criterios de Wald puro y
mixto.
36
37
Teorema 10: Si en un problema existen o estados de la
naturaleza fuertemente dominados, el
problema, para los criterios Wald
puro y mixto se puede reducir a un problema
con n-o estados, eliminando estos estados
fuertemente dominados.

Corolario 10.1: Si a un problema se le aade un estado
fuertemente dominado, esta adicin no
afectar el resultado bajo los criterios de
Wald puro y mixto.
Teorema 11: La relacin de dominancia forma un cuasi-
orden dentro del conjunto de los estados de la
naturaleza de un problema.