Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema6 I PDF
Tema6 I PDF
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
1.
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
x11
X ij = x 21
x
n1
x 22 x 2 m matriz n m
x n 2 x nm
Ejemplo: Jhon Prez ha heredado $1.000. El ha decidido invertir su dinero por un ao. Un inversionista
le ha sugerido cinco inversiones posibles: oro, bonos, negocio en desarrollo, certificado de depsito, acciones.
Jhon debe decidir cuanto invertir en cada opcin. La siguiente tabla representa las ganancias que obtendra para
cada escenario posible de comportamiento del mercado.
ALTERNATIVAS
Oro
Bonos
Negocio
Cert. de depsito
Acciones
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
Gran alza
pequea sin
alza
cambios
-100
100
200
250
200
150
500
250
100
60
60
60
200
150
150
pequea
baja
300
-100
-200
60
-200
gran
baja
0
-150
-600
60
-150
ALTERNATIVAS
Oro
Bonos
Negocio
Cert. de depsito
Acciones
EL CRITERIO MAXIMIN
ESTADOS DE LA NATURALEZA
Gran alza
pequea sin
alza
cambios
-100
100
200
250
200
150
500
250
100
60
60
60
200
150
150
pequea
baja
300
-100
-200
60
-200
gran
baja
0
-150
-600
60
-150
Mnimas
Ganancias
-100
-150
-600
60
-200
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
estado de la naturaleza (mejor ganancia por columna) y se calcula el costo de oportunidad para cada alternativa
de decisin (como la mejor ganancia por columna menos la ganancia de cada una de las celdas de la columna),
posteriormente se encuentra el mximo costo de oportunidad para todos los estados de la naturaleza y se
selecciona la alternativa de decisin que tiene el mnimo coste de oportunidad.
ALTERNATIVAS
Oro
Bonos
Negocio
Cert. de depsito
Acciones
ALTERNATIVAS
Oro
Bonos
Negocio
Cert. de depsito
Acciones
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
Gran alza
pequea sin
alza
cambios
-100
100
200
250
200
150
500
250
100
60
60
60
200
150
150
pequea
baja
300
-100
-200
60
-200
gran
baja
60
210
660
0
210
gran
baja
0
-150
-600
60
-150
Mximo
coste
de
oportunidad
600
400
660
440
500
La decisin ptima con este criterio invertir en bonos por tener el menor coste de oportunidad
2.1.3. El criterio maximax: este criterio se basa en el mejor de los casos. Considera los puntos de vista optimista
y agresivo. Un decisor optimista cree que siempre obtendr el mejor resultado sin importar la desicin tomada.
Un decisor agresivo escoge la decisin que le proporcionar una mayor ganancia. Para encontrar la desicin
ptima se marca la mxima ganancia para cada alternativa de decisin y se selecciona la desicin que tiene la
mxima de las mximas ganancias.
ALTERNATIVAS
Oro
Bonos
Negocio
Cert. de depsito
Acciones
EL CRITERIO MAXIMAX
ESTADOS DE LA NATURALEZA
Gran alza
pequea sin
alza
cambios
-100
100
200
250
200
150
500
250
100
60
60
60
200
150
150
pequea
baja
300
-100
-200
60
-200
gran
baja
0
-150
-600
60
-150
Mximas
Ganancias
300
250
500
60
200
La decisin ptima sera invertir en un negocio en desarrollo por presentar la mxima ganancia posible.
2.1.4. Criterio de razonamiento insuficiente o criterio Laplace: puede ser tomado por un tomador de decisiones
que no sea optimista ni pesimista. El decisor asume que todos los estados de la naturaleza son equiprobables.
Para encontrar la decisin ptima se selecciona la decisin con el mayor valor esperado.
m
E ( X i ) = X ij Pj
j =1
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
P
j =1
=1
E ( X 1 ) = E (Oro) = 100 0,2 + 100 0,2 + 200 0,2 + 300 0,2 + 0 * 0,2 = 100
E ( X 2 ) = E ( Bonos ) = 250 0, 2 + 200 0, 2 + 150 0, 2 100 0, 2 150 0, 2 = 70
T ( X i ) = Maxij + (1 ) Minxij
Para hallar la solucin ptima se marca el mximo y el mnimo de cada alternativa. Segn el coeficiente de
optimismo del decidor (), se multiplica el mximo por ste y el mnimo se multiplica por (1-). Luego se
suman los dos. Luego elegimos el mximo entre todas las alternativas.
En nuestro ejemplo, si suponemos que el empresario es neutral =0,5
ALTERNATIVAS
Oro
Bonos
Negocio
Cert. de depsito
Acciones
EL CRITERIO HURWICS
ESTADOS DE LA NATURALEZA
Gran alza
pequea sin
alza
cambios
-100
100
200
250
200
150
500
250
100
60
60
60
200
150
150
pequea
baja
300
-100
-200
60
-200
gran
baja
0
-150
-600
60
-150
Mximas
Ganancias
Con =0,5
100
50
-50
60
0
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
EL CRITERIO DE LA GANACIA ESPERADA
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran alza
pequea sin
pequea
alza
cambios baja
-100
100
200
300
Oro
250
200
150
-100
Bonos
500
250
100
-200
Negocio
60
60
60
60
Cert. de depsito
200
150
150
-200
Acciones
Probabilidad
0,2
0,3
0,3
0,1
gran
baja
0
-150
-600
60
-150
0,1
Ganancias
Esperada
100
130
125
60
95
El utilizar como nico criterio de decisin la esperanza matemtica supone asumir ciertas hiptesis:
-
Que al sujeto decisor no le importe la dispersin del resultado (no tiene en cuenta la desviacin tpica)
Que no exista riesgo de ruina: Es el riesgo que el desenlace de una estrategia pueda suponer un
quebranto econmico tal que no pueda ser superado por la empresa. En dicho caso el decisor pasara a
elegir slo entre aquellas alternativas cuyos resultados ms desfavorables puedan ser asumidos por la
empresa. Tiene que ver con la capacidad de asumir prdidas.
Consideracin de la variabilidad de los resultados: Penalizar la esperanza econmica por una medida
que d idea de la variabilidad de los datos, considerando la multiplicacin de dicha medida de
variabilidad por un coeficiente indicativo de temor al riesgo (a) del sujeto decisor. La funcin de
utilidad se halla restando al valor esperado de cada alternativa el coeficiente de aversin por la
desviacin tpica.
Si a1 Mayor aversin al riesgo. El inversor presenta un perfila ms conservador
Si a0 Poca aversin al riesgo. El inversor presenta un perfill ms arriesgado.
Funcion de utilidad = U ( X i ) = E ( X i ) a X
Observemos que cuando a tiende a 1 la cantidad a restar es mayor, por tanto la utilidad esperada es
menor lo que corresponde a un perfil conservador.
Varianza : X2 = ( X ij E ( X i )) 2 Pj
j =1
X = Desviacin tpica : X2
En nuestro ejemplo: Si Jhon Prez tiene una aversin al riesgo del 15%: a=0,15
U ( X 1 ) = E (Oro) a V (Oro) = 100 0,15 (100 100) 2 0, 2 + (100 100) 2 0.3 + (200 100) 2 0.3 + (300 100) 2 0,1 + (0 100) 2 0,1 = 52,56
U ( X 2 ) = E ( Bonos ) a V ( Bonos ) = 130 0,15 (250 130) 2 0, 2 + (200 130) 2 0.3 + (150 130) 2 0.3 + (100 130) 2 0,1 + (150 130) 2 0,1 = 71, 71
U ( X 3 ) = E ( Negocio) a V ( Negocio) = 125 0,15 (500 125) 2 0, 2 + (250 125) 2 0.3 + (100 125) 2 0.3 + (200 125) 2 0,1 + (600 125)2 0,1 = 8,16
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
U ( X 4 ) = E (certificado) a V (certificado) = 60 0,15*0 = 60
U ( X 5 ) = E (accion) a V (accion) = 65 0,15 (200 65) 2 0, 2 + (150 65) 2 0.3 + (150 65) 2 0.3 + (200 65) 2 0,1 + (100 65) 2 0,1 = 34, 23
Trigo
Remolacha
Patata
P1= 0,3
lluvia
250
-100
150
P1= 0,5
normal
290
450
200
P1= 0,2
seco
200
350
250
a) Situacin de riesgo:
U ( X i ) = E( X i ) a V ( X i )
En nuestro ejemplo: Si el empresario agricultor tiene una aversin al riesgo del 20%: a=20%:
U ( X 1 ) = E ( X 1 ) a V ( X 1 ) = 260 0,2 (250 260) 2 0,3 + (290 260) 2 0.5 + (200 260) 2 0.2 = 253
U ( X 2 ) = 265 0,2 ( 100 265) 2 0,3 + ( 450 265) 2 0.5 + (350 265) 2 0.2 = 216,5
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
U ( X 3 ) = 195 0,2 (150 195) 2 0,3 + ( 200 195) 2 0.5 + ( 250 195) 2 0.2 = 188
Se elige la alternativa que maximiza la funcin de utilidad: En nuestro ejemplo sera:
X1 = trigo = 253Mximo beneficio teniendo en cuenta la aversin al riesgo
T ( X i ) = X ij
j =1
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
b5) Criterio de Savage
Se construye una matriz de perjuicios o de coste de oportunidad
matriz de consecuencias
E1
Trigo
250
Remolacha
-100
Patata
150
E2
290
450
200
E3
200
350
250
E3
150
0
100
j =1
j =1
entonces
calcular
la
ganancia
esperada
de
la
informacin
perfecta
(GEIP)
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
gran
baja
0
-150
-600
60
-150
0,1
Ganancias
Esperada
100
130
125
60
95
GEIP = (500*0, 2 + 0,30* 250 + 0,3* 200 + 300*0,1 + 60*0,1) 130 = 141
Quiere decir esto, que si puedo obtener informacin, que me asegure la ocurrencia de cierto estado de la
naturaleza, puedo pagar por ella un mximo de 141 unidades monetarias.
2.4. La utilizacin de la informacin imperfecta y el concepto de valor esperado en contexto de riesgo.
La informacin adicional, no siempre es perfecta, muchas veces los estudios adicionales que se encargan tienen
cierto margen de error. La informacin adicional mejora la probabilidad obtenida de la ocurrencia de un
determinado estado de la naturaleza y ayuda al tomador de decisiones a escoger la mejor opcin. La estadstica
Bayesiana construye un modelo a partir de informacin adicional obtenida a partir de diversas fuentes. El
teorema de Bayes:
P( E j / Ai ) =
P( E j ) * P ( Ai / E j )
n
P( E ) * P( A / E )
j
i =1
donde
P( E j / Ai ) = probabilidad revisada
P( E j ) = probabilidad
a priori
P( Ai / E j ) = probabilidad condicionada
n
i =1
A partir del teorema de Bayes podemos calcular la Ganancia esperada con la Informacin adicional (GECIA):
La expresin matemtica para su clculo es la siguiente:
n
i =1
j =1
10
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
Para su clculo seguimos los siguientes pasos:
1)
2)
3)
4)
5)
6)
Tambin podemos calcular el valor esperado de la informacin adicional, es decir, el mayor valor esperado por
contar con una mejor informacin. Se calcula como la diferencia entre el GECIA y el mayor valor esperado con
la informacin a priori.
ESTADOS DE LA NATURALEZA
Gran
pequea
sin
pequea
ALTERNATIVAS
alza
alza
cambios
baja
Probabilidad Crec. Positivo
0,800
0,700
0,500
0,400
Condicionada Crec, Negat.
0,200
0,300
0,500
0,600
Gran
baja
0,000
1,000
Solucin:
Pasos:
1)
2)
11
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
4)
P ( E j / Ai ) =
P( E j ) * P ( Ai / E j )
n
P( E ) * P( A / E )
i =1
5)
0,16
= 0, 286
0,56
Calculamos la ganancia esperada con la probabilidad revisada para cada uno de los escenarios
planteados.
En caso de crecimiento positivo la probabilidad revisada que se produzca una gran alza para la
alternativa del oro sera:
m
E ( X ij ) a posteriori o revisada = X ij Pj
j =1
Calculamos el GECIA: para ello marcamos el mayor valor esperado para cada uno de los escenarios
planteados
n
i =1
j =1
12
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
sin
pequea
cambios
baja
200
300
150
-100
100
-200
60
60
150
-200
0,3
0,1
0,500
0,400
0,500
0,600
0,150
0,040
0,150
0,060
0,268
0,071
0,341
0,136
Gran
baja
0
-150
-600
60
-150
0,1
0,000
1,000
0,000
0,100
0,000
0,227
Gan. Esp.
a priori
100
130
125
60
95
=1
0,560
0,440
1,000
1,000
GEIA= 193-130=63
i =1
j =1
Gan. Esp.
Revisada
Cre. Posi. Crec. Neg.
84
120
179
67
249
-33
60
60
139
39
E.P.S. La Rbida
Administracin de Empresas
I.T. Informtica de Gestin
Universidad de Huelva
__________________________________________________________________________________________
14