TOMA DE DECISIÓN BAJO INCERTIDUMBRE

Con probabilidades

EJEMPLO:
Suponga que esta en un dilema de cosechar un campo y se tienen dos tipos de
semillas, una que es muy rendidora (A) pero sensible a la falta de agua, otra que es
menos rendidora (B) pero posee una alta resistencia a la falta de agua. Se dispone
de las siguientes ganancias (Bs) de adoptar cada decisión, obtenidas
numéricamente:

Sequia Lluvia escasa Lluvia suficiente

E1 E2 E3
Semilla (A) A1 -100000 -10000 250000

Semilla (B) A2 -65000 80000 175000

No cosechar 0 0 0
A3

Si las probabilidades asociadas a cada estado de la naturaleza son: 15% sequía,

37%, lluvia escasa y 48% lluvia suficiente. Construya el árbol de decisiones.
Prof. FRANCY TONONI
TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

Alternativas Estados de la naturaleza

Sequia Lluvia escasa Lluvia suficiente

E1 E2 E3

Semilla (A) -100000 -10000 250000

A1
Semilla (B) -65000 80000 175000
A2
No cosechar A3 0 0 0

P(ej) 0.15 0.37 0.48

Prof. FRANCY TONONI

 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

ARBOL DE DECISIÓN ESTADOS DE LA NATURALEZA


DECISIONES DECISIONES SEQUÍA (0.15) -100000
LLUVIA E (0.37) - 10000
A
LA LLUVIA S (0.48) 250000
MIL
S E
COSECHAR
SE
MI SEQUÍA (0.15) -65000
LL
A
B LLUVIA E (0.37) 80000
LLUVIA S (0.48) 175000

NO COSECHAR
Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

CRITERIO DEL VALOR ESPERADO

E1 E2 E3
VE ( ai ) = ∑P ( e j ) R ( ai , e j )
n
MÁXIMO
j =1

A1 -100000 -10000 250000 0.15(-100000)+0.37(-10000)+0.48(250000)

VE(a1) =101300
A2 -65000 80000 175000 0.15(-65000)+0.37(80000)+0.48(175000)
VE(a2) = 103850
A3 0 0 0 VE(a3) = 0

P(ej) 0.15 0.37 0.48 MÁX VE = 103850

DECISIóN: COSECHAR LA SEMILLA B CON UN VE = 103850 Bs

Prof. FRANCY TONONI

 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

CRITERIO DEL VALOR ESPERADO DE LA INFORMACIÓN PERFECTA (VEIP)

E1 E2 E3
Encontrar los valores máximos
A1 -100000 -10000 250000 por estados de la naturaleza:
A2 -65000 80000 175000 0, 80000, 250000
A3 0 0 0
P(ej) 0.15 0.37 0.48
DECISIóN: COSECHAR LA SEMILLA B
Como VE = 103850 VEsIP

[ ]
VEcIP = ∑{máx R ( ai , e j ) P ( e j )}
n

j =1

VEcIP = ( 0 ) 0.15 + ( 80000 ) 0.37 + ( 250000 ) 0.48 VEcIP = 149600

VEIP = VEcIP −VEsIP = 149600 −103850 VEIP = 45750 Bs
Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

CRITERIO DEL VALOR ESPERADO DE LA INFORMACIÓN PERFECTA (VEIP)

VEIP = 45750 Bs

La decisión es cosechar la semilla B y se puede

aceptar un costo máximo de 45750 Bs para el estudio
que permita conocer con certeza las probabilidades de
ocurrencia de los estados de la naturaleza antes de
seleccionar una alternativa de decisión.

Prof. FRANCY TONONI

 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

ARREPENTIMIENTO ESPERADO MÍNIMO = VEIP

Matriz del arrepentimiento VE del arrepentimiento

E1 E2 E3
VE ( ai ) = ∑P ( e j ) R ( ai ,e j )
n
MÍNIMO
j =1
A1 100000 90000 0 0.15(100000)+0.37(90000)+0 48300

A2 65000 0 75000 0.15(65000)+0+0.48(75000) 45750

A3 0 80000 250000 0+0.37(80000)+0.48(250000) 149600

P(ej) 0.15 0.37 0.48

DECISIóN: COSECHAR LA SEMILLA B MÍN=45750

VEIP
Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
ANÁLISIS DE SENSIBILIDAD

EJEMPLO:
Una empresa se dedica a elaborar productos químicos para el sector
industrial. La empresa acaba de producir la fórmula para una nueva familia
de lubricantes sintéticos que potencialmente pueden aumentar la vida de
piezas o ensambles metalmecánicos sujetos a desgaste tales como
herramentales, motores, etc.

La administración esta insegura acerca de crear una nueva instalación

que pueda elaborar estos lubricantes a gran escala ó simplemente
expandir las instalaciones actuales con lo que se podría elaborar los
lubricantes a pequeña escala.

La siguiente tabla muestra una estimación de los beneficios netos (en

millones de Bs) para cada alternativa, en caso que se presenten
demandas elevadas o bajas para la familia de lubricantes.

Prof. FRANCY TONONI

 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

Alternativas Estados de la naturaleza

Demanda Baja Demanda Alta

E1 E2

Expansión 200 300

A1
Nueva instalación 100 600
A2

Suponga que existe una probabilidad p de que ocurra una demanda alta.
a) Construya un árbol de decisiones.
b) Determine para qué rango de valores de p es preferible construir o no
la nueva instalación.

Prof. FRANCY TONONI

 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

ARBOL DE DECISIÓN
DB 1-p Bs 200

E
DA p Bs 300

DB 1-p Bs 100
NI

DA p
Bs 600
VEE = (p) 300 + (1-p) 200 = 100p + 200
VENI = (p) 600 + (1-p) 100 = 500p + 100

Prof. FRANCY TONONI

 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades
VE
VEE = VENI VEE = 200 +100p
100 +500p = 200 +100p VENI = 100 +500p
p = 0.25 NI
Para valores de 0 ≤
p ≤ 0.25 no
construir la nueva
instalación. Para
valores de 0.25 ≤ p
E ≤ 1 construir la
nueva instalación.

La decisión E
proporciona el p
La decisión NI
mayor valor
proporciona el mayor
esperado para 0
0.25 valor esperado para 0.25
≤ p ≤ 0.25
≤p≤1
ANÁLISIS DE SENSIBILIDAD Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

EJEMPLO:
Suponga que esta en un dilema de cosechar un campo y se tienen dos tipos de
semillas, una que es muy rendidora (A) pero sensible a la falta de agua, otra que es
menos rendidora (B) pero posee una alta resistencia a la falta de agua. Se dispone
de las siguientes ganancias (Bs) de adoptar cada decisión, obtenidas
numéricamente:

Sequia Lluvia escasa Lluvia suficiente

E1 E2 E3
Semilla (A) A1 -100000 -10000 250000

Semilla (B) A2 -65000 80000 175000

No cosechar 0 0 0
A3

Si las probabilidades asociadas a cada estado de la naturaleza son: 15% sequía,

37%, lluvia escasa y 48% lluvia suficiente. Construya el árbol de decisiones.
Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

EJEMPLO:
Si se realiza un estudio sobre el clima para obtener un mejor conocimiento de los
resultados futuros, se puede entregar un informe por el organismo correspondiente
que este a favor o en contra de cosechar. Si la lluvia es suficiente y hay sequía,
existe el 55% y el 22% de probabilidades respectivamente que el informe este a
favor de cosechar; Si hay lluvia escasa existe el 27% de probabilidades que el
informe no este a favor de cosechar. ¿Qué decisión debe tomar, cosechar la
semilla A o B?.

v1 = Informe a favor de cosechar P(v1│m3) = 0.55

v2 = Informe en contra de cosechar P(v1│m1) = 0.22
m1 = Sequía P(v2│m2) = 0.27
m2 = Lluvia escasa
m3 = Lluvia suficiente

Paso 1: Probabilidades a priori:

P ( m1 ) = 0.15 , P ( m2 ) = 0.37 , P ( m3 ) = 0.48

Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

Paso 2: Probabilidades condicionales:

(
P v j mi )
v1 v2

m1 0.22 0.78 P(v1│m3) = 0.55

=1
P(v1│m1) = 0.22
m2 0.73 0.27 P(v2│m2) = 0.27
=1
m3 0.55 0.45 =1

Paso 3: Probabilidades conjuntas:

( )
P ( mi , v j ) = P v j mi * P ( mi )
v1 v2 P(mi) v1 v2

m1 0.22 0.78 0.15 m1 0.22*0.15=0.033 0.78*0.15=0.117

m2 0.73 0.27 0.37 m2 0.73*0.37=0.27 0.27*0.37=0.1

m3 0.55 0.45 0.48 m3 0.55*0.48=0.264 0.45*0.48=0.216

Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades
Paso 3: Probabilidades conjuntas:
v1 v2
( )
P ( mi , v j ) = P v j mi * P ( mi )

m1 0.033 0.117

m2 0.27 0.1

m3 0.264 0.216
=1

P ( v j ) = ∑P ( mi , v j )
n
Paso 4: Probabilidades absolutas:
i =1
v1 v2

m1 0.033 0.117

m2 0.27 0.1

m3 0.264 0.216
P(vj) 0.567 0.433
=1 Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

Paso 5: Probabilidades a posteriori:

P ( mi v j ) = P ( mi , v j ) / P ( v j )
v1 v2
v1 v2
m1 0.033 0.117
m1 0.033/0.567 0.117/0.433
m2 0.27 0.1
m2 0.27/0.567 0.1/0.433
m3 0.264 0.216
P(vj) 0.567 0.433 m3 0.264/0.567 0.216/0.433

v1 v2

m1 0.058 0.27

m2 0.476 0.23

m3 0.466 0.50
=1 =1 Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Bs
SEQUÍA P(m1|v1)= 0.058 -100000

ARBOL DE DECISIÓN LLUVIA E P(m2|v1)=0.476 - 10000

HAR
E C AA LLUVIA S P(m3|v1)=0.466 250000
 OS IL L
C EM
Informe a favor S
v1
SEQUÍA P(m1|v1)=0.058 -65000
P(v1)=0.567 CO
S
SEM ECHA LLUVIA E P(m2|v1)= 0.476 80000
ILL R LLUVIA S P(m3|v1)=0.466 175000
AB
SEQUÍA P(m1|v2)=0.27 -100000
R LLUVIA E P(m2|v2)=0.23 - 10000
A
E CH A A LLUVIA S P(m2|v2)=0.50 25000
OS IL L
C EM
Informe en contra S
v2
SEQUÍA P(m1|v2)=0.27 -65000
P(v2)=0.433 COS
SEM ECHA LLUVIA E P(m2|v2)=0.23 80000
I LL R
AB LLUVIA S P(m2|v2)=0.50 175000
Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades
Paso 6: Valor esperado de la
VE= 0.058(-100000)+…
información muestral: AR 0.476(-10000)+0.466(250000)
H
C AA VE=105940 Bs
E
S IL L
 O
C EM
Informe a favor S
v1
P(v1)=0.567 CO VE=0.058(-65000)+
S
VE (v1)= 115860 Bs SEM ECHA 0.476(80000)+0.466(175000)
ILL R VE= 115860 Bs VE máximo
AB

VE=0.27(-100000)+
A R 0.23(-10000)+0.50(250000)
E CH A A VE= 95700 Bs VE máximo
OS IL L
C EM
Informe en contra S
v2
P(v2)=0.433 COS VE=0.27(-65000)
VE (v2)= 95700 Bs SEM ECHA +0.23(80000)+0.50(175000)
I LL R
AB VE= 88350 Bs
Prof. FRANCY TONONI
 TOMA DE DECISIÓN BAJO INCERTIDUMBRE
Con probabilidades

VEIM = VEcIM −VEsIM

Informe a favor COSECHA VE= 115860 Bs P(v1)=0.567
v1 R
SEMILLA B
Informe en contra COSECHAR P(v2)=0.433
VE= 95700 Bs
v2 SEMILLA A

VEcIM = 115860 ( 0.567 ) + 95700 ( 0.433 ) VEcIM = 107131 Bs

Como VE=VEsIM = 103850 Bs VEIM = 107131 −103850 VEIM = 3281 Bs

Se estaría dispuesto a pagar 3281 Bs por algún estudio que permita revisar o
actualizar las probabilidades de los estados de la naturaleza.

EFICIENCIA DE LA INFORMACION MUESTRAL

Eff =
Como el VEIP= 45750 BsVEIM / VEIP =3281/45750 = 0.07 7%
de eficiencia Prof. FRANCY TONONI