Está en la página 1de 53

TEORA DE DECISIONES

Los directores comnmente son forzados a tomar decisiones en ambientes ms inmersos en la incertidumbre. Aqu se citan algunos ejemplos. 1. Un fabricante introduce u nuevo producto al mercado. Cul ser la probable reaccin de los consumidores? Cunto debe producir? Debe probar el producto en una regin pequea antes de decidir la distribucin integral? Cunta publicidad necesita para lanzar el producto con xito? 2. Una empresa financiera invierte en certificados. Cules son los mejores prospectos de certificados de sectores del mercado e individuales? Hacia dnde va la economa? Cules son las tasas de inters? Cmo afectan estos factores las decisiones de inversin? 3. Un contratista del gobierno se presenta con una licitacin. Cules sern los costos reales del proyecto? Qu otras compaas se han presentado? Cul es su presupuesto probable? 4. Una empresa agrcola selecciona la mezcla de cosechas y ganado para la prxima temporada. Cules sern las condiciones climticas? Hacia dnde van los precios? Cules sern los costos? 5. Una compaa petrolera decide perforar en cierta regin. Cun probable es que haya petrleo en ella? Cunto? Cun profundo tendr que perforar? deben los gelogos investigar ms el sitio antes de perforar? La teora de decisiones provee un marco de referencia y una metodologa para tomar decisiones racionales cuando los escenarios futuros son desconocidos. Una pregunta que surge con frecuencia es sobre el tiempo para tomar una decisin, si es adecuado en este momento o antes de hacer algunas pruebas (con cierto costo) para reducir el nivel de incertidumbre sobre el resultado de la decisin. Por ejemplo, la prueba puede ser una promocin de prueba de un nuevo producto para ver la reaccin del consumidor antes de tomar la decisin de proceder o no con la produccin y comercializacin a gran escala del producto. Se conoce a esta prueba como experimentacin y as nos referimos a ella. En consecuencia, el anlisis de decisiones divide la toma de decisiones en los casos sin experimentacin y con experimentacin.

Un Caso de Estudio: El Problema de The Goferbroke Company.


Max Flyer es el fundador y nico dueo de The Goferbroke Company, la cual se dedica a buscar bienes petrolferos provenientes de tierras que no han sido exploradas. Un amigo de Max se refiere a l como un valiente. Sin embargo, l prefiere que lo consideren un emprendedor. l ha invertido los ahorros de su vida en una compaa con la esperanza de encontrar un gran monto de petrleo. Ahora su oportunidad ha llegado. Su compaa ha adquirido varios sitios que algunas otras compaas petroleras han catalogado como improbable que exista algo importante debajo, a pesar de que estn cercanas a algunos campos grandes de petrleo. Ahora Max ha recibido un reporte muy excitante acerca de uno de esos lugares. Un gelogo ha informado a Max que cree que exista una en cuatro posibilidades de que exista petrleo en ese lugar. Max ha aprendido de experiencias amargas a ser escptico de acerca de las posibilidades de encontrar petrleo al consultar a algn gelogo. El perforar en ese lugar requerira de una inversin cercana a los $100,000. Si la tierra resulta estar seca (sin petrleo), la inversin se perder completamente. Debido a que su compaa no cuenta con tanto capital en estos momentos, esta prdida sera muy seria. Por otro lado, si el terreno tiene petrleo, el gelogo estima que podra haber suficiente petrleo, tanto que podra alcanzarse un monto de aproximadamente $800,000, dejando una ganancia de

A pesar de que este no sera el gran hallazgo que Max ha estado esperando, este proveera una muy bien recibida inyeccin de capital a la compaa para seguir funcionando hasta que pueda encontrar el premio mayor. Existe otra opcin. Otra compaa extractora ha consultado tambin a otro gelogo y con ello ha ofrecido comprar los territorios a Max por $90,000. Esto es muy tentador. Esto tambin representa una inyeccin muy buena para le capital de la compaa, pero sin asumir el posible riesgo de una perdida substancial de $100,000. La Tabla 1 resume las alternativas y consecuencias que tendra que enfrentar Max.

TABLA 1 - PERSPECTIVA DE GANACIAS PARA LA COMPAA DE GOFERBROKE Alternativa \Estado de la tierra Ganancia Petrleo Seco Perforar para buscar petrleo 700,000 UM -100,000 UM Vender la tierra 90,000 UM 90,000 UM Oportunidades de cada estatus 1 en 4 3 en 4 As que Max se encuentra en un gran dilema. Afortunadamente, tiene quien lo apoye. Jennifer, hija de Max, se ha titulado recientemente de la universidad y ahora trabaja para su padre. Le pide que aplique sus conocimientos en negocios. Ya que ella estudi ingeniera industrial, ella recomienda aplicar anlisis de teora de decisiones. Jennifer empieza por entrevistarse con su papa acerca del problema. Jennifer: Cunta fe le tienes al reporte que te entreg el gelogo acerca de que existe una en cuatro oportunidades de encontrar petrleo en esta tierra? Max: No mucha. Estos tipos a veces parece que sacan nmeros del aire. Me ha convencido de que existe alguna posibilidad de que existe petrleo ah. Pero esta probabilidad puede variar, tanto que en realidad ellos no saben. Jennifer: Existe alguna manera de conseguir ms informacin para aterrizar estas posibilidades? Esta es una opcin importante para un anlisis de toma de decisiones. Max: Si. Podramos conseguir un sondeo ssmico de la tierra. Esto podra aterrizar las posibilidades de una mejor manera. Pero no podremos estar seguros hasta perforar. Adems estos estudios ssmicos, son muy costosos. Tengo costos estimados para este tipo de estudios de $30,000. Despus si perforamos y no encontramos nada lo perdido llegara a ser $130,000, lo cual nos pondra fuera del negocio. Jennifer: Ok. Por ahora no tomaremos en cuenta esta opcin. Aqu tenemos otra consideracin, parece que necesitamos ir ms all del dinero para observar las consecuencias de los posibles escenarios futuros. El perder $130,000 puede daar ms que lo que nos beneficiara. Max: Eso es cierto. Jennifer: Bueno, esto es lo que sugiero que hagamos. Empezaremos de manera simple, sin considerar la opcin del estudio ssmico y sin entrar en utilidades. Te voy a ensear como el anlisis de toma de decisiones organiza el problema y las posibles alternativas tomando en cuenta el criterio de eleccin de las mismas para tomar tu decisin. Sers capaz de utilizar el criterio que sientas que es el correcto. Luego veremos si es conveniente hacer el estudio ssmico, y si lo es, le daremos el mejor uso a esa informacin. Al finalizar, estars ms cmodo para tomar una decisin. Max: Bien, entonces empecemos.

Formulando el Problema Aqu hay un tutorial que Jennifer proporcion a su pap acerca de como lgicamente el anlisis de toma de decisiones organiza el problema. Terminologa El tomador de decisiones es el individuo o grupo responsable de la toma de decisiones (o secuencias de decisiones) bajo consideraciones. Para el problema de Goferbroke Co., el tomador de decisiones es Max. Jennifer puede ayudar a realizar el anlisis pero su objetivo es el asistir al tomador de decisiones para identificar la mejor decisin posible desde la perspectiva de este. Las alternativas son las opciones para la decisin que debe ser tomada por el tomador de decisiones. Los resultados de la decisin a tomar sern afectado por factores aleatorios que se encuentran fuera del control del tomador de decisiones. Estos factores determinan la situacin que encontraremos cuando la decisin se ejecute. A cada una de estas posibles situaciones se les conoce como un posible estado de la naturaleza. Para Goferbroke Co. Los posibles estados de la naturaleza son que exista petrleo en la tierra o que est seco. El tomador de decisiones normalmente contar con cierta informacin acerca de los probables estados de la naturaleza. Esta informacin puede ser tanto objetiva como subjetiva. Cuando estos estimados son expresados en forma de probabilidad, se les conoce como probabilidades iniciales probabilidades a priori de los respectivos estados de la naturaleza. Las probabilidades en este caso son dadas por el gelogo, estas sin ser tan confiables, pero son las mejores estimaciones disponibles. Cada combinacin de estado de la naturaleza y alternativa de decisin resulta en algn escenario futuro. El pago es la medida cuantitativa del valor de las consecuencias del escenario futuro del tomador de decisiones. En algunos casos es expresado como un valor monetario, como la ganancia o utilidad. Como se indica en la Tabla 1, los pagos de TheGoferbroke Co. son todas ganancias. Tabla de Pagos Cuando se formula el problema es importante identificar todas las alternativas de decisin relevantes y los posibles estados de la naturaleza. Despus de haber identificado una medida adecuada para los pagos desde la perspectiva del tomador de decisiones, el prximo paso es estimar el pago para cada combinacin de alternativa y estado de la naturaleza. Estos pagos despus sern mostrados en la Tabla de Pagos. La Tabla 2 muestra la tabla de pagos para el problema de Goferbroke Co. Note que las probabilidades de los estados de la naturaleza tambin son mostradas.

TABLA 2 - TABLA DE PAGOS (GANANCIA EN 1000s UM) PARA EL PROBLEMA DE GOFERBROKE Estado de la Naturaleza Alternativa Petrleo Seco Perforar para buscar petrleo 700 -100 Vender la tierra 90 90 Probabilidad 0.25 0.75

Criterios de Decisin con base en Probabilidades (Toma de decisiones sin experimentacin)


Con base en el reporte del gelogo para La compaa de Goferbroke, la Tabla 2 nos da las probabilidades iniciales de los dos posibles estados de la naturaleza (petrleo o seco) como 0.25 y 0.75 respectivamente. El dueo, Max Flyer quiere saber si vender o perforar sin tomar en cuenta las probabilidades iniciales, siempre y cuando exista un buen criterio para saberlo. Aqu mostramos como Jennifer Flyer pudo convencer a Max de que el tomar decisiones con criterio basado en las probabilidades sera ms adecuado. Nosotros describiremos tres criterios. Criterio del pago mximo Criterio del pago mximo: para cada opcin posible, encuentre el pago mnimo sobre todos los estados posibles de la naturaleza. Despus, encuentre el mximo de estos pagos mnimos. Elija la opcin cuyo pago mnimo corresponde a este mximo. El razonamiento que fundamenta este criterio es que proporciona la mejor garanta del pago que se obtendr. Criterio de la mxima probabilidad El criterio de la mxima probabilidad se centra en el estado de la naturaleza ms probable de ocurrencia de la siguiente manera. 1. Identificar el estado de la naturaleza con la probabilidad inicial (a priori) ms grande. 2. Escoger las alternativas de decisin que tengan el mayor pago para ese estado de la naturaleza. Para el problema de Goferbroke Co., ya que el que est seco es el estado de la naturaleza con mayor probabilidad inicial, solo tomamos el pago en comn de la celda D (-100 y 90). El ms grande de estos dos pagos es 90, as que escogemos la alternativa correspondiente, vender la tierra (Figura 1). El razonamiento para este resultado es simple. El pago depender parcialmente de cul de los estados de la naturaleza resulte ser el verdadero. A pesar de que no sabemos cul de estos estados ocurrir, si sabemos cul de ellos probablemente tendr la mayor ocurrencia. Suponiendo que este

estado de la naturaleza ocurrir, nos brindar una mejor oportunidad de un resultado favorable que si tomramos otro estado.

Figura 1- Criterio de la mxima posibilidad para el problema de Goberfroke Co. Este criterio tambin ha recibido algunas crticas. 1. El criterio escoge una alternativa sin considerar los pagos de los otros estados de la naturaleza solo se selecciona el de mayor probabilidad de ocurrencia. Qu pasara si alguno de estos otros pagos fuera muy negativo? (En el caso de Goferbroke no es as.) 2. Para las alternativas que no son elegidas tambin se ignoran sus pagos con base en la mayor ocurrencia del estado de la naturaleza. Qu pasara si los pagos de cualquiera de estas alternativas fuera mucho mejor que la escogida? No deberamos considerar que el pago para Goferbroke al perforar y encontrar petrleo es mucho mayor que el vender la lugar? 3. Si existen diferencias entre los pagos de un estado de la naturaleza ms probable y son mucho menores que otro estado, entonces si tiene sentido el concentrarse es este estado. Para Goferbroke la diferencia entre los pagos de perforar y vender cuando se encuentra seco es de solo 190, cuando es de 610 en el caso de encontrar petrleo; as que tal vez es crucial el escoger la alternativa perteneciente a este estado de la naturaleza. 4. Si existen muchos estados de la naturaleza y ellos son muy similares en ocurrencia, entonces la probabilidad del estado de la naturaleza ser bastante baja. En este caso, tiene sentido tomar la decisin basndose en solo un estado de la naturaleza? Reaccin de Max Max: suena a que este criterio no puede utilizarse en algunos casos. Pero, la verdad me parece que es adecuado para mi problema. Lo hace simple. Pero lo ms importante es que no requiero utilizar la informacin del gelogo, que de alguna manera se que fue sacada del aire. Tengo tanta fe en su reporte que s que es ms probable el que est seca la tierra a que exista petrleo ah. As que estoy bastante confiado en este criterio basndose en qu es lo ms probable de ocurrir. Jennifer: Seguro, puedes hacer eso. Esa es la manera en la que quieres tomar la decisin?

Max: A qu te refieres? Jennifer: Cundo compras un pedazo de tierra, tu principal meta es el encontrar petrleo ah? O ests mayormente interesado en revender la tierra? Max: Encontrar petrleo, por supuesto. Jennifer: Normalmente, cuando compras un pedazo de tierra, lo ms probable ser que est seco o que contenga petrleo? Max: Seco, esa es la naturaleza del negocio. Tienes que probar varios lugares hasta lograr el gran golpe. Jennifer: Entonces, qu piensas que este criterio dir en esos lugares? Max: Es cierto! Ahora ya veo tu punto. Debido a que es ms probable que siempre est seco, este se mantendr diciendo que ser mejor seguir vendiendo al pasar del tiempo. Esa no es la manera de guiar este negocio. Jennifer: Exacto! La clave es el segunda y tercer crtica que di anteriormente. Realmente tienes que tomar en cuenta que tan grande ser el pago si en efecto encuentras petrleo. Max: Estoy de acuerdo. Este no es un buen criterio para un buscador de petrleo. Espero que el prximo sea mejor. Jennifer: T sers quien se encargue de juzgarlo.

Criterio de Igual Ocurrencia (Probabilidad) Usualmente es difcil tener confianza en las probabilidades iniciales de los posibles estados de la naturaleza. Por eso, el criterio de igual ocurrencia (probabilidad) dice que no solo se trata de asignar nmeros significativos a estas probabilidades. En la ausencia de informacin ms profunda, simplemente asuma que los estados de la naturaleza tienen igual probabilidad de ocurrencia y proceda como sigue. 1. Para cada alternativa de decisin, calcule el promedio de los pagos de todos los estados de la naturaleza. (Con los estados de la naturaleza de igual ocurrencia, el promedio es el pago esperado en un sentido estadstico.) 2. Escoja la alternativa con el mayor pago promedio. La Figura 2 muestra la aplicacin de este criterio para el problema de Goferbroke. El pago promedio de cada alternativa esta dado en la columna H. Dado que el perforar en busca de petrleo tiene un pago promedio de 300, contra 90 de vender la tierra, la eleccin sera perforar.

Este criterio en ocasiones es llamado el principio de Laplace, porque fue por primera vez enunciado hace unos 200 aos por el famoso matemtico francs Marquis Pierre-Simon de Laplace. (A veces llamado como el Isaac Newton de Francia, Laplace el fundador clave de la teora moderna de la probabilidad.)

Figura 2- Criterio de igual ocurrencia (probabilidad) para el problema de Goberfroke Co. Algunos tomadores de decisiones modernos estn de acuerdo con Laplace con respecto a que la toma de decisiones debe de ser basada en la realidad, adems de que es imposible predecir el futuro de manera acertada. Por ello, dentro de los lmites de lo racional, debemos de simplemente asumir que los estados de la naturaleza son todos posibles en la misma proporcin. Las crticas a esta lnea del razonamiento postulan tres puntos principales. 1. Al tratar a los estados de la naturaleza con la misma ocurrencia, implica asignar probabilidades iniciales como sigue:

Asignando este valor a cada probabilidad inicial es tan arbitrario como asignar cualquier otro valor a estas probabilidades. 2. En algunos casos, existe evidencia de ciertos estados de la naturaleza que son ms probables que otros. Usar esta informacin puede mejorar esta decisin. 3. Constantemente existen alternativas para los diferentes estados de la naturaleza. Por ejemplo, el estado de encontrar petrleo puede ser dividido en varios estados que involucren diferentes cantidades de petrleo. El cambiar el nmero de estados, tambin cambia la probabilidad inicial de cada uno, lo cual podra entonces cambiar la decisin final. No se puede concebir que una decisin se base en tan arbitraria asignacin de las probabilidades.

Reaccin de Max Max: Me gusta el hecho de que el criterio no me fuerza a confiar en los nmeros del gelogo. Jennifer: Te refieres al estimado que l te dio a conocer acerca del hallazgo de petrleo? Max: Si, as es. No confi en sus nmeros. Jennifer: Tendras ms fe en sus nmeros si el gelogo hubiera dicho 1 en 2 oportunidades? Max: No exactamente. Sin importar los nmeros que traiga, la probabilidad de encontrar petrleo puede ser un poquito ms baja o ms alta. Jennifer: Pero si 1 en 2 oportunidades es el bueno, Querras perforar? Max: Claro. Esas son grandes nmeros en este negocio. Por qu? Jennifer: Porque este criterio siempre te da probabilidades de 1 en 2 oportunidades de encontrar petrleo. Max: En serio? Se me pas eso. Es decir, me dir que perfore sin importar que tan prometedora sea o no la tierra? Jennifer: Si, casi en automtico. Max: Wow! Tal vez no confe en el gelogo, pero estos nmeros parecen tener muy poco sentido para este negocio. Jennifer: Si 1 en 2 oportunidades no es la lectura buena, entonces t ests en lo correcto. As que prefieres los nmeros del gelogo? Max: Definitivamente. Pero no quiero depender para tomar mi decisin con esos nmeros. Jennifer: OK. Veamos un criterio que use sus nmeros. Despus discutiremos al respecto. Regla de Decisin de Bayes Usa de manera directa las probabilidades iniciales (a priori) de los posibles estados de la naturaleza como se resume abajo: 1. Para cada alternativa de decisin, calcula el promedio ponderado de los pagos multiplicando cada pago por la probabilidad inicial (a priori) del estado de la naturaleza correspondiente y despus sumando estos productos. Usando terminologa estadstica, refirase este promedio ponderado como el pago esperado (EP) para esta alternativa de decisin. 2. La regla de decisin de Bayes dice que se debe escoger la alternativa con el pago esperado ms grande.

La Figura 3 muestra la aplicacin de la plantilla de Excel de este criterio para el problema de Goferbroke. Esta plantilla ejecuta el paso 1 del procedimiento usando las ecuaciones escritas dentro de las celdas H5 y H6, H5 = SUMPRODUCT (C5:G5, C10:G10), H6 = SUMPRODUCT (C6:G6, C10:G10), Donde los espacios en las columnas E, F y G son interpretados como ceros. As que el pago esperado = 100 para la alternativa de perforar (celda H5), contra un valor esperado ms pequeo = 90 de vender la tierra (celda H6), este criterio dice que se perfore para encontrar petrleo, como se indica con la palabra Maximum en la celda I5.

Figura 3- Criterio de regla de decisin de Bayes para el problema de Goberfroke Co. Como todos los criterios anteriores, este criterio no puede garantizar que la alternativa seleccionada resulte ser la mejor de todas en el verdadero estado de la naturaleza. De cualquier manera, provee otra garanta descrita debajo. El pago esperado de una alternativa de decisin especfica puede ser interpretado como el pago promedio que llegara a ser si la misma situacin se repitiera varias veces. Adems, en promedio el usar de manera repetitiva la regla de Bayes nos llevar a pagos ms grandes a largo plazo que otros criterios (asumiendo que las probabilidades iniciales son validas). As, si Goferbroke Co. posee muchas tierras con la misma tabla de pagos, el perforar para encontrar petrleo en todos le proveer un pago promedio de 100 ($100,000) contra solo 90 ($90,000) por vender. Como los clculos siguientes indican, este es el pago promedio por perforar que resulta de tener petrleo en algn rea por cada cuatro (como se indica por las probabilidades iniciales).

Petrleo encontrado en el terreno: Tres terrenos estn secos:

Pago = 700 Pago = -300 Pago Total = 400

Pago Promedio = 400/4 = 100 Entonces, el alcanzar el pago promedio puede requerir ir con mayor fuerza sobre los terrenos secos, hasta que la ley de los promedio prevalezca para alcanzar el 25 por ciento de los terrenos que contienen. El sobrevivir un largo tiempo sin xito puede no ser factible si la compaa no tiene finanzas slidas. Este criterio tambin tiene puntos a criticar. A continuacin se enumeran las crticas principales. 1. Existe incertidumbre involucrada en la asignacin de valores para las probabilidades iniciales. As que el tratar estas probabilidades como verdaderas no revelarn el rango de escenarios futuros reales. (Al final de esta seccin se discute como el anlisis de sensibilidad puede corregir este problema). 2. Las probabilidades iniciales son las ms subjetivas por naturaleza, contrario a que la toma de decisiones deben de tomarse con informacin y procedimientos objetivos. (la experimentacin nos muestra como puede ser obtenida nueva informacin y con ella mejorarse las probabilidades iniciales y hacerlas ms objetivas.) 3. Al concentrarse en los ingresos promedio, los pagos esperados ignoran la gran variabilidad que las entradas pueden tener en la toma de decisiones. Por ejemplo, dado que Goferbroke no tiene solidez financiera para soportar una prdida, el vender en terreno para asegurar el pago de 90,000 UM es preferible que un pago por perforar de 100,00o UM. El vender puede evitar el riesgo de una prdida mayor por perforar cuando la tierra est seca. Por qu este criterio es referido como regla de decisin de Bayes? La razn es que es comnmente acreditado al Reverendo Thomas Bayes, un ministro ingls no conformista del siglo XVIII, quien gan renombre como filsofo y matemtico. La filosofa de toma de decisiones de Bayes son muy influyentes hoy en da., y algunos cientficos son conocidos como Bayesianos por la devocin hacia su filosofa. Reaccin de Max Max: As que la mayora de los expertos en investigacin de operaciones sienten que este es el criterio adecuado para usar? Jennifer: Es que no es exactamente que exista un criterio apropiado. Un criterio para una persona podra no serlo para otra. Esto depende tanto de la persona como de la situacin: cuanto se conoce acerca de las alternativas de decisin y cuan significativas puede ser las probabilidades iniciales obtenidas de los estados de la naturaleza.

Max: Entonces, a dnde nos lleva esto? Jennifer: Bueno, ahora necesitas decidir cual criterio parece ser ms apropiado para tu situacin. Max: Bueno puedo decir que estoy muy asombrado acerca de todos los criterios. Pero me parece que el mo es el criterio popular (Bayes). Jennifer: Si, as es. Max: Por qu? Jennifer: Realmente por dos razones. Primero, este es el criterio que involucra toda la informacin disponible. Las probabilidades iniciales pueden no ser tan exactas como quisiramos, pero nos da informacin valiosa acerca de que tan probable es cada uno de los estados de la naturaleza. Muchos sienten que el usar esto los guiar a una mejor decisin. Max: No estoy seguro de aceptar eso an. Pero cul es la segunda razn? Jennifer: Recuerdas que este es el criterio que se concentra en lo que el pago promedio puede ser si la misma situacin se repite numerosas veces. Nosotros lo llamamos el pago esperado. Seleccionando consistentemente las alternativas de decisin que nos brinden el mejor pago nos dar el mayor pago a la compaa en el largo plazo. El hacer algo a largo plazo parece ser la mejor decisin para un director. Max: Claro, eso tiene sentido. Pero antes de que Goferbroke pueda pensar en el largo plazo, necesitamos sobrevivir en el corto plazo. No podemos permitir ms prdidas debido a perforar cuando la tierra est seca. Jennifer: Tienes razn. Considerar el corto plazo puede ser realmente importante tambin. Pero recuerda que habl de utilidades hace un momento. Un poco despus te explicar como el usar las utilidades nos permitir el considerar el corto plazo tambin. Max: Bien, pero an hay algo que me molesta acerca de este criterio. Jennifer: Creo que puedo adivinar. Max: Si, creo que dej muy claro que no quera tomar mi decisin basado en los nmeros dados por el gelogo. Una oportunidad en cuatro. Ya he visto operar a estas personas. No quiero decir que no sepan lo que hacen. Son buenos para encontrar seales favorables de petrleo. El problema surge cuando se les piden nmeros. Ellos se quedan viajando en el espacio cuando de repente sacan nmeros de la nada. Jennifer: Bueno, djame preguntarte algo. Cul es el factor clave para decidir entre perforar o vender la tierra? Max: Que tan probable es que exista petrleo ah.

Jennifer: Qu no el gelogo ayud para determinar esto? Max: Definitivamente! Me es difcil decir que lo he hecho sin su ayuda. Jennifer: Qu no tu criterio debera decidir perforar basndose directamente en esa informacin? Max: Si, debera. Jennifer: Bueno, pero aun no entiendo por qu objetar el uso de los nmeros del gelogo. Max: No estoy en contra de usar esa informacin. Esa informacin es vital para mi decisin. Me opongo a usar los nmeros, una posibilidad en cuatro, como la sagrada verdad. Eso es lo que la regla de decisin de Bayes parece hacer. Jennifer: OK. Ya veo. Ahora l dice que existe una posibilidad en cuatro, un 25 por ciento de probabilidad. Piensas que esa es la lectura correcta por lo menos? Max: Si. Yo creo que ese es un valor decente para encontrar petrleo ah. Jennifer: Si 25 porciento es el nmero correcto, por qu piensas que podra selo? Max: Quin sabe? Jennifer: Lo que quiero decir es, t has visto el reporte del gelogo y la evidencia apoya sus nmeros. Basado en su reporte y tu experiencia, podras darme un rango para el valor correcto ms probable? Si no es 25 por ciento, Cunto ms debera de incrementarse o cuanto menos? Max: Normalmente aado y resto 10 por ciento de lo que el gelogo me indique. As que supongo que el rango se encuentra entre 15 por ciento y 35 porciento. Jennifer: Bien. Ahora estamos tomando rumbo. Creo que s que necesitamos hacer ahora. Max: Qu es? Jennifer: Existe una tcnica que es diseada para este tipo de situaciones. Es llamada anlisis de sensibilidad. Nos permitir investigar que sucede si los nmeros del gelogo estn fuera de rango. Max: Fantstico! Hagmoslo. Anlisis de Sensibilidad El anlisis de sensibilidad comnmente es usado para varias aplicaciones de investigacin de operaciones, con ello se logra saber el posible efecto de los nmeros en el modelo matemtico y si estos son los correctos.

En este caso, el modelo matemtico est representado por la tabla de pagos mostrada en la Figura 3. Los nmeros ms cuestionables son los referidos a las probabilidades iniciales (a priori). Nosotros nos centraremos en estos nmeros para el anlisis de sensibilidad. La suma de ambas probabilidades debe ser igual a uno, as que el incrementar una de ellas provoca en automtico el decremento en la otra en la misma proporcin, y viceversa. Max ha concluido que las oportunidades verdaderas se encuentran en un rango del 15 a 35 por ciento. En otras palabras, la verdadera probabilidad inicial de que se encuentre petrleo se espera que est entre 0.15 y 0.35, esto hace correspondencia a que la probabilidad inicial de que se encuentre la tierra seca ser de 0.85 a 0.65. El anlisis de sensibilidad empieza replanteando la regla de decisin de Bayes dos veces, una cuando la probabilidad inicial de encontrar petrleo en su lmite inferior (0.15) y despus cuando es mayor (0.35). La Figura 4 muestra los resultados de hacer esto. Cuando la probabilidad inicial de encontrar petrleo es de solo 0.15 la decisin gira hacia vender la tierra por un margen amplio (un pago esperado de 90 por uno de solo 20 por perforar). De cualquier manera, cuando la probabilidad es 0.35 la decisin es perforar por margen amplio tambin (pago esperado es de 180 por uno de 90 para vender). As, la decisin resulta ser muy sensible con respecto a la probabilidad inicial. El anlisis ha revelado que es necesario hacer ms por conseguir una certeza acerca del verdadero valor de la probabilidad inicial. Este es un buen comienzo en el anlisis de sensibilidad, pero an falta.

Figura 4- Anlisis de sensibilidad con diferentes valores probabilidades iniciales

El rbol de Decisin Otra forma en que se puede abordar la misma informacin grficamente es con lo que llamamos rbol de decisin. El rbol de decisin para el problema de Goferbroke Co. es mostrado en la Figura 1

Figura 5 -El rbol de decisin para el problema de Goferbroke Co. Empezando por el lado izquierdo y movindose hacia la derecha se muestra la sucesin de los eventos. Primero, una decisin debe tomarse entre perforar o vender la tierra. Si la decisin es perforar, lo siguiente es saber que el estado de la naturaleza puede ser el de contener petrleo o estar seco. Finalmente, el pago o resultado es obtenido de esta serie de eventos. En la nomenclatura de el rbol de decisiones, los puntos de juntura se les llama nodos y la lneas provenientes de los nodos son conocidas como arcos. Se conocen dos tipos de nodos diferentes. Un nodo de decisin, representado por un cuadrado, indica que se necesita tomar una decisin en ese momento del proceso. Un nodo de oportunidad, representado por un crculo indica que un evento aleatorio ocurre en ese punto. As, el nodo al inicio de las celdas B16 y B17 en la Figura 5 es un nodo de decisin dado que la decisin entre perforar o vender ocurre ah. El nodo al inicio de las celdas C12 y C13 es un nodo de oportunidad dado que es un evento aleatorio, un estado de la naturaleza que puede ocurrir, toma lugar ah. Cada uno de los dos arcos salientes de ah corresponde a uno de los eventos aleatorios posibles, donde el nmero en porcentaje junto a los arcos nos da la probabilidad de que ese evento ocurra.

Un rbol de decisin puede ser muy til para visualizar y comprender el problema en su anlisis. Una ventaja del rbol de decisiones es que puede usarse con problemas an ms complejos que involucran secuencias de decisiones a tomar. Software de la Plantilla para rbol de Decisiones Se ilustrara como usar un software dentro de Excel (complementos) para la construccin y anlisis de rboles de decisiones. Este software es Precision Tree, el cual ha sido desarrollado por Palisade Corporation. Para empezar a crear un rbol de decisin usando PrecisionTree, siga los siguientes pasos: 1. Abrir el programa Precision Tree que se encuentra dentro de la lista de Todos los Programas en la carpeta Palisade Decision Tools.(Ver Figura 6)

Figura 6- Inicio del programa Precision Tree

2. Seleccione la pestaa Precision Tree una vez abierto el complemento en Excel.

Figura 7-Seleccin del men del complemento Precision Tree en Excel

3. Dar clic en el botn Decision Tree y seleccionar la celda donde comenzar el rbol de decisin (Figura 8). Esto crear un solo arco para empezar el rbol seguido de un nodo terminal (representado por un tringulo azul) y un cuadro de dilogo de preferencias (Figura 9) en donde se introduce el nombre para el nuevo rbol de decisin a crear.

Figura 8-Creacin de un nuevo rbol de decisin con el complemento Precision Tree en Excel

Figura 9-Configuracin de un nuevo rbol de decisin con el complemento Precision Tree en Excel Para crear un nodo de decisin para empezar el rbol, de clic en el cono del nodo de decisin un cuadrado verde En el cuadro de dilogo de preferencias cambie el nodo terminal por un nodo de decisin. La Figura 10 ilustra lo anterior, donde el nodo de decisin es seleccionado (llamado perforar?) con dos arcos salientes.

Figura 10- Cuadro de dialogo usado por Precision Tree para crear nodos de decisin

Dando clic en OK posibilita el seguir configurando las ramas restantes del nodo, en estas se fijara el nombre de cada una Figura 11.

Figura 11- Cuadro de dialogo usado por Precision Tree para nombrar ramas Para crear un nodo de oportunidad, de clic en el nodo terminal y cmbielo de la misma manera que el anterior, pero en este caso con un nodo de oportunidad. A continuacin asgnele el nombre de petrleo?, y hgase similarmente lo correspondiente con los arcos (dar nombre a cada uno). El rbol de decisin basado en el problema que nos atae es mostrado en la Figura 12, cada rama podra mostrar un valor predeterminado de 0 por el flujo de dinero neto siendo generado ah y cada una de las dos ramas tambin podra mostrar probabilidades predeterminadas del 50 por ciento. Sin embargo, usted puede modificarlo con los valores correctos. ( ( ) ) ) ) ) )

( ( (

Figura 12- rbol de decisin construido y resuelto mediante Precision Tree para Goferbroke Co.

En cada paso en la construccin del rbol de decisin, Precision Tree automticamente resuelve para encontrar la poltica ptima para las condiciones existentes usando el Teorema de decisin de Bayes. As para el rbol de decisin final de la Figura 12, la palabra TRUE (VERDADERO) en la celda B12 indica que perforar es la alternativa que debe de ser seleccionada. En los nodos terminales se tienen dos nmeros, el primero indica la probabilidad de alcanzar ese nodo bajo la poltica indicada y, el segundo, indica el pago si se alcanza dichos nodos. Asimismo Precision Tree, puede desarrollar un anlisis de sensibilidad, as que veamos cmo es que se realiza. Es de buena ayuda el empezar construyendo una plantilla como en la Figura 13 que contenga toda la informacin del problema, as como tambin los resultados esto junto con la hoja del rbol de decisin. Adems, como se indica en las ecuaciones en la parte baja de la Figura 13, las celdas que dan los resultados muestran las celdas de salida de la hoja del rbol. De manera similar las celdas de informacin en la hoja del rbol harn referencia a las celdas de informacin correspondientes en esta hoja.

Figura 13- Hoja de clculo usada con el rbol de decisin para efectuar un anlisis de sensibilidad para Goferbroke

Adicionalmente, jugando con los datos, Precision Tree provee varias maneras de desplegar los resultados de un anlisis de sensibilidad. Por ejemplo, exploremos de nuevo lo que sucede cuando la probabilidad inicial de encontrar petrleo vara del estimado original de 0.25. Para empezar, seleccionamos el comando de anlisis de sensibilidad del submen de anlisis de en el men de Precision Tree (o damos clic en el cono de Sensitivity Analysis una pirmide invertida- en la barra de herramientas de Precision Tree). Esto muestra la ventana de dilogo mostrada en la Figura 14 Para analizar como el pago esperado varia como una celda de datos (C12) (la cual cambia automticamente la celda (C13)), damos las entradas mostradas en la Figura 14. La opcin de OneWayAnalysis indica que una celda de datos est siendo variada cada vez. La seccion del cuadro de dialogo Inputs al centro indica que la probabilidad inicial original de encontrar petrleo de 0.25 est siendo variada de 0 a 1 en 20 pasos. Este nmero de pasos es el nmero de valores igualmente separados a lo largo del rango mnimo-mximo (excluyendo el valor mnimo) que sern probados, as que los valores que sern revisados son 0, 0.05, 0.1,, 1. Estas entradas son ingresadas en el Input Editor dando clic en el botn Add., y llenando elcuadro de dialogo de la Figura 15.

Figura 14 Cuadro de dilogo para el Anlisis de Sensibilidad usado para la investigacin inicial del pago esperado en funcin de las probabilidades iniciales Goferbroke Co.

Figura 15-Cuadro de dilogo para agregar datos al anlisis de sensibilidad Goferbroke Co. Cuando Precision Tree corre el anlisis de sensibilidad one way, algunas grficas y reportes son generados. Una de ellas es la grfica de sensibilidad en la Figura 16 que muestra como el pago esperado con respecto a la celda seleccionada (la probabilidad inicial de encontrar petrleo en este caso) cambia. El hecho de que el pago esperado vara desde 90 hasta 700 en esta grfica enfatiza lo sensible que es el pago esperado respecto a las probabilidades iniciales relacionadas con el petrleo.

Figura 16- Grfica de sensibilidad muestra como el pago esperado de Goferbroke Co. depende
de la probabilidad inicial de hallar petrleo

La versin profesional de Precision Tree generar la grfica de estrategia regional en la Figura 17. La lnea con menor pendiente representa el pago arreglado de 90 (vender la tierra); por otro lado la otra lnea muestra el pago podra variar con respecto a que tanto vare la probabilidad inicial de encontrar petrleo. El punto donde las dos lneas se interceptan se llama punto de cruce donde la decisin cambia de una alternativa (vender la tierra) a otra (perforar) conforme la probabilidad inicial se incrementa. Puedes ver en la grfica que el punto de cruce ocurre donde la probabilidad inicial de encontrar petrleo est un poco por debajo del 0.25. De manera algebraica se puede encontrar el valor de esta probabilidad, como sigue. Sea p = probabilidad inicial de encontrar petrleo Para la alternativa de perforar para encontrar petrleo, El pago esperado = p (700) + (1 p)(-100) = 700p 100 + 100p = 800p - 100 Si el pago esperado es = 90 (el pago correspondiente a vender la tierra). 800p 100 = 90 800p = 190

Conclusin:

Debe de vender la tierra si p< 0.2375. Debe de perforar si p> 0.2375.

Figura 17- Grfica de estrategia regional de Goferbroke Co. que depende de la probabilidad
inicial de hallar petrleo

Para otros problemas con ms de dos alternativas de decisin, el mismo tipo de anlisis grfico tambin puede ser aplicado. De cualquier manera, la lnea superior indicar la alternativa a escoger. Con ms de dos lneas, podra haber ms de un punto de cruce. Se recomienda que para estos casos, se haga el anlisis de sensibilidad para solo dos alternativas de solucin, y luego hacerlo propio con otras dos. Reaccin de Max Max: Esta grfica de estrategia regional da una muy buena vista. Creo que estoy entendiendo mucho mejor el problema. Jennifer: Bien. Max: Me gusta la idea del punto de cruce. Si la probabilidad de encontrar petrleo es debera de vender, si es mayor debera perforar, no? Jennifer: As es. Max: Eso confirma lo que sospech todo este tiempo. Esto es una decisin difcil y todo radica en escoger el valor correcto de la probabilidad de encontrar petrleo. Realmente deseo tener ms opciones para decidir que solo los nmeros de gelogo. o menos

Toma de decisiones con experimentacin


Continuacin Goferbroke Co. - Valor esperado de la informacin perfecta (VEIP) Jennifer: Tu mencionaste algo acerca de de pagar $30,000 para obtener un informe ssmico de la tierra. Max: Si, podra hacerlo. Pero 30,000 dlares! An no estoy seguro de que valga tanto la pena. Jennifer: Yo tengo una manera rpida de averiguar eso. Es otra tcnica que aprend en mi curso de Investigacin de Operaciones 2. Es llamado valor esperado de la informacin perfecta (VEIP). Esto es el incremento en el pago esperado si el informe ssmico puede decirte con seguridad si hay petrleo ah. Max: Pero no puede decirlo con seguridad. Jennifer: Si, lo s. Pero sabiendo de una vez por todas si hay petrleo ah es a lo que nos referimos con informacin perfecta. As que el incremento en el pago esperado si lo descubres es el valor esperado de la informacin perfecta. Sabemos que esto es mejor que lo que podras hacer con solo el informe ssmico. Max: Cierto.

Jennifer: OK. Supongamos que encontramos el valor esperado de la informacin perfecta es menor que $30,000. Dado que es lo mejor que podemos hacer con el informe ssmico, eso nos dira que lo malo que sera si pagramos por el informe. Max: OK. Pero qu pasa si el valor esperado de la informacin perfecta es mayor a$30,000? Jennifer: Entonces no estars seguro si el informe ssmico vale la pena hasta que realices un mayor anlisis. Este anlisis toma algo de tiempo, al contrario del VEIP que es bastante rpido el calcularlo. As que vale la pena simplemente corroborando que el valor esperado de la informacin perfecta sea menor a $30,000, y si es as, ahorrarnos mucho trabajo adicional. Revisando como Obtener ms Informacin Las probabilidades iniciales pueden proveer estimados algo impreciso de las probabilidades verdaderas de los estados de la naturaleza. Valdra la pena para Max el pagar por un informe ssmico para obtener mejores estimados? La manera ms rpida de revisar esto es suponer que por un algn monto de dinero podemos en verdad determinar cual estado de la naturaleza es el verdadero (informacin perfecta) y entonces determinar que el obtener esta informacin har que este gasto valga la pena. Si el tener informacin perfecta no vale la pena, entonces definitivamente el gastar ese dinero no lo ser tampoco. Las cantidades clave para realizar este anlisis son: PE (sin experimentacin) = pago esperado al aplicar la regla de decisin de Bayes con las probabilidades iniciales originales = 100 (como se mostro en la Figura 3). C = costo de obtener ms informacin = 30 (costo del informe ssmico en miles de dlares). PE (con informacin perfecta) = pago esperado si la decisin es tomada despus de conocer el verdadero estado de la naturaleza. VEIP= valor esperado de la informacin perfecta. Esta cantidad se calcula como VEIP = PE (con informacin perfecta) PE (sin experimentacin) Despus de calcular PE (con informacin perfecta) y luego VEIP, el ltimo paso es comparar VEIP con C. Si VEIP <C, entonces no vale la pena el obtener ms informacin. Si VEIP >C, entonces valdra la pena obtener ms informacin.

La plantilla de Excel en la Figura 18 demuestra el procedimiento para calcular PE (con informacin perfecta). Dado que nosotros suponemos que la decisin puede ser tomada despus de conocer el verdadero estado de la naturaleza, podremos automticamente escoger la alternativa con el pago mximo para ese estado (perforar si hay petrleo o vender si no lo hay).La probabilidades iniciales todava muestran la probabilidad de que cada estado de la naturaleza resulte ser el verdadero. Adems, PE (con informacin perfecta) es calculada en la celda F13 con la ecuacin F13 = SUMPRODUCT (C10:G10, C11:G11), Donde los espacios en las columnas E, F y G son tratados como cero.

Figura 18- Hoja de clculo para obtener el Pago Esperado (con informacin perfecta) Goferbroke Co. Precision Tree usualmente calcula el PE (con informacin perfecta) construyendo y resolviendo el rbol de decisin de la Figura 19. La primer decisin es el iniciar el rbol con un nodo de oportunidad cuyas ramas son los varios estados de la naturaleza (petrleo o seco en este caso). Dado que un nodo de decisin sigue despus de cada rama, la decisin es tomada con informacin perfecta acerca del verdadero estado de la naturaleza. Adems el pago esperado de 242.5 obtenido por Precision Tree en la celda B10 es el pago esperado con informacin perfecta. Este procedimiento es ms verstil en la plantilla de Excel en la Figura 18. Este puede ser usado cuando existe una secuencia de decisiones que necesitan ser tomadas. Dado que tanto la Figura 18 o la Figura 19 obtienen PE (con informacin perfecta) = 242.5, ahora podemos calcular el valor esperado de la informacin perfecta como VEIP= PE (con informacin perfecta) PE (sin experimentacin) = 242.5 100

= 142.5 Conclusin: VEIP>C, dado que 142.5 > 30. Esto quiere decir que valdra la pena el hacer el estudio ssmico.

Figura 19- Iniciando con un nodo de probabilidad con los posibles estados de la naturaleza Precision Tree usa un rbol de decisin para obtener el Pago Esperado con informacin perfecta Reaccin de Max Max: As que me estas diciendo, que si el informe ssmico realmente podra ser definitivo para determinar donde hay petrleo o no, hacer el estudio significara incrementar mi pago promedio cerca de $142,500? Jennifer: As es. Max: As que despus de quitar el costo de $30,000 del estudio ssmico, an tendr $112,500? Jennifer: Ya lo entendiste. Pero recuerda que los $112,500 es en promedio, es apenas el monto promedio con el que continuaras si hicieras esto en muchos terrenos similares. No hay garantas en esta rea. Pero indica que podramos necesitar ms informacin. Max: OK, que mal que los informes no son tan buenos. De hecho, no son tan confiables. Jennifer: Dime ms. Cun confiables son? Max: Bueno, ellos regresan con sondeos ssmicos. Si los sondeos son favorables, entonces el que haya petrleo es bastante posible. De lo contrario, es poco probable. Pero no puede asegurarse. Jennifer: OK. Supn que el petrleo est ah. Qu tan seguido recibes sondeos ssmicos favorables? Max: Mmm, cerca de la mitad de las veces.

Jennifer: Puedes darme un porcentaje? Max: Puedo darte un nmero exacto. Tal vez un 60 porciento. Jennifer: OK, bien. Ahora supn que el rea est seca. Qu tan seguido recibes todava sondeos ssmicos favorables? Max: Muy seguido! He perdido mucho dinero cuando el informe ssmico dice que lo haga y despus nada hay ah. Es por ello que no quiero gastar en ello. Jennifer: Puedes darme un porcentaje? Max: No me gusta dar esos nmeros. No soy mejor en ese aspecto que los gelogos. Jennifer: Entiendo, pero un intento podra ayudarnos. Max: OK. Tal vez 20 porciento. Jennifer: Bien, gracias. Ahora creo que podemos realizar un anlisis que nos dir si realmente vale la pena hacer el estudio ssmico. Max: Cmo haces el anlisis? Jennifer: Bueno, te describir el proceso a detalle en unos instantes. Pero aqu est la idea general. Haremos algunos clculos para determinar cules son las oportunidades de encontrar petrleo si el informe ssmico resulta ser favorable. Luego, por otro lado, determinaremos que pasa si no lo son. Max: Puedes hacer eso? Jennifer: As es. Existe algo llamado teorema de Bayes que nos permite hacer eso. Max: Es el reverendo Bayes de nuevo? Jennifer: Exacto. Max: Vaya, pero qu chico tan listo! Jennifer: Si lo fue. Bueno, nosotros usaremos ese teorema para mejorar los nmeros del gelogo que consultaste con los posibles escenarios provenientes del informe ssmico. Max: Bien. Jennifer: Les llamamos a los nmeros del gelogo como probabilidades iniciales por que fueron obtenidas al inicio y sin obtener ms informacin. Los nmeros mejorados se les conocen como probabilidades a posteriori.

Usando Nueva Informacin para Actualizar las Probabilidades Es frecuente hace pruebas adicionales (experimentacin) para mejorar las estimaciones preliminares de las probabilidades de los respectivos estados de la naturaleza dadas por las probabilidades a priori. Estas estimaciones mejoradas se llaman probabilidades a posteriori. Probabilidades a posteriori Ahora en trminos generales, sea n = nmero posible de estados de la naturaleza; P (Estado = estado i) = probabilidad a priori de que el estado de la naturaleza verdadero sea el estado i, para i = 1, 2, , n; Resultado=resultado de la experimentacin (una variable aleatoria) Resultado j = un valor posible del resultado; P (Estado = estado i abilidad a posteriori de que el estado de la naturaleza verdadero sea el estado i, dado que el Resultado = resultado j, para i = 1, 2, , n. La pregunta que se hace en este momento es la siguiente: Dados P (Estado = estado i) y P (Resultado = resultado j Estado = estado i), para i = 1, 2,, n, cul es el valor de P (Estado = estado i Resultado = resultado j)? La respuesta se obtiene como la combinacin de las siguientes formulas estndar de teora de probabilidad:
( ) ( ( ) ) ) ) )

( (

) )

( ( (

Por lo tanto para cada i = 1, 2,, n, la formula deseada para la probabilidad a posteriori correspondiente es
( ( ( ) ) ( ) ( ) )

Esta frmula con frecuencia se conoce como teorema de Bayes porque fue desarrollada por Thomas Bayes, el mismo matemtico del siglo XVIII a quien se da crdito por desarrollar la regla de decisin que lleva su nombre. En el caso de Goferbroke Co. estos estimados mejorados (probabilidades a posteriori) pueden ser obtenidos al costo de $30,000 al realizar estudio ssmico. Los posibles hallazgos de este estudio se resumen en la Tabla 3. Posibles hallazgos de un Informe Ssmico FSS: Sondeo Ssmico Favorable: Existencia de petrleo bastante probable. USS: Sondeo Ssmico Desfavorable: Existencia de petrleo poco probable. Tabla 3- Probabilidades de los posibles Hallazgos del Informe Ssmico, dado el Estado de la Naturaleza, para el problema de Goferbroke Co. Estado de la Naturaleza Petrleo Seco P(hallazgo |estado) Favorable(FSS) Desfavorable(USS) P(FSS| petrleo) = 0.6 P(USS| petrleo) = 0.4 P(FSS| seco) = 0.2 P(USS| seco) = 0.8

Para poder calcular las probabilidades a posteriori de encontrar petrleo, es necesario estimar las probabilidades de cada estado de la naturaleza. Esto se puede hacer con base en las estimaciones de Max en la seccin anterior. Los smbolos son los siguientes: ( | )

Este tipo de probabilidad se llama condicional, porque est condicionada a un estado de la naturaleza. Recordando las probabilidades iniciales son: ( ( ) )

El siguiente paso es usar estas probabilidades y las probabilidades de la Tabla 3 para obtener probabilidades combinadas llamadas probabilidades conjuntas. Cada combinacin de estado de la naturaleza y hallazgo del informe ssmico tendr una probabilidad conjunta que es determinada por: ( ( ) ) ( ( = 0.15 ) ( ) ( | | ) )

El clculo de todas estas probabilidades conjuntas est puesto en la tercera columna del diagrama de rbol de probabilidades mostrado en la Figura 20.

Figura 20- Diagrama del rbol de probabilidad para el problema Goferbroke mostrando todas las probabilidades y sus clculos por cada estado de la naturaleza

Despus de haber encontrado cada probabilidad conjunta, el siguiente paso es usar estas probabilidades para encontrar cada probabilidad de solo un hallazgo particular sin especificar el estado de la naturaleza. Dado que los hallazgos no pueden ser obtenidos sin algn estado de la naturaleza, las frmulas para calcular la probabilidad de solo un hallazgo en particular es ( ( ) ) ( ( ) ) ( ( ) )

Donde las dos probabilidades de unin del lado derecho de la ecuacin se encuentran en la primera y tercer rama de la tercera columna del diagrama de rbol. El clculo de ambos P(FSS) y P(USS) es mostrada debajo del diagrama. Finalmente, ya estamos listos para calcular cada probabilidad posterior de un estado particular de la naturaleza dado un hallazgo especfico del informe ssmico. ( | ) ( ( ) )

Por ejemplo ( | ) ( ( ) )

La cuarta columna del diagrama de rbol muestra estos clculos. Conociendo las frmulas de probabilidad de unin y la de probabilidad incondicional, cada probabilidad a posteriori puede ser calculada como ( | ( ) ) (

( |

) ( )

| (

) ) (

Por ejemplo ( | ) ( ) ( ( ( ) ) ( | ) ( ) ) | ( ) ) (

Esta frmula para la probabilidad a posteriori es conocida como teorema de Bayes. La Tabla 4 resume todos estos datos. Tabla 4 - Probabilidades Posteriores de los Estados de la Naturaleza, Dados los Hallazgos del Informe Ssmico, para el problema de Goferbroke Co. P(estado|hallazgo) Petrleo Seco P(petrleo|FSS) = 1/2 P(seco|FSS) = 1/2 P(petrleo|USS) = 1/7 P(seco|USS) = 6/7

Hallazgo Favorable (FSS) Desfavorable (USS)

Valor esperado de la experimentacin (VEE) En lugar de solo obtener la cuota superior del incremento de pago esperado (sin el costo de la experimentacin), es decir, el Valor Esperado de la Informacin Perfecta (VEIP) debido a que se lleva a cabo la experimentacin, ahora se realizara un poco mas de trabajo para calcular, de manera directa, este incremento esperado. Esta cantidad se llama el Valor Esperado de la Experimentacin. El clculo de esta cantidad requiere primero calcular el Pago Esperado con experimentacin (sin el costo del experimento). La obtencin de esta ltima cantidad requiere hacer todo el trabajo descrito para encontrar todas las probabilidades a posteriori, la poltica optima con experimentacin y el pago esperado correspondiente que excluye el costo del experimento de cada resultado posible del experimento. Despus, cada pago esperado debe ponderarse con la probabilidad del resultado correspondiente, es decir,
( ) ( ) [ ]

, Donde la suma se toma sobre todos los valores posibles de j. Para el ejemplo prototipo, ya se hizo todo el trabajo de obtener los trminos del lado derecho de esta ecuacin. Los valores P (Resultado = resultado j) para los dos resultados posibles de estudio desfavorable (USS) y favorable (FSS) se calcularon abajo del rbol de probabilidad de la figura 20 como: P (USS) = 0.7, P (FSS) = 0.3. En la Tabla 5 se muestra el pago esperado para cada estado de la naturaleza Estado de la Naturaleza Decisin Pago esperado Favorable (FSS) Perforar =(700 )(1/2)+ (-100)(1/2)=300 Desfavorable (USS) Vender =90(1/7)+90(6/7)=90 Tabla 5- pago esperado para cada estado de la naturaleza El valor esperado de la experimentacin, abreviado VEE, se calcula como: VEE = PE (con experimentacin) PE (sin experimentacin). Entonces, VEE identifica el valor potencial de la experimentacin. Para Goferbroke el Pago Esperado (con experimentacin) est dado por: Pago esperado con experimentacin= 300(0.3)+90(0.7)=153 Por lo que el Valor Esperado de la Experimentacin sera: VEE=153-100=53 miles UM

Es decir que se sigue manteniendo una ganancia por lo que la recomendacin es perforar. Despus de que se aprendi la lgica de calcular probabilidades a posteriori sugerimos que uses la computadora para realizar estos clculos en una plantilla de Excel. La Figura 21 muestra el uso de la plantilla para este problema. Todo lo que necesitas hacer es introducir las probabilidades iniciales y las condicionales en las primeras dos columnas de la plantilla de la Figura 21 en la mitad superior de la plantilla. Las probabilidades a posteriori al hacer esto sern calculadas inmediatamente en la parte de abajo.

Figura 21-Clculo de probabilidades a posteriori para el problema de Goferbroke Co. Reaccin de Max Max: As que me ests diciendo que incluso con sondeos ssmicos favorables, todava puedo tener una en dos oportunidades de encontrar petrleo. Jennifer: S. Suponiendo que inicias con los nmeros dados por el gelogo.

Max: No es de extraar que haya sido decepcionado tantas veces en el pasado, cuando he perforado despus de recibir un levantamiento ssmico favorable. Pensaba que esos informes eran ms confiables. Ahora incluso me siento menos entusiasmado a cerca de pagar 30,000 dlares por pagar un informe as. Jennifer: Pero una oportunidad en dos de encontrar petrleo aun son buenas probabilidades. Max: S lo son. Pero aun es probable que invierta 30,000 dlares y reciba un informe no favorable. Jennifer: Mis clculos indican que tienes un 70% de oportunidad de que eso pase. Max: Ves a lo que me refiero? Jennifer: Pero incluso con un informe desfavorable nos puede servir de mucho ya que eso puede regir la perforacin. Max: Si, puede ser que no valga la pena perforar con esas probabilidades. Jennifer: Bueno en realidad aun no estoy segura. Todava necesitamos hacer un poco ms de anlisis entonces, pienso que debemos reunir toda la informacin posible y confiable para tomar una buena decisin. Recuerdas que estuve hablando anteriormente a cerca de encontrar el pago promedio si el informe ssmico existiera o, por el contrario si no lo hiciramos? Max: S, lo recuerdo. Pero aun no entiendo cmo hacer eso. Jennifer: Bueno, qu te parece si dibujamos un rbol de decisin? Mostrando la decisin entre realizar el informe ssmico y luego tomar la decisin de perforar o vender. Despus trabajaremos en los pagos promedios para esas decisiones en el rbol de decisin. Recuerdas los rboles de decisin que mencion al principio? Max: La verdad, vagamente. Jennifer: Bueno vamos a basarnos en eso nuevamente y despus trabajar posteriormente. Max: OK, hagmoslo. Quiero tomar una decisin pronto.

Usando un rbol de Decisin para Analizar el Problema con una Secuencia de Decisiones. Construyendo el rbol de Decisin. Ahora una decisin inicial debe ser tomada con respecto a la ejecucin del informe ssmico, este rbol de decisin necesita ser expandido como se muestra en la Figura 22 antes de incluir cualquier nmero. As, la primera decisin (debemos de hacer un informe ssmico) es representada por el nodo de decisin a en la Figura 22. Las dos ramas que salen de este nodo corresponden a las dos alternativas para esta decisin. El nodo b es un nodo de oportunidad representando el evento aleatorio del porvenir de un informe ssmico. Las dos ramas provenientes del nodo b representan los dos posibles escenarios de ese informe. A continuacin viene la siguiente decisin (nodos c,d y e) con sus posibles decisiones. Si la decisin es perforar, entonces llegamos a otro nodo de oportunidad (nodo f, g y h), donde sus dos ramas corresponden a los dos posibles estados de la naturaleza.

Figura 22- rbol de decisin para el problema de Goferbroke Co. Cuando se tiene que decidir primero si se conduce un informe ssmico

El prximo paso es introducir nmeros al rbol de decisiones como se muestra en la Figura 22. Los nmeros que se encuentran arriba o debajo de las ramas (que no estn entre parntesis) son los flujos de efectivo (en miles de dlares). Para cada camino a travs del rbol del nodo a al nodo final, estos mismos nmeros son sumados para obtener el pago total mostrado en negritas a la derecha de cada rama. El ltimo grupo de nmeros es la probabilidad de los eventos aleatorios. En particular, dado que cada rama proveniente de un nodo de oportunidad representa un evento aleatorio posible, la probabilidad de que este evento ocurra desde este nodo ha sido introducida (sobre la rama). Para el nodo de oportunidad h las probabilidades son las probabilidades iniciales de ese estado de la naturaleza, dado que no se utiliz ningn informe ssmico para este caso. De cualquier manera, los nodos de oportunidad f y g nos llevan a la decisin de realizar el informe ssmico (y entonces perforar). Adems, las probabilidades de estos nodos de oportunidad son las probabilidades posteriores de los estados de la naturaleza, dados los escenarios de los informes ssmicos obtenidos de la Tabla 5. Finalmente, tenemos dos ramas provenientes del nodo b. Estos nmeros son las probabilidades de los hallazgos de los informes ssmicos, favorable (FSS) o no favorable (USS), dados de bajo del rbol de probabilidad en la figura 20. Realizando el Anlisis Tras construir el rbol de decisin e incluir los nmeros analizaremos el problema siguiendo este procedimiento. 1. De derecha a izquierda es como se dar lectura al rbol de decisin. Para cada columna realice el paso 2 o el paso 3 dependiendo de qu tipo de nodo se trate. 2. Para cada nodo de oportunidad calcule su respectivo pago esperado multiplicando el pago esperado de cada rama por la probabilidad de esa rama y despus sumando esos productos. Anote esos pagos esperados para cada nodo de decisin y designe esta cantidad como el pago esperado para cada rama que nos lleve a este nodo. 3. En cada nodo, compare los pagos esperados de sus ramas y seleccione la alternativa cuya rama tenga el mayor nmero esperado. En cada caso, registre la eleccin en el rbol de decisin con una doble raya como barrera en las ramas rechazadas. Para empezar el procedimiento considere las columnas que se encuentren ms hacia la derecha de los nodos, llamadas nodos de decisin f, g y h. aplicando el paso 2 sus pagos esperados (EP) son: (670)+ (-130)=-15.7 Estos pagos esperados son puestos en medio en color caf de esos nodos, como se muestra en la Figura 22. A continuacin, nos movemos una columna a la izquierda, la cual consiste de los nodos de decisin c, d y e, el pago esperado para una rama que nos lleva a un nodo de oportunidad ahora es puesto en negritas sobre el nodo de oportunidad. Adems, el paso 3 puede aplicarse como sigue:

Nodo c:

Alternativa de perforar EP=-15.7 Alternativa de vender EP=60

60>-15.7, se escoge la alternativa de vender. Nodo d: Alternativa de perforar EP=270 Alternativa de vender EP=60

270<60, se escoge la alternativa de perforar. Nodo e: Alternativa de perforar EP=100 Alternativa de vender EP=90

100>90, se escoge la alternativa de perforar. El pago esperado para cada alternativa seleccionada ahora ser registrado sobre el nodo de decisin, como se muestra en la Figura 22. Las alternativas escogidas son indicadas con la palabra VERDADERO en verde. A continuacin, movindonos una columna hacia arriba nos lleva al nodo b dado que es un nodo de oportunidad el paso 2 debe ser aplicado. El pago esperado para cada una de sus ramas es registrado sobre el nodo de decisin siguiente. Adems el pago esperado es ( ) ( ) Nodo b

Finalmente nos movemos a la izquierda hacia el nodo A, un nodo de decisin; aplicando el paso 3 nos lleva Nodo a: Hacer el informe ssmico EP = 123 No hacer el informe ssmico EP = 100 123 > 100, as que se escoge el realizar informe ssmico. Ahora siguiendo las ramas sin las lneas dobles, podemos leer de derecha a izquierda para aplicar la regla de decisin de Bayes para alcanzar el pago esperado ms grande posible. Poltica ptima Mandar hacer el informe ssmico. Si el resultado es no favorable, vender la tierra. Si el resultado es favorable, perforar esperando petrleo. El pago esperado (incluyendo el costo del informe ssmico) es de 123 ($123,000).

Reaccin de Max Max: Me gusta la cosa esta del el rbol de decisin. Lo pone todo en perspectiva. Jennifer: Bien. Max: Incluso me da algunos nmeros para comparar las alternativas. Pero, qu tan confiables son estos nmeros? Jennifer: Bueno, tendrs que recordar que estos pagos promedio de las alternativas en los nodos de decisin estn basados tanto en los pagos y en las probabilidades de los nodos de oportunidad. Estas probabilidades son basadas en torno a los nmeros del gelogo y los nmeros que me diste con respecto al sondeo ssmico. Max: Eso no suena tan bien. Sabes que pienso acerca de esos nmeros. Y mis estimados fueron muy limitados. Jennifer: Cierto. As que los pagos promedio mostrados en el rbol son solo aproximaciones. Aqu es donde algo de anlisis de sensibilidad puede ayudar. Max: OK. Hagmoslo. Realizando el Anlisis de Sensibilidad Para empezar es de mucha ayuda el crear la hoja que se muestra en la Figura 23 para resumir todos los datos y resultados. Adems las celdas de datos en el rbol pueden hacer referencia a las celdas de esta nueva tabla. Al mismo tiempo las celdas de datos de las probabilidades posteriores hacen referencia a las celdas de probabilidad de esta nueva tabla. Las celdas apropiadas del rbol de decisin se refieren a las celdas de salida de las probabilidades posteriores. Usando la misma hoja (Figura 23) y las otras ya mencionadas (Figura 22 y 21), PrecisionTree tambin provee algunas alternativas de desarrollo del anlisis de sensibilidad sistemticamente. La ventana de dialogo de este anlisis incluye las mismas entradas, excepto la del pago que ahora est en la celda C22 y la probabilidad inicial de encontrar petrleo est ahora en la celda C13), nos lleva a generar la grfica mostrada en la Figura 24. Esta grfica muestra la relacin entre las probabilidades iniciales y los pagos esperados basados usando la poltica ptima dada esa probabilidad. Esta grfica indica que el pago esperado empieza a incrementarse cuando la probabilidad inicial est un poco por arriba del 0.15 y despus empieza a incrementarse ms rpidamente cuando esta cerca del 0.30. Para comprobar esto, la hoja en la Figura 23 puede ser usada para ver como los resultados cambian cuando la probabilidad inicial de encontrar petrleo es lentamente incrementada cerca de estos valores. Este tipo de anlisis de prueba y error pronto nos llevar a las siguientes conclusiones acerca de como la poltica ptima depende de esta probabilidad.

Poltica ptima Sea Si Si Si , entonces se vende la tierra (sin estudio ssmico). , entonces se hace el estudio: perforar si es favorable, vender si no. entonces perforar (sin estudio ssmico).

Figura 23- Anlisis de sensibilidad con experimentacin problema Goferbroke Co.

Figura 24- Grfica de sensibilidad para el caso completo Goferbroke Co. que muestra el pago esperado en funcin de las probabilidades a priori Este anlisis de sensibilidad se ha centrado en investigar el efecto si las probabilidades verdaderas relacionadas con el hallazgo de petrleo fueran diferentes a 0.25. Suponga que queremos investigar como el pago esperado podra cambiar si uno de los costos o ingresos se incrementara o disminuyera un 10 porciento. La Figura 25 muestra las entradas que pueden ser insertadas en la ventana de anlisis. Dando clic en Run Analysis, eso lleva a varias grficas. Una que ya conoce es la grfica one way sensitivity en la Figura 24, excepto que ahora el eje horizontal para cada una representara uno de los costos o ingresos respecto a la probabilidad inicial de encontrar petrleo. Otras grficas interesantes en la Figura 26 son el grfico de araa (spider graph) y el grfico de tornado (tornado graph) Figura 27. Cada lnea en el grfico de araa en esta figura representa el pago esperado mientras una de las celdas de datos seleccionadas (C4:C6 y C8) es cambiada de su valor original por el porcentaje indicado a lo largo de la parte baja de la grfica. (El costo de perforar est escondido debajo del costo del informe ssmico). El hecho de que la lnea de los ingresos del petrleo es la ms pronunciada ha revelado que el beneficio esperado es particularmente sensible a la estimacin de los ingresos si se encuentra petrleo, por lo que cualquier trabajo adicional en el perfeccionamiento de las estimaciones debera centrarse en este parmetro. El grfico de tornado provee un mensaje similar de diferente manera. Cada barra en la grfica muestra el rango de cambios porcentuales del pago esperado desde su valor original (123) con la variacin del costo o ingreso en el rango que se especifico en el cuadro de texto para el anlisis de sensibilidad de la Figura 25. Adems el ancho de cada barra mide la sensibilidad de los pagos esperados a los cambios en la barra de costo o ingreso. Una vez ms, el ingreso por petrleo sobre sale es decir esta variable tiene mayor sensibilidad que los otros costos o ingresos.

Figura 25- Cuadro de dialogo usado por Precision Tree para iniciar un anlisis de sensibilidad de cmo el Pago Esperado varia con cada uno de los costos y utilidades para el problema completa de Goferbroke Co.

Figura 26- Grafica de araa generado por Precision Tree para desempear un anlisis de sensibilidad para el problema completo de Goferbroke Co.

Figura 27- Grafica Tornado generado por Precision Tree para desempear un anlisis de sensibilidad para el problema completo de Goferbroke Co. Reaccin de Max Max: Muy interesante. Me gusta especialmente la manera en la que se usan las plantillas de anlisis de decisin para ver de manera inmediata que sucede si se cambian los nmeros. Y existe una cosa ms que me pareci muy alentadora. Jennifer: Cul fue? Max: Cuando cambiamos la probabilidad inicial a casi cualquier valor cercano plausible, sigui regresando con la misma respuesta. Hacer el estudio ssmico y despus perforar si es favorable. De otra manera vende. As que los nmeros del gelogo pueden ser no muy exactos y aun as seguiramos en lo dicho. Jennifer: As es, eso fue un hallazgo importante no? Qu piensas acerca del anlisis de sensibilidad que involucra los costos y los ingresos? Max: Esos grficos de araa y tornado son bastante claros y tiles. Aunque lo que dicen acerca del ingreso no me sorprende. Jennifer: Pero lo que nos dicen es importante para aterrizar los ingresos. Max: Lo s. Sin embargo es difcil aterrizarlos de cualquier manera. El gelogo nos dijo que podramos encontrar un gran depsito de petrleo ah. Pero uno nunca sabe cunto podrs encontrar ah. No creo que tengamos nada que pueda mejorar este estimado. Jennifer: Pero entonces, de dnde viene el estimado de $800,000 en ingresos?

Max: Eso fue basado en el tamao del yacimiento que esperamos encontrar. Jennifer: Qu mal! Pero el tener esa clase de incertidumbre es muy comn en la toma de decisiones. Todo lo que puedes hacer es desarrollar un buen estimado de cul puede ser el ingreso promedio, pensando que se encuentre petrleo. Max: Creo que ya hicimos eso! Jennifer: Entonces, eso significa que ests ms cmodo ahora con la decisin de proceder a hacer el estudio ssmico y despus perforar dependiendo del resultado del mismo? Max: No mucho. Pero an me da miedo que hagamos el estudio, resulte favorable, y aun as no encontremos nada. Eso hara que perdiramos $130,000 y nos sacara del negocio. Jennifer: Si, tienes razn. Existen 3 oportunidades en 20 de que eso ocurra pero tienes las mismas posibilidades de encontrar petrleo. Si eso sucede, tendrs cerca de $670,000 que sera un gran revulsivo para la compaa. Tambin, existe un 70 por ciento de probabilidad de que el estudio sea no favorable y que aun as inyectes a tu cuenta $60,000 al vender la tierra. Max: Si, suena como una gran apuesta. No me importa acarrear una pequea oportunidad de prdida si tengo una oportunidad razonable de ganancia. Esa es la naturaleza del negocio. Pero he aqu el punto. Estoy corto de capital, aun ms de lo normal. El perder $130,000 me daara ms de lo que normalmente podra. Creo que este acercamiento no toma mucho en cuenta esta cuestin. Jennifer: Tienes razn. Nadie querra lanzar una moneda para determinar si pierdes o ganas $130,000, verdad? Max: No, seguro que no. Jennifer: Bueno, afortunadamente el anlisis de toma de decisiones tiene una manera de tomar en cuenta estos aspectos, con base en las utilidades. Max: Si, recuerdo que lo mencionaste pero, podras repetirlo? Jennifer: Bueno, la idea bsica es que mide el valor verdadero de una inversin, adems del monetario. As que expresando los pagos en trminos utilitarios, el rbol de decisin encontrar la utilidad promedio de cada nodo en lugar del valor monetario promedio. As que ahora la decisin se basara en la mayor utilidad promedio posible.

Usando Utilidades para una Mejor Apreciacin de los Pagos Funcin de Utilidad para el Dinero La Figura 28 muestra un la funcin de utilidad tpica ( ) para el dinero M. Indica que un individuo que tiene esta funcin de utilidad valora la obtencin de $30,000 en el doble que $10,000 y valorara la obtencin de $100,000 en el doble que obtener $30,000. Esto refleja que las necesidades de ms alta prioridad de una persona quedaran satisfechas con los primeros $10,000. U (M) 4 3

$10,000

$30,000

$60,000

$100,000

Figura 28- Funcin de utilidad tpica donde U(M) es la utilidad de obtener una cantidad de dinero M Cuando se tiene una pendiente de la funcin que disminuye conforme aumenta la cantidad de dinero se dice que se tiene una utilidad marginal decreciente para el dinero. Se dice que este individuo tiene aversin al riesgo. Sin embargo, no todas las personas sienten aversin al riesgo y van buscando el premio mayor. La pendiente de su funcin de utilidad aumenta conforme la cantidad de dinero crece, de manera que tiene una utilidad marginal creciente para el dinero. El caso intermedio es un individuo neutral al riesgo, que aprecia el dinero por lo que vale. La funcin de utilidad de este individuo es sencillamente proporcional a la cantidad de dinero involucrada. Aunque algunas personas parecen neutrales al riesgo cuando se trata de pequeas cantidades, no es usual que sean en verdad neutrales al riesgo en inversiones grandes. En la Figura 29 se muestran los tipo de funciones de utilidad respecto a la posicin ante el riesgo. La clave para considerar que la funcin de utilidad para el dinero se ajuste al tomador de decisiones es la siguiente propiedad fundamental de las funciones de utilidad.

(a) Aversin riesgo

(b) Persigue riesgo

(c) Neutral riesgo

Figura 29- Actitudes ante el riesgo mediante la funcin de utilidad Propiedad Fundamental: con las suposiciones de la teora de la utilidad, la funcin de utilidad para el dinero de un tomador de decisiones tiene la propiedad de que este se muestra indiferente entre dos cursos de accin alternativos si los dos tiene la misma utilidad esperada. Como ejemplo suponga que el tomador de decisiones tiene una funcin de utilidad mostrada en la Figura 28. Suponga adems que se ofrece a este tomador de decisiones la siguiente oportunidad. Oferta: Obtener $100,000 (utilidad = 4) con probabilidad p o nada (utilidad = 0) con probabilidad (1 p). Entonces, ( ) ( ) , para esta oferta.

Por lo tanto, para cada uno de los siguientes tres pares de alternativas, el tomador de decisiones es indiferente entre la primera y la segunda: 1. Primer alternativa: La oferta con ( Definitivamente obtener $10,000, entonces la utilidad= 1. 2. Primer alternativa: La oferta con ( definitivamente obtener $30,000 (utilidad = 2). 3. Primer alternativa: La oferta con ( definitivamente obtener $60,000 (utilidad = 3). Segunda alternativa: o Segunda alternativa: o Segunda alternativa:

Este ejemplo ilustra tambin la manera en que se puede construir la funcin de utilidad para el dinero del tomador de decisiones desde el principio. Se hara el tomador de decisiones la misma oferta hipottica de obtener una gran suma de dinero (por ejemplo, $100,000) con probabilidad p u obtener nada. Despus, para cada una de las pequeas cantidades ($10,000; $30,000; y $60,000), se pedira al tomador de decisiones que eligiera un valor de p para el que se sintiera indiferente ante la oferta y la obtencin definitiva o segura de esa cantidad de dinero. Entonces, la utilidad de una cantidad pequea de dinero es p veces la utilidad de la cantidad grande. La escala de la funcin de utilidad (puesto que, utilidad = 1 para $10,000) es irrelevante. Importa solo en cuanto a los valores relativos de las utilidades pertinentes. Todas las utilidades se pueden multiplicar por cualquier constante positiva sin afectar el curso alternativo de accin que tendr la utilidad esperada ms grande.

Resumiendo: Cuando se usa una funcin de utilidad para el dinero del tomador de decisiones se una para medir el valor relativo de los distintos resultados monetarios posible, la regla de decisin de Bayes sustituye los pagos monetarios por las utilidades correspondientes. Por lo tanto, la accin ptima (o serie de acciones) es la que maximiza la utilidad esperada. Aplicacin de la Teora de Utilidad al Problema de Goferbroke Al inicio del captulo se mencion que Goferbroke operaba con poco capital, por lo que una prdida de $100,000 sera bastante seria. El peor escenario sera conseguir $30,000 para un estudio ssmico y todava perder $100,000 al perforar cuando no hay petrleo. Por otro lado, encontrar petrleo es una perspectiva interesante, ya que una ganancia de $700,000 dara, por fin, a la compaa una base financiera slida. Max es el tomador de decisiones. Entonces, para analizar el problema mediante el enfoque de la teora de utilidad, es necesario construir la funcin de utilidad de Max con respecto al dinero, U(M), donde se exprese la cantidad de dinero M en miles de UM. Como punto de arranque es natural dejar que la utilidad de dinero cero sea cero, as que ( ) . Recordando que podemos establecer arbitrariamente el valor de ( ) para un valor que no sea cero de M. Haremos esto para el valor de M ms pequeo posible para este problema, esto es, (una prdida de $130,000), ( )

A pesar de que la seleccin de -150 es completamente arbitraria (excepto el signo negativo), esto ser una decisin conveniente ya que har que U(M) sea aproximadamente igual a M cuando M esta cercana a cero. Esto nos permitir a ver mejor la comparacin entre las utilidades y los valores monetarios (M) en todo el rango de M. Encontrando U(700) Dado el valor anterior el proceso para encontrar U(700) es resumido en la parte de abajo. El tomador de decisiones (Max) tiene dos alternativas, Consigue un pago de 700 con probabilidad p. Consigue un pago de 130 con probabilidad (1 p). Definitivamente obtiene un pago de 0. Pregunta para el tomador de decisiones: qu valor de p te hace indiferente entre estas dos alternativas? y .

El tomador de decisiones escoge p = 0.2. Sea ( Resolviendoesta ecuacin para U(700). Dado que U(0)=0, tenemos que ( ( ) ( ( ( ) ) ) ) ( . La utilidad esperada para ( ) ) ( ) es ) ( )

Como la propiedad fundamental de utilidad dice que el valor esperado de la utilidad para dos alternativas son las mismas para el momento en que el tomador de decisiones es indiferente a estas tenemos, p = 0.2. ( ( ( ) ) )

Procedimiento General para Encontrar una Utilidad He aqu el procedimiento general llamado de lotera. 1. Se nos dan tres posibles valores de pagos monetarios -( ) donde la utilidad es conocida para dos de ellos y nosotros queremos saber la utilidad para el tercero. 2. Al tomador de decisiones se le ofrece seguir con dos alternativas hipotticas: Obtener un pago de con probabildiad p. Obtener un pago de con probabildiad (1 p). Definitivamente obtener un pago de 3. Preguntar al tomador de decisiones: Qu valor de p lo hace indiferente entre esas dos alternativas? 4. Usando ese valor de p, escriba la ecuacin de la propiedad fundamental,

( Entonces ( )

) (

( ) ( ) (

) )

5. Resuelva la ecuacin para la utilidad desconocida. Cuando encontramos U(700), en realidad estbamos aplicando el procedimiento de la lotera con , y . Este procedimiento se aplica para encontrar de igual manera las utilidades restantes.

Construyendo la Funcin de Utilidad de Max Habiendo encontrado las 5 utilidades para este problema con respecto a los posibles pagos (-130, 100, 0, 90, 700, se resumen todas las utilidades correspondientes a los posibles pagos en la Tabla 6. Pago monetario, M Utilidad, U(M) -130 -150 -100 -105 0 0 60 60 90 90 670 580 700 600 Tabla 6 Utilidades para el problema de Goferbroke Co. Procedimiento para la Construccin de U(M) Estos son los pasos aseguir. 1. Enlistar todos los pagos monetarios posibles del problema, incluyendo 0. 2. Fijar ( ) y se escoge arbitrariamente el valor de la utilidad para otro pago (con signo negativo si este pago es negativo o positivo por el contrario). 3. Escoge tres de los pagos donde el valor de utilidad es conocido para dos de ellos. 4. Aplique el procedimiento de la lotera para encontrar el tercer valor de la utilidad para el tercer pago. 5. Repite el paso 3 y 4 para cualquier otro pago representativo con utilidad desconocida.

6. Despus, grafique las utilidades encontradas en un grfico de utilidad U(M) contra el pago M. Dibuje una curva suave a travs de estos puntos para obtener la funcin de utilidad. Otro Enfoque para estimar U(M) El procedimiento anterior para construir U(M) pide al tomador de decisiones que tome una decisin difcil varias veces acerca de la probabilidad que lo hara sentirse indiferente entre dos alternativas. En ocasiones se usa un enfoque diferente. Este enfoque se refiere a suponer que la funcin de utilidad tiene cierta forma matemtica, y despus ajustar esta forma de manera que refleje la actitud del tomador de decisiones hacia el riesgo, lo ms cercanamente posible. Por ejemplo, una forma comn que se puede suponer (por ser sencilla) es la funcin de utilidad exponencial, ( ) ( )

Donde R es la tolerancia al riesgo del tomador de decisiones. Esta funcin de utilidad marginal decreciente para el dinero, por lo que est diseada para ajustarse a la aversin al riesgo individual. Una gran aversin al riesgo corresponde a un valor pequeo de R. Como el dueo de Goferbroke Co. tiene una aversin al riesgo pequea, el valor de R dara la ) ) utilidad de ( y ( es cercano a Por otro lado, el dueo desarrolla una mayor aversin al riesgo cuando pueden ocurrir grandes prdidas, pues esto ) amenazara con una bancarrota, entonces el valor de R que da la utilidad de ( es solo Una desventaja de la funcin exponencial de utilidad es que supone una aversin al riesgo constante (valor fijo de R), sin importar cunto dinero tiene en la actualidad el tomador de decisiones. Esto no se ajusta a la situacin de Goferbroke porque la falta de dinero actual hace que el dueo se preocupe ms que lo usual por una prdida grande. En otras situaciones donde las consecuencias de prdidas potenciales no son tan severas, suponer una funcin de utilidad exponencial puede proporcionar una aproximacin razonable. En ese caso, existe una manera sencilla (aproximada) de estimar el valor apropiado de R. Se pide al tomador de decisiones que elija el nmero de R que le hiciera sentir indiferente entre las dos alternativas siguientes Un juego de 50-50 donde ganara R dlares con probabilidad 0.5 y perdera probabilidad de 0.5 No perdera ni ganara nada. dlares con

Uso de un rbol de decisin para analizar el problema de Goferbroke Co. con Utilidades. Una vez obtenida la funcin de utilidad para el dinero que corresponde al dueo de Goferbroke Co. , esta informacin puede usarse con un rbol de decisin como sigue. El procedimiento para usar un rbol de decisin para analizar el problema es idntico al descrito en la seccin anterior excepto que se sustituyen la utilidad para los pagos monetarios. Por lo tanto, el valor obtenido para evaluar cada nodo del rbol es ahora la utilidad esperada en lugar del pago esperado (monetario). En consecuencia, las decisiones ptimas seleccionadas por la regla de decisin de Bayes maximizan la utilidad esperada para todo el problema. As el rbol de decisin final mostrado en la Figura 30 se parece al de la Figura 22.Los nodos y las ramas son los mismos, al igual que las probabilidades para las ramas que salen de los nodos de probabilidad. Con fines informativos, los pagos monetarios totales todava estn dados a la derecha de las ramas terminales (pero ya no se muestran los pagos individuales). Pero ahora se han agregado las utilidades en el lado derecho. Estas utilidades esperadas llevan a las mismas decisiones en los nodos a, c y d que en la Figura 22, excepto que ahora el nodo e cambia ahora a vender en lugar de perforar. Por lo tanto, la poltica ptima global es la misma que la dada anteriormente.

Figura 30- rbol de decisin construido y resuelto con Precision Tree para el problema completo de Goferbroke usando la funcin de Utilidad de Max

El enfoque usado en las secciones anteriores es maximizar las cantidades del pago monetario esperado suponiendo que el tomador de decisiones es neutral al riesgo, de manera que U(M)=M. Con la teora de utilidad, la solucin ptima ahora refleja la actitud del tomador de decisiones respecto al riesgo. Como el dueo de Goferbroke Co. adopt solo una posicin de aversin moderada al riesgo, la poltica ptima no cambia respecto a la anterior. Para una persona con mayor aversin al riesgo, la solucin ptima cambiara a la ms conservadora de vender el terreno de inmediato (sin exploracin). El dueo actual merece un reconocimiento por incorporar la teora de utilidad al enfoque de anlisis de decisiones de su problema. La teora de utilidad ayuda a proporcionar un enfoque racional a la toma de decisiones frente a la incertidumbre. Sin embargo, muchos tomadores de decisiones no se sienten a gusto con la nocin un tanto abstracta de la utilidad o con las probabilidades para construir la funcin de utilidad como para querer usar este enfoque. As, la teora de utilidad todava no tiene una aplicacin muy amplia en la prctica. Aplicacin Prctica de la Toma de Decisiones En un sentido, el ejemplo prototipo de estas nota (problema de Goferbroke Co.) es una aplicacin comn del anlisis de decisiones. Como otras aplicaciones, la direccin necesita tomar algunas decisiones (realizar el estudio, perforar, vender) ante una gran incertidumbre. Las decisiones son difciles porque sus pagos son impredecibles. El resultado depende de factores que estn fuera del control del director (el terreno contiene petrleo o est seco). Por tanto, la administracin necesita un marco de trabajo y una metodologa para tomar decisiones racionales en este entorno de incertidumbre. Estas son las caractersticas usuales de las aplicaciones del anlisis de decisin. Sin embargo, en otro sentido, el problema de Goferbroke no es una aplicacin tan usual. Se simplifico mucho para que solo incluyera dos estados de la naturaleza (petrleo y seco), mientras que en la realidad habra un gran nmero de posibilidades. Por ejemplo, el estado real puede ser seco, poco petrleo, cantidad moderada, mucho petrleo y una gran cantidad de petrleo, adems de varas posibilidades referentes al petrleo y su extraccin. Las aplicaciones reales suelen involucrar ms decisiones, ms alternativas para cada una y muchos estados posibles de la naturaleza. Al manejar problemas grandes, el rbol de decisin puede explotar en tamao, tal vez con muchos miles de ramas terminales. En este caso, es obvio que no sera factible construir el rbol a mano, con el clculo de las probabilidades a posteriori y de los pagos esperados (o utilidades) para todos los nodos, y despus identificar las decisiones ptimas. Por fortuna, se dispone de excelentes paquetes de software, especiales para hacer este trabajo. Adems, se estn desarrollando tcnicas algebraicas especiales que se incorporan a los solucionadores de computadora para manejar problemas cada vez ms grandes. El anlisis de sensibilidad tambin puede ser difcil de manejar en problemas grandes. Aunque casi siempre tiene apoyo de la computadora, la cantidad de datos generados puede fcilmente abrumar al analista o tomador de decisiones. Por ello, se han desarrollado algunas tcnicas grficas, como los diagramas de tornado y las grficas de araa, para organizar los datos de manera fcil de entender.

Tambin se dispone de otras tcnicas grficas para complementar el rbol de decisin que presentan y resuelven los problemas de anlisis de decisiones. Una bastante conocida se llama diagrama de influencia y los investigadores continan con el desarrollo de otras. Muchas decisiones estratgicas de negocios se toman de manera colectiva entre varios miembros de la administracin. Una tcnica para la toma de decisiones en grupo se llama conferencia de decisiones. En este proceso, un grupo se rene para discutir una decisin en conferencia con la ayuda de un analista y un facilitador. Este trabaja directamente con el grupo para ayudar a estructurar y centrar las discusiones, pensar con creatividad en el problema, hacer las suposiciones y estudiar la gama completa de aspectos involucrados. El analista usa el anlisis de decisiones para ayudar al grupo a explotar las implicaciones de las decisiones alternativas. Con la asistencia de un sistema de apoyo computarizado para las decisiones en grupo, el analista construye y resuelve los modelos ah mismo y despus realiza un anlisis de sensibilidad para responder a las preguntas generadas. Las aplicaciones del anlisis de decisiones, por lo comn, incluyen la participacin de los tomadores de decisiones de la direcccin (ya sea individual o en grupo) y un analista (individual o en equipo) con conocimientos de IO. Algunas compaas no cuentan con personal calificado para actuar como analista. Por esto se ha formado un nmero considerable de empresas consultoras que se especializan en anlisis de decisiones para dar este servicio. El anlisis de decisiones se usa ampliamente alrededor del mundo. Por razones de propiedad (entre cosas), las compaas no publican artculos en revistas profesionales para describir sus aplicaciones de las tcnicas de IO, que incluyan, anlisis de toma de decisiones. Por fortuna estos artculos se filtran de vez en cuando y algunos aparecen en la revista Interfaces. Los artculos sobre anlisis de decisiones proporcionan ideas valiosas acerca de la aplicacin prctica de esta tcnica en problemas reales.