Está en la página 1de 18

Universidad Nacional del Santa

Facultad de Ingeniera
Ingeniera de Sistemas e Informtica


TEORI A DE DECI SI ONES:
CLASI FI CACI ON Y
CRI TERI OS
Investigacin de Operaciones II



Docente :

Ing. Carlos Eugenio Vega Moreno

Integrantes :

Alvarez Gomez Humberto
Huerta Vasquez Lesli Conni
Montoya Gomez Rommy


2012
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 2

Contenido

INTRODUCCION ........................................................................................................................................... 4
TOMA DE DECISIONES ............................................................................................................................ 4
1. CLASIFICACION DE LOS MODELOS DE DECISIONES EN CATEGORIAS ............. 5
TOMA DE DECISIONES BAJO CERTIDUMBRE ............................................................................ 5
TOMA DE DECISIONES BAJO RIESGO ............................................................................................. 5
CRITERIOS ...................................................................................................................................................... 6
CRITERIO DEL VALOR ESPERADO ................................................................................................... 6
ANLISIS DE ARBOL DE DECISION ................................................................................................. 6
SITUACIONES DE DECISION MS COMPLEJA ........................................................................... 8
1 Punto .- ......................................................................................................................................................... 11
2 Punto.- .......................................................................................................................................................... 11
3 Punto.- .......................................................................................................................................................... 11
Probabilidades Posteriores: .................................................................................................................... 11
Ejemplo: ....................................................................................................................................................... 11
PASO 1: .................................................................................................................................................. 13
PASO 2 .................................................................................................................................................... 14
PASO 3 .................................................................................................................................................... 14
PASO 4 ........................................................................................................................................................ 15
Funciones de Utilidad: ............................................................................................................................. 15
TOMA DE DECISIONES BAJO INCERTIDUMBRE ..................................................................... 16
CRITERIOS .................................................................................................................................................... 16
CRITERIO DE LA RACIONALIDAD .................................................................................................. 16
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 3

EJEMPLO ................................................................................................................................................. 17
BIBLIOGRAFIA ........................................................................................................................................... 18




























UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 4










INTRODUCCION

El anlisis de decisiones est diseado para estudiar los
tipos de decisiones que se deben tomar en un ambiente de
gran incertidumbre. El anlisis de decisiones proporciona
un marco de trabajo y una metodologa para la toma de
decisiones racional cuando los resultados son inciertos.








TOMA DE DECISIONES
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 5


1. CLASIFICACION DE LOS MODELOS DE DECISIONES EN
CATEGORIAS
El anlisis de decisin implica el uso de un proceso racional para seleccionar la
mejor entre varias alternativas. La bondad de una alternativa seleccionada
depende de la calidad de los datos utilizados para describir la situacin de decisin.
Desde este punto de vista, un proceso de toma de decisiones cae en una de tres
categoras:
1. Toma de decisiones bajo certidumbre en la que se conocen los datos de forma
determinista.
2. Toma de decisiones bajo riesgo en la que los datos se describen mediante
distribuciones de probabilidad.
3. Toma de decisiones bajo incertidumbre en la que no es posible asignar a los datos
pesos relativos que representen su grado de relevancia en el proceso de decisin.

TOMA DE DECISIONES BAJO CERTIDUMBRE
Los modelos que en la anterior unidad se vieron nos proporcionan un ejemplo de la toma
de decisiones bajo certidumbre. Estos modelos son apropiados solo para situaciones en las
que las alternativas de decisin se interrelacionan con funciones lineales matemticas bien
definidas.

TOMA DE DECISIONES BAJO RIESGO
Bajo condiciones de riesgo, los resultados finales asociados con cada alternativa de
decisin normalmente se describen mediante distribuciones de probabilidad. Por esta
razn, la toma de decisiones bajo riesgo se basa en el criterio del valor esperado, en el
que las alternativas de decisin se comparan con base en la maximizacin de la utilidad
esperada o la minimizacin del costo esperado. Este mtodo tiene limitaciones, en el
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 6

sentido de que tal vez no sea aplicable a ciertas situaciones. Por eso se introdujeron
ramificaciones al criterio del valor esperado para explicar estas eventualidades.

CRITERIOS

CRITERIO DEL VALOR ESPERADO
Busca la maximizacin de la utilidad esperada (promedio) o la minimizacin del costo
esperado. Los datos del problema suponen que el resultado (o costo) asociado con cada
alternativa de decisin es probabilstico.

ANLISIS DE ARBOL DE DECISION
El siguiente ejemplo considera situaciones de decisin simples con un nmero finito de
alternativas de decisin y matrices de resultados explcitos.

Ejemplo:
Supongamos que usted desea invertir 10 000 dlares en el mercado de valores
comprando acciones de una de dos compaas: A y B. Las acciones de la compaa A
representan un riesgo, pero podran dar un rendimiento del 50% sobre la inversin
durante el siguiente ao. Si las condiciones de la bolsa no son favorables (es decir,
mercado a la baja), las acciones pueden perder 20% de su valor. La compaa B
proporciona inversiones seguras con 15% de rendimiento en un mercado a la alza y
slo 5% en un mercado a la baja. Todas las publicaciones que usted ha consultado
predicen un 60% de posibilidades para un mercado a la alza y 40% de un mercado a
la baja. Dnde debe usted invertir su dinero?
Resumen del problema:
ALTERNATIVA DE DECISION RENDIMIENTO SOBRE LA INVERSION A UN AO
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 7

MERCADO "a la alza"($) MERCADO "a la baja"($)
ACCIONES DE LA COMPAA A 5000 -2000
ACCIONES DE LA COMPAA B 1500 500
PROBABILIDAD DE OCURRENCIA 0,6 0,4

Representando como un rbol de decisin:
Se utilizan dos tipos de nodos en el rbol: un cuadrado () representa un punto de
decisin y un circulo (O) representa un evento de posibilidad. De esta forma surgen dos
ramas del punto de decisin 1 para representar las dos alternativas de invertir en
acciones A o B. Enseguida, las dos ramas que emanan de los eventos de posibilidad 2 y 3
representan los mercados a la alza y a la baja, con sus respectivas probabilidades y
resultados.
Rendimiento esperado a 1 ao para las dos alternativas es
Para las acciones A= $ 5000*0.6 +(-2000)*0.4=$ 2200
Para las acciones B= $ 1500*0.6 + 500*0.4=$ 1100
Con base en estos clculos, su decisin es invertir en las acciones A.










2
Inversin en valores A
Mercado a la alza 0.6
$ 5000
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 8













En la terminologa de la teora de decisiones, los mercados a la alza y a la baja se
denominan estados de naturaleza, cuyas oportunidades de ocurrencia son
probabilidades (0.6 versus 0.4). En general un problema de decisin puede incluir n
estados de naturaleza y m alternativas. Si

es la probabilidad de ocurrencia para


el estado de naturaleza j y

es el resultado de la alternativa i dado el estado de


naturaleza j (i=1,2,,m; j=1,2,,n), entonces el resultado esperado para la alternativa i
se calcula como


Donde por definicin,


La mejor alternativa es la que est asociada con

} o

}
dependiendo, respectivamente, de si el resultado del problema representa una utilidad
(ingreso) o una perdida (gasto).
SITUACIONES DE DECISION MS COMPLEJA
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 9

Para demostrar aun ms el uso del criterio del valor esperado, consideramos las
situaciones en las que el pago del problema de decisin es una funcin matemtica de
las alternativas de decisin. En estos casos, el uso de la representacin del rbol de
decisin, aunque posible, no es tan instructivo como en el ejemplo anterior.
Ejemplo
La empresa Sunray Electric Coop utiliza una flota de 20 camiones para atender su red
elctrica. La compaa quiere desarrollar un mantenimiento preventivo peridico para
la flota. La probabilidad

de una avera despus de t meses desde el ultimo


mantenimiento preventivo se estima como

t
1 2 3 4 5 6 7 8 9

0.05 0.07 0.1 0.13 0.18 0.23 0.33 0.43 0.5 0.55

Una avera al azar cuesta 200 dlares por camin y un mantenimiento programado solo
cuesta 50. Sunray quiere determinar el periodo optimo (en meses) entre
mantenimientos preventivos programados.
Defina N, el nmero de meses entre mantenimientos sucesivos, as como la longitud del
ciclo de mantenimiento que deseamos determinar. Ocurren dos tipos de costos durante
un ciclo de mantenimiento de periodo N:
(1) el costo de una avera durante los primeros N-1 meses y
(2) el costo de mantenimiento al final del ciclo. El segundo costo (mantenimiento
preventivo) es $ 50 veces el tamao de la flota de 20 camiones, o $ 1000 por ciclo de
mantenimiento. El costo de averas debe basarse en el nmero promedio de camiones
que al azar tienen averas durante los primeros N-1 periodos del ciclo. Aqu, tenemos
dos estados de naturaleza en el mes t: avera con probabilidad

y ninguna avera con


probabilidad

. De esta forma, el nmero esperado de averas en el periodo t es


igual al tamao de la flota veces

, o

. De este resultado, el nmero total esperado


de camiones averiados durante los primeros N-1 meses del ciclo es la suma del numero
esperado de camiones averiados en los meses individuales, es decir,

UNIVERSIDAD NACIONAL DEL SANTA


INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 10

. Sea EC(N) el costo total esperado por ciclo de


mantenimiento, obtenemos


El problema de decisin de Sunray se reduce a determinar la longitud del ciclo N que
minimizara, ECPM(N), el costo total por mes, es decir:


La minimizacin de la funcin ECPM(N) no puede ser determinada de forma cerrada.
En su lugar, usamos la siguiente forma tabular para determinar la respuesta:
N


ECPM(N)
1 0.05 0.00 $1000
2 0.07 0.05 600
3 0.10 0.12 493.33
4 0.13 0.22 470
5 0.18 0.35 480
6 0.23 0.53 520

Los clculos muestran que ECPM(N) alcanza su mnimo en N=4. As, el mantenimiento
preventivo ocurre cada 4 meses.
Variaciones del Criterio del valor esperado
Plantea 3 puntos relativos al criterio del valor esperado:
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 11

1 Punto .- Trata con la determinacin de probabilidades posteriores con base
en la experimentacin.
2 Punto.- Trata con la utilidad contra el valor real del dinero.
3 Punto.- Modifica el criterio del valor esperado de modo que pueda resolver
problemas de decisin a largo plazo.
Probabilidades Posteriores:
Las probabilidades que se usaron en el criterio del valor esperado normalmente se
obtienen de los datos histricos.
En algunos casos, podemos ser capaces de modificar estas probabilidades de forma
ventajosa usando informacin actual.
Esta informacin usualmente se obtiene a travs de muestreo o experimentosacion.
Alas probabilidades que resultan se les denomina probabilidades posteriores (o de
bayes)
En oposicin a las probabilidades previas que se determinan de datos primos.
Ejemplo:
En el ejemplo
Las probabilidades previas de 6 y 4 de un mercado a la alza y uno a la baja se
determinaron a partir de las publicaciones financieras disponibles en lugar de depender
solo de estas publicaciones supongamos que decide llevar a cabo una investigacin mas
personal consultando a un amigo al que le fue buen en el mercado de valores. El amigo
manifiesta la opinin general de por o contra la inversin, esta opinin adems de se
cuantifica de la siguiente manera:
Si es un mercado a la alza . Hay 90% de posibilidad de que el voto sea por.
Si es un mercado a la baja . La posibilidad de un voto por deciende a 50%.
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 12

Como usa usted esta informacin adicional?
La declaracin que hace el amigo realmente proporciona probabilidades condicionales
de por/contra dados los estados de naturaleza de mercados a la alza y a la baja, para
simplificar la presentacin usemos los siguientes smbolos:
V1= Voto por
V2= Voto contra
M1= Mercado Alta
M2= Mercado baja

El problema se puede resumir en la forma de un rbol de decisin:
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 13



Para Evaluar las alternativas:
PASO 1:

UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 14

PASO 2

PASO 3


UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 15

PASO 4

Funciones de Utilidad:
En la presentacin anterior se aplico el criterio del valor esperado solo a asignaciones
donde el resultado es dinero real.
Hay casos donde se debe usar la utilidad en lugar del valor real en el anlisis.
Para ilustrar este punto supongamos q hay una posibilidad de 50 y 50 de que una
inversin de 20 000 dolares produzca una utilidad de 40 000 que se pierda por
completo.
La utilidad asociada es 40000x5 20000 x 5 = 10 000 dolares.
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 16

Aunque hay una utilidad esperada de 50% de obtener una ganancia de 40 mil dlares.


TOMA DE DECISIONES BAJO INCERTIDUMBRE
Esta seccin introduce un nmero de criterios para tomar decisiones con incertidumbre
segn la hiptesis de que no se tiene disponible ninguna distribucin de probabilidad.

CRITERIOS


CRITERIO DE LA RACIONALIDAD
Tambin conocido como el principio de la razn insuficiente la cual nos dice que no
existe ninguna razn para suponer que un estado se puede presentar antes que los
dems, podemos considerar que todos los estados tienen la misma probabilidad de
ocurrencia, es decir, la ausencia de conocimiento sobre el estado de la naturaleza
equivale a afirmar que todos los estados son equiprobables. As, para un problema de
decisin con n posibles estados de la naturaleza, asignaramos probabilidad 1/n a cada
uno de ellos.

La regla de Laplace que se basa en el principio de la razn insuficiente es la siguiente:

( )
)
`

=
n
j
j i i
e a x
n
a mx
1
,
1
_






En el siguiente ejemplo se explica como se aplica el principio de la razn insuficiente:
UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 17


Acciones Resultados posibles
C D E
A 100 2 1
B 99 98 0

El criterio de Laplace s considera todos los valores. Puesto que no tenemos informacin
sobre la probabilidad de que ocurra C, D o E, lo ms racional sera, segn este criterio,
asignarle a cada valor la misma probabilidad y elegir el que nos d el mayor valor
esperado (la mayor utilidad esperada). De esta forma obtendramos los siguientes
resultados para A y B:
A = 1/3 X 100 + 1/3 X 2 + 1/3 X 1 = 34,33
B = 1/3 X 99 + 1/3 x 98 + 1/3 X O = 65,33
A diferencia de los que ocurre con los dems criterios, ste es el nico que sita la
accin B por encima de A. Ello se debe sin duda al hecho de que se tomen en
consideracin todos los valores''.
Como vemos, pues, no slo es evidente que no existe un nico criterio recomendable
para tomar decisiones en situaciones inciertas, sino que, excepto el de Laplace, todos
apelan a la subjetividad de quien decide: a su optimismo o pesimismo con respecto a la
situacin de eleccin.
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra los
resultados esperados para cada una de las alternativas.

UNIVERSIDAD NACIONAL DEL SANTA
INGENIERIA DE SISTEMAS E INFORMATICA
INVESTIGACION DE OPERACIONES II


TOMA DE DECISIONES 18

Alternativas
Terreno comprado
Estados de la Naturaleza

Aeropuerto en A Aeropuerto en B
Resultado
esperado
A 13 -12 0.5
B -8 11 1.5
A y B 5 -1 2
Ninguno 0 0 0
En este caso, cada estado de la naturaleza tendra probabilidad ocurrencia 1/2. El
resultado esperado mximo se obtiene para la tercera alternativa, por lo que la decisin
ptima segn el criterio de Laplace sera comprar ambas parcelas.

BIBLIOGRAFIA

- Frederick S. H. y Gerald J. L, (2006). Introduccin a la Investigacin de
Operaciones (8 ed.). Mxico: Mc Graw Hill.
- Hamdy A.T. (1998). Investigacin de Operaciones una Introduccin (6 ed.).
Mxico: Prentice Hall
- http://thales.cica.es/rd/Recursos/rd99/ed99-0191-03/laplace.htm
- http://manuelgross.bligoo.com/content/view/676890/Criterios-de-Decision-en-
situaciones-de-incertidumbre-Cuatro-ejemplos.html
- http://digital.csic.es/bitstream/10261/7734/1/eserv.pdf