Está en la página 1de 21

TEMA 10: LA TOMA DE DECISIONES EN DISTINTOS CONTEXTOS (I)

10.1. ELEMENTOS DE LA TEORA DE DECISIN 10.2. DECISIONES EN CONDICIONES DE CERTIDUMBRE 10.3. DECISIONES EN CONDICIONES DE RIESGO 10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE

CDG

ETAPAS DE LA DECISIN
1) PERCEPCIN O DEFINICIN DEL PROBLEMA
SITUACIN ACTUAL

SITUACIN DESEADA PARA EL FUTURO

2) DEFINICIN DE OBJETIVOS 3) FORMULACIN DE ALTERNATIVAS = DELIMITACIN DEL CAMPO DE ELECCIN 4) IDENTIFICACIN DE LOS ESTADOS DE LA NATURALEZA Y DETERMINACIN DE SU LEY DE PROBABILIDAD 5) VALORACIN DE LOS RESULTADOS = EVALUACIN DE LAS ALTERNATIVAS 6) ELECCIN E IMPLANTACIN DE UNA ALTERNATIVA 7) OBTENCIN DE RESULTADOS Y CONTROL
CDG

10.1. ELEMENTOS DEL MODELO DE DECISIN

1) LNEAS DE ACCIN = OPCIONES = ALTERNATIVAS Ai - mutuamente excluyentes 2) SITUACIONES DADAS = ESTADOS DE LA NATURALEZA Ej - aleatorias - incompatibles 3) PROBABILIDAD DE SUCESO DE CADA ESTADO DE LA NATURALEZA P(Ej) 4) CONSECUENCIAS = RESULTADOS Rij

CDG

10.1. ELEMENTOS DEL MODELO DE DECISIN matriz de decisin


P(E1) E1 A1 A2 ... Ai ... An R11 R21 ... Ri1 ... Rn1 P(E2) E2 R12 R22 ... Ri2 ... Rn2 ... ... ... ... ... ... ... ... P(Ej) Ej R1j R2j ... Rij ... Rnj ... ... ... ... ... ... ... ... P(Em) Em R1m R2m ... Rim ... Rnm

CDG

POSIBLES CONDICIONES EN LAS QUE TOMAR LAS DECISIONES

1) FUTURO CIERTO = CERTEZA = CERTIDUMBRE Para Ai conocemos Ej (nico P(Ej)=1) y por lo tanto Rij 2) FUTURO ALEATORIO = RIESGO Conocemos los posibles Ej y es posible describir su ley de probabilidad por medios objetivos 3) FUTURO INCIERTO = INCERTIDUMBRE Conocemos los posibles Ej pero NO es posible describir su ley de probabilidad por medios objetivos
CDG

10.2. DECISIONES EN CONDICIONES DE CERTIDUMBRE Informacin perfecta Cada Ai tiene un nico Rij conocido perfectamente por el decisor porque existe un nico Ej cuya P(Ej)= 1. Para elegir la accin ms conveniente se utilizar una tcnica de optimizacin (derivacin, programacin lineal, ...) ms o menos compleja segn: - nmero de Ai posibles - criterio de optimizacin utilizado.

Ejemplos
CDG

10.3. DECISIONES EN CONDICIONES DE RIESGO Cada Ai tendr tantos Rij como Ej haya. Los Ej son aleatorios = no tienen la misma probabilidad de ocurrencia. La ley de probabilidad de ocurrencia de los Ej se puede determinar por medios objetivos (anlisis de frecuencias, muestreos,...). Para elegir la mejor Ai deberemos emplear el criterio estadstico del valor medio esperado: VE (Ai)= [Rij * P(Ej)]
El decisor debe elegir la Ai que le proporcione el mayor valor medio esperado de beneficio.
CDG

10.3. DECISIONES EN CONDICIONES DE RIESGO

Los valores monetarios contenidos en la matriz de decisin al ser utilizados por diferentes decisores tienen un valor subjetivo distinto. Por eso, lo que se debe calcular y comparar NO son los valores medios esperados del B sino de la utilidad.

CDG

10.3. DECISIONES EN CONDICIONES DE RIESGO

FUNCIN DE UTILIDAD: Es la relacin entre utilidad (tiles) y dinero (um). El decisor intenta maximizar su utilidad esperada. Si representamos la funcin de utilidad en un diagrama cartesiano (eje X dinero-riesgo y eje Y utilidad), podemos obtener las siguientes actitudes hacia el riesgo: - cncava hacia abajo aversin al riesgo - cncava hacia arriba propensin al riesgo - lnea recta indiferencia al riesgo
CDG

Utilidad

Cambios en la utilidad ante variaciones de X en la misma cantidad

X1

X2

Dinero-Riesgo

Cmo es este decisor?

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE

Conocemos los posibles Ej pero NO es posible describir su ley de probabilidad por medios objetivos. La incertidumbre puede venir por el desconocimiento de: - Los parmetros que definen los Ej - La naturaleza de la ley de probabilidades

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Dos formas de tomar decisiones en condiciones de incertidumbre: 1) Asimilar la situacin de incertidumbre a una situacin de riesgo: atribuyendo probabilidades a priori (subjetivas) y aplicando el VE

2) Utilizar criterios de seleccin aparentemente objetivos

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Laplace Criterio de Wald o pesimista Criterio Optimista Criterio de Hurwicz o de optimismo parcial Criterio de Savage

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Laplace Ignorancia completa Se suponen todos los Ej equiprobables P(Ej)=1/j VE(Ai)= [Rij * P(Ej)] Si maximizamos Ai para la que el VE sea mximo Si minimizamos Ai para la que el VE sea mnimo

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Wald o pesimista La naturaleza presentar siempre el estado ms desfavorable cualquiera que sea la Ai elegida por el sujeto decisor. Si maximizamos Maxmin maximiza el beneficio mnimo Si minimizamos minMax minimiza el coste mximo

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio Optimista Opuesto al anterior, se supone que la naturaleza presentar siempre el Ej ms favorable.

Si maximizamos MaxMax Si minimizamos minmin

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Hurwicz o de optimismo parcial Refleja qu importancia concede el decisor a que se den las consecuencias ms extremas, ponderndolas. Se establece subjetivamente un coeficiente de optimismo del decisor: 0 1 Mi = mayor elemento de la Ai mi = menor elemento de la Ai Para =0 este criterio tiene el mismo resultado que el pesimista y para =1 que el optimista.
CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Hurwicz o de optimismo parcial Si maximizamos: Se elige Ai para la que Mi + (1-)mi sea mximo. Si minimizamos: Se elige Ai para la que mi + (1-)Mi sea mnimo.

CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Savage

Sirve de base de decisin para individuos que quieren hacer mnima su prdida de oportunidad mxima. Si maximizamos: Matriz de prdidas de oportunidad [rij]: se obtiene restando a los elementos de cada columna de los estados de la naturaleza el mximo de la misma, en valor absoluto.
rij = /Rij - mx(Rij)/
CDG

10.4. DECISIONES EN CONDICIONES DE INCERTIDUMBRE Criterio de Savage Se elige la Ai para la que el mximo de la fila sea mnimo minMax. rij= diferencia negativa entre el resultado que realmente se obtiene y el que podra haberse obtenido si se hubiese sabido que se iba a dar ese Ej. Si minimizamos: Matriz de prdidas de oportunidad [rij]: se obtiene restando a los elementos de cada columna el mnimo de la misma. Se elige la Ai para la que el mximo de la fila sea mnimo minMax.
CDG

Bibliografa Miranda, Rubio, Chamorro y Baegil (2005): Manual de direccin de operaciones. Suplemento 3: Teora de Decisin. Aguado, Martnez Redondo y Campo (2002): Mtodos de decisin. Ejercicios resueltos.

También podría gustarte