PROGRAMA DE INVESTIGACIN DE OPERACIONES

UNIDAD I: TOMA DE DECISIONES

INTRODUCCIN.
En gran medida, los xitos o fracasos que una persona experimenta en la vida
dependen de las decisiones que toma. Una decisin puede hacer la diferencia entre
una carrera exitosa y una fracasada. La teora de la decisin es un mtodo
sistemtico para estudiar la toma de decisiones.

Una buena decisin es aquella que est basada en la lgica, que considera todos
los datos y alternativas posibles, y que aplica el enfoque cuantitativo. En ocasiones,
una buena decisin genera un resultado inesperado o desfavorable. Sin embargo,
si se toma correctamente, todava es una buena decisin. Una mala decisin es la
que no est basada en la lgica, no emplea toda la informacin disponible, no
considera todas las alternativas y no utiliza las tcnicas cuantitativas apropiadas. Si
se toma una mala decisin, pero se tiene la suerte de que ocurra un resultado
favorable, aun as esta decisin es una mala decisin. A pesar de que
ocasionalmente las buenas decisiones generan malos resultados, a largo plazo, el
uso de la teora de la decisin engendrar resultados exitosos. Un administrador
exitoso ser el que tome buenas decisiones en forma consistente.

El proceso de toma de decisiones:

Una decisin puede definirse como el proceso de elegir la solucin para un
problema, siempre y cuando existan al menos dos soluciones alternativas. Es
evidente que deben llevarse a cabo varias acciones antes de tomar una decisin.

Las seis fases del proceso de toma de decisiones:

1. Identificar con claridad el problema en cuestin.
2. Elaborar una lista con las posibles alternativas.
3. Identificar los posibles resultados o estados de la naturaleza.
4. Listar el pago o la utilidad de cada combinacin de alternativas y
resultados.
5. Seleccionar uno de los modelos matemticos del proceso de toma de
decisiones.
6. Aplicar el modelo y tomar su decisin

Se utilizar el caso de Thompson Lumber Company como ejemplo para ilustrar

estas fases de la teora de la decisin, John Thompson es el fundador y presidente
de Thompson Lumber Company, una empresa rentable localizada en Portland
Oregon.
Fase 1. El problema que John Thompson enfrenta es si le conviene expandir su
lnea de productos mediante la fabricacin y comercializacin de un nuevo producto,
cobertizos de almacenamiento para patios traseros.
1
La segunda fase de Thompson consiste en elegir las alternativas que estn
disponibles para l. En la teora de las decisiones, una alternativa se define como
un curso de accin o estrategia que puede elegir quien toma las decisiones.
Fase 2. John decide que sus alternativas son construir
1) Una planta grande nueva para producir los cobertizos de almacenamiento,
2) Erigir una planta pequea,
3) No construir ninguna planta (por ejemplo, tiene la opcin de no desarrollar la
nueva lnea de productos.
Uno de los errores ms grandes que cometen quienes toman las decisiones es no
considerar algunas alternativas importantes. A pesar de que una alternativa en
particular pudiera ser inapropiada o de valor reducido, podra ser la mejor opcin.
La siguiente fase consiste en identificar los posibles resultados de las diversas
alternativas. Quienes toman las decisiones y son optimistas tienen la tendencia a
ignorar los resultados negativos, mientras que aquellos que tienen una actitud
pesimista podran dejar de considerar un resultado favorable. Si usted no considera
todas las posibilidades, no tomar una decisin lgica y los resultados podran no
ser deseables. En la teora de las decisiones, los resultados sobre los cuales quien
toma las decisiones tiene poco o ningn control, se conocen como estados de la
naturaleza.
Fase 3. Thompson determina que slo hay dos resultados posibles: el mercado para
los cobertizos de almacenamiento podra ser favorable, lo que significara una gran
demanda del producto, o bien, podra no ser favorable, es decir que la demanda de
este producto sera baja.
Una vez que se han identificado las alternativas y los estados de la naturaleza, la
siguiente fase consiste en expresar los pagos obtenidos a partir de cada
combinacin posible de alternativas y resultados. En la teora de las decisiones, se
conoce a tales pagos o beneficios como valores condicionales. Desde luego que no
se puede basar cada decisin exclusivamente en dinero, pues cualquier medio
apropiado para medir la ganancia, tambin es apropiado.
Fase 4. Debido a que Thompson quiere maximizar sus utilidades, se puede utilizar
la utilidad para evaluar cada consecuencia.
John Thompson ya ha evaluado las utilidades potenciales asociadas con los
diversos resultados.

Tabla de decisin (Tabla de pagos)

Mercado favorable Mercado no favorable
Fbrica grande 200,000 -180,000
Fbrica pequea 100,000 -20,000
No hacer nada 0 0

2
Fases 5 y 6. Las ltimas dos fases tienen la funcin de seleccionar el modelo de
teora de la decisin y aplicarlo a los datos para ayudar a tomar una decisin. La
seleccin del modelo depende del ambiente en el que se est operando y del riesgo
e incertidumbre implicados.

Otro ejemplo.
CASO
PIZZERA ASHLEY

Ashley Washington ha tenido mucho xito con su forma novedosa de fabricar y

vender pizzas a estudiantes del State College. Al mezclar los principales
ingredientes de las pizzas y hornearlas por anticipado, ha podido hacer que el
tiempo de espera de sus clientes sea muy breve en comparacin con el de
restaurantes de la competencia. Aunque a los estudiantes les gusta mucho su
mtodo, y ha vendido una gran cantidad de pizzas, en ocasiones Ashley se ha visto
obligada a tirar un gran nmero de pizzas horneadas con anticipacin debido a que
la demanda fue inferior a lo que haba anticipado. Por esta razn, est buscando
una poltica que pueda utilizar para decidir cuntas pizzas debe hornear con el
objeto de maximizar las utilidades.

Ashley ha reducido sus alternativas a slo 4 posibilidades: hornear 150, 160, 170 o
180 pizzas. Ha estudiado los patrones previos de demanda para determinar el
nmero de pizzas que se solicitaron por da, en los ltimos 100 das. Ha encontrado
lo siguiente (y se ha redondeado el nmero de pizzas al mltiplo de 10 ms
cercano):

Nmero de pizzas que se solicitan Nmero de das

150 20
160 40
170 25
180 15
Total das 100

Ashley ha determinado que muy pocas veces ha tenido una demanda inferior a 150
pizzas o mayor a 180; por eso redujo las alternativas a las cuatro cantidades
mencionadas por da. Este es un ejemplo del uso de poltica satisfaciente para
reducir el nmero de alternativas.

Ashley ha determinado que gana $2 por cada pizza que vende y pierde $1 por cada
pizza que no vende. Con esta informacin es posible construir una tabla de
utilidades para cada una de las polticas de nmero de pizzas por hornear y por
cada nivel de ventas.

3
 Nmero de pizzas que se Demanda de pizzas
hornean con anticipacin 150 160 170 180
150
160 290
170
180
Tabla de utilidades para la Pizzera Ashley

En esta tabla, si la demanda de pizzas es superior al nmero que se ha horneado

se asume que el cliente no espera y se pierden las utilidades que hubieran podido
obtenerse.

Para ilustrar los clculos de la tabla, considere el caso en el que se hornearon

previamente 160 pizzas, pero se vendieron slo 150. En esta situacin, la utilidad
bruta sera $2 X 150 = $300, habiendo perdido $10 por las pizzas que no se
vendieron y, por ello, se obtendra una utilidad neta de $290. Es posible utilizar la
tabla para determinar el nmero de pizzas que deben hornearse previamente para
maximizar las utilidades de la pizzera.

Antes de decidir cul es la poltica ptima, Ashley tambin est considerando mudar
su pizzera a un nuevo local. Ha concluido que existen slo tres alternativas de entre
las que puede escoger. Estas son: permanecer en donde est, mudarse a Baxter
Street, cerca de los nuevos dormitorios o mudarse a Epps Bridge Road, en donde
se rumora que se construir un nuevo complejo de departamentos pensado para
estudiantes. Su decisin se ver influenciada por acciones externas sobre las cuales
no tiene control. Estas acciones externas son las decisiones que otras personas
tomarn. Adems del nuevo complejo de departamentos que se rumora se
construir, existe tambin la duda de si la administracin de la universidad cerrar
los 1,800 dormitorios existentes y enviar esos estudiantes a los nuevos dormitorios
de Baxter Street. Con la ayuda de un asesor financiero, Ashley ha pronosticado el
valor actual de cada una de las decisiones, tomando en cuenta las dos acciones
externas (que se consideran mutuamente excluyentes), junto con la posibilidad de
que no ocurra ninguna de las dos acciones. Estos valores se muestran a
continuacin:

Accin externa
Decisin Ninguna Cerrar los Construir nuevos
antiguos departamentos
dormitorios
No mudarse +$100,000 +$50,000 +$20,000
Baxter St. +$40,000 +$150,000 +$25,000
Epps Bridge Rd. -$20,000 +$20,000 +$200,000

4
Puesto que esta decisin sobre ubicacin se tomar slo una vez, no existen datos
previos que puedan utilizarse para auxiliar en la decisin. Sin embargo, de alguna
manera Ashley debe tomar una decisin.

Anlisis preliminar del caso de la Pizzera Ashley.

En este caso, nos enfrentamos a dos decisiones que Ashley Washington debe tomar
con respecto a la operacin de su restaurante de pizzas, los cuales son ejemplos
de tipos de decisiones que deben tomarse cotidianamente en los negocios. La
primera decisin, que se refiere al nmero de pizzas que han de hornearse con
anticipacin, es del tipo de las que deben tomarse todos los das que la pizzera
opera. En consecuencia, existen datos previos que pueden utilizarse para ayudar a
tomar esa decisin sobre poltica. Estos datos previos pueden emplearse para
calcular probabilidades, las cuales se generan a partir de datos existentes y pueden
utilizarse para determinar una decisin sobre poltica que proporcione el mximo de
utilidades. Recuerde que la probabilidad es una forma de evaluar la posibilidad de
que ocurra un evento. Si p es la probabilidad de que ocurra un evento, entonces 0
p 1. Conforme ms cercana est p a 1, es ms probable que ocurra el evento.
La segunda decisin es del tipo de las que no tienen informacin previa disponible.
Las decisiones de este tipo se toman slo una vez. Deben basarse en los resultados
posibles que han de ocurrir y en la forma en que stos afectan a quien toma las
decisiones. Para tomar esas decisiones, el que toma las decisiones puede utilizar
criterios de toma de decisiones que no tomen en cuenta las probabilidades. Por otro
lado, el que toma las decisiones podra utilizar probabilidades subjetivas para
determinar una decisin. Las probabilidades subjetivas las genera cada individuo
que toma decisiones, sin el uso de datos previos.

OBJETIVO 1. AMBIENTES Y CRITERIOS PARA LA TOMA DE DECISIONES

Terminologa de modelos de toma de decisiones.

Al igual que con cualquier tipo de modelo, los modelos de toma de decisiones tienen
una terminologa propia. Esta terminologa describe las tres partes esenciales de
una decisin:

1. Las decisiones alternativas de entre las cuales el que toma las decisiones
puede elegir.
2. Los estados de la naturaleza, o acciones externas que enfrenta la persona
encargada de tomar las decisiones.
3. El resultado que se obtiene por el uso de una alternativa determinada
cuando se presenta cierto estado de la naturaleza.

Se analizan estas tres partes en forma separada, antes de continuar con los
diversos modelos de toma de decisiones. Se analiza tambin el uso de los rboles

5
de decisin como medio para estructurar estas tres partes esenciales de una
decisin.

Decisiones alternativas.
Cuando el que toma la decisin enfrenta un problema que requiere una decisin,
una de las acciones que debe emprender antes de llegar a una decisin, es
determinar las alternativas sobre las cuales se basar la decisin final. En el caso
de la Pizzera, Ashley tiene cuatro alternativas relacionadas con el nmero de
pizzas que debe hornear con anticipacin (150, 160, 170 o 180 pizzas). Tambin
tiene tres alternativas con respecto a la ubicacin (no mudarse, Baxter Street o Epps
Bridge). Este caso ilustra el hecho de que no hacer cosa alguna es tambin una
alternativa que quien toma decisiones debe considerar. Observe tambin que slo
se consideran alternativas en verdad viables es una forma de la caracterstica de
satisfaciente.

Los estados de la naturaleza.

Una persona que toma decisiones y que enfrenta una situacin de decisin en la
que pueden producirse resultados mltiples a partir de una estrategia determinada,
enfrenta estados de la naturaleza mltiples o acciones externas mltiples. Los
estados de la naturaleza son las circunstancias que afectan el resultado de la
decisin pero que estn fuera del control del que toma las decisiones. Tambin se
les denomina acciones externas porque son situaciones que le son externas.
En el caso de la Pizzera Ashley, en la cual se va a tomar una decisin con respecto
a cuntas pizzas deben hornearse, los estados de la naturaleza se refieren a los
niveles de demanda para las pizzas. Es decir, Ashley no puede controlar el nmero
de pizzas que le solicitarn una noche determinada; aun as, este nivel de demanda
tendr efectos sobre las utilidades que obtenga por cualquier decisin que tome.

Con respecto a las decisiones sobre ubicacin, de nuevo Ashley enfrenta tres
estados de la naturaleza sobre los cuales no tiene control. Estos estados de la
naturaleza estn influidos por las decisiones que alguna otra persona tomar con
respecto a los antiguos dormitorios y los nuevos departamentos. Las decisiones
tendrn un efecto inevitable sobre el valor presente de las utilidades, y esto sin
importar que decisin tome Ashley con respecto a la ubicacin.

El concepto primordial que debe recordarse acerca de los estados de la naturaleza,

es que se trata de condiciones externas que tienen efecto sobre los resultados que
se obtienen de diversas decisiones alternativas. De nuevo, y al igual que en la
seleccin de alternativas, es importante considerar slo condiciones del medio
ambiente que tengan un efecto significativo sobre los resultados.

6
Resultados.
Para cada combinacin de estrategia y estado de la naturaleza habr un resultado.
Este resultado puede expresarse en trminos de utilidades (como en el caso del
problema de elegir el nmero de pizzas que deben hornearse), puede expresarse
en trminos de valores presentes (como en el caso de la decisin sobre la
ubicacin), o puede expresarse en trminos de alguna medida no monetaria.
Para determinar los resultados es necesario considerar todas las posibles
combinaciones de decisiones y de estados de la naturaleza para determinar el
resultado que se obtendra si se utiliza una alternativa dada y si ocurre un estado
especfico de la naturaleza. Por ejemplo, en el problema de la ubicacin de la
pizzera, si Ashley decidiera no mudarse y se cerrarn los antiguos dormitorios, se
calcul que el resultado sera $50,000. En esa situacin, dado que haba tres
alternativas y tres estados de la naturaleza, existen 3 X 3 = 9 resultado que deben
calcularse. En general, si existen k alternativas y n estados de la naturaleza, ser
necesario calcular (k x n) resultados. Con bastante frecuencia los resultados
tambin se denominan pagos y una tabla de resultados se denomina tabla de
pagos.

OBJETIVO 2. TOMA DE DECISIONES BAJO MODELOS DE CERTIDUMBRE,

INCERTIDUMBRE Y RIESGO.
En esta seccin se manejan tres clases de problemas de decisin contra la
naturaleza. Cada clase se define mediante conjetura sobre el comportamiento de la
naturaleza. Las tres clases de decisiones son bajo certeza, riesgo e incertidumbre.

Toma de decisiones bajo certidumbre.

Una decisin bajo certeza es aquella en la que se sabe cul estado de la naturaleza
ocurrir. O de otro modo, se puede pensar en un caso en el que hay solo un estado
natural. Por ejemplo, supngase que por la maana est decidiendo si lleva
paraguas al trabajo o no y que sabe con seguridad que cuando salga de trabajar en
la tarde estar lloviendo. En la tabla de retribuciones se representa un costo de
$7.00 por mandar el traje a la tintorera si es sorprendido por la lluvia. Entra a la
tabla con signo menos dado que es una tabla de retribuciones. Es obvio que la
decisin ptima consiste en llevar paraguas.

Lluvia
Llevar paraguas $ 0.00
No llevarlo - $ 7.00

Desde el punto de vista conceptual es fcil resolver un problema que slo tiene un
estado natural. Basta con elegir la decisin que produce el mximo rendimiento. En
cambio, en la prctica encontrar tal decisin puede ser otra historia.

7
Toma de decisiones bajo riesgo.
Una caracterstica de muchos, si no es que la mayora, de los problemas de decisin
del administrador, es la falta de certidumbre. Considere como cambiaran las
decisiones del vicepresidente financiero de una compaa de seguros si conociese
con exactitud qu cambios ocurriran en el mercado de valores. Imagine el alivio del
jefe de compras de la Bloomingdale si conociese con precisin cuantos abrigos de
mink de cuerpo entero se vendern en su tienda este ao. Este alivio sera
compartido por los manufactureros de abrigos de mink y an por los que cran los
mink.
Parece bastante claro que los numerosos problemas de decisin se caracterizan
por la falta de certidumbre. Tambin es claro que aquellos que trabajan con estos
problemas en la realidad, ya sea mediante la habilidad o la suerte, con frecuencia
son recompensados ampliamente por sus habilidades.

Definicin del riesgo.

Cuando hablamos de decisiones de riesgo nos referimos a la clase de problemas
de decisin para los cuales hay ms de un estado de la naturaleza y para los que
tomamos la suposicin de que el que toma la decisin puede estimar la probabilidad
con la que ocurrir cada estado de la naturaleza. Por ejemplo, el vendedor de
peridicos puede comprar peridicos a $10 cada uno y venderlos a $25. Sin
embargo, la demanda no se conoce con certeza. El supone que es igualmente
probable cualquier demanda entre 1 y 100. Para propsitos ilustrativos y fciles de
calcular, supngase que el esperaba la siguiente distribucin de probabilidad de la
demanda:

Probabilidad (demanda = 0) = P0 = 1/10

Probabilidad (demanda = 1) = P1 = 3/10
Probabilidad (demanda = 2) = P2 = 4/10
Probabilidad (demanda = 3) = P3 = 2/10

En este problema, cada uno de los cuatro valores diferentes de la demanda es un

estado de la naturaleza distinto, y la decisin es el nmero de peridicos por
ordenar. Los rendimientos o retribuciones, de este problema aparecen en la
siguiente tabla:

ESTADO DE LA NATURALEZA (DEMANDA)

DECISIN 0 1 2 3
0 0
1 -10 15
2
3
PROBABILIDAD (1/10)
Tabla de retribuciones (flujo neto de efectivo) para el problema del vendedor de peridico.

8
Los datos de esta figura representan el flujo de efectivo neto asociado con cada
combinacin de nmeros por ordenar y demandado. Estos datos se calculan
mediante la expresin:

Retribucin = 25 (nmero de peridicos vendidos) 10 (nmero de peridicos ordenados)

Donde el precio de venta por peridico es de $25 y el de compra es de $10. Es

importante anotar que en este modelo las ventas y la demanda no son
necesariamente idnticas. En realidad, la venta es el mnimo de entre las dos
cantidades (nmero ordenado, nmero demandado). Por ejemplo, cuando no hay
pedido de peridicos claro est que no podr haber ventas, sin importar cul sea la
demanda. Por lo tanto, para todos los elementos en el primer rengln la expresin
anterior para el pago da
25 (0) 10 (0) = 0.

Si se ordena un peridico y no hay demanda alguna, entonces ninguno se vende y

el pago es
25 (0) 10 (1) = -10,

que es el primer elemento en el rengln 2. Sin embargo, si se ordena un peridico

y la demanda es de 1 o ms entonces se vender exactamente 1 y el pago se
convierte en
25 (1) 10 (1) = 15.

Realice el clculo de todos los valores.

Decisin $25 x Nmero de Menos $10 x Nmero Retribucin
de peridicos vendidos de peridicos
comprar ordenados
0 $25 ( 0 ) - $10 (0) =$0
0
0
0
1
1
1
1
2
2
2
2
3
3
3
3

9
El proceso para encontrar la decisin ptima es puramente mecnico. sese la
expresin siguiente
REJ = (r decisin1, estado de la naturaleza1) (p estado de la naturaleza1 )+ ri2 p2 + + = rim pm

para evaluar el rendimiento esperado RE j para cada decisin (REj, para i=0,1,2,3) y
escjase la mayor. Por ejemplo, si ordena dos peridicos:
RE2 = -20 (1/10) + 5 (3/10) + 30 (4/10) + 30 (2/10) = 17.5

El primer trmino es el rendimiento que se obtiene al ordenar 2 peridicos con

demanda cero, multiplicada por la probabilidad de que la demanda sea cero. El
segundo trmino es el rendimiento que se obtiene cuando se ordenan 2 peridicos
y la demanda es 1 por la probabilidad de que la demanda sea 1 peridico. Los
dems trminos se definen de manera semejante.

Calcule:
RE0 =

RE1 =

RE2 =

RE3 =

Puesto que RE2 es el mayor de los cuatro valores, la decisin ptima consiste en
ordenar 2 peridicos. Mediante este ejemplo, hemos ilustrado otra clase de
problemas de decisin (decisiones bajo riesgo) y el criterio de decisin asociado
(maximizar el rendimiento esperado)

Toma de decisiones bajo incertidumbre.

En este caso una vez ms tenemos un estado posible de la naturaleza, pero ahora,
el que toma las decisiones no quiere o no puede especificar las probabilidades de
que ocurran los diversos estados de la naturaleza. Hay un enorme debate sobre si
tal situacin puede existir o no; es decir, estar dispuesto el que toma las
decisiones a especificar, al menos subjetivamente, las probabilidades aun cuando
no sepa mucho (o nada) respecto a que estado de la naturaleza est en situacin
de ocurrir? Dejando a los filsofos este debate, volvamos a los diversos enfoques
que se han sugerido para esta clase de problemas.

Segn el criterio de Laplace (igualdad de probabilidades).

Este enfoque interpreta la condicin de incertidumbre como equivalente al
supuesto de que todos los estados de la naturaleza tienen la misma probabilidad.
El punto de vista es este: si nada s, entonces todo es igualmente probable. Por
ejemplo, en el problema del vendedor de peridicos, tenemos la tabla de
retribuciones siguiente:
10
 ESTADO DE LA NATURALEZA (DEMANDA)
DECISIN 0 1 2 3
0 0 0 0 0
1 -10 15 15 15
2 -20 5 30 30
3 -30 -5 20 45
Probabilidad=

Suponer que todos los estados naturales tengan la misma probabilidad significa
que, dado que son cuatro, la probabilidad de que ocurran es de 0.25 para cada uno
(1/4). La eleccin de estas probabilidades convierta al problema en una decisin
bajo riesgo y entonces se puede calcular el rendimiento esperado.se puede verificar
con facilidad que el rendimiento esperado sera otra vez maximizado por la decisin
2.

Aunque en algunas situaciones este enfoque de igual probabilidad puede producir

resultados aceptables, en otras podra ser inadecuado. Por ejemplo, considere un
amigo en Yugoslavia en relacin con el juego de ftbol entre Notre Dame y la USC
en un ao en el que un equipo est padeciendo una mala temporada en tanto que
el otro es el gran favorito en las apuestas. Aunque su amigo no sepa nada de ftbol
y carezca de conocimiento sobre la probabilidad de que gane cualquier equipo, en
realidad estas probabilidades existen y no son iguales. En otras palabras, aun
cuando se tengan conocimiento nulo, pueden existir probabilidades subyacentes
en los diversos estados de la naturaleza y sin que sean consecuentes con la
suposicin de igual probabilidad.

Por esta argumentacin, puede haber contextos en los que no se desee usar
criterios de rendimiento esperado basados en el supuesto de igual probabilidad
(como el criterio de Laplace).

La falta de conocimientos significa igual probabilidad?

Para tales casos, hay tres criterios diferentes que se pueden usar para tomar
decisiones bajo incertidumbre: maximin, maximax y perjuicio minimax. Todos estos
criterios funcionan sin necesidad de especificar probabilidades. El estudio se ilustra
con el vendedor de peridicos. Observe un momento la tabla de retribuciones
anterior y reflexione cul criterio se podra usar para tomar una decisin. Con esto
queremos decir que piense en una regla que pueda describir a un amigo. Debe ser
una regla general que su amigo pueda aplicar en cualquier tabla de retribuciones
para tomar una decisin. Recuerde que desea tomarla sin supuestos sobre las
probabilidades de los estados de la naturaleza. Considere ahora los siguientes
criterios.

11
Criterio maximin.
Este es un tratamiento conservador en extremo, o quizs pesimista, para la toma
de decisiones. En l cada decisin se evala segn lo peor que puede suceder al
tomarla. Entonces en este caso cada decisin se evala por el rendimiento mnimo
posible asociado con ella. En el ejemplo del vendedor de peridicos el mnimo
rendimiento posible si se ordenan tres peridicos es - 30; entonces, este valor se
asigna a la decisin ordenar tres peridicos. En forma semejante, podemos
asociar a cada decisin el valor mnimo de su rengln. Siguiendo esta regla, el
que toma las decisiones puede elaborar la siguiente tabla.
Decisin Rendimiento mnimo
0
1
2
3 - 30
El elige despus la decisin que produzca el mximo valor de los rendimientos
mnimos (de ah lo de maximin). Entonces, en este caso el vendedor de peridicos
elegir ordenar 0 peridicos.

Este resultado no apela a la intuicin. Un hombre prctico se preguntara cmo se

puede iniciar una actividad con semejante criterio. Los que creen en el criterio
maximin pueden argumentar que este ejemplo no es adecuado, puesto que el
vendedor de peridicos no se dedicara a vender peridicos a menos que supiese
algo de la distribucin de la demanda. El criterio maximin se usa a menudo en
situaciones en las que quien planea siente que no puede arriesgarse a fallar. La
planeacin en cuestiones de defensa podra ser un ejemplo. El que planea elige una
decisin que resulte mejor en el peor caso posible (lo ms pesimista).

Criterio maximax.
Este criterio es tan optimista como el maximin es pesimista. Evala cada decisin
conforme a lo mejor que puede suceder si se le toma. Entonces, en este caso evala
cada decisin por el mximo rendimiento posible asociado con l. En concreto,
refirmonos otra vez a la tabla de retribuciones en el problema del voceador. Si el
vendedor de peridicos ordena 2 peridicos, el mejor resultado posible sera una
utilidad de 30. Por lo tanto, este valor sera asignado a la decisin ordenar dos
peridicos. Dicho de otro modo, para cada decisin se identifica el valor mximo
de ese rengln. Usando esta regla el que tomara las decisiones elaborara una tabla
como la siguiente:
Decisin Rendimiento mximo
0
1
2
3 45

12
Despus selecciona la decisin que produce el mximo de estos rendimientos
mximos (de ah lo de maximax). Entonces, en este caso el vendedor de peridicos
ordenar 3 peridicos.

Perjuicio (o prdida) minimax.

Se introduce un nuevo concepto para medir lo deseable de un resultado; es decir,
un nuevo modo de construir la tabla de rendimientos. Hasta aqu, todos los criterios
de decisin se han aplicado a una tabla de rendimientos en dinero, como medida
de flujo neto de efectivo.

Pasos para obtener la tabla de perjuicio (o prdida) por cada combinacin de

decisiones y estados de la naturaleza.
ESTADO DE LA NATURALEZA (DEMANDA)
DECISIN 0 1 2 3
0
1
2 30
3
Probabilidad (1/10) (3/10) (4/10) (2/10)

1. Encontrando el mximo elemento de cada columna (por ejemplo, 30 es el

dato ms grande de la tercera columna, o sea la columna del estado de la
naturaleza 2)
2. Calculando el nuevo elemento restando el dato actual al mximo de la
columna. Entonces, el nuevo elemento del rengln 2, columna 3, es

Mximo de la columna
30 15 = 15 nuevo elemento rengln 2, columna 3
Elemento actual rengln 2, columna 3
TABLA DE PERJUICIOS (O TABLA DE PRDIDAS)
Estado de la naturaleza
Decisin 0 1 2 3
0
1
2 0
3
Probabilidad (1/10) (2/10) (4/10) (2/10)

En cada columna, estos nuevos elementos, llamados perjuicios (o prdidas), indican

cmo se pudo hacer mejor. En otras palabras, perjuicio es sinnimo de costo de
oportunidad perdido al no tomar la mejor decisin para un estado de la naturaleza
dado. De ellos se sigue que al que toma las decisiones le gustara tomar la que
minimiza los perjuicios; pero (otra vez la vieja historia) l no sabe qu estado de la
13
naturaleza ocurrir. Si conociera la distribucin de probabilidad de los estados de la
naturaleza, podra minimizar perjuicios (o prdidas) esperados. Si no conoce las
probabilidades, la sugerencia ordinaria es que use el criterio conservador minimax,
que consiste en elegir la decisin que resulte lo mejor para el peor de los casos (o
sea la que tiene el menor de los perjuicios (o prdidas) mximos.
Por ejemplo, considrese la tabla de perjuicios (o prdidas) del problema del
voceador. Si se ordena un peridico, la mxima pena de 30 ocurre si hay una
demanda de tres peridicos. Entonces se asocia el valor 30 a la decisin ordenar
un peridico. En otras palabras, el valor mximo de cada rengln se asocia son la
decisin de ese rengln. Siguiendo esta regla se obtiene la tabla siguiente:

Decisin Perjuicio mximo

0 45
1
2
3

El que toma las decisiones elige entonces la que minimiza los perjuicios mximos.
En este caso, el criterio de perjuicios minimax implica que el vendedor de peridicos
debe ordenar 2 peridicos. Nuestro ejemplo del vendedor de peridicos ilustra que,
cuando se toman decisiones sin usar probabilidades, los tres criterios (maximin de
flujo de efectivo, maximax del flujo de efectivo y minimax del perjuicio) producen
diferentes decisiones ptimas

Toma de decisiones bajo riesgo.

Regresemos al problema bajo riesgo del vendedor de peridicos (o sea, con una
distribucin de probabilidad de la demanda). Recurdese que en este caso la
poltica ptima fue ordenar dos peridicos y que el rendimiento esperado fue 17.5.
Es til pensar este problema en una forma muy estilizada con el objeto de introducir
el concepto de valor esperado de la informacin perfecta. En particular, supngase
que la secuencia de eventos en el da de un vendedor de peridicos (la secuencia
ordinaria de eventos) se desarrolla de esta manera:
1. El diablo, manipulando la distribucin de la demanda de peridicos,
determina el nmero de los que sern solicitados.
2. El vendedor de peridicos, sin saber la demanda que ha sido determinada,
pero conociendo la distribucin de la demanda, ordena sus peridicos.
3. La demanda es revelada despus al vendedor de peridicos y el alcanza un
rendimiento verdadero (en oposicin al esperado) determinado por su
decisin del tamao del lote y la demanda.

Considrese ahora un nuevo escenario. El voceador tiene oportunidad de hacer un

pacto con el diablo. (Si esto le parece disparatado, recuerde que fausto es

14
igualmente improbable (s. XV) Personaje legendario alemn. Su leyenda es la del hombre que
vende su alma al diablo, Mefistfeles, a cambio de la juventud y del placer ) en el nuevo enfoque,
la secuencia de eventos se produce como sigue:

1. El vendedor paga una cuota al diablo.

2. El diablo determina la demanda, como antes.
3. El diablo le dice al vendedor de peridicos cul ser su demanda.
4. El vendedor de peridicos ordena sus peridicos.
5. El vendedor de peridicos logra el rendimiento determinado por la demanda
y el nmero de peridicos que orden.

La pregunta es: Cul es la cuota ms grande que el vendedor de peridicos

estara dispuesto a pagar en el paso 1? esta cuota se llama valor esperado de la
informacin perfecta (VEIP). En trminos generales:

Cuota (VEIP)= RE con el nuevo trato - RE con la secuencia ordinaria del evento.

Con el nuevo enfoque, el voceador siempre ordenar, en el paso 4, el nmero de

peridicos que le d el mximo rendimiento con el estado de la naturaleza que
ocurra. Sin embargo, el pago del paso 1 debe hacerse antes de que l sepa cul
ser la demanda. Sabemos que si la demanda fuera de 0 peridicos, su orden sera
de 0 y disfrutara del rendimiento mximo, 0. Puesto que el diablo est manejando
la distribucin de la demanda, hay una probabilidad de 1/10 de que lo que el
voceador aprenda del diablo es que la demanda ser 0 en efecto. En forma similar,
sabr con probabilidad de 3/10 que habr una demanda de un peridico. Siguiendo
este razonamiento, su rendimiento esperado conforme al nuevo enfoque es (buscar
cantidad mxima por columna y multiplicar por probabilidad):

RE (nuevo) = 0 (1/10) + 15 (3/10) + 30 (4/10) +45 (2/10) = 25.5

Ya hemos visto que, en ausencia de informacin perfecta, su decisin ptima

(ordenar 2 peridicos) da un rendimiento esperado de 17.5. En consecuencia,
podemos calcular el Valor Esperad de la Informacin Perfecta as:

VEIP = 25.5 17.5 = 8.0

Esta es la cantidad mxima que nuestro vendedor estara dispuesto a pagar en el

paso 1 por su pacto con el demonio. Aunque la historia que hemos usado para
desarrollar el concepto es ficticia, el valor esperado de la informacin perfecta
(VEIP) tiene una gran significacin prctica. Es la cuota superior de la cantidad que
se estara dispuesto a pagar por mejorar el conocimiento del estado de la naturaleza
que ocurrir. Se gastan literalmente millones de dlares en diversos proyectos de
investigacin de mercados y otros recursos de verificacin (pruebas geolgicas,
experimentos de control de calidad, etc.) para determinar cul estado de la
15
naturaleza ocurrir en una amplia variedad de aplicaciones. El valor esperado de la
informacin perfecta indica la cantidad prevista que se ganar en cualquier esfuerzo
semejante, con lo que impone una cuota superior a la cantidad que se puede gastar
en recaudar informacin.

El valor esperado de la informacin perfecta siempre es igual al perjuicio esperado

de la decisin ptima bajo riesgo (la decisin que maximice el rendimiento
esperado). Demostraremos que este hecho se cumple en el ejemplo del voceador.

Cuando se especifican las probabilidades de los estados de la naturaleza, resulta

un trabajo directo calcular el perjuicio esperado de cada decisin. Usando la
distribucin de probabilidades y la tabla de prdidas, los clculos de prdida
esperada si se ordenen 0 peridicos son

Prdida esperada (0) = 0 (1/10) + 15 (3/10) + 30 (4/10) + 45 (2/10) = 25.5

El primer trmino es el perjuicio si la demanda es 0 peridicos, multiplicado por la

probabilidad de que esa sea la demanda. El segundo es el perjuicio de que la
demanda sea de un peridico multiplicada por la probabilidad de que esa sea la
demanda, etc.

El perjuicio esperado para los otros pedidos posibles se calcula en forma similar.

Prdida esperada (1) =

Prdida esperada (2) =

Prdida esperada (3) =

Vemos que el pedido de 2 peridicos produce el perjuicio mnimo esperado. Pero

ese pedido era tambin la decisin ptima cuando el criterio consista en maximizar
el rendimiento neto en dinero.

Siempre se da el caso de que, al tomar decisiones bajo riesgo, estos dos

criterios (minimizar el perjuicio esperado, maximizar el rendimiento neto
esperado en dinero) prescriben la misma decisin como ptima.
Y tambin,
El perjuicio esperado de la decisin ptima bajo riesgo (o sea el mnimo
esperado de perjuicio) es igual al valor esperado de la informacin perfecta.

OBJETIVO 3. ENFOQUE CUANTITATIVO EN LA TOMA DE DECISIONES.

El anlisis del proceso de toma de decisiones puede asumir dos formas: cuantitativa
y cualitativa.

16
 - El anlisis cualitativo se basa primordialmente en el razonamiento y
experiencia del administrador; incluye la impresin intuitiva que el
administrador tiene del problema, y es un arte ms que una ciencia.
- Cuando se utiliza el enfoque cuantitativo, el analista se concreta en los
hechos o datos cuantitativos asociados al problema y desarrolla expresiones
matemticas que describen los objetivos, las restricciones y las relaciones
existentes en el problema.

A continuacin, se plantean brevemente algunas razones por las que es posible que
se utilice un enfoque cuantitativo en el proceso de toma de decisiones:

1. El problema es complejo y el administrador no puede llegar a una buena

solucin sin la ayuda del anlisis cuantitativo.
2. El problema es muy importante (por ejemplo, se trata de una gran cantidad
de dinero) y el administrador desea un anlisis completo antes de intentar
tomar la decisin.
3. El problema es nuevo y el administrador no tiene ninguna experiencia en la
cual basarse.
4. El problema es repetitivo y el administrador ahorra tiempo y esfuerzo
apoyndose en procedimientos cuantitativos para tomar decisiones
rutinarias.

El proceso del anlisis cuantitativo.

La mayor parte de los problemas de un negocio u organizacin comienzan con el
anlisis y definicin de un modelo cualitativo y se avanza gradualmente hasta
obtener un modelo cuantificable.

Algunos problemas sin embargo no pueden cuantificarse por:

a) Tcnicas inadecuadas de medicin.
b) Necesidad de muchas variables.
c) Algunas relaciones son desconocidas o especiales.
d) Algunas variables son desconocidas.
e) Algunas relaciones son demasiado complejas.

Cuando el cientfico de administracin como el gerente en el que el problema ha

quedado definido en forma adecuada, el cientfico de administracin comienza su
labor de desarrollar un modelo que se pueda utilizar para representar el problema
en trminos matemticos.

DESARROLLO DEL MODELO.

Los modelos son representaciones de objetos o situaciones reales. Estas
representaciones o modelos se pueden presentar de diversas maneras. Por
ejemplo, un modelo a escala de un avin es una representacin de un avin real.

17
Tipos de modelos:
- Icnicos: son la representacin fsica de algunos objetos, ya sea en forma
idealizada (bosquejos) o a escala distinta de la real. Ejemplos fotografas,
planos o mapas y maquetas o prototipos.
- Analgicos: pueden presentar situaciones dinmicas o cclicas, son usuales
para mostrar las caractersticas dinmicas y las propiedades del
acontecimiento que se estudia. Ejemplo, curvas de demanda, curvas de
distribucin de frecuencias (en estadstica) y diagramas de flujo, velocmetro.
Son adecuados para representar relaciones cuantitativas entre propiedades
de diversos objetos.
- Matemticos. Son modelos que representan un problema mediante un
sistema de smbolos y de relaciones y expresiones matemticas. El modelo
matemtico ms comn es una ecuacin. Por ejemplo, se puede determinar
la utilidad total por la venta de un producto multiplicando la utilidad por unidad
por la cantidad vendida.

El siguiente modelo matemtico define la utilidad total que se obtiene al vender x

unidades.
P = 10 X

X = nmero de unidades que se vendieron

P = utilidad total
10 = utilidad por unidad

El propsito de cualquier modelo es que permite deducir conclusiones acerca de la

situacin real estudiando y analizando el modelo. En general, la experimentacin
con modelos requiere menos tiempo y es menos costosa que la experimentacin
con el objeto o situacin reales. Los modelos tambin tienen la ventaja de que
reducen el riesgo inherente a la experimentacin con la situacin real.

ESTRUCTURA DE UN MODELO MATEMTICO.

Un modelo matemtico comprende principalmente tres conjuntos bsicos de
elementos.
1. Variables de decisin y parmetros.
2. Restricciones.
3. Funcin objetivo.

1. Variables y parmetros de decisin. Las variables de decisin son las incgnitas

(o decisiones) que deben determinarse resolviendo el modelo. Los parmetros son
los valores conocidos que relacionan las variables de decisin con las restricciones
y funcin objetivo. Los parmetros del modelo pueden ser determinsti cos o
probabilsticos.

18
2. Restricciones. Para tener en cuenta las limitaciones tecnolgicas, econmicas y
otras del sistema, el modelo debe incluir restricciones (implcitas o explcitas) que
restrinjan las variables de decisin a un rango de valores factibles.

3. Funcin objetivo. La funcin objetivo define la medida de efectividad del sistema

como una funcin matemtica de las variables de decisin. La solucin ptima ser
aquella que produzca el mejor valor de la funcin objetivo, sujeta a las restricciones.

La funcin objetivo define la medida de efectividad del sistema. Puede ser

maximizar (ganancias) o minimizar (costos).
Cuando se considera inicialmente un problema gerencial, por lo general se
encuentra que la fase de definicin del problema conduce a un objetivo especfico,
tal como la maximizacin de las utilidades o la minimizacin de los costos, y
posiblemente a un conjunto de limitaciones o restricciones, tal como la capacidad
de produccin. El xito del modelo matemtico y del enfoque cuantitativo depende
en gran medida de la precisin con la que pueden expresarse el objetivo y la
restriccin en trminos de ecuaciones o relaciones matemticas.

Por ejemplo, la ecuacin de utilidades P = 10 X sera una funcin objetivo para una
empresa que trata de maximizar las utilidades.

Se requiere una restriccin para la capacidad de produccin si, por ejemplo, se

requieren 5 horas para fabricar cada unidad y slo existieran 40 horas disponibles
por semana, la restriccin del tiempo de produccin est dada por:
5X 40

5X = tiempo total que se requiere para fabricar X unidades;

indica que el tiempo que se requiere para la produccin debe ser menor o igual a
las 40 horas disponibles.

El problema de decisin, es el siguiente: cuntas unidades del producto deben

programarse cada semana con objeto de maximizar las utilidades? Un modelo
matemtico completo para este sencillo problema de produccin es:

MAXIMIZAR P = 10 X (funcin objetivo)

SUJETO A 5X 40 Restricciones
X0

La restriccin X 0 exige que la cantidad o volumen de produccin X sea mayor o

igual a cero, lo cual considera el hecho de que simplemente no es posible fabricar
un nmero negativo de unidades. Es fcil evaluar la solucin ptima de este modelo,
y est dada por X = 8, con una utilidad de $80. Este modelo es un ejemplo de un
modelo de programacin lineal.

19
En el modelo matemtico anterior, la utilidad por unidad ($10), el tiempo de
produccin por unidad (5 horas) y la capacidad de produccin (40 horas) son
factores del medio ambiente que no estn bajo el control del administrador.

A factores del ambiente como stos, que pueden afectar tanto a la funcin objetivo
como a las restricciones, se les denomina insumos incontrolables del modelo. A los
que controla o determina quien toma las decisiones se les llama insumos
controlables del modelo.

OBJETIVO 4. TEORA DE LA UTILIDAD.

La teora de la utilidad trata de explicar el comportamiento del consumidor. Desde
esta perspectiva se dice que la utilidad es la aptitud de un bien para satisfacer las
necesidades. As un bien es ms til en la medida que satisfaga mejor una
necesidad. Esta utilidad es cualitativa (las cualidades reales o aparentes de los
bienes), es espacial (el objeto debe encontrarse al alcance del individuo) y temporal
(se refiere al momento en que se satisface la necesidad).

Esta teora parte de varios supuestos:

El ingreso del consumidor por unidad de tiempo es limitado.
Las caractersticas del bien determinan su utilidad y por tanto afectan las
decisiones del consumidor.
El consumidor busca maximizar su satisfaccin total (utilidad total), y por
tanto gasta todo su ingreso.
El consumidor posee informacin perfecta, es decir, conoce los bienes (sus
caractersticas y precios).
El consumidor es racional, esto quiere decir que busca lograr sus objetivos,
en este caso trata de alcanzar la mayor satisfaccin posible. Esto quiere decir
que el consumidor es capaz de determinar sus preferencias y ser consistente
en relacin con sus preferencias. As, si el consumidor prefiere el bien A
sobre el bien B y prefiere el bien B sobre el bien C, entonces preferir el bien
A sobre el bien C (transitividad).

Una forma de incorporar sus aptitudes para afrontar el riesgo es mostrado en la

teora de utilidad. La siguiente seccin primero explora como medir la utilidad y
luego como tomar decisiones.

MEDIDA DE LA UTILIDAD.
La tasa de la utilidad comienza con la asignacin para el peor resultado y/o para el
mejor resultado una utilidad de 1. Todos los otros resultados tendrn un valor entre
0 y 1.

A continuacin, se muestra que P es la probabilidad de obtener el mejor resultado

y (1 - P) la probabilidad de obtener el peor resultado. Midiendo la tasa utilidad de

20
cualquier otro resultado involucra la determinacin de la probabilidad, P, que te hace
indiferente entre la alternativa 1, el cual es la prdida entre el mejor y el peor
resultado y la alternativa 2 que la obtiene del otro resultado. Por seguridad, cuando
usted es indiferente entre la alternativa 1 y 2 despus la utilidad esperada para estas
2 alternativas deber ser igual.

Esta relacin se muestra a continuacin:

- Utilidad esperada alternativa 2 = Utilidad esperada alternativa 1.
- Utilidad de otros resultados = ( P) (utilidad del mejor resultado, la cual es 1) + (1 -
P) (utilidad del peor resultado, la cual es 0).
- Utilidad de otros resultados = (P)(1) + (1-P) (0) = P.

Ahora, todo lo que usted tiene que hacer es determinar el valor de la probabilidad
(P) que te hace indiferente entre la alternativa 1 y 2. En el establecimiento de la
probabilidad, usted mejor est atento a que la tasa de la utilidad sea completamente
subjetiva. Es un valor establecido por el que hace la decisin y no puede ser medido
en una escala objetiva. Analicemos un ejemplo.

Pablo Petrel Petuma le gustara construir una curva de utilidad que le revele su
preferencia por el dinero entre 0 - $ 10,000. l puede invertir en una cuenta bancaria
o puede invertir su dinero en un negocio.

Si el dinero es invertido en el banco, en tres aos Pablo tendr $5,000, y si se

invierte en un negocio en tres aos $ 10,000 o nada. Pablo, sin embargo, es muy
conservador, a menos de que haya un 80% de oportunidad de obtener $10,000 del
negocio, Pablo preferira tener el dinero en el banco donde est seguro. Lo que
Pablo ha hecho ac es medir su utilidad $5,000. Cuando hay un 80% de oportunidad
(Esto significa que P es 0.80) de obtener $10,000, Pablo es indiferente entre colocar
su dinero en estado real (negocio) o colocarlo en el banco. La utilidad de Pablo de
$5,000 es de alguna manera igual a 0.8, el cual es el mismo que el valor de P, lo
cual es equivalente a la tasa de utilidad. Se recomienda ver video en link
https://www.youtube.com/watch?v=Jg44pkHAjJc

OBJETIVO 5. LA OBTENCIN DE DATOS PARA LA TOMA DE DECISIONES.

FORMAS Y FUENTES DE DATOS.
Es posible que esos datos ya estn anotados en la base de datos de una
computadora (listos para ser importados en una hoja de clculo), que estn
impresos en papel o, lo ms comn, que no hayan sido registrados
sistemticamente, por lo cual se requiere un esfuerzo adicional para su recoleccin.
Los datos pueden ser medidos en libras o toneladas, pesos o dlares. La cuestin
de las unidades suele ser importante cuando se trabaja con datos. Por ejemplo, en
qu moneda debe medir la gerencia de Protrac sus ventas en Europa? Si la

21
respuesta es en dlares, qu tipos de cambios debe aplicar para convertir divisas
extranjeras a dlares? Los tipos de cambio varan de cuando en cuando, y el efecto
de sus variaciones puede introducir slo pequeas imperfecciones en nuestros
clculos, pero tambin es posible que le d a nuestro mundo un aspecto
notablemente distinto. La decisin de cmo recopilar, almacenar e interpretar datos
est gobernada por los usos que se vayan a dar a dichos datos. Por desgracia, es
comn que la informacin reunida en base de datos de empresas haya sido
recopilada con otros propsitos, como informes financieros, por lo cual debe tenerse
mucho cuidado en investigar las fuentes y definiciones de esa informacin, si los
datos van a ser utilizados de nuevo para la construccin de modelos administrativos
y la toma de decisiones.
Los datos pueden provenir de registros del pasado. Los datos pueden ser
generados a travs de observaciones directas o estimaciones realizadas en el
presente. En particular, los datos pueden ser producidos por un modelo que requiera
determinadas decisiones como entradas. Por ltimo, los datos pueden ser
generados mediante pronsticos del futuro.

AGREGACIN DE DATOS.
Una de las consideraciones importantes cuando se usan datos es el grado de
agregacin o consolidacin deseado. Por ejemplo, requiere nuestro modelo datos
sobre las ventas anuales totales de los ltimos cinco aos, o de las ventas anuales
por pas en los ltimos cinco aos, o de las ventas anuales totales por planta en ese
periodo, o de las ventas anuales totales por planta y por producto en ese lapso?
Esta lista de requisitos describe datos en forma cada vez ms disgregada o
pormenorizada. Los datos disgregados tienen ms detalle y su obtencin es, en
general, ms difcil y costosa. Sin embargo, tambin son ms valiosos porque
contienen ms informacin. Adems, es posible agregar datos disgregados, pero
no siempre es posible hacerlo inverso. As, si las ventas totales por planta y por
producto son conocidas, es posible obtener las ventas totales por producto y por
pas, o las ventas totales por pas, o las ventas totales por producto, o las ventas
totales por planta. En cambio, resulta evidente que en este caso no sera posible
partir de las cifras agregadas para extraer de ellas las cifras disgregadas. Los
beneficios de la sntesis de datos que proporcionan la agregacin tienen un costo:
la agregacin renuncia a una parte de la informacin.
Aun cuando los datos disgregados son deseables porque contienen ms
informacin, tambin es verdad que tales datos pueden estar demasiado
disgregados para ser incorporados a una hoja de clculo o para que los use con
comodidad un gerente en particular. En trminos de la decisin de construir o no
nuevas plantas en Europa, los ejecutivos de Protrac pueden tener inters en
comparar una pequea y selecta recoleccin de datos adicionales o agregados. Es
decir, su decisin puede basarse en un modelo simplificado que represente
22
selectivamente la realidad con unos cuantos nmeros seleccionados, escritos en
el reverso de un sobre.
Debe resultar obvio que, pasando por alto los costos del procesamiento, un mayor
nmero de datos slo puede conducir a mejores decisiones. (Si esto no es obvio,
por lo menos debe resultar claro que un mayor nmero de datos no nos puede
conducir a peores decisiones.) No obstante, tambin es cierto que exista un lmite
en el grado de disgregacin que puede digerir cada uno de los individuos que estn
a cargo de tomar decisiones. Por fortuna, los modelos de hoja de clculo electrnica
pueden trabajar con informacin mucho ms detallada que los individuos; sta es
una de las principales justificaciones para utilizarlos. Recuerde que, a medida que
las situaciones administrativas se vuelven ms complejas y sofisticadas, los detalles
adquieren cada vez ms importancia. sin embargo, estamos ante una espada de
dos filos. Si bien los modelos suelen tener datos disgregados, a veces la propia
disgregacin crea problemas insuperables. Por ejemplo, la disgregacin puede dar
lugar a demasiadas variables, con lo cual el modelo resulta demasiado largo e
incmodo para usarse, o puede requerir un trabajo de recopilacin de datos costoso
y prolongado. A este respecto, el equilibrio est entre el ideal de usar la mayora de
los datos disponibles (sumamente detallados y pormenorizados) y la necesidad
prctica de mantener la simplicidad del modelo.

REFINACIN DE DATOS.
El trmino refinacin se emplea a menudo como sinnimo de disgregacin, pero
eso no es del todo correcto. Los datos que estn muy refinados (se les describe a
menudo como altamente estructurados) corresponden a datos muy disgregados,
pero lo inverso no siempre es cierto. Una cantidad considerable de datos puede ser
fcilmente accesible en la base de datos de la red corporativa conocida como
almacn de datos. Es posible que los datos sean pertinentes para la situacin que
usted est estudiando, pero es frecuente que los datos no se encuentren en la forma
apropiada. Tal vez encontremos datos anuales acerca del volumen total de ventas
y datos anuales sobre el nmero total de plantas en operacin, pero para nuestro
modelo podemos requerir las ventas promedio por planta realizadas cada ao.
Dichas ventas pueden calcularse mediante manipulaciones sencillas de los datos
existentes, usando la hoja de clculo electrnica. Este proceso de manipulacin,
mensaje o trituracin de informacin, puede designarse con mayor propiedad
como la refinacin de los datos. Tales procesos de refinamiento pueden requerir
extensivas manipulaciones en la hoja de clculo electrnica, segn el material
disponible y el que usted requiera para la construccin del modelo.

OBJETIVO 6. RBOLES DE DECISIONES.

Un rbol de decisin es un recurso grfico para analizar decisiones bajo riesgo, o
sea problemas en los que se han especificado las probabilidades de los estados de
23
la naturaleza. Con ms precisin, los rboles de decisin se crearon para usarse en
problemas en los que hay una secuencia de decisiones, cada una de las cuales
conduce a uno de entre varios resultados inciertos. Por ejemplo, en general un
concesionario tiene que decidir cunto ofrecer por cada uno de diversos locales en
la feria estatal. El resultado de su decisin es incierta, ya que depende de cunto
ofrecern los competidores. Una vez que conoce su local, debe decidir cunto
alimento almacenar. El resultado de su decisin es incierto en trminos de
rendimientos, ya que depende de la demanda de los consumidores.
Todo el estudio es motivado por el siguiente problema de mercadotecnia que afronta
el administrador de la PROTRAC.

Se acaba de completar la fase de diseo y prueba del producto para la nueva lnea
de tractores de casa y jardn de la PROTRAC. La administracin de ms alto rango
trata de decidir la estrategia adecuada que se usar en la comercializacin y
produccin de estos artculos. Se discuten tres alternativas principales. Cada una
se identifica mediante una sola palabra.
1. Agresiva (A): esta alternativa representa el mayor compromiso de la firma
con su lnea de productos. Se hara una sustanciosa inversin para un medio
de produccin nuevo y eficiente. Se mantendran grandes inventarios para
garantizar la pronta entrega de todos los modelos. Se inicia una gran
campaa de publicidad que abarcara comerciales de televisin, patrocinada
en toda la nacin y descuentos promocionales.
2. Bsica (B): en este plan, la produccin del E-4 (tractor oruga pequeo) se
cambiara de Joliet a Moline. Esta mudanza desfasara al departamento
plagado de dificultades de produccin de mquinas ajustables y
excavadoras. Al mismo tiempo, la lnea E-A en Joliet se modificara para
producir la nueva mquina para casa y jardn. Se conservara inventario slo
de los artculos ms populares. Las oficinas generales proporcionaran
fondos para apoyar la publicidad local o regional, pero sin montar una
campaa publicitaria nacional.
3. Cautelosa (C): en este plan se usara la capacidad excedente de varias
lneas E-4, ya existentes, para producir los nuevos implementos. La nueva
instrumentacin que se desarrollase sera mnima. La produccin se
equiparara para satisfacer la demanda y la publicidad quedara a discrecin
del distribuidor local.

La administracin debe clasificar la condicin del mercado en fuerte (F) y dbil (D).

La tabla siguiente presenta la tabla de retribuciones y la mejor estimacin del

administrador de la probabilidad de un mercado fuerte o dbil. Las retribuciones
anotadas en el cuerpo de la tabla representan beneficios netos cuantificados en
millones. Se obtuvieron mediante un cuidadoso estudio de la ventas, ganancias y

24
costos asociados con cada combinacin cautelosa (C) produce un beneficio mayor
en el mercado dbil que en el fuerte. Cuando el mercado es fuerte y la PROTRAC
precavida, la competencia no solo capta el mercado de tractores pequeos, sino
que como resultado del efecto persistente de esas ventas, la competencia afectara
decisivamente la posicin actual de la PROTRAC en el mercado, en lo relativo a
accesorios y otros productos para el hogar.
ESTADO DE LA NATURALEZA
Fuerte, F Dbil (D)
Probabilidad
DECISIN 0.45 0.55
Agresivo (A) 30 -8
Bsico (B) 20 7
Cauteloso (C) 5 15
Retribuciones (en millones de pesos) y probabilidades para el problema de mercadotecnia.

Aqu estamos trabajando con las llamadas decisiones bajo riesgo y, por supuesto,
es posible calcular el rendimiento esperado para cada decisin y elegir la mejor. Los
clculos son:
RE (A) = 30 (0.45) 8 (0.55) = 9.10
RE (B) =
RE (C) =
La decisin ptima consiste en elegir (B), la estrategia bsica de produccin y
mercadotecnia.

Creacin de un rbol de decisin.

Este problema mercantil tambin se representa mediante un rbol de decisin. En
la figura siguiente se presenta el primer paso de su construccin.

II

A
B
I III

IV

En nuestra exposicin sobre los rboles de decisin, un nodo cuadrado representa

el punto en el que debe tomarse una decisin, y cada lnea que parta de l

25
representar una decisin posible. Los nodos circulares representarn situaciones
en las que no hay certeza en cuanto a los resultados. Cada lnea que parta de un
crculo representar un resultado posible. El trmino rama se usar para designar
las lneas que emanen de los nodos ya sea cuadrados o circulares.

Para el problema de los tractores de casa y jardn, el rbol de decisin muestra el

nodo inicial marcado con I. Dado que es cuadrado, se debe tomar una decisin.
Entonces, la administracin escoger una de las estrategias, A, B, y C. segn la
decisin que se elija, se obtendr una nueva posicin en el rbol. Por ejemplo, elegir
la estrategia A nos lleva del nodo I al nodo II. Como II es un crculo, no se conoce
con certeza la siguiente rama que ocurrir. Si resulta que la condicin del mercado
es fuerte, se obtiene la posicin V, si, por el contrario, resulta un mercado dbil, se
obtiene la posicin VI. Como las posiciones V y VI representan el final del proceso
de decisin, nos referiremos a ellas como posiciones terminales. Tambin, dado
que de los nodos II, III y IV no surgen otros, sern nodos terminales.

El rbol de decisin proporciona un mtodo eficiente para que la administracin

visualice las interacciones que hay entre las decisiones y los eventos que nos son
seguros. No obstante, si la administracin desea usar el rbol de decisiones para
elegir la decisin ptima, debe agregarse alguna informacin adicional al diagrama.
En concreto, se debe asignar el rendimiento asociado a cada posicin terminal. Esta
se llama valor terminal. Tambin se debe asignar una probabilidad a cada rama que
emane de un nodo circular. Para el modelo bsico, sta es una continuacin:

30
F
II D
-8
A 20
B F
I III D
7
C
5
F
IV D
15

Al hecho de usarlo para encontrar la decisin ptima se le llama resolver el rbol.

Para resolver un rbol de decisin se retrocede, dicho en la jerga profesional,
replegando el rbol. Se empieza por replegar las ramas terminales calculando un
valor esperado de cada nodo terminal. Por ejemplo, considrese el nodo II. El
clculo para obtener el valor esperado de este nodo es:

26
 Valor terminal esperado = 30(0.45) + (-8)(0.55) = 9.10

En otras palabras, el valor esperado que se obtiene si se llega desde el nodo II es

9.10. Ahora, se repliegan (esto es, se eliminan) las ramas que emanan del nodo y
se asigna a este valor 9.10 como se ve en la figura:

F 30
Es reemplazado por 9.10
II D II
-8

Repliegue de ramas terminales.

rbol de decisin reducido.

Realizando los mismos clculos para los nodos III y IV se obtiene lo que se llama
rbol de decisin reducido que se muestra a continuacin:
II 9.10

A
B
I III 12.85

IV 10.50
rbol de decisin reducido para el problema de tractores de casa y jardn.

Advirtase que los valores terminales esperados de los nodos II, III, IV son idnticos
a los rendimientos esperados que se calcularon antes en esta seccin para las
decisiones A, B y C, respectivamente. La administracin encara ahora el problema
de escoger las alternativas que produzcan el valor terminal esperado ms elevado.
En este caso, como vimos antes la eleccin es la alternativa B.

Contina el ejemplo de investigacin de mercados.

Recurdese que todo lo que le faltaba a la administracin de la divisin nacional de
tractores de la PROTRAC era instrumentar la estrategia bsica (B) de mercado y
produccin para la nueva lnea de tractores de casa y jardn. El anlisis se bas en
la evaluacin de que P (F) = 0.45, es decir, la probabilidad de un mercado fuerte es
0.45. El consejo directivo les orden ahora que tengan dispuesto un estudio de
mercado antes de decidir qu estrategia elegirn (A, agresiva; B, bsica; C,
cautelosa). En esta subseccin veremos cmo se usa el teorema de Bayes para
incorporar los resultados de la investigacin de mercados al proceso de decisin. El
resultado final ser una actualizacin con los valores de P(F) y P(D).

27
El grupo de investigacin de mercados ha dispuesto comunicar en un mes si,
conforme a sus estudios, la prueba es alentadora (E) o desalentadora (G).
Supngase ahora que el grupo de investigacin de mercados puede establecer la
siguiente indicacin de confiabilidad: los resultados anteriores de nuestras pruebas
han mostrado la tendencia a actuar en la direccin correcta. Si un mercado ha sido
fuerte, los resultados de las pruebas han sido alentadoras en un 60% del tiempo y
desalentadoras el 40% restante. Si un mercado ha sido dbil, los resultados de las
pruebas han sido desalentadoras un 70% del tiempo y alentadoras en el otro 30%.
Dadas las condiciones del mercado, la administracin puede usar esta informacin
para valorar las probabilidades condicionales de los resultados de las pruebas.
Estas valoraciones son:
P(E/F) = 0.6 P(E/D) = 0.3
P(G/F) = 0.4 P(G/D) = 0.7

Representemos ahora el problema de la administracin con el rbol de decisin que

aparece a continuacin. El primer nodo (I) corresponde a la realizacin de la
investigacin de mercados. El nodo es circular debido a que no hay certeza en los
resultados. Hay dos resultados posibles. O bien la prueba es alentadora (E) o
desalentadora (G); P(E) y P(G) representan las probabilidades de estos dos
resultados.
30

F
IV D
-8
A 20
F
IB D
II V P(D/E)
C 7
F 5
VI D
E 15
I F P(F/G)
30
VII D
G -8
A
F 20
B VIII
III D
C 7
F 5
IX D
15
rbol de decisin con resultado de pruebas .

28
Si la prueba es alentadora, nos desplazaremos hacia el nodo II, que es cuadrado
porque se debe tomar una decisin. La administracin deber optar por A, B o C.
Supngase que la administracin elige A. Se llega entonces al nodo IV, otra
situacin con dos salidas posibles, en concreto, si el mercado es fuerte (F) o dbil
(D). Si resulta que es fuerte, la PROTRAC disfrutar de un rendimiento neto de 30,
que es el valor terminal de la rama.

Importancia del orden cronolgico.

Es importante advertir que el rbol se construy en el orden cronolgico en que la
informacin estuvo disponible y las decisiones se necesitaron, o sea:
1. Resultado de la prueba.
2. Toma de decisiones.
3. Condiciones del mercado.

Para resolver este rbol debemos encontrar los valores de P(F/E), P(D/E), P(F/G),
P(D/G), P(E) y P(G). Esto debe realizarse usando el teorema de Bayes con los datos
P(E/F) =0.6, P(G/F) = 0.4, P(E/D) = 0.3, P(G/D) = 0.7, P(F) = 0.45 y P(D) = 0.55.
Calculamos:
P(E) = P(E/F) P(F) + P(E/D) P(D)
= (0.6)(0.45) + (0.3) (0.55) = 0.435
Desarrollar frmula y clculos:

P(G) =

Entonces, la probabilidad de que la investigacin de mercado resulte alentadora es

0.435. Esto implica que la probabilidad de que sea desalentadora debe ser 0.565.
Por lo tanto, P(G) = 0.565. Con este dato obtenemos:

P(F/E) = P(E/F) P(F) = (0.6) (0.45) 0.621

P(E) 0.435

Desarrollar frmula y clculos:

P(D/E) =

P(F/G) =

29
P(D/G)=

Actualizacin de P(F)
En consecuencia, el evento de un resultado de prueba alentador y el uso del
teorema de Bayes nos permiten actualizar el valor primario de P(F), en concreto
0.45, a un valor superior, P(F/E) = 0.621. Clculos semejantes producen P(D/E) =
0.379, P(F/G) = 0.318 y P(D/G) = 0.682.

30

F
IV D
-8
A 20
F
IB D
II V
C 7
F 5
VI D
E 15
I F P(F/G)=0.318 30
VII D
G -8
A
20
F
B VIII D
III
C 7
F 5
IX D

15

rbol de decisin con nueva informacin .

El primer paso para la resolucin del rbol consiste en replegar los nodos
terminales.

30
 30
F RE(IV)=30(0.621)-8(0.379) =15.6
IV
D
Por ejemplo, el nodo IV se -8repliega calculando su rendimiento esperado y
asignndolo al nodo. Esta figura muestra el rbol despus del primer paso.

15.60
IV

A
IB 15.07
II V
C

VI 8.79
E
I
4.12
VII
G
A
B VIII
III 11.15
C

IX 11.81

rbol de decisin despus de un repliegue

Se puede usar esta figura para determinar las decisiones ptimas. Vemos que si la
prueba es alentadora (E), llegamos al nodo II. Luego, para maximizar el rendimiento
esperado, tomaramos la accin A, es decir, seguimos la estrategia agresiva de
produccin y mercado. En forma semejante, si el resultado de la prueba es
desalentador, tomamos la accin C. Por qu? Porque 11.81 es el mayor
rendimiento esperado cuando la prueba es desalentadora.

Valor esperado de la informacin de muestra.

Supngase que tomamos las decisiones ptimas determinadas antes para replegar
un paso ms, el rbol de decisin que obtenemos es el siguiente:

15.60

E
I

31
 G

11.81
Entonces el rendimiento esperado es,
RE = 15.60 (0.435) + 11.81 (0.565)= 13.46
Este valor es el rendimiento esperado al realizar la prueba del mercado y tomar
decisiones ptimas.

Anteriormente vimos que si no se realiza una prueba de mercado, la decisin ptima

a tomar es B, la estrategia bsica, y que esta decisin tiene un rendimiento esperado
de 12.85. Resulta claro, entonces, que realizar la prueba de mercado aumenta el
rendimiento esperado de la PROTRAC en 13.46 12.85 = 0.61. Con bastante
propiedad, esta cantidad se llama valor esperado de la informacin de muestra
(VEIM). En trminos generales:

VEIM = (Mximo rendimiento posible esperado con informacin de muestra)

(Mximo rendimiento posible esperado sin informacin de muestra)

Vamos a calcular ahora el valor esperado de la informacin perfecta (VEIP).

Recurdese que esta es la cantidad que el administrador estara dispuesto a pagar
por una informacin perfecta. La tabla de retribuciones original se reproduce
enseguida:
ESTADO DE LA NATURALEZA
F D
PROBABILIDAD
DECISIN 0.45 0.55
A 30 -8
B 20 7
C 5 15

Comparacin VEIP Y VEIM

Si estuviera seguro de que el mercado ser fuerte, el administrador escogera la
decisin A para disfrutar un rendimiento de 30. En forma semejante, si fuera seguro
que el mercado ser dbil, el administrador escogera la decisin C para lograr un
rendimiento de 15. Cunto pagara la administracin por la informacin perfecta?
Dado que la informacin perfecta revela un mercado fuerte con probabilidad 0.45 y
uno dbil con probabilidad 0.55, vemos que

VEIP = (30)(0.45) + (15)(0.55) 12.85 = 8.90

32
La ecuacin nos dice que la informacin perfecta acarrear un aumento esperado
sobre el anterior de 8.90. Este es el mximo aumento posible que se puede obtener
a partir de la nueva informacin. El VEIM es el aumento del rendimiento esperado
que, se obtendra con la informacin producida por la prueba de mercado. Dado que
VEIP = 8.90 y el VEIM 0 0.61, vemos que la prueba de mercado no es muy efectiva.
Si lo fuera, el valor de VEIM estara mucho ms cerca del VEIP.

DECISIONES SECUENCIALES: HACER PRUEBAS O NO HACERLAS.

En la seccin anterior se supuso que el consejo directivo haba decidido que se
hiciera un estudio de mercado. Estudiamos despus la cuestin de cmo usara la
administracin de la divisin de tractores domsticos de la PROTRAC la informacin
generada por el estudio para actualizar el modelo de decisin. Regresemos un
momento. Parece claro que la decisin de que se haga un estudio de mercadotecnia
no es en esencia diferente de la decisin de adoptar una u otra estrategia de
mercadotecnia y produccin. La administracin debe evaluar con cautela el costo
de realizar el estudio en funcin de la ganancia que podra resultar de disponer de
la informacin que el estudio producira. Tambin es claro que la decisin sobre si
se va a tener una prueba de investigacin de mercado no es aislada. Si se da la
prueba, la administracin tendra que elegir una de las estrategias de mercadotecnia
y produccin. Entonces, el valor de realizar la prueba depende en parte de cmo
use la PROTRAC la informacin generada por aqulla. En otras palabras, el valor
de una decisin inicial depende de una secuencia de decisiones y eventos inciertos
que seguirn a la decisin inicial. Esto se llama problema de decisin secuencial.

Problemas de decisin secuencial.

Este tipo de problema de administracin es comn en extremo y en realidad es la
clase de situacin para la cual se disearon los rboles de decisin. En estas
situaciones donde hay muchas decisiones y eventos interrelacionados con ms de
un resultado posible, es donde la habilidad para desplegar el problema en forma
grfica es til en especial.

Los valores terminales ameritan una discusin. Se determinan en un proceso de

dos pasos:
1. Asignar el flujo de efectivo adecuado para cada decisin y cada evento
incierto. En este problema hemos supuesto que la prueba de mercado cuesta
$500,000. Dado que todos los costos y rendimientos se cuantifican en
millones, pondremos el nmero -.5 en la rama de la prueba y un 0 en la rama
de la no prueba. En forma anloga, en la rama superior se coloca el nmero
30 ya que es el beneficio si la PROTRAC elige A y el mercado es fuerte.

33
 2. Determinar un valor particular concreto aadiendo los costos en todas las
ramas comprendidas entre el primer nodo y la posicin terminal.

La siguiente figura muestra el rbol de hacer pruebas o no hacerlas.

A
B
C

PRUEBA
G
-0.5
A
B
C

NO PRUEBA
$0

A
B
C

34
Por ejemplo, 29.5 en la posicin terminal del extremo superior resulta de aadir los
costos en la ruta Prueba-E-A-F (o sea, los costos -0.5 + 0 + 0 +30 =29.5).

Este rbol se resuelve mediante repliegue. Se repliega un nodo circular calculando

los rendimientos esperados. Se repliega un nodo cuadrado (decisin) eligiendo la
decisin que produce el rendimiento esperado ms alto. Se requieren tres pasos
para resolver el rbol de prueba o no prueba.

Estrategia ptima.
La estrategia ptima es un plan integral para el rbol entero. Especfica cual accin
se debe tomar sin importar cules de los eventos inciertos ocurren.
Realice el repliegue del rbol paso a paso hasta llegar a este resultado:
12.96

No prueba
12.85

En este paso vemos que dado que 12.96 > 12.85, la PROTRAC debe hacer la
muestra de mercado. En el paso 1 vemos que si el resultado de la prueba es
alentador (E), entonces A es la mejor decisin ya que produce el mayor rendimiento
esperado, en forma semejante, si el resultado de la prueba es desalentador (G),
entonces C es la mejor decisin.

35
PROBLEMAS DE LA UNIDAD I.
1. Considere la siguiente tabla de retribuciones en la que cada dato es un
rendimiento neutro en dinero. Suponga que es una decisin en la que no se
tiene conocimiento de los estados de la naturaleza.
Estado de la naturaleza
Decisin 1 2 3 4
1 35 22 25 12
2 27 25 20 18
3 22 25 25 28
4 20 25 28 33

a) Cul es la decisin ptima si se usa el criterio de Laplace?

b) Cul es la decisin ptima si se usa el criterio de maximin?
c) Cul es la decisin ptima si se usa el criterio maximax?
d) Construya la tabla de retribuciones en la que los datos sean los perjuicios,
e) Cul es la decisin ptima si se usa el criterio minimax de perjuicios?

2. Considrese la siguiente tabla de retribuciones en la que los datos son los

rendimientos netos en dinero. Supngase que esta es una decisin en la que
no se tiene conocimiento acerca de los estados de la naturaleza
a) Cul es la decisin ptima si se usa el criterio de Laplace?
b) Cul es la decisin ptima si se usa el criterio maximin?
c) Cul es la decisin ptima si se usa el criterio maximax?
d) Construya una tabla de retribuciones en la que los datos sean los
perjuicios.
e) Cul es la decisin ptima si se usa el criterio minimax de los perjuicios?
ESTADO DE LA NATURALEZA
DECISIN 1 2 3
1 3 8 5
2 7 4 6
3 5 6 9

3. Considrese la tabla de retribuciones del problema 1, Suponga que se

establecen las siguientes probabilidades para los estados de la naturaleza.
P (1) = 0.1
P (2) = 0.4
P (3) = 0.3
36
 P (4 = 0.2
a) Encuentre la decisin que maximice el rendimiento neto en dinero,
b) Encuentre la decisin que minimice el perjuicio esperado,
c) Comente la relacin que hay entre las respuestas a las partes (a) y (b),
4. Considere la matriz de rendimientos del problema 2. Suponga que las
probabilidades de los estados de la naturaleza son las siguientes:
P (1) = 0.6
P (2) = 0,3
P (3) = 0.1
a) Encuentre la decisin que maximiza el rendimiento neto esperado en
dinero,
b) Encuentre la decisin que minimiza el perjuicio esperado.

5. Phil Johnson de Johnsons Printing en Chicago debe decidir si acepta un

contrato para imprimir formas del gobierno, o bien, volar a los ngeles para
concursar en la impresin de un folleto. Las restricciones de capacidad le
impiden hacer ambos trabajos y debe tomar una decisin acerca del contrato
con el gobierno antes que empiece el proceso del concurso. Estima la tabla
de retribuciones en trminos de las utilidades netas en dinero como se
muestra en la siguiente tabla:
ESTADO DE LA NATURALEZA
DECISIN No conseguir el trabajo Conseguir el trabajo del
del folleto NJ folleto J
Aceptar el contrato del 1,000 1,000
Gobierno, G
Aceptar el trabajo del -1,000 4,000
Folleto, F

a) Cul es la decisin ptima en base al criterio maximin?

b) Si la probabilidad de que gane el concurso por el folleto es 1/3 qu
decisin maximizar su utilidad esperada en dinero?

6. Un vendedor de souvenirs descubre que las ventas en julio dependen, en

gran parte, del clima. El pedido de productos debe hacerse en enero. El
mayorista ofrece paquetes diversos, pequeos, medianos y grandes a
precios especiales, y el vendedor debe decidir comprar alguno. A
continuacin se muestra la tabla de retribuciones en trminos de utilidad neta
en dinero.
ESTADO DE LA NATURALEZA
DECISIN Fro Clido Trrido Caliente
Pequeo 0 1,000 2,000 3,000
Mediano -1,000 0 3,000 6,000
37
 Grande -3,000 -1,000 4,000 8,000
a) Cul decisin maximiza el rendimiento esperado?

7. Olive Branch es una escritora de novelas romnticas. Una compaa de

pelculas y una red de TV quieren los derechos exclusivos de uno de sus
trabajos ms conocidos. Si firma con la red recibir una sola suma global,
pero si firma con la compaa de pelculas el importe que recibir depende
de la respuesta del mercado a la pelcula. Se presentan los rendimientos de
Olive:
ESTADO DE LA NATURALEZA
DECISIN Taquilla Taquilla mediana Taquilla grande.
pequea
Firmar con la $200,000 $1,000,000 $ 3,000,000
compaa de
pelculas
900,000 900,000 900,000
Firmar con la red
de TV

Si los estimados de probabilidad para los estados de la naturaleza son

P(pequeo) = 0.3, P(mediano) = 0.6, P(grande) = 0.1, a quin debe vender
los derechos Olive?Cunto es lo ms que Olive debe estar dispuesta a
pagar para conocer a cunto ascendern las recaudaciones en las taquillas
antes de que decida con quin firmar?

8. Kelly Construction quiere participar en el auge de la construccin de

condominios para un complejo de 100, 200 o 300 unidades. En la actualidad
hay muchos otros complejos en construccin por lo que Kelly no est segura
de que tan fuerte ser la demanda para su complejo. Si la compaa es
conservadora y construye slo pocas unidades pierde utilidades potenciales
si la demanda resulta ser alta. Por otra parte, mucha unidad sin vender
tambin sera costoso para Kelly, la tabla de retribuciones se ha preparado
sobe tres niveles de demanda.
DEMANDA
DECISIN Baja Mediana Alta
Construir 50 $400,000 $400,000 $400,000
Construir 100 100,000 800,000 800,000
Construir 150 -200,000 500,000 1,200,000

a) Cul es la decisin ptima si se usa el criterio maximin?

b) Cul es la decisin ptima si se usa el criterio maximax?
c) Cul es la decisin ptima si se usa el criterio del perjuicio minimax?

38
 d) Si P(bajo)=0.3, P(mediano)=0.5 y P(alto)=0.2 Qu decisin maximizar
el rendimiento neto esperado en dinero?
e) Cul es el valor esperado de la informacin perfecta (VEIP)?
9. Marple Manufacturing est planeando la introduccin de un nuevo producto.
El costo para estar en condiciones de fabricar uno de los componentes del
producto es muy alto por lo que Marple est considerando comprar este
componente en lugar de fabricarlo. Sin embargo, una vez ya preparada para
fabricar el componente, el costo variable unitario de Marple sera bajo en
comparacin con el precio de compra del componente. En la tabla de
retribuciones el gerente de materiales de Marple ha calculado la utilidad neta
en miles para tres niveles diferentes de demanda.
DEMANDA
DECISIN Baja Mediana alta
Hacer el componente 11 32 53
Comprar el componente 15 30 45

Los estados de la naturaleza tienen probabilidades P(bajo)=0.4,

P(mediano)=0.3, P(alto)=0.3. Dibuje un rbol de decisin y selo para decidir
si Marple debe fabricar o comprar el componente.

10. Chuck conduce su automvil para ir a su trabajo de consultora en Palo Alto,

los mircoles. Regresa a San Jos el mismo da, justo en el momento de ms
trnsito en la noche. Si para regresar toma la ruta 280, ha observado que su
tiempo de viaje es en extremo variable de una semana a otra; pero si toma
El Camino, su tiempo de viaje es relativamente constante. Con base en su
experiencia Chuckha preparado la tabla de rendimientos siguiente, que
proporciona su tiempo de viaje en minutos.
ESTADO DE LA NATURALEZA
DECISIN Trnsito ligero Trnsito pesado
Tomar 280 30 70
Tomar El Camino 40 40

a) Chuck estima que el trnsito ser ligero aproximadamente el 80% del

tiempo Qu ruta debe tomar?
b) Boots, la esposa de Chuck, se preocupa mucho cuando se demora,
aunque sea un poco, en regresar a casa Qu ruta le recomendara tomar
ahora? Explquelo.

11. Rick OShea es un camionero independiente que opera desde Tucson. l

tiene la opcin de llevar un embarque hasta Denver o llevar otro embarque
diferente hasta Salt Lake. Si selecciona el embarque hasta Denver tiene una
posibilidad del 90% de encontrar all un embarque de regreso a Tucson. Si

39
 no encuentra un embarque de regreso volvera vaco. S elige el embarque a
Salt Lake tiene una posibilidad del 50% de encontrar un embarque de regreso
a Tucson. En la tabla se muestran sus retribuciones.

Decisin Embarque de regreso No regreso

Salt Lake $4,000 $3,500
Denver 3,850 3,350

a) Dibuje el rbol de decisiones para este problema.

b) Utilizando el criterio del rendimiento neto esperado en dinero A qu
ciudad debe ir Rick?

12. Kelly Construction (problema 8) desea reducir la incertidumbre sobre el

nmero de unidades que debe construir. Ha decidido realizar una encuesta
que dar como resultado una de tres medidas de la demanda: M 1, dbil; M2,
moderada; M3, fuerte. Se muestra la tabla de retribuciones.
DEMANDA
DECISIN Baja, D1 Mediana, D2 Alta, D3
Construir 100, B1 $500,000 $500,000 $500,000
Construir 200, B2 0 1,000,000 1,000,000
Construir 300, B3 -700,000 400,000 1,500,000
Probabilidad 0.3 0.5 0.2

En la siguiente tabla se presentan las probabilidades condicionales.

P(M1/D1)
DECISIN M1 M2 M3
D1 0.7 0.2 0.1
D2 0.3 0.4 0.3
D3 0.1 0.3 0.6

a) Dibuje el rbol de decisiones para este problema.

b) Cul es la estrategia ptima de Kelly?
c) Cul es el VEIM? Cul es el VEIP? Comprelos. Calcule la razn
VEIM/VEIP (dividir) y observando que cuando mucho esta razn pudiera
ser 1.

13. A continuacin se proporciona la tabla de retribuciones para el Hospital

Greene Country.
DEMANDA
DECISIN 0, D1 1, D2 2, D3
0, Q1 0 100 200
1, Q2 10 10 110

40
 2,Q3 20 20 20
Probabilidad 2/3 2/9 1/9
Nota: 6/9 = 2/3 reducido a su mnima expresin
El administrador del hospital ha decidido verificar las operaciones
programadas cada mes para ver si habr operaciones que requieran el tipo
raro de sangre. Quizs encuentre que no hay operaciones programadas (S1),
una operacin programada (S2), o dos operaciones programadas (S 3), que
requieran el tipo raro de sangre. A continuacin se presentan las
probabilidades condicionales.
P(S1/D1)
DECISIN S1 S2 S3
D1 0.95 0.04 0.01
D2 0.05 0.80 0.15
D3 0.02 0.08 0.90

a) Dibuje el rbol de decisin para este problema.

b) Cul es el VEIM?
c) Cunto puede esperar ahorrar el administrador cada mes verificando el
programa de operaciones?

41