“Estocástico” es una palabra especialmente temida, ya se sabe que la mayoría de los
lenguajes especializados se han hecho a mala idea, por expertos celosos que quieren guardar sus secretos. Ahí tenemos el lenguaje jurídico, el económico, o más cerca de nuestro trabajo, corre el rumor de que el creador del lenguaje C++ lo hizo tan complicado para diferenciar a los buenos programadores de los malos, un truco la mar de ingenioso. En realidad la palabra “estocástico” no es peligrosa, significa sencillamente aleatorio, dependiente del azar. La idea es bastante sencilla, pero como adjetivo puede complicar cualquier disciplina.
Problemas de Optimización Estocástica
Los problemas de optimización estocástica son en general mucho más complejos que los que no consideran el azar, principalmente porque el azar implica que no tenemos un solo escenario a optimizar, sino un conjunto de escenarios posibles. Por ejemplo, si queremos optimizar el diseño de una red de distribución de energía, trabajaremos en un escenario de incertidumbre, en el que desconocemos la demanda real de energía en el momento de uso de la red. En lugar del dato de la demanda tendríamos una estimación, quizás un conjunto finito de demandas posibles con una probabilidad asociada. Con esto ya podemos intuir que el mundo de la empresa está lleno de problemas estocásticos, ¿qué se suele hacer para resolverlos?. En escenarios con decisiones sencillas, es decir pocas variables de decisión y con pocos estados, se pueden enumerar explícitamente todas las posibilidades utilizando arboles de decisión que además son muy intuitivos. Decantándose por la decisión con mayor beneficio esperado. Por ejemplo una señora se entera en la peluquería de que dan un 50% de probabilidad de lluvia y debe decidir si comprar o no comprar un paraguas de pésima calidad. Si compra el paraguas, Si llueve (probabilidad 0.5) habrá gastado 5 euros en un paraguas de pésima calidad. Si no llueve habrá gastado lo mismo 5 euros. Si no compra el paraguas, Si llueve tendrá que volver a ir a la peluquería y pagar otros 15 euros. Si no llueve no tiene que pagar ni un euro más. En conclusión si compra el paraguas la pérdida esperada será de 5 euros y si no lo compra de 7.5 euros. Si la señora está en sus cabales debe comprar el paraguas…aunque a priori parezca un comportamiento pesimista y despilfarrador, sería el más acertado. Pero si el problema es más complicado, se acaba optando por simplificar, por ejemplo, usando el escenario esperado, o el escenario más probable, ya que éstos son deterministas y se pueden resolver usando optimización convencional. Por ejemplo en el caso de la planificación de la red de distribución de energía podría fijarse la demanda a la estimación del INE, sin pararse a valorar el impacto que podría tener una caída o un aumento inesperado de la demanda. Otras veces para ahorrarse el dolor de cabeza directamente se simplifica el negocio, esto es lo que hizo Alejandro Magno con el famoso nudo Gordiano, o por poner un ejemplo más cercano y más contemporáneo, poner una caja más en un supermercado en vez de hacer una única cola. En muchos casos estas simplificaciones pueden llevar a tomar decisiones que no son las más acertadas.