Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2. Arboles de decisión
2.3 Valor Monetario esperado
De una tabla de decisión con valores condicionales y de probabilidad para todos los estados
naturales, podemos determinar un Valor Monetario Esperado (EMV) para cada alternativa, es
decir, el valor promedio para cada alternativa, si pudiéramos tomar la decisión un gran número de
veces.
El EVM, para una alternativa, es la suma de los posibles resultados de la alternativa, cada una
ponderada por la probabilidad de ocurrencia de tal resultado.
EVM (alternativa i) = (resultado de 1er estado natural) x (probabilidad del 1er resultado natural) +
(resultado de 2do estado natural) x (probabilidad del 2do resultado natural) + … + (resultado del último
estado natural) x (probabilidad del ultimo resultado natural)
2.3 Valor Monetario esperado
Ejemplo:
Alternativas Mercado Mercado
Favorable Desfavorable
Construir una planta grande $2 000 000 $-1 800 000
Construir una planta pequeña $1 000 000 $-200 000
No hacer nada $-10 750 0
Probabilidades 0.6 0.4
EVM (A1) = (0.6)($2 000 000) + (0.4)($-1 800 000) = $1 200,000 – $720 000 = $480 000
EVM (A1) = (0.6)($1 000 000) + (0.4)($-200 000) = $600 000 – $80 000 = $520 000
EVM (A1) = (0.6)($0) + (0.4)($0) = $0 + $0 = $0
Así que bajo este criterio la mejor opción es construir una planta pequeña
2.2 Tabla de Perdida
• Determina la ganancia que se perdería debido a desconocimiento del estado de la naturaleza
que existe.
• Es la diferencia entre el pago real y el que se habría obtenido si el acto optimo hubiera sido
escogido para el estado de la naturaleza que fue obtenido.
• No es puramente optimista ni puramente conservador (pérdida de oportunidad o
arrepentimiento asociado con la alternativa de decisión) Enfoque minimax. Se selecciona el
mínimo de los valores de arrepentimiento máximo.
Fórmula
L(αi,θj)= M(α*,θj)-M(αi,θj)
Estos individuos elegirán el acto que dará lugar a la utilidad esperada más alta, siendo ésta la
suma de los productos de probabilidad y utilidad sobre todos los resultados posibles.
La decisión también dependerá de la aversión al riesgo del agente y la utilidad de otros agentes.
2.5 Teoría de la utilidad
La teoría de utilidad refleja la actitud de un tomador de decisiones hacia consideraciones como
la ganancia, la perdida y el riesgo.
Fórmula
Utilidad Esperada.
𝑁
𝑈𝐸 𝑑𝑖 = 𝑃 𝑠𝑗 𝑈𝑖𝑗
𝑗=1
2.5 Teoría de la utilidad -Ejemplo
Una empresa tiene tres alternativas de inversión. Los resultados se proporcionan en miles de dólares.
Condiciones económicas
Alternativa de decisión Aumento e1 Estable e2 Disminución e3
a1 Inversión A 100 25 0
a2 Inversión B 75 50 25
a3 Inversión C 50 50 50
Probabilidades 0.40 0.30 0.30
Dos tomadores de decisiones expresaron sus juicios definiendo las siguientes probabilidades de indiferencia.
Probabilidad de Indiferencia
Utilidad Tomador de Decisiones A Tomador de Decisiones B
MEJOR PEOR
a1 Inversión A 100 25 0 a1 Inversión A 100 25 0
PAGO PAGO
a2 Inversión B 75 50 25 a2 Inversión B 75 50 25
a3 Inversión C 50 50 50 a3 Inversión C 50 50 50
Probabilidades 0.40 0.30 0.30 Probabilidades 0.40 0.30 0.30
VEa1 = (100*0.40) + (25*0.30) + (0*0.30) = 47.5 1.- Identificar el mejor y peor pago y asignarles
una escala de 0 al peor pago y 10 al mejor pago.
VEa2 = (75*0.40) + (50*0.30) + (25*0.30) = 52.5
VEa3 = (50*0.40) + (50*0.30) + (50*0.30) = 50
2.5 Teoría de la utilidad -Ejemplo
Utilizando Teoría de utilidad.
Condiciones económicas
Probabilidad de Indiferencia Alternativa de decisión Aumento e1 Estable e2 Disminución e3
Utilidad Tomador de Decisiones A Tomador de Decisiones B
MEJOR PEOR
a1 Inversion A 100 25 0
PAGO PAGO
$75 000 0.80 0.60 a2 Inversion B 75 50 25
$50 000 0.60 0.30 a3 Inversión C 50 50 50
$25 000 0.30 0.15 Probabilidades 0.40 0.30 0.30
Decisiones B
Tomador de
Tomador de
U(75 000) = (0.80*10 + (0.20*0)=8 U(75 000) = (0.60*10 + (0.40*0)=6
U(50 000) = (0.60*U(100) + ((1-0.60)*U(0)) U(50 000) = (0.30*U(100) + ((1-0.30)*U(0))
U(50 000) = (0.60*10 + (0.40*0)=6 U(50 000) = (0.30*10 + (0.70*0)=3
U(25 000) = (0.30*U(100) + ((1-0.30)*U(0)) U(25 000) = (0.15*U(100) + ((1-0.15)*U(0))
U(25 000) = (0.30*10 + (0.70*0)=3 U(25 000) = (0.15*10 + (0.85*0)=1.5
2.5 Teoría de la utilidad -Ejemplo
Tomador de Decisiones A Utilidad Esperada.
𝑁
Condiciones económicas
Alternativa de decisión Aumento e1 Estable e2 Disminución e3 𝑈𝐸 𝑑𝑖 = 𝑃 𝑠𝑗 𝑈𝑖𝑗
𝑗=1
a1 Inversión A 10 3 0
a2 Inversión B 8 6 3
𝑼𝑬 𝒅𝟏 = 0.4*(10) + 0.30*(3) + 0.30*(0) =4.9
a3 Inversión C 6 6 6 𝑼𝑬 𝒅𝟐 = 0.4*(8) + 0.30*(6) + 0.30*(3) =5.9
Probabilidades 0.40 0.30 0.30 𝑼𝑬 𝒅𝟑 = 0.4*(6) + 0.30*(6) + 0.30*(6) =6 (mejor decisión)
Tomador de Decisiones B
Condiciones económicas
Alternativa de decisión Aumento e1 Estable e2 Disminución e3
a1 Inversión A 10 1.5 0
a2 Inversión B 6 3 1.5 𝑼𝑬 𝒅𝟏 = 0.4*(10) + 0.30*(1.5) + 0.30*(0) =4.45 (mejor decisión)
a3 Inversión C 3 3 3 𝑼𝑬 𝒅𝟐 = 0.4*(6) + 0.30*(3) + 0.30*(1.5) =3.75
Probabilidades 0.40 0.30 0.30 𝑼𝑬 𝒅𝟑 = 0.4*(3) + 0.30*(3) + 0.30*(3) =3
2.6 Desarrollo de Arboles de decisión
Definición
Un árbol de decisiones es un modelo gráfico de un proceso de decisión. Con él podemos introducir
probabilidades al análisis de decisiones complejas que involucran muchas opciones y condiciones
futuras que no se conocen, pero que pueden especificarse en términos de un conjunto de
probabilidades discretas o de una distribución de probabilidad continua.
2.6 Desarrollo de Arboles de decisión
La probabilidad de recibir un lote del proveedor A en el que haya un 1% de piezas defectuosas es del 70%.
Los pedidos que realiza la empresa ascienden a 1.000 piezas.
Una pieza defectuosa puede ser reparada por 1 euro. Si bien tal y como indica la tabla la calidad del
proveedor B es menor, éste está dispuesto a vender las 1.000 piezas por 10 euros menos que el proveedor
La información sobre las ventas previstas puede aconsejarle un mercado creciente o un mercado
decreciente, siendo de 500 euros el coste de dicha información, y la probabilidad de que la información
sea favorable del 60%. Si el mercado es creciente las ganancias previstas son de 9.000 euros si la sección
es grande y 3.000 si es pequeña.
Si el mercado es decreciente puede perder 10.000 euros si la sección es grande y 5.000 si es pequeña. Si
no reúne información adicional, la estimación de probabilidades de que el mercado sea creciente es del
60%, contrariamente un informe favorable incrementaría la probabilidad de un mercado creciente al 80%
y un informe desfavorable disminuiría la probabilidad de un mercado creciente al 40%.
La segunda opción tiene una probabilidad del 70% de producir el 70% de cerebros electrónicos buenos y
una probabilidad del 30% de producir el 50% de cerebros electrónicos buenos, el coste de este diseño
asciende a 600.000 euros. El coste de cada cerebro electrónico es de 100 euros, si es bueno se vende por
250 euros, mientras que si es malo no tiene ningún valor.
Conociendo que la previsión es de fabricar 50.000 cerebros electrónicos, decida el diseño que debe elegir
el gerente de la empresa.
2. Arboles de decisión
Solución Ejercicio 1.