645 Teoria de Decisiones PDF

Digitalizado por Liz Zambrano para www.admycontuna.mforos.
com
TEORÍA
DE DECISIONES
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
:
w
w
w
INGENIERÍA DE SISTEMAS
UNIVERSIDAD NACIONAL ABIERTA
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

305
TEORÍA
om
DE DECISIONES
c
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

CARACAS - VENEZUELA

Universidad Nacional Abierta

Apartado Postal N° 2096
Caracas 1.010 A, Carmelitas, Venezuela
Copyright @ UNA 1993
Todos los derechos reservados. Prohibida la reproducción total o parcial

por cualquier medio gráfico, audiovisual o computarizado, sin previa
autorización escrita.
CAV
HD69 Teoría de decisiones i (María Luisa Pana
D4T4 de Carrera, Enzo Pittari Paolino, Pedro
1993 Carrera Brano). - Caracas : UNA, 1993.
om
366 p. : U. ; 30 cm.
"Estudios Profesionales IV"
c
s.
En la cubierta : Ingeniería de sistemas.
ro
L Teoría de decisiones. 2. Toma de decisiones.
fo
3. Educación a distancia -- Módulos de estudio.
m
I. Parra de Carrera, María Luisa. II. Pittari

a.
Paolino, Enzo. III. Carrera Brano, Pedro. IV.

un
Universidad Nacional Abierta (Caracas).

t
on
Primera edición 1982 Primera reimpresión 1992

yc
ISBN 980-236-446-0
dm
.a
Segunda reimpresión, 1993

w
Registro de Publicaciones de la
w
Universidad Nacional Abierta

w
N° UNA-EP4-82-0103
Diseño de la portada:
Valentina Carrosquel U.

UNIVERSIDAD
NACIONAL
om
ABIERTA
c
TEORÍA DE DECISIONES
s.
ro
ESTUDIOS PROFESIONALES IV
fo
m
a.
t un
on
María Luisa Pana de Carrera, MC., Ing

Enzo Pittari Pacuno, MC., Ing
yc
Pedro Caneca Brano, MC., Ing

dm
ESPECIALISTA EN EVALUACIÓN
.a
w
Beatriz Tancredi, Lie. UNA

w
w
DISEÑO 1% INSTRUCCIÓN
Ramón Escontreia, Lie. UNA
REVISIÓN DE CONTENIDOS
UbaWo García Palomares, PHD, USB

María A. Pérez de Ovalles, Ing UNA
COORDINADOR DE INGENIERÍA DE SISTEMA
Gustavo A. Márquez M., Ing UNA

ÍNDICE
INTRODUCCIÓN 11
MODULO I; FUNDAMENTOS Y ELEMENTOS BÁSICOS 13
Objetm* 13
Introducción 13
Unidad 1: El Análisis de Decisiones, Importancia y Delimitación . . 15
Autoevaluación 25
Unidad 2: Conceptos Básicos de Probabilidades 33
Autoevaluación 41
Unidad 3: Información y Asignación de Probabilidades 47
Autoevaluación 61
om
Unidad 4: Metodología de Asignación de Probabilidades 69
c
s.
Autoevaluación ro 87
Unidad 5: Arboles de Decisión 93
fo
Autoevaluación 123
m
a.
MODULO II: LAS PREFERENCIAS DEL DECISOR Y SU ACTITUD

un
EL RIESGO 139
t
Objetivos 139
on
yc
Introducción 141
dm
Unidad 6; Las Preferencias del Decisor 143

.a
Autoevaluación 169
w
Unidad 7: La Actitud del Decisor ante el Riesgo 179

w
w
Autoevaluación 205
Unidad 8: Criterios de Decisión 217
Autoevaluación „ 235
Unidad 9: El Valor de la Información 245
Autoevaluación 267
MODULO Oí: METODOLOGÍA DEL ANÁLISIS DE DECISIONES > . . 283
Objetivos 283
Introducción 283
Unidad 10: El Ciclo y las Fases del Análisis de Decisiones 285
Autoevaluación »^............. .. 337

INTRODUCCIÓN
El propósito fundamental de este Curso es presentar una metodología para

el análisis de problemas de decisión en condiciones de incertidumbre.
Aunque tradkionalmente se ha utilizado la expresión Teoría de Decisiones

para designar este campo del conocimiento, hoy en día se prefiere usar el térmi-
om
no Análisis de Decisiones para establecer una diferencia entre la Teoría de Deci-
siones Aplicada y la Teoría de Decisiones Clásica o Pura, que se ha dedicado,
c
s.
como su nombre indica y como posteriormente explicaremos, al estudio de
ro
problemas teóricos y de difícil aplicación a situaciones reales. En base a esta
aclaratoria preferimos utilizaba lo largo de este Curso, el término Análisis de Deci-
fo
siones significando con ello que estamos interesados en Ciencia Aplicada y no en
m
Ciencia Pura.
a.
un
La metodología del Análisis de Decisiones ataca con éxito el tipo de proble-

mas que las personas que toman decisiones enfrentan cada día. problemas que se
t
on
caracterizan por la incertidumbre de las variables involucradas, por la poca infor-

mación disponible, por el monto de los recursos en juego y por su trascendencia
yc
e impacto.
dm
Todo esto indica la necesidad que tienen las organizaciones modernas de dis-
.a
poner de un instrumento o metodología la cual facilite el proceso de tomar deci-

w
siones.
w
w
No es la intención del Curso presentar una teoría descriptiva del comporta-

miento real de una persona que toma decisiones, ante un problema o situación de
decisiones sino que por el contrario, el objetivo es presentar una teoría normativa
de lo que un individuo normal, enfrentado con un problema de decisiones, deberá
hacer para seleccionar un curso de acción que sea consistente con las convicciones
y preferencias suyas o de su organización.
La metodología expuesta en este texto es producto del estudio, recopilación

y selección de material existente sobre el tema, resaltando y adoptando lo que a
juicio de los autores constituye lo más relevante, práctico e importante para un
Curso de esta naturaleza.
"El texto ha sido dividido en tres módulos. En los Módulos I y II se propor-

cionan al alumno los conocimientos básicos necesarios y se le prepara para el
manejo de la metodología del Análisis de Decisiones. En el Módulo m se presenta
la metodología del Análisis de Decisiones utilizando e integrando los conoci-
mientos y las técnicas adquiridas en los Módulos I y II,
11

ODULO I
ANÁLISIS DE DECISIONES
FUNDAMENTOS Y
ELEMENTOS BÁSICOS
Lista de unidades
om
Unidad 1. El Análisis de Decisiones, importancia y delimitación.
c
Unidad 2. Conceptos básicos de Probabilidad.
s.
ro
Unidad 3. Información y asignación de probabilidades.
fo
m
Unidad 4. Metodología de asignación de probabilidades.

a.
Unidad 5. Arboles de decisión.

t un
on
Objetivos
yc
Al finalizar el estudio del Módulo I, el estudiante deberá estar en capacidad

dm
de:
.a
— Distinguir un problema de decisiones

w
— Identificar los elementos de un problema de decisiones

w
w
— Estructurar y evaluar árboles de decisiones.
Introducción
Antes de iniciar el estudio de técnicas y procedimientos para estructurar y

resolver problemas de decisiones, es necesario comprender qué se entiende por
una situación o problema de decisiones, examinar los elementos que conforman
un problema de decisiones y distinguir los tipos de situaciones o problemas de de-
cisión.
Habiendo realizado estoa estaremos en capacidad de pasar a estudiar el pri-

mer instrumento básico para el análisis de un problema de decisiones, como es la
Teoría de las Probabilidades que prepara al alumno para la estructuración del pro-
blema de decisión.
Finalmente, se introduce el manejo del árbol de decisiones que constituye

el instrumento fundamental para estructurar un problema de decisiones.
13
actitud ante el riesgo de ia persona que toma las decisiones. El instrumento básico
para cumplir este objetivo es la Teona de la Utilidad/
Utilizando estos instrumentos el Análisis de Decisiones desarrolla un procedi-

miento, llamado Ciclo del Análisis de Decisiones, que en tres etapas o fases permite
conducir el análisis de un problema de decisiones.
La capacidad para interpretar y cuantiñcar factores.tan subjetivos como las

preferencias y la actitud ahTé"eTriesgo, es lo que ha hecho del Análisis de Decisio-
nes una metodología tan exitosa.
1.2. ORIGEN DEL ANÁLISIS DE DECISIONES
Tal como hemos mencionado anteriormente el Análisis de_J)ecisiones consti-

tuye el último logro de una larga cadena de avances en el desarrpUo_de_metodolo-
gías y procedimientos, FoT cualesjhan'sürgicíb para el estudio del problema general
de toma de decisiones y asignación de recursos.
om
Veamos en qué forma se produjo esta evolución y a partir de cuáles ciencias.
c
s.
La primera actividad científica organizada para el análisis de los procesos de
la tomáHe decisiones fue la Investigación de Operaciones. Esta se desarrolló por la
ro
aplicación de métodos científicos para la solución de problemas militares durante
fo
la Segunda Guerra Mundial. Finalizada ésta se busco la aplicación de los procedi-
m
mientos de la Investigación de Operaciones a problemas civiles, especialmente á

a.
los de_tip£t--gerencjjíl. La transición de la aplicación de la Investigación de Opera-

un
ciones de problemas militares a problemas civiles mostró sus limitaciones. En

efecto, el paso al medio civil confirmó la utilidad de la Investigación de Operacio-
t
on
, nes en problemas determinísticos y repetitivos, característicos de los niveles geren-

.5 ciales medios de las organizaciones, como son control de inventarios, control de
yc
^ producción, planificación de operaciones de transporte y distribución. Sin embar-

dm
J go, y debido a la misma naturaleza de los problemas de alta gerencia, raramente

\ pudo emplearse la Investigación de Operaciones para resolver tales problemas; la
.a
. razón de esas limitaciones es que la Investigación de Operaciones carecía de las

w
^s herramientas para manejar adecuadamente los factores que caracterizan los

w
^§N problemas típicos de la alta gerencia, como son la incertidumbre acerca de las
w
^J variables involucradas, la insuficiencia o dispersión de la información, las preferen-

cias de las personas que toman las decisiones y sus actitudes ante el riesgo.
^^ Posteriormente, a partir de los años 50, se desarrollaron nuevas disciplinas

relacionadas con los problemas de toma de decisiones; una de éstas es la conocida
como Ciencia Gerencial, la cual se desarrolló como respuesta a la preocupa-
^ * ción por los problemas que la investigación de Operaciones no había podido resol-
^V ver. Desafortunadamente, este nuevo campo creció enfatizando más el aspecto
\Q teórico que las aplicaciones prácticas; de tal manera que se ha considerado que las
"X. Ciencias Gerenciales han mostrado más interés en aquellos problemas sujetos a un
-^ complejo tratamiento matemático, que a problemas prácticos y reales, los cuales
N ?~^ por la carencia de instrumentos adecuados resultaban de difícil cuantificación.
Jf Igualmente por estos años se desarrolló el campo conocido como Teoría de

>^ Decisiones, que se ocupaba de definir el comportamiento racionalSéla persona
que toma decisiones ante una situación incierta. Sin embargo, este campo proveía
una teoría para decisiones de estructura sencilla y ciertamente muy lejos de las
situaciones reales, complejas y típicas de las organizaciones de hoy.
17
Paralelamente y gracias al advenimiento del computador, hemos presenciado

también el desarrollo del campo conocido como Análisis de Sistemas, que provee
ía metodología para el tratamiento y modelaje de las estructuras complejas y diná-
micas de los sistemas modernos.
En la búsqueda de una solución integral al problema de toma de decisiones,

durante la década del 60 se desarrolló la nueva disciplina del Análisis de Decisio-
nes, ía cual nació para llenar los vacíos dejados por las otras ciencias que estudia-
ron el proceso de tomar decisiones.
1.3. CAMPO DE ACCIÓN DEL ANÁLISIS DE DECISIONES
El campo de acción del Análisis de Decisiones abarca la Industria, la Banca,

el Comercio y el Gobierno.
El grado de complejidad de los problemas tratados cubre un amplio rango,

pudiendo ser tan sencillo como el flujo de caja asociado a un proyecto, hasta el
om
modelo macroeconómico de un país.
c
A continuación indicaremos algunos de los problemas donde el Análisis de
s.
Decisiones se ha aplicado exitosamente: ro
fo
1. Introducción de nuevos productos.
m
2. Planificación de estrategias de mercado

a.
un
3. Presupuesto de inversiones.
t
on
4. Portafolio de inversiones.
yc
5. Exploración y explotación de recursos naturales no renovables.

dm
6. Desarrollo de nuevas fuentes energéticas.

.a
w
7. Planificación Social.
w
w
8. impacto Ecológico de Desarrollos Industriales.
La figura No. 1-1 maestra los problemas típicos de cada área o campo de
acción, en base a la lista anterior.
PROBLEMA
ÁREA 1 2 ¡ 3 4 5 6 7 8
Industria X X X X X X
Barca X X X X
Comercio X X
Gobierno v
A v
/v X X X X i X
Fig. 1-1
Campo de Acción del Análisis de Decisiones
18
EL ANÁLISIS DE DECISIONES
IMPORTANCIA Y DELIMITACIÓN
Al finalizar el estudio" de esta Unidad usted deberá estar en capacidad de:
1) Identificar la importancia del Análisis de Decisiones y delimitar su campo

de acción.
2) Distinguir los conceptos de Buena Decisión y Buen Resultado.
om
3) Distinguir entre situaciones o problemas de decisión bajo certeza y bajo in-
certidumbre.
c
s.
4)
ro
Dada una situación de decisiones en condiciones de ineertidumbre, identi-
ficar los elementos que conforman el problema de decisiones.
fo
m
ESQUEMA DE CONTENIDO pág

a.
1.1. Importancia del Análisis de Decisiones , 16

t un
1.2. Origen del Análisis de Decisiones. 17

on
yc
1.3. Campo de Acción del Análisis de Decisiones 18

dm
1.4. Definición de Decisión 19

.a
1.5. Distinción entre Buenas Decisiones y Buenos Resultados 19

w
w
1.6. Elementos de un Problema de Decisiones 20

w
1.6.1. Eí Decisor 20
1.6.2. Las Alternativas 20
1.6.3. Los Estados de la Naturaleza. 20
1.6.4. Los Resultados 21
1.6.5. Ejemplo 21
1.7. Clasificación de las Situaciones o Problemas de Decisión 22
1.7.1. Situaciones o Problemas de Decisión en Condiciones de

Certeza 22
Ineertidumbre 23
Autoevaluacíón........... ,.....„ 25
Solución de la Autoevaluación * , , . * . , . „ , , _ „ , _ . , „ „ 29

1.1. IMPORTANCIA DEL ANÁLISIS DE DECISIONES
Tornar decisiones es una actividad de cada día, cuando escogemos qué ruta
seguirjpara_ir_al trabajo e¡tamos, tomando una decisión; lo mismo hacemos cuando
seleccionamos cuál ropa usar o cual película vamos a ver. Estas decisiones se to-
man sin mayores complicaciones, sin ijiucho esfuerzo y sin profundizar demasia-
do. Esto puede hacerse porque la decisióp en cuestión no es lo suficientemente
importante para ameritar un análisis exhaustivo o simplemente porque la mejor
alternativa¡".saltaja, Ja vista,J5in embargo, no siempre es así. Frecuentemente, la
persona que toma la decisión se encuentra ante situaciones complejas, donde
forzosamente hay que dedicar tiempo y esfuerzo a razonar y analizar el problema
antes de tomar una decisión. En esos momentos es cuando un esquema o procedi-
miento para analizar un problema de decisiones sería especialmente útil. Una he-
rramienta de tal tipo sería de vital ayuda a un gerente que deba decidir la intro-
ducción de un nuevo producto, o una compañía petrolera que deba decidir la ex-
ploración de un área petrolífera, o un laboratorio farmacéutico que desea de-
sarrollar ima nueva droga, o un inversionista que desea diversificar su cartera de
inversiones. Este tipo de problemas no son ni sencillos ni intrascendentes y ameri-
tan un análisis exhaustivo, sistemático y bien estructurado. De allí la importancia
om
del Análisis de Decisiones puesto que provee un esquema metodológico para orga-
nizar y sistematizar el estudio y resolución de un problema de decisión-
c
s.
ro
Históricamente el Análisis de Decisiones representa ei último eslabón de una
fo
larga cadena de avances en el campo del estudio científico de la Asignación Ópti-
ma de Recursos y Toma de Decisiones. De manera que el Análisis de Decisiones ha
m
resultado de combinar diferentes aspectos de varias ciencias principalmente del

a.
Análisis de Sistemas y Teoría de Decisiones. El Análisis de Sistemas se desarrolló

un
como una rama de la Ingeniería que estudiaba, con la ayuda del computador, las
t
interacciones y el comportamiento dinámico de situaciones complejas mientras

on
que la Teoría de Decisiones estudiaba cómo ser lógico en situaciones simples de

yc
incertidumbre. A}, unir los conceptos de estas dos ciencias se pudo atacar, con to-
da lógica, los jiroblemas de decisiones caracterizados por situaciones de incerti-
dm
dumbre compleja, y dinámica, lo que constituye ei campo natural de acción del

Análisis de Decisiones.
.a
^
w
La metodología de trabajo del Análisis de Decisieiones c^msiste,J)ásicarnente,

w
^n reducir los factores confusos del problema de decisión a una forma elemental y (
w
de fácil manipulación mediante la utilización del Árbol de Decisiones. Para la

estructuración del Árbol de Decisiones se requieren como parámetros de entrada
Las probabilidades que cuantifican la información disponible, acerca de los eveñ^
tos j¿riert06lisí como también las asignaciones numéricas que cuantificanja.acti-
tud del decisor o la política de la organización hacia el riesgo. Los parámetros de
salida del modelo dé decisión IncluyenJa identificación de la alternativa que se de-
be preferir bajo las premisas del modelo del Decisor.
La elaboración y manipulación del modelo de decisión es posible porque la

metodología provee métodos conceptuales y prácticos, para medir y utilizar cual-
quier información disponible en relación a la incertidumbre que rodea al proble-
ma. La herramienta básica para cumplir este objetivo es la Teoría de la Probabili-
dad en su enfoque subjetivo.
La metodología proporciona igualmente los procedimientos para cuantificar

preferencias, establecer la deseabilidad de los varios resultados posibles y la
16
1.4. DEFINICIÓN DE DECISIÓN
Intuitivamente todos tenemos idea de lo que significa el término decisión.

Comúnmente se entiende que una decisión es la conclusión de un_proceso de
anáMsjor parte de Ja^géTsoná~ûe decideTTSsto quiere tjecir que, antes de que
jiña persona tomtTuna decisión, efectúa _un_, análisis, racional jle la átuacion-pro-,
ma considerado. Cuando una persona toma una decisión quiere lograr algo, es
decir, alcanzar una situación diferente a la de su estado previo. Además, esta
persona selecciona una cierta manera de actuar, de acuerdo a sus preferencias
porque piensa que ésa es la forma que más le ayudará a conseguir las metas que
especificó de antemano. Adicionalmente su actuación está limitada a la utilización
de una serie de recursos generalmente escasos.
A esta altura podemos formalizar ya una definición de decisión.
Una decisión es una asignación irrevocable de recursos, producto de un

análisis de objetivos, alternativas y preferencias
om
El término irrevocable se refiere al hecho de que una vez tomada una deci-
sión, se han comprometido de manera irreversible recursos, uno de los cuales es el
c
tiempo.
s.
ro i
Lo anterior no contradice el hecho de que la mayoría de las decisiones en
realidad conllevan una serie de decisiones secuenciales, algunas de las cuales pue-
fo
den ser modificadas en el tiempo; sino que se refieren al carácter irreversible de

m
la decisión inicial, la cual compromete siempre, al menos algún recurso.

a.
t un
1.5. DISTINCIÓN ENTRE BUENAS DECISIONES Y BUENOS RESULTADOS

on
yc
Comúnmente se confunde una buena decisión con un buen resultado, o vice-

versa. Para clarificar la diferencia entre estas dos expresiones, utilicemos el siguien-
dm
te ejemplo:
.a
La Junta Directiva de una empresa decide invertir en la construcción de una

w
planta pasteurizadora de leche. Inmediatamente a la puesta en servicio de la

w
planta, se produce en el país un cambio de normas de producción que obligan a

w
un nuevo tipo de proceso, lo que representa grandes pérdidas para la empresa.
¿Puede decirse entonces que la decisión de inversión en una planta pasteuri-

zadora fue una mala decisión, porque el resultado fue desfavorable...? No necesa-
riamente, ya que los elementos de juicio de que disponía la Junta Directiva de la
empresa, en el momento de la decisión (información disponible) no contemplaba
el cambio que se produjo.
Para resumir, podemos decir que una buena decisión es aquella que es lógica
yjHâjk.en4a información, erutos valores y -en las preferencias de la persona que
lajoma. Por-oíra parte, un buen resultado es el que resulta beneficioso, deseable o
valioso. En pocas palabras, un buen resultado es el que uno desearía que ocurriera.
Lo importante es tener claro que:
— Una buena decisión puede conducir a un mal resultado y un buen

> :; v:b cuede derivarse de una mala decisión.

19
- La única manera de evaluar la calidad de una decisión es exami-

nando si ella es consistente con los valores, información y prefe-
rencia del que toma la decisión.
- Tomar buenas decisiones es la única manera de asegurar mayor

posibilidad de buenos resultados.
- Es cierto que todo el mundo prefiere un buen resultado a uno

malo, pero sólo el acto de decidir está bajo el control de quien
decide, y no los resultados.
— Tomar una decisión correcta no es garantía de obtener un buen

resultado.
— Un buen resultado es el que logra el objetivo deseado por el

decisor.
om
1.6. ELEMENTOS DE UN PROBLEMA DE DECISIONES
c
s.
ro
En cualquier problema de decisiones, independientemente del tipo de organi-
zación o del nivel en que se presente, concurren varios elementos, que describen
fo
plenamente el problema de decisiones. Estos son:
m
a.
un
1.6.1. El decisor
Persona u organismo responsable de la toma de decisiones, quien se
t
on
caracteriza por tener objetivos, preferencias e información, acerca del

problema y su contexto. El decisor es el individuo que tiene el poder
yc
para comprometer los recursos de su organización.

dm
,/ 1.6.1.1. Los objetivos describen las metas del decisor.

.a
S
w
£/ 1.6.1.2. Las preferencias describen la actitud del decisor ante el

w
riesgo, y reflejan su escala de valores.

w
''A 1.6.1.3. La información representa el grado de conocimiento que

posee el decisor sobre los estados de la naturaleza, cuya
ocurrencia es incierta.
1.6.2. Las alternativas

El conjunto de diversos cursos de acción factibles, de los cuales el
decisor escogerá el más adecuado.
1.6.3. Los estados de la naturaleza

Los cuales describen el contexto del problema, y que pueden ser
definidos por un conjunto de eventos o factores que afectan el logro
de los objetivos y cuya ocurrencia se encuentra fuera del control del
decisci.
Existe un grado de incertidumbre relacionado con la ocurrencia de

los estados de la naturaleza y por lo tanto relacionado con la escogen-
cia de la alternativa más ventajosa.
20
.b,4. U* resultados
El conjunto de consecuencias derivadas de la combinación de diver-
sos cursos de acción factibles (alternativas) y de la ocurrencia de uno
o más eventos (estados naturales).
El diagrama de la figura 1-2, indica la relación entre los elementos de

un problema de decisión.
Estados de la
naturaleza
Objetivos
om
Información
c
Preferencias Alternativas
s.
ro
fo
m
FSg. 1-2
a.
un
E3emí5iíoe de un problema de Decisión

t
on
1.6.5. Ejemplo
yc
Con la explicación anterior estamos en capacidad de identificar los

elementos de un problema de decisiones. Para ilustrarlo examinemos
dm
el siguiente problema:
.a
Un industrial debe decidk la construcción de una planta para la fabri-

w
cación de un nuevo producto que desea introducir al mercado. La

w
demanda del producto es incierta, por tratarse de algo nuevo por lo

w
que no se dispone de mayor información ai respecto. El industrial

sabe que si ia demanda resulta elevada, la inversión será altamente
rentable, mientras que si la demanda es baja apenas podrá cubrir los
costos de montaje de la planta.
Como empresario, él está interesado en obtener el mayor beneficio

de su inversión al menor riesgo posible.
El producto es muy novedoso y ha tenido gran aceptación en otros

países, por lo que el industrial espera correr con la misma suerte.
Con la anterior descripción podemos identificar los elementos del

problema de decisiones.
1. El Decisor: el Industrial
Siendo sus:
Objetivos: Obtener el mayor beneficio económico.

21
Preferencias: Arriesgar lo menos posible.
Información: El producto ha resultado un éxito en otros países,
2. Las alternativas;
a) Construir la planta
b) No construir la planta
3. Los estados de la Naturaleza
a) Demanda alta
b) Demanda baja
El comportamiento de la demanda es desconocido.
4. Los resultados:
om
a) Construir la planta y que la demanda resulte ser alta.
b) Construir la planta y que la demanda resulte ser baja.
c
s.
c) No construir la planta.
ro
Nótese que el resultado (c) No construir la planta, incluye en
fo
realidad dos (2) resultados:
m
a.
— No construir la planta y que la demanda resulte ser baja.

un
— No construir la planta y que la demanda resulte ser alta.

t
on
yc
dm
1.7. CLASIFICACIÓN DE LAS SITUACIONES O PROBLEMAS DE DECISIÓN

.a
w
El grado de incertidúmbre acerca de la ocurrencia de un evento depende,

w
lógicamente, del grado de información disponible en relación al evento.

w
El grado de incertidúmbre acerca de una situación de decisiones permite

realizar una clasificación de ellas en:
— Situaciones o problemas de decisión en Condiciones de Certeza o Certi-

dumbre.
— Situaciones o problemas de decisión en Condiciones de Incertidúmbre.
La clasificación se basa en el grado de información que se encuentra al

alcance del decisor, con respecto a la-prübabilidad de ocurrencia de los estados
naturales.
1.7.1. Situaciones o Problemas de Decisión en Condiciones de Certeza

Se dice que se está ante una situación de decisión en condiciones de
certeza o certidumbre, cuando se conoce a ciencia cierta la ocurren-
22
cia del estado de la naturaleza.
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com .

En una situación de certidumbre, el decisor conoce el conjunto de

alternativas posibles; también conoce los resultados correspondientes
a cada una de las estrategias posibles e igualmente sus preferencias
por ios diferentes resultados.
Por lo tanto, a cada alternativa le corresponde un único resultado

posible.
A primera vista este tipo de problemas, también conocidos con el

término de^pmDTélná^^determinísticÓsJ puede parecer trivial, pero no
lo son, de rhanera'algúna. Drtecluí^numerosos y complicados pro-
blemas industriales son de este tipo. Ejemplos típicos son:
Transporte óptimo de productos

Almacenaje y distribución óptima de productos
Series óptimas de producción
Mezcla óptima de productos
Carga óptima de maquinarias
om
Este tipo de problemas constituyen el campo de trabajo y han sido
c
exitosamente resueltos por la Investigación de Operaciones, pero su
s.
consideración y tratamiento escapa a este Curso, debiéndose referir el
ro
estudiante a los cursos de Investigación de Operaciones de esta misma
fo
carrera de Ingeniería de Sistemas.
m
a.

Incertidumbre
un
Se dice que se está ante una situación de Decisión en Condiciones de

t
on
Incertidumbre cuando la ocurrencia de los estados de la naturaleza es

desconocida.
yc
dm
En una situación de incertidumbre el decisor conoce el conjunto de

Alternativas y los posibles resultados asociados a cada una de ellas. De
.a
los estados de la naturaleza posee un conocimiento incierto, determi-

nado por su estado de información, ignorando cuál de ellos ocurrirá.
w
w
Las situaciones de decisión bajo incertidumbre constituyen precisa-

w
mente el tipo de problemas de decisión más comunes y frecuentes en

los niveles altos de una organización.
Ejemplos típicos son:

~ La introducción al mercado de nuevos productos
— La estimación de la demanda de bienes o servicios
— Introducción de cambios tecnológicos
— Diversificación de portafolio de inversiones, etc.
Tal como se ha mencionado anteriormente, éste es el tipo de proble-

mas donde el Análisis de Decisiones ha probado ser especialmente
eficaz.
La condición de certidumbre o de incertidumbre asociada a un problema de

decisión en particular, corresponde, como hemos visto, al grado de información
acerca de la ocurrencia de los estados de la naturaleza. A través de un ejemplo
podemos estudiar corno un mismo problema o situación puede ser clasificado
23
como problema de decisión bajo certidumbre o problema de decisión bajo incerti-

dumbre, según las consideraciones que se realicen, el enioque que se adopte a las
simplificaciones que se hagan al estudiar el problema.
Tomemos el siguiente ejemplo.
Problema de Transporte
Una compañía fabricante y distribuidora de productos de consumo masivo

posee tres plantas A, B y C donde se encuentra almacenada la totalidad de la pro-
ducción del mes anterior de un cierto producto.
Ella cuenta con cuatro almacenes, o centros de distribución, 1, 2, 3 y 4,

respectivamente, cada uno de los cuales maneja o requiere un cierto volumen del
producto.
Los costos de transporte se estiman, lógicaanente, en base a la distancia en

kilómetros entre las plantas y los centros de distribución.
om
Se desea programar el transporte del producto de tal manera que su costo
total sea el mínimo así como estimar el costo total.
c
s.
Comentario
ro
fo
Dada la información con que ha sido planteado el problema, y si los volúme-
m
nes de inventario del producto, la demanda de cada centro de distribución y las

a.
distancias entre plantas y centros de distribución, son perfectamente conocidos,

un
estamos en presencia de un problema de decisiones en condiciones de certeza o

certidumbre.
t
on
Por el contrario, si como consecuencia de una catástrofe natural, guerra o

yc
por cualquier otra razón, las demandas de los centros de distribución son inciertas,
dm
o si las distancias entre plantas y centros de distribución están sujetas a cambios y.

por lo tanto, no se les puede establecer con certeza, estamos en presencia de un
.a
problema de decisiones en condiciones de incertidumbre.

w
w
El problema, básicamente, continua siendo el mismo pero las condiciones

w
entre los factores que intervienen son distintas; en un caso, tenemos conocimiento
cierto acerca de las variables; en el otro debemos estimar los probables valores de
las variables.
24
AUTOE VALUACIÓN
Instrucciones
PRIMERA PARTE: A continuación se le presentan distintas situaciones segui-

das de alternativas de respuesta. Sólo una de las alterna-
tivas es correcta para cada situación. Seleccione la que
considere que es correcta y señálela, encerrando en un
circulo la letra que la identifica.
1. El Análisis de Decisiones tiene como uno de sus instrumentos básicos, a la

Teoría de la Probabilidad; la razón de esto es que dicha teoría permite:
(9 Codificar la información referente a eventos
B Identificar los elementos de un problema de decisión
' C Codificar la actitud ante el riesgo del decisor
om
D Clasificar los problemas de decisión
c
s.
2. La metodología del Análisis de Decisiones ha sido especialmente eficaz en el
ro
tratamiento de:
fo
m
a.
A Problemas de carga de maquinarias

un
7TS
L*2 Problemas bajo incertidumbre
t
on
c Problemas determ místicos

yc
dm
D Problemas de inventario y almacenaje de productos

.a
w
Una persona X, la cual desea obtener el mayor rendimiento para su dinero,

w
está pensando en invertir en depósitos a plazo fijo, por considerar que es su

w
mejor opción disponible, cuando lee en el periódico que las tasas de interés
actualmente vigentes no serán revisadas y, por lo tanto, permanecerán fijas
durante los próximos seis meses. Esa misma semana decide invertir a plazo
fijo al 15 por ciento anual a ciento ochenta días. No han pasado ocho días
cuando, como consecuencia de un alza de intereses en el exterior, se anuncia
que las tasas en el país subirán al 18 por ciento para depósitos a ciento
ochenta días y al 16 por ciento para depósitos a noventa días.
Utilizando únicamente la información suministrada, indique cómo calificaría

usted la decisión y el correspondiente resultado.
Buena Decisión Buen Resultado
Buena Decisión Mal Resultado
c Mala Decisión
D Mala E'ecisión Mal Resultado

25
4. En un problema de dimisiones en condiciones de incertidumbre, el decisor:
A Co loce la ocurrencia de los estados de la naturaleza
B Desconoce los cursos de acción posibles
C Desconoce el conjunto de resultados posible
¿5 Desconoce qué resultado ocurrirá
SEGUNDA PARTE: Dadas las situaciones de Decisión en Condiciones de Incer-

tidumbre propuestas, identifique los elementos que se
úiüican al final del problema.
Su'hijo de 10 años ¿e edad acaba de ser mordido por un perro callejero al
om
volver del colegio. Usted está confuso acerca de si debe o no vacunarlo, pues
.ha oído rumores en contra de la aplicación de la vacuna, por los efectos
c
secundarios, pero, por otra parte, siente angustia ai pensar que el perro pueda
s.
estar rabioso. ro
fo
A
m
a.
B .0
t un
C Los estados de la Naturaleza f¿^

on
yc
D
dm
6. Un industrial debe decidir la construcción de una planta para la fabricación

.a
de un nuevo producto que desea introducir en el mercado. La demanda es

w
incierta por tratarse de algo nuevo, por lo que no se dispone de mayor infor-
w
mación al respecto.
w
El industrial sabe que si la demanda resulta elevada, la inversión será altamen-

te rentable, mientras que si es baja apenas podrá cubrir los costos de montaje
de la planta. Como empresario, el industrial está interesado en obtener el
mayor beneficio de su inversión con el menor riesgo posible. El producto es
muy novedoso y ha tenido gran aceptación en otros países, por lo que el
industrial espera correr con la misma suerte.
El y sus dos socios se plantean la decisión en términos de cuál debe ser el

tamaño de la planta, más conveniente a construir. La decisión es de gran
importancia pues si se construye de alta capacidad y la demanda resulta ser
baja, las pérdidas y el lucro cesante serían muy elevados, mientras que si la
demanda resulta alta, los beneficios serían muy altos. Por otra parte, si se
construye una planta de baja capacidad y la demanda resulta ser alta, se
perdería la oportunidad de hacer un buen negocio.
Suponga 3mativa de no construir la planta esta excluida.
26
A El decisor (^ ^jjfáy¿9&
B Las alternativas ,-. ivVíV- , ;

C_£^ ,-vjr . --'• ' r, - ; v
. - • , - , . A-> W • , r-'1 ^
C Los estados de la naturaleza i L r ' ' 1 v '
_ ^ c_¿l .:-'; L£lif

. ' ' 57!
D Los resultados \; J A í£_^;
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com 27

SECCIÓN
PREGUNTA CLAVE OBJETIVO EVALUADO REFERENCIA
1 A 1 1.1
2 B 1 1.3
3 A 2 1.6
4 D 3 1.7
5 Ver Clave 4 1.6

razonada
om
6 Ver Clave 4 1.6
razonada
c
s.
ro
fo
m
a.
Clave Razonada
un
Pregunta 1
t
on
A. Correcto. La teoría de la probabilidad permite utilizar la información

yc
disponible, al asignar probabilidad a un evento incierto.

dm
B. Incorrecto. No es necesario conocer la Teoría de la Probabilidad para

.a
identificar los elementos de un problema de decisión.

w
w
C. Incorrecto. La actitud del decisor ante el riesgo se codifica en base a la

w
Teoría de la Utilidad.
D. Incorrecto. Los problemas de decisión se pueden clasificar en base a la

incertidumbre respecto a la ocurrencia de los estados naturales.
Pregunta 2
A. Incorrecto. Los problemas de carga de maquinarias se consideran de tipo

determinístico y son estudiados e.n Investigaciones de Operaciones.
B. Correcto. El Análisis de Decisiones es una metodología, básicamente para

el tratamiento de problemas de decisión bajo incertidumbre.
C. Incorrecto. Por la razón en b.
D. Incorrecto. Por una razón similar a.

29
Pregunta 3
A. Incorrecto. La decisión fue buena y el resultado no resultó bueno.
B. Correcto. La decisión fue buena aunque el resultado fue desfavorable.
C. Incorrecto. La decisión fue buena dada la información disponible.
D. Incorrecto. Igual que c.
Pregunta 4
A. Incorrecto. La ocurrencia de los estados de la naturaleza es un evento

incierto.
B. Incorrecto. Si el problema de decisión ha sido correctamente estructura-
om
do, el decisor conoce los cursos de acción posibles.
c
C. Incorrecto. Si el problema de decisión ha sido correctamente estructura-
s.
do, el decisor conoce el conjunto de resultados posibles.
ro
fo
D. Correcto. El decisor conoce los cursos de acción posibles y el conjunto
m
de resultados, posibles, pero desconoce qué resultado ocurrirá.

a.
un
Preguntas
t
on
No existe una sola respuesta válida, pues depende de los eventos que se consi-
yc
deren en el análisis. A manera de ilustración, se suministran dos tipos de

respuestas.
dm
Respuesta A
.a
w
A. Usted
w
w
B. Vacunar
No vacunar
C. Perro rabioso
Perro no rabioso
D. Vacunar y perro rabioso

Vacunar y perro no rabioso
, No vacunar y perro rabioso
No vacunar y perro no rabioso
Respuesta B
A. Usted
B. Vacunar
No vacunar
30
C. Perro con rabia

Perro sin rabia
Vacuna produce efectos secundarios
Vacuna no produce efectos secundarios
D. Vacunar, no efectos secundarios y perro rabioso

Vacunar, no efectos secundarios y perro no rabioso
Vacunar, efectos secundarios y perro rabioso
Vacunar, efectos secundarios y perro no rabioso
No vacunar y perro rabioso
No vacunar y perro no rabioso
Pregunta 6
No existe una única respuesta, por las mismas razones indicadas en la pregun-
ta 5.
om
Una respuesta válida sería:
c
A. Los tres socios
s.
ro
B. Planta alta capacidad
fo
Planta baja capacidad
m
a.
C. Demanda alta
Demanda baja
t un
on
D. Planta alta capacidad y demanda alta

Planta alta capacidad y demanda baja
yc
Planta baja capacidad y demanda alta

dm
Planta baja capacidad y demanda baja

.a
w
w
w

UNIDAD S
CONCEPTOS BÁSICOS OE PROBABILIDAD
Al finalizar el estudio de esta Unidad usted deberá estar en capacidad de:
5) Aplicar, en situaciones dadas, las definiciones y axiomas de la Teoría de

Probabilidades necesarias al Análisis de Decisiones.
6) Distinguir las diferentes definiciones de probabilidad.
c om
s.
ro
fo
m
a.
t un
ESQUEMA DE CONTENIDO
on
Pag.
yc
2.1. Experimento y evento / aleatorios. 34

dm
2.2. La definición de probabilidad 37

.a
2.2.1. La definición clásica 37

w
2.2.2. La definición frecuencial. 37

w
2.2.3. La concepción subjetiva de la probabilidad 38

w
2.3. Axiomas de probabilidad 39
Autoevaluación 41
Solución de la Autoevaluación 45

33
2.1. EXPERIMENTO Y EVENTO ALEATORIOS
Un experimento aleatorio es aquel que a la vista de un observador (decisor)

produce resultados fortuitos. Así por ejemplo, son experimentos o pruebas alea-
torias la perforación de un pozo petrolero, el lanzamiento de un nuevo producto
al mercado, o simplemente el lanzamiento de una moneda o un dado.
Un evento aleatorio es uno de los posibles resultados de un experimento

aleatorio.
En la perforación de un pozo petrolero podemos proponer como posibles

estados dé la naturaleza los siguientes:
6 : pozo seco
6: petróleo a los 1.000 metros, o antes
om
O : petróleo después de los 1.000 metros
c
s.
ro
cualquiera de los estados 61, 62 ó f? 3 , constituye un evento aleatorio asociado al
fo
experimento aleatorio "perforación del pozo petrolero".
m
Decimos que un evento aleatorio es elemental, cuando no puede expresarse

a.
en términos de otros eventos sencillos. Se habla también de evento aleatorio

un
compuesto, para designar a aquel que puede expresarse en términos de otros

t
eventos más sencillos.

on
yc
En el caso del lanzamiento de un dado, el que el resultado del lanzamiento

sea cuatro, constituye un evento elemental, mientras que si proponemos el even-
dm
to: "el resultado del lanzamiento es mayor o igual que cuatro" se trata entonces
de un evento compuesto, ya que el mismo se verifica si el resultado del lanzamien-
.a
to es 4, 5 ó 6. Un evento compuesto se asocia a más de un resultado del experi-

w
mento aleatorio considerado. Decimos que dos eventos son mutuamente exclu-
w
yentes, si la ocurrencia de uno implica la no ocurrencia del otro. Por ejemplo, si

w
lanzamos una moneda al aire los eventos resultantes, cara o sello (eventos elemen-
tales) son mutuamente excluyentes. Tomemos otro ejemplo:
En el experimento aleatorio que consiste en el lanzamiento de un dado, dis-

tinguimos los siguientes eventos:
El resultado del lanzamiento es un número par"
A2 = "El resultado del lanzamiento es un número impar"
A 3 = "El resultado del lanzamiento es menor o igual que cuatro".
A! , A 2 y A 3 son eventos compuestos. Observemos que de acuerdo a la defini-

ción, A! y A2 son mutuamente excluyentes; mientras que Al y A 3 no lo son,
ya que si el resultado de! lanzamiento es dos, se estarán verificando ambos even-
tos, algo similar ocurre con A2 y A 3 .
34 Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

A la totalidad de eventos aleatorios elementales lo llamamos Espacio de

Eventos. Cuando nos referimos a la "totalidad" queremos indicar que no es posi-
ble la ocurrencia de ningún otro evento elemental distinto a los que hemos descri-
to o que la descripción de los eventos realizada es exhaustiva. Diremos que un
conjunto de eventos es colectivamente exhaustivo si contempla todos los posibles
estados de la naturaleza resultantes de un experimento aleatorio dado.
Es importante notar que en la practica, cuando es imposible hacer una des-

cripción de todos y cada uno de los eventos elementales resultantes de un experi-
mento aleatorio, se puede lograr señalar un conjunto de eventos compuestos que
abarque la totalidad de los eventos elementales, de manera tal que aquellos sean
colectivamente exhaustivos. El ejemplo de la perforación del pozo petrolero
reportado al inicio, brinda una muestra clara de lo que acabamos de decir; ios
eventos o estados de la naturaleza dl; 82 y # 3 abarcan la totalidad de los posi-
bles resultados del experimento aleatorio considerado; por lo tanto, constituyen
un conjunto de eventos colectivamente exhaustivos y conforman a su vez un espa-
cio de eventos.
om
La Teoría de Conjuntos nos brinda una estructura formal sencilla dónde
apoyar estos conceptos que acabamos de ver:
c
s.
ro
Asociaremos al espacio de eventos el conjunto universal denotado con el
símbolo Í2 , Cada uno de los subconjuntos At de elementos de este conjunto
fo
M, representará un evento aleatorio resultado del experimento aleatorio conside-

m
rado, ya sea un evento elemental o compuesto.

a.
un
La figura 2.1. ilustra lo que acabamos de decir:

t
on
yc
dm
.a
w
w
w
Fig. 2.1.
Si se cumple que la unión de todos los A¿ considerados igual a Í2, entonces
diremos que los At son colectivamente exhaustivos, valiendo también la afirma-
ción recíproca:
(2.1.) u Los Aj son colectivamente exhaustivos.

—i

FIG. 2.2.
En la figura 2.2. se cumple que AI U A 2 U A 3 = £2
AI , A 2 y A 3 son colectivamente exhaustivos.
om
Diremos que un conjunto de eventos A¡ son mutuamente excluyentes si la
c
intersección de los A¡ es vacía, valiendo también la afirmación recíproca.
s.
ro
fo
(2.2.) f^ A¡ - Los A¡ son mutuamente excluyentes.
m
i — 1
a.
t un
on
yc
dm
:A,=
.a
w
w
w
FIG, 2.3.
En la figura 2.3 se cumple que A¡ n A2 = n A3 = 0 y A 2 n A 3 =

por lo que los eventos Al , A2 y A 3 son mutuamente excluyentes. Obsérvese que
en la figura 2.2 no es válida esta afirmación.
Las definiciones que acabamos de ver permiten afirmar que un conjunto de

eventos, son colectivamente exhaustivos y mutuamente excluyentes, si están con-
templados en el conjunto todos los estados de la naturaleza factibles y si la
ocurrencia de uno de los estados implica la no ocurrencia de cualquiera de los
restantes.
36
La figura 2.3. ejemplifica la situación.
Tomemos otro ejemplo para fijar estas ideas.
o En la figura 2.4 aparece una caja que

contiene tres bolas negras y dos bolas
blancas. Realicemos el experimentos que
consiste en extraer al azar dos bolas de la
o caja. El espacio de eventos está consti
tuido por:
Fig. 2.4.
A = "bola blanca —bola negra"
A 2 = "bola blanca — bola blanca"

A
om
A 3 = "bola negra — bola negra"
c
Estos eventos son mutuamente excluyentes porque la ocurrencia de uno de
s.
ellos obliga a la no ocurrencia del otro y colectivamente exhaustivos, porque sólo
ro
éstos pueden ocurrir.
fo
m
2.2. LA DEFINICIÓN DE PROBABILIDAD

a.
un
Dado que la irociónjlejHoJ)al^ intuí"

tiva, ha sido j>bjeto de numerosas interpretaciones por parte de ma^máticos de
t
on
distintas épocas, en. el intento de formalizar e investirla del rigor característico de.
todos los desarrollos de la matemática. A continuación veremos las distintas con-
yc
cepciones que hay al respecto:

dm
2.2.1. LA DEFINICIÓN CLASICA

.a
También denominada probabilidad[combinatoria,Lconcibe la proba-

w
bilidad de un evento aleatorio como el cociente entre. eEnSmerp^ de_

w
resultados del expenm^ total

w
de resultados posibles e igualmente probables.
Esta definición, aparte de que hace uso de la palabra "probable" que

aún no se ha definido (tautología), posee dos limitaciones en cuanto
a su aplicación:
a) no siempre es factible enumerar exhaustivamente los resulta-

dos de un experimento
b) La suposición de que todos los resultados puedan ser igualmen-

te probables, no siempre es válida.
2.2.2 LA DEFINICIÓN FRECUENCIAL
Esta es una definición que se basa en la relación intuitiva que existe

entre probabilidad y frecuencia; según ella, la probabilidad, de un
evento es la frecuencia relativa de dicho evento en n intentos repeti-
37
dos de un experimento aleatorio, cuando n tiende a infinito. Si m es

el número de veces en que se verifica el evento A. en n intentos repe-
tidos de un experimento aleatorio dado, entonces la probabilidad de
A se designa por
(2.3) P(A)= lim ~

o -> oo
Esta concepción de la probabilidad es generalmente adoptada por los

estadísticos, y resulta de utilidad en el Análisis de Decisiones cuando
se tratan situaciones que poseen una serie histórica de datos, suficien-
temente larga y en las que se puede suponer, sin cometer grandes
errores, que las condiciones en las cuales se repite el experimento se
mantienen invariables. Por ejemplo, cuando se hacen pronósticos del
estado del tiempo o de la intensidad de las precipitaciones, general-
mente se toman en consideración series de datos muy largas, produc-
to de muchos años de observación.
La concepción frecuencial de la probabilidad no admite ninguna
om
influencia personal en su determinación; supone la probabilidad
como una cualidad específica de un objeto (como pudiera ser el peso,
c
el volumen o la dureza) razón por la cual a la probabilidad concebida
s.
así se le designa también como probabilidad objetiva. Sin embargo,
ro
en los últimos años ha cobrado cada vez más fuerza una concepción
fo
que establece que la probabilidad es más el producto de un "estado
m
mental" que de un estado de cosas, diciéndose que la probabilidad

mide el estado de conocimiento de una persona, acerca de un fenó-
a.
meno, más que al fenómeno mismo. Esto nos lleva a una tercera
un
definición.
t
on
yc
2.2.3. LA CONCEPCIÓN SUBJETIVA DE LA PROBABILIDAD

dm
La concepción subjetiva define la probabilidad de un evento como el

grado de confianza que una persona posee en la factibilidad de ese
.a
evento. En otras palabras, la probabilidad de un evento puede conce-

w
birse como un valor numérico, el cual no es más que un índice de la

w
opinión de una persona racional sobre las posibilidades que tiene ese
w
evento de producirse en el futuro.
Según esta definición, entonces, la probabilidad de un evento varía

según la persona que lo esté considerando y, también, para la misma
persona, según el momento y circunstancias en los cuales asigna ía
probabilidad. Esto hace pensar que tal forma de evaluar la probabili-
dad es un tanto arbitraria; al contrario, es una evaluación que está del
todo de acuerdo con las reglas lógicas. Veamos, si dos personas racio-
nales proceden de experiencias similares, si sus juicios personales
provienen más o menos de las mismas bases, entonces ellas determi-
narán, aproximadamente, ios mismos valores de probabilidad para
un mismo evento; sin embargo, la concepción subjetiva de la probabi-
lidad admite que dos personas racionales con experiencias distintas,
puedan escoger dos valores numéricamente distintos para presentar ía
probabilidad de un evento, lo cual es un hecho de suma importancia
dentro del Análisis de Decisiones, porque incorpora el conocimiento
del especialista al proceso del Análisis de Decisiones.
38
2.3. AXIOMAS DE PROBABILIDAD
Las definiciones de probabilidad examinadas anteriormente, distintas en

cuanto a concepción, coinciden todas en que ésta es una medida numérica asocia-
da a cada uno de los eventos que constituye el espacio de eventos.
Debido a la necesidad de que el conjunto de probabilidades asignadas bajo

una u otra concepción, sea coherente y exento de contradicciones, se ha estableci-
do una serie de axiomas que señalaremos a continuación, los cuales logran, entre
otras cosas, darle al cálculo de probabilidades una estructura matemática formal,
la cual facilita cualquier desarrollo que vaya más allá de la mera definición.
Sea £2 el espacio de eventos correspondientes a un determinado experimento

aleatorio; sea A un evento perteneciente a £2 y P (A) la probabilidad asociada a ese
evento; entonces, se satisfacen los siguientes axiomas:
1. P ( £ 2 ) = 1
2. P (A) > O para todo A C £2
om
3. P(A! U A2 U A 3 U ) -P (AJ + P (A 2 ) + P'(A 3 ) +
si Aj n AÍ = 0 para todo i i= i
c
s.
ro
A partir de las axiomas anteriores se pueden demostrar las siguientes propie-
fo
dades:
m
a.
a) P (0) = O cualquiera que sea £2 (2.4.)

un
b) P(A') - l - P ( A ) donde (A' U A) - £2 (2.5.)

c) P(A) < 1 (2.6.)
t
on
sin dificultad también se puede demostrar que, tratándose de eventos no exclu-

yc
yentes, eventos cuya intersección es no vacía, se cumple que:

dm
.a
P ( A . u A.) = P(A¡) + (P(A.) -P(A¡ n A.)' (2.7)

w
w
w
Es importante señalar que ni los tres axiomas mencionados ni cualquiera de

las propiedades que de ellos se puedan derivar, conducen a una asignación única y
específica de la probabilidad de un evento; los axiomas, simplemente clarifican las
relaciones entre probabilidades que nosotros asignamos, de manera tal de garanti-
zar que seamos consistentes con nuestra noción intuitiva de probabilidad. Por
ejemplo, si consideramos el diseño de una nave para llevar un hombre a la luna, el
experimento que consiste en hacer que esta nave tripulada alcance la luna puede
tener dos resultados: éxito o fracaso. Por éxito entendemos que el hombre llegue
sano y salvo a la luna: por fracaso cualquier otra cosa
Los axiomas ya enunciados no implican que la probabilidad del evento

"éxito" deba ser 1/2, 3/4 ó 0,998, o cualquier otro valor en particular; si denota-
mos esta probabilidad con P, ellos nos implicarán que O < P < 1 y que la proba-
bilidad del evento "fracaso" es 1 — P, una asignación o especificación real del
valor de P debe provenir de un análisis concienzudo del experimentó, y del meca-
nismo que está detrás de él, de las condiciones ambientales, de los datos disponi-
bles de realizaciones anteriores de experimentos iguales o similares, y de la expe-
riencia de quien hace la asignación.
39
En el Análisis de Decisiones la consideración de esta serie de axiomas es de

utilidad porque permite que de una forma coherente sea posible:
a) Asignar las medidas de probabilidad a los eventos elementales inte-

grantes del espacio de eventos. Si tomamos nuevamente nuestro
ejemplo de la perforación del pozo petrolero, donde los posibles
eventos considerados eran: Q^ = "pozo seco", 02 = "petróleo a
los 1000 metros o antes" y 0 3 = "petróleo después de los 1000
metros" y suponemos que asignamos a estos eventos los siguientes
valores de probabilidad:
? ( < 9 j ) = 0,5; P ( 0 2 ) = 0,4; P ( 0 3 ) = 0,8 vemos que siendo 6l,92 y <9 3

mutuamente excluyentes y colectivamente exhaustivos verifican que:
6 Í n 62 = 6, H í?3 = $ 2 O 0 3 - 0 y por tanto debería resultar, de

3
om
aplicar los axiomas 1 y 3, que _2 P (6 ¡ ) = 1 ; fácilmente observa-
i 1
mos que según la asignación de probabilidades hecha, P (O j ) + P (0 2 )
c
s.
4- P (0 3 ) = 1,7, que es una violación a los axiomas, o, lo que es lo
mismo, una comprobación de que la asignación de probabilidades
ro
hecha es incoherente. ¡Incorrecta!
fo
m
b) Calcular las probabilidades de eventos compuestos, derivados de las

a.
combinaciones de los eventos elementales pertinentes.

un
Por ejemplo, en el lanzamiento de un dado legal, la probabilidad de

t
on
que resulte 1, 2, 3, 4, 5 ó 6 es 1/6. Utilizando el axioma 3 podemos

yc
calcular la probabilidad del evento compuesto "el resultado del lanza-

miento, r. es menor o igual que 3" (r < 3):
dm
P (r ^ 3) - P (r = 3) + P (r = 2) + P (r = 1) = — + — +— = —
.a
6 6 6 2
w
dadoque {(r=3)} n{(r-2)} ={(r=3)} n{(r=l)}=

w
{(r^2)} O {(r-1)} = 0
w
c) Precisar el significado de las medidas de probabilidad asociadas con

los eventos considerados en una cierta situación aleatoria.
Con esto queremos decir que al asignar una probabilidad cercana a la

unidad a un evento determinado, es porque lo creemos muy factible.
Contrariamente, un evento cuya probabilidad asignada sea cercana a
cero, tiene escasas posibilidades de ocurrencia.
Si la posibilidad asignada a un evento A es mayor que la asignada a

un evento B, el evento A tiene mayor posibilidad de ocurrir que el
evento B.
40
AUTOE VALUACIÓN
Instrucciones
A continuación se le presentan distintas situaciones seguidas de alternativas

de respuesta. Sólo una de las alternativas es correcta para cada situación.
Determine la alternativa correcta y señálela encerrando en un círculo la letra

que la identifica.
1. Identifique la gráfica en la cual se presentan los eventos A y B, mutuamente

excluyentes.
c om
s.
ro
fo
m
A)
a.
t un
on
yc
dm
.a
B)
w
0
w
w
C)
D)

2. Dado íí, los eventos A, B, C, D son colectivamente exhaustivos.
B)
c om
s.
ro
fo
m
a.
C) D
t un
on
yc
dm
B
.a
D)
w
w
w
3. Teniendo una empresa a su disposición las estadísticas de ventas de automó-

viles de los últimos cuatro años, afirmar que la probabilidad de que esas
ventas para el año próximo suban en un 20 por ciento es de 0,25, responde a
una concepción de la probabilidad esencialmente.
(A\ Frecuencial
Subjetiva
C Clásica
42
4. Después cíe un conjunto de pruebas debidamente especificadas, el Departa-

mento de Control de Calidad de una empresa fabricante de lámparas incan-
descentes afirma que la probabilidad de que una de sus lámparas falle antes
de las 1,000 horas es de 0,05. Esta afirmación responde a una concepción de
la probabilidad esencialmente.
Frecuencial
B Subjetiva
En una ciudad desorganizada y congestionada como Caracas, decir que la

probabilidad de que una persona que sale de su casa a las 7 a.m., llegue a su
oficina, distante 10 km, entre las 7:25 a.m. y las 7:35 es de 0,4, responde a
om
una concepción.
c
s.
A Frecuencial
ro
fo
B Subjetiva
m
a.
C Clásica
t un
on
yc
El que las probabilidades de cada uno de los eventos excluyentes que consti-
dm
tuyen exhaustivamente un espacio de eventos sumen 1, significa que dichas

probabilidades.
.a
w
w
A Han sido asignadas bajo una concepción subjetiva

w
B Responden a la definición frecuencial
Se ajustan a los axiomas 1 y 3
Cuando a los eventos mutuamente excluyentes que constituyen exhaustiva-

mente un espacio, se les asigna probabilidades bajo una concepción subjetiva,
la suma de las probabilidades asignadas.
A Es siempre mayor que 1
B No necesariamente es 1
tr Es
43
SOLUCIÓN DE LA AUTOEVALUACION
SECCIÓN DE
PREGUNTA PT AVE
A1
\jL¿¿\ OBJETIVO EVALUADO REFERENCIA
1 B 5 2.1
2 r1! 5 2.1.
3 Á 6 2.2
4 Cc 6 2.2
5 B 6 2.2
6 A 5 2.3
7 C 5 2.3
Clave razonada
Pregunta 1 Los únicos eventos cuya intersección es vacía son los de la situa-
ción "B"
om
Pregunta 2 L situación en la cual A U B u C u D = £2esla "A".
c
s.
Pregunta 3
ro
a probabilidad asignada es producto de la observación de una
síie históíica de datos, que iaidican una determinada tendencia.
fo
m
Pregunta 4 Las pruebas efectuadas a las lámparas consisten en el someti-

a.
miento de un lote de las mismas a un proceso de "envejecimien-

un
to" rápido, durante eí cual se hace un conteo de las que van

fallando. La probabilidad es un cociente entre el número de
t
on
iái^pai'ss qua fallan antes de un determinado tiempo y el núme-

ro total de las sometidas a prueba. Vale la pena aclarar que si la
yc
asignación de probabilidad es hecha tomando en consideración

dm
los resultados de "muchas" pruebas, estará involucrando un

concepto estadístico y por io tanto entra en juego la concep-
.a
w
w
Pregunta 5 Es claro que lo más importante en la asignación de probabilidad

w
que se hace, en este caso es la experiencia de quién la hace y por

supuesto las circunstancias en que la hace. Son tantos los facto-
res no determinados que entran en juego, que la probabilidad
que pueda asignar una persona que no conozca la ciudad será
seguramente bien distinta de la que asigne un caraqueño, some-
Pregunta 6 Son los axiomas los que especifican coherentemente las relacio-
nes entre las medidas de probabilidad de los eventos de un expe-
rimento aleatorio dado y no la concepción misma de la probabi-
Pregunta 7 La misma razón de la pregunta 6.

UNIDAD 3
INFORMACIÓN Y ASIGNACIÓN DE
PROBABILIDADES
7) Relacionar el problema de la asignación de probabilidades con la disponibi-

lidad de información.
8) Aplicar el cálculo de probabilidades para la incorporación de información en

la asignación de la probabilidad de un evento.
c om
s.
ro
fo
m
a.
un
t
Pag.
on
3.1. Asignación de probabilidades e información * 48

yc
3.2. Probabilidad condicional 50

dm
.a
3.3. Independencia de eventos 55

w
3.4. El teorema de Bayes 5é

w
w
Autoevaluación 61
Solución de la Autoevaluación . 65
47
8.1. ASIGNACIÓN DE PROBABILIDADES E INFORMACIÓN
Cada una de las definiciones de probabilidad que analizamos en la Unidad 2

encierra, en cierta forma, un modo de asignar la probabilidad de un evento aleato-
rio que es realización de una prueba o experimento también aleatorio.
Para los efectos del Análisis de Decisiones, aunque existe una tendencia o
inclinación que hace que la asignación de la probabilidad de un evento sea sugeri-
da por una concepción subjetiva, es difícil establecer una norma que sea capaz de
abarcar todas, o ni siquiera una parte, de las situaciones de decisión imaginables.
Esencialmente, la probabilidad que podamos asignarle a un determinado evento o
estado de la naturaleza está relacionado con el grado de información que posea-
mos respecto a la ocurrencia de dicho evento y con nuestra propia capacidad de
interpretar (valorar) esa información.
Supongamos por ejemplo el lanzamiento de un par de dados "idénticos" y el

problema de asignar la probabilidad del evento "el resultado del lanzamiento es
om
Si previo al lanzamiento no se nos permite examinar los dados y por ende
suponemos que se trata de un par legal, bien construido, si además desconocemos
c
los resultados de cualquier otra prueba anterior realizada con ese mismo par de
s.
dados, entonces el problema de asignar la probabilidad al evento considerado se
ro
limitará, solamente, a determinar el número de los posibles resultados del lanza-
fo
miento, el número de los resultados favorables al evento y a efectuar el cociente.
m
Veamos: los posibles resultados son (1,1); (1,2), (1,3), (1,4); (1,5); (1,6); (2,1);
a.
(2,2); ..; (6,5); (6,6), y hacen un total de 36. Si partimos de que cualquiesa de
estos 36 posibles resultados es igualmente probable, lógicamente asignaremos al
un
evento "(1,1)" 1a probabilidad p = 1/36. Para hacer esta asignación no dispusimos

t
de ninguna información especial acerca del experimento y de sus posibles realiza-

on
ciones, simplemente aplicamos la definición clásica de probabilidad, por ser la

yc
que más se ajustaba a la situación planteada.

dm
Supongamos ahora que seguimos sin poder examinar los dados pero que esta
vez alcanzamos a obtener una tabla de valores donde aparecen los resultados
.a
observados después de haber realisado 1 lanzamientos consecutivos del par de

w
dados en cuestión (tabla 3.1).

w
Tabla 3.1.* Resultados de mfl lanzamientos

w
consecutivos de un per de dados.

No. de veces que se
Evento verificó el evento
En estas condiciones es lógico pen-
(i,D 59
sar que si el "comportamiento" del
(1,2) 84
(1,3) 85 par de dados ha sido el que describe
(1,4) 74
(1,5) 76 la tabla para 1,000 realizaciones
(1,6) 79 consecutivas, para la realización No.
(2,2) 23
(2,3) 45 1001 ese "comportamiento" se
(2,4) 41 mantenga. Esto es un raciocinio
(2,5) 44 típico de la Estadística; de la tabla
(2,6) 43
(3,3) 24 de valores —que en definitiva es una
(3,4) 46 información— podemos asignarle al
(3,5) 46
(3,6) 41 evento "(1,1)" la probabilidad de
(4,4) 26 59/1000.
(4,5) 44
(4,6) 43 Este procedimiento de asignación es
(5,5) 20
(5,6) 40 el que se desprende de la concep-
(6,6) 17 ción frecuencia! u objetiva, de la
1000 [ probabilidad.
48
Por último, supongamos que no disponemos de la tabla de valores anterior,

sino que en cambio tenemos la posibilidad de tomar en nuestras manos el par de
dados.
Examinándolos cuidadosamente notamos, aun sin disponer de algún instru-

mento de medición, que mientras a la vista ambos dados son iguales, uno de líos
tiene un peso distinto y que, además, ese peso parece estar concentrado casi
exclusivamente sobre la cara opuesta al "uno"; esto nos advierte, obviamente, que
para ese dado el resultado "uno" es particularmente favorecido, a tal punto de
qué en el lanzamiento del par de dados es "altamente probable" el que al menos
uno de ellos resulte "uno"; de esta manera no sería muy arbitrario si, por ejemplo,
hiciéramos la asignación 1/18 a la probabilidad de que se realice el evento "(1,1)".
Veamos que siendo esta asignación nuevamente subjetiva, no procede puramen-
te del capricho de quien lo hace, sino que es el producto de haber tenido conoci-
miento de una situación y racionalmente haber hecho una estimación de las po-
sibilidades de realización de un evento futuro.
Un ejemplo reportado en la bibliografía es el del astronauta que va a ser
om
lanzado al espacio en una misión de circunvalación a la tierra. Cuando se está
introduciendo en la cápsula pregunta al Supervisor de Lanzamiento: "Por curiosi-
c
dad ¿cuál es la confiabilidad de este cohete?" El Supervisor responde: "Noventa y
s.
nueve por ciento; estimamos que en cien lanzamientos sólo un cohete puede
ro
fallar". El astronauta confía pero aún tiene ciertas reservas sobre el éxito de la
fo
misión y pregunta de nuevo: "¿Esos cohetes que están allí cerca, son del mismo
m
tipo del que voy a usar yo?" El Supervisor responde: "Son idénticos". El astro-
a.
nauta sugiere: "¿Por qué no se lanzan unos cuantos antes que el mío para así
un
sentirme algo más seguro?"

t
on
Se lanza un primer cohete tripulado por un piloto artificial. Cae en el

yc
océano. Fracaso total. El Supervisor comenta: "Resultado desafortunado, tratare-

mos de nuevo". El segundo cohete explotó en el aire. Lanzan un tercer cohete con
dm
el resultado desastroso de desintegrarse antes del lanzamiento. Llegado este

.a
momento, el astronauta resignado es enviado a casa. Nada podrá convencerle que

la confiabilidad es del 99% -
w
w
w
Pero en realidad, ¿qué es lo que ha cambiado? Su cohete no puede ser

afectado físicamente por la falla de otro; el sistema de pilotaje, el motor, todo
está exactamente en las mismas condiciones que antes de efectuar las anteriores
pruebas. Si consideráramos la probabilidad como un "estado de cosas", la confia-
bilidad del cohete debería continuar siendo 99% . Pero, por supuesto no es así.
Después de observar la falla del primer cohete, el astronauta ha podido evaluar la
confiabilidad del suyo, digamos que en un 90 %> después de la segunda falla, en un
70% y finalmente, después de la tercera digamos que a lo sumo en un 30%. Lo
que ha sucedido *s que su estado de conocimiento sobre su propio cohete ha sido
influido por lo que le ha sucedido a los cohetes gemelos de donde, él estima que la
probabilidad debe decrecer. Es tan baja la confiabilidad estimada que sin duda no
arriesgará la vida.
De nuevo colocamos en realce la influencia que tiene el grado de información

que se posee para la asignación de la probabilidad. Este grado de información,
claro está, dependiendo de las situaciones y circunstancias, puede variar en un ran-
49
go muy extenso; hay situaciones de las que se tiene un conocimiento sólido, pro-
ducto de muchos años de experiencia, así como otras de las que se poseen simple-
mente algunos indicios o una vaga idea proveniente de unos cuantos datos. Es por
olio que resulta difícil establecer un procedimiento que permita, en forma simple,
eficiente y más o menos precisa, hacer asignaciones de probabilidad.
En la práctica, cuando los problemas conciernen a una organización, empresa

o institución, las variables involucradas en ei proceso de decisión, que representan
estados de la naturaleza cuya probabilidad hay que asignar, se clasifican por espe-
cialidades y se designa dentro de la organiación a la(s) persona(s) que mayor cono-
cimiento tiene(n) sobre cada grupo de variables, para realizar las respectivas asig-
naciones; así, las variables tecnológicas se asignan al Departamento de Tecnología,
las variables de mercadeo al Departamento de Mercadeo, etc
Sin duda, que en este proceso de asignación intervienen mecanismos psicoló-

gicos particulares; entre otras cosas, por ejemplo, cuando el especialista es interro-
gado por su conocimiento sobre cierta materia, puede creer que se está tratando
de evaluar su persona y no su conocimiento. Es por ello que han sido diseñados
procedimientos que permiten salvar, en una cierta medida, éste y otros obstáculos
om
y que se han demostrado bastante eficaces en la práctica.
c
Esencialmente, para la asignación de la probabilidad de un evento dado es
necesario observar conjuntamente los aspectos siguientes:
s.
ro
fo
a) Las características físicas inherentes al evento
m
a.
b) La rata de ocurrencia del evento en situaciones pasadas (si existieron)

un
c) Las relaciones entre el evento y otros posibles

t
on
d) La opinión de los especialistas

yc
e) Cualquier información disponible relacionada con el evento, que se

dm
considere confiable
.a
Claro está, que según sea la naturaleza del evento, cada uno de los puntos
w
anteriores tendrá mayor o menor importancia. Por ejemplo, en la asignación de la

w
probabilidad de falla de una turbina de avión a reacción, son de especial importan-

w
cia la consideración de los aspectos físicos, la tecnología empleada en la fabrica-

ción y la observación de las estadísticas referentes a las pruebas efectuadas previa-
mente. Mientras que en la asignación de la probabilidad de que los precios de
venta del petróleo, para el segundo semestre del año próximo estén por debajo de
los treinta dólares el barril, es fundamental la opinión de los expertos en la
materia, la relación del evento con acontecimientos políticos, bélicos, etc., y toda
información colateral que tenga algo que ver.
En la Unidad 4, cuando tratemos la Metodología de la Asignación, volvere-

mos sobre este punto más extensamente; por ahora continuaremos con otros
conceptos que son imprescindibles para el estudio de tal metodología.
3.2. PROBABILIDAD CONDICIONAL
Como ya se ha hecho resaltar, la probabilidad que asignamos a un evento está

sujeta a cambios, según varía nuestro grado de información respecto al fenómeno
analizado y su entorno.

Supongamos por ejemplo, que hemos comprado un número de una rifa de

mil boletos; en el momento de la adquisición estimamos obviamente que la proba-
bilidad de resultar favorecidos con eí premio es 1/1.000, Un día antes del sorteo
nos enteramos que al promotor de la rifa logró colocar solamente 935 boletos y
que los no vendidos no vau a concurso. Con esta información resulta claro que la
probabilidad de obtener el premio se eleva a 1/935.
Este ejemplo ilustra, en forma sencilla, lo antes dicho en referencias que la

probabilidad asignada a un evento está condicionada al grado de información
disponible.
Hasta e! momento no hemos formalizado una notación que indique clara-

mente este condicionamiento, lo que haremos a continuación:
Sea E un evento o estado de la naturaleza cualquiera, cuya probabilidad

debemos asignar y sea C otro evento o estado de la naturaleza.
Denotamos por P (E/C) a la probabilidad de que E ocurra bajo el hecho de

que C se ha verificado.
om
De esta manera, la ocurrencia de C es considerada por el decisor como una
c
información, P (E) es la probabilidad asignada al evento E antes de recibir la
s.
información, también llamada probabilidad inicial o probabilidad a priori, mien-
ro
tras que la probabilidad P (E/C) es la probabilidad asignada a E, después de haber
fo
recibido la información llamada probabilidad final o a posteriori.
m
a.
A P (E/C) comúnmente se le designa como probabilidad condicional del

un
evento E respecto a C, o simplemente la probabilidad de E dado C,

t
on
Esta probabilidad condicional P (E/C), corrientemente se define como el

cociente entre P (E O C) y P (C) siempre que P (C) * O
yc
dm
P ( E n C)
(3.1.) P ( E/C) = ' ; P (C) * O
.a
w
w
Veamos ahora el siguiente ejemplo.

w
Supongamos que eí condominio de un edificio realiza periódicamente la

adquisición de lámparas incandescentes en un establecimiento comercial que a su
vez se surte de dos proveedores. El primero (A) suministra el 70% del total de
lámparas y el segundo (B) el 30% restante.
En promedio, sólo son normales * 85 lámparas de cada 1UU vendidas por el

proveedor (A) y 65 de cada 100 vendidas por el proveedor (B).
Todos estos datos son ignorados por el condominio, quien posee como única
información, producto de observar los resultados de compras anteriores, que de
cada 100 lámparas adquiridas sólo setenta y nueve son normales; condición bajo
la cual, si tuviera que asignar una probabilidad al evento "comprar una lámpara
normal" dim:
79
Se consideran normales aquellas lámparas cuya vida mínima es de setecientas horas de

encendido.
51
Supongamos ahora, una ocasión en que el condominio va a realizar la compra

de un lote de lámparas y recibe la siguiente confidencia de uno de los empleados
del establecimiento:
"La existencia actual de lámparas es enteramente suministrada por el provee-

: A, cuya proporción de lámparas normales es de 85 %"
Bajo esta condición, la asignación de probabilidad para el evento "comprar

una lampan 3onn^r' será lógicamente
100 - 0,85
La diferencia entre esta asignación y la anterior radica en que se produjo un

cambio en las condiciones en que se realizaba la adquisición de las lámparas. Un
mismo evento: "La compra de una lámpara normal" tiene asignadas dos probabi-
lidades distintas, pero en condiciones (estados de información) también distintas.
Si designamos c 10 E el evento "compra de una lámpara normal" y C el
om
evento "fue suministrada por el fabricante (A)", entonces, P (E) designa la proba-
bilidad incondicional deí evento E y P (E/C) la probabilidad del mismo evento
c
pero suponiendo que C se ha producido previamente. Tendremos pues:
s.
ro
fo
P (E) - 0,79 P (E/C) = 0,85
m
a.
Viene al caso hrcer n.otar que, en rigor, cada probabilidad es condicional: en

el verdadero sentido ie la palabra, no existe una probabilidad no-condicional. En
un
la mayoría de los problemas concretos hallamos que todas las operaciones y

t
on
estados de la naturaleza examinados se basan en un sistema o conjunto de condi-

ciones, que se acepta como hipótesis previa a cualquier análisis. Si en la asignación
yc
y cálculo de las probabilidades no se toma en cuenta ninguna otra condición ajena

dm
a tal conjunto o sistema, entonces las probabilidades consideradas son no-condi-

cionales. En nuestro ejemplo, el conjunto de condiciones que tácitamente acepta-
.a
mos como hipótesis previa, es que las lámparas incandescentes consideradas son
producidas de acuerdo a normas y especificaciones comerciales de calidad común-
w
mente aceptadas y prefijadas.

w
w
Si además de tal conjunto de condiciones aceptado tácitamente, existe otro

que siendo ajeno a aquél, se toma en particular consideración en el momento de
realizar la asignación de probabilidad, entonces, tal asignación está condicionada y
a ese oonJr.^r-o lo denominaremos "Evento condicionante". AI espacio de evento
original,, modificado por la información aportada por el evento condicionante, lo
denominaremos "Espacio condicional de eventos".
Consideremos al conjunto de even-

tos elementales que constituyen el
espacio representado en la figura
3.1.; siendo las probabilidades
asignadas a cada una de ellos, res-
pectivamente, P (e t ), P (e 2 ), P (e 3 ),
P (64) Y P (e s ), se debe cumplir que
i— 1

Supongamos ahora que recibimos información adicional sobre el experimen-

to, la cual nos indica con certeza que los eventos e2 y e4 no ocurrirán; esta infor-
mación constituye el evento condicionante O "no ocurre e2 y no ocurre e " y se
refleja en la figura 3.2. En estas condiciones, los únicos eventos posibles son e ,
fig. 3.2.
e3 y e s de tal forma que la información obtenida (evento condicionante) permite

ubicarnos en un nuevo espacio de eventos representado en la figura 3.3. que es el
espacio condicional de eventos.
c om
s.
ro
fo
m
a.
t un
on
Este nuevo espacio debe satisfacer los axiomas de probabilidad, de tal forma
yc
que P (e,/C) + P (e 3 /C) + P (e s /C) - 1

dm
Veamos el ejemplo siguiente:

.a
w
Tomemos dos cajas idénticas, representadas en la figura 3.4. con la siguiente

w
composición: caja 1, cuatro pelotas negras y una blanca; caja 2, tres pelotas
w
blancas y dos negras.
Supongamos que al azar extr una pelota, ¿cuál será la probabilidad de

que sea negra? ¿Cuál será la idad de que sea blanca?
53
Consideremos el espacio de eventos £3 = Al, A 2 , A 3 , A4 representado en la

figura 3.5. donde A! , A 2 , A 3 y A4 son:
A j ; "la pelota es negra y proviene

de la caja 1"
A 2 : "la pelota es blanca y proviene

de la caja 1"
A 3 : "la pelota es blanca y proviene

de la caja 2"
A 4 : "la pelota es negra y proviene

de la caja 2"
Se cumplen
om
4
U AÍ= y n
c
fig. 3.5. i 1
s.
ro
fo
Consideremos: N = "extraer una pelota negra"
m
B - "extraer una pelota blanca"

a.
un
supongamos que ocurre el evento condicionante

t
on
Cj ~ "la oelota procede de la caja 1*'

yc
(que equivale decir que la pelota no podrá provenir de la caja 2). Nuestro espacio
dm
condicional de eventos estará representado en la figura por la parte punteada; en

dicho espacio se cumple:
.a
w
i = l/5
w
w
P(N/C t ) + P(B/C 1 ) = 1
sí por el contrario ocurre
C2 = "la pelota procede de la caja 2", nuestro espacio condicional de eventos

es el que representa la parte rayada de la figura y en el mismo se cumple
P(N/C 2 ) - 2/5 y P(B/C 2 ) - 3/5
P(N/C 2 ) + P(B/C 2 ) - 1
si consideramos ahora P ( P (C 2 ) = 1/2 vemos que

A! = N n C , = N C , y
A4 = N n C 2 - N C 2
54
3.1. podemos determinar
- P(N/C t ) • P ( C , ) = 4/5 • 1/2

P(Ai) = 4/10
P(A 4 ) - P ( N C 2 ) - P(N/C 2 ) • P ( C 2 ) = 2/5 • 1/2
P(A 4 ) = 2/10
de la figura 3.5 queda claro que N = Al U A 4 , así como también B = A2 U A 3 de

modo tal que gracias al axioma 3 podemos escribir P (N) = P (Aj) 4- P (A 4 ), o sea,
P (N) = 4/10 4- 2/10 = 6/10. En forma similar se puede determinar P (B), el cual
debe ser 4/10.
om
3.3. INDEPENDENCIA DE EVENTOS
c
Consideramos de nuevo los eventos E y C de la sección anterior. Supongamos
s.
que en forma separada tratarnos, por un lado de asignar la probabilidad al evento
ro
E antes de recibir la información de que ha ocurrido el evento C (o suponiendo
fo
que C no ha ocurrido) y por otro, de asignar la probabilidad al mismo evento E,
m
paro partiendo de la ocurrencia de C. Si después de hechas estas asignaciones

a.
encontramos que
un
P (E) - P (E / C)
t
on
yc
dm
podemos inmediatamente deducir que la ocurrencia de C no tiene influencia

alguna en la probabilidad de ocurrencia del evento E, es decir, que E es indepen-
.a
diente de C. Es fácil notar que si E es independiente de C, se cumple

w
P ( E n C ) = P(E) - P(C) (3.

w
w
Ilustraremos la definición mediante un ejemplo.
Un caraqueño desea ir a pasar el fin de semana al Litoral y sin duda que la

pregunta obligada será la de si habrá o no buen tiempo en la playa. Consideremos
los eventos o estados de la naturaleza siguiente:
0 "habrá sol radiante en la playa"

0 "hay mal tiempo en Caracas"
supongamos ahora que nuestra vacacionista decida hacer una asignación de proba-
bilidad para los eventos 6 1 y Q , / 0 2
sean estas asignaciones
P«M -0,9
y
P ( 0 i / 0 2 ) = 0,9
55
de ellas se desprende que los eventos 61 y 0 2 son independientes. Observemos
que, aunque a primera vista parezca ilógica la asignación de probabilidades hecha
por el vacacionista, es posible que esté fundamentada en algún reporte meteoroló-
gico que él considera muy confiable, el cual "asegura" que durante el fin de sema-
na en cuestión, aun cuando se prevén serías amenazas de lluvia en la ciudad, en el
Litoral habrá casi ciertamente, un espléndido sol.
3.4. EL TEOREMA DE BAYES
Tomemos de nuevo el ejemplo de las lámparas incandescentes de la sección

3.2.; podemos deducir del enunciado del mismo, que los eventos
Cj : '"la lámpara es de las suministradas por el primer proveedor"

y
C2 : "la lámpara es de las suministradas por el segundo proveedor"
son eventos mutuamente excluyentes y colectivamente exhaustivos, esdecir^rólo

4100 de ellos tiene necesariamente que ocurrir y ningún otro es factible. Tenemos
om
tarríBlénûVlas probabilidades iniciales son
c
P í d ) = 0,70
s.
P ( C 2 ) = 0,30
ro
fo
además, designando con E el evento
m
a.
E: "la lámpara comprada es normal"

un
tenemos que
t
on
P(E/C,) - 0,85
yc
P(E/C 2 ) = 0,65
dm
si nos referimos a las figura 3.4. que representa la situación en cuestión, vemos
.a
claramente que:
w
w
E = (E n C , ) U (E o C 3 ),
w
gracias al axioma 3 podemos escribir:

P (E) = P (E O C,) + P (E D C 2 )
C2 |
fiiZ.3.4,
la cual usando la ec. (3.1) se convierte en
P(E) = P(E/C,) +P(E/C2) (3.3)
esta ecuación es la llamada Ley de las probabilidades totales y en su forma más

general se escribe:
--£
i—1
PÍE/OJ) • P(CÍ) (3.4)
56
sustituyendo valores en la (3.3.) tenemos.
P (E)-0,85 • 0.70 + 0.65 • 0.30

P (E) = 0,79
Es interesante observar que si bien anteriormente habíamos dado el valor de

P(E) como una asignación hecha por el condominio, después de una larga y poco
común observación de las compras anteriores, tal valor de probabilidad puede ser
fácilmente calculado, como acabamos de hacer, siempre que se disponga de los
valores de P (Cí), P (C 2 ), P (E/Cj), P (E/C 2 ) que supusimos ignorados por el con-
dominio.
Supongamos ahora que estamos interesados en determinar la proveniencia de
la lámpara, sabiendo previamente que se trata de una lámpara normal, o sea,
supongamos que queremos determinar los valores
P((VE) y P(C 2 /E)
c om
s.
también llamadas probabilidades finales. ro
Si escribimos
fo
m
P(C! n E) = FfCi/E) • P(E)

a.
un
y su simétrica
t
on
P(E n C J - P Í E / C J - P(C,)
yc
dm
dado que
.a
ÍE n d) = (Cl H E ) vale entonces

w
w
PíCi/E) - P(E) = P(E/C,) • P ( C j )

w
de donde
P(C,/E) =
t iI \^l / U I —
P(E)
que es la expresión del Teorema de Bayes cuya forma generalizada se escribe:
P(E/C,) • P ( C j ) ._, . /oc,

P (C,/E) - — — 3 =1 k (3-6J
3 P(E)
o haciendo uso de la 3.4
P(Cj/E)= _ j=1 k (3.7)
2 P(E/C¡ • P(C^
i =i
57
de esta forma, para nuestro ejemplo,
P(C!/E)= P(E/C,) - P ( c t )
P(E)
0..85 • 0,70
P(Cj/E) =
0,79
P(C 1 /E) = 0,75
P(E/C 2 ) • P ( C 2 )
F(C 2 /E) -
P(E)
J3,6b • 0,30
P(C 2 /E) -
0,79
om
P(C,/E) - 0,25
c
s.
ro
éstas son las probabilidades finales o o posterion que no son más que las prooabi-
fo
lidades a pnon corregidas o modificadas por la información contenida en el hecho
m
de que la lámpara comprada ha resultado normal.

a.
un
En sste ñi es oportuno detenerse ante el hecho siguiente:

t
on
Tanto P (Cj/E) como P (E/C.) son probabilidades condicionales que son sus-
ceptiles de ser evaluadas en foi-ma autónoma,, aplicando cualquiera de los crite-
yc
trios de asignación discutidos anteriormente; sin embargo, en cuanto a dificultad,

dm
existe una gran diferencia entre asignar la probabilidad P (C./E) y asignar la pro-
babilidad P (E/C.). Notemos que mientras la evaluación de P (E/C.) es un proceso
.a
que va de lo general a lo particular, ia evaluación de P (C-/E) implica un proceso

w
inverso; se puede decir, prácticamente, que la diferencia entre un proceso y otro

w
es la misma diferencia que existe entre el proceso de interpolación de un valor

w
dentro de una tabla de valores y el proceso de extrapolación. Indudablemsn-

te que lo primero es mucho más simple y menos riesgoso que lo segundo.
En el ejemplo de las lámparas incandescentes que acabamos de examinar, el

evaluar, P (E/C t ) es un proceso que está exclusivamente ligado al conocimiento
de los estándar de calidad del proveedor No. 1, o sea, bajo el estado de conoci-
miento de que la lámpara proviene de tal proveedor, la probabilidad de que dicha
lámpara sea o no defectuosa es una mera consecuencia de los estándares de calidad
de dicho fabricante. Mientras, en la evaluación de P (Cl /E) pretendernos conocer
que la lámpara proviene de tal o cual fabricante, partiendo del simple hecho de
que la misma es normal. Esto es evidentemente mucho más difícil que lo primero,
y de allí se desprende precisamente la importancia del Teorema ds Bayes, porque
partiendo de las probabilidades a priori o iniciales.
,k
58
y de las verosilimitudes como también son" llamadas las
P(E/Cj) } i = l,...-
permite determinar mediante la ec. 3.7, las nrobabilidades a posteriori, o finales
P (C/E), j = 1 ...... , k
Para fijar las ideas examinemos un segundo ejemplo.
Pongamos el caso de una empresa fabricante de bienes de consumo masivo

que ha desarrollado un nuevo producto.
Los analistas de la empresa han determinado que la fabricación de este pro-
om
ducto entra dentro de los cánones aceptables de rentabilidad, sólo si del mismo se
produce un volumen no inferior a las 1000 unidades mensuales, a partir del cual
c
los precios de venta comienzan a ser competitivos en el mercado,
s.
ro
Actualmente la empresa ha establecido una línea de producción experimen-
fo
tal que puede arrojar un máximo de 10 unidades semanales.
m
a.
El problema consiste en determinar la conveniencia o no de implantar una

un
línea de producción definitiva, capaz de permitir la colocación en el mercado de,

por lo menos, 1000 unidades.
t
on
Entre las etapas importantes en el análisis de la decisión está la de evaluar o

yc
estimar la probabilidad de que ese mercado pueda o no absorber un mínimo de

dm
1000 unidades.
.a
Con la intención de hacer una exploración antes de tomar cualquier decisión

w
definitiva, se procede a lanzar el producto dentro de un segmento restringido del

w
mercado, aprovechando la capacidad de producción de la línea experimental. (La

w
conveniencia o no de esta exploración está relacionada con el costo de la informa-

ción, que es un concepto que estudiaremos en el Módulo II).
Como estados de la naturaleza para el mercado global podemos tomar:
0^ : "El mercado global es favorable, se venden 1000 o más unidades del

producto por mes"
Q2 : "Lo contrario de 0^'
para la muestra de mercado, o sea, para el sector donde se piensa introducir la

producción de la línea experimental, podemos considerar los siguientes estados de
la naturaleza:
/is : "La muestra de mercado es favorable, se vende toda la producción expe-

rimental*'
¿¿2 : "Lo contrario de MI "
59
Supongamos que una vez efectuada y evaluada la exploración del mercado,

resulte que el estado ¡JLI se verifica y que las probabilidades iniciales, o estiinacio
nes a priori para 61 y 62, sean las siguientes:
P ( 0 j ) = 0,6 P ( 0 2 ) = 0,4
De experiencias pasadas en campos similares, se conocen los siguientes
valores para las verosimilitudes.
P ( M i / 0 i ) = 0,9 y P ( M , / 0 2 ) = 0,3
Nótese que estos valores representan la confiabilidad de los resultados de la
exploración de mercado.
Las probabilidades a posteriori, o corregidas por la información que ha sumi-

nistrado la exploración sobre el mercado muestral son:
i ) Y P (0 2 / M i ) Q ue utilizando el Teorema de Bayes resultan
c om
s.
ro
0,9 • 0,6
fo
0,9 • 0,6 + 0,3 • 0,4
m
a.
un
- 0,82
t
on
yc
dm
.a
0>3 • 0,4
w
w
0,9 - 0,6+0,3 - 0,4

w
- 0,18
60
1) En la asignación de las probabilidades de ocurrencia de los eventos que

aparecen a continuación en la tabla, señale entre los aspectos siguientes:
A Las características físicas inherentes al evento
B La rata de ocurrencia del evento en situaciones pasadas (si

! existieron)
c Las relaciones entre el evento y otros eventos posibles
D La opinión de los especialistas
E Cualquier información disponible relacionada con el evento

que se considere confiable
om
El aspecto más importante a considerar.
c
s.
(Coloque en la columna de la derecha la letra correspondiente a la respuesta
ro
elegida).
fo
TABLA
m
a.
EVENTOS ASPECTO
t un
1) Obtener un premio en la lotería

on
yc
2) Que en los Valles de Aragua, para el

segundo semestre del año próximo, el
dm
índice pluviométrico estará entre los

95 y 100 mm
.a
w
3) Que la conversación telefónica entre,

w
un par de corresponsales cualesquiera,

w
de cualquier parte del mundo civilizado,

se lleve a cabo sin interferencias
apreciables
4) Que sea vendida la totalidad de la

producción mensual de un nuevo
detergente que se introduce en el
mercado
5) Que en los próximos seis meses sea

descubierta la cura contra el cáncer
6) Que para el año 2000 deje de ser el

hambre una de las principales causas
de muerte
7) Saín* de su casa y resultar atracado

2) El departamento de procesamiento de datos de una empresa opera treü

computadoras que manejan el 20%, 50% y 30%, respectivamente, del volu-
men total del trabajo generado por la compañía. Las probabilidades de que
estas computadoras cometan errores son respectivamente 5%, 15% y 8%
Determinar la probabilidad de cometer un error en el departamento de

procesamiento de datos de la compañía.
A p- 0,720
B P = 0,891
(c) P = 0,109
D P = 0,280
om
3) Supóngase una prueba de embarazo (E) que cumple las propiedades siguien-
c
tes:
s.
ro
P (A/E) =0,95 y P (A/E') - 0,95
fo
m
donde:
a.
un
E denota el evento "la paciente está embarazada",

t
on
A denota el evento "la prueba indica que la paciente está embarazada^

yc
Suponga que la probabilidad de que la mujer que se somete a la prueba esté

dm
embarazada sea de 0,05.

.a
Calcule la probabilidad de que, dado que la prueba diagnostica embarazo, la

w
mujer realmente lo esté:

w
w
A 0.087
B 0.913
C 0.005
D O.S95
•
4) Para las elecciones presidenciales del año próximo se lanzan dos candidatos;
los observadores políticos estiman que las probabilidades de triunfo de los
candidatos A y B son respectivamente 0,6 y 0,4.
Los especialistas en comunicación de masas del partido del candidato B, para

mejor orientar la campaña electoral, deciden contratar los servicios de üí .-
empresa encuestadora, la cual tiene un gran prestigio basado
resultados:

a) En el 90% de los casos en que las encuestas han dado como

vencedor a un candidato, éste efectivamente ha triunfado.
b) En el 30% de los casos en que las encuestas han dado como

vencedor a un candidato, éste ha perdido.
Si una vez efectuada la encuesta, ésta pronostica como vencedor al candidato

B, ¿cómo se modifica la probabilidad de triunfo que le habían asignado los
observadores con esta información?
A 0,46
B 0,54
C 0,18
om
D 0,82
c
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

63
SECCIÓN DE
1.1 A 7 3.1
1.2. B 7 3.1
1.3. A 7 3.1
1.4. C 7 3.1
1.5. D 7 3.1
1.6. D 7 3.1
1.7, A 7 3.1
2 C 8 3.2
om
3 A 8 3.3
c
4 B 8
s. 3.4
ro
fo
m
a.
Clave Razonada
t un
on
Pregunta 1
yc
Evento 1 Naturalmente que desde el punto de vista estrictamente racional, la

dm
probabilidad de obtener un premio en la lotería tiene que ver esen-

cialmente con el número de acciones compradas y el número total de
.a
acciones emitidas. Queda claro, sin embargo, que muchos de los

w
asiduos jugadores asignan sus probabilidades tomando en considera-

w
ción una serie de factores que muchas veces rayan en lo metafísico

w
(sueños, apariciones, etc.)
Evento 2 De los fenómenos metereológicos, desde hace muchísimos años se

llevan estadísticas que, científicamente, arrojan estimaciones confia-
bles sobre los mismos.
Evento 3 Este es un evento que esencialmente está sujeto a los aspectos tecno-
lógicos de los equipos empleados para su suceso, del diseño adecuado
de los sistemas y de las características físico-ambientales de donde se
se lleva a cabo la prueba (conversación telefónica).
Evento 4 Esto depende fundamentalmente de la correlación entre el nuevo

producto y sus competidores en el mercado, (publicidad, distribu-
ción, saturación del mercado, etc.).
Evento 5 Este evento depende, fundamentalmente, del estado actual de los

estudios y las investigaciones efectuadas por los especialistas y esti-
maciones 4e éstos, los aspectos esenciales a considerar en la asignación
déla probabilidad.
65
Evento 6 Misma razón anterior.
Evento 7 Sin duda que en este evento lo esencial es considerar características,

como el lugar del hecho, la fecha del mes, la hora del día, el aspecto
físico de la víctima, pero también podrían considerarse el íadíes
delictivo para el momento en que ocurre, el índice del desempleo en
la zona, el ingreso per cápita y su distribución en las distintas capas
sociales, el número de agentes policiales por habitante, y otros aspec-
tos que hubieran dado como respuesta correcta una combinación ds
las letras B), C) y E).
Este hecho, antes de crear confusión en el estudiante, debe hacerle

reflexionar sobre la materia que se está tratando, por cuanto -^
importante que note que hay situaciones en las cuales es difícil esta-
blecer, apriori, un criterio de asignación de probabilidades; en defini-
tiva todo dependerá de la situación particular y del grado de infor-
mación disponible, como ya se ha dicho.
om
Pregunta 2
c
s.
De los datos del problema se tiene ro
fo
P (A) = 0,20 P (E/A)-0,05

m
a.
un
P (B) - 0,50 P(E/B) = 0,15

t
on
P(C)-0,30 P(E/C) = 0,
yc
dm
.a
según la fórmula de las probabilidades totales tenemos

w
w
P ( E ) - P ( A ) • P (E/A) + P (B) - P(E/B) + P ( C ) • P (E/C)

w
sustituyendo
P (E)-0,20 - 0,05 + 0,50 - 0,15 + 0,30 - 0,08
P (E)-0,109
Pregunta 3
P(A/E) -0,95 P (E/A) = ?
P (AVE') -0,95 P (E/A)

.1 P (E/A) -
P (E) - 0,005 P

Aplicando el Teorema de Bayes
P(A/E) - • P(E)
P (E/A) -
P (A/E) • P (E) + P (A/E) • P (E')
_ 0,95 • 0,005
P (E/A) 0,95 • 0,0005 + 0,05 - 0,995
P (E/A) - 0,087
P(A/E')=1-P(AYE')
P (A/E1) = 1-0,95 = 0,05
Pregunta 4
Consideremos los siguientes eventos:
om
î : "el candidato B perderá"
c
s.
*2 •* "candidato B vencerá" ro
fo
M j : "la encuesta da como perdedor a B"
m
M 2 : "la encuesta da como vencedor a B"

a.
un
según se desprende de la situación planteada

t
on
yc
dm
P(M 2 /0 2 ) = 0,
.a
w
aplicando el Teorema de Bayes, la probabilidad de que B resulte vencedor,

w
modificada por la información que ha dado ia encuesta será:

w
P(M 2 /0 2 ) • P ( 0 2 )
P(0 2 /M 2 ) = 2 2J —
P(M2/^j) • P ^ J + P í M j / ^ j ) • P(^2)
0,9 - 0,6 + 0,3 • 0,4 0,66
67
UNIDAD
Al finalizar el estudio de esta Unidad usted deberá estar en capacidad de;
9) Aplicar los conceptos de variable aleatoria y de leyes de probabilidad, al

proceso de asignación de probabilidades.
10) Distinguir los principios y técnicas de la metodología de asignación de pro-

babilidades.
c om
s.
ro
fo
m
a.
un
t
on
Pag.
yc
4.1. Variables aleatorias 70

dm
4.2. Funciones de probabilidad , 72

.a
4.2.1. Caso discreto 73

w
4.2.2. Caso continuo 76

w
4.2.3. Fractiles ,. 76
w
4.3. Metodología de la asignación de probabilidades , 79
4.3.1. Principios a observar en el proceso de asignación de proba-

bilidades .,..,., 79
4.3.2. Sesgo en la asignación de probabilidades 80
4.3.3. Métodos para la asignación de probabilidad 82
Autoevaluación . 87

4.1. VARIABLES ALEATORIAS
Para Introducir el concepto de variable aleatoria utilizaremos el siguiente

ejemplo:
La tabla 4.1. representa el número de camisas que un comercio vende

durante un mes, clasificadas por tallas. La tabla 4.2 representa eí diámetro, en
décimas de milímetros, de las arandelas que produjo la máquina M de una fábrica
de herrajes para carpintería, durante el primer día de funcionamiento, después de
su instalación, momento para el cual se le hacía el seguimiento de norma.
Tabla 4.1. "No. de camisas vendidas" Taba 4.2. "No. de arandelas

producidas'1
talla No. camisas <p (mm. 10) No, arandelas
om
13 10 • < 117 200
c
13 1/2 14 118 700
s.
14 38 ro 119 1,500
14 1/2 60 120 2.580
fo
15 34 121 1.420
15 1/2 18 122 750
m
16 10 > 123 150

a.
t un
on
Si trasladamos los valores de estas tablas a sendas gráficas, tenemos:

yc
dm
.a
60 •• 2700 -
w
te
w
50 • U 2400
w
40 ., 1 210°
1 1800
30 -• •o 1500
o 1 200
20 -•
600
10 ••
300
13 14 15 16 talla ' 117 119 121 123
fig. 4.1. fig. 4.2.
Observando las figuras 4.1 y 4.2, notamos que aun cuando los respectivos
valores de abscisas y ordenadas difieren, por cuanto describen situaciones verdade-
ramente distintas, la forma de las gráficas es prácticamente la misma en ambos
casos.

Gomo ya hemos dicho en la Unidad 2, la totalidad de los eventos aleatorios

elementales, resultado de una prueba o experimento aleatorio, constituyen un
espacio de evantos. A cada uno de los eventos de ese espacio, corresponde una
asignación de probabilidad que representa, dentro del universo incierto que
envuelve la prueba o experimento aleatorio, una medida numérica de la factibili-
dad de realización de tal evento. Podemos afirmar también que el conjunto de
tales medidas numéricas describe una característica atribuida al fenómeno, prueba
o experimento aleatorio, que se tiene entre manos.
En la práctica, se observa frecuentemente que un cierto número de fenóme-

nos, todos de naturaleza aleatoria pero pertenecientes a los más disímiles campos
del conocimiento o comportamiento humano, tienen como rasgo común el queja!
esâîp_¿^^y^niosjgue describe a cada uno de ellos, le corresponde un conjunto
de probabilidades asignadas que presenta, para todos los fenómenos considerados,
características similares, al punto de que a tal iconjunto_d^probabilidades)puede
llamársele "ley o función de probabilidades".
Esto tiene una gran utilidad porque permite, una vez reconocido un determi-
om
nado fenómeno, decir que se ajusta a tal o cual ley de probabilidades, ley que en
su forma más general y haciendo abstracción de consideraciones particulares,
c
puede ser estudiada, analizada y hasta representada por una expresión matemática
s.
adecuada. ro
fo
El estudio de estas leyes o funciones de probabilidad, es factible a través del
m
concepto de variable aleatoria.

a.
un
Definición:
t
on
Una variable aleatoria X es una función real de los elementos del espacio de
yc
eventos, su dominio es el espacio de eventos y su rango es un subconjunto de los

números reales.
dm
.a
X
w
""" •—-^ ,
w
R
w
fig. 4.3.
Así, en el ejemplo de las camisas, de la tabla 4.1, el espacio de eventos está

constituido por:
S =(x/x = cada una de las camisas vendidas!
Podemos definir lógicamente la variable aleatoria:
T (x) = talla de la camisa x, Vx e S

que es una v.a. discreta cuyo dominio de definición es S y cuyo rango es
RT - { 13,13 1/2,14, 14 1/2,15,15 1/2,16 )
Veamos otro ejemrlo.
Supongamos que el instante en el cual una persona deja su casa para dirigirse
a su trabajo, cualquiera de los días laborables de la semana, está entre las 7,30 y
las 8:00 AM. Si designamos con Z la v.a. que representa el intervalo de tiempo
transcurrido entre el instante en que la persona deja su casa y las 8:00 AM, tene-
mos que: el espacio de eventos será
SHx/7:30 <x<8:00)
o si tomamos como "hora cero" las 7:30 AM,
S ={K/O < x < 30}
con esté espacio de eventos la expresión funcional de la variable Z será:
c om
que es una v.a. continua cuyo dominio es S y cuyo rango es
s.
ro
fo
Rz= { z/0<Z<30í
m
a.
Es usual designar las v.a. por las últimas mayúsculas del alfabeto y ios valores
un
que toma la variable por la correspondiente minúscula.

t
on
Como acabamos de ver con los ejemplos, una variable aleatoria puede ser
discreta o continua.
yc
Decimos que la variable aleatoria X es discreta si su rango Rx es un intervalo

dm
o la unión de intervalos de la recta real (se entiende que los intervalos a los que
.a
hacemos referencia son no puntuales).

w
w
4.2. FUNCIONES DE PROBABILIDAD

w
En esta sección describiremos la manera de formalizar lo que en la sección

anterior hemos designado como el "conjunto característico de medidas numéricas
o asignaciones de probabilidad correspondientes a un espacio de eventos".
Hasta ahora, dado un espacio de eventos Í2, a cada uno de los eventos que lo
conformaba le era asignada una probabilidad déla forma siguiente.
fig. 4.4.
72
Con la definición de variable aleatoria tenemos:
flg.4.6.
El hecho de que el proceso de asignación se aplique a un subconjunto de los

números reales y no ya a un conjunte de eventos cualquiera, de la naturaleza más
variada, sin duda que facilita el estudio ordenado y generalizado de los fenómenos
om
aleatorios; la consideración de las variables aleatorias permite la homogeneización
del conjunto sujeto de la asignación. Sea cual fuere el fenómeno aleatorio que se
c
trate, la asignación de probabilidad se hará siempre sobre un subconjunto discreto
o continuo de números reales.
s.
ro
fo
De esta forma las funciones de probabilidad que a continuación señalaremos,
m
son una descripción analítica de las probabilidades asignadas a una variable aleato-
a.
ria considerada.
un
Vamos a considerar separadamente los casos referentes a v.a. discretas y a

t
on
v.a. continuas.
yc
4.2.1. Caso Discreto

dm
4.2.1.1. Función densidad de probabilidad

.a
w
Sea X una v.a. discreta, la función densidad de probabilidad

w
para X es una función designada por Px (x), de la variable

w
real x y definida como:
Px (x)- P ( X M - x ) , V x S R y co e n
Ejemplo:
sea X la v.a. que representa la suma de los puntos en el

lanzamiento de un par de dados.
El rango de X es:
r x =12,3,4,5,6,7,8,9,10,11,12}
el dominio está dado por D (x) = { w/X (w) = x

que por extensión es.
D(2) = (1, l)í

D(3) = (1,2), (2,1)}
D(4)= {(1, 3), (2, 2), (3,1))

•
D(12) = f(6,6)J
D (x) - {.$} para cualquier x £ r x
aplicando la definición clásica de probabilidad tendremos:

PX (2)- 1/36
Px (3)= 2/36
PX W = 3/36
om
Px (6) = 1/36
c
s.
PX ( x ) ~ O para cualquier x ^ rx
ro
fo
que son los valores de la función densidad de probabilidad
correspondiente a la v.a. X.
m
a.
4.2.1.2. Función de distribución acumulada

t un
En la mayoría de los problemas de Análisis de Decisiones

on
resulta más cómodo asignar la probabilidad al evento que,

yc
consiste en que la v.a. esté dentro de un rango definido de

valores que al evento elemental que considera un valor par-
dm
ticular de ia v.a. Es por ello que resulta de gran utilidad la

función de distribución acumulada que designamos por
.a
F x (t) Y que representa la probabilidad de que el valor x de

w
la v.a. X no exceda del valor t

w
w
=P ( x ' S
x<
a manera de ejemplo, en la figura 4.6. se representan, para
el caso del lanzamiento de los dados, tanto la función de
densidad como la función de distribución acumulada
• P x (x)
6/36 . i , Fx (t)
5/36 30/3fi
-^
4/-36 • 24/36 .
3/sa 16/36 . -
y
1
2/36 . 12/36
I
1/36 . 6/36
—i w.
"~1 2
1
s 4 5 a 7 s-
9 1 0 11 12 X ' 1 2 3 4 5 6 7 8
—-
9 10 11 ¿2
4 fig.www.admycontuna.mforos.com
Digitalizado por Liz Zambrano para 4.6.
La función densidad de probabilidad resulta útil en la deter-

minación de algunos parámetros de la v.a. correspondiente,
así:
Llamamos media o valor esperado de la v.a. X al valor
mx= E(X)= S x • P x (x)

Rango
de X ,
en forma más general, el valor de una función H de la v.a. X,

H (X) sería:
om
E[H(x)]= 2 H(x) • P x (x)
c
Rango
s.
de X ro
fo
La variancia de la v.a. X, denotada por varx ó ax está dada
m
por:
a.
un
™ r x = ax2 = E [ ( X - m x ) 2 ]
t
on
= E [ X 2 ] -m x2
yc
dm
En el ejemplo que venimos tratando, de la v.a. X asociada al

.a
par de dados, si consideramos la función H (X) = 100X—500

w
y queremos determinar su valor esperado tendremos:

w
w
H(x) - P x (X)
sustituyendo:
E [ H ( X ) ] = (100.2-500) ~ + (100.3-500) — +
ob uO
+(100.4-500) ¿- + (100.5-500) A. +
+(100.6 - 500) ¿ + dOO.7 - 500) ¿ +
+(100.8-500) -|r + +
+(100.12 - 500)—
36
E [ H (X) ] = 7200
75
4.2.2, Caso Continuo
4.2.2.1. Función densidad de probabilidad
3ea X una v.a. continua, si existe f (x) tal que
P (x < X < x + dx) = f(x) • dx
entonéis f x (x) recibe el nombre de función de densidad de

probabilidad. Como ejemplo mencionaremos la función de
densidad "Normal" sin duda ampliamente conocida po*
ustedes,
c om
s.
ro
fo
m
Función de distribución acumulada

a.
un
La función de distribución acumulada, para la variable X,

t
designada por FX , es una función que representa la probabi-

on
lidad de que el valor x de la v.a. X no exceda el valor t

yc
dm
F x ( t ) = Px ( x < t ) = / f(x)<dx
— OO
.a
f (x) es la función de densidad.

w
Para la v. a. Normal estandarizada (m = O, o2 = 1) la expre-

w
sión de la función de distribución acumulada es

w
. i x 2 ,
T <&
esta integral está tabulada en muchos libros y algunas de las

modernas calculadoras de bolsillo la tienen programada.
4.2.3. Fractües
De gran utilidad en la codificación de la incertidumbre en el Análisis

de Decisiones son los fractiles.
Tomemos O < k < 1, el lOOk —ésimo fractil de la v.a. X denotado

por t k , es el menor de los números para el cual-la probabilidad de que
la v.a. no lo exceda es k
F Y /f \ ~\f
V^k / R-
En la figura 4.7, por ejemplo, tQ 20 es

Px(x<tk)
fig.4.7.
el vigésimo
vi fractü, F(tQ 2 0 ) = 0,20
om
Hay fractiles que reciben nombres especiales,
c
s.
10 25 = primer cuartil ro
fo
t0í50 = segundo cuartil o mediana
m
t 0 7 5 = tercer cuartil
a.
un
Ejemplo:
t
on
sea X una v.a. cuya función de distribución es

yc
Fx (t) = O para todo t < O

dm
VTparaO<t <1
.a
w
= 1 para todo t > 1

w
w
si queremos hallar la mediana o segundo cuartü (t 0i&0 ) hacemos, por

definición,
de donde = (0,50)2 = 0,25
Mediana = 0,25
de forma similar se
...
podrán determinar los cuartiles t nU,„
t
y tnU,«
¿O *
(pri-
7O **
mer y tercer cuartü), obteniéndose:
t o . 2 6 = °'°625
t O T 5 = 0,5625
Una cantidad a menudo útil es el rango intercuartÜes,7 t 0,75
f - 1 f t, ,.
0,25 *
en nuestro ejemplo
O,75 ^ 0 . 2 5 =0,5

77
Desarrollemos el siguiente ejemplo:
El departamento de marketing de una empresa desea determinar la

distribución de probabilidad del precio que ofrecerá una de las em-
presas competidoras, en un concurso o licitación pública para el
suministro de diez mil unidades de un producto, que ha abierto un
organismo X, Después de una consulta a los expertos en precios se
tiene 3o siguiente.
— Una de cada 100 veces podría ocurrir que el precio por unidad
ofrecido sea inferior a Bs. 35 mil
— 25 de cada 100 veces podría ocurrir que el precio por unidad ofre-
cido sea inferior a Bs. 48 mil
om
c
s.
ro
cido sea inferior a Bs. 60 mil.
fo
m
Estamos interesados en construir la curva de distribución de la v.a.

a.
que representa el precio unitario ofrecido por las distintas empresas;

un
veamos del enunciado se desprende:

t
on
=48.000 ,t 0 50 =50.000 ;
yc
VTE» =53.000 y t0 99 = 60.000.

dm
Representando estos valores en una gráfica tendremos.

.a
w
w
w
35 40 45 45 50 55 60 65 70 t <Bs.lo3)
fig. 4.8.

78
4.3. METODOLOGÍA DE LA ASIGNACIÓN DE PROBABILIDADES
En la sección 3,1 introdujimos la problemática de la asignación de probabili-

dades y su relación con el grado de información poseído sobre el experimento alea-
torio, sus respectivos eventos y las condiciones bajo las cuales éstos se podrían
realizar. Resaltamos cómo las distintas concepciones de la probabilidad y los
distintos estados de información arrojaban asignaciones que aun siendo de distinto
valor podrían considerarse, todas, como buenas asignaciones de probabilidad, pro-
ducto de un estado de información, conocimiento o condicionamiento de quien
hacía la asignación.
En esta sección veremos cómo se realiza en la práctica un proceso de asigna-

ción de probabilidades, el cual en definitiva, consiste en traducir en funciones de
distribución de probabilidad el juicio de personas conocedoras (especialistas).
Distinguiremos las figuras de "analista" y la de "especialista" o "experto", el

primero es quien conduce el proceso de asignación, por cuanto es el conocedor de
om
la metodología, el segundo es aquel que por su condición de conocedor de la
materia sobre la cual se investiga, o mejor dicho, de la variable cuya incertidumbre
c
s.
se quiere codificar, le corresponde la verdadera tarea de la asignación.
ro
El especialista es siempre designado por el decisor que es la persona (o grupo
fo
de personas) sobre quien recae la responsabilidad de la decisión.
m
a.
4.3.1. Principios a observar en el proceso de asignación de probabilidades

un
Una vez que se construye el modelo de Análisis de Decisiones, según

t
on
el procedimiento que se indicará en el Módulo III, quedan definidos

cuáles son los estados de la naturaleza o variables aleatorias cuya
yc
incertidumbre se desea codificar; claro está, dado que el proceso de

dm
análisis es un proceso iterativo, es factible que un primer modelo sea

refinado ulteriormente con la introducción de información adicional,
.a
acción con la cual pueden surgir nuevas variables o estados nuevos,

w
que harán replantear el proceso de asignación iniciado con el primer

w
modelo. Vale la pena apuntar que la decisión de refinamiento del

w
modelo lleva implícito un estudio o análisis de costos, cuestión que

escapa a los objetivos de esta Unidad y que será tratada en el Módulo
II.
Lo que sí interesa recalcar ahora, es que a raíz de la construcción del

modelo de decisión es que se tiene el conjunto de variables cuya
incertidumbre es necesario codificar, proceso para el cual es impor-
tante observar una serie de principios que servirán de base para
estructurar y definir cada una de las variables.
Es conveniente asegurarse, antes de iniciar el'proceso de asignación,

que se cumpla la lista que a continuación detallamos, de lo contrario
es casi inevitable encontrarse con dificultades:
a) La variable cuya incertidumbre se desea codificar debe ser impor-

tante para el proceso de decisión, en el sentido de que las resul-
tados del modelo de decisión sean muy sensibles a los valores de
la variable.

b) El ni/el de detalle requerido en el proceso de asignación debe ser

previ úñente establecido para cada variable, de acuerdo a su
importancia dentro del proceso de decisión. Pudiera ocurrir que
para cierta variable bastara establecer tres o cuatro puntos de su
curva de distribución, mientras para otra de mayor importancia
sea necesario determinar, dentro de un cierto rango, un número
grande de puntos.
c) Bajo la estructuración que se le ha dado al problema en conside-

ración, la variable debe representar un estado de'la naturaleza sin
lugar a ambigüedades, la variable no debe sufrir influencia alguna
de las acciones que lleve a cabo el decisor. En caso contrario
deberá reestructurarse el problema.
d) Las variables deben ser estructuradas, en el sentido de que si

están sujetas a condicionamiento por otras variables, tal condicio-
namiento debe figurar en forma explícita.
om
e) Las variables deben ser claramente definidas; no debe existir la
posibilidad de interpretaciones equívocas. Por ejemplo, no tiene
c
sentido preguntar por el "precio del petróleo en 1976" sin aclarar
s.
la cantidad, calidad o tipo, la época del año, en cuál mercado.
ro
Una mejor pregunta es sin duda "el precio del barril de petróleo
fo
pesado para el lo. de enero <}e 1976 en el mercado de Rotter-
m
dam".
a.
f) El analista deberá describir la variable, empleando una escala o

un
unidades que sean significativas para el especialista que hará las

t
asignaciones. Por ejemplo, en la industria del petróleo puede

on
hablarse de litros, galones, barriles o toneladas. Es importante

yc
que la unidad sea elegida de manera que el especialista se sienta

cómodo, de modo que no realice ningún esfuerzo respondiendo
dm
sus preguntas.
.a
4.3.2. Sesgo en la asignación de probabilidades

w
w
Ya hemos dicho que la probabilidad es un concepto eminentemente

w
intuitivo; las personas percibimos y apreciamos la incertidumbre de

forma similar como percibimos y apreciamos la distancia. De la
misma forma como un automovilista estima las distancias lo suficien-
temente bien como para evitar accidentes, un ejecutivo, generalmen-
te, es capaz de evaluar la incertidumbre, lo suficientemente bien
como para beneficiar su empresa. Con esta premisa, cada manera de
juzgar las situciones, puede conducir a resultados sistemáticamente
De allí que sea importante considerar este punto de manera que, una
vez detectada la presencia del sesgo en una situación real, el analista
sea capaz de aplicar los correctivos para minimizar su efecto.
Las fuentes, orígenes del sesgo o de las influencias y tendencias siste-

máticas que se pueden presentar en un determinado proceso de asig-
nación de probabilidades, pueden ser esencialmente de carácter cog-
noscitivo o de carácter motivacional.

El sesgo de origen motivacionaí consiste en "ajustes" que a nivel

consciente o subconsciente hace el especialista de manera tal de
"orientar** la decisión. Supongamos el caso del lanzamiento de un
nuevo modelo de automóvil; un especialista que sea consultado, que
particularmente le agrade mucho el auto por razones no del todo
explicables^ seguramente hará un pronóstico muy optimista, de
manera de favorecer la decisión del lanzamiento del producto.
Puede suceder también que las respuestas de un especialistas estén

sesgadas por el temor de que sea juzgada su persona a través de los
resultados; por ejemplo, un gerente de ventas bien podría suministrar
un pronóstico pesimista sobre las futuras ventas pensando que él será
"mejor visto" si las. ventas reales exceden su predicción. Puede hasta
suceder que el individuo suprima toda incertidumbre en su pronósti-
co, pensando que de una persona de su posición dentro de la empre-
sa, se espera un conocimiento certero sobre todo lo que ha de suce-
der dentro del área de su incumbencia.
om
En fin, aun cuando supongamos honestidad de parte del especialista,
en el sentido de que asumimos la ausencia del sesgo de carácter moti-
c
s.
vacionaí, queda por considerar el sesgo de carácter cognoscitivo,
ro
Este consiste también en algunos "ajustes" que introducé sistemática-
fo
mente en sus respuestas el individuo, en la medida en la cual va

m
procesando intelectualmente sus percepciones, por ejemplo:

a.
un
Es común que una determinada respuesta esté influida por una infor-
mación en particular, simplemente porque esta información es más
t
on
reciente y por lo tanto se encuentra más a la mano; no es extraño que

cuando a nuestro gerente de ventas le sea pedido un pronóstico para
yc
el año venidero, le dé mayor peso al resultado de las ventas del

dm
presente año que al de las ventas de los años anteriores. Puede darse
también el caso en el cual el especialista ignore ciertas circunstancias,
.a
que aun escapando a su dominio, sean factibles, como pueden ser

w
virajes políticos, controles financieros inusuales, devaluación de la

w
moneda, conflictos bélicos, etc.

w
Vemos claramente que una de las responsabilidades del analista es

entonces la de tratar de detectar las actitudes asumidas por el especia-
lista y su modo de juzgar las situaciones, con el fin de intentar mini-
mizar el sesgo y lograr lo que es denominado el conocimiento firme o
estable que posee éste sobre la materia tratada.
No nos detendremos sobre las formas de lograrlo, ya que escapa al

objetivo de este texto, simplemente llamamos la atención sobre la
importancia de que tales consideraciones tienen en el proceso de asig-
nación.
Para concluir este aspecto, en la figura 4.9. podemos apreciar, gráfica-

mente, cómo queda alterada la función de densidad de probabilidad
asignada a un cierto estado de la naturaleza, por la presencia del sesgo
que hemos mencionado.

•ucfl
3
:=!
J2
ta
43
o
"S
TJ
Valor
fig. 4.9.
Si asumimos que la curva A representa el conocimiento firme, estable
om
que tiene el especialista sobre la variable que se investiga, las curvas
B, B' y C representan el conocimiento sesgado.
c
Veamos que mientras B representa un intento de reducir al mínimo
s.
la incertidumbre, B' significa una actitud totalmente contraria, un
ro
intento del especialista de hacer más vago el conocimiento ya intrín-
fo
secamente incierto, que tiene sobre el estado de la ntarualeza investi-
m
gado.
a.
un
La C representa claramente un desplazamiento en el valor de la varia-

ble investigada.
t
on
4.3.3. Métodos para la asignación de probabilidad

yc
dm
La generalidad de los métodos de codificación o de asignación de

probabilidad se basan en cuestiones cuyas respuestas pueden ser
.a
representadas como puntos de una curva o función de distribución

w
acumulativa que representa el estado de la naturaleza investigado.

w
w
Una clasificación de los métodos de codificación es la siguiente:
- Método P. Fijado un rango de valores de la variable aleato-

ria se piden respuestas sobre la escala de proba-
bilidades.
— Método V. Fijadas las probabilidades de realización de la

variable aleatoria, se piden respuestas sobre la
escala del valor.
- Método P.V. Las preguntas se pide sean respondidas usando

ambas escalas conjuntamente.
Los cuestionarios son elaborados de manera que las respuestas pue-

dan ser de forma directa o indirecta. Y las técnicas de codificación
varían según los métodos y según el tipo de respuesta; este esquema
se resume en la tabla 4.3.
82
Allí se puede apreciar que el tipo de respuesta directa requiere que el

especialista dé un número que, según el método usado, puede repre-
sentar una probabilidad o un valor. Por ejemplo, con el método P,
podemos preguntar al experto; ¿cuál es la probabilidad de que para
el próximo año las ventas globales de un determinado producto sean
menores o iguales a 3,000 unidades? O, usando el método V, ¿cuál es
el nivel de ventas que corresponde a una probabilidad del 10%? La
respuesta a la primera pregunta puede ser dada como un número
absoluto; 0,20, como un porcentaje. 20% o puede ser expresada
como una fracción "uno en cinco", "dos en diez". La respuesta a la
segunda pregunta será simplemente un número que representa un
volumen de unidades.
TABLA 4.3.
Clasificación de las Técnicas de Asignación de Probabilidad
om
Tipo de respuesta
c
INDIRECTA
s.
Método de codifica- DIRECTA Proceso de referencia Eventos internos al
ción externa
ro proceso
fo
Probabilidad Mediante curva Mediante un Disco Mediante la asigna-
m
(fijo el valor) de distribución fijando el valor ción de fracciones de

acumulativa probabilidad a even-
a.
tos mutuamente ex-

un
ciuyentes
t
on
yc
dm
Valor Mediante fractfles Mediante Disco fijando la Mediante la técnica

(fija la probabilidad) probabilidad del evento del intervalo
.a
w
w
w
Probabilidad Dibujando un gráfico ;

Valor descripción para
(ninguno fijo) métrica
TABLA 4.3.
Con el método P. V. se emplea exclusivamente el tipo de respuesta

directa; el especialista en este caso podrá dibujar la curva de densidad
o de dbtribucion acumulativa, o bien puede señalar parejas de puntos
(valor, probabilidad); también puede expresar su respuesta dando
la distribución en forma paramétrica; por ejemplo, podría afirmar
que la variable considerada tiene una distribución "Normal con me-
dia = 15 y variancia = 4".

Con el tipo de respuesta indirecta se puede recurrir al uso de eventos

internos al proceso de asignación, o bien se puede utilizar lo que se
llama un proceso externo de referencia.
Como proceso externo de referencia es común el empleo de un "disco

de probabilidad'1 que no es más que un disco dividido en dos secto-
res, uno azul y uno rojo, por ejemplo, con un apuntador fijo en el
centro; mediante un ajuste sencillo se puede variar el área de los dos
sectores complementarios y, de esta forma, se varía también la proba-
bilidad de que el apuntador, señale uno u otro sector cuando el disco
se detenga una vez que haya sido impulsado para que gire. En la
figura 4.10 se puede observar una representación del disco.
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
fig. 4.10
Este disco se usa en la forma siguiente:
Se le pide al especialista que elija, entre una apuesta relativa a la can-

tidad que se investiga, por ejemplo, "que la producción el año próxi-
mo no exceda de X unidades" o una apuesta relativa al disco, por
ejemplo que una vez impulsado éste, el apuntador marque sobre el
sector rojo. La porción de rojo en el disco se varía hasta que para el
especialista sean indiferentes ambas apuestas; en este momento se
habrá encontrado la probabilidad que será la cantidad relativa de rojo
en el disco. En este ejemplo hemos hecho referencia al método P.
puesto que el valor había sido fijado y se busca la probabilidad. En
general, el disco es preferible emplearlo casi siempre con este méto-
do, aunque puede usarse con el método V.
84
Una característica importante del disco de probabilidad es que

permite obtener asignaciones que varían en forma continua entre O y
1, cosa que es difícil realizar, por ejemplo, con la técnica de los frac-
tiles empleada con el tipo de respuesta directa.
Una técnica similar a la del disco es la de una barra horizontal con un

apuntador que define dos eventos, a su izquierda y a su derecha.
Con el uso de los eventos internos se procede así:
Método P. Se le pide ai experto que asigne probabilidades relativas

a dos eventos bien definidos, por ejemplo, se le pregunta al experto si
es más probable que las ventas del año próximo estén por encima o
por debajo de las 5,000 unidades. Una vez que ha respondido, se le
pide que diga cuan probable es.
Método V, Se emplea la llamada técnica del intervalo. Se inicia con
om
un intervalo que cubre todas las posibles realizaciones del experimen-
to aleatorio y se divide en dos partes; se le pregunta al especialista
c
cuál cree que sea más factible y a continuación se desplaza la división
s.
de manera de reducir la parte que él ha considerado la más probable
ro
y se vuelve a preguntar. Cuando el especialista decide que cualquiera
fo
de las dos tiene la misma probabilidad de realización, se habrá encon-
m
trado entonces la mediana.

a.
Dividiendo sucesivamente los intervalos, se puede encontrar los

un
cuartiles y así podría continuarse, aunque la práctica ha demostrado

t
que es inconveniente proseguir después de los cuartíles.

on
yc
Aunque en este libro no nos ocuparemos de describir el proceso de la

entrevista ni la manera de conducir la fase de cuantificación del cono-
dm
cimiento del especialista, diremos que, dependiendo de cada situa-

.a
ción, son empleados en forma conjunta un grupo de las distintas

técnicas que acabamos de señalar. Es usual, por ejemplo, que para
w
definir los extremos de la curva de distribución se emplee, preferible-

w
mente, el tipo de respuesta directa, y para la definición del resto de

w
los puntos la técnica del intervalo, conjuntamente al disco de proba-

bilidad; sin embargo, esto no constituye una regla y podrían ser
otras las técnicas que más se adecúen a la codificación de una deter-
minada variable.

85
AUTO E VALUACIÓN
Instrucciones

de respuesta. Sólo una de las alternativas es correcta para cada situación.
Seleccione la correcta y señálela encerrando en un círculo la letra ,que la

identifica.
1. Suponga que tiene la v.a. X la cual representa un costo que se sabe está
entre los 100 mil y los 300 mil bolívares; la distribución de probabilidad
acumulada de la v.a. es la que muestra la figura. Se quiere determinar, en
forma aproximada, el valor esperado de la v.a.; para ello suponga que los
valores se agrupan en cuatro grupos equiprobables y que el valor represen-
tativo de cada uno es su punto medio.
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
100 150 200 250 300 t(Bs. 10a)

w
w
w
El valor esperado es aproximadamente:
A Bs. 183.000
B Bs. 200.000
C Bs. 487.000
2. Una persona piensa contraer una deuda próximamente basándose en un
aumento de salario que le va a ser acordado y ha decidido que para amortizar
dicha deuda no aportará más del ,'20 % del salario que devengue para elmo-
mento, el cual depende del aumento esperado.
Supongamos que esa persona está interesada en conocer el tiempo en que

amortizará la deuda, asumiendo que éste es aproximadamente M/C, (M=mon-
to de la deuda y O= cuota aportada).
El aumento que recibirá el candidato es una v.a. que se distribuye según la

curva siguiente:

P(A<t)
7 O » r\
j /T
{V i/)
I; ! . /
u
V rf >- /
'M ^x íj
AN ^\e cuál es el valor esperado del porcentaje de aumento y, en conse-
( > v cuencia, el valor esperado del tiempo de amortización, si antes de recibir
el aumento la persona estaba dispuesta a aportar la cantidad de C bolívares.
om
A 17,5 %;t = M/l,175c
c
s.
E 15%; = 15M/c
(\
ro
15%, t = M/l,15c
fo
m
a.
3. Antes de iniciar un proceso de asignación de probabilidades para un cierto

fenómeno aleatorio, lo más importante es.
t un
on
Conocer la distribución de probabilidades de cada uno de los eventos

yc
B Construir el modelo de decisión definiendo claramente los distintos

dm
estados de la naturaleza, que son importantes para el fenómeno alea-

torio y sus iníerrelaciones
.a
w
Decidir si el estado de información del especialista es suficiente como

w
para responsabilizarse por la decisión

w
D Considerar la posición dentro de la empresa de los integrantes del

panel de especialistas
4. Cuando el analista formula la siguiente pregunta: ¿cuál es la probabilidad de

que la tasa de inflación interna para el segundo semestre del año próximo
exceda el 20 % anual? está requiriendo:
A Una respuesta directa referida al valor que toma la v.a. considerada
B Los parámetros de la curva de distribución de la v.a. considerada
C Una respuesta directa sobre la probabilidad de un evento
D El vigésimo f ractil de la distribución de la v .a. considerada
88
5. El sesgo de las respuestas en un especialista tiene poco que ver con:
Su conocimiento sobre el fenómeno aleatorio considerado y su

entorno
B La opinión que pueda formarse el Decisor sobre el especialista
La estructuración del problema de decisiones
D La consideración de solamente una parte de toda la información

disponible
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

PREGUNTA CLAVE OBJETIVO EVALUADO SECCIÓN DE RE-

REFERENCIA
4.2
4.2
10 4.3
10 4.3
om
10 4.3
c
s.
ro
fo
Clave Razonada
m
a.
Pregunta 1 Refiriéndonos a la gráfica y usando la sugerencia del problema, tene-

un
mos identificados cuatro grupos de valores:

t
on
Grupo de valores Punto medio aprox.

yc
de 100 a 150 125

dm
166
.a
w
192
w
w
de 200 a 300 250
Los puntos medios representan a su grupo y por lo tanto podemos

suponer que cada uno de esos puntos ocurre con una probabilidad de
0,25, con lo cual el valor esperado de la variable aleatoria será, apro-
ximadamente,
E (X) = 125 • 0,25 + 166 • 0.25 + 192 • 250 • 0,25
E (X) = 183,25
Como los valores estaban dados en miles de bolívares, la respuesta
será: "El valor esperado de X es aprox. B' 183.000".
Nótese que si los valores se hubieran agrupado en vez de cuatro en

5,10, 20 ó más grupos equiprobables, se hubiera tenido una aproxi-
mación mayor.
91
Pregunta 2 Como una aproximación consideramos en la c.d. de los valores agru-

pados en cuatro grupos cuyo representante es el valor central del
grupo, de esta manera
GRUPO VALOR CEN VL PROBABILIDAD

0-10% 5% 0,25
10-15 % 12,5 % 0,25
15-20 % 17,5 % 0,25
20-30% 25 % 0,25
El valor esperado del porcentaje de aumento de salario será:
E = 5 • 0,25 + 12,5 • 0,25 4- 17,5 • 0,25 + 25 • 0,25

E «15 %
c om
Si antes de recibir el aumento la persona estaba dispuesta a aportar
s.
una cuota c a la amortización de la deuda, ahora podrá aportar una
ro
cuota igual a 1,15 x c con lo que el tiempo de amortización será:
fo
M/l, 15c.
m
a.
t un
on
yc
dm
.a
w
w
w
92
UNIDAD 5
ARBOLES DE DECISIONES
11) Estructurar un problema de decisiones en forma de Árbol de Decisiones y

determinar la estrategia óptima de Decisión.
ESQUEMA DE CONTENIDO Pág
om
5.1. Introducción 94
c
5.2. Definición de Grafo . 94
s.
ro
5.3. Definición del Árbol 95
fo
m
5.4. Árbol de Probabilidades . . . . . . , . , , ,,., 96

a.
un
5.5. Árbol de Decisión . . , . , ,,. 101

t
on
5.6. Estructuración de! Árbol de Decisión . , = . , . . , , . . . . . . . . . . . . . , . , 101

yc
.... ............... 101

dm
5.6.2. Fases para la estructuración del Árbol de Decisión ......... 109

.a
5.7. Operaciones sobre Arboles de Decisión ........................ 110

w
w
5-8, Evaluación del Árbol de Decisiones ........ . .................. 110

w
5.8.2, Paso 2: Árbol Modificado ........ ". . ....... , .......... 112

5.0,8. Paso 3; Proceso da Max irnis ación . . . . . . . ....... . ....... 113
5.9. Esquematización del procedimiento general para la Evaluación del

Árbol de Decisiones. . . . . .................................. 115
5.10. Interpretación de ios resultados de la Evaluación del Árbol de De-

cisiones ........ . .................. . .................... 122
Autoevaluación . . . . . . ....... ...... ........... . ............... 123
Solución de la Autoevaluación ..... . .......... . ...... . ..... . . . . . 127
93

5.1. INTRODUCCIÓN
En esta Unidad nos dedicaremos a estudiar una técnica para facilitar la

estructuración de un problema de decisiones. La Teoría de las Probabilidades
introducida en las unidades anteriores, junto con la Teoría de la Utilidad, a su ves
desarrollada en el próximo Módulo, constituyen los principales instrumentos utili-
zados en el Análisis de Decisiones.
Existen una serie de técnicas basadas en dichas teorías, que facilitan el análi-
sis de problemas de decisiones; dentro de éstas, podríamos decir que la más im-
portante y utilizada, debido a la forma en que contribuye a la clara e ilustrativa
estructuración del problema, es la del Árbol de Deciciones.
Antes de que definamos lo que llamaremos Árbol de Decisiones y nos dedi-

quemos a aprender cómo estructurarlo y utilizarlo, es conveniente introducir los
om
conceptos de Graf o y de Árbol, como caso particular de aquel. Posteriormente al
referirnos a Arboles consideraremos dos casos: Árbol de Probabilidades y Árbol
c
de Decisiones.
s.
ro
5.2. DEFINICIÓN DE GRAFO
fo
m
Se entiende por Grafo a una figura formada por puntos llamados vértices o
nodos y por segmentos de línea, que conectan dichos nodos, denominados ramas.
a.
La Teoría de Grafos es un instrumento de uso común en gran cantidad de campos.

un
Inicialmente tuvo su mayor aplicación en diagramas eircuitales y moleculares,

t
pero su campo de acción se ha ido ampliando de manera asombrosa y hoy en día

on
su uso se ha extendido a casi todas las ramas del saber (Ingeniería, Economía,
yc
Biología, Sicología, etc.),

dm
A través de un ejemplo podemos entender mejor el significado de un Grafo,

Supongamos un campeonato de béisbol en el que participan cuatro equipos que
.a
llamaremos A, B, C y D. Después de cuatro semanas de haberse inciado el campeo-

w
nato la situación es la siguiente:

w
w
A ha jugado con B, C, D
B " " " A,C
C " " " A,B,D
D " " " A,C
Para ilustrar esta situación podemos utilizar un Grafo
— Cada punto representa un equipo
— Cada línea conectando un equipo con otro indica que esos equipos han
jugado entre sí.
En la figura 5-1 se ilustra la situación

FIG. 5-1 Grafo campeonato de béisbol
Los puntos A, B, C, D son los nodos del Grafo. Los segmentos AB, AD, AC,
CB y CD son las ramas del Grafo.
om
Se denomina camino de un Grafo a un conjunto de ramas consecutivas que
c
s.
unen o enlazan dos nodos cualesquiera. En la figura 54 las ramas AB y AC cons-
ro
tituyen un camino entre los nodos C y B, nótese que la rama CB es también un
camino entre los nodos C y B o sea, entre ese par de nodos hay más de un cami-
fo
no posible. Observamos también que el camino constituido por las ramas CA,
m
AD y DC es un camino cerrado.
a.
un
5.3. DEFINICIÓN DE ÁRBOL

t
on
El árbol es un caso particular de Grafo en el cual no se presentan caminos

cerrados y entre cualquier par de nodos el camino es único.
yc
dm
De acuerdo a esta definición, el ejemplo anterior no constituye un árbol.

.a
Usaremos el siguiente ejemplo para ilustrar un árbol. Supongamos el experi-

w
mento que consiste en lanzar una moneda dos veces. La descripción de los resul-
w
tados puede presentarse a través de un árbol (figura 5-2).

w
A, Bs C, D, E, F, G representan los nodos del árbol.

AB, AC, BD, BE, GF y CG son las ramas del árbol.
Nótese que: Número de ramas = número de nodos menos uno (1). Relación
que se cumple para cualquier árbol.
Tabla de Resultados
Cara - Cara
Cara - Sello
Sello - Cara
Sello - Sello
FIG. 5-2 Árbol experimento lanzar moneda dos veces

95
5.4 ÁRBOL DE PROBABILIDADES
La estructuración de un árbol de probabilidades permite simbolizar y deter-

minar más fácilmente la probabilidad de ocurrencia de un cierto evento condicio
nado que haciendo uso de las ecuaciones existentes para este propósito.
El árbol de probabilidades está constituido por nodos y ramas. Cada uno <te
los nodos a los cuales denominaremos nodos de incertidumbre, representa v?i
determinado estado de naturaleza. El fenómeno aleatorio puede ser de naturaroa^
continua o discreta. La representación de estos fenómenos a través del árbo! es la
siguiente:
c om
Nodo Incertidumbre
s.
ro
FIG. 5-3 Nodo incertidumbre
fo
m
a.
Donde x.,. x0« x.3 representan variables aleatorias discretas.

un
1
t
on
yc
dm
.a
w
Nodo
incertidumbre
w
w
FIG. 5-4
Donde x representa una variable aleatoria continua que tiene una función densi
dad de probabilidad f(x) dada.
Tomemos ahora nuestro ejemplo de las lámparas analizado en las unidades

anteriores, e identifiquemos los estados de la naturaleza para él mismo,
Cj : lámpara procede fabricante A
C : lámpara procede fabricante B
B: resulta buena
M: " mala
Los eventos terminales o resultantes serán aquellos eventos a partir de los

no se considera la ocurrencia de ningún otro estado de la naturaleza.

96
En nuestro ejemplo serán:
Cl B: lámpara buena proveniente fabricante A
C.M: " mala " " A
C 2 B. buena " " B
C 2 M: " mala B
Por otra parte las ramas de un árbol de probabilidades indica que a partir de
un estado de la naturaleza (1) pasamos a un estado de la naturaleza (2)
En la figura 5-5 se indica el árbol de probabilidades para el ejemplo considerado.

B
B C,
om
C.
c
s.
ro
fo
m
a.
t un
on
yc
dm
MC,
FIG. 5-5 Árbol probabilidades. Ejemplo 1
.a
w
A cada una de las ramas que se indican en la figura 5-5, se le asigna un valor
w
de probabilidad determinado. T>, D ,~ J—

^-n0,
w
P(C 1 )= 0,7
P(C2J=0,3

97
Veamos el procedimiento para determinar a través del árbol, la probabilidad

de cada uno de los eventos terminales:
— Se multiplican las probabilidades de cada una de las ramas que partiendo del
nodo terminal llegan al nodo inicial.
Por ejemplo:
^PÍB/CJ - P(c t ) = 0,595

i ) ^ 0,35 ° 0,7= 0.595
De igual forma podemos calcular la probabilidad para el resto de los nodos

terminales.
P ( M C j ) = P ( M / C , ) - P ( C J = 0,105
om
P ( B C 2 ) = P(B/C 2 ) - P ( C 2 ) = 0,195
c
P(MC 2 ) = P(M/C 2 ) • P ( C 2 ) = 0,105
s.
ro
Entonces la probabilidad del evento "lámpara buena" vendrá dada por;
fo
m
P(B) =P (L. buena, fabricante A) +

a.
un
P (L. buena, fabricante B)

t
on
P(B) = P(BC 1 ) + P(BC 2 )

yc
P(B) = 0,195 + 0,595

dm
P(B) = 0,790
.a
w
De la misma manera, la probabilidad del evento "lámpara mala" será:

w
w
P(MJ = P(MC 1 ) + P ( M C 2 )
P(M) = 0,105 + 0,105
P(M) = 0,210
Lo cual es igual a lo obtenido a través de la aplicación de las fórmulas.
Como se observa, una vez que se adquiere práctica estructurando el árbol,

el cálculo de las probabilidades asociadas a ciertos eventos se calcula con rapidez
y se visualiza con mayor facilidad.
Para nuestro ejemplo de las urnas o cajas de la Unidad 3, construyamos el

árbol correspondiente.
Los nodos de incertidumbre serán.
C : pelota proviene de caja 1

98
C : pelota proviene de caja 2
N: r> negra
B: " blanca
Los eventos terminales
NC : pelota negra proveniente de caja 1
BC, : " blanca " " " 1

» >í )í n
NC 2 : negra
BC 2 . " blanca í: " "2
En la figura 5-7 se indica el árbol de probabilidades correspondiente
om
EVENTO TERMINAL
N NC,
c
s.
C
ro
fo
m
BC,
a.
t un
on
NC,
yc
dm
.a
BC,
w
FIG. 5-7 Arboi probabilidades. Ejemplo 2

w
Cada una de las ramas que se indican en la figura 5-8, tiene asignado un valor
w
de probabilidades.
te.
f/c'3)

99
¿Cómo se determina a través del árbol la probabilidad de cada uno de los

eventos terminales?
Se multiplican las probabilidades de cada una de las ramas, que partiendo del
nodo llegan al nodo inicial; por ejemplo:
P(NC.)= — • —
5 2
4
P(NC.) - —
Reconozcamos cuáles son cada una de las probabilidades anteriores
P ( N C 1 ) = P (N/C,) - P ( C , )
om
De igual forma podemos calcular las probabilidades para el resto de los nodos
c
terminales
s.
ro
J =1/10
fo
m
P(NC 2 ) -3/10
a.
un
P(BC 2 ) - 2/10
t
on
Por lo tanto la probabilidad del evento pelota negra será:

yc
P(N)=
dm
.a
10 10
w
w
P(N)=¿
w
y la probabilidad del evento pelota blanca
P(B) = P ( B C Í ) + P(BC 2 )
1 3
" 10 " 10
P(B)--^
Note que: P(N) + P(B) = 1
_6_ 4
10+ 10 = 1

100
5.5. ÁRBOL DE DECISIÓN
Cuando nos encontramos ante un proceso de toma de decisiones, el Decisor

debe elegir entre una serie de alternativas que constituyen la totalidad de las posi-
bles acciones a seguir.
Independientemente de cuál sea la alternativa seleccionada, se producirán

una serie de consecuencias, producto éstas de los estados de la naturaleza, que
pueden ser caracterizados por distribuciones probabilísticas.
Las consecuencias de un determinado curso de acción serán medibles siempre

y cuando pueda establecerse una función Beneficio Neto, que permita cuantificar
la magnitud que el Decisor asocia a cada una de las consecuencias o resultados.
En el desarrollo de esta Unidad utilizaremos como criterio de decisión del

Valor Esperado del Beneficio Neto (monetario), debiendo quedar claro de que
éste no es el único criterio de decisión posible, material que revisaremos en deta-
om
lle, en el Módulo II.
c
s.
5.6. ESTRUCTURACIÓN DEL ÁRBOL DE DECISIÓN
ro
fo
Como indicamos al inicio de esta Unidad, un árbol de decisiones es un méto-

m
do gráfico que nos permite visualizar e ilustrar el proceso del análisis de decisio-
a.
nes, expresando en orden secuencia! las acciones alternativas que están disponibles
un
para el Decisor, los estados de la naturaleza y los resultados determinados por la

incertidumbre.
t
on
yc
dm
5.6.1. Elementos de un árbol de decisión

.a
Para realizar la estructuración de un árbol de decisión debemos esta-

w
blecer los elementos que lo forman. Para ilustrar la determinación

w
de elementos nos basaremos en el siguiente ejemplo:

w
El presidente de una compañía de perforaciones de pozos petroleros,

que realiza actualmente trabajos de perforación en un área de pro-
ductividad razonable, está evaluando la posibilidad de iniciar una
perforación.
Los posibles estados de la naturaleza son:
0 j : El pozo está seco
0 2 :,, „ es pequeño
03; „ „ „ grande .
ir. I
Nótese que los eventos # ¿ > # 2 * ^ 3 son exduyentes.

La probabilidad de ocurrencia de los eventos 6l, 0 2 , 0 3 dependerá,

claro está del tipo de terreno donde se vaya a perforar. Por experien-
cias anteriores se sabe que si el terreno es tipo A, se tendrá:
P (VA) = 0,4
P(0 2 /A)=0,2
P (0 3 /A) = 0,4
Otro tipo de terreno distinto a A (A'), determinará la siguiente pro-

babilidad de ocurrencia de los eventos:
P (VA') = 0,6
om
P(0 2 /A') = 0,3
c
P(0 3 /A')=0,1
s.
ro
La unidad de geología de la compañía, no ha hecho pruebas sobre
fo
el terreno, pero estima que por su constitución y experiencias en
m
perforaciones en zonas adyacentes, tiene una probabilidad de 0,4

a.
de ser tipo A..

un
P(A) = 0,4 P(A') = 0,6

t
on
Por otra parte sabemos que el costo asociado a una perforación es

yc
.de doscientos mil bolívares (Bs 200.000) y se estima que la compa-

dm
ñía tendrá las siguientes ganancias, dependiendo del tipo de pozo

.a
w
B (6Í) = 'O B (B2) = 500.000 B(0 3 ) = 1.200.000

w
w
Identifiquemos ahora los elementos que constituyen el árbol de de-

cisiones y procedamos a estructurarlo.
5.6.1.1. Nodos
Como todo árbol, el árbol de decisiones tiene nodos, los

cuales pueden ser de tres tipos:
1) Nodos de decisión
A partir de los cuales se originan las diferentes alterna-

tivas o acciones a seguir. Para esquematizarlas utiliza-
remos un pequeño cuadrado.
En nuestro ejemplo, las diferentes acciones que nos

hemos planteado son si perforamos o ño el pozo,
las cuales se derivan del nodo de decisión. Esta si-
tuación la esquematizamos en la figura 5-9

c om
s.
ro
FXG. 5-9 Nodo Decisión
fo
m
2) Nodos de incertudumbre
a.
Son los nodos de los cuales se derivan los eventos o

un
estados de la Naturaleza. Estos nodos estarán repre-

t
on
sentados por círculos.

yc
dm
En nuestro ejemplo del nodo de incertidumbre ce deri-

van los estados de la naturaleza (0,, 0 2 , 0 3 ). En la fi-
.a
gura 5-10 se indica esta situación.

w
w
w
NODO INCERTIDUMBRK
FIG. 5-10 Nodo incertidumbre

Observemos que estos nodos son los mismos que he-

mos definido en el árbol de probabilidades.
Nótese que ios eventos que convergen a un nodo de

incertidumbre son mutuamente excluyentes y colec-
tivamente exhaustivos.
3) Nodos terminales
En un árbol de decisión los nodos terminales recogen

la ocurrencia secuencial de una serie de eventos, al
tomar un determinado curso de acción.
Al través del siguiente diagrama, figura 5-11, resumiré-
mos los conceptos antes indicados:
c om
s.
ro
fo
m
a.
t un
on
yc
NODOS
dm
INCERTIDUMBRE
NODOS
FIG. 5-11
.a
TERMINALES
w
5;6.1.2. Ramas
w
w
Definamos ahora las ramas en el árbol de decisión.
Podríamos diferenciar dos tipos de ramas.
Ramas que representan alternativas o acciones a tomar

y ramas que representan ocurrencia de eventos incier-
tos o estados de la naturaleza.
En nuestro ejemplo identificaremos como alternativas
— Perforar pozo
— No perforar pozo
e identificaremos como eventos inciertos o estados de

la naturaleza a:
— Encontrar pozo seco

pequeño
— " " grande
Identifiquemos las ramas dentro de nuestro árboi de de-

cisiones
c om
s.
ro
fo
m
a.
un
t
eventos
on
li_. alternativa inciertos

yc
dm
FIG. B-12
.a
Mediante la utilización del ejemplo hemos identificado

w
los nodos y ramas de un árbol de decisión.

w
w
Analicemos otro ejemplo que nos permita determinar

las ramas y nodos de un árbol.
Supongamos que el gerente de la compañía petrolera se

le ocurre la idea de realizar un estudio de suelos, pre-
viamente a tomar la decisión de perforar el pozo; ahora
bien, esto involucra un costo, el cual es de cincuenta
mu bolívares (Bs 50.000).
La pregunta que surge es: ¿se debe realizar el estudio o

se debe tomar la decisión con la información que se
tiene disponible?
Para esta nueva situación, podemos identificar las si-

guientes alternativas de acción:
— Perforar
— No perforar
Pregunta 4
— Hacer el estudio
las cuales iniciarían la estructuración del árbol de deci-

ción, tal como se indica enjg figura 5-13
om
FIG. 5-13 Nodo Decisión
c
Otro nodo de decisión se presentará una vez que se ha-
s.
ya realizado el estudio; al obtener el resultado, se pre-
ro
guntará la conveniencia de perforar o no.
fo
m
Los nodos de incertidumbre estará definidos en este

caso por los puntos donde convergen los estados de la
a.
naturaleza ( 0 1 ? 0 2 , 0'3) y para el caso que decidamos

un
hacer el estudio, los posibles estados de la naturaleza

t
serán A y A. En la figura 5-14 se ilustran estos elemen-

on
tos.
yc
dm
.a
w
w
w
jrarj"
Perforar
>«— Alternativas —*jvEventos — ivas-Jn- Eventos
1*-Alternativas
\o Nodo Nodo Nodo
Decisión Incertidumbre Decisión Incertidumbre
FIG. 5.14
Resumiendo, en el ejemplo tendremos las siguientes

alternativas
1) Perforar
2) No perforar
3) Hacer estudio y perforar
4) " " " no perforar
Los estados de la naturaleza
91 Pozo seco
6-2 " pequeño
03 " grande
om
A Terreno tipo A
c
s.
A' Terreno tipo A' ro
fo
Observemos a través de este ejemplo, que la estructura-
m
ción del árbol requiere de una lógica, en el razonamien-

to. Nótese que la decisión de realizar el estudio es pre-
a.
via a la de perforar, es decir, una vez que perforamos la

un
información que nos podría suministrar el estudio pier-

t
de validez.
on
yc
5.6.1.3. Asignación de valores

dm
Hasta ahora hemos identificado los nodos y

ramas que conforman el árbol de decisión.
.a
Para poder evaluar cuál de las alternativas

w
resulta mas atractiva para

j. el Decisor,j es ne-
w
cesario asignarle valores a cada uno de los

w
elementos del árbol.
Cada una de las posibles alternativas que

tiene el Decisor para su selección lleva un
costo involucrado. Por otra parte, los estados
de la naturaleza tienen asignado un valor de
probabilidades. En la Unidad anterior habla-
mos de cómo asignar dichos valores de pro-
babilidades; por el momento vamos a supo-
nerlos como conocidos. Adicionalniente a
cada uno de los nodos terminales, íes pode-
mos asignar un valor de ganancia o pérdida,
el cual es el Beneficio Neto Involucrado y
que se determine por la diferencia entre el
beneficio bruto que se obtiene al seguk un
determinado curso de acción, suponiendo
la ocurrencia de un determinado evento y el
107
costo involucrado al seguir ese curso de

acción.
Los valores de Beneficio Neto se. representan

como la función de Beneficio Neto (B), que,
como ya mencionamos, está determinada
por la alternativa a seguir, llamémosla A, y
por los estados de la naturaleza #*, es decir,
B (A,tf). Nótese que O representa al conjunto
de estados de la naturaleza, los cuales pue-
den representar fenómenos aleatorios de
naturaleza tanto discreta como continua.
La función Beneficio Neto generalmente se

mide en términos monetarios, aunque tal
como veremos en el Módulo II, pueden defi-
nirse funciones que no se midan exclusiva-
mente en valores monetarios.
om
Para efectos del análisis, de esta Unidad, con-
sideraremos que la función B(A,0) mide el
c
s.
Beneficio Neto Involucrado en tomar cierto
curso de acción.
ro
fo
Dado que los posibles estados de la naturale-
m
za son inciertos, la función B(A,f) también

a.
constituirá una vajiable aleatoria y por lo

un
tanto el valor esperado de la función Benefi-

cio Neto B(A,0) será un valor esperado del
t
on
beneficio que se incurre al seguir un curso de

acción A.
yc
dm
Volvamos a analizar nuestro ejemplo de la

compañía petrolera que debe decidir si per-
.a
fora o no un determinado pozo.

w
w
Supongamos que se perfora el pozo; esto ne-

w
cesariamente involucra un costo, el cual he-

mos supuesto en doscientos mil bolívares (Bs
200.000). Si al perforar se encuentra un po-
zo seco, que corresponde al nodo terminal
(4) en la figura 5-10, se obtendrá un benefi-
cio bruto de cero (0) bolívar: por lo tanto, el
Beneficio Neto (B4) para ese nodo terminal
será de doscientos mil bolívares (B* 200.000).
Si al perforar el pozo, se encuentra un pozo

pequeño, el beneficio bruto será de quinien-
tos mil bolívares (Bs 500.000) y el Benefi-
cio Neto de trescientos mil bolívares (B*
300.000). Esta situación está representada
por el nodo (5) de la misma figura 5-15. Por
último, si al perforar se encuentra un pozo
108
grande, se obtendrá un beneficio bruto de un

millón doscientos mil bolívares (B* 1.200.
000), siendo el Beneficio Neto de un millón
de bolívares, situación representada por el
nodo terminal (6) de la figura 545.
Por otra parte, el costo asociado a la acción

de no perforar es de cero (0) bolívar y, por
lo tanto, el Beneficio Neto es igual a cero
(0) bolívar.
Todas estas asignaciones de valores podemos

concretarlas en el siguiente gráfico (figura
5-15).
- 200.000
com
5 +3OO.OOO
s.
ro
fo
m
6 + 1.000.000
a.
t un
on
yc
dm
.a
w
w
w
FIO. 5-15
5.6.2. Fases para la estructuración del Árbol de Decisión
Como se puede observar, para la estructuración del ár-

bol de decisión hemos procedido a:
1. Identificar los nodos y ramas.
2. Organizar el árbol como un arreglo cronológi-

co de las alternativas que controla el Decisor
y los resultados que determine el azar (estado
de la naturaleza).
3. Asignar valores a cada una de las alternativas,

eventos de incertidumbre y nodos terminales
(resultados) que conforman el árbol.
109
5.7. OPERACIONES SOBRE ARBOLES DE DECISIÓN
En las secciones anteriores se han dado los elementos de un problema de

decisión a través de la estructuración del árbol y a asignación de valores a nodos
terminales y ramas. Una vez finalizado este proceso, es necesario establecer una
estrategia de decisión. Recordemos que en el Módulo II nos ocuparemos de defi-
nir cuáles son los criterios de decisión que es posible seguir. Por el momento con-
sidérenlos que la mejor decisión es aquella que maximiza el Beneficio Neto.
Para alcanzar la decisión óptima, dada una determinada estrategia, se realizan

sobre un árbol básicamente dos operaciones.
1) Determinación del Valor Esperado del Beneficio Neto
2) Maximización del Valor Esperado del Beneficio Neto.
El Valor Esperado se obtiene en los nodos de incertidumbre, ya que a ellos
om
están asociados los estados de la naturaleza o eventos inciertos.
c
La Maximización del Valor Esperado del Beneficio Neto corresponde a
s.
nodos de decisión. ro
fo
Lo anterior se esquematiza en la figura 5-16.
m
a.
t un
on
yc
dm
.a
w
w
w
Nodo Decisión Incertidumbre

Operación Maximización Valor Esperado
FIG. 5-16
De esta forma, al obtener el árbol definitivo cada uno de los nodos y ramas
tendrán valores monerarios asignados a ellos.
5.8. EVALUACIÓN DEL ÁRBOL DE DECISIÓN
Veamos el procedimiento para evaluar el árbol de decisión, obteniendo los

valores asignados a los nodos de incertidumbre y decisión.
110
El proceso se inicia en los nodos terminales y se realizan los cálculos de atrás

hacia adelante. A fin de facilitar la comprensión de dicho proceso de cálculo,
hemos dividido el mismo en varios pasos, los cuales describiremos a continuación.
5.8.1. Paso 1
Proceso de Expectación: cálculo del Valor Esperado asociado a los nodos de

incertidumbre
a) Cada uno de los valores asignados a los nodos terminales, se multipli-

can por la probabilidad asociada a la rama correspondiente hasta el
nodo de incertidumbre más cercano.
b) Se suman todos los valores que convergen a un nodo de incertidum-

bre y ese será el valor esperado asignado a ese nodo de incertidumbre.
Vamos a utilizar nuestro ejemplo de perforación de pozos petroleros para
om
ilustrar esta parte del proceso (figura 5-17).
c
s.
ro 4 -200.000
0,52
fo
300.000
m
a.
un
+ 1.000.000
t
on
yc
dm
.a
w
w
w
FIG. 5-17
Los nodos 4, 5 y 6 son nodos terminales que convergen al nodo de

incertidumbre 2 y el nodo terminal 7 converge al nodo de incerti-
dumbre 3.
Procedamos a realizar el paso 1
Paso 1-a
Se multiplican los valores de los nodos terminales por la probabili-

dad asociada a sus respectivas ramas.
(Valor nodo 4) P (0 j ) = (-200.QOO) (O 52) = -104.000

Convergen (Valor nodo 5) P(0 2 )= ( 300.000) (0,26) = + 78.000
nodo 2
(Valor nodo 6) P (0 3 ) = (1-000.000) (0,22) - + 220.000
Digitalizado por Liz Zambrano para www.admycontuna.mforos.com111

Convergen {(Valor nodo 7) • P<0) = (0) • (1) = O

nodo 3
Efectuamos el Paso 1-b
Se suman los valores que convergen a un mismo nodo de incerti-

dumbre.
Nodo incertidumbre (2) - - 104.000 + 78.000 + 220.000

= 194.000
Nodo incertidumbre (3)= O
Los valores así determinados corresponden al Valor Esperado de

cada nodo de incertidumbre.
om
Representemos esto en el árbol de decisiones
c
s.
ro -200.000
fo
300.000
m
a.
un
1.000.000
t
on
yc
dm
.a
w
w
FIG. 5-18
w
Los valores indicados sobre cada nodo de incertidumbre repre-

sentan entonces el Valor Esperado de los valores terminales, con
respecto a las probabilidades de las ramas correspondientes.
Como se puede notar, la operación de expectación está asocia-
da a cada uno de los nodos de invertidumbre
5.8.2. Paso 2
Árbol modificado
Para lograr una mejor visualización, y a efectos de la evaluación

del árbol de decisión, se puede asumir que a este nivel, sobre el
árbol han sido eliminadas todas aquellas ramas que fueron uti-
lizadas en el paso anterior, quedando ahora como nodos termi-
nales los riodos de incertidumbre más próximos, que tendrán
asignado el valor terminal igual al valor esperado calculado en
el paso anterior.
FIG. 5-19
om
A este nuevo árbol lo llamamos árbol modificado,
c
s.
Ahora se examina el árbol modificado y se procede de la
ro
siguiente manera:
fo
a) Si alguno de los nodos subsiguientes es un nodo de

m
incertidumbre, se procede a aplicar el paso 1.

a.
un
b) Si alguno de los nodos subsiguientes es de incerti-

dumbre, entonces se procede a seguir el paso 3, el
t
on
cual indicaremos a continuación.

yc
En nuestro ejemplo de la perforación del pozo, representamos el

dm
árbol modificado por la figura 5-19. Como se observa en este ejem-

plo, estamos ante una situación como (b).
.a
w
5.8.3. Paso 3
w
w
Proceso de Maximización: cálculo del Valor Esperado asociado a los

nodos de decisión
Se elige entre los valores esperados o terminales que convergen a un

nodo de decisión, el que tenga el máximo valor y se toma ese valor
como el valor asociado al nodo de decisión que, a su vez, está asocia-
do a una determinada alternativa, es decir:
Valor asociado Valores esperados asociados

al nodo = Máximo
de decisión a los nodos precedentes
Una vez finalizado el paso 3, se regresa nuevamente al paso 2.
El cálculo del árbol habrá finalizado una vez que se llega al nodo
inicial del árbol de decisiones.
Volviendo al ejemplo que estamos analizando, como indicamos ante-

113
riormente, una vez obtenido el árbol modificado observamos que en

la próxima etapa nos encontramos con nodos de decisión, por lo
tanto, debemos proceder a aplicar el paso 3,
Valor nodo
inicial Máximo (l94.000 ;0}
194,000
Por lo tanto, el valor que maximiza el Beneficio Neto es ciento

noventa y cuatro mil bolívares (Bs. 194,000), valor asociado al nodo
de decisión, y que corresponde a la alternativa de perforar el pozo.
¡194.000)
c om
s.
ro
fo
m
a.
(0)
t un
on
yc
dm
.a
w
w
w
Este valor representa el Beneficio Neto (BN) promedio que obtendre-

mos al tomar la decisión de perforar el pozo.
El Beneficio Bruto (BB) promedio estará dado por
BB = BN + costo = 194.000+ 200.000 = 394.000
El proceso de determinación de los valores asignados a los nodos ha

culminado, ya que se ha asignado un valor (Bs. 194.000) al nodo
inicial, el cual corresponde a la decisión de perforar el pozo. Por lo
tanto, el presidente de la compañía de pozos petroleros, de seguir un
análisis de esta naturaleza y asumiendo todas las prez
das, deberá decidir t

5.9. ESQUEMATIZACION DEL PROCEDIMIENTO GENERAL PARA LA

EVALUACIÓN DEL ÁRBOL DE DECISIÓN
A través deí diagrama de flujo que se indica a continuación, se indica el pro-

cedimiento que, en forma general, se sigue para determinar los valores asignados a
los nodos de incertidumbre y de decisión.
Estructural Árbol
PASO O
Asignar valores a ramas y no- Estructuración
dos terminales
L
Hallar valores esperados de nodos' PASO 1

de incertidumbre más cercanos Expectación
om
Hallar árbol modificado
c
s.
ro
fo
PASO 2
m
Árbol modificado
a.
Se-
un
llegó al nodo
inicial?
t
on
yc
dm
.a
¿Hay
w
nodos de
incertidumbre
w
próxima
w
etapa1?
Maximizar valor esperado

y asignarlo nodo decisión PASOS
Maxim ización
L Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

115
Utilicemos el procedimiento para operar sobre árboles de decisión en el

ejemplo de la perforación del pozo petrolero, considerando adicionalmente la
conveniencia de realizar, previo a la perforación o no del pozo, un estudio de sue-
lo. Supondremos que los resultados del estudio son 100 % confiables.
Procedimiento
Paso O
Procedamos a granear el árbol de decisión.
Tabla de
Valores
Valor
Nodo Esperado
c om
-200.000
s.
ro 300.000
fo
6 1.000.000
m
a.
JL2 12 -300,000
un
13 200.000
t
on
14 900.000
yc
dm
15 -100.000
.a
16 -300.000
w
w
17 200.000
w
18 900.000
11 11 -100.000
19 19
F1G. 5-21
Árbol decisión perforación pozo
116
Paso 1
En este primer paso los nodos de incertidumbre son (4) (9) (10)
Por lo tanto
Paso 1.1.
Converge (-200.000) • 0.52: -104.000

nodo 300.000 • 0,26 = 78.000
2 1.000.000 - 0,22: 220.000
Converge (-300.000) -0,4 = -120.000
nodo ( 200.000) - 0,2 - 40.000
9 (900.000) -0,4 = 360.000
Converge (-300.000) • 0,6 = -180.000
nodo (200.000)- 0,3 = 60.000
om
10 ( 900.000) • 0,1 - 90.000
c
Paso 1—a
s.
ro
Nodo incertidumbre (2)= 194.000
fo
Nodo " (9)= 280.000
m
Nodo " (10)= -30.000

a.
un
Paso 2
t
on
yc
dm
.a
w
w
w
Fig. 5-22 Árbol modificado

En este caso estamos ante la situación b, entonces procedemos al paso 3.
Paso 3
Los nodos de decisión son el (7) y (8), hay que maximizar, es decir,
Valor nodo (7) - Máximo 280.000; 100.000

- 280.000
Por lo tanto, el valor asignado al nodo 7 es-280.000 que corresponde a la

decisión de perforar.
Por otra parte
Valor nodo (8)= Máximo I -30.000; -100.000

= -30.000
om
Por lo tanto el valor asignado al nodo 8 es -30.000 que corresponde a la deci-
sión de perforar.
c
s.
Una vez finalizado este cálculo, regresamos al paso 2, es decir, construimos ei
ro
árbol modificado
fo
m
a.
t un
on
(Perforar.)
yc
dm
.a
(Perforar)
w
w
w
FIG.5-23. Árbol modificado
Preguntamos ahora, ¿hemos llegado al nodo inicial?
La respuesta es no, por lo tanto continuamos al próximo paso del ciclo.
¿Hay nodos de incertidumbre?
La respuesta es sí, el nodo (3) por lo tanto debemos realizar las operaciones
indicadas en el Paso 1.
Valor esperado = 0,4 280.000 + 0,6 • (-30.000) =

nodo 3 = 152.000-18.000=134.000

Continuando el ciclo procedemos al paso 2
El árbol modificado será.
c om
fig. 5-24
s.
ro
¿Hay puntos de incertidumbre no valorados?
fo
No
m
¿Hay nodos de decisión no valorados?

a.
Sí
t un
Entonces procedemos a la Maximización del nodo de decisión (1)

on
yc
(Paso 3)
dm
Valor nodo (3) -Máximo (194.000; 134.000; o)

= 194.000, que corresponde a
.a
la alternativa de perforar sin hacer el estudio

w
previo.
w
w
Entonces para este problema de decisión la alternativa que maximiza el valor

esperado del Beneficio Neto es perforar el pozo sin realizar estudio previo.
Analicemos un tercer ejemplo, donde contemplamos la presencia de variables

aleatorias continuas.
Un comerciante desea analizar la posibilidad de comprar o no una determi-

nada maquinaria. El costo de inversión es de veinte mil bolívares (B S20.000) y él
estima que puede obtener un beneficio neto de cien mil bolívares (B $ 100.000),
por la operación de la maquinaria en el lapso de un año. Ahora bien, la vida de
operación de la máquina es una variable aleatoria representada por f(x)
f (X)
1/3

es decir
J- O
f(x)
O x > 3
El Beneficio Neto total que podrá obtener el comerciante, en su forma más simpli-
ficada, vendrá dada por:
B (x) - 100.000 x -20.000
Donde
x: número de años que opera la máquina.
Estructuremos el árbol de decisiones.
om
Las alternativas serán:
c
s.
— Comprar máquina ro
— No comprar máquina
fo
m
Los estados de la nat'irale¿a, estarán representados por el tiempo de opera-

a.
ción de la máquina, que en nuestro ejemplo es una variable aleatoria continua,

expresado por la función de probabilidades
t un
J_
on
0< x < 3
f(x) = 3
yc
O x > 3
dm
.a
Paso O
w
La figura 5-25 indica el árbol estructurado

w
w
X 100.000 x-20.000
FIG. 5-25

Pasol
Calculemos ahora los valores esperados asociados a los nodos de incertidum-

bre 2 y 3.
Nodo de incertidumbre (2)
Por ser la función densidad de probabilidad una función continua, sabemos

que para cada estado de la naturaleza xi se cumple que
(100.000 x - 20.000) _1_0 < x < 3
3
B(x)f(x) =
O x>3
B (x) f(x) es la variable aleatoria que representa el beneficio neto.
Por lo tanto, el valor esperado en el nodo 2 será
om
E [B(x)f(x)l =( (100.000 x -20.000) _1_ dx
1 J JO 3
c
s.
100.000 x 2 - 20.000 x ro
6
fo
150.000 20.000 =130.000

m
a.
E [B(x)f(x)] = 130.000
t un
Mientras que valor esperado para el beneficio neto en el nodo 3 es cero (0).
on
yc
Ardol modificado
dm
130.000
.a
w
w
w
O
FIG. 5-26
Entonces procederemos a preguntar ¿hay más nodos de incertidumbre, en

próxima etapa?
No
¿Hay más nodos de decisión próxima etapa?

Sí
Procederemos entonces, al paso 3
Paso 3
Maximización
Valor nodo (1)= Máximo {130.000; 0}

= 130.000
121
Por lo tanto, el valor asociado al nodo de decisión es ciento treinta mil bolí-
vares (B si30.000) y la alternativa es adquirir la máquina.
5.10. INTERPRETACIÓN DE LOS RESULTADOS DE LA EVALUACIÓN DEL

ÁRBOL DE DECISIONES
Como indicamos al inicio de la sección, el criterio de decisión para evaluar

una determinada estrategia no es único.
El criterio de maximización del valor esperado de los beneficios netos es

uno de ellos. En función de ese criterio hemos decidido, en nuestro ejemplo de la
compañía perforadora de pozos petroleros, que la estrategia que proporcione el
Beneficio Neto esperado máximo es la de perforar el pozo, es decir, ciento treinta
y ocho mil bolívares (Bs 138.000). Pero, ¿qué interpretamos por el valor de
om
ciento treinta y ocho mil bolívares asociado a la acción de perforar el pozo?
c
Ese valor representa el Beneficio Neto que se debe esperar a la larga, sabien-
s.
do que la decisión debe tomarse una sola vez y que el comportamiento de la natu-
ro
raleza, es decir, la ocurrencia de los posibles eventos, continúa siendo en lo suce-
fo
sivo como lo ha sido en el pasado.
m
Realmente, una vez que se toma la decisión sobre la alternativa a elegir, el

a.
Beneficio Neto que se obtendrá no coincidirá con el valor ciento treinta y ocho
un
mil bolívares (B s 138.000), sino que será alguno de los beneficios netos que se
t
obtienen al producirse uno de los eventos de la naturaleza contemplados, es decir,

on
que el Beneficio Neto será o bien Bs (-200.000) o Bs 300.000 ó Bs 1.000,00 y no

yc
otro cualquiera, siempre que la naturaleza se comporte como hemos supuesto.

dm
En conclusión, el valor asignado a un nodo de decisión, al seguir el criterio de

decisión que maximiza el valor esperado del Beneficio Neto, no es exactamente el
.a
que se obtendrá una vez que se efectúa la acción y se produzca la ocurrencia de

w
uno de los posibles estados de la naturaleza. Pero ese valor permite evaluar, en
w
términos monetarios, el hecho de que no todos los eventos son .igualmente proba-
w
bles y que el Beneficio Neto que se obtendrá al producirse una acción exitosa, es
considerable.
Debemos entender que el criterio de maximización del valor esperado del

Beneficio Neto, podría, en ciertas situaciones, no ser el más adecuado, tal como es
el caso de situaciones en las cuales las pérdidas o ganancias son muy elevadas.
En general, los beneficios monetarios no caracterizan plenamente todas las

posibles consecuencias o situaciones que puedan ser importantes para el Decisor.

AUTOE VALUACIÓN
Instrucciones
PRIMERA PARTE
Dados los problemas de decisión propuestos, responda las preguntas plantea-

das al final de cada enunciado.
1) Un empresario dispone de diez millones de bolívares (B s 10,000.000) para

invertir en la construcción de una fábrica. Si las condiciones económicas del
país no cambian, él estima que la inversión le producirá un rendimiento
anual del 15%, pero si ocurre una recesión económica el rendimiento puede
bajar hasta el 6%.
Adicionalmente, está considerando la posibilidad de inversión en bonos que

proporcionan un beneficio seguro del 9% anual.
om
Se pide:
c
s.
A Estructurar el problema en forma de árbol de decisión
ro
fo
B Determinar cuál es la probabilidad que debe asegurar el empresa-
rio, a la ocurrencia de una recesión económica antes de opinar que
m
la decisión de invertir en bonos es la mejor estrategia a seguir.

a.
un
2) Una persona que posee bienes por un valor A recibe una herencia en joyas
t
on
por un valor X. En las negociaciones para asegurar las joyas, tanto la compa-
yc
ñía aseguradora como él asigna una probabilidad P de que las joyas .puedan
ser robadas. Asuma que tanto la aseguradora como el dueño de las joyas se
dm
guían por el criterio del Valor Esperado y han acordado un valor R, para la
póliza anual que pagará éste.
.a
w
Se pide:
w
w
A Plantear el problema en forma de árbol de decisión
B Establecer condiciones necesarias en R, el monto de la póliza

anual, que debe pagar el dueño de las joyas
3) Un competidor en una carrera asigna una probabilidad de 0,5 a que comple-

tará la carrera en un tiempo menor o igual a cuatro minutos.
Si él completa la carrera, entonces:
1) Su tiempo de terminación de la carrera (t) estará uniformemente distri-

buido entre 3, 5 y 4 minutos.
2) Un premio que recibirá será X = 1000 (4-t).
Si él no completa la carrera dentro de los cuatro minutos no recibirá

ningún premio.
123
Se pide:
Estructurar el problema en forma de árbol de decisiones
B Determinar la estrategia óptima utilizando el criterio del Valor

Esperado
4) Una compañía de tarjetas de crédito estima, basada en la experiencia, que los

solicitantes de tarjetas se pueden clasificar en dos tipos: solicitantes con buen
crédito (B) y solicitantes con mal crédito (M).
La experiencia ha indicado igualmente que las probabilidades que un solici-

tante resulte con buen crédito es de 0,6.
Para la compañía, un tarjeta-habiente de buen crédito representa un benefi-

cio anual de mil quinientos bolívares (B $1.500) mientras que un mal crédito
om
representa una pérdida de mil bolívares (B si.000) anual.
c
s.
Para cada aplicación o solicitud de tarjeta la compañía puede decidir otorgar
ro
la tarjeta (T) o negarla (R) lo que puede hacer realizando o no una investiga-
ción (I) del crédito del solicitante. Para ello utiliza los servicios de una agen-
fo
cia de investigación de créditos que investiga las referencias del solicitante y
m
emite un informe que puede ser favorable (F) o desfavorable (D), al solici-
a.
tante. Generalmente, si el solicitante es un buen crédito la agencia es

un
60% confiable, esto es P (F/B) - 0,6.

t
on
Si por el contrario, el solicitante es realmente un mal crédito, la agencia es

todavía más confiable y P (D/M) = 0,9.
yc
dm
La agencia de investigación de crédito cobra fijo diez bolívares (B *10) por

cada reporte y, adicionalmente, veinte bolívares (Bs. 20) si el reporte es favo-
.a
rable, pues toma más tiempo verificar un buen crédito que eliminar un sujeto
w
con mal crédito.

w
w
Se pide:
Estructurar el problema en forma de árbol
B Determinar la decisión óptima utilizando el criterio del valor

esperado
124
Instrucciones
SEGUNDA PARTE

de respuesta. Sólo una de las alternativas es correcta para cada situación. Seleccio-
ne la alternativa correcta y señálela encerrando en un círculo la letra que la iden-
tifica.
5) Un Decisor enfrenta la situación de decisiones indicada en el árbol de decisio-

nes siguiente:
c om
s.
ro
fo
m
¿Para qué valor de P, el Decisor será indiferente entre seleccionar la estrate-

gia M o la estrategia N?
a.
un
A 0,6
t
on
B 0,4
yc
dm
C 1,0
.a
D 0,5
w
w
6) Un Decisor que sigue el criterio de decisión del Valor Esperado enfrenta la

w
situación de decisiones diagramada debajo:
-12
o o
125
La decisión óptima es;
A Alternativa I
B Alternativa II
C Alternativa III
D Alternativa I y II
7) La vida útil de una mini-computadora es una variable aleatoria representada

por
om
f(x)
c
0,4
s.
ro
fo
m
a.
X
un
Supóngase que queremos decidir si compramos o no una mini-computadora;

sabemos que cuesta veinte mil bolívares y que cada año que esté funcionan-
t
on
do nos reportará un Beneficio neto de quince mil bolívares. Para tomar la

decisión nos basaremos en el cálculo del Valor Monetario Esperado (VME).
yc
dm
A VME- 45.000
.a
w
B VME- 25.000
w
w
C VME = 37.500
D VME- 0
126
SECCIÓN
1
1-Á Ver vlave 11 5.6
razonada
1-B P=2/3 11 5.6
om
2-A Ver clave 11 5.7-5.8
razonada
c
2-B
s.
11 ro 5.7-5.8
fo
3
5.6
m
3~A Ver clave 11

razonada
a.
un
3-B Participar 11 5.10

t
en carrera
on
yc
4
4-A Ver clave
dm
razonada 11 5,6
.a
4-B Otorgar tar-

w
jeta sin rea-

w
lizar inves-
w
tigación del
crédito del
solicitante 11 5.10
5 b (P - 0.4) 11 5.9-5.10
6 d (alternati-
va I y II) 11 5.9-5.10
d(VME
-53.500) 11 5.9-5.10

127
Clave razonada:
Pregunta 1
c om
s.
ro o 9%
fo
E (Fábrica) = (1-P) 15% + P • 6%

m
E (Bonos) = 1 - 9 9 6
a.
E (Fábrica) = E (Bonos)
un
(1-P) 15% + P 6 % = 9 %
6P + 15 • 15P = 9
t
on
yc
dm
Pregunta 2
.a
A-fx-R
w
w
w
x - R > P A + (1-P) (A + x)
R<Px
Pregunta 3
De los datos del problema
1000 (4-t)
c om
s.
ro
fo
m
a.
t un
on
yc
b) Cálculo del árbol de decisiones

dm
.a
E(nodo 3 )= 1.1000(4-t)dt
w
3.5
w
w
E (nodo 3) = 125
E(nodo 2) = O
E (nodo 3) > E(nodo 2)
Luego:
La estrategia óptima es:
Participar en carrera

129
15ÜÜ
Pregunta 4
1470
c om
s.
ro
1490
fo
m
a.
un
4010
t
on
yc
dm
Gákuío dé las probabilidades

.a
w
w
w
0,24
0,04
P("F") *
iao Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

Entonces el árbol quedará de la siguiente forma:
1500
c om
s.
ro
fo
m
a.
1470
un
t
on
yc
dm
.a
w
w
w
-1010
O -10
•
'
.

131
b) Cálculos sobre el árbol

-
c om
s.
ro (1220)
fo
(500)
m
a.
t un
on
yc
dm
.a
w
w
(•10)
w
Del árbol
E(T)= 500
E(R)= O E (T) >E (R,
E (I) = 482.
Por lo tanto la Estrategia óptima es T y en definitiva la decisión óptima

es otorgar la tarjeta de crédito sin realizar la investigación del crédito
del solicitante.

Pregunta 5
E(M) = (6) (-3) -P) = 9P-3

E (N) = (-3)
E (M) = E (N) Indiferencia

9P - 3 = 1 - P ante estrategias M y N.
P = 04
Pregunta 6
(+2)
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
í+2}
La respuesta (d) es la correcta, pues las alternativas I y II son óptimas ambas.

Pregunta 7
De acuerdo a los datos, el Beneficio Neto total, en su forma más simplifica-

da, vendrá dado por
BN = 15.000 x - 20.000
donde
x representa el tiempo, en años, que opera la computadora.
Estructuremos el árbol de decisiones.

Las alternativas serán.
— Comprar minicomputadora
— No comprar minicomputadora
Los resultados de la naturaleza estarán representados por el tiempo de dura-
om
ción de la minicomputadora, que en nuestro ejemplo es una variable aleato-
ria, expresada por la función de probabilidades.
c
s.
0<x<2
ro
fO,4
fo
f(x) =
m
l(3-X)0,4 2<x<3
a.
un
La figura indica el árbol estructurado

t
on
yc
dm
15000 X - 20.000
.a
w
w
w
Ali
Calculemos ahora los valores esperados asociados a los nodos de incertidum-

bre2y 3 (Paso 1).
Nodo de incertidumbre (2)
Por ser una función continua sabemos que para cada estado de naturaleza x.
134
(15.000 x -20.000) 0,4 o < x <2

COStO X;
(15.000 x-20.000) 0,4 (3-x) 2 < x < 3

COStO X; P(x¡)
lo tanto
E(nodo 2) (15.000 x-20.000) 0,4 dx
(15.000x-20.000) 0,4 (3-x) dx
om
I2
c
s.
E (nodo 2)- 6000 j¿-8000 x +
9 Jo ro
fo
m
18 000 x 2 - 6.000^ -24.000 x + 8000 x 7

a.
T 3 2
un
- 12000-16.000 4- 26.000 _5_-6000. 19. 24.000

t
on
2 3
yc
«- 1000
dm
E (nodo 2) = -1000
.a
Mientras que:
w
w
E (nodo 3) - O
w
Paso 2 Árbol Modificado

Preguntamos ¿hay más nodos de incertidumbre?

No
¿Hay más nodos de decisión?

Sí
Entonces procedemos al paso 3
Paso 3 Maxim ización.
Valor nodo (1) = Máximo í -1000,0 }

= -1000
Por lo tanto, el valor asociado al nodo de decisión es cero bolívares (Bs.) y la

alternativa a elegir es no adquirir la mini-computadora para tener el máximo
valor esperado..
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

BIBLIOGRAFÍA EMPLEADA PARA EL MODULO I
AGOSTA FLORES, José Jesús Teoría de Decisiones en el Sector Público y

en la Empresa Privada. Representaciones y
Servicios de Ingeniería, México, 1977.
CARLUCCI, Francesco Appunti per una Tería delle Decisioni. Uni-

versitá di Roma, 1974.
DALL'AGLIO, Giorgio Lezioni sulla Probabüita, Universitá di Ro-

ma, 1974.
DRAKE, Alvin Fundamentáis of Applied Probability Theo-

ry. Me Graw-Hill, USA, 1967.
GNEDENKO, Jinchin Introducción al Cálculo de Probabilidades.

Eudeba, Buenos Aires, 1974.
om
R. A., Howard Decisión Analysis: Applied Decisión Theo-
c
s.
ry. Proceedings of the Fourth International
ro
Conference on Operational Research. Wiley
interscience, 1966.
fo
m
R. A., Howard Decisión Analysis in Systems Engineering.

a.
System Concepts: Lectures on Contempo-

un
rary Approaches to Systems: John Wiley &

Sons, 1973.
t
on
R. A., Howard The Foundations of Decisión Analysis.

yc
IEEE Transactions on Systems Science and

dm
Cybernetics, Vol. SSC-4 No. 3, Sept. 1968

PP. 1-9.
.a
w
LARSON, Harold J. Introduction to Probability Theory and

w
Statistical Inference. J. Wiley & Sons 1973.

w
MAITRA, Amis Kumar Sur la Théorie de la Decisión dasn le cas d*

un nombre finí d' etats, Université de Paris,
1966.
MATHESON - Howard And Introduction to Decisión Analysis.

Stanford Research Institute, 1968.
MEYER, Paul Introductory Probability and Statistical

Applications. Addison Wesley USA, 1966.
MATHESON - Roths Decisión Analysis of Space Projects. Voya-

ger Mars. National Symposium, "Saturn/
Apollo and Beyond" American Astronáuti-
ca! Society, 1967.
NORTH, D. W. A Tutorial Introduction to Decisión Theo-

ry. IEEE Transactions on Systems Sciense
& Cybernetics. Vol SSC-4, No. 3, 1968.
PAPOULIS, Athanasios Probability Random Variables and Stochas-

tic Processes. Me Graw-Hill, USA, 1965.
PARSEN, Emanuel Teoría Moderna de las Probabilidades y sus

Aplicaciones. Limusa. México, 1973.
RHEAULT, Jean Paul Introducción a la Teoría de las Decisiones.

Limusa, 1979.
SPETZLER & Stael von Holstein Probability Encoding in Decisión Analysis.

ORSA-TIMS-AIEE, 1972. Jpint National
Meeting, Atlantic City, New Jersey, 1972.
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

MODULO II
c om
LAS PREFERENCIAS DEL DECISOR Y SU
s.
ro
fo
ACTITUD ANTE EL RIESGO
m
a.
t un
on
yc
dm
.a
Lista de Unidades
w
w
Unidad 6. Las Preferencias del Decisor

w
Unidad 7. La Actitud del Decisor ante el Riesgo
Unidad 8. Criterios de Decisión

\d 9. El Valor de la Información
Objetivos
Al finalizar el estudio del Módulo II, el estudiante deberá estar en capacidad

de:
—Dado un problema de decisión, determinar la alternativa óptima de acuer-

do a los objetivos y preferencias del Decisor.
— Determinar el Valor de la Información en un problema de decisión.

c om
s.
ro
fo
m
a.
Introducción
un
Tomar decisiones no es un acto aislado, sino que es un proceso que se realiza

t
on
en varias etapas:
yc
1) Diagnóstico y clasificación del problema de decisión.

dm
2) Estructuración del problema de decisión.

.a
w
3) Análisis de las alternativas.

w
w
4) Selección de la alternativa óptima.
En el primer Módulo de este Curso hemos aprendido a resolver las dos pri-
meras etapas de este proceso de analizar decisiones; en el segundo estudiaremos
los instrumentos para llevar a cabo las dos últimas etapas.
La primera Unidad del Módulo se dedica a las Preferencias al Valor y a las

Preferencias Temporales.
La segunda Unidad estudia las Preferencias al Riesgo o actitud del decisor

ante el riesgo.
Las tercera establece los Criterios de Decisión para seleccionar la alternativa

óptima.
En la última Unidad se contempla el Valor de la Información en un proble-

ma de decisiones.
141
( .
XL ^. . _ . ^^
LAS PREFERENCIAS DEL DECISOR
Al finalizar el estudio de esta Unidad, usted deberá estar en condiciones de:
12) Asignar valores a los resultados de un problema de decisión.
13) Aplicar el criterio del Valor Presente para considerar las preferencias tempo-
rales del Decisor.
om
c
Pag.
s.
6.1. Preferencias del Decisor ro 144
fo
6.2. Preferencias al Valor 144
m
a.
6.3. Criterios de Valoración y Asignación de Valores 145

un
6.3.1. Objetivos y Atributos - 145

t
6.3.2. Selección del Criterio de Valoración 146

on
6.3.3. Ejemplos de Valoración 147

yc
6.4. Preferencias Temporales 151

dm
.a
6.5. Conceptos Básicos 152

w
6.5.1. Interés 152

w
6.5.2. Tasa de Interés . 152

w
6.5.3. Valor Temporal del Dinero 152

6.5.4. Diagama-de Flujo de Fondos „. 153
6.5.5. Equivalencia 154
6.5.6. Fórmulas de Interés , 155
6.5.7. Equivalencia de Flujos de Fondos 159
6.6. Criterios o índices de Comparación de Alternativas 162
6.6.1. Flujo Neto de Fondos 162

6.6.2. Cálculo del índice Valor Presente ... 164
6.6.3. Utilización del índice Valor Presente 165
6.6.4. Criterio para la utilización del índice Valor Presente . 167
6.7. Resumen 168
Autoevaluación . 169

6.1. PREFERENCIAS DEL DECISOR
Una vez que se ha estructurado el problema de decisión, identificando los

elementos que lo conforman y desarrollado alternativas y resultados es necesa-
rio analizar y comparar las alternativas factibles. La comparación de alternativas
requiere la valoración y evaluación de los resultados, en función de los objetivos
y preferencias del Decisor, con el propósito final de determinar la alternativa que
más satisfactoriamente cumple con sus objetivos y preferencias.
Para la valoración de resultados se utilizan criterios de valoración. Como es-

tudiaremos posteriormente, en la mayoría de los problemas de decisión, la ma-
nera más fácil de valorar adecuadamente los resultados es atribuir un valor mone-
tario a las consecuencias de cada alternativa. A este proceso de asignar valores a
los resultados se le llama Valoración y al medio o recurso de asignación se le
llama Criterio de Valoración. Los criterios de valoración vienen determinados por
los objetivos y preferencias del Decisor.
om
Por valor entenderemos la deseabilidad de un resultado.
c
Por preferencias entenderemos la actitud del Decisor hacia los resultados,
s.
actitud que puede estar en referencia a: ro
fo
— El valor del resultado
m
— El tiempo en que ocurra el resultado

a.
un
— El riesgo que involucra el resultado

t
on
El análisis de decisiones ha realizado una importante contribución al estudio

yc
de esos problemas al proveer una metodología para el tratamiento de Valores y

Preferencias. Dicha metodología considera tres tipos de preferencias.
dm
— Preferencias al Valor
.a
w
— Preferencias Temporales
w
w
— Preferencias al Riesgo
El problema fundamental del tratamiento de las preferencias del Decisor es-

triba en cómo introducirlas en el análisis, cómo lograr cuantificarlas de manera
que permitan la valoración y evaluación del árbol de decisiones.
En esta Unidad nos dedicaremos al estudio de. los métodos y criterios para
establecer las preferencias al Valor y las Temporales.
En la Unidad siguiente estudiaremos la actitud del Decisor ante el riesgo o

Preferencias al Riesgo.
6.2. PREFERENCIAS AL VALOR
La Preferencia al Valor, asignación de valor o simplemente valoración, consi-

dera la existencia de los varios resultados posibles y la necesidad de establecer el
valor relativo de cada resultado con el fin de compararlos. Por lo tanto, la prefe-
rencia al valor responde a la pregunta: ¿cuánto más valioso es este resultado que
aquél?
Como es lógico suponer, el primer paso para la comparación de alternativas

es asignar valores numéricos a los posibles resultados.
La primera suposición que debe hacerse es que dos posibles resultados, cua-
lesquiera que ellos sean, puedan ser comparados, es decir, dados dos resultados el
Decisor debe poder establecer cuál prefiere.
Aunque en algunos casos, las decisiones pueden alcanzarse como producto

de ordenar los resultados en términos de una deseabilibilidad o cualidad que salte
a la vista, la mayor parte de los problemas requiere un criterio para ordenar los
resultados; tal criterio se conoce como Criterio de Valoración.
6.3. CRITERIOS DE VALORACIÓN Y ASIGNACIÓN DE VALORES
Los Criterios de Valoración} funciones de valoración o modelos de valora-

ción, como también se les llama, cuantifican la preferencia del Decisor por un re-
sultado en comparación con otros, asignando valores a cada resultado. Asignar un
alor significa asociar un valor cualitativo o cuantitativo a un resultado. Aunque
un resultado pueda tener muchas características o atributos que lo describan, ge-
om
neralmente, la asignación de valor utiliza un solo número o figura, que se asocia
con el resultado, y el cual resume el conjunto de atributos.
c
s.
ro
Como veremos posteriormente, en algunos casos es fácil asignar objetivamen-
te un valor a cada resultado» valcjr que describe adecuadamente las consecuencias
fo
de ese resultado. Por ejemplo, en un problema de negocios, el valor de que habla-
m
rr.os sería un valor numérico y monetario, que refleje plenamente todas las conse-
a.
cuencias financieras y económicas del resultado, sin que haya lugar a considerar
un
3tros factores. En un problema de medicina, el valor podría ser la rata de curación

para una enfermedad dada. En tales problemas, las consecuencias se describen
t
on
adecuadamente en términos de un atributo, el cual se escoge porque refleja satis-

factoriamente las consecuencias y efectos asociados ai resultado que se considera.
yc
dm
Tal atributo no es un parámetro escogido al azar sino que su selección está

en estrecha concordancia con los objetivos y preferencias del Decisor.
.a
w
6.3.1. Objetivos y Atributos

w
w
No existe una definición umversalmente aceptada de los términos

Objetivos y Atributos; en el contexto del análisis de decisiones,
estos términos se manejan en relación con las ideas de índice de
deseabilidad o medidas de efectividad de un resultado.
De manera que entenderemos por objetivos a los fines que persigue

e! Dedsor, Los objetivos son un reflejo de su escala de valores y rigen
sus preferencias. Los objetivos pueden medirse o ser observados me-
diante un atributo.
Por atributo entenderemos al parámetro o característica que se utiliza

para medir el grado en que un resultado satisface un objetivo. El
valor de un atributo generalmente se expresa en cantidades escalares,
en cuyo caso se habla de atributo escalar. También se habla de atri-
butos vectoriales cuando tienen varios componentes. En resumen: un
atributo provee una escala para medir el grado en el cual se satisface
el objetivo respectivo.
145
Para aclarar estas ideas, consideremos el siguiente ejemplo.
Supongamos que estamos estudiando el servicio de Correos. El obje-

tivo global del Correo es proveer un servicio eficiente y confiable.
Este objetivo global puede instrumentarse en otros más detallados y
manejables en términos analíticos:
1) Minimizar el tiempo de entrega del correo.
2) Maximizar el porcentaje de correo entregado..
Para el primer objetivo, minimizar el tiempo de entrega se puede de-

finir el atributo, tiempo en días desde el remitente al destinatario.
La definición de atributos se realiza con la finalidad de valorar, eva-

luar y comparar resultados. El proceso de generar objetivos y atribu-
tos es un proceso creativo por parte del analista y del Decisor y por
lo tanto no admite métodos formales ni recetas efectivas para todos
los casos prácticos.
om
Recordemos el caso del Correo, donde el objetivo establecido era mi-
c
s.
nimizar el tiempo de entrega, el cual fue caracterizado por el atribu-
ro
to: minimizar el número de días de entrega del correo; por lo tanto
el parámetro sobre el cual debe enfocarse el análisis es el tiempo de
fo
entrega y, por consiguiente, se analizarán y compararán los resultados
m
en base al tiempo y se considerarán mejores los resultados y alternati-

a.
vas que optimicen el para'metro (atributo) tiempo.

un
6.3.2. Selección del Criterio de Valoración

t
on
En situaciones comerciales o empresariales, el valor asociado a un re-

yc
resultado es típicamente alguna forma de beneficio económico; el De-

dm
cisor o el analista escogerán tomando en cuenta los objetivos del deci-

sor, el criterio de valoración a utilizar, así podrían valorarse los resul-
.a
tados en base a utilidades, beneficio neto, crecimiento, etc. o cualquier

w
parámetro financiero. En general, si el problema de decisión se refiere

w
a la asignación de recursos monetarios, entonces en lógico medir el

w
valor en términos monetarios.
Cuando un Decisor sea particularmente opuesto a asignar valores

en una escala monetaria directamente puede emplearse una escala
cardinal; ésta se construye de tal manera que el beneficio óptimo
represente un valor máximo que se fija. Los otros beneficios se re-
fieren a ese valor máximo, obteniéndose así un sistema o escala de
valores relativos.
En otras áreas, especialmente en problemas sociales, militares, de

salubridad, etc., la asignación de valor es más difícil porque requie-
re cuantificar el valor de una vida humana, el valor de una vida salu-
dable, etc., en términos numéricos y aun monetarios. Estos casos
son difíciles de cuantificar porque los factores involucrados son
complejos. Los criterios a utilizar, en este tipo de problemas, es
capan al nivel de este Curso y por !o tanto, no serán considerados.
146
6.3.3, Ejemplos de Valoración
Ejemplo No. 1
Suponga que usted se plantea la posibilidad de pasar un día en la

playa. La decisión de ir a la playa puede resultar en un alto grado
de satisfacción si el día es soleado o en un alto grado de desagrado
si es lluvioso. Estos niveles de satisfacción se invertirían si la deci-
sión que se toma es la de permanecer en casa.
Usted desea estudiar el problema de decisión y valorar los resultados
Solución:
Las alternativas son dos:
— Ir a la playa
om
— Permanecer en casa
c
Los estados naturales son dos:
s.
ro
~ Sol
fo
m
— Lluvia
a.
De manera que para cada alternativa hay dos resultados posi-

un
bles; por lo que, en total, tenemos que valorar cuatro resultados.

t
on
Para efectuar la valoración debemos seleccionar algún criterio de

yc
valoración. Para ilustrar el problema realizaremos la valoración

utilizando criterios diferentes.
dm
Hagamos en primer lugar una valoración cualitativa de los resul-

.a
tados lo cual ilustramos en la gráfica 6-í.

w
w
w
ESTADO NATURALES
SOL LLUVIA
PLAYA SATISFACCIÓN DISGUSTO

tí
CASA MALHUMOR CONFORMIDAD
Gráfica 6-1 147

En la gráfica hemos valorados a cada resultado según el efecto

que nos produce.
Podemos realizar otro tipo de representación para la misma

valoración, como en la gráfica 6-2.
ESTADOS NATURALES
i
c om
s.
ro
fo
m
a.
un
GRÁFICA 6-2
t
on
Probablemente consideremos que las valoraciones anteriores, a

yc
pesar de ser muy gráficas e ilustrativas, no nos ayudan a decidir,

dm
así que trataremos otro criterio, utilizando una escala de valo-

ración; escogemos el resultado que nos parezca más valioso, el
.a
que preferimos a los otros y le asignamos un valor de 10, por

w
ejemplo, y sobre esta base valoramos los resultados restantes.

w
Los valores los indicamos en la gráfica 6-3

w
ESTADO NATURALES
SOL LLUVIA
PLAYA 10
CASA
GRÁFICA 6-3

Los valores positivos se interpretan como un beneficio para el

Decisor; mientras que los valores negativos se interpretan como
un costo para él.
Alternativamente podemos estructurar el problema en forma de

árbol de decisión, gráfica 6-4
ÁRBOL DE DECISIÓN VALOR
10
Playa
c om
s.
Casa
ro
fo
m
a.
Lluvia
t un
on
yc
GRÁFICA 6-4
dm
.a
Es importante que el estudiante perciba y entienda el carácter

w
netamente subjetivo de la valoración. Debe quedar muy claro

w
que el valor asignado a cada resultado refleja la actitud del De-

w
cisor hacia ese resultado y que ella es producto de sus objeti-

vos y preferencias. Igualmente debe comprenderse, que dife-
rentes personas podrían asignar diferentes valores al mismo
resultado, lo cual confirma el carácter subjetivo de la valoración.
Ejemplo No. 2
Un industrial debe decidir si adquiere una maquinaria por 1,5

millones de bolívares, la cual le produciría una ganancia que ha
sido estimada como se indica en la tabla anexa, siendo los cos-
tos de operación del orden de Bs. 150.000 anuales.
Otra posibilidad de inversión contemplada por el industrial,

es invertir su dinero a plazo fijo al 20 % de interés anual.-
Para los fines análisis a realizar debe suponerse un período
.
de 1 año.

149
TABLA DE GANANCIAS
Probabilidad de que Ja ganancia sea (G.) GANANCIA (G)

en millones
0.40 3.5
0.35 3.0
0.25 2.0
om
Gráfica 6-5
c
s.
El industrial desea estudiar sus alternativas, valorar los resulta-
ro
dos y escoger una estrategia.
fo
m
Solución
a.
un
Considerar las alternativas:

t
on
I: Comprar maquinaria
yc
II: Depositar a plazo fijo

dm
III: Guardar dinero en casa

.a
(no hacer nada)

w
w
Valoración
w
Puesto que se trata de un problema de inversión, donde el prin-

cipal objetivo del Decisor es elrendimiento o rentabilidad de su
inversión, es apropiado utilizar, como criterio de valoración, el
beneficio económico, definido como la diferencia entre los
ingresos totales menos los costos totales, o sea:
B= I-C
donde
B es el beneficio neto
I son los ingresos o ganancias totales
C son los costos totales

Estructuración; (cantidades en millones)

= 3.5-(1.5 +0,15)
= 1.86m
B = 3.0-(1.5 +0.15)
3 = 2.0—(1.5 +0.15)
3= 0.35m.
c om
s.
1=1.5 + 0 . 2 ( 1 . 5 }
ro
¡ = 1.80 m
fo
m
III
a.
un
¡= 1.5 m
t
on
Gráfica 6-6
yc
dm
Después de asignar su valor a cada resultado, debemos

determinar la mejor estrategia, para lo cual calculamos el
.a
valor esperado para cada alternativa.

w
E [I] = .40(1.85) +35(1.35)+ .25( .35)

w
w
E [I] =1.3
E [II] =1(1.8) =1.8
E[III]= 1(1.5) = 1.5
Puesto que el mayor valor esperado es el de alternativa II,

debe seleccionársele y por consiguiente la estrategia a
seguir es depositar a plazo fijo.
6.4. PREFERENCIAS TEMPORALES
Si los resultados y consecuencias de una decisión se producen en el transcur-

so del tiempo, es necesario establecer las preferencias temporales del Decisor. Pre-
ferencias temporales, o preferencia al tiempo, es un término utilizado para descri-
bir el fenómeno humano de la impaciencia. Esta impaciencia se traduce en prefe-
rir percibir poco ahora, que mucho después, o sea, que todos deseamos que las
cosas buenas nos sucedan más bien pronto que tarde. El pago de intereses por el
uso del dinero es un reflejo práctico de este fenómeno.
151
Al igual que las personas, la tendencia general de las empresas y organiza-

ciones es considerar más valiosos los resultados percibidos pronto que los recibi-
dos más tarde. En las organizaciones, este fenómeno usualmente ocurre en co-
nexión con el flujo de beneficios en el tiempo; de hecho, los flujos de beneficios
que muestran una mayor porción de retorno en los períodos tempranos, se pre-
fieren generalmente.
En el proceso del análisis de decisiones, la asignación de valores a los resulta-

dos, en primer lugar, y segundo, el establecimiento de las preferencias temporales
del Decisor permiten jerarquizar u ordenar los resultados, primero como un con-
junto de valores y luego como un valor equivalente, el cual permitirá y facilitará la
comparación de alternativas.
Para el tratamiento de las preferencias temporales se dispone de un buen nú-

mero de conceptos y métodos que han sido desarrollados, principalmente, dentro
de los campos de las matemáticas financieras y de la ingeniería económica. Dichos
métodos permiten describir y estructurar las preferencias temporales, reduciendo
om
o simplificando las corrientes de valores en el tiempo, a un simple valor o figura
adecuada para la comparación de alternativas.
c
s.
A continuación presentamos algunos de los conceptos básicos más utilizados
ro
para el tratamiento de las preferencias temporales del Decisor. Dicha presentación
fo
será muy resumida y restringida a los conceptos y fórmulas directamente aplica-
bles al Análisis de Decisiones. El estudiante deberá ampliar estos conceptos en la
m
Bibliografía Recomendada.
a.
un
6.5. CONCEPTOS BÁSICOS

t
on
6.5.1. Interés
yc
El término interés se usa generalmente para designar el monto que las

dm
instituciones financieras cobran o pagan por el uso del dinero. Esta

remuneración por el uso del dinero es lo que le otorga su valor tem-
.a
poral. Puesto que la casi totalidad de las decisiones relativas a proyec-

w
tos implican una inversión, es importante que el valor temporal del

w
dinero utilizado se refleja en el análisis de la decisión correspondien-

w
te.
6.5.2. Tasa de Interés
Usualmente la tasa de interés se especifica en una base anual y repre-

senta la ganancia porcentual sobre el dinero invertido.
(O Cuando entendemos por interés la cantidad de dinero recibida como

\ resultado de una inversión, este representa una ganancia.
Cuando entendemos por interés la cantidad pagada por el uso del di-
^ ñero prestado, este representa un costo.
6.5.3. Valor Temporal del Dinero
Ya hemos mencionado el hecho de que una suma de dinero por reci-

bir en el futuro, no luce tan atractiva como la misma suma de dinero
recibida hoy; la razón de esto es que el dinero puede reproducirse a
una tasa de interés, si se le invierte y, por lo tanto,nos beneficiamos
152
más si percibimos la suma hoy y la invertimos a un cierto interés, que

si recibimos la misma suma en el futuro. Es esta relación entre la tasa
de interés y el tiempo lo que conduce al concepto de Valor Temporal
del Dinero.
El Valor Temporal del Dinero significa que iguales cantidades de

dinero en diferentes puntos de tiempo tienen diferentes valores, siem-
pre que la tasa de interés considerada sea mayor que cero.
Ejemplo; mil bolívares recibidos hoy valen mas que recibidos dentro
de 10 años, puesto que si los recibimos hoy podemos invertirlos a
cierto interés y hacerlos producir durante 10 años.
6.5.4. Diagrama de Flujo de Fondos
El análisis de alternativas requiere una comparación de las consecuen-

cias económicas de las alternativas. A las alternativas frecuentemente
om
se les describe señalando los montos de los ingresos (ganancias) y de
los egresos (costos) relacionados con la alternativa en referencia y el
c
momento en que dichos montos ocurren. De manera que estos dos
s.
factores: cantidad y tiempo, caracterizan la alternativa bajo estudio.
ro
fo
Como una ayuda para identificar las consecuencias económicas de las
alternativas, se utiliza comúnmente una descripción gráfica llamada
m
Diagrama de Flujo de Fondos, la cual incorpora los factores que he-

a.
mos mencionado anteriormente: cantidades y tiempos, y por lo tanto

un
provee la información necesaria para analizar los aspectos económi-

t
cos de la alternativa bajo estudio.

on
yc
El diagrama de flujo de fondos representa:

dm
— Los ingresos percibidos con signo positivo, como flechas orien-

tadas hacia arriba y colocadas al final del período en que
.a
ocurren.
w
w
— Los egresos producidos, con signo negativo, como flechas orien-

w
tadas hacia abajo y colocadas al comienzo del período en que

ocurren.
Un ejemplo de un diagrama de flujo de fondos se muestra en la grá-

fica 6-7, así como la tabla correspondiente.
20
1
I ngresos • 7
f I5
0 1 t2 3
tiempo
3
^ 100 '20
Egresos
Diagrama de Flujo de Fondos

Figura 6-7
153
PERIODO INGRESOS EGRESOS
0 100
1 5 0
2 20 3
3 5 0
4 7 20
Tabla del Diagrama de Flujo de Fondos
6.5.5. Equivalencia
c om
Dos cosas se dice que son equivalentes cuando producen el mismo
s.
efecto y por lo tanto uu Decisor es indiferente entre obtener una u
ro
otra.
fo
m
Tres factores están involucrados en la equivalencia de sumas de dine-

a.
ro:
t un
on
— Los montos (cantidad) de las sumas.

yc
— El tiempo en que ocurren las sumas.

dm
— La tasa de interés.
.a
w
w
El análisis de alternativas requiere que las características de cada

w
alternativa (ingresos y egresos) deban reducirse a una base equivalen-

te que facilite la comparación de las alternativas. Por ejemplo: si a
usted le preguntan si acepta 100 dólares a 500 bolívares, antes de res-
ponder usted convierte las alternativas a una base común y se replan-
tea el problema en términos de comparar 430 bolívares con 500 bolí-
res; después de realizar esta conversión, la decisión es fácil de tomar.
La reducción de las características de las alternativas a una base equi-

valente puede lograrse mediante el uso de las fónnulas de interés y
del concepto de equivalencia de flujos de fondos, de lo cual nos ocu-
paremos a continuación.
Las fórmulas de interés que estudiaremos consideran los factores

monto, tiempo e interés, así que constituyen una manera convenien-
te de tomar en cuenta el valor temporal del dinero, para calcular la
equivalencia de cantidades de dinero que ocurren en diferentes pun-
tos de tiempo.

6,5.6. Fórmulas de Interés
6.5.6.1. Símbolos
Para las fórmulas,de interés utilizaremos los siguientes símbo-

los:
i = tasa de interés, generalmente anual.
n ~ número de períodos de tiempo, generalmente en años.
P = monto o cantidad en el momento presente, t = 0.
~Z F = monto o cantidad en el futuro, al final de n períodos de

tiempo y equivalente a P a la tasa i.
A = monto o valor periódico de una serie uniforme durante
om
un lapso de n períodos de tiempo, siendo la serie com-
pleta equivalente a P a la tasa i.
c
s.
6.5.6.2. Fórmula para calcular el Valor Presente (P) dado un Valor
ro
Futuro (F).
fo
m
Si una cantidad o monto (P) se invierte ahora a una tasa de

a.
interés (i), ¿cuánto capital e interés se habrá acumulado des-

un
pués de n períodos?
t
on
El diagrama de flujo de fondos para la situación en cuestión

se muestra en la gráfica 6-8.
yc
dm
.a
w
w
w

Figura 6-8
155
Puesto que la inversión realizada (P) no prevé ningún ingreso

o egreso hasta el último período (n), el cálculo del interés se
realiza como se muestra en la gráfica 6-9.
Pe- Cantidad al Interés gana-

río- comienzo do durante Cantidad total al final del
do del período el período período
1 P P i P + Pi = P (1 + i)
2 P(l + i) P (1 + i) i P(l+i) + P(l+i)i =

= P(l + i)2
3 P(l + l) 2 P(l-M)2 i P(l+i) 2 +P(l+i) 2 i =

- P (1 + i)3
c om
n— 1 n-l n— 1 n— 1
s.
n P(l-H) P(l + i) i ro P ( l + i ) + P ( l + i) i =
= P (1 + i)" = F
fo
Gráfica 6-9
m
En la tabla 6-9 se muestra que para obtener la cantidad total

a.
al final del período se suman el interés percibido y el capital.

un
n
t
El factor resultante; F = (1 + i) P permite calcular tanto F

on
dado P como P dado F o sea:

yc
F=
dm
.a
w
w
w
Con la segunda ecuación podemos calcular el valor presente

o ; (P) correspondiente a un valor futuro (F) después de n perío-
dos y a una tasa de interés i.
Ejemplo:
¿Cuánto debe invertirse el lo. de julio de 1982 al 6% de inte-

X rés anual a fin de disponer de Bs. 1.790 el lo, de julio de
1988?
Solución:
i- 0.06 F = 1790
(1 + i)n

P=1790 X (1 + 0.06)'
P= 1.266
Nótese que el problema anterior es equivalente a preguntar.

¿Cuál es el valor presente el lo. de julio de 1982, de Bs. 1790
el lo, de julio de 1988 si la tasa de interés es del 6& anual?
6.5.6.3. Fórmula para calcular el Valor Presente (P) dado un Valor

Periódico (A)
Supongamos que un depósito de monto (P) es realizado aho-

ra, a una tasa de interés (i), y que el inversionista desea retirar
el capital más el interés percibido en una serie de montos pe-
riódicos iguales, cada uno al final de cada período. Cuando se
realice el último retiro no deberán quedar fondos en depósito.
om
El diagrama de flujo de fondos para esta situación se muestra
en la gráfica 6-10.
c
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

Gráfica 6-10
Deseamos obtener una fórmula que relacione P y A.

\o la fórmula de P/F desarrollada en el punto ante-
rior, podemos determinar el valor presente correspondiente

de cada uno de los montos periódicos A, y por lo tanto pode-
mos escribir:
-"(i+ir1
d+i)
multiplicando la ecuación anterior por (1 -f i) obtenemos:

A
II) (1+i) P- A +
(1 + i) "'
A A A
i n—2 n-l
sustrayendo I-II), se obtiene:

A
P-(l+i) P = -A +
simplificando
A
om
iP = A-
c
s.
de donde ro
fo
P- A
m
a.
un
El factor entre paréntesis se utiliza para calcular el valor pre-

t
sente (P) correspondiente a una serie de montos iguales (A)

on
que ocurren durante un número n de períodos y a una tasa de

yc
interés i.
dm
Ejemplo:
.a
¿Cuál es el valor presente de una serie de pagos anuales de Bs.

w
10.000 durante 7 años a un interés del 6% anual?

w
w
P= A
i (l+i) n
(1+0.06)7 - l l
10.000
€.06 (1+0.06)7
55.820
6.5.6.4. Convenciones para el uso de las fórmulas de interés
Para facilitar el uso de las fórmulas de interés es recomenda-

ble tener en cuenta las siguientes convenciones:
— El final de un período es igual al comienzo del próximo

período.

158
,_
— P ocurre al comienzo del período que se escoge como

presente,
— F ocurre al final del período n contando a partir del pe-

período escogido como presente.
— A ocurre al final de cada período durante el lapso bajo

consideración.
— Cuando P y A están involucrados el primer A de la serie

ocurre un período después que P.
6.5.7. Equivalencia de Flujos de Fondos
Para que un flujo de fondos sea equivalente a otro, los valores equiva-
lentes de ambos deben ser iguales en cualquier punto del tiempo. De
no ser así, el Decisor que esté considerando las alternativas, no podrá
om
ser indiferente a alguno de ellos y no podrá decirse que los flujos de
fondos sean equivalentes.
c
s.
ro
Ahora bien, ¿cómo podemos determinar los valores equivalentes de los
flujos de fondos que deseamos saber si son equivalentes?
fo
m
Para el cálculo de los valores equivalentes utilizaremos las fórmulas de

a.
interés ya desarrolladas. Las comparaciones las podemos establecer cal-

un
culando, en base a las fórmulas que ya conocemos, el valor presente de

cada flujo de fondos para un mismo punto del tiempo. Alternativa-
t
on
mente podríamos establecer si los flujos son equivalentes, calculando

las cargas anuales (A) correspondientes a cada flujo o el valor Futuro
yc
(F) de cada flujo.

dm
Veamos un ejemplo.
.a
w
Determinar si los siguientes dos flujos de fondos son equivalentes si la

w
tasa de interés es del 5%.

w
A
* 272.3
100 100 100
Gráfica 6-11

Si los flujos son equivalentes un Decisor debe ser indiferente entre

recibir ahora Bs. 272.3 o recibir tres anualidades de Bs. 100 si la tasa
de interés es del 5%.
Los cálculos pertinentes son:
Calculemos el valor presente del segundo flujo.
(1+0.05)3 -ll
P-100X = 272.3
0.05 (1+0,05)2
Comparamos con el primer flujo y concluimos que son equivalentes.
El valor relativo de varios flujos de fondos no es generalmente fácil de

apreciar por simple inspección de los flujos de fondos, hasta que éstos
no hayan sido reducidos a una base equivalente. Veamos otro ejemplo.
om
Un ingeniero ha cedido a una compañía una patente sobre un invento
c
y se le ofrecen dos alternativas de pago:
s.
ro
Al) Bs. 100.000 a la firma del documento de cesión por concepto de
fo
pago único.
m
A2) Bs. 25.000 anuales durante cinco años.

a.
un
Los flujos de fondos correspondientes a ambas alternativas son:

t
on
yc
dm
100.000
.a
w
w
w
25.000
Ji -» ¡ J*.. ......... 1 i
Gráfica 6-12

160
El ingeniero estima que 10% es una tasa de interés apropiada para el

análisis.
Puesto que el dinero tiene un valor temporal, no es aparente de una

observación de los flujos de fondos cuál alternativa es económicamen-
te más deseable. Por ejemplo, sería incorrecto decir que la alternativa
A2 es más deseable que Al porque la suma de los ingresos de A2 es
Bs. 125.000 mientras que la de Al es Bs. 100.000. Véase gráfica 6-13:
AÑO AI A2
0 100.000 0
om
1 25.000
c
2 25.000
s.
ro
3 25.000
fo
m
4 25.000
a.
un
5 25.000
t
on
2 100.000 125.000
yc
dm
.a
Gráfica 6-13
w
Los valores equivalentes para estas alternativas se pueden encontrar

w
con la ayuda de las fórmulas de interés. Una manera sería calcular el

w
valor presente del flujo de fondos de la alternativa A2.
., n
-1
P2 = A
(1+0.10)5 —1
P2= 25.000
(0.10) (1+0.10)'
:= 94.770
Esta cifra de Bs. 94.770 sí es directamente comparable con el valor

presente de Bs. 100.000 porque ambas representan cantidades de dine-
ro en el mismo punto del tiempo. Así, el decisor puede concluir, sobre
una base equivalente, que la suma de Bs. 100.000 en un solo pago es
preferible a 5 pagos anuales de Bs. 25.000 y por lo tanto se decidirá
por la alternativa Al.
6.6 CRITERIOS O ÍNDICES DE COMPARACIÓN DE ALTERNATIVAS
Hemos estudiado que el establecimiento de las preferencias temporales del

Decisor requiere la reducción de los resultados de las alternativas a un simple
valor, figura, índice, criterio de comparación o medida de equivalencia que permi-
ta establecer las diferencias entre las alternativas para poder compararlas,
Un índice de comparación es un valor o base que contiene la información

acerca de los ingresos y egresos que representan una alternativa. La reducción de
alternativas a un índice o base común es necesaria, de manera tal que las diferen-
cias aparentes vengan a ser diferencias efectivas directamente comparables y que,
por lo tanto, puedan usarse como elemento de decisión.
Los índices de comparación de alternativas más utilizadas son:
1) El Valor Presente
2) El Valor Futuro
om
3) El Valor Equivalente Anual
c
4) La Ruta Interna de Retorno
s.
ro
fo
5) El Período de Recuperación del Capital
m
a.
6) El Valor Prospectivo
un
La metodología del Análisis de Decisiones utiliza fundamentalmente el índi-

t
on
ce del Valor Presente, por lo cual consideramos sólo este índice de comparación.
El estudiante interesado podrá estudiar los otros índices en la Bibliografía sumi-
yc
nistrada.
dm
Es importante aclarar que la utilización de los índices de comparación cons-

.a
tituye sólo una etapa más dentro de la metodología del Análisis de Decisiones.
w
w
Antes de estudiar el índice del Valor Presente es necesario aprender qué se

w
entiente por flujo neto de fondos.
6.6.1. Flujo Neto de Fondos
Ya hemos aprendido, cuando estudiamos Flujob de Fondos, que las

consecuencias monetarias de una alternativa pueden describirse en tér-
minos de los ingresos y egresos que se producirían si la alternativa
fuese elegida y que la representación de estos montos, y del tiempo en
que ocurren, se conoce como diagrama de flujo de fondos de la alter-
nativa.
Cuando una alternativa en particular muestra ingresos y egresos ocu-

rriendo simultáneamente, se acostumbra trabajar con el flujo neto de
fondos, el cual resulta de la suma algebraica, por cada punto o momen-
to del tiempo, de los ingresos y los egresos. Cuando el flujo neto es
positivo, representa un ingreso o beneficio o sea, que el ingreso supera
a los egresos; mientras que si el flujo de neto de fondos es negativo,
representa un egreso o costo, o sea que los egresos superan los ingre-
sos.
Algebraicamente el flujo neto de fondos se representa por Xt donde

Xt debe entenderse como el beneficio neto que ocurre en el momento
t, si Xt > O representa un ingreso neto y si Xt < O representa un costo
neto.
La representación gráfica de un flujo neto de fondos típico adopta la

forma que se indica en la figura 6-14.
»Xn
X.
i•
,')'
c om
A
s.
Flujo Neto de Fondos
ro
fo
Figura 6-14
m
Ejemplo:
a.
un
Una empresa está considerando la adquisición de una nueva maquina-

ria la cual puede pagarse de la manera siguiente:
t
on
Cuota inicial: Bs. 20.000

yc
Cuotas anuales: 2 de Bs. 5000 cada una.

dm
Se espera que la maquinaria producirá un beneficio anual de Bs.15.000

.a
y que al final del tercer año de operación podría venderse en Bs. 8.000.
w
w
Se desea establecer el diagrama de flujo neto de fondos.

w
Año Ingresos Egresos Flujo Neto
0 20.000 - 20.000
1 15.000 5.000 10.000
2 15.000 5.000 10.000
3 15.000 23.000
8.000

Figura 6-15

23.000
10.000 10.000
ji
20.000
c om
s.
ro
Diagrama Flujo neto de Fondos
fo
Figura 6-16
m
a.
un
6.6.2. Cálculo del índice Valor Presente

t
on
El valor presente es un valor estimado para el momento (t = 0) tal que

es equivalente al flujo neto de fondos de una alternativa a una cierta
yc
tasa de interés i.
dm
Supongamos el flujo neto de fondos de la figura 6-17.

.a
w
w
x_
w
^0

Figura 6-17
164
Así el valor presente (VP) del flujo neto de fondos X (t) a una tasa de
interés i y durante un lapso de n períodos puede estimarse, utilizando
la fórmula de P dado F, como:
\T'D
V
x,
La cual podemos escribir también como;
X(t) x
c om
s.
ro
fo
Expresión que se utiliza para calcular el valor presente VP de cualquier
m
flujo neto de fondos y donde, como hemos dicho:

a.
un
X (t) representa el flujo neto de fondos en función del tiempo.

t
on
t representa al tiempo ^ (Lu, (T-

yc
n representa al número de períodos ^

^
dm
i representa la tasa de interés JU °/e

.a
w
El estudiante deberá tener claro que tanto el cálculo del valor como su
w
utilización como índice de comparación, se basan en el concepto de

w
equivalencia.
6.6.3. Utilización del índice Valor Presente
Conocido el flujo neto de fondos que representa la alternativa y dada

una tasa de interés, fue posible calcular una cantidad equivalente, el
valor presente, al flujo neto de fondos. Así que siempre es posible esti-
mar una cantidad equivalente en cualquier punto del tiempo que equi-
vale en valor al flujo neto de fondos. Puesto que este valor presente
resume o representa el valor neto de los fondos, puede apropiadamen-
te utilizársele como índice de comparación.
Ejemplo:
Supongamos que una alternativa está descrita por el flujo neto de fon-
do que se indica y que deseamos calcular el valor presente equivalente
al flujo neto de fondos a una tasa de interés del 10% anual.

Años Montos
0 -1000
1 400
2 400
3 400
4 400
Gráfica 6-18
c om
s.
ro
fo
400 400 400 400
m
a.
t un
on
4 t
yc
dm
1000
.a
w
w
Gráfica 6-19
w
Cálculo del valor presente:
VP- Z X(t) X
t=
VP= -1000 X .. _- r + 400 X + 400 X

(14-0.1)° (l+O.l)1 (1-fO.l)2
400X + 400 X
1
(l+O.l)3
De lo anterior resulta, después de efectuar operaciones:
VP= +. 268
Este valor de 268 es equivalente, en t = O, al flujo neto de fondos, de

manera que un Decisor debe ser indiferente entre recibir Bs. 268 ahora
o recibir el flujo neto de fondos ya indicado.
El índice valor presente muestra una serie de características que lo

hacen especialmente apropiado como índice de comparación:
1) El valor presente considera el valor temporal del dinero de acuerdo

a la tasa de interés escogida para el cálculo.
2) El método del valor presente concentra el valor equivalente de

cualquier flujo de fondos en un solo índice, en un particular punto
del tiempo.
3) El valor del índice valor presente es siempre único para cada flujo
neto de fondos, o sea, que una secuencia de ingresos y egresos ori-
ginará un valor presente único para un determinado valor de tasa
om
de interés y para un particular punto del tiempo.
c
6.6.4. Criterio para la utilización del índice Valor Presente
s.
ro
fo
En la figura 6-20 se muesrra la variación del índice valor presente, para
m
el flujo neto de fondos dei problema del punto 6-6-3, representado en

a.
función de la tasa de interés.

un
VP
t
on
yc
dm
.a
w
w
w
Gráfica 6-20
El examen de la gráfica VP ~ f(i) provee información muy útil. El ran-

go de tasa de interés (i) para el cual el valor presente (VP) es positivo
corresponde a ingresos mayores que egresos y por lo tanto la alternati-
va es deseable, mientras que cuando (VP) es negativo corresponde a
ingresos menores que egresos (pérdidas) y la alternativa no es deseable.
Por lo tanto, el valor presente provee un criterio o medida directa y

muy visible y de fácil interpretación acerca de la deseabilidad de una
alternativa o resultado.
A mayor valor presente, mejor y más atractiva es la alternativa

El único punto pendiente a discusión acerca del valor presente, es cuál

debe ser la tasa de interés a utilizar en el cálculo. Existen discrepancias
de opinión acerca de qué tasa de interés usar y de las implicaciones
de la tasa utilizada. El problema de la selección de una tasa de interés
apropiada escapa al alcance de este Curso, por lo cual no se ahondará
más en este punto, bastando señalar que la consideración fundamental
para la selección de la tasa de interés adecuada es la relación de la
organización con su medio financiero.
6.7. RESUMEN
En esta Unidad nos hemos dedicado al estudio de las Preferencias al Valor y

a las Preferencias Temporales del Decisor.
Mediante el estudio de los Criterios de Valoración hemos aprendido a valorar
om
los resultados, los que nos permite considerar las Preferencias al Valor del Decisor,
c
Mediante el estudio y aplicación del Criterio del Valor Presente hemos apren-
s.
dido a establecer las Preferencias Temporales del Decisor.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

AUTOE VALUACIÓN
Instrucciones
Para cada uno de los problemas suministrados, responda la (s) pregunta (s)
:orrespondiente (s).
1) Un fabricante debe decidir si manufactura un nuevo producto. La decisión

de fabricar el producto involucra una inversión de 0.5 millones de bolívares,
siendo la demanda bastante incierta. Si la demanda fuese alta, la compañía
esperaría un ingreso bruto de alrededor de 2 millones; si fuese moderada, el
retorno bruto sería de alrededor de 1.6 millones, mientras que una demanda
baja produciría un retorno de alrededor 0.8 millones. Se ha estimado que la
probabilidad de una demanda alta es 0.1 y la de una demanda baja es de 0.5.
om
Se pide:
c
A) Estructurar el problema en forma de árbol de decisión.
s.
B)
ro
Establecer el Criterio de Valoración y asignar valores a los resultados.
fo
C) Determinar la estrategia óptima.

m
a.
2) Una compañía constructora debe decidir si aceptará un contrato para la

un
construcción de un túnel por el cual percibirá un pago de 12.5 millones de

t
bolívares. Debido a que la estructura geológica de la montaña que será atra-

on
vesada por el túnel es desconocida, el costo de construcción es una variable

yc
aleatoria descrita como se indica en la tabla.

dm
Costo (X) Probabilidad de que el costo sea X

.a
en millones
w
w
8 0.2
w
10 0.4
12 0.3
14 0.1
Se pide:
B) Asignar valores a los resultados.
C) Determinar la mejor alternativa.
3) Una empresa ha experimentado tres respuestas básicas, medidas en términos

de aceptación del producto, a sus pasadas campañas de publicidad. En el pre-
sente, la firma está considerando dos posibles campañas, I y II. Debido a que
cada campaña tiene un énfasis diferente, se espera que el porcentaje de publi-
169
co que responsa de una manera particular variará de acuerdo al programa que

se escoja. En la tabla anexa se muestran los flujos de fondos que se espera se
producirían para cada campaña y para cada tipo de respuesta del público. En
cada caso se asume un 100% de respuesta del público.
Campaña I
Tipo Porcentaje Año

Respuesta Público
0 1 2 3
om
A 20% -500 300 200 100
c
B . 60% -500 200 200 300
s.
ro
C 20% -500 200 200 200
fo
m
a.
t un
on
Campaña II
yc
dm
Tipo Porcentaje
.a
Respuesta Público Año

w
w
0 1 2 3
w
A 30% -600 300 200 200
B 40% -600 200 300 300
C 30% -600 300 300 300
Se pide:
A) Estructurar el árbol de decisión correspondiente.
B) Asignar valores a los resultados y determinar para una tasa de interés del
10% , qué campaña de publicidad deberá adoptarse, por medio del cál-
culo del Valor Presente.
170
4) Una compañía debe decidir entre mejorar un producto existente o fabricar

uno nuevo. Se dispone de la siguiente información para ayudar al análisis de
la decisión.
Mejorar Fabricar
Producto Producto
Costo Inicial 15.000 30.000
Beneficio Anual Neto 12.000 25.000
Probabilidad de 1 0.4 0.6
om
duración en años
de las ventas
2 0.6 0.4
c
s.
ro
Tasa de interés 10%
fo
m
a.
Se pide:
un

t
on
B) Determinar cuál es la mejor estrategia a seguir, asignando valores y utili-

yc
zando el método del Valor Presente.

dm
.a
w
w
w

171
SOLUCIÓN DE LA AUTOEVALUAC1ON
Objetivo Sección
Problema Evaluado Referencia
1 12 6-3
2 12 6-3
3 13 6-6
4 13 6-6
Clave Razonada
om
Problema 1
c
s.
A) Estructurando el problema en forma de árbol de decisión se tiene:
ro
fo
A) ÁRBOL DE DECISIÓN B) Cálculo del

m
Valor Valor
a.
un
B=f 2-0.5)
t
1.5
on
yc
dm
\ B= (1.6 -0.5) 1.1

.a
w
w
B=(.8~0.5) 0.3
w
B= (0-0)
B) Por tratarse de un problema de tipo empresarial es lógico utilizar como crite-

rio de valoración el beneficio económico neto definiéndolo como
donde B = beneficio neto

I = ingresos o ganancias
C= costos
Utilizando esta fórmula se calculan los valores para cada resultado, los cuales
se indican en la tabla.

C) Para determinar cuál es la mejor alternativa calculamos el valor esperado del

beneficio neto.
E [I] = 0.1(1.5) + 0.4(1.1) +0.5(0.3)

= 0.74
E [II]- O
Puesto que E [ I ] > E [ II ]
Por lo tanto
Seleccionar alternativa I: Fabricar
Problema 2
A) Estructurando el problema en forma de árbol de decisión tenemos:
c om
s.
roB) CALCULO DEL
A) ÁRBOL DE DECISIÓN
VALOR VALOR
fo
m
a.
(12.5 4.5
un
0,2
t
on
(12.5-10) 2.5
yc
dm
(12.5-12) 0.5
.a
w
(12.5-14) -1.5
w
w
0-0 )
Siendo I, la alternativa aceptar contrato para construir túnel,
í , la alternativa no aceptar contrato.
Como criterio de valoración utilizaremos el beneficio neto, calculado como

ingresos menos costos. B = I — C.
En la tabla se indican los cálculos realizados para calcular el valor de cada

resultado.
174
C) Para determinar la mejor estrategia, calculamos el valor esperado para cada

alternativa.
E ( I ) - 0.2 (4.5) 4- 0.4 (2.5) + 0.3 (0.5) + 0.1 (-1.5)
E ( I ) = 1.9
E ( I )= 1(0) = O
Puesto que E (I) > E ( I )
La decisión óptima es aceptar el contrato para construir el túnel.
Problema 3
A) Estructuración del problema (Árbol de decisión)
c om
s.
ÁRBOL DE DECISIÓN
ro VALOR
fo
m
a.
1.3
t un
on
72
yc
dm
.a
-3
w
w
-12
w
55
146
B) Para valorar cada nodo terminal debemos calcular el Valor Presente del Flujo
de Fondos correspondiente a cada resultado. Los valores que se obtengan se
asignarán a cada nodo terminal.

175
Aplicaremos la fórmula para calcular el Valor Presente:
X(t) X
t=o
con n = 3 e i = 10%
Para la alternativa I:
300 200 100
VP<IA) = -500 + (l+O.l)2 (1+0.1)
VP (IA) = + 13
Similarmente se obtiene:
om
VP (IB) = 72
c
VP (IC) = -3
s.
ro
Para la alternativa II:
fo
200 200
m
30°
a.
un
VP(IIB)= +55
t
on
VP (IIC) = + 146
yc
Para determinar cuál alternativa es la mejor, calculamos el valor esperado

dm
para cada una

.a
E [ I ]= ü.2 (13) + 0.6 (72) + 0.2 (-3)

w
w
E [ I ]= 45.2
w
E [ U ]= 0.3 (-12) + 0.4 (55) + 0.3 (146)
E [ II ]= 62.2
Puesto que E [ II ] > E [I]
Debe seleccionarse la alternativa II, o sea la campaña ü.
176
Problema 4
A) Estructuración del problema (Árbol de Decisión).
ÁRBOL DE DECISIÓN
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
-.izaremos:
w
w
Alternativa M mejorar el producto existente

w
Alternativa N : fabricar nuevo producto
7 ;r.5¡dera>'emos:
I¿t¿do Natural 1: Producto tiene vida económica útil de 1 año.

Espado Natural 2: Producto tiene vida económica útil de 2 años
Método del Valor Presente
?ÍT= valorar cada nodo terminal calcularemos el valor presente correspon-

dente a cada resultado, a una tasa de interés del
: i.*i .a alternativa M:
12.000
VP<M1) = -15000 (l+O.l) 1
VF(M1)= -4091

Similarmente
VP (M2) - 5826
Para la alternativa N
25.000
VP (NI) = -30.000 + ( i + o.i)i
VP (NI) - -7273
Similarmente
25000 25000
-30000 -i-
om
VP (N2) - 13388
Los valores anteriormente calculados se asignan a los nodos terminales del
c
s.
árbol de decisión. ro
fo
.-, -4091
m
a.
un
.0 5826
t
M
on
yc
dm
.a
w
w
-7273
w
13388
Calculemos ahora los valores esperados para determinar la mejor alternativa:
E [M] = 0.4 (-4091) + 0.6 (5826)
E [M]- 1860
E [ N ] = 0.6 (-7273) +0.4(13388)
E [ N ] = 991
Puesto que E [M] > E [N]

Debe seleccionarse la alternativa M o sea mejorar el producto existente.
UNIDAD 7
LA ACTITUD DEL DECISOR

ANTE EL RIESGO
Al finalizar el estudio de esta Unidad usted deherá estar en capacidad de:
14) Establecer, gráfica y analíticamente, la función de utilidad del Decisor y de-

terminar la consistencia del mismo, a través de la utilización de los axiomas
de la Teoría de la Utilidad.
om
15) Establecer la estrategia óptima tomando en consideración las preferencias del
Decisor y su actitud ante el riesgo.
c
s.
ro
fo
m
a.
t un
on
Pag.
yc
Ll. Introducción 180

dm
~,2. Teoría de la Utilidad . . . 180

.a
w
7.2.1. Lotería 181

w
7.2.2. Valor monetario de la Lotería 182

w
7.2.3. Equivalente cierto de una Lotería 183

7.2.4. Axiomas de la Teoría de la Utilidad 184
U. Función de Utilidad: Determinación 190
~.4. Determinación de la Actitud del Decisor ante el Riesgo 197
U. Utilización de la función Utilidad en el proceso de Decisión 198
A .;: Devaluación 205
:•: !ución de la Autoevaluación 211

179
7.1. INTRODUCCIÓN
Cuando un Decisor se enfrenta ante una serie de alternativas, la selección de

la estrategia a seguir constituye un problema, ya sea porque hay incertidumbre
sobre la ocurrencia de los estados de la naturaleza, o porque no se tiene certeza
de las consecuencias que involucraría un determinado curso de acción. En general,
el Decisor procurará elegir aquella alternativa que le garantice el máximo provecho
o máxima utilidad como la llamaremos de ahora en adelante.
Por ejemplo, si a usted le dieran a elegir entre un juego de dominó donde al

ganador le pagarán Bs. 1000 o el juego de lanzar una moneda al aire donde el que
saque cara ganará Bs. 100. ¿Cuál sería el juego en el que usted estará dispuesto a
participar? o ¿qué decisión tomaría un inversionista que dispone de un capital,
entre participar en un negocio de importación con un posible rendimiento del
40 %,o invertir en cédulas hipotecarias con un rendimiento del 18 %? En general
no es cierto que los beneficios monetarios caractericen plenamente todas las con-
secuencias de las situaciones de decisión que pueden ser importantes para el De-
om
cisor. Los resultados obtenidos a! escoger un curso de acción particular, depende-
rán de factores como el prestigio personal del Decisor, el tamaño de la organiza-
c
ción, la actitud ante el riesgo, etc.
s.
ro
Cuantificar las preferencias de un Decisor es una necesidad, a fin de estable-
fo
cer un mecanismo que permita determinar la alternativa más favorable, de acuerdo
con su evaluación subjetiva frente a un conjunto de factores. Con este propósito
m
se utiliza la Teoría de la Utilidad.

a.
un
Los valores de utilidad reflejan los elementos subjetivos que interesan al

t
Decisor.
on
yc
En esta Unidad se desarrollan las funciones de utilidad de aquellos que to-

man decisiones racionalmente y se describen sus diferentes actitudes ante el
dm
riesgo. Veremos que una función de utilidad no pretende representar el valor del
dinero como tal, sino que refleja una integración de diversos elementos que tienen
.a
que ser tomados en cuenta, tales como: los beneficios o las pérdidas potenciales^
w
el patrimonio financiero inicial de! Decisor, sus perspectivas a corto plazo, los
w
posibles cambios de la actitud ante el riesgo, etc.

w
7,2. TEORÍA DE LA UTILIDAD
La teoría de la utilidad nos provee de una serie de elementos o mecanismos

para establecer una cuantificación de las preferencias del Decisor. El resultado de
este proceso será una función utilidad, la cual tomará en cuenta las preferencias
del Decisor, tanto monetarias como no monetarias, en un determinado momento
y con un estado de conocimiento.
La función utilidad, a la cual simbolizaremos por U (.), es una medida subje-

tiva de la trascendencia que para el Decisor representa la incetidumbre sobre las
consecuencias, tanto cualitativa como cuantitativamente. El valor de utilidad
U (X) indicará el "beneficio" o "utilidad" que para él representa disponer de X
unidades del bien o atributo considerado. Pero, ¿cómo constuiremos la función
utilidad para cada uno de los diferentes decisores?
Para establecer la función de utilidad es necesario introducir una serie de

nuevos conceptos, los cuales describiremos a continuación.
7.2.1. Lotería
Si nos encontramos observando un resorte, una forma de evaluar los efectos

que sobre el material causan las variaciones de temperatura es midiendo la longi-
tud del resorte para diferentes valores de temperatura y, con estas mediciones,
trazar una curva de elongación versus temperatura. Para medir las variaciones uti-
lizamos una cinta métrica. De forma análoga, para establecer la función de utili-
dad se utiliza una lotería.
Lotería, la cual representaremos por (L), es un término técnico que define

una selección de premios o consecuencias, a los que designaremos por (X17 X 2 ,,. .
X ), de los cuales solamente uno se obtendrá, y que tiene asociados a cada uno de
ellos una probabilidad P¡ de obtener el premio, tal que 2 P. = 1
Simbólicamente representaremos las loterías por:
om
L [(X^P^CX^MX^PJJ = L ( X , , P i ) 1-1....n
c
donde
s.
ro
X.: premio i
fo
P, : probabilidad de obtener el premio i

m
a.
Gráficamente representaremos una Lotería L de premios

un
(X 1( ...X n )por:
t
on
yc
dm
LÍX,,?,)
.a
w
w
w
donde
^ equivalente a
Ilustremos este concepto a través de unos ejemplos.
Supongamos que usted compra por Bs. 10 el boleto de una rifa de 200 núme-
ros y el premio para el boleto favorecido es Bs. 10.000, la lotería se representaría
entonces por:
dO.OOO, (~10,-¡|-)
10.000
-10
Suponga ahora que a usted le proponen el juego de lanzar una moneda al

aire, si sale cara usted gana Bs. 50, si sale sello pierde Bs. 10, esta Lotería estara
representada por:
50
i/2
-10
7.2.2. Valor monetario esperado de la Lotería
Para cada una de las loterías L¡ planteadas a un Decisor es posible Determinar

el valor esperado de la Lotería, al cual representaremos por E (L) = X, definido
como:
X = E (X)= Í X. P.
v ' 1=1 l >
om
c
donde
s.
ro
X- : Valor asociado al premio i, medido en unidades del bien o atributo.
fo
m
P¡ • probabilidad de obtener Xi
a.
un
Calculemos X en cada uno de los ejemplos anteriores.

t
on
Xx = E (L1 ) = Ganancia X p (ganar) 4- pérdida X p (perder) *

yc
X1=E(L1)«10.000x--10x --
200 20
dm
.a
= 50 m ^ 20
2 2
w
w
w
Como se observa X2 < Xj
Planteemos ahora el siguiente problema de decisión ¿cuál Lotería preferiría,
Para contestar esta pregunta estructuremos el árbol de decisión
1/200 / 10-000
199/200
-10
50
10
182
Suponga ahora que a usted le proponen el juego de lanzar una moneda al

aire, si sale cara usted gana Bs. 50, si sale sello pierde Bs. 10, esta Lotería estara
representada por:
50
1/2
-10
7.2.2. Valor monetario esperado de la Lotería
Para cada una de las loterías L. planteadas a un Decisor es posible determinar

el valor esperado de la Lotería, al cual representaremos por E (L) = X, definido
como:
X = E (X) = i X. P.
v ' = l '
c om
donde
s.
ro
X-: Valor asociado al premio i, medido en unidades del bien o atributo.
fo
m
P¡ • probabilidad de obtener Xi
a.
un
Calculemos X en cada uno de los ejemplos anteriores.

t
on
X1 = E (L 1 ) = Ganancia X p (ganar) + pérdida X p (perder) *

yc
^-Eí^)-10.000X^-10X1»-- SOL
dm
w. _ ly. - 20
.a
X2 = 2 2
w
w
w
Como se observa X2 < X!
Planteemos ahora el siguiente problema de decisión ¿cuál Lotería preferiría,

LXÓL2?
Para contestar esta pregunta estructuremos el árbol de decisión
10.000
182
Si el Decisor sólo toma en cuenta el valor monetario esperado y utiliza el proce-

dimiento indicado anteriormente el árbol se reducirá:
y la decisión deberá ser elegir Ll, es decir, participar en la rifa, sin embargo, la
probabilidad de salir favorecido con el juego de la moneda es mayor. Habrá per-
om
sonas que preferirán participar en L 2 .
c
Esto nos indica que el valor esperado de una Lotería no es necesariamente la
mejor medida de las preferencias de un Decisor.
s.
ro
fo
Para valorar esas preferencias es necesario introducir el próximo concepto.
m
a.
7.2.3. Equivalente cierto de una Lotería

un
/•*
El equivalente cierto de una Lotería L (X., P.), al cual designamos por X, es
t
la cantidad X para la cual el Decisor es indiferente entre participar en la Lotería

on
L (Xp P¡) y recibir X con certeza, es decir,

yc
dm
^ x,
.a
w
1 X
w
w
siendo
'v ; símbolo que indica indiferencia.
Tomemos un ejemplo para interpretar mejor este concepto; supongamos que

usted posee un boleto para la rifa de un pasaje ida y vuelta a París que tiene un
total de 100 números. Si le pidieran su opción a la rifa ¿cuál sería el precio por el
cual usted estaría dispuesto a vender su boleto? Digamos que usted dice Bs. 100,
esto significa que usted es indiferente entre tener la opción a la rifa o disponer de
Bs. 100 seguros.
1/100 Ir a París
Gráficamente,
100
99/100 Quedarse en casa

el equivalente cierto = X = Bs. 100
Cuando X¡ son cantidades monetarias, entonces el equivalente cierto de una

Lotería se refiere al equivalente monetario. Esta definición de equivalente cierto
nos permite obtener los valores de utilidad frente a diferentes loterías de una ma-
nera consistente y de esta forma establecer una metodología o procedimiento para
la codificación de las preferencias del Decisor a través de su curva de utilidad.
A través de la función de utilidad debe reflejarse el comportamiento consis-

tente del Decisor, para lo cual es necesario que se cumplan una serie de axiomas,
que constituyen la base de la teoría de la utilidad.
Estos axiomas se enumeran a continuación.
7.2.4. Axiomas de la Teoría de la Utilidad
7.2.4.1 Axioma 1. Ordenabilidad
om
Este axioma se refiere a que un Decisor debe poder clasificar una se-
c
rie de premios dados X1,. . . . , Xj,. . . . X , de acuerdo a sus prefe-
s.
rencias. Digamos que las preferencias del Decisor se pueden resumir
ro
en
fo
m
X, > Xi
a.
un
Tomemos un ejemplo para ilustrar este axioma. Supongamos las si-

t
guientes consecuencias o premios:

on
yc
X1 = Ir a París
dm
X2 - Ir a Los Roques
.a
En este ejemplo hay sólo tres posibles situaciones.

w
w
Si usted prefiere ir a París que a Los Roques entonces

w
*i > X2
Si por el contrario prefiere Los Roques a ir a París entonces
X2 > Xx .
y si es indiferente entre ir a Los Roques o a París
X X
La ordenabilidad obliga a la transitividad, es decir, si un Decisor pre-

fiere X. a X. + l (X. > X. +1) y a su vez X¡ + j a X. + 2 (X. + 3 >
Xj + 2 ) entonces X¡ > Xj + 2
184
Tomando el ejemplo anterior
Si Ir a París > Ir a Los Roques
e Ir a Los Roques > Ir a Margarita
entonces Ir a París > Ir a Margarita
En general, una persona consistente tiende a mantener el principio de

transitividad cuando evalúa la naturaleza de las consecuencias en su
totalidad y no un aspecto parcial o particular de cada una de ellas;
por ejemplo, ir de viaje a París le atrae por el valor histórico de la ciu-
dad y sus espectáculos. Por el contrario, Los Roques le atraen por la
belleza de sus playas y su tranquilidad, pero el Decisor tiene que eva-
luar desde todo punto de vista cuál le gustaría realmente más y esta-
blecer una jerarquización de preferencias.
om
En este proceso de codificación de preferencias, podría darse el caso
de incurrir en inconsistencias.
c
s.
Desarrollemos un ejemplo. Supongamos que a nuestro Decisor le es
ro
indiferente entre ir a París (Xj) o a Los Roques (X2), es decir,
fo
V A V
Al ^ A 2-
m
Supongamos que nos dicen que el premio de ir a Los Roques incluye

a.
disponer de una lancha para sus exploraciones por la isla (premio

un
X 3 ), aun así usted dice que es indiferente entre X2 ^ X3, por lo tan-
to, aplicando el principio de transitividad:
t
on
x, -v x3
yc
Supóngase que además de ir a París el premio incluye una gira adicio-

dm
nal (X 4 ) y usted dice que X3 ^ X 4 , siguiendo este procedimiento

donde Xj 'v X¡ 4- A X¡ podríamos llegar a situaciones donde
.a
Los Roques 4 Islas cercanas ^ París 4- gira alrededor

w
w
Aplicando el axioma de ordenabilidad se establecería que:

w
Ir a Los Roques ^ Ir a París 4- giras alrededores
Lo cual luce bastante inconsistente, lo que esto quiere decir es que

esta serie de indiferencias entre consecuencias tendrá un punto de
quiebre y es necesario revisar la consistencia de esta cadena de indi-
ferencias. No sucede así con el comportamiento de estricta preferen-
cia.
Todas estas preferencias dependen del momento en que se estén eva-

luando las consecuencias, ya que el momento o el conocimiento adi-
cional adquirido puede variar la preferencia.
Un ejemplo típico de esto es cuando usted va a adquirir un vehículo

y su selección está entre A y B. En este momento usted prefiere in-
discutiblemente B, sin embargo, un amigo suyo que tiene un taller
mecánico, le dice que los carros B han tenido grandes problemas en el
motor ¿Seguirá usted entonces prefiriendo B? Lo más probable es
que no.
185
Muchas veces la transitividad de las preferencias pareciera no satisfa-

cerse y esto se debe a que el Decisor involucrado en el proceso ha asi-
milado nuevas experiencias a su comportamiento que pueden hacer
variar sus preferencias, es decir, se ha realizado un proceso de cambio
en el estado de información. En este caso la transitividad no ha sido
violada sino que se ha producido un cambio en el estado de informa-
ción del Decisor, lo que ha ocasionado una alteración en el orden de
sus preferencias.
Para la aplicación de estos axiomas a un mismo Decisor, necesaria-

mente debe considerarse el mismo marco de referencia y estado de
información.
7.2.4.2. Axioma 2. Continuidad
Supongamos que tenemos un conjunto de tres consecuencias: X 1 (

X 2 , X 3 . El Decisor puede ordenar estas consecuencias sin tomar
om
en cuenta las probabilidades de obtenerlas, digamos que el orden es
Xj > X2 > X 3 . El axioma de continuidad establece que es posi-
c
ble construir una Lotería L de premios o consecuencias X! y X 3 ,
s.
L [ (X 1} P); (X 3 , 1—P) ] con probabilidad P, tal que el Decisor sea
ro
indiferente entre recibir X 2 con certeza o participar en la Lotería L,
fo
es decir,
m
a.
t un
on
yc
dm
Figura 7-1
.a
de esta forma, observamos que X2 coincidirá con el equivalente cier-

w
to de L.
w
w
(La figura 7-1 es equivalente al árbo! de decisión.)

x
-x,
Este axioma es de vital importancia ya que nos permite determinar la

función de utilidad, para el proceso de toma de decisiones.
Pongamos un ejemplo. Supongamos una Lotería que tiene los pre-

mios:
Xj -Bs. 1000
X 2 = Un pasaje a Margarita
X3 = Boleto para el cine
y supongamos
X1 > X 2 > X 3
Entonces debemos establecer el valor P que hace que el Decisor sea

indiferente entre recibir X 2 con certeza y participar en una Lotería L
de premios (X-p X 3 ), es decir,
1000
om
x.
c
s.
Boleto cine
ro
fo
m
Supongamos P =—, esto quiere decir que usted será indiferente entre
o
a.
recibir un pasaje a,Margarita y participar en una Lotería,

un
L (1000,-|); (Boleto cine, ±

t
on
' { ó O
yc
7.2.4.3. Axioma 3, Substitutabilidad

dm
A un Decisor le es indiferente entre recibir el equivalente cierto de

una Lotería L o participar en la lotería.
.a
w
Si un decisor es indiferente ante dos loterías LÍ y L 2 , éstas son inter-

w
cambiables sin que se afecten las preferencias del Decisor. Por ejem-
w
plo, supongamos las siguientes loterías.
Si el Decisor es indiferente ante esas dos loterías, entonces L^ ^ L 2

187
7.2.4.4. Axioma 4. Monotonicidad
Supongamos que enfrentamos a un Decisor con dos loterías L X ) L 2 ,

las cuales tienen los mismo premios X1?. . . . X 2 . Supongamos que
las preferencias del Decisor son:
X1>x2>....>xn
entonces, él deberá preferir aquella Lotería que le proporcionará la
mr,yo¿' probabilidad de cbtanau el premio "más deseado" (XA
Utilicemos la nomenclatura tradicional para representar éste axio-
SeaL
tal que
c om
s.
ro
Si X, > X2 > . . , . > Xa
fo
m
y ?1 > P , entonces L 1 > L

a.
t un
on
yc
dm
.a
w
w
w
p'
r
Este axioma de monotonicidad es una de las características más im-

portantes de las funciones de utilidad, ya que permite establecer la
estrategia que maximizará la utilidad del Decisor. La maximización
de la utilidad dependerá del parámetro de ponderación utilizado.
Si por ejemplo se toma si valor monetario como aquel que sirve para
ponderar las diferentes consecuencias o premios, preferirán el mayor
U(X)

Ahora bien, pueden existir una serie de consecuencias cuyo atributo

o parámetro de ponderación no necesariamente sea el valor moneta-
rio de un bien; digamos que el parámetro será el tiempo de ejecución
de una obra; es evidente que un constructor preferirá el menor tiem-
po
Supongamos t1 > t 2 ; donde t x representa unidades de tiempo
en este caso U ( t 2 ) > U ( t 1 )
7.2.4.5. Axioma 5. Descomponibiiidad
Las loterías presentadas ante el Decisor no necesariamente son sen-

cillas, sino que podrían ser unas cuyos premios fueran otras loterías.
A este tipo de Lotería se le conoce con el nombre de compuesta
El axioma de descomponibilidad establece que una Lotería Compues-
om
ta puede ser reducida a una Lotería sencilla que tenga por premios
todos los incluidos en la Lotería Compuesta y cada uno de los pre-
c
s.
mios (concecuencia) tenga asociado un valor de probabilidad deter-
minado a través de la utilización de la Teoría de las Probabilidades.
ro
fo
Ilustremos esto a través de un ejemplo.
m
a.
Supongamos las loterías Lp L 2 tal como se indican a continuación:

t un
on
yc
i-p
dm
.a
w
w
w
La Lotería L1 puede ser transformada en:
pp
Todos estos axiomas nos permiten establecer una metodología con-

sistente para la determinación de la función utilidad, lo cual analiza-
remos en la próxima sección.
189
7.3. FUNCIÓN DE UTILIDAD; DETERMINACIÓN
La función de utilidad nos permitirá asignar a cada consecuencia o premio

(X) un valor de utilidad U (X), siempre y cuando el Decisor, a quien se le están
codificando las preferencias, satisfaga los axiomas de la Teoría de la Utilidad.
Una característica importante de la función de utilidad U (.), que se deriva

de los axiomas de la Teoría de la Utilidad, es que las preferencias del Decisor no
ss afectan si se realiza una transformación lineal sobre la misma, es decir, que si
U (X) es una función de utilidad; entonces
U'(X)= P + m U(X) m>0
también será una función de utilidad que codificará las preferencias del Decisor,
ec decir,
U (X) 'v U'(X )
om
Esto indica que la utilidad es un valor relativo y no absoluto, pudiendo de esta
c
forma atribuir un valor arbitrario a dos consecuencias y luego asignar valores
s.
relativos a las otras consecuencias respecto a los valores indicados, es decir, se
ro
procede a una normalización de la curva de utilidad en función a dos conse-
fo
cuencias arbitrarias. A fin de establecer una metodología, y con el propósito de
m
facilitar el análisis, supongamos un grupo de premios X 15 X 2 . . . X n , tales que

a.
X1 > X ? >....> Xn, donde X1 es el de mayor preferencia y Xn es el de menor

un
preferencia, llamemos a X1 = Xm áx y Xn = Xm ín Entonces asignemos ios valo-

res de utilidad tal que
t
on
yc
dm
Esta asignación establece una escala o rango de variación de la utilidad, la cual nos
parmíte tenei* otros plintos de la curva de utilidad a fin de codificar las preferen-
.a
cias del Decisor ante un conjunto de consecuencias o premios (X, > ..... , X )
w
w
¿Cómo procedemos a determinar los puntos restantes de la curva de utilidad?, es

w
decir, para un premio X x < X; < X n ? V i. ¿Qué valor de utilidad le asignare-

mos?
Para determinar U (X) 5 el Decisor debe determinar el valor X de los resultados o

eonsecu^cias posibles que haría que fuese Indiferente (para el Decisor) entre
poseer X con certeza o participar en la Lotería L (X máx , 1/2); (X m f n , 1/2)
con premio (X^,,. , ~ ; ^ rnín ), es decir.
I/
X
rain.

Reconozcamos aquí que eí valor de X corresponde al equivalente cierto de

la Lotería L. Este valor de X nos determinaría otro punto de la curva de utilidad.
Hasta ahora tenemos tres puntos de la curva
Premio Utilidad
Xmáx. 1
X 0.5
X mín. O
Para determinar otros puntos de la función de utilidad, se le pregunta al De-

cisor qué valor X' haría que fuese indiferente para el poseer X' con certeza o parti-
cipar en una Lotería (L) equiprobable de premios (X, Xmín ), es decir,
c om
s.
ro
fo
m
X'-VL
a.
un
1/2
t
on
yc
dm
.a
w
w
w
Analíticamente
U(X') = — X0.5 + — X 0 = —
2 2 4
U(X')=4-
Utilizando este procedimiento se determinarían los puntos de la curva de utilidad.
La curva de utilidad puede establecerse también realizando otro tipo de pre-

gunta al Decisor, estableciendo la misma asignación de valores,
U ( X min.
191
Y para determinar puntos adicionales en la curva se establece con qué proba-

bilidad (P) se podría recibir el premio Xmáx de una lotería L [ (X , P);
(X mfn 1—P) ] tal que fuese indiferente para el Decisor participar en la Lotería
L u obtener con seguridad la cantidad X, es decir,
máx.
1-P
Analíticamente,
U(X) = P U(X m á J + (l-P) U ( X m í n ) = P
En este caso el cuadro de valores para granear la curva sería:
Premio (.) Utilidad Ú (o)
om
1
Xmáx
c
X P
s.
ro
fo
A. - 0
m
a.
La derivación de la curva de utilidad utiliza ambos procedimientos con el

propósito de establecer la consistencia del Decisor en la derivación de la función.
un
t
Utilicemos un ejemplo para analizar esta metodología. Supongamos que

on
estamos ante una Lotería con premios antre Bs. 1000 y Bs. O, en este caso,
yc
U(Xmáx.)=l
dm
= 100°
.a
X m í n. U(X m í n .) = 0
w
w
w
Para determinar los puntos restantes de la curva preguntemos al Decisor, qué valor
de X le resultaría indiferente entre participar en la Lotería L [ (1000, 1/2);
(O, 1/2) ] y recibir X con certeza. Supongamos que X = Bs. 350, por lo tanto
1000
1/2
1 350
i/2
U(350)=-U - U ( 0 ) = 0.5
v 2 2
U (350)- 0.5
Nótese que 350 sería el equivalente cierto de la Lotería L.

Determinemos otro punto; ¿para qué valor X le sería indiferente participar

en la Lotería L [ (350, 1/2); (O, 1/2) ] con certeza?
Supongamos que nuestro Decisor responde
X = 150, es decir,
1/2
1 150
1/2
om
U (150) - — U (350) + — U (0) = O,,25
c
2¿> """ 2
¿¡
s.
ro
U (150)-0,25
fo
m
Para otro punto y efectuando la misma pregunta supongamos que el Decisor

a.
TS indiferente entre
t un
on
350
yc
dm
1 250 -v L
.a
w
1/2
w
150
w
U (250) -
Con estos valores podríamos entonces trazar la curva de utilidad tal como se
:a en la figura 7-2
FUNCIÓN
UTILIDAD
1000
FIG. 7-2

193
Ahora bien, antes de afirmar que esa gráfica representa la curva de utilidad
de un Decisor, es necesario comprobar la consistencia de la actuación del mismo.
Preguntárnosle matonees al Duchen- ¿cuál será la probabilidad (P) que lo haría

indiferente ante una Lotería L[(1000, P); (O, l~P)]o recibir con segundad 250 Bs.
Supongamos que nuestro Decisor establece P = 0.75; determinemos si el compor-
tamiento es coiioiGteüte con los axiomas de la Teoría de la Utilidad
000
0.75
om
Esto equivaldría a
c
U (250 U (1000)
s.
'
ro
4
fo
m
a.
Pero anteriormente establecimos que la \J (250) - -— para ese mismo Decisor lo

un
o •
t
cual determina un comportamiento inconsistente por parte suya. Esto nos indica
on
que debemos realizar nuevas pruebas para establecer ía veracidad de las curvas y
yc
efectuar los cambios que sean necesarios.

dm
La función de utilidad que hemos derivado, lo cual refleja en definitiva, la

s ¿itiv: • ' • ' • -' '••:•- • ' - . ---'•• >::- psirrdtká evaluar la subjetividad de éste a la
.a
unión de una serie de elementos, no necesariamente monetarios, donde intervie-

w
w
w
— La situación actual del Decisor, tanto monetaria como perspectivas a corto y

mediano plazo.
- Los problemas o beneficios potenciales involucrados en el problema.
— Las preferencias del Deciscr.
—- Factores subjetivos- como posición, prestigio, etc.
'••-: -•. . . - . . - - . '.:.-•• . ' . ....... ." ;:•;;/: ::;¿. yî cîie cada uno délos
posibles premios (consecuencias) derivados de un curso de acción pueden describir-
se en términos de un solo bien o atributo (dinero^ tiempo, bonos); en nuestro caso
hemos tomado como atributo de evaluación, el dinero. Sin embargo, podría darse
el caso de que las consecuencias de una determinada alternativa no pudieran ser
identificadas en términos de un solo bien. En este caso estaríamos en el de curvas
multidimensionales. Todo esto constituye parte de un análisis más profundo, que
se escapa del carácter introductorio de este Curso; por lo tanto, analizaremos cur-
vas ae utilidad dovele al parámetro udlhado es a! bíen moneteio.
194Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

, :-.be destacar que el procedimiento discutido no es único y que hay muchas

cas que permiten determinar las funciones de utilidad, pero, independiente-
deJ procedimiento utilizado, el Decisor deberá, dado un conjunto de pre-
I ordenar los premios o consecuencias según sus preferencias.
2) asignar valores de utilidad a dos de las consecuencias.
En nuestro desarrollo hemos utilizado
U(X máx .) = 1
U(X
1
. )=
min. ' O
~ez el analista deberá:
om
determinar valores de la función
c
s.
verificar consistencia del Decisor. ro
f
fo
mo toda gráfica, las curvas de utilidad pueden ser representadas analítica-
3in embargo, la representación analítica es muchas veces complicada y no
m
n valores exactos sino aproximaciones. Para ello pueden utilizarse cuales-

a.
e los métodos de ajuste de curvas disponibles en la literatura.

t un
on
a función de utilidad puede estar perfectamente representada por una

i del tipo U (X) = — e ~a x Va > 0; normalmente tratamos con curvas
yc
ñas crecientes, pero eso no excluye la posibilidad de que la función

dm
esté representada por otro tipo de función.

.a
w
sarrollemos el siguiente ejemplo:

w
w
1:
pongamos que una persona tiene una función de utilidad descrita por
X X>0
X x<0
lál sería en ese caso el equivalente cierto de la Lotería L?
L-v
-160
195
Cabe destacar que el procedimiento discutido no es único y que hay muchas

técnicas que permiten determinar las funciones de utilidad, pero, independiente-
mente del procedimiento utilizado, el Decisor deberá, dado un conjunto de pre-
mios, ( X I ) t . . X n ) :
1) ordenar los premios o consecuencias según sus preferencias.
Y ""> ^> Y
A! > > Xn
2) asignar valores de utilidad a dos de las consecuencias.
En nuestro desarrollo hemos utilizado
u(x m i n .)=o
y a su vez el analista deberá:
om
1) determinar valores de la función
c
s.
2) verificar consistencia del Decisor. ro
fo
Como toda gráfica, las curvas de utilidad pueden ser representadas analítica-
mente. Sin embargo, la representación analítica es muchas veces complicada y no
m
se logran valores exactos sino aproximaciones. Para ello pueden utilizarse cuales-
a.
quiera de los métodos de ajuste de curvas disponibles en la literatura.

t un
on
Una función de utilidad puede estar perfectamente representada por una

ecuación del tipo U (X) = —e a x Va > 0; normalhiente tratamos con curvas
yc
Monótonas crecientes, pero eso no excluye la posibilidad de que la función

dm
utilidad esté representada por otro tipo de función.

.a
w
Desarrollemos el siguiente ejemplo:

w
w
;ernplo 1:
Supongamos que una persona tiene una función de utilidad descrita por
X v s^
.A. ->. U
n
X x<0
¿Cuál sería en ese caso el equivalente cierto de la Lotería L?

El equivalente cierto de esta Lotería vendría dado por un valor X tal que
U(X) = U (100)+ U (20)- U (-160)
Ahora bien, para esa persona
U (100) -100
U ( 20)- 20
U (-160) = -40
Por lo tanto
U(X) = 25 + 10-10-25
U (X) - 25
X -U 1 (25)
Tal como se desprende de la definición de U entonces
om
X - 2 5 yaque X > 0
c
s.
ro
en este caso el equivalente cierto para esa Lotería sería X = 25.
fo
Ejemplo 2
m
a.
. Analicemos el siguiente ejemplo para establecer si el comportamiento de un

un
Decisor es consistente. Supongamos que nos dice que prefiere la Lotería L, a L 2 l

es decir, Ll > L 2 siendo
t
on
1/4 6°
yc
•60
10
dm
1/3
.a
w
60
w
w
10
Para analizar ambas loterías debemos reducirlas a otras equivalentes; a tal
efecto y aplicando el axioma de descomponibilidad a L2 tendremos
60-
L,
1/2 10
en este caso hemos llegado a la conclusión que ambas loterías son idénticas, es
decir, L j 'v L2 y si el decisor prefiere Ll > L 2 ; esto indica inconsistencia, ya
que ha violado un axioma de la Teoría de la Utilidad.

7.4. DETERMINACIÓN DE LA ACTITUD DEL DECISOR ANTE EL RIESGO
Como ya hemos indicado, las curvas de utilidad nos permiten codificar la

actitud ante el riesgo del Decisor.
Al establecer las curvas, nos encontraremos ante un espectro infinito de posi-

bles situaciones; sin embargo, centraremos nuestra atención ante las situaciones
más típicas en cuanto a la actitud hacia el riesgo del Decisor.
UTILIDAD (U (.))
c om
s.
ro
fo
ATRIBUTO (X)
m
a.
"-3.S curvas señaladas en el gráfico por 1,2 . . . . n nos indican que el equivalente
un
cierto de una Lotería L es menor que el valor monetario esperado, representado

. -:e último por una línea recta de pendiente 45° y que pasa por el origen de coor-
t
on
:? nadas.
yc
Analíticamente se representa por:

dm
E (U (X) ) < U (E (X) )

.a
\:
w
w
U (X) = E (U (X) ) = (equivalente cierto)

w
U [ E (X) ] = U (Valor monetario esperado.)

«E esie caso diremos que el Decisor tiene aversión al riesgo.
Por el contrario, las curvas (— 1, —2, . . . — n) nos indican que el equivalente

: de la Lotería L es mayor que el valor esperado monetario de los premios, es
E - U ( X ) ) > U[E(X)]
:e caso diremos que el Decisor tiene preferencia al riesgo.
7 jr último, la curva (0) nos indica que el equivalente cierto de la Lotería es

- _ valor monetario esperado, es decir,
i ;u(X)]= U E Í X )
*s:e caso la curva es la línea recta y decimos que el Decisor es indiferente al
é : 3 sea, que tiene el mismo comportamiento que un Decisor cuyo criterio de
: <¿ : ~ será elegir la alternativa que maximice el valor monetario esperado.
197
En el ejemplo que utilizamos para la derivación de la curva de utilidad, el

Decisor tenía aversión al riesgo.
7.5. UTILIZACIÓN DE LA FUNCIÓN UTILIDAD EN EL PROCESO DE DECI-

SIÓN
Hasta ahora hemos establecido cómo determinar la curva de utilidad de un

Decisor, pero no sabemos cómo utilizar esa función dentro del proceso de decisio-
nes, a fin de tomar en cuenta las preferencias individuales de cada uno de los deci-
sores (actitud ante el riesgo).
Los axiomas de la Teoría de la Utilidad conducen a establecer un criterio de

decisión acorde con las preferencias del Decisor.
En un problema de decisión, el primer paso es establecer el conjunto de alter-

nativas, estados de la naturaleza y resultados o consecuencias derivados de éstos y
estructurales a través de un árbol de decisiones.
om
Supongamos que las posibles consecuencias del problema de decisión son
c
(X i » • , X n ) y, que el Decisor puede establecer una jerarquizaron de esas
s.
consecuencias tal que X j > X 2 > . . . > X n y por ende U (X^) > U (X 2 ) > . . .
ro
> U (X n ) (por el axioma de monotonicidad). Para simplificar el análisis suponga-
fo
mos que el problema de decisión tiene dos alternativas (A, A*) y que a cada una de
m
ellas corresponden dos posibles consecuencias ( X 1 , X 2 ) y (X 3 , X 4 )

a.
t un
on
yc
dm
.a
w
w
w
por el axioma de continuidad para cualquier consecuencia Xi debe existir una

Lotería L (X máx> . X mín ) equivalente, es decir, que Xí debe ser el equivalente
cierto de una Lotería L
1 X 'v L
donde
U ( X i ) = a U (Xmax.) + (1-a) U ( X m i n . )
U(Xi)= a
198
Por lo tanto, X 2 ) X 3 pueden ser sustituidos por loterías con premios X 1 ( X4;en
este caso quedaría el árbol
c om
s.
ro
fo
m
a.
un
siendo a- U (X 2 ) y b = U (X 3 ) , U (X,) - 1U (X 4 ) =0
t
on
yc
r el axioma de descomponibilidad, este árbol de decisión podría ser reducido a

dm
S loterías
.a
w
w
w
X4
(l-P ) + P (l-b) X4
_i¿ loterías Lj y L 2 son loterías con los mismos premios pero con diferentes va-
r¿5 de probabilidades, por lo tanto, podemos establecer las preferencias del
I Tiísor frente a las alternativas.
199
Por el axioma de monotonicidad sabemos que
L! > L2 *> P + a ( 1-P) > P! b
Sustituyendo
a- U ( X 2 )
b = U(X,)
P+ U ( X 2 ) (1-P) > P' U ( X 3 )
Entonces el criterio de decisión está establecido y nos indica que el Decisor

deberá elegir;
1) La alternativa A, siempre y cuando
om
P 4 - U ( X 2 ) (1-P) > P J U ( X 3 )
c
2) Será indiferente entre A y A' si
s.
ro
P + U ( X 2 ) (1-P)- P' U ( X 3 )
fo
•
m
3) Deberá elegir A' si

a.
U(X2 P'U(X3)
t un
Notemos que en el criterio de decisión ha sido involucrado el valor de utili-

on
dad para cada uno de los premios (1. X 2 , X 3 , X 4 ) y que para establecer ese crite-
yc
rio se ha hecho uso de los axiomas de la Teoría de la Utilidad.

dm
Este desarrollo es equivalente a asignar a cada uno de los nodos terminales de

nuestro árbol de decisión (consecuencia o premio), el valor de utilidad correspon-
.a
diente, según la función de utilidad dada, y calcular el valor esperado de utilidad

w
para cada una de las alternativas, tal como se hizo al final de la Unidad 5. El crite-
w
rio de decisión será en este caso el de maximizar el valor esperado de utilidad. Pro-
w
cedamos a emplear esta metodología y comprobar que llegamos al mismo resul-

tado.
Premio Utilidad
X,
U (Xa)
U(XB)
i-p'
X4

Operando el árbol tendremos.
P + (1-P) U ( X 2 ) = E [U (A)]
P' U ( X 3 ) = E [U (A')]
om
entonces la decisión será elegir la alternativa de máximo valor esperado de la utili-
c
dad.
A (1-P)U(X 2 ) > P ' U ( X 3 )
s.
ro
fo
A1 (1-P)U(X 2 ) < P ' U ( X 3 )
m
a.
A - A' (1--P)U(X2) = P'U(X3)

un
Tomo se observa, ambos procedimientos llevan al mismo criterio de decisión.

t
on
Resumiendo, diremos que para establecer el curso de acción a seguir en un

yc
Determinado problema de decisión, donde se toman en cuenta las preferencias

dm
:el Decisor a través de una curva de utilidad, deben realizarse los siguientes pasos:
.a
1) ESTRUCTURAR EL ÁRBOL DE DECISIÓN.

w
w
2) ASIGNAR A CADA CONSECUENCIA O NODO TERMINAL DEL

w
ÁRBOL, UN VALOR DE UTILIDAD PARA CADA UNA DE LAS

ALTERNATIVAS.
3) CALCULAR EL VALOR ESPERADO DE LA UTILIDAD PARA

CADA UNA DE LAS ALTERNATIVAS.
4) ELEGIR AQUELLA ALTERNATIVA QUE MAXIMICE EL VALOR

ESPERADO DE LA UTILIDAD.
Tomemos un ejemplo sencillo para determinar el efecto de las preferencias

un problema de decisión.
Supongamos que un Decisor que tiene un cierto capital en cédulas hipote-

a un interés fijo, le ha llegado el momento de renovarlas, pero se le ha pre-
ado la oportunidad de invertir en un negocio manufacturero que le proporcio-
¿ un alto rendimiento aunque con un riesgo que estima podría ser considéra-
J Cuál será la mejor decisión que puede tomar?

El árbol de decisiones se representaría en este caso por:
Capital al cabo 1 año
20.000
60.000
- 10.000
si se siguiera el criterio de maximizar el valor monetario esperado, la solución la

determinaría
om
E (A) - 20.C
c
s.
P / A ' w 60.000 30.000 .. 30.000 ro
4
fo
m
siendo
a.
E (A) > E (A 1 ) y en ese caso la alternativa a tomar sería dejar el dinero en

un
cédulas hipotecarias.
t
on
Notemos que en este criterio no han intervenido la actitud ante el riesgo del
yc
Decisor.
dm
Supongamos ahora que la función de utilidad del Decisor es tal que

.a
w
1 U(')
U(X) X
w
w
0.5 20.000
0
1 60.000
- 10.000 -10.000
f ;_ £0.000
Determinemos ahora la estrategia a seguir, utilizando como criterio la maxi-

mización del valor esperado de la utilidad.
En este caso el árbol es:
202
El valor esperado de la utilidad para cada alternativa es entonces:
E [U (A)]- 0.5
E [ U ( A ' ) ] = -j- ' l + -f-' 0« -3-
Siendo el criterio máx. E (U (A 2 ))

AI
entonces
E (U (A) ) > E (U (A') )
=* La alternativa a elegir será nuevamente dejar el dinero en cédulas hipotecarias.
om
Asumamos ahora que el Decisor tiene una-función de utilidad tal que
c
s.
ro
X UjX)
fo
20.000 0.2
m
60.000 1
a.
10.000
un
0 10,000
t
on
en este caso el criterio de maximizar el valor esperado de la utilidad nos indica que
para ese Decisor la alternativa de invertir en el negocio (A') es más atractiva, ya
yc
que:
dm
E (U (A) - 0.2
1
.a
E (U (A')) =
4 - +' -4- ' 0 = 0.25
w
w
- E (U (A) )< E (U (A') ) ** A' > A

w
Con este simple ejemplo hemos querido ilustrar el efecto que sobre la deci-
sión tienen las preferencias del Decisor (función de utilidad).
Utilicemos ahora el ejemplo de la tarjeta de crédito, desarrollado en la autoe-

valuación del Módulo I, e introduzcamos la función de utilidad de la compañía.
Las condiciones del problema son las mismas y la función de utilidad de la compa-
ñía está representada por:
X si XX)
U(X) =
2X si X>0
El árbol de decisión para este problema lo resumimos en la figura 7-3

VALOR
MONETARIO
1500 1500
1000 2000
o O
1470 1470
1030 - 2060
30 60
1490 1490
om
0,6
- 2020
c
10
s.
ro - 20
fo
m
FIG 7-3
a.
Determinemos cuál será la decisión óptima para la compañía, tomando en cuenta

un
su función de utilidad.
t
on
Resolviendo el árbol tendremos

yc
dm
.a
w
w
w
E(U(T)) = 100
E(U(R)) = o
E (U (1))
En este caso la decisión óptima es -realizar la investigación antes de otorgar el cré-

dito.
Si recordamos este ejemplo tal como se desarrolló en el Módulo anterior, la

decisión es diferente, ya que hemos tomado en cuenta la actitud ante el riesgo
(preferencias de la compañía).
204
AUTOE VALUACIÓN
Instrucciones
Resolver los problemas indicados a continuación contestando las preguntas
om
indicadas.
c
1) Supongamos un Decisor cuya curva de utilidad está definida por:
s.
ro
fo
X si X< O
m
a.
U(X) =
un
si O < X < 2
t
on
2 + 3X si 2 < X
yc
Supongamos la Lotería
dm
.a
w
w
-i
w
Indique la certeza o falsedad de las siguientes observaciones:
A) El Decisor tiene aversión al riesgo para todo X
B) El decisor viola los axiomas de la teoría de la Utilidad.
C) El equivalente cierto de L puede no ser "único.

2) Considere las siguientes funciones y establezca si podrían ser funciones de

utilidad. De no ser así, ¿qué axioma estarían violando?
(a)
om
(b)
c
s.
ro
fo
m
a.
t un
on
yc
dm
.a
(c)
w
w
w
3) Usted ha sido contratado para determinar la función de utilidad de una

compañía que tiene como parámetro de evaluación las ganancias de un año,
medidas en millones de bolívares. El presidente de la compañía establece que
U (0) = O U (100) = 1
Al preguntársele a éste se obtienen las siguientes respuestas (marcadas en un

recuadro).
206
100 (IV)
I)
O
100
II) 1/2
40
58
c om
s.
ro
15
fo
m
a.
Se pide:
un
A) Determinar el valor de la utilidad de las cantidades en el recuadro.

t
on
B) ¿Son consistentes todos los valores indicados en- las loterías?

yc
Razone su repuesta.
dm
C) Grafique la función.
.a
w
w
4) Supongamos que en entrevista con el gerente de una compañía se ha deduci-

w
do la siguiente información:
A) Es consistente con las axiomas de la Teoría de la Utilidad.
B)
100
1/2
30
30
1/2
10
1/2

100
10
1 p
a) ¿Cuál sera el valor de P°
5) Supongamos que un Decisor tiene la siguiente función de utilidad

X X <* 8
om
U (X) =
1
4+-X X * 8
c
s.
ro
El Decisor se enfrenta al siguiente problema de decisión, representado en el
fo
anexo
m
a.
B
t un
on
yc
dm
.a
w
w
w
0,5
11

Se pide:
A) ¿ Qué decisión deberá tomar?
B) Represente su curva de utilidad. ¿Qué actitud ante el riesgo indica?
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
209
PROBLEMA OBJETIVO SECCIÓN

EVALUADO REFERENCIA
1 14 7.2
2 14 9.2
3 14 7.2-7.3
om
4 14 7.4
c
s.
ro
5 15
fo
7,5
m
a.
un
Clave razonada
t
on
yc
dm
:-*::*ema 1:
.a
La gráfica de la curva de utilidad será:

w
w
w
7 .

211
A) Falsa, ya el Decisor tiene el siguiente comportamiento:
Aversión al riesgo VX > O
B) Falsa, de la información suministrada no es posible concluirlo.
0} Correcta,
Icú-a O < X < 2 la U (X) es la misma, por lo tanto hay varios va-
lores de X que proporcionan la misma utilidad al Decisor.
Problema 2
A) Esta gráfica podría representar una función de utilidad. Lo único que

indica que a partir de X, la utilidad de disponer de una unidad más de
om
X decrece.
c
s.
ro
fo
m
a.
t un
on
yc
x
dm
B) Esta gráfica podría representar una función de utilidad, ya que no

.a
existe ningún axioma que obligue a que diferentes bienes representen

w
diferentes valores de utilidad.

w
w
X X X
3 2 3
U (X t ) = U (X 2 ) = U (X 3 ), sin embargo, ésta no viola

ningún axioma.

Podría ser una curva de utilidad si tenemos una gráfica:
Pero si la gráfica fuera
c om
s.
ro
fo
m
no podría ser una función de utilidad ya que para un mismo valor

a.
de X habría dos valores de utilidad U j (X), U 2 (X); esto viola el

un
axioma cíe continuidad

t
on
yc
dm
A) U (40) - y U (100) + i U (0) = y

.a
w
U (15)=-i-U (40) +-§-U(0) =

w
w
U (58) - -¿i- U (100)
U ( 0 ) = O - ~ U (15) + l-U(-2)
U (-2)- -1/4
U (38) =4-
¿¡ U (58) +4-
¿¡ U (15)=
B) Las loterías (a) y (e) indican que
U (40)- U (38)
213
Sin embargo, esto no viola ningún axioma de la Teoría de la Utilidad,

luego no hay inconsistencia.
C) NC.)
100 X
•obiema 4
A)
com
s.
1/2
ro
fo
10
m
a.
1/2
t un
on
Aplicando sustitutabilidad de loterías tendremos

yc
dm
100
1/2
.a
w
1/2
w
w
100
10
Por lo tanto P = 0.25
214
Problema 5
A)
6,5
om
11
c
s.
ro
fo
m
7,25
a.
un
DC
t
on
yc
dm
.a
9 10
w
w
w
La que optimiza el valor esperado de la utilidad será la Alternativa II
Para ~%, > B el Decisor es indiferente ai riesgo
Para X < 8 el Decisor tiene aversión a! riesgo.

UNIDAD S
CRITERIOS DE DECISIÓN
Al finalizar el estudio de esta Unidad, usted deberá estar en capacidad de:
16) Aplicar los criterios de decisión a un problema de decisiones estructurado en

forma de Árbol de Decisiones o en forma Matriz de Decisiones, para determi-
nar la estrategia óptima.
c om
s.
ro
fo
m
a.
un
t
on
Pag.
yc
8.1. Introducción 218

dm
8.2. Criterio del Valor Monetario Esperado 218

.a
B.3, Criterio del Valor No Monetario Esperado o Criterio del Valor de

w
la Utilidad 220
w
w
8.4. Otros Criterios de Decisión 222
8.4.1. Introducción 222

8.4.2. La Matriz de Decisiones 223
8.4.3. Criterio Maximin o de Wald 227
8.4.4. Criterio Maximax 228
8.4.5. Criterio de Hurwicz 229
8.4.6. Criterio de Laplace 230
8.4.7. Criterio del Arrepentimiento o Criterio de Savage 231
8.4.8. Resumen Comparación de Criterios 233
Autoevaluación 235

8.1. INTRODUCCIÓN
Una vez que el problema de decisión ha sido estructurado, habiendo identifi-

cado sus elementos, asignado probabilidades a la ocurrencia de los estados natura-
les y valores a cada resultado y establecido preferencias y actitudes temporales
ante el riesgo, es necesario disponer de un criterio que permita la selección de la
alternativa óptima.
El establecimiento de un criterio de decisión responde a la pregunta de ¿cuál

alternativa debe seleccionarse? ¿La alternativa con el mayor valor esperado de
beneficio neto? ¿La alternativa con la mínima pérdida máxima? ¿La alternativa
con la mayor utilidad esperada? La pregunta es difícil de responder.
Ya hemos dicho que la escogencia del Criterio de Decisión se realiza con el

propósito de seleccionar la alternativa óptima. Una alternativa se dice óptima si
satisface los objetivos y preferencias del Decisor. Lo anterior pone de manifiesto
la estrecha relación entre objetivos, preferencias y criterios de decisión. De hecho,
om
la decisión de cuál criterio utilizar no es sino un reflejo de las preferencias del
Decisor.
c
s.
En esta Unidad revisaremos los criterios de decisión más comúnmente acep-
ro
tados:
fo
m
— Criterio del Valor Monetario Esperado

a.
un
— Criterio del Valor Esperado de la Utilidad

t
on
— Criterio Maximin o de Wald

yc
— Criterio Maximax
dm
— Criterio de Hurwicz
.a
w
— Criterio de Laplace
w
w
— Criterio del Arrepentimiento o de Savage
En páginas anteriores hemos introducido y utilizado ampliamente los dos pri-

meros criterios, por lo que en esta Unidad nos limitaremos a su formalización, sin
abundar en detalles puesto que el estudiante ya conoce su aplicación. Por lo tanto,
la Unidad se dedicará principalmente al estudio de los otros criterios.
8.2. CRITERIO DEL VALOR MONETARIO ESPERADO
Ya hemos mencionado que en gran parte de los problemas de decisión, el

valor asignado a un resultado puede establecerse adecuadamente en términos mo-
netarios. Este hecho justifica el uso frecuente de este criterio en los problemas
de decisión, especialmente del área empresarial donde el objetivo del Decisor es
optimizar alguna forma de Valor Monetario y maximizar el beneficio económico
neto.
El procedimiento para aplicar el criterio del Valor Monetario Esperado es el

siguiente;

Faso 1. Calcular el Valor Monetario correspondiente a cada resultado,
Paso 2. Calcular el Valor Esperado del Valor Monetario, para eada alternativa.
Paso 3, Selecciona* la alternativa que permite el máximo Valor Monetario Es-
Hay que tener claro que en realidad no ocurre que una vez tomada la
decisión, se obtenga un beneficio igual al Valor Monetario Esperado. En realidad,
el valor que se obtendrá estará determinado por el estado natural que ocurra y no
coincidirá, en genera], con el Valor Monetario Esperado; sin embargo, este valor
permite tomar en cuenta el hecho de que no todos los eventos son igualmente pro-
bables. El hecho es por lo tanto que el Valor Monetario Esperado representa un
valor ficticio y no un valor real.
Ejemplo:
om
Un Decisor enfrenta el problema de decisión que se ilustra.
c
Determine cuál alternativa debe seleccionarse.
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
: i.ucion:
l i i a la información suministrada, el Decisor deberá utilizar el criterio de

. : r. ¿el Valor Monetario Esperado.
,::: io tanto, aplicando el procedimiento se deberá calcular:
ô: monetario de cada resultado, que para este problema es un dato.

219
2) El valor esperado del valor monetario, para cada alternativa.
E f AI] B o | í.5 x 10} + (6 x 8) | + -5 ! (.5 x 4) + (.5 x 2) ] = 6

E [AJ = 6
E ¡A,] - .5 j{,5 x 3) 4- (.5 x 5) j -f .5 (.5 x 9) + (.5 x 11} ]
E {A2f - 1
3} Seleccionar la alternativa que permita el máximo valor monetario esperado,
Puesto que E A A,
Seleccionar alternativa
8.3. CRITERIO DEL VALOR NO MONETARIO ESPERADO O CRITERIO
om
DEL VALOR ESPERADO DE LA UTILIDAD
c
Sabemos que, en general, los valores monetarios no caracterizan plenamente
s.
todos ios resultados importantes para el Decisor, como es el caso de situaciones
ro
donde los niveles de pérdidas o ganancias son muy elevadas. En estos casos, se re-
fo
quiere un criterio de decisión más amplio, que además de los factores monetarios
m
incluya la influencia de otros factores, tal criterio es el criterio del Valor Esperado
a.
un
Ya hemos estudiado que los índices o valores de utilidad se proponen de tal

t
manera que permiten la tema de decisiones sobre la base del Valor Esperado de
on
yc
dm
El procedimiento para aplicar el Criterio del Valor Esperado de la Utilidad

es el siguiente:
.a
Paso 1. Calcular la Utilidad correspondiente a cada resultado.

w
w
Paso 2. Calcular ei Valor Esperado de la Utilidad para cada alternativa.

w
Paso 3. Seleccionar la alternativa que permita el máximo Valor Esperado de

la Utilidad.
Es importante recordar que el Valor Esperado de la Utilidad representa un

valor ficticio que no pretende representar el valor del dinero como tal, sino que
refleja la integración de diversos elementos que conforman las preferencias del
Decisor.
Ejemplo:
Un Decisor cuya actitud hacia el riesgo es expresada por la función de utili-

dad U (x). enfrenta el problema de decisión que se ilustra en el árbol de decisio-
nes suministrado. Determinar cuál alternativa debe seleccionarse.

220
10
c om
s.
ro
fo
m
a.
t un
on
11
yc
dm
Solución:
.a
w
El Decisor del problema deberá utilizar el criterio del valor esperado de la

w
utilidad; por lo tanto, aplicando el procedimiento se deberá calcular:

w
1) La utilidad para cada nodo terminal del árbol.
VALOR CALCULO UTILIDAD
10 10 10
1
8 8
4 4 + 6
2
2 4 + f21 5
2
3 4 + CO\ 5,5
5 4 -f — (B) 6,5
2
9 9 9
11 11 11

2) El valor esperado ó.» la utilidad para cada alternativa:
E U (Ai) = ,5 ( (.5 X 10) + (.5 X S) j + .5 i (.5 X 8) 4- (.5 x 5) 1
E U (A,) - 7.25
E U (A 3 ) = .5 [ (.5 X 5,5) + (.5 X 8,5) | + ,5 |(.5 X 9) + (.5 X 11) ]
E U (Á 2 ) = 8,00
3) Seleccionar la alternativa que permite el máximo valor esperado de la utilidad.
Puesto que E j U {A 2 ) j > E | U i A, > j
Seleccionar alternativa A2
8,4. OTROS CRITERIOS DE DECISIÓN
c om
8.4.1. Introducción
s.
ro
Hemos estudiado (Módulo 1, Unidad 3) que los autores que siguen
fo
la comente subjetiva de las probabilidades defienden la tesis de que
m
la asignación de éstas a la ocurrencia de los estados naturales, rele-

vantes a un problema de decisión, siempre es posible, aun por peque-
a.
ña o escasa que sea la información -disponible respecto a los eventos.

t un
Por otra pavte, los autores no subjetivistas consideran que existen si-
on
tuaciones de decisión en las cuales puede ser imposible asignar proba-

yc
bilidades a la ocurrencia de los estados naturales. Como razones para

tal afirmación se señalan los hechos siguientes:
dm
La dificultad para la obtención de datos suficientemente signi-

.a
ficativos para derivar, calcular y asignar probabilidades a la

w
ocurrencia de los estados naturales.

w
w
La oposición del Decisor mismo, a la asignación de probabilida-

des, hecho que ocurre frecuentemente cuando el estado natural
pertinente es un evento desagradable o comprometedor.
En general, se argumenta que este tipo de problemas de decisión se

presentan cuando los decisores enfrentan situaciones nuevas, que nun-
ca han ocurrido antes y que quizás no puedan volver a repetirse.
Bajo estas condiciones los criterios de decisión que hemos estudiado

hasta ahora no pueden aplicarse a estos casos, por lo que es necesario
examinar otros criterios alternativos.
Los criterios de decisión que vamos a estudiar reflejan igualmente los

valores y preferencias del Decisor. Ninguno de ios criterios goza de
aceptación universal; cada uno de ellos conduce a la selección de la
mejor alternativa de acuerdo a las premisas del criterio y, como se verá
posteriormente, ia aplicación de los diversos critenos a un mismo pro-
blema arroja diferentes resultados, por lo que la selección del criterio

de decisión a utilizar en un problema particular viene a constituir, por

sí mismo, un problema de decisión.
8,4,2, La Maai¿ de Decisiones
A fin de facilita): el estudio de estos criterios de decisión, vamos a es-

tudiar ima forma, alternativa, al árbol de decisión» para la representa-
ción de un problema de decisión; esta estructura alternativa se conoce
como Matriz de Decisiones.
La matriz de decisiones es una manera formal de exhibir o estructurar

la interacción de las alternativas y de los estados naturales. Igual que
siempre, entenderemos por alternativas los cursos de acción entre los
cuales debe seleccionarse, y por estados naturales, el conjunto de even-
tos inciertos sobre los cuales el Decisor no tiene ningún control,
La matriz de decisiones asocia un valor cualitativo o cuantitativo a

cada resultado, producto de una alternativa y de un estado natural.
om
En resumen, para estructurar la matriz de decisiones:
c
s.
Se designa por A i a las alternativas o cursos de acción.
ro
fo
Se designa por E- a los estados naturales.
m
a.
Para cada alternativa (A¡) y para cada estado natural (E.) se aso-
un
cia un resultado (R^) único al cual, se le asigna un valor (V..) cua-

litativo o cuantitativo.
t
on
Con los elementos anteriores se construyen una matriz rectangu-

yc
lar, en la cual:
dm
Cada fila representa una alternativa específica.

.a
w
— Cada columna representa un estado natural específico.

w
w
La matriz de decisiones adopta la forma siguiente:
MATRIZ DE DECISIÓN
ESTADOS NATURALES

Nótese que el valor V nm corresponde al resultado R n m producto

de la combinación de la alternativa n con la ocurrencia del estado
natural m.
Debe tenerse claro que los conjuntos de las alternativas (A ; ) y de

los estados naturales (E.) deben enumerarse de manera que los
elementos sean mutuamente excluyentes y totalmente exhausti-
vos para el problema particular que se considere,
Como ejemplo para ilustrar la estructuración de un problema de

decisiones en forma de matriz de decisiones, consideremos el si-
guiente ejemplo, tomado de Kngineenng Economy por H. G.
Thuesen
Una compañía de ingeniería civil dedicada al diseño y construc-

ción de obras tiene la oportunidad de participar en una licitación
de dos contratos muy importantes.
om
El primero de ellos involucra el diseño y construcción de una fá-
c
s.
brica, y el segundo contempla el diseño y construcción de un sis-
ro
tema colector de aguas negras.
fo
La compañía esta en posición de ganar cualquiera de las licitacio-

m
nes e incluso ambas y por ello desea analizar el problema y esta-

a.
blecer la mejor estrategia a seguir

t un
on
Estructuración del Problema; Elementos dei Problema

yc
El Decisor
dm
Los directivos de la compañía

.a
w
Estados naturales
w
w
(E, | Obtener contrato 1

( E 2 ) Obtener contrato 2
(E.j í Obtener contrato 1 y 3
Alternativas:
Al considerar las oportunidades relativas al contrato,

se pueden desarrollar cuatro alternativas.
A, Compañía actúa como gerente del proyecto y subcon-

trata todo el trabajo.
A2 Compañía subcontrata el diseño y realiza el trabajo.
A3 Compañía realiza el diseño y subconírata construcción.
A 4 : Compañía realiza diseño y construcción.

— Resultados:
Una vez identificados los estados naturales y las alternativas, deben

identificarse los resultados y asignarse valores a cada resultado.
En este ejemplo, pueden identificarse doce resultados, producto de

cuatro alternativas y tres estados naturales, e igualemente deben asig-
narse doce valores
El método de asignación de valores que la compañía ha escogido seguir

es el siguiente:
— Listar los ingresos y egresos proyectados en el tiempo asociado a

cada i, -ultado.
— Obtener el valor presente del beneficio neto correspondiente.
om
Estructuración de la Matriz de Decisiones
c
s.
Los valores obtenidos por el procedimiento señalado se muestran en la
ro
figura 8-2.
fo
En dicha matriz puede verse que la compañía incurrirá en una pérdida
m
de cuatro millones si la alternativa 1 es seleccionada y si el contrato 1

a.
es otorgado.
un
Si el contrato es otorgado el beneficio será de 1 millón; si los dos con-

t
on
tratos le son otorgados el beneficio neto, en valor presente, será de 2

millones.
yc
dm
MATRIZ DE DECISIÓN
.a
w
w
w
-2
FIG. 8-2
Nótese que cada fila de la matriz de decisión representa los valores

asignados a cada resultado asociado a cada estado natural (columna)
para una alternativa particular (fila).
225
Los valores en la matriz de decisión no requieren ser de carácter mone-

tario, pueden ser expresiones cualitativas o cuantitativas de la utilidad
asociada a cada resultado. Es esencial sin embargo, que los valores asig-
nados estén expresados en una medida o unidad común directamente
comparable, tales como valor presente, útiles, equivalente anual, etc.
En la matriz de nuestro ejemplo los valores se expresan en valor pre-
sente.
El estudiante debe tener muy claro que la matriz de decisión es una

representación alternativa al árbol de decisión, quedando al criterio del
analista cuál forma de representación le conviene utilizar para cada
problema particular.
A fin de que el estudiante pueda establecer sus propias conclusiones y

formarse un criterio propio, estructuraremos también nuestro ejemplo
en forma de árbol de decisión.
c om
s.
-4
ro
1
fo
m
2
a.
A
un
1
t
on
1
yc
4
dm
.a
-2
w
w
1,6
w
ÁRBOL DE DECISIÓN
FIG. 8-3
Habiendo concluido el proceso de estructuración del problema de

decisión, podemos pasar a estudiar los criterios para seleccionar alter-
nativas; para ilustrar la aplicación de los distintos criterios utilizaremos
continuamente el mismo ejemplo que acabamos de desarrollar.

8.4.3. El Criterio Maximin o Criterio de Wald
El criterio Ma>. imin está basado en una visión pesimista del futuro; su
utilización supone que la naturaleza es malévola y producirá el estado
natural que minimiza el beneficio del Decisor.
La aplicación de criterio Maximin permitirá al Decisor seleccionar la

alternativa que asegure el mejor de los peores resultados posibles, o
sea que deberá escogerse la alternativa que maximice los beneficios
mínimos.
Si en la matriz de decisiones V^ representa el valor asignado al resul-

tado asociado a la. alternativa i y al estado natural j, la aplicación del
criterio Maximin se realiza en los pasos siguientes:
Fásol: Selecf nar el valor mínimo para cada fila de la matriz de
om
decís! íes o sea:
c
nin V ; j ), Vi
s.
j ro
Paso 2: Escoger ei máximo de los valores mínimos determinados en el
fo
paso 1, siendo la alternativa que lo produce, la seleccionada
m
por el criterio, es decir:

a.
un
A - A i / m a x [min, (V )] Vi
AI "
t
on
Siendo A = alternativa óptima

yc
El procedimiento lo ilustraremos utilizando nuestro problema anterior

dm
de la compañía de ingeniería civil y usando la matriz de decisiones que

ya desarrollamos.
.a
w
Los resultados se muestran en la figura 8-4

w
w
CRITERIO MAXIMIN
•
Alternativa [minj ( V U ) ] MaXj [ min- (Vij) ]
A
AI
A2 1 i
A3 -2
A4 0
FIG. 8-4

La selección de la alternativa A asegura al Decisor un resultado o bene-

ficio de al menos 1 millón, independientemente del estado natural que
resulte.
8.4.4. El Criterio Maximax
El criterio Maximax está basado en una visión optimista del fu turo; su

utilización supone que la naturaleza es bondadosa y producirá el esta-
do natural que maximiza el beneficio del Decisor.
La aplicación del criterio Maximax permitirá al Decisor escoger la al-

ternativa que corresponda al mejor de los mejores resultados posibles
o sea, que deberá escogerse la alternativa que maximice los beneficios
máximos.
Si, al igual que antes, Vu representa el valor asignado al resultado aso-
om
ciado a la alternativa i y al estado natural j, la aplicación del criterio
Maximax se realiza en los pasos siguientes:
c
s.
Paso 1: Seleccionar el valor máximo para cada fila de la matriz de
ro
decisiones o sea:
fo
m
[max Vi
a.
un
Paso 2: Escoger el máximo de los valores máximos determinados en

el paso 1, siendo la alternativa que lo produce, la seleccionada
t
on
por el criterio, o sea:

yc
A = A; /max [max (V^) ] Vi

dm
AÍ i
.a
Siendo A - alternativa óptima

w
w
El procedimiento lo ilustramos en la figura 8-5

w
CRITERIO MAXIMAX
Alternativa [Maxj (Vy)] Maxi [Maxj (V y ) ]
AI 2
A2 4
A3 6 6
A4 5
FIG. 8-5
228
La selección de la alternativa A 3 promete un valor de 6 millones si la

naturaleza resulta ser benévola.
El optimismo del criterio Maximax contrasta con el pesimismo del cri-

terio Maximin.
Un Decisor que siga el criterio Maximin considera sólo el peor resulta-

do posible para cada alternativa y selecciona la que promete el mejor
de los peores resultados posibles. En nuestro ejemplo, si A2 es selec^
cionada, la empresa se asegura un resultado de al menos 1 millón, pero
elimina la posibilidad de obtener un resultado mayor de 4 millones.
En contraposición, si un Decisor sigue el criterio Maximax, es un op-

timista que decide basándose sólo en el mejor resultado ofrecido por
cada alternativa; así, si en nuestro ejemplo, la alternativa A2 es selec-
cionada, la compañía enfrenta la posibilidad de una pérdida de 2 mi-
llones, en su &íán por obtener una ganancia de 6 millones.
om
8.4.5. Criterio de ti rwicz
c
s.
La aplicación del criterio de Hurwicz permite al Decisor establecer un
ro
compromiso entre los resultados más optimistas y los más pesimistas.
•
fo
El razonamiento básico del criterio de Hurwicz es el hecho de que

m
muchas decisiones concentran su atención en los resultados o conse-

a.
cuencias extremas, olvidándose de los resultados intermedios. La utili-

un
zación de este criterio permite ponderar la importancia relativa que el

Decisor asigna a los valores extremos.
t
on
yc
El criterio de Hurwicz propone la utilización de un índice de optimis-

mo relativo a , tal que
dm
O < a < 1
.a
w
Cuando a = 1, el Decisor es optimista acerca del futuro.

w
w
Cuando a = O, el Decisor es pesimista acerca del futuro.
Una vez que se ha especificado el valor de a , la aplicación del criterio

de Hurwicz requiere:
Paso 1: Calcular el coeficiente de Hurwicz (CH) para cada alternativa,
CH= a [maXj (V u ) ] + (1—a) [minj (Vu) ]
donde Vü es el valor asociado al resultado producto de la al-

ternativa i y del estado natural j.
Paso 2: Seleccionar el máximo de los valores del coeficiente de Hur-

wicz, calculados en el paso 1 para todas las alternativas y aso-
ciado a la alternativa que lo produce, o sea:
CH M = Max ja [Max (Vu) J + (1-*) [min, (Vü)]

i I i '
229
Para ilustrar la aplicación del criterio de Hurwicz considérese la matriz

de decisión de nuestro ejemplo y habiendo el Decisor especificado a =
-0.25
CRITERIO DE HURWICZ
Alterna- Cálculo de CH CH" Máximo

tiva CH
AI u. 25 (2) +0.75 ( — 4 ) -2.5
A2 0.25(4) +0.75 ( 1 ) + 1.75 + 1.75
A3 0,25 (4) + 0,75 (-- 2) -0.50
A4 0.25 (5) + 0 . 7 5 ( Ü ) + 1.25
om
F1G. 8-6
Según el criterio de Hurwicz el Decisor deberá escoger la alternativa
c
que muestre el mayor coeficiente de Hurwicz y por lo tanto seleccio-
nará A 2 .
s.
ro
fo
Vale la pena hacer notar al estudiante que cuando a = O, el criterio de
m
Hurwicz da el mismo resultado que el criterio Maximin, mientras que

a.
cuando a = 1, el criterio de Hurwicz da el mismo resultado que el cri-

un
terio Maximax.
t
Así, que los criterios Maximin y Maximax constituyen casos particula-

on
res del criterio de Hurwicz.

yc
dm
8.4.6. Criterio de Laplace

.a
Ei criterio de Laplace supone que los estados naturales tienen iguales

w
posibilidades de ocurrir. El razonamiento para esta suposición es que

w
puesto que no se dispone de ninguna información para presumir que

w
un estado es más probable que otro, puede entonces suponerse que

todos tienen idénticas probabilidades de ocurrencia.
El principio en el cual se basa este criterio se conoce como Principio

de Laplace o de la Razón Insuficiente, el cual supone que la naturaleza
es indiferente a la ocurrencia de los estados naturales.
La aplicación del criterio Laplace se realiza en tres pasos:
Paso 1: Estimar la probabilidad de ocurrencia de los estados naturales
P =
donde n es el número de estados naturales considerados.

230
Faso 2: Calcular el valor esperado de les valores asignados a los resul-

tados correspondientes a cada alternativa, o sea:
E [ V j = p 2 V¡, Vi.
J
Faso 3: Seleccionar la alternativa con el mayor valor esperado, o sea:
A - A,; / Max [p 2 \\¡ ] Vi

Á j
sien-do A - alternativa óptima.
Para nuestro ejemplo de la compañía de ingeniería civil, los cálculos se

muestran en la figura 3-7.
n= 3 p = -s-
om
c
CRITERIO DE LAPLACE
s.
ro
Alternativa Cálculo (p 2v¡j) IMaxjpDVij)
fo
J i i
m
a.
AS f — 4 + 1 -f 2) -0.33 j
3
U
un
1
t
^2,00 i
on
a
yc
1
— ( -2 + 1.5 + 6 ) 1.80
dm
A3
.a
A4 -— (0 +2 + 5} 2.30 2.30
3
w
w
' pin u,7

w
La alternativa con el mayor valor esperado es la alternativa A4 y. por

lo tanto, es seleccionada.
Nótese que si en vez de suponer probabilidades iguales para todos los

estados naturales, asignáramos probabilidades por cualquier método,
estaríamos aplicando los criterios del Valor Esperado que hemos estu-
diado en eí comienzo de esta Unidad,
8.4.7. Criterio del Arrepentimiento o Criterio de Savage
Este se basa en ia suposición de que el Decisor, al seleccionar una alter-

nativa en particular, desea minimizar el arrepentimiento que pueda
surgir de la escogencia realizada. El monto del arrepentimiento se esti-
ma como la diferencia entre el resultado que se hubiera obtenido de
no haber existido incertidutnbre y el que se obtuvo en realidad.

La aplicación dei criterio de Savage requiere la formulación de una

matriz de arrepentimiento, que se deriva a partir de la matriz de deci-
siones, lo cual se realiza de la manera siguiente:
Paso 1: Identificar el máximo valor para cada estado natural (colum-

na) de la matriz de decisiones, o sea identificar
[max
Paso 2: Calcular los valores de arrepentimiento (AR¡j) correspondien-

tes a la alternativa i y al estado j, sustrayendo cada valor en la
columna del valor máximo de la misma columna, identificado
en el paso 1 , o sea calcular
| max
Paso 3: Calcular los valores de arrepentimientos máximos o sea:
c om
max) , = max (ARij) Vi
s.
ro
Paso 4 Seleccionar la alternativa A, que asegure el mínimo de los
fo
arrepentimientos máximos, es decir, seleccionar la alternativa
m
con el arrepentimiento Minimax, o sea

a.
un
A r A, min |max ( A R l t ) Vi
A, i
t
on
siendo A - alternativa óptima.

yc
dm
Para nuestro ejemplo, la aplicación del procedimiento se indica en las

figuras 8-8 y 8-9.
.a
w
MATRIZ DE DECISIONES
w
w
1.5
© j
FIG. 8-S

MATRIZ DE ARREPENTIMIENTOS
AR 13 mín max
c om
s.
ro
fo
figura 8-9
m
a.
La alternativa que minimiza ios arrepentimientos máximos es A 4 y por

un
lo tanto se la selecciona.
t
on
8.4.8. Resumen de la Comparación de Criterios

yc
dm
Las alternativas seleccionadas siguiendo los criterios presentados se

resumen en la figura 8-10
.a
w
w
w
COMPARACIÓN DE CRITERIOS
CRITERIO | ALTERNATIVA ESCOGIDA
MAXIMIN A2
MAX ¡MAX A3
HURWICZ A2
L APLACE A4
SAVAGE A4
Figura 8-10

Debe notarse que la aplicación de los criterios no arroja resultados

consistentes. Debe recordarse igualmente, que estos criterios fueron
desarrollados pensando en situaciones de decisión donde no se puede o
no se desea asignar probabilidades a la ocurrencia de los estados natu-
rales.
Una revisión de los criterios expuestos indica que cada uno tiene sus
méritos y sus fallas.
Varios factores pueden afectar la escogencia del criterio de decisión

para una situación particular; quizás los más relevantes sean la actitud
del Decisor ante la incertidumbre (pesimismo u optimismo) y su fun-
ción de utilidad personal. De tal manera que la escogencia de una regla
de decisión para un problema dado se basa fundamentalmente en el
juicio subjetivo del Decisor. Esto es completamente lógico, pues al no
disponerse de probabilidades no se puede derivar un procedimiento
objetivo.
om
Debe mantenerse claro que si la asignación de probabilidades es posi-
c
ble y se desea, estaremos en un caso donde podemos aplicar las técni-
s.
cas que hemos estudiado en las otras unidades y podremos seleccionar
ro
la alternativa óptima utilizando los criterios del Valor Esperado, ya sea
fo
monetario o de la utilidad.
m
a.
t un
on
yc
dm
.a
w
w
w

AUTOE VALUACIÓN
Instrucciones
Para cada uno de los problemas suministrados, responda la pregunta que se

indica al final.
1) Una empresa está planificando la introducción de un nuevo producto, el cual

es similar a otro ya existente en el mercado. En base a un estudio realizado
por los departamentos de mercadeo y producción, se han hecho estimacio-
nes del flujo de fondos futuros que generaría esa introducción.
Los estimados realizados (en millones), se muestran en la tabla anexa e indi-

can que la introducción del producto generaría un flujo de fondos A si la
demanda disminuye; un flujo B, si la demanda permanece estacionaria y un
om
flujo C, si la demanda crece.
c
Basándose en experiencias pasadas y en proyecciones futuras, se ha estimado
s.
que las posibilidades de una demanda decreciente, demanda constante y
ro
demanda creciente son, 0.1, 0.3 y 0.6, respectivamente.
fo
m
La empresa comúnmente utiliza una rata de interés del 10% anual para sus
análisis económicos.
a.
un
Pregunta: ,
t
on
En base a los datos suministrados y utilizando el criterio del valor monetario

yc
esperado, estimar y justificar si la empresa debe introducir el nuevo producto.

dm
Sugerencia:
.a
a) Estructurar el árbol de decisión.

w
w
b) Asignar valores a reultados.

w
c) Determinar estrategia óptima.
Probabilidad de ocurrencia de
Flujo de Fondos
Año
P ( A ) = 0.1 P(B) = 0.3 P ( C ) = 0.6
0 -30 -30 -30
1 11 11 4
2 10 11 7
3 9 11 10
4 8 11 3
TABLA PROBLEMA No. 1

235
2) Suponga que los directivos de la empresa del problema No.l se rigen por la
función de utilidad definida como:
X para X < O
3X + 5 para X > O
Pregunta:
Utilizando el criterio del Valor Esperado de la Utilidad, estimar y justificar si

la empresa debe introducir el nuevo producto.
Sugerencia:
a) Estructurar el árbol de decisión
b) Asignar valores a resultados
om
c) Determinar estrategia óptima
c
s.
3) Un inversionista dispone de una suma de dinero para invertir; después de
estudiar las posibilidades existentes reduce sus alternativas a tres:
ro
fo
Invertir en acciones especulativas
m
A2 Invertir en acciones de bancos

a.
A3 Invertir en bonos gubernamentales

un
Adicionalmente, el inversor considera tres estados naturales:

t
on
E! : Revolución
yc
E 2 : Paz- sin recesión económica

dm
E 3 : Paz con recesión económica

.a
Un análisis preliminar arroja la siguiente matriz de valores en términos de

w
tasa de retorno en porcentaje anual:

w
w
El E2 E3
20 -i -6
A,
A2 9 8 0
A3 4 4 4
MATRIZ PROBLEMA 3
Pregunta:
Qué alternativa se seleccionará de acuerdo al criterio de:
a) Maximin
b) Maximax
c) Hurwicz con o¿= 0.50
d) Lapiace
e) Arrepentimiento o Savage.

236
4) La tabla anexa muestra la matriz de decisión (en útiles) para tres alternativas
y tres estados naturales
MATRIZ PROBLEMA 4
Pregunta:
Qué alternativa se seleccionará de acuerdo al critero de:
om
a) Maxim in
c
b) Máxima::
c) Hurwicz con a = 0.75
s.
ro
d) L aplace
fo
e) Arrepentimiento o Savage.
m
a.
t un
on
yc
dm
.a
w
w
w

OBJETIVO SECCIÓN
PREGUNTA EVALUADO REFERENCIA
1 16 8-2
2 16 8-3
3 16 8-4
4 16 8-4
om
CLAVE RAZONADA
c
s.
1) ro
a) Alternativa I: Introducir producto
fo
I: No introducir producto
Estados naturales
m
A: Demanda decreciente
a.
B: Demanda constante
un
C: Demanda creciente
t
on
yc
dm
ÁRBOL DE DECISIÓN
.a
w
w
w
VP,
« O

b) CÁLCULOS DEL VALOR PRESENTE
1 4. i () y --.-.,---
VPA - -30 + 11 X
(l + O.l)1 (1 + 0.1)2
9X + 8 X
(l+O.l)2 (i + oír
VPA = + 0.492
Similarmente se obtiene
VPB = + 4.870
VPC = - 4.185
Estos valores se asignan a los nodos terminales del árbol de decisión y por lo
om
tanto
c
s.
ÁRBOL DE DECISIÓN ro VALOR
fo
m
0.492
a.
un
4.870
t
on
yc
dm
.a
w
w
w
c) Cálculo del Valor Monetario Esperado
E [I] = 0.1 (.492) + 0.3 (4.870) + 0.6 (-4.185)

E [I] = - 1.000
E[T]= O
Puesto que E [I] < E [ f ]
debe seleccionarse la alternativa I y por lo tanto no debe introducirse el

producto.
2)
a) El árbol de decisión es el mismo del problema anterior

ÁRBOL DE DECISIÓN VALOR PRESENTE
0.492
4.870
-4.185
c om
s.
ro
fo
m
a.
b) CALCULO DE LAS UTILIDADES

t un
on
X X < O
yc
U(X)
dm
3X + 5 X >O
.a
w
w
U(.492) = 3 (.492) + 5 - 6.48

w
U (4.870) - 3(4.870) + 5 = 19.6!

U (-4.185)- 4.185
U (0) - 3 (0)+ 5 = 5
c) CALCULO DEL VALOR ESPERADO DE LA UTILIDAD
E ¡U (i) j - 0.1(6.48) + 0.3(19.61) + 0.6 (-4.135)

E [U (1)]'= 4,03
E [U ( ! ) ] = 1(5)
E [U ( I ) ] - 5
Puesto que E [U (I) ] < E [U ( T )]
debe seleccionarse la alternativa I y por lo tanto no debe introducirse el

producto.

241
om
CRITERIO MAXIMIN
a}
MAXIMIN ALTERNATIVA
c
EÍ E2 E3
(V) ÓPTIMA
s.
A, 20 -1 —6
ro
—3
•
fo
A2 8 0
9
m
A3 4 A3
4
a.
0
W ...
t un
on
yc
CRITERIO MAXIMAX
dm
ALTERNATIVA!
OPTiMA
.a
w
w
w
O CRITERIO HTjaWICZ (a =.5)

1 V CALCULO CH CH Alternativa
t] E-¿ E3
Óptima
Aj 20
L__^____
•—I -6 ^-(20) +4-Í -«) © AI
A2 9 8 0 ¿(9) +J-(0) 4.5

2 2
A3 4 4 4 i(4)+ ±.(4) 4
2 2

242
d)
CRITERIO LAPLACE (n ~ 3
e)
CRITERIO SAVAGE
AR., AR.. Minímax Alternati-

E, | E: E3 ARn \¿ i3 AR va Óptima
om
AI 20 -1 -6 0 9 10
© Al
c
0 11 0 4
s.
A2 9 & 11
ro
A3 4 4 4 16 -i ü 16
fo
m
a.
t un
on
yc
GRITERÍO DECISIÓN
dm
a MAXIMIN AI
.a
b MAXIM AX A3
w
c HURWICZ A3
w
w
d LAPLACE A]
e SAVAGE A,
CRITERIO MAXIMIN
MAXIMIN ALTERNATIVA
El E2 E3 (V) ÓPTIMA
A, 50 80 80 (&8) AI
A2 60 70 '¿0 20
A3 90 3u 60 20

243
b)
CRITERIO MAX MAX
c)
CRITERIO HURWICZ (a-0.75)

' ' " ' ™
EI E2 CALCULO CH CH Alternativa
B3 Óptima
om
AI 50 80 80 f-{80) + ^ - ( 5 0 ) 72.5
c
s.
A2 60 70 20 |(70) + ^(20) 57. 5
ro
A3 90 30 60 4(90) 4- 4<30) (75) A3
fo
m
a.
un
d)
t
CRITERIO LAPLACE ( n = 3 )
on
.,_„- „
El E5 E3 CALCULO Alternativa
yc
E [Vif E [Vi] Óptima
AI
dm
50 80 80 •J-(50 + 80 + 8 0 ) © A!
A2 60 70 20 4(60 +70 + 20) 50
.a
o
w
A3 90 30 60 4(90 +30 + 6 0 ) 60
o
w
w
.... .___ —CRITERIO

"""""
SAVAGE
E, E2 E3 AR Í2 AR Í3 Minimax Alternativa
AKn
(AR) Óptima
Aj 50 80 80 40 0 0 (43) A,
A2 60 70 20 30 10 60 60
A3 90 30 60 0 50 20 50

244
UNIDAD B
EL VALOR OE LA INFORMACIÓN
Al finalizar el estudio de esta Unidad e! estudiante deberá estar en capacidad

de:
17) Dada una situación de decisión bajo un estado de conocimiento, determinar

el valor esperado de ia información perfecta,
18) Dada una situación de decisión bajo un estado de conocimiento, evaluar la
om
conveniencia de la adquisición de información adicional.
c
s.
ro
fo
m
a.
t un
on
yc
9.1. Introducción , , 246

dm
9.2. Pronosticador Perfecto , 246

.a
w
9.3. Valor esperado de la información perfecta 246

w
w
9.4. Análisis a posteriori y valor de la información adicional 254
9.5. El valor de la información y la actitud ante el riesgo del Decisor 260
9.6. El valor de ia información y la pérdida de oportunidad ,.. 263
Autoevaluación 267
Solución de la Autoevaluación . 271

9.1. INTRODUCCIÓN
En la Unidad 3 destacarnos la importancia que tiene el grado de información

disponible, respecto a un fenómeno aleatorio determinado, en la asignación de las
probabilidades a los posibles eventos en él asociados. También estudiamos corno
se modificaba la probabilidad asignada apriori a un evento dado, con la considera-
ción de información adicional. En esta Unidad centraremos nuestro interés en la
determinación y evaluación del costo de adquisición de información adicional una
vez que se dispone de una parte de ella.
En el Análisis de Decisiones, el estudio de este aspecto es importante porque

permite conocer hasta qué punto vale la pena, económicamente hablando, llevar a
cabo una actividad de captación de nueva información antes de la toma de la deci-
sión definitiva.
Una vez identificados todos ios estados de la naturaleza involucrados en el
om
problema de decisiones que se analiza, y habiendo considerado toda la informa-
ción al alcance, se tiene una idea deí grado de incertidumbre que se posee, asocia-
c
do éste a nuestra parcial o total incapacidad para hacer asignaciones de probabili-
s.
dad para las distintas variables aleatorias especificadas.
ro
fo
El problema radica en si el Decisor debe actuar con la información disponi-
ble o si pospone la decisión e inicia un proceso de captación de información adi-
m
cional.
a.
t un
9.2, PRONOSTICADOR PERFECTO

on
yc
Postularemos una "persona" denominada "pronosticador perfecto" o "clari-

vidente" como "alguien" que por adelantado conoce ío que va a suceder respecto
dm
a cualquier fenómeno aleatorio, conoce con exactitud qué valor en particular va a

tomar cada una de las variables aleatorias involucradas en nuestro problema.
.a
Mediante el pronosticador perfecto estaremos en capacidad de eliminar todo tipo

w
de incertidumbre, de disponer de la información perfecta, pero claro está, a un

w
determinado costo.
w
Es obvio que materialmente no existen los clarividentes o los pronosticadores

perfectos; se trata, sencillamente, de un postulado útil en el proceso real de capta-
ción de nueva información, porque permite establecer un tope máximo a lo que
vale la pena pagar a fin de obtener información adicional. La determinación de
este tope máximo es esencial en la decisión de si debe iniciarse o no el proceso de
captación de información adicional.
9.3. VALOR ESPERADO DE LA INFORMACIÓN PERFECTA
Eí valor esperado de la información perfecta (VEIP) puede estimarse como la

diferencia entre el beneficio esperado cuando se dispone de la información perfec-
ta (BEIP) y el beneficio esperado que se puede obtener bajo un estado de informa-
ción a priori (BEIAP)

Para un¿- variable aleatoria determinada, el valor esperado de la información

perfecta representa el límite superior del costo de cualquier programa o proceso
diseñado para la captación de información adicional, sobre tal variable. Por ello,
que es importante la determinación de tal valor, porque sir¿e como punto de refe-
rencia en el momento de la contratación de cualquier estudio tendente a recolec-
tar información adicional.
Por otro lado, es importante conocer el valor espetado de la información per-

fecta en una situación determinada, porque ello sirve de orientación acerca de si es
importante o no conducir una investigación. Cuanto más alto sea el VEÍP asociado
a una situación de incertidumbre, más importante será iniciar un proceso de capta-
ción de información adicional.
Para ilustrar esta definición, tomemos como ejemplo el caso de la perfora-

ción del pozo petrolero tratado en la Unidad 5 y determinemos cuánto es en ese
caso el valor esperado de la información perfecta (VEIP).
om
Según podemos recordar, los estados de la naturaleza con sus respectivas pro-
babilidades a priori y el beneficio neto correspondiente a cada acción y a cada
c
estado, son los que aparecen en el cuadro 9-1.
s.
ro
fo
ESTADOS DE LA N A T U R A L E Z A
m
?2 — Pczo pequeño 6'3- Pozo grande

a.
t un
on
yc
dm
.a
w
w
Cuadro 9-1
w
Según la definición, lo primero que debemos hacer es determinar el beneficio

neto esperado, asumiendo poseer la información perfecta (BEIP).
Veamos que si el pronosticados" perfecto nos asegura que ocurrirá # , enton-

ces la decisión lógica será llevar a cabo la acción A : (por ser la de mayor bene-
i'icio); si en cambio, el "clarividente*' nos asegura que ocurrirá 0 2 ó 0 3 la decisión
obvia será optar por la acción A, que es la que optimiza el beneficio en estos
casos.
El beneficio esperado en base a la información perfecta es la suma ponderada

ie estos beneficios óptimos, con las respectivas probabilidades de ocurrencia de
cada uno de los estados, probabilidades que gracias al clarividente coinciden con
.as probabilidades de obtener tales beneficios; de esta forma:
BEIP - 0.52 X O -f 0.26 X 300.000 + 0.22 X 1,000.000

BEIP - 298.000
Si H este valor que acabamos de obtener le restamos el valor esperado del

>rneficio neto en condiciones de incertidurnbre (que ya calculamos en la Unidad
247
5 y es de Bs, 194,000) obtenemos la cantidad de Bs. 104.000 que representa el

VEIP
VEIP= 104.000
y el cual as el máximo precio a pagar por cualquier estudio geofísico tendente a

determinar la identidad dol sucio,.
Al VEIP también Be le denomina con frecuencia "costo de la ineertidumbre",

denominación qu>3 tiende a resaltar el hecho de que tal valor os ío qu;e nos cuesta
tomar la decisión bajo un estado de ineertidumbre caracterizado por im estado de
oíisicicí! determinado,
Formalizando el proceso llevado a cabo en el ejemplo, tenemos que s dado un

problema de decisiones estructurado como indica el cuadro 9-2,
Estados de la Naturaleza
om
.Alternativas o
Acciones
. EJ I?
1 E2 ... EJ ... Sn |
c
P(E,) P(E 2 ) P(%) P(E n )
s.
— —
Al VM v i tí.
V,
ro
• V!J VIH
v, ;
fo
A2 V 2Í V22 V2n
m
a.
un
..„
t
on
yc
dm
.a
w
w
w
CUADRO 9.2
donde los EJ (j = 1,.. . n) son ios distintos estados de la naturaleza con sus respec-
tivas probabilidades P (E i ) l las Ai (i - 1, . . . m) son las distintas alternativas o cur-
sos de acción y V^- es el beneficio neto o valor monetario correspondiente a cada
pareja (Aj, EJ), según e! criterio que maximiza el beneficio neto esperado, la alter-
nativa elegida debe ser aquella para la cual el valor
, . , .m (9.2)
sea máximo, o sea, el curso de acción elegido con las probabilidades asignadas
usando la información disponible a priori arrojará un beneficio neto esperado que
puede expresaran como
BEIAP= máx (B; (8-3)

Ahora bien, recurriendo ai "clarividente" o pronosticado* perfecto, hemos

dicho que la acción que llevamos a cabo es siempre aquella que produce el mayor
beneficio bajo el estado de la naturaleza que el "cíaiividente" asegura va a produ-
cirse, o sea, si el "clarividente" asegura que se producirá el estado E, entonces la
acción A; que se lleva a cabo será aauélla oara la cual V¡; sea máximo (para todo i).
De esta forma el beneficio esperado, disponiendo de ía información perfecta
(BEIP), puede expresarse como
BEÍ?= i = 1, . . . m (9.4)
Así, según Ía definición que hemos dado, la expresión del valor esperado de
la información perfecta será:
VEIP = BEIP - BEIAP
c om
s.
ro
A manera de verificación, el estudiante podrá sustituir en esta expresión los
respectivos valores dados en el cuadro 9-1 y obtener VEIP - 104=
fo
m
Es equivalente a la definición resumida por las ecuaciones 9.1 y 9.5 la inter-

a.
pretación que permite definir el valor esperado de ía información perfecta como la

un
cantidad en la cual se incrementa nuestro beneficio neto esperado como cpnse-

;u encía de haber tenido conocimiento de la información perfecta, Si designamos
t
on
:n K esta cantidad podríamos escribir

yc
BEIAP + K = BEIP (9.6)

dm
:. «ordenamos los términos de esta ecuación y sustituimos las ecuaciones 9.2, 9.3
.a
• 9,4 obtenemos
w
w
w
? ( £ , ) máx (V u ; -K=máx (9.7)
ión que en virtud de las propiedades del Valor Esperado de una variable
ña, puede escribirse como
£ P (E¡ ) Vu
~i (9.8)
i is ana ecuación de primer grado en K,
Siendo la cantidad K un incremento en nuestro beneficio esperado, resultado

- iber tenido conocimiento de la información perfecta, la ecuación 9,8 permite
r .-i retar esa cantidad como un pago que estaríamos dispuestos a hacerle al "cla-
irir.e'' íeí mejor pago) a fin de que nos suministre la información que él posee.
- i= debido a que apareciendo K como un sustraendo al beneficio V u produci-
::: la alternativa A^ cuando se da el estado natural E i f una vez que hemos
•: ::do pagar ese precio, hemos de pagarlo independientemente del curso de-
txr. y del estado natural que se dé.
249
El interés por llegar a esta interpretación cobrará importancia cuando en la

sección 9,5 consideremos el caso en el cual el Decisor, a diferencia de lo que
hemos supuesto hasta ahora, no es indiferente al riesgo, y por lo tanto está carac-
terizado por una particular función de utilidad.
Mientras tanto agreguemos que la ecuación 9.8 sugiere el siguiente procedi-

miento pare evaluar el VEIP:
Dado un problema, estructurado como indica el cuadro 9.2 (matriz de deci-

siones)
a) Evaluar el beneficio neto esperado con la información a priori {miem-

bro derecho de la ecuación 9.8)
b) Restar la cantidad K de cada valor de beneficio neto correspondiente a

cada par (A¡, Ej}
om
e) Para cada j = 1. , n determinar el valor máx (V Í 5 -K)
i
c
d) Evaluar el miembro izquierdo de la ecuación 9.8
s.
ro
e) Igular los resultados obtenidos en a) y d)
fo
m
f) Despejar el valor de K
a.
Ahora bien, debido a que en este Curso hemos estructurado los problemas de
un
decisiones principalmente en forma de árbol, describiremos a continuación el pro-

t
cedimiento a emplearse para determinar el VEIP, cuando se tiene tal estructura-

on
ción. Es importante notar que en una estructuración en forma de árbol, los esta-
yc
dos Ej del cuadro 9.2 equivaldrían a los estados representados por los nodos ter-
mínales del árbol, las probabilidades P (Ej), las probabilidades asociadas a dichos
dm
nodos terminales y los beneficios V 4 j a los beneficios netos asociados a cada uno
de tales nodos.
.a
w
Tenemos entonces:
w
w
Dado un problema estructurado en forma de árbol de decisiones j

Ii
a) Evaluar el beneficio neto esperado asociado al árbol que considera la j
información a priori ;i
b) Construir el "árbol del clarividente'' el cual consiste en intercambiar en \ árbol orig
modo tal que cada decisión se toma una vez que se conoce el estado que
va a ocurrir
c) Restar la cantidad K de cada valor de beneficio neto correspondiente a

cada nodo terminal del "árbol del clarividente"
d) Evaluar el beneficio esperado correspondiente al "árbol del clarividente"
e) Igualar los resultados obtenidos en a) y d)
f) Despojar el valor de K

Ejemplifiquemos este procedimiento, tomando el problema del cuadro 9.1;

para ello estructurémoslo en forma de árbol:
-200.000
300.000
1000.000
om
Figura 9.1
c
En la figura 9.1 se observa que de la aplicación del paso a) del procedimiento,
s.
se obtiene un beneficio neto esperado con la información a priorí (BEIAP) de Bs.
ro
194.000.
fo
m
Aplicando los pasos b) y c) tenemos lo mostrado en la figura 9.2

a.
„ -200.000-K
t un
on
'-r-,000-K) -O 0-K
yc
300.000 —K
dm
0-K
.a
10000.000—K
w
w
w
Figura 9.2
El resultado de aplicar el paso d) aparece también en la figura 9.2 indicado

en el óvalo asociado al nodo inicial.
Aplicando los pasos e) y f) consecutivamente, tenemos:
298.000 -K = 194.
K - 104.000
que coincide con el obtenido incialmente, empleando las ecuaciones 9.1 ó

9.5.
Veamos el siguiente ejemplo, donde determinaremos el VEIP empleado ini-

: emente la manera sugerida por la ecuación 9.1 y luego el procedimiento sugeri-
:: por la ecuación 9.8.
251
El grupo XXX, ejecutante de música "rock", ha decidido cortar (grabar) un

disco. Los representantes de la compañía disquera tienen sus dudas sobre los resul-
tados que puedan tener; asignan una probabilidad subjetiva de 1/4 a que el disco
sea un éxito. Los costos de fabricación y distribución son de Bs. 20.000. Si resul-
tara un éxito, el grupo y la casa disquera obtendrían un beneficio neto de Bs.
100.000, si fracasara se quedarían con el lote de discos "frío".
Sean:
E: El disco resulta un éxito.
E: Lo contrario de E (fracaso).
G: Grabar el disco
G; Lo contrario de G (no grabar).
om
el árbol de decisiones correspondiente es el de la Fig. 9.3.
100.000
c
s.
ro
fo
20.000
m
a.
t un
on
yc
dm
.a
w
FIG. 9.3
w
w
De la evaluación del mismo resulta que la decisión debe ser grabar el disco,
con un beneficio neto esperado de Bs. 10.000.
Supongamos ahora que el grupo XXX y compañía tiene la posibilidad de

consultarle al profesor Alfa quien es un pronosticador perfecto y posee informa-
ción perfecta sobre los procesos mentales de todos los fanáticos de la música
"rock"; consideremos los eventos
"E": El profesor Alfa dice que el disco será un éxito.
"E": Lo contrario de "E"
en este caso, previo a cualquier decisión hay que considerar la información perfec-
ta suministrada por el profesor Alfa; si éste dice que el disco será un éxito, la deci-
sión será grabar, de lo contrario no traerá ningún beneficio hacerlo. Calculemos
cuánto es el beneficio neto esperado en caso de poseer ia información perfecta del
profesor Alfa; el árbol correspondiente (árbol del clarividente) es el de la figura
9.4.
100.000
"E"
1/4
«*£„
- 20000
El beneficio neto esperado en este caso es el de Bs. 25.000, por lo tanto, cualquier
consejo que pueda dar el profesor, tiene un valor para ei grupo, de Bs. 15.000, que
es ia diferencia de beneficio esperado antre tomar la decisión disponiendo de la
om
información perfecta y tomaila con la información a priori representada por la
asignación de probabilidades hecha al inicio, diferencia que hemos designado
c
como el valor esperado de la información perfecta.
s.
ro
VEIP = 15,000
fo
m
Si quisiéramos emplear la interpretación sugerida por la ecuación 9.8, el

árbol de la figura 94 nos quedaría como indicamos a continuación en la figura 9.5
a.
(aplicación de los pasos b), cj y d) del procedimiento)

un
i ooooo -K
t
on
yc
dm
.a
w
w
w
Figura 9.5
igualando el beneficio aspeado que arroja este árbol (paso e) con el beneficio
esperado correspondiente ai árbol de la figura 9.1 (información inicial) tenemos la
siguiente ecuación:
_1_
4
:e donde, despejando K (paso f) se obtiene:
K = VEIP= Bs. 15,í
:al y como habíamos obtenido antes.
E! análisis que hemos conducido hasta el momento está basado en las proba-
:i]idades que han sido asignadas cers la información disponible apnon, según un
rierto estado de conocimiento, V-aremos en el próximo punto cómo incorporar
•formación adicional (aunque no perfecta) y proseguir así con si análisis.
253
9.4. ANÁLISIS A POSTERIORI Y VALOR DE LA INFORMACIÓN

ADICIONAL
Supongamos que ei grupo XXX, para mejorar su estado de información, no

pudiendo disponer de un "verdadero" profesor tiene la alternativa de realizar algu-
nos estudios de mercado, cuya confiabilidad es la siguiente:
0,6 = probabilidad de que el estudio indique un buen mercado para el disco cuan-
do efectivamente así será.
0,8 = probabilidad de que el estudio indique un mercado no receptivo para el dis-

co cuando efectivamente así será.
Si indicamos con e¡ el evento; "el i-ésimo estudio del mercado indica que el disco
será un éxito", la confiabilidad del estudio se traduce en las siguientes probabili-
dades.
om
P(e./E) = 0,6 P(e/E) = 0,4
c
s.
P (e~/É) = 0,8 Píe/E) = 0,2 ro
fo
que se puede resumir en el árbol de probabilidades de la figura 9.6
m
0,15= PtEOe.
a.
tun
on
yc
0,4 0,10 =P (E H e •
dm
Ü,15=P (É
.a
w
3/4
w
w
0(60=P(Én¿.»
Figura 9,6
Para analizar el árbol de decisiones que contemple el estudio de mercado, es

necesario conocer las probabilidades a posteñon. Veamos: del árbol de probabili-
dades de la figura 9-6 se desprende que
P (E n e . ) = 0,15 ; P ( E n e . ) = 0,10 ;
P (En e .) = 0,15 , P (En e.) = 0,60
P (e.) = 0,30 , P(i¡) = 0,70
valores que llevados al árbol de ia figura 9-7 permiten determinar
P (E/e.) =1/2 ; P (E/e.) =1/7 , P(E/e.)= 1/2

254
y P (E/gj) = 8/7. Nótese que heñios empleado el árbol de probabilidades como un

procedimiento alternativo ai empleo directo de la fórmula de Bayes.
0,15
0,60
Figura 9.7
om
Estamos en condiciones ahora de analizar el árbol de decisiones, contemplan-
c
:o un primer estudio de mercado (figura 9—8)
s.
ro
fo
m
a.
-20000
t un
on
yc
dm
100.000
.a
w
20000
w
w
F i g u r a 9,8
jperando sobre este árbol se obtiene que el beneficio neto esperado, una vez que
_:~ ha realizado el primer estudio de mercado, es de Bs 12.000, tal como se indica
en la figura 9-8.
El valor esperado de la información que arroja el estudio de mercado se pue-

:e calcular como la diferencia entre el beneficio neto esperado, tomando en cuen-
:¿ la investigación menos el beneficio neto esperado según el análisis realizado con
.i= probabilidades a priori, "análisis a priori". A este valor se le suele llamar
Valor esperado de la información imperfecta o valor esperado de la información
auestral (VEIM).
En el ejemplo tenemos entonces,
VEIM-Bs (12.000-10.000)- Bs 2.000

255
Empleando un procedimiento similar al sugerido por la ecuación 9-8 para el

caso de la información perfecta, podríamos también determinar el valor espera-
do de la información imperfecta. Veamos:
En la figura 9-9 aparece de nuevo el árbol de decisiones correspondiente a

nuestro problema del Grupo XXX considerando el estudio de mercado. Nótese
que sólo difiere en el de la figura 9-8 en que el beneficio asociado a cada nodo
terminal está reducido en una cantidad K', que representa lo máximo que esta-
ríamos dispuestos a pagar por un estudio de mercado de la confiabüidad ofrecida,
(172(80000- 2 K
om
(80000-2 K')+"0,7 (-?
c
s.
(jV7- „(IQQQOO^K
ro
s^ _ - , _ . _ 7.)'-6/7(20000
. . _ 4- K/j) ___--
..__ E o 100.000
fo
m
a.
20000 - K
t un
on
-K
yc
F i g u r a 9.9
dm
igualando el valor que aparece en el nodo incial con el beneficio neto esperado
con la información a priori, podremos despejar a K' que será el valor esperado de
.a
la información muestral o imperfecta (VEIM).

w
w
0,3 --7H8000Q -2K') + 0,7 (-K') - 10.000

w
12.000-K' - 10.000
K' - 2000 - VEIM
tal como habíamos obtenido anteriormente.
Hay que resaltar que esta información adicional que incorporamos a nuestro
estado de información inicial (a priori), siendo en la mayoría de los casos produc-
to de un estudio estadístico sobre una muestra restringida, pero representativa de
la población sujeto del problema de decisiones, es una información imoerfecta -
porque no existe ninguna investigación, estudio o encuesta que pueda decirnos
con precisión, qué es lo que va a suceder ante un fenómeno de naturaleza aleato-
ria, salvo el clarivi .ente que postulamos al inicio.
Es importante notar que en el análisis a posteriori, cuando se incorpora infor-

mación adicional a la disponible en e! análisis a priori, lo que se pretende es dis-
minuir la incertidumbre y, poi- lo tanto, teniendo mayor conocimiento de la situa-
ción que 22 tiene enire manos, resultará factible que una estrategia recomendada
256
Empleando un procedimiento similar al sugerido por la ecuación 9-8 para el

caso de la información perfecta, podríamos también determinar el valor espera-
do de la información imperfecta, Veamos:
En la figura 9-9 aparece de nuevo el árbol de decisiones correspondiente a

nuestro problema deí Grupo XXX considerando el estudio de mercado. Nótese
que sólo difiere en el de la figura 9*8 en que el beneficio asociado a cada nodo
terminal está reducido en una cantidad K', que representa lo máximo que esta-
ríamos dispuestos a pagar por un estudio de mercado de la confíabilidad ofrecida,
100,000 K
20,000
c om
s.
^Q/7 (lOOOOO-K
ro
\ _ _ , _, _,f )-"6/7(20QOO
„. _ , + K7))_ E
^—_ o 100.000 - K'
fo
G -C£^ E
m
*^H
a.
6/7 20000- K'

t un
on
yc
Figura 9.9
dm
igualando el valor que aparece en el nodo incial con el beneficio neto esperado
con ia información a priori, podremos despejar a K' que será el valor esperado de
.a
la información muestra! o imperfecta (VEIM).

w
w
0,3 •-^(80000 - 2K') + 0,7 (-K') - 10.000

w
12.000 ~ K ' - 10.000

K' - 2000 - VEIM
tal como habíamos obtenido anteriormente.
Hay que resaltar que esta información adicional que incorporamos a nuestro
estado de información inicial (a priori), siendo en la mayoría de los casos produc-
to de un estudio estadístico sobre una muestra restringida, pero representativa de
la población sujeto del problema de decisiones, es una información imoerfecta -
porque no existe ninguna investigación, estudio o encuesta que pueda decirnos
con precisión, qué es lo que va a suceder ante un fenómeno de naturaleza aleato-
ria, salvo el clarivi .ente que postulamos al inicio.
Es importante notar que en el análisis a posteriori, cuando se incorpora infor-

mación adicional a !a disponible en el análisis a priori, lo que se pretende es dis-
minuir la incertidumbre y, por lo tanto, teniendo mayor conocimiento de la situa-
ción que se tiesse entre manos, resultará factible que una estrategia recomendada
256
inicialmente durante el análisis a priori, pase a ser sustituida por otra anteriormen-
te desechada. Es realmente en este caso, cuando la investigación o ei experimento
empleado en la recolección de información adicional, es más valioso.
La adquisición de información adicional nunca es gratuita, siempre conlleva

un costo que está estrechamente relacionado, o bien con un proceso de muestreo
estadístico o bien con los honorarios de los especialistas consultados. Este costo
es comúnmente denominado Costo Asociado a ía Adquisición de Información,
Vale Ía pena realizar un muestreo estadístico o una consulta, sólo si el valor

esperado de la información que de él se piensa recabar, es mayor que eí costo que
implica tal muestreo o consulta. La diferencia entre VEIM y dicho costo, es lo que
se denomina la Ganancia esperada de la información muestral o imperfecta
(GEM).
om
En nuestro ejemplo, para que el estudio de mercado implique una ganancia,
debe tener un costo inferior a los Bs. 2.000.
c
s.
ro
Volvamos ahora sobre el problema de ia perforación del pozo petrolero que
fo
vimos ai inicio de la sección 9-3, Recordemos de la Unidad 5 que la empresa de
m
perforación consideraba la contratación de un estudio geofísico para la determi-

a.
nación de las características del suelo. Tal estudio tenía un costo de Bs. 100.000,
un
o sea, el costo asociado a la adquisición de información es igual a Bs. 100.000.

Calculemos ahora la ganancia esperada de tal estudio. Para ello es necesario que
t
on
calculemos el VEIM.
yc
dm
Consideremos que la confiabilidad del estudio garantizada por ia empresa

que lo va a realizar, es la siguiente:
.a
w
w
P (a/A) = 0.9
w
P (a/A')= 0,3
donde:
a - el estudio dice que el terreno es del tipo A
a' = el estudio dice que el terreno es del tipo A'
A= eí terreno es el tipo A
A'— el terreno es del tipo A'
Estas, junto con las probabilidades a príon P (A) y P (A') se pueden representar
en el árbol de probabilidades ríe la figura 9-10.

0,36
0,1 >> 0,04
0,18
0,6
0.42
om
Figura 9.10
c
s.
ro
fo
Para analizar el árbol de decisiones que contempla la realización del estudio geo-
físico es necesario que determinemos las probabilidaes a posteriori (Bayes). Del
m
árbol de la figura 940 se desprende:

a.
un
P ( A ^ a ) =0,36 , P ( A ^ a ' ) = 0,04

t
P (A' n a) « 0,18 , P (A' n a') = 0,42

on
P ( a ) = 0,54 , P ( a ' ) - 0,46

yc
valores que llevados al árbol de la figura 9-11.

dm
.a
w
0,36
w
w
0,18
0,04
0,46
0/2
Figura 9.11

permiten determinar ? (A/a ) ™ 2/3 ; P (A'/a) = 1/3 ;
P ( A / a ) - 2/23 ; P(A ? / a; ) - 21/23
De esta forma el árbol de decisiones queda estructurado como en la figura 9-12.
Cada nodo terminal tiene asignado el beneficio neto correspondiente, dis-

minuido de la cantidad K' (los valores han sido tomados del cuadro 9-1 y expre-
sados en Bs -103), que es el valor esperado del estudio (VEIM) y es lo que quere-
mos determinar.
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
-K
w
.12
igualando el valor del beneficio esperado obtenido considerando el estudio

(según aparece en el nodo inicial del árbol de la figura 9-12, es de 194—K') al valor
del beneficio esperado según el análisis a priori se obtiene la siguiente ecuación
194 -K f - 194
que arroja un VEIM = O
Recordando que el costo del estudio es de Bs. 100,000 (costo asociado a la adqui-
sición de información), la ganancia esperada de la información muestra! (GEIM)
en este caso es:
GEIM - O - 100.000
GELM - - 100.000
259
o sea, una perdida,
Es interesante detenerse eri el hecho de que independientemente del resultado

que dé el estudio de suelo (véase figura 9-10), la decisión óptima es siempre la de
perforar (por ser la de mayor beneficio neto esperado) además, aun $n hacer el
estudio, perforar es también la decisión óptima. En otras palabras, el estudio no
aporta ninguna información que al Decisor haga modificarle la estrategia elegida
a prióri.
9.5. EL VALOR DE LA INFORMACIÓN Y LA ACTITUD ANTE EL RIESGO

DEL DECISOR
Ya en la Unidad 7 quedó establecida la importancia que puede tener la con-

sideración de la actitud del Decisor ante el riesgo en la toma de decisiones. Vimos
que cada Decisor queda caracterizado por una curva o función de utilidad y que la
decisión es tomada buscando maximizar esta utilidad, que refleja el grado de satis-
om
facción que le puede producir uno u otro beneficio (monetario o no).
c
s.
En el caso de la determinación del valor del valor de la información, pode-
ro
mos ver que es también muy importante la consideración de las preferencias al
riesgo.
fo
m
Si en la ecuación 9.8 hacemos que se maximicen no los beneficios sino la

a.
utilidad que tales beneficios producen, obtendremos:

t un
on
S P (E.)-máx I U (Vy -K) ) - máx PÍE.J-UÍ^.) (9.9)

yc
dm
.a
Esta es una ecuación en K, pero ya no de primer grado (a menos que la fun-

w
ción utilidad, U (v), sea lineal), K sigue siendo el valor esperado de la información
w
perfecta, pero ahora, está determinado no por una relación de beneficios sino por
w
una relación de la utilidad que al Decisor le producen tales beneficios.
Dependiendo de la forma de la función U (v), de si tiene expresión analíti-

ca o no, será más o menos fácil el despeje de K. Este despeje, en todo caso, puede
conducirse mediante un proceso de tanteo.
Nótese que gracias al axioma de monotonicidad, a pesar de ser K una incóg-

nita a despejar, siempre podrá establecerse el valor
máx [ U (V' -K) JJ = 1. , . n
e,n el primer miembro de la ecuación 9.9.
Continuemos con nuestro ejemplo de la perforación del pozo petrolero y su-

pónganos ahora que nuestro Decisor se caracteriza por una actitud ante el riesgo
representada por ¿a funcióü utilidad que aparece en la figura 9.13
260
c om
s.
ro
fo
100 300 1000

m
a.
t un
on
En la figura 8.14 aparece el árbol correspondiente a? análisis a priori; en cada

yc
nodo terminal aparece, junto al beneficio neto correspondiente (en Bs '10— 3 ). el

dm
valor de utilidad respectivo según la curva. Encerrados en un óvalo representamos

valores de beneficios, ias utilidades equivalentes aparecen encerradas en un rectán-
.a
gulo.
w
w
Nótese que según se consideren beneficios o utilidades, la alternativa escogi-

w
da cambia. En el primer caso la mejor es A¡ mientras que en el segundo es A3.

281
Veamos ahora cuanto vale el VEIP
El árbol correspondiente es el de la figura 9.15 (árbol del clarividente)
BENEFICIO UTILIDAD
- 200 -K [¡ (-200— K )
0 K U ( - K)
0,52 U f - K ) + 0,26 U (300-K)

300 K V (300 -K)
Kj
n u !' . Vi
1000 K; L'(IOOO-K)
om
O K i U i- K)
c
s.
ro
Figura 9,15
fo
m
Empleando la ecuación 9.9 tenemos

a.
un
0.52 U ( -K) + 0,26 t (300 -Kí + 0,22 L (1000 -Kí = 0,5

t
on
Dado que U ( v ) no está representada por una función analítica continua, es nece-
sario resolver esta ecuación por tanteo. Trataremos de reproducir el miembro de-
yc
recho de la ecuación, sustituyendo valores de K en el miembro izquierdo.

dm
1. Para K = 200
.a
0,52 U ( -200) + 0,26 U Í100) +• 0,22 U (800) - 0,5

w
O 4 0,26.0,75 + 0,22.0,96 0,5

w
w
0,4056 O, 5
2. Para K - O
0,52 U (0) + 0,26 U (300) + 0,22 U (1000) Of5
O, 52. 0,5 + 0,26. O, 85 + 0,22 1 = 0,5
0,7010 :> 0,5
3. Para K - 104
0,52 U (-104) + 0,26 U (196) + 0,22 U (896) = 0,5
0,52. 0,24 + 0,26 . 0,80 + 0,22.0,98 - 0,5
0,5485 > 0,5
4. Para K - 130
0,52 U (-130) + 0,26 U (170) + 0,22 U (870) = 0,5
0,52. 0.18 + 0,26. 0.77 + 0,22. 0,97 - 0,5
0,51 ^ 0,5

262
Si aceptamos la aproxknación, el Valor esperado de la información perfecta, con-

siderando la función de utilidad de la figura 9.13 es:
VEJP = Bs. 130.000
9.6. EL VALOR DE LA INFORMACIÓN Y LA PERDIDA DE OPORTUNIDAD
Muchos autores enfocan el análisis del valor de la información considerando,

asociado a cada nodo terminal del árbol de decisiones, un valor de pérdida dé
oportunidad en cambio de un valor de beneficio neto.
A pesar de que se trata simplemente de un modo alternativo de resolver el

mismo problema, a continuación lo trataremos, ya que en algunos casos su uso fa-
cilita la determinación del valor de la información.
Volviendo a nuestro ejemplo de la perforación del pozo petrolero, vernos que

en la figura 9.16 apar an en los nodos terminales del árbol los correspondientes
om
valores de pérdida <Je < -ortunidad.
200.000
c
s.
ro
fo
m
o
a.
un
o
t
on
300.000
yc
dm
1000000
0,22
.a
Figura 9 . 1 6
w
w
w
Vemos que si por ejemplo decidimos no perforar y el pozo es grande (estado

0 3 ) la pérdjda ôportunidad es de Bs. 1.000.000, que es lo que dejamos de ganar
por no haber tomado la decisión óptima bajo el estado dado (por ser grande el po-
zo, la decisión óptima es perforar); igualmente, si decidimos perforar y el pozo está
seco ( 0¡) la pérdida de oportunidad es de Bs. 200.000 que es lo que dejamos de
ganar por no haber tomado la decisión óptima que, en este caso, era no perforar
(la ganancia consiste en una pérdida evitada, la cual en este caso es de Bs. 200.000).
Evaluado el árbol vemos que la pérdida de oportunidad asociada a cada estra-

tegia es:
Estrategia Aí : 0,52 X 200.000 + 0,34 X O + 0,14 X O . = 104.000
Estrategia A 2 : 0,52 X O 0,26 X 300.000 0,22 X 1.000.000= 298.000
la estrategia óptima es la de menor pérdida de oportunidad asociada, o sea, A1.

263
En términos de pérdida de oportunidad, el Valor esperado de la información

perfecta (VEIP) se define como la pérdida de oportunidad esperada asociada con
la estrategia óptima, bajo el estado de información a priori considerado.
Por lo tanto tenemos que
VEIP = Bs. 104.000
tal como habíamos determinado en la sección 9.3
Para los efectos de la información imperfecta, el VEIM puede ser calculado

como la diferencia entre la pérdida de oportunidad asociada a la estrategia ópti-
ma en un estado de información a priori (VEIP) menos la pérdida de oportunidad
asociada a la estrategia óptima bajo conocimiento de la información muestral (im-
perfecta).
En nuestro ejemplo de la grabación del disco tenemos:
om
bajo el estado de información a priori el árbol es el de la figura 9-17
c
s.
E
ro
20.000
fo
m
100.000
a.
t un
on
Figura 9.17
yc
dm
de donde se desprende que las pérdidas de oportunidad asociadas con las estrate-
gias G y G son respectivamente 15.000 y 25.000, por lo que G es la estrategia
.a
óptima y 15.000 es la pérdida de oportunidad a ella asociada.

w
w
VEIP = 15.000
w
Una vez que se considera la información muestral se tiene lo reflejado en la

figura 9-18
20000
100000
CiGoTogo/T? O
Figura 9.18

del mismo se puede observar que reiterando los resultados del árbol de la figura
9.8, si la encuesta pronostica éxito, entonces la estrategia óptima es G ( l a de me-
nor pérdida de oportunidad); si en cambio, pronostica fracaso, la estrategia a ele-
gir sera G; en iodo caso la pérdida de oportunidad asociada con la estrategia ópti-
ma después de conocer la información muestra! es, como se lee en el árbol, de Bs.
13.000, por lo tanto
15,000 - Í3 ,000
es corno habíamos dicho e! VEIM.
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

Instrucciones
Resuelva los siguientes problemas:
1) Dada la siguiente matriz de decisiones, donde a cada par (A., E.) le corres-
ponde un beneficio V.- expresado en miles de bolívares, el cual representa el
ingreso neto resultado de la comercialización de un producto; E 1 ( E3 y E 3
ESTADOS NATURALES
CURSOS
DE
ACCIÓN E 2 E3
A, 600 2100
om
A2 700 1400
c
s.
1000 700
ro
son tres posibles grados de aceptación del producto por parte del público,
fo
cuyas probabilidades a priori son respectivamente 0,3; 0,6; y 0,1 y A I , Aj

m
y A3 son tres distintas estrategias de ventas, determinar:

a.
un
a) El beneficio neto esperado con la información a priori, (en Bs ).

t
on
b) El valor esperado de la información perfecta.

yc
dm
Suponga ahora que el Decisor no es neutral al riesgo, sino que responde en

un caso a la función de utilidad dada por:
.a
w
700
U, ( X ) = l - e >X O
w
w
y en otro caso a la función de utilidad dada por;
X-2SOÜ
700
U 2 (X) = e 2100 > X > O
Determine en ambos casos el valor esperado de la información perfecta (res-

puestas c y d).
2) Suponga usted que existen tres eventos de interés con las probabilidades de
ocurrencia siguientes:
E! : el empresario obtendrá éxito completo, con P (E a ) = 0,58
E 2 : el empresario obtendrá un éxito limitado con P (E 2 ) = 0,25
E 3 : ei empresario fracasará, con P (E 3 ) - 0,17
Suponga también la siguiente matriz de beneficios netos dados en Bs -103

Estados Naturales
Cunos
de
Aeeióvs E5 2 £3
A, 5000 2000 1000
A2 0 0 0
donde
A! . invertir en el negocio del empresario.
A2 : no invertir en el negocio del empresario.
om
Se lleva a cabo una encuesta cuyo costo es de Bs. 125.000. La misma arroja
c
s.
los siguientes resultados muéstrales: ro
Se observa e, con P (e, ) = 0,6
fo
Se observa e 2 con P (e 2 ) = 0,3
m
Se observa e 3 con P (e 3 ) - 0,1

a.
un
Además, las probabilidades a postenon son las siguientes:

t
on
P (E, / e , } -0,8 P ( E , e 2 ) - 0 , 3 , P ( E , 'e3 ) - 0,1

P ( E 2 / e i ) - 0 , l ; P ( E 2 - ' e 2 ) = 0,5 , p ( E 2 / e 3 ) = 0,4
yc
P ( E s / e , ) = 0,l ; P ( E 3 / e 3 ) = 0,2 , P ( E 3 / e 3 ) = 0,5

dm
Conteste las siguientes preguntas.

.a
w
a) ¿Cuál es el VEIP con la información a prior/?

w
w
b) ¿Cuál e¡$ el valor esperado de la información muestral?
c) ¿Cuál es la ganancia neta asociada a la encuesta?
3) En el problema de la grabación del disco del Grupo XXX tratado en esta

Unidad, supóngase que se conducen dos estudios de mercado independientes
del mismo tipo (igual contabilidad) del que se señala en el texto. Determíne-
se la estrategia óptima y la pérdida de oportunidad asociada a ella, suponien-
do que uno de los estudios pronosticó éxito y el otro fracaso. Determine el
valor esperado de la información muestral.
4) Cierto comerciante tiene un hotel ubicado cerca de un lugar en donde pronto

se instalará una exposición industrial internacional.
El comerciante cavila sobre la posibilidad de construir unos cuartos adiciona-

les temporales. Estos cuartos adicionales carecerán de valor en cuanto se
clausure la exposición internacional, puesto que la capacidad del hotel es más
que suficiente para aterido? la demanda normal.

Sean las estrategias factibles las siguientes:
A j : construir los cuartos adicionales
A 2 : no construirlos
Sean los eventos de interés los siguientes:
E , : la demanda es suficiente para cubrir el costo de construcción de los

cuartos adicionales.
E 2 ; lo contrario de E,
Suponga también las siguientes probabilidades a priori:
P Í E , ) = 0,5 , P ( E 2 ) - 0,5
om
Existe la posibilidad de realizar una encuesta que reportará las observaciones
muéstrales e, y e2 con las características siguientes:
c
s.
ro
P ( e , / E , ) - 0,55 P ( e i / E 2 ) = 0,50
fo
P(e 2 /EJ- 0,45 P ( e 2 / E 2 ) - 0,50
m
a.
Suponga la siguiente matriz de pérdidas de oportunidad:

un
ESTADOS NATURALES
t
CURSOS
on
DE
E, E2
yc
ACCIÓN
dm
AI 0 500000
.a
A7 550000
w
0
w
Obtenga la siguiente información:

w
a) El curso de acción óptimo a priori.
b) El curso de acción óptimo si se observa e,.
c) El curso de acción óptimo si se observa e 2 .
d) Píe,) y P(ea)
e) El valor esperado de la información muestra!.
L Digitalizado por Liz Zambrano para www.admycontuna.mforos.com 269

SOLUCSOISI OE LA AUTOEVALUACIOIM
Objetivo Sección
Problema Evaluado de Referencia
17 9.3
í J« 9.4
17 9,4
18 9.4 - 9.6
com
s.
Solución al problema No, 1 ro
fo
Construyamos el árbol correspondiente y evaluámoslo
m
a.
tun
on
yc
dm
.a
w
w
w
100
1000
700
la acción recomendable es la A 3 y su beneficio neto esperado es de Bs. 700.000.
Para la determinación del VEIP es necesario que construyamos el "árbol del

clarividente". Para ello intercambiamos los nodos de decisión con los nodos de
incertidumbre. Obtenemos el siguiente árbol en cuyos nodos terminales hemos
colocado eí beneficio correspondiente disminuido de la cantidad K que es nuestra
incógnita.

300-K
300-K
100-K
600-K
700-K
1000-K
2100--K
1400—K
700~K
Efectuando la igualdad y despejando se obtiene:
900 - K =
om
K - 200
c
s.
El valor esperado de la información perfecta, VEIP, es de Bs. 200.000.
ro
Para la segunda parte del problema, cuando ei decisor no es indiferente o
fo
neutral al riesgo, tenemos que asociarle a cada nodo terminal la utilidad corres-
m
pondiente al beneficio respectivo, según la función de utilidad del Decisor consi-

a.
derado. A continuación repetimos el árbol con los valores de utilidad correspon-

un
dientes a las funciones U i (X) y U 2 (X).

t
on
yc
dm
BENEFICIO Ui U2
.a
300 0,1331 0,0764

w
w
600 0,5756 0,1173

w
2100 0,9502 1,000
300 0,3486 0.0764
700 0,6321 0,1353
1400 0,8647 0,3679
100 0,1331 0,0574
1000 0,7603 0,2077
700 0,6321 0,1353
£72 Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

Como vemos, la utilidad equivalente máxima para el Decisor caracterizado

por U 2 (X) es de 0,5703 y corresponde a la alternativa A 2 , mientras que para el
Decisor caracterizado por U 2 (X), la alternativa mejor es la Aj con una utilidad
equivalente de 0.1883,
Construyamos ahora el "árbol del clarividente" con las utilidades asociadas.
Beneficio Ui U2
300 — K U j (300—K) U 2 (300-K)
300 - K U! (300— K) U 2 (300-K)
100 - K U j (100-K) U 2 (100-K)
600 - k U j (600-K) U2 (GOO-K)
om
700 -K U j (700-K) U 2 (700-K)
c
s.
1000 - K roU j í l O O O - K ) U2 (1000—K)
fo
2100- K U! (2100— K) U 2 (2100— K)
m
5 1400 - K Uj(1400-K) U 2 (1400— K)

a.
un
700 - K U i (700-K) U 2 (700-K)

t
on
yc
Veamos primero lo concerniente al Decisor caracterizado por U!.

dm
.a
La utilidad equivalente asociada al nodo inicial es

w
0,3 U i (300-K)+ 0,6 U! (1000 ~K)+0,1 U, (2100-K)

w
w
Si la igulamos a la utilidad equivalente máxima, obtenida con la información

a príori nos queda:
0,3 U, (300-K) + 0,6 U, (1000-K) + 0,1 U, (2100-K) - 0,5703
Sustituyendo la expresión de Uj (X) tenemos:

3.00—K 1000-K^ 2100-K
700 700 700
0,3(1-6 ) +0,6(l-e ) + 0,l(l-e ) = 0,5703
K 3_ _ 30
700 ~~ 7 7 —3
1-e (0,3 e +0,6 e + 0,1 e ) = 0,5703
/. K - 155.3
Para el Decisor caracterizado por U, el VEIP es entonces igual a Bs. 155.300

(respuesta c).

273
Veamos ahora para el Decisor caracterizado por U 2 En forma similar tendre-

mos:
0,3 U 2 (3GO-K) 0,6 U 2 (1000-K) 0,1 U 2 (2100- -K)= 0,1933
Sustituyendo nos queda;

300- K. 2100 1000—K- 2100 2100 -K -2100
700 , A r, 700 700
P
«-
l
-r
* O5n
V W P
^ + 0,1 e - 0,1933
K 18 11
e 7~ (0,3 e 7 4 0,6 e 7 + 0 , 1 ) -0,1933
K 173,3
Para el Decisor caracterizado por U 2 el VEIP es entonces igual a Bs. 173.300.

(Respuesta d).
c om
s.
ro
Solución al problema No 2
fo
m
El árbol correspondiente es
a.
un
•SO O O
t
15,
on
20ÜÜ
0,25
yc
o r -o 1000
dm
.a
w
w
w
Eí "árbol del clarividente" es

5000 K
C_3400

Igualando tenemos:
3400-K = 3230
K = 170
El valor esperado de la información perfecta es:
VEIP= Bs. 170.000
Construyamos ahora el árbol que considera la encuesta:
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
Igualando el beneficio neto esperado (óvalo del nodo inicial) con el beneficio
w
neto esperado con la información a priori, obtenemos:

w
w
3230-K'-3230
K'= O
o sea, el valor esperado de la información muestral es nulo, VEIM - 0. Esto obvia-

mente era de esperar desde que se observa en el árbol anterior que, independiente-
mente del resultado que arroje la encuesta, la estrategia recomendable es siempre
A j , la misma que se había seleccionado en el análisis apriori.
La ganancia neta asociada a la encuesta es:
GEIM - VEIM - costo del estudio
GEIM= O - 125.000
GEIM- - 125.000
O sea, es una pérdida. No vale la pena realizar esa encuesta.
275
Solución al problema No. 3
Dado que los estudios conducidos son independientes podemos construir el

siguiente árbol de probabilidades:
0,09
0,06
0,06
0,04
0,03
3/4
0,12
om
0,12
c
s.
0,18
ro
fo
SeaM = [(e t n e 2 ) U (e t n e 2 )] , nos interesa determinar P (E/M) y P (E/M)
del árbol vemos que P (M/E) - 0,6 X 0,4 + 0,4 X 0,6 - 0,48 y P (M/E) - 0,2 X
m
X 0,8 + 0,8 X 0,2 = 0,32 aplicando la fórmula de Bayes tenemos que

a.
un
P (M/E) • P (E) 0.48 X 1/4

t
P (E/M) =
on
P (M/E) • P (E) + P (M/E') - P (E') 0.48 X 1/4 + 0.32 X 3/4

yc
J_
3
dm
.a
P (E/M) = 2/3
w
w
w
de esta manera podemos construir el siguiente árbol de decisiones: (M es el com-

plemento de M) en cuyos nodos terminales hemos indicado la pérdida de oportu-
nidad respectiva.
20000
100000
o
o
20000
100000

Resolviendo el árbol se nota que para ei caso en que uno de los estudios
determina éxito y el otro fracaso (para el caso en el cual se verifica M) la estrategia
con menor pérdida de oportunidad es G (grabar el disco) con un valor asociado de
Bs. 13.333,33.
Nótese que no hemos resuelto la parte del árbol asociada a M; el estudiante

puede hacerlo y de esta forma determinar el VEIM, recordando que para este pro-
blema VEIP = POEIAP = Bs. 15.000.
Solución al problema No. 4
Construyamos el árbol correspondiente:
500.000
om
250.000)
c
550.000
s.
ro
fo
m
0,5 ^ O
a.
Con las probabilidades a priori, el mejor curso de acción es A! por ser el de

un
menor pérdida de oportunidad. La pérdida de oportunidad esperada con la infor-

mación apriori es:
t
on
, POEIAP- 250.000
yc
dm
b) Construyamos el árbol considerando el estudio muestral:

.a
w
w
w
500000
C238095.53
500000
550000
0,52632
277
Ya habíamos determinado que POEIAP - 250.000,
VEIM - POEIAP -POEIM
VEIM = 250.000-248.748,7
VEIM = 1251,3
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

Calculemos las P (Ej !e-}) que nos interesan, conocemos
P ( 6 l / E j ) = 0,55 ; P ( e / E 2 ) = 0,50;
P ( e a / E 1 ) = 0 , 4 5 ; P ( e 2 / E 2 ) - 0,50
aplicando la fórmula de Hay es tenemos;
/E,) • P(EO +P(e, P(E2)
0,55 X 0,5"
P(EI/el) = •= 0,522381
0,55 X 0,5 0,50 X 0,5
Similarmente se obtienen:
om
P(E2/e, ) = 0,47619
c
s.
P(E1/e2 ) - 0,47368 ro
P(E2/e2 ) - 0,52632
fo
m
Llevando estos valores al árbol se pueden obtener las pérdidas de qportuni-

a.
dad asociadas con cada estrategia, tal como se indica.

un
Si se observa e{ el curso óptimo de acción será A t , por ser el de menor pér-

t
on
dida de oportunidad asociado.

yc
c) Si se observa e 2 el curso óptimo de acción será A 2 por ser el de menor pérdi-

dm
da de oportunidad asociado.
.a
d) P(e ,) - P ( e , / E ( ) • P ( E , ) + P (e , /E 2 ) • P (E 2 )
w
w
P (e! ) = 0,55 X 0,5 + 0,50 X 0,5 - 0,525

w
P ( e 2 ) = P ( e 2 / E , ) • P ( E t ) + P (e2 / E 2 ) • P (E 2 )
P ( e 2 ) = 0,45 X 0,5 +0,50 X 0,5 - 0,475
C.238095,0)
C248748.7)
0,475
(260524,0)
POEIM - 248748,7
278
Ya habíamos determinado que POEÍAP = 250.000,
VEM - POEÍAP - POEIM
VEíM « 250.000-248.748,7
VEIM - 1251,3
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

BIBLIOGRAFÍA EMPLEADA PARA EL MODULO II
ACKOFF, R. y SASIENI, M. Investigación de Operaciones. Editorial

Limusa, México, 1975.
BARCÓN, Jaime Teoría de la Utilidad, Universidad Central

de Venezuela. Octubre, 1979,
BONINI,C.ySPURR,W. Statistical Analysis for Business Decisions.

Richard irwing Inc., USA, 1973.
GRANT, E. y IRESON, G. Principies of Engineering Economy, The

Ronaid Press, Co., USA, 1976.
HOWARD, R. A. Decisión Analysis: Applied Decisión Theo-

ry. Proceedings of the Fourth International
om
Conference on Operational Research. Wiley
Interscience, USA, 1966.
c
s.
Decisión Analysis in Systems Engineering.
ro
Sistems Concepts: Lectures on Contempo-
fo
rary Approaches to Systems. John Wiley &
Sons, USA, 1973.
m
a.
The Foundations of Decisión Analysis.

un
IEEE, Transactions on Systems Science and

t
Cyberneties Vol. Scc No. 3, September,

on
USA, 1968.
yc
Ri&k Preference. Readings in Decisión Ana-

dm
lysis. Stanford Research Institute, USA,

1977.
.a
w
KEENEYR. y RAIFFAH. Decisión with Múltiple Objetives: Preferen-

w
ce and Valué Tradeoffs. John Wiley & Sons,

w
USA, 1976.
MATHESON J. y HOWARD R. An Introduction to Decisión Analysis.

Stanford Research Institute, USA, 1968.
RAIFFA, H, Decisión Analysis. Addison - Wesdley, USA,

1970.
RHEAULT, J. P. Introducción a la Teoría de las Decisiones.

Limusa, México, 1979.
STAEL, C. A Tutorial in Decisión Analysis. Stanford

Research Institute. USA, 1973.
THUESEN, H. y FABRYCKY, W. 'ineering Economy. Prentice Hall, USA,
281
I
METODOLOGÍA DEL ANÁLISIS
DE DECISIONES
Lista de Unidades
Unidad 10. El ciclo y las fases del Análisis de Decisiones.
om
Objetivos
c
Al finalizar el estudio del Módulo III, el estudiante deberá estar en capacidad
de:
s.
ro
fo
Aplicar la metodología del Análisis de Decisiones a la resolución de un
m
caso práctico.
a.
t un
on
Introducción
yc
dm
Con todos los elementos que se han analizado durante el desarrollo de este
Curso, esencialmente con:
.a
- La codificación de la Incertidumbre inherente a un ambiente o escenario

w
de decisión,
w
w
- La codificación de las Preferencias de quien ha de tomar la decisión.
Se tiene un cuadro lo suficientemente completo el cual, junto con una Es-

tructuración adecuada del problema de decisiones que se tenga entre manos, es
suficiente para conducir un análisis que lleve a la determinación de la Decisión
más adecuada para el Decisor.
En este tercer Módulo se presenta una Metodología que permite conducir el

proceso de análisis de decisiones en una forma orgánica, articulada, bien estructu-
rada, de manera tal que, paso a paso se pueda visualizar todo lo concerniente al
proceso relacionando convenientemente todos los elementos que lo constituyen.
Esta metdología no es el único camino a seguir en un proceso de análisis de

decisiones; es una metodología que ha sido desarrollada por el "grupo de Análisis
•5 Decisiones'1 del Stanford Research Institute y adoptada por los autores de este
lurso por considerarla clara, coherente y lo suficientemente amplia como para
_barcar la mayoría de las posibles situaciones leales de decisión.
283
UNIDAD
FASES OEL ANÁLISIS DE DECISIONES
Ai finalizar el estudio de esta unidad usted estará en capacidad de:
19) Aplicar la Fase Deterrninística del Ciclo del Análisis de Decisiones en la reso-
lución de un caso práctico.
20) Aplicar la Fase Probabiiística del Ciclo del Análisis de Decisiones en la reso-
21) Aplicar la Fase ínformacional dei Ciclo del Análisis de Decisiones en la reso-
ESQUEMA DE CONTENIDO pág
10.1. El Ciclo del Análisis de Decisiones 287
om
10.2. La Fase Determinística 289
c
s.
10.2.1, Etapa de Modelación, .
ro - 289
10.2.2. Etapa de Análisis 292
fo
m
10.3. La Fase Probabiiística 294

a.
un
10.3.1. Codificación de incertidumbre en las Variables Aleatorias. . 294

10.3.2. Desarrollo de Loterías de Valor 296
t
on
10.3.3. Estudio de la Dominancia Estocástica 297

10.3.4. Codificación de la Preferencia al Riesgo 298
yc
10.3.5. Estudio de la Sensibilidad Estocástica 299

dm
10.3.8. Estudio de la Sensibilidad al Riesgo 300

»
.a
10.4. La Fase Inforrnacionai 300

w
w
10.4.1. Etapa de Análisis 300

w
10.4.2. Etapa de Modelación. , 301
10.5. Realimentación en el Ciclo de Análisis de Decisiones 301
10.6. La Modelación 302
10.7. introducción al Estudio de Casos 308
10.8. Caso de Estudio "Plásticos S. A." 309
10.9. Estudio del Caso "Plásticos S. A." 312
10.9.1. Organización de la Información del Caso 312

10.9.2. Aplicación del Ciclo del Análisis de Decisiones 315
Autoevaluación , .., , 337
Solución de la Autoevaluación , ; 345
285
10.Í. EL CICLO DEL ANÁLISIS DE DECISIONES
Tal como dijimos en la Introducción de este Curso, la intención es la de pre-

sentar una teoría normativa de lo que un individuo normal, enfrentado con un
problema de decisiones, deberá hacer para seleccionar un curso de acción que sea
consistente con las convicciones y preferencias suyas o de su organización.
A continuación esquematizamos una metodología o procedimiento que ha

sido establecido por el "Grupo de Análisis de Decisiones" del Stanford Research
Institute. Este procedimiento no es el único e inalterable camino para conducir el
análisis dej¿n problema de decisiones, pero constituye una forma eficiente de ase-
gurarse que en dicho análisis han sido considerados coherentemente los pasos
esenciales del proceso previo a la toma de decisiones.
Como se notará en el estudio del caso al final de este Módulo, dependiendo

de cada situación, hay pasos del procedimiento que no será necesario llevar a cabo
y el orden en el cual hay que seguir esos pasos tampoco es del todo rígido. Todo
depende del problema en particular que se analiza y, por supuesto, de la experien-
om
cia del analista, la cual et ;n todo caso muy importante.
c
s.
En la figura 10-1 se esquematiza el procedimiento. Como vemor 3 trata de
ro
un ciclo constituido de tres fases esenciales más un bloque de realime. ación que
cierra el ciclo.
fo
m
a.
Información
un
Inicial
t
on
FASE
yc
DETERMINISTLGA
dm
.a
w
Captación de
w
FASE
PROBABILISTICA nueva Informa
w
ción
FASE
INFORMACIONAL
FIG. 10.1 El Ciclo del Análisis de Decisiones

La primera fase, o fase determinística, comprende aquella parte del análisis

destinada a la definición de las variables que intervienen en la decisión, las relacio-
nes que entre ellas existen y el rango de valores que pueden asumir.
La segunda fase o fase probabilística, contempla tanto la consideración de las

probabilidades asignadas a las variables de naturaleza incierta, como la considera-
ción de preferencia al riesgo del Decisor.
La tercera fase o fase informacional, se concreta a la determinación del valor

de la incertidumbre y a la evaluación de la conveniencia o no de la obtención de
información adicional. Dependiendo de los resultados que arroje esta fase del aná-
lisis, podrá o no iniciarse un proceso de captación de información adicional,
proceso a raíz del cual pueden producirse modificaciones, algunas veces sustancia-
les, en el modelo construido durante las anteriores y por lo menos la asignación de
probabilidades de alguna variable, sufrirá alternaciones.
Una vez que se ha incorporado la información recolectada, se repiten las tres

fases y de nuevo se llega al punto en el cual se tomará una nueva decisión.
om
Este ciclo se repetirá tantas veces como sea conveniente, dependiendo de la
c
s.
evaluación que se realiza en la fase tercera. ro
fo
CUADRO 10-1
m
a.
un
FASE DETERMINÍSTICA
t
on
Etapa de Modelación
yc
(1) Delimitación de la Decisión

dm
(2) Identificación de las alternativas

.a
(3) Establecimiento de los atributos que servirán para medir los

w
resultados
w
w
(4) Selección de las variables del sistema

(5) Creación del modelo estructural
(6) Creación del modelo de valor
(7) Creación del modelo de preferencia temporal
Etapa de Análisis
(8) Estudio de ia sensibilidad de los resultados a las variables

del sistema

10.2, LA FAOE DETEKMiMSTÍCA
La fase dsterrrnmstica ônaisñe, esencialmente, en k elaboración del diseño

conceptúa!, desde ur mmo de vista de sistemas, del problema que se tiene entre
manos. Esta fase ro Üe-ya a cabo en dos etapas, una de modelación y ote de aná-
lisis,
En el cuadro 10.1 aparecen los pasos a seguir en cada una de ellas. Todos
ssí;os pasos aapecfiSoados consiituyeu una guía de trabajo* dependiendo de cada
problema en particular, podrá ser lógico seguir a otro orden, o simplemente su-
primir alguno de los pasos.
í0.2,1. Etapa de Modelación
Durante la etapa de modelación se representan todas las entidades

involucradas en el problema y se formalizan las relajones que exis-
ten entre ellas, sintetizando todo en un Modelo.
om
En la figura 10.2 podemos observar un esquema en él cual, las varia-
bles de estado Sj (i = 1, . . . n), fuera del control del Decisor por
c
representar a les estado-a izaturaies, junto con las variables de decisión
s.
dj (j - 1,. . . M) por él controladas, producen un resultado que para
ro
él tiene un valor ?, Las variables Sj, dj y el valor v están relacionados
fo
entre sí, según establece el modelo.
m
a.
t un
on
yc
Valoí
dm
.a
w
w
w
Detallamos a continuados el significado cíe cada uno de ios pasos

que, según el cuadro 1.0.1, hay que seguir en esta etapa de modela-
ción:
1. La delimitación dé la decisión es siempre el primer paso. Es im-

portantísimo puesto que consiste en la especificación precisa de
que es lo que hay que decidir. Si simplemente estomos haciendo
s' sobze los yesvlfcados que se obtendrán después de un
:;;:/:;;b evento, no estamos frente a un problema de deci-
sión; tal vet lo que-tengamos es alguna preocupación. Estamos
ante un problema de decisión cuando tenemos que optar por
algo, cuando tenemos que comprometer algén recurso, de una u
otra forma.
Por ejemplo, una empresa que presta un servicio a la comunidad
está ante un problema cíe decisiones cuando tiene que fijar cuál
es la cüüiriad del servicio que pretende prestar y a qué precio lo
••, • :• orast-ar. S: en vz.&tto. h empresr; e.?,tá 'sineiendi: estudios
*^ los equipos que usa o está pronosticando el

nivel futuro de venias, puede que esté recolectando información

útil para una posterior decisión, pero no está realmente ante un
problema de decisiones. Si el gerente de la empresa se está inte-
rrogando sobre las consecuencias de un posible aumento de tari-
fas, no está realmente ante un problema de decisiones, mientras
que si debe elegir entre dejar la tarifa al nivel actual o aumentar-
ía peí" ejemplo, sn un 35% , entonces sí está ante una decisión
que, sin duda, traerá consecuencias considerables sobre el bene-
ficio neto de la empresa al cierre del año.
2. La identificación de alternativas equivale a responder cuáles son

los posibles cursos de acción, qué alternativas tiene el Decisor.
Este es un paso de suma importancia, porque la omisión de una
alternativa viable puede complicar o falsear la toma de decisio-
nes. La inclusión deí mayor número de alternativas posibles con-
duce generalmente a mejores decisiones.
3. Eí establecimiento de los atributos que servirán para medir los
om
resultados que reflejan ios objetivos del Decisor constituye la
forma en la cual éste elige medir la deseabilidad de tales resulta-
c
dos.
s.
En el problema de la aceptación que pueda tener un producto
ro
en el mercado de consumo, un atributo que mediría el éxito del
fo
negocio sería el nivel de ventas anuales, otro podría ser el bene-
m
ficio neto anual. En un problema de salud pública, es algo com-

a.
plicado elegir estos atributos; sin embargo, ante la necesidad de

un
hacerlo, un buen atributo podría ser, por ejemplo, el índice de

mortalidad, o bien la esperanza de vida al nacer; también se
t
on
puede optar por una combinación de varios atributos.

yc
4. La selección de las variables del Sistema constituye una tarea

dm
que, en la medida en la cual tratamos con sistemas más comple-

jos, rnás difícil se torna.
.a
Se trata de hecho, de un proceso en el cual se eligen las variables

que rigen el sistema, por lo cual, la dificultad está directamente
w
relacionada con el número de las entidades que lo conforman.

w
Nótese que hemos dicho "elegir" y no "determinar" las varia-

w
bles del sistema; esto tiene que ver con el carácter mismo de las
situaciones reales de toma de decisiones, en las cuales difícil-
mente se trata con sistemas físicos regidos por leyes más o
menos precisas,
No existe una prescripción exacta acerca de la forma en la cual
se deben elegir las variables del sistema; podemos sin embargo
decir que, será necesario fijar la atención sobre aquellas que ejer-
cen influencia sobre el resultado obtenido, determinando conse-
cuentemente el valor de v; por ejemplo, en el problema de la
introducción de un nuevo producto, el precio en el mercado es
una variable determinante. Son importantes también la calidad
del producto, la publicidad, la capacidad de la planta producto-
ra, el nivel de ingreso del público, la saturación del mercado, la
red de distribución, el costo de ia materia prima, etc.
En la figura 10.2 se pudo notar que las variables elegidas se divi-
den en dos grupos: las s¡, que son aquellas sobre las cuales el
Decisoí uo tiene control alguno, o sea, las que están determina-
das por el ambiente, por la naturaleza; éstas son denominadas
variables de estado o variables ambientales.
El segundo grupo, el de las d¡ está constituido por las variables de

decisión; éstos son totalmente controladas por el Decisor. En el
ejemplo anterior son variables de decisión eí precio del produc-
to, el tipo e intensidad de la campaña publicitaria y otras.
En el proceso de selección de variables esta implícita la fijación

de los valores nominales de las mismas y su rango de variación.
El Decisor, o los especialistas que él designe, darán estos valores.
Para las variables de decisión d Í5 estos valores representarán la
percepción que a príori tiene el Decisor acerca de las distintas
alternativas o cursos de acción; mientras, que para las variables
de estado %, ios valores dados reflejan la inceríidumbre en ellas
implícita. Aun cuantío en esta Fase Detennmística no se inda-
gue sobre la distribución de probabilidad de cada una de las
variables de estado s,., se procura fijar su media o valor esperado
y sus extremos (décimo y nonagésimo fractil).
om
5. La Creación del Modelo estructural consiste en la especificación
c
s.
de todas las relaciones entre las distintas variables previamente
ro
definidas. Estas relaciones, generalmente, toman la forma de
ecuaciones matemáticas y/o de sentencias lógicas y son suscepti-
fo
bles, casi siempre, de ser organizadas en forma de un programa

m
de computador, lo cual es sumamente importante para efectos

a.
de cálculo,
un
6. La creación del modelo de valor o modelo de valoración es prác-

t
on
ticamente una prolongación del paso (3), o sea, una vez que el
Decisor ha elegido los atributos mediante los cuales va a medir
yc
los resultados, tiene ahora que asignarles un valor, ponderarlos.

dm
Establecer una norma sobre cómo deben valorarse los atributos

.a
es imposible, todo depende de la situación y del Decisor. Supon-

w
gamos por ejemplo, en el campo militar, el caso en el cual se

w
desea evaluar los resultados de una acción de guerra; dependien-

w
do del Decisor, los atributos elegidos podrían ser: Aí = Kilóme-

tros cuadrados de terreno enemigo ocupado, A2 = número de
aviones enemigos derribados, A3 = número de prisioneros cap-
turados, A4 = rango de ios prisioneros, A5 = número de aviones
derribados por el enemigo, A6 = cantidad de población civil
sometida por el enemigo, A7 = número de blindados destruidos
al enemigo.,, y así podríamos seguir enumerando. Crear un
modelo de valor consiste en asignarle un valor relativo a esos
atributos, por ejemplo, un Decisor podría evaluar el éxito de
una acción mediante el parámetro:
A, A,
A 5 - A,
otro podría elegir:

A5 ^ O
• A2 * A 3 ' A 7
A5 • (A6)2
Ô
como vernos, para el segundo Decisor es mucho más importante

la propia población civil que para el primero; igualmente, le da
menos importancia a las tierras ocupadas y también incluye en su
modelo de valoración a los blindados, que carecen de importancia
para el primer Decisor.
En un ejemplo concerniente a un proceso de selección de los aspi-

rantes al primer semestre de una determinada carrera universita-
ria, podríamos mencionar ios siguientes atributos: A, - prome-
dio de calificaciones sn los estudios medios, A2 - nivel socioeco-
nómico del aspirante, A 3 = nivel obtenido en la prueba psicomé-
om
trica, A4 = calificación obtenida en la evaluación del curso prope-
déutico. Un modelo de valoración posible sería:
c
A
s. log A2
ro
fo
La creación del modelo de preferencia temporal es necesaria
m
cuando los resultados de la acción tornada no se producen en un

a.
único instante sino que están escalonados en el tiempo. La crea-

un
ción del modelo de .preferencia en e! tiempo consiste en elegir un

mecanismo que permita conducir a un único número los valores
t
on
de los distintos resultados, que se han producido en los distintos

instantes de tiempo.
yc
dm
En la sección 64 de la Unidad 6 se trató en forma suficientemen-

te extensa, todo lo necesario para la, creación del modelo tempo-
.a
ral.
w
w
w
10.2.2. Etapa de Análisis
Una vez cumplida la etapa de Modelación se procede a efectuar un

análisis cuyo objetivo es observar cómo influyen en el valor del resul-
tado, las fluctuaciones de las distintas variables dentro de sus rangos
establecidos. Este proceso se denomina análisis de sensibilidad y esen-
cialmente consiste en fijar el valor de un grupo de variables y, modi-
ficando el valor de las restantes, observar las variaciones del valor del
resultado.
El análisis de sensibilidad puede efectuarse tanto sobre las variables

de estado corno sobre las de decisión, sin embargo, normalmente se
efectúa solamente sobre las primeras.
El proceso es como sigue; se selecciona una de las variabes ^(1 = 1,

. . . N) y se hace fluctuar su valor dentro del rango establecido. Para
cada uno de ios valoras que toma la variable ^ se observa el valor del
resultado, esto, Mayado a una gráfica, sería como indica la figura

Fig. 10-3
De esta manera se puede detectar cuan importante es la incertidum-
om
bre en la variable analizada; en general se cumple que en la medida en
la cual v es mayormente afectada por las fluctuaciones de s^, en la
c
misma medida es importante codificar detalladamente la naturaleza
s.
incierta de Sj. ro
Esta manera de conducir el análisis de sensibilidad, haciendo fluctuar
fo
un determinado grupo de variables habiendo fijado otras que pueden
m
hasta ser dependientes de las ftuctuantes, es usual en el Análisis de

a.
Decisiones, pudiendo sin embargo, no tener validez en otro tipo de

un
estudios.
t
En la figura 10.4 podemos observar los resultados de un hipotético

on
estudio de sensibilidad efectuado sobre seis variables, no necesaria-

yc
mente independientes, que definen un modelo de valor,

dm
v = v(r, s, t , x , y , z ) .
.a
w
w
w
2 3 4
Vaíor
Nominal
o media
ra. 10-4
293
Y0 es ei valor que tc:na V cuando ?;, s, t, x,, y, z, valen respectivamen-

te v 0 , s e , t 0 ; x 0 , y ü j 20 que es su correspondiente valor nominal o
medio. Como vemos; Y es poco afectado por x y por t, mientras que
las variaciones de £ y r son realmente importantes.
Las variables que afectan notablemente en su fluctuación, al valor de

V, se suelen denominar variables cruciales.
Si sucediera que V es insensible a las fluctuaciones de s¡, entonces

esta última puede considerarse fija en su valor nominal, con la conse-
cuente simplificación del pi-oblerna.
Es importante determinar también, para los distintos valores que

toma la variable s^ cuál es k alternativa o curso de acción que es más
favorable al Decisor y cuánto vale el resultado asociado a esta alterna-
tiva. En este proceso se detectarán aquellas alternativas que nunca
son favorables, independientemente del valor que torne siestas alter-
nativas se denominan dominadas y pueden ser suprimidas simplificán-
dose e?, problema.
om
El proceso expuesto se ha referido siempre a la consideración de una
variable a la vez, fijando las restantes; pudiera suceder sin embargo,
c
s.
que un par (o un grupo más numeroso) de variables, al variar juntas
ro
produjeran iva efecto que por sí solas no causarían. El análisis de sen-
sibilidad conjunta no es sencillo de realizar, sobre todo cuando se
fo
trata con sistemas complejos; sin embargo, en determinadas ocasio-

m
nes, pudiera ser de mucKa importancia efectuarlo. De todos modos,

a.
en problemas complejos, ijada puede hacerse sin la ayuda del compu-

un
tador: en cada situación io que hay entonces que juzgar es cuan cos-
toso puede resultar realizar un determinado análisis de sensibilidad,
t
on
en comparación con los beneficios (simplificación del problema) que

pueda traer.
yc
dm
10.3. LA FASE PROBABILISTICA

.a
w
Una vez que se ha concluido la fase determinística, se tienen seleccionadas,

w
entre el conjunto de variables de astado (s^, aquellas que el análisis de sensibilidad

w
ha permitido calificar de cruciales. El propósito fundamental de la Fase Probabi-

lística es hacer explícita la incertidumbre inherente a estas variables.
En el cuadro 10.2 aparecen las etapas y íes pasos fundamentales a seguir en

esta fase; como vemos, al igual que en la fase determinística, formalmente se con-
templa una etapa de modelación y otra de análisis; sin embargo, en la explicación
que sigue, no nos ceñiremos rígidamente a este esquema formal, sino que, para
mayor claridad en ia explicación, describiremos ios distintos pasos concatenados
lógicamente, independientemente de si corresponden a Ja etapa de modelación o a
la de análisis.
10.3.1. Codificación de incertidumbre en las Variables Aleatorias
El primer paso que describiremos consiste en la codificación de la

incertidumbre de las variables de estado {%) consideradas cruciales en
la fase detecmmístiea; para ello se deben hallar las distribuciones de
probabilidad de las mismas, para io cual se puede emplear la metodo-
logía de asignación descrita en la Unidad 4, del Módulo L

CUADRO
FASE PRCBABILISTICA
(1 ) Codificación de la incertidumbre de las variables» de

estado aleatorias
('2) Codificación de la preferencia al riesgo
com
s.
ro
fo
m
a.
un
Etapa de Análisis
t
on
(3) Desarrollo de las Loterías de valor

yc
dm
(4) Estudio de la dominancia estocástica

.a
(5) Estudio de la sensibilidad estocástica

w
w
(6) Estudio de ¡a sensibilidad al riesgo

w
Como se recuerda, la asignación de probabilidad que se hace de cada

variable, está condicionada a un estado de conocimiento o informa-
ción, el cual, si lo designamos con E, la distribución de probabilidad
de la variable s, queda expresada así: f (s./E). La correspondiente
función de distribución acumulada se expresa como F (SÍ/E).
Para fines prácticos vale la pena recordar, que, tal como describe la
figura 10-5, una curva de distribución acumulada continua puede ser
aproximada a una función escalera de forma que los valores corres-
pondientes a cada tramo, puedan ser llevados a las ramas del árbol de
decisión. Basta tener el cuidado de que la función escalera sea cons-

truida de modo que las áreas indicadas con el mismo número en la
figura, sean aproximadamente iguales.
Curva resultado de
la codificación
com
s.
Fig. 10-5
ro
fo
Es necesario también, distinguir entre el grupo de variables %, aque-

m
llas que son independientes entre sí; para éstas la distribución de pro-
a.
babilidad correspondiente será simple. Para el resto de las variables

un
serán consideradas distribuciones condicionales.

t
on
10.3.2, Desarrollo de Loterías de Valor

yc
dm
Una vez que se conocen las distribuciones de las Sj, dado que de la
fase determinística se conoce el modelo estructural que relaciona V
.a
con el conjunto de las s^ y las dj, es posible, para cada una de las
w
alternativas o cursos de acción, encontrar la distribución de probabili-

w
dad de V.
w
En ia figura 10-6 se esquematiza lo dicho; en ella, Jes un particular

valor del vector:
f(V/E)
M ODE LO
f(S /E)
6
d

d - {cL, d ¿ , , . . d j f . . . d M ) de variables de decisión, el cual represen-

ta una particular alternativa o curso de acción.
A la función de distribución f (V/S) se le designa como Lotería de

valor y representa ía probabilidad que tiene el Decisor, de obtener un
resultado cuyo valor sea V. una vez que ha decidido el curso de
acción d,
La determinación de esta Lotería de valor, en la práctica puede con-

ducirse mediante métodos analíticos, mediante métodos de simula-
ción o bien construyendo un árbol de probabilidades que concatene
toda? las variables aleatorias involucradas y, de esta forma, aproxima-
damente, deducir la distribución de la variable V.
En principio, debería poderse disponer de una Lotería de valor para

cada posible alternativa o curso de acción; sin embargo, en ios casos
en los cuales estas alternativas son numerosas, conviene examinar pre-
viamente cuáles son las alternativas realmente importantes y deducir
om
las loterías de valor sólo para ellas. Claro está, esto no es siempre
sencillo de hacer.
c
s.
ro
10.3.3. Estudio de la Dominancia Estocástica
fo
m
Una vez que para cada una de las alternativas consideradas se tienen
a.
construyas las Loterías de valor, el analista debe determinar qué

un
curso de acción recomendar al Decisor, bajo el estado de información

que hemos designado E,
t
on
Supongamos que tenemos que decidir entre dos loterías (Al y A 2 )

yc
como las que aparecen representadas en la figura 10-7;

dm
.a
w
w
w
P{V
Fig. 10-7

297
E« obvio que cualquiera que sea el valor de t, tiene mayores probabi-

lidades de ser excedido por el valor v con la alternativa A2 que con la
alternativa A}. Este hecho suele denominarse como Dominancia
Estocástica; en nuestro ejemplo, la alternativa A2 domina estocástica-
mente a la AI ,
En la figura 10-8 se presenta un caso en el cual no hay dominancia

estocástica; en éste la elección no es obvia y conviene entonces consi-
derar la actitud ante el riesgo del Decisor, para así evaluar de nuevo
las alternativas bajo ese ángulo. Hay que notar que hasta los momen-
tos hemos supuesto un Decisor neutral al riesgo.
c om
s.
ro
fo
P(v
m
a.
t un
on
yc
dm
Fig. 10-8
.a
w
10.3.4. Codificación de la Preferencia al Riesgo

w
w
Considerar la actitud del Decisor ante el riesgo significa codificar sus

preferencias al riesgo, o sea, construir su curva de utilidad, tal como
fue expuesto en la Unidad 7 de este Curso. (Ver figura 10-9}
Para cada una de las Loterías de valor deducidas anteriormente pue-

de entonces determinarse un índice, que es la utilidad esperada de la
Lotería de valor y que puede calcularse multiplicando la utilidad
correspondiente a cada posible valor de la Lotería por la probabilidad
correspondiente a ese valor y sumando para todos los posibles valores.
Si un Decisor, entonces, es consistente con los axiomas de la lotería

de la utilidad, debe preferir, estre todas las loterías, aquella de mayor
utilidad esperada. Esta es la manera de resolver el caso en el cual no
se verifica la dominancia estocástica de una alternativa sobre otra.
Dado que el índice "utilidad esperada" usuaimente carece de signifi-

cado directo, una. vez calculada la utilidad esperada correspondiente
a una Lotería, mediante la curva de utilidad, puede determinarse qué
298
CODIFICACIÓN CURVA DE UTILIDAD

{PREFERENCIA AL KIESGÜ)
c om
s.
Figura 10.3
ro
fo
m
valor corresponde a esa utilidad esperada, Á este valor Be le denomina

el Equivalente Cierto de la Lotería y, como se sabe, está expresado
a.
en las unidades del atributo que fue elegido en la fase determinística,

un
como medida de la deseabilidad del resultado, por lo cual, obviamen-

t
te, sí debe ser significativo para el Decisor.

on
yc
10.3.5. Estudio de la Sensibilidad Estocástiea

dm
En la fase daterrniníEtica se estudió cómo se reflejaba, sobre el valor

del resultado, ía oscilación alrededor de su valor nominal de una de
.a
ias variables de estado.

w
w
La sensibilidad estoeástica indica la forma en la cual varía el equiva-

w
lente cierto cuando, a una de las variables de estado, se le hace tomar

ios distintos valores comprendidos en su rango, permaneciendo, las
restantes variables, gobernadas por sus respectivas funciones de dis-
tribución de probabilidad (condicionadas estas funciones a la variable
que se estudia).
A pesar de que una vez que se han comparado las distintas loterías de
valor, se sabe cuál de ellas as la de mayor equivalente cierto y por
ende, cuál es el curso de acción más apropiado, es necesario conducir
el análisis de sensibilidad estoeástica debido a que el modelo que se
ha construido, de antemano, por definición, se sabe que no es perfec-
to; son muchas las aproximaciones y suposiciones que se hacen para
su construcción. Esto significa que si la decisión es muy sensible a las
fluctuaciones de una de ias variables, por ejemplo, podrá justificarse
un perfeccionamiento del modelo que representa esa variable. De la
misma forma, variables que durante la fase determinística parecían
tener una gran importancia, resultan msigniíicantes a raíz dei análisis
de sensibilidad estüeástiea.

En fin, es importante señalar que en la práctica se procede así:
a) Para cada valor de ía variable ^ analizada se determina el valor del

"máximo equivalente*' y la alternativa o curso de acción a él (o
ella) asociado (a).
b) Se llevan a una gráfica estos valores y se tendrá así la sensibilidad

estocástica de la variable si.
Con respecto al análisis de sensibilidad estocástica conjunta, que con-

sidera más de una variable a la vez, se puede decir algo similar a lo
señalado cuando nos referimos a la fase determinística, sólo que en
esta ocasión la complejidad es aún mayor debido a que no nos limita-
mos a determinar un simple número sino una función de distribución.
1Ú.3.6. Estudio de la sensibilidad al riesgo
Finalmente, pudiera justificarse en un determinado caso, efectuar un
om
análisis de sensibilidad al riesgo, esto es, la determinación de cómo es
afectado el valor del equivalente cierto de las alternativas más favora-
c
bles, con la variación de la actitud ante el riesgo del Decisor. En este
Curso no nos detendremos sobre este punto.
s.
ro
fo
m
10,4. LA FASE INFORMACIONAL

a.
Esta tiene por objeto estudiar si vale la pena o no llevar a cabo un proceso de
un
captación de información adicional antes de decidir un determinado curso de

t
acción, a fin de eliminar incertidumbres en algunas de las variables aleatorias.

on
yc
Esta fase constituye una guía mediante la cual el Decisor puede orientarse
para mejorar su estado de información y consecuentemente su decisión. Es decir,
dm
mediante esta fase, se puede determinar cuál es el costo de la incertidumbre en las

variables de estado que en la fase profaabilística se revelaron importantes y, de esta
.a
forma, evaluar si se está dispuesto a pagar un determinado precio para eliminar o

w
reducir tal incertidumbre.

w
w
Como usted recordará, en la Unidad 9, Módulo II, se trató extensamente el

tema del valor de la información, por lo cual no nos detendremos aquí a explicar
los procedimientos de cálculo para la evaluación de los distintos parámetros.
En el cuadro 10-3 aparecen las distintas etapas que contemplan la fase infor-
macional.
10.4.1. Etapa de Análisis
El primer paso a seguir es la determinación del valor de la informa-

ción perfecta; a este proceso se le designa como medida de la sensibi-
lidad económica y se efectúa para cada una de las variables de estado
consideradas. Si una variable muestra una alta sensibilidad económi-
ca, entonces será la primera candidata a ser explorada en cualquier
programa de captación de información adicional; si en cambio, el
valor de 1?. información perfecta concerniente a la variable, es bajo,
puede no valer la pena hacer ninguna investigación adicional. Este es

CUADRO lC-3
FASETNFOBMACIONA
(1) Medida d? la sensibilidad economice, {determinación de!

valor de la eliminación de la meertidumbre en las varia-
bles aleatorias)
Etapñ do Modelación
(2) Exploración de las distintas alternativas pafa la captación de
om
información adicional
c
s.
ro
fo
m
a.
un
uno de ios motivos por los que es importante determinar el valor de

la información perfecta.
t
on
Otro motivo es el hacho de que el valor de la información perfecta es

yc
el límite máximo a pagar por cualquier información no perfecta. Ob-

dm
viamente, si obtener cualquier información tiene un costo mayor que

el valor de la información perfecta, no tiene entonces ningún sentido
.a
adquirirla.
w
w
10.4.2, Etapa de Modelación

w
En esta etapa el Decisor, junto con el analista, deben identificar las

alternativas de captación de información que sean relevantes y ambos
deberán también elegir enere realizar entrevistas, encuestas, contra-
tar especialistas, efectuar experimentos de laboratorio, etc., seleccio-
nando el programa que, ai menor costo, traiga mayores beneficios a
la toma de decisiones.
10.5. REALIMENTACION EN EL CICLO DE ANÁLISIS DE DECISIONES
Una vez que se decide llevar a cabo un determinado programa de captación

de información adicional, queda entonces solamente iterar en el ciclo, para revisar
de esta manera las asignaciones de probabilidad de las distintas variables aleatorias,
realizadas en la fase probabilística.
También es factible que con la nueva información aparezcan nuevas alternati-

vas, o quede mejor dei;:nit?.Ú£. la decisión; en ese caso se producirán también cam-
bios en el modelo determim'stico.
De esta forma, el cielo de análisis de decisiones puede repetirse cuantas veces

sea necesario obteniendo en cada iteración, un modelo más real de la situación o
de decisiones, que se tiene entre manos.
10,6. MODELACIÓN
Como se ha podido notar a través de las anteriores secciones, en la conduc-

ción de un análisis de decisiones se construyen sucesivamente distintos modelos,
cada uno representativo dal problema en sus distintas fases de análisis. También se
l>iabí:á o'; HnivzíiQ ^v ^G^FIS vaziabi-ac son j;ep<:oooEtadas por un modelo; la relación
ente ks distintas variables es cambien representada por un modelo, las preferen-
cias ante el nesgo son también representadas por un modelo y, en fin, cada vez
que se efectúa una iteración en el ciclo del análisis de decisiones se logra también
un modelo "más perfecto", más aproximado a la situación real que se desea repre-
sentar.
Dado que la idea de "Modelo" aparece en forma tan reiterada en este Módu-
om
lo y dada también su importancia,, se ha querido, antes de entrar en la sección
dedicada al "Estudio de Casos", incluir esta sección denominada "Modelación",
c
s.
en la cual se verán lincamientos generales útiles a la construcción de un modelo y
ro
se s&ñalazán además algunos modelos, los cuales, por la frecuencia con que apare-
ce 9tf h ^tótka ?v3R&atai6nt6 ^ jccssiiuaván do utilidad.
fo
m
En el estudio de cualquier situación real que nos ocupe recurrimos a los mo-
a.
delos porque resulta mucho más económico y menos comprometedor, hacer ensa-
un
yos o pruebas sobre el modelo, que sobre la situación misma. Antes de que el
arquitecto decida el diseño definitivo de un determinado edificio, ha realizado un
t
on
número considerable de bocetos, dibujos y hasta una maqueta, la cual le ha permi-

tido hacerse una idea lo más aproximada posible de la realidad que le concierne.
yc
Evidentemente, si ao hiciera esto, sino que estuviera obligado a esperar la cons-

dm
trucción del edificio ideado para tener una visión del resultado, no sería nada fácil
hacer correcciones y modificaciones; es más, podría serle imposible.
.a
w
La importancia de la modelación o construcción de modelos radica en que el

w
procedimiento de ensayo y error no es un instrumento aconsejable cuando está

w
eo juego el éxito de uaa empresa o cuando el error es tan costoso que pueda
entenderse como desastre. Cuando éste es el caso, es preferible ensayar sobre un
modelo.
Los modelos son una aproximación de la realidad en la cual se consideran

solamente las cosas que son esenciales al objetivo perseguido.
E:dtói: aisontos tipo:; de modelo; eo el cuadro 10,4 se presenta un resumen

extraído del texto de Murick y Ross, reportado en la Bibliografía. Como vemos,
en teoría pueden existir 3 X 3 X 2 X 2 X 2 - 7 2 tipos de modelos distintos. La
maqueta de nuestro arquitecto será un modelo descriptivo, icónico, estático, de-
terminístico y específico de la realidad, mientras que si quisiéramos construir un
modelo representativo deí flujo de aviones, carga y pasajeros de un aeropuerto,
seguramente t:eeumría.mos a un modelo predictivo, simbólico, dinámico, probabi-
'lístieo y general. Todo dependa de ío que persigamos, de lo que hayamos conside-
rado esencial y de lo que estemos dispuestos a invertir en su construcción, ya que
obviamente es aiás costoso y complicado construir un modelo probabilístico que
uno rí -terminístico, uno dinámico que uno estático y así sucesivamente.

CUADRO 10.4
LOS MODELOS SEGÚN
LA FUNCIÓN LA ESTRUCTURA EL TIEMPO LAINCERTIDUMBRE LA GENERALIDAD

. i
Descriptivos Dan una Icóüicos. Conservan ¡as carac- Estáticos. Na consideran los cambios ocu- Do lermi rustico^. Tara un deter-
imagen de una situación terísticas físicas de las cosas que rridos ec-in eí tiempo, Ej-: Organigramas, mo minado valor cíe las variables in-
m
Ei.; organigramas, ma- representan, Ej.: algunos jugue- délos estructurales dependientes hay un único valor
co
pas, etc. tes, planos de un aeropuerto, de las variables dependientes. Ej,
maqueLa de un edificio, etc. Dinámicos, Consideran <?l tiempo como va- Los modelos de la mecánica el asi
s.
riable independíente. E j . : Los modelos de ca
ro
Predicíivos. Sirven pronóstico, modelos de series temporales
para predecir; "Si ocu- Analógicos.. Construido con
fo
rre esto entonces segui- elemejitos de comportamiento Probabüuticos. Las variables
.m
rá aquello", relacionan análogo a los elementos reales involucradas pospon un carácter Específicos. Se refieran
variables dependientes que sustituyen Ej.: Simulación cstotíástico y generalmente tie- a un problema particular,
na
e independientes. Ej.: mediante una red eléctrica de! nen asignada una distribución de que forma parte de una
costos de producción - flujo de dinero en una economía probabilidad. Ej.: Los modelos de generalidad. Ej.: El mode-
tu
Costo Materia Prima + la mecánica estadística, las modelo de crecimiento dul sec-
on
Costo Mano de Obra 4- los de colas tor carbonífero
Oeprociación del equi- Simbólicos. Emplean símbolos
yc
po para describir la realidad. Ej.:
Tocias las situaciones descritas
Normativos. Reco-
por una ecuación matemática
dm
.a
miendan la mejor al-
w
ternativa o estrategia a
seguir. Ej,: Nivel de In-
w
ventario óptimo, loca-

w
lización óptima de plan-

tas, etc.
Ce
O
Co

A continuación reportamos una serie de cuadros donde aparecen diversos

modelos que pueden ser de utilidad a ia hora de efectuar la modelación de un sis-
tema dado, algunos de estos cuadros han sido también tomados del libro de Mur-
dick y Ross,
O
i—*
Ü
w
CQ
M
tó
a.
y
om
Ü
c
s.
o
ro
Cu
fo
C fe
g O
m
(tí o
a.
un
G
t
O
on
a
-,-í
yc
O
cd
dm
!X
ea
O O
ta
.a
•o
o
w
W02
•< w a
M E
w
TJ
c
•q
w
1™1
3
•o
.C O)
o ^ °
Q. a •-
O ^ 5-1
5i M
T3 £ ° c
V ÍÍS 0>
O ex, a a
•S £
O
CQ
O
O o «
•s -g I
(,]
v,
«
•J
™¡
3
^ a -o
304
MODELO DE COLAS
OBJETIVO NOMENCLATURA DE LAS PRESENTACIÓN PICTÓRICA REPRESENTACIÓN MATEMÁTICA

VARIABLES
AT
Encontrar la longitud Llegadas según Poisson. Una yola estación de servicio
P [ n llegadas en T ] :
promedio de una cola Tiempo de servicio dis-
o fila de espera y el tiem tribuidos exponencial-
tiempo medio de espera mente
m
\'úm?ro promedio
de una unidad en la cola
de unidades eri - A / (¿í - X)
co
X — promedio del número
de llegadas por perío-
s.
do Población ( O OO OO O
ro
[I— promedio del número Período promedio
fo
1.0 de espera de una - 1 (//- X)
de servicios completos
.m
en un período unidad en el sis-
p (i O
tema
na
T ~: períodos
tu
on
longitud de Promedio de
la fila longitud de la
yc
fila
dm
.a
w
w
w

05
Í
MODELO DE FLUJO GRÁFICO
NOMENCLATURA DE LAS
m
OBJETIVO REPRESENTACIÓN PICTÓRICA REPRESENTACIÓN
VARIABLES MATEMÁTICA
co
s.
ro
Relacionar recíprocamen" Variables independientes:
te las variables en una si- É — Beneficio de la inversión
fo
tuación compleja y deri-
.m
var una expresión mate- C — Inversión fija
na
mática para las variables
dependiente Variable dependiente.
tu
on
i — Inversión
yc
dm
.a
w
•t—i
w
w

NOMENCLATURA PARA LAS REPRESENTACIÓN PICTÓRICA REPRESENTACIÓN MATEMÁTICA

OBJETIVO
VARIABLES PERTINENTE
Encontrar el ordon eco- Q -- tamaño del pedido

nómico
m
Cantidad por intercam- K - costo del manteni-
co
miento de existencias para el costo mínimo
bio de costos de existencia Q
s.
y de pedidos, a fin de
aminorar el costo del 8 — costos de pedidos
ro
sistema
fo
1_) — . demanda anual
tiempo
.m
eslimada
na
TC — costo total de!
tu
sistema
on
Costo
yc
dm
.a
w
w
w
co
O

10.7. INTRODUCCIÓN AL ESTUDIO DE CASOS
Para ilustrar la aplicación del Ciclo de Análisis de Decisiones a un problema

de decisiones, utilizamos el estudio de un caso. Para la solución del mismo, el ana-
lista deberá seguir todas las fases del ciclo del Análisis de Decisiones y arribar a
una recomendación específica sobre la decisión óptima para el Decisor.
Antes de proceder a la aplicación directa del Ciclo del Análisis de Decisiones,

es conveniente explicar al estudiante qué es un estudio de casos y qué característi-
cas presenta.
El objetivo del estudio de casos es facilitar la comprensión del estudiante,

mostrándole cómo se presentan ios problemas de decisión en la realidad. Un caso
es una descripción de hechos, circunstancias, condiciones v prácticas, las cuales
caracterizan ei problema de decisión y el medio en que éste ocurre. Un caso
difiere de un problema en que, generalmente, el caso contiene más de un proble-
ma, algunos de los cuales son evidentes y los otros tendrá que identificarlos el ana-
lista. Otra de las características de los casos es la verosimilitud de la situación que
om
describe. Puesto que un caso es un intento de reconstruir un problema de la vida
real, la redacción del material está hecha de tai manera, que requiere la reorganiza-
c
s.
ción de la información y la interpretación de los hechos, incluyendo la evaluación
ro
de las opiniones expresadas en él.
fo
m
Mucha de la información suministrada puede ser relevante a la solución del

caso, pero algunos datos podrían no serlo. La intención, como se ha dicho, es
a.
simular la vida real donde ios problemas no se presentan lógicamente estructura-

un
dos y organizados. Los casos, generalmente, a diferencia de tos problemas, no

t
plantean directamente la pregunta cuya respuesta se desea. El caso sugiere cuál es

on
el problema, aunque no necesariamente hace preguntas. Los casos de estudios en

yc
general no tienen una única solución, sino que dependiendo del enfoque adoptado
pueden tener más de una. En nuestro caso las suposiciones y razonamientos que
dm
haga el estudiante y la correcta aplicación de la metodología del Análisis de Deci-

.a
siones, son más importantes que la solución misma.

w
w
Con el fin de aprovechar al máximo el estudio de casos, se sugiere seguir los

w
pasos siguientes:
PASOS PARA ESTUDIO DE CASOS
1. Una primera lectura rápida del caso completo.
2. Una segunda lectura, más lenta y subrayando párrafo por párrafo la informa-
ción considerada relevante.
3. Organizar dicha información, revisando el material subrayado.
4. Aplicar ia metodología del Análisis de Decisiones, empezando por la fase

determmística, continuando con la probabilística y luego la informacional.
Los casos para estudio utilizados en este texto son adaptaciones de los publi-
cados por Harvard Business School, Cambridge, Mass. USA. El caso "Plásticos
5. A." es una modificación del caso "Brunswick Corporation" y el caso "Fertili-
zantes C. A." es adaptación del caso "Fertüizers, Inc."
10.8. CASO PLÁSTICOS S. A.
A finales del mes de abril, Juan Gómez, Gerente de Mercadeo de Plásticos

S, A., estaba tratando de establecer cuántas unidades de patinetas debería ordenar
producir a la planta, con miras a cubir la demanda de fin de año.
Las patinetas eran un nuevo producto que Plásticos S. A. había introducido

al mercado el año anterior y debido a las dificultades de predicción de las ventas,
la producción resultó insuficiente para satisfacer la demanda. El Sr. Gómez estaba
ansioso de no incurrir en la misma situación este año y al mismo tiempo no desea-
ba excederse en el volumen del lote a. producir, a fin de evitar quedarse con mer-
cancía sin vender.
Las patinetas que fabrica Plásticos S. A. se destinan al mercado infantil y

juvenil y están constituidas por una plancha de material plástico con cuatro rue-
das del mismo material. El usuario se coloca encima y se impulsa con un pie, hasta
adquirir velocidad; así, que el manejo de la patineta es sumamente fácil de apren-
om
der.
c
s.
Las patinetas se fabrican en dos modelos: de lujo y regular. Ambos tienen la
ro
misma estructura y materiales, diferenciándose sólo en la decoración y colores
fo
empleados. El modelo regular es unicolor, mientras que el de lujo combina dife-
m
rentes colores, incluyendo las ruedas.

a.
un
El producto se fabrica bajo licencia del fabricante norteamericano, quien

mantiene la patente sobre el diseño.
t
on
El contrato de licencia prevé el pago de una suma por el derecho a fabrica-

yc
ción, más un porcentaje sobre el monto de las ventas.

dm
El primer año de venta el producto fue promocionado como un juego infan-

.a
til; sin embargo, las patinetas resultaron tener una gran aceptación entre los ado-
w
lescentes, factor que nq había sido previsto adecuadamente, siendo ésta la razón
w
por la cual el Gerente de Mercadeo estimaba que se habían quedado cortos en la

w
previsión de la demanda. El número total de patinetas vendidas durante el primer

año fue de 35.000 unidades, de las cuales el 60% correspondía al modelo lujoso.
En base a la experiencia del año anterior, el Gerente de Mercadeo estaba con-

vencido de las excelentes perspectivas para las ventas del corriente año pero, aún
así. tanto él como José González, Gerente de Producción, se sentían inseguros
acerca de cuál sería la demanda real del mercado y qué fracción de éste correspon-
dería a cada modelo. De lo que sí estaban seguros era de que a fin de maximizar la
rentabilidad el lote debería calcularse de manera cuidadosa.
La Gerencia de Producción requería, por razones operativas, que la orden de

producción estuviese lista para la segunda semana de mayo, así que la decisión
habría que tomarla pronto.
Como un primer paso para determinar el volumen del lote a producir, los
gerentes decidieron revisar las estructuras de costos para los dos modelos.

La maquinaria de producción existente, adquirida a un costo de Bs. 500.000,

funcionaba satisfactoriamente y tenía una capacidad de producción de un total de
150.000 patinetas por año, de cualquier clase de modelos.
Sin embargo, si la producción aumentara a un nivel entre 150.000 y 200.

unidades, se requeriría una inversión adicional de Bs. 150.
Para aumentar la producción por encima dé las 200.000 unidades anuales, se

requeriría de Bs. 550.000 en adición a los Bs. 150.000 ya mencionados.
Para realizar cálculos de costos, Plásticos S. A. acostumbraba amortizar com-

pletamente las maquinarias en el año en que se las adquiría.
La Gerencia de Mercadeo planeaba vender las patinetas a los siguientes pre-

:ios:
ielo de Lujo: Bs. 55
om
Modelo Regular: Bs. 43
c
Los costos directos de los modelos eran estimados en Bs. 25 para el modelo
regular y Bs. 32 para el de lujo.
s.
ro
fo
En adición a los costos directos, se estimaba que el 9% del margen bruto
m
{para ambos modelos) se requería para gastos de ventas y licencia, mientras que
a.
un 3% adicional se requeriría para promoción y publicidad.

un
Habiendo revisado los costos involucrados, los gerentes dirigieron su atención

t
on
al problema de la demanda, independientemente de la incertidumbre acerca del

número de unidades a producir, ellos descartaban la posibilidad de competencia
yc
por parte de otro fabricante. Adicionalmente, dándose cuenta de que las patinetas
dm
constituían una novedad y una moda, concluyeron que la demanda debería com-
portarse de manera similar a la de tantos otros productos que surgen y se imponen
.a
hasta que el público se cansa de ellos, y, por lo tanto, la demanda desciende brus-
camente. Debido a la extrema incertidumbre acerca de estos factores, se decidió
w
concentrar el análisis en un solo año.

w
w
Consultado el vendedor "estrella" de la compañía, estimó que la demanda

media podría estar alrededor de 150.000 unidades, pero que con certeza no baja-
ría de 50.000 y que de ser muy alta, no sobrepasaría las 300.000 unidades. Tam-
bién indicó que había 1 posibilidad en 4 de que la demanda sería al menos de
190.000 unidades y 3 posibilidades en 4 de que sería al menos de 125.000 unida-
des.
A fin de determinar la cantidad de unidades a ordenar de cada modelo, los

gerentes resolvieron que deberían estimar qué porcentaje de la demanda corres-
pondía a cada modelo. Después de la discusión correspondiente, se pusieron de
acuerdo en que el porcentaje de la demanda correspondiente a cada modelo era
independiente del nivel de la demanda total. El razonamiento que se hizo para
llegar a esta conclusión fue que el comprador se decidirá por un modelo en parti-
cular, básicamente por su propio gusto y por las características y tal decisión no
estará influida de manera alguna por el número total de unidades vendidas. Conti-
nuando la discusión convinieron en que el modelo de lujo podría absorber, proba-
blemente, el 40 % de la demanda total, aunque podría elevarse hasta un 60 % , sin
embargo, *n ningún caso creían que podría bajar del 30 %. Adicionalmente coin-
cídieron en que habría un 75 %de posibilidades de que el porcentaje del mercado

para la de lujo fuese 45 % y un 25 % de que el modelo de lujo absorbiese el 36 %
de ia demanda total de patinetas.
En estas condiciones los gerentes consideraron que ya disponían de la infor-

mación básica necesaria para conducir el análisis, y establecer la estrategia óptima.
El presidente de Plásticos 8, A,, Alberto Ramos, le ha contratado a usted a

fin de que ayude en el análisis de la decisión-problema. En la reunión sostenida
para discutir -a! asunto en cuestión, el Sr, Ramos le entrega a usted, en adición a
toda ia información anterior, un sumario de las recomendaciones y sugerencias
que le han hecho los gerentes de Plásticos S. A. involucrados en el problema, así
como la sugerencia de la presidencia misma.
PLÁSTICOS S. A.
Caracas, 27 de Abril de 198

Asunto: Producción de Patinetas
c om
SUMARIO DE SUGERENCIAS Y RECOMENDACIONES
s.
ro
Gerencia de Mercadeo
fo
m
La Gerencia de Mercadeo estima que el lote debe ser de 225,000 unidades, de

las cuales 130.000 deben ser regulares y 95.000 de lujo
a.
un
Gerencia de Pro-ducción
t
on
La gerencia de Producción recomienda una producción de 150.000 unidades,

de las cuales 70.000 sean de lujo y 80.000 regulares
yc
Presidencia
dm
La Presidencia considera acertada una producción de 200.000 unidades

.a
(85.000 de lujo y 115.000 regulares), peus este volumen podría resultar en

excelentes beneficios sin incurrir en una inversión mu,y elevada en maqui-
w
naria
w
w
Para asegurarse que la decisión que se tome sea la correcta, el presidente

desea que las posibilidades o recomendaciones contenidas en el sumario sean anali-
zadas exhaustivamente.
En respuesta a preguntas que usted Le ha formulado en relación a la actitud
ante el riesgo de Plásticos S. A., el presidente le señala que la compañía siempre
evita incurrir en riesgos innecesarios y que, por supuesto, procura los mayores
beneficios. Ademas declara que es indiferente enire:
a) Participar o no en una Lotería equiprobable de ganar Bs. 4.000.000 y

perder Bs. 3,000.000.
b) Recibir Bs, 1,250.000 con certeza o participar en una Lotería equiproba-

ble de ganar Bs. 4.000.000 y no ganar nada.
c) Recibir Bs. 2.000.000 o participar en una Lotería equiprobable de ganar

Bs. 4.000.000 y ganar Bs. 1.250,
d) Perder Bs. 300.000 con certeza o participar en una Lotería equiprobable

de ganar Bs. 1.250.000 y perder Bs. 300.000.
10.9. ESTUDIO DEL CASO: "PLÁSTICOS S. A."
10.9.L Organización de la Información del Caso
La información considerada relevante se puede resumir de la manera

siguiente:
TABLA 1
A)
PRECIOS Y COSTOS DE PRODUCCIÓN
MODELO MODELO
REGULAR LUJO
Precio (Bsj -i 3 55
om
Costos Variables (Bs) 25 32
c
s.
Costos Promoción y Publicidad (Bs, ro 2,2 2,8
fo
Cosíos Totales (Bs¡ 21,2 34,8
m
a.
un
TABLA 2
B)
t
on
COSTOS DE MAQUINARIAS
yc
dm
PRODUCCIÓN (n) COSTO (Bs.)

.a
w
n < 150.000 0
w
w
150.000 < n < 200.000 150.000
n > 200.000 TOO. 000
C) Codificación de ías Curvas de Distribución de ía demanda y de la

fracción (porcentaje) de la demanda correspondiente a patinetas
de lujo.
— Demanda (d)
La información suministrada señala que;
— La demanda media sería de 150.000 unidades.
— El valor rnás bajo de la demanda sería de 50.000 unidades.
— El valor más alto de la demanda sería de 300.000 unidades.

Habría 1 posibilidad en 4 de que la demanda sea de al menos

de 190.000 unidades.
Habría 3 posibilidades en 4 de que la demanda sea de al me-

nos de 125,000 unidades.
La anterior información genera cinco (5) puntos de la curva de" distri-

bución de ía demanda total, a partir de los cuales se puede dibujar
dicha curva. La misma se muestra en la figura No. 3,
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
50 TOO 150 250 300

Curva de Distribución Demanda (d)
de la demanda total en miles de unidades
Figura. 3
— Fracción o porcentaje de la demanda correspondiente al modelo

de lujo (v).
La información disponible indica:
— Modelo de lujo absorbería el 40% de la demanda total.
— Eí valor más elevado de v podría ser hasta el 60 %.

— El valor más elevado de v podría ser 30 %,
— Se le asignó un 75% de probabilidad de que el porcentaje de mer-

cado fuese 45%,
— Se asignó un 25% de probabilidad de que el pocentaje del merca-

do fuese 36%.
La anterior información genera cinco puntos de la curva de distribu-

ción acumulativa de v. La curva obtenida se muestra en la figura No.4.
M.O
om
V/
c
o
s.
1" 0.8
ro
fo
m
a
&
a.
-o
t un
on
0,4
yc
o1
dm
T3
a
0,2
.a
TJ
w
w
£
CU
w
40 45 50 55 60
Porcentaje de patinetas
Distribución Acumulativa de v.
de lu.fti v (% ,i
Fig. 4
Rangos de variación de las variables,
Rango = (Valor mínimo, Valor medio, Valor máximo)
Demanda total de patinetas (d).
(De la figura 3)
d = (100,150,230).
Porcentaje de la demanda correspondiente al modelo de lujo (v).

(De la figura 4)
v = (0,33; 0,40; 0.52)
Estos valores corresponden a los fractiles 0,10; 0,50 y 0.90 de las res-
pectivas curvas de distribución.
10.9.2. Aplicación del Ciclo del Análisis de Decisiones
10.9.2.1. Fase Determinístiea
Etapa de Modelación;
A) Delimitación de la Decisión
Las decisiones a tomar son dos:
om
- Tamaño del lote de producción. (Cuántas unidades
c
de patinetas fabricar).
s.
ro
Discriminación del lote de producción. (Número de
fo
patinetas de lujo y número de patinetas regulares).
m
a.
B) Alternativas
un
Alternativa I : Producir 225,000 patinetas (95.000

t
de lujo y 130.000 regulares).

on
yc
Alternativa II Producir 150.000 patinetas (70.000

de lujo y 80.000 pregulares).
dm
Alternativa IÍÍ: Producir 200.000 patinetas (85.000

.a
de lujo y 115.000 regulares).

w
w
C) Atributos
w
El atributo escogido es el Beneficio Económico Neto.
D) Variables del Sistema
Variables de Decisión:
Número total de patinetas a producir (n)
— Porcentaje, del número total de patinetas,

correspondientes al modelo de lujo. (1)
En base a estas dos variables se puede derivar:
— Número de patinetas de lujo a producir (x)

siendo x - 1 n

- Número de patinetas regulares a producir (y)

siendo y = n — x
Variables de Estado:
- Demanda total de patinetas (d)
Porcentaje de la demanda correspondiente al

modelo de lujo (v)
Nótese que la información suministrada por el caso indica

ciara y explícitamente que las variables de estado d y v son
independientes, lo cual permitirá determinar las distribu-
ciones de probabilidad de la demanda de unidades de lujo
y regulares,
om
E) Modelo Estructural
c
s.
ro
fo
m
a.
t un
on
t£ h. 1
yc
dm
.a
w
w
w
El primer nodo describe la decisión a realizar al escoger n

(número total de unidades a producir) y 1 (el porcentaje
de las patinetas correspondientes a modelo de lujo).
El segundo describe la ineertidumbre o distribución de pro-

babilidad de d (demanda total de patinetas).
El tercer nodo describe la ineertidumbre o distribución de

probabilidad del porcentaje de la demanda correspondiente
a patinetas de lujo.
El valor se expresa como Beneficio Neto (B) el cual es una

función de n, 1, d y v.
La decisión se plantea en términos de escoger n y 1, de tal

manera que el valor esperado del Beneficio Neto (B) con
respecto a d y v sea máximo.

El texto del caso establece claramente cuáles son las alter-

nativas que se desean analizar, por lo tanto el árbol de deci-
sión se puede simplificar de la manera siguiente, discreti-
zando el nodo de decisión:
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
F) Modelo de Valoración.
El Beneficio Neto (B) se calculará como:
Beneficio Neto = Ingresos — Costos
B = 1PL V L + P R V R ] - [ CL V'L+ (iV R + C (I1) ]
donde:
P L = Precio de venta de patinetas de lujo.

PR = Precio de venta de patinetas regulares.
V L - Volumen de ventas de patinetas de lujo.
V R = Volumen de ventas de patinetas regulares.
V L = Volumen de patinetas de lujo producidas.
V R = Volumen de patinetas regulares producidas.
C L ~ Costos totales de patinetas de lujo.
C R = Costos totales de patinetas regulares.

C (r) - Costo de maquinarias.
Los precios de venta ?r y P RR son fijos y el estudio no con-

sidera su variación.
Los volúmenes de ventas V L y V R se estiman como;
VL = Mínimo (producción de patinetas de lujo, demanda

de patinetas de lujo).
VR = Mínimo (producción de regulares, demanda de regu-
El volumen de patinetas de lujo y regulares producidas son

variables de decisión del problema, mientras que la deman-
da de patinetas de lujo y regulares son variables de estado.
om
Los costos totales C L y C R se obtienen de la tabla No. 1
"Precios y Cosíos Totales".
c
s.
ro
El costo de maquinarias C ( n ) es una función discontinua
del número total de unidades a producir y se obtiene de la
fo
tabla No. 2 "Cosíos de Maquinarias''.
m
a.
un
si n < 150.000
t
on
yc
Cfn > = 150.000 si 150.000 < n < 200.00

dm
.a
700.000 si n > 200.000

w
w
w
El caso indica claramente que los costos de maquinarias se

amortizan en el año en que se adquiere la maquinaria; por
lo tanto, el costo de la maquinaria existente, Bs. 500.000,
ya fue amortizado el año anterior y por consiguiente no
debe aparecer en el análisis.
G) Modelo de Preferencia Temporal
La información suministrada señala que el problema

se analizará para un año solamente y por lo tanto no
se requiere la elaboración de un modelo de preferen-
cia temporal.
Etapa de Análisis
H) Sensibilidad de las variables de estado
318
Procedimiento
Para cada una de las variables de estado se establecen

los valores máximo, medio y mínimo, es decir, un
rango de variación.
Para establecer la sensibilidad de una determinada va-

riable de estado, se fijan el resto de las variables de
estado en su valor promedio y se modifica la variable
cuya sensibilidad se va a analizar en todo su rango (va-
lores máximos y mínimos). Esto nos permite determi-
nar si la decisión cambia al modificarse la variable en
todo su rango. Si la decisión se mantiene, diremos que
la decisión no es sensible a cambios en la variable y en
ese caso fijaremos el valor de la variable en su valor
medio.
om
Sensibilidad de la variable de estado Demanda (d)
c
Rango de variación
s.
ro
d = (100,150,230)
fo
\"mín, *-%ied, U m a x J
m
Fijemos entonces v en su valor promedio,

a.
un
v = 0,4
t
on
Construyamos el árbol correspondiente.

yc
dm
.a
w
w
w

319
j
Calculemos ahora el Beneficio para cada una de las al-

ternativas, suponiendo que se producen las diferentes
demandas,
Si d = 100 X 103 entonces
B, - 60 X 15, 8 + 40 X 20, 2 -- 70 X 27, 2 - 55 X

X 3,48 ~ 700 =
El = -2762,0 miles de Bs.
B if - 60 X 15, 8 + 40 X 20, 2 - 20 X 27, 2 - 30 X
X 84, 8 = 168
Bn = 168 miles de Bs,
B I U = 6 0 X 15, 8 + 40 X 2 Q , 2 - 5 5 X 2 7 , 2 - 4 5 X
X 34,8-150 =
om
BIII ~ ~ 1456 miles de Bs.
c
s.
Como se observa de estos valores, en el caso de que
ro
d = 100 X 1G3, tendremos que la mejor decisión co-
fo
rresponde a la Alternativa II (80,70) (reg. luj).
m
a.
Analicemos ahora.d = 230 X 103

un
B, - 130 X 15, 8 + 95 X 20, 2 - 700 = 3273 miles de

t
Bs.
on
yc
B,,= 3 0 X 15,8 + 70 X 20, 2 = 2678 miles de Bs.

dm
Bm = 115 X 15, 8 + 85 X 20, 2 - 150 - 3384 miles

.a
deBs.
w
w
Como se observa B, u > Bj > Bn entonces para d =

w
= 230 X a 103 la Alternativa III es la adecuada.
Estos resultados los podemos resumir en el siguiente

cuadro.
d X 103 BI BU B ni
100 - 2762 -1456
230 3273 2678 / 3384 j
320
Como se observa, al variar la demanda entre su posi-

ble rango de valores se tiene un cambio de decisión,
diferentes alternativas óptimas, es decir la demanda es
una variable crucial.
Sensibilidad de la variable de estado Porcentaje de-

manda patinetas de lujo (v).
Rango de variación
V - (0;33; 0,4; 0,52)
demanda en valor promedio
d = 150 X 103
Construyamos el árbol correspondiente.
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
,'i v™ 0,33, entonces

Í00.50
100,50
100,50

B ; - 100 X15, 8+50X20, 2-30X27, 2-45 X

X 34, 8-700 =
B¡ = -492 miles de Bs.
B¡, « SO X 15, 8 + 50 X2G, 2 - 2 0 X34, 8- 1578
B u - 1578 miles de Bs.
BIU -100 X15, 8+50 X20,2-15X27,2-35 X

X34, 8-150 =
B IU = 814 mués de Bs.
Como puede observarse:
om
B,, > B 7? . >B T para v - 0,33,
I i S.S :
c
Si v = 0,52 y analizando el árbol en forma análoga ai
s.
anterior tendremos: ro
fo
B! = — 134 miles de Bs,
m
B n = + 2248 miles de Bs,

a.
un
B in = 1324 miles de Bs.

t
on
por lo tanto
yc
B n > B m > B T p a x a v - 0,52

dm
Resumiendo :
.a
(miles de Bs.)
w
w
w
V B, BU B ni
0,33 -492 Q578) 814
0,52 - 134 (224^ 1324
Se observa que la decisión no es sensible a los cambios

en la variable v por lo tanto v no es una variable de es-
tado crudal.

CONCLUSIÓN DEL ANÁLISIS DETERMINISTICO
RESULTADO ANÁLISIS NUEVO ÁRBOL

o
Q
EH d Variable estado Crucial Variable Aleatoria
S
V Variable estado no crucial Colocar en Valor
^
Nominal
om
5
c
s.
I ro
No hay alternativa Completamente No se eliminan
ce
fo
dominante para todo rango de va- alternativas
2 riación de las variables de estado
m
O
11
a.
r *
VARIAB
t un
on
III
yc
dm
1
'
.a
w
Nuevo Árbol
w
w
ÁRBOL DECISIÓN VALOR

10.9.2.3. Fase Probabüística
Etapa de Modelación:
Codificación de incertidumbre en variables aleatorias
Al final de la fase determinística se concluyó que la única

variable de estado crucial era la demanda (d), por lo tanto
únicamente consideramos la incertidumbre en esa variable.
Para codificar la incertidumbre debemos derivar la curva de

distribución de la demanda (d) lo cual hemos realizado en
el punto C del apartado "Organización de la información
del caso" (10.9.1).
om
Mediante el gráfico No, 3 (Curva Distribución de la Deman-
da) y utilizando los conceptos sobre discretización de cur-
c
vas, podemos obtener los siguientes resultados.
s.
ro
fo
m
a.
t un
on
yc
1/4
dm
.a
w
w
w

Discretización de la Distribución de la Demanda
A\a
15
J5«
om
O
c
s.
ro
1/4
fo
m
a.
50 100 250 300

un
10" X Demanda (d)

t
on
yc
Procedimiento para discretización de la Curva

dm
(1) Se divide la abscisa en tres regiones:

.a
— Cuartil inferior
w
Intercuartil
w
— Cuartil superior
w
(2) Se determina el valor promedio haciendo coincidir las

áreas de los triángulos así formados.
V A L O R PROMEDIO PROBABILIDAD
1/4
1/2
1/4
(3) Con estos valores se obtiene la distribución aproxima-

da discreta, es decir,
325
100
1/4
150
230
Nota: Cantida.des en miles de patinetas.
c om
s.
Codificación de la Preferencia al riesgo
ro
fo
De la información suministrada por el presidente de la
compañía podemos inferir la preferencia al riesgo de la
m
misma, siendo las loterías correspondientes:

a.
t un
on
4.000.000
yc
dm
1.250.000
.a
w
w
w
•4.000.000
2.000.000
1.250.000
326
1.250,000
1/2
3.000.000
4 000.000
om
c
- 3.000.000
s.
ro
fo
Utilizando estos valores se codifica la curva de utilidad
m
(preferencia al riesgo).
a.
un
Procedimiento
t
on
Se asignan valores de utilidad a los valores extremos:

yc
u (4.000.000)= 1
dm
u (0) - O
.a
tomando como referencia estos valores de utilidad obten-

w
dremos puntos sobre la curva.

w
1 1
w
u (1. 250.000) - - - u (4.000 .000} + — u (0)
^
u (1.250. 000)- —
de igual forma
1 1
ui (2.000.000) --u (400.000) + y u (125.000)
1 1 3
u (2.000.000) =
u (-300.000) - ~ u (1.250.000) + -i- u (3.000.000)

¿j ¿i
u ( 300.000) X 1
2 2 2

TAmbién de
4.000.000
om
~ u (4.000.000) +— u (-3.000.000) - O
2 2
c
s.
Por lo tanto ro
fo
u (-3.000.000) = - u (4.000.000)
m
u (-3.000.000)=-!
a.
t un
on
yc
dm
.a
w
w
w
C U R V A Db! U T I L I D A D
CODIFICACIÓN DE LA CURVA DE
UTILIDAD
(Preferencia al riesgo)

Etapa de Análisis
Desarrollo de las Loterías de Valor
Procedimiento
Se establece para cada una de las alternativas con qué pro-

babilidad se obtienen los posibles beneficios para cada uno
de los diferentes valores de la variable de estado, aleatoria
o crucial (d).
Debemos calcular el valor del Beneficio Neto (B) corres-

pondiente a cada valor de probabilidad. De acuerdo con
esto, para la Alternativa I tendremos lo siguiente:
Alternati a I
c om
s.
ro
fo
Demanda
m
100.000
a.
t un
on
yc
dm
.a
w
w
w
en cuyo caso se obtendrá:
B = 60 X 4 3 +40 X 55-130 X 2 7 , 2 -95X 34,8-700 =
— 2.768 miles de bolívares.

es decir, que con probabilidad de 0,25 (p = 1/4), se obten-

drá una pérdida de 2,768 miles de Bs.
Para esta misma Alternativa I se tendrá
B = 9 0 X 4 3 + 6 0 X 5 5 - 1 3 0 X 2 7 , 2 -95 X34,8-700 =
= - 372 miles de Bs.
es decir, que con una probabilidad de 0,5 (p = ) se obten-

drá una pérdida de 372 miles de Bs.
Y por último con una probabilidad de 0,25 (p - 1/4) se ob-

tendrá:
B = 130 X43+92 X 55-130X27, 2 - 9 5 X 34,8-700 =

= 3.108 miles de Bs.
om
Resumiendo tendremos:
c
s.
ro
fo
m
a.
un
LOTERÍA DE VALOR
t
on
BENEFICIO
ALTERNATIVA I
(miles de Bs. )
yc
dm
2768
.a
w
w
168
w
- 1456
Procediendo de forma similar, podemos establecer la distri-

bución de probabilidad del beneficio para las alternativas II
y III. El resumen de resultados se indica a continuación:
330
168
2128
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
iie mpre a minarse la alternati-

va ¡siempre domina
UtilMimch ¡os resultados obtenidos j/ des&irollar las lote-

rías de va¡or« tendremos Ja simiente i&hfa resumen:

p BI BU BIII
1/4 -2768 168 - 1456
i/2 - 372 2128 934
1/4 3108 2678 3384
c om
s.
ro
Con estos valores procederemos a construir la función de
densidad para las diferentes alternativas.
fo
m
a.
t un
on
yc
dm
.a
w
w
w
B (mBs)
F U N C I Ó N DE DENSIDAD.

De igual forma podemos granear la distribución acumula-

tiva de las funciones de densidad.
om
3(mBs)
c
FUNCIÓN ACUMULATIVA DEL BENEFICIO
s.
ro
fo
CONCLUSIONES DEL ANÁLISIS DE DOMINANCIA ES-
TGCAfíTICA
m
a.
(1) No hay dominancia estocástica entre II y I y II y III.

t un
on
yc
Por lo tanto, dado que la Alternativa i nunca supera a la

dm
Alternativa III, ésa (I) puede ser eliminada del análisis y en

consecuencia, k comparación de alternativas se hará entre
.a
w
w
Nuevo Árbol
w
ÁRBOL DECISIÓN VALOR

Sensibilidad Estocástica
Del análisis anterior se concluyó que las alternativas II y

III no tenían ninguna dominancia estocástica; por lo tanto,
para establecer cuál resultará la decisión más favorable, es
necesario determinar, utilizando la curva de utilidad del
Decisor, cuál será el equivalente cierto para cada una de las
alternativas. La decisión nías favorable resultará ser aquella
que maximice el equivalente cierto.
Para el caso de este ejemplo tendremos el siguiente árbol:
Beneficio Utilidad
<x) (x)
168 0,1
1/4
2128 0,76
om
2678 0,86
c
s.
ro -1456 -0,82
fo
m
934 0,33
a.
un
3384 0,96
t
on
Por lo tanto
yc
u ( E C n ) = —X 0,1 +—X 0,76+-XO,86 = 0,62

dm
4 2 4
.a
u (EC IH ) = -yX (-0,82) +y X 0,33 + y 0,96-0,2

w
w
en este caso
w
u(EC u ) > u(EC i n )
por lo tanto la Alternativa II proporcionará al Decisor una

mayor utilidad y en este caso la decisión deberá ser produ-
cir un total de 150.000 patinetas, 80.000 del tipo regular y
70.000 de lujo.
Fase Informacional
Valor de la Información
Supongamos que el presidente de la compañía Plásticos S.

A. quiere contratar una empresa de mercadeo que le pro-
porcione mayor información sobre la demanda real de pati-
netas. ¿Cuál sería la cantidad máxima que él debería pagar
por información adicional?
334
Para resolver esto se procede de forma análoga a lo indica-

do en la Unidad 9, del Módulo II.
El árbol que hay que calcular será:
Beneficio Alternativa
168-K II
u- 1 (máx) 2128-K U
1/4
3384-K III
om
siendo k la cantidad que estaremos dispuestos a pagar por
la información.
c
s.
Nota: Unidades expresadas en miles de Bs.
ro
fo
Para calcular k se parte de la consideración de que la utili-

m
dad que obtendremos con el árbol indicado sea al menos

a.
igual a la utilidad sin obtener ningún tipo de información,

un
es decir:
t
on
u (máx) < -j- u (168-k) + -s-u (2128-k) + T u (3384-k)

yc
dm
.a
u ( m á x ) = 0,62
w
por lo tanto
w
w
0,62- -i u(168-k)+-i- u (2128-k) + ~ u (3384-k)
para calcular k debemos proceder por tanteo, utilizando la

curva de utilidad.
Si k-100
- 1 x O +lx 0,73 + j 0,92 - 0,6
Si k - 5 0
-jX 0,08+ y X 0 , 7 5 + — X 0,92-0,63
>r lo tanto 50 < k < 100
335
Hagamos un nuevo tanteo para k - 70 obtendremos enton-

ces
~ X 0,04 + j x 0,74 + j- X 094, - 0,62
Por lo tanto, el presidente de Plásticos S. A. lo máximo

que puede pagar por una investigación de mercado serían
Bs. 70.000,
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

INSTRUCCIONES
Para el caso propuesto, usted deberá aplicar la metodología del Ciclo del
Análisis de Dscisiones y conduir con una recomendación para el Decisor.
Específicamente se solicita que usted realice lo siguiente:
Fase Deierminístiea:
om
(A) Delimite la decisión.
c
s.
(B) Identifique las alternativas,
ro
fo
(C) Establezca los atributos para valorar los resultados,
m
a.
(D) Establezca las variables de decisión y las variables de estado,

un
(E) Desarrcíle un modelo estructural en forma de árbol de decisión,

t
on
(F) Desarroííe el Modelo de Valoración,

yc
dm
(G) Desarrolle el Modelo de Preferencia Temporal.

.a
•(H) Determine las variables de estado aleatorias o cruciales, luego elimine las
w
alternativas dominadas determinísticamente y simplifique el árbol de deci-

w
sión.
w
Fase ProbabiHstica:
(í) Codifique las curvas de distribución de probabilidad de las variables de esta-

do, cruciales o sensibles, y discretice dichas curvas.
(J) Desarrolle las loterías de valor.
(K) Estudie la dominancia estocástica y elimine las alternativas dominadas esto-

cásticamente.
(3) Codifique la preferencia al riesgo y obtenga la Curva de Utilidad.
(M) Determine el equivalente cierto de la alternativa óptima.
Fase Informacionah
(N) Determine el valor de la Mcrniaeíón Perfecta en las variables sensibles.

CASO DE ESTUDIO: "FERTILIZANTES C. A."
Fertilizantes C, A. es una compañía que se dedica a la producción de fertili-

zantes sintéticos de base nítrica.
La división de mercadeo de la compañía, en base a un estudio de tendencias

de!, mercado, ha realizado una proyección que indica que la demanda de fertilizan-
tes de nitratos se va a expandir después de varios años de crecimiento lento. Los
fertilizantes de nitrato son utilizados por íos agricultores para enriquecer el nitró-
geno natural del suelo. Los dos fertilizantes de base nítrica más comunes son el
nitrato de amonio y el sulfato de amonio.
El nitrato de amonio (NH 4 NO 3 ) y el sulfato de amonio (NH 4 ) 2 S04 son sin-

tetizados por medio de procesos muy similares.
El nitrato se obtiene combinando amoníaco (NH 3 ) con ácido nítrico (HN0 3 )

mientras que eí sulfato se obtiene tratando amoníaco ( N H 3 ) en ácido sulfúrico
(H 2 S0 4 ).
om
El amoniaco y el ácido nítrico se obtienen utilizando materiales químicos
c
fácilmente disponibles (agua, oxígeno y nitrógeno) y grandes cantidades de ener-
gía (gas natural).
s.
ro
fo
El cicío de producción es como se explica a continuación:
m
a.
1) Se hace pasar vapor de agua a 650° sobre hierro pulverizado para produ-
cir hidrógeno ( H 2 ) .
t un
2) Eí hidrógeno así obtenido se combina con nitrógeno a elevadas tempera-

on
turas (400° C ~ 500° C) y elevadas presiones, para formar amoníaco.

yc
dm
3) Finalmente se oxida el amoníaco a 300° C para formar ácido nítrico.

.a
En contraste, la producción de ácido sulfúrico requiere cantidades muy pe-

queñas de energía,
w
w
EÍ proceso consiste en quema)' azufre (S) y disolverlo en agua para for-

w
mar ácido sulfúrico
El diagrama de flujo del proceso completo se muestra a continuación:
C "aior
NO
HNO-,
N H 4 ) 2 S04
Diagrama df Flujo del Proceso

Gráfica No. 1
338
El directorio de Fertilizantes C. A. enfrenta un momento de decisiones cru-

ciales: ¿deberá la compañía construir una nueva planta, la cual tendrá una capaci-
dad anual de producción de 160.000 toneladas? y si es así, ¿deberá la nueva plan-
ta producir nitrato de amonio y sulfato de amonio?
Cada compuesto posee ventajas. El nitrato de amonio es un fertilizante de

mayor calidad, puesto que es menos ácido y tiene mayor nitrógeno fijo; por lo
tanto, se vende mejor y a mayor precio. Por otra parte, los costos de construcción
y de operación de una planta para fabricar nitrato de amonio son también más
elevados.
A fin de ayudar en la toma de decisiones, Fertilizantes C. A. ha contratado

sus servicios como Analista de Decisiones. Durante entrevistas sostenidas con el
personal gerencial de la compañía, usted ha logrado obtener la información adicio-
nal siguiente:
Los costos primario: para cada proceso de producción son los costos varia-
bles de los mismos (gas r : tu ral para ambos procesos y ácido sulfúrico para el de
obtención del sulfato) y los costos de construcción.
om
La gráfica No.2 muestra las cantidades de cada insumo (materiales y energía)
c
s.
para producir 1 tonelada de cada producto, (productos intermedios y finales, cla-
ro
ro está).
fo
m
a.
I N S U M O S P R O D U C T OS
un
NOMBRE CANTIDAD CANTIDAD NOMBRE CANTIDAD

t
DEL MATERIAL GAS PRODUCTO PRODUCTO

on
MATERIAL (TONELADAS) MPC (TONELADA)

yc
dm
16Ü H2 1
.a
'
w
w
H:O .20 144 NH 3 1

w
NH3 40 24 HN0 3 1
NH3 ,23
Despreciable NH4NO3 1
HNOj .80
NH 3 • 2fi
-"'
Despreciable ( N H 4 ) 2 S04 1
H : SÜ 4 .80
Cantidades de insumos y productos

Gráfico No. 2

Para cada costo (costos de producción y de construcción), usted ha codifica-

do la distribución de probabilidad de la variable relevante y ha trazado la curva de
Distribución Acumulativa correspondiente. Para cada caso ha supuesto que los
valores, bajos medios y altos corresponden a los fractiles 0,05, 0,5 y 0.95 respecti-
vamente.
Todos los costos se medirán en bolívares de 1982. Fertilizantes C. A. desea

utilizar una tasa de descuento del 10% anual para el cálculo de valores presentes.
Para fines del análisis puede suponerse que todos los costos y beneficios ocurren
al final de cada año y que la vida de la planta es infinita. Igualmente, y a fin de
simplificar, se ha considerado conveniente no incluir el efecto de impuesto en el
análisis.
El costo del gas natural se expresa en bolívares por mil pies cúbicos (Bs/mpc);
de tal manera que el costo del gas varía entre un valor bajo de 10 (Bs/mpc) y un
valor alto de 20 (Bs/mpc) con un valor medio de 12,5 (Bs/mpc).
El costo del ácido sulfúrico en (Bs/tonelada) tiene un valor medio de 200

(Bs/tonelada) con un valor bajo de 150 (Bs/tonelada) y un valor alto de 250 (Bs/
om
tonelada).
c
El costo de construcción depende del proceso que se trate. Se estima que
s.
debido al paso adicional involucrado en la producción del nitrato, (véase el diagra-
ro
ma de flujo del proceso), el costo de producción para el proceso del sulfato es
fo
siempre, aproximadamente, 20% menor que el costo de construcción para el pro-
m
ceso del nitrato.

a.
El costo para el proceso del nitrato, (a precios de 1982) varía entre 400
un
millones de bolívares y 1.200 millones de bolívares, con una media de 750 millo-
t
on
nes. "~—
yc
En adición a estos costos, se prevén costos adicionales de alrededor de 20

dm
millones de bolívares anuales para la planta de nitrato, y de 25 millones de bolíva-

res, también anuales, para la planta de sulfato.
.a
Las distribuciones acumulativas de los precios del gas natural, ácido sulfúrico
w
w
y costos de construcción, se muestran en las figuras 3, 4 y 5, respectivamente.

w
El beneficio económico que se obtenga será necesariamente una función del

precio del producto y del volumen de ventas.
Para fines del análisis puede suponerse:
— El precio del fertilizante depende fundamentalmente de ios costos varia-

bles de la producción.
— Debido a que la industria de fertilizantes maneja casi exclusivamente con-

tratos grandes y tiende a mantener estables los márgenes de beneficio, la
relación de los precios con los costos está muy bien definida y adopta la
forma que se indica en la curva de la figura 6.
Después de una entrevista con el grupo de Mercadeo,'ha sido posible estable-

cer la proyección de las ventas para cada producto en función del precio de cada
uno. Las figuras 7 y 8 muestran, para cada producto, la proyección de ventas para
los fractiles 0.05, 0.25, 0.50, 0.75 y 0.95. Los dos juegos de curvas son dependien-
340
tes; es decir, si el nivel de ventas es alto para un producto, será alto también para
el otro.
¿ín otra entrevista celebrada con ese propósito, fue posible obtener informa-
ción útil para establecer la actitud ante el riesgo de Fertilizantes C. A. El presiden-
te del directorio manifestó que la política de la compañía siempre ha sido preferir
más o menos, pero se prefiere nunca asumir riesgos.
Al plantear la discusión en términos de una Lotería, el presidente manifestó

ser indiferente entre participar en una Lotería con igual probabilidad de ganar 400
millones de bolívares y perder 200 millones; igualmente señaló ser indiferente
entre recibir 150 millones de bolívares con certeza, o participar en una Lotería
con iguales probabilidades de obtener nada y 400 millones de bolívares.
c om
s.
ro
fo
m
a.
t un
on
yc
10
dm
Distribución Acumulativa del

.a
precio dd gas (Bc/mpc).

w
w
w
200 °,50 300
Figura 4: Distribución Acumulativa del

precio del ácido sulfúrico (B«/Tn) 341
PRECIO DEL FERTILIZANTE (Bs/Tn)k PROBABILIDAD ACUMULATIVA

O l M M f e O I O C O C d t U . :% Oí
c n o o i o o i o w o e n e
o o o o o o o o o o
o o o o o o o o o o o
m
í
co
-o g
*
s.
ro
n O
IO
fo
* (6
a
.m
S1
a
O g-
na
O i»
» a
tu
o' ü
on
o
3
9.
yc
0> a
a A
a O V
dm
o 3
3 ü¡
Eí O*
3 B
.a
»
w
w
w

VOLUMEN DE VENTAS ANUALES (Tn), VOLUMEN BE VENTAS ANUALES (Tu).
m
co
s.
ro
fo
.m
na
21
B
tu
a
on
a
yc
dm
.a
w
w
w
ss
CO

SQLUÍ3ÜGSÍSI BE LA AUTOEVALUACIOIM
11
OBJETIVO SECCIÓN
PREGUNTA CLAVE EVALUADO REFERENCIA
i
1
A Ver Estudio 19 10.2
d*J Caso
; u 19 10.2
c " 19 10.2
om
D 'i 19 10.2
c
u
s.
E
ro
19
10.2
fo
m
a.
F » 19 10.2
t un
on
G n
19 10.2
yc
dm
H !í
19 10.3
.a
w
1
w
'!
20 10.3
w
J "
20 10.3
K I!
20 10.3
L "
20 10.3
M »
20
10.3
L_ 21 10.4 - 10.5

345
CLAVE RAZONADA: AUTOEVALUACIÓN No. 10
ESTUDIO DEL CASO "FERTILIZANTES C. A."
El estudio del caso se efectuará siguiendo el procedimiento explicado a lo

largo de la Unidad 10.
Después de efectuar la lectura del caso y antes de empezar a aplicar la meto-

•dología de! Análisis de Decisiones, el analista organiza la información relevante del
caso.
Cumpliendo So anterior, se procede a la aplicación del Ciclo del Análisis de

Decisiones.
APLICACIÓN DEL CICLO DE ANÁLISIS DE DECISIONES
FASE DETERfflNISTICA
om
c
(A) Delimitación de la Decisión
s.
ro
Se identifican dos decisiones:
fo
m
— Construir o no una planta de producción de fertilizantes con capacidad

a.
de producción de 160.000 toneladas anuales.

un
— Tipo de fertilizante que debe fabricar la planta: nitrato de amonio o sul-

t
on
fato de amonio.
yc
(B) Alternativas
dm
Representando la información anterior se establecen tres alternativas:

.a
Alternativa I ; Construir planta de nitrato de amonio.

w
Alternativa II : Construir planta de sulfato de amonio

w
Alternativa III : No construir ninguna planta.

w
(C) Atributos
El atributo escogido es el Beneficio Económico Neto derivado de la construc-

ción y explotación de la planta.
(D) Variables del Sistema
Variables de Decisión:
Construcción de la Planta
Variables de estado:
Costo de Construcción: (en millones de bolívares).
C, = Costo de construcción de la planta de nitrato.
C2 = Costo de construcción de la planta de sulfato.

346
Precio del gas (Pg) (en Bs/mpc).
Precio del ácido sulfúrico (Pa) (en Bs/tn)
Volumen de ventas del fertilizante: (en miles de unidades)
V j ~ Volumen de ventas del nitrato

V - Volumen de ventas dei sulfato
(E) Modelo Estructural
c om
s.
ro
fo
m
a.
t un
on
Ilí
yc
dm
.a
El primer nodo describe la decisión de fabricar la planta de nitrato, o la plan-

w
ta de sulfato o ninguna de las dos.

w
w
El segundo nodo describe ía incertidumbre y distribución de probabilidad de

ía variable de estado Costo de Construcción (C¡ ) y (C 2 ).
El tercer nodo describe ia incertidumbre y distribución de probabilidad de la

variable de estado, precio del gas {Pg).
El cuarto nodo, (sólo en ía Alternativa II), describe la incertidumbre y distri-

bución de probabilidad de la variable de estado precio del ácido sulfúrico
(Pa).
El último nodo describe la incertidumbre y distribución de probabilidad con-

dicional del volumen de ventas deí fertilizante en función del precio del gas,
(V,/Pg).
El valor al final, Beneficio Neto (B) es una función de C, Pg, Pa y V/Pg; por
lo tanto la decisión se plantea en términos de seleccionar la alternativa que
maximice eí Beneficio Neto (B),
347
(F) Modelo de valoración:
Calculemos el Beneficio Neto (B).
E = Ingresos totales — Costos totales.
Ingresos totales : I - V X P
siendo:
V = Volumen áe ventas del fertilizante (en toneladas).

P - Precio unitario de venta del fertilizante (en bolívares por tonelada).
Por lo tanto:
l^~Vl X P, para el nitrato.
I2 = V 2 X P2 para el sulfato.
om
Costos totales: C T = C 4- C v + C A
c
s.
siendo:
ro
fo
C = costo de construcción de la planta (en Bs).

m
a.
C v = costo variable unitario de producción del fertilizante (en Bs/Tn),

un
C A = costo adicional (en Bs.)

t
on
Por lo tanto:
yc
dm
C T ¡ - C¡ 4- V¡ X C v + C A t para el nitrato.
.a
C T = C2 + V 2 X C v + C A para el sulfato.
w
w
Por consiguiente el beneficio neto B será:

w
Bj = V,?! — (C, -4- V , C V + C A ) para planta de nitrato
B n = V 2 P 2 -(C 2 + V 2 C V + C A i ) para planta de sulfato.
Reordenando términos se obtiene:
ECUACIONES DEL MODELO DE VALORACIÓN
B ^ V , ( P t - C v l ) "C, -CAJ para planta nitrato
BH-VatPa-Cv,)-^ -cA2 para planta sulfato
348
Para aplicar las ecuaciones anteriores hay que tener en cuenta que:
~~ CA , Y CA. se í.onocen del texto y sus valores son:
CA ¡ - 20 millones de bolívares.
CA - 25 millones de bolívares
— C¡ tiene distribución conocida (Figura 5) y además se sabe que:

C 2 = 0.8 C,
— Cv ¡ y Cy 2 , los costos variables de producción no se conocen, pero sabe-
mos que dependen de cada proceso. Por lo tanto, debemos examinar las
ecuaciones de cada proceso y determinamos que los costos variables para
cada proceso son:
Para proceso de nitrato:
C = costo total del gas
om
Para el proceso del sulfato:
c
Cv, ~ costo total del gas 4- costo
total del ácido sulfúrico.
s.
ro
fo
Estos costos sabemos que son función de la cantidad requerida por cada
m
proceso; por lo tanto debemos establecer una ecuación para cada uno y
a.
para ello utilizaremos la tabla No.2. Además conocemos la distribución

un
del precio del gas (?g) y del precio del ácido sulfúrico (Pa).
t
on
De la tabla No, £ es deduce

yc
NH 4 N0 3 - 0.23 NH 3 + 0,8 HN0 3 (1)

dm
HNO 3 0.4 NH 3 -h 24 gas (2)

.a
NH 3 - 0,2 H 2 4- 144 gas (3)

w
w
H, - 160 gas (4)

w
Sustituyendo (4) en (3)
NH 3 =
Sustituyendo (5) en (2) (5)
HN0 3 - 94.4 gas (6)
NH 4 N0 3 - 116 gas
Por lo tanto:
Cy. - 116 Pg
349
Similarmente
(NH 4 ) 2 S04 - 0.25 NH 3 + 0.8 H 2 S04 (1)
(NH 4 ) 2 S04 - 44 gas + 0.8 H 2 S04
Por lo tanto:
C v = 44 Pg + 0.8 Pa
— P! y P 2 se derivan de la figura 6 conociendo los valores de los costos

variables C v y C v .
~ V, y V2 se derivan de las figuras 7 y 8, respectivamente, conociendo

los precios P, y P 2 .
om
Con las anteriores aclaraciones se pueden utilizar ya las ecuaciones del Mode-
c
s.
lo de Valoración. ro
(G) Modelos de Preferencia Temporal:
fo
m
Las ecuaciones anteriormente obtenidas describen el Beneficio Económico

a.
Neto (B) para ei primer año de operación. Para tomar en consideración los
un
flujos de fondos correspondientes a los años siguientes, utilizaremos el crite-

rio del-valor presente y supondremos que la vida de la planta es infinita como
t
on
lo sugiere el caso.
yc
En el diagrama anexo se ilustra el flujo de fondos para cualquiera de las

dm
plantas.
.a
w
w
w
pXv
! i
1
PXV 1\
pyv PXV
<•
, k i
- vcv i vcv
'C
o o ooo o o
J 'CA
c y vvr
H- vc\
Diagrama Flujo de Fondos
Nótese del diagrama que el costo de construcción solo ocurre en t = O, y que

los ingresos y costos ocurren a\\e cada año.
350
Calculemos eí Valor Presente;
VPíB}-
Pero como C sóio ocurre en t-= O y el resto de los ingresos y costos ocurren
al iiaal del año.
VP (B) = - C 4- [V (P-CV ) - C A ] X
om
Del diagrama de flujo de fondos se ve que ios valores no varían en el tiempo,
por lo tanto
c
s.
ro1
fo
(1 4- i)
m
a.
tun
Luego
on
yc
dm
Por consiguiente:
.a
w
,
w
w
VP ( B M ) = - C 2 + -p í V 2 (P2 -C V j ) -C A j ]
Sábenos además que:

j-i r~- !'\ f"~i _ A O í~^
Ci - L y u2 ~ U.o O . - U.o O
20 millones y CA-, ~ 25 malones
i - 10%
Por consiguiente:
VP(B,) -€ +10 V, (P, - C v , ) ~ 200
VP(BM) -0,8C +10V, (P 2 - C v 2 ) -250
VPfB.p' ) (No construir no genera beneficio)

351
y además sabemos que;
44 Pg + O.í
Etapa de Análisis
(H) Sensibilidad a las variables de estado,
Sensibilidad a ia variable de estado Costos de Construcción (C)
Rango de Variación, (ver figura 5)
om
C = (Valor mínimo, Valor medio, Valor Máximo)
c
C- (400,750,1200)
s.
ro
Se fijan las otras variables en sus valores medios y se calcula para cada nodo
fo
terminal el valor del Beneficio Neto (B) correspondiente, utilizando las fór-
mulas desarrolladas en el modelo de valoración. Ejemplo:
m
a.
t un
on
yc
dm
.a
w
w
w
Cuadro: Cálculo de sensibilidad al costo de construcción

352
Para el primer nodo terminal de la alternativa i:
G -400 X10 6 P g = 12,5 Fa= O C v = 1450
P - 2300 V -: 130.
VP (B) - C +10 Vj (F , -Cv . ) ~ 200 X 106
Cv - 116 Pg= 116 X 12,5 = 1450
VP(B) = - C + 1 0 V , (P,--1450) -200
VP (B) - - 400 X10» + -10 (130 X 103) (2300 - 1450) - 200 X106
VP (B) ~ 505 millones de bolívares.
De igual manera se calculan los otros valores.
om
En el cuadro siguiente se resumen ios resultados obtenidos
c
s.
ro
fo
m
a.
t un
on
yc
dm
.a
Cuadro: Sensibilidad a) costo de construcción

w
w
w
En el cuadro para cada valor C se muestra con un círculo la mejor alternativa.
Al variar el costo de construcción en su rango, se produce un cambia de deci-

sión; por lo tanto, el costo de construcción es una variable de estado crucial
pues la decisión es sensible a (C),
Nótese además que se cumple que el Beneficio (B{) de la alternativa I es

siempre mejor que el de la Alternativa II (B n ) 5 pero no siempre mejor que
Bu i oseaB > B n .
Sensibilidad a !a variable de estado
Precio de! gas (Pg).
Rango de variación; (Ver figura 3).
Pg-(10; 12,5; 20}

Se sigue el mismo procedimiento que para el costo de construcción, fijando

las otras variables en sus valores medios. El procedimiento se resume en el
cuadro anexo:
V VP(B)
1160 1950 150 230
1450 2300 130 155
2320 3600 80 74
200 600 1350 126 95
710 1450 120 38
om
104 1800 104 60
c
s.
ro
fo
m
Cuadro: Cálculo sensibilidad al precio del gas

a.
un
Los resultados se resumen en el cuadro siguiente:

t
on
yc
"i Bn 3,, RELACIÓN

dm
10 (áioN 95 0 B,i > B,,

M >B III
,
v^
.a
w
12.5 38
w
0 B, > B „ > B
i II III
w
20
0 -60 0
B,>Bm>B,,
Cuadro: Sensibilidad al precio del ácido sulfúrico
Al variar Pg no se produce cambio de decisión, por lo tanto la decisión es

insensible al cambio en Pg y Pg no es una variable de estado crucial.
Nótese que el beneficio Bj es siempre mejor que el beneficio BM y B U I , o sea

BI > BU > B UI .
Sensibilidad a la variable de estado precio del ácido sulfúrico (Pa).
Rango de varíación^ver figura 4)
Pa- (15, 20, 25)

Pa C Pg cv
P V VP(B)
!
I
j /
/
/
// r "
X~
/
150
H
750
750
12 5
12.5
„
670 1400 123 48
" !I
rt / . 200 710 1450 120 38
H \0 ,, ,,
750 1500 117 28
\
c om
s.
ro
fo
Cuadro: Cálculo de sensibilidad al precio del ácido sulfúrico
m
a.
t un
on
yc
dm
Pa Bn RELACIÓN
BI "u,
.a
w
15 MLB.s) 48
w
0
Bi>Bn>Bni
w
20 38 0
B I > B II >B III
©
25
© 28 0
B I > B II > B III
Cuatro: Sensibilidad al precio del ácido sulfúrico
La d«cisión no es sensible al cambio en el precio del ácido sulfúrico; por lo

tanto Pa no es una variable crucial.
Nótese que además se cumple siempre que:
BI > Bn > B UI

Sensibilidad al volumen de ventas (V)
Rango de Variación; (Ver figuras 7 y 8)
V , - (120.130,150)
V2 = (110, 120, 135)
Pa Cv VP(B)
750 12.5 1450 2300 90
155
325
com
s.
12.5 200 710 1450 -33
ro
38
fo
m
139
a.
t un
on
yc
dm
.a
Cuadro: Cálculo de sensibilidad ai volumen de ventas

w
w
w
vl V. Bl Bn Bm RELACIÓN
120 110 90 -33 0 BI>BII
130 120 155 38 0 BI>BH>BIH
150 135 139 0

325 BI>BII>BIII
Cuadro: Sensibilidad al volumen de ventas

La decisión no es sensible al volumen de ventas y por lo tanto V no es una

variable crucial
Nótese que siempre se cumple:
Bj > Bu y B, > Bm
Conclusión del Análisis Determinísíico
VARIABLE RESULTADO NUEVO ÁRBOL
C Crucial Variable
om
-3n P» No crucial Valor nominal (Pg)
c
^
s.
(U
3
a Pa No crucial » Vaior nominal (V)
ro
"G
fo
>
V No crucial Valor nominal (V)
m
a.
I
un
4> fl II denominada por la Eliminar alternativa U

3:2
t
alternativa I
on
"C'w III
A O
>Q .,
yc
dm
.a
w
w
NUEVO ÁRBOL
w
VP(BH|)

Fase Ptobabüística.
(!) Codificación de Incertidumbre en variables aleatorias.
En la fase determinística se concluyó que la única variable de estado crucial

es el costo de construcción (C), por lo tanto, únicamente se considera incerti-
dumbre c-n asa variable.
El texto del caso incluye la curva de distribución acumulativa del costo de

construcción, figura 5, por lo cual no se requiere ninguna derivación adicio-
nal.
Utilizando los conceptos para discretización de curvas de distribución y apli-

cándolas a la figura 5 podemos obtener los siguientes resultados:
c om
s.
ro
fo
m
a.
D
un
sD
o
t
on
yc
o
dm
Q
O
.a
w
w
w
200 400 600 800 1000 1200 1400
Distribución Acumulativa de C
Procedimiento:
1) Se divide el eje de ordenadas en tres regiones correspondientes a los cuartiles

superior e inferior y a la región intercuartil, lo que equivale a probabilidades
de 0,25, 0,25 y 0,50 respectivamente.
2) Para cada región se encuentra el punto en la curva que haga que las áreas
sombreadas sean iguales.
3) Los puntos así determinados aproximan la distribución.
Los resultados son:

P(C)
1/4 490
1/2 760
1/4 1090
(I) Desarrollo de Loterías de Valor
ÁRBOL DE DECISIÓN VALOR (B)
c om
s.
ro
fo
m
415
a.
un
145
t
on
185
yc
dm
.a
w
w
w
(K) Estudio de la dominancia estocástica.
p B, Bm
RELACIÓN
1/4 415 0 B, > Bm
1/2 145 0 BI>BIII
1/4 -185 0
B, < B «n

355
Función de densidad de probabilidad
c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w
Función acumulativa del beneficio
Conclusiones deí análisis de dominancia estocástica.
De las gráficas se desprende que no existe alternativa completamente domi-

nante.
Nótese qua para los valores negativos de (B) la alternativa dominante es III,
mientras que para valores positivos de (B), la alternativa dominante es I.
Puesto que no hay alternativa dominante, no se pueden eliminar alternativas

dominadas y en consecuencia es necesario proseguir el análisis, comparando
las alternativas í y IÍÍ con el mismo árbol.

ÁRBOL DE DECISIONES VALOR

415
—o 145
-o -135
III
(L) Codificación de la preferencia al riesgo
Las loterías correspondientes son:

400 m 400 m
150
c om
-200 O m
s.
ro
Por io tanto, asignando:
fo
m
u (400)- 1 y u (0)= O
a.
un
Se calcula:
t
A 50) - -^- u (400) + -~-u(0)

on
—. ¿s
yc
u (150) = — (1) + -— (0) =* u (150) - —

dm
¿ ¿I ¿4
.a
u(0) - y u (400) -f y u (-200)

w
w
O = ™- (1)+ -i- u (-200) -> u (-200)- -1

w
¿ .¿i
Con estos cuatro valores se construye la Curva de Utilidad.
361
(M) Determinación de Equivalente Cierro y Alternativa Óptima.
.X—'
/ \ 185
c om
s.
ro
fo
m
a.
' i. /
T -—- U S
t un
on
1 ,
0,92)
4
yc
dm
u = 0.26
rva de Utilidad se determina el Equivalente Cierto de
.a
la Alt£:*¿¿í:tiva '.
w
w
w
Alternar,!va ÜI
,'- f i i ' VT 7
Puesto que la utilidad de la Alternativa I ss mayor que> ia utilidad de la III, se

prefiera aquella, cuyo e uivalevUe cierto es 78 millones.
Fase Informacional:
(N) Valor de la Información Perfecta en las variables aleatorias o cruciales

(M) Determinación de Equivalente Cié™ y Alternativa Óptima.
c om
s.
ro
fo
Alternativa I
m
a.
i, 1
u (415) -i- ™ u (145) + — u (- 135)
t un
on
0.48
yc
dm
Con este ydor es la Curva de Utilidad se determina el Equivalente Cierto de

.a
la Alterativa I
w
w
u- 0.26 «» EC^ 78 millones.

w
Alternativa ííi
u - 1 X u (0) -
Puesto que la utilidad de la Alternativa I es mayor que la utilidad de la III, se

prefiere aqueüa, cuyo e nivélente cierto es 78 millones.
1 /^ Gpüina
Fase Información»!;
(N) Valoi de la Información Perfecta en las variables aleatorias o cruciales,

L?. ¿nica variable crucial as (C) eí costo de construcción.
BENEFICIO UTILIDAD
J?ü£!L_ _rt_____I 415-k u (415—i)
145—k u(145-k)
om
1/4
c
s.
II! 0-k u (-le)
—O- ro
fo
m
u (y) - y u (415-fc) + y u (145-k) + -~- u (0-k)

a.
un
Calcular k tai que se cumpla

t
on
u (y) - u (y') - 0.26 (de la pregunta M)

yc
dm
Resolviendo por ¿auto la ecuación

.a
w
0.26 - -ru (415-k) 4- T u (415-k) + ~ u (-k)

*± £ 4
w
w
Se obtiene k = 70 aproximadamente
Por lo tanto, el valor de la información perfecta del costo de construcción es

de 70 millones de bolívares.
363
BIBLIOGRAFÍA MODULO III
GEREZ y CZITROM Introducción al Análisis de Sistemas e In-

vestigación de Operaciones. Representacio-
nes y Servicios de Ingeniería, S.A., México,
-• ÍV7Q
i y 10.
HOLISTEN, Gedffrey S. Pensare per Modelli. Shemi Logici e Stru-

mentí di Calcólo. Mondadori. The Open
om
University. Italia, 1979.
c
HOWAHD, R. A, Decisión Analysis: Appiied Decisión Theo-
s.
ry. Proceedings of The Fourt International
ro
Conference on OperationaJ Research. New
fo
York, 1966.
m
HOWARD, R, A. The Foundations of Decisión Analysis.

a.
ÍEEE Transactions on Systems Science and

un
Cybernetics, Vo. SSC-4 No, 3, USA, 1968.

t
on
MATHE8QH, J. E. y An Introduction to Decisión Analysis.

yc
HOWARD, R. A. Stanford Research Institute, USA, 1968.

dm
MURDICE, R. y ROSS, J. Sistemas de Información basados en Com-

putadoras para la Administración Moderna.
.a
Edit. Diana, México, 1974.

w
w
SPETZCER, Cari y Decisión Analysis of a Facilities Investment

w
ZAMORA, Ramón M. and Expansión Problem. Stanford Research

Institute, USA, 1974.
CARL - STAEL, Axel S. A tiítorial in Decisión Analysis. Third Re-

search Conference on Subjective Probabili-
ty. Utility and Decisión Making, London,
1971.

c om
s.
ro
fo
m
a.
t un
on
yc
dm
.a
w
w
w

CARACAS - VENEZUELA

645 Teoria de Decisiones PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

645 Teoria de Decisiones PDF

Cargado por

Copyright:

Formatos disponibles

Digitalizado por Liz Zambrano para www.admycontuna.mforos.

UNIVERSIDAD NACIONAL ABIERTA

Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

UNIVERSIDAD NACIONAL ABIERTA

Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

Universidad Nacional Abierta

Copyright @ UNA 1993

Todos los derechos reservados. Prohibida la reproducción total o parcial

I. Parra de Carrera, María Luisa. II. Pittari

Paolino, Enzo. III. Carrera Brano, Pedro. IV.

Universidad Nacional Abierta (Caracas).

Primera edición 1982 Primera reimpresión 1992

Segunda reimpresión, 1993

Universidad Nacional Abierta

Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

María Luisa Pana de Carrera, MC., Ing

Pedro Caneca Brano, MC., Ing

Beatriz Tancredi, Lie. UNA

Ramón Escontreia, Lie. UNA

UbaWo García Palomares, PHD, USB

COORDINADOR DE INGENIERÍA DE SISTEMA

Gustavo A. Márquez M., Ing UNA

Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

MODULO II: LAS PREFERENCIAS DEL DECISOR Y SU ACTITUD

Unidad 6; Las Preferencias del Decisor 143

Unidad 7: La Actitud del Decisor ante el Riesgo 179

Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

El propósito fundamental de este Curso es presentar una metodología para

Aunque tradkionalmente se ha utilizado la expresión Teoría de Decisiones

La metodología del Análisis de Decisiones ataca con éxito el tipo de proble-

caracterizan por la incertidumbre de las variables involucradas, por la poca infor-

poner de un instrumento o metodología la cual facilite el proceso de tomar deci-

No es la intención del Curso presentar una teoría descriptiva del comporta-

La metodología expuesta en este texto es producto del estudio, recopilación

"El texto ha sido dividido en tres módulos. En los Módulos I y II se propor-

Digitalizado por Liz Zambrano para www.admycontuna.mforos.com

Unidad 4. Metodología de asignación de probabilidades.

Unidad 5. Arboles de decisión.

Al finalizar el estudio del Módulo I, el estudiante deberá estar en capacidad

— Distinguir un problema de decisiones

— Identificar los elementos de un problema de decisiones

— Estructurar y evaluar árboles de decisiones.

Antes de iniciar el estudio de técnicas y procedimientos para estructurar y

Habiendo realizado estoa estaremos en capacidad de pasar a estudiar el pri-

Finalmente, se introduce el manejo del árbol de decisiones que constituye

Utilizando estos instrumentos el Análisis de Decisiones desarrolla un procedi-

La capacidad para interpretar y cuantiñcar factores.tan subjetivos como las

1.2. ORIGEN DEL ANÁLISIS DE DECISIONES

Tal como hemos mencionado anteriormente el Análisis de_J)ecisiones consti-

mientos de la Investigación de Operaciones a problemas civiles, especialmente á

los de_tip£t--gerencjjíl. La transición de la aplicación de la Investigación de Opera-

ciones de problemas militares a problemas civiles mostró sus limitaciones. En

, nes en problemas determinísticos y repetitivos, característicos de los niveles geren-

^ producción, planificación de operaciones de transporte y distribución. Sin embar-

J go, y debido a la misma naturaleza de los problemas de alta gerencia, raramente

. razón de esas limitaciones es que la Investigación de Operaciones carecía de las

^s herramientas para manejar adecuadamente los factores que caracterizan los

^J variables involucradas, la insuficiencia o dispersión de la información, las preferen-

^^ Posteriormente, a partir de los años 50, se desarrollaron nuevas disciplinas

Jf Igualmente por estos años se desarrolló el campo conocido como Teoría de

Paralelamente y gracias al advenimiento del computador, hemos presenciado

En la búsqueda de una solución integral al problema de toma de decisiones,

1.3. CAMPO DE ACCIÓN DEL ANÁLISIS DE DECISIONES