MSC.

Daphne Timaná Palacios

1. Valor monetario esperado

Mayor
 5 fases del Análisis por medio de Árboles de Decisión
1. Definir el problema
2. Estructurar o dibujar el árbol de decisión
3. Asignar probabilidades a los estados de la naturaleza
4. Calcular las ganancias de cada combinación posible de alternativas
y estados de la naturaleza.
5. Resolver el problema mediante el cálculo de los valores
monetarios esperados (EMV) de cada nodo de estado de la
naturaleza. Esta operación se hace trabajando hacia atrás, es decir,
se comienza desde la derecha del árbol y se trabaja hacia el origen
de los nodos de decisión que se encuentran a la izquierda.
Además, en cada nodo de decisión se debe seleccionar la
alternativa que tiene el mejor EMV.
Pág. 81
 Pagos

Mayor
 La decisión más compleja del caso de Thompson Lumber:
información de muestreo
Cuando se necesita tomar decisiones secuenciales, los árboles de decisión
son herramientas mucho más poderosas que las tablas de decisión.
Digamos que Jhon Thompson debe tomar dos decisiones, y que la segunda
depende del resultado de la primera. Antes de decidir acerca de la
construcción de una nueva fábrica. Jhon tiene la opción de llevar a cabo su
propia encuesta de investigación de mercado, por un costo de $10,000. La
información de esta encuesta podría ayudarle decidir si construye una
fábrica grande , una pequeña o ninguna. Aunque reconoce que dicha
encuesta de mercado no le va proporcionar información perfecta, pero
podría ayudarle en algo.
El nuevo árbol de decisión de Jhon se presenta el figura 3.4. Examine con
cuidado este nuevo árbol más complejo y observe que todos los posibles
resultados y alternativas están incluidos en su secuencia lógica. Esta es una
de las ventajas del uso de árboles de decisión en el proceso de la toma de
decisiones. El usuario se ve forzado a examinar todos los resultados
posibles, lo cual incluye aquellos que no son favorables. También se ve
forzado a tomar decisiones de manera lógica y secuencial.
Cuando se examina el árbol, se observa que el primer
punto de decisión de Thompson consiste en llevar a
cabo la encuesta de mercado que tiene un valor de
$10,000. Si decide no hacerla (la parte inferior del
árbol), podría construir una fábrica grande, una
pequeña o ninguna. Este es el segundo punto de
decisión de Jhon. Si construye, el mercado podría ser
favorable (0.5 de probabilidades) o desfavorable
(también 0.50 de probabilidades). Las ganancias de
cada una de las consecuencias posibles están listadas
del lado derecho. En realidad, la porción inferior del
árbol de Jhon es idéntica a la del árbol de decisión más
sencillo que se presentó en la figura 3.3 ¿Por qué
ocurre esto?.
 Probabilidades
condicionales o aposteriori Ganancias
La parte superior de la figura 3.4, refleja la decisión de llevar a cabo la
encuesta de mercado. El nodo 1 del estado de la naturaleza tiene dos
ramas. Existe 45% de probabilidad de que los resultados de la encuesta
indiquen un mercado favorable para los cobertizos de
almacenamiento. También se observa que la probabilidad de que los
resultados de la encuesta resulten negativos es de 0.55. La derivación
de esta probabilidad se presentará en la siguiente sección.
El resto de probabilidades que se muestran entre paréntesis en la
figura 3.4 son todas probabilidades condicionales o a posteriori (este
tipo de probabilidades también se presentará en la siguiente sección).
Por ejemplo, 0.78 corresponde a la probabilidad de un mercado
favorable para los cobertizos en un resultado favorable si así lo
indicara la encuesta de mercado. Desde luego, se espera encontrar
una probabilidad elevada de un mercado favorable en caso de que la
investigación indicara que el mercado es bueno. Sin embargo, no
olvide que hay una posibilidad de que la encuesta de mercado de
$10,000 de Jhon no produzca información confiable o perfecta.
En cualquier investigación de mercado existe la posibilidad de error. En este
caso, existe 22% de probabilidades de que el mercado para los cobertizos no
sea favorable en caso de que los resultados de la encuesta resultaran
positivos.
Se observa que hay una posibilidad de 27% de que el mercado para los
cobertizos sea favorable en caso de que la encuesta de Jhon arrojara
resultados negativos. La probabilidad es mucho mayor, 0.73 de que el
mercado realmente sea desfavorable en caso de que la encuesta fuera
negativa.
Finalmente, cuando se observa la columna de pagos de la figura 3.4, se
observa que $10,000, el costo del estudio de mercado, tuvo que restarse de
cada una de las 10 ramas superiores del árbol.
De esta manera, una fábrica grande con un mercado favorable representaría
una utilidad neta de $20,000. Sin embargo, debido a que se llevó a cabo el
estudio de mercado, esta cifra se ve reducida en $10,000 lo que deja
$190,000. En un caso desfavorable, la pérdida de $180,000 aumentaría a una
pérdida mayor de $190,000. De manera similar, si se lleva a cabo la encuesta
y se opta por no construir, se produce un pago de -$10,000.
Debido a que se especificaron todas las probabilidades y pagos, se
puede comenzar a calcular el EMV en cada nodo del estado de la
naturaleza. Se comienza por el extremo del lado derecho del árbol de
decisión y se trabaja hacia el origen. Cuando se termine, se conocerá la
mejor decisión.
1. En el caso de que la encuesta arroje resultados favorables

El valor EMV en caso de no construir la fábrica corresponde a -$10,000.

De esta forma, si los resultados son favorables, se debería construir una
fábrica grande. Observe que se obtiene el valor esperado de esta
decisión ($106,400) y se lleva al nodo de decisión para indicar que si los
resultados de la encuesta son positivos, el valor esperado será de
$106,400, lo cual se puede observar en la figura 3.5.
 2. En caso de que los resultados de la encuesta no fueran favorables

Los valores del EMV en caso de no construir la fábrica corresponden

nuevamente a -$10,000. De esta forma, si los resultados de la encuesta
son desfavorables, se debería construir una fábrica pequeña con un
valor esperado de $2400, cifra que se indica en el nodo de decisión.
3. Al continuar con la parte superior del árbol y retroceder, se calcula el
valor de llevar a cabo la encuesta de mercado.

Si la encuesta de mercado no se lleva a cabo

El valor del EMV de no construir fábrica alguna es de $0.

De esta forma, la construcción de una fábrica pequeña es la mejor
opción, si se considera que la investigación de mercado no se lleva a
cabo, como se pudo observar antes.
5. Se retrocede hacia el primer nodo de decisión y se selecciona la
mejor alternativa. El valor monetario esperado de realizar la
encuesta es de $49,200, en comparación con el valor del EMV de
$40,000 en caso de no realizar el estudio. En consecuencia, la
mejor opción es buscar la información de marketing. Si los
resultados de la encuesta son favorables, Jhon debería construir
una fábrica grande; pero si la investigación resulta negativa, Jhon
deberá construir una fábrica pequeña.

En la figura 3.5, los valores esperados se colocan en el árbol de

decisión. En el árbol un par de diagonales // sobre una rama de
decisión indica que no se considerará esa alternativa en particular.
Esto se debe a que los valores del EMV son inferiores que los valores
del EMV de la mejor alternativa.
Después de haber resuelto diversos problemas con el árbol de
decisión, se le hará más fácil realizar los cálculos en el diagrama del
árbol.
 EMV Ganancias

Condicionada
Esto significa que Jhon pudo haber pagado hasta $19,200 por un
estudio de mercado y aún así tener ventaja. Debido a que los costos
ascienden a sólo $10,000, sin duda alguna el estudio vale la pena.
Hay muchos modos de conseguir datos de probabilidad para un problema
como Thompsons. Los números (como 0.78, 0.22, 0.27, 0.73 en la figura 3.4)
pueden ser evaluados por un director basado en la experiencia una
intuición. Ellos pueden ser sacados de datos históricos, o ellos pueden ser
calculados de otros datos disponibles que usan el teorema de Bayes. La
ventaja de teorema de Bayes consiste en que esto incorpora a ambos
nuestras estimaciones iniciales de las probabilidades así como la
información sobre la exactitud de la fuente de la información (p.ej., el
estudio de estudios del mercado).

El acercamiento de teorema de Bayes reconoce que un marcador de

decisión no sabe con certeza que estado de naturaleza ocurrirá. Esto
permite al director para revisar su evaluaciones de probabilidad iniciales o
previas basadas en la nueva información. Llamadas probabilidades
posteriores a las probabilidades revisadas.
Calculando probabilidades revisadas
En el caso de Thompson solucionado en la sección 3.6, se supuso que se conocían las
siguientes cuatro probabilidades:

Ahora se muestra como Jhon fue capaz de derivar estos valores

mediante el Teorema de Bayes. A partir de conversaciones que sostuvo
con especialistas en investigación de mercados de una universidad local,
sabe que las encuestas especiales como la que necesita pueden ser
positivas (p.e, predecir un mercado favorable) o negativas (p.e, predecir
un mercado desfavorable). Los expertos le han dicho que,
estadísticamente, en relación con todos los nuevos productos con un
mercado favorable, las encuestas de mercado fueron positivas y
predijeron de manera correcta un éxito en 70% de las ocasiones. En 30%
de las ocasiones, las encuestas predijeron falsamente resultados
negativos en un mercado favorable .
Por otro lado, cuando hubo en realidad un mercado
desfavorable para un nuevo producto, 80% de las
encuestas predijeron de manera correcta resultados
negativos. Los estudios incorrectamente predijeron
resultados positivos 20 % restante. Estas probabilidades
condicionales son resumidas en la tabla 3.12. Ellos son una
indicación de la exactitud del estudio que piensa emprender.
Recuerde que sin cualquier información de estudio de
mercado, las estimaciones de un mercado favorable y
desfavorable son:

Estos se mencionan como las probabilidades previas.

Estamos ahora listos a calcular probabilidades posteriores. Estas probabilidades
deseadas son el revés de las probabilidades en la tabla 3.12. Necesitamos la
probabilidad de un mercado favorable o desfavorable dado un resultado positivo o
negativo del estudio de mercado. La forma general de teorema de Bayes presentado
en el Capítulo anterior es
Podemos dejar que A representa a un mercado
favorable una B representa un estudio positivo.
Entonces, substituyendo los números
apropiados en esta ecuación, obtenemos las
probabilidades condicionales, dado que el
estudio de mercado es positivo:
Estudio de mercado positivo

cminchonm@gmail.com
Estudio de mercado negativo

cminchonm@gmail.com