Investigación Operativa II

Dra. Ing. María Alejandra Castellini

Profesora Titular
Ing. Melany Segarra Marinetti
Coordinadora Docente

2020
 Unidad 3

Análisis de decisiones y Teoría de juegos

Modelos para toma de decisiones en condiciones de certidumbre, riesgo e

incertidumbre. Aplicaciones
Toma de Decisiones con Criterios Múltiples: Proceso de Jerarquía Analítica.
Aplicaciones
Teoría de juegos: de dos personas con suma cero y suma constante. Estrategias
dominantes. Juegos con equilibrio en estrategias puras y estrategias mixtas.
Resolución de juegos aplicando programación lineal.
Análisis de decisiones

El análisis de decisión implica el uso de un proceso racional para

seleccionar la mejor entre varias alternativas. La “bondad” de una
alternativa seleccionada depende, en parte, de la calidad de los datos
utilizados para describir la situación de decisión. Desde este punto de
vista, un proceso de toma de decisiones se puede clasificar en las
siguientes categorías:
• Bajo certidumbre: Se conocen los datos en forma determinista. Por
ejemplo: Modelos de decisión multicriterio.
• Bajo riesgo: Los datos se describen mediante distribuciones de
probabilidad.
• Bajo incertidumbre: No es posible asignar a los datos una distribución
de probabilidad que represente su grado de relevancia en el proceso de
decisión
• Bajo conflicto (Juegos): Situaciones caracterizadas por la influencia de
un oponente inteligente.
Análisis de decisiones bajo certidumbre
• Programación Lineal, otros?
• Modelos de decisión multicriterio
Varios métodos. Proceso analítico jerárquico (Thomas Saaty)
• Estructurar el problema jerárquicamente.
• Evaluar los elementos de cada nivel versus los elementos del nivel
superior de la jerarquía.
• Aplicación del algoritmo de ponderación.
Proceso de jerarquía analítica
Escala para comparaciones par a par

Juicios Verbales Juicios Numéricos

Igualmente preferido 1
De igual a moderadamente más 2
Moderadamente más preferido 3
De moderadamente más a 4
poderosamente más
Poderosamente más preferido 5
De poderosamente más a muy 6
poderosamente más
Muy poderosamente más preferido 7
De muy poderosamente más a 8
extremadamente más
Extremadamente más preferido 9
Proceso de jerarquía analítica
Ejemplo: Toma de decisión en la compra de un automóvil.

Información general de los vehículos:

Categoría Automóvil A Automóvil B Automovil C

Precio (um) 13,100 11,200 9,500
Km/l 11 13 15
Interior Deluxe Estándar Estándar
Tamaño medio 4 Compacto 2
Carrocería Sport 2 puertas
puertas puertas
Accesorios Radio, Mp3, USB Radio, Mp3 Radio

Motor 6 cilindros 4 cilindros turbo 4 cilindros

Proceso de jerarquía analítica
• Objetivo: seleccionar el auto
• Criterios: precio, km/l, comodidad, estilo
• Alternativas: auto A, auto B, auto C
• Matriz de comparación por pares
Tomamos como ejemplo el criterio de COMODIDAD. Se están considerando tres
vehículos por lo que debe ser una matriz de tres filas por tres columnas. Se basa
en las preferencias especificadas por el tomador de la decisión, según la ESCALA
DE COMPARACIONES PAR A PAR. Para el decisor el auto A es más cómodo que el B
y extremadamente mas cómodo que el C. El auto B es mucho más cómodo que C.
Valorizándolos como se ve a continuación

Auto A Auto B Auto C

Auto A 2 8
Auto B 6
Auto C
Proceso de jerarquía analítica
Matriz de comparación por pares para las alternativas
• Para determinar las entradas faltantes de la matriz de comparación
por pares, observe que cuando comparemos cualquiera de los dos
automóviles consigo mismo, el juicio será igualmente preferido, por
lo tanto el valor será 1.
Auto A Auto B Auto C
Auto A 1 2 8
Auto B 1 6
Auto C 1

• Los demás valores serán el reciproco del valor ya obtenido.

Auto A Auto B Auto C
Auto A 1 2 8
Auto B 1/2 1 6
Auto C 1/8 1/6 1
Proceso de jerarquía analítica
• Sintetización: Se realiza para calcular la prioridad relativa de cada uno
de los elementos que se están comparando.
• Procedimiento
• Paso1. Sume los valores para cada columna.
Auto A Auto B Auto C
Auto A 1 2 8
Auto B 1/2 1 6
Auto C 1/8 1/6 1
Total 13/8 19/6 15

• Paso2. Divida cada elemento de la matriz entre el total de su columna

(normalización).
Auto A Auto B Auto C
Auto A 8/13 12/19 8/15
Auto B 4/13 9/19 6/15
Auto C 1/13 1/19 1/15
Proceso de jerarquía analítica
• Paso3. Promedie los elementos de cada fila para el criterio COMODIDAD

Auto A Auto B Auto C Promedio

Auto A 8/13 12/19 8/15 0.593
Auto B 4/13 9/19 6/15 0.341
Auto C 1/13 1/19 1/15 0.066

• Vectores de prioridad para los cuatro criterios

Precio Km/l Comodidad Estilo

Auto A 0.123 0.087 0.593 0.265
Auto B 0.320 0.274 0.341 0.655
Auto C 0.557 0.639 0.066 0.080

Matriz 1
Proceso de jerarquía analítica
Matriz de comparación por pares para los criterios
• Matriz de comparación por pares para los cuatro criterios
Precio MPG Comodidad Estilo
Precio 1 3 2 2
Km/l 1/3 1 1/4 1/4
Comodidad 1/2 4 1 1/2
Estilo 1/2 4 2 1

• Paso1. Sume los valores para cada columna.

• Paso2. Divida cada elemento de la matriz entre el total de su columna
(normalización).
• Paso3. Promedie los elementos de cada fila
• Prioridades para los cuatro criterios
Precio 0.398
Km/l 0.085 Matriz 2
Comodidad 0.218
Estilo 0.299
Proceso de jerarquía analítica
Precio 0.398
Km/l 0.085
Comodidad 0.218
Estilo 0.299
Precio MPG Comodidad Estilo
Auto A 0.123 0.087 0.593 0.265
Auto B 0.320 0.274 0.341 0.655
Auto C 0.557 0.639 0.066 0.080
Auto A= 0.398(0.123)+0.085(0.087)+0.218(0.593)+0.299(0.265)= 0.265
Auto B= 0.398(0.320)+0.085(0.274)+0.218(0.341)+0.299(0.655)= 0.421
Auto C= 0.398(0.227)+0.085(0.639)+0.218(0.066)+0.299(0.080)= 0.314
La mejor opción es el auto B por su mejor calidad en estos criterios
( precio, km/l, comodidad y estilo).

Análisis de consistencia: <0.1

Análisis de decisiones bajo riesgo

De acuerdo con Taha (2012), se basa en el criterio del valor esperado, en el

que las alternativas de decisión se comparan en base a la maximización de la
utilidad esperada o a la minimización del costo esperado.
Ejemplo: Decidir la inversión de $10.000 en acciones en una de dos
compañías A y B, que cotizan en el mercado de valores.
A puede dar un rendimiento del 50% luego de un año en condiciones de
mercado favorables, de lo contrario las acciones pueden perder 20% en el
mismo lapso.
B proporciona 15 % de rendimiento en condiciones favorables y sólo 5% en
condiciones desfavorables.
Se predice una probabilidad de 0.6 para un mercado “en alza” y de 0.4 para
un mercado “en baja”.
Análisis de decisiones bajo riesgo

• Árbol de eventos
 Análisis de decisiones bajo incertidumbre
Implica acciones alternativas, cuyos resultados dependen de los estados
de la naturaleza (aleatorios). La matriz de resultados con m acciones
alternativas y n estados de la naturaleza sj será:

donde ai representa la acción i y el elemento sj representa el estado de la

naturaleza j. El resultado asociado con la acción ai y el estado sj es v(ai , sj).
 Análisis de decisiones bajo incertidumbre
• La diferencia con el caso anterior es que la distribución de probabilidad
asociada con los estados sj, j = 1,2,...n es desconocida o no se puede
determinar.
• Se desarrollaron los siguientes criterios:
• Laplace: basado en el principio de razón insuficiente. Como P{ sj } es
desconocida, se supone P{ s1 } = P{ s2 } =....= P{ sn } = 1/n y si v(a i ,s j )
representa una ganancia. Se elegirá la alternativa que:

• Minimax (Maximin): basado en la actitud conservadora de tomar lo mejor

de las peores condiciones posibles. Si v(ai ,sj ) es una ganancia. Se selecciona
la acción que corresponde a
Análisis de decisiones bajo incertidumbre
• Savage: Modera al criterio anterior, reemplazando la matriz de
resultados por una matriz de arrepentimiento o lamento r(ai , sj )
mediante la siguiente transformación

a la que se aplica el criterio maximin (minimax).

• Hurwicz: refleja un rango de actitudes de toma de decisiones, a través
de un índice de optimismo 0    1
Si  = 0 criterio conservador
Si  = 1 criterio optimista y suponiendo que v(ai, sj) represente una
ganancia, el criterio de selección será:

•
Ejemplo: Matriz de pérdidas (UM)

S1 S2
A1 11000 90
A2 10000 10000
Referencias

• Taha, Hamdy (2012) Investigación de operaciones -Novena

edición - PEARSON EDUCACIÓN, México- ISBN: 978-607-32-
0796-6