Unidad 1

Teoría de Decisiones

Carrera para
gente que trabaja
 Contenido de la sesión
Logro de la sesión:

Al finalizar la sesión los Semana 2:

alumnos conocen los Toma de decisiones bajo riesgo.
elementos de una toma de Árboles de decisión.
decisión, seleccionan la Valor esperado de la información perfecta y de muestra.
mejor alternativa de
decisión en un ambientes
bajo riesgo.

Carrera para
gente que trabaja
La toma de Decisiones bajo Riesgo

En esta situación existe mas de un estado de la

naturaleza, pero el tomador de decisiones tiene
información que soportara la asignación de
probabilidad a cada uno de los estados posibles.
Carrera para
gente que trabaja
 Valor Monetario Esperado

Tabla de ganancias
Una tabla de ganancias es un listado de todas las
combinaciones posibles de alternativas de decisión y
estados de la naturaleza.
Ganancias esperadas
Las ganancias esperadas o el valor monetario
Carrera
esperado (VME) para
es el valor esperado de cada criterio
de decisión.gente que trabaja
 Calculo del VME
Sea Ai la i-ésima alternativa de decisión.
Sea P(Sj) la probabilidad del j-ésimo estado de la naturaleza.
Sea V(Ai, Sj) el valor de la ganancia para la combinación de
alternativa de decisión Ai y el estado de la naturaleza Sj.
Sea VME(Ai) el valor monetario esperado de la alternativa de
Carrera para
decisión Ai.
gente que trabaja
VME ( Ai )  [ P(S j ) V ( Ai , S j )
 Ejemplo
• Se desarrolló la siguiente tabla de ganancias.
• Sea P(S1) =0 .5, P(S2) =0 .3, y P(S3) = 0.2.
• Calcule el VME para cada alternativa.

Alternativa S1 S2 S3
A1 Carrera
50 para70 100
gente que trabaja
A2 40 80 90
A3 90 70 60
 Ejemplo continua

VME(A1) = (.5)(50)+(.3)(70)+(.2)(100) = 66
VME(A2) = (.5)(40)+(.3)(80)+(.2)(90) = 62
VME(A3) = (.5)(90)+(.3)(70)+(.2)(60) = 78

• ¿Qué decisión recomienda?

• Se elige laCarrera para
alternativa A3 ya que da el valor
monetariogente
esperadoque mástrabaja
grande o la
ganancia esperada más grande.
19-8

Perdida de Oportunidad Esperado

• Pérdida de oportunidad o arrepentimiento es la pérdida debida
al hecho de que no se conoce el estado exacto de la naturaleza
en el momento de tomar la decisión. Un ejemplo sería la
ganancia que puede perder un inversionista al adquirir acciones
cuando el comportamiento del mercado no se conoce.
• La pérdida de oportunidad se calcula al tomar la diferencia
Carrera
entre la decisión óptima para
de cada estado de la naturaleza y las
otras alternativas de decisión.
gente que trabaja

8
19-9

Ejemplo continua

TABLA DE PÉRDIDA DE OPORTUNIDAD

Alternativa S1 S2 S3
A1 40 10 0
A2 Carrera50para 0 10
A3 gente que
0 trabaja
10 40

9
19-10

Pérdida de oportunidad esperada

• Sea Ai la i-ésima alternativa de decisión.
• Sea P(Sj) la probabilidad del j-ésimo estado de la naturaleza.
• Sea R(Ai,Sj) el valor del arrepentimiento para la combinación de
la alternativa de decisión Ai y el estado de la naturaleza Sj.
• Sea PEO(Ai) la pérdida esperada de oportunidad para la
alternativa de decisión Ai.
Carrera para
gente
PEO ( Ai ) que
 P(trabaja
S j ) R( Ai , S j )

10
19-11

Ejemplo continua

PEO (A1) = (.5)(40) + (.3)(10) + (.2)(0) = 23

PEO (A2) = (.5)(50) + (.3)(0) + (.2)(10) = 27
PEO (A3) = (.5)(0) + (.3)(10) + (.2)(40) = 11
• ¿Qué decisión tomaría con base en la menor pérdida de
oportunidad esperada?
• Elija la alternativa A3 ya que da la menor pérdida de
oportunidad Carrera
esperada para
• Nota: esta decisión es la misma cuando se usa la mayor
gente que trabaja
ganancia esperada. Estas dos aproximaciones llevan siempre
a la misma decisión.

11
19-14

Valor de la información perfecta

• ¿Cuál es el valor de la información conocida de antemano,

antes de emplear una estrategia?
• El valor esperado de la información perfecta (VEIP) es la
diferencia entre la ganancia esperada si el estado de la
naturaleza fuera conocido y la decisión óptima en
condiciones de incertidumbre.
• Del EJEMPLO Carrera
1 para
VEIP = [(.5)(90) + (.3)(80) + (.2)(100)] - 78 = 11.
gente que trabaja

12
19-15

Análisis de sensibilidad y árboles de decisión

• El análisis de sensibilidad examina los efectos de las

diferentes probabilidades de los estados de la
naturaleza para los valores esperados de las alternativas
de decisión.
• Los árboles de decisión son útiles para estructurar las
variaciones de las alternativas. Presentan un diagrama
Carrera
de los distintos cursos para
de acción y los posibles estados
gente que trabaja
de la naturaleza.

13
 DEFINICIÓN

Un árbol de decisión es una forma gráfica y analítica de

representar todos los eventos (sucesos) que pueden surgir a partir
de una decisión asumida en cierto momento.

Nos ayudan a tomar la decisión “más acertada”, desde un punto

de vista probabilístico, ante un abanico de posibles decisiones o
alternativas. Carrera para

gente
Facilita considerar de maneraque trabaja
integrada la secuencia de las
decisiones, los posibles resultados asociados con cada alternativa,
las asignaciones de probabilidad, los efectos monetarios y las
utilidades.

14
 Finalidad del Árbol de Decisiones

Mostrar gráficamente toda la información de

un problema.

Dibujar la representación esquemática del

problema logrando así que la información se
entienda mas fácilmente.

Carrera para
Simplificar los cálculos de probabilidades muy
gente que trabaja
complejas.

15
 Terminología
• Nodo Cuadrado de decisión
Simbolizan puntos de decisión, donde el tomador de
decisiones debe elegir entre varias acciones posibles.
• Nodo Circular de acontecimiento o eventos
Indica que en ese punto del proceso ocurre un evento
aleatorio “Estado de la Naturaleza”.
• Rama Carrera para
Nos muestra los distintos caminos que se pueden
gente que trabaja
emprender cuando tomamos una decisión o bien ocurre
algún evento aleatorio.

16
 Momento de Decisión

S1

S2

S3
Carrera para
Las gente que
ramas que trabaja
nacen de un nodo de decisión
representan a las alternativas.

17
 Evento aleatorio

N1

N2

N3
Carrera para
Las gente quenacen
ramas que trabaja
de un nodo de
acontecimiento representan a los distintos estados
de una Variable No Controlable.

18
 Árbol de decisión – representación en forma
extensa o secuencial

Evento 1
Pago 1
Punto de
decisión
Alternativa 1 Evento 2 Pago 2

Carrera para
Evento 3
gente que trabaja Pago 3

Alternativa 2 Pago 4

19
 Construcción del Árbol

• Se desarrolla de izquierda a derecha indicando en forma

secuencial todos los momentos de decisión y los momentos de
acontecimiento de un evento aleatorio.
• Luego se colocan al final de las ramas los resultados acumulados
después de sortear todas las vicisitudes desde el inicio del
proceso.
• Se evalúa de atrás hacia delante reconociendo la influencia de las
decisiones y Carrera para
eventos aleatorios últimos sobre los primeros.
gente que trabaja
• En los nodos de decisión se elige la mejor alternativa.
• En los eventos aleatorios se indica el criterio usado para evaluar
los resultados posteriores (valor esperado, minimax, etc.).
20
 Tipos de Árbol de Decisiones

• Para caso de certidumbre: • Para caso de riesgo:

– Se conoce, con certeza los – Los posibles resultados se
resultados esperados para cada presentan en función de una
opción. probabilidad ya que no se
– No existen los nodos de los puede afirmar con certeza.
estados de la naturaleza.
Carrera para
gente que trabaja

21
 Ejemplo 01: Caso de Certidumbre
Liz & Co, estudia la posibilidad de introducir un nuevo
producto ahora o dentro de un año. Los beneficios de
cada caso son:

Alternativa 1er año 2do año

A1: Introducir producto ahora $600,000 800,000
Carrera para
A2: Introducir Producto Próximo año 0 650,000
gente que trabaja
A3: No introducir producto 0 0

22
 Ejemplo: 02 Caso de Riesgo
• Se dispone de $2,000 para invertir. Hay tres posibles
resultados que tienen un riesgo determinado y posibles
ganancias o perdidas según la siguiente tabla Se requiere
maximizar el valor monetario esperado.

Posibilidades Beneficio/Perdida Probabilidad

A1: Carrera para
$ 1,200 0.3
A2: gente que$trabaja
700 0.5
A3: ($ 500) 0.2

23
 Ejemplo: 02 Caso de Riesgo
Gráfico

Carrera para
gente que trabaja

24
 Ejemplo: 02 Caso de Riesgo
Gráfico - Calculo

VME = (0.3*1200)+(0.5*700)+(0.2*-500)
VME = 360 + 350 -100
VME = 610

• De manera que se invierte el valor monetario esperado es

de $ 610. La alternativa en este caso es invertir, como
Carrera para
resultado de este árbol de decisiones.
gente que trabaja

25
 Ejemplo: 01 Caso de Certidumbre
Gráfico

Carrera para
gente que trabaja

26
 ¿Se logró la meta de la sesión?

Identificar la importancia de la toma de decisiones en

ambiente de riesgo.
Reconocer la aplicación del árbol de decisión
Carrera para
gente que trabaja
 Conclusiones

• La toma de decisión en ambiente de riesgo, se puede

decidir por el Valor Monetario Esperado o la Perdida de
oportunidad esperada.
• Calcular el Valor esperado de la Información Esperada.
• Finalidad de los arboles de decisión.
• Conocer los tipo de árbol de decisión, para casos de
Carrera para
incertidumbre y para casos de riesgo.
gente que trabaja
Carrera para
gente que trabaja