Unidad 5.

DECISIONES BAJO INCERTIDUMBRE

Las situaciones de incertidumbre (o también conocido como situaciones de

ignorancia), se conocen cuáles son los posibles resultados futuros pero se
desconoce el grado de probabilidad asociado a ellos. Es decir, se conoce todos los
posibles estados de la naturaleza pero se desconoce cuál de ellos se va
presentar. En estos casos se tiene que recurrir a una serie de criterios para poder
tomar una decisión.

Ejemplo: Supongamos que queremos realizar una inversión sobre un nuevo valor
de bolsa. En este caso, los expertos intentan valorar fenómenos relacionados con
apreciaciones subjetivas sobre una posible subida o bajada en la cotización de las
acciones en las que se invierta el dinero.

Los métodos clásicos no son adecuados para tratar situaciones en las que la
incertidumbre se debe a la apreciación de información vaga o imprecisa. Esto ha
generado la necesidad de recurrir a la definición de nuevos modelos basados en
la Teoría de Conjuntos Difusos para modelar la incertidumbre como, por ejemplo
los Conjuntos aproximados, los conjuntos difusos, entre otros.

En general las Decisiones con Incertidumbre: No se disponen de datos :

1. No se conocen los datos y no puede determinarse una función de

probabilidad
2. Si el decisor además tiene un oponente inteligente se formularán Teoría
de Juegos.

Criterios sin utilizar las probabilidades de los estados de la naturaleza . Estos

criterios se utilizan cuando las probabilidades son desconocidas o ignoradas:

• Criterio de Wald o minimax-maximin o pesimista.

Propuesto por WALD en 1950, se sugiere que por cada alternativa se

supone que va a pasar lo peor, y elige aquella alternativa que dé mejor valor. De
esta forma se asegura que en el peor de los casos se obtenga lo mejor posible,
que corresponde a una visión pesimista de lo que puede ocurrir.
Este método se conoce comúnmente como el método maximin, es decir, de entre
los mínimos beneficios, escoger el mayor de todos. Su formulación es la siguiente:

Decisión = Max {E1} = Max [Min {aj} ]

• Criterio optimista.

Es el criterio justamente opuesto al anterior, para cada alternativa se supone

que pasará lo mejor, y se elige la que dé mejor valor. Este criterio apenas es
utilizado ya que no tiene en cuenta en ningún momento los riesgos que se corren
al tomar una decisión.
 • Criterio de Hurwicz.

Este criterio combina las actitudes pesimista y optimista, valorando cada

alternativa con una ponderación entre lo mejor y lo peor posible. Esta
ponderación se hace multiplicando lo mejor por un factor α entre 0 y 1,
denominado índice de optimismo, y lo peor por 1 − α , sumando ambas
cantidades. Se elegirá la alternativa que mejor valor dé. Este criterio presenta la
dificultad de estimar el valor del índice de optimismo del decisor, de modo que
habitualmente se obtiene la solución para todos los posibles valores de este
índice y se intenta situar al decisor en alguno de los intervalos resultantes del
índice de optimismo.

Decisión = Max {E1} = Max [α Max{aj} + (1- α) Min{aj} ]

donde α + (1- α)= 1

• Se demuestra que si α = 1; Decisión = Max [1* Max{a j} + 0* Min{aj}] =

Max [Max{aj}] = Criterio Optimista.

• Por otro lado, si α = 0; Decisión = Max [0* Max{a j} + 1* Min{aj}] = Max

[Min{aj}] = Criterio pesimista.

• Criterio de Savage o costes de oportunidad .

Este criterio toma en consideración el coste de oportunidad o penalización o

arrepentimiento por no prever correctamente el estado de la naturaleza. Estos
costes de oportunidad se evalúan para cada alternativa y cada estado, haciendo
la diferencia entre lo mejor de ese estado y lo que proporciona esa alternativa
para ese estado, construyendo la llamada matriz de penalizaciones o costes de
oportunidad. Sobre esta matriz se aplican los criterios anteriores, pudiendo
aplicarse el del coste esperado, o, lo que es más habitual, el criterio minimax
conociéndose entonces también como criterio de minimizar el máximo
arrepentimiento.

• Criterio de LAPLACE. Propuesto por Laplace en 1825, esta basado en un

principio de razón insuficiente que implica asociar un mismo grado de
probabilidad a los distintos estados de la naturaleza, siempre y cuando no
tengamos indicios de lo contrario. Su formulación es la siguiente:
n
Decisión = Max {Ej} = Max [1/n ∑ aj]
j=1

Vamos a ver un ejemplo para clarificar todos estos conceptos. Supóngase que
en la demanda prevista para el mes siguiente de un determinado producto es 1,
2, 3 o 4, con probabilidades 0.1, 0.3, 0.4, y 0.2, respectivamente. Si un producto
que es fabricado un mes se vende ese mismo mes el precio de venta será de
6500 euros, mientras que si ha de venderse el mes siguiente será de 4000. Los
costes unitarios de producción son de 5000 euros. Con estos datos se forma la
matriz de decisión:

E1 = 1 E2 = 2 E3 = 3 E4 = 4
p1 = 0.1 p2 = 0.3 p3 = 0.4 p4 = 0.2
A1 = 1 1500 1500 1500 1500
A2 = 2 500 3000 3000 3000
A3 = 3 -500 2000 4500 4500
A4 = 4 -1500 1000 3500 6000

Las distintas alternativas seleccionadas para los distintos criterios serán:

• Criterio de Wald.
Los mínimos para cada decisión son 1500, 500, -500 y –1500, respectivamente,
luego, la alternativa preferida sería producir 1 artículo.

• Criterio optimista.
En este caso los máximos son 1500, 3000, 4500, -1500, y por lo tanto, se elegiría
producir 4 artículos.

• Criterio de Hurwicz
En este caso, para cada alternativa tenemos: A1 1500, A2 3000 α +500(1- α ), A3
4500 α -500(1- α ) y A4 6000 α -1500(1- α ). Si α <0.4, la alternativa sería
producir 1 artículo, mientras que si es superior sería producir 4 artículos.

• Criterio de Savage
El primer paso es construir la matriz de penalizaciones o costes de oportunidad.
La matriz la formamos por columnas, obteniendo el máximo de la columna y
restándole a este valor el pago de cada alternativa. Así la matriz obtenida es:

0 1500 3000 4500

1000 0 1500 3000
2000 1000 0 1500
3000 2000 1000 0

Ahora aplicamos el criterio minimax, para minimizar la máxima penalización,

obteniendo que los máximos son 4500, 3000, 2000 y 3000, por lo que la
alternativa sería producir 3 artículos.