Unidad 4

1 //Escenario
Escenario28
Lectura fundamental
Fundamental

Árbolesde
Etapas deundecisión
plan de comunicación
estratégica

Contenido

1 Formulación de problemas

2 Matriz de pagos

3 Toma de decisiones considerando probabilidades

4 Árboles de decisión

Palabras clave: formulación, probabilidad, criterio, optimista, minimax.

1. Formulación de problemas

Para analizar un problema de toma de decisiones debemos tener en cuenta las características que lo definen,
como por ejemplo los estados de la naturaleza que son los que indican las decisiones como tal, también
encontramos la matriz de los pagos que es la que nos define los costos y las posibles decisiones a tomar.

Las alternativas de decisión definen las alternativas posibles para las estrategias que podemos tener
en cuenta y cuál de estas será la ideal para la persona que define cuál se deberá utilizar. Por lo tanto,
para definir los estados de la naturaleza de un problema tenemos que son los eventos futuros que no
están bajo el control de la persona encargada de tomar las decisiones, los cuales deben ser exhaustivos
y mutuamente excluyentes, lo que quiere decir que son hechos de alta importancia y además que el
movimiento o acción sobre uno de ellos no afectará al otro.

2. Matriz de pagos

La matriz de pagos es la combinación de las posibles alternativas con las que se cuentan para los
estados de la naturaleza, la cual se encuentra relacionada cada una de ellas por un pago. Teniendo en
cuenta estas posibles combinaciones tenemos definidos cuáles serán las posibles “rutas” a seguir.

Los pagos tienen diferentes tipos de interpretaciones, ya que pueden ser utilidades, costos, tiempos,
distancia o cualquier medida que sea adecuada al problema como tal.

Para realizar la toma de decisiones se tienen varios criterios si no se cuenta con una tabla de datos
probabilísticos, los cuales son dependientes de las matrices de pagos de cada uno de los estados de la
naturaleza. Estos criterios son:

a. Criterio optimista.

b. Criterio conservador.

c. Criterio minimax (arrepentimiento).

POLITÉCNICO GRANCOLOMBIANO 2
 2.1. Criterios de manejo de la toma de decisiones

Para realizar el estudio de cada uno de los criterios tomaremos un ejemplo y lo desarrollaremos
explicando cada uno de los pasos.

Ejemplo

La compañía ACME está considerando construir una planta para la fabricación de una nueva high-
tech trampa para correcaminos. Debido a los diferentes factores que influyen, es muy difícil saber
cuál va a ser la demanda del producto. Se ha estimado que la demanda puede ser alta (A), media (M)
o baja (B). La compañía puede construir una planta pequeña (P), una planta normal (N) o una planta
grande (G). Las utilidades promedio (en millones) para cada escenario se muestran a continuación.

Tabla 1. Matriz de pagos

Demanda
Alta Media Baja
Tamaño de la Pequeña 4 4 -2
planta Mediana 0 3 -1
Alta 1 5 -3

Fuente: elaboración propia, (2019)

2.2. Criterio optimista

a. El criterio optimista es utilizado cuando la persona que define la ruta a seguir cuenta con que
los estados de la naturaleza tienen un comportamiento favorable.
b. Selecciona la mejor de las decisiones posibles en cuanto a los estados de la naturaleza.
c. Si la tabla está en función de los costos selecciona la mejor de las soluciones, ósea el menor
de los costos posibles.

POLITÉCNICO GRANCOLOMBIANO 3
Ahora para resolver el problema de la compañía ACME tenemos que en la tabla de escenarios
posibles (ver tabla1.) los estados de la naturaleza serán qué tipo de planta abriremos, por lo que
se define que el criterio optimista toma el mejor de los casos para cada uno de los estados de la
naturaleza del problema y de ellos se toma el mejor por lo tanto tendíamos la siguiente tabla.

Tabla 2. Criterio optimista

Demanda
Alta Media Baja MAX
Tamaño de la Pequeña 4 4 -2 4
planta Mediana 0 3 -1 3
Alta 1 5 -3 5
Fuente: elaboración propia, (2019)

La mejor de las alternativas sería construir una planta con una demanda media, según lo que nos
muestra la tabla 1, por lo tanto, el tomador de decisiones se enfoca en esta decisión como tal.

2.3. Criterio conservador

a. El criterio conservador se usa cuando el tomador de decisiones prefiere tomar una decisión
intermedia y estar más seguro de los resultados que desea obtener.

b. Para tomar la decisión se toma la peor de las opciones y de las peores se toma la mejor o que
genere mejor pago.

c. Si la tabla está en función de los costos se toman primero los peores pagos y de estos se
escoge el mejor.

Para resolver el problema de la compañía ACME tenemos que en la tabla de escenarios posibles (ver
tabla 1) los estados de la naturaleza serán qué tipo de planta abriremos, por lo que se define que en
el criterio conservador se toma el peor de los casos y de este se toma la mejor solución. Por lo tanto,
tendremos la siguiente tabla.

POLITÉCNICO GRANCOLOMBIANO 4
 Tabla 3. Criterio conservador

Demanda
Alta Media Baja MÁX.
Tamaño de la Pequeña 4 4 -2 -2
planta Mediana 0 3 -1 -1
Alta 1 5 -3 -3
Fuente: elaboración propia, (2019)

Al considerar el peor de los escenarios se toma la mejor de las soluciones de este, por lo tanto, la
solución es una planta mediana.

2.4. Criterio minimax (arrepentimiento)

a. Se debe construir una tabla de costos de oportunidad (arrepentimiento).

b. La tabla se construye al calcular, para cada estado de la naturaleza, la diferencia entre el pago
de cada alternativa con el mejor pago para dicho estado de la naturaleza.

c. A cada alternativa se le asigna el mayor costo de oportunidad posible, luego se selecciona la

alternativa con el menor de los costos asignados. Es decir, se selecciona la alternativa con
el mínimo de los costos de oportunidad máximos. Para resolver el problema por medio del
criterio minimax tenemos:

Tabla 4. Creación de la nueva matriz de pagos

Demanda
Alta Media Baja
Tamaño de la Pequeña 4-4 5-4 -1+2
planta Mediana 4-0 5-3 -1+1
Alta 4-1 5-5 -1+3
Fuente: elaboración propia, (2019)

POLITÉCNICO GRANCOLOMBIANO 5
A partir de la nueva matriz tomamos el menor de los máximos costos.

Tabla 5. Matriz de pagos minimax

Demanda
Alta Media Baja MÁX.
Tamaño de la Pequeña 0 1 1 1
planta Mediana 4 2 0 4
Alta 3 0 2 3
Fuente: elaboración propia, (2019)

La planta a construir será una planta pequeña.

3. Toma de decisiones considerando probabilidades

A. Criterio del valor esperado

a. Si existe información disponible sobre el comportamiento probabilístico de los estados de la

naturaleza, se puede usar el criterio del valor esperado (EV).

b. El pago esperado de cada decisión es calculado al ponderar los pagos bajo cada estado de la
naturaleza, con la probabilidad respectiva de cada estado.

c. La decisión escogida será la que presente el mejor valor esperado.

d. El valor esperando de la decisión está dado por la siguiente expresión:

POLITÉCNICO GRANCOLOMBIANO 6
 Donde,

N=Numero de estados de la naturaleza.

P (sj) =Probabilidad de que ocurra el estado di.

Vij=el pago obtenido por di y el estado de la naturaleza sj.

4. Árboles de decisión

Un árbol de decisión es una representación cronológica del problema. Existen dos tipos de nodos:
círculos (estados de la naturaleza) y cuadrados (alternativas de decisión).

Las ramas del árbol dejando cada círculo representa a cada estado de la naturaleza, mientras las ramas
que dejan cada cuadrado representa a cada alternativa de decisión.

Al final de cada rama‐fin del árbol se encuentran los pagos acumulados de todas las ramas desde el
inicio hasta la rama‐fin

Ejemplo 2

El restaurante Burger Prince está considerando construir un nuevo restaurante en la carrera séptima.
Se ha estimado que la tasa de arribo de clientes al restaurante puede ser de 80 clientes/hora (s1) con
una probabilidad del 40 %, 100 clientes/hora (s2) con una probabilidad del 20 % y 120 clientes/hora
(s3) con una probabilidad del 40 %. El restaurante puede abrir uno de tres tipos de locales (d1, d2 o
d3). Las utilidades promedio (en dólares) para cada escenario se muestran a continuación.

Tabla 6. Matriz del ejemplo 2

Demanda
80c/h 100 c/h 120 c/h
D1 10000 15000 14000
Modelo Local
D2 8000 18000 12000
D3 6000 16000 21000
Fuente: elaboración propia, (2019)

POLITÉCNICO GRANCOLOMBIANO 7
 10.000
4
S1
S2 2
2 15.000
S3
4
14.000

8.000
D1
4
S1
D2 S2 2
18.000
1 3
S3
4
D3 12.000

6.000
4
S1
4 S2 2 16.000
S3
4
21.000

Figura 1. Árbol de decisión ejemplo 2

Fuente: elaboración propia, (2019)

2 =0.4 * (10.000)+ 0.2 * (15.000)+ 0.4 * (14.000) = 12.600

D1
1 D2 3 =0.4 * (8.000)+ 0.2 * (18.000)+ 0.4 * (12.000) = 11.600

D3

4 =0.4 * (6.000)+ 0.2 * (16.000)+ 0.4 * (21.000) = 14.000

Figura 2. Árbol de decisión ejemplo 2 desarrollado

Fuente: elaboración propia, (2019)

Por lo tanto, la respuesta para el ejemplo será el estado 3 o D3.

POLITÉCNICO GRANCOLOMBIANO 8
Valor esperado de la información perfecta

Con frecuencia, antes de tomar una decisión, se puede contar con información que permite mejorar
la estimación de las probabilidades de los estados de la naturaleza.

a. El Valor Esperado de la Información Perfecta (EVPI) corresponde al incremento en el valor

esperado si se sabe con certeza cuál estado de la naturaleza va a ocurrir.

b. El EVPI ofrece un valor límite del precio que se deberá pagar por la información muestral.

Pasos para calcular el EVPI

a. Determine el pago óptimo para cada estado de la naturaleza.

b. Calcule el valor esperado con esos valores óptimos y las probabilidades correspondientes.

c. Halle la diferencia entre el valor esperado (EV) de la mejor decisión y el valor esperado con
los pagos óptimos. El resultado será el EVPI.

Ahora, lo primero es hallar los mejores pagos para cada estado de la naturaleza:

80 c/h 100 c/h 120 c/h

Pago óptimo 10000 18000 21000

Hallamos 0.4*10000+0.2*18000+0.4*21000= 16000, por lo tanto, como el valor esperado del

mejor de los resultados es 14000 el EVPI será de:

EVPI= 16000-14000=2000

Probabilidades posteriores

a. La información muestral puede ayudar a estimar mejor las probabilidades de ocurrencia de un

estado de la naturaleza.

b. Las estimaciones iniciales son llamadas probabilidades anteriores (a priori).

POLITÉCNICO GRANCOLOMBIANO 9
 c. Utilizando probabilidades condicionales, las probabilidades anteriores se pueden actualizar
utilizando el teorema de Bayes.

d. Las probabilidades actualizadas se conocen como probabilidades posteriores (a posteriori).

Pasos para el cálculo

a. Para cada estado de la naturaleza multiplique la probabilidad anterior por la correspondiente

probabilidad condicional del indicador, así se obtiene la probabilidad conjunta.

b. Sume las probabilidades conjuntas del mismo indicador sobre todos los estados de la
naturaleza, así se obtiene la probabilidad marginal.

c. Para cada estado de la naturaleza, divida la probabilidad conjunta sobre la probabilidad

marginal del indicador. El resultado será la probabilidad posterior.

El valor esperado de la información muestral (EVSI) corresponde al incremento en el valor esperado

si se obtiene información a través de un estudio o muestra.

a. Su valor está acotado por el valor de la información perfecta.

Pasos para calcular el EVSI

a. Determine la decisión óptima y el pago esperado para cada estado de la naturaleza utilizando
las probabilidades posteriores.

b. Calcule el valor esperado con los valores obtenidos y las probabilidades marginales.

c. Halle la diferencia entre el valor esperado (EV) de la mejor decisión con las probabilidades
anteriores y el valor esperado con las probabilidades posteriores. El resultado será el EVSI.

POLITÉCNICO GRANCOLOMBIANO 10
La eficiencia de la información muestral es la razón entre el EVSI y el EVPI. La eficiencia siempre es
un número entre 0 y 1.

Estos son conceptos que ayudan a calcular o prever el desempeño de un modelo o de un sistema que
se encuentra en uso, este comportamiento se puede definir según lo que se desee, ya sea disminuir
los costos o aumentar la producción teniendo en cuenta los factores externos a la empresa.

POLITÉCNICO GRANCOLOMBIANO 11
Referencias

Anderson, D. S. (2005). Métodos cuantitativos para los negocios (novena edición). México: Cengage
Learning Editores.

Bazaraa, M. J. (1996). Programación lineal y flujo en redes (segunda edición). México: Limusa.

Bazaraa, M. y Jarvis, J. J. (2005). Programación lineal y flujo en redes (segunda edición). México:
Limusa Editores.

Castillo. (20 de noviembre de 2007). Departamento Unican. Recuperado de http://departamentos.

unican.es/macc/personal/profesores/castillo/libro.htm

Hillier, F. (2006). Texto principal: introducción a la investigación de operaciones (segunda edición).

McGraw Hill.

Hillier, F. (2006). Investigación de operaciones (octava edición). México: McGraw-Hill.

Hillier, F. (2008). Métodos cuantitativos para la administración (tercera edición). México: McGraw-Hill.

Hopp, W. (2008). M. Factory Physics. NY: McGraw-Hill.

Taha, H. (1997). Investigación de operaciones: una introducción (sexta edición). NY: Prentice Hall.

Winston, W. (2005). Investigación de operaciones, aplicaciones y algoritmos (cuarta edición).

México: Thomson.

POLITÉCNICO GRANCOLOMBIANO 12
 INFORMACIÓN TÉCNICA

Módulo: Modelo para la Toma de Decisiones

Unidad 4: Teoría de colas y árboles de decisión
Escenario 8: Árboles de decisión

Autor: Gabriel Mauricio Yañez Barreto

Asesor Pedagógico: Ana Milena Raga

Diseñador Gráfico: Katherinne Pineda Rodriguez
Asistente: Ginna Quiroga

Este material pertenece al Politécnico Grancolombiano.

Prohibida su reproducción total o parcial.

POLITÉCNICO GRANCOLOMBIANO 13