15.

3 Decisión bajo incertidumbre 537

15.3 DECISIÓN BAJO INCERTIDUMBRE

La toma de decisiones bajo incertidumbre, así como bajo riesgo, implica acciones alter-
nativas cuyas retribuciones dependen de los estados de la naturaleza (aleatorios).
Específicamente, la matriz de retribución de un problema de decisión con m acciones
alternativas y n estados de la naturaleza puede representarse como

s1 s2 ... sn

a1 v(a 1, s1) v(a 1, s2) ... v(a 1, sn)

a2 v(a 2, s1) v(a 2, s2) ... v(a 2, sn)

o o o o o

am v(am, s1) v(am, s2) ... v(am, sn)

El elemento ai representa la acción i y el elemento s, representa el estado de la natura-

leza j. La retribución o resultado asociado con la acción ai y el estado sj es v(ai, sj).
En la toma de decisiones bajo incertidumbre, la distribución de probabilidad aso-
ciada con los estados sj, j 5 1,2,…, n, o se desconoce o no puede ser determinada. Esta
falta de información condujo al desarrollo de criterios de decisión especiales:
1. Laplace
2. Minimax
3. Savage
4. Hurwicz
Estos criterios difieren en el enfoque que adopte el tomador de decisiones ante el pro-
blema.
El criterio de Laplace se basa en el principio de razón insuficiente. Ya que no se co-
nocen las distribuciones de probabilidad, no hay razón alguna para creer que las proba-
bilidades asociadas con los estados de la naturaleza sean diferentes. Por tanto, las alter-
nativas se evalúan utilizando la suposición simplificadora de que todos los estados son
igualmente probables de que ocurran; es decir, P{s1} = P{s2} = Á = P{sn} = n1 . Si la
retribución v(ai, sj) representa la ganancia, la mejor alternativa es la que da por resultado

1 n
ai e v(ai, sj) f
máx
n ja
=1
538 Capítulo 15 Análisis de decisiones y juegos

El criterio maximin (minimax) está basado en la actitud conservadora de hacer la

mejor de las peores condiciones posibles. Si v(ai, sj) es una pérdida, entonces seleccio-
namos la acción que corresponde al siguiente criterio minimax.

mín b máx
s
v(ai, sj) r
ai j

Si v(ai, sj) es una ganancia, utilizamos el criterio maximin dado por

máx
i
b mín
s
v(ai, sj) r
a j

El criterio de lamento de Savage “modera” el grado de conservadurismo del cri-

terio minimax (maximin) al reemplazar la matriz de retribución (ganancia o pérdida)
v(ai, sj) con una matriz de pérdida (o lamento), r(ai, sj) mediante la siguiente transfor-
mación:
v1ai, sj2 - mín5v1ak, sj26, si v es una pérdida
r1ai, sj2 = c
ak

máx5v1ak, sj26 - v1ai, sj2, si v es una ganancia

ak

Para demostrar por qué el criterio de Savage modera el criterio minimax (maxi-
min), considere la siguiente matriz de pérdida:
s1 s2 Fila máx

a1 $11,000 $90 $11,000

v(ai, sj) =
a2 $10,000 $10,000 $10,000 ; Minimax

La aplicación del criterio minimax muestra que a2, con una pérdida definida de
$10,000, es la alternativa preferida. Sin embargo, puede ser mejor elegir a1 porque hay
una probabilidad de limitar la pérdida a $90 sólo si s2 ocurre. Éste suele ser el caso
cuando se utiliza la matriz de lamento:
s1 s2 Fila máx

a1 $1,000 $0 $1,000 ; Minimax

r(ai, vj) =
a2 $0 $9,910 $9,910

El último criterio, Hurwicz, está diseñado para representar diferentes actitudes

de decisión que van desde la más optimista hasta la más pesimista. Defina 0 # a # 1.
La acción seleccionada debe asociarse con

máx
a
e a máx v(ai, sj) + (1 - a)mín v(ai, sj) f, si v es una ganancia
i s j s j

mín
a
e a mín v(ai, sj) + (1 - a)máx v(ai, sj) f, si v es una pérdida
i s j s j

El parámetro a es el índice de optimismo. Si a 5 0, entonces el criterio se reduce al cri-

terio minimax conservador, que busca la mejor de las peores condiciones. Si a 5 1, en-
tonces el criterio es optimista porque busca la mejor de las mejores condiciones. El
 15.3 Decisión bajo incertidumbre 539

grado de optimismo (o pesimismo) puede ajustarse seleccionando un valor de a entre

0 y 1. Sin la fuerte sensación con respecto a un optimismo y a un pesimismo extremos,
a 5 .5 puede ser una elección justa.

Ejemplo 15.3-1
National Outdoors School (NOS) está preparando un sitio para acampar en el verano en el co-
razón de Alaska para enseñar técnicas de sobrevivencia en áreas salvajes. NOS estima que la
asistencia puede caer dentro de una de cuatro categorías: 200, 250, 300 y 350 personas. El costo
del campamento será mínimo cuando su tamaño satisfaga la demanda con exactitud. Las desvia-
ciones por encima y por debajo de los niveles de demanda ideales incurren en costos adicionales
por construir más capacidad que la necesaria o por perder oportunidades de ingresos cuando la
demanda no se satisface. Si a1 a a4 representan los tamaños de los campamentos (200, 250, 300 y
350 personas) y s1 a s4 el nivel de asistencia, la siguiente tabla resume la matriz de costos (en
miles de dólares) para la situación.

s1 s2 s3 s4

a1 5 10 18 25

a2 8 7 12 23

a3 21 18 12 21

a4 30 22 19 15

El problema se analiza aplicando los cuatro criterios.

1
Laplace. Dado que P{sj} = 4 , j = 1 a 4, los valores esperados con las diferentes acciones se
calculan como
1
E{a1} = (5 + 10 + 18 + 25) = $14,500
4
1
E{a2} = (8 + 7 + 12 + 23) = $12,500 ; Óptimo
4
1
E{a3} = (21 + 18 + 12 + 21) = $18,000
4
1
E{a4} = (30 + 22 + 19 + 15) = $21,500
4
Minimax. El criterio minimax produce la siguiente matriz:

s1 s2 s3 s4 Fila máx

a1 5 10 18 25 25

a2 8 7 12 23 23

a3 21 18 12 21 21 ; Minimax

a4 30 22 19 15 30
540 Capítulo 15 Análisis de decisiones y juegos

Savage. La matriz de arrepentimiento se determina restando 5, 7, 12 y 15 de las columnas 1 a 4,

respectivamente. Por lo tanto,

s1 s2 s3 s4 Fila máx

a1 0 3 6 10 10

a2 3 0 0 8 8 ; Minimax

a3 16 11 0 6 16

a4 25 15 7 0 25

Hurwicz. La siguiente tabla resume los cálculos.

Alternativa Fila mín Fila máx a(Fila mín) 1 (1 2 a)(Fila máx)

a1 5 25 25 -20a
a2 7 23 23 -16a
a3 12 21 21 - 9a
a4 15 30 30 -15a

Utilizando una a apropiada podemos determinar la alternativa óptima. Por ejemplo, en a 5

.5, a1 o a2 es la óptima, y en a 5 .25, a3 es la óptima.

CONJUNTO DE PROBLEMAS 15.3A

*1. Hank es un estudiante inteligente y suele obtener buenas calificaciones, siempre que
pueda repasar el material del curso la noche anterior al examen. Para el examen de maña-
na, Hank enfrenta un pequeño problema. Sus hermanos de fraternidad van a tener una
fiesta que va a durar toda la noche, y a la cual le gustaría asistir. Hank tiene tres opciones:
a1 5 Parrandear toda la noche
a2 5 Dividir la noche en partes iguales entre estudiar y participar en la fiesta
a3 5 Estudiar toda la noche
El examen de mañana puede ser fácil (s1), moderado (s2), o difícil (s3), dependiendo
del impredecible humor del profesor. Hank anticipa las siguientes calificaciones:

s1 s2 s3

a1 85 60 40

a2 92 85 81

a3 100 88 82
 15.4 Teoría de juegos 541

(a) Recomiende un curso de acción para Hank (basado en cada uno de los cuatro crite-
rios de decisión bajo incertidumbre).
(b) Suponga que a Hank le interesa más la calificación que obtendrá. Las calificaciones
aprobatorias que van de la A a la D, son 90, 80, 70 y 60, respectivamente. ¿Exigiría
esta actitud hacia las calificaciones un cambio del curso de acción de Hank?
2. Para la temporada de siembra venidera, Farmer McCoy puede sembrar maíz (a1), trigo
(a2), o soya (a3), o utilizar el terreno para pastoreo (a4). Las retribuciones asociadas con
las diferentes acciones dependen de la cantidad de lluvia: lluvia fuerte (s1), lluvia mode-
rada (s2), lluvia ligera (s3), o sequía (s4). La matriz de retribuciones (en miles de dólares)
se estima como
s1 s2 s3 s4

a1 - 20 60 30 -5

a2 40 50 35 0

a3 - 50 100 45 - 10

a4 12 15 15 10

Desarrolle un curso de acción para Farmer McCoy basado en cada una de las cuatro de-
cisiones bajo criterios de incertidumbre.
3. Hay que seleccionar una de N máquinas para fabricar Q unidades de un producto espe-
cífico. Las demandas mínima y máxima del producto son Q* y Q**, respectivamente.
El costo de producción total de Q artículos con la máquina i implica un costo fijo Ki y
un costo variable por unidad ci, y está dado como
TCi = Ki + ciQ
(a) Idee una solución para el problema conforme a cada uno de los cuatro criterios de
decisión bajo incertidumbre.
(b) Con 1000 # Q # 4000 y el siguiente conjunto de datos, resuelva el problema:

Máquina i Ki ($) Ci ($)

1 100 5
2 40 12
3 150 3
4 90 8