EL VALOR ESPERADO DE LA

INFORMACIÓN PERFECTA
M. En C. Eduardo Bustos Farías

1
 MODELO DE DECISION CON INCERTIDUMBRE
CON PROBABILIDADES
• Los estados de la naturaleza tienen distinta probabilidad de ocurrencia
• Estas probabilidades se pueden estimar

CRITERIO DEL VALOR ESPERADO

Se calcula el valor esperado (VE) en cada nodo de incertidumbre calculado

como: ∑j pj V(i,j)

La mejor decisión es aquella que conduce al nodo de incertidumbre

con el mejor VE.

Se supone que si se tuviera que tomar la decisión repetidamente, la mejor

decisión daría un beneficio igual al VE

2
Decisión tomada bajo Riesgo

 El Criterios del valor esperado

- Si existe una estimación de la probabilidad de que un
determinado estado de la naturaleza ocurra , entonces se
puede calcular la ganancia esperada.

- Para cada decisión la ganancia esperada se calcula como:

Valor Esperado = Σ (Probabilidad)*(Valor)

(Para cada estado de la naturaleza)

3
 Continuación Problema de Juan Pérez

La
D ec
is ió
nO
El Criterio de la Ganancia Esperada Ganancia
ptim
Decision Gran Alza Peq. Alza Sin CambioPeq. Baja Gran a Baja Esperada
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Neg. Des 500 250 100 -200 -600 125
Cert. Dep. 60 60 60 60 60 60
Probabilid 0,2 0,3 0,3 0,1 0,1

(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130

4
 Observaciones sobre el criterio de la ganancia
esperada (VE).

- El criterio de la ganancia esperada es factible de usar en

situaciones donde es posible hacer una planificación
apropiada, y las situaciones de decisión son repetitivas.

- Un problema de este criterio es que no considera las

situaciones ante posibles pérdidas.

5
Valor de la información perfecta
• Si se pudiera contar con un predictor perfecto, se
podría seleccionar por anticipado el curso de acción
óptimo correspondiente a cada evento pronosticado.

• Ponderando la utilidad correspondiente a cada curso

de acción óptimo por la probabilidad de ocurrencia
de cada evento se obtiene la utilidad esperada
contando con información perfecta (UEIP).

• El VEIP es la diferencia entre UEIP y VE. Refleja el

aumento en la utilidad esperada a partir de contar
con un mecanismo de predicción perfecto.

6
 Interpretación del VEIP
• El VEIP puede considerarse como una
medida general del impacto económico de la
incertidumbre en el problema de decisión.
• Es un indicador del valor máximo que
convendría pagar por conseguir información
adicional antes de actuar.
• El VEIP también da una medida de las
oportunidades perdidas. Si el VEIP es
grande, es una señal para que quien toma la
decisión busque otra alternativa que no se
7
haya considerado hasta el momento.
 El Valor Esperado al Contar con
Información Perfecta.
La Ganancia que se espera obtener al conocer
con certeza la ocurrencia de ciertos estados de
la naturaleza se le denomina:

El Valor Esperado de la Información

Por lo tanto, la VEIP corresponde al costo
Perfecta (VEIP)
de oportunidad de la decisión seleccionada
usando el criterio de la ganancia esperada.

Esta decisión es la que genera una menor

pérdida para el tomador de decisiones.

8
  Continuación Problema de Juan Pérez

-Si se conoce con certeza que ocurrirá una “Gran Alza” en los

mercados:La Ganancia
- Esperada de la Información Perfecta
GranAlza
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro 100-100 100 200 300 0
Bonos 250 200 150 -100 -150
Neg. Des.s 250
Neg. Des 500 250 100 -200 -600
Cert. Dep
Probab.
500 60
0,2
60
0,3
60
0,3
60
0,1
60
0,1
60
... La decisión óptima es invertir en... Análogamente,

Valor Esperado de la Información Perfecta=

0.2(500)+0.3(250)+0.3(200)+0.1(300)+0.1(60) = $271
VEIP = CO - EV = $271 - $130 = $141 9
 Análisis Bayesiano - Tomador de
Decisiones con Información
Imperfecta.
 La estadística Bayesiana construye un modelo a
partir de información adicional obtenida de diversas
fuentes.

 Esta información adicional mejora la probabilidad

obtenida de la ocurrencia de un determinado estado
de la naturaleza y ayuda al tomador de decisiones a
escoger la mejor opción.

10
  Continuación Problema de Juan Pérez
-Juan puede contratar un análisis de resultados económicos por
$50

- El resultado del análisis puede arrojar un crecimiento

económico “positivo” o “negativo”.

- Estadísticas con relación al análisis:

¿Le conviene a Juan contratar el análisis?
El análisis arroja Cuando el mercado muestra una

Gran Alza Peq.Alza Sin Cambios Peq.Baja Gran Baja

Crec. Ec. Positivo 80% 70% 50% 40% 0%

Crec. Ec. Negativo 20% 30% 50% 60% 100%

Cuando el mercado muestra una gran alza , el análisis

11
arroja un “crecimiento positivo” del 80%
 Solución

 Juan debe determinar su decisión óptima cuando el

análisis arroja resultados “positivos” y “negativos”.

 Si su decisión cambia a causa del análisis, debe

comparar las ganancias esperadas con y sin el
análisis.

 Si la ganancia esperada que resulta de la decisión

hecha con el análisis excede los $50, Juan debe
comprar el análisis económico.

12
 Juan necesita conocer las siguientes probabilidades:

- P (Gran Alza | Análisis arroja crecimiento “positivo”)

- P (Peq. Alza | Análisis arroja crecimiento “positivo”)
- P (Sin Cambios | Análisis arroja crecimiento “positivo”)
- P ( Peq. Baja | Análisis arroja crecimiento “positivo”)
- P (Gran Baja | Análisis arroja crecimiento “positivo”)
- P (Gran Alza | Análisis arroja crecimiento “negativo”)
- P ( Peq. Alza | Análisis arroja crecimiento “negativo”)
- P (Sin Cambios | Análisis arroja crecimiento “negativo”)
- P (Peq. Baja | Análisis arroja crecimiento “negativo”)
- P (Gran Baja | Análisis arroja crecimiento “negativo”)

13
  El teorema de Bayes muestra un procedimiento para
calcular estas probabilidades:

P(B |A i)P(A i)
P(A i | B) =
[ P(B | A 1)P(A 1)+ P(B | A 2)P(A 2)+…+ P(B | A n)P(A n) ]

Las Probabilidades “a posteriori” pueden tabularse como siguen:

Estados de Prob. Prob Prob. Prob. 0.16
la Naturaleza a Priori Condicional Conjunta Posteriori 0.56
Gran Alza 0.2
0.2 X 0.8 = 0.16 0.286
0.286
Peq. Alza 0.3
0.3 0.7 0.21 0.375
0.375
Sin Cambios 0.3
0.3 0.5 0.15 0.268
0.268
Peq. Baja La
0.1 Probabilidad
0.1 0.4 que
La Observe
Probabilidad el mercado
elque el0.04
ajuste análisis
en 0.071
0.071
Gran Baja 0.1 arroje
muestre
0.1 lacrec.
una “positivo”
“Gran
0“prob aAlza”, y0dado
priori” que el que 0
0.000
mercado = tenga
Sumarroja
el análisis una “Gran Alza
0.56crecimiento ”.
“positivo”” 14
- La Probabilidad a posteriori para cuando el análisis arroja
un crecimiento “negativo” , se puede calcular de forma similar.

WINQSB
WINQSBimprime
imprimeelelcalculo
calculode
delas
lasprobabilidades
probabilidadesaaposteriori
posteriori

15
 MODELO DE DECISION CON INCERTIDUMBRE
CON PROBABILIDADES

• VALOR ESPERADO DE LA INFORMACION PERFECTA (VEIP)

- ¿Qué tanto estaría dispuesto a pagar por saber el estado de la

naturaleza que ocurrirá ? -en promedio

- Se calcula como la diferencia entre los valores esperados

con y sin Información Perfecta
VEIP = VEIP - VE

- Para calcular VEIP se calcula para cada estado de la naturaleza:

el producto del maximo beneficio y la probabilidad de
ocurrencia

16
 Valor esperado de la información adicional.

- Corresponde a la ganancia esperada por un tomador de

decisiones usando una información adicional.

- Usando el análisis se calcula la ganancia esperada.

VE(Al invertir en ….... |Análisis “positivo”) =

=.286( BONOS
ORO )+.268(
)+.375( )+.071( )+0( )=
-100
250 100
200 200
150 300
-100 150
0 180
84
VE(Al invertir en ……. |Análisis “negativo”)=
=.091( )+.205(ORO )+.341( )+.136( )+.227( )=
BONOS
-100
250 100
200 200
150 300
-100 150
0 120
65
17
 VESIA
VESIA==Ganancia
GananciaEsperada
EsperadaSin
SinInformación
InformaciónAdicional
Adicional==130
130
- El resto de las ganancias esperadas son calculadas de forma
similar.
Ganancia esperada de la información adicional
GE GE Revisada
DecisionGran APeq. ASin CaPeq. BGran Ba Priori Pos Neg
Oro -100 100 200 300 0 100 84 120
Bonos 250 200 150 -100 -150 130 180 65
Neg.Des 500 250 100 -200 -600 125 250 -37
Cert. De 60 60 60 60 60 60 60 60
P. Priori 0,2 0,3 0,3
An. Pos 0,29 0,38 0,27 0,07
Entonces,
0,1 0,1
0 0,56
¿Debe contratar Juan
An. Neg 0,09 0,21 0,34 0,14 0,23
Inversión en Negocio en el cuando
Desarrollo Análisis Económico?
el Análisis
0,44
es
“positivo”.

VECIA
VECIAen
Invertir ==Ganancia
Ganancia Esperada
Esperada
Oro cuando Con
ConesInform.
el Análisis Inform.Adicional=
Adicional=
“negativo”.

(0.56)(250)
(0.56)(250)++(0.44)(120)
(0.44)(120)==$193
$193 18
 VEIA = Ganancia Esperada de la Información
Adicional =

VECIA - VESIA = $193 - $130 = $63

Por lo tanto Juan debe contratar el Análisis

Económico, ya que su ganancia esperada es mayor
que el costo del Análisis.

 Eficiencia = VEIA / VEIP = 63 / 141 = 0.45

19
HERRAMIENTAS PARA EL
ANÁLISIS DE DECISIONES
ÁRBOLES DE DECISIÓN

20
 Árboles de Decisión
Son modelos gráficos empleados para
representar las decisiones secuenciales,
así como la incertidumbre asociada a la
ocurrencia de eventos
considerados claves.

21
 Arboles de decisión
• El primer paso para resolver problemas
complejos es descomponerlos en
subproblemas más simples.
• Los árboles de decisión ilustran la manera en
que se pueden desglosar los problemas y la
secuencia del proceso de decisión.
• Un nodo es un punto de unión.
• Una rama es un arco conector.
• La secuencia temporal se desarrolla de
izquierda a derecha.
22
 Arboles de decisión (cont.)
• Un nodo de decisión representa un punto en
el que se debe tomar una decisión. Se
representa con un cuadrado.
• De un nodo de decisión salen ramas de decisión que
representan las decisiones posibles.
• Un nodo de estado de la naturaleza
representa el momento en que se produce un
evento incierto. Se representa con un círculo.
• De un nodo de estado de la naturaleza salen ramas
de estado de la naturaleza que representan los
posibles resultados provenientes de eventos inciertos
sobre los cuales no se tiene control. 23
 Arboles de Decisión (cont.)
• La secuencia temporal se desarrolla de
izquierda a derecha.
• Las ramas que llegan a un nodo desde la
izquierda ya ocurrieron. Las ramas que salen
hacia la derecha todavía no ocurrieron.
• Las probabilidades se indican en las ramas
de estado de la naturaleza. Son
probabilidades condicionales de eventos que
ya fueron observados.
• Los valores monetarios en el extremo de
cada rama dependen de decisiones y
24
estados de la naturaleza previos.
 Árboles de decisión

 La Matriz de Ganancias es conveniente de utilizar para

la toma de decisiones en situaciones simples.

 Muchos problemas de decisión del mundo real se

conforman de una secuencia de decisiones
dependientes.

 Los árboles de decisión se utilizan en los análisis de

procesos de decisión escalonados.

25
  Características del Árbol de Decisión

- Un árbol de decisión es una representación cronológica del

proceso de decisión.
- Hay dos tipos de nodos:
• nodos de decisión (representados por cuadros)
• nodos del estado de la naturaleza (representados por
círculos).
- La raíz del árbol corresponde al tiempo presente.
- El árbol se construye hacia el futuro, con las ramas saliendo
desde los nodos.
• Una rama saliente desde un nodo de decisión
corresponde a una decisión alternativa. Incluido el valor
del costo o beneficio.
• Una rama saliente desde un nodo estado de la
naturaleza corresponde a un estado de la naturaleza
particular e incluye la probabilidad de este estado.
26
 Construcción de un Árbol de
Decisión
• Nodos:

1. De Decisión .................

Indican los puntos en el tiempo donde se toma la decisión.

2. De Eventos .................

Indican la existencia de eventos sujetos a incertidumbre

asociados a las alternativas de inversión.
27
 Continuación
Construcción.........
• Ramas:

1. Que parten de los nodos de decisión

representan alternativas de inversión o
cursos de acción:

28
 Continuación Construcción
..........
2. Las ramas que parten de los nodos de
eventos representan situaciones sujetas
a incertidumbre que han sido
cuantificadas por intermedio del uso de
probabilidades.
Demanda alta .. 0.6

Demanda baja .. 0.4

29
 MODELOS DE DECISION CON INCERTIDUMBRE

• ARBOL DE DECISION $ 250

S1
S2 $ 100
A1 S3
$ 35

S1 $ 110
A2 S2
$ 100
S3
$ 75
tiempo

Nodo de Decisión Nodo de Incertidumbre

30
 Selección de alternativas de
decisión
• Trabajando de atrás hacia adelante en el
árbol, se calcula el valor esperado para cada
nodo de estado de la naturaleza.
• Dado que quien toma las decisiones controla
las ramas que salen de cada nodo de
decisión, se elige la rama que resulte en el
mayor valor esperado.
• Se van tachando todas las ramas que no
sean seleccionadas.
• Se prosigue el análisis hacia la derecha del
arbol, hasta seleccionar la primera decisión.
31
• La decisión que resulta de un análisis del
árbol de decisión no es una decisión fija
sino una estrategia condicional a la
ocurrencia de eventos que sucedan a la
decisión inmediata.

32
 Árboles de
decisión: ejemplo
Bajo 50 % $ 185.000
Gana 70 %
Medio 30 % $ 415.000
Ir a juicio
I
$ 580.000
I Alto 20 %

D Pierde 30 %
- $ 30.000

$ 210.000
Arreglo extrajudicial

DECISION CONSECUENCIA CONSECUENCIA RESULTADO FINAL

Las consecuencias no están bajo mi control
33
 Limitaciones de los árboles de
decisión
• Un árbol de decisión da una buena descripción
visual en problemas relativamente simples, pero
su complejidad aumenta exponencialmente a
medida que se agregan etapas adicionales.
• En algunas situaciones, la especificación de la
incertidumbre a través de probabilidades
discretas resulta en una sobresimplificación del
problema.

34
Ventajas y Desventajas
1. La consideración explícita de decisiones
futuras obliga al decisor a elaborar planes de
mas largo plazo.

2. La técnica de resolución, aunque sencilla,

puede volverse compleja en la medida que
aumentan alternativas y eventos
probabilísticos.

3. Solo maneja distribuciones de probabilidades

35
discretas.
EJEMPLO

36
  Bill Gallen, compañía consultora y evaluaciones
(B.G.D.)
- B.G.D, planea una evaluación comercial de una propiedad.
- Datos relevantes:
- Pedir el precio por la propiedad que es de $300,000
- Costo de construcción es de $500,000
- Precio de venta es aproximadamente $950,000
- El costo de la aplicación del acuerdo variables es de $30,000
en pagos y gastos.
• Hay un 40% de posibilidad que se llegue a acuerdo.
• Si B.G.D. compra la propiedad y no se llega a acuerdo, la
propiedad se puede vender obteniendo una utilidad de
$260,000.
• Existe la opción de comprar la propiedad a tres meses a
$20,000, lo cual que permitiría a B.G.D. Aplicar el acuerdo.
- Un consultor se puede contratar por $5,000.
-P(consultor da su aprobación /otorga aprobación)=0.70
-P(consultor no da su aprobación/se niega
aprobación)=0.80
37
  Solución

Construcción de un árbol de decisión

• Inicialmente la compañía encara una decisión sobre contratar un

consultor.

• Después de esta decisión, se toman otras decisiones tomando en

cuenta lo siguiente:
– aplicaciones del acuerdo.
– comprar la opción
– comprar la propiedad

38
 0
3
ad a
Ha ga n
0
Compre tierra Aplicar el acuerdo
r 2 4
o -300,000 -30,000
ult Co
o ns mp
rar
t arc -2 0 la o
tr a ,0 0 pci
o n 0 ó
oc De n
0

no ja d
N

1 co e co
ntr n
ata sid 11
Aplicar el acuerdo
Co
ntr r a era -30,000
a
-50 tar c
un r la
00 on c o de
su
lt n s ci s
or ult ió
or n d
e

39
 cu y
o
l a ra
erd
r e tier
lica ar 120,000
ap mpr
construya venda
Co

6 7 8
-500,000 950,000
o b ad a
apr
0. 4
5 r ec
h az
ada -70,000
0. 6 venda
9 10
260,000
Comprar tierra construya venda
da 13 14 15 16
ob a -300,000 -500,000 950,000
apr 100,000
0. 4
12 r ec
h az
ada
0. 6
17
Ve l i c a
nd r e
ap

-50,000
er l a
op cue
ció r d
ny o

40
 n de
ultor i sió or
tar c o ns 2 d ec sult 20 -5000
o n tr a l a
r n co da n
No c r a
0
s i de r a u aga na
1 con trata H
Co
ntr con 19 Comprar tierra
21
Aplicación del acuerdo
at a -300,000
-50 r con s u ción Com
prar
-30,000
00 su
lt Da roba la o
or ap -20,
000
pcó
n

0.4
Aplicación del acuerdo
28
18 -30,000

No obac
-5000
apr
36

d a ió n
a nada
0. 6
g

su
Ha
Comprar tierra Aplicación del acuerdo
35 37
-300,000 -30,000
Com
prar
la op
-20,0 ción
00
Aplicación del acuerdo
44
-30,000
41
 115,000
construya venda
23 24 25
a -500,000 950,000
va d
o
apr
0.70
?
22 r ec
h az
ada -75,000
0.30 venda
? 26 27
260,000

El consultor sirve como una fuente de información adicional

para el rechazo o aprobación del acuerdo..

Por lo tanto, en este punto necesitamos calcular

las probabilidades “a posteriori” para la aprobación o rechazo
de la aplicación del acuerdo
Probabilidad “a posteriori” de aprobación|consultor da su aprobación) = 0.70
probabilidad “a posteriori” de rechazo|consultor da su aprobación) = 0.30
42
El resto del árbol de decisión se puede
construir análogamente.

Un completo análisis se puede

obtener usando WINQSB

43
  DETERMINANCION DE LA ESTRATEGIA
ÓPTIMA

• Se trabaja de manera tal que se retrocede desde el final

de la rama.
• Luego se calcula el valor esperado del nodo estado de
la naturaleza.
• Para un nodo de decisión, la rama que tiene el mayor
valor final es la decisión óptima.
• El mayor valor del nodo final es el valor del nodo de
decisión.

44
 5 00 0 500 115,000 115,000 115,000
0
8
. 7)=8 0 0 115,000 115,000 115,000
0 0 )(0 805
1 5 ,0 500 construye vende
(1 0800 23 24 25
80 5 a da -500,000 950,000
ro b
58,000 ap 0.70
r e
? -75,000 -75,000 -75,000
22
- 22 cha - -75,000
50 zad -75,000
0 a 75,000
-
(-7 225 0.30 vende
5 ,0 0 0 ? 26 27
00 260,000
)(0 -22
- 2 2 .3 ) = 5 0 0
50
0 - 2 25
00

Con 58,000 como el valor final del nodo,

se puede continuar retrocediendo para evaluar los nodos
anteriores.

45
Aquí
Aquísesemuestra
muestrauna
unapantalla
pantallade
deun
un
árbol
árbolde
dedecisión
decisiónen
enWINQSB
WINQSB

46
Contratar al
consultor
(ir al nodo
18)

47
Si el consultor Entonces
da su compre la
aprobación tierra y apli-
(indicado por quela al
el nodo 19) acuerdo..
Luego espere
Si el acuerdo por los
se aprueba resultados
Luego
Luegoprocedemos
procedemosde
delalamisma
misma
(indicada por manera ... Entonces
manerayycompletamos
completamoslalaestrategia
estrategia
el nodo 23) construya y
venda.

48
 Utilidad y elaboración de la decisión

 Introducción
- El criterio de la ganancia esperada puede no ser
apropiado cuando se tenga una única oportunidad
para tomar la decisión y ésta tiene riesgos
considerables.
- La decisión no siempre se escoge en base al criterio
de la ganancia esperada.
*Un boleto de lotería tiene una ganancia esperada
negativa.
*Una póliza de seguros cuesta más que el valor
actual de las pérdidas esperadas de la compañía
aseguradora. 49
  Acerca de la utilidad

• El valor de la utilidad, U(V) refleja la perspectiva del tomador de

decisiones.
• El valor de la utilidad se calcula para cada posible ganancia.
• El menor resultado obtenido tiene un valor de utilidad de 0.
• El mayor resultado obtenido tiene un valor de utilidad de 1.
• La decisión óptima se elige usando el criterio de la utilidad
esperada.

50
  Sobre la indiferencia para asignaciones de valores de
utilidad

• Listar todas las posibles ganancias en la matriz de ganancias en

orden ascendente.
• Asignar una utilidad 0 al valor más bajo y un valor 1 al más alto.
• Para todas las otras posibles ganancias formular al tomador de
decisiones la siguiente pregunta:
“ suponga que Ud. Podría recibir esa ganancia en forma segura o
recibiría, ya sea la mayor ganancia con probabilidad p y la menor
ganancia con probabilidad (1-p).
¿qué valor para p lo haría indiferente ante esas dos situaciones?
• la respuesta a esta pregunta son las probabilidades de indiferencia
con respecto a la ganancia y se usan como valores para la utilidad.

51
  Determinando el valor de la utilidad

- La técnica provee una cierta cantidad de riesgo para cuando el

tomador de decisiones debe elegir una opción.

- La técnica se basa en tomar la ganancia más segura versus arriesgar

la obtención de la más alta o baja de las ganancias.

52
  Juan Pérez - continuación

- Datos
• La mayor ganancia fue $500, la menor ganancia fue $-600.
• La probabilidad de indiferencia obtenida por Juan es:

Gananc -600 -200 -150 -100 0 60 100 150 200 250 300 500
Prob. 0 0,25 0,3 0,35 0,5 0,6 0,65 0,7 0,75 0,85 0,9 1
• Juan desea determinar su decisión óptima de inversión.

53
 Utilidad de la matriz de ganacia Utilidad
Decisión Gran alza Peq. Alza sin cambios Peq. Caída Gran caída esperada
Oro 0,35 0,65 0,75 0,9 0,5 0,63
Bonos 0,85 0,75 0,7 0,35 0,3 0,67
Neg. Des. 1 0,85 0,65 0,25 0 0,675
Cert. Dept. 0,6 0,6 0,6 0,6 0,6 0,6
ad
Probabilida
L 0,2 0,3 0,3 0,1 0,1
ec
is i
ón
óp
ti m
a
Use este resultado con
precaución: la inversión
en bonos tiene casi la
misma utilidad !! 54
Ejemplo 2

55
 Goferbroke Company

Estado de la Tierra Pago

Alternativa Petróleo Seco
Perforar buscando petróleo $700.000 -$100.000
Vender la Tierra $90.000 $90.000

56
Toma de decisiones sin
Probabilidades

57
 Tabla de pagos
Estado de la Tierra Pago
Alternativa Petróleo Seco
Perforar buscando petróleo $700.000 -$100.000 Estados
Vender la Tierra $90.000 $90.000 de la
naturaeza

Acciones posibles Tabla de Pagos

58
 Criterios Posibles
• Toma de Decisiones sin
Probabilidades:
– Enfoque Optimista
– Enfoque Conservador
– Enfoque minimax de arrepentimiento

59
 Enfoque Optimista

• Para cada acción posible, encontrar el

pago mejor sobre todos los estados
posibles de la naturaleza.
• Después, encuentre el mejor de estos
pagos.

60
 Enfoque optimista
• Juzga a cada alternativa de decisión en
función del mejor pago que pueda ocurrir.
• En un problema de maximización lleva a
elegir la alternativa con el máximo de los
resultados máximos (maximax).
• En un problema de minimización lleva a
elegir la alternativa con el mínimo de los
resultados mínimos (minimin).

61
 Tabla de pagos – Enfoque Opt.

Máximo
Estado de la Tierra Pago Pago
Alternativa Petróleo Seco
Perforar buscando petróleo $700.000 -$100.000
Vender la Tierra $90.000 $90.000

Máximo
Máximo pago
entre ellos
$ 700 000
62
 Enfoque conservador

• Para cada acción posible, encontrar el peor

pago sobre todos los estados posibles de la
naturaleza.
• Después, encuentre el mejor de estos
pagos.

63
 Enfoque Conservador
• Evalúa cada alternativa de decisión en
función del peor pago que pueda ocurrir.
• En un problema de maximización lleva a
elegir la alternativa que maximice la
utilidad mínima obtenible (maximin).
• En un problema de minimización lleva a
elegir la alternativa que minimice el costo
máximo obtenible (minimax).

64
 Tabla de pagos – Max. Prob.

Peor
Estado de la Tierra Pago pago

Alternativa Petróleo Seco

Perforar buscando petróleo $700.000 -$100.000
Mejor
Vender la Tierra $90.000 $90.000 pago
entre los
peores
Peor
pago
65
 Enfoque Minimax de Arrepentimiento I

• Sea Rij =|Vj*-Vij| donde

• Rij = arrepentimiento asociado con la alternativa
de decisión di y el estado de la naturaleza sj
• Vj*=el valor de pago que corresponde a la mejor
decisión para el estado de la naturaleza sj (en
problemas de maximización será la mayor
entrada en cada columna, en los de
minimización la menor entrada en cada
columna)
• Vij=el pago que corresponde a cada
combinación de alternativa de decisión di y de
estado de la naturaleza sj 66
 Enfoque Minimax de Costo de
oportunidad
• Este criterio no es totalmente optimista ni
totalmente conservador.
• El Costo de Oportunidad Rij es la diferencia
entre el pago Vj* correspondiente a la mejor
alternativa y el pago Vij* correspondiente a
una determinada decisión di cuando se
verifica un estado de la naturaleza sj .
Rij = [ Vj* - Vij* ]
• La alternativa a elegir es la que tenga el
mínimo costo de oportunidad entre los
máximos costos de oportunidad calculados.
67
 Enfoque Minimax de Arrepentimiento II

• Se enlistan los arrepentimientos máximos para

cada alternativa de decisión y se toma el menor
entre ellos.
Enfoque Minimax
B C D E F G H I
3 E sta do de la N a tura le za V a lore s de R ij
Alte rn.
4 P e tróle o S e co P e tróle o S e co
5 P e rfora r 700 -100 0 190
6 V e nde r 90 90 610 0
7
9
10

Etiquetas
Datos
Resultados 68
Toma de decisiones con
Probabilidades

69
 Toma de decisiones con
probabilidades
• Para seleccionar la mejor alternativa se
puede usar el criterio de Valor Esperado.
• El Valor Esperado es la suma ponderada
de los pagos correspondientes a la
alternativa de decisión.
• El factor de ponderación de cada pago es
la probabilidad de ocurrencia del estado
de la naturaleza asociado a ese pago.

70
 Regla de Decisión de Bayes

• Se usan las mejores estimaciones posibles de

las probabilidades de los respectivos estados de
la naturaleza (en este momento las
probabilidades a priori) y se calcula el valor
esperado del pago de cada acción posible.
• Se elige la acción con el máximo pago
esperado.

71
Limitaciones del Valor Esperado
• Si las consecuencias de un resultado
potencialmente desfavorable pueden
sobrellevarse sin mayores sobresaltos, el VE
es un criterio razonable para la acción.
• Cuando las consecuencias de un resultado
potencialmente desfavorable no pueden
ignorarse (cuando se ponen en juego
grandes sumas de dinero en términos
relativos), el VE puede no ser el mejor criterio
de decisión.
72
 Pago Esperado

Pago esperado = ∑ Pa
i − estado
i i

E [pago (perforar)] = 0.25(700) + 0.75(−100)

= 100
E [pago (vender)] = 0.25(90) + 0.75(90)
= 90
73
 Características Bayes

• Incorpora toda la información disponible

• Hay que ser cauteloso si las probabilidades
son poco confiables
• Se usará de ahora en adelante sobre todo
para las decisiones con experimentación

74
ANÁLISIS DE SENSIBILIDAD

75
 Análisis de Sensibilidad

• Para evaluar el efecto de posibles

inexactitudes en las probabilidades apriori,
suele ser útil realizar una análisis de
sensibilidad.

76
 Análisis de Sensibilidad
• El análisis de sensibilidad puede ayudar a
decidir si es conveniente invertir más
tiempo y dinero a fin de obtener
estimaciones de probabilidad más
precisas.

77
 Ejemplo
Regla de Decisión de Bayes para Goferbroke

E sta do de la N a tura le za P a go
Alte rna tivos P e tróle o S e co E spe ra do
P e rfora r 700 -100 20
V e nde r 90 90 90 Maximum

P rob. a priori 0.15 0.85

Regla de Decisión de Bayes para Goferbroke

E sta d o d e la N a tura le za Pa go
Alte rna tivo s P e tró le o S e co E sp e ra d o
P e rfo ra r 700 -100 180 Maximum
V e nd e r 90 90 90

P ro b . a p rio ri 0.35 0.65 78

 Punto de Cruce
• El punto de cruce se halla fijando una probabilidad,
igualando los pagos esperados y despejando el
valor de la probabilidad.
p = probabilid ad a priori de encontrar petróleo
E [pago de perforar ] = E [pago de venta ]
700 p − 100 ( p − 1) = 90 p + 90 ( p − 1)
190
p= = 0 .2375
800
• Conclusión: se debe vender el terreno si
79
p < 0.2375 se debe perforar si p < 0.25375